پیشرفت ها، چالش ها و دیدگاه ها درزمینه تصحیح تصاویر ماهواره ای نور شب رایگان

سال انتشار: 1403
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 24

فایل این مقاله در 33 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_GIS-16-1_002

تاریخ نمایه سازی: 4 تیر 1403

چکیده مقاله:

سابقه و هدف: سنجش از دور منبع داده ای قدرتمند برای نقشه برداری از مناطق شهری و نظارت بر پویایی شهرنشینی است. از بین داده های سنجش ازدوری، تصاویری که در شب اخذ می شوند راهی موثر برای نظارت بر فعالیت های انسانی، در مقیاس جهانی، فراهم کرده است؛ زیرا این تصاویر با توجه به ویژگی ها و قابلیت هایشان می توانند مناطق شهری و سایر فعالیت های انسانی را که ویژگی اصلی شان استفاده از نور در شب است، با اندازه گیری صحیح مکانی، از پس زمینه بدون نور جدا کنند. این تصاویر با نظارت مستمر و مداوم از منظره شبانه جهانی، منبع و نتایج ارزشمندی از فعالیت های انسانی را، از گذشته تا امروز، فراهم می کند و تجزیه وتحلیل سری زمانی این داده ها برای کشف، تخمین و نظارت بر پویایی اجتماعی و اقتصادی در کشورها، به ویژه مناطق فرعی که آمار رسمی مورد اعتمادی درباره آنها وجود ندارد، بسیار ارزشمند است. با توجه به پیشرفت سنجنده های ماهواره ای نور شب در سال های اخیر و تحقیقات جدید انجام شده درزمینه داده های نور شب، هدف از این تحقیق بررسی پیشرفت های سنجنده شبانه، معرفی انواع داده ها و محصولات دردسترس، بررسی و بیان مزایا و معایب هریک و همچنین مروری بر روش ها و راه حل های مطرح شده در تحقیقات پیشین است تا مشکلات و محدودیت های این تصاویر حل شود. مواد و روش ها: هدف اصلی از این تحقیق معرفی و بررسی کلی داده های نور شب، مزایا و چالش­های هریک و روش های بیان شده به منظور تصحیح مشکلات و چالش­هاست. مطالعات درزمینه تصاویر نور شب DMSP اغلب بر دو بعد مکانی و زمانی تمرکز دارد. در بعد مکانی، نواقص ذاتی این مجموعه داده، یعنی مقادیر اشباع شده مقادیر رقومی در مناطق مرکزی شهری و تاثیرات شکوفایی در مناطق حومه شهری و روستایی درخور توجه است. در بعد زمانی، به دلیل فقدان کالیبراسیون در پردازنده، به فرایندهای اضافی روی محصولات سالیانه داده های پایدار نور شب DMSP برای بررسی پویایی های شهری نیاز است؛ روش های کنونی تصحیحات مشکلات مکانی در دو دسته طیفی و غیرطیفی قرار می گیرد. روش های مطرح شده برای تصحیح مشکلات زمانی این سنجنده نیز، در دو دسته کالیبراسیون سالیانه داده های نور شب و تنظیم الگوی زمانی، بررسی شده است. تصاویر ماهیانه NPP-VIIRS محصولی است که علاوه بر مقادیر نورهای ثابت، مانند چراغ های شهرها و مسیر های حمل ونقل، مقادیری نویزی مانند شعله های گاز و سوختن زیست توده و نویز پس زمینه را نیز شامل می شود؛ به همین دلیل، پیش از استفاده لازم است پردازش شود. همچنین ازآنجا که دقت موقعیت یابی داده های لوجیا کمتر از وضوح مکانی آن است، جابه جایی تصویر در برخی مکان ها ممکن است به ۶۵۰ متر برسد؛ ازاین رو تصحیح هندسی در این تصویر انجام می شود. انواع این روش ها در این مقاله بررسی شده است. بحث و بررسی: طی مقایسه ای کلی، می توان نتیجه گرفت که در بررسی عملکرد داده های نور شب گوناگون، داده های نور پایدار شبانه DMSP، به رغم مشکلات و محدودیت های موجود، دارای سری زمانی طولانی تری درقیاس با داده های نور شب دیگر است زیرا دوره زمانی ۱۹۹۲ تا ۲۰۱۳ را دربرمی گیرد و همچنان، در بسیاری تحقیقات درزمینه بررسی پویایی شهری و برآورد روند کلی رشد شهر، کاربرد دارد. درمقایسه، NPP-VIIRS از مزایایی برخوردار است و به نور کمتر نیز حساسیت نشان می دهد اما زمان عبور این ماهواره ساعت ۱:۳۰ بامداد است؛ در این ساعت شب، بسیاری از چراغ ها خاموش می شوند و به همین علت ممکن است، درمواردی که فقط از داده نور شب برای بررسی مناطق شهری استفاده می شود، مناسب نباشد. همچنین طی بررسی های انجام شده، این تصویر در تحقیقات درزمینه فعالیت های اقتصادی کاربرد بیشتری داشته است و حساسیت نداشتن آن به نور آبی از­LED ها در توانایی سنجنده، در تعیین کمیت نورهای مصنوعی ساطع شده از زمین، تاثیر می گذارد. نتیجه گیری: این بررسی با هدف معرفی انواع داده های نور شب سنجش ازدوری و بررسی آنها انجام شده است و به طور خلاصه می توان گفت، درحال حاضر، تحقیقات درزمینه تصحیح مشکلات مکانی اشباع و شکوفایی به دو دسته طیفی و غیرطیفی تقسیم می­شوند. دسته های غیرطیفی اغلب فقط با استفاده از داده نور شب و در برخی موارد، با استفاده از داده های غیرسنجش ازدوری ترکیب می شوند. بررسی روش های طیفی نشان می­دهد که اغلب این روش ها از شاخص های طیفی مربوط به پوشش گیاهی و دمای سطح زمین استفاده می کنند. درحال حاضر، تصحیح تصاویر DMSP از بعد زمانی با کالیبراسیون بین داده ها، به طور خاص، با استفاده از روش مناطق مرجع ثابت یا پیکسل های مرجع انجام شدنی است. از معتبرترین روش­های مطرح شده در این زمینه، روش منطقه مرجع است. پس از پایان ماموریت سنجنده DMSP-OLS، سنجنده VIIRS معرفی شده است. برخلاف داده سالیانه این ماهواره، داده ماهیانه آن به علت وجود نویزهای پس زمینه، نورهای سرگردان و مواردی ازاین دست، نیاز به تصحیح دارد. طبق بررسی های انجام شده براساس مطالعات موجود در روند تحقیقات، می توان گفت بیشتر مطالعات و روش ها سعی در حذف نویزها با استفاده از چارچوبی مشخص، اما با فرض های متفاوت، دارند. درنهایت، با توجه به چالش ها و محدودیت های فعلی ماهواره های نور شب، چند پیشنهاد اصلی برای پیشرفت و توسعه در این زمینه مطرح می شود؛ ادغام داده های DMSP-OLS با داده های NPP-VIIRS یا با وضوح بالاتر داده های لوجیا می تواند بیشتر مورد مطالعه قرار گیرد تا یک سری زمانی طولانی تر برای تحقیقات آینده، به منظور بررسی پویایی شهری و موارد مشابه، ایجاد شود.

کلیدواژه ها:

تصاویر ماهواره ای نور شب ، مزایا و معایب تصاویر نور شب ، روش های تصحیح و پیش پردازش

نویسندگان

فاطمه احمدی

دانشجوی کارشناسی ارشد مهندسی فتوگرامتری، دانشگاه صنعتی نوشیروانی بابل، بابل، ایران

عباس کیانی

استادیار گروه مهندسی نقشه برداری، دانشکده عمران، دانشگاه صنعتی نوشیروانی بابل، بابل، ایران

یاسر ابراهیمیان قاجاری

استادیار گروه مهندسی نقشه برداری، دانشکده عمران، دانشگاه صنعتی نوشیروانی بابل، بابل، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Abrahams, A., Oram, C. & Lozano-Gracia, N., ۲۰۱۸, Deblurring DMSP ...
  • Alahmadi, M., Mansour, S., Martin, D. & Atkinson, P., ۲۰۲۱, ...
  • Bennett, M.M. & Smith, L.C., ۲۰۱۷, Advances in Using Multitemporal ...
  • Bennie, J., Davies, T.W., Duffy, J.P., Inger, R. & Gaston, ...
  • Cao, C. & Bai, Y., ۲۰۱۴, Quantitative Analysis of VIIRS ...
  • Cao, X., Chen, J., Imura, H. & Higashi, O., ۲۰۰۹, ...
  • Cao, X., Wang, J., Chen, J. & Shi, F., ۲۰۱۴, ...
  • Cao, X., Hu, Y., Zhu, X., Shi, F., Zhuo, L. ...
  • de Miguel, A.S., Castaño, J.G., Zamorano, J., Pascual, S., Ángeles, ...
  • de Pinho, C.M.D., Fonseca, L.M.G., Korting, T.S., De Almeida, C.M. ...
  • Elvidge, C.D., Baugh, K.E., Dietz, J.B., Bland, T., Sutton, P.C. ...
  • Elvidge, C.D., Imhoff, M.L., Baugh, K.E., Hobson, V.R., Nelson, I., ...
  • Elvidge, C.D., Ziskin, D., Baugh, K.E., Tuttle, B.T., Ghosh, T., ...
  • Elvidge, C.D., Baugh, K.E., Zhizhin, M. & Hsu, F.-C., ۲۰۱۳, ...
  • Elvidge, C.D., Baugh, K., Zhizhin, M., Hsu, F.C. & Ghosh, ...
  • Elvidge, C.D., Zhizhin, M., Ghosh, T., Hsu, F.-C. & Taneja, ...
  • Gao, B., Huang, Q., He, C. & Ma, Q., ۲۰۱۵, ...
  • Hao, R., Yu, D., Sun, Y., Cao, Q., Liu, Y. ...
  • Hara, M., Okada, S., Yagi, H., Moriyama, T., Shigehara, K. ...
  • He, C., Ma, Q., Li, T., Yang, Y. & Liu, ...
  • He, C., Ma, Q., Liu, Z. & Zhang, Q., ۲۰۱۴, ...
  • Hu, Y.n., Peng, J., Liu, Y., Du, Y., Li, H. ...
  • Hu, Y., Chen, J., Cao, X., Chen, X., Cui, X. ...
  • Huang, X., Schneider, A. & Friedl, M.A., ۲۰۱۶, Mapping Sub-Pixel ...
  • Huang, X., Shi, K., Cui, Y. & Li, Y., ۲۰۲۱, ...
  • Ji, X., Li, X., He, Y. & Liu, X., ۲۰۱۹, ...
  • Jiang, W., He, G., Long, T., Guo, H., Yin, R., ...
  • Jing, X., Shao, X., Cao, C., Fu, X. & Yan, ...
  • Kyba, C., Garz, S., Kuechly, H., De Miguel, A.S., Zamorano, ...
  • Letu, H., Hara, M., Yagi, H., Naoki, K., Tana, G., ...
  • Letu, H., Hara, M., Tana, G. & Nishio, F., ۲۰۱۱, ...
  • Levin, N. & Phinn, S., ۲۰۱۶, Illuminating the Capabilities of ...
  • Li, X. & Zhou, Y., ۲۰۱۷a. A Stepwise Calibration of ...
  • Li, X. & Zhou, Y., ۲۰۱۷b, Urban Mapping Using DMSP/OLS ...
  • Li, X., Chen, X., Zhao, Y., Xu, J., Chen, F. ...
  • Li, X., Xu, H., Chen, X. & Li, C., ۲۰۱۳b, ...
  • Li, Q., Lu, L., Weng, Q., Xie, Y. & Guo, ...
  • Li, X., Zhan, C., Tao, J. & Li, L., ۲۰۱۸a, ...
  • Li, X., Zhao, L., Li, D. & Xu, H., ۲۰۱۸b, ...
  • Li, X., Li, X., Li, D., He, X. & Jendryke, ...
  • Li, X., Liu, Z., Chen, X. & Sun, J., ۲۰۱۹b, ...
  • Li, C., Yang, W., Tang, Q., Tang, X., Lei, J., ...
  • Li, F., Yan, Q., Bian, Z., Liu, B. & Wu, ...
  • Li, C., Wang, X., Wu, Z., Dai, Z., Yin, J. ...
  • Li, F., Li, E., Zhang, C., Samat, A., Liu, W., ...
  • Li, F., Liu, X., Liao, S. & Jia, P., ۲۰۲۱c, ...
  • Liu, L. & Leung, Y., ۲۰۱۵, A Study of Urban ...
  • Liu, Z., He, C. & Yang, Y., ۲۰۱۱, Mapping Urban ...
  • Liu, Z., He, C., Zhang, Q., Huang, Q. & Yang, ...
  • Liu, X., Hu, G., Ai, B., Li, X. & Shi, ...
  • Liu, Y., Wang, Y., Peng, J., Du, Y., Liu, X., ...
  • Liu, Y., Yang, Y., Jing, W., Yao, L., Yue, X. ...
  • Liu, C., Yang, K., Bennett, M.M., Guo, Z., Cheng, L. ...
  • Liu, H., Luo, N. & Hu, C., ۲۰۲۰, Detection of ...
  • Lu, D., Tian, H., Zhou, G. & Ge, H., ۲۰۰۸, ...
  • Ma, W. & Li, P., ۲۰۱۸, An Object Similarity-Based Thresholding ...
  • Ma, Q., He, C., Wu, J., Liu, Z., Zhang, Q. ...
  • Ma, T., Zhou, C., Pei, T., Haynie, S. & Fan, ...
  • Ma, X., Li, C., Tong, X. & Liu, S., ۲۰۱۹, ...
  • Mallick, J., Rahman, A. & Singh, C.K., ۲۰۱۳, Modeling Urban ...
  • Mills, S., Weiss, S. & Liang, C., ۲۰۱۳, VIIRS Day/Night ...
  • Mukherjee, S., Srivastav, S., Gupta, P.K., Hamm, N. & Tolpekin, ...
  • Niu, W., Xia, H., Wang, R., Pan, L., Meng, Q., ...
  • Pan, W., Fu, H. & Zheng, P., ۲۰۲۰, Regional Poverty ...
  • Pandey, B., Joshi, P. & Seto, K.C., ۲۰۱۳, Monitoring Urbanization ...
  • Ramachandra, T., Bharath, H., Vinay, S., Joshi, N., Kumar, U. ...
  • Shen, Z., Zhu, X., Cao, X. & Chen, J., ۲۰۱۹, ...
  • Shi, K., Yu, B., Huang, Y., Hu, Y., Yin, B., ...
  • Shi, K., Yu, B., Hu, Y., Huang, C., Chen, Y., ...
  • Shi, K., Chen, Y., Yu, B., Xu, T., Yang, C., ...
  • Small, C., Pozzi, F. & Elvidge, C.D., ۲۰۰۵, Spatial Analysis ...
  • Tan, M., ۲۰۱۵, Urban Growth and Rural Transition in China ...
  • Tan, M., ۲۰۱۶, Use of an Inside Buffer Method to ...
  • Townsend, A.C. & Bruce, D.A., ۲۰۱۰, The Use of Night-Time ...
  • Wang, Y. & Shen, Z., ۲۰۲۱, Comparing Luojia ۱-۰۱ and ...
  • Wang, Z., Yao, F. & Li, W., ۲۰۱۷, Saturation Correction ...
  • Wang, C., Chen, Z., Yang, C., Li, Q., Wu, Q., ...
  • Wang, L., Zhang, H., Xu, H., Zhu, A., Fan, H. ...
  • Wu, J., He, S., Peng, J., Li, W. & Zhong, ...
  • Wu, R., Yang, D., Dong, J., Zhang, L. & Xia, ...
  • Wu, W., Zhao, H. & Jiang, S., ۲۰۱۸b, A Zipf’s ...
  • Xie, Y., Weng, Q. & Fu, P., ۲۰۱۹, Temporal Variations ...
  • Xin, X., Liu, B., Di, K., Zhu, Z., Zhao, Z., ...
  • Xue, X., Yu, Z., Zhu, S., Zheng, Q., Weston, M., ...
  • Yang, Z., Chen, Y., Zheng, Z. & Wu, Z., ۲۰۲۲, ...
  • Yin, Z., Li, X., Tong, F., Li, Z. & Jendryke, ...
  • Yuan, X., Jia, L., Menenti, M., Zhou, J. & Chen, ...
  • Zhang, X. & Li, P., ۲۰۱۸, A Temperature and Vegetation ...
  • Zhang, Q., Schaaf, C. & Seto, K.C., ۲۰۱۳, The Vegetation ...
  • Zhang, Q., Pandey, B. & Seto, K.C., ۲۰۱۶, A Robust ...
  • Zhang, G., Guo, X., Li, D. & Jiang, B., ۲۰۱۹, ...
  • Zhang, C., Pei, Y., Li, J., Qin, Q. & Yue, ...
  • Zhao, N., Zhou, Y. & Samson, E.L., ۲۰۱۴, Correcting Incompatible ...
  • Zhao, M., Cheng, W., Zhou, C., Li, M., Wang, N. ...
  • Zhao, M., Zhou, Y., Li, X., Cao, W., He, C., ...
  • Zheng, Z., Chen, Y., Wu, Z., Ye, X., Guo, G. ...
  • Zheng, Z., Yang, Z., Chen, Y., Wu, Z. & Marinello, ...
  • Zheng, Q., Weng, Q. & Wang, K., ۲۰۲۰, Correcting the ...
  • Zheng, Y., Tang, L. & Wang, H., ۲۰۲۱a, An Improved ...
  • Zheng, Y., Zhou, Q., He, Y., Wang, C., Wang, X. ...
  • Zhuo, L., Zheng, J., Zhang, X., Li, J. & Liu, ...
  • Zhuo, L., Zhang, C., Zhu, X., Huang, T., Hu, Y. ...
  • Ziskin, D., Baugh, K., Hsu, F.C., Ghosh, T. & Elvidge, ...
  • نمایش کامل مراجع