شحذ عموم في نظم المعلومات الجغرافية – عالم الجغرافيا

شحذ بانكروماتيك (الشحذ القصير) هي تقنية تستخدم في نظم المعلومات الجغرافية والاستشعار عن بعد. لتعزيز الدقة المكانية للصور متعددة الأطياف من خلال دمجها مع صور بانكروماتية عالية الدقة. تحتفظ الصورة الناتجة بكل من معلومات البيانات متعددة الأطياف والتفاصيل المكانية الدقيقة للبيانات البانكروماتيكية.

ما هو شحذ عموم؟

تعمل تقنية Pan-sharpening (المكتوبة أيضًا باسم Pan-sharpening) على دمج صورة بانكروماتية عالية الدقة (بالأبيض والأسود) مع صور متعددة الأطياف ذات دقة أقل. توفر الصور البانكروماتية معلومات مكانية مفصلة ولكنها تفتقر إلى الألوان، بينما تلتقط الصور متعددة الأطياف البيانات عبر أطوال موجية متعددة، مثل الأحمر والأخضر والأزرق والأشعة تحت الحمراء القريبة، ولكن بدقة مكانية أقل. يؤدي الجمع بين مجموعات البيانات هذه إلى إنتاج صورة غنية طيفيًا وحادة مكانيًا.

صور Landsat وشحذ عموم

بدأت أقمار لاندسات الصناعية في تقديم نطاق بانكروماتيك مع إطلاق لاندسات 7 في عام 1999، مما يجعل البيانات من مجموعة الأقمار الصناعية الأطول تشغيلًا لمراقبة الأرض خيارًا شائعًا لشحذ عموم البيانات.

على القمرين Landsat 8 وLandsat 9، يوفر النطاق البانكروماتيك دقة مكانية تبلغ 15 مترًا، مقارنة بدقة 30 مترًا للنطاقات متعددة الأطياف. يلتقط النطاق البانكروماتي الضوء عبر نطاق واسع، مما يوفر تفاصيل مكانية أدق، بينما تركز النطاقات متعددة الأطياف على أطوال موجية محددة للحصول على بيانات طيفية مفصلة. يسمح هذا الاختلاف بزيادة الوضوح، والجمع بين نقاط القوة في كلتا مجموعتي البيانات لإنشاء صور مفصلة طيفيًا ومكانيًا.

النطاقات الطيفية التسعة لاندسات 8 ولاندسات 9 هي:

• النطاق 1 الهباء الجوي الساحلي (0.43 – 0.45 ميكرومتر) 30 م
• النطاق 2 الأزرق (0.450 – 0.51 ميكرومتر) 30 م
• النطاق 3 الأخضر (0.53 – 0.59 ميكرومتر) 30 م
• النطاق 4 الأحمر (0.64 – 0.67 ميكرومتر) 30 م
• النطاق 5 للأشعة تحت الحمراء القريبة (0.85 – 0.88 ميكرومتر) 30 م
• النطاق 6 SWIR 1(1.57 – 1.65 ميكرومتر) 30 م
• النطاق 7 SWIR 2 (2.11 – 2.29 ميكرومتر) 30 م
• النطاق 8 بانكروماتيك (PAN) (0.50 – 0.68 ميكرومتر) 15 م
• النطاق 9 سيروس (1.36 – 1.38 ميكرومتر) 30 م

كيف تعمل شحذ المقلاة؟

يتضمن شحذ المقلاة عدة خطوات أساسية. أولاً، تتم محاذاة الصور البانكروماتية والمتعددة الأطياف هندسيًا للتأكد من أن وحدات البكسل المقابلة تمثل نفس المنطقة الجغرافية. بعد ذلك، يتم تطبيق خوارزميات دمج الصور لدمج البيانات الطيفية للصورة متعددة الأطياف مع التفاصيل المكانية للصورة البانكروماتيكية.

تتضمن بعض الطرق الشائعة الاستخدام ما يلي:

• كثافة هوى التشبع (IHS): يحول الصورة متعددة الأطياف إلى مساحة ألوان IHS، ويستبدل مكون الكثافة بالصورة البانكروماتية، ويحولها مرة أخرى إلى مساحة الألوان الأصلية.
• تحليل المكونات الرئيسية (PCA): تحويل الصورة متعددة الأطياف إلى مكونات رئيسية، ودمج البيانات البانكروماتيكية، وتحويلها مرة أخرى.
• تحويل بروفي: التأكيد على السطوع والتباين عن طريق قياس النطاقات الطيفية باستخدام الصورة البانكروماتية.
• تحويل المويجات: يستخدم تحليل المويجات لدمج الصور بدقة مختلفة.
• شحذ HSV: على غرار شحذ IHS، تعمل شحذ HSV على تحويل الصورة إلى مساحة لون ذات قيمة تشبع اللون (HSV). يتم استبدال مكون القيمة (السطوع) بصورة بانكروماتية عالية الدقة، ثم يتم تحويل الصورة مرة أخرى إلى تنسيق RGB الأصلي. تعمل هذه الطريقة بشكل جيد مع صور مثل Landsat، مما يحافظ على التكامل الطيفي مع تحسين التفاصيل المكانية.

بمجرد دمج الصور، يتم ضبط الصورة الشاملة الناتجة بشكل دقيق لتقليل التشوهات وضمان التمثيل الدقيق.

فوائد وقيود شحذ عموم

توفر ميزة شحذ المقلاة مزايا كبيرة لتصور البيانات الجغرافية وتحليلها ولكنها تأتي مع بعض التحديات.

فوائد:

• تحسين التصور: توفر الصور ذات الوضوح الشامل عرضًا أكثر تفصيلاً ووضوحًا للميزات الجغرافية.
• التحليل المعزز: تسمح الصور عالية الدقة باستخراج الميزات وتصنيفها بشكل أكثر دقة.
• الاستخدام الفعال للبيانات: يدمج نقاط القوة في مجموعات البيانات الموجودة للحصول على قوة تحليلية أكبر.

القيود:

• التشوه الطيفي: قد تغير بعض الطرق الخصائص الطيفية للبيانات متعددة الأطياف، مما قد يؤثر على دقة التحليل.
• الكثافة الحسابية: يمكن أن تتطلب معالجة مجموعات البيانات الكبيرة من أجل زيادة الوضوح استهلاكًا كثيفًا للموارد.
• حساسية الخوارزمية: يؤثر اختيار الخوارزمية وجودة بيانات الإدخال بشكل كبير على النتائج.

التقدم في تقنيات شحذ عموم

قدمت الأبحاث الحديثة طرقًا متقدمة لتحسين نتائج شحذ المقلاة:

• شبكة تشفير متناثرة عميقة: يستخدم هذا الأسلوب معلومات جانبية لتوجيه عملية الدمج، وتحسين جودة الصور ذات الوضوح الشامل. arXiv
• محول التعديل المتقاطع (CMT): يستخدم CMT تقنية تعديل ضمن آلية الانتباه لضبط الأوزان ديناميكيًا، ودمج السمات المكانية والطيفية بشكل فعال. تعمل وظيفة الخسارة الهجينة التي تجمع بين تحويلات فورييه والمويجة على تعزيز الدقة المكانية والطيفية. arXiv

تنفيذ شحذ عموم في برامج نظم المعلومات الجغرافية

تشتمل العديد من أنظمة GIS الأساسية، مثل ArcGIS وQGIS وGoogle Earth Engine، على أدوات لتوضيح الصورة الشاملة. يتضمن سير العمل النموذجي تحميل الصور البانكروماتية والمتعددة الأطياف، واختيار خوارزمية الدمج، وتشغيل العملية، والتحقق من صحة النتائج. على سبيل المثال، يقدم ArcGIS Pro أداة توضيح شاملة ضمن ملحق “Image Analyst”، مما يسمح للمستخدمين بتخصيص الخوارزميات والمعلمات لتناسب احتياجاتهم الخاصة.

شحذ عموم:

دروس نظم المعلومات الجغرافية لتوضيح صور الأقمار الصناعية

يمكن أيضًا إجراء عملية شحذ المقلاة باستخدام برنامج تحرير الصور. توفر مدونة Earth Observatory التابعة لناسا دليلاً حول كيفية استخدام Photoshop لتطبيق دقة HSV على صور Landsat 8.