آشکارسازی و پایش گرد و غبار با استفاده از تصاویر سنجنده ی MODIS

طوفان های گردوغبار یکی از پدیده هایی است که در مناطق خشک و نیمه‌ خشک جهان رخ می دهد. طی سال های اخیر وقوع طوفان های گردوغبار با تعداد بالا، ازجمله مخرب ترین بلایای زیست‌ محیطی در منطقه ی خاورمیانه بوده است. به دلیل تغییرات سریع در ماهیت و مکان گسترش طوفان های گردوغبار، محدودیت هایی در پایش و اندازه گیری های مربوط به آن وجود دارد. مدل های عددی هواشناسی نیز به تنهایی، قادر به ردیابی و آشکارسازی طوفان های گردوغبار نیستند. امروزه فناوری سنجش‌ازدور با فراهم آوردن تصاویر متعدد جهانی و منطقه ای با مقیاس های زمانی و مکانی مختلف، به‌عنوان ابزاری مناسب برای پایش، اندازه گیری و برداشت ویژگی های گردوغبار شناخته شده است. در ادامه آشکارسازی و شناسایی منشأ گردوغبار ورودی به کشور ایران با استفاده از تصاویر سنجنده ی MODIS و ردیابی مسیر آن ها از طریق استفاده از شاخص های مناسب ارائه می گردد.


۱- داده های مورداستفاده
لیست داده های مورداستفاده به تفکیک در جدول ۱ و ۲ آمده است.

جدول ۱) مشخصات تصاویر ماهواره ای مورداستفاده در پژوهش


جدول ۲) مشخصات داده های هواشناسی مورداستفاده

• از داده های هواشناسی عموماً در بخش صحت سنجی استفاده شده است (جدول ۲).

۲- پیش‌پردازش و پردازش تصاویر ماهواره ای

۱-۲- پیش پردازش
۱-۱-۲- تبدیل داده‌های سطح ۰ به سطح ۱ (Unpack)
تصاویر خام حسگر MODIS که در ایستگاه فضایی ماهدشت دریافت می شود، به‌صورت خام (سطح ۰) بوده و دارای فرمت (PDS (Planetary Data System می باشند؛ بنابراین به‌منظور قابل ‌استفاده نمودن این داده ها لازم است سه عملیات تبدیل فرمت، تطابق زمینی (GeoLocation) و کالیبراسیون (Callibration) برروی آن‌ها انجام گیرد. تبدیل داده های خام با استفاده از نرم افزار (IMAPP (International MODIS/AIRS Processing Package صورت گرفته و در آن علاوه بر انجام تصحیحات اولیه بر روی تصاویر، تبدیل فرمت آن‌ها به (HDF (Hierarchical Data Format نیز انجام می شود.
در نرم‌افزار IMAPP تصویر ماهواره ای از سطح ۰ با فرمت  PDS به سطح ۱ با فرمت HDF تبدیل می شود و نتیجه به‌صورت فایلی به نام MOD01.AYYMMDDHHMM.HDF ذخیره می گردد. حروف AYYMMDDHHMM به معنی زمان تصویربرداری (سال، ماه، روز، ساعت، دقیقه و ثانیه) می باشند. در تصاویر Aqua اطلاعات مداری در یک فایل جداگانه با فرمت *.gbd وجود دارد و پس از اجرای Unpack.exe دو فایل با فرمت *.att و  *.eph تولید می گردد. این مرحله به‌صورت اتوماتیک و با استفاده از داده های کمکی موجود در نرم افزار IMAPP انجام می شود. لازم به ذکر است که برای اجرای صحیح نرم افزار IMAPP بایستی این نرم افزار به‌روزرسانی شود. این کار با دریافت فایل leapsec.dat از سایت ناسا انجام می گردد.

۲-۱-۲- تطابق زمینی Geolocation program (geolocate.exe)
در این مرحله یک پردازش زمین مبنا بر روی تصویر MOD01.AYYMMDDHHMM.HDF انجام می شود و نتیجه آن یک فایل HDF حاوی آرایه هایی از طول و عرض جغرافیایی به همراه زوایای تصویر برای هر پیکسل یک کیلومتری، می باشد. خروجی این مرحله با نام MOD03 ذخیره می گردد. در این مرحله نیز فایل utcpole.dat حاوی اطلاعات چرخش زمین با توجه به زمان هماهنگ جهانی Universal Time Coordinated) UTC) بوده و برای اصلاح دقیق مختصات جغرافیایی به کار می رود و با توجه به حرکت انتقالی زمین، بایستی ماهانه به‌روزرسانی گردد.

۳-۱-۲- کالیبراسیون Calibration program (calibrate.exe)
پس از انجام کالیبراسیون بر روی داده های MOD01، این داده ها به مقادیر رادیانس (Radiance)، رفلکتنس (Reflectance) و Emissive تبدیل می شوند.

۴-۱-۲- تصحیحات هندسی
تصاویر ماهواره ای را می توان به کمک یکی از سه روش استفاده از نقاط کنترل زمینی، پارامترهای مداری ماهواره ای و همبستگی، از لحاظ هندسی تصحیح کرد و مختصات آن را با یکی از موارد ذکر شده، مطابقت داد. نکته ای که در مورد تصاویر Aqua/MODIS وجود دارد، همراه با تبدیل سطح ۰ به سطح ۱ تصاویر دو فایل با پسوند .att و.eph تولید می گردد که بایستی این دو فایل نیز در Georeference کردن تصاویر اضافه گردد.
۵-۱-۲-  موزاییک کردن تصاویر
در این پروژه با توجه به وسعت زیاد منطقه ی موردمطالعه، موزاییک گذرهای MODIS انجام شده است. ازآنجاکه تصاویر ماهواره ای در زمان و شرایط مختلف برداشت می شوند لازم است که هیستوگرام های آن‌ها را با هم مطابقت داد.

۶-۱-۲- برش تصویر در محدوده موردمطالعه
به دلیل حجم بالای تصاویر ماهواره ای و به‌منظور جلوگیری از بالا رفتن زمان پردازش های بعدی، برای ارائه خروجی نهایی، لازم است که در این مرحله، تصویر موزاییک شده بر اساس مرز منطقه ی موردمطالعه برش (Clip) داده شود. مختصات منطقه ی موردمطالعه در شکل ۱ آمده است. •

شکل ۱)  مختصات منطقه ی موردمطالعه


• روابط پارامترهای تعیین شده در بخش پیش پردازش مدل در شکل ۲ آمده است. •

شکل ۲) نمایش روابط پارامترهای تعیین شده در بخش پیش پردازش مدل

۲-۲- پردازش

پس از انجام پیش پردازش های موردنیاز، به‌منظور اعمال الگوریتم ها و استخراج لکه های گردوغبار، پردازش تصاویر ماهواره ای صورت می گیرد.

۱-۲-۲- محاسبه ی دمای درخشندگی Brightness Temperature (BT)
محاسبه ی دمای درخشندگی در تصاویر ماهواره ای با استفاده از باندهای حرارتی(باندهای ۲۰ تا ۳۶ به‌جز باند ۲۶) انجام می گیرد. با توجه به اینکه شاخص های به کار رفته برای پایش و آشکارسازی گردوغبار عموماً بر پایه ی دمای درخشندگی استوار است؛ در این پروژه بر اساس فرمول پلانک و با استفاده از بسته ی الحاقی MODIS Conversion Toolkit) MCTK) دمای درخشندگی در باندهای مختلف محاسبه شده است (با توجه به اینکه پایش گردوغبار در ادامه به‌صورت اتوماتیک در خواهد آمد، می توان دمای درخشندگی و سایر مراحل را با استفاده از زبان های مختلف برنامه نویسی ازجمله IDL محاسبه نمود). پس از محاسبه ی دمای درخشندگی، اعمال شاخص ها برای آشکارسازی گردوغبار صورت می گیرد که در ادامه نحوه ی تأثیرگذاری هر کدام از این شاخص ها آمده است. لازم به ذکر است که در تمامی محاسبات این بخش، فرمت داده ها به‌صورت Float می باشد.
۲-۲-۲-  اعمال شاخص های به کار رفته در الگوریتم
پس از به دست آوردن دمای درخشندگی در باندهای مختلف، پیاده سازی شاخص ها صورت می گیرد. باندهای به کار رفته در پژوهش شامل باندهای ۲۰، ۲۹، ۳۱ و ۳۲ می باشد که در ادامه نحوه ی اعمال هر کدام از شاخص ها آمده است. لازم به ذکر است که الگوی نهایی گردوغبار از ترکیب همه ی شاخص ها به دست می آید و شاخص ها تکمیل کننده ی همدیگر هستند. همچنین فرمت داده ها در تمامی مراحل به‌صورت Float می باشد. جدول ۳ لیست و مشخصات باندهای مورداستفاده در پژوهش را نشان می دهد. •

جدول ۳) مشخصات باندهای حسگر MODIS

۳-۲-۲- اختلاف دمای درخشندگی باندهای ۳۱ و ۳۲
عمده ترین کاربرد این شاخص (فرمول ۱) در استخراج ذرات گردوغبار معدنی و غیر معدنی است ولی بایستی توجه نمود که محدوده های با دید افقی بیش از ۱۰۰۰ متر نیز توسط این شاخص به‌عنوان لکه های گردوغبار تشخیص داده می شود. به عبارتی سطوح وسیعی را به‌عنوان گردوغبار استخراج می کند و بایستی در ترکیب با سایر شاخص ها مورداستفاده قرار گیرند.
فرمول (۱)

BTD31,32 = BT31 – BT32  

۴-۲-۲اختلاف دمای درخشندگی باندهای ۲۰ و ۳۱
با استفاده از اختلاف دمای درخشندگی باندهای ۲۰ و ۳۱ (فرمول ۲) علاوه بر تفکیک پیکسل های دارای گردوغبار از سطح خشکی، می توان تا حدود زیادی خشکی را از سطوح دارای آب نیز جدا نمود.
فرمول  (2)

BTD 20,31 = BT20 – BT31

۵-۲-۲دمای درخشندگی باند ۳۲
دمای درخشندگی سطح ابر در باند ۳۲ سنجنده ی MODIS نسبت به سایر پدیده ها متفاوت است؛ با استفاده از این ویژگی و استفاده از آستانه گذاری مناسب می توان سطوح ابری را استخراج نمود و ابر را mask کرد.

۶-۲-۲- اختلاف دمای درخشندگی باندهای ۳۱ و ۲۹
با استفاده از اختلاف دمای درخشندگی باندهای ۳۱ و ۲۹ می توان گردوغبار را از سطوح شنی مثل بیابان متمایز نمود (فرمول ۳). این شاخص خصوصاً در روزهای سرد سال کاربرد دارد.
فرمول (۳)

BTD31,29 = BT31 – BT29

۳-۲- اعمال حدود آستانه
۱-۳-۲-  BTD 31, 32
گردوغبار انتشار بالاتری در باند ۳۲ نسبت به باند ۳۱ دارد و همچنین در مورد آسمان بدون ابر و گردوغبار، اختلاف دمای درخشندگی باند ۳۱ و ۳۲ منفی است پس با استفاده از این ویژگی ها می توان گردوغبار را آشکار و ابر را تا حدودی حذف نمود. با توجه به متفاوت بودن الگوریتم در روز های سرد سال نسبت به سایر روزها، حد آستانه ای که برای روزهای سرد در نظر گرفته شده است ۳- تا ۰.۲- و برای سایر روزها ۲۰- تا ۰ می باشد.

 (20-= BTD31,32 (max = 0, min
(۳-= BTD31,32 (max = -0.2, min

۲-۳-۲-  BTD 20, 31
یکی از مشکلاتی که در بحث آشکارسازی گردوغبار وجود دارد رفتار طیفی تقریباً مشابه سطح بیابان و لکه های گردوغبار است که با استفاده از اختلاف دمای درخشندگی باندهای ۲۰ و ۳۱ می توان تا حدود زیادی سطح خشکی را از لکه‌های گردوغبار تفکیک نمود. همچنین با بهره گیری از این اختلاف باندی، سطوح آبی نیز از سطح خشکی تفکیک می گردد. حد آستانه ای که برای اختلاف دمای درخشندگی باند ۲۰ و ۳۱ در منطقه ی موردمطالعه در نظر گرفته شده است، ۱۶.۵ تا ۱۰۰ می باشد.

 ( 16.5=BTD20,31 (max = 100, min

۳-۳-۲- BT32
دمای ابر در باند ۳۲ تصاویر MODIS از سایر پدیده ها کمتر بوده و با استفاده از این ویژگی می توان ابر را از سایر پدیده ها تفکیک نمود. حد آستانه ای که با توجه به ویژگی های ابر منطقه در نظر گرفته شده است، ۲۹۵ تا ۵۰۰ درجه کلوین در روزهای گرم و معتدل و ۲۸۲ تا ۵۰۰ درجه کلوین در روزهای سرد سال می باشد. لازم به ذکر است ابر بیشتر مناطق ایران به‌جز جنوب شرق کشور (در بعضی از روزهای سال) در رنج ۲۹۱ تا ۵۰۰ قابل‌حذف است اما ویژگی های ابر جنوب شرق کشور باعث انتخاب این رنج شده است که همین عامل باعث همپوشانی با گردوغبار بسیار شدید (دید افقی کمتر از ۲۰۰) شده که بایستی به این مسئله توجه و در موارد گردوغبار بسیار شدید، حد پایین آستانه را کمتر در نظر گرفت.

(BTD32 (min= 282,max= 500
(BTD32 (min= 295, max=500

۴-۳-۲- BT31,29
با توجه به اینکه در این پژوهش از باندهای حرارتی برای آشکارسازی گردوغبار استفاده می شود، در این محدوده رفتار طیفی گردوغبار با سطوح بیابانی خصوصاً در روزهای سرد سال شباهت زیادی دارد برای حل این مشکل از اختلاف دمای درخشندگی باندهای ۳۱ و ۲۹ استفاده شده است. حد آستانه مورداستفاده برای این شاخص ۶- تا ۲ می باشد.

(BTD31,29 (min=-6,max = 2

۴-۲- به‌کارگیری الگوریتم نهایی
پس از آماده شدن خروجی های حاصل از اعمال شاخص ها، پیکسل های متناظر در هم ضرب شده و الگوریتم نهایی پیاده می گردد. با توجه به اینکه الگوریتم به کار رفته در روزهای سرد سال با سایر روزها متفاوت است در ادامه به تفکیک الگوریتم به کار رفته ارائه شده است.

۱-۴-۲-  الگوریتم به کار رفته در روزهای گرم و معتدل
الگوریتم به کار رفته در شناسایی گردوغبار در روزهای گرم و معتدل سال در فرمول ۴ آمده است. همچنین شاخص های به کار رفته و نحوه ی ایجاد خروجی نهایی این بخش در شکل ۳ به نمایش درآمده است.

فرمول (۴) (Mask (BTD31.32) * mask (BTD20.31) * mask (BT32) •

شکل ۳) الگوریتم به کار رفته در روزهای گرم و معتدل سال و ایجاد شیپ فایل نهایی از این بخش

۲-۴-۲- الگوریتم به کار رفته در روزهای سرد

الگوریتم به کار رفته در شناسایی گردوغبار در روزهای سرد سال در فرمول ۵ آمده است همچنین شاخص های به کار رفته و نحوه ی ایجاد خروجی نهایی این بخش در شکل ۴ مشخص شده است.


فرمول (۵)

((Mask (BTD31.32) * mask (BTD20.31) * mask (BT32)) *  (Mask (BTD31.29)  •

شکل ۴) الگوریتم به کار رفته در روزهای سرد سال و ایجاد شیپ فایل نهایی از این بخش
شکل ۵) الگوریتم کلی مدل آشکارسازی و پایش گردوغبار

پس از اعمال الگوریتم آشکارسازی گردوغبار بر روی تصاویر MODIS خروجی های زیر حاصل می شود (شکل های ۶ و ۷). •

شکل ۶) گردوغبار آشکارسازی شده دارای منشأ خارجی
شکل ۷) گردوغبار آشکارسازی شده دارای منشأ داخلی

منبع:

سازمان فضایی ایران

https://isa.ir/content/4100

تاریخ انتشار :

آوریل 3, 2020

منتشر کننده :

Masoudi

به اشتراک بگذارید :

دسته بندی :

پست های مرتبط


سایه ویرانگر گرد و غبار بر روی آبسنگ‌های مرجانی

تهران – ایرنا – مدیرکل دفتر زیست بوم‌های دریایی سازمان حفاظت محیط‌زیست گفت: وقتی گرد و غبار بر روی دریاها و اقیانوس‌ها...

نهال‌کاری در کانون‌های گردو غبار بستر تالاب هامون

زاهدان- ایرنا- مدیرکل حفاظت محیط زیست سیستان و بلوچستان گفت:طرح نهال‌کاری در کانون‌های گرد و غبار تالاب بین‌المللی هامون به مساحت بیش‌از...

دولت دوازدهم برای مقابله با گرد و غبار ۳۷۰ میلیون دلار هزینه کرده است

تهران – ایرنا – دبیر ستاد مقابله با پدیده گرد و غبار گفت: دولت دوازدهم از سال ۱۳۹۶ تا ۱۳۹۹ حدود ۳۷۰...

آلودگی هوای اصفهان بدلیل فعال شدن کانون‌های گرد و غبار است

اصفهان – ایرنا – مدیرکل مدیریت بحران استانداری اصفهان گفت: آلودگی روزهای اخیر هوای اصفهان بدلیل فعال شدن کانون‌های گرد و غبار...

نظر خودت را بیان کنید

اخبار

اعضای حقوقی شبکه

اعضای حقیقی شبکه

گزارش

فناوری