برآورد عمق آب‌هاي ساحلي به كمك سنجش از دور فراطيفي

Nearshore bathymetry using hyperspectral remotesensing

برآورد عمق آب های ساحلی با استفاده از تصاویر ماهواره ای سنجش از دوری نقش مهمی در مدیریت و بهره برداری بهینه از منابع طبیعی دریایی و گام اولیه برای برنامه ریزی و همچنین محافظت از آنهاست. در دهه های گذشته، به لطف داده‏های تصویری با ویژگی‎های طیفی، مكانی و زمانی مناسب، استفاده از روش های عمق سنجی ماهواره ای در مناطق كم عمق افزایش یافته است. اندازه گیری های مستقیم عمق و پارامترهای فیزیكی آب به كمك روش‏های مستقیم در مناطق ساحلی بسیار پر هزینه بوده و به زمان نسبتاً زیادی نیاز دارد. بنابراین، سنجش از دور با توجه به توانایی بالا در جمع آوری اطلاعات در زمان كوتاه و در گستره‏ی جغرافیای وسیع راهكار بسیار مناسبی برای بسیاری از طرح‏های مطالعاتی و مهندسی در مناطق ساحلی خواهد بود. این موضوع در كشوری مانند ایران كه دارای گستره وسیع آبی است از اهمیت ویژه ای برخوردار است. مهم‏ترین هدف این مقاله، بررسی توانمندی تصاویر ماهواره ای فراطیفی در عمق سنجی بر پایه روش هایی تجربی سنجش از دوری است. معروف‏ترین مدل های تجربی در این زمینه، مدل های نسبی لایزینگا (Lyzenga) و استامپ (Stumpf) است كه در این تحقیق از مدل نسبی استامپ استفاده شده است. استامپ (2003) به منظور برآورد مقادیر عمق از تصاویر چندطیفی الگوریتمی ارائه كرد كه به اطلاعات اولیه كمتری نسبت به مدل های ارائه شده در قبل توسط سایرین نیاز داشت. این الگوریتم بر پایه مقادیر نسبی بازتابی در باندهای مرئی عمل می كند و نسبت به الگوریتم های پیشین در برآورد عمق در آب‏های عمیق‏تر بهتر عمل می‎كند. همچنین مشكلات ناشی از جنس بسترهای متفاوت را ندارد و قابل به كارگیری در مناطقی با بازتاب كم نیز هست. در این پژوهش از تصاویر فراطیفی سنجنده هایپریون از ماهواره EO1 برای بررسی عمق سواحل جزیره قشم استفاده شده است كه تا كنون این تصاویر در عمق سنجی به صورت جدی مورد استفاده قرار نگرفته است. نتایج ارزیابی این پژوهش نشان می‎دهد كه میزان همبستگی تصویری كه پس از انجام پیش پردازش ها، بر روی آن الگوریتم استامپ استفاده شده با عمق 89.3 درصد و مقدار انحراف معیار مقادیر عمق بدست آمده با عمق واقعی 1.38 متر بدست آمد كه می تواند برای كاربردهای ویژه در مناطق ساحلی، با توجه به هزینه و زمان پردازش روش مناسبی باشد.

Estimating of the depth in coastal and shallow waters plays an important role in management and exploration of marine natural resources. Collection and production of this geospatial information is the initial step in any planning and development activities. Direct measurement of water’s depth and physical parameters, using field methods in coastal areas is normally costly and relatively time consuming. As an alternative, remote sensing technology can collect the observations in a short time and in a large geographic extent. This subject, in a country like Iran, with vast offshore, has a particular importance.In the past decades, using satellite earth observations for bathymetry in shallow waters is significantly increased. This has been mainly because of the potential of remote sensing data provided by satellite sensors, with proper spectral, spatial and temporal resolution, satellite The main purpose of this paper is to examine the capabilities of hyperspectral satellite imagery for bathymetry applications. To this end, one of the most well-known and frequently used empirical models,i.e.Stumpf is implemented and evaluated. Stumpf (2003) proposed an algorithm to estimate the water depth from multi-spectral images. This algorithm is based on the relative amount of reflection in the visible bands and leads better results in comparison to other methods. The problem is caused by the different type of substrates and is applicable in areas with low reflectivity. The proposed method is applied to a hyperspectral dataset acquired by Hyperion sensor on board of EO1 satellite. The image covers the shallow water in the north coast of Qeshm island. The results of experimental analysis show that the correlation between the image that are analyzed and the stumpf algorithm are applied on and the real depth values is 89.3% and the standard deviation is 1.38 meter for special applications which in coastal areas, according to the cost and processing time can be a suitable technique.