پروژه پیشنهادی ایران در سازمان همکاری های فضایی اپسکو معرفی شد
پروژه پیشنهادی ایران با بیشترین رای کسب شده در میان ۲۸ طرح تحقیقاتی کاربردی ارائه شده در جلسه سازمان همکاری های فضایی «اپسکو»، معرفی شد.
به نقل از سازمان فضایی ایران، پنجمین جلسه گروه کارشناسی اپسکو برای طرح توسعه فعالیت های مشارکتی در زمینه همکاری های فضایی در آسیا و اقیانوسیه با حضور ۲۱ نماینده از ۸ کشور عضو سازمان همکاری های 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 فیلم های 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 طرح های 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 ماهواره ای با استفاده از تکنیک ریز مقیاس سازی و تلفیق داده های راداری ریز موج و نوری» با کسب ۸ رای، بالاترین اولویت را در میان پروژه های 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 داده های 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 آب های زمین را به خود اختصاص می دهد. 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 پدیده های مرتبط با اقلیم و هیدرولوژی است.
پارامتر رطوبت خاک در حوزه های 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 دغدغه های مهم مدیران و کارشناسان حوزه های کشاورزی و مدیریت مخاطرات طبیعی است.
روش های سنتی اندازه گیری رطوبت خاک از دقت بالایی برخوردارند اما به دلیل 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 به ویژه در مناطق ناهمگن از نقطه نظر کلاس های کاربری و پوشش اراضی و همچنین بافت خاک از نوسانات بسیار زیادی برخوردارند. لذا روش های متداول ریاضی مبتنی بر میان یابی نمی توانند نتایج دقیقی از وضعیت رطوبت خاک در حد فاصل نقاط زمینی ارائه دهند.
امروزه تصاویر ماهواره ای قادر به ارائه اطلاعات مربوط به رطوبت سطح خاک در منطقه وسیع و پیوسته ای 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 ماهواره های 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 داده ها نیز نقاط ضعف خاص خود را دارند. به عنوان 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 کرد.
لذا امروزه از تکنیک های تلفیق داده های ماهواره ای به منظور 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 کاهش دهد.
طی سال های اخیر، روش های متعددی جهت ریز مقیاس سازی رطوبت خاک ماهواره ای ارائه شده اند که برخی از آنها متکی بر روش های یادگیری ماشین (Machine Learning) هستند.
از جمله روش های یادگیری ماشین بکارگرفته شده می توان به روش های رگرسیونی ساده اشاره کرد. این روش ها با توجه به آنکه از یک سنجنده ماهواره ای استفاده می‌کنند قادر به مدل کردن پیچیدگی های 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 می سازد تا هم زمان از داده های 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 داده های سیستم جهانی داده گواری سطح زمین (Global Land Data Assimilation System) استفاده شده است.»