معرفی روشی جدید به منظور تلفیق مکانی  زمانی محصولات دمای سطح زمین سنجنده های ASTER و مادیس برمبنای تبدیل موجک دوبعدی ایستا

علیرضا بذرگر بجستانی; مرتضی طیبی

معرفی روشی جدید به منظور تلفیق مکانی زمانی محصولات دمای سطح زمین سنجنده های ASTER و مادیس برمبنای تبدیل موجک دوبعدی ایستا

Publish place: Remote Sensing and Iran GIS، Vol: 12، Issue: 4

Publish Year: 1399

نوع سند: مقاله ژورنالی

زبان: Persian

This Paper With 22 Page And PDF Format Ready To Download

دریافت فایل کامل Paper

Certificate
من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

https://civilica.com/doc/1269297

شناسه ملی سند علمی:

JR_GIS-12-4_006

تاریخ نمایه سازی: 24 شهریور 1400

Abstract:

پایش دمای سطح زمین (LST)، که یکی از پارامترهای مهم زیست محیطی محسوب می شود، تا کنون با استفاده از سنجنده های سنجش از دوری دارای توان تفکیک زمانی بالا، همچون سنجنده مادیس (توان تفکیک زمانی روزانه و توان تفکیک مکانی یک کیلومتر)، به طور گسترده ای صورت گرفته است. یکی از مهم ترین مشکلات این سنجنده ها پایین بودن توان تفکیک مکانی آنهاست که کارآیی شان را، در مواردی همچون شناخت آتش در مناطق جنگلی و مطالعه جزایر گرمایی شهری، محدود کرده است. در مقابل، سنجنده هایی با توان تفکیک مکانی بالا، همچون سنجنده ASTER (توان تفکیک مکانی ۹۰ متر و توان تفکیک زمانی شانزده روز در محصول دمای سطح زمین)، توان تفکیک زمانی پایینی دارند که این منجر به ضعف آنها در پایش تغییرات سریع می شود. درواقع، به دلیل محدودیت های فنی، تا کنون سنجنده ای وجود نداشته است که، در دو بعد مکانی و زمانی، توان تفکیک بالا داشته باشد. برای حل این مشکل، روش های کم هزینه و کارآمد ادغام مکانی زمانی مطرح شده اند. از مهم ترین روش های مطرح در ادغام مکانی زمانی، روش های ESTARFM و STDFA شمرده می شوند. در این تحقیق، به منظور تلفیق داده های سنجنده های مادیس و ASTER از دمای سطح زمین در بخشی از شهر تهران، روشی جدید (SWT-STDFA) برمبنای روش STDFA مطرح و موجک دوبعدی ایستا تبدیل شد. نتایج حاصل از تلفیق نیز با نتایج دو روش ESTARFM و STDFA مقایسه شدند. همچنین، در ادامه، با توجه به وجود نقشه طبقه بندی تهیه شده براساس شاخص گیاهی تفاضلی نرمال شده در الگوریتم های STDFA و SWT-STDFA، درمورد تاثیر استفاده از شاخص های گیاهی تفاضلی نرمال شده سبز (GNDVI) و شاخص گیاهی تعدیل شده چندطیفی خاک (SAVI) در دقت تصویر مجازی خروجی بحث شده است. نتایج تحقیق نشان دهنده دقت بالای روش پیشنهادی با ریشه میانگین مربع خطاهای ۳.۰۳ کلوین، انحراف معیار ۲.۲۱ کلوین، میانگین قدرمطلق خطاهای ۱.۷۲ کلوین و ضریب همبستگی ۰.۹۲ بین تصویر دمای سطح واقعی منطقه و تصویر مجازی پیش بینی شده در مقایسه با دو روش دیگر است. افزایش شاخص های گیاهی GNDVI و SAVI در طبقه بندی دو روش STDFA و SWT-STDFA نیز تاثیری چندانی در دقت تصویر تلفیقی مجازی خروجی نداشته است.

Keywords:

دمای سطح زمین , ادغام محصولات حرارتی , محصول حرارتی سنجنده ASTER , تبدیل موجک دوبعدی ایستا

Authors

علیرضا بذرگر بجستانی

دانشجوی کارشناسی ارشد نقشه برداری، سنجش از دور، دانشکده مهندسی نقشه برداری و اطلاعات مکانی، پردیس دانشکده های فنی، دانشگاه تهران

مرتضی طیبی

دانشجوی کارشناسی ارشد نقشه برداری، سیستم های اطلاعات مکانی، دانشکده مهندسی نقشه برداری و اطلاعات مکانی، پردیس دانشکده های فنی، دانشگاه تهران

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :

Abbood, O.G., Mahmood, M.A., Elsayed, H.A. & Guirguis, S., ۲۰۱۶, ...
Acerbi-Junior, F.W., Clever, J.G.P.W. & Schaepman, M.E., ۲۰۰۶, The Assessment ...
Blatter, C., ۲۰۱۸, Wavelets: A Primer, AK Peters/CRC Press ...
Brockhaus, J. & Khorram, S., ۱۹۹۲, A Comparison of SPOT ...
Cohen, W.B. & Goward, S.N., ۲۰۰۴, Landsat's Role in Ecological ...
Gao, F., Masek J., Schwaller, M. & Hall, F. ۲۰۰۶, ...
Gitelson, A.A., Viña, A., Arkebauer, T.J., Rundquist, D.C., Keydan, G. ...
Gong, P., Wang, J., Yu, L. et al., ۲۰۱۳, Finer ...
Hansen, M.C., Roy, D.P., Lindquist, E., Adusei, B., Justice, C.O. ...
Healey, S.P., Cohen, W.B., Zhiqiang, Y. & Krankina, O.N., ۲۰۰۵, ...
Hilker, T., Wulder, M.A., Coops, N.C., Linke, J., McDermid, G., ...
Huang, B. & Song, H., ۲۰۱۲, Spatiotemporal Reflectance Fusion via ...
Huang, B., Zhang, H., Song, H., Wang, J. & Song, ...
Huete, A.R., ۱۹۸۸, A Soil-Adjusted Vegetation Index (SAVI), Remote Sensing ...
Ju, J. & Roy, D.P., ۲۰۰۸, The Availability of Cloud-Free ...
Justice, C.O., Townshend, J.R.G., Vermote, E.F., Masuoka, E., Wolfe, R.E., ...
Kauth, R.J. & Thomas, G., ۱۹۷۶, The Tasselled Capa Graphic ...
Loya, N. & Keskar, A.G., ۲۰۱۵, Hybridization of Algorithm for ...
Masek, J.G. & Collatz, G.J., ۲۰۰۶, Estimating Forest Carbon Fluxes ...
Masek, J.G., Huang, C., Wolfe, R., Cohen, W., Hall, F., ...
Michishita, R., Chen, L., Chen, J., Zhu, X. & Xu, ...
Michishita, R., Jiang, Zh., Gong, P. & Xu, B., ۲۰۱۲a, ...
Michishita, R., Jiang, Zh. & Xu, B., ۲۰۱۲b, Monitoring Two ...
Nunez, J., Otazu, X., Fors, O., Prades, A., Pala, V. ...
Paul, L. & Ramamoorthy, D.P., ۲۰۱۳, Synthetic Aperture Radar Image ...
Pesquet, J.-C., Karim, H. & Carfantan, H., ۱۹۹۶, Time-Invariant Orthonormal ...
Price, J.C., ۱۹۹۴, How Unique Are Spectral Signatures?, Remote Sensing ...
Rouse, J.W., Haas, R.W., Schell, J.A., Deering, D.W., Harlan, J.C., ...
Roy, D.P., Ju, J., Lewis, P., Schaaf, C., Gao, F., ...
Settle, J. & Drake, N., ۱۹۹۳, Linear Mixing and the ...
Weng, Q., ۲۰۱۱, Advances in Environmental Remote Sensing: Sensors, Algorithms, ...
Woodcock, C.E. & Ozdogan, M., ۲۰۱۲, Trends in Land Cover ...
Wu, M., Niu, Zh., Wang, Ch., Wu, Ch. & Wang, ...
Yang, J., Wright, J., Huang, T.S. & Ma, Y., ۲۰۱۰, ...
Zhu, X., Cai, F., Tian, J. & Williams, T.K.A., ۲۰۱۸, ...
Zhu, X., Chen, J., Gao, F., Chen, X. & Masek, ...
Zhu, X. & Liu, D., ۲۰۱۴, Accurate Mapping of Forest ...
Zurita-Milla, R., Clevers, J.G.P.W. & Schaepman, M.E., ۲۰۰۸, Unmixing-Based Landsat ...

نمایش کامل مراجع