در میان ۲۸ طرح تحقیقاتی؛
پروژه پیشنهادی ایران در سازمان همكاریهای فضایی اپسكو معرفی گردید
پروژه پیشنهادی ایران با بیشترین رای كسب شده در بین 28 طرح پژوهشی كاربردی ارائه شده در جلسه سازمان همكاریهای فضایی اپسكو، معرفی گردید.
به گزارش سرگرمی کامپیوتری به نقل از سازمان فضایی ایران، پنجمین جلسه گروه کارشناسی اپسکو برای طرح توسعه کارهای 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 برخی از کارشناسان و مدیران این سازمان بوسیله تله کنفرانس اجرا شد. در این نشست پروپوزال های مربوط به ۲۸ طرح پژوهشی در چارچوب فیلم های ۸ دقیقه ای به نمایش درآمد و ۱۹ طرح با آراء اعضا پذیرفته شد که در مجموع ۶ طرح از ۱۹ طرح پذیرفته شده (۲۹درصد) مربوط به طرح های پیشنهادی ایران بود. ملاک پذیرش پروژه ها، کسب حداقل ۶ رای از ۸ رای اعضا در نظر گرفته شد. همین طور امتیازات اعضا به هر یک از پروژه ها، بیان کننده اولویت زمانی کسب شده جهت اجرای پروژه طی برنامه توسعه ۱۰ ساله است. در این نشست پروژه «برآورد رطوبت خاک ماهواره ای با بهره گیری از تکنیک ریز مقیاس سازی و تلفیق داده های راداری ریز موج و نوری» با کسب ۸ رای، بالاترین اولویت را در بین پروژه های پیشنهادی توسط اعضا کسب نمود. 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 سویی دیگر فاقد آرشیو ثبت داده های زمینی دقیق است، از اهمیت بسیار بالایی برخوردارست. در معرفی اجمالی این پروژه آمده است: « رطوبت خاک پارامتری است که تنها ۰.۱۵ درصد از حجم کل آب های زمین را به خود اختصاص می دهد. اما به سبب نقش مهم آن در کنترل انتقال انرژی از زمین به جو و برعکس، یکی از مهمترین پارامترهای مورد مطالعه در خیلی از پدیده های در رابطه با اقلیم و هیدرولوژی است. پارامتر رطوبت خاک در حوزه های مختلفی مانند پیش بینی مخاطرات طبیعی همچون 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 برخوردارست. بدین سبب تخمین دقیق رطوبت خاک یکی از دغدغه های مهم مدیران و کارشناسان حوزه های کشاورزی و مدیریت مخاطرات طبیعی است. روش های سنتی اندازه گیری رطوبت خاک از دقت بالایی برخوردار می باشند اما به سبب اتکا بر روش اندازه گیری نقطه ای قادر به ثبت تغییرات رطوبت خاک در حد فاصل نقاط زمینی نیستند. لازم به توضیح است که این تغییرات خصوصاً در مناطق ناهمگن از نقطه نظر کلاس های کاربری و پوشش اراضی و همین طور بافت خاک از نوسانات بسیار زیادی برخوردار می باشند. پس روش های متداول ریاضی مبتنی بر میان یابی نمی توانند نتایج دقیقی از وضعیت رطوبت خاک در حد فاصل نقاط زمینی عرضه کنند. امروزه تصاویر ماهواره ای قادر به ارائه اطلاعات مربوط به رطوبت سطح خاک در منطقه وسیع و پیوسته ای از سطح زمین هستند. بعنوان مثال ماهواره SMOS که در سال ۲۰۰۹ توسط آژانس فضایی اروپا پرتاب شد، نخستین ماهواره با ماموریت تهیه نقشه رطوبت خاک است. همچون ماهواره های دیگر دراین زمینه، ماهواره SMAP است که توسط سازمان هوا و فضای ایالات متحده (NASA) در سال ۲۰۱۵ در مدار قرار گرفت. اما این داده ها نیز نقاط ضعف خاص خودرا دارند. بعنوان مثال می توان به مشکل ابری بودن تصاویر در سنجنده های اپتیکی، قدرت تفکیک پایین در سنجنده های ریزموج غیر فعال و حساسیت بالا به زبری سطح زمین و پوشش گیاهی در سنجنده های ریزموج فعال اشاره نمود. پس امروزه از تکنیک های تلفیق داده های ماهواره ای بمنظور فائق آمدن بر مشکلات مذکور استفاده می شود. یکی از این تکنیک ها، روش ریز مقیاس سازی (Downscaling) است. هدف ریز مقیاس سازی، تولید داده هایی با قدرت تفکیکی است که در حد فاصل قدرت تفکیک سنجنده های مختلف بوده و در عین حال نقاط ضعف هر سنجنده را نیز تا حد ممکن کم کند. طی سال های اخیر، روش های مختلفی جهت ریز مقیاس سازی رطوبت خاک ماهواره ای ارائه شده اند که بعضی از آنها متکی بر روش های یادگیری ماشین (Machine Learning) هستند. همچون روش های یادگیری ماشین بکارگرفته شده می توان به روش های رگرسیونی ساده اشاره نمود. این روش ها باتوجه به آنکه از یک سنجنده ماهواره ای استفاده می نمایند قادر به مدل کردن پیچیدگی های وضعیت رطوبت خاک به شکل دقیق نخواهند بود؛ اما تکنیک به کار گرفته شده در این تحقیق مبتنی بر درخت رگرسیون (regression tree) است که ما را قادر می سازد تا هم زمان از داده های چند سنجنده بعنوان ورودی مدل بهره برده و در خروجی، نقشه رطوبت خاک را با دقت بالا تهیه نماییم. در این تحقیق بمنظور برآورد دقت نتایج، از داده های سیستم جهانی داده گواری سطح زمین (Global Land Data Assimilation System) استفاده شده است.»
این مطلب را می پسندید؟
(1)
(0)
تازه ترین مطالب مرتبط
نظرات بینندگان در مورد این مطلب