پروژه پیشنهادی ایران با بیشترین رای کسب شده در میان ۲۸ طرح تحقیقاتی کاربردی ارائه شده در جلسه سازمان همکاریهای فضایی «اپسکو»، معرفی شد. عنوان این پروژه «برآورد رطوبت خاک ماهوارهای با استفاده از تکنیک ریز مقیاس سازی و تلفیق دادههای راداری ریز موج و نوری» است.
به گزارش شهرآرانیوز، پنجمین جلسه گروه کارشناسی اپسکو برای طرح توسعه فعالیتهای مشارکتی در زمینه همکاریهای فضایی در آسیا و اقیانوسیه با حضور ۲۱ نماینده از ۸ کشور عضو سازمان همکاریهای فضایی آسیا و اقیانوسیه (اپسکو) و تعدادی از کارشناسان و مدیران این سازمان از طریق تله کنفرانس برگزار شد.
در این جلسه پروپوزالهای مربوط به ۲۸ طرح تحقیقاتی در قالب فیلمهای ۸ دقیقهای به نمایش درآمد و ۱۹ طرح با آراء اعضا پذیرفته شد که در مجموع ۶ طرح از ۱۹ طرح پذیرفته شده (۲۹درصد) مربوط به طرحهای پیشنهادی ایران بود.
ملاک پذیرش پروژه ها، کسب حداقل ۶ رای از ۸ رای اعضا در نظر گرفته شد. همچنین امتیازات اعضا به هر یک از پروژه ها، بیانگر اولویت زمانی کسب شده جهت اجرای پروژه طی برنامه توسعه ۱۰ ساله است.
در این جلسه پروژه «برآورد رطوبت خاک ماهوارهای با استفاده از تکنیک ریز مقیاس سازی و تلفیق دادههای راداری ریز موج و نوری» با کسب ۸ رای، بالاترین اولویت را در میان پروژههای پیشنهادی توسط اعضا کسب کرد.
مدت زمان در نظر گرفته شده برای پروژه ۲۰ ماه و هزینه اولیه آن ۱۱۰۰۰۰ دلار تعیین شده است.
اجرای این پروژه برای کشور ما که مستعد بروز مخاطرات اقلیمی، هیدرولوژیکی و زمین شناسی مانند خشکسالی، سیل، زمین لغزش و آتش سوزی است و از طرفی دیگر فاقد آرشیو ثبت دادههای زمینی دقیق است، از اهمیت بسیار بالایی برخوردار است.
در معرفی اجمالی این پروژه آمده است: «رطوبت خاک پارامتری است که تنها ۰.۱۵ درصد از حجم کل آبهای زمین را به خود اختصاص میدهد. اما به دلیل نقش مهم آن در کنترل انتقال انرژی از زمین به جو و برعکس، یکی از مهمترین پارامترهای مورد مطالعه در بسیاری از پدیدههای مرتبط با اقلیم و هیدرولوژی است.»
پارامتر رطوبت خاک در حوزههای مختلفی مانند پیش بینی مخاطرات طبیعی از جمله خشکسالی، سیل، زمین لغزش و آتش سوزی در جنگل از یک سو و برنامه ریزی در زمینه عملیات کشاورزی و مدیریت آب در مزرعه از اهمیت بالایی برخوردار است؛ بنابراین تخمین دقیق رطوبت خاک یکی از دغدغههای مهم مدیران و کارشناسان حوزههای کشاورزی و مدیریت مخاطرات طبیعی است.
روشهای سنتی اندازه گیری رطوبت خاک از دقت بالایی برخوردارند، اما به دلیل اتکا بر روش اندازه گیری نقطهای قادر به ثبت تغییرات رطوبت خاک در حد فاصل نقاط زمینی نیستند.
لازم به توضیح است که این تغییرات به ویژه در مناطق ناهمگن از نقطه نظر کلاسهای کاربری و پوشش اراضی و همچنین بافت خاک از نوسانات بسیار زیادی برخوردارند؛ لذا روشهای متداول ریاضی مبتنی بر میان یابی نمیتوانند نتایج دقیقی از وضعیت رطوبت خاک در حد فاصل نقاط زمینی ارائه دهند.
امروزه تصاویر ماهوارهای قادر به ارائه اطلاعات مربوط به رطوبت سطح خاک در منطقه وسیع و پیوستهای از سطح زمین هستند.
به عنوان مثال ماهواره SMOS که در سال ۲۰۰۹ توسط آژانس فضایی اروپا پرتاب شد، اولین ماهواره با ماموریت تهیه نقشه رطوبت خاک است. از جمله ماهوارههای دیگر در این زمینه، ماهواره SMAP است که توسط سازمان هوا و فضای ایالات متحده (NASA) در سال ۲۰۱۵ در مدار قرار گرفت. اما این دادهها نیز نقاط ضعف خاص خود را دارند. به عنوان مثال میتوان به مشکل ابری بودن تصاویر در سنجندههای اپتیکی، قدرت تفکیک پایین در سنجندههای ریزموج غیر فعال و حساسیت بالا به زبری سطح زمین و پوشش گیاهی در سنجندههای ریزموج فعال اشاره کرد؛ لذا امروزه از تکنیکهای تلفیق دادههای ماهوارهای به منظور فائق آمدن بر مشکلات مذکور استفاده میشود.
یکی از این تکنیک ها، روش ریز مقیاس سازی (Downscaling) است. هدف ریز مقیاس سازی، تولید دادههایی با قدرت تفکیکی است که در حد فاصل قدرت تفکیک سنجندههای مختلف بوده و در عین حال نقاط ضعف هر سنجنده را نیز تا حد ممکن کاهش دهد.
طی سالهای اخیر، روشهای متعددی جهت ریز مقیاس سازی رطوبت خاک ماهوارهای ارائه شده اند که برخی از آنها متکی بر روشهای یادگیری ماشین (Machine Learning) هستند.
از جمله روشهای یادگیری ماشین بکارگرفته شده میتوان به روشهای رگرسیونی ساده اشاره کرد. این روشها با توجه به آنکه از یک سنجنده ماهوارهای استفاده میکنند قادر به مدل کردن پیچیدگیهای وضعیت رطوبت خاک به شکل دقیق نخواهند بود؛ اما تکنیک بهکار گرفته شده در این تحقیق مبتنی بر درخت رگرسیون (regression tree) است که ما را قادر میسازد تا هم زمان از دادههای چند سنجنده به عنوان ورودی مدل استفاده کرده و در خروجی، نقشه رطوبت خاک را با دقت بالا تهیه کنیم.
در این تحقیق به منظور برآورد دقت نتایج، از دادههای سیستم جهانی داده گواری سطح زمین (Global Land Data Assimilation System) استفاده شده است.»
منبع: مهر