لندست 7

از کار افتادگی تصحیح‌کننده خط اسکن (SLC) در ماهواره لندست 7، نقائص ونبود داده‌هایی را در برخی از نواحی تصویر موجب شده است. روش‌های مختلفی برای جایگزینی این داده‌های مفقود شده پیشنهاد شده است که بسته به نوع کاربری تصاویر، از درجه‌های مختلف اعتبار برخوردار است. این روش‌ها که اغلب روش‌های ریاضی هستند، برای برخی از کاربری‌ها اعتبار چندانی ندارند. از آن جمله می‌توان بر‌آورد تبخیر و تعرق (ET) در مناطقی با پوشش‌های گیاهی نه چندان وسیع با استفاده از مدل سبال و تصاویر ماهواره‌ای نام برد. روشی که اینجا ارائه می‌شود، از داده‌های سنجنده LISS-III برای جایگزینی داده‌های مفقود شده شاخص‌های گیاهی همچون NDVI (به علت از کارافتادگی SLC) استفاده کرده است. در این روش برای مقایسه صحیح مکانی بین داده‌های دو سنجنده، استفاده از پیکسل‌هایی غیر واقعی با ابعاد یک متر در یک متر استفاده شده است. این کار می‌تواند برای یک بار و در منطقه‌ای از تصویر به صورت نمونه انجام شده و پس از تهیه الگوریتم جایگزینی در سایر نواحی تصویر نیز به‌کارگرفته شود.

در طبقه بندی تصاویر با قدرت تفکیک مکانی متوسط، مانند لندست، تمایز اراضی کشاورزی بدون پوشش گیاهی از زمین های بایر و همچنین، شناسایی زمین های بایر از مناطق ساخته شده معمولاً دشوار و همراه با خطاست. به همین علت در این مطالعه، ترکیب های متفاوتی از ویژگی های ورودی، به روش های طبقه بندی، به منظور بررسی امکان ارتقای دقت طبقه بندی مقایسه شد. داده های ورودی شامل باندهای طیفی تصویر لندست-7، ویژگی های بافتی شامل ماتریس وقوع هم زمان گام های خاکستری و شاخص های حرارتی و مکانی پیشنهادی در این تحقیق است. در بررسی حاضر، به منظور طبقه بندی سناریوهای متفاوت، از سه روش طبقه بندی شامل بیشترین میزان شباهت، شبکة عصبی و ماشین بردار پشتیبان با هسته های متفاوت استفاده شد. نتایج نشان داد که ادغام تمامی داده های ورودی و استفاده از روش ماشین بردار پشتیبان با هستة پایة شعاعی، با صحت کلی 81/۹۸% و ضریب کاپا 25/98%، ممکن است نتایجی بهتر از دیگر روش ها و سناریوها داشته باشد. همچنین، در تحلیل اهمیت متغیرهای ورودی، با استفاده از روش انتخاب ویژگی برپایة جنگل تصادفی، مشخص شد که شاخص های پیشنهادی در این مطالعه نقش مهمی در طبقه بندی با صحت بالا و کارآمد داشته اند.

در پی افزایش جمعیت و رشد شهرنشینی در دهه های اخیر، چشم انداز های طبیعی در حال تبدیل شدن به چشم انداز های انسانی و فضای باز شهری به مناطق ساخته شده تبدیل شده است. هدف از این پژوهش، تغییرات صورت گرفته در ساخت و سازهای شهری و افزایش بی رویه ساختمان ها و ارتباط آنها با دمای سطح زمین با استفاده از ماهواره لندست از سال 2005 تا 2020 برای شهر جدید سهند می باشد. پژوهش حاضر از نظر هدف کاربردی و از نظر روش توصیفی _تحلیلی می باشد و از Global Human Settlement , Built-Up (GHSL) لایه های مربوط به تصاویر لندست سنجنده OLI/TIRS در سامانه گوگل ارث انجین استفاده شده است. بهترین نتایج جهت شاخص عوارض Built-up با میزان دقت ۹۷/٪۷۹ به دست آمد که به عنوان بهترین روش برای استخراج پدیده های ساخت و ساز در نظر گرفته شد. در حالی که در سال 2010 میزان ۳۲/٪۴۵ را نشان می دهد و کمترین میزان روند توسعه ساخت و سازها نیز مربوط به سال 2005 می باشد که ۹۸/٪۱۶ را نشان داده است. بیشترین میزان میانگین دمایی هوا برای تصویر LST سال 2010 تا 2020 عدد بیشتر از ۱۶ درجه را نشان می دهد در این سال بیشترین میزان دمای هوای سطح زمین بر مناطق حاشیه ای، و ساختمان های ساخته شده و قسمت های شمال غربی شهر جدید سهند منطبق بوده است.