آشکارسازی پدیده گردوغبار جنوب غرب ایران با استفاده از شاخص های NDDI و BTD و شبکه عصبی

امروزهپدیده‌‌هایگردوغباریدرردیفمهم‌ترینمخاطراتمحیطی قرارگرفتهوسلامتیانسانومحیط‌ زیستراباخطرجدیروبرونموده‌‌اند. یکیازویژگی‌‌هایمهمنواحیبیابانی(خشکونیمه‌‌خشک)،رخدادپدیده‌‌هایگردوغباریاست. تشخیص توفان‌‌های گردوغبار، اولین و مهم‌ترین 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 گردوغبار تاریخ 30 خردادماه 1391 شمسی (19/06/ 2012) مورد استفاده قرار گرفته است. نتایج نشان داد، شاخص NDDI بهتنهاییقادربهتفکیک پیکسل‌‌هایگردوغبارموجوددراتمسفرازپیکسل‌‌هایغیرگردوغباروماسهزمینینبودهو عملکر ضعیفی دارد. شاخص BTD، گردوغبار 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 رانشان داد. بنابراین، شبکه عصبی نسبت به شاخص‌‌های  NDDI و BTD، روش مناسب‌تری برای تشخیص و بارزسازی گردوغبار 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 گردوغبار در طول روز و شب و در اکوسیستم‌‌های آبی و خشکی مورد استفاده قرار گیرد.