علی روزبان - کارشناس ارشد مهندسی سنجش از دور، گروه مهندسی نقشه برداری، دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته، کرمان، کرمان، ایران
علی اسماعیلی - استادیار، گروه مهندسی نقشه برداری، دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته، کرمان، کرمان، ایران
مهدی معتق - استاد، گروه فتوگرامتری و اطلاعات جغرافیایی، دانشگاه لایبنیتس، هانوفر، آلمان

فرونشست پدیده ای است بسیار مخرب و خطرناک که علاوه بر خطرات جانی برای انسان ها، می تواند به تاسیسات زیربنایی شهرها نیز آسیب برساند. یکی از دلایل ایجاد آن استخراج بی رویه آب زیرزمینی می باشد که به طور گسترده در دشت های ایران اتفاق می افتد. تداخل سنجی سری زمانی تصاویر راداری یکی از روش های مهم برای بررسی دقیق و پیوسته فرونشست است. اما مشکل اصلی این روش حذف پیکسل ها با همبستگی پایین در چرخه پردازش است. در این تحقیق برای غلبه بر این مشکل، فرونشست دشت رفسنجان با استفاده از روش سری زمانی SBAS بهبود یافته برپایه همدوسی بررسی شده است. داده های مورد استفاده ۱۵ تصویر ماهواره SENTINEL-۱ مربوط به محدوده زمانی مهرماه ۱۳۹۴ تا مهرماه ۱۳۹۵ است و۵۰ تداخل نگاشت تولید شده است. نتایج حاصله توانایی این روش در استفاده از پیکسل ها با همبستگی پایین مربوط به مناطق پوشش گیاهی را نشان می دهد. بیشترین مقدار نرخ فرونشست ۲۸۴میلی متر در سال برای محدوه دشت رفسنجان-بهرمان و ۲۵۲میلی متر درسال برای محدوده دشت رفسنجان-کشکوییه در راستای خط دید ماهواره بدست آمد. برای بررسی رابطه بین نتایج SBAS بهبود یافته و سطح آب چاه های منطقه از ضریب همبستگی پیرسون و جهت مدل کردن رابطه از مدل رگرسیون خطی استفاده شد که نتایج بیانگر رابطه خطی مستقیم قوی است. همچنین مدل رگرسیون خطی قابلیت مدل کردن رابطه را با سطح اطمینان ۹۵% دارا می باشد. برای بررسی معنی دار بودن مدل رگرسیون خطی از آزمون تحلیل واریانس (ANOVA) و به منظور بررسی خودهمبستگی باقی ماندها از آزمون دوربین- واتسون استفاده شد که نتایج آن معنی دار بودن مدل و استقلال مشاهدات را تایید می کند.

فرونشست, تداخل سنجی, سری زمانی, SBAS بهبود یافته, Sentinel-۱, مدل رگرسیون خطی, ضریب همبستگی پیرسون