دانلود پایان نامه درمورد داده ها و اطلاعات، سنجش از دور، ساختار داده

دانلود پایان نامه ارشد

کلروفيل موجود در ساختار گياهان قادر است نور قرمز را جذب و لايه مزوفيل برگ نور مادون قرمز نزديک را منعکس سازد استوار است. و مقدار شاخص NDVI بين اعداد 1+ تا 1- تغيير ميکند. مقادير منفي در اين شاخص حاکي از عدم حضور پوشش گياهي است [115،110،80].
NDVI به شدت تحت تأثير متغيرهاي روشنايي در زمينه تاج پوشش گياهي قرار ميگيرد و اين مسئله شناسايي ميان پوشش گياهي و تغييراتي را که به سبب خاک بر روي NDVI اعمال ميگردد مشکل ميسازد. مشکلات به خصوصي نيز در هنگامي که هدف استخراج خصوصيات خاک از روي اطلاعات پوشش گياهي باشد وجود دارد . شاخصهاي پوشش گياهي ديگري نظير شاخص پوشش گياهي PVI و شاخص تعديل شده خاک ( SAVI) وجود دارند که تحت تأثير خصوصيات خاک قرار نميگيرند [119،109،80]. بنابراين هر كدام از شاخصهاي به کار گرفته شده داراي مزايا و معايبي در هر موقعيتي و براي هر تصوير هستند، بنا براين، در انجام اين امر توجه به انتخاب مناسب ترين روش با توجه به مشخصات سنجنده ها، موقعيت و خصوصيات منطقه و هدف از مطالعه انواع پوششهاي گياهي ضروري است. با اين حال انتخاب دقيق يک روش براي تمامي موقعيتهاي مناسب کاري بسيار دشوار است و لازم است تا بهترين و مناسب ترين روشي را بتواند بالاترين دقت را در بر داشته باشد انتخاب نمود.
جکسون34 و همکاران (1983) عقيده دارند که يک شاخص گياهي ايده آل بايد حساس به پوشش گياهي بوده و غير حساس به خاک لخت باشد و کمتر متأثر از عوامل جوي باشد. همچنين يک شاخص ايده آل در مناطق خشک بايد داراي توانايي جدا نمودن اثر سايه و تنوع بازتاب برگهاي گونههاي مختلف موجود در آن مناطق باشد [78].
اندرسون35 و همکاران (1993) براساس تحقيقات خود اظهار داشتند که شاخصهاي گياهي نسبت به پوشش هاي گياهي عکس العمل هاي متفاوتي را نشان ميدهند که بيان کمي اين روابط مشکل ميباشد. زيرا اين روابط تحت تأثير عواملي چون زاويه تابش خورشيد،، جذب اتمسفري،، بازتاب پديده ها،، سايه، مراحل رشد گياهي و … تغيير پذير ميباشد [64].
راندکس36 و همکاران (1996)، با مقايسه شش شاخص گياهي، به اين نتيجه رسيده اند که شاخص MSAVI37 بيشترين حساسيت (9/98٪) را نسبت به پوشش گياهي داشته و بعد از آن شاخصهاي SAVI38 (59/97٪)، 39OSAVI(98/95٪)، 40TSAVI(90/94٪) و بالاخره شاخص GEMI41(94/91٪) و شاخص 42NDVI(36/85٪) در رده هاي بعدي بودند.در پايان اين تحقيق اشاره شده است که که رفتار طيفي تاج پوشش است که در برآورد مشخصات بيوفيزيکي گياه مورد استفاده قرار ميگيرد [106].
جهانبخش اصل و همکاران (1388) براي ارزيابي تغييرات پوشش گياهي در دو دوره ي ترسالي و خشک سالي از شاخص وVHI و NDVI استفاده کرد [10].
واحدي(1379) به مطالعه اي با استفاده از سنجنده TM در سميرم جهت تهيه نقشه پوشش گياهي پرداخت، جمع آوري دادههاي صحرايي پوشش گياهي و نمونه هاي خاک با روش نمونه برداري تصادفي طبقه بندي شده در 60 نقطه انجام شد و سپس از طريق رگرسيون خطي يک متغييره و چند متغييره همبستگي و روابط بين درصد پوشش گياهي، خصوصيات فيزيکي و شميايي خاک، درصد سنگ و سنگريزه، درصد خاک لخت با باندهاي هفتگانه و 11 شاخص گياهي را بررسي کرد. ايشان به اين نتيجه رسيد که شاخصهاي گياهي مورد استفاده با درصد پوشش گياهي رابطه معني داري ندارند. اما آناليز براساس باندهاي TM اصلي نشان داد که با استفاده از باندهاي TM3 و 4TM امکان تخمين درصد پوشش گياهي در منطقه وجود دارد [53].
عبدي و همکاران (1388) جهت بررسي طبقه بندي تراکم پوشش جنگل هاي زاگرس با استفاده از داده هاي سنجنده ETM+ در خرم آباد مطالعه اي انجام دادند. بعد از اعمال تصحيحات هندسي سپس به منظور بررسي تراکم پوشش جنگلي منطقه شاخصهاي گياهي مختلف استفاده کردند که نتيجه به دست آمده نشان داد که شاخص هاي گياهي MSAVI و NDVI داراي صحت و همبستگي بالاتري نسبت به بقيه شاخصها با پوشش گياهي نمونه برداري شده ميباشند [33].
فرازمند (1390) به منظور مقايسه و ارزيابي روشهاي پيکسلي از شاخصهاي گياهي و تحت پيکسلي از آناليز ترکيب طيفي در پهنه بندي پوشش گياهي منطقه سميرم با استفاده از تصاوير سنجنده TM از شاخص هاي گياهي مختلفي استفاده کرد. ايشان براي بررسي همبستگي داده هاي زميني با گروه هاي شاخص گياهي از شاخصهاي گياهي مبتي بر پايه شيب، شاخص هاي گياهي فاصله اي، شاخص هاي گياهي تبديلات راست گوشه و شاخص هاي گياهي حساس به آب گياهان استفاده کرد [40].
2-6-6- فيوژن کردن تصوير
تصاوير تمام رنگ پانکروماتيک 43(PAN)، تصاوير سياه و سفيدي هستند که از طول موج هاي مرئي تا مادون قرمز نزديک را يکجا و بهصورت تمام رنگ گرفته ميشود و معمولا داراي کيفيت و دقت مکاني بالايي هستند که در آنها جزئيات اطلاعات جغرافيايي به وضوح قابل مشاهده است. از طرف ديگر تصاوير چند طيفي تصاويري با دقت مکاني پايين اما با دقت طيفي بالا هستند که در آنها اطلاعات طيفي به خوبي قابل مشاهده است. به دليل محدوديت هاي فيزيکي در طراحي سنسورها، دستيابي به يک تصوير با کيفيت فرکانسي بالا و کيفيت مکاني بالا به صورت همزمان در يک تصوير امکان پذير نيست. از اين رو محققان به دنبال راهکارهايي براي بهبود کيفيت تصاوير ماهواره اي بوده اند به گونهاي که تصوير به دست آمده هم دقت مکاني بالا و هم دقت فرکانس بالايي داشته باشد. يکي از اين روشها و تکنيک ها ادغام تصوير است. دو يا چند تصوير متفاوت از يک صحنه مشابه توسط يک الگوريتم با يکديگر ترکيب ميشوند تا تصوير جديدي توليد کنند [109].
روشهاي مختلفي براي ادغام تصوير در سطح پيکسل معرفي شده است. از جمله اين تبديلات مي توان به روش هاي مبتني بر تبديل IHS44، تبديل Brovey، تبديل PCA و جابجايي باند45 اشاره نمود. روش هاي Brovey يک روش ساده عددي است که بر اين اساس طراحي شده است که گستره طيفي تصوير PAN مشابه با اطلاعات تصوير چند طيفي پوشش داده ميشود در اين روش ابتدا باندهاي تصوير چند طيفي نرمال شده و سپس در تصوير با قدرت تفکيک بالاتر ضرب ميگرد [14].
فاضلي عطار (1387) در تحقيق خود از دادههاي ASTER که داراي قدرت تفکيک متفاوت هستند از روش فيوژن استفاده کرد. وي جهت انجام اين فرايند به ادغام باندهاي 30 متر سنجنده ASTER با باندهاي 15 متر اقدام نمود که توسط عملگر Merge Resolution، با روشPCA و الگوريتم نزديک ترين همسايه، انجام داد. طي اين فرايند باندهاي داراي قدرت تفکيک مکاني 30 متر به باندهاي با قدرت تفکيک مکاني 15 متر تبديل گرديدند [37].
همچنين خسرواني (1387)، سرحدي و همکاران (1387)، صادقي (1386)، ماهشانيان (1390)، تيو (2000) ليو (2000)، گونزالز آيوديکاناو همکاران (2005)، وانگ و همکاران (2005) براي مطالعه خود از فيوژن براي بدست آوردن نتيجه آناليزهاي بهتر، بهره گرفتند [118،109،74،90،14،24،26،44،116 ].
2-6-7- روش هاي طبقه بندي
در فرايند طبقه بندي تصاوير رقومي ماهواره اي، يک کارشناس، ساختاري را براي رايانه پايه ريزي ميکند که بر پايهي آن، هم آهنگ با تعريف مشخصي که از موقعيتهاي کاملاً معين ارايه شده است، تفسير تصوير امکان پذير ميشود. به عبارت ديگر طبقه بندي تصاوير يکي از روش هاي تفسير در محدوده و دامنه تصاوير رقومي ميباشد. با توجه به ساختار داده هاي رقومي که از ماهواره ها به دست مي-آيد و بسته به بازتاب هاي مختلفي که امواج از زمين دارند، سنجندههاي مختلف، داده ها و اطلاعات متفاوتي را ثبت ميکنند، که با تحليل آنها ميتوان به نتايج گرانبهايي در گرايشهاي مختلف مانند خاک، پوشش گياهي و آبهاي سطحي دست يافت.
متداولترين روش رقومي تجزيه و تحليل، طبقه بندي ميباشد در اين شيوه پيکسل هاي مختلف يک تصوير که خود نمايانگر قطعات کوچک از زمين ميباشند، بر اساس تشابه و نزديکي خصوصيات طيفي شان دسته بندي مي گردند البته با اين فرض که هر دسته از پيکسل ها مشابه معرف يک پديده (طبقه) باشد. نکته اصلي در اين شيوه کلي تجزيه و تحليل چگونگي تشخيص و تشابه ارزش پيکسل ها و طبقه بندي آنها است. روشهاي طبقه بندي به طورکلي به دو دسته نظارت شده46 و نظارت نشده 47تقسيم ميگردند [36].
2-6-7- الف- طبقه بندي نظارت شده
روش هاي طبقه بندي نظارت شده بر پايه معرفي دقيق طبقات و پديده هاي مد نظر کاربر در سامانه تجزيه و تحليل استوار ميباشد به اين مفهوم که مجموعههاي کوچکي از پيکسلها به عنوان نمونههايي از طبقات مورد نظر بر روي تصوير تعيين ميگردند .اين نمونه ها که معمولاً از طريق کار ميداني، عکس هاي هوايي بزرگ مقياس و نقشه هاي موضوعي تعيين ميشوند بايد به بهترين شکل ممکنه معرف طبقات باشند [36].
گونلو48 و همکاران (2008) براي تخمين کاربري اراضي و درصد تراکم پوشش جنگل با استفاده از دادههاي ماهواره اي سنجنده در ترکيه به روش طبقه بندي نظارت شده از الگوريتم حداکثر احتمال استفاده کردند [75].
رياحي بختياري (1379) مطالعهاي در دشت ارژن فارس به مقايسه روشهاي مختلف تهيه ي نقشه كاربري اراضي با استفاده از تصاوير سنجندهTM پرداخت .نتايج ايشان نشان داد كه روش هيبريد نسبت به روش هاي بصري و حداكثر احتمال داراي دقت بالاتري مي باشند [18].
2-6-7-ب- طبقه بندي نظارت نشده
اين شيوه طبقه بندي که خوشه بندي نيز ناميده ميشود، بر پايه نمونه هاي تعليمي استوار نيست. خوشه بندي تنها براساس تشابه طيفي پيکسل ها صورت ميگيرد، لذا طبقات حاصله طبقات موضوعي نبوده بلکه طيفي هستند. نقشه طبقات طيفي حاصله بايد به روش ميداني و با استفاده از اطلاعات جنبي گويا شود و طبقات موضوعي مربوط به آنها تعيين گردد. طبقه بندي نظارت شده نتايج را با صحتي بالاتر از طبقه بندي نظارت نشده ارائه ميدهد با اين حال در مواردي که شرايط لازم براي تعيين نمونه هاي تعليمي براي انجام طبقه بندي نظارت شده وجود نداشته باشد از روش نظارت نشده استفاده مي‌گردد، همچنين از اين طبقه بندي به عنوان يک پيش طبقه بندي براي طبقه بندي نظارت شده و کسب تجربه در خصوص تفکيک پذيري پديده ها در منطقه استفاده نمود. در تصاوير حاصل از طبقه بندي ها همواره طبقات در بعضي مناطق به صورت تک پيکسلها و يا مجموعه کوچکي از چند پيکسل نمايان ميگردد اين چنين قطعات کوچک را ميتوان با بهره گيري از فيلتر مد به نحوه مناطق بزرگ اطراف آنها حذف و تصوير را ساده سازي نمود [36].

2-6-7-ج- طبقه بندي ترکيبي(هيبريد49)
اين روش در واقع تلفيقي از طبقه بندي نظارت شده و طبقه بندي نظارت نشده است. طبقه بندي هيبريد جهت افزايش دقت نتايج طبقه بندي و جدا سازي کلاسهاي طيفي از کلاسهاي اطلاعاتي به چند روش امکان پذير ميباشد و نکته اصلي در تفاوت بين کلاس هاي اطلاعاتي و کلاس هاي طيفي است [36]، در اين روش لايههاي اطلاعاتي مربوط به کاربري ها و پوشش اراضي که به روشهاي مختلف از تصاوير ماهواره اي به دست آمده را با هم ترکيب ميکنند.
2-7- برازش مدل رگرسيوني
قبل از به کار گيري فن سنجش از دور در مطالعات منابع زميني به صورت اجرايي، ضروري است تا در صورت امکان استفاده از اين علم مورد بررسي قرار گيرد. براي اين منظور از شاخص رگرسيون و همبستگي استفاده ميگردد. شاخص همبستگي براي اندازه گيري و تعيين ميزان رابطه متقابل بين تغييرات دو متغيير تصادفي به کار ميرود، حال آنکه از شاخص رگرسيون براي تعيين رايطه علت و معلولي بين تغييرات يک متغيير تصادفي و يک متغيير ثابت استفاده ميشود. هدف از به کار گيري روابط آماري، بررسي بين مقادير فاکتور درصد پوشش گياهي و انعکاسات طيفي(DN) آنها مي باشد. در تحليل آماري هنگامي که بيش از يک متغيير مستقل وجود داشته باشد، بايستي از مدل هاي آماري چند متغييره استفاده نمود. شکل عمومي معادله رگرسيون چند متغييره خطي طبق رابطه (2-2) به صورت زير مي:باشد:
رابطه (2-1) Y=β 1X1+β 2X2+…+ε
در اين مدل Y متغيير وابسته مورد مطالعه مثلاً عدد پوشش گياهي در هر سايت است و X ها متغيير هاي مستقل

پایان نامه
Previous Entries دانلود پایان نامه درمورد سنجش از دور Next Entries پایان نامه ارشد رایگان درمورد بورس اوراق بهادار، بورس اوراق بهادار تهران، حقوق صاحبان سهام