خورشید مهمترین منبع انتشار امواج الکترومغناطیسی مورد نیاز در سنجش از راه دور است.
تمامی موارد در درجه حرارت بالاتر از صفر مطلق (273- درجه سانتی گراد) امواج الکترومغناطیسی ساطع می کنند.
میزان انرژی ساطع شده از هر ماده تابعی از دمای سطحی ماده است.
این خاصیت توسط قانون استفن – بولتزمن[1] بیان شده است که عبارت است از : W= δT4 W = کل تابش ساطع شده از سطح ماده بر حسب وات بر متر مربع (Wm-2) δ = ثابت استفن – بولتزمن که برابر با 10-8Wm-2K-4 × 6697/5 است.
T= دمای مطلق (K°) مادهی ساطع کننده بر حسب درجه ی کلوین .
کل انرژی ساطع شده از یک ماده با توان چهارم دمای ماده نسبت مستقیم دارد یعنی با افزایش دما، سرعت تابش ساطع شده از ماده افزایش می یابد.
نکته ی مهم آن است که معادله ی بالا برای شرایطی صادق است که ماده به عنوان جسم سیاه[2] رفتار کند.
جسم سیاه، جسمی فرضی است که تمام انرژی تابیده شده به آن را جذب و کل آن را ساطع می نماید.
همانگونه که کل انرژی ساطع شده از یک جسم با دما تفییر می کند، توزیع انرژی ساطع شده نیز تغییر می یباد.
تصویر 1-10 منحنی توزیع طیفی انرژی جسم سیاه با دمای بین 300 تا 6000 درجه ی کلوین و محور Y میزان توان انرژی ساطع شده از جسم سیاه را به فواصل یک میکرومتری طول موج نشان می دهد.
مساحت زیر هر منحنی برابر کل تابش ساطع شده است.
هر چه دمای جسم تشعشع کننده بیشتر باشد میزان کل تشعشعات ساطع شده از آن بیشتر خواهد بود.
همانگونه که منحنی ها نشان می دهند، با افزایش درجه ی حرارت یک جابه جایی به سمت طول موج های کوتاه تر در هر نقطه ی اوج منحنی تشعشات جسم سیاه، دیده می شود.
طول موجی که در آن تشعشات جسم سیاه به حداکثر می رسد، مرتبط با درجه ی حرارت آن جسم است که توسط قانون جابه جایی وین[3] محاسبه می شود: m=λ Mλ= طول موج حداکثر انرژی ساطع شده ( μm ) A= ثابت وین ( μmK2898) T= دمای K° بنابراین برای جسم سیاه ، طول موجی که در آن حداکثر انرژی ساطع می شودف با دمای جسم سیاه نسبت عکس دارد.
معمولاً لامپ هایی از خود نور ساطع می کنند که روی منحنی انرژی ساطع شده از جسم سیاه در حرارت 3000 درجه ی کلوین قرار دارند.
بنابراین این گونه لامپ ها نور آبی رنگ کمی از خود خارج می کند و ترتیب طیفی آن ها شبیه خورشید نیست.
حرارت سطح زمین حدود 300 درجه ی کلوین (27 درجه ی سانتی گراد) است.
اصولاً حداکثر انرژی ساطع شده از سطح زمین در طول موج حدود 7/9 میکرومتر روی می دهد و چون این تابش ناشی از گرمای زمین است، بنابراین به آن انرژی « مادون قرمز حرارتی » می گویند.
این انرژی قابل عکس برداری نیست، اما سنجنده های حرارتی مانند رادیومتر ها و اسکنر ها نسبت به آن حساسند.
خورشید حداکثر انرژی را در طول موج 5/0 میکرومتر منتشر می کند و چشمان ما نسبت به این مقدار انرژی و طول موج حساس است، از این رو با وجود نور خورشیدی قارد به رؤیت سطح زمین می باشیم.
سنجش از دور حرارتی امروزه معلوم شده است داده های حرارتی می توانند مکمل یکدیگر داده های سنجش از دور (داده های انعکاسی) باشند.
(Alavi panah، 2001).
در سنجش از دور حرارتی برای تخمین دما از انرژی ساطع شده توسط اشیاء و پدیده ها استفاده می شود.
نمودار 2-10 عواملی را که روی دمایی تابشی مؤثرند، نشان می دهد.
عوامل مؤثر بر دما عوامل مؤثر بر دمای جنبشی به دو گروه عمده بیلان انرژی حرارتی و ویژگی های حرارتی مواد تقسیم میشود: بیلان انرژی حرارتی شامل عواملی مانند حرارت خورشیدی، تابش رو به بالا در طول موج های بلند، تابش رو به پایین، تبادل حرارت بین زمین و جو و منابع حرارتی مانند آتش، آتشفشان و غیره است؛ ویژگی های حرارتی مواد شامل هدایت حرارتی، گرمای ویژه، چگالی، ظرفیت حرارتی، انتشار حرارتی و اینرسی حرارت است.
توان تشعشی طیفی[4] هر جسمی در دمای بالاتر از صفر مطلق(صفر درجه کلوین یا 15/273- درجه سانتی گراد)، از خود انرژی ساطع می کند.
اینکه چقدر انرژی و در چه طول موجی ساطع میشود، بستگی به توان تشعشعی سطح و دمای جنبشی آن دارد.
توان تشعشعی، توانایی تشعشع یک جسم واقعی در مقایسه با جسم سیاه در دمای یکسان است و یک خاصیت طیفی است که با ترکیب مواد و آرایش هندسی سطح بستگی دارد.
جسم سیاه، جسمی فرضی است که همه انرژی وارده در تمام طول موج ها را جذب و سپس ساطع می کند.
این بدان معنی است که توان تشعشعی یک چنین جسمی برابر یک است.
بدیهی است جسم سیاه در طبیعت وجود ندارد و یک ایدآل است.
توان تشعشی با اپسیلون(ε) نشان داده میشود و بین صفر و یک نوسان می کند.
ε برای مواد در محدودۀ 70/0 تا 95/0 است.
دمای جنبشی، معیاری از میزان انرژی جسم حرارتی است.
دمای جنبشی با واحدهای مختلف مانند درجه کلوین•k))، درجه سانتی گراد(•C) و درجه فارنهایت(•F) نشان میشود.
نتایج آزمایش های توان تشعشعی بر روی مواد مختلف در طول موج های گوناگون نشان می دهد که توان تشعشعی با طول موج تفاوت می کند.
بنابراین میزان توان تشعشعی مواد در محدوده طیفی 5/11- 5/10 میکرومتر(باند4ماهواره NOAA) با توان تشعشعی مواد در محدودۀ طیفی 5/12- 4/10 میکرومتر(باند6 لندست TM) یکسان نخواهد بود.
علاوه بر این توان تشعشعی مواد با شرایط مواد نیز فرق می کند.
توان تشعشعی پدیده های مختلف در ناحیه ی 14-8 میکرومتر خاک خشک، توان تشعشعی 92/0 و همان خاک در حالت مرطوب، توان تشعشعی 95/0 از خود نشان می دهد.
توان تشعشعی برای درختان برگ ریز در حالت بدون برگ95/0و برای حالتی که درخت سر سبز است، 98/0اندازه گیری شده است.
جدول 1-10 توان تشعشعی مواد و پدیده های مختلف را در دامنۀ طیفی 14-8 میکرومتر نشان میدهد.
اختلاف اندکی توان تشعشعی سطح زمین در باندهای حرارتی سنجنده های ماهواره ها دارند.
برای داده های AVHRR، اختلاف توان تشعشعی سطحی باندهای4 و5 معمولاً بین 002/0تا005/0است(LiوBecker،1993).
بنابراین وقتی توان تشعشعی باندهای حرارتی معلوم باشد، دمای سطحی را میتوان با استفاده از روش پنجره اسپلیت محاسبه کرد.
با توجیه تفاوت های توان تشعشعی مختلف در مناطق وسیع، معمولاً از توان تشعشعی فرضی استفاده میشود.
خاک لخت و تاج پوشش دو پدیدۀ مهم سطحی اند.
اصولاً دامنۀ توان تشعشعی خاک از 84/0تا 98/0تغییر میکند، در حالی که دامنۀ توان تشعشعی تاج پوشش از94/0 تا99/0 و پوشش متراکم از98/0تا 0/1متغیر است(Olioso،1995).
برای مناطق کشاورزی، جایی که تاج پوشش گیاهی قالب است، تغییرات توان تشعشعی برگ، خطایی به بزرگی 5/1 درجۀ کلوین در استخراج دمای سطح زمین (LST) از تشعشعات در محدودۀ 5/12- 5/10 میکرومتر ایجاد می کند.
ویژگی های سنجش از دور حرارتی اختلاف اساسی بین سنجش از دور در ناحیه مادون قرمز حرارتی و ناحیه های دیگر طیف EM، به سبب مواردی است که برخی از آنها بستگی به اکتساب داده های حرارتی، کایبراسیون، تصحیحات هندسی و اتمسفری دارد و در زیر بحث می شود.
ثبت داده های حرارتی بیشتر سنجنده های حرارتی، داده ها را به صورت غیر فعال دریافت میکنند.
این گونه سنجنده ها انرژی ساطع شده از اشیا را ثبت میکنند.
دستگاه های متعددی برای دریافت اطلاعات پدیده های سطحی در ناحیه 8 تا 12 میکرومتر وجود دارد.
این وسایل، زمینی، هوایی یا فضایی است.
در اینجا به منظور آشنایی با دستگاه های اسپکترومتر، به ذکر چند نوع از آنها پرداخته میشود: یکی از این دستگاه های قابل حمل، اسپکترومتر تشعشعی صحرایی(JpL) است که در ناحیه 5 تا 15 میکرومتر طراحی شده است(Hoover و Kahle،1987).
این دستگاه به دلیل سنگینی و بزرگی زیاد از رده خارج شده و اسپکترومترهای سبکتر مانند THIRSPEC(Rivard و همکاران،1994) و µFTIR (Hoover و Kahle ، 1996) جایگزین شده است.
THIRSPEC، دستگاه اسپکترومتر مادون قرمز حرارتی، در عملیات صحرایی به کار می رود.
دامنۀ طیفی مفید این دستگاه بین 9/7 تا 3/11 میکرومتر است.
وزن این دستگاه با احتساب باتری حدود 30کیلوگرم است.
دستگاه µFTIR کوچک بوده امکان دریافت امواج مادون قرمز پدیده های سطحی بین 2 تا 14 میکرومتر را فراهم میسازد.
این دستگاه 16 کیلوگرم وزن و6 باند طیفی دارد.
تصویر 3-10 این دستگاه را که شامل یک جعبۀ توری با وزن 1/4 کیلوگرم است، نشان میدهد.
دتکتورهای این دستگاه با استفاده از نیتروژن مایع خنک میشود.
سایر دستگاه های معمول به شرح زیر است: سنجندۀ AAS: 24 باند که 17 مورد آنها در محدودۀ مادون قرمز حرارتی است.
سنجندۀ AHS :48باند بین 4/0و13 میکرومتر سنجندۀ AMSS: 4 باند که 6 مورد آن بین 8 تا 12 میکرومتر است.
سنجندۀ MODIS: 4 باند بین 8تا5/12 میکرومتر با قدرت تفکیک 1 کیلومتر.
سنجندۀ MAS: 50 باند بین 5/0 و 14 میکرومتر سنجندۀ MIVIS: 12 باند بین 4/0 تا 13 میکرومتر سنجندۀ TIMSS: 6 باند بین 8 تا 12 میکرومتر سنجندۀ ATLAS: 3 باند در بخش نور مرئی و مادون قرمز نزدیک و 6 باند در ناحیه SWIR و5 باند در ناحیه مادون قرمز حرارتی دارد.
سنجندۀ Landsat Tm6: قدرت تفکیک زمینی 120متر سنجندۀ Landsat7- Tm6: قدرت تفکیک زمینی 60متر سنجندۀ ASTER: قدرت تفکیک زمینی 1 کیلومتر(در باندهای مادون قرمز حرارتی) سنجندۀ AVHRR: قدرت تفکیک زمینی1 کیلومتر طول موج در سنجش از دور حرارتی، بیشتر محدودۀ طیفی 14-8 میکرومتر به کار می رود.
البته بعضی از سنجنده ها مانند سنجندۀ TMماهواره ی لندست( باند 6)، در محدودۀ طیفی 6/12- 4/10 میکرومتر عمل میکنند تا بتوانند از محدودۀ حداکثر جذب اوزن که در محل 6/9 میکرومتر است، اجتناب کنند.
بعضی از باندهای حرارتی در سنجنده های چند طیفی مانند ASTER ویژۀ کاربردهای زمین شناسی طراحی شده اند.
در سنجش از دور حرارتی، بیشتر محدودۀ طیفی 14-8 میکرومتر به کار می رود.
دریافت داده های روزانه و شبانه داده های حرارتی هم در روز و هم در شب دریافت می شوند.
در برخی موارد، به داده های حرارتی در هر دو زمان نیازمند است.
به عنوان مثال یکی از کاربردها مهم توأم داده های حرارتی روزانه و شبانه، مطالعه ی دمای مناطق شهری است.
LO و همکاران (1997) حرارت چندین شهر را با استفاده از تصاویر حرارتی مادون قرمز با قدرت تفکیک مکانی بالا ارزیابی کردند.
آن ها دریافتند که به هنگام روز، بخش های تجاری و سپس مناطق حمل و نقل بالاترین درجه ی حرارت را دارند و پایین ترین درجه ی حرارت به ترتیب مربوط به محل های دارای آب، پوشش گیاهی و اراضی کشاورزی است.
خانه های مسکونی، ترکیبی غیر یکنواخت از ساختمان و چمن و درخت دارند و دارای درجه حرارت متوسط می باشند.
در شب، مناطق تجاری، خدماتی، صنعتی و حمل و نقل سریع تر خنک می شوند و اصولاً درجه حرارت آن ها در ساعات اولیه ی بامداد قدری بیشتر از پوشش های گیاهی و کشتزارهاست.
آب ظرفیت گرمایی بالایی دارد، بنابراین در ساعات اولیه ی بامداد گرمتر از دیگر پدیده هاست (Jensen، 2000).
تصویر زیر مقایسه ی تصاویر مادون قرمز حرارتی آتلانتا در شب و روز را نشان می دهد.
این تصویر مربوط به باند 13 (2/10 – 6/9 میکرومتر) ATLAS بوده و دارای قدرت تفکیک مکانی 10×10 متر را است.
این تصویر امکان مقایسه ی حرارت پدیده هایی مانند آب، آسفالت، پوشش گیاهی، مناطق مسکونی و غیره را فراهم می سازد.
از چنین اطلاعاتی می توان برای موارد زیر استفاده کرد: مدل کردن رابطه ی بین رشد مناطق شهری و افزایش گرما در طول زمان؛ مدل کردن رابطه ی بین رشد مناطق رو به توسعه و تغییرات شهر و کیفیت هوا در طول زمان؛ و مطالعه ی اثر توسعه ی شهری بر ویژگی های بیلان انرژی سطحی با استفاده از چنین تصاویری می توان توصیه های لازم برای درختکاری جهت کاهش دما را ارائه کرد.
(Quttrochi و Ridd، 1998).
باند 13 مادون قرمز حرارتی (شهر آتلانتا): a) تصویر روزانه مادون قرمز حرارتی و b) تصویر شبانه مادون قرمز حرارتی (Jensen، 2000) قدرت تفکیک زمینی و تصحیحات هندسی بیشتر سنجنده های حرارتی، دارای سیستم ثبت و کالیبراسیون هستند و در درون آنها دو جسم سیاهبه نامهایBB1 وBB2 نصب شده که برای تصحیح رادیومتریک داده های دریافت شده استفاده می شوند.
سنجنده ها به هنگام اندازه گیری تشعشعات، گرم می شوند این مسأله موجب محدودیت فیزیکی سنجنده ها از لحاظ اندازه گیری و تفکیک مکانی داده ها ایجاد میکند.
قدرت تفکیک مکانی پایین تر داده های حرارتی در مقایسه با داده های انعکاسی ماهواره ها، مشکلاتی مانند تطبیق هندسی و غیره ایجاد می کند.
در این موارد نقاط کنترل زمینی منطبق با داده هایی با تفکیک مکانی مختلف نه تنها مشکل است، بلکه موجب خطای زیادی می شود.
برای حل این مشکل می توان ابتدا تصویر حرارتی را با تصاویر دارای قدرت تفکیک طیفی متوسط انطباق داد و در مرحلۀ بعد، انطباق با تصاویر دارای قدرت تفکیک طیفی بالاتر انجام شود(Prakash و همکاران، 2000).
قدرت تفکیک زمینی عبارت است از حداقل فاصلۀ بین دو شیء که یک سنجنده می تواند متمایز و(به صورت تفکیکی) ثبت کند(Simonett،1983) و به این طریق جزییات قابل تفکیک در تصاویر ماهواره ای مشخص می شود.
داده های سنجش از دور با قدرت تفکیک زمینی بالاتر قابلیت تفسیر را افزایش می دهد(Munechika و همکاران، 1993).
به کارگیری باند کانکروماتیک SPOT (با قدرت تفکیک 10 متری) سبب افزایش دقت در تصاویر TM طبقه بندی شده پوشش گیاهی( با قدرت تفکیک 30متری) از 71 به 85 درصد شده است(Grignetti، همکاران، 1997).
مطالعۀ اراضی شمال کالیفرنیا نشان می دهد هنگامی که قدرت تفکیک زمینی داده های ماهواره ای بیش از 90متر باشد، دقت نقشه های حاصله به شدت کم می شود(GAO، 1999).
به کارگیری داده های با قدرت تفکیک زمینی بالاتر حجم و هزینۀ نگه داری داده ها و پردازش آنها را افزایش می یابد.
در حالی که قدرت تفکیک زمینی بالاتر همیشه منجر به دقت بیشتر نتایج نمی گردد(Kogima و Takara، 1996).
به منظور کاهش هزینۀ داده ها، می بایستی از داده های با قدرت تفکیک زمینی مناسب برای مطالعۀ مورد نظر استفاده شود.
قدرت تفکیک زمینی مطلوب آن است که میزان اطلاعات در پیکسل به حداکثر برسد (َAtkinson، 1997).
Hypanen(1996) دریافت قدرت تفکیک زمینی مطلوب در طبقه بندی جنگل بستگی به گونه های درختی، سن جنگل و باند طیفی به کار رفته دارد.
قدرت تفکیک طیفی بیانگر توانایی یک سنجنده برای توصیف دامنه های طیفیاست (Gampbell، 1996).
Teillet و همکاران(1997) دریافتند اختلاف در عرض باند (محدودۀ طیفی) روی مقادیرNDVI تأثیر زیادی می گذارد مشروط بر آنکه عرض باند کمتر از50 نانومتر باشد.
Csillage و همکاران(1993) کلیۀ دامنه های طیفی برای مشخص کردن مسائل شوری خاک در محدودۀ طیفی نور مرئی، مادون قرمز نزدیک و میانی را مشخص کردند.
یک محدودۀ باریک طیفی( باند) می تواند تغییرات ظریف و دقیق در بازتاب های سطح زمین را ثبت کند، بنابراین میزان اطلاعات را غنی میسازد.
این ویژگی برای انواع پوشش های گیاهی که بازتابشان با طول تغییر میکند، صادق است.
تعداد اندکی از محققان حتی آنان که در مطالعاتشان با داده های SPOT و TM سروکار داشتند.
خاصیت قدرت تفکیک طیفی و مکانی را مورد مقایسه قرار داده اند، May و همکاران(1997) کارایی تصاویر TM و SPOT را در طبقه بندی پوشش گیاهی مقایسه کردند و دریافتند که داده های TM قادرند به جدا کردن بوته ها از علفزار ها می باشد و داده های SPOT برای طبقه بندی جنگل هایی از درختان خزان کافی نیست.
Cushnie (1987) گزارش کرد دقت کلاس های یکنواخت چندان تحت تأثیر قدرت تفکیک طیفی داده ها قرار نمی گیرد.
نتایج این قبیل مطالعات اهمیت قدرت تفکیک طیفی در تفکیک پذیری درختان و پوشش گیاهی را آشکار می سازد.
کاربردها اطلاعات به دست آمده از ناحیۀ مادون قرمز حرارتی، کمک زیادی به مطالعۀ پدیده های مختلف میکند.
و به عبارتی تغییرات جزئی درجۀ حرارت می تواند در تشخیص برخی پدیده ها و یا درک محیط به ما کمک کند.
برخی کاربردهای سنجش از دور حرارتی شامل موارد زیر است: 1- تهیۀ نقشۀ حرارتی 2- تشخیص واحدهای زمین شناسی و محل گسل ها 3- رطوبت خاک 4- هیدرولوژی و تعیین محل نشست آب 5- مرز بندی مناطق ساحلی 6- آتشفشان 7- آتش سوزی ها 8- زلزله 9- مدل های محیطی 10- علوم پزشکی 11- علوم دامپزشکی 12- کاربردهای نظامی 13- حرارت ساختمان ها و صخره ها و غیره 14- تبخیر گیاهان 15- تعیین محل چشمه های آب سرد و چشمه های آب گرم معدنی 16- حیات وحش، وضعیت ماهی گیری و تعیین آلودگیهای دریاها و هوا.
کانی ها مناسب ترین ویژگی های حرارتی کانی ها، در محدودۀ طول موج های µm 14-8 تشخیص داده شده است(Lillesand و Kiefer،1994).
این ناحیۀ مادون قرمز حرارتی، با خصوصیات جذبی تعدادی مواد تشکیل دهنده در سنگ ها، مانند سیلیکات ها، کربنات ها، اکسید ها، فسفات ها، سولفات ها، نیترات ها،هیدروکسیل ها و غیره مشخص می شوند.
برخی ویژگی های فیزیکی نظیر اندازۀ ذرات(بافت) و ساختمان می توانند تغییراتی در طیف تشعشعی از نظر عمق نسبی جذب، ایجاد کنند.
شکل6-10 رفتار طیفی گروه های آنیونی را نشان میدهد.
منحنی رفتارهای طیفی به عنوان درصد تشعشع در امتداد محورx رسم شده است.
به طور کلی قله های منفی(موسوم به جذب باندی) بیانگر قابلیت جذب طیفی پایین یا بازتاب طیفی بالاست.
کربنات ها به علت تحرک یون های کربنات خصوصیت جذبی بالائی را از خود نشان می دهند.
خصوصیات جذبی سولفات ها در حوالی طول موج های 9و16 میکرومتر مشهود است.
فسفات ها نیز ویژگی جذب را در حوالی 3/10و 25/9 میکرو متر نشان می دهند.
نیترات ها در 2/7 میکرومتر و نیتریت ها در8 و 8/11 میکرومتر خصوصیت طیفی جذبی از خود نشان می دهند.
سیلیکات ها به عنوان فراوان ترین مادۀ پوستۀ زمین، خصوصیت طیفی جنبشی در دامنۀ TIR به سبب وجود Cio4 (تتراهدرون) از خود نشان می دهند.
همان گونه که گفته شد، بهترین دامنۀ طیفی از لحاظ تشعشع حرارتی، دامنۀ 14-8 میکرون است.
در مقایسه با ناحیۀ بازتاب های انعکاسی که انرژی را از50 میکرونی لایۀ سطحی منعکس می کنند، تشعشعات حرارتی به خواص فیزیکی مواد نیز بستگی دارد زیرا انرژی ثبت شده مربوط به ضخامت چند سانتیمتری لایۀ سطحی است.
طیف های مادون قرمز حرارتی گروه های اصلی آنیونی، کربنات، نیتریت، نیترات، فسفات، سولفات، اکسید و سیلیکات ها با توجه به این ویژگی داده های سنجش از دور، ممکن است بسیاری از خصوصیات کانی ها، مواد و رسوبات را بتوان از طریق به کارگیری سنجش از دور حرارتی شناسایی و تشخیص داد.
تصور میرود حتی اگر پوشش سطحی مانند سله، پوسته، سنگ فرش و غیره هم وجود داشته باشد؛ بتوان به برخی ویژگیهای زیر این سله های نازک پی برد.
(شکل 6-10).
همان گونه که در شکل 7-10 دیده می شود، مرکز حداقل تشعشع از حدود 9 میکرومتر گرانیت به حدود11 میکرومتر در اولیوین پریدوتیت متمایل می گردد.
رفتار طیفی سنگ ها در محدوده ی طیف های مادون قرمز حرارتی شکل7-10 تفاوت رفتار طیفی نمونه های مورد مطالعه در طول موج 7/9 میکرومتر را نشان میدهد.
دلیل این رفتار ممکن است رس های کائولینیت، ایلیت یا اسمکتیت باشد.
مطالعات نشان می دهد بازتاب های طیفی در ناحیۀ 14-7 میکرومتر برای نمونه های کوارتز پوشیده از جلای بیابانی، که معمولاً در مناطق خشک از منگنز و اکسید آهن تشکیل شده اند، با نمونه های بدون جلای بیابانی تفاوت های دارد.(شکل 8-10) بازتاب های طیفی کوارتزهای پوشیده از جلای بیابانی و بدون جلای بیابانی (Bartholomew و همکاران، 1989) « طبقه بندی اطلاعات ماهواره ای» 1- مقدمه به جداسازی مجموعه های طیفی مشابه و تقسیم بندی طبقاتی آنها که دارای رفتار طیفی یکسانی باشد، طبقه بندی اطلاعات ماهواره ای گفته میشود.
به عبارتی طبقه بندی پیکسل های تشکیل دهندۀ تصاویر، اختصاص دادن یا معرفی کردن هر یک از پیکسل ها به کلاس یا پدیدۀ خاصی را، طبقه بندی اطلاعات ماهواره ای گویند.
در عمل طبقه بندی هر کدام از درجه روشنایی ها به کلاس های پوشش اراضی، زمین شناسی، کاربری اراضی و دیگر عوارض سطح زمین منتسب میشود.
البته گاهی نیز ممکن است عوارضی مانند آب با کیفیت های متفاوت، پوسته های نمکی یا ویژگی های معین یا انواع خاکها نیز طبقه بندی شود.
زمانی که تمام پیکسل های تصویر به کلاس های خاصی اختصاص داده شود، نقشه های خاک، پوشش گیاهی و آب خواهد بود.
نقشه های موضوعی رقومی ناشی از طبقه بندی داده های سنجش از دور پس از تصحیح هندسی، قابل انطباق و انتقال به سامانۀ اطلاعات جغرافیایی(GIS) نیز می باشند.
در طبقه بندی اطلاعات سعی می شود که با استفاده از نرم افزارهای رایانه ای، ارزش های طیفی پیکسل های تصویر با نمونه های آموزشی مقایسه شود و به این ترتیب پیکسل ها در طبقات قابل تفکیک قرار داده می شوند.
نظر به اینکه در روش طبقه بندی رقومی، جداسازی کلاس ها براساس وضعیت و الگوی طیفی پدیده های مورد مطالعه صورت میگیرد.
بنابراین میزان موفقیت طبقه بندی رقومی بستگی به میزان تمایز بازتاب های طیفی پدیده ها از یکدیگر دارد.
با توجه به اینکه هدف اساسی فناوری سنجش از دور شناسایی و تفکیک پدیده های زمینی است.
بنابراین طبقه بندی تصاویر ماهواره ای مهمترین مرحلۀ تفسیر اطلاعات ماهواره ای محسوب می گردد.
طبقه بندی اطلاعات ماهواره ای به روش های چشمی و رقومی( بدون نظارت1و با نظارت2) تقسیم می شود.
2- طبقه بندی تصاویر تفسیر تصاویر به معنی تبدیل داده های خام به اطلاعات قابل استفاده است و شامل تشخیص، شناسایی و طبقه بندی پدیده های سطح زمین می شود.
برای استخراج اطلاعات از داده های سنجش از راه دور، دو روش عمده تحت عنوان روش" تجزیه و تحلیل و طبقه بندی چشمی" و روش" تجزیه و تحلیل طبقه بندی رقومی" وجود دارد که در زیر به شرح آنها پرداخته می شود.
2-1- طبقه بندی چشمی تفسیر چشمی به عنوان روشی که هزینۀ کمتری دارد، برای طبقه بندی های مختلف استفاده میشود.
تفسیر چشمی بر اساس روش تجزیه و تحلیل تصاویر فتومورفیک6، هم برای تصاویر هوایی و هم برای ماهواره ای و یا رادار یکسان است.
تفسیر تصویر برای هر موضوع خاص ممکن است یا موضوعات دیگر متفاوت باشد.
برای مثال، تصویر در خاکشناسی کاملاً متفاوت با دیگر کاربردها نظیر جنگلداری، زمین شناسی، جغرافیا، باستان شناسی و غیره است.
ممکن است شرایط خاک روی تصویر قابل رویت نباشد، اما اطلاعاتی در مورد پدیده های مرتبط با خاک، که مستقیماً قابل درک اند، وجود دارد که می توان از آنها برای تفسیر استفاده کرد.
برای مثال، ماهیت سنگ های مادری، رسوبات، پوشش گیاهی و پستی و بلندی از عواملی هستند که به تفسیر خاک کمک میکنند.
با توجه به اینکه خاکهای مشابه در الگوهای1 مشابه و خاکهای متفاوت در الگوهای متفاوت ظاهر میشوند، بنابراین برای برقراری ارتباط ویژگیهای عکس با خواص خاک مورد استفاده قرار میگیرند.
روش های تجزیه و تحلیل چشمی تصویر به سه دسته عمده تقسیم میشود: 1- تجزیه و تحلیل عناصر2 2- تجزیه و تحلیل فیزیوگرافیک3 3- تجزیه و تحلیل سیمای سرزمین4 و چشم انداز5واحدهای فتومورفیک Dales و Antrope(1977) روش تجزیه و تحلیل واحدهای فتومورفیک را ارائه کردند6.
از مزایای این روش آن است که قابل انطباق برای تمامی سیمای سرزمین و انطباق های متفاوت عکس یا تصویر است.
علاوه بر این کاربرد آن هم برای تصاویر ماهواره ای و هم عکس های هوایی است.
در تصاویر ماهواره ای بسته به سیمای سرزمین و ترکیب، اندازه، تصویر، الگو و رنگ، واحدهای همنگی ایجاد میشوند که واحدهای فتومورفیک(Pmu) نام دارند.
این روش بر این اصل استوار است که فقط از خواص قابل رویت تصاویر استفاده میکند و هر گونه تغییر در نواحی فتومورفیک تصاویر مشخص می شود.
این عمل به ساده کردن تصویر کمک کرده و سبب می شود ویژگیهایی که بیشتر کاربرد مدیریتی دارند، دسته بندی شوند.
برای مثال از عناصر چشم اندازی1 که در تولید واحدهای فتومورفیک سهم دارند، می توان، الگوی زهکشی، پستی و بلندی، پوشش گیاهی و کاربری اراضی را نام برد.
مهم ترین اجزای این روش( کیلدهای تفسیر) عبارتند از: 1- تن غالب یا رنگ، 2- کلاس های مختلف تن یا رنگ، 3- بافت تصویر شامل زبری و درشتی، 4- الگو شامل زهکش، سکونتگاه، شبکه های ارتباطی و کاربری اراضی، معمولا در تفسیر چشمی تصاویر ماهواره ای علاوه بر استفاده از کلیدهای تفسیری ذکر شده، از اطلاعات جانبی نظیر نقشه ها و سایر مدارک موجود برای شناسایی پدیده های سطح زمین استفاده میشود.
هنگام استفاده از تصاویر ماهواره ای، ارتباط بین پدیده ها، شناسایی و تفکیک آنها ممکن می گردد و بازدیدها و مشاهدات صحرایی نیز به صحت و تکمیل نتایج تفسیر چشمی کمک میکند.
در مورد تهیۀ نقشه های کاربری اراضی، نقشه ها با توجه به اهداف و مقیاس مورد نظر تهیه میشود.
2-2- طبقه بندی رقومی طبقه بندی رقومی بر پایۀ اختلافهای طیفی پدیده های گوناگون بر روی باندهای مختلف طیفی استوار است، اما این بدان معنی نیست که هر پدیده ای بر روی هر باند خاصی قابل تفکیک است.
برای روشن تر شدن نقش باندهای طیفی در جداسازی پدیده های گوناگون به مثال ارائه شده در شکل 1-11 مراجعه کنید(Paul و همکاران،2000).
در این نمودار تفکیک پذیری سه پدیده A،BوC بر روی سه باند نمایش داده شده است.
2-2-1- طبقه بندی نظارت نشده1 در زیر دو روش طبقه بندی نظارت نشده از مناطق آموزشی به عنوان مبنای طبقه بندی استفاده نمیشود، به عبارتی در این روش خوشه های2حاصل بر اساس تشابه طیفی پیکسل ها ایجاد میشود، بنابراین نتایج حاصله نیاز به استفاده از اطلاعات جنبی و تکمیلی برای تفسیر و شناسایی دارد.
از آنجایی که پیچیدگی های بازتاب های طیفی امری مسلم است، بنابراین استفاده از روش های طبقه بندی نظارت نشده باید با احتیاط کامل انجام گیرد.
برخی معتقدند روش طبقه بندی نظارت نشده برای درک بهتر و شناخت اجمالی پدیده ها (به ویژه قبل از عملیات صحرایی برای طبقه بندی نظارت شده) مفید است.
در این روش انتخاب تعداد کلاس ها برای طبقه بندی اهمیت زیادی دارد و بدیهی است که تعیین تعداد کلاس های طیفی مطلوب، بستگی به شناخت مفسر از منطقۀ مورد مطالعه، وضعیت بازتاب های طیفی و تجربۀ او دارد.
البته عمل سعی و خطا و تعیین تعداد خوشه های مناسب میتواند به گونه ای صورت گیرد که وضعیت مطلوب و قابل تفسیر به دست آید.
هر چند ارتباط برخی خوشه ها با پدیده های زمینی و تعیین تعداد خوشه دشوار است، بنابراین از این روش در حد شناخت کلی از منطقه و بازتاب های طیفی پدیده ها استفاده میشود و میتواند مبنای خوبی برای طبقه بندی نظارت شده باشد.
2-2-2- طبقه بندی نظارت شده3 همانگونه که در بخشهای قبل نیز بیان شد، در روش تفسیر چشمی، انسان قادر به تشخیص بسیاری از اختلاف های قابل توجه در تصویر نیست، در حالی که داده های رقومی سنجش از راه دور با کثرت درجه روشنایی فرصت بهتری برای طبقه بندی و تفسیر پدیده ها نسبت به تفسیر چشمی فراهم میکند.
طبقه بندی نظارت شده نیاز به اطلاعات قبلی و شناخت پدیده های مرتبط با داده ها دارد.
در این روش تعدادی از پیکسل ها به عنوان معرف و نمونه انتخاب مشخصات آنها از طریق نرم افزار مورد استفاده به رایانه داده میشود.
بدین طریق رایانه بقیۀ پیکسل ها را با توجه به دستورالعمل خاصی که وجود دارد، طبقه بندی کند.
مراحل طبقه بندی نظارت شده را میتوان به شرح زیر بیان داشت: 2-2-2-1- پردازش های اولیه در این مرحله انجام برخی پردازش ها نظیر ایجاد تصاویر رنگی مجازی مختلف و انتخاب بهترین تصویر، بررسی های لازم در مورد شناخت کیفیت داده ها و استخراج آمار و اطلاعات اولیه از تصاویر یا طبقه بندی نظارت نشده(جهت درک کلی و اجمالی از بازتاب های طیفی پدیده ها) مفید است.
2-2-2-2- عملیات میدانی و انتخاب مناطق آموزشی نمونه نمونه برداری برای عملیات طبقه بندی داده های سنجش از دور، بستگی به عملیات میدانی مؤثر و جمع آوری اطلاعات دقیق و مفید دارد.
عملیات میدانی معمولا وقت گیر و پر هزینه است، بنابراین هر گونه عملیات مقدماتی، پیش پردازش و بارز سازی و انتخاب روش های مناسب نمونه برداری که بتواند عملیات صحرایی را کاهش دهد، بسیار حائز اهمیت است.
اگر زمان عملیات صحرایی، منطبق و همزمان با زمان عبور ماهواره و تصویر برداری از منطقه مورد مطالعه باشد، ایدآل است.
اما باید به این مهم توجه داشت که غالباً برای برخی مطالعات همزمانی عملیات صحرایی و زمان جمع آوری اطلاعات با لحظۀ عبور ماهواره مقدور نیست و از طرفی گاهی چند ساعت اختلاف ممکن است سبب شود با وقوع یک رگبار یا اتفاقی دیگر بسیاری از شرایط سطح الارض تغییر کند.
بنابراین همواره باید دقت و ملاحظات کافی را در زمان نمونه برداری در نظر گرفت و از تمامی اطلاعات جنبی و حتی اطلاعات افراد محلی و بومی نیز نهایت بهره برداری را نمود.
بهتر است در زمان انجام عملیات صحرایی و انتخاب محل های نمونه برداری، از تفسیر چشمی نیز بهره جست.
در ضمن محل دقیق نمونه برداری را با روش های تعیین موقعیت جهانی1(Gps) تعیین کرد.
2-2-2-3- انتخاب کلاس ها و نمونه برداری انتخاب کلاس های مورد نظر باید با دقت صورت گیرد و همواره به این مهم توجه داشت بین کلاس هایی که مفسر انتخاب میکند و کلاس های ناشی از داده های سنجش از دور( کلاس های طیفی)، تفاوت اساسی وجود دارد.
این مرحلۀ بسیار مهمی است که مفسر باید با سعی و خطا، آزمون ها و تعریف های مناسب از کلاس ها، مشکل ناشی از کلاس های طیفی و کلاس های اطلاعاتی را حل کند.
برای مثال برای جدا کردن کلاسی تحت عنوان کلاس خاک های بسیار شور، مفسر مجبور به نمونه برداری از چندین زیر کلاس خاک های خیلی شور است تا در نهایت با ادغام این زیر کلاس ها در یکدیگر بتواند به کلاس اطلاعاتی خاک های خیلی شور برسد.
از این رو در می یابیم انتخاب کلاس ها باید با آگاهی کافی از بازتاب های طیفی همۀ زیر کلاس ها و وضعیت منطقۀ مورد مطالعه صورت گیرد.
گاهی اوقات تنوع و تغییرات شرایط سطح زمین برخی پدیده ها به گونه ای است که نیاز کلاس های طیفی یا زیر کلاس های متعددی مورد آزمون قرار گیرد.
برای مثال، شرایط سطح خاک های خیلی شور مناطق بیابانی تفاوت زیادی میکند.
پوسته های نمکی سفید رنگ، پوستۀ نمکی تیره رنگ، خاک های شور پوشیده از درصدهای متفاوت سنگریزه و خاک های شور پفی از جمله زیر کلاس های خاک های خیلی شور محسوب میشوند و هر کدام از آنها ممکن است بازتاب طیفی خاصی را نشان دهند.
بنابراین نمونه برداری از تمامی این کلاس ها اجتناب ناپذیر است تا از این طریق نتوان با ادغام و دسته بندی به کلاس های اطلاعاتی مورد نظر رسید.
برخی تحقیقت نشان میدهد کلاس های متعددی برای خاک های غیر شور، خیلی شور و گیاهان مقاوم به شوری باید تعریف شود تا در نهایت بتوان با استفاده از درجۀ روشنایی باندهای مناسب به جداسازی کلاس های اطلاعاتی مورد نیاز دست یافت(علوی پناه،2001).
نحوۀ نمونه برداری برای مطالعات زمینی مرتبط با داده های سنجش از دور از اهمیت زیادی برخوردار است.
در اینجا مسائل مربوط به روش های نمونه برداری، جمع آوری داده ها و مشکلات ناشی از آنها شرح داده میشود.
2-2-2-3-1- راهنمای جمع آوری داده های میدانی برای مطالعات پدیده های زمینی به ویژه تغییرات کاربری اراضی یا پوشش اراضی با استفاده از داده های ماهواره ای، دقت و ملاحظات زیادی باید در نظر گرفته شود.
در این جا سعی میشود روش هایی برای جمع آوری داده های میدانی صحیح بیان شود.
در مطالعات میدانی، قبل از هر چیز باید موارد زیر در نظر گرفته شود: