كاربرد سنجش از دور صوتي در كلاس‌بندي رسوبات دريايي: فرصت‌ها و چالش‌ها

Application of acoustic remote sensing in seafloor sediment classification: opportunities and challenges

سنجش از دور صوتي به يكي از متداول‌ترين روش‌ها جهت كلاس‌بندي بستر درياها و رودخانه‌ها تبديل شده است. اين روش علاوه بر اينكه هزينه‌ي كمتري در مقايسه با روش مرسوم نمونه‌برداري از بستر دريا دارد مي‌تواند اطلاعات پيوسته‌اي از تمام بستر دريا فراهم‌سازد. استفاده از سيگنال‌هاي اكوساندرهاي تك و چند پرتويي به‌عنوان يك روش كارا جهت كلاس‌بندي رسوبات دريايي و رودخانه‌اي مورد ارزيابي قرار مي‌گيرد. در اين روش عموماً شدت و شكل سيگنال‌هاي صوتي برگشتي به‌عنوان پارامترهاي تعيين كننده مورد استفاده قرار مي‌گيرند. پتانسيل بالاي استفاده از اين روش يك روش ارزان‌تر را ارايه خواهد داد. از آن‌جا كه اطلاعات برداشت شده توسط اكوساندرها نويز بالايي دارد، با استفاده از روش‌هاي آماري و ابزارهاي رياضي نحوه برخورد با اين نوع اطلاعات مورد بررسي قرار مي‌گيرد. به‌عنوان نمونه روش كمترين مربعات با قيود نا منفي و كراندار جهت برآورد پارامتر‌هاي توابع توزيع در سيستم‌هاي چند پرتويي و روش آناليز مولفه‌هاي اصلي در سيستم‌هاي تك پرتويي قابل استفاده است. نمونه‌هايي از اطلاعات برداشت شده توسط اكوساندرهاي تك و چند پرتويي پردازش مي‌گردد و نتايج كلاس‌بندي حاصله ارايه خواهد گرديد. فرصت‌ها و چالش‌هاي روش‌هاي استفاده شده مورد ارزيابي قرار مي‌گيرد.

Acoustic remote sensing is a commonly used method for seafloor and riverbed sediment classification. In comparison with the conventional method of grab sampling, this method not only is of limited cost but also provides a complete overview of the bottom composition for the entire surveyed area. The use of single- and multi-beam echo-sounders data as an efficient way for seafloor and riverbed sediment classification is studied. The intensity and the shape of the received signals can provide useful information, which indicate the high potential capability of this limited-cost method. Because the received signals are subject to high statistical noise, a few mathematical and statistical tools are to be used to properly encounter this issue. The method of least-squares subject to non-negative and bounded constraints can be used for classification of multi-beam echo-sounder (MBES) data, while the principal component analysis is useful for single-beam echo-sounder (SBES) data. Two data sets on SBES and MBES will be used to illustrate the high potential capability of the proposed method for seafloor classification. The opportunities and challenges of these methods will be discussed.