آشکارسازی گرد و غبار در حوضه آبریز جازموریان با استفاده از تکنیک های چندطیفی در تصاویر سنجنده مادیس
Publish place: Physical Geography Research، Vol: 50، Issue: 3
Publish Year: 1397
Type: Journal paper
Language: Persian
View: 328
This Paper With 18 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
JR_JPHGR-50-3_009
Index date: 17 October 2021
آشکارسازی گرد و غبار در حوضه آبریز جازموریان با استفاده از تکنیک های چندطیفی در تصاویر سنجنده مادیس abstract
یکی از چالشهای مهمی که اخیرا گریبانگیر مردم استانهای کرمان و سیستان و بلوچستان شده ظهور گرد و غبار است. خشکشدن تالاب فصلی جازموریان کانون تولید گرد و غبار در جنوبشرق کشور معرفی شده است. در این مطالعه قابلیت آشکارسازی گرد و غبار توسط شاخصهای ارائهشده در مدلهای جهانی بر روی تصاویر سنجنده مادیس در دو ماهواره ترا و آکوا طی سالهای ۲۰۰۳ تا ۲۰۱۷ پایش شد. بدین منظور، حد آستانه ارائهشده توسط محققان در شاخصهای مورد مطالعه بومیسازی شد. برای بررسی صحت عملکرد روشهای مورد مطالعه، الگوریتمهای مورد استفاده بر روی تصاویر ۰۴/۰۱/۲۰۱۷ تا ۰۷/۰۱//۲۰۱۷ سنجنده مادیس اجرا شد. برای ارزیابی کارایی روشها از دید افقی اندازهگیریشده در ایستگاه سینوپتیک و محصول عمق نوری سنجنده مادیس استفاده شد. نتایج نشان داد الگوریتمهای مورد مطالعه عملکرد مناسبی در شناسایی پیکسلهای آلوده به گرد و غبار دارند. همچنین، برای تحلیل مسیر انتقال گرد و غبار از مدل Hysplit استفاده شد. در نتیجه اجرای مدل Hysplit در سه کانون آشکارشده با الگوریتمهای مورد بررسی، مشخص شد ذرات گرد و غبار سواحل دریای عمان (کوهای مکران)، دریای عمان، و حاشیه خلیج فارس را تحت تاثیر قرار میدهند که با نتایج محققان پیشین همخوانی دارد.
آشکارسازی گرد و غبار در حوضه آبریز جازموریان با استفاده از تکنیک های چندطیفی در تصاویر سنجنده مادیس Keywords:
آشکارسازی گرد و غبار در حوضه آبریز جازموریان با استفاده از تکنیک های چندطیفی در تصاویر سنجنده مادیس authors
فرزانه قادری نسب
دانشجوی دکتری سازه های آبی دانشگاه شهید باهنر کرمان
محمدباقر رهنما
دانشیار بخش مهندسی آب دانشگاه شهید باهنر کرمان
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :