فتوگرامتری و اسکن لیزری


فتوگرامتری و اسکن لیزری

هر دو فتوگرامتری و اسکن لیزری تکنیک‌های سنجش از دور برای ثبت داده‌های مکانی هستند. فتوگرامتری روشی است که با استفاده از عکاسی هوایی اندازه گیری‌های دقیقی انجام می‌دهد ( جنسن، ۲۰۰۷). مختصات (x,y,z) اجسام را با اندازه‌گیری‌های انجام شده درعکس‌های هوایی جفت که از دیدگاه‌های مختلف گرفته شده‌اند، تعیین می‌کند.

در فتوگرامتری هوایی، هواپیما معمولاً در یک سری خطوط پروازی پرواز می‌کند. پوشش خطوط پروازی مجاور اغلب نیاز به همپوشانی ۳۰ درصدی دارد. عکس‌ها به صورت متوالی در امتداد هر خط پرواز با دوربین به صورت عمودی به سمت زمین گرفته می‌شوند. معمولاً بین عکس‌های متوالی ۵۰ تا ۶۰ درصد همپوشانی وجود دارد. دو عکس متوالی را استریوپیر می‌نامند. با یک جفت استریو از عکس ها، نقاط مشترک یک شیء روی هر کدام مشخص می‌شود. یک خط دید (یا پرتو) را می‌توان از محل دوربین تا نقطه روی جسم ایجاد کرد. تقاطع این پرتوها موقعیت سه بعدی نقطه را تعیین می‌کند. عکس‌های هوایی استریوپایر معمولاً در یک استریوپلوتر پردازش می‌شوند، که ابزاری است که به اپراتور اجازه می‌دهد زوج‌های استریو عکس‌ها را در نمای استریوسکوپی ببیند و اندازه‌گیری‌های سه بعدی انجام دهد. سه نوع استریوپلوتر وجود دارد: آنالوگ، تحلیلی و رقومی (Gomarasca 2009). دو مورد اخیر معمولاً امروزه مورد استفاده قرار می‌گیرند. فتوگرامتری برای ترسیم خطوط برای نقشه برداری توپوگرافی، گرفتن مختصات دقیق (x، y، z) اجسام زمین و به دست آوردن اندازه گیری‌های هندسی ویژگی‌های جغرافیایی (طول، محیط و مساحت) استفاده شده است. همچنین از فتوگرامتری رقومی  برای تولید مدل‌های رقومی  ارتفاع و مدل‌های عمق سنجی استفاده شده است. (جنسن، ۲۰۰۷). امکان دستیابی به تصاویر استریوسکوپی با جدیدترین ماهواره‌های جایگزینی برای فتوگرامتری هوایی برای نقشه برداری در مقیاس متوسط ​​ارائه می‌دهد. با این حال تکنیک فتوگرامتری پیچیده و تجهیزات گران قیمت است  که استفاده از آن را به سازمانهای نقشه برداری و نقشه برداری تخصصی محدود می‌کند.

در سال‌های اخیر LiDAR موجود در هوا (تشخیص نور و محدوده) به طور فزاینده ای به منبع مهمی از داده‌های ارتفاع تبدیل شده است. LiDAR از یک پالس لیزری استفاده می‌کند که به سمت زمین هدایت می‌شود و مدت زمان بین انتشار پالس و بازگشت انعکاس آن را تشخیص می‌دهد تا فاصله بین زمین و سنسور را تعیین کند که بر اساس آن ارتفاعات زمین و ویژگی‌ها به دست می‌آیند. LiDAR مختصات (x, y, z) را برای چندین نقطه گسسته تولید می‌کند که به آنها نقاط جرمی یا ابرهای نقطه می‌گویند. می‌تواند به دقت عمودی ۱۵-۱۰ سانتی متر و دقت افقی ۱۰۰-۵۰ سانتی متر دست یابد. در حالی که فتوگرامتری در جهت‌های x و y دقیق‌تر است، داده‌های LiDAR عموماً در جهت z دقیق‌تر هستند. LiDAR تا حد زیادی جایگزین stereoplotter برای گرفتن داده‌های ارتفاع شده است. فصل ۶ بحث عمیق تری در مورد LiDAR ارائه می‌دهد.

ضبط داده‌های رستر

سنجش از دور وسیله اصلی ثبت داده‌های رستری است.  این یک روش برای بدست آوردن اطلاعات محیطی از تصاویر سنجش از دور از جمله تصاویر ماهواره ای و عکس‌های هوایی است. تصاویر سنجش از دور رقومی ، داده‌های رستری هستند. تصویر رقومی  از یک آرایه دو بعدی از عناصر تصویر جداگانه به نام پیکسل تشکیل شده است :  سلول‌هایی که در ستون‌ها و ردیف‌ها مرتب شده اند. هر پیکسل دارای یک عدد رقومی  است که نشان دهنده میزان مقیاس بندی شده و کمی شده تابش الکترومغناطیسی (EMR) در قسمت خاصی از طیف EMR  که به عنوان یک باند نامیده می‌شود از ویژگی‌های زمین منعکس شده، ساطع شده یا از هم پراکنده شده است (جنسن، ۲۰۰۷). برای نمایش بصری تصویر، اعداد رقومی  مقیاس‌های خاکستری را نشان می‌دهند. سنجش از دور چند طیفی تصاویر را در تعدادی از باندها تولید می‌کند. ویژگیهای مختلف زمین تمایل به انعکاس دارد، مقادیر متفاوتی ازEMR  را به دلیل تفاوت در خواص بیوفیزیکی و ترکیبات شیمیایی آنها ساطع یا پخش می‌کند و بنابراین مقادیر پیکسل متفاوتی دارند.  با تجزیه و تحلیل اعداد رقومی  در یک تصویر یا چندین تصویر در نوارهای مختلف و ارتباط آنها با ویژگی‌های مختلف ویژگی‌های زمین با استفاده از تکنیک‌های پردازش تصویر رقومی  بدست می‌آید ( فصل ۶ را ببینید). اطلاعات مفید را می‌توان استخراج کرد. چنین اطلاعاتی می‌تواند برای مثال برای نقشه برداری از کاربری یا پوشش زمین، درک فرایندهای زیست محیطی و برآورد متغیرهای بیوفیزیکی مانند توده بیولوژیکی و غلظت ازن استفاده شود.تصاویر سنجش از دور و داده‌های به دست آمده از آنها از طریق پردازش تصویر رقومی  را می‌توان مستقیماً به عنوان داده‌های رستری به GIS  برای تجزیه و تحلیل بیشتر وارد کرد.  برخی از سیستم‌های نرم افزاری GIS ، مانند ArcGIS ، GRASS و IDRISI  همچنین عملکردهای پردازش تصویر رقومی  را برای استخراج داده‌های رستری جدید از تصاویر سنجش از دور ارائه می‌دهند.فصل ۶ به این موضوع اختصاص داده شده است.

داده‌های رستری را می‌توان از طریق تبدیل برداری به رستری نیز تولید کرد. روش‌های جمع‌آوری داده‌های برداری که در بالا مورد بحث قرار گرفت، می‌توانند ابتدا برای تولید داده‌های بردار نقطه، خط یا چندضلعی استفاده شوند و سپس داده‌های برداری به رستر تبدیل شوند. این فرآیند به عنوان رستری سازی شناخته می‌شود (به بخش ۳-۳ مراجعه کنید) که یک ویژگی استاندارد اکثر سیستم‌های GIS است.

همانطور که در بخش ۲-۱ ذکر شد، نقشه نویسی انبوه یک روش برای جمع آوری داده‌های مکانی با جلب مشارکت از جامعه یا عموم مردم است. این شامل استفاده از وب یا دستگاه‌های تلفن همراه فعال از طریق اینترنت و موقعیت مکانی مانند رایانه لوحی و تلفن‌های هوشمند برای جمع آوری اطلاعات مربوط به مکان از توده‌ها یا “جمعیت” است. سه فناوری کلیدی پشتیبان نقشه برداری جمعی هستند:  وب، برچسب گذاری جغرافیایی و محاسبات تلفن همراه.

وب به ویژه بستر مناسبی برای جمع آوری اطلاعات فراهم می‌کند. جدیدترین فناوری وب به افراد اجازه می‌دهد تا به عنوان خالق محتوای تولید شده توسط کاربر در یک جامعه مجازی با یکدیگر تعامل و همکاری کنند. به عبارت دیگر مردم نه تنها می‌توانند بصورت غیرفعال محتوای وب را مشاهده کنند بلکه قادر به ایجاد، اشتراک گذاری و بازسازی محتوا نیز هستند (هان، ۲۰۱۱). بنابراین با استفاده از وب به عنوان یک بستر، اکنون می‌توانیم از قدرت کاربران شبکه ای برای ایجاد ارزش محتوا استفاده کنیم.

برچسب گذاری جغرافیایی در اصل فرایند ارجاع جغرافیایی به بخشی از اطلاعات مانند ورود به وب، پیام کوتاه (یادداشت در مورد یک شیء یا رویداد)، تصویر یا ویدئو با درج برچسب در اطلاعات است. می‌توان آن را به نقشه‌ها یا تصاویر ارجاع داده شده در وب سایت ها، وبلاگ‌ها و یک یا چند شبکه‌های اجتماعی اضافه کرد یا به آن دسترسی پیدا کرد (لو و همکاران، ۲۰۱۱).

برچسب مکانی موقعیت جغرافیایی را در سیستم مختصات جغرافیایی یا پیش بینی شده مشخص می‌کند. برچسب‌های جغرافیایی معمولاً در فراداده یک تصویر (در قالب فایل تصویری قابل تبادل – EXIF ​​یا فرمت فراداده قابل توسعه –  XMP)  در بدنه یک پیام SMS فرمت‌بندی شده بر اساس استاندارد Open GeoSMS (تنظیم شده توسط کنسرسیوم مکانی باز)  OGC 2012 و در صفحات وب با فرمت  HTML تعبیه می‌شوند.

برچسب‌گذاری جغرافیایی می‌تواند با استفاده از کره‌های مجازی (مانند Google Earth)، سیستم‌های اشتراک‌گذاری عکس یا سرویس‌های وب (مانند Google Picasa و Flickr) و سیستم‌های نقشه‌برداری جمع‌سپاری آنلاین (مانند Google Map Maker، OpenStreetMap، Geo-wiki و Wikimapia) انجام شود. برچسب گذاری جغرافیایی همچنین می‌تواند با استفاده از تبلت یا تلفن هوشمند مجهز به گیرنده GPS یا سیستم موقعیت یابی Wi-Fi ( WPS، که از شبکه‌های بی سیم اطراف به جای ماهواره‌ها برای اندازه گیری مکان استفاده می‌کند) انجام شود. برای مثال Google Earth تصاویر ماهواره‌ای، عکس‌های هوایی و داده‌های نقشه را برای ساختن دنیای مجازی ترکیب می‌کند.

این امر نه تنها به کاربران امکان می‌دهد تا محیط مجازی را در سراسر جهان کاوش کنند  بلکه Google Earth  به آنها اجازه می‌دهد اطلاعات چند رسانه ای خود را با علائم مکان جغرافیایی نشان دهند یا متون، نمادها، تصاویر و فیلم‌های برچسب گذاری شده توسط دیگران را مشاهده کنند Google Earth در حال حاضر سیستم کاملاً جمع آوری شده با جمعیت است که میلیون‌ها کاربر محتوای خود را به اشتراک می‌گذارند :عکس ها، فیلم ها، یادداشت‌ها و حتی مدل‌های سه بعدی را در مکان‌های جغرافیایی در سراسر جهان ضمیمه می‌کنند.  Picasa یک سیستم اشتراک عکس است که به کاربران امکان می‌دهد عکس‌های خود را با قرار دادن طول جغرافیایی و عرض جغرافیایی در فراداده EXIF ​​عکس‌ها  و در Google Map  یاGoogle Earth  قرار دهند.

سیستم‌های نقشه برداری انبوه Crowdsource با استفاده یا ترکیب فناوری‌های وب، برچسب‌گذاری جغرافیایی و محاسبات تلفن همراه ساخته می‌شوند. شناخته شده ترین سیستم‌های نقشه برداری crowdsource عبارتند از Google Map Maker، OpenStreetMap، Geo-wiki و Wikimapia. Google Map Maker و Wikimapia به کاربران اجازه می‌دهند مکان ها، جاده‌ها و رودخانه‌ها را به نقشه‌های پایه اضافه کنند. OpenStreetMap یک نقشه خیابان رایگان در سراسر جهان است که توسط داوطلبان ایجاد شده است. Geo-wiki طوری طراحی شده است که یک شبکه جهانی از داوطلبان را قادر می‌سازد تا داده‌های اعتبار سنجی مجموعه داده‌های پوشش زمین جهانی را جمع آوری کنند. سیستم‌های نگاشت انبوه‌سپاری را می‌توان برای گروهی در میان مخاطبان اختصاصی یا عموم مردم هدف قرار داد.

آنها برای جمع آوری انواع مختلف داده توسعه یافته‌اند و ممکن است از نظر روش‌های ورود داده‌ها و اعتبار سنجی داده ها، توافقنامه‌های صدور مجوز داده‌ها و سهولت استفاده متفاوت باشند. ClimateWatch  (کادر ۲-۱ را ببینید) یک سیستم نقشه برداری جمعی برای جمع آوری داده‌ها در مورد شاخص‌ها و گونه‌های جانوری در استرالیا است. نمونه‌های دیگر شاملeBird  است که داده‌های مشاهده پرنده ارسال شده توسط پرندگان ناگهانی و حرفه ای را جمع آوری می‌کند (سالیوان، ۲۰۰۹). پورتال داده‌های تسهیلات اطلاعاتی تنوع زیستی جهانی (GBIF) که داده‌های جهانی تنوع زیستی را مستند و مبادله می‌کند ، تقویم طبیعت انگلستان که اطلاعات مربوط به علائم فصول ثبت شده توسط داوطلبان را جمع آوری می‌کند   وSafecast  که یک شبکه حسگر جهانی برای جمع آوری و به اشتراک گذاری اندازه گیری‌های تشعشعی است تا افراد را با ارائه اطلاعات مربوط به محیط خود توانمند سازد  وUshahidi  یک ابزار توسعه منبع باز است که امکان استقرار آسان برنامه‌های نقشه کشی تعاملی با استفاده از فرم‌های وب/پست الکترونیکی ، پیام کوتاه و توییتر را فراهم می‌کند بر اساس گزارشات ارائه شده از طریق وب و تلفن‌های همراه  و نقشه برداری از سیل کوئینزلند و حوادث آتش سوزی بر اساس گزارش شهروندان در استرالیا  از این نقشه با موفقیت استفاده شد.

Crowdsourcing  وسیله ای برای جمع آوری اطلاعات در مقیاس بزرگ با منابع محدود و راهی برای تعامل با جامعه فراهم می‌کند. همچنین اغلب به عنوان منبع داده‌های بی کیفیت مورد انتقاد قرار می‌گیرد.  با این حال  مطالعه ای بر روی کیفیت اطلاعات جغرافیایی داوطلبانه توسط هاکلای ۲۰۱۰ نشان داد که داده‌های مکانی که از طریق جمع آوری اطلاعات جمع آوری می‌شود نسبتاً دقیق هستند. این مطالعه OpenStreetMap (عمدتاً جمع‌سپاری شده از مسیرهای GPS آپلود شده، نقشه‌های بدون حق نسخه‌برداری و تصاویر هوایی یاهو) و  OS (که قابل اعتماد و معتبر در نظر گرفته می‌شوند) را مقایسه کرد و دریافت که به طور متوسط داده‌های OpenStreetMap در حدود ۶ متر از آن قرار دارند. موقعیت ثبت شده توسط سیستم عامل و تا ۱۰۰ درصد با بزرگراه‌های رقومی  شده سیستم عامل، جاده‌های A و جاده‌های B همپوشانی وجود دارد. با توجه به اینکه گیرنده GPS معمولاً مکانی را در فاصله ۶ تا ۱۰ متری می‌گیرد و وضوح تصویر یاهو حدود ۱۵ متر است، کیفیت داده OpenStreetMap در واقع بسیار خوب است. با این وجود استراتژی‌ها و روش‌هایی باید برای شناسایی خطاها در داده‌های جمع‌سپاری و جمع‌آوری داده‌ها به شیوه‌ای قوی و قابل اعتماد ایجاد و به کار گرفته شوند.

برگرفته از کتاب کاربرد GISدر محیط زیست

ترجمه:سعید جوی زاده،شهناز تیموری،فاطمه حسین پور فرزانه


دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

خانهدربارهتماسارتباط با ما