شنبه, ۱۸ اردیبهشت ۱۴۰۰ ۱۰:۵۷ ۵۲
چچ
دستورالعمل ‌‌استخراج اطلاعات ماهیتی از تصاویر ماهواره‌‌ای

دستورالعمل ‌‌استخراج اطلاعات ماهیتی از تصاویر ماهواره‌‌ای

سازمان فضایی ایران به عنوان مرجع اصلی سیاست‌ گذاری خدمات فضایی و به منظور ایفای نقش حاکمیتی خود، تهیه و تدوین مجموعه استاندارد ها و دستورالعمل‌‌ های ملی حوزه سنجش از دور را در دستور کار خود قرار داده است. با توجه به پتانسیل بالای تصاویر ماهواره‌‌ ای جهت تامین اطلاعات مورد نیاز از پدیده‌ های جغرافیایی، تدوین دستورالعمل‌ های جامع و فراگیر در حوزه تولید اطلاعات مکانی و ماهیتی از این تصاویر حائز اهمیت می‌ باشد. از این‌ رو، طرح تدوین استاندارد ها و دستورالعمل‌ های ملی استخراج اطلاعات ماهیتی از تصاویر ماهواره‌ ای در سه مقیاس اصلی ارائه شده است:

  • کوچک مقیاس 1:250.000 (پر کاربرد ترین مقیاس در مطالعات راهبردی)
  • متوسط مقیاس 1:25.000 (مقیاس اصلی در مطالعات منطقه‌‌ ای و بخشی)
  • بزرگ مقیاس 1:2.000 (مقیاس مطالعاتی رایج در فعالیت‌‌ های اجرایی)

از آنجائیکه استاندارد ها، سطوح دقت و نحوه نمایش عوارض در مقیاس‌‌ های مختلف تفاوت‌ های چشمگیری با یکدیگر دارند، تهیه و تدوین استاندارد ها و دستورالعمل‌ های هر مقیاس‌ به صورت مجزا در نظر گرفته شده است که در ادامه معرفی می‌ گردد.


  1. تجربیات و الگوهای بین المللی در تهیه نقشه‌‌ های پوششی از تصاویر ماهواره‌‌ ای

به منظور شکل دادن ساختار کلی عوارض پایه قابل استخراج، الگوهای مختلف ارائه شده برای تهیه نقشه های پوششی در کشورهای آمریکا، کانادا، استرالیا و کشورهای اروپایی و همچنین الگوهای بین المللی مورد بررسی قرار گرفت. الگوهای نقشه های پوششی بررسی شده در کشورهای مختلف در شکل 1-1 ارائه شده است.


الگوهای نقشه های پوششی بررسی شده در کشورهای مختلف

شکل-1: الگوهای نقشه های پوششی بررسی شده در کشورهای مختلف


  • آمریکا

در کشور آمریکا دو سیستم طبقه بندی کاربری و پوشش اراضی تحت عناوین USGS و Florida وجود دارد که در ادامه به تشریح جزئیات آنها پرداخته می‌‌ شود.

  • USGS

U.S. Geological Survey Circular 671 یک سیستم طبقه بندی کاربری و پوشش اراضی ارائه داده است. در این پروژه از تصاویر ماهواره ای به عنوان منبع داده برای تهیه نقشه و از داده های کمکی برای تهیه اطلاعات کاربری با جزئیات بیشتر استفاده ‌شده است. انواع کاربری و پوشش قابل تشخیص به کمک تصاویر ماهواره‌‌ ای به عنوان پایه‌‌ ای برای سازمان‌‌ دهی این سیستم طبقه‌‌ بندی تعیین شده است. از آنجا که تصاویر متفاوت با قدرت تفکیک های متفاوت وابسته به ارتفاع و مقیاس متفاوت وجود دارند، بنابراین طراحی سیستم طبقه بندی کاربری و پوشش اراضی در سطوح مختلف مد نظر قرار گرفته است. با فرض فاصله کانونی 6 اینچی برای دوربین در تصویربرداری، الگوی ارائه شده در جدول 1-1 پیشنهاد ‌شده است.


جدول-1: سطح های طبقه بندی در الگوی USGS

سطح های طبقه بندی در الگوی USGS


همانطور که در جدول 1 مشخص است، دسته بندی نقشه پوششی USGS در 4 سطح ارائه شد که در سطح اول کلیه عوارض به 9 دسته اصلی (جدول 2) تقسیم شدند. اطلاعات در سطح Ӏ و ӀӀ برای کاربران خواستار اطلاعات در سطح کشور و بین کشوری مناسب است. جزئیات بیشتر داده های کاربری و پوشش در سطح ӀӀӀ وVӀ برای کاربران خواهان اطلاعات در سطح درون کشوری و منطقه ای مناسب است. بیشترین جزئیات در سطح آخر سنجیده می‌ شود.


جدول-2: کلاسه بندی کاربری و پوشش اراضی در الگوی USGS

کلاسه بندی کاربری و پوشش اراضی در الگوی USGS


  • Florida

انیستیتو تحقیقاتی Fish and Wildlife در Florida که وضعیت و نیازهای حیوانات وحشی را مورد بررسی قرار می‌ دهد، یک الگوی طبقه بندی پوشش اراضی، در سال 2009 ارائه داد. داده های مربوط به این پروژه طبقه بندی توسط USGS تامین شد. خروجی این پروژه تولید سیستم طبقه بندی زیستگاه ها بود که توسط کلاس های زیستگاهی برای Florida توصیف شده بود. در این الگو، جهت معرفی کلاس های اصلی و زیر کلاس ها از سیستم شماره گذاری استفاده شده که این در جدول 3 ارائه شده است. در این الگو دسته بندی اطلاعات در 6 سطح مختلف ارائه شدند که در سطح اول کلیه عوارض به دو دسته محدوده های خاکی و آبی تقسیم بندی گردیده اند.


جدول-3: کلاسه بندی کاربری و پوشش اراضی در الگوی Florida

 کلاسه بندی کاربری و پوشش اراضی در الگوی Florida

 کلاسه بندی کاربری و پوشش اراضی در الگوی Florida

 کلاسه بندی کاربری و پوشش اراضی در الگوی Florida

 کلاسه بندی کاربری و پوشش اراضی در الگوی Florida


  • کانادا

در کشور کانادا سه سیستم طبقه بندی کاربری و پوشش اراضی تحت عناوین NFIand British Columbia، EOSD و CCRS وجود دارد که در ادامه به تشریح جزئیات آنها پرداخته می‌‌ شود.


  • NFI and British Columbia

British Columbia Forest Resource Commission در سال 1990، کمیته Resource Inventory Committee را تاسیس کرد که مسئولیت برقراری استاندارد هایی برای منابع ملی را بر عهده داشت. این کمیته موفق به ارائه الگوی BritishColumbia Land Cover Classification شد. در اواخر دهه 90، National Forest Inventory این الگو را تعدیل کرد و مورد تائید Canadian Forest Inventory Committee قرار داد. الگوی ارائه شده از تصاویر هوایی با مقیاس متوسط از 1:10,000 تا 1:20,000 استفاده می‌ کرد. این پروژه نقطه شروعی برای تهیه لژاندر پوشش اراضی در مناطق وسیع در کشور کانادا بود. جدول 4 مروری بر الگوی British Columbia Land Cover Classification را نمایش می‌ دهد. همانطور که از جدول مذکور مشخص است، عوارض در ابتدا به دو دسته کلی گیاهی و غیر گیاهی دسته بندی می‌ شوند، سپس هر کدام از این دسته ها بترتیب در 6 و 5 سطح تقسیم بندی می گردند. جدول 5 اساس دسته بندی دو کلاس گیاهی و غیر گیاهی را نمایش می‌ دهد.


جدول-4: کلاسه بندی کاربری و پوشش اراضی در الگوی NFI and British Columbia

کلاسه بندی کاربری و پوشش اراضی در الگوی NFI and British Columbia

کلاسه بندی کاربری و پوشش اراضی در الگوی NFI and British Columbia

کلاسه بندی کاربری و پوشش اراضی در الگوی NFI and British Columbia


جدول-5: اساس سطح بندی در الگوی NFIandBritish Columbia

 اساس سطح بندی در الگوی NFIandBritish Columbia


  • EOSD

Earth Observation for Sustainable Development of Forests (EOSD) به عنوان یک پروژه خدمات جنگل‌‌ های کانادا در سازمان منابع طبیعی کانادا، الگویی برای دسته‌‌ بندی پوشش اراضی در سال 2002 ارائه داده است. در این پروژه از داده های ماهواره‌‌ ای TM Landsat استفاده ‌شد و در سطح مناطق وسیع تعریف گردید. لژاندر ارائه شده بر پایه ترکیب سطح 4 (نوع پوشش) و سطح 5 (کلاس تراکم) الگوی Britsh Columbia و NFI و تنها در یک سطح با دسته بندی 23 کلاس برای طبقه بندی land cover می‌ باشد. برای ایجاد کلاس های land use علاوه بر تصاویر ماهواره ای، داده کمکی مورد نیاز است. همانطور که در جدول 6 مشخص است، تعدادی کلاس غیر گیاهی هم مانند برف/یخ، صخره/ سنگ لاشه و زمین بدون پوشش تعریف شده است. کلاس زمین بدون پوشش شامل تعداد زیادی از کلاسها خواهد شد. کلاس علف (Herb) گروه دیگری است که شامل انواع متفاوتی کلاس مثل زمین های کشاورزی، پارکها و ... می‌ شود. تالابها (Wetland) برای طبقه بندی land cover مشکل‌‌ زا هستند. امضای طیفی گیاهان قرارگرفته در زمین تر و خشک به علت تغییر در محتوای رطوبت تفاوت می‌ کند. بنابراین لژاندر EOSD کلاس های تالاب را برای هر پوشش گیاهی اصلی جدا می‌ کند.


جدول-6: کلاسه بندی کاربری و پوشش اراضی در الگوی EOSD

کلاسه بندی کاربری و پوشش اراضی در الگوی EOSD

کلاسه بندی کاربری و پوشش اراضی در الگوی EOSD


تعدادی از کلاس های ارائه شده توسط EOSD در سال 2003 تعدیل شدند که از جمله آنها می‌ توان به کلاس بوته بلند و کوتاه و تالابها اشاره کرد. در رزولوشن مکانی 30 متر، 2 متر اختلاف در ارتفاع بوته قابل تشخیص نیست، هر چند که ممکن است از لحاظ طیفی بیشتر از یک کلاس بوته قابل تشخیص باشد. بنابراین تنها کلاس بوته بلند مد نظر قرار می‌ گیرد، چرا که تشخیص بوته های کوتاه می‌ تواند مشکل زا باشد و یا اینکه این دو کلاس به یک کلاس تبدیل می‌ شوند. بنابراین کلاس بوته می‌ تواند به جای ارتفاع بر اساس تراکم تقسیم بندی شود. مثلاً بوته های پر تراکم (پوشش بالاتر از 50%) و بوته های باز (با تراکم بین 25% تا 50%) همچنین کلاس های تالاب در EOSD بهبود یافته می‌تواند به دسته بندی های کلی تری تقسیم شوند (مطابق با شکل 2).


 تغییرات انجام گرفته در الگوی EOSD بهبود یافته

شکل-2: تغییرات انجام گرفته در الگوی EOSD بهبود یافته


همچنین از جمله کلاس هایی که در لژاندر EOSD لحاظ نمی‌شوند می‌توان به آتش، آسیب حشره، هرس، درو و کشاورزی اشاره کرد. لژاندر EOSD ارائه شده، مناطق آتش گرفته را شامل نمی‌شود. کلاس آتش به دو دلیل در این پروژه مشکل زا می‌ باشد. اولاً آتش Land Use است و Land cover نیست. ثانیاً آتش یک موقعیت موقت و بخشی از چرخه طبیعی جنگل های وابسته به بادهای شمالی است. آتش های جوان به راحتی توسط تصویربرداری قابل تشخیص است، خود را به صورت سیاه نشان می‌ دهد. اگر چه تعیین این که یک زمین چه زمانی در کلاس آتش قرار می‌ گیرد مشکل است. هر پروژه نگاشت محدوده های بزرگ به کمک تصاویر ماهواره ای در تعیین و استخراج آتش های قدیمی تر از یکسال دارای مشکل است. بیشتر نگاشت های ماهواره ای محدوده های بزرگ آتش نیازمند تفسیر های دستی می‌ باشد. پس پیشنهاد می‌ شود کلاس آتش وجود نداشته باشد، یا فقط مناطق آتش اخیراً ایجاد شده (کمتر از یک سال) در نظر گرفته شود. همچنین لژاندر این پروژه شامل کلاسی برای آسیب حشره نمی‌ باشد. وابسته به گونه حشره و اندازه و صحنه اپیدمی تاثیر این آسیب تفاوت خواهد کرد. اثر ناهمگنی فیزیکی آسیب حشره در امضاهای طیفی نمایان خواهد شد، این امضاهای آشکار نوع آسیب حشره در صحنه ها و شدت های مختلف را نشان می‌ دهد. اپیدمی شاید مناطق بزرگ و پیوسته و شاید فقط روی بخش کوچکی از درختها اثر گذار باشد. نگاشت خسارت حشره با تصویربرداری landsat نیازمند یک مجموعه کلاس های کوچک با نوع، شدت و صحنه متفاوت از اپیدمی می‌ باشد. بنابراین نگاشت خسارت حشره در پروژه نگاشت land cover پیشنهاد نمی‌ شود، بلکه ارزیابی آسیب حشره نیازمند پروژه شناسایی تغییرات (Change Detection) می‌باشد. کلاس زمین هرس شده هم یک Land Use است. این کلاس به راحتی از کلاس منطقه بدون پوشش جدا نمی‌ شود. بنابراین تعیین این کلاس نیاز به پروژه آشکارسازی تغییرات دارد. استفاده از اطلاعات اضافی مثل فایل شکل یا تفسیرهای چشمی به کمک تصاویر هوایی برای تعیین مکان مناطق هرس شده مورد نیاز است. پس تنها به کمک اطلاعات طیفی مناطق درو یا هرس شده مشخص نمی‌ شود. در EODS بهبود داده شده، کلاس کشاورزی باید از کلاس علفزار جدا شود. البته تشخیص کلاس کشاورزی از تصاویر ماهواره ای مشکل است و نیازمند داده های کمکی است. دانشمندان در سال 2001 ادعا کردند که تفاوت مناطق کشاورزی از علفزارهای طبیعی در پروژه نگاشت Land cover مشکل زا خواهد بود. زمین های کشاورزی در طول بازه کوتاه به طور چشمگیری تغییر می‌ کنند، به طوری که در بهار بسیار متفاوت از پاییز دیده می‌ شوند. بنابراین استفاده از تصویرها در فصل بهار برای تشخیص بین زمین های طبیعی از کشاورزی پیشنهاد می‌ شود. بنابراین از آنجا که نگاشت زمین کشاورزی دارای مشکلاتی است و زمین کشاورزی یک Land Use است، نه Land cover، لذا پیشنهاد می‌شود که لژاندر EOSD شامل کلاس های کشاورزی نباشد.


  • CCRS

(CCRS) Canada`s Centre for Remote Sensing الگوی تهیه نقشه land cover در مناطق وسیع با استفاده از داده ماهواره ای با قدرت تفکیک مکانی بزرگ و کوچک را ارائه کرد. لژاندر CCRS تا سال 2003 تست نشده بود، تا اینکه در سال 2003 برای تهیه نقشه land cover با استفاده از تصاویر AVHRR استفاده شد. مهمترین تفاوت بین لژاندر CCRS ارائه شده و مورد واقعی استفاده شده، کاهش تعداد کلاس های علف (herb) است. کلاس های علف شامل خلنگ، پوشش گیاهی ضعیف و خیلی ضعیف، زمین لخت، صخره، زمین های کشت شده با بایومس کم، متوسط و بالا می‌باشد. لژاندر تولید شده با تصاویر AVHRR در کشور کانادا تست شد. جزئیات کلاس های استفاده شده در نگاشت land cover با استفاده از تصاویر AVHRR در کانادا در جدول 8 مشخص است. همانطور که در جدول 7 مشخص است، تمرکز اصلی لژاندر نقشه CCRS بر روی کلاس های پوشش گیاهی با تراکم های متفاوت است، و عوارض تنها در یک سطح مورد بررسی قرار گرفتند.


جدول-7: کلاسه بندی کاربری و پوشش اراضی در الگوی CCRS

کلاسه بندی کاربری و پوشش اراضی در الگوی CCRS

جدول-8: کلاسه بندی کاربری و پوشش اراضی در الگوی CCRS با استفاده از داده AVHRR

کلاسه بندی کاربری و پوشش اراضی در الگوی CCRS با استفاده از داده AVHRR


  • کشورهای اروپایی

در کشورهای اروپایی یک سیستم طبقه بندی کاربری و پوشش اراضی تحت عنوان Corine Land Cover (CLC) 2000 وجود دارد که در ادامه به تشریح جزئیات آن پرداخته می‌‌شود.

نقشه Corine Land Cover CLC200 در سال 2000 توسط European Enviroment Agency (EEA) ایجاد شد. داده های مورد استفاده در مقیاس 1:100.000 و با دقت 150 متر و حداقل واحد 25 هکتار توسط تصاویر سنجش از دوری تامین شد. این نقشه برای 29 کشور اروپای مرکزی و شرقی تهیه شد. این نقشه شامل سه سطح اطلاعات است و در سطح اول عوارض را به 5 دسته کلی تقسیم می‌کند (جدول 9).


جدول-9: کلاسه بندی کاربری و پوشش اراضی در الگوی CLC

 کلاسه بندی کاربری و پوشش اراضی در الگوی CLC


  • کشور استرالیا

در کشور استرالیا یک سیستم طبقه بندی کاربری و پوشش اراضی تحت عنوان DLCD وجود دارد که در ادامه به تشریح جزئیات آن پرداخته می‌‌ شود.

Geoscience Australia و Australian Bureau of Agricultural and Resourse Econimics and Science (ABARES) در سال 2011، یک مجموعه داده پویا land cover یا Dynamic Land Cover Dateset (DLCD) تولید کردند. برای این پروژه از تصاویر ماهواره ای MODIS در بازه زمانی سال‌‌ های 2000 تا 2008 استفاده شد. داده های سری زمانی DLCD برای مدیریت شرایط محیطی در سطح ملی و منطقه‌‌ ای و تعیین روند سبزینگی گیاهان یک ابزار ضروری به نظر می‌ رسید. DLCD در سطح کشور استرالیا تهیه شد. الگوی طبقه‌‌ بندی به کارگرفته شده در DLCD با استاندارد های سازمان بین المللی در سال 2007 یا همان ISO برای land cover مطابقت داشت. DLCD همانطور که جدول 10 نمایش داده شده است، کلاس های land cover را در یک سطح به 34 دسته تقسیم می کند.


جدول-10: کلاسه بندی کاربری و پوشش اراضی در الگوی DLCD

 کلاسه بندی کاربری و پوشش اراضی در الگوی DLCD


  • تجربیات بین المللی

در تجربیات بین المللی یک سیستم طبقه بندی کاربری و پوشش اراضی تحت عنوان GOFC وجود دارد که در ادامه به تشریح جزئیات آن پرداخته می‌‌ شود.
Global Observation of Forest Cover (GOFC) یک گروه بین المللی با هدف بهبود کیفیت و دسترسی مشاهدات ماهواره‌‌ ای از جنگل و اطلاعات استخراج شده از این داده ها می‌ باشد. GOFC یک تلاش بین المللی برای تولید نقشه land cover جهانی است که اطلاعات آن توسط کشورهای مختلف جمع آوری می‌ شود. سازمان‌‌ های مختلف مثل FAO، NASA و CCRS در پروژه GOFC مشارکت می‌ کنند. در این لژاندر، کلاس ها بر اساس درصد گونه‌‌ ها یا تاج‌‌ ها دسته بندی نمی‌ شوند. به جای آن، به هر پیکسل جنگل در تصویر 4 ویژگی نسبت داده می‌ شود:

  • درصد پهن برگ به سوزنی برگ
  • نسبت همیشه سبز به برگریز
  • درصد تاج پوشش
  • ارتفاع درخت

کلاس های GOFC شامل تالابها نمی‌ شود. همانطور که در جدول 11 مشخص شده است، عوارض در این الگو به 7 دسته اصلی در یک سطح تقسیم می‌ شوند.


جدول-11: کلاسه بندی کاربری و پوشش اراضی در الگوی GOFC

کلاسه بندی کاربری و پوشش اراضی در الگوی GOFC


آدرس کوتاه شده:
فهرست طبقات