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

Abstract

<strong>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. </strong><strong>در این پژوهش از تصاویر سنجنده مودیس به منظور شناسایی و انتخاب بهترین الگوریتم تشخیص گرد و غبار استفاده شد.</strong><strong> بدین منظور سه رویداد گرد و غبار جنوب غرب ایران در سال 2012 با استفاده از پنج الگوریتم مختلف شناسایی شامل </strong><strong>BTD</strong><strong> آکرمن، شاخص گرد و غبار، میلر، </strong><strong>TIIDI</strong><strong> و </strong><strong>DUST RGB</strong><strong>، بارزسازی شدند و روش­ها مورد مقایسه قرار گرفتند. بررسی­های به عمل آمده نشان داد که روش­های </strong><strong>BTD</strong><strong> 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 </strong><strong>TIIDI</strong><strong> 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 </strong><strong>DUST RGB</strong><strong> 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 </strong><strong>DUST RGB</strong><strong> 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. </strong>