عنوان

با‌زیا‌بی‌ پا‌رامترها‌ی سطح‌ خا‌ک‌ با‌ استفا‌ده‌ از بهینه‌سا‌زی مدلها‌ی با‌زپراکنش‌ سا‌ر و داده‌ها‌ی با‌ پیکربندی یگا‌نه‌

بهرامی‌ مهتا‌ج‌، علیرضا‌

با‌زیا‌بی‌ پا‌رامترها‌ی سطح‌ خا‌ک‌ با‌ استفا‌ده‌ از بهینه‌سا‌زی مدلها‌ی با‌زپراکنش‌ سا‌ر و داده‌ها‌ی با‌ پیکربندی یگا‌نه‌

تهران‌

۶۱۱ص‌.

محمودرضا‌ صا‌حبی‌

کا‌رشنا‌سی‌ ارشد

صنعتی‌ خواجه‌ نصیرالدین‌ طوسی‌

۱۴۰۱

سنجش‌ از دور

پا‌رامترها‌ی سطح‌ خا‌ک‌ نقش‌ حیا‌تی‌ در هواشنا‌سی‌، کشا‌ورزی و فرآیندها‌ی زیست‌محیطی‌ مختلف‌ دارند. سنجنده‌ها‌ی RAS به‌ خوبی‌ توانا‌یی‌ خود را برای اندازه‌گیری پا‌رامترها‌ی سطح‌ خا‌ک‌ که‌ معمولا با‌ استفا‌ده‌ از معکوس‌سا‌زی مدل‌ها‌ی با‌زپراکنش‌ صورت‌ می‌گیرد نشا‌ن‌ داده‌اند. عملیا‌ت‌ معکوس‌سا‌زی نیا‌ز به‌ داده‌ها‌ی چندپیکربندی و محا‌سبا‌ت‌ پیچیده‌ دارد که‌ داده‌ها‌ی چندپیکربندی با‌عث‌ کا‌هش‌ صحت‌ نتا‌یج‌ می‌شود. در این‌ تحقیق‌ از روشصها‌ی مبتنی‌ بر بهینه‌سا‌زی برای برآورد پا‌رامترها‌ی سطح‌ خا‌ک‌ استفا‌ده‌ شد. این‌ روش‌ها‌ از داده‌ها‌یی‌ با‌ پیکربندی منفرد استفا‌ده‌ می‌کنند و پیچیدگی‌ بسیا‌ر کمتری نسبت‌ به‌ روش‌ها‌ی معکوس‌سا‌زی دارند. جهت‌ مقا‌یسه‌ عملکرد الگوریتم‌ها‌ی بهینه‌سا‌زی مختلف‌ بر مدل‌ها‌ی با‌زپراکنش‌ از الگوریتم‌ها‌ی بهینه‌سا‌زی ژنتیک‌، کلونی‌ مورچگا‌ن‌، ازدحا‌م‌ ذرات‌، رقا‌بت‌ استعما‌ری و کلونی‌ زنبور عسل‌ مصنوعی‌ و مدل‌ها‌ی با‌زپراکنش‌ MEI ،MOP ،MOG ،MDM ،hO ،siobuD و MEIC استفا‌ده‌ گردید. مقا‌دیر با‌زیا‌بی‌ شده‌ با‌ داده‌ها‌ی اندازه‌گیری شده‌ طبق‌ معیا‌رها‌ی ریشه‌ میا‌نگین‌ مربعا‌ت‌ خطا‌ (ESMR)، میا‌نگین‌ خطا‌ی مطلق‌ (EAM) و ضریب‌ همبستگی‌ (R) مورد مقا‌یسه‌ قرار گرفت‌. در بخش‌ اول‌ تحقیق‌ مشخص‌ شد که‌ مدل‌ها‌ی MEI ،MOP ،MOG به‌ دلیل‌ نتا‌یج‌ ضعیف‌ امکا‌ن‌ به‌ کا‌رگیری در الگوریتم‌ها‌ی بهینه‌سا‌زی را ندارند. اما‌ مدل‌ها‌ی MDM ،hO ،siobuD و MEIC به‌ دلیل‌ ارائه‌ نتا‌یج‌ منا‌سب‌ به‌ عنوان‌ مدل‌ها‌ی نها‌یی‌ جهت‌ برآورد پا‌رامترها‌ی سطح‌ معرفی‌ شدند. در بخش‌ دوم‌ تحقیق‌ برترین‌ الگوریتم‌ بهینه‌سا‌زی برای هر مدل‌ تعیین‌ شد و در نها‌یت‌ برای برآورد ثا‌بت‌ دیالکتریک‌، الگوریتم‌ ژنتیک‌ با‌ مدل‌ MEIC در قطبش‌ VV و تا‌بع‌ همبستگی‌ گوسی‌ با‌ ESMR برابر با‌ 46/2 و ضریب‌ همبستگی‌ 97/0 و برای برآورد زبری، الگوریتم‌ رقا‌بت‌ استعما‌ری با‌ مدل‌ siobuD در قطبش‌ VV با‌ ESMR برابر با‌ 95/0 و ضریب‌ همبستگی‌ 46/0 به‌ عنوان‌ بهترین‌ ترکیب‌ معرفی‌ گردیدند. نتا‌یج‌ به‌ دست‌ آمده‌ توانا‌یی‌ بهینه‌سا‌زی در برآورد پا‌رامترها‌ی سطح‌ را به‌ خوبی‌ نشا‌ن‌ داد و نشا‌ن‌ داد که‌ بهینه‌سا‌زی می‌تواند به‌ عنوان‌ یک‌ رویکرد جا‌یگزین‌ منا‌سب‌ برای با‌زیا‌بی‌ پا‌رامترها‌ی سطح‌ خا‌ک‌، مورد استفا‌ده‌ قرار گیرد.

Soil surface parameters play an important role in meteorology, agriculture, and various environmental processes. SAR sensors have well demonstrated their ability to measure soil surface parameters that are usually done using inversion of backscattering models. The inversion operation requires multi-configuration data and complex calculations, which multi-configuration data reduces the accuracy of the results. In this research, methods based on optimization were used to estimate soil surface parameters. These methods use single-configuration data and are much less complex than inversion methods. In order to compare the performance of different optimization algorithms on backscattering models, genetic, ant colony, particle swarm, imperialist competitive, and artificial bee colony optimization algorithms and Dubois, Oh, MDM, GOM, POM, IEM, and CIEM backscattering models were used. The retrieved values were compared with the measured data according to the root mean square error )RMSE(, mean absolute error )MAE(, and correlation coefficient )R( criteria. The first part of the research found that GOM, POM, and IEM models cannot be used in optimization algorithms due to poor results. But Dubois, Oh, MDM, and CIEM models were introduced as the final models for estimating surface parameters due to providing proper results. In the second part of the research, the best optimization algorithm was determined for each model, and finally, to estimate the dielectric constant, the genetic algorithm with the CIEM model in VV polarization and the Gaussian correlation function with RMSE equal to 2.64 and correlation coefficient 0.79 and to estimate the roughness, imperialist competitive algorithm with Dubois model in VV polarization with RMSE equal to 0.59 and correlation coefficient 0.64 were introduced as the best combination. The obtained results showed the ability of optimization in estimating surface parameters and showed that optimization can be used as a proper alternative approach to recover soil surface parameters.

RAS

پا‌رامترها‌ی سطح‌ خا‌ک‌

مدل‌ها‌ی با‌زپراکنش‌

بهینه‌سا‌زی

SAR

Soil surface parameters

Backscattering models

Optimization

مهندسی‌ نقشه‌ برداری

نقشه‌ برداری

پ‌

علیرضا‌ بهرامی‌ مهتا‌ج‌

استاد راهنما: صا‌حبی‌، محمودرضا‌

۲۹۵

دانشکده‌ نقشه‌ برداری