این محصول نحوه استخراج شاخص های گرد غبار از روی تصاویر ماهواره ای به کمک نرم افزار پردازش تصویر ENVI در قالب یک PDF آموزشی همراه با عکس و توضحات نشان می دهد. فرمت محصول بعد از خارج کردن از حالت فشرده (ZIP) در قالب pdf می باشد.

برای کسانی که واقعا می خواهند یاد بگیرند

 

فهرست

معرفی ماهوارهها

 

ماهواره NOAA

 

ماهواره مودیس

 

اعمال تصحیحات تصاویر NOAAوMODSIدر محیط نرم‌افزارENVI .

 

مقدمه

 

تصحیحات تصاویر NOAA

 

تصحیح رادیومتریک تصاویر ماهواره‌ایNOAA

 

تصحیح هندسی تصاویر ماهواره‌ایNOAA

 

تصحیحات اتمسفری تصاویر ماهواره‌ایNOAA

 

تصحیح تصاویر MODIS

 

تصحیح هندسی تصاویر MODIS

 

تصحیحات سطح صفر تصاویر MODIS

 

تصحیحات اتمسفری تصاویر MODIS

 

استخراج شاخص های گرد غبار

 

مقدمه

 

شناسایی گرد غبار با استفاده از تصاویر سنجنده NOAA

 

استفاده از شاخص BTD

 

استفاده از شاخص AVI

 

استخراج شاخص‌های گرد غبار از روی تصاویر MODIS

 

مراحل نصب افزونه MODIS toolsبر روی نرم‌افزارENVI

 

دلایل انتخاب سنجنده مودیس

 

الگوریتم الکرمن:شاخص اختلاف دمای روشنایی(BTD)

 

شاخص گرد غبار نرمال شده(NDDI)

 

شاخص گرد غبار مادون‌قرمز حرارتی

 

پارامتر D

 

 

 

 

### شاخص‌های گرد و غبار از روی تصاویر ماهواره‌ای سانسورهای سنجش از دور (Remote Sensing) ابزارهای مهمی برای پایش و تحلیل پدیده‌های طبیعی هستند. یکی از این پدیده‌ها، گرد و غبار است که می‌تواند تأثیرات جدی بر سلامت انسان، محیط‌زیست و فعالیت‌های اقتصادی داشته باشد. به همین دلیل، استفاده از **تصاویر ماهواره‌ای** جهت شناسایی و بررسی این پدیده بسیار حائز اهمیت است. در این راستا، چندین **شاخص** به‌منظور شناسایی و کمی‌سازی گرد و غبار از روی تصاویر ماهواره‌ای وجود دارد که به شرح زیر است: #### ۱. **شاخص آلودگی گرد و غبار (Dust Aerosol Index - DAI)** - **تعریف**: این شاخص در سنجش از دور به منظور شناسایی آلودگی‌های گرد و غبار و سایر ذرات معلق در جو استفاده می‌شود. - **روش محاسبه**: بر مبنای نسبت تغییرات در طول موج‌های مختلف (معمولاً ۰.۸ و ۱.۶ میکرون) محاسبه می‌شود. #### ۲. **شاخص مقاومت در برابر گرد و غبار (Dust Storm Detection Index - DSDI)** - **تعریف**: این شاخص برای شناسایی و ثبت طوفان‌های گرد و غبار طراحی شده است. - **روش محاسبه**: معمولاً از باندهای نوری و حرارتی در طول‌موج‌های مختلف استفاده می‌شود تا اثرات گرد و غبار و اختلاف دما را تحلیل کند. #### ۳. **شاخص باند قرمز و نیرون (Red-NIR Difference Index - RNDI)** - **تعریف**: این شاخص به بررسی کاهش قدرت بازتابش در باندهای قرمز و نزدیک به مادون قرمز (NIR) ناشی از گرد و غبارها کمک می‌کند. - **روش محاسبه**: به‌صورت زیر محاسبه می‌شود: [ RNDI = (Reflectance_{NIR} - Reflectance_{Red}) ] #### ۴. **شاخص گرد و غبار (Dust Effectiveness Index - DEI)** - **تعریف**: این شاخص مقیاسی از تأثیرات گرد و غبار بر روی بازتابش زمین ارائه می‌دهد. - **روش محاسبه**: معمولاً بعد از پردازش تصاویر برای شناسایی اثرات گرد و غبار بر روی بازتابش نوری باندهای مختلف به‌دست می‌آید. #### ۵. **شاخص گرد و غبار با استفاده از سنجش چندطیفی (Multi-Spectral Dust Index - MDI)** - **تعریف**: این شاخص با استفاده از تصاویر چندطیفی به ارزیابی غلظت گرد و غبار در جو می‌پردازد. - **روش محاسبه**: با تجزیه و تحلیل داده‌ها در باندهای مختلف، غلظت گرد و غبار را تخمین می‌زند. #### ۶. **شاخص کاوش خاک (Soil Moisture Index - SMI)** - **تعریف**: در برخی مواقع، بررسی رطوبت خاک می‌تواند به شناسایی مناطق مستعد گرد و غبار کمک کند. - **روش محاسبه**: براساس ویژگی‌های انعکاس نوری و رطوبت خاک به‌دست می‌آید. ### نتیجه‌گیری استفاده از تصاویر ماهواره‌ای برای شناسایی و تحلیل شاخص‌های گرد و غبار یک ابزار قوی برای مدیریت و کنترل بحران‌های مربوط به گرد و غبار است. این شاخص‌ها می‌توانند به تجزیه و تحلیل علمی و سیاست‌گذاری‌های مؤثر در کاهش تأثیرات منفی گرد و غبار کمک کنند. اگر سوال خاصی دیگر دارید یا نیاز به توضیحات بیشتر در مورد هر یک از شاخص‌ها دارید، خوشحال می‌شوم کمک کنم!