سنجش از دور فراطیفی یک ابزار توانمند برای کشف، شناسایی و تهیه‏ی نقشه از پدیده‏ها و مواد رویه‏ی طبیعی زمین است. این فن آوری کاربردهای گوناگونی در اکتشاف مواد معدنی، پایش محیط زیست و کشاورزی دقیق دارد. با وجود توانمندی قابل توجه داده‎های فراطیفی، به دلیل توان تفکیک مکانی پایین سنجنده ها یا به علت حضور مواد متعدد در میدان دید لحظه‎ای (پیکسل زمینی)، طیف اندازه گیری شده ترکیبی از چند پدیده خواهد بود. جداسازی طیفی، روشی است که این پیکسل‎های مختلط را به مشخصه طیفی اعضای خالص و فراوانی آنها تجزیه می کند. جداسازی طیفی امکان برآورد خرد پیکسلی یا طبقه‎بندی نرم عناصر تشکیل دهنده سطح زمین را فراهم می آورد. ماهیت مدل اختلاط اهمیت فراوانی در فرآیند جداسازی طیفی دارد. در کاربردهای طیف‎نگاری و سنجش از دوری معمولاً دو نوع مدل اختلاط طیفی در نظرگرفته می‏شود. در مدل خطی فرض می‏شود که پرتوهای بازتاب شده از پدیده های حاضر در یک پیکسل، کنش و اندرکنش مستقیم با هم نداشته‎اند و انرژی رسیده به سنجنده ترکیب خطی انرژیهای بازتابی از هر پدیده خاص است. مدل دیگر غیر خطی است. در آن پرتوها رسیده به سنجنده حاصل بازتابهای چندگانه و تداخل‎های چندگانه بین مواد است. در کاربردهای سنجش از دوری، معمولاً مدل خطی با دقت قابل قبولی جوابگوست. در این پژوهش به منظور تهیه نقشه‎ی دقیق از مواد مختلف و به خصوص نقشه انواع خاک از تصاویر فراطیفی، الگوریتمی بر اساس سه مرحله کاهش باند، استخراج اعضای خالص و برآورد فراوانی ارائه و ارزیابی شد. برای استخراج اعضای خالص تصویر باید تعداد عناصر خالص موجود در صحنه مشخص شود. برای این کار سه روش متداول hysim، hfc وnwhfc بر روی داده های واقعی پیاده‎سازی و مورد ارزیابی قرار گرفت و بهترین روش برای داده های مختلف تعیین شد. از بین روشهای هندسی استخراج اعضای خالص، روشهای mvc-nmf، vca، n-finder، fppi و mvsa مورد بررسی قرار گرفتند. الگوریتم های vca،n-finder و fppi جزو الگوریتمهای هندسی استخراج اعضای خالصی هستند که از شرط وجود پیکسل خالص برای استخراج مشخصه های طیفی اعضای خالص استفاده می کنند و الگوریتم های mvsa و mvc-nmf از شرط حجم کمینه برای چندضلعی محیط بر داده بهره می برند. برای ارزیابی دقیق روش‎های استخراج اعضای خالص داده های شبیه سازی شده با مشخصات مختلف تولید شده و نتایج این روش‎ها مورد مطالعه قرار گرفت. سپس این روش ها از نظر میزان نوفه در داده و زمان پردازش و دیگر پارامترها روی داده های مختلف مورد ارزیابی قرار گرفته و نقاط ضعف و قوت هر روش مشخص شد. داده های واقعی به کار گرفته شده برای این تحقیق ، داده های فراطیفی سنجنده aviris منطقه cuprite و داده فراطیفی hyperion مربوط به منطقه حومه شهر اصفهان بود. برای ارزیابی دقیق نتایج جداسازی طیفی، با بازدید میدانی، نمونه برداری زمینی انجام شد. سپس برای شناسایی مواد تشکیل دهنده سطح زمینی روی نمونه ها آزمایش xrd انجام گرفت. نتایج ارزیابی‎ها نشان داد که روشهای مبتنی بر قید کمترین حجم دقیق‏تر از روشهای مبتنی بر فرض وجود پیکسل خالص عمل می‎کنند. به طوری که این الگوریتم ها به نویز و پیکسل های بد کمتر حساس هستند. به علاوه به علت استفاده از قید کمترین حجم کمتر در دام کمینه های محلی می افتند. ولی مشکلی اصلی آنها محاسبات نسبتاً زیاد است که ممکن است با افزایش تعداد پیکسل تصویر یا تعداد عناصر خالص سرعت همگرایی آنها به شدت افت کند. بر اساس این تحقیق الگوریتم استخراج اعضای خالص مبتنی بر قید کمترین حجم mvc-nmf به عنوان بهینه‎ترین روش انتخاب شده و کارایی این الگوریتم در جداسازی داده های فراطیفی hyperion به اثبات رسید.

در سال های اخیر تشخیص ناهنجاری در تصاویر سنجش از دور فراطیفی، به یکی از کاربردهای مهم آشکارسازی اهداف در سنجش از دور تبدیل شده است. در بسیاری از کاربردها، از جمله سامانه های نظامی، علاوه بر دقت الگوریتم ها، سرعت اجرای آن ها نیز از اهمیت بالایی برخوردار است. بسیاری از الگوریتم های تشخیص ناهنجاری به دلیل این که باید روی یک تصویر با ابعاد بالا اعمال شوند، از سرعت پایینی برخوردارند. برای رفع این محدودیت و بهبود کارایی این الگوریتم ها، روش های کاهش بعد به عنوان عملیات پیش پردازش برای این تصاویر توسعه یافته‎اند. در این تحقیق با استفاده از تبدیل فوریه سریع و تبدیل موجک گسسته روش هایی ارائه شده است که به عنوان عملیات پیش پردازش کاهش بعد برای الگوریتم های تشخیص ناهنجاری عمل می کنند و سرعت و دقت آن ها را بهبود می دهند. نتایج اعمال روش های پیشنهادی بر روی دو سری داده فراطیفی سنجنده ی aviris، تصویر فراطیفی سنجنده hymap و همچنین تصویر فراطیفی مربوط به نشت نفت در خلیج مکزیک نشان داد که این روش ها کارایی الگوریتم rx را از لحاظ سرعت اجرا و دقت تشخیص و کارایی الگوریتم dwest را از لحاظ سرعت اجرا، بهبود می‎دهند. میزان افزایش سرعت با استفاده از روش های پیشنهادی به حدی است که از آن ها می توان در کاربردهای بی درنگ استفاده کرد. همچنین مقایسه الگوریتم های rx و dwest با روش های پیش پردازش پیشنهادی، نشان داد که این روش ها کارایی بالاتری از الگوریتم kernel-rx دارند. به علاوه مقایسه روش های پیشنهادی با روش کاهش بعد مبتنی بر تحلیل مولفه های اصلی نشان داد که روش کاهش بعد با استفاده از تبدیل فوریه سریع، از سرعت بالاتری برخوردار است.

زیست بوم به دو نوع آبی و خشکی تقسیم می شود و از مجموع این دو زیست کره (بیوسفر) حاصل می گردد. زیست بوم آبی بیش از 70 درصد سطح زمین را می پوشاند. بیشترین تنوع زیستی با ارزش جهانی در مناطق دریایی دیده می شود که دارای زیستگاه های بسیار متنوع و پایدار می باشند. از مهمترین زیست بوم های آبی، جزایر مرجانی هستند. بخاطر عدم وجود این زیست بوم در اکثر مناطق دنیا، تنوع بسیار بالا و نیز مزایائی که برای مردم ساکن در سواحل دارند، از اهمیت زیادی نسبت به سایر زیست بوم های آبی برخوردارند. امروزه عوامل مخرب متفاوتی زیستگاه آبسنگ های مرجانی تهدید نموده و خطر از بین رفتن 11 درصد از این زیستگاه های دریایی پر تولید با تنوع و غنای گونه ای را به دنبال دارد. در مقابل تخریب این مناطق، برای دست یابی به توسعه ی پایدار و مدیریت مناسب، اطلاعات دقیق مکانی پیش شرطی برای برنامه ریزی بهتر از مناطق ساحلی است. یکی از ابزارهای مناسب برای مطالعه و شناخت زیستگاه آبسنگ مرجانی، علم سنجش از دور است. اگرچه تصاویر ماهواره ای از اوایل دهه ی 80 میلادی برای مطالعات دریایی استفاده شده است، اما حتی در استفاده از تصاویر ماهواره ای پیشرفته نیز برای طبقه بندی عارضه ها محدودیتهایی وجود دارد. این تحقیق در برگیرنده‏ی امکان استفاده از داده های سنجش از دوری در طبقه-بندی عارضه های بستری در زیستگاه آبسنگ مرجانی جزیره ی سیری واقع درخلیج فارس است. در این راستا، تحقیق حاضر با ارزیابی روش های پیش پردازشی مناسب، از جمله تصحیحات اتمسفر، سطح و ستون آب، از تصاویر ماهواره ای quickbird برای طبقه بندی عارضه های بستری در 6 طبقه استفاده کرده است. این طبقه بندی شامل کلاس‏های طیفی و اطلاعاتی مرجان توده ای، مرجان پراکنده، جلبک متراکم، جلبک پراکنده، ماسه و آب های عمیق است. نتایج بدست آمده نشان دهنده ی بهبود 14.2% در طبقه بندی بستری بعد از اجرای عملیات پیش پردازشی (73.5%) نسبت به تصویر خام(59.3%) در روش طبقه بندی حداقل فاصله است. برای شناسایی و اطمینان از مطالعات میدانی، از روش های بارزسازی نسبت باند، pca، crosta، hsv، ls-fit و mnf برای شناسایی سه عارضه ی جلبک، مرجان و ماسه برای انتخاب بهینه ی نمونه های آموزشی استفاده شده است. آشکارسازی تغییرات به وسیله ی ماهواره ی لندست 5 بین سال های 1985-2000، نشان دهنده ی کاهش در بستر مرجان توده ای و افزایش در جلبک متراکم و ماسه در طول این مدت بوده است. نتایج کلی حاکی از قابلیت بهینه و مناسب تصاویر ماهواره ای در مطالعات زیستگاه های آبسنگ مرجانی است.

اختلاط طیفی و حضور پیکسل‏های مختلط در تصاویر سنجش از دوری، پدیده‏ای اجتناب ناپذیر است. از این رو، یافتن راه حلی برای این مسئله یکی از مباحث مهم و مورد توجه در سنجش از دور است. هدف اصلی در این پایان نامه، ارزیابی مدل اختلاط طیفی خطی و روش های تجزیه طیفی نظارت نشده آن است. در مدل اختلاط طیفی خطی متداول، پاسخ مکانی سنجنده به طیف ورودی به آن (تابع نقطه گستر یا psf) در نظر گرفته نشده است بنابراین در این تحقیق ابتدا مدل اختلاط طیفی خطی جدیدی ارائه شده است که در آن psf سنجنده در نظر گرفته شده است. برای ارزیابی این مدل، فرآیندی تحت شرایط آزمایشگاهی، طراحی و پیاده‏سازی گردید تا از طریق اندازه‏گیری‎های طیفی توسط دستگاه طیف‎سنج، یک مجموعه داده‏ی ابرطیفی دقیق و مناسب تولید شود. نتایج این ارزیابی نشان می ‏دهد که تابع psf سنجنده مقادیر فراوانی را به این صورت تغییر می دهد که هر چه یک عضو خالص به مرکز پیکسل نزدیک تر باشد وزن بیشتری نسبت به اعضای خالصی که دورتر از مرکز هستند می گیرد. سپس در این تحقیق به ارزیابی روش های تجزیه طیفی به صورت نظارت نشده پراخته شده است که خود شامل سه مرحله ی تعیین تعداد اعضای خالص، تعیین طیف اعضای خالص و تعیین مقادیر فراوانی هر پیکسل است. در مرحله اول، روش های بر مبنای pca (pca، napca، pnapca)، بر مبنای itc (aic، mdl)، بر مبنای دیسک gerschgorin (tgd، روش پیشنهادی mtgd)، hfc، hysime و hysime@ پیاده سازی شده و مورد ارزیابی قرار گرفته اند که به ترتیب روش های mtgd و hysime@ بهترین نتایج را داشته اند. روش mtgd، با رفع نواقص روش tgd و با استفاده از یک استراتژی جدید برای تفکیک دیسک های سیگنال از نویز پیشنهاد شده است. در مرحله دوم، روش های تعیین طیف اعضای خالص، بر حسب اینکه در تصویر از هر عضوخالص حداقل یک پیکسل خالص وجود دارد یا نه، به ترتیب در دو دسته-ی روش های شناسایی اعضای خالص و روش های استخراج اعضای خالص تقسیم شده اند. برای دسته ی روش-های شناسایی اعضای خالص، روش های see، nfindr، atgp، ufcls، maximin-distance، sga، vca، ppi، برمبنای ppi (fippi، appi، rppi) و روش پیشنهادی uppi اجرا شدند و برای دسته ی روش های استخراج اعضای خالص روش های ica، deca، cnmf، mvc-nmf و mvsa اجرا شدند. روش uppi بر مبنای روش ppi و تعریف پیشنهادی مجموعه ناسازگار و به کمک استراتژی اضافه کردن نویز، پیشنهاد شده است که در آن معایب روش های بر مبنای ppi برطرف شده است. از بین روش های شناسایی اعضای خالص، به ترتیب روش های ufcls و sga از نتایج بهتری برخوردار هستند که به علت بالا بودن زمان پردازش در روش ufcls، روش sga به عنوان بهترین روش در این تحقیق پیشنهاد شده است. در روش های استخراج اعضای خالص، روش mvsa نتایج بهتری را ارائه کرده است اما در شرایطی که تعداد اعضای خالص تصویر زیاد باشد یا توان نویز (snr) پایین باشد، روش mvsa هم نتایج ضعیفی ارائه می کند. برای ارزیابی طیف اعضای خالص برآورد شده، علاوه بر معیارهای فاصله بین دو بردار (sam، ed، sid)، از دو شاخص پیشنهادی pii و sii استفاده شده است که از قابلیت بهتری برای ارزیابی نتایج برخوردار هستند. مبنای دو شاخص pii و sii استفاده از مقادیر فراوانی متناظر با اعضای خالص برآورد شده، به جای استفاده مستقیم از طیف آنها است. مرحله ی تعیین مقادیر فراوانی، یک مسئله کمترین مربعات با قیود معادله-ای (قید مجموع واحد مقادیر فراوانی یا asc) و نامعادله ای (قید نامنفی بودن مقادیر فراوانی یا anc) است که با مسئله fcls شناخته شده است. برای حل این مسئله روش جدیدی پیشنهاد شده است که قیود asc و anc را به طور کامل و همزمان اعمال کرده و در مقایسه با روش های uls، scls، ncls، nscls، nncls، fclsheinz و fclsreyes از نتایج بهتری برخوردار است. در این تحقیق علاوه بر داده های ساخته شده در آزمایشگاه، از داده های شبیه سازی شده با اعضای خالص و مقادیر فراوانی تصادفی و کنترل شده و همچنین از تصویر واقعی سنجنده aviris از دو منطقه indian pine و cuprite برای ارزیابی نتایج استفاده شده است.

اکوسیستم های جنگلی از عناصر ضروری و اصلی کره زمین هستند و نقش مهمی در کنترل و پایداری شرایط زیستی کره زمین ایفا می کنند. اطلاعات کمی و مکانی از شرایط اکوسیستم های جنگلی و پویایی و تغییرات آن ها در مقیاس منطقه ای و جهانی برای مواجهه با مشکلات محیطی شامل تغییر اقلیم جهانی، بودجه کربن و پایداری ضروری است. در این پژوهش قابلیت الگوهای نامتقارن سطح و شاخص های مرتبط با ساختار پوشش گیاهی در تشخیص و شناسایی تغییرات در جنگل های زاگرس مرکزی مورد بررسی قرار گرفته است. تصاویر سنجنده misr و پارامترهای استخراج شده از مدل های brdf کنل مبنا در این مطالعه مورد استفاده قرار گرفته است. ترکیبات 4 باند طیفی سنجنده misr در دوربین های نادیر و خارج از نادیر، پارامتر k مدل rpv در باند قرمز، شاخص پراکنش ساختاری، الگوهای نامتقارن سطح توصیف شده به وسیله مدل rpv و مدل brdf خطی نیمه تجربی کرنل مبنا ross thin-lisparse با استفاده از روش ماشین های بردار پشتیبان مورد طبقه بندی قرار گرفتند. پس از تعیین بهینه ترین مجموعه داده و طبقه بندی داده ها با این مجموعه داده ، محدوده نواحی جنگلی در منطقه مورد مطالعه در سالهای 2002 و 2009 استخراج و تغییرات رخ داده در این فاصله زمانی مورد بررسی قرار گرفت. همچنین الگوهای نامتقارن سطح در بازسازی تغییرات با استفاده از روش تحلیل بردار تغییر مورد مطالعه قرار گرفت. نتایج نشان داد که استفاده از الگوهای نامتقارن سطح و شاخص های ساختاری در فرآیند طبقه بندی و بارزسازی تغییر دقت را در مقایسه با استفاده از تنها از اطلاعات طیفی به میزان تقریبی 7 درصد بهبود می بخشد.

چکیده ندارد.