تصویر لندست-مانند

سری های زمانی داده های سنجش از دوری نقش مهمی در مدلسازی و پایش تغییرات عوارض و پدیده های سطح زمین در گذر زمان دارند. با این وجود، در حالی که سری زمانی تصاویر سنجنده های با قدرت تفکیک مکانی پایین (بیش از ۱۰۰ متر از قبیل مادیس) در دسترس می باشند امکان تهیه سری زمانی منظم از داده های ماهواره های اپتیک با قدرت تفکیک مکانی مناسب (بهتر از 30 متر از جمله لندست) با توجه به پیکربندی مداری ماهواره ها و همچنین ابرناکی، بخصوص در مناطق مرطوب و مرتفع، چالشی اساسی در استفاده از این داده ها می باشد. یکی از روش های مرسوم برای برطرف ساختن این چالش، تولید تصاویر لندست-مانند با استفاده از ریزمقیاس نمایی تصاویر مادیس با استفاده از مدلهایی نظیر، مدل ESTARFM است. این تحقیق به ارزیابی کمی مدل ESTARFM به منظور ریزمقیاس نمایی تصاویر مادیس جهت تولید تصاویر لندست-مانند در مناطق غیرهمگن با استفاده از سه روش بازنمونه گیری تصویر، پوشش های زمینی مختلف و اختلاف زمانی بین تصاویر ورودی و شبیه سازی شده پرداخته است. نتایج نشان داد که استفاده از مدل با روش بازنمونه گیری خطی دوسویه با اختلاف جزیی عملکرد بهتری نسبت به سایر روش های بازنمونه گیری دارد. همچنین مدل ESTARFM قادر به تولید تصاویر لندست-مانند با RMSE بهتر از ۰.۰۲ بازتابندگی سطحی و ضریب تعیین بالاتر از ۹۰ درصد در پوشش های مختلف زمینی می باشد. علاوه بر این، با افزایش اختلاف زمانی بین تصاویر ورودی و تصویر شبیه سازی شده دقت مدل به صورت معنی داری کاهش پیدا می کند.