سنجش از دور :پنجره‌ای به جهان و تحول در شناخت سیاره زمین

سنجش از دور :پنجره‌ای به جهان و تحول در شناخت سیاره زمین

چکیده

فصل حاضر به بررسی عمیق و جامع فناوری سنجش از راه دور (Remote Sensing) می‌پردازد، که امکان جمع‌آوری اطلاعات از اشیاء یا پدیده‌ها را بدون تماس فیزیکی مستقیم فراهم می‌آورد. این فناوری، که از ابتدای ظهورش متکی بر پلتفرم‌هایی چون هواپیماها و ماهواره‌ها بوده است، امروزه با ظهور سیستم‌های هواپیمایی هدایت‌شونده از راه دور (RPAS)، که معمولاً با نام پهپاد شناخته می‌شوند، دچار تحولی چشمگیر شده است. پهپادها با قابلیت‌های منحصر به فرد خود، از جمله کارایی بهبودیافته باتری، کامپیوترهای فشرده و سبک، افزایش ظرفیت ذخیره‌سازی داده، و دوربین‌های با وضوح بالا و مقرون‌به‌صرفه، جمع‌آوری داده‌ها را در مناطق خطرناک یا صعب‌العبور متحول کرده‌اند. این پیشرفت‌ها، همراه با قابلیت پرواز خودکار، امکان نظارت مکرر و درک بهتر تغییرات زمانی را فراهم آورده است.

در این فصل، جنبه‌های فنی کلیدی حسگر از راه دور، از جمله تفکیک‌پذیری مکانی، طیفی، رادیومتریک و زمانی، به تفصیل مورد بحث قرار می‌گیرد. اهمیت این تفکیک‌پذیری‌ها در کیفیت و کاربرد داده‌های جمع‌آوری‌شده، از حسگرهای دیداری تا دوربین‌های فراطیفی و فروسرخ با موج بلند (LWIR)، مورد تحلیل قرار می‌گیرد. علاوه بر این، به بررسی جامع کاربردهای متنوع این فناوری در حوزه‌های حیاتی مانند کشاورزی دقیق، برنامه‌ریزی و مدیریت شهری، مدیریت بلایای طبیعی، مطالعات اقلیمی و شناسایی سایت‌ها می‌پردازیم. همچنین، ملاحظات قانونی و اخلاقی، به ویژه مقررات اداره هوانوردی فدرال (FAA) در مورد عملیات پهپادها و نگرانی‌های مربوط به حریم خصوصی عمومی، مورد توجه قرار خواهد گرفت. این فصل نشان می‌دهد که چگونه حسگر از راه دور، با ترکیب نوآوری‌های سخت‌افزاری و نرم‌افزاری پیشرفته، به ابزاری قدرتمند برای درک، نظارت و مدیریت پیچیدگی‌های سیاره ما تبدیل شده و راه را برای تصمیم‌گیری‌های آگاهانه‌تر در جهت آینده‌ای پایدار هموار می‌کند.

مقدمه

جهان ما به سرعت در حال تغییر است و نیاز به درک و نظارت بر محیط زیستمان بیش از هر زمان دیگری حیاتی شده است. حسگر از راه دور (Remote Sensing) به عنوان یک علم، فناوری و هنر، این امکان را فراهم می‌آورد تا اطلاعات ارزشمندی را از اشیاء یا پدیده‌ها بدون برقراری تماس فیزیکی با آن‌ها جمع‌آوری کنیم. این رویکرد، در تضاد با مشاهدات درجا یا میدانی، از طریق حسگرهایی که از فاصله دور کار می‌کنند، محقق می‌شود. از آغازین روزهای خود، حسگر از راه دور متکی بر پلتفرم‌های سنتی مانند هواپیماها و ماهواره‌ها برای جمع‌آوری داده‌ها بوده است. با این حال، دهه‌های اخیر شاهد پیشرفت‌های چشمگیری بوده‌ایم که منجر به گسترش بی‌سابقه این فناوری شده است.

در اوایل دهه 1970، ناسا با حمایت از چند کالج از طریق برنامه امور دانشگاهی خود، به ترویج استفاده از فناوری‌های سنجش از دور پرداخت. این ابتکار منجر به استفاده از سنجش از دور در ایالت‌هایی شد که کشاورزی جزء مهمی از اقتصاد آن‌ها بود. در همان سال‌ها (1972)، فناوری‌های سنجش از دور برای اولین بار در کشاورزی مورد استفاده قرار گرفتند؛ باوئر (Bauer) و سیپرا (Cipra) از سیستم اسکنر چندطیفی لندست (Landsat MSS) برای دسته‌بندی مناظر کشاورزی غرب میانه ایالات متحده به مزارع ذرت یا سویا استفاده کردند. این نشان‌دهنده شروعی نویدبخش بود، اما محدودیت‌هایی در تأمین داده‌های ماهواره‌ای با تفکیک‌پذیری مکانی بالا (بیش از 5 متر) و تفکیک‌پذیری زمانی (روزانه) وجود داشت که استفاده از داده‌های ماهواره‌ای را برای کشاورزی دقیق (PA) تا همین اواخر به حداقل رسانده و تنها به نظارت و نقشه‌برداری در مقیاس بزرگ از سلامت کشاورزی محدود می‌کرد.

با گذشت زمان، تفکیک‌پذیری تصاویر ماهواره‌ای به طور قابل توجهی بهبود یافت. ماهواره‌هایی مانند لندست 5 (پرتاب در 1984) با سیستم اسکنر چندطیفی (MSS) و نقشه‌بردار حرارتی (TM) تفکیک‌پذیری مکانی 30 متر را ارائه داد. سپس لندست 7 در 1999 با باند پانکروماتیک 15 متری، و در همان سال، ماهواره IKONOS توسط MAXAR Technologies Inc. پرتاب شد که اولین ماهواره تجاری با تصاویر با وضوح بالا (0.80 متر تفکیک‌پذیری پانکروماتیک در نادیر) بود و عمدتاً برای نقشه‌برداری شهری و روستایی، نظارت زیست‌محیطی و امنیت ملی به کار رفت. در سال 2013، لندست 8 با تفکیک‌پذیری‌های 15 متر پانکروماتیک و 30 متر چندطیفی راه‌اندازی شد. این پیشرفت‌ها، همراه با ظهور ماهواره‌های کوچک‌تر و ارزان‌تر، منجر به دسترسی وسیع‌تر به داده‌های با کیفیت و استفاده از سنجش از دور در مقیاس‌های کوچک‌تر از یک مزرعه شد.

امروزه، فناوری حسگر از راه دور از ابزاری تخصصی به یک جزء اساسی در حوزه‌های مختلف تبدیل شده است. این فصل، علاوه بر بررسی مبانی سنجش از دور، به تفصیل به نوآوری‌های اخیر در پهپادها و ماهواره‌های کوچک می‌پردازد و چگونگی تحول در جمع‌آوری و پردازش داده‌ها را نشان می‌دهد. ما همچنین به بررسی دقیق چهار ویژگی کلیدی داده‌های سنجش از دور – تفکیک‌پذیری مکانی، طیفی، رادیومتریک و زمانی – خواهیم پرداخت که هر یک نقش حیاتی در کیفیت و کاربرد تصاویر ایفا می‌کنند. در نهایت، کاربردهای گسترده و حیاتی حسگر از راه دور در کشاورزی دقیق، برنامه‌ریزی شهری، مدیریت بلایا و مطالعات اقلیمی را تشریح خواهیم کرد، با تمرکز بر چگونگی تأثیر این فناوری بر تصمیم‌گیری‌های آگاهانه و پایدار در آینده.

1. مبانی سنجش از راه دور

سنجش از راه دور، یک شیوه علمی برای جمع‌آوری اطلاعات درباره ویژگی‌های فیزیکی یک منطقه از راه دور است، به این معنی که بدون تماس مستقیم با آن شیء یا منطقه، داده‌ها به دست می‌آید. این روش در مقابل مشاهدات درجا یا میدانی قرار می‌گیرد. این فناوری بر مبنای اندازه‌گیری انرژی الکترومغناطیسی (EM) است که از سطح زمین بازتاب یا ساطع می‌شود. این انرژی در شکل امواج سینوسی با میدان‌های الکتریکی و مغناطیسی عمود بر هم در فضا منتشر می‌شود.

1.1. طیف الکترومغناطیسی و تعامل انرژی

طیف الکترومغناطیسی (EM) نشان‌دهنده گستره کامل فرکانس‌های موجی است که تابش خورشیدی را مشخص می‌کند. این طیف از طول موج‌های کوتاه مانند پرتوهای گاما و اشعه ایکس آغاز شده و تا طول موج‌های بلند مانند امواج رادیویی امتداد می‌یابد. چشم انسان تنها قادر به دیدن بخش کوچکی از این طیف، یعنی محدوده مرئی (قرمز، سبز و آبی) است. با این حال، حسگرهای سنجش از راه دور طوری طراحی شده‌اند که می‌توانند فراتر از این محدوده دید انسانی را ثبت کنند، که همین امر قدرت بی‌نظیری به سنجش از راه دور می‌بخشد.

مدل موجی به خوبی می‌تواند بسیاری از ویژگی‌های انرژی EM را توصیف کند. با این حال، برای برخی اهداف، مدل ذرات که در آن انرژی EM از واحدهای گسسته‌ای به نام “فوتون” تشکیل شده است، مناسب‌تر است. میزان انرژی که یک فوتون با طول موج خاص حمل می‌کند، با فرمول Q = h × v = h × c/λ محاسبه می‌شود، که در آن Q انرژی فوتون، h ثابت پلانک، v فرکانس و λ طول موج است. از این رابطه نتیجه می‌شود که هرچه طول موج بلندتر باشد، محتوای انرژی آن کمتر است. برای مثال، پرتوهای گاما (حدود 10^-9 متر) پرانرژی‌ترین و امواج رادیویی (بیش از 1 متر) کم‌انرژی‌ترین هستند. یک پیامد مهم برای سنجش از راه دور این است که اندازه‌گیری انرژی ساطع شده در طول موج‌های بلندتر، دشوارتر از طول موج‌های کوتاه‌تر است.

مواد مختلف، طول موج‌های متفاوتی از تابش الکترومغناطیسی را بازتاب و جذب می‌کنند. این ویژگی منحصر به فرد به ما امکان می‌دهد تا با بررسی طول موج‌های بازتاب‌یافته توسط یک حسگر، نوع ماده‌ای که تابش از آن منعکس شده است را شناسایی کنیم. این مفهوم به عنوان “امضای طیفی” (spectral signature) شناخته می‌شود. منحنی‌های بازتاب طیفی، کسر تابش فرودی را نشان می‌دهند که به عنوان تابعی از طول موج منعکس می‌شود. برای هر ماده، یک منحنی بازتابی خاص قابل تعیین است. به عنوان مثال، در تصاویر ماهواره‌ای، می‌توان با استفاده از این امضاهای طیفی، پوشش‌های مختلف سطح زمین مانند برف و یخ، ابرها، پوشش گیاهی برگ‌پهن، پوشش گیاهی سوزنی‌برگ، خاک خشک و مرطوب، آب کدر و آب شفاف را از یکدیگر متمایز کرد. امروزه، تلاش‌های زیادی برای ذخیره مجموعه‌هایی از منحنی‌های طیفی معمول در کتابخانه‌های طیفی انجام می‌شود. این منحنی‌ها به طور خاص برای قسمت نوری طیف الکترومغناطیسی (تا 2.5 میکرومتر) ساخته می‌شوند.

1.2. سنجنده های  فعال در مقابل حسگرهای غیرفعال

سنجش  از راه دور به دو دسته اصلی تقسیم می‌شوند: حسگرهای غیرفعال (Passive Sensors) و حسگرهای فعال (Active Sensors).

سنجنده های  غیرفعال: این حسگرها، انرژی را که به طور طبیعی در دسترس است، اندازه‌گیری می‌کنند. منبع اصلی انرژی برای این حسگرها، خورشید است. انرژی خورشید یا منعکس می‌شود (برای طول موج‌های مرئی) یا جذب شده و سپس مجدداً ساطع می‌شود (برای طول موج‌های فروسرخ حرارتی). حسگرهای غیرفعال تنها زمانی می‌توانند انرژی را شناسایی کنند که انرژی طبیعی در دسترس باشد. به عنوان مثال، برای تمام انرژی بازتابی، این فرآیند تنها زمانی می‌تواند رخ دهد که خورشید در حال نورافشانی به زمین باشد؛ در شب، انرژی بازتابی از خورشید در دسترس نیست. با این حال، انرژی که به طور طبیعی ساطع می‌شود (مانند فروسرخ حرارتی) می‌تواند شبانه روز شناسایی شود، به شرطی که میزان انرژی به اندازه کافی زیاد باشد تا ثبت شود. یک دوربین عکاسی مثال عالی از یک حسگر غیرفعال است؛ در یک روز آفتابی روشن، نور کافی از خورشید به سوژه‌ها می‌تابد و به لنز دوربین بازتاب می‌شود، و دوربین به سادگی تابش فراهم شده را (در حالت غیرفعال) ثبت می‌کند.

سنجنده های فعال: برخلاف حسگرهای غیرفعال، حسگرهای فعال منبع انرژی خود را دارند. این حسگرها انرژی را به سمت هدف ارسال می‌کنند و سپس انرژی بازگشتی (backscattered) را اندازه‌گیری می‌کنند. از جمله مزایای اصلی استفاده از حسگرهای فعال این است که آن‌ها مستقل از شرایط نور طبیعی هستند و می‌توانند داده‌ها را در هر زمان از شبانه روز جمع‌آوری کنند. همچنین، برخی از حسگرهای فعال، مانند رادار، می‌توانند ابرها را نیز نفوذ کرده و در شرایط آب و هوایی نامساعد نیز داده‌ها را جمع‌آوری کنند. یک مثال از حسگر فعال، فلاش دوربین است؛ در یک روز ابری یا در داخل یک اتاق، اغلب نور خورشید کافی برای ثبت مناسب سوژه‌ها توسط دوربین وجود ندارد، بنابراین از منبع انرژی خود – فلاش – برای روشن کردن سوژه‌ها و ثبت تابش بازتابی از آن‌ها استفاده می‌کند (حالت فعال). رادار نیز یک حسگر فعال است که پالس‌های انرژی مایکروویو را به سمت سطح زمین ساطع می‌کند و سپس انرژی بازتابی را اندازه‌گیری می‌کند. این طول موج‌های نسبتاً بلندتر (بین 1 سانتی‌متر و 1 متر) این مزیت را دارند که می‌توانند ابرها را نفوذ کنند و مستقل از شرایط جوی مانند مه باشند.

1.3. پنجره‌های جوی و جذب اتمسفری

جو زمین به طور کامل شفاف نیست و می‌تواند بر تابش الکترومغناطیسی که از سطح زمین بازتاب یا ساطع می‌شود، تأثیر بگذارد. این تأثیر شامل جذب (Absorption) و پراکندگی (Scattering) می‌شود. گازهای موجود در جو، مانند بخار آب (H2O)، دی‌اکسید کربن (CO2) و اکسیژن (O2)، برخی از طول موج‌ها را جذب می‌کنند. به همین دلیل، تنها مناطق طول موجی خارج از باندهای جذب اصلی گازهای جوی می‌توانند برای سنجش از دور سطح زمین استفاده شوند. این مناطق را “پنجره‌های انتقال جوی” (Atmospheric Transmission Windows) می‌نامند.

این پنجره‌ها شامل:

• یک پنجره در ناحیه مرئی و فروسرخ بازتابی، بین 0.4 تا 2 میکرومتر. این پنجره‌ای است که حسگرهای نوری از راه دور در آن عمل می‌کنند.
• سه پنجره در ناحیه فروسرخ حرارتی: دو پنجره باریک حدود 3 و 5 میکرومتر، و یک پنجره نسبتاً وسیع سوم که تقریباً از 8 تا 14 میکرومتر امتداد دارد.
• ناحیه مایکروویو که فراتر از 1 میلی‌متر است و تا حدودی شفاف است.

وجود رطوبت جوی باعث باندهای جذب قوی‌تر در طول موج‌های بلندتر می‌شود؛ به طوری که در ناحیه 22 میکرومتر تا 1 میلی‌متر تقریباً هیچ انتقال انرژی وجود ندارد. نمودار طیف خورشیدی که با و بدون تأثیر جو زمین مشاهده می‌شود، نشان می‌دهد که چگونه جذب توسط گازهای مختلف در جو باعث افت نسبی در منحنی تابش می‌شود.

2. پلتفرم‌ها و حسگرهای سنجش از راه دور

جمع‌آوری داده‌های سنجش از راه دور به پلتفرم‌های مختلفی بستگی دارد که حسگرها را حمل می‌کنند. به طور سنتی، این پلتفرم‌ها شامل هواپیماها و ماهواره‌ها بوده‌اند. اما در سال‌های اخیر، سیستم‌های هواپیمایی هدایت‌شونده از راه دور (RPAS)، که به طور عام به آن‌ها پهپاد می‌گویند، به عنوان یک پلتفرم نوظهور برای جمع‌آوری داده‌های سنجش از راه دور ظاهر شده‌اند.

2.1. پهپادها (Remotely Piloted Aircraft Systems – RPAS)

پهپادها، که به عنوان RPAS، RPV (Remotely Piloted Vehicle)، UAS (Unmanned Aircraft Systems) یا UAV (Unmanned Aerial Vehicle) نیز شناخته می‌شوند، سیستم‌های هواپیمایی هستند که بدون دخالت مستقیم انسان از داخل یا روی هواپیما عمل می‌کنند. در این فصل، واژه متداول “پهپاد” برای اشاره به وسایل نقلیه مجهز یا فاقد تجهیزات سنجش از راه دور به کار می‌رود که به طور قانونی تحت بخش 107 مقررات اداره هوانوردی فدرال (FAA) فعالیت می‌کنند (به عنوان مثال، وزنی کمتر یا مساوی 55 پوند شامل بار یا محموله و عملیات در ارتفاع زیر 400 فوت). این سند به عملیاتی که تحت بخش 107 پوشش داده نمی‌شوند (مانند ارتفاع متوسط، استقامت طولانی) نمی‌پردازد.

2.1.1. پیشرفت‌های تکنولوژیکی و مزایای پهپادها

استفاده از پهپادها با حسگرهای از راه دور برای شناسایی سایت‌ها نسبتاً جدید است، اما به دلیل چندین پیشرفت مهم تکنولوژیکی به سرعت در حال گسترش است. این پیشرفت‌ها شامل:

• بهبود کارایی باتری: افزایش زمان پرواز و قابلیت اطمینان عملیاتی.
• کامپیوترهای فشرده و سبک‌وزن داخلی: امکان پردازش داده‌ها در پرواز و کنترل پیچیده‌تر.
• افزایش ظرفیت ذخیره‌سازی داده: قابلیت جمع‌آوری حجم عظیمی از اطلاعات.
• دوربین‌های سبک‌وزن با وضوح بالا و مقرون‌به‌صرفه و به طور کلی قابل اعتماد: بهبود کیفیت تصاویر و دسترسی پذیری.

این تغییرات سخت‌افزاری همراه با ویژگی‌های کاربردی جدیدی مانند پرواز خودکار است که می‌تواند پهپاد را با کنترل انسانی محدود و در مسیرهای پروازی از پیش تعیین‌شده به دقت هدایت کند. در نتیجه، جمع‌آوری داده‌هایی که قبلاً نیاز به عبور کارگران از مناطق دشوار پیاده‌رو را داشت، اکنون می‌تواند با پهپاد انجام شود. پهپادها همچنین توانایی پرواز به مناطق بالقوه خطرناک را دارند و افراد را از آسیب دور نگه می‌دارند. تحت بخش 107، پهپادها باید در ارتفاعات کمتر از 400 فوت بالاتر از سطح زمین پرواز کنند، که برای تفکیک‌پذیری مکانی و طیفی هم برای حسگرهای غیرفعال و هم برای حسگرهای فعال مزیت دارد. سهولت استقرار پهپاد از عملیات پروازی مکرر و روتین پشتیبانی می‌کند و امکان ثبت بهتر و در نهایت درک تغییرات زمانی را فراهم می‌آورد. به همین ترتیب، تکامل پهپادها با پیشرفت‌های پشتیبان در پردازش کامپیوتری که امکان جمع‌آوری و پردازش حجم عظیمی از داده‌ها را در یک بازه زمانی نسبتاً کوتاه فراهم می‌کند، پیوند خورده است. پهپادها راه‌حلی مقرون‌به‌صرفه برای جمع‌آوری داده‌های با فرکانس بالا، تفکیک‌پذیری بالا و بر اساس تقاضا فراهم می‌کنند، که برای ردیابی تغییرات پویا در محیط یا موقعیت‌های اضطراری حیاتی است.

2.1.2. مقررات و سیاست‌ها (FAA Part 107)

اداره هوانوردی فدرال (FAA) اهمیت ادغام عملیات پهپاد در سیستم ملی فضای هوایی (NAS) را تشخیص داده و مقررات به‌روزشده (14 CFR Part 107) را در سال 2016 به تصویب رساند. FAA در حال حاضر دو گزینه را برای صدور گواهینامه عملیات پهپاد آژانس‌های دولتی پشتیبانی می‌کند. مکانیسم اصلی از طریق گواهی چشم‌پوشی یا مجوز (COA) به نام معافیت بخش 333 بود. این معافیت امکان پرواز زیر 400 فوت در فضای هوایی کلاس G (غیرکنترل‌شده) و صدور گواهینامه خلبان خودگردان را فراهم می‌کرد، با نیاز به درخواست COA اضطراری (e-COA) برای شرایط خاص. این مکانیسم‌ها همچنین نیاز به آموزش خلبانی تجاری خاص داشتند تا سطح گواهینامه فعلی. فرآیند درخواست اولیه برای COA گسترده بود و عملیات همچنان تابع فرآیند درخواست و بررسی برای e-COA برای بسیاری از پروازها بود. FAA در حال حاضر این سیستم را به نفع عملیات تحت قانون بخش 107 کنار می‌گذارد.

در 29 آگوست 2016، 14 CFR، بخش 107 برای استفاده مدنی و عمومی از پهپادها به اجرا درآمد. گواهینامه خلبانی جدیدی به نام “خلبان از راه دور” همراه با الزامات آزمون مرتبط بخشی از این قانون بود. این قانون همچنین یک فرآیند ثبت‌نام برای پهپادهای کوچک که به صورت تجاری پرواز می‌کنند، ایجاد کرد. خلبان از راه دور باید آزمون کتبی FAA را گذرانده و هواپیمای خود را ثبت کند. عملیات تجاری شامل کارهایی است که در ازای پاداش انجام می‌شود و همچنین کارهایی که بدون پاداش و در راستای یک تجارت یا برای تحقیق انجام می‌شود. پرواز با پهپاد برای اهداف آموزشی یا تعلیمی (به عنوان مثال، تدریس یک کلاس STEM یا یک برنامه آموزشی پهپاد) ممکن است هم تحت بخش 107 و هم به عنوان یک پرواز تفریحی انجام شود. قوانین بخش 107 به هواپیماهای بدون سرنشین کوچک اجازه می‌دهد با محدودیت‌های زیر عمل کنند:

• وزن: کمتر از 55 پوند.
• دید خط دید (VLOS): فقط با دید خط دید پرواز کنید.
• عملیات بر فراز افراد غیرشرکت‌کننده یا ترافیک در حال حرکت: مجاز نیست.
• زمان عملیات: فقط در طول روز، یا در گرگ و میش مدنی با نورپردازی قابل مشاهده از فاصله سه مایل.
• حق تقدم: پهپاد باید حق تقدم را به هواپیماهای دیگر بدهد.
• دید اول شخص (ویدئو از پهپاد): نیاز به یک ناظر بصری با VLOS دارد.
• حداکثر سرعت زمینی: 100 مایل در ساعت.
• حداکثر ارتفاع: 400 فوت بالاتر از سطح زمین یا یک سازه.
• دید آب و هوا: حداقل سه مایل.
• فضای هوایی: فقط فضای هوایی کلاس G بدون مجوز کنترل ترافیک هوایی.
• تعداد هواپیما در هر خلبان: یک هواپیما در هر خلبان.
• عملیات از یک هواپیمای در حال حرکت: مجاز نیست.
• عملیات از یک وسیله نقلیه در حال حرکت: مجاز نیست، مگر اینکه بر فراز یک منطقه کم‌جمعیت باشد.
• عملیات بی‌ملاحظه یا بی‌پروا: مجاز نیست.
• حمل مواد خطرناک: مجاز نیست.

2.1.3. ملاحظات عملیاتی پهپاد

قبل از عملیات پهپاد در سایت، بررسی شرایط آب و هوایی ضروری است. باد متوسط تا قوی می‌تواند کنترل پهپاد را دشوار کند، و سرعت باد معمولاً در اوایل صبح کمتر است. بارش و تراکم ناشی از مه یا ابرها می‌تواند به مدارهای الکتریکی آسیب برساند. باید یک منطقه پرواز ایمن، به ابعاد 20 در 20 فوت، با مخروط‌ها یا نشانگرهای رنگارنگ مشخص شود که پهپاد در آنجا بلند می‌شود و فرود می‌آید. این منطقه باید دید بدون مانع و خط دید به محیط مورد نمونه‌برداری یا منطقه‌ای که داده‌ها از آن جمع‌آوری می‌شود، داشته باشد. از خطراتی مانند بالای صخره‌ها، پایین دیوارهای بلند، درختان، خطوط برق و ترافیک وسایل نقلیه فعال باید اجتناب شود. در طول عملیات پهپاد، تنها خلبان و دیدبان مجاز به ورود به منطقه پرواز ایمن هستند. معمولاً خلبان و دیدبان هنگام روشن و خاموش کردن پهپاد درست در خارج از منطقه می‌ایستند.

قبل از پرواز، باتری‌های کاملاً شارژ شده باید نصب شوند و باتری‌های استفاده شده در ایستگاه شارژ قرار گیرند. در صورت لزوم برای عملیات برنامه‌ریزی‌شده، تجهیزات نمونه‌برداری باید متصل شده و حسگرها، کنترل‌ها و وضعیت پهپاد بررسی شود. پس از آن، پهپاد و محموله باید بالا برده شوند و سیستم نسبت به نقطه نمونه‌برداری یا نقطه‌ای که جمع‌آوری داده‌های حسگر آغاز می‌شود، موقعیت یابد. الگوی پرواز برنامه‌ریزی‌شده یا مسیر به نقطه نمونه‌برداری باید آغاز شود. الگوی پرواز انتخاب شده باید برای جمع‌آوری داده‌ها و ناوبری ایمن مزیت داشته باشد. پس از اتمام زمان پرواز اختصاص داده شده یا دستیابی به اهداف جمع‌آوری داده، پهپاد باید در منطقه پرواز ایمن فرود آید. برای نمونه‌برداری فعال، مانند نمونه‌برداری از آب، یک تیم باتجربه می‌تواند به طور کلی این مرحله را در حدود 15 تا 20 دقیقه تکمیل کند. باتری‌ها باید با مجموعه جدیدی جایگزین شوند و این مرحله تکرار شود تا تمام نمونه‌ها یا داده‌های حسگر جمع‌آوری شوند. در نهایت، گزارش نمونه‌برداری باید تهیه شود که حداقل شامل: (1) یادداشت‌هایی در مورد شرایط آب و هوایی، (2) مختصات نمونه‌برداری و جمع‌آوری داده، (3) نقطه نمونه‌برداری (به صورت سه‌بعدی برای نمونه‌برداری آب)، و (4) توجیه نقاط نمونه‌برداری یا منطقه جمع‌آوری داده انتخاب شده باشد.

2.1.4. پذیرش عمومی و نگرانی‌های حریم خصوصی

پتانسیل نقض حریم خصوصی یکی از نگرانی‌های مهم مرتبط با پرواز پهپاد است. پروازهای پهپاد، به ویژه توسط نهادهای دولتی و مجریان قانون، در این زمینه مشکل‌ساز هستند. در حالی که قوانین و مقررات محلی می‌توانند نگرانی‌های ایمنی و آزاردهنده را برطرف کنند، حریم خصوصی و پتانسیل نظارت دولتی مسائل مشکل‌سازی هستند. در پاسخ به نگرانی‌های حریم خصوصی مرتبط با استفاده از دوربین‌های نصب شده بر پهپاد، یک تفاهم‌نامه ریاست جمهوری مورخ 15 فوریه 2015 مجموعه‌ای از تلاش‌های چندجانبه را آغاز کرد که منجر به دستورالعمل‌هایی برای استفاده خصوصی و تجاری شد. این بهترین شیوه‌های داوطلبانه به مسائل حریم خصوصی، پاسخگویی و شفافیت می‌پردازند.

2.2. ماهواره‌ها (Spaceborne Remote Sensing)

ماهواره‌ها به عنوان پلتفرم‌های اصلی برای سنجش از راه دور فضایی عمل می‌کنند و به وسیله موشک‌ها به فضا پرتاب می‌شوند. ماهواره‌های مشاهده زمین در مدارهایی بین 150 تا 36000 کیلومتر ارتفاع قرار می‌گیرند. مدار خاص بستگی به اهداف مأموریت دارد، به عنوان مثال، مشاهده مداوم مناطق بزرگ یا مشاهده دقیق مناطق کوچک‌تر. از زمان پرتاب اسپوتنیک در سال 1957، هزاران ماهواره پرتاب شده‌اند. در حال حاضر، بیش از 3600 ماهواره در مدار زمین قرار دارند، اما تنها حدود 1400 مورد عملیاتی هستند. از این ماهواره‌ها، بیش از 100 مورد ماهواره‌های مشاهده زمین هستند که انواع مختلفی از حسگرها را برای اندازه‌گیری و جمع‌آوری داده‌ها درباره زمین حمل می‌کنند. این ماهواره‌ها اغلب توسط دولت‌ها برای نظارت بر منابع زمین پرتاب می‌شوند، اما شرکت‌های تجاری خصوصی نیز به طور فزاینده‌ای در پرتاب ماهواره‌های مشاهده زمین فعال شده‌اند.

2.2.1. تکامل ماهواره‌های مشاهده زمین

• لندست (Landsat): برنامه لندست قدیمی‌ترین برنامه مشاهده زمین است که در سال 1972 با ماهواره لندست-1 و حسگر چندطیفی MSS آغاز شد. پس از سال 1982، حسگر نقشه‌بردار حرارتی (TM) جایگزین MSS شد. لندست-5، پرتاب شده در 1984، با تفکیک‌پذیری مکانی 30 متر، داده‌های تصویری زمین را برای تقریباً 29 سال فراهم کرد. در آوریل 1999، لندست-7 با حسگر ETM+ (Enhanced Thematic Mapper) پرتاب شد. لندست-7 دارای باند پانکروماتیک با تفکیک‌پذیری 15 متر و باندهای چندطیفی با تفکیک‌پذیری 30 متر است. در سال 2013، لندست-8 پرتاب شد که تفکیک‌پذیری‌های مشابهی داشت. داده‌های لندست TM کاربردهای بسیاری در نقشه‌برداری پوشش زمین، کاربری زمین، خاک، زمین‌شناسی و دمای سطح دریا دارند.
• IKONOS: در سال 1999، ماهواره IKONOS توسط MAXAR Technologies Inc. پرتاب شد که اولین ماهواره تجاری بود که تصاویر با وضوح بالا (0.80 متر تفکیک‌پذیری پانکروماتیک در نادیر) ارائه می‌داد. IKONOS اولین ماهواره تجاری با تفکیک‌پذیری بالا بود که در فضا قرار گرفت. این ماهواره بالاترین تفکیک‌پذیری مکانی را که تاکنون توسط یک ماهواره غیرنظامی به دست آمده، ارائه می‌دهد و همچنین دارای تفکیک‌پذیری رادیومتریک بالا با 11 بیت کوانتش است.
• SPOT: سیستم SPOT (Système Pour l’Observation de la Terre) در سال 1986 با پرتاب SPOT-1 آغاز به کار کرد. SPOT-4، که در مارس 1998 پرتاب شد، حسگر HRVIR بهبودیافته‌ای با 4 باند به جای 3 باند داشت و ابزار VEGETATION به آن اضافه شد که برای نظارت مکرر (تقریباً روزانه) و دقیق بر خشکی‌های جهان طراحی شده بود. SPOT-4 دارای تفکیک‌پذیری مکانی 10 متر برای باند پانکروماتیک و 20 متر برای باندهای چندطیفی است.
• IRS: ماهواره‌های IRS-1C و -1D برای چندین سال، تا زمان پرتاب IKONOS در سپتامبر 1999، ماهواره‌های غیرنظامی با بالاترین تفکیک‌پذیری مکانی بودند. IRS-1D دارای تفکیک‌پذیری مکانی 6 متر برای حسگر پانکروماتیک (PAN) است.
• Terra: ماهواره EOS AM-1، که بعداً به Terra تغییر نام یافت، در دسامبر 1999 پرتاب شد و پنج ابزار سنجش از راه دور شامل MODIS و ASTER را حمل می‌کند. ASTER یک طیف‌سنج تصویربرداری با تفکیک‌پذیری بالا است که سه باند در محدوده مرئی و فروسرخ نزدیک با تفکیک‌پذیری 15 متر، شش باند در فروسرخ موج کوتاه با تفکیک‌پذیری 30 متر و پنج باند در فروسرخ حرارتی با تفکیک‌پذیری 90 متر دارد. MODIS کل سطح زمین را هر 1 تا 2 روز با یک رادیومتر تصویربرداری اسکنر Whisk-broom مشاهده می‌کند. تفکیک‌پذیری مکانی آن از 250 تا 1000 متر متغیر است.
• EO-1: مأموریت EO-1 بخشی از برنامه جدید هزاره ناسا است و بر فناوری‌های جدید حسگر و فضاپیما تمرکز دارد که می‌توانند مستقیماً هزینه‌های لندست و سیستم‌های نظارت بر زمین مرتبط را کاهش دهند. EO-1 سه ابزار اصلی دارد: Hyperion (طیف‌سنج تصویربرداری با 30 متر GSD و 10 نانومتر باند پیوسته از طیف بازتابی خورشیدی)، LAC (طیف‌سنج تصویربرداری برای نظارت بر خطوط جذب آب جوی) و ALI (Advanced Land Imager) که باندهای پانکروماتیک و چندطیفی نوع لندست را ارائه می‌دهد.

2.2.2. ماهواره‌های کوچک و صورت فلکی ماهواره‌ای

در سال 2013، تخمین زده شد که 92 ماهواره میکرو/نانو پرتاب شده‌اند و تعداد بیشتری ماهواره کوچک‌تر نیز به فضا فرستاده شده‌اند. ماهواره‌های کوچک به هر ماهواره‌ای که وزنش کمتر از 500 کیلوگرم (تقریباً 1100 پوند) باشد، اطلاق می‌شود. این ماهواره‌ها به طور قابل توجهی کوچک‌تر از ماهواره‌های سنتی هستند و بنابراین تولید آن‌ها ارزان‌تر است. آن‌ها اغلب از فناوری‌های مصرف‌کننده و در دسترس برای ساخت خود استفاده می‌کنند. پرتاب این ماهواره‌ها نیز به دلیل اندازه و وزن کمشان ارزان‌تر است. بسیاری از آن‌ها با موشک‌هایی حاوی محموله‌ها و لوازم دیگر پرتاب شده‌اند و توسط ایستگاه فضایی بین‌المللی در مدار رها می‌شوند. ماهواره‌های Dove که توسط Planet Labs توسعه یافته‌اند، نانوساتلایت‌هایی با وزن تقریبی 5 کیلوگرم هستند. نزدیک به 100 ماهواره Dove در چند سال گذشته پرتاب شده‌اند و یک صورت فلکی یا شبکه از ماهواره‌ها را برای جمع‌آوری داده‌ها فراهم کرده‌اند. این ماهواره‌ها قادر به تولید تصاویر روزانه با تفکیک‌پذیری مکانی 3 تا 5 متر هستند.

پروژه PhoneSat ناسا نیز یک پروژه در حال انجام برای آزمایش امکان ساخت ماهواره با استفاده از فناوری گوشی‌های هوشمند است. اولین ماهواره‌های مکعبی PhoneSat برخی از کم‌هزینه‌ترین ماهواره‌هایی بودند که تاکنون در فضا پرواز کرده‌اند. هر نانوساتلایت PhoneSat یک واحد مکعبی به ابعاد 10 سانتی‌متر (تقریباً 4 اینچ) بود که تقریباً سه پوند وزن داشت. هزینه ساخت نسل اول PhoneSat حدود 3500 دلار بود. این پروژه ثابت کرده است که ماهواره‌هایی که تصاویر را جمع‌آوری می‌کنند، می‌توانند با قیمت نسبتاً کمی طراحی و پرتاب شوند. این پیشرفت‌ها منجر به بهبود سریع در تفکیک‌پذیری زمانی (Temporal Resolution) شده‌اند. سیستم‌های پهپادی به کاربر این امکان را می‌دهند که زمان بازگشت را کنترل کند و در صورت تمایل، چندین مجموعه داده را در روز جمع‌آوری کند. ماهواره‌های صورت فلکی نیز با داشتن چندین ماهواره در مدار پایین که با یکدیگر کار می‌کنند، زمان بازگشت کوتاه‌تری را فراهم می‌کنند و اغلب پوشش روزانه را ممکن می‌سازند.

2.3. انواع حسگرها

حسگرهای از راه دور، دستگاه‌هایی هستند که تابش الکترومغناطیسی بازتاب‌شده یا ساطع‌شده از اهداف روی سطح زمین را اندازه‌گیری می‌کنند. این حسگرها دارای ویژگی‌های طیفی، مکانی و رادیومتریک هستند.

2.3.1. دوربین‌های طیف مرئی

پهپادها، نقشه‌برداری هوایی را به دلیل توانایی مقیاس‌بندی هزینه‌ها و الزامات برای یک ماهیت خاص سایت، در دسترس قرار داده‌اند. با پیشرفت در فناوری ویدئو، ویدئوهای هوایی محبوبیت بیشتری پیدا کرده‌اند. ویدئوهای اریب معمولاً از پهپادها برای کمک به شناسایی سایت‌ها گرفته می‌شوند. دیدگاه منحصربه‌فرد ویدئوگرافی و عکاسی هوایی، سطح بی‌سابقه‌ای از درک را در انواع سایت‌ها (بزرگ و کوچک) فراهم می‌کند. علاوه بر این، با استفاده از داده‌های مکانی-زمانی تعبیه‌شده در اطلاعات جمع‌آوری‌شده توسط پهپاد، ویدئو می‌تواند با فراداده‌ها ترکیب شده و بعدها با یک برنامه نقشه‌برداری ویدئویی همگام‌سازی شود. به همین ترتیب، عکس‌ها و ویدئوها می‌توانند مرجع مکانی شوند یا به مکان‌های عکس‌برداری‌شده با برچسب مکانی متصل شوند تا به شناسایی سایت کمک کنند. این روش‌های اساسی نسبتاً ارزان هستند و نیاز به زیرساخت نرم‌افزاری محدودی برای اجرا دارند.

2.3.2. دوربین‌های فراطیفی (Hyperspectral Cameras)

تصویربرداری فراطیفی (Hyperspectral imaging)، که گاهی اوقات به عنوان طیف‌سنجی تصویربرداری نیز شناخته می‌شود، یک فناوری نسبتاً جدید است. در این نوع تصویربرداری، حسگر قادر به ثبت داده‌ها در صدها باند طیفی است که پهنای باند نسبتاً باریکی دارند (5-10 نانومتر). این رویکرد یک مجموعه داده رنگی متراکم و غنی از اطلاعات با تفکیک‌پذیری مکانی کافی برای داشتن صدها نقطه داده (پیکسل) در هر برگ تولید می‌کند. طیف‌سنج‌های تصویربرداری، منحنی‌های بازتابی تقریباً پیوسته‌ای را برای هر پیکسل اندازه‌گیری می‌کنند. منحنی‌های طیفی اندازه‌گیری شده به ترکیب شیمیایی ماده بستگی دارد.

طول موج‌هایی که معمولاً برای تصویربرداری فراطیفی از گیاهان استفاده می‌شوند، از فرابنفش (حدود 250 نانومتر) تا فروسرخ موج کوتاه (SWIR) (حدود 2500 نانومتر) متغیر هستند. دوربین‌ها معمولاً زیرمجموعه‌های خاصی را ثبت می‌کنند، مانند محدوده مرئی و فروسرخ نزدیک (VIS-NIR, 400-1300 نانومتر)، SWIR (1300-2500 نانومتر) یا UV (250-400 نانومتر). این محدوده‌ها در برخی حسگرها برای افزایش پوشش طیف ترکیب می‌شوند. معمول است که در یک تصویر چندطیفی واقعی، باندهای بیشتری وجود داشته باشد، شاید شامل نور در ناحیه فروسرخ (طول موج بالای 700 نانومتر).

دوربین‌های فراطیفی کاربردهای متعددی دارند، از جمله:

• تشخیص و شناسایی مواد معدنی: داده‌های فراطیفی در شناسایی و تشخیص مواد معدنی، پوشش گیاهی زمینی و مواد و پس‌زمینه‌های ساخت دست بشر استفاده شده است. یک نمونه طیف تصویر و یک طیف مطابق با کانی آلونیت از کتابخانه طیفی USGS نشان می‌دهد که چگونه می‌توان با تطابق طیف‌های تصویر با طیف‌های معدنی، نقشه کانی‌ها را ایجاد کرد.
• پایش شکوفایی سیانوباکتری‌ها: تصویربرداری با دوربین فراطیفی برای پایش شکوفایی سیانوباکتری‌ها در آب شیرین استفاده می‌شود. این دوربین می‌تواند تفاوت‌های طول موج بازتابی بین کلروفیل a، موجود در سیانوباکتری‌های خاص، و کلروفیل b، که معمولاً در گیاهان و جلبک‌های سبز یافت می‌شود، را متمایز کند.
• کشاورزی دقیق: در کشاورزی دقیق، داده‌های بازتابی فراطیفی از گندم زمستانه به عنوان ورودی برای ترکیبی از الگوریتم‌ها در مراحل مختلف فنوژیکی برای تخمین شاخص سطح برگ (LAI) استفاده شده است. همچنین، پارامترهای چندطیفی/فراطیفی دیگر از مقایسه‌های داده‌های ماهواره‌ای و پهپادی برای تخمین پارامترهای پوشش گیاهی محصول، مانند LAI، غلظت کلروفیل برگ و محتوای آب پوشش گیاهی، انجام شده است.

از حسگرهای فراطیفی مهم می‌توان به Hyperion در ماهواره EO-1 (با 220 باند و برد طیفی 0.4 تا 2.5 میکرومتر) و Airborne Visible/Infrared Imaging Spectrometer (AVIRIS) توسعه یافته توسط ناسا/آزمایشگاه پیشرانش جت (JPL) اشاره کرد. AVIRIS داده‌های بازتابی را در 224 باند طیفی از 400 تا 2500 نانومتر جمع‌آوری می‌کند و سنجش است که روی هواپیما نصب می‌شود و داده‌های تقریباً پیوسته را در سراسر طیف جمع‌آوری می‌کند. AVIRIS می‌تواند تصاویری با تفکیک‌پذیری مکانی 2 تا 4 متر از ارتفاع پایین یا 20 متر از ارتفاع 20 کیلومتری بگیرد.

2.3.3. دوربین‌های فروسرخ موج بلند (LWIR) / حرارتی

دوربین‌های LWIR از یک حسگر برای تشخیص طول موج‌های بالای 10,000 نانومتر استفاده می‌کنند، که به آن فروسرخ حرارتی گفته می‌شود. این دوربین‌ها گران‌تر هستند و تفکیک‌پذیری کمتری نسبت به دوربین‌های نور مرئی دارند، اما می‌توانند با آن‌ها جفت شوند. دوربین‌های LWIR رادیومتریک (Radiometric) یک مقدار دمایی اندازه‌گیری‌شده برای هر پیکسل ارائه می‌دهند، در حالی که دوربین‌های LWIR استاندارد دماهای تقریبی را فراهم می‌کنند.

کاربردهای دوربین‌های LWIR شامل:

• ارزیابی اتلاف حرارت: این دوربین‌ها می‌توانند برای ارزیابی اتلاف حرارت از منابعی مانند ساختمان‌ها، زیرساخت‌ها، افراد و حیوانات استفاده شوند.
• بررسی نشت گازهای دفن زباله: می‌توانند برای تشخیص نشت گازهای دفن زباله به کار روند.
• ارزیابی خواص حرارتی مواد: به طور مشابه، این دوربین‌ها می‌توانند برای ارزیابی خواص حرارتی مواد مختلف مانند برف در مقابل سنگ یا چوب استفاده شوند.
• پایش دمای سطح دریا: حسگرهای حرارتی مانند باند 6 لندست، برای مطالعه فرآیندهای انرژی در سطح زمین، از جمله پایش دمای سطح دریا و تغییرات دمای محصول در مناطق آبیاری‌شده استفاده می‌شوند.
• پایش فعالیت‌های آتشفشانی: مناطق داغ مانند گدازه‌ها، فواره‌ها و جریان‌های خاکستر گرم را می‌توان با استفاده از داده‌های نقشه‌بردار حرارتی (Thematic Mapper) نقشه‌برداری و تقویت کرد.

2.3.4. سیستم‌های رادار (RADAR)

رادار (RADAR) مخفف Radio Detection And Ranging است. رادارها حسگرهای فعالی هستند که با طول موج‌های بین 1 تا 100 سانتی‌متر کار می‌کنند. یک سیستم رادار، پالس‌های انرژی مایکروویو را به سمت سطح زمین ساطع می‌کند و حسگر سپس انرژی بازتابی یا پراکنده شده را که به سمت حسگر بازمی‌گردد، اندازه‌گیری می‌کند. تصاویر رادار، یک تصویر را تولید می‌کنند که در آن هر پیکسل حاوی یک عدد دیجیتال بر اساس قدرت انرژی بازتابی دریافت شده از زمین است. مزیت اصلی این طول موج‌های نسبتاً بلندتر این است که می‌توانند ابرها را نفوذ کنند و مستقل از شرایط جوی مانند مه باشند.

پدیده‌های مؤثر بر بازتاب رادار:

• طول موج سیگنال تابشی: طول موج یک سیستم رادار بر عمق نفوذ امواج به سطح شیء و همچنین اندازه اشیایی که امواج با آن‌ها تعامل دارند، تأثیر می‌گذارد. به عنوان مثال، یک مایکروویو کوتاه فقط به برگ‌های بالای درختان (مانند باند X با طول موج 3 سانتی‌متر) نفوذ می‌کند، در حالی که در مورد باند L (23 سانتی‌متر)، تابش به داخل تاج پوشش نفوذ می‌کند.
• قطبش مایکروویو: قطبش امواج الکترومغناطیسی در زمینه سنجش از راه دور رادار اهمیت دارد. بسته به جهت‌گیری موج رادار ارسالی و دریافتی، قطبش منجر به تصاویر مختلفی خواهد شد. می‌توان با امواج رادار افقی، عمودی یا متقاطع قطبیده کار کرد. استفاده از قطبش‌ها و طول موج‌های مختلف می‌تواند اطلاعات مفیدی را برای کاربردهای خاص، مانند طبقه‌بندی مزارع کشاورزی، جمع‌آوری کند.
• زبری سطح: زبری سطح، مهمترین خاصیت زمین است که به شدت بر قدرت بازگشت رادار تأثیر می‌گذارد. سطح “ناهموار” در صورتی است که تغییرات ارتفاعی در ابعادی نزدیک به طول موج رادار داشته باشد، به عنوان مثال، اندازه یک برگ. در تصاویر رادار، سطوح ناهموار روشن و سطوح صاف تاریک به نظر می‌رسند.
• محتوای رطوبت: محتوای رطوبت شیء بر خواص الکتریکی و در نتیجه ثابت دی‌الکتریک تأثیر می‌گذارد.

کاربردهای رادار:

• کشاورزی: تصاویر رادار به دلیل قابلیت نفوذ در ابرها و مستقل بودن از شرایط نور روز، می‌توانند برای نظارت بر محصولات کشاورزی، به ویژه در مناطق با پوشش ابری زیاد، مفید باشند.
• مدیریت بلایای طبیعی: رادار می‌تواند در مدیریت بلایا، مانند شناسایی مناطق سیل‌زده، جریان‌های آوار یا نشت نفت، بسیار مفید باشد، به خصوص زمانی که تصاویر نوری به دلیل پوشش ابری در دسترس نباشند. همچنین، از رادار تداخل‌سنجی (inSAR) برای اندازه‌گیری جابجایی زمین در نتیجه زلزله‌ها و همچنین برای ایجاد مدل‌های ارتفاعی دقیق استفاده می‌شود.
• نقشه‌برداری توپوگرافی: اسکنرهای لیزری، که روی هواپیما نصب می‌شوند، از پرتو لیزر (نور فروسرخ) برای اندازه‌گیری فاصله از هواپیما تا نقاط روی زمین استفاده می‌کنند. این اندازه‌گیری فاصله سپس با اطلاعات دقیق موقعیت هواپیما ترکیب می‌شود تا ارتفاع زمین محاسبه شود. اسکن لیزری عمدتاً برای تولید مدل‌های ارتفاعی دیجیتال (DTM) دقیق و با وضوح بالا برای نقشه‌برداری توپوگرافی استفاده می‌شود.

2.3.5. نقشه‌برداری گاما ری (Gamma-ray Surveys)

تابش گاما (تابش الکترومغناطیسی با طول موج بسیار کوتاه) از واپاشی رادیواکتیو خودبه‌خودی برخی ایزوتوپ‌های طبیعی نشأت می‌گیرد. این پرتوهای گاما انرژی کافی برای نفوذ به چند صد متر از هوا را دارند و بنابراین می‌توانند به راحتی از یک هواپیمای با ارتفاع پایین شناسایی شوند. توانایی آن‌ها در نفوذ به سنگ و خاک اندک است، بنابراین تنها پرتوهای گاما از منابع رادیواکتیو در چند ده سانتی‌متری سطح زمین به تعداد قابل توجهی به هوا می‌رسند. در نتیجه، نقشه‌برداری تابش گاما به نقشه‌برداری کم‌عمق‌ترین زیرسطح محدود می‌شود.

با این حال، جایی که خاک مستقیماً از سنگ بستر زیرین مشتق شده باشد و در جایی که سنگ بستر مستقیماً برهنه باشد، پرتوهای گاما در نقشه‌برداری مناطق بزرگ برای زمین‌شناسی مفید هستند. سه ایزوتوپ توریوم (Th)، اورانیوم (U) و پتاسیم (K) منجر به انتشار پرتوهای گاما در هنگام زنجیره واپاشی رادیواکتیو خود می‌شوند. انرژی یک پرتو گاما مشخصه منبع عنصری آن است. یک طیف‌سنج پرتو گاما می‌تواند نه تنها تعداد پرتوهای ورودی را بشمارد، بلکه با تحلیل طیف انرژی تمام پرتوهای گاما ورودی، پرتوهای گاما را به عناصر منبع آن‌ها نسبت دهد و بنابراین فراوانی Th، U و K را در منطقه منبع تخمین بزند. در عمل مشخص شده است که هر واحد سنگی دارای فراوانی نسبی Th، U و K است که با واحدهای سنگی مجاور متفاوت است. بنابراین، اگر فراوانی هر یک از سه عنصر به عنوان یک رنگ اصلی (مثلاً Th = سبز، U = آبی و K = قرمز) با کنتراست مناسب تصویر شود و سه رنگ در یک نمایش بصری ترکیب شوند، هر واحد سنگی با رنگ مشخص خود ظاهر می‌شود. تغییرات در رنگ در چنین تصویری با مرزهای زمین‌شناسی مطابقت دارد و بنابراین، در شرایط مطلوب، بررسی‌های طیف‌سنج پرتو گاما می‌تواند منجر به یک نوع نقشه زمین‌شناسی “فوری” شود. کاربردها شامل جستجوی ذخایر اورانیوم و شناسایی ذخایر مس پورفیری از طریق مشاهده رادیواکتیویته پتاسیم است.

3. ویژگی‌های کلیدی داده و کیفیت تصویر

کیفیت داده‌های سنجش از راه دور با چهار تفکیک‌پذیری اصلی مشخص می‌شود: تفکیک‌پذیری مکانی، طیفی، رادیومتریک و زمانی.

3.1. تفکیک‌پذیری مکانی (Spatial Resolution)

تفکیک‌پذیری مکانی به اندازه کوچک‌ترین عنصر قابل تشخیص روی سطح زمین در یک تصویر اطلاق می‌شود. به عبارت دیگر، اندازه یک پیکسل ثبت شده در یک تصویر رستری را نشان می‌دهد. معمولاً، پیکسل‌ها ممکن است با مناطق مربعی با طول ضلع 1 تا 1000 متر مطابقت داشته باشند. هرچه تفکیک‌پذیری مکانی بالاتر باشد، جزئیات بیشتری قابل مشاهده است. برای مثال، پهپادها به دلیل پرواز در ارتفاعات بسیار پایین (کمتر از 400 فوت) می‌توانند داده‌هایی با تفکیک‌پذیری بسیار بالا تولید کنند.

فاصله نمونه‌برداری زمینی (Ground Sampling Distance – GSD): GSD یک مفهوم ترکیبی است که تفکیک‌پذیری مکانی را بر اساس ابعاد یک پیکسل روی زمین بیان می‌کند. به عبارت دیگر، GSD فاصله روی زمین است که یک پیکسل در تصویر پوشش می‌دهد. GSD با فرمول زیر محاسبه می‌شود: GSD = (اندازه حسگر (عرض) × ارتفاع پرواز) / (فاصله کانونی × عرض شیء بر حسب پیکسل). GSD بر حسب فاصله در هر پیکسل گزارش می‌شود. همین فرمول برای ارتفاع حسگر و ارتفاع شیء نیز اعمال می‌شود. GSD می‌تواند برای تعیین ارتفاع پرواز مناسب برای به دست آوردن تصویر مورد نظر استفاده شود. یک قاعده کلی این است که GSD را دو برابر کنید. قاعده کلی دیگر این است که هر شیئی که می‌خواهید به وضوح ببینید باید با 10 تا 20 پیکسل پوشش داده شود. با استفاده از مقدار 20 پیکسل، کوچک‌ترین شیء تصویربرداری شده باید حداقل 10 اینچ در ارتفاع 100 فوت بالاتر از سطح زمین باشد. نکته: اگر ارتفاع پرواز را به نصف کاهش دهید، اندازه شیء به وضوح تصویربرداری شده دو برابر می‌شود.

اندازه حسگر (Sensor Dimensions): ابعاد حسگر معادل پایه فیلم در یک دوربین فیلمبرداری است. یک حسگر بزرگ، نور بیشتری جمع‌آوری می‌کند که منجر به تصویر بهتر می‌شود. ابعاد یک حسگر با دو پارامتر توصیف می‌شود: اندازه و نسبت ابعاد. به طور کلی، یک حسگر بزرگ‌تر ترجیح داده می‌شود زیرا نور بیشتری دریافت می‌کند و امکان ISO گسترده‌تر را فراهم می‌کند در حالی که نویز را کاهش می‌دهد. اندازه حسگر بر حسب اینچ و بر اساس قالب نوری گزارش می‌شود، که بزرگ‌تر از اندازه قطری واقعی حسگر است. طول قطری حسگر ضربدر 3/2 تقریباً برابر با عرض حسگر است که بر حسب اینچ گزارش می‌شود. به عنوان مثال، یک حسگر 6.4 میلی‌متری در 4.8 میلی‌متری دارای طول قطری 8.0 میلی‌متر و قالب نوری 8.0 × 3/2 ≈ 12 میلی‌متر است. این مقدار به حدود 0.5 اینچ تبدیل می‌شود و بنابراین یک حسگر 0.5 اینچی نامیده می‌شود.

فاصله کانونی (Focal Length): فاصله کانونی دومین عنصر کلیدی است که بر تفکیک‌پذیری مکانی تأثیر می‌گذارد. این فاصله بین لنز و حسگر است زمانی که دوربین به درستی روی یک شیء فوکوس کرده است. (در کتاب‌های درسی، فاصله کانونی به عنوان همان فاصله زمانی که شیء در بی‌نهایت است، توصیف می‌شود). فاصله کانونی یک ویژگی لنز است. معمولاً دوربین‌های پهپاد دارای فواصل کانونی از 10 میلی‌متر تا 1200 میلی‌متر هستند. فواصل کانونی کوتاه‌تر (فواصل کانونی مؤثر 24 میلی‌متر تا 35 میلی‌متر) برای تولید تصاویر با کیفیت زمانی که پهپاد در ارتفاع عملیاتی معمولی (بالاتر از 50 فوت) پرواز می‌کند، بهتر است، زیرا اعوجاج در تصاویر گرفته شده برای کاربردهای مکانی-زمانی بزرگ‌تر کاهش می‌یابد. اگر از پهپاد به عنوان دوربین بازرسی برای بازرسی یک دودکش استفاده شود، فاصله کانونی بلندتر عملکرد بهتری خواهد داشت.

رابطه بین فاصله کانونی واقعی و فاصله کانونی یک دوربین 35 میلی‌متری کامل به عنوان یک ضریب بزرگنمایی فاصله کانونی به نام “عامل برش” (crop factor) بیان می‌شود. عامل برش یک دوربین را می‌توان با تقسیم طول قطری یک قاب 35 میلی‌متری بر طول قطری حسگر دوربین محاسبه کرد. عوامل برش در اینترنت و معمولاً توسط تولیدکننده دوربین یا پهپاد در دسترس هستند. عامل برش یک روش ارزشمند برای مقایسه فواصل کانونی است. اگر دوربینی دارای عامل برش دو باشد، یک قاب فیلم 35 میلی‌متری دو برابر بزرگ‌تر از حسگر دوربین است.

پیکسل پیچ (Pixel Pitch): در حالی که اندازه حسگر و نسبت ابعاد، اندازه فیزیکی حسگر را توصیف می‌کنند، یک حسگر ممکن است در تعداد پیکسل نیز متفاوت باشد. پیکسل پیچ، عرض یک پیکسل منفرد روی حسگر را به عرض حسگر مرتبط می‌کند. برای مقایسه حسگرها، اندازه حسگر و تعداد مطلق پیکسل‌ها باید با استفاده از پیکسل پیچ مقایسه شوند. پیکسل پیچ با تقسیم عرض حسگر بر تعداد پیکسل‌ها در یک ردیف روی حسگر محاسبه می‌شود. به عنوان مثال، اندازه حسگر یک دوربین پهپاد Phase One iXU 1000، 53.4 میلی‌متر در 40 میلی‌متر است و تعداد پیکسل‌ها 11,608 در 8,708 است. با استفاده از یک طرف حسگر مستطیلی، پیکسل پیچ 40 میلی‌متر / 8,708 پیکسل = 0.004593 میلی‌متر/پیکسل، که 4.6 میکرون گزارش می‌شود. زمانی که دو حسگر تعداد پیکسل‌های یکسانی دارند، حسگر بزرگ‌تر تصویر بهتری دارد. ممکن است حسگر کوچک‌تر پیکسل‌های بسیار بیشتری داشته باشد و بنابراین، تصویر بهتری خواهد داشت. پیکسل پیچ این دو جنبه حسگر را متعادل می‌کند؛ به طور کلی، پیکسل پیچ کوچک‌تر تفکیک‌پذیری بیشتری را فراهم می‌کند.

دیافراگم (Aperture): دیافراگم معمولاً با عدد f نشان داده می‌شود، که نسبت فاصله کانونی به قطر دهانه است. بنابراین، f/2 دیافراگمی با قطر 1/2 اندازه فاصله کانونی لنز است، f/4 1/4 اندازه فاصله کانونی و f/1.0 دهانه‌ای برابر با فاصله کانونی است. هرچه مقدار در مخرج بزرگ‌تر باشد، دهانه دیافراگم کوچک‌تر است. برای دوربین‌های دیجیتال، اندازه پیکسل معادل دهانه دیافراگمی است که اجازه ورود نور را از طریق لنز در یک دوربین فیلمبرداری می‌دهد. هرچه دهانه‌ای که نور باید از آن وارد شود کوچک‌تر باشد، پراکندگی نور (衍射) بیشتر است. یک پیکسل پیچ بزرگ‌تر معادل یک دهانه بزرگ‌تر برای نور و در نتیجه، پراش کمتر است.

3.2. تفکیک‌پذیری طیفی (Spectral Resolution)

تفکیک‌پذیری طیفی به پهنای باند باندهای فرکانسی مختلفی که توسط حسگر ثبت می‌شوند اشاره دارد. به طور معمول، این مورد با تعداد باندهای فرکانسی که پلتفرم ثبت می‌کند، مرتبط است. تفکیک‌پذیری طیفی بالا به این معنی است که باندهای آن باریک‌تر هستند، در حالی که تفکیک‌پذیری طیفی پایین دارای باندهای گسترده‌تری است که بخش بیشتری از طیف را پوشش می‌دهند. حسگرهای چندطیفی (multispectral) معمولاً 3 تا 10 باند را پوشش می‌دهند. به عنوان مثال، لندست-8 برای هر صحنه، 11 تصویر جداگانه تولید می‌کند که شامل باندهایی در طیف مرئی و فروسرخ نزدیک، موج کوتاه و حرارتی است. حسگر Hyperion در ماهواره Earth Observing-1 قادر به تفکیک 220 باند از 0.4 تا 2.5 میکرومتر با تفکیک‌پذیری طیفی 0.10 تا 0.11 میکرومتر در هر باند است.

3.3. تفکیک‌پذیری رادیومتریک (Radiometric Resolution)

تفکیک‌پذیری رادیومتریک به تعداد شدت‌های مختلف تابش که حسگر قادر به تمایز آن‌هاست، اشاره دارد. به طور معمول، این تفکیک‌پذیری از 8 تا 14 بیت متغیر است. 8 بیت به 256 سطح مقیاس خاکستری یا 256 مقدار عددی دیجیتال (DN) برای نمایش شدت انرژی اندازه‌گیری شده در یک نقطه اجازه می‌دهد. به طور مشابه، 12 بیت امکان 4096 مقدار DN و 14 بیت تا 16,384 شدت یا “سایه” رنگ را در هر باند فراهم می‌کند. این ویژگی همچنین به نویز ابزار بستگی دارد. هرچه تعداد بیت‌ها بیشتر باشد، تفکیک‌پذیری رادیومتریک بالاتر است و حسگر می‌تواند تفاوت‌های ظریف‌تری در شدت انرژی را تشخیص دهد.

3.4. تفکیک‌پذیری زمانی (Temporal Resolution)

تفکیک‌پذیری زمانی به فرکانس پرواز ماهواره یا هواپیما اشاره دارد و تنها در مطالعات سری زمانی یا آن‌هایی که به تصویر میانگین یا موزاییک نیاز دارند، مانند نظارت بر جنگل‌زدایی، مرتبط است. این مدت زمانی است که یک ماهواره برای تکمیل یک چرخه مداری کامل نیاز دارد، که به آن “زمان بازگشت” (revisit time) نیز گفته می‌شود. این زمان به قابلیت‌های ماهواره/حسگر، همپوشانی مسیر و عرض جغرافیایی بستگی دارد. برخی ماهواره‌ها دارای تفکیک‌پذیری زمانی بیشتری هستند زیرا می‌توانند حسگرهای خود را مانور دهند یا همپوشانی بیشتری در عرض‌های جغرافیایی بالاتر دارند.

پهپادها، هواپیماها و هلیکوپترها از نظر تفکیک‌پذیری زمانی کاملاً منعطف هستند. سیستم‌های پهپادی به کاربر این امکان را می‌دهند که زمان بازگشت را کنترل کند و در صورت تمایل، چندین مجموعه داده را در روز جمع‌آوری کند. ماهواره‌های صورت فلکی کوچک که تصاویر زمین را ثبت می‌کنند، بهبودهای سریعی در تفکیک‌پذیری زمانی ایجاد کرده‌اند. این ماهواره‌ها دارای چندین ماهواره در مدار پایین هستند که با هم کار می‌کنند تا زمان بازگشت کوتاه‌تر و اغلب پوشش روزانه را فراهم کنند.

به طور کلی، هرچه تفکیک‌پذیری مکانی بالاتر باشد، منطقه کمتری توسط یک تصویر واحد پوشش داده می‌شود. این بدان معنی است که اکثر داده‌های سنجش از راه دور غیرفعال دارای یک توازن بین پوشش گسترده جهانی با تفکیک‌پذیری مکانی درشت و پوشش نامنظم با تفکیک‌پذیری مکانی بالا هستند. به عنوان مثال، رادیومتر پیشرفته با وضوح بسیار بالا (AVHRR) دارای پیکسل‌های 1.1 کیلومتری است، اما تصاویر آن 2400 کیلومتر عرض دارند و هر 12 ساعت جمع‌آوری می‌شوند. در مقابل، لندست-7 تفکیک‌پذیری مکانی بالایی (15-30 متر) را فراهم می‌کند، اما تصویری با عرض کمتر از 200 کیلومتر را تنها یک بار در ماه به دست می‌آورد. ماهواره جدید IKONOS نیز تفکیک‌پذیری مکانی بالاتری (حدود 4 متر) دارد، اما تصاویر حاصل تنها 11 در 11 کیلومتر هستند و به ندرت یا با درخواست ویژه به دست می‌آیند. از آنجا که کاربردها در الزامات تفکیک‌پذیری مکانی و زمانی خود متفاوت هستند، انواع حسگرها برای رفع این نیازها وجود دارند.

4. کاربردهای سنجش از راه دور در زمینه‌های مختلف

فناوری سنجش از راه دور، با قابلیت‌های منحصر به فرد خود، در طیف وسیعی از حوزه‌ها کاربرد پیدا کرده و به ابزاری ضروری برای جمع‌آوری اطلاعات و اتخاذ تصمیمات آگاهانه تبدیل شده است. این بخش به بررسی برخی از مهم‌ترین کاربردهای این فناوری می‌پردازد.

4.1. کشاورزی دقیق (Precision Agriculture)

کشاورزی دقیق (PA) یک رویکرد مدیریتی است که بر اساس مشاهده، اندازه‌گیری و پاسخگویی به تغییرات مکانی و زمانی در مزرعه استوار است. سنجش از راه دور نقش مرکزی در این رویکرد ایفا می‌کند و امکان مدیریت منابع کارآمدتر و افزایش بهره‌وری را فراهم می‌آورد.

• نظارت بر محصولات و ارزیابی سلامت: سنجش از راه دور داده‌های دقیق و بلادرنگ در مورد سلامت محصول، رشد گیاه و وضعیت مواد مغذی در مناطق وسیع را ارائه می‌دهد. این داده‌ها، که اغلب از طریق نقشه‌های سلامت محصول مبتنی بر ماهواره و پهپاد (مانند NDVI) به دست می‌آیند، می‌توانند تا 15% بهبود در عملکرد را به همراه داشته باشند. پهپادها قادر به شناسایی زودهنگام تنش محصول، آفت‌زدگی‌ها و کمبودهای مواد مغذی هستند که امکان مداخله هدفمند و کاهش تلفات را فراهم می‌آورد.
• آبیاری دقیق و مدیریت آب: با استفاده از داده‌های رطوبت خاک، وضعیت آب و هوا و تبخیر و تعرق، آبیاری بهینه می‌شود. این امر پتانسیل صرفه‌جویی 20% در مصرف آب را دارد و شامل زمان‌بندی خودکار آبیاری بر اساس نقشه‌های خاک ماهواره‌ای و پهپادی می‌شود.
• تشخیص آفات و بیماری‌ها: شناسایی زودهنگام آفت‌زدگی‌ها یا عفونت‌ها با استفاده از تصویربرداری چندطیفی، کاهش 10-30 درصدی در تلفات محصول را ممکن می‌سازد. پهپادها می‌توانند نقاط داغ آفات را برای پاشش هدفمند مشخص کنند.
• پیش‌بینی دقیق عملکرد: تحلیل‌های پیش‌بینی‌کننده از داده‌های سنجش از راه دور امکان برنامه‌ریزی پیشگیرانه برای برداشت و زنجیره تأمین را فراهم می‌کند. این امر منجر به بهبود 5-20 درصدی در زمان‌بندی برداشت و لجستیک می‌شود. مطالعاتی مانند تجزیه و تحلیل ماهواره‌ای مراحل فنوژیکی برای مدل‌سازی عملکرد، این قابلیت را نشان داده‌اند.
• نقشه‌برداری جامع خاک و بینش‌های حاصلخیزی: ارزیابی دقیق رطوبت خاک، مواد آلی و مناطق حاصلخیزی با استفاده از سنجش از راه دور می‌تواند تا 25% افزایش در کارایی استفاده از کود را به همراه داشته باشد. نقشه‌های سلامت خاک که توسط پهپادها تهیه می‌شوند، کاربرد مواد مغذی را هدایت می‌کنند.
• مدیریت پایدار کاربری زمین و محیط زیست: سنجش از راه دور ردیابی سلامت اکوسیستم، جنگل‌زدایی و تخریب زمین را ممکن می‌سازد و منجر به 15-40% اقدامات حفاظتی مؤثرتر می‌شود. نظارت ماهواره‌ای از برنامه‌های کشاورزی جنگلداری پایدار پشتیبانی می‌کند.
• کاهش هزینه و ریسک برای کشاورزان: تشخیص بلادرنگ تهدیدات، هزینه‌های ورودی و ادعاهای بیمه را به حداقل می‌رساند. ارزیابی از راه دور خسارت محصول برای بیمه و وام‌ها، 5-20% کاهش در هزینه‌های عملیاتی را به همراه دارد.

با وجود این مزایا، برخی چالش‌ها در استفاده از سنجش از راه دور در کشاورزی وجود دارد. استفورد (Stafford, 2000) تأکید کرد که تغییرات آب و هوایی می‌تواند بر تصاویر ماهواره‌ای تأثیر بگذارد. همچنین، تصاویر ماهواره‌ای با تفکیک‌پذیری پایین تنها برای مطالعات در مقیاس بزرگ مفید هستند و ممکن است برای مزارع کوچک مناسب نباشند. با این حال، حسگرهای ماهواره‌ای معاصر با تفکیک‌پذیری‌های ظریف‌تر اکنون امکان پایش مسائلی مانند تنش خشکی، سیل و خسارت تگرگ را در محل فراهم می‌کنند.

4.2. برنامه‌ریزی و مدیریت شهری

در مناطق با شهرنشینی سریع، مانند غرب آفریقا، برنامه‌ریزی کاربری زمین (LUP) برای اسکان جمعیت رو به رشد و مدیریت منابع طبیعی حیاتی است. مدل‌سازی تحلیل تناسب (suitability analysis modeling) یک ابزار پرکاربرد در LUP برای تعیین میزان تناسب یک منطقه زمینی برای یک هدف تعیین‌شده است. با این حال، شکافی در ادغام داده‌های سری زمانی سنجش از راه دور در تصمیمات کاربری زمین وجود دارد. هدف از مطالعات در این زمینه، ترکیب اطلاعات سری زمانی سنجش از راه دور با تحلیل‌های تناسب برای آگاه‌سازی تصمیمات LUP در مناطق شهری است.

• تحلیل تناسب و حل تعارض: این مطالعات شامل انجام تحلیل‌های تناسب در مورد انواع کاربری زمین رقیب در منطقه مورد مطالعه است. تعارض کاربری زمین زمانی رخ می‌دهد که دو یا چند نوع کاربری زمین برای یک واحد زمین معین ترجیح یکسانی داشته باشند. به طور طبیعی، واحدهای زمینی که منجر به تعارض کمتر در کاربری زمین می‌شوند، برای تخصیص رشد جمعیت پیش‌بینی‌شده باید ترجیح داده شوند.
• نظارت بر دمای سطح زمین (LST) و جزایر حرارتی شهری (UHIs): داده‌های سری زمانی سنجش از راه دور برای کمی‌سازی رابطه بین تغییر کاربری زمین و افزایش LST استفاده می‌شود. رابطه بین شهرنشینی و LST مثبت است، که توسط بسیاری از مطالعات در مورد جزایر حرارتی شهری (UHIs) پشتیبانی می‌شود. UHIs تأثیرات قابل توجهی بر عوامل اجتماعی و شرایط زیست‌محیطی در مراکز شهری دارند. ارتباط تغییر کاربری زمین جنگلی با تغییر LST منفی است، که توسط مطالعات در مورد اثرات خنک‌کنندگی جنگل پشتیبانی می‌شود.
• سناریوسازی با الگوریتم‌های ژنتیک (GAs): الگوریتم‌های ژنتیک، یک رویکرد قوی برای چشم‌اندازهای بزرگ و متنوع هستند. این الگوریتم‌ها برای تحلیل سناریوهای برنامه‌ریزی اکتشافی برای پیش‌بینی کاربری‌های زمین آینده بر اساس پیش‌بینی‌های سازمان ملل و IPCC در مورد اقلیم و جمعیت، اطلاعات تحلیل‌های تناسب و سنجش از راه دور را ادغام می‌کنند. سه سناریو معمولاً بررسی می‌شوند:
  • سناریوی مسیر فعلی (CTS): بر اساس شیوه‌های فعلی LUP است و نمایانگر گسترش بی‌رویه شهری است که راحتی را در اولویت قرار می‌دهد و تأثیرات اقلیمی تغییر کاربری زمین را در نظر نمی‌گیرد. در این سناریو، LST افزایش قابل توجهی (مثلاً 7.4 درجه سانتی‌گراد) را تجربه می‌کند.
  • سناریوی اسکان با محدودیت (CAS): علاوه بر اسکان جمعیت در حال رشد، افزایش LST را نیز محدود می‌کند. این سناریو می‌تواند افزایش LST را به زیر 2 درجه سانتی‌گراد کاهش دهد.
  • سناریوی چگالی بالا (HDS): همان محدودیت‌های جمعیت و LST را مانند CAS دارد، اما از چگالی شهری بالایی برای تخصیص جمعیت استفاده می‌کند. این رویکرد به انعطاف‌پذیری بیشتری در گسترش آینده و تغییرات کاربری زمین کمک می‌کند و می‌تواند LST را نیز به زیر 2 درجه سانتی‌گراد نگه دارد.

چالش‌ها در برنامه‌ریزی شهری:

• شدت محاسباتی: الگوریتم‌های ژنتیک از نظر محاسباتی بسیار فشرده هستند و ممکن است ناکارآمد باشند. برای اینکه این روش به عنوان ابزاری برای برنامه‌ریزان کاربری زمین در دسترس باشد، باید با محدودیت‌های محاسباتی و زمانی آن‌ها سازگار باشد.
• محدودیت داده‌ها: محدودیت داده‌های با وضوح درشت برای تحلیل تناسب جنگل، نیاز به مقیاس‌بندی پایین داده‌ها را نشان می‌دهد.
• تعارض اولویت‌ها: این مطالعات نشان می‌دهد که اگرچه سناریوهایی مانند CAS و HDS می‌توانند محدودیت‌های جمعیتی و LST را برآورده کنند، اما ممکن است منجر به کاهش زمین‌های کشاورزی یا جنگلی شوند، که پیامدهای منفی برای معیشت و سلامت محیط زیست دارد.
• عدم ترجمه به دانش عملی: سنجش از راه دور شهری هنوز پتانسیل کامل خود را در شکل‌دهی سیاست‌های کاربری زمین شهری، اطلاعات عمومی و برنامه‌های برنامه‌ریزی به دست نیاورده است. اغلب مطالعات نتایج خود را در چشم‌انداز قرار نمی‌دهند، و اعداد بدون تفسیر یا پیشنهاد اقدامات عملی، برای کاربران بالقوه بی‌معنی هستند.

4.3. مدیریت بلایای طبیعی

سنجش از راه دور یک ابزار قدرتمند برای مدیریت بلایای طبیعی، از پیشگیری و آمادگی گرفته تا امداد و بازسازی است. افزایش سریع تلفات و افراد آسیب‌دیده از بلایای طبیعی، تا حدی به دلیل افزایش قرار گرفتن جمعیت جهان در معرض این بلایا است.

• سیل، خشکسالی و طوفان‌های بادی: سنجش از راه دور به طور عملیاتی در هشدار و نظارت بر طوفان‌های چرخندی، خشکسالی و تا حد کمتری سیلاب‌ها استفاده می‌شود. داده‌های ماهواره‌ای به طور عملیاتی برای مطالعات تغییرات آب و هوایی و تولید پایگاه داده‌های بلندمدت در مورد پوشش گیاهی، وضعیت خاک، بارش، آب‌های زیرزمینی، کاربری زمین، دمای اقیانوس، بهره‌وری اقیانوس و غیره استفاده می‌شوند.
• فعالیت‌های آتشفشانی: برای پایش فعالیت‌های آتشفشانی، تفکیک‌پذیری زمانی بالا یک مزیت است. برای شناسایی رسوبات آتشفشانی مختلف، تفکیک‌پذیری مکانی بالا و تا حدی تفکیک‌پذیری طیفی بالا مهم‌تر هستند. مناطق داغ (مانند گدازه‌ها، فواره‌ها) را می‌توان با استفاده از داده‌های نقشه‌بردار حرارتی نقشه‌برداری و تقویت کرد. ابرهای آتشفشانی را می‌توان توسط حسگرهایی که جذب گازها در ابر را اندازه‌گیری می‌کنند (مانند TOMS)، توسط حسگرهای فروسرخ (مانند AVHRR) یا توسط حسگرهای مایکروویو یا رادار شناسایی کرد.
• زمین‌لغزش‌ها: برای نقشه‌برداری موجودی زمین‌لغزش‌ها، اندازه ویژگی‌های زمین‌لغزش در رابطه با تفکیک‌پذیری زمینی داده‌های سنجش از راه دور بسیار مهم است. یک زمین‌لغزش معمولی 40000 متر مربع، به عنوان مثال، با 20 در 20 پیکسل در یک تصویر SPOT Pan و 10 در 10 پیکسل در تصاویر چندطیفی SPOT مطابقت دارد. این برای شناسایی یک زمین‌لغزش با کنتراست بالا کافی است، اما برای تجزیه و تحلیل صحیح عناصر مربوط به شکست برای تعیین ویژگی‌ها و نوع زمین‌لغزش ناکافی است. تصاویر با تفکیک‌پذیری مکانی کافی و قابلیت استریو (SPOT, IRS) می‌توانند برای تهیه یک موجودی کلی از زمین‌لغزش‌های گذشته استفاده شوند. انتظار می‌رود که در آینده تصاویر با تفکیک‌پذیری بسیار بالا (VHR)، مانند IKONOS-2، ممکن است با موفقیت برای موجودی زمین‌لغزش‌ها استفاده شوند.
• امدادرسانی و ارزیابی خسارت: در مرحله امدادرسانی بلایا، سنجش از راه دور ماهواره‌ای می‌تواند در شناسایی مناطق آسیب‌دیده، در صورتی که به اندازه کافی بزرگ باشند، نقش داشته باشد. آسیب‌های سازه‌ای به ساختمان‌ها با تفکیک‌پذیری ضعیف سیستم‌های فعلی قابل مشاهده نیستند. با دسترسی به اولین مأموریت غیرنظامی نوری با تفکیک‌پذیری بسیار بالا (VHR)، IKONOS-2، اکنون امکان ارزیابی خسارت تقریباً بلادرنگ و مکان‌یابی قربانیان احتمالی فراهم شده است، اگرچه این امر تنها در صورت دستیابی به تفکیک‌پذیری زمانی کافی، پوشش پهنای باند و دسترسی آسان به داده‌ها تفاوت ایجاد خواهد کرد.

چالش‌ها در مدیریت بلایا:

• پوشش ابری: در بسیاری از بلایای مرتبط با آب و هوا، به دست آوردن تصاویر بدون ابر برای ارزیابی خسارت اغلب یک مشکل جدی است. برای برخی از انواع بلایا (مانند سیل، جریان‌های آوار یا نشت نفت)، SAR (رادار دیافراگم ترکیبی) در این مورد راه‌حل است. برای سایر انواع بلایا (مانند زمین‌لغزش‌ها، زلزله‌ها، آتش‌سوزی‌های جنگلی) باید از تصاویر نوری دقیق استفاده شود.
• تفکیک‌پذیری زمانی: تفکیک‌پذیری زمانی ارائه‌شده توسط ماهواره‌های منفرد، به ویژه با در نظر گرفتن پوشش ابری، کافی نخواهد بود، و VHR در نقشه‌برداری خسارت عملیاتی نخواهد شد مگر اینکه از چندین ماهواره استفاده شود.

4.4. شناسایی سایت (Site Characterization)

فناوری سنجش از راه دور، اطلاعات را از راه دور به دست می‌آورد و به طور سنتی برای جمع‌آوری داده‌ها به هواپیماها یا ماهواره‌ها وابسته بوده است. اما تمرکز این اسناد بر سیستم‌های هواپیمایی هدایت‌شونده از راه دور (RPAS) است.

• نظارت بر مناطق خطرناک: پهپادها توانایی پرواز به مناطق بالقوه خطرناک را دارند و افراد را از آسیب دور نگه می‌دارند. این قابلیت امکان جمع‌آوری داده‌ها را در محیط‌هایی که قبلاً دسترسی به آن‌ها دشوار یا ناامن بود، فراهم می‌آورد.
• شناسایی و نقشه‌برداری هوایی: پهپادها، نقشه‌برداری هوایی را به دلیل توانایی مقیاس‌بندی هزینه‌ها و الزامات برای یک ماهیت خاص سایت، در دسترس قرار داده‌اند. دیدگاه منحصربه‌فرد ویدئوگرافی و عکاسی هوایی، سطح بی‌سابقه‌ای از درک را در انواع سایت‌ها (بزرگ و کوچک) فراهم می‌کند.
• نمونه‌برداری از آب: پهپادها برای جمع‌آوری نمونه‌های آب استفاده می‌شوند. پهپادی که برای جمع‌آوری نمونه‌های آب استفاده می‌شود، باید بتواند (1) وزن پهپاد، (2) وزن دستگاه نمونه‌برداری آب پر از آب، و (3) در صورت لزوم، وزن تجهیزات تخصصی اضافه شده به محموله، مانند یک پیام‌رسان و دستگاه رهاسازی پیام‌رسان را بلند کند. پهپادهای کوچک مناسب برای عکاسی ممکن است توانایی لازم برای بلند کردن این وزن را نداشته باشند.
  • زمان و محدوده پرواز: یک پهپاد بارگیری شده با نمونه آب ممکن است حدود 15 دقیقه زمان پرواز داشته باشد. باید یک حاشیه خطا به این زمان اضافه شود تا از بازگشت ایمن تجهیزات اطمینان حاصل شود. با توجه به زمان در دسترس و وزن حمل شده، محدوده پرواز پهپاد ممکن است به 1000 تا 1500 فوت از نقطه برخاست تا نقطه نمونه‌برداری محدود شود.
  • کنترل کیفیت و تأیید عمق: توانایی تأیید عمق نمونه‌برداری مهم است. در میدان، دستگاه نمونه‌برداری آب در فاصله مشخصی زیر پهپاد آویزان می‌شود؛ بنابراین، ارتفاع پهپاد می‌تواند برای تخمین عمق جمع‌آوری نمونه استفاده شود. به طور مشابه، طناب نگهدارنده نمونه‌بردار می‌تواند عمق را با استفاده از برچسب‌های رنگی روشن که در فواصل مشخص قرار داده شده‌اند، مشخص کند. علاوه بر این، اگر پارامترهای آب شناخته شده باشند، چگالی، شوری، هدایت الکتریکی و دما می‌توانند به عنوان شاخص‌های عمق استفاده شوند. این رویکرد نیاز به سازگاری در این پارامترهای آب برای بدنه آب در یک عمق خاص و اندازه‌گیری شده توسط دستگاه دارد. فشار نیز ممکن است برای نشان دادن عمق استفاده شود؛ یک سنسور فشار کوچک (مانند Van Essen, Micro-Diver, DI610 با خطای عمق +/- 25 اینچ در عمق 328 فوت) اندازه‌گیری خوبی از عمق نمونه را فراهم می‌کند.
  • پروفایل‌برداری خواص فیزیکوشیمیایی: برای اجتناب از نتایج نامطلوب، بهتر است خواص فیزیکوشیمیایی درجا (in situ) دریاچه را قبل از نمونه‌برداری پروفایل‌برداری کرد. یک دستگاه مفید برای این منظور YSI CastAway® CTD (هزینه تقریبی 6500 دلار) است. CastAway یک ابزار قابل حمل برای اندازه‌گیری هدایت الکتریکی، دما و عمق (CTD) برای پروفایل‌برداری هیدرولوژیکی است. این دستگاه دمای درجا، هدایت الکتریکی و چگالی آب را به عنوان تابعی از عمق با سرعت پنج بار در ثانیه در طول نزول و صعود خود اندازه‌گیری می‌کند. مجموعه داده به لپ‌تاپ ارسال می‌شود و نرم‌افزار مربوطه پروفایل‌های هر متغیر را نشان می‌دهد. چنین داده‌هایی می‌توانند برای شناسایی لایه‌های همگن و انتخاب عمق‌های نمونه‌برداری استفاده شوند.
  • حجم نمونه: برای تعیین حجم نمونه مورد نیاز، باید موارد زیر را در نظر گرفت: چه آلاینده‌هایی باید اندازه‌گیری شوند (به عنوان مثال، مجموعه پارامترهای ذکر شده در مجوز تخلیه پساب قابل اجرا)؛ آیا هم غلظت کل و هم غلظت محلول مورد نیاز است. باید از آزمایشگاه آنالیز کننده دریافت‌کننده، تعداد بطری‌های آب مورد نیاز برای اندازه‌گیری مجموعه پارامترها و حجم هر بطری آب را پرسید.

4.5. مطالعات اقلیمی

سنجش از راه دور نقش حیاتی در مطالعات اقلیمی ایفا می‌کند و امکان جمع‌آوری داده‌های گسترده و بلندمدت را فراهم می‌آورد. ماهواره‌های INSAT و IRS در اوایل دهه 1980، دوره مشاهدات فضایی را آغاز کردند.

• نظارت بر پارامترهای اقلیمی: ماهواره‌های IRS مشاهدات پارامترهایی مانند کاربری/پوشش زمین، جنگل، بدنه‌های آبی، محصولات کشاورزی و غیره را ارائه می‌دهند، در حالی که INSAT محصولات کمی را فراهم می‌کند. داده‌های ماهواره‌ای به طور عملیاتی برای مطالعات تغییرات آب و هوایی استفاده می‌شوند و پایگاه داده‌های بلندمدت در مورد پوشش گیاهی، وضعیت خاک، بارش، آب‌های زیرزمینی، کاربری زمین، دمای اقیانوس، بهره‌وری اقیانوس و غیره در حال تولید است.
• نقشه‌برداری و هشدار زودهنگام: برخی از مطالعات منحصر به فرد شامل نقشه‌برداری یخچال‌های هیمالیا، نقشه‌برداری تنوع زیستی، هشدار زودهنگام خشکسالی و رویدادهای شدید آب و هوایی است.
• تأثیر بر دماهای سطح زمین: رابطه بین تغییر کاربری زمین و افزایش LST قابل توجه است. جنگل‌ها اثرات خنک‌کنندگی دارند، در حالی که شهرنشینی و گسترش مناطق کشاورزی می‌توانند منجر به افزایش LST شوند.

5. پردازش و تحلیل داده‌های سنجش از راه دور

داده‌های جمع‌آوری شده توسط حسگرهای از راه دور، خام هستند و برای استخراج اطلاعات مفید نیاز به پردازش و تحلیل دارند. نرم‌افزارهای سنجش از راه دور برای این منظور استفاده می‌شوند و تعداد زیادی از برنامه‌های اختصاصی و متن‌باز برای پردازش داده‌های سنجش از راه دور وجود دارد.

5.1. سامانه‌های اطلاعات جغرافیایی (GIS) و تحلیل فضایی

سامانه‌های اطلاعات جغرافیایی (GIS) ابزاری حیاتی برای سازماندهی و تحلیل داده‌های سنجش از راه دور هستند. تصاویر حس شده از راه دور از هواپیماها و ماهواره‌ها یکی از سریع‌ترین منابع رو به رشد برای داده‌های GIS رستری را تشکیل می‌دهند. ادغام داده‌های سنجش از راه دور با GIS به تصمیم‌گیرندگان امکان می‌دهد تا تمام زمین‌های کشاورزی را با اطلاعات مربوطه و وضعیت فعلی با یک کلیک تجسم کنند. این فناوری‌ها می‌توانند وظایفی مانند تخمین عملکرد و ارزیابی خسارت محصول را که به روش‌های سنتی ماه‌ها و نیروی انسانی زیادی نیاز داشتند، در مدت زمان بسیار کوتاهی تکمیل کنند.

5.2. شاخص‌های طیفی و تحلیل تصویر

تحلیل داده‌های سنجش از راه دور اغلب شامل استفاده از فرمول‌های ریاضی است. یکی از پرکاربردترین شاخص‌ها، شاخص تفاوت نرمال‌شده پوشش گیاهی (NDVI) است که برای نظارت بر سلامت و تراکم پوشش گیاهی استفاده می‌شود. فرمول NDVI به شرح زیر است: [ NDVI = \frac{NIR – R}{NIR + R} ] که در آن $NDVI$ شاخص تفاوت نرمال‌شده پوشش گیاهی است، $NIR$ بازتاب فروسرخ نزدیک است، و $R$ بازتاب قرمز است.

تکنیک‌های پردازش تصویر نیز برای بهبود کیفیت و قابلیت تفسیر تصاویر به کار می‌روند:

• تصحیحات رادیومتریک: این تصحیحات شامل عملیاتی برای رفع خطاهای قابل مشاهده و نویز در داده‌های تصویری است. عیوب ممکن است در قالب خطوط گم‌شده دوره‌ای یا تصادفی (line dropouts)، خطوط خطی (line striping) و نویز تصادفی یا اسپایکی باشند.
• افزایش کنتراست (Contrast Stretch): برای بهینه‌سازی دامنه مقادیر خاکستری، از توابع انتقال برای نگاشت مقادیر DN به سایه‌های خاکستری روی نمایشگر استفاده می‌شود. کشش خطی کنتراست (Linear contrast stretch) با یافتن مقادیر DN در جایی که هیستوگرام تجمعی تصویر از 1% و 99% عبور می‌کند، به دست می‌آید.
• فیلتر کردن تصویر: برای تعریف یک فیلتر، از یک هسته (kernel) استفاده می‌شود. هسته، مقدار پیکسل خروجی را به عنوان یک ترکیب خطی از مقادیر پیکسل‌ها در یک همسایگی در اطراف موقعیت مربوطه در تصویر ورودی تعریف می‌کند.
  • کاهش نویز (Noise Reduction): فیلترهایی مانند فیلتر میانگین‌گیری (averaging filter) برای کاهش نویز یا “لکه” (speckle) در تصاویر، به ویژه در تصاویر رادار، استفاده می‌شوند. این فیلترها تصویر را تار یا هموار می‌کنند.
  • تقویت لبه (Edge Enhancement): فیلترهای تقویت لبه، جزئیات را در تصویر آشکارتر می‌کنند.
• طبقه بندی تصاویر دیجیتال: این فرآیند، فضایی را که یک شیء یا پدیده پوشش می‌دهد، به دسته‌هایی مانند پوشش زمین یا کاربری زمین گروه‌بندی می‌کند. پس از طبقه بندی، یک ماتریس خطا (confusion matrix) برای ارزیابی دقت نقشه‌برداری ایجاد می‌شود.

5.3. الگوریتم‌های پیشرفته و هوش مصنوعی

ادغام سنجش از راه دور با فناوری‌های پیشرفته‌ای مانند اطلاعات جغرافیایی، هوش مصنوعی (AI) و تحلیل داده‌های بزرگ (Big Data Analytics)، کارایی و دقت پردازش و تفسیر داده‌ها را به طور قابل توجهی افزایش داده است. این هم‌افزایی امکان تحلیل‌های پیچیده‌تر و دقیق‌تر داده‌های سنجش از راه دور را فراهم می‌کند و منجر به تصمیم‌گیری آگاهانه‌تر می‌شود.

• الگوریتم‌های ژنتیک (Genetic Algorithms – GAs): همانطور که در بخش برنامه‌ریزی شهری توضیح داده شد، GAs برای بهینه‌سازی تخصیص کاربری زمین در سناریوهای مختلف استفاده می‌شوند. GA با جمعیتی آغاز می‌شود که سپس جهش و تقاطع پیدا می‌کنند تا یک فرد بهینه به دست آید. این الگوریتم برای به حداقل رساندن تعارض شهری و تغییر دما (در صورت لزوم) و به حداکثر رساندن فشردگی، تناسب و شهرنشینی مورد نیاز برای اسکان جمعیت رو به رشد، فرآیند را بهینه می‌کند.
• یادگیری عمیق و یادگیری ماشین (Deep Learning/Machine Learning): در کشاورزی دقیق، الگوریتم‌های یادگیری ماشین مانند PLS (Partial Least Squares Regression)، SVM (Support Vector Machine)، شبکه‌های عصبی مصنوعی (ANN) و RF (Random Forest) با تصاویر چندطیفی پهپاد و شاخص‌های پوشش گیاهی برای تخمین زیست‌توده بالای زمین جو دوسر ترکیب شده‌اند. همچنین، یادگیری عمیق مبتنی بر شبکه‌های عصبی پیچشی (CNN) با معماری‌های مختلف برای تحلیل تصاویر RGB از پلتفرم پهپاد برای تخمین عملکرد ماده خشک در علف گینه استفاده شده است.

6. ملاحظات اقتصادی و اجتماعی

توسعه و به کارگیری فناوری‌های سنجش از راه دور با ملاحظات اقتصادی و اجتماعی مهمی همراه است که بر پذیرش و پایداری آن‌ها تأثیر می‌گذارد.

6.1. ملاحظات هزینه

شرکت‌های سراسر ایالات متحده محصولات و پشتیبانی‌های مختلفی را ارائه می‌دهند که از بسته‌های تجهیزات آماده تا اقلام یا خدمات فردی مانند سخت‌افزار، نرم‌افزار، پس از پرواز، پردازش و تحلیل تصویر، بصری‌سازی داده و آموزش خلبان را شامل می‌شود. اکثر ارائه‌دهندگان خدمات نقشه‌برداری و بررسی‌های نهایی، تصویربرداری هوایی و ویدئوگرافی را ارائه می‌دهند، در حالی که تعداد کمتری از شرکت‌ها خدمات چندطیفی، فراطیفی، فروسرخ، LiDAR یا خدمات مشابه را ارائه می‌دهند. تعداد محدودی از شرکت‌ها خدمات نمونه‌برداری از آب و تست دودکش را ارائه می‌کنند.

تصویربرداری و ویدئوگرافی هوایی ارزان هستند و به طور گسترده‌ای مفیدند به طوری که شرکت‌ها در حال توسعه تخصص داخلی در این زمینه هستند. بازار خدمات پهپادی به طور مداوم در حال تکامل و رقابتی است، به طوری که تجهیزات و خدمات جدید تقریباً پیوسته پدیدار می‌شوند. به طور کلی، پهپادها امکان افزایش تفکیک‌پذیری مکانی را با کسری از هزینه به دست آوردن تصاویر تجاری از ماهواره‌هایی مانند Worldview-3 فراهم کرده‌اند. اکثر پهپادها در ارتفاعات بسیار پایین کمتر از 400 فوت پرواز می‌کنند که داده‌های با تفکیک‌پذیری بسیار بالاتری تولید می‌کنند. حتی ماهواره‌های کوچک‌تر و ارزان‌قیمت مانند PhoneSat و Dove، نشان داده‌اند که می‌توان ماهواره‌هایی برای جمع‌آوری تصاویر با هزینه نسبتاً کمی طراحی و پرتاب کرد.

6.2. تأثیر بر تصمیم‌گیری و پایداری

سنجش از راه دور یک ابزار قدرتمند برای برنامه‌ریزی شهری است که اطلاعات دقیق و به‌روز را در مورد محیط شهری فراهم می‌کند. با درک کاربردها، مزایا و بهترین شیوه‌های سنجش از راه دور، برنامه‌ریزان شهری می‌توانند تصمیمات آگاهانه‌تری بگیرند و شهرهای پایدارتر و انعطاف‌پذیرتری ایجاد کنند. سنجش از راه دور می‌تواند با ارائه بینش‌هایی در مورد روندهای جمعیتی، تغییرات زیست‌محیطی و عوامل اجتماعی-اقتصادی، به تصمیمات سیاستی کمک کند. برخی از مزایای استفاده از سنجش از راه دور در مطالعات جمعیت و جامعه عبارتند از: دقت و صحت بهبود یافته، قابلیت افزایش یافته برای نظارت بر فرآیندهای پویا و قابلیت افزایش یافته برای پیش‌بینی تغییرات آینده.

نتیجه‌گیری

فناوری سنجش از راه دور، از آغازین روزهای خود بر روی بالون‌ها و هواپیماها تا عصر کنونی ماهواره‌ها و پهپادهای پیشرفته، مسیر طولانی و پرتحولی را طی کرده است. این فناوری، که امکان جمع‌آوری اطلاعات از راه دور را بدون تماس فیزیکی فراهم می‌آورد، اکنون به لطف پیشرفت‌هایی در کارایی باتری‌ها، کوچک‌سازی کامپیوترها، افزایش ظرفیت ذخیره‌سازی و توسعه دوربین‌های با وضوح بالا و مقرون‌به‌صرفه، به ابزاری قدرتمند و در دسترس تبدیل شده است.

تحولات در تفکیک‌پذیری‌های مکانی، طیفی، رادیومتریک و زمانی داده‌ها، امکان نظارت بی‌سابقه بر سیاره ما را فراهم کرده است. از جزئیات دقیق سطح زمین با پهپادها تا پوشش‌های وسیع جهانی توسط صورت‌های فلکی ماهواره‌های کوچک، اطلاعات با دقت و فرکانس بالا در دسترس هستند. حسگرهای مختلف، از دوربین‌های طیف مرئی برای نقشه‌برداری هوایی تا حسگرهای فراطیفی برای شناسایی مواد معدنی و پایش سلامت گیاهان، و دوربین‌های حرارتی برای ارزیابی اتلاف حرارت، هر یک لایه‌ای از اطلاعات حیاتی را به درک ما از محیط می‌افزایند. سیستم‌های راداری و نقشه‌برداری گاما نیز ابزارهای منحصربه‌فردی برای نفوذ در ابرها و بررسی ویژگی‌های زیرسطحی ارائه می‌دهند.

کاربردهای سنجش از راه دور در حوزه‌هایی مانند کشاورزی دقیق، برنامه‌ریزی و مدیریت شهری، مدیریت بلایای طبیعی و مطالعات اقلیمی، نشان‌دهنده پتانسیل عظیم این فناوری برای حل چالش‌های جهانی است. این ابزارها به کشاورزان کمک می‌کنند تا بهره‌وری را افزایش دهند، به برنامه‌ریزان شهری امکان می‌دهند تا رشد پایدار را مدیریت کنند، و به مدیران بحران در واکنش سریع و مؤثر به بلایا یاری می‌رسانند.

با این حال، چالش‌هایی مانند نگرانی‌های حریم خصوصی و نیاز به ادغام بهتر داده‌ها و تخصص‌های مختلف برای ارائه راه حل‌های جامع، همچنان وجود دارند. با این وجود، مسیر آینده سنجش از راه دور، با پیشرفت‌های مداوم در هوش مصنوعی، یادگیری ماشین و الگوریتم‌های بهینه‌سازی، نویدبخش درک عمیق‌تر و مدیریت کارآمدتر از سیاره ما است. در نهایت، سنجش از راه دور نه تنها در حال تحول در نحوه مشاهده جهان است، بلکه در حال شکل دادن به آینده‌ای پایدارتر و آگاهانه‌تر برای جامعه انسانی است.

نکات کلیدی

• تعریف سنجش از راه دور: فرآیند جمع‌آوری اطلاعات درباره یک شیء یا پدیده بدون تماس فیزیکی با آن.
• تکامل پلتفرم‌ها: از هواپیماها و ماهواره‌های سنتی به پهپادها (RPAS/UAS/UAV) و ماهواره‌های کوچک، که هزینه و دسترسی به داده‌های با وضوح بالا را کاهش داده است.
• مقررات FAA Part 107: محدودیت‌هایی برای عملیات پهپادهای کوچک شامل وزن (≤ 55 پوند)، ارتفاع (≤ 400 فوت)، دید خط دید و عملیات در روز.
• انواع حسگرها: شامل دوربین‌های طیف مرئی، حسگرهای فراطیفی (برای جزئیات طیفی بالا)، دوربین‌های فروسرخ موج بلند (LWIR) برای اطلاعات حرارتی، و سیستم‌های رادار (برای نفوذ در ابرها و پایش فعال).
• ویژگی‌های داده:
  • تفکیک‌پذیری مکانی: اندازه پیکسل در زمین (GSD) و تأثیر آن بر جزئیات.
  • تفکیک‌پذیری طیفی: تعداد و پهنای باند باندهای طیفی که توسط حسگر ثبت می‌شوند (مثلاً چندطیفی در مقابل فراطیفی).
  • تفکیک‌پذیری رادیومتریک: توانایی حسگر در تمایز شدت‌های مختلف تابش (سطوح خاکستری).
  • تفکیک‌پذیری زمانی: فرکانس مشاهدات یا زمان بازگشت پلتفرم (مثلاً روزانه، ماهانه).
• کاربردها:
  • کشاورزی دقیق: نظارت بر سلامت محصول، آبیاری، تشخیص آفات، پیش‌بینی عملکرد، نقشه‌برداری خاک.
  • برنامه‌ریزی شهری: تحلیل تناسب زمین، پایش دمای سطح زمین و جزایر حرارتی شهری، شبیه‌سازی سناریوهای رشد شهری با الگوریتم‌های ژنتیک.
  • مدیریت بلایای طبیعی: هشدار زودهنگام، نظارت بر سیل، زمین‌لغزش، طوفان‌های چرخندی، ارزیابی خسارت.
  • شناسایی سایت: جمع‌آوری داده در مناطق خطرناک، نمونه‌برداری از آب، نقشه‌برداری هوایی.
  • مطالعات اقلیمی: نظارت بر تغییرات پوشش زمین، جنگل‌ها، آب‌ها و سایر پارامترهای مرتبط با اقلیم.
• پردازش داده‌ها: استفاده از GIS و تکنیک‌های تحلیل تصویر (مانند NDVI، فیلترینگ، طبقه بندی) و الگوریتم‌های پیشرفته (مانند الگوریتم‌های ژنتیک و یادگیری ماشین).
• ملاحظات اجتماعی: مسائل حریم خصوصی و نظارت عمومی به دلیل استفاده از دوربین‌های پهپاد.

سوالات تفکر برانگیز

1. با توجه به پیشرفت‌های سریع در فناوری پهپاد و ماهواره‌های کوچک، چگونه می‌توان توازن بهتری بین دسترسی به داده‌های با تفکیک‌پذیری بالا و مقرون‌به‌صرفه بودن برای کاربردهای مقیاس کوچک (مانند کشاورزی خرد) و در عین حال حفظ حریم خصوصی عمومی ایجاد کرد؟
2. ادغام داده‌های سنجش از راه دور با هوش مصنوعی و یادگیری ماشین، پتانسیل عظیمی برای تحلیل‌های پیچیده‌تر و دقیق‌تر ایجاد می‌کند. با توجه به چالش‌های موجود (مانند شدت محاسباتی و نیاز به داده‌های آموزشی)، چه گام‌هایی باید برداشته شود تا این فناوری‌ها به طور گسترده‌تر و عملی‌تر در برنامه‌ریزی شهری و مدیریت بلایا به کار گرفته شوند؟
3. با اینکه سنجش از راه دور اطلاعات بسیار زیادی را فراهم می‌کند، منابع نشان می‌دهند که اغلب مطالعات نتایج خود را به دانش عملیاتی و اقدامات مشخص برای سیاست‌گذاران تبدیل نمی‌کنند. چگونه می‌توان شکاف بین تحقیقات علمی سنجش از راه دور و تصمیم‌گیری‌های سیاستی در حوزه‌های مختلف را پر کرد؟
4. آیا باید محدودیت‌های قانونی سخت‌گیرانه‌تری بر پرواز پهپادها (به ویژه برای نهادهای دولتی و اجرای قانون) اعمال شود تا نگرانی‌های مربوط به نظارت و نقض حریم خصوصی کاهش یابد، یا فناوری و پروتکل‌های فعلی برای حفاظت از حقوق فردی کافی هستند؟
5. با توجه به نوسانات آب و هوایی (مانند باد، بارندگی و ابرها) که می‌توانند بر جمع‌آوری داده‌های سنجش از راه دور تأثیر بگذارند، چه نوآوری‌هایی در حسگرها یا پلتفرم‌ها می‌تواند به کاهش این محدودیت‌ها کمک کند و قابلیت اطمینان داده‌ها را در شرایط مختلف آب و هوایی افزایش دهد؟
6. مسئله “تعارض کاربری زمین” در برنامه‌ریزی شهری، زمانی که کاربری‌های مختلف برای یک منطقه رقابت می‌کنند، برجسته است. چگونه می‌توان از داده‌های سنجش از راه دور و مدل‌سازی پیشرفته (مانند الگوریتم‌های ژنتیک) برای دستیابی به راه حل‌های بهینه‌سازی‌شده‌ای استفاده کرد که نه تنها رشد جمعیت را در خود جای دهند بلکه اهداف زیست‌محیطی (مانند کاهش LST) و نیازهای اقتصادی-اجتماعی (مانند حفظ زمین‌های کشاورزی) را نیز متعادل سازند؟
7. نقشه‌برداری گاما ری برای اکتشافات معدنی اطلاعات زیرسطحی را فراهم می‌کند. با توجه به نفوذ محدود پرتوهای گاما به خاک، چگونه می‌توان این فناوری را با سایر روش‌های سنجش از راه دور (مانند رادار) ترکیب کرد تا درک جامع‌تری از ویژگی‌های زمین‌شناسی زیرسطحی به دست آورد؟
8. با توجه به اینکه بازار خدمات پهپادی و سنجش از راه دور به طور مداوم در حال تکامل و رقابتی است، چگونه می‌توان اطمینان حاصل کرد که کشاورزان کوچک و جوامع در حال توسعه نیز از مزایای این فناوری‌های پیشرفته بهره‌مند شوند و این مزایا تنها به بازیگران بزرگ‌تر محدود نگردد؟