درس‌هایی که از مشاهدات اقیانوس‌ها در طول طوفان‌های ایرنه و سندی آموخته شد، ایالات متحده را وادار کرد تا ناوگانی از روبات‌های زیر آب را در طول هر فصل طوفان مستقر کند. از آنجایی که رویدادهای شدید آب و هوایی به دلیل تغییرات آب و هوایی بیشتر می شوند، آیا زمان آن رسیده است که این ظرفیت پیش بینی طوفان را به مناطق دیگر گسترش دهیم؟

11 سال پس از وقوع طوفان سندی در جزایر کارائیب و سواحل شرقی ایالات متحده در سال 2012، بدون شک قدرت ویرانگر آن هنوز در خاطرات شاهدان آن زنده است. سندی که بزرگترین طوفان اقیانوس اطلس ثبت شده است، 233 نفر را در سراسر دریای کارائیب و آمریکای شمالی کشت و با بادهای شدید، رانش گل و سیل ویرانی به همراه داشت که تقریباً 70 میلیارد دلار خسارت وارد کرد. 

فقط یک سال قبل از آن، ما طوفان آیرین را داشتیم که قرار بود طوفانی ویرانگر باشد – اما بعد به نوعی خاموش شد. دکتر اسکات گلن، استاد برجسته دانشگاه راتگرز خاطرات خود را به اشتراک می‌گذارد، سال بعد، زمانی که هشدارها درباره طوفان سندی منتشر شد، مردم آیرین را به یاد آوردند، و متقاعد کردن کسی که این بار قرار است بسیار بزرگ‌تر باشد، واقعاً دشوار بود. چیزی که او می‌دانست که پیش‌بینی‌کنندگان هوا نمی‌دانستند، شرایط هشداردهنده در زیر سطح اقیانوس بود که هشدار می‌داد طوفان بسیار قدرتمند خواهد بود.

زمانی که طوفان‌های ایرنه و سندی اصابت کردند، ما گلایدرهای زیرآبی خود را داشتیم – وسایل نقلیه زیرآبی خودمختار که مشاهدات اقیانوس را جمع‌آوری می‌کردند، و آنها در طول هر دوی این رویدادها مستقر شدند. دکتر گلن می‌گوید و درست قبل از رسیدن آیرین، ما اقیانوس را به سرعت خنک دیدیم. این سرمایش فقط انرژی را از طوفان بیرون کشید و به سرعت آن را ضعیف کرد. اما قبل از سندی چنین خنک کننده ای وجود نداشت و بنابراین گرما فقط به طوفان دامن می زد.

اقیانوس چرخه آب سیاره ما را کنترل می کند و حتی تغییرات کوچک در آن می تواند تأثیر زیادی بر رویدادهای آب و هوایی در خشکی داشته باشد. چنین شرایط اقیانوسی متفاوتی که قبل از طوفان سندی مشاهده شد، نگرانی های جدی را بین دانشمندان، از جمله خود دکتر گلن، ایجاد کرد، که به سرعت متوجه شد که این بار طوفان هیچ رحمی از خود نشان نخواهد داد. 

اما اگر چه ممکن است امروز به نظر تعجب آور باشد، پیش بینی های هواشناسی 11 سال پیش به طور خودکار داده های اقیانوس را در مدل های خود جذب نمی کردند. من این داده‌ها را از گلایدرهای اقیانوس داشتم، اما در آن زمان هیچ راهی برای ارتباط من وجود نداشت. هیچ راهی برای اضافه کردن آن به جریان اطلاعاتی که به پیش بینی ها می رسد وجود نداشت.»

پیش بینی طوفان امروز – بهتر از سال 2012، اما با فضایی برای بهبود 

از آن زمان، دکتر گلن و سایر اقیانوس شناسان سخت کار کرده اند تا اهمیت مشاهدات اقیانوس ها را در پیش بینی رویدادهای شدید و توسعه یک سیستم عملیاتی برای جمع آوری داده ها در مسیر طوفان ها افزایش دهند. 

امروزه ایالات متحده دارای یک ناوگان هواپیمای گلایدر طوفان است که در طول هر فصل طوفان مستقر شده است. این ربات‌های زیرآبی قوی می‌توانند در شرایط آب و هوایی مخرب مقاومت کنند تا داده‌های اقیانوس را در زمان واقعی به سیستم یکپارچه مشاهده اقیانوس ایالات متحده (IOOS)، بخشی از سیستم جهانی مشاهده اقیانوس ( GOOS ) جمع‌آوری و ارسال کنند. از سال 2018، این داده ها در مدل های پیش بینی طوفان گنجانده شده است و به هشدارهای به موقع و دقیق تر کمک می کند.

دکتر ویدونگ یو، رئیس مشترک فیزیک رصد اقیانوس و پانل آب و هوا، می گوید: «GOOS با عمل به عنوان چتری که جریان داده ها را در شبکه های جهانی رصد اقیانوس ها تسهیل می کند، می تواند به مراکز پیش بینی اطلاعات جامع و دقیق تری از اقیانوس های جهانی ارائه دهد. این امر به مراکز پیش‌بینی امکان می‌دهد تا هشدارهای اولیه بهتری را برای طوفان‌های شدید، سیل و خشکسالی صادر کنند و از زندگی و معیشت بیشتر در سراسر جهان محافظت کنند.»

طوفان قدرتمند موکا که در ماه مه امسال میانمار و بنگلادش را درنوردید، نمونه ای جدید از اهمیت حیاتی چنین داده های اقیانوسی است. دکتر یو می‌گوید: «بسیج سازمان‌های بشردوستانه در برابر تهدید طوفان موکا به لطف نظارت زمان واقعی اقیانوس‌ها و متغیرهای هواشناسی امکان‌پذیر شد، که منجر به پیش‌بینی قابل اعتماد و صدور به موقع هشدار اولیه شد.» 

خلیج بنگال با مرگبارترین طوفان های استوایی در سیاره ما روبرو است و تجربه از این منطقه می تواند به بهبود توانایی ما در پیش بینی دقیق و کارآمد رویدادهای آب و هوایی شدید در سراسر جهان کمک کند. به همین دلیل است که یکی از چندین منطقه مطالعاتی آزمایشی در پروژه طوفان گرمسیری است که توسط دکتر گلن از طریق برنامه GOOS  Ocean Observing Co-Design  تحت دهه اقیانوس سازمان ملل رهبری می شود. 

بسیاری از کشورها در سراسر جهان ظرفیت رصد اقیانوس را با کشورهایی مانند ایالات متحده که دکتر گلن در آن مستقر است، ندارند. ما ایده بسیار خوبی از آنچه که باید در مسیر طوفان اقیانوس اطلس شمالی انجام شود داریم، اما اکنون می‌خواهیم آن را در سطح جهانی از طریق GOOS گسترش دهیم. دکتر گلن می‌گوید برای انجام این کار، سهامداران مختلف را از سراسر جهان گرد هم می‌آوریم تا در فرآیندهای طراحی مشترک برای بهبود پیش‌بینی طوفان استوایی در مناطق مختلف شرکت کنند.

به عنوان مثال، مرکز ملی خدمات اطلاعات اقیانوس هند اکنون اولین داده های گلایدر اقیانوسی خود را از طوفان موکا جمع آوری کرد. ما با هم، تجربیات و بهترین شیوه‌ها را به اشتراک می‌گذاریم تا برنامه‌های مشاهده‌ای نوظهور بتوانند کارآمدتر عمل کنند.»

حوادث آب و هوایی شدید در حال افزایش است

بسیاری از مناطق در حال حاضر هر ساله با خسارات اقتصادی عظیمی از طوفان های استوایی مواجه می شوند و چنین رویدادهایی با پیشرفت تغییرات آب و هوایی مکرر و شدیدتر می شوند. طراحی مشترک مشاهدات اقیانوسی که این مناطق به منظور بهبود قابلیت پیش‌بینی خود نیاز دارند، یک ضرورت فوری است. 

امسال دمای سطح اقیانوس مشاهده شده رکورد جهانی را شکسته است. دکتر سابرینا اسپیچ، رئیس هیئت مدیره فیزیک و اقلیم رصد اقیانوس می‌گوید: «این تغییرات تأثیر قابل‌توجهی بر الگوهای آب و هوا دارد و به رویدادهای شدید دامن می‌زند. “هدف برنامه GOOS Ocean Observing Co-Design پیشرفت سریع در توانایی ما برای پیش بینی این تغییرات و انطباق با آنها از طریق تقویت همکاری بین کشورها، خدمات عملیاتی، مشاهده اپراتورها و کارشناسان علمی است.”

این برنامه تاکنون در جمع آوری تخصص های لازم موفق بوده است، اما کار زیادی در پیش است. مشاهدات اقیانوس ها هنوز بسیار اندک است و تقریباً به طور کامل از طریق پروژه ها و برنامه های تحقیقاتی تأمین می شود. دکتر اسپیچ می‌گوید علیرغم پیشرفت‌های انجام شده، سیستم مشاهده همچنان شکننده است. 

«جریان ثابت داده‌های اقیانوسی برای ایجاد سیستم‌های هشدار خطر مؤثر و سازگاری طولانی‌مدت با تغییرات آب و هوا و رویدادهای شدید حیاتی است. اما برای اطمینان از آن، ما به مشارکت بیشتر بازیگران، از جمله بخش خصوصی، و همچنین همکاری بین دولت‌ها و بودجه پایدار نیاز داریم.»

در نیمکره جنوبی، شرق آفریقا اخیراً طوفان فردی را داشت – طولانی ترین و شدیدترین طوفان استوایی در تاریخ برای این منطقه. دکتر گلن می‌گوید: «آنها از لحاظ تاریخی این مشکل را نداشته‌اند و تازه شروع به مقابله با آن کرده‌اند. چگونه آنها شروع به آماده شدن برای آن می کنند؟ چگونه می‌توانیم سیستم‌های رصد اقیانوس را برای بهبود این پیش‌بینی‌ها بر اساس نیازهای مناطق مختلف ایجاد کنیم؟»

اینها سوالاتی هستند که دکتر گلن و تیمش قصد دارند از طریق پروژه طوفان گرمسیری کاوش کنند. یافتن پاسخ‌های مناسب در طول این دهه علوم اقیانوسی سازمان ملل برای توسعه پایدار، یک تغییر گام در قابلیت‌های پیش‌بینی ما در سراسر جهان ایجاد می‌کند و در نهایت به ما امکان می‌دهد جان و دارایی بیشتری را در خشکی نجات دهیم.

نقشه نقطه ای چیست؟

نقشه های نقطه ای شکلی از طراحی نقشه هستند که از نقاط برای نشان دادن تراکم یک پدیده خاص در یک منطقه استفاده می کنند.

در حالی که نقاط بیشتر در یک ناحیه معین نشان دهنده مقدار بالاتر است، نقاط کمتر نشان دهنده مقدار یا چگالی کمتر است.

اما درک این نکته مهم است که نقشه های نقطه ای مکان دقیق پدیده ها را نشان نمی دهند . در عوض، این نوع نقشه نقاط را به طور تصادفی در یک منطقه قرار می دهد تا چگالی را نشان دهد

بیایید نگاهی دقیق به نقشه‌های نقطه‌ای (همچنین به عنوان نقشه‌های چگالی نقطه‌ای نیز شناخته می‌شود) و اینکه چگونه می‌توانید از آنها در نمونه کار طراحی نقشه خود استفاده کنید، بیاندازیم.

نسبت های نقشه چگالی نقطه ای

زمانی که نقشه‌برداران در حال ساختن یک نقشه نقطه‌ای هستند، اولین چیزی که باید در نظر بگیرید، رابطه بین نقاط و مساحت است. به طور معمول، دو رویکرد برای نسبت تراکم نقطه بر روی نقشه وجود دارد.

• 1:1 – یک نقطه نشان دهنده یک پدیده واحد است. در این مورد، یک نقطه ممکن است یک فرد را نشان دهد.
• 1:M – یک نقطه نشان دهنده چندین پدیده است. به عنوان مثال، یک نقطه ممکن است نشان دهنده 1000 نفر باشد.

از آنجا که هر نقطه نشان دهنده یک کمیت است، می توانید انتظار داشته باشید که وقتی نقاط بیشتری را می بینید، چگالی نیز افزایش می یابد. اما یکی از کارهای منظمی که می‌توانید انجام دهید این است که رنگ‌ها را روی نقطه‌ها برای نشان دادن دسته‌های مختلف اعمال کنید.

برای مثال، در این نقشه نقطه‌ای تعاملی سرشماری ایالات متحده ، هر رنگ نشان دهنده نژاد یا قومیت متفاوتی است. به علاوه، این یک نوع نقشه نقطه 1:M است زیرا یک نقطه برابر با 12 نفر است

استخراج داده های کمی از نقشه های نقطه ای

اگر تصمیم دارید یک نقشه تراکم نقطه 1:M ایجاد کنید، یافتن مقدار مناسب برای حداقل آستانه بسیار مهم است .

اگر یک نقطه نشان دهنده 100 نفر باشد و 99 نفر باشند، به نظر می رسد که هیچ کس در آنجا زندگی نمی کند (در حالی که واقعاً وجود دارد).

یکی دیگر از معایب استفاده از نقشه های نقطه ای این است که نمی توانید مقادیر واقعی را از آنها استخراج کنید مگر اینکه سعی کنید همه نقاط را بشمارید.

اگرچه ممکن است بتوانید یک تخمین تقریبی بدست آورید، اما به راحتی می توان مقدار کل را در یک منطقه معین بر اساس حداقل آستانه ای که انتخاب می کنید نادرست معرفی کرد.

طراحی نقشه و ملاحظات

اگرچه نقشه‌های نقطه‌ای یک نوع نقشه زیبا هستند ، اما مخاطب اغلب معنای آنها را اشتباه می‌فهمد.

به عنوان مثال، اگر یک نقشه نقطه ای از تعداد فروشگاه ها در یک ایالت ایجاد کنید، برخی از خوانندگان ممکن است فکر کنند که نقاط نشان دهنده مکان واقعی فروشگاه روی نقشه هستند.

اما چیزی که قرار است نشان دهد تراکم یک فروشگاه معین در سراسر مناطق است. و حتی اگر هر نقطه به طور تصادفی پخش شده است، برخی از نقشه خوان ها ممکن است فکر کنند هر نقطه مکان واقعی را نیز نشان می دهد (که نادرست است)

هنگام طراحی نقشه، باید به این فکر کنید که مخاطب چگونه آن را تفسیر می کند . اگر در حال طراحی نقشه نقطه ای هستید، این یک مشکل ذاتی است که می تواند توسط هر خواننده ای به اشتباه درک شود.

نتیجه

نقشه چیزی بیش از یک مجموعه ساده از داده های جغرافیایی است. نقشه ها ابزار قدرتمندی برای انتقال ایده ها و اطلاعات پیچیده به روشی واضح و مختصر هستند.

در مورد نقشه های نقطه ای، نقاط بیشتر به معنای ارزش بالاتر پدیده ها است. در حالی که نقاط کمتر به این معنی است که تراکم کمتری از پدیده ها وجود دارد.

نقطه ها می توانند مقادیر مختلفی را با رابطه 1:1 یا 1:M نشان دهند. اما اگر یک نقشه نقطه 1:M ایجاد می کنید، باید حداقل آستانه را عاقلانه انتخاب کنید و باید بدانید که همیشه نمی توانید مقادیر را با دقت از آن استخراج کنید.

اگرچه نقشه های نقطه ای ایده چگالی را بیان می کنند، برخی از خوانندگان ممکن است مانند شما فکر نکنند. این به این دلیل است که نحوه ترسیم نقاط به طور تصادفی در یک منطقه می تواند بر درک کاربر از آن تأثیر بگذارد.

به طور کلی، طرح های مختلفی برای نقشه ها وجود دارد که هر کدام مزایا و معایب خاص خود را دارند. نقشه های نقطه ای را در کجای لیست قرار می دهید؟

5 تیله آبی

مرمر آبی اصطلاحی است که برای توصیف تصویر سیاره ما شناور در وسعت فضا استفاده می شود .

این خدمه ماموریت آپولو 17 بودند که برای اولین بار در سال 1972 تصویر ماهواره ای نمادین از زمین را گرفتند و آن را “مرمر آبی” نامیدند.

اما از آن زمان، ناسا چندین به روز رسانی را برای این تصویر ماهواره ای از زمین انجام داده است که در مالکیت عمومی در دسترس هستند و برای استفاده مجدد هستند.

در اینجا 5 نسخه از مرمر آبی (آپولو 17 اولین بود). ما همچنین منابعی را فهرست می کنیم که چگونه می توانید تصاویر زمین ناسا را ​​دانلود کنید و این نمای کامل ماهواره ای زمین را دریافت کنید.

مرمر آبی 2002

نسخه 2002 مرمر آبی یک تصویر ماهواره ای با جزئیات 1 کیلومتر بر پیکسل از زمین به رنگ طبیعی است.

در مدت 4 ماه، بر اساس تصاویر جمع‌آوری‌شده از طیف‌سنج تصویربرداری با وضوح متوسط ​​(MODIS) ، روی ماهواره پرچم‌دار Terra است.

تصویر ماهواره‌ای بدون ابر با وضوح کامل از زمین شامل 21600 پیکسل و اندازه آن بیش از نیم گیگابایت است.

این تصاویر به صورت رایگان از طریق وب سایت ناسا Visible Earth در قالب های جغرافیایی یا بدون ساختار در دسترس عموم قرار دارند .

2005 مرمر آبی

انتشار بعدی مرمر آبی توسط ناسا در سال 2005 بود که شامل وضوح فضایی 500 متر بر پیکسل بسیار بهبود یافته بود.

مانند تمام محصولات Blue Marble خود، این کره بدون ابر برای دانلود از طریق وب سایت رصدخانه زمین ناسا در دسترس است .

ناسا تنها وضوح و کیفیت این نقشه ماهواره ای جهان را بهبود نداد .

اما همچنین قابلیت های خود را برای حذف ابرها و بهبود ظاهر بصری تغییرات فصلی افزایش داد.

مرمر آبی 2012

نسخه 2012 مرمر آبی یک تصویر ترکیبی 64 مگاپیکسلی (8000 در 8000) از نیمکره غربی و شرقی است.

این تصویر ماهواره‌ای از زمین شامل داده‌های جمع‌آوری‌شده از ابزار VIIRS (سوئیت رادیومتر تصویرگر مرئی/مادون قرمز) روی ماهواره Suomi NPP است.

مجموعه سنگ مرمر آبی 2012 متعاقباً باعث ایجاد سنگ مرمر سیاه (زمین در شب) شد که نمای شبانه از زمین است.

در حالی که مرمر سیاه 2012 از طریق وب سایت EOSDIS Worldview Earthdata در دسترس است ، در حالی که سنگ مرمر آبی از طریق فلیکر در دسترس است .

بازگشت مرمر آبی (2015)

نسخه 2015 مرمر آبی نمایی متفاوت از نسخه های قبلی دارد. این به این دلیل است که شامل ابرها است و تنها یک عکس است که در 6 ژوئیه 2015 گرفته شده است.

روی رصدخانه آب و هوای فضای عمیق ایالات متحده (DSCOVR) در مکانی منحصر به فرد به نام نقطه لاگرانژ، زمانی که آمریکای شمالی نسبتاً عاری از ابر بود، تصاویری به ارزش یک روز جمع آوری کرد.

DSCOVR این تصویر ماهواره‌ای از زمین را در فاصله یک میلیون مایلی بین خورشید و سیاره ما (اما دورتر از آن ماه) جمع‌آوری کرد تا نمای کاملی از سنگ مرمر آبی که ما آن را زمین می‌نامیم، داشته باشد.

نسخه 2015 مرمر آبی در Hyperwall ناسا موجود است و همچنین در قالب ویدیو یا به صورت بافت نقشه مسطح موجود است.

تورم قیمت نقطه به نقطه اردیبهشت ماه ١٤٠٢ در مقایسه با ماه قبل، ٠,٩ واحد درصد کاهش یافته است.

تورم نقطه به نقطه خانوارهای کشور

منظور از تورم نقطه به نقطه، درصد تغییر عدد شاخص قیمت نسبت به ماه مشابه سال قبل می‌باشد. در اردیبهشت ماه ١٤٠٢ تورم نقطه به نقطه خانوارهای کشور، ٥٤,٦ درصد بوده است؛ یعنی خانوارهای کشور به طور میانگین، ٥٤.٦ درصد بیشتر از اردیبهشت ماه ١٤٠١ برای خرید یک «مجموعه کالاها و خدمات یکسان» هزینه کرده­اند. تورم نقطه به نقطه اردیبهشت ماه ١٤٠٢ در مقایسه با ماه قبل، ٠,٩ واحد درصد کاهش یافته است.

تورم ماهانه خانوارهای کشور

منظور از تورم ماهانه، درصد تغییر عدد شاخص قیمت، نسبت به ماه قبل می‌باشد. در اردیبهشت ماه ١٤٠٢ تورم ماهانه خانوارهای کشور برابر ٢,٨ درصد بوده است. تورم ماهانه برای گروه‌های عمده «خوراکی‌ها، آشامیدنی‌ها و دخانیات»، ٢.٦ درصد و برای گروه عمده «کالاهای غیرخوراکی و خدمات»، ٢.٨ درصد بوده است.

نرخ تورم سالانه خانوارهای کشور

منظور از نرخ تورم سالانه، درصد تغییر میانگین اعداد شاخص قبمت در یک سال منتهی به ماه جاری، نسبت به دوره مشابه قبل از آن می‌باشد. در اردیبهشت ماه ١٤٠٢ نرخ تورم سالانه برای خانوارهای کشور به ٤٩,١ درصدرسیده که نسبت به همین اطلاع در ماه قبل، ١,٥ واحد درصد افزایش یافته است.

برای مشاهده نتایج تفصیلی به فایل پیوست مراجعه نمایید.

تورم و تغییر سال پایه

شاخص قیمت مصرف کننده، میزان تغییرات قیمت کالاها و خدمات مصرفی خانوارها را اندازه گیری می کند.

شاخص قیمت مصرف کننده، میزان تغییرات قیمت کالاها و خدمات مصرفی خانوارها را اندازه گیری می کند. شاخص‌های قیمت جزو آمارهای رسمی می باشند که طبق قانون مرکز آمار ایران، تهیه و انتشار این آمارها از وظایف قانونی این مرکز بوده و در ماده ١٠ قانون احکام دائمی برنامه‌های توسعه نیز بر آن تاکید شده است.

در طول زمان سبد و الگوي كالاها و خدمات مورد مصرف خانوارها تغيير مي‌كند و همچنین نسبت هزينه‌اي كه خانوارها براي هريك از اقلام مصرفي خود در عمل درنظر مي‌گيرند، ممکن است تغییر نماید.

ضرورت تغییر سال پایه: با توجه به تعریف شاخص قبمت که تغییرات قیمت مجموعه ای از کالاها و خدمات نسبت به سال پایه می باشد، سال پایه و نحوه تعیین آن در محاسبات مربوط به شاخص قیمت از اهمیت بالایی برخوردار می باشد.

برای دریافت اطلاعات بیشتر در خصوص شاخص قبمت مصرف کننده، سال پایه و تغییر آن بر روی لینک کلیک نمایید.

لینک منبع

نقشه های ماهواره ای زنده برای دیدن زمین در زمان واقعی

از زمانی که آپولو 17 عکس معروف مرمر آبی از زمین را در سال 1972 گرفت، ما ایده خوبی از ظاهر سیاره خود داشتیم.

اما آیا تا به حال فکر کرده اید که زمین در حال حاضر چگونه به نظر می رسد؟

هدف این مقاله نشان دادن نحوه مشاهده نقشه ماهواره ای زنده از جهان است.

از نماهای ماهواره‌ای تقریباً بی‌درنگ گرفته تا فیدهای زنده، مطمئن شوید که در ارتباط باشید و همه آنها را امتحان کنید.

1. جهان بینی ناسا

نقشه جهانی ناسا یک نقشه ماهواره ای بلادرنگ است که به صورت آنلاین در دسترس است. تصاویر ماهواره ای، پوشش ابری بلادرنگ و بیش از 800 لایه از جهان را نشان می دهد.

از بازتاب تصحیح شده (رنگ واقعی) از Terra/MODIS استفاده می کند که روزانه تازه می شود. اما این پلتفرم قادر است تصاویر را به طور کلی در عرض 60 تا 125 دقیقه پس از رصد ماهواره ای منتشر کند.

با استفاده از رابط نرم افزاری آن، می توانید مناطق مختلف را بزرگنمایی و کوچکنمایی کنید. اما وضوح تصویر 250 متر در هر پیکسل است بنابراین شما نمی توانید جزئیات زیادی را ببینید.

2. USGS EarthNow (FarEarth Observer)

USGS ضبط های Landsat 7 و 8 را از طریق برنامه EarthNow جمع آوری می کند. پس از اینکه ایستگاه زمینی یک انتقال لندست دریافت کرد، فقط چند ثانیه طول می کشد تا آن را در پلت فرم USGS EarthNow آپلود کنید .

شما می توانید انتخاب کنید که تصویر را با رنگ واقعی مشاهده کنید ، که شبیه به نحوه دیدن جهان توسط چشمان ما است. در غیر این صورت، شما همچنین می توانید ترکیب باند تجزیه و تحلیل پوشش گیاهی را برای برجسته کردن فلورسانس کلروفیل انتخاب کنید.

یکی از بهترین چیزها در مورد برنامه این است که چگونه زمین را شبیه به یک ویدیوی پخش زنده اسکن می کند. و فراموش نکنید که اگر می خواهید تصاویر لندست را دانلود کنید ، این راهنمای را که ما به آن لینک می کنیم، بررسی کنید.

3. خوراک ماهواره ای ISS

درست است که ایستگاه فضایی بین‌المللی یک ویدیوی پخش جریانی با کیفیت بالا (HDEV) روی آن نصب شده است. و اگر قبلاً آن را ندیده‌اید، یکی از زیباترین چیزهایی است که می‌توانید در YouTube پیدا کنید.

اگرچه اطلاعات جغرافیایی ارجاع‌شده‌ای را که روی نقشه دریافت می‌کنید، دریافت نمی‌کنید، خوراک ماهواره‌ای ISS یک چشم‌انداز سیاره‌ای بی‌درنگ از 248 مایل (400 کیلومتر) بالای زمین ارائه می‌کند.

و سهم عادلانه اش از هیجان دیده شده است. از شفق قطبی رقصنده بر فراز قطب شمال گرفته تا ابرهای رعد و برق و رعد و برق، برخی چیزها از فضا بهتر به نظر می رسند.

4. زمان واقعی برنامه آب و هوا

برنامه های هواشناسی مانند Ventusky از لایه های ماهواره ای GOES-16، GOES-17 و EUMETSAT استفاده می کنند. نه تنها داده های آب و هوای تقریباً واقعی را دریافت می کنید، بلکه شامل پیش بینی ها نیز می شود.

این پلت فرم نقشه برداری شیک شامل باد، باران و دما در یک نقشه متحرک است . به علاوه، داده‌های مدل‌های پیش‌بینی را برای پیش‌بینی نتایج آب و هوا در سراسر جهان ترکیب می‌کند.

اگر به دنبال جایگزینی برای Ventusky هستید، فراموش نکنید که Earth Null School را که دارای قابلیت های مشابه است، بررسی کنید. ابررایانه‌ها پیش‌بینی آب‌وهوای مدرسه Earth Null را با به‌روزرسانی هر ۳ ساعت یک‌بار نیرو می‌دهند.

5. سیاره نما

اول، PlanetScope رایگان نیست. اما این واضح ترین تصویری از زمین است که می توانیم هر روز به دست آوریم. به همین دلیل است که شعار آن این است: “تمام زمین، هر روز” .

به لطف مجموعه سبک وزن و کم‌هزینه بیش از 200 نانوماهواره یا CubeSats ، هر محموله کوچک فرصت‌های بزرگی را برای دنیای تصویربرداری ماهواره‌ای به ارمغان می‌آورد.

Planet می‌تواند همه آن‌ها را در پلتفرم تصویری مبتنی بر ابر خود، PlanetScope قرار دهد . به این ترتیب، هر روز تصاویری از زمین را با سرعت 3 متر بر پیکسل ارائه می‌کند که در تصاویر ماهواره‌ای بی‌رقیب است.

نقشه های ماهواره ای زنده

اگرچه چندین گزینه برای نقشه ماهواره ای زنده دنیا وجود دارد، اما هر کدام مزایا و معایب خود را دارند.

اگر به دنبال یک فید زنده هستید، فید ISS گزینه مناسبی است.

اما اگر می‌خواهید جدیدترین تصاویر جغرافیایی مرجع را داشته باشید، Worldview ناسا و USGS EarthNow برای شما عالی هستند.

در غیر این صورت، واضح‌ترین و نزدیک‌ترین نمای ماهواره‌ای در زمان واقعی، Planetscope با سرعت ۳ متر بر پیکسل و هر روز تصویر جدیدی از زمین خواهد بود.

اين گزارش توسط خانم محدثه رضایی و آقای علی عرفاتی، كارشناسان گروه اجتماعی خانوار دفتر جمعیت، نیروی کار و اقتصاد خانوار و كسب نظرات مشورتي همكاران گروه اقتصادي این دفتر تهيه شده است.

مطالعه و بررسی تغییرات الگوی مصرف خانوا رها برای ارزیابی آثار سیاستهای اجرا شده توسط دولت ها، همواره مورد توجه برنامه ­ریزان و پژوهشگران می باشد. در این تحقیق برای بررسی تغییرات الگوی مصرف خانوارها از نتایج طرح هزینه و درآمد خا نوارهای شهری و روستایی استفاده شده است.

یکی از پدیده‌­های سال‌های اخیر شیوع بیماری کووید ١٩ بود. پیامدهای همه‌گیری این بیماری همچون یک بحران، همه­ی جنبه‌­های زندگی انسان اعم از فردی، اجتماعی اقتصادی، بهداشتی، سیاسی و… را تحت تاثیر قرار داد. دولت ها در مواجهه با این بحران، کنترل و جلوگیری از پیامدهای آن، سیاست­هایی را در پیش گرفتند. این بیماری الگوی مصرف و سطح درامد خانوار را تحت تأثیر قرار داد. در کشور ما علاوه بر بیماری کووید ١٩، تورم ناشی از افزایش قیمت ارز بیش از کووید ١٩ بر اقتصاد کشور تأثیر گذار بوده است. این افزایش تأثیر سه برابری در هزینه‌های خا نوار را در پی‌داشته است. هدف از تهیه این گزارش بررسی تغییرات هزینه‌های غیر خوراکی خانوار در سال‌های١٤٠٠-١٣٩٥ می‌باشد…

برای مشاهده متن کامل به فایل پیوست مراجعه کنید.

Pansharpening چیست؟

هدف از Pansharpening در سنجش از دور دستیابی به بالاترین سطح وضوح بصری و جزئیات از یک تصویر است.

با ترکیب رزولوشن فضایی بالای تصاویر باند پانکروماتیک و طیف وسیع طیفی تصاویر چند طیفی (رنگی)، شفاف‌سازی تصویر رنگی نهایی با کیفیت واضح‌تر تولید می‌کند.

این راهنمای پان تیز کردن در سنجش از دور، مزایا و معایب پان تیز کردن و چند نکته برای موفقیت را پوشش می‌دهد. همچنین مروری بر نرم افزار مورد نیاز شما ارائه می دهد و در مورد کاربردهای pansharpening در تحقیقات و صنعت بحث می کند.

نمای کلی Pansharpening

نوار پانکروماتیک (سیاه و سفید) تصاویری با وضوح فضایی بالا و وضوح طیفی پایین است. در حالی که تصاویر چند طیفی (رنگی) تصاویری با وضوح فضایی پایین و وضوح طیفی بالا هستند .

با ترکیب این دو تصویر، می توانید یک تصویر نهایی ایجاد کنید که هم وضوح فضایی و هم وضوح طیفی بالایی داشته باشد و امکان نمایش دقیق تری از سطح زمین را فراهم می کند.

فرآیند pansharpening شامل اعمال یک الگوریتم ریاضی است به طوری که سلول های تصویر پانکروماتیک می توانند اطلاعات تفکیک مکانی را در سلول های تصویر چند طیفی افزایش دهند.

نتیجه پانشارپنینگ تصویری است که وضوح تصویر پانکروماتیک بالایی دارد. اما همچنان حاوی اطلاعات رنگی تصویر چند طیفی است. این کار شناسایی اشیاء در یک صحنه را آسان‌تر می‌کند، زیرا ویژگی‌ها هم راحت‌تر دیده می‌شوند و هم اطلاعات رنگی مرتبط با آنها وجود دارد.

مزایا و معایب Pansharpening

در اینجا برخی از مزایای اصلی پان تیز کردن آورده شده است:

1. افزایش جزئیات : با ترکیب وضوح فضایی بالای تصاویر PAN با اطلاعات طیفی تصاویر MS، pansharpening یک خروجی با وضوح طیفی و فضایی بالا تولید می کند. این اجازه می دهد تا تجزیه و تحلیل دقیق تری نسبت به هر نوع تصویری که به تنهایی ارائه دهد، ارائه دهد.

2. تجسم بهبود یافته : با افزایش جزئیات تصویر شفاف شده، کاربران می توانند به راحتی اشیا و ویژگی های داخل تصویر را شناسایی کنند. این می تواند برای کارهایی مانند نقشه برداری مفید باشد، جایی که تشخیص تک تک اشیاء در تصویر مهم است.

3. طبقه‌بندی آسان‌تر : جزئیات بیشتر و اطلاعات رنگی تصویر شفاف‌شده، امکان شناسایی دقیق‌تر اشیاء و ویژگی‌های درون تصویر را فراهم می‌کند و تخصیص آنها به کلاس‌های خاص را آسان‌تر می‌کند.

4. مقادیر طیفی ناسازگار : یکی از معایب pansharpening این است که حفظ یکپارچگی طیفی داده ها دشوار است. به عنوان مثال، معمولاً انجام آنالیز NDVI بر روی یک تصویر pansharpened پس از پردازش توصیه نمی شود.

تصویرسازی برای Pansharpening

تا زمانی که یک نوار پانکروماتیک وجود دارد، می توان پانکروماتیک را انجام داد. بنابراین اگر می‌خواهید از پان‌شارپنینگ استفاده کنید، باید بدانید کدام تصویر ماهواره‌ای حاوی نوار پانکروماتیک است. در اینجا چند نمونه از داده های سنجش از راه دور با باند پانکروماتیک آورده شده است:

Landsat-8 – ماموریت Landsat طولانی ترین آرشیو تصاویر ماهواره ای از سیاره ما است. داده ها 100٪ رایگان است و در USGS Earth Explorer موجود است . برای Landsat-8، نوار پانکروماتیک 8 با وضوح فضایی 15 متر. این اندازه پیکسل نصف نوارهای قرمز، سبز و آبی قابل مشاهده است که 30 متر هستند. برای اطلاعات بیشتر، در اینجا خلاصه ای از ترکیبات باند لندست آورده شده است .

Worldview-2 – Worldview-2 شامل 9 باند طیفی است. باندهای آئروسل ساحلی، آبی، سبز، زرد، قرمز، لبه قرمز و NIR دارای وضوح 1.85 متر هستند. نوار پانکروماتیک 0.45 متری این فرصت را فراهم می کند تا تصاویر را از طریق شفاف سازی با تصاویر Worldview واضح تر کنید .

SPOT-7 – اگرچه SPOT-7 فقط شامل 5 باند طیفی است، یکی از آنها نوار پانکروماتیک با GSD 1.5 متر است. 4 باند دیگر شامل آبی، سبز، قرمز و نزدیک به مادون قرمز در اندازه پیکسل 6 متر است.

نرم افزار Pansharpening

روش‌های مختلف و نرم‌افزار GIS برای تیز کردن وجود دارد. برخی از بسته های نرم افزاری طراحی شده برای پان تیز کردن عبارتند از:

ArcGIS Pro – هنگامی که تصاویر صحیح را داشتید، می توانید هر دو را به پروژه ArcGIS Pro خود اضافه کنید و سپس از ابزار Pansharpening پنجره تحلیل تصویر برای ترکیب آنها استفاده کنید. ابزار Pansharpening در ArcGIS Pro به شما امکان می دهد نوع الگوریتمی را که می خواهید برای ترکیب تصاویر استفاده کنید، مانند Brovey، Simple Mean یا IHS انتخاب کنید.

QGIS 3 – اگر از QGIS 3 استفاده می‌کنید ، pansharpening در جعبه ابزار پیش‌فرض موجود است. ابتدا می‌توانید از ابزار pansharpening از جعبه ابزار GRASS استفاده کنید، که گزینه‌ای برای Brovey، IHS و PCA در اختیار شما قرار می‌دهد. یا می توانید از ابزار pansharpening در جعبه ابزار GDAL استفاده کنید. اگرچه گزینه های زیادی با پانشارپنینگ GDAL دریافت نمی کنید، می توانید عمق بیت و روش نمونه برداری مجدد را تنظیم کنید.

ERDAS Imagine – ERDAS Imagine یک بسته نرم افزاری قدرتمند سنجش از دور و تجزیه و تحلیل تصویر است که توسط Hexagon Geospatial توسعه یافته است. Pansharpening بخشی از مجموعه اصلی ابزارهای شطرنجی ERDAS Imagine است. اگر می خواهید pansharpening را انجام دهید، ابزار “Pansharpening” را در برگه “Raster” پیدا کنید. از اینجا به بعد، باید از طریق ویزارد بروید و ورودی ها و خروجی های خود را تنظیم کنید.

کاربردها در تحقیق و صنعت

Pansharpening معمولاً در تحقیقات سنجش از دور و کاربردهای تجاری استفاده می شود که در آن تصاویر با وضوح بالا ضروری است. از آنجایی که وضوح بالا است، معمولاً آن را در برنامه‌های نقشه وب مانند Google Earth یا Apple Maps پیدا می‌کنید .

علوم زیست محیطی: در علوم محیطی، تصاویر شفاف می تواند به نظارت بر تغییرات پوشش زمین، ارزیابی منابع آب و شناسایی انواع پوشش گیاهی کمک کند.

برنامه ریزی شهری: در برنامه ریزی شهری، تصاویر شفاف برای مکان یابی ساختمان ها، جاده ها و سایر زیرساخت ها و همچنین برای ترسیم مراکز جمعیتی و روندهای توسعه استفاده می شود.

کشاورزی: ​​در کشاورزی، تصاویر تیز شده می توانند رشد و سلامت محصول و سایر نیازهای کشاورزی را کنترل کنند. 

نظامی و شناسایی: تصاویر Pansharpened همچنین در ارتش برای شناسایی و نظارت و همچنین برای نقشه برداری از زمین و شناسایی هدف استفاده می شود.

تجاری : در نهایت، تصاویر شفاف شده نیز به طور فزاینده ای در زمینه تجزیه و تحلیل جغرافیایی استفاده می شود. شرکت ها از این نوع تصاویر برای درک بهتر مشتریان خود، شناسایی فرصت های جدید بازار و کسب بینش عمیق تر در مورد عملیات تجاری خود استفاده می کنند.

خلاصه و نتیجه گیری

تصاویر Pansharpened نوعی از تصاویر ماهواره ای است که تصاویر پانکروماتیک (سیاه و سفید) و چند طیفی (رنگی) را برای ایجاد تصویری با وضوح بالاتر و جزئیات بیشتر ترکیب می کند.

ما از این نوع تصاویر در کاربردهای مختلفی از علوم محیطی گرفته تا برنامه ریزی شهری و کشاورزی استفاده می کنیم.

می‌توانید در نرم‌افزارهایی مانند ArcGIS Pro، QGIS 3، ERDAS Imagine و سایر نرم‌افزارهای GIS از Pansharpenاستفاده کنید.