با پیشرفت سنجنده های سنجش از دور طیفی با توانتفکیک طیفی بالا، تصاویر ابرطیفی ماهواره ای بطور وسیع به منظور نظارت بر سطح زمین به خدمت گرفته شده اند. بزرگی ابعاد این تصاویر نه تنها باعث افزایش پیچیدگی محاسبات گردیده بلکه باعث کاهش دقت طبقه بندی تصویر نیز شده است. کاهش ابعاد یکی از اصلی ترین روش ها در تصاویر ابرطیفی برای بهبود دقت طبقه بندی است. معمول ترین روش در کاهش ابعد انتخاب عارضه می باشد. بطور ایده آل کاهش نمایندگان یک مجموعه به کاهش ابعاد ذاتی آن مرتبط می شود. روشهای مختلفی برای برآورد بعد ذاتی و نیز کاهش ابعاد در تصاویر ابرطیفی در منابع وجود دارد. در این مقاله به شرح و مقایسه پنج تکنیک برآورد بعد ذاتی پرداخته و کارایی این تکنیک ها را به منظور طبقه بندی با نظارت تصاویر ابرطیفی بررسی و بحث کرده است. این تکنیکها شامل برآوردکننده مقدار ویژه (EV)، برآوردکننده بیشترین شباهت (ML)، برآوردکننده بعد همبسته (CD)، برآوردکننده عدد بسته بندی (PN) و کمترین گشترش درخت ژئودزیک (GMST) می باشد. روش طبقه بندی کننده نزدیکترین همسایگی (K-NN) به منظور طبقه بندی بانظارت مورد استفاده قرار گرفته است. تعداد زیادی از فواصل متریک در این طبقه بندی کننده مورد استفاده و مقایسه قرار گرفته است. پرکاربردترین روش های کاهش ابعاد مانند تحلیل مولفه اصلی (PCA) و تحلیل مولفه مستقل (ICA) در خروجی روش های برآورده گر بکار گرفته شده است. این تحقیق نگاهی مقایسه ای و مروری بر روش های برآورده گر داشته و نیز عارضه های باندی استخراج شده را به منظور طبقه بندی مورد استفاده قرار داده است.

از جمله مهم ترین ارکان استقلال در برنامه های فضایی هر کشور، داشتن توانایی ردیابی و تعیین مدار ماهواره ها است. یکی از روش های آگاهی از موقعیت دقیق ماهواره ها در یک چارچوب مرجع مشخص در ژئودزی ماهواره ای روش کینماتیک است. در این روش، مدار ماهواره به طور مستقیم از روی مشاهدات ایستگاه های ردیابی تعیین می شود. در این راستا روش ردیابی ماهواره با استفاده از سیستم های اپتیکی در صورت برقراری شرایط ایده آل، دقتی بیشتر از سایر روش های مشاهداتی مبتنی بر فاصله را دارد. در این روش می توان با استفاده از یک CCD و تلسکوپ مناسب، اطلاعات مربوط به ستاره ها و رد پای ماهواره را ثبت کرد. در این تحقیق روشی اتوماتیک جهت استخراج مدل اثر رد ماهواره ارائه شده است. در این فرایند ابتدا با استفاده از معادله نفوذ، نویز تصویری حذف و سپس ستاره های موجود در عکس شناسایی و حذف شده، در مرحله بعد با استفاده از الگوریتم خوشه بندی DBSCAN پیکسل های مربوط به رد ماهواره تشخیص داده شد، نهایتا با استفاده از الگوریتم MSAC مدل مناسب برای رد پای ماهواره برآورد شد.

پلوم، توده آبی است که دارای شوری کمتری نسبت به آب دریا می باشد و نیز دارای رسوبات معلق بیشتری نسبت به آب های اطرافش است. با توجه به رشد جمعیت انسانی و صنعتی شدن، فشار بر روی مناطق ساحلی در حال افزایش است. در نتیجه، بررسی کیفیت آب حائز اهمیت می شود، که سنجش از دور در این زمینه نقش مهمی را عهده دار است. در این مطالعه، به منظور آشکارسازی پلوم رودخانه اروند از تصاویر ماهواره 8 Landsat در اکتبر سال 2016استفاده شد. برای این آشکارسازی، ابتدا تصحیحات رادیومتریکی بر روی تصاویر انجام گرفت، رادیانس باند4 و رادیانس باند2 جهت شناسایی انتخاب شدند و بعد دو شاخص NDWI و نسبت شوری (به عنوان عامل فیلتر) محاسبه شدند. سپس با استفاده از نقشه پراکندگی آستانه های مورد نظر برای پلوم به دست آمدند و نهایتا با ترکیب این 4 شاخص و استفاده از درخت تصمیم گیری (در محیط نرم افزار ENVI) آشکارسازی پلوم انجام گرفت. برای صحت سنجی پلوم آشکارسازی شده، از تصاویر ماهواره سنتینل-2 که در باندهای آبی، سبز، قرمز و مادون قرمز نزدیک دارای قدرت تفکیک مکانی ده متر است، در همان زمان استفاده شد، که نتایج دو ماهواره با هم مطابقت داشتند. به علاوه برای تعیین هسته پلوم و آب های ساحلی، از شاخص NSMI استفاده شد. بر اساس این شاخص (NSMI)، هسته پلوم (قسمتی که بالاترین غلظت مواد معلق را دارد) در مجاورت دهانه رودخانه اروند واقع شده است و با دور شدن از دهانه اروند، غلظت مواد معلق کاهش پیدا می کند.