محسن شهریسوند - دانشجوی کارشناسی ارشد سنجش از دور، گروه مهندسی نقشه برداری، پردیس دانشکده های فنی، دانشگاه تهران
مهدی آخوندزاده - استادیار گرایش سنجش از دور، گروه مهندسی نقشه برداری، پردیس دانشکده های فنی دانشگاه تهران

در سال های اخیر وقوع طوفان های گرد و غبار در ایران و خاورمیانه ابعاد تازه ای گرفته و از معضلی محلی به مسئله ای ملی تبدیل شده است. بنابراین شناسایی و پیش بینی وقوع چنین طوفان هایی امری مهم و ضروری می باشد که شناسایی و تشخیص گرد و غبار، اولین و یکی از مهمترین مراحل در این مبحث می باشد.این تحقیق با هدف شناسایی مناطق دارای گرد و غبار از تصاویر ماهواره ای، در منطقه خاورمیانه انجام گرفته است. در بررسی پدیده گرد و غبار تصاویر سنجنده MODIS با توجه به قدرت تفکیک زمانی و طیفی مناسب، از اهمیت ویژه ای برخوردار می باشند.در این مطالعه سه تصویر اخذ شده توسط سنجنده MODIS مربوط به تاریخ های 14 سپتامبر 2008، 18 ژوئن 2009 و 4 مارچ 2010 در منطقه ی خاورمیانه، به منظور ارزیابی الگوریتم های پیشنهاد شده استفاده شده است.مطالعات قبلی در زمینه شناسایی گرد و غبار در تصاویر ماهواره ای از تفاضل های ساده بین باندهای مختلف و اعمال حدآستانه بر روی آنها ، گرد و غبار را در تصاویر ماهواره ای شناسایی کردند. مهمترین نقص این روش ها وابستگی حدآستانه ها به منطقه مورد مطالعه می باشد. در این مطالعه با استفاده از روش های طبقه بندی درخت تصمیم گیری، شبکه عصبی و ماشین های بردار پشتیبان(SVM) تلاش شده است که گرد و غبار در تصاویر ماهواره ای MODIS تشخیص داده شود، که روش طبقه بندی ماشین های بردار پشتیبان به عنوان یک ایده جدید مطرح شده است.به علاوه به منظور بررسی دقت هر سه روش بکار برده شده، از محصول AOD(Aerosol Optical Depth) سنجنده OMI استفاده شده است، که نتایج نشان دهنده دقت و صحت بالاتر روش SVM نسبت به سایر روش ها می باشد. با توجه به نتایج بدست آمده، این الگوریتم قادر به شناسایی گرد و غبار در هر دو منطقه خشکی و آب به طور همزمان می-باشد و می تواند جایگزین مناسبی برای محصول AOT(Aerosol Optical Thickness) تولید شده برای گرد و غبار توسط NASA باشد.

طوفان گرد و غبار، ماشین های بردار پشتیبان، شبکه عصبی، درخت تصمیم گیرس