0

وبلاگ

سامانه آموزش سیستم اطلاعات جغرافیایی و سنجش از دور مقالات دانش محور شاخص ساخت و ساز تفاضلی نرمال شده (NDBI) چیست ؟

شاخص ساخت و ساز تفاضلی نرمال شده (NDBI) چیست ؟

ما را در شبکه های اجتماعی دنبال کنید

Follow us on Social Networks

Instagram: giscoders

مقدمه

داده های سنجش از دوری در اصل منبعی برای آنالیز فرایندهای محیطی در مقیاس محلی و جهانی هستند. این داده ها برای در شناسایی و فهم تغییرات در دهه های اخیر مورد استفاده قرار می گیرند. داده های سنجش از دوری (همچون داده های لندست، سنتینل، تصاویر اسپات و غیره…) برای مصور سازی، طبقه بندی و آنالیز سطوح و مناطق مختلف بر روی سطح زمین بسیار مفید و مؤثر می باشند. این داده ها را می توان بر اساس رزولوشن، طیف الکترومغناطیسی، منبع انرژی، سیستم تصویر برداری و تعداد باندهای تصویر، دسته بندی و طبقه بندی نمود. هر چقدر رزولوشن داده های ماهواره ای (قدرت تفکیک یا رزولوشن مکانی، طیفی، رادیومتریک و زمانی) بیشتر باشد، درجه صحت و دقت آنها نیز به هنگام طبقه بندی بیشتر و بالاتر خواهد بود. معمولاً داده های لندست برای طبقه بندی مورد استفاده قرار می گیرند. داده های لندست دارای چندین باند مختلف بر اساس طول موج الکترومغناطیسی می باشند (باند آبی، سبز، قرمز، مادون قرمز نزدیک و مادون قرمز موج کوتاه). باند پانکروماتیک برای افزایش رزولوشن مکانی سایر باندها مورد استفاده قرار می گیرند. داده های لندست 7 دارای 8 باند مختلف است در حالی که لندست 8 دارای 11 باند تصویر می باشد. برای محاسبه و آنالیز شاخص های NDVI، NDBI،NDWI تنها چهار باند (باند سبز، قرمز، مادون قرمز نزدیک و مادون قرمز موج کوتاه) مورد استفاده قرار می گیرند. اطلاعات مربوط به باندها، رزولوشن مکانی و طول موج باندهای تصاویر ماهواره های لندست 7 و 8 در جدول زیر لیست شده اند.

منحنی انعکاس طیفی (Spectral reflectance curve)

منحنی انعکاس طیفی، رابطه بین طیف الکترومغناطیسی (توزیع دامنه انرژی تابشی که در مقابل طول موج و یا فرکانس ترسیم شده است) و درصد انعکاس معادل آن برای مواد مختلف را نمایش می دهد و به صورت نموداری نمایش داده می شود که طول موج بر روی محور افقی و درصد انعکاس بر روی محور عمودی نمایش داده می شود. در شکل زیر نمونه ای از یک منحنی انعکاس طیفی نمایش داده شده است.

شاخص پوشش گیاهی تفاضلی نرمال شده (NDVI)

شاخص NDVI یکی از پر استفاده ترین شاخص های پوشش گیاهی برای پایش سبزینگی در مقیاس جهانی، می باشد. سایر شاخص های رایج پوشش گیاهی، شامل شاخص پوشش گیاهی بهبود یافته (EVI) شاخص PVI یا Perpendicular Vegetation Index ، شاخص پوشش گیاهی RVI یا Ration Vegetation Index می باشند. به طور کلی، پوشش گیاهی سالم جذب کننده خوب طیف الکترومغناطیس در بخش مرئی است. کلروفیل دارای جذب بالا در طیف آبی (0.4 تا 0.5 میکرون) و قرمز (0.6 تا 0.7 میکرون) بوده و در باند سبز (0.5 تا 0.6) دارای انعکاس زیادی است. بنابراین، چشم ما پوشش گیاهی سالم و شاداب را به رنگ سبز می بیند. گیاهان سالم و شاداب، دارای انعکاس بالایی در مادون قرمز نزدیک (NIR) بین طیف 0.7 تا 13 میکرون دارند. که در اصل مربوط به ساختار داخلی برگ های گیاهان می باشد. انعکاس بالا در NIR و جذب زیاد در طیف قرمز، که در نتیجه از این دو باند برای برای محاسبه NDVI مورد استفاده قرار می گیرد. برای آشنایی بیشتر با شاخص پوشش گیاهی NDVI بر روی لینک زیر کلیک کنید:

شاخص ساخت و ساز تفاضلی نرمال شده (Normalized Difference Built-up Index)

ایندکس های بسیاری برای آنالیز مناطق ساخت و ساز شده در سنجش از دور وجود دارد. شاخص Normalized Difference Built-up Index (NDBI)، شاخص (BU)Built-up Index ، شاخص Urban Index (UI) ، شاخص Index-based Built-up Index (IBI)، شاخص Enhanced Built-up and Bareness Index (EBBI) ، از رایج ترین این شاخص ها برای آنالیز مناطق ساخت و ساز شده به حساب می آیند. این ایندکس ها هر کدام فرمول ، محاسبات و روش مربوط به خودشان را دارند. مناطق ساخت و ساز شده و خاک عریان، مادون قرمز موج کوتاه (SWIR) را بیش از مادون قرمز نزدیک (NIR) انعکاس می دهد. پهنه های آبی، در طیف مادون قرمز انعکاس ندارند. در مورد سطوح سبز و پوشش گیاهی، انعکاس NIR بیش از طیف SWIR می باشد. به منظور اخذ نتایج بهتر، می توان از شاخص Built-up Index (BU) استفاده نمود. شاخص ساخت و ساز (BU) یک نمایه برای آنالیز الگوی ساخت و ساز شهری با استفاده از شاخص NDBI و NDVI می باشد. شاخص BU ی تصویر باینری که مقادیر مثبت نماینده ساخت و سازبوده و در نتیجه شاخص BU مناطق ساخت و ساز شده را به طور خودکار به نقشه تبدیل می کند.

تکنیک های طبقه بندی تصویر (طبقه بندی نظارت شده و نظارت نشده) فرایندی طولانی و پیچیده است. تکنیک های طبقه بندی تصاویر نیازمند ترکیب باند و تعداد زیادی عملیات پرازشی برای اخذ نتیجه مطلوب نهایی هستند. صحت و دقت به دست آمده از تکنیک های طبقه بندی تصاویر وابسته است به آنالیز تصویر و روشی که برای این آنالیزها مورد استفاده قرار می گیرد. در هر صورت محاسبات NDBI یک روش ساده و راحت در اخذ این چنین اطلاعاتی است. شاخص NDBI را می توان با استفاده از فرمول زیر محاسبه نمود. در ضمن مقادیر NDBI بین -1 تا +1 نوسان دارند به طور که مقادیر منفی نشان دهنده پهنه های آبی و مقادیر مثبت نماینده مناطق ساخت و ساز شده می باشد. مقدار NDBI برای پوشش گیاهی نیز پائین است.

برای محاسبه شاخص NDBI با استفاده از داده های ماهواره لندست 4 و 5 به جای باند SWIR از باند 5 استفاده می شود و برای NIR از باند 4 استفاده می گردد. با جایگزین کردن باند 4 و 5 در فرمول فوق برای داده های لندست 4 و 5 ، فرمول زیر به دست می آید.

برای محاسبه شاخص NDBI با استفاده از داده های ماهواره لندست 7 به جای باند SWIR از باند 5 استفاده می شود و برای NIR از باند 4 استفاده می گردد. با جایگزین کردن باند 4 و 5 در فرمول فوق برای داده های لندست 7 ، فرمول زیر به دست می آید.

برای محاسبه شاخص NDBI با استفاده از داده های ماهواره لندست 8 به جای باند SWIR از باند 6 استفاده می شود و برای NIR از باند 5 استفاده می گردد. با جایگزین کردن باند 6 و 5 در فرمول فوق برای داده های لندست 8 فرمول زیر به دست می آید.

ما را در شبکه های اجتماعی دنبال کنید

Follow us on Social Networks

Instagram: giscoders

ما را در شبکه های اجتماعی دنبال کنید

Follow us on Social Networks

Instagram: giscoders

مطالب زیر را حتما مطالعه کنید

ماموریت توپوگرافی رادار شاتل (SRTM)

چرا پنجره اتمسفری در علوم زمین دارای اهمیت است ؟

تصاویر ماهواره DigitalGlobe: ووردویو(Worldview)، ژئوآی(GeoEye) و آیکونوس (IKONOS)

راهنمای طبقه بندی نزدیکترین همسایه در e-Cognition

نقشه های کروپلت – مقدمه ای بر طبقه بندی داده

تصاویر چند طیفی (Multi-spectral) در مقایسه با تصاویر ابر طیفی (Hyper-spectral)

دیدگاهتان را بنویسید

Copy Protected by Chetan's WP-Copyprotect.

با عضویت در خبرنامه از آموزش های جدید رایگان در ایمیل خود مطلع شوید