دورسنجی
حسین نساری؛ رضا شاه حسینی؛ امیررضا گودرزی؛ سهیل سبحان اردکانی؛ سعید فرزانه
چکیده
محصولات عمق نوری ریزگرد اتمسفری (AOD) مبتنی بر ماهوارههای در حال گردش مانند MODIS، VIIRS و NOAA میتوانند توزیع روزانه AOD جهانی و منطقه ای را ارائه دهند. کاربرد آنها برای نظارت بر کیفیت هوا در مقیاس های محلی مانند محیط های شهری به دلیل قدرت تفکیک مکانی پایین آنها محدود است. اخیراً، علاقه فزایندهای به بازیابی محصولات AOD بر اساس تصاویر ...
بیشتر
محصولات عمق نوری ریزگرد اتمسفری (AOD) مبتنی بر ماهوارههای در حال گردش مانند MODIS، VIIRS و NOAA میتوانند توزیع روزانه AOD جهانی و منطقه ای را ارائه دهند. کاربرد آنها برای نظارت بر کیفیت هوا در مقیاس های محلی مانند محیط های شهری به دلیل قدرت تفکیک مکانی پایین آنها محدود است. اخیراً، علاقه فزایندهای به بازیابی محصولات AOD بر اساس تصاویر نوری با قدرت تفکیک بالا شکل گرفته است. هدف اصلی این پژوهش، ارزیابی بازیابی AOD در مناطق شهری با استفاده از تصاویر ماهوارهای با قدرت تفکیک مکانی بالا است. با فرض سطح لامبرتی، اصل بازیابی AOD توسعه یافته بر اساس تئوری انتقال تابشی با استفاده از معادله Tanré می باشد. برای حل معادله انتقال تابشی، مطالعه حاضر مدل انتقال تابشی شبیهسازی دوم سیگنال ماهوارهای در طیف خورشیدی (6S) را اتخاذ و یک جدول جستجو را با فرض یک مدل ریزگرد قارهای ساخت. بازتاب سطح زمین در کل دوره مطالعه با استفاده از Landsat 8 OLI برای دوره 2016-2015 تنوع بسیار کمی به صورت ماهانه نشان داد. بازیابی AOD با مقایسه بازتاب TOA اندازه گیری شده و شبیه سازی شده انجام گرفت. اعتبارسنجی با استفاده از یک سایت زمینی مستقر در پشت بام مرکز منطقه ای هواشناسی با نام Tamanrasset_INM واقع در منطقه تامنراست، الجزایر انجام شد. اعتبارسنجی نشان می دهد که روش بازیابی AOD منجر به خطای استاندارد 0.1068 می شود و با برابر با 70.9% همبستگی خوبی نشان می دهد.
سعید فرزانه؛ محمدعلی شریفی؛ امیر عبدالملکی؛ مسعود دهواری
چکیده
امروزه ماهوارههای مدار پایین نقش مهمی در جمعآوری مشاهدات مربوط به زمین و میدان گرانش حاکم بر آن ایفا میکنند. عوامل مختلفی بر دقت و صحت مشاهدات این ماهوارهها مؤثر هستند. ازجملهی این عوامل، اصطکاک اتمسفری وارد بر ماهوارهها است که حتی میتواند پس از مدتی کارایی آنها را با چالش مواجه کند. به همین دلیل تلاشهای گوناگونی درصدد ...
بیشتر
امروزه ماهوارههای مدار پایین نقش مهمی در جمعآوری مشاهدات مربوط به زمین و میدان گرانش حاکم بر آن ایفا میکنند. عوامل مختلفی بر دقت و صحت مشاهدات این ماهوارهها مؤثر هستند. ازجملهی این عوامل، اصطکاک اتمسفری وارد بر ماهوارهها است که حتی میتواند پس از مدتی کارایی آنها را با چالش مواجه کند. به همین دلیل تلاشهای گوناگونی درصدد مدلسازی و پیشبینی عوامل مؤثر بر این نیرو برآمده است. مدلهای تجربی ارائهشده برای چگالی اتمسفری نمونهای از این تلاشها است. باگذشت زمان و پیدایش خطاهای موجود در مدلهای تجربی، تلاش برای اصلاح آنها آغاز شد چراکه بهدلیل سادهسازیها و محدودیتهای مشاهداتی، این مدلها همواره با خطا همراه هستند و مقدار خروجی آنها با مقدار واقعی چگالی اتمسفر، تطابق کامل ندارد. از دیگر سو، با گسترش علوم، روشهای جدیدی مانند هوش مصنوعی و شبکههای عصبی برای پیشبینی یک سری زمانی ارائه شده است که قابلیت یادگیری رفتار سیگنال بدون تشکیل یک مدل ریاضی پیچیده را دارند. در این تحقیق، از شبکههای عصبی با حافظه بلند-کوتاهمدت برای پیشبینی و اصلاح مدلهای تجربی چگالی اتمسفری که مهمترین عامل تعیینکنندهی میزان کشش اتمسفری است، استفاده شده است. این شبکههای عصبی از نوع شبکههای بازگشتی هستند و با حفظ وابستگی سیگنال در زمان میتوانند دقت بهتری را برای پیشبینی سیگنال فراهم آورند. دادههای مورداستفاده برای آموزش شبکه عصبی مربوط به ماهوارهی GRACE و در نیمهی نخست سال 2014 بوده است. برای ارزیابی نتایج نیز با استفاده از ضریب اصطکاک خروجی حاصل از شبکه عصبی و همچنین ضریب اصطکاک مربوط به مدلهای عددی، موقعیت ماهواره تعیین و با موقعیت واقعی مقایسه شده است. نتایج پیشبینی نشان میدهد که در حالت تک متغیره مقدار RMSE در حدود 0.054 و در حالت چند متغیره در حدود 0.03 است و همچنین شبکهی عصبی قادر است مدار ماهواره GRACE را با RMSE در حدود 0.15 متر پیشبینی کند.
سعید فرزانه؛ محمدعلی شریفی؛ سیده سمیرا طالبی
چکیده
جهتگیری دقیق یک فضاپیما نسبت به زمین، خورشید یا هرکدام از سیارات، یکی از مشکلترین چالشها در فناوری فضایی است. سیستم تعیین و کنترل وضعیت یکی از مهمترین زیرسیستمهای ماهواره است. هدف اصلی طراحی این زیرسیستم انتخاب بهترین الگوریتم برای استخراج وضعیت کامل از فضاپیما با توجه به دقت یا زمان اجرا یا هر دو میباشد. هدف الگوریتمهای ...
بیشتر
جهتگیری دقیق یک فضاپیما نسبت به زمین، خورشید یا هرکدام از سیارات، یکی از مشکلترین چالشها در فناوری فضایی است. سیستم تعیین و کنترل وضعیت یکی از مهمترین زیرسیستمهای ماهواره است. هدف اصلی طراحی این زیرسیستم انتخاب بهترین الگوریتم برای استخراج وضعیت کامل از فضاپیما با توجه به دقت یا زمان اجرا یا هر دو میباشد. هدف الگوریتمهای تعیین وضعیت، محاسبه جهتگیری فضایی ماهواره بر اساس سنسورهایی است که میتوانند اندازهگیریهای مقدار شناخته را در قالب بردارهای سهبعدی انجام دهند. در میان سنسورهای مورد استفاده برای تعیین وضعیت فضاپیما، ردیاب ستاره توانایی انجام توأمان عملیات تعیین موقعیت، وضعیت و برآورد سرعت زاویهای فضاپیما را با دقت بالا، حجم محاسبات بهصرفه و مدت زمان قابل قبول برای پروژههای فضایی دارد. این ردیاب در میان سایر حسگرهای تعیین وضعیت، بهعنوان دقیقترین حسگر شناسایی شده و قابلیت تعیین وضعیت ماهوارهها با دقت مناسب حتی در مدارهای بالا را دارد. ردیاب ستاره از آسمان اطراف خود تصویربرداری مینماید. در بخش میکرو پردازنده این ردیاب، ستارگان موجود در تصویر اخذشده شناسایی میشوند و به این ترتیب مشاهدات موردنیاز برای انجام پروسه تعیین وضعیت حاصل میشوند. با شناسایی ستارههای تصویر شده و دادههای چارچوب مرجع اینرشیای مربوطه، وضعیت فضاپیما با استفاده از الگوریتمهای تعیین وضعیت مانند TRIAD و برآوردگر کواترنیون (QUEST) و ... تعیین خواهد شد. در این تحقیق هدف پرداختن به فرآیند تعیین وضعیت فضاپیما و خصوصاً بررسی و مقایسه الگوریتمهای تعیین وضعیت، و سپس انتخاب مناسبترین الگوریتم تعیین وضعیت با استفاده از مشاهدات ردیاب ستاره میباشد. براساس ارزیابیهای انجام شده نتایج حاصل از الگوریتمهای TRIAD و QUEST با روش Shuster بالاترین دقت را در بین نتایج هشت الگوریتم دیگر کسب کردند.
سعید فرزانه؛ رضا شاه حسینی؛ ایمان کردپور
چکیده
در سالهای اخیر کشور ایران با خشکسالیهای متعددی مواجه بوده است، لذا برآورد دقیق میزان خشکسالی به منظور پیشبینی و مدیریت بهینه منابع طبیعی امری اجتنابناپذیر است. بدین منظور روشهای مرسوم برآورد خشکسالی که مبتنی بر مشاهدات ایستگاههای هواشناسی هستند، بهکار گرفته میشوند. یکی از مشکلات اصلی این روشها در نظر نگرفتن تغییر ...
بیشتر
در سالهای اخیر کشور ایران با خشکسالیهای متعددی مواجه بوده است، لذا برآورد دقیق میزان خشکسالی به منظور پیشبینی و مدیریت بهینه منابع طبیعی امری اجتنابناپذیر است. بدین منظور روشهای مرسوم برآورد خشکسالی که مبتنی بر مشاهدات ایستگاههای هواشناسی هستند، بهکار گرفته میشوند. یکی از مشکلات اصلی این روشها در نظر نگرفتن تغییر شرایط اقلیمی و آب و هوایی در مناطق بزرگ است و معمولاً این روشها در مناطق محلی جواب مناسبی بهدست میدهند. بهمنظور بهبود دقت برآورد میزان خشکسالی در سطوح وسیع، استفاده تلفیقی از دادههای حاصل از تصاویر ماهوارهای و ایستگاههای زمینی ضرورت خواهد داشت. در سالهای اخیر استفاده از روشهای ثقلسنجی ماهوارهای و تصاویر ماهوارهای بهعنوان ابزاری مفید برای پایش مکانی و زمانی خشکسالی در مناطق وسیع، مورد توجه محققین قرار گرفته است. هدف از این مطالعه استفاده از دادههای ماهواره بازیابی گرانش و آب و هوا (GRACE) و محصول شاخص پوشش گیاهی سنجنده MODIS و مشاهدات زمینی ایستگاههای سینوپتیک برای ارزیابی خشکسالی در بازه زمانی ۲۰۰۳ تا ۲۰۱۶ در کل کشور ایران است. بدین منظور در مقاله حاضر شاخصی کارا با عنوان شاخص خشکسالی دادههای ادغامشده (MDI) مبتنی بر تصاویر شاخص پوشش گیاهی یکنواخت شده (NDVI) حاصل از سنجنده مادیس، دادههای محتوی آب زمین (TWS) استخراج شده از ماهواره GRACE و دادههای بارندگی استخراج شده از ایستگاههای سینوپتیک ارائه شده است. نتایج بهدست آمده همبستگی ۷۵٪ با شاخص استاندارد جهانی شدت میزان خشکسالی پالمر (PDSI) را نشان میدهد. نتایج شاخص MDI و PDSI روند خشکسالی در سالهای ۲۰۰۸ تا ۲۰۱۵ در ایران را بهخوبی نشان میدهند.
زهرا بنی مصطفوی؛ سعید فرزانه؛ محمدعلی شریفی
چکیده
تجزیه و تحلیل رفتار سازههای مهندسی از جمله فعالیتهای مهم در ژئودزی است چرا که هرگونه ارزیابی نادرست از جابجاییها، میتواند تاثیرات مرگباری داشته باشد. برای یافتن میزان تغییر شکل ایجاد شده در یک سازه بر اثر عوامل مختلف، ابتدا باید به برآورد جابجایی نقاط آن سازه پرداخت. بدین منظور از دو روش مقاوم[1] و غیرمقاوم[2] که بر نتایج ...
بیشتر
تجزیه و تحلیل رفتار سازههای مهندسی از جمله فعالیتهای مهم در ژئودزی است چرا که هرگونه ارزیابی نادرست از جابجاییها، میتواند تاثیرات مرگباری داشته باشد. برای یافتن میزان تغییر شکل ایجاد شده در یک سازه بر اثر عوامل مختلف، ابتدا باید به برآورد جابجایی نقاط آن سازه پرداخت. بدین منظور از دو روش مقاوم[1] و غیرمقاوم[2] که بر نتایج سرشکنی مشاهدات اپکها استوار هستند، استفاده میشود. روش حداقل سازی نرم [3]L1 و سرشکنی تکراری وزندار دو اپک زمانی[4]، از جمله روشهای مقاوم هستند که با حداقل سازی نرم اول و دوم، بردار جابجایی را محاسبه میکنند. تجزیه و تحلیل جابجاییها بر حسب میزان دخالت نقاط در محاسبات، به دو گروه تک نقطهای و ترکیبی[5] تقسیم میشوند. در روشهای تک نقطهای تعیین دیتوم در پایش شبکههای ژئودتیک کلاسیک، روش سرشکنی همزمان دو اپک زمانی[6] ، به عنوان روش بهینه در نظر گرفته میشود. یکی از مشکلات اساسی این روشها وابستگی شدید آنها به هندسهی شبکه است که مانع از کشف همهی نقاط ناپایدار و افزایش میزان خطا در محاسبات خواهد شد. در این تحقیق، استفاده از روشهای ترکیبی به عنوان جایگزین مناسبی برای این روشها معرفی میگردد. تفاوت این روشها با روشهای تک نقطهای، در بررسی تمامی نقاط شبکهی ژئودتیک بشکل یکجا و کشف نقاط ناپایدار در بین آنها است. هدف این تحقیق بررسی موفقیت روشهای ترکیبی در جهت کشف نقاط ناپایدار و مقایسهی موفقیت آنها با روش سرشکنی همزمان دو اپک زمانی و انتخاب روش بهینه میباشد. در این راستا بر مبنای مشاهدات یک شبکه شبیهسازی شده و ایجاد حالتهای مختلف جابجایی، بهترین روش انتخاب گردید سپس روش پیشنهادی بر روی مشاهدات واقعی سد جامیشان، واقع در جنوب غرب شهرستان سقز، واقع در کرمانشاه، پیادهسازی شد. با وجود توانایی روش سرشکنی همزمان دو اپک زمانی در کشف نقاط ناپایدار، این روش برخلاف روش زیرنمونه چندگانه تفاضلات طولی[7]، نتوانسته است همواره تمامی نقاط ناپایدار را تشخیص دهد. روش زیرنمونه چندگانه با تفاضلات دادههای طولی، با درصد 100 به 70، 100 به 87.5 و 100 به 87.5، در مقابل روش سرشکنی همزمان دو اپک زمانی، توانست موفقیت بهتری را بدست آورد. بنابراین روش زیرنمونه چندگانه تفاضلات طولی به عنوان بهترین روش انتخاب شده است.
[1] Robust
[2] Non-robust
[3] Minimum norm L1
[4] Iterative Weighted Simultaneous of Two Epochs (IWST)
[5] Combinatorial methods
[6] Simultaneous Adjustment of Two Epochs (SATE)
[7] Multiple Sub Sample distance difference