شناسايي بهترين الگوريتم تشخيص گرد و غبار به كمك داده هاي مورديس

Identification of the best algorithm for dust detection using MODIS data

گرد و غبار يكي از رويدادهاي جوي مناطق خشك و نيمه خشك جهان است كه در سال هاي اخير افزايش قابل توجهي داشته و آثار و پيامدهاي نامطلوبي را در بخشهاي مختلف بر جاي گذاشته است. در اين پژوهش از تصاوير سنجنده موديس به منظور شناسايي و انتخاب بهترين الگوريتم تشخيص گرد و غبار استفاده شد. بدين منظور سه رويداد گرد و غبار جنوب غرب ايران در سال 2012 با استفاده از پنج الگوريتم مختلف شناسايي شامل BTD آكرمن، شاخص گرد و غبار، ميلر، TIIDI و DUST RGB بارزسازي شدند و روش ها مورد مقايسه قرار گرفتند. بررسي هاي به عمل آمده نشان داد كه روشهاي BTD آكرمن، شاخص گرد و غبار و ميلر نيازمند تنظيم آستانه براي هر رويداد هستند؛ از اين رو آستانه هاي مناسب براي هر رويداد با استفاده از روش هيستوگرام تعيين و ريزگردها شناسايي شدند. روش TIIDI نيز قابليت تفكيك گرد و غبار از ساير پديده ها را بر روي زمين داشت ولي نتوانست گرد و غبار روي آب را به خوبي بارزسازي كند. در روش DUST RGB به خوبي گرد و غبار از بقيه عوارض قابل تشخيص بود. همچنين نتايج طبقه بندي و ارزيابي صحت تصاوير نشان داد كه در هر سه رويداد گرد و غبار، روش DUST RGB بالاترين صحت كلي را در ميان ساير روش ها دارا مي باشد. بنابراين بر اساس نتايج به دست آمده از ماتريس خطا و ارزيابي صحت، روش مذكور به عنوان بهترين الگوريتم شناسايي گرد و غبار انتخاب گرديد.

Dust event is one of the atmospheric events of the world arid and semi-arid areas that had a significant increase in recent years and negative effects in different parts. In this study used MODIS data to identify and select the best algorithm for dust detection. For this purpose, three dust events of South West of Iran detected in 2012 using five different algorithms of dust detection including Ackerman BTD, Miller, dust index, TIIDI and DUST RGB methods, and methods compared. Studies show that methods of Ackerman BTD, Dust index, and Miller need to threshold regulation for each dust event; for this reason, the suitable threshold was determined for each dust event using histogram method and dust identified. In addition, TIIDI method could separate dust phenomenon from other complications on the surface of the earth but as well could not identify dust on water. In DUST RGB method as well dust identified from other complication. In addition results of images classification and accuracy assessment showed that in all three dust events, DUST RGB method has maximum total accuracy among of other methods. Therefore, based on the results of matrix error and accuracy assessment, DUST RGB method was chosen as the best algorithm for dust detection.