تکنیکهای پردازش تصاویر ماهوارهای در ژئوفیزیک
سنجش از دور مبتنی بر ماهواره به ستون فقرات حیاتی تحقیقات و کاربردهای ژئوفیزیکی مدرن تبدیل شده است. از طریق تصاویر ماهوارهای، ژئوفیزیکدانان میتوانند سطح زمین را به طور گسترده، دورهای و مداوم مشاهده کنند - از ویژگیهای زمینشناسی و دینامیک تکتونیکی گرفته تا تغییرات خط ساحلی و تغییر شکل سطح ناشی از زلزله یا فعالیت آتشفشانی. با این حال، تصاویر ماهوارهای به راحتی قابل استفاده نیستند. مجموعهای از تکنیکهای پردازش برای بهبود کیفیت دادهها، استخراج اطلاعات ژئوفیزیکی مرتبط و به حداقل رساندن تداخلهایی مانند ابرها، نویز یا اعوجاج هندسی مورد نیاز است. این مقاله تکنیکهای اصلی پردازش تصاویر ماهوارهای در زمینه ژئوفیزیکی، از پیشپردازش تا تجزیه و تحلیل پیشرفته را مورد بحث قرار میدهد.
۱. انواع تصاویر ماهوارهای که معمولاً در ژئوفیزیک استفاده میشوند
در ژئوفیزیک، انواع مختلفی از دادههای ماهوارهای که اغلب استفاده میشوند عبارتند از:
۱. اپتیک چندطیفی (مثلاً لندست، سنتینل-۲)
اطلاعات بازتاب سطح را در طول موجهای مختلف ارائه میدهد. برای نقشهبرداری از سنگشناسی، کانیهای دگرسانی، پوشش گیاهی (به عنوان شاخص غیرمستقیم شرایط خاک) و تغییرات چشمانداز مفید است.
۲. حرارتی (مثلاً لندست TIRS، MODIS)
اندازهگیری انتشار گرمای سطحی برای تحلیل ناهنجاریهای حرارتی، به عنوان مثال، نظارت بر آتشفشانها، جریانهای گدازه یا تغییرات دمای سطحی مربوط به فعالیتهای هیدروترمال.
۳. رادار (رادار روزنه مصنوعی/SAR: سنتینل-۱، ALOS PALSAR)
این ماهواره که قادر به نفوذ به ابرها و عملکرد شبانهروزی است، برای نقشهبرداری از ساختارها، تغییرات سطح و تجزیه و تحلیل تغییر شکل با استفاده از تکنیکهای InSAR ضروری است.
۴. ارتفاعسنجی و گرانش ماهوارهای (مثلاً CryoSat، GRACE/GRACE-FO)
اگرچه این دادهها به معنای بصری مرسوم «تصویر» نیستند، اما اغلب در نقشههای ژئوفیزیکی مانند تغییرات در جرم آب، ناهنجاریهای گرانشی یا تغییرات در ضخامت یخ پردازش میشوند.
انتخاب نوع داده، جریان پردازش مناسب را تعیین میکند، زیرا ویژگیهای نویز، وضوح و خواص فیزیکی سیگنالها متفاوت است.
۲. پیشپردازش: اساس کیفیت تحلیل
هدف مرحله پیشپردازش، آمادهسازی دادهها به گونهای است که برای تجزیه و تحلیل کمی مناسب باشند و بتوان آنها را در طول زمان یا بین حسگرها مقایسه کرد.
الف. تصحیحات رادیومتری و جوی
تصاویر نوری شدت را ثبت میکنند که تحت تأثیر شرایط جوی (آئروسلها، بخار آب) و زاویه تابش خورشیدی قرار دارد. تصحیح رادیومتریک، مقادیر دیجیتال (DN) را به بازتاب یا درخشندگی فیزیکی معنادار تبدیل میکند. تصحیح جوی - به عنوان مثال، با استفاده از روش تفریق شیء تاریک یا رویکردهای مبتنی بر مدل جوی - به تولید بازتاب سطحی دقیقتر کمک میکند. در ژئوفیزیک، این امر بسیار مهم است به طوری که تفاوت در مقادیر طیفی واقعاً منعکس کننده تفاوت در مواد یا شرایط سطح است، نه تغییرات جوی.
ب. تصحیح هندسی، تصحیح قائم و تصویرسازی مجدد
اعوجاج هندسی میتواند از زوایای اسکن حسگر، توپوگرافی و حرکت ماهواره ناشی شود. ارتوکراتیکیشن از یک مدل ارتفاعی دیجیتال (DEM) برای اصلاح اثرات ناهمواری استفاده میکند تا موقعیت پیکسلها با مختصات واقعی همسو شود. این مرحله برای نقشهبرداری از گسلها، چینها، مرزهای سنگشناسی یا تغییرات سطحی که نیاز به دقت مکانی بالایی دارند، بسیار مهم است.
ج. پوشاندن ابرها و سایهها
در تصاویر نوری، ابرها یک مانع اصلی هستند. تکنیکهای ماسکینگ از باندهای کیفیت (باندهای QA)، آستانههای طیفی یا الگوریتمهایی مانند Fmask برای شناسایی ابرها و سایههای آنها استفاده میکنند. برای مطالعات تغییر زمین یا نقشهبرداری زمینشناسی در مناطق گرمسیری، اغلب از استراتژیهای ترکیب چندزمانه برای "پر کردن" مناطق پوشیده از ابر استفاده میشود.
د. فیلترینگ نقطهای برای دادههای SAR
تصاویر SAR دارای نویز مشخصی به نام لکه هستند. فیلترهای مختلفی (لی، فراست، گاما-MAP) برای کاهش لکه بدون حذف جزئیات لبه استفاده میشوند، که برای تفسیر ساختارهای زمینشناسی مهم است. انتخاب فیلتر نیاز به تعادل دارد: فیلتر خیلی قوی خطوارهها را محو میکند، در حالی که فیلتر خیلی ضعیف باعث ایجاد نویز میشود.
۳. بهبود تصویر برای تفسیر زمینشناسی
در نقشهبرداری ساختاری و سنگشناسی، بهبود تصویر با هدف برجسته کردن ویژگیهای خاص انجام میشود تا تشخیص آنها آسانتر شود.
الف) ترکیب باند و تبدیل رنگ
ترکیبات RGB از باندهای خاص میتوانند تفاوتهای مواد را برجسته کنند. به عنوان مثال، ترکیبی از باندهای مادون قرمز نزدیک و مادون قرمز موج کوتاه اغلب برای تشخیص انواع سنگ یا مناطق دگرسانی مؤثر است. تکنیکهای کشش Decorrelation نیز برای افزایش کنتراست بین باندها استفاده میشوند و تغییرات ظریف را قابل مشاهده میکنند.
ب. تیز کردن و تبدیل فضایی
یک فیلتر بالاگذر یا ماسک غیرشفاف میتواند لبهها و خطوارهها را که اغلب با زونهای گسل یا شکستگی مرتبط هستند، برجسته کند. علاوه بر این، تجزیه و تحلیل بافت (به عنوان مثال، ماتریس همرخدادی سطح خاکستری GLCM) به تعیین کمیت تنوع الگوهای سطحی کمک میکند که برای تشخیص واحدهای ژئومورفولوژیکی و سنگشناسی مفید است.
ج. تبدیل طیفی: PCA و نسبت باندی
تحلیل مؤلفههای اصلی (PCA) ابعاد دادههای چندطیفی را کاهش میدهد و تغییرات غالبی را که ممکن است مربوط به تفاوتهای زمینشناسی باشد، برجسته میکند. نسبتهای باندی اغلب در اکتشاف مواد معدنی استفاده میشوند زیرا برخی از مواد معدنی جذب مشخصی در طول موجهای خاص دارند. در ژئوفیزیک کاربردی، نسبتهای باندی میتوانند قبل از بررسیهای میدانی یا ژئوفیزیک تفصیلی، نشانه اولیهای از مناطق اکتشافی ارائه دهند.
۴. طبقهبندی و استخراج اطلاعات
پس از آماده شدن تصویر، مرحله بعدی استخراج سیستماتیک اطلاعات ژئوفیزیکی است.
الف. طبقهبندی نظارتشده و نظارتنشده
طبقهبندی نظارتشده (مثلاً SVM، جنگل تصادفی) نیاز به دادههای آموزشی از میدان یا یک نقشه مرجع دارد. طبقهبندی بدون نظارت (k-means، ISODATA) پیکسلها را بر اساس شباهت طیفی و بدون برچسبگذاری قبلی گروهبندی میکند. در ژئوفیزیک، نتایج طبقهبندی میتواند در نقشهبرداری از سنگشناسی سطحی، توزیع رسوبات، مناطق دگرسانی گرمابی یا واحدهای ژئومورفولوژیکی مرتبط با فرآیندهای تکتونیکی کمک کند.
ب. قطعهبندی و تحلیل تصویر مبتنی بر شیء (OBIA)
OBIA پیکسلها را بر اساس طیف و شکل به اشیا گروهبندی میکند و سپس آنها را طبقهبندی میکند. این روش اغلب برای تصاویر با وضوح بالا بهتر است زیرا ساختارهای زمینشناسی - مانند خطوارهها، مخروطافکنهها یا الگوهای زهکشی - به عنوان اشیا نسبت به پیکسلهای منفرد، معنادارتر هستند.
ج. استخراج خطوارهها
خطوارهها، عوارض خطی هستند که میتوانند نشاندهنده گسلها، شکستگیها یا تماسهای سنگی باشند. تکنیکهای استخراج شامل تشخیص لبه (Canny، Sobel)، تبدیل هاف و فیلتر جهتدار است. سپس نقشههای خطوارهها را میتوان با سایر دادههای ژئوفیزیکی، مانند ناهنجاریهای مغناطیسی یا دادههای لرزهای، برای تفسیر ساختارهای زیرسطحی مقایسه کرد.
۵. تداخلسنجی راداری (InSAR) برای تغییر شکل سطح
یکی از بزرگترین کمکهای تصاویر ماهوارهای به ژئوفیزیک، InSAR است که از اختلاف فاز امواج رادار حاصل از دو یا چند برداشت برای محاسبه تغییرات فاصله ماهواره تا سطح استفاده میکند. با InSAR، میتوان تغییر شکلهایی از چند سانتیمتر تا چند میلیمتر را در مناطق وسیع نقشهبرداری کرد تا:
- تغییر شکل همزمان با زلزله و پس از زلزله،
- تورم/کاهش قیمت آتشفشانی،
- فرونشست زمین در اثر برداشت بیرویه آبهای زیرزمینی
- پایداری شیبها و رانش زمین
پردازش InSAR شامل ثبت تصویر، تشکیل تداخلنگار، کاهش فاز توپوگرافی (با استفاده از DEM)، فیلتر فاز، باز کردن و تصحیح اتمسفری است. تکنیکهای سری زمانی مانند PSInSAR یا SBAS با تجزیه و تحلیل چندین تصویر در یک دوره طولانی، دقت را افزایش میدهند.
۶. ادغام با سایر دادههای ژئوفیزیکی و اعتبارسنجی میدانی
تصاویر ماهوارهای به ندرت به تنهایی قابل استفاده هستند. بیشترین ارزش آنها زمانی آشکار میشود که با سایر دادههای ژئوفیزیکی مانند موارد زیر ترکیب شوند:
- مغناطیس و گرانش برای تخمین ساختار و چگالی زیرسطحی،
- لرزهنگاری برای هندسه لایهها و گسلها،
- ژئوشیمی برای تأیید دگرسانی،
– GPS و ترازیابی برای اعتبارسنجی نتایج تغییر شکل InSAR.
اعتبارسنجی میدانی همچنان مهم است، به خصوص برای تأیید تفاسیر سنگشناسی، تأیید گسلهای فعال و نمونهبرداری.
۷. چالشها و مسیرهای توسعه
برخی از چالشهای اصلی پردازش تصاویر ماهوارهای در ژئوفیزیک شامل ناهمگونی توپوگرافی، پوشش ابری، تفاوت در ویژگیهای حسگرها و الزامات محاسباتی برای مجموعه دادههای بزرگ است. با این حال، توسعه محاسبات ابری و پلتفرمهایی مانند Google Earth Engine، همراه با پیشرفت در یادگیری ماشین و یادگیری عمیق، پردازش چندزمانه و چند حسگری را تسریع میکنند. در آینده، ادغام دادههای ماهوارهای ژئوفیزیکی نوری، SAR، حرارتی و کلاسیک، توانایی نظارت بر فرآیندهای پویای زمین را تقریباً در زمان واقعی افزایش خواهد داد.
بستن
تکنیکهای پردازش تصاویر ماهوارهای در ژئوفیزیک شامل پیشپردازش (اصلاحات رادیومتری، هندسی و فیلترینگ)، بهبود تصویر، طبقهبندی و استخراج ویژگی و تجزیه و تحلیل پیشرفته مانند InSAR برای تغییر شکل سطح است. با رویکرد مناسب، تصاویر ماهوارهای میتوانند ابزاری بسیار مؤثر برای درک فرآیندهای زمینشناسی و ژئودینامیکی، پشتیبانی از اکتشاف منابع و کاهش بلایای طبیعی باشند. کلید موفقیت در انتخاب مناسب دادهها، پردازش دقیق، ادغام چند منبع و تأیید میدانی کافی نهفته است.
