شناسایی بهترین الگوریتم تشخیص گرد و غبار به کمک داده های مودیس

نوع مقاله: مقاله پژوهشی

نویسندگان

1 کارشناس ارشد محیط زیست ، دانشکده محیط زیست/سازمان حفاظت محیط زیست

2 دانشیار، دانشکده محیط زیست/سازمان حفاظت محیط زیست

3 استادیار، دانشکده محیط زیست/سازمان حفاظت محیط زیست

چکیده

گرد­ و غبار یکی از رویدادهای جوی مناطق خشک و نیمه­ خشک جهان است که در سال­های اخیر افزایش قابل توجه­ ای داشته و آثار و پیامدهای نامطلوبی را در بخش­های مختلف بر جای گذاشته است. در این پژوهش از تصاویر سنجنده مودیس به منظور شناسایی و انتخاب بهترین الگوریتم تشخیص گرد و غبار استفاده شد. بدین منظور سه رویداد گرد و غبار جنوب غرب ایران در سال 2012 با استفاده از پنج الگوریتم مختلف شناسایی شامل BTD آکرمن، شاخص گرد و غبار، میلر، TIIDI و DUST RGB، بارزسازی شدند و روش­ها مورد مقایسه قرار گرفتند. بررسی­های به عمل آمده نشان داد که روش­های BTD آکرمن، شاخص گرد و غبار و میلر نیازمند تنظیم آستانه برای هر رویداد هستند؛ از این رو آستانه­ های مناسب برای هر رویداد با استفاده از روش هیستوگرام تعیین و ریزگردها شناسایی شدند. روش TIIDI نیز قابلیت تفکیک گرد و غبار از سایر پدیده ­ها را بر روی زمین داشت ولی نتوانست گرد و غبار روی آب را به خوبی بارزسازی کند. در روش DUST RGB به خوبی گرد و غبار از بقیه عوارض قابل تشخیص بود. همچنین نتایج طبقه­ بندی و ارزیابی صحت تصاویر نشان داد که در هر سه رویداد گرد و غبار، روش DUST RGB بالاترین صحت کلی را در میان سایر روش­ها دارا می­باشد. بنابراین بر اساس نتایج به دست آمده از ماتریس خطا و ارزیابی صحت، روش مذکور به عنوان بهترین الگوریتم شناسایی گرد و غبار انتخاب گردید.

کلیدواژه‌ها


عنوان مقاله [English]

Identification of the best algorithm for dust detection using MODIS data

نویسندگان [English]

  • Zahra Kheirandish 1
  • Javad Bodagh Jamali 2
  • Behzad Rayegani 3
1 M.Sc. Graduate of college of Environment, Karaj, Iran
2 Associate Professor of College of Environment, Karaj, Iran
3 Assistant Professor of college of Environment, Karaj, Iran
چکیده [English]

Dust event is one of the atmospheric events of the world arid and semi-arid areas that had a significant increase in recent years and negative effects in different parts. In this study used MODIS data to identify and select the best algorithm for dust detection. For this purpose, three dust events of South West of Iran detected in 2012 using five different algorithms of dust detection including Ackerman BTD, Miller, dust index, TIIDI and DUST RGB methods, and methods compared. Studies show that methods of Ackerman BTD, Dust index, and Miller need to threshold regulation for each dust event; for this reason, suitable threshold was determined for each dust event using histogram method and dust identified. In addition, TIIDI method could separate dust phenomenon from other complications on the surface of the earth but as well could not identify dust on water. In DUST RGB method as well dust identified from other complication. In addition results of images classification and accuracy assessment showed that in all three dust events, DUST RGB method has maximum total accuracy among of other methods. Therefore, based on the results of matrix error and accuracy assessment, DUST RGB method was chosen as the best algorithm for dust detection.

کلیدواژه‌ها [English]

  • MODIS
  • algorithm of dust detection
  • accuracy assessment
  • DUST RGB

تقوی فرحناز؛ اولاد الهه؛ صفرراد طاهر؛ ایران­نژاد؛ پرویز، (1392)، تشخیص و پایش طوفان گرد و غبار غرب ایران با استفاده از روش­های سنجش از دور، مجله­ی فیزیک زمین و فضا دوره 39، ش 3، ص 96-83

رنجبر­سعادت­آبادی عباس؛ عزیزی قاسم، (1391)، مطالعه­ی الگوهای هواشناسی، شناسایی چشمه­های تولید گرد و غبار و مسیر حرکت ذرات معلق برای طوفان جولای 2009، پژوهش­های جغرافیای طبیعی سال 44، ش 3، ص 92-73

زارع­ارنانی محمد؛ دهقان­دهنوی حسین؛ مختاری محمد حسین؛ اختصاصی محمدرضا، (1392)، ارزیابی شاخص­های حاصل از تصاویر ماهواره­ای در تعیین خصوصیات طوفان گرد و غبار، سومین همایش ملی فرسایش بادی و طوفان­های گرد و غبار، ایران، یزد، 26-25 دی 1392.

عادلی شهاب؛ امینی پارسا وحید؛ عبد شرافت احسان، (1391)، بررسی طوفان­های گرد و غبار با استفاده از داده­های سنجنده مودیس منطقه مورد مطالعه: استان آذربایجان شرقی، اولین کنفرانس ملی راهکارهای دستیابی به توسعه پایدار، ایران، تهران، 20 اسفند 1391

عبدالمحمدی محمدرضا؛ اسماعیلی علی، (1391)، شناسایی و پایش طوفان­های گرد و غبار غرب ایران با استفاده از تصاویر ماهواره­ای سنجش از دور، سومین همایش ملی مقابله با بیابان­زایی و توسعه پایدار تالاب­های کویری ایران

عزیزی قاسم؛ میری مرتضی؛  نبوی سید امید، (1391)، ردیابی پدیده گرد و غبار در نیمه غربی ایران، مطالعات جغرافیایی مناطق خشک، سال دوم، ش 7، ص 63-81.

فلاح ززولی محمد؛ وفایی نژاد علیرضا؛ خیرخواه زرکش میرمسعود؛ احمدی دهکا فریبرز، (1393)، منشایابی گرد و غبار غرب و جنوب غرب ایران و تحلیل سینوپتیکی آن با استفاده از سنجش از دور و سیستم اطلاعات جغرافیایی، سنجش از دور و سامانه اطلاعات جغرافیایی در منابع طبیعی سال 5، ش 4، ص 61-78

کریمی خدیجه؛ طاهری شهرآئینی حمید؛ حبیبی نوخندان مجید؛ حافظی مقدس ناصر، (1390)، شناسایی خاستگاه­های تولید توفان­های گرد و غبار در خاورمیانه با استفاده از سنجش از دور، پژوهش­های اقلیم­شناسی دوره 2، ش 7-8، ص 57-72

مهرابی شهباز؛ جعفری رضا؛ سلطانی کویانی سعید، (1394)، بررسی کارایی شاخص NDDI در پهنه بندی طوفان گرد و غبار (مطالعه موردی: استان خوزستان)، مهندسی اکوسیستم بیابان سال 4، ش 8، ص 1-10

مخدوم مجید؛ درویش صفت علی اصغر؛ جعفرزاده هورفر؛ مخدوم عبدالرضا، (1386)، ارزیابی و برنامه­ریزی محیط­زیست با سامانه­های اطلاعات جغرافیایی(GIS)، انتشارات دانشگاه تهران. چاپ سوم. 304ص

Ackerman, S A. (1997), Remote sensing aerosols using satellite infrared observations. JOURNAL OF GEOPHYSICAL RESEARCH, No: 102, pp. 17069-17079.

Azizi, Gh., Shamsipour, A., Miri, M. and Safarrad, T., (2012), Synoptic and remote sensing analysis of dust events in southwestern Iran”, Journal of Natural Hazards, No.64, pp.1625-1638.

Baddak, M C., Bullard, J E. and Bryant R G. (2009), Dust source identification using MODIS: A comparison of techniques applied to the Lake Eyre Basin, Australia. Journal of Remote Sensing of Environment, No. 113, pp.1511-1528.

Benincasa, F. (2012), Available from http://sds-was.aemet.es/forecast-products/dust-observations/msg-2013-eumetsat. Accessed 12th Feb 2015.

Boccone, M. (2010), Dust detection algorithm using MODIS data and HYDRA software. Journal of Present environment and sustainable development.

Cao, H., Amiraslani, F., Liu, J., and Zhou, N., (2015), Identification of dust storm source areas in West Asia using multiple environmental datasets. Journal of Science of the Total Environment, pp.224-235.

El-Askary, H., Gutam, R., and Kafatos, M., (2004), Remote sensing of dust storms over the Indo-Gangetic basin. Journal of the Indian Society of  Remote Sensing, No.2, pp.121-124.

Ginoux, P., Prospero, J M., Gill, T E., Hsu, N C. and Zhao M., (2012), Global‐scale attribution of anthropogenic and natural dust sources and their emission rates based on MODIS Deep Blue aerosol products. Reviews of Geophysics, No: 50.

Hung, J., Ge, J. and Weng, F., (2007), Detection of Asia dust storms using multisensor satellite measurements. Journal of Remote Sensing of Environment, pp.186-191.

Miller, S. D. (2003), A consolidated technique for enhancing desert dust storms with MODIS. GEOPHYSICAL RESEARCH LETTERS No: 20, pp. 12-1-12-4.

Samadi, M., Darvishi Boloorani, A., Alavipanah, S K., Mohamadi, H. and Najafi, M S., (2014), Global dust Detection Index (GDDI); a new remotely sensed methodology for dust storms detection. Journal of Environmental Health Science & Engineering.

TaheriShahriayni, Hamid, Karimi, Khadijeh, HabibiNokhandan, Majid, and HafeziMoghadas, Naser.(2014), “Monitoring of dust storm and estimation of aerosol concentration in the Middle East using remotely sensed images”, Journal of Arab J Geosci.

Waggoner, Drexel G., and Sokolik,  Irina N. (2010), “Seasonal dynamics and regional features of MODIS-derived land surface characteristics in dust source regions of East Asia”, Journal of Remote Sensing of Environment, No. 114, pp. 2126-2136

Zhang, B., Tsunekawa, A. and Tsubo, M., (2015), Identification of Dust Hot Spots from Multi-Resolution Remotely Sensed Data in Eastern China and Mongolia. Water, Air, & Soil Pollution.

Zhao, T X., Ackerman, S. and Guo, W., (2010), Dust and Smoke Detection for Multi-Channel Imagers. Journal of Remote Sensing, No.2.pp.2347-2368.