تکنیک های طیف سنجی انعکاسی و تلفیق آن با داده های سنجش از دور ما را در امکان شناسایی و تفکیک عوارض سطح زمین یاری می کند. بکارگیری این تکنیک ها در شناسایی واحدهای لیتولوژی بطورمستقل و بدون آگاهی از رفتار طیفی سنگ ها و کانی ها در طول موج های الکترومغناطیسی نمی تواند چندان مثمرثمر واقع شود. بر این اساس برای آنالیز و بررسی اشکال طیفی سنگ های منطقه همدان و شناسایی و تفکیک آن ها در داده های ماهواره ای، نمونه هایی از سنگ های منطقه همدان جمع آوری شد و با استفاده از دستگاه طیف سنج فیلدسپک3 در محیط آزمایشگاه مورد طیف سنجی قرار گرفت. طیف های انعکاسی حاصل براساس شکل و محل باندهای جذب پردازش شد. سنگ های غنی از کانی های فلدسپات و کانی های آهن دار(بیوتیت)، گونه های غالب منطقه مورد مطالعه همدان با اشکال جذب طیفی مشخص در ناحیه مرئی- مادون قرمز طیف الکترومغناطیس بودند. آنالیزهای پتروگرافی نیز در تفسیر اشکال جذب نمونه های طیفی مورد استفاده قرارگرفت و بین الگوهای جذبی و آنالیز ژئوشیمیایی سنگ ها ضریب همبستگی بالایی برقرار بود. سرانجام طیف ها براساس الگوی نهایی طیفی در 18 کلاس یا شناسه طیفی طبقه بندی شدند. این سنجش هم درمورد سطوح تازه و هم درمورد سطوح هوازده انجام شد. جدا از چند نمونه جزئی، دو مجموعه طیف سطوح تازه و برونزد تفاوت قابل توجهی نداشتند. برای بررسی امکان تفکیک اهداف مورد نظر و اعمال طیف های آزمایشگاهی در شناسایی این اهداف در داده های ماهواره ای، طیف های نماینده سنگ ها با باندهای سنجنده چندطیفی استر و ابرطیفی هایپریون شبیه سازی و منطبق شدند. بررسی نمودارهای طیفی شبیه سازی شده، شناسایی سنگ های منطقه مورد مطالعه را که از برونزد خوبی برخوردار باشند با استفاده از سنجنده های با قدرت تفکیک طیفی بالا مانند هایپریون به علت حفظ کامل باندهای جذبی به درستی مقدور می سازد. با مطالعه و بررسی اولیه نمودارهای طیفی شبیه سازی شده براساس عملکرد باندهای استر، بنظر می آمد اگرچه شبیه سازی استر به خاطرباندهای عریض و قدرت تفکیک طیفی بسیار ضعیف این سنجنده در مقایسه با نوع قبلی، شکل باندهای جذب را به درستی حفظ نکرده و الگوهای جذب در طیف نهایی محو شده و نتیجتاً تمایز جزئیات بوسیله تشخیص محل دقیق طول موج ها و باندهای جذبی شدنی نیست ولی شناسایی گروههای اصلی سنگ های منطقه مورد مطالعه را که از برونزد خوبی برخوردار باشند ممکن سازد، اما از آنجایی که هیچ ارتباطی بین نمودارهای طیفی اندازه گیری و شبیه سازی شده و داده های استر نتوانست کشف شود شناسایی این سنگ ها براساس طیف های آزمایشگاهی مقدور نبود. شناسایی و تفکیک الگوهای لیتولوژی- کانیایی منطقه بوسیله الگوریتم شناسایی sam و نسبت های باندی در تصاویر استر منطقه به شدت توسط خاک، پوشش گیاهی و در برخی جاها اثرات توپوگرافی محدود شد و چنین مشخص شد که داده های استر به خاطر تفکیک مکانی و بخصوص تفکیک طیفی ضعیف، برای شناسایی جزئیات لیتولوژی(سنگ شناسی) مناسب نیست اما برای مطالعات پوشش زمینی/کاربری اراضی باتوجه به سهولت دسترسی به تصاویر این ماهواره نسبت به تصاویر فراطیفی مناسب است. نسبت باندی6/7 برای شناسایی سنگ ها و نواحی احتمالی غنی از کانی های آهن دار و کانی های فلدسپات، ترکیب باندی762 برای بارزسازی توده گرانیتی و ترکیب باندی rgb=14,12,10 برای شناسایی سنگ ها و مناطق سیلیسی بکار گرفته شد. همچنین به محاسبه میزان sio2 در منطقه با استفاده از معادله mmaj پرداخته شد که با مقایسه و همپوشانی با نقشه واحدهای زمین شناسی منطقه نتایج قابل قبولی را ارائه دادند.

اگر در مرحله ای از رشد گیاه، آب مورد نیاز به طور کامل به آن نرسد گیاه تحت تنش آبی قرار گرفته، بخشی از فعالیتهای فیزیولوژیکی آن مختل شده و منجر به کاهش محصول می گردد. در مدیریت کشاورزی، آگاهی بهنگام از میزان آب گیاه برای پایش سلامت و پیشگیری از بروز تنش آبی و به تبع آن جلوگیری از کاهش عملکرد محصولات کشاورزی عامل بسیار مهمی می باشد. استفاده از نیروی انسانی در پایش این رفتار گیاه، هزینه ی نگهداری را به میزان زیادی افزایش میدهد. با استفاده از طیف سنج های ابرطیفی و مدلسازی رفتار طیفی گیاه در رطوبت های مختلف، میتوان این مهم را به بهترین نحو انجام داد چرا که این طیف سنج ها اطلاعاتی با قدرت تفکیک طیفی بالا تولید می کنند. در واقع با بدست آوردن محتوای آب گیاه و مقایسه ی آن با اطلاعات متخصصین کشاورزی در زمینه ی آستانه ی تنش هر گیاه، درصورتیکه رطوبت گیاه از آن آستانه ی تنش کمتر باشد می توان به تنش آبی آن گیاه پی برد. با توجه به اهمیت یونجه و پراکنش وسیع آن در سطح کشور، در این پژوهش روشی جهت تخمین محتوای آب این گیاه در سطح برگ و تاج پوشش گیاهی ارائه گردید. در این پایان نامه با استفاده از اطلاعات بدست آمده از طیف سنج ابرطیفی در پایگاه داده ی lopex93 که شامل منحنی های طیفی برگ یونجه با محتوای آب مختلف است، مدلی جهت تخمین ضخامت آب معادل برگ و تاج پوشش گیاهی یونجه ارائه شده است (با بکارگیری نرم افزار winsail و منحنی های طیفی برگ، منحنی های تاج پوشش گیاهی نیز ایجاد شدند). طول موج های 970، 1240، 1450، 1600، 1940، 2200 و 2500 نانومتر به عنوان باندهای مناسب جهت طراحی مدل انتخاب شدند. به روش درونیابی تعداد منحنی های طیفی برگ و تاج پوشش به 100 عدد افزایش یافتند و شاخص هایی خطی با استفاده از ترکیب 2، 3، 4، 5، 6 و 7 باند به روش کمترین مربعات طراحی گردیدند. به منظور ارزیابی دقت مدل های طراحی شده از 50 منحنی برگ و 50 منحنی تاج پوشش استفاده شد. مقادیر rmse حاصل از پیاده سازی شاخص های طراحی شده در سطح برگ و تاج پوشش گیاهی نشان می دهند که شاخص هایی با rmse کم (0=rmse) می توانند به عنوان شاخص های تخمین ewt در سطح برگ و تاج پوشش گیاهی در کاربردهای زمینی مورد استفاده قرار بگیرند. جهت طراحی شاخصی در سطح تاج پوشش گیاهی یونجه برای تصویر هایپریون، با توجه به اینکه عملیات smoothing بر روی باندهای تصویر موجود انجام شده بود، با استفاده از فیلتر میانگین منحنی های تاج پوشش گیاهی موجود را هم smooth کرده و سپس به آنها نویز اضافه نمودیم. این نویز در واقعیت می تواند اثر زاویه ی برگ، اثر برق خورشید روی برگ، اثر سایه، اثر شاخ و برگ و اثر خاک پس زمینه باشد. چون تصویر هایپریون موجود فاقد داده های زمینی بود، مقایسه ای با مقادیر واقعی انجام نشد و نتایج با شاخص های متداول مقایسه گردیدند و نشان دادند که مقادیر ewtcanopy و شاخص wi همبستگی مطلوبی با یکدیگر ندارند (با ضریب همبستگی 19/0). در مقابل همبستگی نسبتاً خوبی با ضریب همبستگی 62/0 میان ewtcanopy و شاخص های msi و ndii وجود دارد و ضریب همبستگی میان ewtcanopy و شاخص ndwi، 41/0 می باشد.

فناوری های پیشرفته در سنجش از دور بویژه تصویربرداری فراطیفی امروزه به عنوان یکی از منابع مهم کسب اطلاعات به هنگام و کم هزینه در زمینه های مختلف تحقیقاتی بخصوص مطالعات زمین شناسی و خاکشناسی می باشد. پهنای باند بسیار کم این نوع از تصاویر کمک می کند تا بتوان مواد مختلف ماکروسکوپی و میکروسکوپی در روی سطح زمین را با دقت نسبتا قابل قبول و به مراتب بالاتری نسبت به تصاویر چند طیفی شناسایی نمود. بدین منظور در این تحقیق با استفاده از تصاویر فراطیفی سنجنده هایپریون با پهنای باند در حدود 10 نانومتر و حدودأ 200 باند طیفی و انجام طیف سنجی آزمایشگاهی با استفاده از دستگاه طیف سنج fieldspec®3 به شناسایی و تخمین کمی میزان رس و آهک (کربنات کلسیم) در خاک های آبرفتی جنوب اهواز پرداخته شد. در ابتدا مراحل پیش پردازش شامل تصحیح اتمسفری و دیگر تصحیحات بر روی تصویر انجام پذیرفت. سپس با انتخاب محدوده ی باندی 447 تا 844 نانومتر که مجموعا 40 باند را شامل می شد و جمع آوری طیف های مرجع آهک و کائولینیت و ایلیت به عنوان رس های غالب این منطقه با استفاده از الگوریتم شناسایی هدف تصویر زیر فضای قائم((orthogonal subspace projection نقشه حضور هر کدام از این اهداف معرفی شده به عنوان هدف تهیه شد. در مرحله بعد با توجه به منحنی انعکاس طیفی آهک و رس و دو محدوده جذبی شاخص این دو ماده یعنی محدوده 2345 نانومتر برای آهک و 2208 نانومتر برای رس، باندهای طیفی این محدوده یعنی از 2022 تا 2375 که مجموعا 36 باند طیفی بود انتخاب و همین دو محدوده جزبی شاخص، برای تحلیل جذبی این دو ماده در نظر گرفته شد. منحنی های طیفی باندهای جذبی این دو ماده در تصویر هایپریون مربوطه و منحنی اخذ شده با استفاده از دستگاه طیف سنج برای تحلیل جذبی رفع پیوستگی (continuum removal) شد. سپس با ایجاد همبستگی بین مقادیر آهک و رس به عنوان اهداف مورد نظر و درصد این دو ماده در نقاط نمونه گیری نقشه کمی نهایی این دو ماده به دست آمد.

تصاویر و محصولات سنجنده مودیس (deep blue aerosol optical thickness ، brightness temperature ) به منظور بارزسازی و زون بندی غلظت توده های گردوغبار جنوب غرب ایران در چهار ماه اول و اسفند سال 1388 جمع آوری گردید. از آنجا که مطالعات قبلی و تحلیل های تئوری بر مبنای انتقال تابش اتمسفر دال بر وجود یک رابطه همبستگی مثبت بین ضخامت نوری آئروسل (aod) و غلظت ذرات معدنی اتمسفر (pm10) می باشد، و با تصحیح aod نسبت به ارتفاع و رطوبت نسبی می توان این رابطه را تقویت نمود. با بکارگیری داده های غلظت سازمان محیط زیست استان خوزستان این رابطه مورد بررسی قرار گرفت. برای محاسبه فاکتور رطوبت از رابطه ای که در سال 2009 توسط وانگ و همکاران ارائه گردیده استفاده شد. با بکارگیری نمونه های معلوم aod و pm10 بیست مدل برای بدست آوردن ضریب تجربی این رابطه محاسبه و مقدار با کمترین rms و بیشترین r2انتخاب و در نهایت نقشه pm10 استان خوزستان تهیه گردید. نتایج نشان داد که: 1- رابطه همبستگی مثبت بین aod و pm10 با r2 برابر814/0 وجود دارد. 2- تصحیح رطوبت نسبی موجب افزایش همبستگی می گردد. اما این افزایش چندان قابل توجه نبود بطوریکه r2 از 814/0 به 885/0 افزایش یافت. این امر نمایانگر عدم تاثیر قابل توجه رطوبت نسبی در فصل های بهار و تابستان در منطقه مورد مطالعه بر بهبود رابطه همبستگی می باشد 3- متوسط ساعتی pm10 نسبت به متوسط روزانه آن همبستگی بالاتری با aod نشان می دهد. علت این امر تغییرات شدید روزانه pm10 می باشد. در این تحقیق برای بارزسازی گردوغبار در داده های سنجنده مودیس سه روش ذیل استفاده گردید: btd (brightness temperature differences )، الگوریتم میلر و الگوریتم روسکاونسکی تمام الگوریتم های فوق برای بارزسازی توده گردوغبار 16 تیرماه سال 1388 اجرا گردید. برای اعتبار سنجی نتایج بدست آمده با تصویر رنگی طبیعی مقایسه گردید و معلوم شد همه روشها تقریباً موفقیت بالایی دارند اما از یک موج به موج دیگر میزان موفقیت هر الگوریتم تغییر می یابد. که ممکن است ناشی از تغییرات ویژگی های توده (ارتفاع، ساختار معدنی ذرات و غیره) باشد. با این وجود روش میلر نسبت سایر موارد، حواشی کم غلظت را بهتر بارز می نمود. بطور کلی نتایج نشان داد که داده های مودیس قابلیت بالایی برای مطالعه توده ها با تفکیک بالا دارند. و روش های مبتنی بر btd و دادههای مرئی برای جنوب غرب ایران مناسبتر از سایر روشها است و دلیل آن ورود تودههای گردوغبار از منشاءهای متفاوت به ایران و در نتیجه تغییر ساختار معدنی ذرات و نیز وجود سطوح روشن وسیع در منطقه است

سنجنده های ابرطیفی قابلیت جمع آوری داده در تعداد باندهای طیفی بسیار زیاد را دارند، به نحوی که می توان به کمک این سنجنده ها به یک منحنی طیفی تقریباً پیوسته برای اشیاء زمینی رسید. به همین دلیل برای طبقه بندی دقیق بسیار مناسب هستند. طبقه بندی وظیفه مهمی در بسیاری از زمینه های کاربردی است. با این وجود، ابعاد بالای داده ها، چالش هایی را برای آنالیز تصاویر ابرطیفی نشان می دهند. در حالی که اکثر تکنیک های طبقه بندی پیشنهاد شده ی قبلی هر پیکسل را بصورت مستقل و بدون در نظر گرفتن اطلاعاتی در مورد ساختار های مکانی، پردازش می کنند، تحقیقات اخیر در پردازش تصاویر ابرطیفی بر اهمیت مشارکت محتوای مکانی در طبقه بندی کننده ها متمرکز شده اند. در این تحقیق روشها و الگوریتم های جدید طیفی_مکانی، برای طبقه بندی داده ابر طیفی ارائه شده است. روش پیشنهادی در این تحقیق با استفاده ی همزمان از اطلاعات طیفی و اطلاعات مکانی حاصل از آنالیز مورفولوژی، نتایج نهایی طبقه بندی را در تصاویر ابر طیفی بهبود می بخشد. ابتدا با استفاده از نمونه های آموزشی محدود، ویژگی های منتخب اولیه را استخراج کرده و پس از اعمال آنالیزهای مورفولوژی بر روی هر یک از ویژگی های منتخب اولیه، پروفایل های مورفولوژی تشکیل می شود و از ترکیب پروفایل ها، پروفایل مورفولوژی گسترده شده تولید می شود. سپس پروفایل مورفولوژی گسترده شده با ویژگی های منتخب اولیه ترکیب شده و مجددا استخراج ویژگی نهایی انجام می شود. ویژگی های منتخب نهایی با استفاده از طبقه بندی کننده ماشین بردار پشتیبان طبقه بندی می شوند. سپس پس پردازش تصویر نهایی با استفاده از فیلتر رای گیری اکثریت انجام می شود. روش پیشنهادی، روی داده شهری و نیمه شهری از سنجنده rosis تست شد. دقت طبقه بندی نهایی از ‏ 98.86 و 82.70 در روش های معمولی به 99.36 و 95.75 در روش پیشنهادی به ترتیب در تصویر منطقه شهری و نیمه شهری افزایش می یابد.

بدلیل حضور پیکسل های مختلط در تصاویر ابرطیفی روشهای مختلف پردازش در سطح زیرپیکسل استفاده می شوند، نظیر تجزیه طیفی خطی که اطلاعاتی از مقدار فراوانی هر کلاس را در یک پیکسل بدست می دهد. فرض اولیه این مدل، این است که هر پیکسل ترکیب خطی از کل کلاسهای سطح تصویر است. در عمل این فرض صحیح نیست چرا که هر پیکسل تنها می تواند ترکیبی از چند کلاس همسایه باشد. علاوه بر این از آنجاییکه فرآیند تجزیه طیفی توسط یک مدل کاملا ریاضی صورت می-پذیرد، با فرض حضور کل کلاسها در هر پیکسل، خروجی این مدل منطبق با واقعیت فیزیکی زمین نخواهد بود. از اینرو در این پژوهش روش تجزیه طیفی خطی به صورت محلی و به دو روش نظارت شده و نظارت نشده مورد بررسی قرار خواهد گرفت. در روش نظارت شده ابتدا با استفاده از طبقه-بندی کننده بیشترین شباهت برچسب مربوط به کلاسها استخراج می گردد. سپس سطح کل تصویر توسط پنجره ای با ابعاد فرد جاروب می شود. برای پیکسل مرکزی پنجره، ماتریس اعضای خالص تنها بر اساس کلاسهای غالب بدست آمده از خروجی طبقه بندی در این پنجره، تشکیل می گردد. در ادامه با اجرای مرحله معکوس سازی، سهم هر یک از این کلاسها در پیکسل مورد نظر محاسبه می گردد. در روش نظارت نشده نیز بر هر پیکسل پنجره ای اعمال می شود سپس طیف های اعضای خالص موجود در این پنجره توسط الگوریتم استخراج اعضای خالص تخمین زده می شوند و بر اساس آنها پیکسل به اجزای تشکیل دهنده اش تقسیم می شود. تصویر ابرطیفی مورد استفاده در این پژوهش تصویر سنجنده aviris مربوط به منطقه جنگلی/کشاورزی در شمال ایالت ایندیانا در امریکا است. پس از پیاده سازی، روش تجزیه طیفی متداول در بهترین حالت به دقت طبقه بندی کلی 79/64 درصد و طبقه بندی کننده بیشترین شباهت به دقت 52/83 درصد دست یافت. روش های نظارت شده و نظارت نشده پیشنهادی به ترتیب دقت طبقه بندی کلی 40/86 و 56/80 درصد را نتیجه دادند. شایان ذکر است در روش مذکور به دلیل کوچک شدن ابعاد ماتریس اعضای خالص، زمان انجام محاسبات بسته به کلاسهای موجود در هر پنجره، از سه تا هشت برابر کاهش یافت. بنابراین با توجه به بهبود میزان دقت نسبت به روش متداول تجزیه طیفی و طبقه بندی کننده بیشترین شباهت، همچنین کاهش حجم محاسبات، روش نظارت شده پیشنهادی در این پژوهش، از عملکرد بهتری برخوردار می باشد. علاوه بر این نتایج نشان دادند که برای طبقه بندی تصاویر فراطیفی، نقشه کاربری حاصل از روش تجزیه طیفی از دقت کلی بالاتری نسبت به خروجی دیگر طبقه بندی کننده ها برخوردار می باشد.

یکی از مهم ترین پردازش ها در حیطه ی تصاویر ابر طیفی، آشکارسازی اهداف در سطح زیر پیکسل می باشد. به دلیل قدرت تفکیک طیفی بالای تصاویر ابرطیفی از یک سو و قدرت تفکیک مکانی محدود آنها از سوی دیگر، اهداف مورد نظر در سطح زیر پیکسل ظاهر می شوند. از این رو آشکارسازی این اهداف با استفاده از روش های رایج پردازش تصویر که بر مبنای اطلاعات مکانی استوار هستند امکان پذیر نیست. در طی سال های اخیر روش های متفاوتی به منظور حل مسئله ی آشکارسازی توسعه داده شده اند که در این پایان نامه روش های آشکارسازی osp، cem، tcimf، amsd، ace،fcls ، ncls و scls مورد استفاده قرار گرفته اند. براساس مقایسه های انجام شده در این پایان نامه، عموما روش های ace و cem دارای عملکردی بهتر از سایر روش ها می باشند. از سوی دیگر هر کدام از روش های آشکارسازی بر پایه ی فرض های متفاوتی استوار بوده و نقاط ضعف و قوت خاص خود را دارند. یکی از راهکارهای ممکن برای بهبود نتایج حاصل از آشکار سازی و استفاده از نقاط قوت هر کدام از این روش ها، ترکیب نتایج حاصل از آشکارسازها می باشد. برطبق نتایج بدست آمده در این پایان نامه با استفاده از داده-های شبیه سازی شده و واقعی، روش ترکیب میانگین دارای بهترین عملکرد می باشد. از سوی دیگر، به دلیل افزایش ابعاد فضای ویژگی در تصاویر ابرطیفی، ابعاد فضای فرضیات نیز بشدت افزایش خواهد یافت که این عامل نیز سبب دشوار شدن عملیات آشکارسازی خواهد شد. بنابراین راهکاری دیگر جهت بهبود آشکار سازی، کاهش ابعاد داده های ابرطیفی است. بنابراین به منظور بررسی اثر کاهش ابعاد داده ی ابرطیفی از الگوریتم ژنتیک (نظارت شده) و تبدیل wavelet (نظارت نشده) استفاده شده است. بر اساس نتایج بدست آمده، این روش ها می توانند سبب بهبود نتایج آشکارسازی شوند، اما هر کدام از این دو روش همانطور که در بخش های بعدی اشاره خواهد شد دارای نقاط ضعف خاص خود می باشند. از اینرو در این پژوهش، از یک فرآیند انتخاب باند نظارت نشده در فضای پدیده جهت بهبود عملکرد آشکارسازی استفاده شده است. نتایج حاصله بر روی داده ی ابرطیفی واقعی، نشان دهنده ی اثر مثبت روش پیشنهادی در بهبود نتایج می باشد. علاوه بر موارد فوق، در این پایان نامه دو روش جهت خوشه بندی تصاویر ابرطیفی با استفاده از روش های fcls، ncls و scls نیز ارائه شده است. در روش اول، خوشه بندی توسط الگوریتم fcls صورت می گیرد . توجیه توسعه ی چنین روشی احتمال وجود پیکسل های مختلط در تصاویر ابرطیفی می باشد. در روش دوم نیز از ترکیب روش های fcls، ncls و scls به منظور بهبود عملکرد خوشه بندی استفاده شده است. مقایسه ی نتایج بدست آمده از این روش ها با روش های خوشه بندی fuzzy c-means و k-means، با استفاده از معیار ari، نشان دهنده ی عملکرد مناسب روش های پیشنهادی می باشد.

استفاده از فناوری سنجش از دور در شناسایی و به نقشه درآوردن منابع زمینی نسبت به روش های سنتی و معمول، که نیاز به هزینه های بالا و سازماندهی گسترده دارند، رشد چشمگیری داشته است. در این تحقیق به ارزیابی پتانسیل تصاویر فراطیفی در شناسایی و تخمین سطحی میزان کانی ها پرداخته شده است. این کار با استفاده از تصویر فراطیفی سنجنده هایپریون، مربوط به منطقه کوشک نصرت در مسیر اتوبان قم- تهران، و به کارگیری الگوریتم های osp، ace، cem، mf و mtmf در شناسایی و برآورد هدف در سطح زیر پیکسل صورت گرفته است. ماده هدف، با توجه به حضور یک معدن غیر فعال کائولن در منطقه، کانی کائولینیت می باشد. به کارگیری الگوریتم ها در سه رویکرد انجام گرفت: در رویکرد اول مشخصه های اعضای خالص ورودی به الگوریتم ها از روشهای شناسایی و استخراج اعضای خالص تصویری بدست آمدند. در رویکرد دوم از داده های موجود در کتابخانه طیفی usgs استفاده شد و در رویکرد سوم داده های حاصل از عملیات طیف سنجی میدانی مورد استفاده قرار گرفت. در نهایت الگوریتم mtmf بهترین نتایج را در میان الگوریتم ها به خود اختصاص داد. و در میان سه رویکرد استفاده شده در تهیه اعضای خالص، استفاده از داده های طیف سنجی میدانی در کل نتایج بهتری را ارائه کرد. الگوریتم mtmf در رویکرد استفاده از داده های طیف سنجی میدانی توانست با دقت معادل 91 درصد به طبقه بندی بهینه کانی کائولینیت بپردازد که در مقایسه با روش استفاده از داده های تصویری، با دقت معادل 7/83 درصد، حدود 7 درصد بهبود دقت ایجاد شده است.

در بخش نظارت شده با مشارکت واریانس هر کلاس در تعدیل فاصله بین کلاسی روش جدیدی با نام alda ارائه شده است. نتایج آزمایش بر روی داده ی محک زن indiana pine نشان از بهبود 4 درصدی صحت طبقه بندی بر روی ویژگی های استخراج شده از روش پیشنهادی نسبت به روش های بر پایه lda دارد.دو ضعف اصلی روش های نظارت نشده انتخاب تصادفی پیکسل های بدون برچسب و محاسبه نزدیکترین همسایگی ها بر پایه فاصله اقلیدسی است.انتخاب تصادفی پیکسل ها سبب به دست آمدن نتایج مختلف در هر بار اجرای الگوریتم و محاسبه نزدیکترین همسایگی ها بر پایه فاصله اقلیدسی باعث چندراهه شدن و اتصال کوتاه بین نقاط می شود. در این تحقیق با کمک وابستگی های طیفی و مکانی پیکسل های بدون برچسب با پیکسل های برچسب دار مشکل انتخاب تصادفی داده ها حل شده است. هم چنین از زاویه طیفی (sam) برای محاسبه نزدیکترین همسایگی ها استفاده شده است. پیاده سازی دو ایده فوق بر روی روش نظارت نشدهnpeسبب بهبود 5 درصدی و ارائه روش نوین mnpe شده است. در این تحقیق با ترکیب روش های پیشنهادی فوق (alda وmnpe ) یک روش نیمه نظارت شده جدید با نام aseda ارائه شده است. این روش از مزایای روش های نظارت شده و نظارت نشده به طور همزمان استفاده می کند و مشکلات محدود بودن تعداد ویژگی های استخراج شده، پدیده hughes و یکتایی ماتریس پراکندگی داخل کلاسی روش های پیشین را رفع کرده است. نتایج آزمایش نشان از بهبود 3 درصدی صحت طبقه بندی بر روی ویژگی های استخراج شده از روش پیشنهادی نسبت به روش های نیمه نظارت شده پیشین دارد.

شوری خاک و سفره های آب زیر زمینی کم عمق، دو عامل اصلی هستند که مزارع نیشکر واقع در جنوب غربی ایران را تحت تاثیر منفی قرار می دهند. بنابراین پایش این عوامل در زمین های مذکور، امری ضروری است. اما با توجه به وسعت زیاد مناطق زیر کشت نیشکر و تعداد زیاد این مزارع، امکان کنترل هر مزرعه و رسیدگی به مسائل و مشکلات آنها امری بسیار وقت گیر و پرهزینه می باشد. در این میان استفاده از فن آوری نوین سنجش از دور و سیستم اطلاعات جغرافیائی با توجه به سرعت بالا و هزینه کم، می تواند گزینه بسیار مناسبی جهت پایش این مزارع باشد. بنابراین، این تحقیق جهت دست یابی به بهترین و مناسب ترین مدل ها و روش های تخمین میزان شوری پروفیل خاک و عمق سطح ایستابی با استفاده از سنجش از دور و سیستم اطلاعات جغرافیای در اراضی تحت کشت نیشکر صورت پذیرفت. بدین منظور، با توجه به دسترسی به اطلاعات میدانی و تصاویر ماهواره ای موجود، زمین های شرکت کشت و صنعت حکیم فارابی (یکی از واحدهای هفتگانه شرکت توسعه نیشکر و صنایع جانبی) به عنوان منطقه مورد مطالعه انتخاب، و این تحقیق در سال زراعی 89-1388 در مزارع این کشت و صنعت به اجرا درآمد. به این منظور میزان شوری خاک در انتهای دوره رشد نیشکر در 312 نقطه واقع در 26 مزرعه مختلف اندازه گیری شد. همچنین مقادیر عمق سطح ایستابی در132 چاهک مشاهده ای واقع در محدوده طرح، هفته ای دوبار از اواسط اردیبهشت تا اواسط مهر سال 1389 ثبت گردید. علاوه بر این اطلاعات از سایر اطلاعات جمع آوری شده در محدوده کشت و صنعت حکیم فارابی از قبیل سن و واریته گیاه نیشکر، تاریخ کاشت و برداشت، مدیریت های داشت از قبیل میزان و زمان های کود دهی، آبیاری و زهکشی، اطلاعات روزانه هواشناسی و سایر اطلاعات کلی موجود در کشت و صنعت استفاده گردید. هم زمان با جمع آوری اطلاعات زمینی، تصویر ماهواره ای مربوط به سنجنده ابرطیفی هایپریون در تاریخ 12 شهریور 1389 اخد گردید. پس از انجام پیش پردازش های ضروری بر روی تصویر مورد نظر، اقدام به بررسی تغییرات منحنی طیفی گیاه نیشکر تحت مقادیر مختلف شوری خاک و عمق آب زیرزمینی گردید. در ادامه اقدام به تهیه مدل های مناسب پیش بینی میزان شوری خاک و عمق آب زیرزمینی گردید. بدین منظور توانایی 21 شاخص گیاهی مختلف موجود در منابع که مربوط به نواحی مختلف طیفی گیاه بودند، مورد بررسی قرار گرفت. در کنار این شاخص ها اقدام به توسعه سه شاخص گیاهی جدید (swsi-1، swsi-2 و swsi-3 ) نیز گردید. در ادامه کار توسط روش های مختلف طبقه بندی (svm, md, ml و sam) اقدام به طبقه بندی شوری خاک در سه کلاس مختلف شوری (4/3-5/1، 9/5-5/3 و ds/m10-6) گردید. در قسمت دوم تحقیق، همانند روش تخمین شوری خاک، اقدام به تعیین سطح آب زیرزمینی توسط شاخص های گیاهی مستخرج شده از تصویر ماهواره ای گردید. علاوه بر این، جهت پهنه بندی سطح آب زیرزمینی از روش زمین آماری کریجینگ نیز استفاده شد. نتایج بدست آمده نشان می دهد که تغییر میزان شوری خاک و عمق آب زیرزمینی تاثیر به سزایی بر روی بازتاب های طیفی گیاه نیشکر دارند. در میان شاخص های گیاهی، شاخص هایی که براساس باندهای جذب کلروفیل در نواحی مادون قرمز نزدیک هستند همبستگی نسبتا بالایی با شوری خاک از خود نشان دادند. شاخص هایی که تنها مربوط به میزان رنگدانه های مختلف برگ بودند با نتایج ضعیفی همراه بودند. شاخص هایی که وابسطه به هر دوی کلروفیل و رنگدانه بودند، همبستگی کم تا متوسطی با شوری خاک از خود نشان دادند، و شاخص هایی که در ارتباط با باندهای جذب آب و یا ترکیب باندهای جذب آب و کلروفیل می-باشند دارای همبستگی متوسط تا بالایی با شوری خاک بودند. این امر نشان می دهد که شوری خاک عمدتا توسط میزان کلروفیل و آب گیاه به طور غیر مستقیم، قابل اندازه گیری است. از بین مدل های بدست آمده جهت تخمین میزان شوری، مدل های حاصل از شاخص های swsi-3،swsi-1، و swsi-2 ، به ترتیب با میزان همبستگی 68/0، 65/0 و 67/0 با شوری خاک و خطای 14/1، 15/1 و 17/1 (دسی زیمنس بر متر) بهترین برآورد را داشتند. نتایج به دست آمده از طبقه بندی شوری خاک نشان داد الگوریتم های ماشین بردار پشتیبان (svm) و حداقل فاصله (md)، زمانی که از تمامی باندهای تصویر ماهواره ای به عنوان ورودی این الگوریتم ها استفاده می شود، به ترتیب با دقت کلی 78/78و 75/75 درصد و ضریب کاپا 68/0 و 63/0 بالاترین دقت طبقه بندی را دارند. همچنین روش زمین آماری کریجینگ معمولی با میزان میانگین خطای برآورد 07/0 و مربع میانگین ریشه خطا 27/13 بهترین روش پهنه بندی سطح آب زیرزمینی در این پژوهش ارزیابی شد. نتایج حاصل از تخمین سطح آب زیرزمینی توسط نشان داد که مدل های به دست آمده توسط شاخص های گیاهی swsi-3، swsi-1 و ndwi به ترتیب با مقدار همبستگی 48/0، 48/0 و 47/0 با میزان عمق آب زیرزمینی و خطای 20/8، 25/8 و 98/7 (سانتیمتر) بهترین برآورد را داشتند. در انتها با مقایسه مقادیر مختلف شوری خاک و عمق سطح ایستابی، مشخص گردید که این دو پارامتر دارای همبستگی نسبتا خوبی با یکدیگر هستند و با کاهش عمق سطح ایستابی میزان شوری خاک افزایش می یابد. بنابراین، جهت پایش اراضی نیشکر نیاز به تخمین و محاسبه هر دو پارامتر شوری و سطح ایستابی از طریق تصاویر ماهواره ای نیست و تنها تخمین میزان شوری از روی تصاویر ماهواره ای، می تواند جوابگوی نیازهای ما باشد. در نهایت جمع بندی حاصل از این تحقیق گویای این امر است که استفاده از تصاویر ماهواره ای جهت پایش شوری پروفیل خاک و سطح ایستابی در اراضی نیشکر دارای نتایج قابل قبول، بسیار مفید، سریع و با صرفه اقتصادی است.

یکی از مهم ترین اطلاعات در حوزه برنامه ریزی و مدیریت شهری، نقشه های پوشش اراضی و کاربری اراضی می باشند. برای تهیه این نوع نقشه ها با استفاده از داده های سنجش از دور، نیازمند داده هایی با رزولوشن مکانی بالا می باشیم تا بتوان ساختار اشیاء مختلف شهری را شناسایی کرد. اما این تصاویر دارای اطلاعات طیفی محدودی می باشند. این ضعف اغلب منجر به خطا در طبقه بندی برای کلاس های مشابه مختلفی چون پارکینگ ها، آب و چمن مصنوعی می شود. برای جبران آن، وجود اطلاعات اضافی در مورد جنس اشیاء شهری ضروری است. داده های فرا طیفی با رزولوشن طیفی و مکانی بالا این امکان را به خوبی فراهم کرده است. اما با این وجود همچنان کلاس هایی در سطح شهر وجود دارند که از لحاظ طیفی بسیار مشابه هم بوده اما از لحاظ مفهومی و کاربردی با هم متفاوت هستند، مانند: شباهت بام آسفالتی ساختمان ها با پارکینگ ها و راه ها. استفاده توأم از داده های فراطیفی و لیدار در کنار هم، می تواند خطا در طبقه بندی را به حداقل ممکن کاهش می دهد. در این پایان نامه از روش طبقه بندی شئ گرا جهت تلفیق داده های فراطیفی و لیدار و تهیه نقشه کاربری اراضی و پوشش اراضی دقیق استفاده شده است. فرایند استخراج اطلاعات با پیش پردازش داه های فراطیفی و لیدار شروع شد، پیش پردازش داده فراطیفی شامل دو مرحله حذف ابر و کاهش بعد بود و پیش پردازش داده لیدار شامل استخراج ndsm و نقشه شیب از آن می باشد. در بخش طبقه بندی پوشش اراضی و کاربری اراضی سه استراتژی مختلف مورد تجزیه و تحلیل قرار گرفت. در استرتژی اول یک مدل سلسله مراتبی نوین با سه سطح برای داده های موجود طراحی شده و از یک طبقه بندی قانون-مبنا با استفاده از ویژگی های معمول شیءمبنا استفاده شد. در استراتژی دوم از یک طبقه بندی نظارت شده با استفاده طبقه بندی کننده svm به همراه بهینه سازی فضای ویژگی آن پیاده سازی شد. در استرتژی سوم برای اولین بار از یک مدل طبقه بندی شیء گرای تکرار شونده، در یک سطح استفاده شد. در این تحقیق با توجه به پتانسیل بالای داده موجود، علاوه بر استخراج کلاس های اصلی پوشش اراضی و کاربری اراضی معرفی شده، 18 کلاس کاربری اراضی، طی یک نقشه کاربری اراضی جامع، با استفاده از ایجاد ویژگی های مفهومی و ارتباط مکانی بین اشیاء از طریق مدل سازی درک بشری استخراج شد. در انتها نیز برای ارزیابی توانایی مدل طبقه بندی شیءگرای پیشنهادی، نتایج حاصل با نتایج سه محقق برتر مسابقه best classification challenge سال 2013 مقایسه شد که بررسی ها حاکی از افزایش 4درصدی دقت طبقه بندی روش پیشنهادی نسبت به آن ها است. از میان روش های استخراج نقشه پوشش اراضی و کاربری اراضی اصلی نیز روش طبقه بندی شیءگرای تکرار شونده طبقه بندی-قطعه بندی-ادغام در یک سطح با دقت کلی 97/33درصد بالاترین دقت را حاصل نمود. دقت کلی نقشه کاربری اراضی جامع نیز برابر 96/6درصد شد. در این پایان نامه آنالیزها بر روی دو مجموعه داده فراطیفی casi و داده ارتفاعی لیدار با قدرت تفکیک مکانی یکسان 2/5متر، که از منطقه شهری هیوستون آمریکا اخذ شده بود، صورت گرفت.

طبقه بندی پیکسل های مختلط فرآیندی است که سعی دارد نوع و سهم هر یک از مولفه های خالص موجود در پیکسل ها را برآورد کند به دلیل وجود پیکسل های مختلط در تصاویر ابرطیفی، دقت طبقه بندی در این تصاویر با روش های معمول طبقه بندی کاهش می یابد. یکی از روش های متداول برای طبقه بندی پیکسل های مختلط در تصاویر ابرطیفی، جداسازی طیفی است که به کاربران امکان استخراج اطلاعات را در سطح زیرپیکسل می دهد. جداسازی طیفی شامل سه مرحله اصلی است. مرحله اول، تعیین زیر فضای سیگنال برای یافتن تعداد عناصر خالص در تصویر می باشد. مرحله دوم، استخراج اعضای خالص است که در آن مشخصه های طیفی عناصر خالص استخراج می شود. مرحله سوم یافتن مقادیر فراوانی اعضای خالص در هر پیکسل با توجه به قیدهای مدل اختلاط خطی است. این تحقیق شامل سه قسمت می باشد: قسمت اول به موضوع روش های شناسایی زیرفضای سیگنال مانند hysime، hfc و nwhfc می پردازد. قسمت دوم که تأکید بیشتر تحقیق است، استخراج اعضای خالص با استفاده از روش های پیش پردازش طیفی مکانی به همراه روش های طیفی رایج برای بهبود استخراج اعضای خالص می باشد. اکثر روش های استخراج اعضای خالص به اطلاعات طیفی تصاویر ابرطیفی پرداخته و اطلاعات مکانی پیکسل های تصویر را نادیده می گیرند. با استفاده از الگوریتم های پیش پردازش طیفی مکانی به بهبود استخراج اعضای خالص کمک می شود. قسمت سوم به برآورد مقدار فراوانی اعضای خالص به دست آمده از مرحله استخراج اعضای خالص می پردازد که از روش کمترین مربعات با قیود کامل نظارت نشده (fclsu) استفاده شده است. در پایان با ماتریس اعضای خالص به دست آمده با استفاده از روش های طیفی مکانی و مقدار فراوانی این اعضای خالص با روش fclsu تصویر ابرطیفی را بازسازی کرده و با معیار rmse میزان خطای بازسازی، برای تصاویر واقعی به دست می آید. این مقادیر نشان دهنده بهبود عملکرد الگوریتم های مورد استفاده در جداسازی طیفی می باشد.

نتایج وجود نشتی در خطوط انتقال گاز، مانند آلودگی محیط زیست، ایجاد مسمومیت در انسان و دیگر موجودات زنده، گرم شدن جهانی زمین، انفجار، هدر رفتن مواد ارزشمند و هزینه های تمیز کردن محیط زیست باعث شده است که شناسایی نشت گاز بسیار مورد توجه قرار بگیرد. نشت های هیدروکربنی موجب تغییرات مختلفی نظیر تراکم هیدروکربن، تشکیل کانیهای کربونات در خاک، اثرات میکروبیال، اکسیداسیون خاک و افزایش آهن فریک، بروز استرس در پوشش گیاهی و ناهنجاری های نزدیک سطح زمین می گردد. سنجش از دور امکانات مختلفی را از نظر در دسترس بودن داده های مکانی، طیفی و زمانی با پوشش گسترده از سطح زمین فراهم می کند لذا به عنوان ابزار مناسبی جهت شناسایی ناهنجاریهای ذکر شده مورد استفاده قرار می گیرد. سنجش از دور نشت هیدروکربن معمولاً با استفاده از داده های فراطیفی، از طریق بررسی اثرات هیدروکربن بر روی پوشش گیاهی صورت می گیرد ولیکن در این تحقیق، از تصاویر سنجنده چندطیفی landsat8 جهت شناسایی اثرات نشت در خاک استفاده شده است. منطقه مورد مطالعه شامل هفت موقعیت نشت گزارش شده توسط شرکت انتقال گاز ایران، در سه منطقه مختلف ایران : خراسان، سمنان و همدان است. چهار آنالیز مولفه های اول1267 (آنالیز مولفه های اصلی باندهای 1، 2، 6 و 7)، 2456، 2467 و 3467 انجام و نتایج جهت شناسایی بهترین مولفه ای که قادر به نمایان ساختن ویژگیهای نشت هیدروکربن باشند ارزیابی گردید. با بررسی های صورت گرفته، چهار شاخص 1267 pc2-pc3 (اختلاف مولفه دوم و سوم در انالیز مولفه های اصلی باندهای 1، 2، 6 و 7)، 2456 pc2-pc3، 2467 pc2-pc3 و 3467 pc2-pc3 در یک پنجره 3×3 به مرکزیت پیکسل نشتی مورد استفاده قرار گرفت. در نهایت در یک سیستم چندزمانه ، از بین 7 موقعیت گزارش شده 6 موقعیت بعنوان نشت شناسایی شد. بررسی های میدانی انجام شده صحت نتایج را تائید کردند. روش پیشنهادی متد بدیعی را جهت شناسایی نشت خزوز انتقال گاز ارائه کرده است. جدید بودن تکنیک مورد استفاده بعلاوه ارزان بودن آن و استفاده از مجموعه داده جدید می توانند بعنوان ویژگیهای روش پیشنهادی درنظر گرفته شوند. همچنین شاخص 1267 pc2-pc3 نیز برای اولین بار در شناسایی نشت هیدروکربن استفاده شده است که می تواند بعنوان ویژگی دیگر تحقیق ذکر شود.

ماهی قزل آلای رنگین کمان یکی از محصولات شیلاتی است که تولید و مصرف بالایی از بازار ماهی را به خود اختصاص داده است. طبق هر صنعت دیگری، کنترل کیفیت محصولات کشاورزی و مواد غذایی در مشتری پسندی و بازاریابی آن نقش به سزایی دارد. در این میان روش های رایج و متداول کنترل کیفی به دلیل مخرب و زمان بر بودن و همچنین نیاز به نیروی کارگری، نمی توانند به صورت صنعتی بر روی خط تولیدی استفاده شوند. تصویربرداری فراطیفی به عنوان یک روش غیر مخرب و سریع، که تلفیقی از ماشین بینایی و طیف سنجی است، کاربردهای فراوانی را در زمینه کنترل کیفیت محصولات غذایی داشته است. در آزمایش مقدماتی20 عدد ماهی قزل آلا به منظور بررسی اختلاف طیف های پوست و گوشت ماهی با سامانه طیف سنجی در محدوده nm 1000-400 مورد بررسی قرار گرفت. سپس جهت انجام آزمایش های اصلی، از دو سامانه تصویربرداری فراطیفی به نام های مرئی– فروسرخ نزدیک (vis-nir) در محدوده طیفی nm 1000-400 و فروسرخ موج کوتاه (swir) در محدوده طیفی nm 2500-1000 به منظور تعیین پارامترهای کیفی (تازگی، تردی بافت، میزان رطوبت، ph، چربی و پروتئین) ماهی قزل آلا استفاده شد. ابتدا سامانه تصویربرداری متناسب با ابعاد مورد نیاز که شامل قسمت نورپردازی، تسمه نقاله و قاب و شاسی بود طراحی و ساخته شد. برای انجام آزمایش های اصلی، 80 عدد ماهی تازه در 4 کلاس 20 تایی 1، 3، 5 و 7 روزه براساس زمان نگهداری بعد از کشتار، در داخل یخ، تهیه شده و با دو سامانه مذکور تصاویر طیفی از ماهی کامل تهیه شد. با روش های متداول آزمایشگاهی پارامترهای کیفی تعیین گردیدند. با حذف زمینه، باله و نقاط اشباع شده از تصاویر تهیه شده، طیف میانگین هر نمونه در دو سامانه استخراج گردید. با اعمال پیش پردازش های مختلف و انجام مدل سازی های متفاوت، دقت هر سامانه در آزمایش های مقدماتی و اصلی بررسی شده و بهترین پیش پردازش و مدل انتخاب گردید. نتایج آزمایش طیف سنجی نشان دادند که r2 پیشگوئی میزان رطوبت و ph به ترتیب برابر 88/0 و 85/0 با استفاده از مدل حداقل مربعات جزئی (pls) و تحت دو پیش پردازش ساویتزکی- گولای (sg) و تصحیح کننده پخش افزاینده (msc) به دست آمد. حال اینکه برای دیگر پارامترها نتایج قابل قبولی حاصل نشد. در مورد سامانه های تصویربرداری فراطیفی، نتایج نشان داد که در بررسی تشخیص کلاس تازگی ماهی، سامانه vis-nir عملکرد بهتری نسبت به سامانه swir داشت که نرخ جداسازی صحیح کلا س های تازگی با این سامانه، 100% حاصل گردید. در بررسی تردی بافت عملکرد هر دو سامانه مشابه یکدیگر بود. مقادیر r2 برای حالت پیشگویی در تعیین پارامترهای میزان رطوبت، ph و چربی با استفاده از مدل pls در سامانه swir به ترتیب برابر با 70/0، 68/0 و 57/0 به دست آمد که بهتر از نتایج سامانه vis-nir بود. برای پارامتر پروتئین نتایج قابل قبولی حاصل نشد. در بررسی تازگی و تردی بافت ترکیب پیش پردازش های sg، مشتق دوم (d2) و یکی از msc یا توزیع نرمال استاندارد (snv) بهترین نتیجه را در بر داشتند (sg+d2+msc/snv). در پارامترهای میزان رطوبت، ph و چربی به جای پیش پردازش msc، مدل توسعه یافته آن یعنی emsc بهترین نتیجه را حاصل نمود (sg+d2+emsc). با توجه به نتایج حاصل می توان بیان نمود برای تشخیص تازگی ماهی سامانه vis-nir، برای تعیین پارامتر تردی بافت هر دو سامانه، و برای تعیین میزان رطوبت، ph و چربی سامانه swir عملکرد بهتری را داشته اند. در تمامی حالات مدل pls نسبت به دیگر مدل ها دارای دقت بیشتر بود.

همواره تولید کنندگان سیستم های سنجش از دور با دغدغه ای به عنوان دقت و صحت عملکرد سنجنده های خود روبرو هستند. به همین دلیل قبل از ساخته شدن این سیستم ها یعنی در فاز طراحی، از نرم افزار شبیه ساز* تصاویر سنجش از دور که مراحل کامل تصویربرداری سنجنده* را مدلسازی می نماید، استفاده نموده تا علاوه بر بهینه سازی طراحی قطعات، کاهش هزینه های تولید را به همراه داشته باشد. به طور کلی یک شبیه ساز تصاویر سنجش از دور شامل 3 مدل اصلی "زمین"، "اتمسفر" و "سنجنده" می باشد که هر کدام از این مدل ها بعنوان یک حلقه از زنجیره تولید تصویر*، دارای اهمیتی خاص هستند. اما دانشمندان توجه ویژه ای به مدلسازی "سنجنده" دارند، چرا که هر سنجنده با توجه به نوع، نحوه تصویربرداری و همچنین تعداد باندهای تصویر، نیاز به مدلسازی جدید دارد. مدلسازی سنجنده، داری 5 بخش عمده؛ تعیین موقعیت و وضعیت* سنجنده در مدار، تعیین موقعیت زمینی آشکارسازهای* سنجنده، پاسخ مکانی* سنجنده، پاسخ طیفی* سنجنده و تولید تصویر می باشد که برای انجام این مدلسازی از مشخصات طراحی آن سنجنده استفاده می شود. نظر به انتشار مشخصات طراحی سنجنده oli* ماهواره لندست8* که به تازگی در ماه فوریه سال 2013 در مدار قرار گرفته است، شبیه سازی تصویر پانکروماتیک* این سنجنده با قدرت تفکیک مکانی 15 متر، به عنوان هدف این پایان نامه، تعیین گردید. آنچه که برای انجام این شبیه سازی به عنوان داده های ورودی در نظر گرفته شد، تصویر فراطیفی* و داده ارتفاعی لیدار* با قدرت تفکیک مکانی یکسان 5/2 متر، که در ماه ژوئن سال 2012 از منطقه شهری هیوستون* آمریکا توسط موسسه ncalm* تهیه شده است، می باشد. همچنین برای ارزیابی دقت نتایج از تصویر واقعی لندست8 که در ماه مه 2013 توسط سازمان زمین شناسی آمریکا(usgs*)، از همان منطقه اخذ شده، استفاده گردید. شاخص هایی که این پایان نامه را نسبت به تحقیقات گذشته متمایز می نماید؛ اولاً: طراحی یک نرم افزار شبیه ساز تصویر پانکروماتیک برای یک سنجنده جدید و پرکاربرد بوده و ثانیاً: نوع داده مورد استفاده است، که برای اولین بار این نوع شبیه سازی بر روی یک منطقه شهری با عوارض مصنوعی انجام می گیرد. ارزیابی دقت شبیه سازی در دو مرحله، دقت مکانی؛ با مقایسه موقعیت زمینی پیکسل های نظیر در دو تصویر تولید شده و تصویر واقعی صورت پذیرفت که مقدار rmse* آن برابر 49/7 متر یعنی معادل 5/0 پیکسل می باشد و دقت طیفی؛ با مقایسه لبه های* استخراج شده توسط اپراتور کَنی* در دو تصویر انجام گرفت، که مقدار ضریب کاپا* در طبقه بندی این لبه ها برابر 41/70% می باشد. این نتایج که بدون مدلسازی "زمین" و "اتمسفر" حاصل شده است نشان می دهد، تصویر تولید شده و تصویر واقعی دارای مشابهت زیادی بوده و نرم افزار شبیه ساز به درستی عمل می نماید و آنچه که میزان اختلاف است می تواند با بهبود محاسبات مربوط به؛ تعیین موقعیت و وضعیت سنجنده در مدار، تعیین موقعیت زمینی آشکارسازهای سنجنده، پاسخ مکانی و پاسخ طیفی سنجنده، کاهش یابد. همچنین برای توسعه این شبیه سازی، میتوان مدلسازی سنجنده را در جهت تولید تصاویر چندطیفی*، فراطیفی و همچنین سیستم های تصویربرداری مختلف، ارتقاء داد. کلمات کلیدی: شبیه سازی- مدلسازی- پانکروماتیک- سنجنده oli- ماهواره لندست8- پاسخ مکانی- پاسخ طیفی- منطقه شهری- تصویر فراطیفی- داده ارتفاعی لیدار

سنجش از دور یه عنوان یکی از علوم نوپا در عرصه محیط زیست می باشد به همین منظور می توان از داده های سنجش از دوری اخذ شده از سنجنده های نصب شده بر روی ماهواره ها به منظور پایش کیفیت هوا استفاده نمود.در این تحقیق به بررسی توانایی داده های سنجنده مودیس در برآورد غلظت ذرات معلق موجود در هوای شهر تهران استفاده شده است. در این پژوهش به منظور بهبود در برآورد غلظت ذرات معلق از پارامترهای هواشناسی همچون رطوبت نسبی، ارتفاع لایه مرزی، دما، دید افقی در کنار داده عمق نوری هواویز اخذ شده از سنجنده، استفاده شده است.