تقنيات معالجة صور الأقمار الصناعية في الجيوفيزياء
أصبح الاستشعار عن بُعد عبر الأقمار الصناعية ركيزة أساسية في البحوث والتطبيقات الجيوفيزيائية الحديثة. فمن خلال صور الأقمار الصناعية، يستطيع الجيوفيزيائيون رصد سطح الأرض بشكل شامل ودوري ومستمر، بدءًا من الخصائص الجيولوجية والديناميكيات التكتونية وتغيرات السواحل، وصولًا إلى تشوهات السطح الناتجة عن الزلازل أو النشاط البركاني. مع ذلك، لا تكون صور الأقمار الصناعية جاهزة للاستخدام الفوري، إذ تتطلب سلسلة من تقنيات المعالجة لتحسين جودة البيانات ، واستخلاص المعلومات الجيوفيزيائية ذات الصلة، وتقليل التشويش الناتج عن عوامل مثل الغيوم والضوضاء والتشوهات الهندسية. تتناول هذه المقالة التقنيات الرئيسية لمعالجة صور الأقمار الصناعية في السياق الجيوفيزيائي، بدءًا من المعالجة الأولية وصولًا إلى التحليل المتقدم.
1. أنواع صور الأقمار الصناعية الشائعة الاستخدام في الجيوفيزياء
في مجال الجيوفيزياء، هناك عدة أنواع من بيانات الأقمار الصناعية التي تُستخدم بشكل متكرر، وهي:
1. البصريات متعددة الأطياف (مثل لاندسات، سينتينل-2)
يوفر معلومات عن انعكاس سطح الأرض عند أطوال موجية متعددة. وهو مفيد لرسم خرائط الليثولوجيا، والمعادن المتغيرة، والغطاء النباتي (كمؤشر غير مباشر على حالة التربة)، والتغيرات في المناظر الطبيعية.
2. التصوير الحراري (مثل: Landsat TIRS، MODIS)
قياس انبعاثات الحرارة السطحية لتحليل الشذوذ الحراري، على سبيل المثال مراقبة البراكين أو تدفقات الحمم البركانية أو تغيرات درجة حرارة السطح المرتبطة بالنشاط الحراري المائي.
3. الرادار (رادار الفتحة التركيبية/SAR: Sentinel-1، ALOS PALSAR)
قادر على اختراق الغيوم والعمل ليلاً ونهاراً. من المهم جداً رسم الخرائط الهيكلية، والتغيرات السطحية، وتحليل التشوه باستخدام تقنيات InSAR.
4. قياس الارتفاع والجاذبية عبر الأقمار الصناعية (على سبيل المثال، CryoSat، GRACE/GRACE-FO)
على الرغم من أنها ليست "صورًا" بالمعنى البصري التقليدي، إلا أن هذه البيانات غالبًا ما تتم معالجتها وتحويلها إلى خرائط جيوفيزيائية مثل التغيرات في كتلة المياه، أو شذوذات الجاذبية، أو التغيرات في سمك الجليد.
سيحدد اختيار نوع البيانات مسار المعالجة المناسب ، لأن خصائص الضوضاء والدقة والخصائص الفيزيائية للإشارات تختلف.
2. المعالجة المسبقة: أساس جودة التحليل
تهدف مرحلة المعالجة المسبقة إلى إعداد البيانات بحيث تكون مناسبة للتحليل الكمي ويمكن مقارنتها بمرور الوقت أو بين أجهزة الاستشعار.
أ. التصحيحات الإشعاعية والجوية
تسجل الصور البصرية شدة الإضاءة، التي تتأثر بالظروف الجوية (الهباء الجوي، بخار الماء) وزاوية الإشعاع الشمسي. ويحوّل التصحيح الإشعاعي القيم الرقمية إلى قيم انعكاس أو إشعاع ذات دلالة فيزيائية. ويساعد التصحيح الجوي - على سبيل المثال، باستخدام طريقة طرح الجسم المظلم أو الأساليب القائمة على نماذج الغلاف الجوي - في إنتاج انعكاس سطحي أكثر دقة. في الجيوفيزياء، يُعدّ هذا أمرًا بالغ الأهمية لضمان أن تعكس الاختلافات في القيم الطيفية اختلافات حقيقية في مادة السطح أو ظروفه، بدلاً من التغيرات الجوية.
ب. التصحيح الهندسي، والتصحيح الإسقاطي، وإعادة الإسقاط
قد ينشأ التشوه الهندسي من زوايا مسح المستشعر، والتضاريس، وحركة القمر الصناعي. تستخدم عملية التصحيح الإسقاطي نموذج الارتفاع الرقمي (DEM) لتصحيح تأثيرات التضاريس، بحيث تتطابق مواقع البكسل مع الإحداثيات الفعلية. تُعد هذه الخطوة بالغة الأهمية لرسم خرائط الصدوع، والطيات، والحدود الليثولوجية، أو التغيرات السطحية التي تتطلب دقة مكانية عالية.
ج. إخفاء الغيوم والظلال
في التصوير البصري، تُشكل الغيوم عائقًا رئيسيًا. تستخدم تقنيات الإخفاء نطاقات الجودة، أو العتبات الطيفية، أو خوارزميات مثل Fmask لتحديد الغيوم وظلالها. في دراسات تغيرات استخدام الأراضي أو رسم الخرائط الجيولوجية في المناطق الاستوائية، تُستخدم غالبًا استراتيجيات التركيب متعددة الأوقات لإخفاء المناطق التي تحجبها الغيوم.
د. ترشيح التشويش لبيانات الرادار ذي الفتحة التركيبية
تتميز صور الرادار ذي الفتحة التركيبية (SAR) بضوضاء مميزة تُعرف باسم التشويش النقطي. تُستخدم مرشحات متنوعة (مثل Lee وFrost وGamma-MAP) لتقليل هذا التشويش دون إزالة تفاصيل الحواف، وهو أمر بالغ الأهمية لتفسير التراكيب الجيولوجية. يتطلب اختيار المرشح توازناً دقيقاً: فالمرشح القوي جداً يُخفي الخطوط، بينما المرشح الضعيف جداً يُبقي على التشويش.
3. تحسين الصورة للتفسير الجيولوجي
في رسم الخرائط الهيكلية والصخرية، يهدف تحسين الصورة إلى إبراز ميزات معينة بحيث يسهل التعرف عليها.
أ. تركيب النطاق وتحويل اللون
يمكن للصور المركبة RGB لنطاقات محددة إبراز الاختلافات المادية. على سبيل المثال، غالبًا ما يكون الجمع بين نطاقات الأشعة تحت الحمراء القريبة والأشعة تحت الحمراء ذات الموجة القصيرة فعالًا في تمييز أنواع الصخور أو مناطق التحول. كما تُستخدم تقنيات تمديد فك الارتباط لتعزيز التباين بين النطاقات، مما يجعل الاختلافات الدقيقة مرئية.
ب. التوضيح والتحويل المكاني
يمكن لمرشح الترددات العالية أو تقنية إخفاء عدم الوضوح إبراز الحواف والخطوط، والتي غالباً ما ترتبط بمناطق الصدوع أو التصدعات. بالإضافة إلى ذلك، يساعد تحليل النسيج (مثل مصفوفة التواجد المشترك لمستويات الرمادي GLCM) في تحديد تنوع أنماط السطح، وهو أمر مفيد لتمييز الوحدات الجيومورفولوجية والصخرية.
ج. التحويل الطيفي: تحليل المكونات الرئيسية ونسبة النطاق
يُقلل تحليل المكونات الرئيسية (PCA) من أبعاد البيانات متعددة الأطياف، ويُبرز الاختلافات السائدة التي قد تكون مرتبطة بالاختلافات الجيولوجية. وغالبًا ما تُستخدم نسب النطاقات في استكشاف تُعدّ المعادن ذات خصائص امتصاص عند أطوال موجية محددة، لذا يمكن أن تكون نسب النطاقات مؤشراً أولياً لمناطق التنقيب قبل إجراء المسوحات الميدانية أو الدراسات الجيوفيزيائية التفصيلية.
4. التصنيف واستخلاص المعلومات
بمجرد أن تصبح الصورة جاهزة، تتمثل الخطوة التالية في استخراج المعلومات الجيوفيزيائية بشكل منهجي.
أ. التصنيف الخاضع للإشراف والتصنيف غير الخاضع للإشراف
يتطلب التصنيف الخاضع للإشراف (مثل SVM، والغابة العشوائية) بيانات تدريبية من الموقع أو خريطة مرجعية. أما التصنيف غير الخاضع للإشراف (مثل k-means، وISODATA) فيُصنّف البكسلات بناءً على التشابه الطيفي دون تصنيف مسبق. في الجيوفيزياء، يمكن أن تُساعد نتائج التصنيف في رسم خرائط الليثولوجيا السطحية، وتوزيع الرواسب، ومناطق التغيرات الحرارية المائية، أو الوحدات الجيومورفولوجية المرتبطة بالعمليات التكتونية.
ب. تجزئة الصور وتحليل الصور القائم على الكائنات (OBIA)
تقوم تقنية تحليل الصور القائمة على الكائنات (OBIA) بتجميع البكسلات في كائنات بناءً على خصائصها الطيفية وشكلها، ثم تصنفها. غالبًا ما تكون هذه الطريقة أفضل للصور عالية الدقة لأن التراكيب الجيولوجية - مثل الخطوط، والمراوح الفيضية، وأنماط التصريف - تكون أكثر دلالة ككائنات من كونها بكسلات منفردة.
ج. استخراج الخطوط
الخطوط هي تضاريس خطية قد تمثل صدوعًا أو فواصل أو تلامسات صخرية. تشمل تقنيات استخراجها كشف الحواف (كاني، سوبل)، وتحويل هوف، والترشيح الاتجاهي. بعد ذلك، يمكن مقارنة خرائط الخطوط ببيانات جيوفيزيائية أخرى، مثل الشذوذات المغناطيسية أو البيانات الزلزالية، لتفسير التراكيب تحت السطحية.
5. تقنية الرادار ذي الفتحة التركيبية التداخلية (InSAR) لتشوه السطح
يُعدّ InSAR أحد أهمّ إسهامات صور الأقمار الصناعية في الجيوفيزياء، حيث يستخدم فروق الطور لموجات الرادار من عمليتي مسح أو أكثر لحساب التغيرات في المسافة بين القمر الصناعي وسطح الأرض. وباستخدام InSAR، يمكن رسم خرائط للتشوهات التي تتراوح من بضعة سنتيمترات إلى ملليمترات على مساحات واسعة من أجل:
– التشوه المصاحب للزلزال والتشوه اللاحق للزلزال،
- التضخم/الانكماش البركاني،
- انخفاض الأراضي بسبب استخراج المياه أرض،
– استقرار المنحدرات والانهيارات الأرضية.
تتضمن معالجة بيانات InSAR تسجيل الصور، وتكوين مخطط التداخل، وتقليل الطور الطبوغرافي (باستخدام نموذج الارتفاع الرقمي)، وترشيح الطور، وفك الالتفاف، والتصحيح الجوي. تعمل تقنيات السلاسل الزمنية مثل PSInSAR أو SBAS على تحسين الدقة من خلال تحليل صور متعددة على مدى فترة طويلة.
6. التكامل مع البيانات الجيوفيزيائية الأخرى والتحقق الميداني
نادراً ما تُستخدم صور الأقمار الصناعية بمفردها. تكمن قيمتها القصوى عند دمجها مع بيانات جيوفيزيائية أخرى مثل:
- استخدام المغناطيسية والجاذبية لتقدير بنية وكثافة الطبقات تحت السطحية،
- المسح الزلزالي لتحديد هندسة الطبقات والفوالق،
– الجيوكيمياء للتحقق من التغيرات،
– نظام تحديد المواقع العالمي (GPS) والتسوية للتحقق من صحة نتائج تشوه InSAR.
لا يزال التحقق الميداني مهماً، وخاصة لتأكيد التفسيرات الليثولوجية، وتأكيد الصدوع النشطة، وأخذ العينات.
7. تحديات واتجاهات التنمية
تشمل بعض التحديات الرئيسية لمعالجة صور الأقمار الصناعية في الجيوفيزياء عدم تجانس التضاريس، وغطاء السحب، واختلاف خصائص أجهزة الاستشعار، والمتطلبات الحسابية لمجموعات البيانات الضخمة. ومع ذلك، فإن تطوير الحوسبة السحابية ومنصات مثل محرك جوجل إيرث، إلى جانب التقدم في التعلم الآلي والتعلم العميق، يُسرّع من معالجة البيانات متعددة الأوقات ومتعددة أجهزة الاستشعار. وفي المستقبل، سيُعزز دمج بيانات الأقمار الصناعية البصرية، وبيانات الرادار ذي الفتحة التركيبية (SAR)، والبيانات الحرارية، والبيانات الجيوفيزيائية التقليدية، القدرة على رصد العمليات الديناميكية للأرض في الوقت الفعلي تقريبًا.
غطاء
تشمل تقنيات معالجة صور الأقمار الصناعية في الجيوفيزياء المعالجة المسبقة (التصحيحات الإشعاعية والهندسية والترشيحية)، وتحسين الصور، والتصنيف واستخلاص الميزات، والتحليلات المتقدمة مثل تقنية InSAR لتشوه سطح الأرض. وباتباع النهج الصحيح، يمكن أن تكون صور الأقمار الصناعية أداة فعّالة للغاية لفهم العمليات الجيولوجية والديناميكية الأرضية، ودعم استكشاف الموارد ، والتخفيف من آثار الكوارث. ويكمن مفتاح النجاح في اختيار البيانات المناسبة، والمعالجة الدقيقة، ودمج مصادر متعددة، والتحقق الميداني الكافي.
