%0 Journal Article %T آشکارسازی پدیده گردوغبار جنوب غرب ایران با استفاده از شاخص های NDDI و BTD و شبکه عصبی %J فصلنامه علمی- پژوهشی اطلاعات جغرافیایی « سپهر» %I سازمان جغرافیایی %Z 2588-3860 %A دیراوی پور, مرضیه %A محمد عسگری, حسین %A فرهادی, سعید %A نجفی, ایمان %D 2019 %\ 11/22/2019 %V 28 %N 111 %P 217-234 %! آشکارسازی پدیده گردوغبار جنوب غرب ایران با استفاده از شاخص های NDDI و BTD و شبکه عصبی %K NDDI %K BTD %K شبکه عصبی %K گردوغبار %K مودیس %R 10.22131/sepehr.2019.37521 %X امروزه پدیده‌‌های گرد وغباری در ردیف مهم‌ترین مخاطرات محیطی قرارگرفته و سلامتی انسان و محیط‌ زیست را با خطر جدی روبرو نموده ‌‌اند. یکی از ویژگی ‌‌های مهم نواحی بیابانی(خشک و نیمه ‌‌خشک)، رخداد پدیده‌‌های گرد وغباری است. تشخیص توفان‌‌های گردوغبار، اولین و مهم ‌ترین روش جهت پیش‌گیری و کاهش آثار مخرب آن می‌‌باشد. از این رو هدف تحقیق حاضر تشخیص و بارزسازی گردوغبار با استفاده از شاخص‌‌های NDDI و BTD و شبکه‌های عصبی در نرم افزار MATLAB می‌‌باشد. در این تحقیق نتایج مربوط به پدیده‌‌های گرد وغبار تاریخ 30 خردادماه 1391 شمسی (19/06/ 2012) مورد استفاده قرار گرفته است. نتایج نشان داد، شاخص NDDI به تنهایی قادر به تفکیک پیکسل‌‌ های گرد وغبار موجود در اتمسفر از پیکسل‌‌های غیرگرد وغبار و ماسه زمینی نبوده و عملکرد ضعیفی دارد. شاخص BTD، گرد وغبار اکوسیستم خشکی را به خوبی  بارزسازی کرد ولی BTD(20-31) و BTD(23-31) بارزسازی بهتری در اکوسیستم آبی داشت. بنابراین، باید با دقت زیاد آستانه را تعیین کرد. همچنین، بارزسازی در زمین‌های شنی و ماسه‌‌ای به خوبی انجام نشد. شبکه عصبی مصنوعی پیشرو برای تصاویر روزانه با 60%  و برای تصاویر شبانه با 59%،  دقت و عملکرد نسبتاً خوبی را نشان داد. بنابراین، شبکه عصبی نسبت به شاخص‌‌های  NDDI و BTD، روش مناسب‌ تری برای تشخیص و بارزسازی گرد وغبار بود و نیازی به تعیین آستانه برای بررسی هر تصویر نداشت. هرچه نمونه‌‌های آموزشی شبکه عصبی، با دقت و تعداد بیشتر و ابعاد بزرگتر انتخاب شود، عملکرد و دقت شبکه افزایش خواهد یافت، نتایج این تحقیق می‌تواند در راستای تشخیص خودکار گرد وغبار در طول روز و شب و در اکوسیستم‌‌های آبی و خشکی مورد استفاده قرار گیرد. %U https://www.sepehr.org/article_37521_0dc17d290ae72e9a450902b763904d0b.pdf