مهدی مومنی شهرکی

سری های زمانی شاخص های گیاهی سنجش از دور امکان بازیابی فنولوژی گیاهان را در سطح زمین فراهم کرده است. ابرها، رطوبت، و هواویزها باعث ایجاد نوفه در سیگنال های دریافتی سنجنده های ماهواره ای می شوند و در نتیجه کیفیت سری های زمانی کاهش می یابد. برای رفع این مشکل و بازسازی سری های زمانی، چندین تابع هموارسازی داده ها برای حذف نوفه استفاده می شود که، به دلیل اختلاف نظر درمورد عملکرد آن ها، مقایسه بین آن ها لازم است. اهداف این تحقیق ارزیابی عملکرد توابع مختلف هموارسازی در نرم افزار TIMESAT و تأثیرات آن ها در بازسازی سری های زمانی و برآورد پارامترهای فنولوژیکی آغاز فصل رشد (SOS) و پایان فصل رشد (EOS) با استفاده از داده های نمایه Greenness (سبزینگی) ماهواره لندست 8 است. پالایشگر ساویتزکی- گولی (S-G)، تابع نامتقارن گوسی (AG)، و لجستیک دوگانه (DL) برای برازش داده های Greenness   استفاده شد و عملکرد آن ها با استفاده از اندازه گیری خطای مجذور میانگین مربع (RMSE) و ضریب همبستگی پیرسون (r) ارزیابی شد. نتایج نشان داد که روش هموارسازی S-G در بازسازی سری های زمانی از دقت بیشتری (935/0 = r) برخوردار است. در برآورد پارامترهای فنولوژی، تابع هموارساز DL در برآورد آغاز فصل و تابع هموارساز AG در برآورد پایان فصل به ترتیب با 8 و 14 روز اختلاف با داده های مشاهداتی بهترین عملکرد را داشتند. این مطالعه نشان داد که روش های هموارسازی نرم افزار TIMESAT عملکرد مناسبی دارند

سری های زمانی شاخص های گیاهی سنجش از دورامکان بازیابی فنولوژی گیاهان را در سطح زمین فراهم کرده است، اما این سری زمانی توسط ابرها و رطوبت و هواویزها تحت تأثیر قرارمی گیرند و باعث ایجاد نوفه در سیگنال های دریافتی سنسورهای ماهواره ای می شوند. برای بر طرف کردن این مشکل، چندین تابع هموارسازی داده ها برای حذف نوفه استفاده می شود که به دلیل اختلاف نظر در مورد عملکرد آنها، مقایسه بین آن ها لازم است. پارامترهای فنولوژیکی مشتق شده از ماهواره به طور خاص اطلاعاتی در مورد فنولوژی یک گیاه، گونه ها یا فازهای آن (به عنوان مثال، باز شدن جوانه، ظهور برگ، باز شدن برگ و گلدهی) ارائه نمی دهند. شاخص های گیاهی سنجش از دور معمولاً قادر به تخمین چند پارامتر فنولوژیکی مانند شروع فصل SOS، پایان فصل EOS هستند. هدف این پژوهش، ارزیابی سه روش هموارسازی سری های زمانی، با استفاده از معیارهای آماری، داده های درجا و پارامترهای فنولوژی استخراج شده از شاخص تفاضل نرمال شده پوشش گیاهی NDVI حاصل از تصاویر ماهواره لندست 8، از مزرعه کلزا واقع در منطقه فرخ شهر استان چهارمحال و بختیاری، است. روش های هموارسازی توسط بسته نرم افزاری TIMESAT استفاده شد که شامل روش های ساویتزکی- گولی S-G، تابع نامتقارن گاوسی AG و تابع لجستیکی دوگانه DL است. نتایج نشان داد که در صورت استفاده ی بهینه از پارامترهای هموارسازی، روش هموارسازی S-G در بازسازی سری های زمانی از دقت بیشتری 0/98=r نسبت به سایر روش ها برخوردار است. همچنین، نتایج نشان داد که معیار آماری ضریب همبستگی پیرسون در مقایسه با مجذور میانگین مربعات خطا شاخص قوی تر برای بازسازی سری های زمانی است. در برآورد پارامترهای فنولوژی نیز، تابع هموارساز DL با اختلاف برآورد یک روز برای آغاز فصل SOS و 9 روز برای پایان فصل EOS کمترین میزان خطا را با داده های فنولوژی مشاهداتی داشت.