ارزیابی الگوریتم های ریزمقیاس نمایی مکانی زمانی داده های مادیس به داده های سنتینل 2 در کلاس های متفاوت پوشش زمین (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
داده های سنجش از دوری، با قدرت تفکیک مکانی بالا، اغلب دارای قدرت تفکیک زمانی و طیفی پایین و داده های با قدرت تفکیک مکانی پایین دارای قدرت تفکیک طیفی و زمانی بالا هستند. باوجوداین ، درحال حاضر، سنجنده های ماهواره ای به تنهایی نمی توانند داده هایی با قدرت تفکیک زمانی و قدرت تفکیک مکانی بالا را هم زمان ارائه کنند. این درحالی است که در برخی کاربردها دسترسی هم زمان به داده هایی با قدرت تفکیک مکانی و زمانی بالا ضروری است؛ ازاین رو در این مطالعه، با هدف دستیابی به داده های دارای قدرت تفکیک مکانی و زمانی بالا، تصاویر مادیس در کلاس های کاربری شهری، باغ، مرتع، کشاورزی و آب ازطریق الگوریتم های STARFM ، ESTARFM وFSDAF به قدرت تفکیک مکانی سنتینل 2، ریز مقیاس شد. منطقه مطالعاتی با تنوع پوشش های زمین گوناگون در اطراف شهر مهاباد انتخاب شد. در این مطالعه، باندهای مرئی و مادون قرمز نزدیک در سنتینل 2 و مادیس انتخاب و پیش پردازش های لازم، ازجمله تصحیح هندسی، روی آنها انجام شد. سپس با استفاده از الگوریتم های ریزمقیاس نمایی، تصاویر مادیس به تصاویر سنتینل 2 ریزمقیاس شد. نتایج نشان دهنده صحت بالای کلاس های شهری، باغ و مرتع در قیاس با کلاس های کشاورزی و آب است؛ به گونه ای که الگوریتم های ESTARFM، FSDAF و STARFM به صورت میانگین در همه باندها، به ترتیب برای کلاس شهری، ضریب تعیین 25/88، 25/87 و 5/86، درمورد کلاس باغ ضریب تعیین 75/83، 25/83 و 5/80 و درمورد کلاس مرتع، ضریب تعیین 75/90، 5/70 و 5/87 را نشان دادند. درمجموع، الگوریتم ESTARFM در مقایسه با دیگر الگوریتم ها در این تحقیق، نتیجه ای بهتر دربرداشت.Evaluation of Spatio-Temporal Downscaling Algorithms of MODIS Data to Sentinel- 2 Data in Different Land Cover Classes
Normally, images with a high resolution (temporal or spatial) are available, while there is a limitation in accessing images which are simultaneously high spatial and temporal resolution. While, in some applications, access to images with high spatial and temporal resolution is necessary. Therefore, this study was conducted to downscaling MODIS images to Sentinel- 2 spatial resolution by STARFM, ESTARFM and FSDAF spatio-temporal downscaling algorithms in different land cover classes including urban, garden, pasture, agricultural and water classes. The study area was selected with a variety of land covers around the city of Mahabad, Iran. First, the corresponding visible and near-infrared bands in Sentinel- 2 and MODIS were selected and necessary pre-processes such as geometric correction were done on these images. Then, Sentinel- 2 images were simulated using downscaling algorithms. The results indicated the accuracy of downscaling in the urban, garden and pasture classes compared to the agricultural and water classes. So that the ESTARFM, FSDAF and STARFM algorithms averagely showed the coefficient of determination of 88.25, 87.25 and 86.5 for the urban class, the coefficient of determination of 83.75, 83.25 and 80.5 for the garden class and the coefficient of determination of 90.75, 70.5 and 87.5 for the pasture class in all bands
تبلیغات
