خلاصة:
گرد و غبار یکی از رویدادهای جوی مناطق خشک و نیمه خشک جهان است که در سالهای اخیر افزایش قابل توجه ای داشته و آثار و پیامدهای نامطلوبی را در بخشهای مختلف بر جای گذاشته است. در این پژوهش از تصاویر سنجنده مودیس به منظور شناسایی و انتخاب بهترین الگوریتم تشخیص گرد و غبار استفاده شد. بدین منظور سه رویداد گرد و غبار جنوب غرب ایران در سال 2012 با استفاده از پنج الگوریتم مختلف شناسایی شامل BTD آکرمن، شاخص گرد و غبار، میلر، TIIDI و DUST RGB، بارزسازی شدند و روشها مورد مقایسه قرار گرفتند. بررسیهای به عمل آمده نشان داد که روشهای BTD آکرمن، شاخص گرد و غبار و میلر نیازمند تنظیم آستانه برای هر رویداد هستند؛ از این رو آستانه های مناسب برای هر رویداد با استفاده از روش هیستوگرام تعیین و ریزگردها شناسایی شدند. روش TIIDI نیز قابلیت تفکیک گرد و غبار از سایر پدیده ها را بر روی زمین داشت ولی نتوانست گرد و غبار روی آب را به خوبی بارزسازی کند. در روش DUST RGB به خوبی گرد و غبار از بقیه عوارض قابل تشخیص بود. همچنین نتایج طبقه بندی و ارزیابی صحت تصاویر نشان داد که در هر سه رویداد گرد و غبار، روش DUST RGB بالاترین صحت کلی را در میان سایر روشها دارا میباشد. بنابراین بر اساس نتایج به دست آمده از ماتریس خطا و ارزیابی صحت، روش مذکور به عنوان بهترین الگوریتم شناسایی گرد و غبار انتخاب گردید.
Dust event is one of the atmospheric events of the world arid and semi-arid areas that had a significant increase in recent years and negative effects in different parts. In this study used MODIS data to identify and select the best algorithm for dust detection. For this purpose, three dust events of South West of Iran detected in 2012 using five different algorithms of dust detection including Ackerman BTD, Miller, dust index, TIIDI and DUST RGB methods, and methods compared. Studies show that methods of Ackerman BTD, Dust index, and Miller need to threshold regulation for each dust event; for this reason, suitable threshold was determined for each dust event using histogram method and dust identified. In addition, TIIDI method could separate dust phenomenon from other complications on the surface of the earth but as well could not identify dust on water. In DUST RGB method as well dust identified from other complication. In addition results of images classification and accuracy assessment showed that in all three dust events, DUST RGB method has maximum total accuracy among of other methods. Therefore, based on the results of matrix error and accuracy assessment, DUST RGB method was chosen as the best algorithm for dust detection.
ملخص الجهاز:
بدین منظور سه رویداد گرد و غبار جنوب غرب ایران در سال ٢٠١٢ با استفاده از پنج الگوریتم مختلف شناسایی شامل BTD آکرمن ، شاخص گرد و غبار، میلر، TIIDI و DUST RGB، بارزسازی شدند و روش ها مورد مقایسه قرار گرفتند.
به دلیل 1- Global Dust Detection Index 6- Brightness Temperature Difference 3- Normalized Difference Drought Index 4- Zhang 5- Cao اهمیت موضوع شناسایی گرد و غبار، مساله اصلی پژوهش حاضر، تعیین این است که کدام یک از الگوریتم های شناسایی گرد و غبار در جداسازی و تشخیص این پدیده توانایی بالاتری دارد.
Baddak et al) که با توجه به پوشش گسترده ، تناوب برداشت اطلاعات و قدرت تفکیک طیفی بالا، معمولاً برای بررسی رویدادهای گرد و غبار مورد استفاده قرار میگیرد (زارع ارنانی و همکاران ، ١٣٩٢) در این پژوهش ، پس از دریافت اطلاعات مربوط به رویدادهای گرد و غبار در سال ٢٠١٢، غلظت رویدادها وگسترش دیداری آن ها بر روی تصاویر ماهواره ای مودیس مورد بررسی قرار گرفت و سه رویداد با غلظت بالا و با شرایط ابری و میزان ابر کم (١٢ اسفند ١٣٩٠، ١ اردیبهشت ١٣٩١ و ٣٠خرداد١٣٩١) که گستره دیداری مناسبی داشتند، انتخاب و داده های سنجنده مودیس ماهواره آکوا٣ مربوط به آن ها از وب سایت مودیس ٤ دریافت گردید.
در این پژوهش ، پنج الگوریتم مختلف شناسایی گرد و غبار شامل BTD آکرمن ، شاخص گرد و غبار، میلر، TIIDI و DUST RGB بر روی تصاویر مودیس مورد بررسی و مقایسه قرار گرفت تا بهترین آن انتخاب گردد.