بخشی از مقاله
چکیده
به دلیل قابلیت بالاي تصاویر ماهوارهاي، امروزه در تولید و بهروزرسانی انواع لایه هاي نقشهها از این تصاویر استفاده می شود. در حال حاضر با دسترسی راحتتر به این تصاویر و همچنین ظهور تصاویر با قدرت تفکیک مکانی بالاتر مثلGeoEye1 و نیز گسترش الگوریتم هاي هوشمند، فرصت مناسبی جهت تولید نقشه هاي بزرگ مقیاس و سرعت بخشیدن به روند بهروزرسانی آنها فراهم آمده است. می توان گفت که با استفاده از تصاویر قدرت تفکیک مکانی بالا، عملیات بهروزرسانی انواع لایههاي نقشه نسبت به عملیات تهیه لایه هاي نقشه بهتر انجام می شود. در این تحقیق میخواهیم با استفاده از شاخص NDVI ، تغییرات کلاسهاي پوشش گیاهی براي بروزرسانی لایه پوشش نقشههاي 1:5000 را از روي تصاویر ماهوارهاي چندطیفی GeoEye1 شناسایی کرده و با استفاده از ماتریس خطا، میزان کمی تغییرات را برآورد نماییم.
-1 مقدمه
امروزه قابلیت بالاي تصاویر ماهواره اي موجب شده تا از این تصاویر براي تولید نقشه هاي شهري و یا بهروزرسانی نقشه هاي شهري از طریق شناسایی تغییرات در محیط هاي شهري استفاده شود. امروزه تصاویر سنجنده IRS-P5 جهت بهروزرسانی نقشه هاي متوسط مقیاس 1:25000 بکار گرفته می شوند. اما این مقیاس از نقشه تنها درباره تغییرات ابعادي شهر جوابگو بوده و درباره شناسایی تغییرات بافتی کمکی به ما نمی کند. براي تحقیق درباره شناسایی تغییرات بافتی باید سراغ نقشه هاي شهري بزرگ مقیاس رفت که تولید و بهروزرسانی آن ها مستلزم دسترسی به تصاویر ماهوارهاي با قدرت تفکیک بالا می باشد.
در حال حاضر با دسترسی به تصاویر داراي قدرت تفکیک مکانی بالا از سنجنده هایی مثل Ikonos، QuickBird، WorldView1، WorldView2 و GeoEye1 و همچنین با استفاده از روشهاي مختلف شناسایی تغییرات مثل قطعهبندي و طبقهبندي تصاویر، تبدیل دستی، استفاده از داده هاي تلفیقی و تفاضل گیري تصویري، فرصت مناسبی جهت تولید نقشههاي بزرگ مقیاس و سرعت بخشیدن به روند بهروزرسانی انواع لایههاي آنها فراهم آمده است.[2] [1]
اصلی ترین مرحله در بهروزرسانی نقشه ها، مرحله آشکارسازي تغییرات می باشد. آشکارسازي تغییرات در واقع شناسایی اولیه تغییرات صورت گرفته روي عوارض است. تاکنون روشهاي مختلفی براي بروزرسانی انواع نقشه ها ارائه شده است که در اینجا روشهاي بکارگرفته شده براي لایه پوشش گیاهی را بررسی میکنیم. تحقیقات مهم در این زمینه، از سال 2004 با ارائه روشی شیءمبنا توسط Walter در بهروزرسانی جاده، ساختمان و گیاه از روي تصاویر ماهواره اي آغاز شد . [3] تحقیق دیگر توسط Lennartz و Congalton صورت گرفت که به موجب آن، گیاهان با استفاده از الگوریتم شیء مبنا، از روي تصاویر ماهواره اي بهروزرسانی می شدند .[4]
روش NCAS توسط آقاي caccetta و همکارانش در سال 2007 براي حذف خطا در مقایسه کردن تصویرها - خطاي تلفیق مشخصه هاي منحصر به فرد تصاویر که در مرحله مقایسه تصاویر پس از توصیف آنها ایجاد می شود - ارائه شد که در آن از یک سري زمانی و مدلسازي مکانی بهره گیري شده بود .[5] تحقیق بعدي توسط Doxani و همکاران - 2008 - ، درباره بهروزرسانی گیاهان از روي تصاویر ماهواره اي با استفاده از روش شیء مبنا انجام شده است.[6] روش بعدي استفاده از بردار طیفی یا شاخص تغییر از یک حالت مرجع می باشد که این روش توسط آقاي XIAN و همکارانش در سال 2009 استفاده شد. دراین مجموعه اي از شاخص ها از جمله NDVI، وجود دارند که در مسیر شناسایی و ثبت تغییرات فعالیت دارند.
این روش در لایه تغییر پوشش اراضی NLCD بکار گرفته می شود [7]و .[8] در ادامه روشهاي SDSU و CI بوجود آمدند که با استفاده از تمام طیف هاي ورودي، مشخصه هاي از دست رفته یا از بین رفته را جمع آوري می کرد. این روش ها محصول روسیه و اروپا هستند که فضاي ویژگی تصویر اول و دوم را ترکیب کرده و به نقشه ي پوشش از بین رفته می رسد. این روش ها از داده هاي سري زمانی MODIS براي نقشه سازي تغییرات استفادهکننمدی که توسط آقاي HONSEN و همکارانش در سال 2010 بوجود آمد .[9] نیکفر و همکاران - 2010 - یکی از تحقیقات خوب را به منظور بهروزرسانی نقشه هاي 1 :25000 پوششی ایران انجام دادند. نتیجه این تحقیق ارائه یک الگوریتم بر مبناي قطعه بندي تصاویر با استفاده از توصیف گرهاي قطعه بندي بود .
[2] یکی دیگر از مهمترین تحقیقات در زمینه بهروزرسانی نقشه ها با استفاده از طبقه بندي تصویر مربوط به کار Bouziani و همکاران - - 2010 است [10] که هدف آن ها بهروزرسانی نقشه هاي بزرگ مقیاس شهري و داده هاي مورد استفاده ایشان تصاویر پانکروماتیک و چندطیفی سنجنده کوئیک برد و نقشه رقومی قدیم منطقه بود. یکی از جدیدترین الگوریتمهاي ارائه شده که برمبناي آنالیزهاي بصري تدوین گردیده ، در سال 2012 توسط Zahir Ali و همکاران تهیه و استفاده شده است .[11] آنها با ارائه روشی یکپارچه در بهروز رسانی نقشه هاي کاداستر در پاکستان با استفاده از آنالیزهاي بصري تصاویر سنجش از دور، یکی از تحقیق هاي مهم در این بخش را انجام دادهاند.
علاوه بر الگوریتم Zahir Ali ، چند تحقیق مهم دیگر در سطح بر روي تصاویر WorldView-2 انجام شده که از جمله آنها می توان به ارائه تحقیق بامدادي و همکاران - 2014 - پرداخت که در زمینه بروزرسانی نقشه کاداستر زراعی، از تصویر سنجنده WorldView-2 استفاده کردهاند. در این تحقیق ابتدا تصحیح هندسی تصویر با استفاده از 3 ترکیب متفاوت براي نقاط کنترل و چک به روش رشنال زمین وابسته انجام شده است که در بهترین حالت دقت هندسی با استفاده از 40 نقطه کنترل به 0,43 متر رسیده است. سپس با استفاده از تبدیل دستی، نقشه بروز شده مربوط به لایه مورد نظر تهیه شده است.[12]
اگر به صورت کلی صحبت کنیم می توانیم بگوییم که هیچ کدام از مجموعه روشهاي معرفی شده براي شناسایی تغییرات لایه پوشش گیاهی نقشههاي بزرگ مقیاس شهري که موضوع و هدف اصلی تحقیق ما می باشد، به تنهایی کارآمد نیستند یا در هرکدام در شرایط خاصی به نتیجه میرسند . با وجود پیشرفت هاي مثبت دربخش تولید تصاویر ماهوارهاي، تردیدهایی در خصوص توان کاربرد عملی سنجش از دور در تهیه نقشه هاي بزرگ مقیاس شهري وجود دارد.
به عنوان مثال، مسئله مهم، پایداري و درجه اطمینان است براي زمانی که بخواهیم نقشه هاي تهیه شده از مناطق شهري را با استفاده از داده هاي سنجش از دور بهروز رسانی و بهنگام سازي کنیم. اهمیت و پیچیدگی این مسئله جایی زیاد است که نقشه هاي مورد مطالعه ما براي بهروز رسانی نقشه هاي بزرگ مقیاس باشند. با ظهور سنجنده هایی که داراي تصاویر با قدرت تفکیک مکانی بسیار بالا هستند، به نظر می رسد که توان سنجش از دور در تهیه لایه هاي نقشه بسیار بالا رفته باشد، اما این مسئله باید مورد بررسی قرار گیرد.
-2 روش پیشنهادي
با توجه به تحقیقات انجام شده در سال هاي اخیر که در بخش قبل ارائه شد، براي بروزرسانی لایه پوشش گیاهی نقشه ها، باید یک استراتژي همراه با مراحلی را طراحی نمود که اولین مرحله در بهروزرسانی، انتخاب مناسبترین مقیاس با توجه به تصویر مورد استفاده براي منطقه مورد مطالعه و پیش پردازش دادهها است. سپس باید تغییرات بوجود آمده در لایه مورد نظر را شناسایی نمود. در مرحله آخر نتایج بدست آمده باید پس پردازش شوند که این کار در نهایت بیشترین کمک را به اپراتور خواهد کرد تا با دقت و سرعت بیشتري تغییرات را به نقشه اعمال کند.
-1-2 پیش پردازش دادهها و انتخاب مناسبترین مقیاس براي داده مورد استفاده - GeoEye1 - علی رغم اینکه دادههاي ماهواره اي پیش از ارائه به کاربران در سطوح مختلف از نظر هندسی و رادیومتري تصحیح می شوند، امکان باقی ماندن برخی از خطاهاي اولیه و یا ایجاد خطاهاي ناشی از فرآیند تصحیحات اولیه وجود دارد؛ بدین منظور تصویر چندطیفی مورد استفاده، مجدداَ در نرم افزار ENVI از نظر هندسی و رادیومتریکی مورد بررسی قرار گرفت.
همانطور که در چند روش مشاهده شد، ایجاد تناسب بین مقیاس نقشه و داده و پیش پردازش آن مخصوصاً عملیات زمین مرجع کردن داده ها غیر قابل اغماض است. نکاتی که در این مرحله باید رعایت کرد عبارتند از: -1 ابعاد زمینی پیکسلهاي تصویر - به منظور اطمینان از وجود دقت مسطحاتی لازم در تصویر جهت بهروزرسانی نقشه با مقیاس مورد نظر - -2 نسبت B:H سنجنده اخذ کننده تصویر - به منظور اطمینان از وجود دقت ارتفاعی لازم در تصویر جهت بهروزرسانی نقشه با مقیاس مورد نظر - -3 زمان تصویر برداري - به منظور قابل رؤیت بودن عوارض سطح زمین - -4 زاویه ارتفاعی خورشید نسبت به عوارض - بهترین حالت براي زاویه ارتفاعی خورشید هنگامی است که زاویه ارتفاعی خورشید 30 درجه باشد.