بخشی از مقاله
چکیده
تصاویر سنجشازدور ابزاری مناسب جهت برآورد عمق در مناطق ساحلی است. در این پژوهش، به منظور مطالعه مناطق کمعمق ساحلی از تصاویر لندست-8 و دادههای هیدروگرافی که با روش اکوساندر جمعآوری شده استفاده شده است. هدف از این پژوهش، عمق سنجی از نواحی جنوب شرقی ساحل دریای خزر از طریق آموزش شبکه عصبی است. تصحیح اتمسفری Dark Object Subtract - DOS - ، تصحیح رادیومتریکی - تبدیل درجات روشنایی به بازتاب - ، تصحیح درخشندگی خورشید و در نهایت ماسک کردن مناطق آبی از مناطق خشکی از جمله پیشپردازشهای الزم است که بر روی باندهای آبیساحلی، آبی، سبز و قرمز تصویر لندست اعمال شده است.
باال بودن حجم دادهها از یک طرف و نامتوازن بودن توزیع فراوانی دادهها از طرف دیگر موجب شد تا شبکه عصبی در دو حالت بررسی گردد. در حالت اول، هر یک از چهار باند به عنوان دادههای ورودی و دادههای عمق متناظر با هر یک از این پیکسلها به عنوان هدف به شبکه عصبی معرفی گردید. و در حالت دوم، دادههای عمق براساس کالستربندی به روش میانگین فازی به چهار کالستر تقسیمبندی شدند و اطالعات هر کالستر بصورت جداگانه به شبکه ارائه شد.
در هر دو حالت مورد بررسی، سهم دادههای آموزشی، دادههای اعتبارسنجی و دادههای آزمایش از دادههای ورودی به ترتیب 60 درصد، 10 درصد و 30 درصد میباشد. نتایج حاصل از شبکه عصبی در دو حالت نشان میدهد که باال بودن تعداد دادهها تأثیری در خروجی نداشته است و روش شبکه عصبی قادر به تخمین عمق بر روی کل مجموع دادهها و هم بر روی هر کالستر با دقت بسیار باالیی است.
-1 مقدمه
تعیین دقیق عمق برای اهدافی همچون کشتیرانی، پایش توپوگرافی زیر آب، و تهیه چارتهایی دریایی جهت ناوبری کاربرد دارد. گرچه روشهای سنتی عمقسنجی قادر به اندازهگیری دقیق نقاط یا پروفیل عمق در امتداد ترانسکتها میباشند اما ناکارآمدی، هزینههای لجستیکی و عدم دسترسی به مناطق دور از محدودیتهای آن به شمار میرود. همچنین شرایط محیطی و محدودیتهای فنی مانع عملیاتی شدن آن برای آبهای نزدیک ساحلی شده است.[1] با استفاده از روشهای سنجشازدوری عمق میتواند با چند تکنیک تخمین زده شود اما هر یک از این روشها متناسب با محدوده عمق دقت، خطا، مزایا و معایب خود را دارد.[2]
هر چند سیستمهای فعال مانند لیدار هزینهبر و وسعت عمق-برداری آن محدود است، اما سنجندههای غیرفعال هوابرد در مقایسه با لیدار هم ارزانتر هستند و هم مساحت وسیعتری را پوشش میدهد. از طرفی عمق سنجی در آبهای کمعمق ساحلی با ماهوارههایی با توان تفکیک مکانی باال دارند مناسبتر هستند، اما دسترسی به آن نیز در همه کشورها امکان پذیر نیست. از اینرو، تصاویر رایگان لندست میتواند گزینه مناسب در این امر به حساب آید. به منظور تخمین عمق با استفاده از سنجشازدور اپتیکی روشهای متعددی پیشنهاد شده است.
رویکرد لیزنگا و استامپف که بر روش تجربی تکیه دارد4] و.[3 این رویکرد توسط افرادی همچون سو و همکاران و برامانت و همکاران توسعه یافت6] و.[5 از جمله فرضیاتی که در این رویکرد مطرح است میتوان به همگن بودن جنس بستر آب و یکسان بودن ستون آب اشاره کرد. در دهههای اخیر، تخمین عمق با استفاده از شبکه عصبی انجام شده است. در این روش یک رابطه غیر خطی بین بازتاب باندهای طیفی و مقادیر عمق آب در نظر گرفته میشود .[7]
مزیت این روش آن است که از طریق آموزش قادر به برقراری ارتباط میان درجات روشنایی با مقادیر عمق بوده و با توجه به پارامترهای مجهولی همچون تنوع در جنس بستر و ستون آب میتواند به عنوان روشی ساده مورد استفاده واقع شود .[8] افراد مختلفی از روش شبکه عصبی در برآورد عمق بهره گرفتهاند؛ به عنوان مثال، سیان ویالسین - 2010 - با ا استفاده از روش شبکه عصبی به اندازهگیری عمق از روی تصاویر استر و کوییک برد پرداختند.[7] ابراهیمیکیا و همکاران به منظور ارزیابی روشهای عمقسنجی با استفاده از تصاویر ماهوارهای آیکونوس منطقهای در شمال جزیره کیش را مورد مطالعه قرار دادند.
از بین روشهای مورد آزمون، روش لیزنگا و روش مبتنی بر شبکه عصبی مصنوعی از نتایج بهتری را نشان دادند.[8] همچنین غالمعلی فرد و همکاران روشهای الگوریتم تک باند، تحلیل مؤلفه اصلی - PCA - 1 و شبکه عصبی برای عمقیابی قسمت جنوب شرقی دریای خزر به کار بردند از میان این روشهای نامبرده روش شبکه عصبی بهترین برآورد عمق را داشته است .[9] در این پژوهش نیز سعی شده است با استفاده از بازتاب باندهای مرئی پیشپردازش شده لندست-8 و دادههای هیدروگرافی به ارزیابی دقت عمق برآورد شده از طریق شبکه عصبی بر روی دادههای کل و دادههای کالستربندی شده بپردازد.
-2مواد و روشها
دادههای مورد استفاده در این پژوهش، دادههای هیدروگرافی و تصاویر ماهوارهای لندست-8 میباشد. ارتفاع دادههای هیدروگرافی نسبت به میانگین سطح آب روزهای هیدروگرافی -26/5 متر نسبت به MSL2 بود. بیشترین و کمترین عمق ثبت شده به ترتیب برابر 6/66 و 0/63 متر میباشد. 60 درصد از دادهها به عنوان داده آموزشی، 10 درصد به عنوان داده اعتبارسنجی و 30 درصد باقیمانده آن به عنوان داده آزمایش در نظر گرفته شد. تصویر لندست-; Path/Row= - 8 - SCENEID = LC81630342016101LGN00 163/34 از سایت زمین شناسی ایاالت متحده دانلود شده است .
از آنجا که باند آبی قدرت نفوذ بیشتری در محیطهای آبی دارد از این رو، تصاویر لندست 8- با توان تفکیک مکانی 30 متر و با تصویربرداری در محدوده طیفی باندآبی - 0/45 - 0/51 - و آبی ساحلی - 0/43 - 0/45 - میکرومتر میتواند جهت انجام عمقسنجی آب بسیار مناسب است. محدوده مورد مطالعه واقع در بخش جنوب شرقی ساحل دریای خزر است. محدوده جغرافیایی آن در شکل - 1 - نشان داده شده است. که مطابق با دادههای هیدروگرافی تغییرات عمقی این محدوده تقریبا از -1 تا -7 متر متغیر میباشد.
جهت استخراج دقیقتر اطالعات عمق ضرورت دارد پیشپردازشهایی بر روی داده هیدروگرافی و تصاویر ماهوارهای اعمال شود. سیستم مختصات دادههای اکوساندر با سیستم مختصات تصویر هماهنگ باشد. بنابراین دادههای مکانی اکوساندر به سیستم مختصات تصویر WGS84 UTM 39N تبدیل شد. تابش خورشیدی با گذر از اتمسفر، از بخار آب و ائروسلهای موجود در جو تأثیر میپذیرد، از این رو تصحیح اثرات اتمسفر بویژه در مناطق آبی و در مطالعات اقیانوس-شناسی به دلیل متراکم بودن بخار آب اهمیت دارد.
به منظور عمقسنجی از میان روشهای مختلف تصحیح اتمسفری، روش DOS بر تصویر اعمال میشود. تصحیح اتمسفری DOS1 مبتنی بر تصویر است و نتایج بررسیهای اخیر دقت تصحیح اتمسفری DOS بر روی تصاویر لندست-8 در مناطق ساحلی را تأیید کرده است .[10] در این تصحیح اتمسفری فرض میشود که عارضههایی که در زمان اخذ تصویر کامال در سایه قرار دارد، یا آبهای عمیق مقدار بازتاب آنها صفر است. به این دلیل که آب جذب کننده انرژی الکترومغناطیس مخصوصا در طولموجهای بلند است و مقدار انرژی ساطع شده از سطح آب ناچیز و اثر اتمسفر قابل توجه است.[11]
جذب و پراکنش اتمسفری موجب میشود که سنجنده مقدار درجه روشنایی - DN - غیر از صفر را ثبت کند. این مقدار درجه روشنایی غیرصفر ثابت از کل باندها کم میشود. در مرحله بعد، با استفاده از اطالعات موجود در فایل متادیتا تصویر، مقادیر درجه روشنایی به بازتاب تبدیل شد. بازتاب آینهای تابش خورشید از سطح صاف آب اقیانوسها و دریاها به عنوان درخشندگی خورشید2شناخته شده است.
در محیطهای آبی کم عمق، تابش پرتو درخشان نور خورشید بر سطوح صاف آب مشکل جدی را بر روی تصاویر ماهوارهای بوجود میآورد که بایستی از تصویر حذف شود. برای تصحیح درخشندگی خورشید روش هدلی به کار گرفته شد.[12] بعد از اجرای این مراحل، پهنههای آبی از نواحی خشکی تصویر تفکیک شد. جهت تفکیک نواحی خشکی از آبی باند مادون قرمز نزدیک با طول موج - 845-885 - نانومتر مورد استفاده قرار گرفت .[13] مراحل پیش پردازش دادههای مورد استفاده در شکل - 2 - نشان داده شده است.
روش عمق سنجی مبتنی بر آموزش شبکه عصبی
شبکه عصبی مصنوعی یک سامانه پردازشی دادههاست که از مغز انسان ایده گرفته و پردازش دادهها را به عهده پردازندههای کوچک و زیادی سپرده که بصورت شبکهای به هم موازی با یکدیگر رفتار میکنند تا یک مسئله را حل کند. این شبکهها برای تخمین و تقریب کارایی باالیی از خود نشان دادهاند.[14] مهمترین جزء شبکه عصبی نرون3است که به سه دسته "ورودی، پنهان و خروجی" تقسیم میشود.
