عنوان پایان‌نامه
بررسی و مدلسازی رنگ اقیانوس با استفاده از تصاویر ماهواره ای با توان تفکیک مکانی بالا
- رشته تحصیلی
- مهندسی عمران- نقشه برداری- ژئودزی(هیدروگرافی)
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس 2 فنی شماره ثبت: 3352;کتابخانه مرکزی پردیس 2 فنی شماره ثبت: 3352;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 77355;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 77355
- تاریخ دفاع
- ۲۵ خرداد ۱۳۹۵
- دانشجو
- نسرین مرادی
- استاد راهنما
- مهدی حسنلو
- چکیده
- رنگ اقیانوس یکی از مهمترین پارامترها در بررسی کیفیت آب می باشد. مطالعات رنگ اقیانوس با استفاده از داده های میدانی و برداشت های نقطه ای بسیار وقت گیر بوده و امکان پوشش کل سطح آب ها را در زمان مناسب و کوتاه فراهم نمی کند، در مقابل سنجش ازدور ماهواره ای روشی است که می تواند در زمان بسیار کوتاه اطلاعات لازم برای مطالعات رنگ اقیانوس در کل آب های سطح زمین فراهم نماید. از طرفی مطالعاتی که تاکنون به بررسی رنگ اقیانوس با استفاده از تصاویر ماهواره ای پرداخته اند بر اساس داده های سنجنده هایی با توان تفکیک مکانی متوسط و پایین بوده است. در این پایان نامه از تصاویر ماهواره ی لندست-8 با توان تفکیک مکانی 30 متر که در مقایسه با سنجنده های ماقبل مطالعات رنگ اقیانوسی بسیار مناسب تر می باشد و همچنین داده ها را به صورت رایگان در اختیار کلیه کاربران قرار می دهد به بررسی رنگ اقیانوس پرداخته ایم. ماهواره ی لندست-8 با داشتن باندهایی در بخش های مختلف طیف مرئی و فروسرخ امکان بررسی مطالعات رنگ اقیانوسی با استفاده از باندهای مختلف را فراهم می نماید. با توجه به اینکه بررسی رنگ اقیانوس در دو مرحل ی اصلی شامل مرحله ی تصحیحات به خصوص اجرای تصحیح اتمسفری و مرحله ی تعیین محصول رنگ اقیانوس صورت می گیرد در ابتدا تصحیح اتمسفری با استفاده از زوج باندهای مختلف لندست-8 بر روی هر کدام از تصاویر اعمال شد. در مرحله ی بعد سه گروه از روش ها شامل الگوریتم های بیواپتیکی با استفاده از باندهای آبی و سبز، الگوریتم ها با استفاده از باندهای قرمز و فروسرخ نزدیک و روش هسته مبنا (رگرسیون بردارپشتیبان) به منظور مطالعات رنگ اقیانوسی مورد بررسی و ارزیابی قرار گرفت. در آب های دور از ساحل روش رگرسیون بردار پشتیبان با استفاده از ویژگی هایی در محدوده ی طیف آبی و سبز با داشتن مقدار R2 برابر با 0/9403 و RMSE برابر با 0/132 و همچنین روش رگرسیون بردار پشتیبان با استفاده از ویژگی هایی در محدوده ی طیف قرمز و فرسرخ نزدیک با داشتن مقدار R2 برابر با 0/9404 و RMSE برابر با 0/135 در مقایسه با روش های دیگر مناسب ترین روش شمرده می شود. در آب های نزدیک ساحل نیز روش رگرسیون بردار پشتیبان با استفاده از ویژگی هایی در محدوده ی طیف آبی و سبز با داشتن مقدار R2 برابر با 0/646555 و RMSE برابر با 0/135513 در مقایسه با روش های دیگر مناسب ترین روش شمرده می شود.
- Abstract
- Ocean color is one of the most important parameters in the water quality survey. Studies of the ocean color using field data and surveys point very time-consuming and does not provide the cover the entire surface of the waters in a short time, but satellite remote sensing can provide the necessary information to study ocean color a total water surface in a very short time. The previous studies for the monitoring of the ocean color by using satellite imagery have been used the sensors had medium or low spatial resolution. In this study the Landsat-8 satellite images with a spatial resolution of 30 meters, compared with previous studies of ocean color sensor is very suitable as well as data free of charge to all users that have paid the ocean color. The Landsat-8 satellite with using different bands in different parts of the visible spectrum and the infrared provides ocean color studies. According to the previous study, ocean color include two main steps, including the atmospheric correction and ocean color product. The atmospheric correction using different bands of Landsat-8 on each pair of images was applied. In the next step, three groups of methods were evaluated, including algorithms bio_optical using blue and green bands, algorithms using red and near-infrared bands and kernel based methods (support vector regression) to study ocean color. According to this study in offshore waters support vector regression using features within the blue and green with R2 equal to 0.9403 and RMSE equal to 0.132 and support vector regression using features within the red and nir with R2 equal to 0.9404 and RMSE equal to 0.135 gave the best results. In the nearshore waters support vector regression using features within the blue and green with R2 equal to 0.646555 and and RMSE equal to 0.135513 gave the best results. Keywords: Ocean color, remote sensing, Landsat-8, chlorophyll, atmospheric correction.
