شاخص های طیفی در سنجش از دور

//شاخص های طیفی در سنجش از دور

در مرحله پردازش تصاویر ماهواره ای که اقدام به استخراج اطلاعات می کنیم، یکی دیگر از فرآیندهای خیلی مهم کار با شاخص های طیفی است.

شاخص طیفی را اگر بخواهیم به زبان ساده تعریف کنیم، در واقع یک عملیات ریاضی ساده است که بر روی ۲ یا چند باند تصویر ماهواره ای اعمال می گردد تا بتوان اطلاعات جدیدی را از تصاویر ماهواره ای استخراج نمود، این اطلاعات جدید را به تنهایی نمی توان از هیچ یک از باندها تهیه نمود.

به طور کلی باید گفت که در محاسبه شاخص های طیفی یک سری عملگرهای ریاضی ( + – / *) بکار گرفته می شود.

در محاسبات شاخص های طیفی آنچه از اهمیت بالایی برخوردار است:

  • چه باندهایی انتخاب شود.
  • چه عملگرهایی در کجا استفاده شود.

اگر می خواهید به خوبی اختلاف ۲ باند را تعیین کنید، پیشنهاد می شود که از عملگرهای تقسیم یا تفریق استفاده نمایید.

مثلاً اگر می خواهید مجموع متغیرها را محاسبه کنید، از عملگر جمع استفاده کنید.

عملگر ضرب را در هنگام اجرای Mask بکار بگیرید.

اما به صورت ترکیبی هم می توان از این عملگرها استفاده نمود.

نمونه بارز آن نرمالسازی کردن یک فرمول است. مثلاً در محاسبه شاخص NDVI سه عملگر، تفریق و جمع و تقسیم استفاده شد.

اما نکته آخر در محاسبه شاخصهای طیفی این است که باندهایی باید بکار گرفته شود که بیشترین تفاوت را از نظر طیفی دارند. 

بهتر است قبل از اینکه ادامه مبحث رو برای محاسبه شاخص های طیفی اجرا کنیم، ابتدا نام هر باند را بر روی تصویر تصحیح شده تعریف کنیم. (البته به شرطی که عملیات Rescale بر روی آن اجرا شده باشد).

این مطلب را هم بخوانید...  پردازش سطوح در ENVI

نکته اساسی: در هنگام محاسبه شاخص های طیفی باید تصویری را معرفی کنید که بیانگر Surface Reflectance باشد، یعنی عملیات تصحیحات رادیومتریک و اتمسفری بر روی آن اجرا شده باشد و سپس فرایند Rescale را نیز قطعاً باید تجربه کرده باشد. چون در شاخص ها بر اساس روابط بین باندی، نسبت بازتاب و نسبت جذب امواج الکترومغناطیس بررسی و بحث می شود،  مثلاً در رفتار طیفی گیاه، بازتاب بالاتر NIR نسبت به Red مبنای تمامی محاسبات است، (چون بازتاب طیفی NIR گیاه بالاتر از بازتاب Red است) پس اگر باندی را استفاده کنید که رفتار طیفی مناسبی نداشته باشد، قطعاً شاخص طیفی که با آن محاسبه می شود هم با مشکل مواجه است.

شاخص پوشش گیاهی

شاخص های پوشش گیاهی از روشهای بیوفیزیکی به شمار می رود که در آن تبدیلهای ریاضی خاصی در یک فضای طیفی چندباندی، مشاهده های کلان مربوط به مقادیر پوشش سبز را ممکن می کند. شناخته شده ترین شاخص پوشش گیاهی از ایجاد نسبتی بین باندهای قرمز و مادون قرمز ایجاد می شود. امروزه شاخص های پوشش گیاهی متنوعی توسط متخصصان در مقیاس های مختلف و با توجه به اهداف اصلی و البته با عنایت به تفکیک تصاویر حاصله به کار گرفته می شود که در مجموع می توان آنها را در چهار کلاس مختلف نظیر: شاخص های ضریبی[۱] ، شاخص تعدیل شده بر مبنای خاک پس زمینه[۲] ، ارتوکونال[۳] و مشتقی[۴] تقسیم بندی کرد.

[۱] – Ratio Index

[۲] – Soil Adjusted Vegetation Index

این مطلب را هم بخوانید...  چرا ENVI | دلایل استفاده از ENVI در پردازش تصاویر ماهواره ای

[۳] – Orthogonal Index

[۴] – Derivative Index

تجربه نشان می دهد که شاخص های پوشش گیاهی می توانند متاثر از نوسانهای طیفی سنگ مادر و خاک، بویژه در مناطق اقلیمی خشک و نیمه خشک باشند. در این ارتباط، سه تاثیر اصلی یعنی تاثیر آلبدو روی ضرایب مستخرج، تاثیر تغییر شیب از باند قرمز به مادون قرمز نزدیک و تاثیر آلبدو ترکیبی غیرخطی قابل اهمیت اند که برای کاهش آثار هر کدام از آنها در محیط های نرم افزاری، روشهای خاصی پیشنهاد شده است. باید دقت شود که روند استخراج شاخص های پوشش گیاهی باید به فاکتورهایی چون نوع سنجنده، میزان تفکیک رادیومتریک، تعداد و پهنای باندهای الکترومغناطیس، تفکیک مکانی تصاویر و در نهایت کاربرد مورد نظر باید توجه داشت.

 

از آموزش زیر می توانید استفاده کنید و شاخص های طیفی را به راحتی در ENVI محاسبه نمایید

توسط |۱۳۹۷-۵-۱۶ ۲۳:۱۰:۵۱ +۰۰:۰۰مرداد ۱۶ام, ۱۳۹۷|سنجش از دور|بدون ديدگاه

در باره نویسنده :

سلطانیان محمود
پیش به سوی قله...

ثبت ديدگاه