تشخیص تپه های شنی بیابانی منطقه ریگ جن با بهره گیری از شاخص نرمال شده تفاوت مازاد شن و ماسه (NDESI) در تصاویر سنتینل ۲ و سنجنده OLI ماهواره لندست ۸
Publish Year: 1404
نوع سند: مقاله ژورنالی
زبان: Persian
View: 54
This Paper With 19 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JARGS-16-59_009
تاریخ نمایه سازی: 29 اردیبهشت 1404
Abstract:
هدف: هدف از این تحقیق شناسایی پهنه تپه های شنی و روند تغییرات آن در نواحی بیابانی با استفاده از شاخص های طیفی در ماهواره های لندست ۸ و سنتینل ۲ است. روش و داده: در این تحقیق با بهره گیری از چهار باند از داده های سنتینل ۲، شاخص طیفی جدیدی با نام NDESI برای شناسایی و تشخیص تپه های شنی در منطقه ریگ جن ارائه گردیده است. این شاخص، از باند آبی، قرمز یا لبه قرمز پوشش گیاهی و دو باند مادون قرمز موج کوتاه SWIR۱ و SWIR۲ برای تولید تصویر استفاده کرده است. برای ایجاد آستانه های منحصربه فرد برای هر تصویر از یک روش محاسبه آستانه استفاده شد. یافته ها: بر این اساس میزان آستانه برای معادله ۱ و ۲ در ماه مارس و جولای ۲۰۲۳ ماهواره سنتینل ۲ به ترتیب ۰/۲۶۱ و ۰/۲۱۷ به دست آمد. این میزان برای ماهواره لندست ۸ در سال های ۲۰۱۳، ۲۰۱۸ و ۲۰۲۳ به ترتیب معادل ۰/۰۶۳، ۰/۰۷۳۵ و ۰/۰۷۱ بوده است. وسعت تپه های شنی در این منطقه بر اساس معادله ۱ ماهواره سنتینل ۲ در ماه جولای ۲۰۲۳ معادل ۲۲۶۲ کیلومتر مربع بوده و برای ماهواره لندست ۸ در همین سال به میزان ۲۶۳۸ کیلومتر مربع به دست آمد. در بحث همبستگی پیرسون نیز مشاهده شد که بیشترین همبستگی به میزان ۰/۶۳ بین شاخص NDESI و باند ۷ ماهواره لندست ۸ برقرار بوده و کمترین میزان همبستگی نیز به میزان ۰/۱۴- بین این شاخص و باند ۲ در معادله ۱ ماهواره سنتینل ۲ مشاهده شده است. نتیجه گیری: در نهایت، ارزیابی دقت بر روی تصاویر حاصل از معادلات ۱ و ۲، دقت کلی ۸۷/۴ و ۸۳/۷ درصد را نشان داد. این شاخص با داده های لندست ۸ نیز سازگار بوده است. نوآوری، کاربرد نتایج: از نتایج این تحقیق در بررسی تپه های شنی و شناسایی آن ها استفاده شده است.
Authors
مهدی فیض اله پور
گروه جغرافیا، دانشکده علوم انسانی، دانشگاه زنجان، زنجان، ایران
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 :