بخشی از مقاله
چکیده
از مهمترین کاربردهاي سنجش از دور حرارتی تعیین دماي سطح زمین است . با توجه به پرتاب ماهواره لندست-8 در سال 2013 و مجهز بودن این ماهواره به دو باند حرارتی، در این تحقیق روشی نوین بر مبناي شبکه عصبی براي به دست آوردن دماي سطح زمین از تصاویر این ماهواره ارائهشده است. پارامترهاي ضریب گسیل، دماي درخشندگی و تصحیح اتمسفري با توجه به معادله انتقال تشعشعی حرارتی و فیزیک مسئله دماي سطح زمین بهعنوان ورودي هاي شبکه عصبی انتخاب شدند.
با توجه به تستها و بررسی انجامشده، شبکه عصبی مبتنی بر یکلایه میانی با پنج نورون جهت رسیدن به بهینهترین عملکرد طراحی گردید. شبکه عصبی با استفاده از دادههاي طراحی شده بر اساس نرمافزار MODTRAN و پروفایلهاي اتمسفري، آموزش داده شد. درنهایت این روش با استفاده از دادههاي مستقل دمایی مورد ارزیابی قرار گرفت. نتیجه ارزیابی خطاي RMSE برابر 1/73 درجه کلوین را نشان می داد. با توجه بهدقت قابلقبول این روش در تعیین دماي سطح زمین، روش ارائهشده میتواند روشی مناسب در تعیین دماي سطح زمین از تصاویر ماهواره لندست-8 باشد.
-1 مقدمه
دماي سطح زمین - LST - پارامتر فیزیکی قابل محاسبه از تصاویر سنجش از دور حرارتی است . دماي سطح زمین بهعنوان یکی از پارامترهاي مهم در مطالعه مدل هاي تعادل انرژي و آب در مقیاس منطقهاي و جهانی است
دانش مربوط به دماي سطح زمین اطلاعاتی ازنظر مکانی و زمانی در مورد حالت تعادل سطح زمین می دهد و از آن میتوان بهعنوان یکی از پارامترهاي اصلی در کاربردهاي متنوع علوم زمین نام برد .
به عنوان مثال دماي سطح زمین بهطور گسترده اي در موضوعات متنوعی شامل تبخیر و تعرق، تغییرات آب و هوایی، چرخه آبی، پایش گیاهان و مطالعات محیطزیست کاربرد دارد. دماي سطح زمین یکی از پارامترهاي مهم اولیه در برنامه زمین کره و زیستکره است
دماي سطح زمین به خصوصیاتی ازجمله نوع پوشش سطح، رطوبت، ویژگیهاي ساختاري و شیمیایی سطح، ضریب گسیل و شرایط اتمسفري وابسته است . دماي سطح زمین به تغییرات زمانی و مکانی بسیار حساس است. در علم سنجش از دور براي تخمین دماي سطح زمین لازم است تصاویر ماهوارهاي داراي توان تفکیک مکانی و طیفی مناسب باشند.
تاکنون روش هاي متعددي جهت تعیین دماي سطح زمین با استفاده از تصاویر ماهوارهاي ارائهشده است؛
که مهمترین آنها عبارتاند از روش تک کاناله، روش پنجره مجزا، روش جداسازي ضریب گسیل و دما و
روش روز و شب.
هدف اصلی روش تک کاناله تخمین دماي سطح زمین از طریق تک باند حرارتی است. این روش بر مبنا معادله انتقال تشعشعی و تقریب خطی از بسط سري تیلور معادله قانون پلانک استوار است. درروش تک باندي با فرض معلوم بودن ضریب گسیل و پروفیلهاي اتمسفري دما تخمین زده میشود. از مزایاي مدلهاي تک باندي می توان بهسادگی آن و کاربردي بودن روش براي دادههایی با تنها یک باند حرارتی اشاره کرد؛ اما نیاز به داشتن دانش اولیه از ضریب گسیل و پروفیلهاي اتمسفري دقیق از معایب این روش است
روشهاي پنجره مجزا با استفاده از تلفیق باندهاي حرارتی مجاور سعی در کاهش تأثیرات اتمسفري دارند و بر همین مبنا طراحی گشتهاند از مزایا این روش میتوان به عدم نیاز این روش به پروفیل اتمسفري دقیق و همچنین کارآمدي روش براي تمامی سنسورها با حداقل دو باند حراتی اشاره کرد. وابستگی این روش به اطلاع از ضریب گسیل و همچنین تعیین ضرایب هر مدل براي هر منطقه را میتوان از محدودیتهاي این روش دانست. به طورکلی روشهاي پنجره مجزا را میتوان به دو دسته کلی روشهاي خطی و غیرخطی تقسیمبندي کرد
الگوریتم جداسازي ضریب گسیل و دما در سال 1998 در تیم سنجنده استر طراحی و توسعه یافت و با اعمال تغییراتی براي سایر سنجنده ها استفاده گردید .این الگوریتم درواقع تلفیق سه الگوریتم ضریب گسیل نرمال شده، روش نسبت طیفی و روش گسیل مندي حداقل و حداکثر است. این روش بر پایه ایجاد یک رگرسیون تجربی بین اختلاف ضریب گسیل با ضریب گسیل میانگین پنج باند حرارتی استو ار است و با استفاده از تکرار، بهطور همزمان پارامترهاي ضریب گسیل سطح و دماي سطح را تعیین می کند
اساس روش شب و روز بر ثابت فرض کردن ضریب گسیل در طول زمان به شرط تغییر نکردن پارامترهاي محیطی استوار است. در این روش با فرض ثابت ماندن پارامترهاي محیطی، از منطقه دو تصویر حرارتی اخذ میشود و درنتیجه یک معادله جدید براي ضریب گسیل ایجادشده حال براي هرباند حرارتی هر تصویر یک معادله بر اساس تابع انتقال تشعشعی میتوان نوشت. هر معادله 2 مجهول ضریب گسیل و دما را دارد که با فرض ثابت ماندن ضریب گسیل می توان یک معادله به معادلات اضافه کرد. با حل همزمان معادلات به تعداد مجهولات یک عدد اضافه می شود درحالی که تعداد معادلات دو برابر میگردد؛ و درنتیجه معادله قابل حل میشود . ضعف عمده این روش نیاز بهدقت بالا در ثبت هندسی مکانی و رادیومتریکی دو تصویر نسبت به یکدیگر است. که بر روي دقت نتایج حاصله تأثیر زیاد میگذارد
در این مقاله روشی مبتنی بر شبکه عصبی براي تعیین دماي سطح زمین از تصاویر ماهوارهاي لندست-8 ارائهشده است. شبکه عصبی مورد استفاده از نوع پرسپترون چندلایه با یکلایه ي میانی است. لایه میانی از پنج نورون تشکیلشده است. این شبکه هفت پارامتر ضریب گسیل باندهاي 10 و 11، دماي درخشندگی باندهاي 10 و 11 و پارامتر هاي اتمسفري را بهعنوان ورودي دریافت میکند و دماي سطح زمین خروجی این الگوریتم است. این روش با استفاده از دادههاي مستقل مورد تست و ارزیابی قرار گرفت که دقت قابل قبولی را از خود نشان داد.
ماهواره لندست 8- جدیدترین ماهواره از سري ماهواره هاي لندست است که در فوریه 2013 به فضا پرتاب شد. در حال حاضر تصاویر این ماهواره بهصورت رایگان توسط سازمان زمین شناسی آمریکا ارائه میشود. این ماهواره از دو سنسور OLI و TIRS تشکیلشده است؛ که سنسور OLI محدودههاي مرئی و مادونقرمز نزدیک و سنسور TIRS محدوده مادونقرمز حرارتی را دربر میگیرد . مهمترین تفاوت ماهواره لندست 8 – با سایر ماهواره هاي مجموعه لندست، مجهز بودن این ماهواره به دو باند حراتی است. جدول 1 ویژگی باندهاي این ماهواره را نشان میدهد.
جدول -1 ویژگی باندهاي ماهواره لندست
-2 دادههاي مورد مطالعه
طراحی و استفاده از دادههاي عددي و شبیهسازي شده از بخشهاي مهم در طراحی و ارزیابی الگوریتمهاي نوین در حوزه سنجش از دور حراتی به شمار می رود. در این تحقیق به این منظور از دادههاي شبیهسازيشده که با استفاده از نرمافزار MODTRAN و ورودي هاي پروفایل اتمسفري و تابع پاسخ طیفی باندهاي حراتی ماهواره لندست-8 طراحی شدند استفاده گردید.
تابع پاسخ طیفی را میتوان تابعی که در هر طولموج حساسیت تابشی را میدهد تعریف کرد و یا بهصورت فیزیکی میتوان آن را پاسخ دستگاه و یا مواد به نور تکرنگ بهعنوان تابعی از طولموج تعریف نمود [10] هر سنسور تابع پاسخ طیفی مربوط به خود را دارد که به ویژگی هاي ساختاري سنسور بستگی دارد. شکل 1 تابع پاسخ طیفی باندهاي حرارتی ماهواره لندست-8 را نشان میدهد.
شکل – 1 تابع پاسخ طیفی باندهاي حراتی لندست-[11] 8
-3 شبکه عصبی مصنوعی
شبکههاي عصبی مصنوعی مدلهاي ریاضیاتی از شبکه عصبی بیولوژیکی هستند. این شبکهها توان بالایی در انطباق با دادهها دارند درواقع این شبکهها سعی دریافتن نظم و هماهنگی موجود در بین دادهها را دارند
