خطاهای داده های سنجش از دوری و تصحیحات آنها
خطاهای داده های سنجش از دور بسیار مهم بوده و در اغلب مواقع باعث سردرگمی محقق می شود.بهتر است که به تصحیحات این خطاها بپردازیم.
خطاهای داده های سنجش از دوری و تصحیحات آنها را می توانیم از روش های مختلف انجام دهیم که در این پست و پست های بعدی مطالبی را درباره آن خواهیم نوشت.
داده های ماهواره ای پس از جمع آوری و مخابره به زمین بعنوان داده ای خام به دلایل مختلف، ازجمله کرویت زمین و چرخش آن، بالا و پایین شدن سکو و عدم تعادل آن، دارای ناهنجاریهای هندسی و رادیومتری اند که لازم است تا تصحیح گردند. خطاهایی که موجب میشوند پیکسلها دارای موقعیت ناصحیح نسبت به هم باشند را خطای هندسی و خطاهایی را که موجب ثبت ارزشهای طیفی غیرواقعی میشوند، رادیومتری میگویند. به طور معمول تصحیحات استاندارد بر روی داده ها در ایستگاههای گیرنده زمینی صورت میگیرند، اما جهت حذف خطاهای باقی مانده لازم است کاربران تصحیحات دقیق تری را بر روی داده ها انجام دهند.
داده های حاصل از سامانه های سنجش از دور اعم از عکسهای هوایی و تصاویر حاصل از اسکنرها(تصاویر ماهواره ای) دارای خطاهای گوناگونی می باشند و اصولا” قبل از اینکه مورد تفسیر و تجزیه تحلیل قرار گیرند، باید تصحیح گردند. این خطاها را می توان به دو دسته هندسی و رادیومتری تقسیم نمود. خطاهای هندسی مربوط به موقعیت پدیده ها یاپیکسلها در تصویر نسبت به دیگر پدیده ها و موقعیت مطلق آن، و خطای رادیومتری مربوط به میزان بازتاب ثبت شده در تصویر می باشد.از مهمترین خطاهای عکسهای هوایی، خطای جابجایی ناشی از پستی و بلندی و عدم تعادل هواپیما در هنگام عکسبرداری و همچنین بازتابهای متفاوت ثبت شده برای یک پدیده معین در عکسهای هوایی یک منطقه (تیرگی و روشنی بیش از حد) به دلیل تغییر مکان هواپیما و زاویه تابش می باشد. کاربران (مفسرین) عکسهای هوایی قادر به تصحیح خطای جابجایی نمی باشند.این خطا را تنها به کمک فن فتوگرامتری و استفاده از مدل دوربین می توان تصحیح نمود.در هر حال بازتاب نابرابر در عکسهای مختلف را نمیتوان تصحیح نمود.
داده های حاصل از سنجنده های ماهواره ای که به زمین مخابره می شوند و به عنوان داده های خام (Raw data) معروف هستند نیز دارای خطاهای زیادی می باشند.این خطاها می توانند ناشی از سکو (تغییر ارتفاع مدار و عدم تعادل)، سنجنده(پدیده پانوراما، نابرابری ضرایب تنظیم آشکارسازها) و محیط (کرویت و پستی و بلندیهای زمین، چرخش زمین، اثرات اتمسفر) باشند.بسیاری از این خطاها با آگاهی از مشخصات مدار ، سنجنده و کره زمین در ایستگاههای گیرنده داده های ماهواره ای تصحیح و تصاویر تحت عنوان داده های استاندارد و یا تصحیح شده سامانه ای در اختیار کاربران قرار می گیرند.این تصحیحات عمدتا” شامل تعادل سکو، پانوراما، تنظیم آشکارسازها، کرویت و چرخش زمین می باشند.اکثر ماهواره های که امروزه در مدار هستند از سنجنده هایی از نوع Pushbroom استفاده می کنند.کیفیت داده های این نوع سنجنده ها به لحاظ هندسی و رادیومتری به مراتب بهتر از داده های سنجنده هایی از نوع Wiskbroom می باشند.
خطاهای داده های ماهواره ای به سه دسته ی زیر تقسیم میشوند:
1- خطای ناشی از سکو (حرکت ماهواره):
این خطا از نوع خطاهای ندسی به شمار میرود و شامل تغییر سرعت و شتاب، تغییر ارتفاع و حرکت چرخشی ماهواره، در مسیر حرکت خود حول سه محور است.
2- خطای ناشی از سنجنده:
این خطا شامل ازکارافتادگی حسگرها و برهم خوردن تنظیمات آنهاست. گاهی تعدادی از پیکسلهای تصویر ماهواره ای ارزش طیفی صفر دارند و بر روی تصویر به رنگ سیاه دیده میشوند، یا برعکس دارای حداکثر میزان طیفی هستند و گاهی نیز بصورت نشانه های ناخواسته بصورت نقاط یا خطوطی افقی و عمودی بر روی تصویر دیده میشوند. خطای راه راه شدگی، که در برخی محیطهای همگن نظیر بیابان قابل تشخیص است، نمونه ای از این نوع خطا به شمار میرود.
3- خطای ناشی از حرکت زمین:
این خطا شامل خطای چرخش زمین و تغییر ارتفاع است. خطای ناشی از چرخش زمین، به دلیل حرکت زمین در هنگام گذر ماهواره از روی ناحیه ای از آن که تصویربرداری میشود، ایجاد خواهد شد. خطای مربوط به تغییرات ارتفاع سبب میگردد که ماهواره ها در قسمت های مرتفع به زمین نزدیکتر و در قسمت های پست از زمین دورتر شوند، در نتیجه پوشش تصاویر در ارتفاعات، کمتر و در مناطق پست، بیشتر میگردد.
عمده خطاهایی که برای داده های ماهواره ای ایجاد میشوند
عمده خطاهایی که برای داده های ماهواره ای ایجاد میشوندعمده خطاهایی که برای داده های ماهواره ای ایجاد میشوند این سه نوع هستند، اما چگونه میتوان این خطاها را برطرف نمود ؟
تصحیحاتی که برای داده های ماهواره ای ذکر میشوند در دو گروه عمده تقسیم بندی میشوند:
1- تصحیحات هندسی
2- تصحیحات رادیومتریک
تصحیح هندسی و زمین مرجع سازی
چنانچه دربخش قبل اشاره شد داده های اولیه و خام تمامی سنجنده ها دارای خطاهای هندسی مختلفی می باشند.هر چند که تصاویر ماهواره ای پس از دریافت از ماهواره در ایستگاه های گیرنده زمینی مورد تصحیحات اولیه (سامانه ای) قرار می گیرند، اما همچنان دارای خطاهایی نظیر خطای جابجایی ناشی از پستی و بلندی هستند، ضمن آنکه فاقد مختصات نیز می باشند.هیچ گونه تصحیح هندسی بر روی عکسهای هوایی انجام نمی گیرد لذا هر دو نوع این داده ها قبل از اینکه مورد تجزیه و تحلیل قرار گیرند، باید مورد مورد تصحیحات هندسی تکمیلی قرار گیرند و به لحاظ مختصات با یک مبنای استاندارد که معمولا” نقشه های توپوگرافی در نظر گرفته می شوند ، مطابقت داده شوند.در فرآیند فتوگرامتری که شامل تبدیل عکسهای هوایی به نقشه های توپوگرافی و همچنین استخراج اطلاعات موضوعی می گردد، این عکسها با استفاده از مشخصات دوربین و پرواز مورد مدل سازی قرار گرفته و داده هایی که استخراج می شوند، به لحاظ هندسی کاملا” تصحیح شده هستند.البته خود عکسها را نیز می توان اسکن نمود و با استفاده از مدل سازی فوق مورد تصحیح قرار داد.
داده های ماهواره ای را نیز می توان به یکی از روشهای استفاده از نقاط کنترل زمینی ، استفاده ازپارامترهای مداری ماهواره ای و همبستگی مورد تصحیح هندسی قرار داد و با یک مبنا مطابقت داد.مبنا می تواند یک تصویر و یا یک نقشه باشد.در صورتی که مبنا یک تصویر باشد، تصحیح از نوع تصویر به تصویر و اگر مبنا نقشه باشد ، تصحیح از نوع تصویر به نقشه خواهد بود.چنانچه مبنا تطابق خود زمین مرجع باشد ، فرآیندرا تطابق هندسی مطلق و در غیر این صورت تطابق هندسی را نسبی می نامند.روش همبستگی را تنها می توان در تطابق هندسی تصویر به تصویر به کار گرفت که هنوز کاملا” به صورت روش اجرایی در نیامده است.برای فرایند یاد شده واژه های گوناگونی متداول می باشند، از جمله، تصحیح، تثبیت زمین مرجع سازی، کدگذاری زمینی و Rectification.واژه های یاد شده را می توان کم و بیش مترادف در نظر گرفت و تطابق هندسی نامید.نوعی خاص از تطابق هندسی Orthorectification نام دارد که در فرآیند آن با استفاده از مدل رقومی ارتفاع زمین خطای جابجایی ناشی از پستی و بلندی نیز برطرف می گردد.متداولترین روش تطابق هندسی، استفاده از نقاط کنترل زمینی می باشد.
مصاحبه با دکتر سعید جوی زاده: خطاهای داده های سنجش از دور و روش های تصحیح آنها
مصاحبه کننده: پرسمان جغرافیا
پرسمان جغرافیا: با سلام و سپاس از وقتی که در اختیار ما گذاشتید. لطفاً خودتان را بهطور مختصر معرفی کنید و زمینه تخصصی تحقیقاتی خود را بیان فرمایید.
دکتر سعید جویزاده: سلام بر شما و مخاطبان پرسمان جغرافیا. من سعید جویزاده، دانشیار گروه سنجش از دور و سیستمهای اطلاعات جغرافیایی (GIS) در مشاورین هوش پیروزی هستم. بیش از ۱۵ سال است که در حوزه پردازش داده های ماهوارهای، تحلیل خطاها و توسعه الگوریتم های تصحیح این خطاها پژوهش میکنم. تمرکز اصلی من بر بهبود دقت داده های سنجش از دور برای کاربردهای محیطی و شهری است.
پرسمان جغرافیا: به عنوان سوال اول، اساساً چه انواع خطاهایی در داده های سنجش از دور وجود دارد و چرا تصحیح آنها حیاتی است؟
دکتر جویزاده: خطاها در سنجش از دور را میتوان به چهار دسته کلی تقسیم کرد:
۱. خطاهای رادیومتریک: ناشی از تداخل اتمسفر (مانند پراکندگی ذرات هوا یا جذب انرژی توسط گازها) یا نویز سنسورهای ماهوارهای.
۲. خطاهای هندسی: شامل اعوجاجهای ناشی از پستیوبلندی زمین، چرخش زمین یا زاویه دید ماهواره.
۳. خطاهای زمانی: اختلاف زمانی بین ثبت داده و تحلیل آن، بهویژه در پایش پدیدههای پویا مانند سیل یا آتشسوزی.
۴. خطاهای انسانی: مانند کالیبراسیون نادرست دستگاهها یا تفسیر اشتباه دادهها.
تصحیح این خطاها حیاتی است، زیرا دقت دادهها مستقیماً بر کیفیت تصمیمگیریها در حوزههایی مانند مدیریت بحران، برنامهریزی شهری و پایش محیط زیست تاثیر میگذارد. برای مثال، یک خطای هندسی کوچک در نقشههای سیلاب ممکن است به تخریب هزاران هکتار زمین کشاورزی منجر شود!
پرسمان جغرافیا: روشهای رایج برای تصحیح خطاهای رادیومتریک و هندسی چیست؟
دکتر جویزاده:
- تصحیح رادیومتریک:
- روش مبتنی بر مدلهای اتمسفری: با استفاده از نرمافزارهایی مانند MODTRAN یا 6S، اثرات اتمسفر بر بازتاب طیفی را مدلسازی میکنیم.
- کالیبراسیون میدانی: با اندازهگیری همزمان پارامترهای سطحی در زمین و تطبیق آنها با دادههای ماهوارهای.
- تصحیح هندسی:
- استفاده از نقاط کنترل زمینی (GCPs): با تطبیق مختصات شناختهشده روی زمین با پیکسلهای تصویر.
- مدلهای ارتفاعی دیجیتال (DEM): برای حذف اعوجاج ناشی از توپوگرافی زمین.
فناوریهای جدیدی مانند پردازش ابری (Cloud Computing) نیز دقت این روشها را بهبود بخشیدهاند.
پرسمان جغرافیا: بزرگترین چالشهای پیشرو در تصحیح دادههای سنجش از دور چیست؟
دکتر جویزاده:
۱. پویایی بالای محیط: تغییرات سریع پوشش زمین (مانند جنگلزدایی) باعث میشود مدلهای تصحیح بهروزرسانی مستمر نیاز داشته باشند.
۲. محدودیت دادههای میدانی: در بسیاری از مناطق دورافتاده یا بحرانزده، دسترسی به دادههای زمینی برای کالیبراسیون بسیار دشوار است.
۳. حجم انبوه دادهها: ماهوارههای جدید مانند سری Sentinel روزانه ترابایت داده تولید میکنند که پردازش آنها به زیرساختهای قدرتمند نیاز دارد.
۴. خطاهای ترکیبی: گاهی چند خطا بهطور همزمان رخ میدهند (مثلاً اثر اتمسفر بر تصاویر مورب) که جداسازی آنها پیچیده است.
پرسمان جغرافیا: آینده تصحیح دادههای سنجش از دور را چگونه میبینید؟ آیا فناوریهایی مانند هوش مصنوعی تحولی در این حوزه ایجاد خواهند کرد؟
دکتر جویزاده: قطعاً! هوش مصنوعی (AI) و یادگیری عمیق (Deep Learning) انقلابی در پردازش دادهها ایجاد کردهاند. برای مثال:
- شبکههای عصبی: میتوانند الگوهای خطا را در دادههای تاریخی شناسایی و بهصورت خودکار تصحیح کنند.
- ادغام دادههای چندمنبعی: ترکیب دادههای ماهوارهای با IoT یا حسگرهای زمینی برای کاهش عدم قطعیت.
- پیشبینی خطاها: مدلهای پیشبینیکننده میتوانند خطاها را قبل از وقوع شناسایی کنند.
بهنظرم در دهه آینده، شاهد سیستمهای نیمهخودکاری خواهیم بود که خطاها را در زمان واقعی (Real-time) تشخیص و اصلاح میکنند.
پرسمان جغرافیا: بهعنوان سوال پایانی، چه توصیهای به پژوهشگران جوانی دارید که قصد ورود به این حوزه را دارند؟
دکتر جویزاده: سه توصیه کلیدی:
۱. مهارتهای برنامهنویسی: تسلط به Python، MATLAB یا IDL برای توسعه الگوریتمهای سفارشی ضروری است.
۲. همکاری بینرشتهای: جغرافیا، علوم کامپیوتر و فیزیک اتمسفر باید در پژوهشها تلفیق شوند.
۳. تمرکز بر کاربردهای عملی: همیشه از خود بپرسید: «این پژوهش چگونه به حل مشکلات واقعی جامعه کمک میکند؟»
پرسمان جغرافیا: سپاسگزاریم از دیدگاههای ارزشمند شما. امیدواریم این گفتوگو برای جامعه علمی الهامبخش باشد.
دکتر جویزاده: ممنون از شما که این موضوع فنی را به زبانی ساده برای مخاطبان تشریح کردید. موفق باشید!
پایان مصاحبه
آمار سنجش از دورآموزش انواع نرم افزار های تخصصی در زمینه سنجش از دورآموزش جامع تخصصی تخصصی کاربردی سنجش از دور نرم افزار ENVIآموزش سنجش از دورآموزش سنجش از دور در Rآموزش کاربردی سنجش از دور با ARC GISآموزش مقدماتی سنجش از دور و کاربرد آنآموزش مقدماتی سنجش از راه دور و کاربرد ان در پایش سواحل و دریاآموزش نرم افزار سنجش از دور ENVIاستاد بزرگ انویاستاد بزرگ سنجش از دوراصول سنجش از دوراطلاعات مکانی_آموزش پردازش و تحلیل تصاویر دورکاویاهمیت سنجش از دوربرگزاری دوره آموزشی سنجش از دور راداریبرگزاری دوره آموزشی کاربرد سنجشبسته طلایی آموزش سنجش از دور و نرم افزار ENVIپایش الودگی با استفاده از تصاویر سنجش از دورپک حرفه ای سنجش از دورتاریخچه سنجش از دورتحقیق درمورد سنجش از دورتدریس خصوصی سنجش از دورتدریس و مشاوره سنجش از راه دورتشخیص فرونشست زمین با تصاویر سنجش از دورتعریف علم سنجش ازدورتولید داده های سنجش از دورداده های سنجش از راه دور قابل استفاده در مطالعات منابع آبدانلود کاربرد کتاب سنجش از دوردوره ENVIدوره آموزش سنجش از دوردوره آموزشی تخصصیدوره آموزشی سنجش از دور با نرم افزار برگزار می شوددوره آموزشی سنجش از دور در مدیریت مخاطراتدوره آموزشی سنجش از دور و (سیستم اطلاعات جغرافیایی)دوره جامع آموزش نرم افزار سنجش از دور ENVIدوره های آموزش سنجش از دور RSروش های طبقه بندی تصاویر رقومی در سنجش از دورسایت تخصصی سنجش از دورسنجش از دورسنجش از دور (RS)سنجش از دور + PDFسنجش از دور Remote sensingسنجش از دور چه کاربردهایی در محیط زیست داردسنجش از دور چیستسنجش از دور در معدنسنجش از دور و GISسنجش از دور و سامانه اطلاعات جغرافیایی در منابع طبیعیسنجش از راه دور وسیتم اطلاعات جغرافیاییفایل آموزش نرم افزار ENVI سنجش از دورفایل آموزشی سنجش از دورفیلم کامل دوره آموزشی آشنایی با فناوری سنجش از دورکاربرد سنجش از دور در بررسی پوشش گیاهیکاربردهای سنجش از دورکارگاه آموزش کاربردی نرم افزار ENVIکارگاه آموزشی سنجش از دور کاربردیکتاب سنجش از دورکدنویسی پروزه های سنجش از دوربا استفاده از زبان برنامهکلاس دوره آموزش سنجش از دور ENVIکلاس های سنجش از دورگام به گام با تئوری سنجش از دورگرایش سنجش از دور زمین شناسیگروه آموزشی سنجش از دورماهواره سنجش از دورماهواره های جدید سنجش از راه دورمبانی و اصول سنجش از دورمدل ساده سنجش از دورمرکز مطالعات سنجش از دورمقالات مرتبط با سنجش از دورمهندسی سنجش از دورموسسه سنجش از دورنقش سنجش از دور و داده های آن در چرخه مدیریت بحرانی طبیعیویدیو آموزشی سنجش از دور
1 نظر