تاثیر روش‌های تصحیح جوی بر رابطه میان شاخص‌های گیاهی و تاج پوشش (مطالعه موردی: مرتع مرجن بروجن)

تصحیح اتمسفری تصاویر ماهواره ای هنگامی که شاخص های گیاهی برای تعیین تغییرات به کار می روند، از اهمیت زیادی برخوردار است. در این پژوهش، چهار روش تصحیح اتمسفری در برآورد پوشش گیاهی با استفاده از شاخص های گیاهی ارزیابی و اعتبارسنجی شد. برای این منظور، پوشش سبز گیاهی در 19 نقطه و با فواصل 400-1000متر در امتداد ترانسکتی به طول 10 کیلومتر و با 5 کوادرات در هر نقطه اندازه گیری شد (در هر دوره 95 کوادرات و در کل چهار دوره نمونه برداری، 380 کوادرات). سپس، تصاویر متناظر با تاریخ های نمونه برداری به چهار روش تصحیح شامل1) تصحیح اتمسفری جوّی آنی (quac) 2) تصحیح اتمسفری تجزیه و تحلیل سریع خط‌دیداتمسفر ازطریق طیف ابر مکعب (flaash) 3) نرمال سازی تصاویر چندزمانه به روش تبدیل آشکارسازی تغییرات چند متغیّره وزن دار (irmad) و 4) تبدیل اعداد رقومی به بازتابش بالای جوّ (toa) اعمال شد. سپس دو شاخص نرمال شده پوشش گیاهی و شاخص پوشش گیاهی مقاوم به جوی محاسبه شد. در مرحله بعد، اعتبار سنجی مدل های رگرسیونی خطی برای رابطه بین پوشش و شاخص های گیاهی با دو شاخص گیاهی مذکور و بر مبنای چهار روش تصحیح بیان شده، بر اساس 33 درصد از داده های زمینی انجام شد. مقادیر ضریب همبستگی و تبیین، ریشه میانگین مربعات خطا، میانگین مطلق خطا و اریبی به عنوان سنجه های اعتبار هر روش محاسبه شد. پس از دستیابی به بهترین روش تصحیح، 10 شاخص گیاهی دیگر نیز علاوه بر دو شاخص ذکر شده، محاسبه و در نهایت پس از دستیابی به مدل برآورد تاج پوشش منطقه، نقشه تاج پوشش گیاهی برای چهار زمان تهیه شد. نتایج اعتبارسنجی نشان داد، مقدار ضریب تبیین و ریشه میانگین مربعات خطا در روش تجزیه و تحلیل سریع خط‌دید اتمسفر از طریق طیف ابر مکعب، نسبت به روش های تصحیح جوّی آنی، تبدیل آشکارسازی تغییرات چند متغیره وزن دار و تبدیل به بازتابش بالای جوّ، دقت بهتری داشت. مقدار ضریب تبیین به ترتیب برابر 0.61، 0.37، 0.2 و 0.57 برای شاخص پوشش گیاهی مقاوم جوّی و برابر 0.54، 0.39، 0.21 و 0.56 برای شاخص نرمال شده پوشش گیاهی می باشد. به‌علاوه، مقادیر ریشه میانگین مربعات خطا برابر 0.77، 0.97، 1.13 و 0.8برای شاخص پوشش گیاهی مقاوم به جوی و برابر 0.83، 0.96، 1.12 و 0.81 برای شاخص نرمال شده پوشش گیاهی می باشد. نقشه های تاج پوشش گیاهی نمایانگر ناهمگنی مکانی تاج پوشش در مرتع مرجن بوده و امکان برآورد تاج پوشش تمام فصول رویشی از یک مدل وجود دارد.

Comparison of Different Targets Used in Augmented Reality Applications in Ubiquitous GIS

Drilling requires accurate information about locations of underground infrastructures or it can cause serious damages. Augmented Reality (AR) as a technology in Ubiquitous GIS (UBIGIS) can be used to visualize underground infrastructures on smartphones. Since smartphone rsquo;s sensors do not provide such accuracy, another approaches should be applied. Vision based computer vision systems are well known approaches to collect data of camera poses. Some vision systems track objects by image processing of natural environments which is quite difficult in unknown environments. Most vision systems are designed to detect targets. This paper aims to compare different types of targets that can be used in AR applications in UBGIS. For this propose, first three types of targets are being overviewed, then targets are compared in terms of their square or circular shapes. Finally, two kinds of targets related to Agisoft and Australis modeling software are chosen and images are being taken in different sincidence angles related to center of images at the area of faculty of Geodesy and Geomatics Engineering Khaje Nasir Toosi University of Technology. Then automatic recognition results in both software tools were being compared and analyzed. Comparisons reveal that QRCode is not appropriate due to its square shape and its distance limitation to scan by reader, because in AR applications, targets should be placed in a large field of view. Also, squared targets are not very suitable because their recognition is not easy. Therefore, Fiducial Markers are not recommended. It is worth mentioning that circular targets are the best target for this application. Among circular targets, although detection of circular Coded Target is not easy especially in very low incidence angle, but unrelated objects are not recognized as Coded Target; while detection of simple circular Target will make lots of mistakes. Generally, choosing appropriate target depends on corresponding application and usage. Then sensorbased and visionbased approaches to visualize underground infrastructures are compared. The results demonstrate that visionbased approach improve the precision of pose estimation parameters 8.10260 m in position parameters and 10.36 degrees in orientation parameters. Therefore, targets can be used as a visionbased approach.