عمق سنجی از نواحی کم عمق ساحلی با استفاده از تصاویر لندست-۸ (مطالعه موردی: جنوب شرقی دریای خزر)
Publish place: Marine science and technology، Vol: 20، Issue: 3
Publish Year: 1400
نوع سند: مقاله ژورنالی
زبان: Persian
View: 93
This Paper With 15 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JMST-20-3_008
تاریخ نمایه سازی: 20 دی 1401
Abstract:
جهت مطالعه مناطق کم عمق ساحلی، تصاویر رایگان لندست-۸ با توان تفکیک رادیومتریکی نسبتا بالا و وجود دو باند در محدوده آبی و نزدیک به آبی مناسب می باشد. در این پژوهش علاوه بر تصاویر ماهواره-ای لندست از داده های هیدروگرافی نیز استفاده شده است. هدف از این پژوهش، عمق سنجی نواحی ساحلی محدوده جنوب شرقی دریای خزر با اعمال الگوریتم PCA بر باندهای پیش پردازش شده مرئی باشد. از جمله پیش پردازش های لازم در مطالعات سنجش از دوری تصحیح اتمسفری است که در این پژوهش تصحیح اتمسفری FLAASH و Dark Object Subtract (DOS) بطور جداگانه بر باندهای مرئی اعمال گردید و نتایج عمق بدست آمده از طریق اعمال تبدیل PCA بر روی این دو نوع تصحیح اتمسفری بررسی گردید. الگوریتم PCA در چهار حالت مختلف مورد بررسی قرار گرفت. شاخص های آماری R^۲، RMSEو NRMSE با استفاده مقادیر حاصل شده از الگوریتم و داده های هیدروگرافی در هر دو نوع تصحیح اتمسفری محاسبه شد. نتایج نشان می دهد دقت عمق بدست آمده از روش PCA در هر دو نوع تصحیح اتمسفری، در صورتی که هر چهار یا هر سه مولفه PCA به عنوان ورودی الگوریتم معرفی شود نسبت به حالتی که تنها از مولفه های اول یا اول و دوم استفاده شود دقت عمق برآورد شده بیشتر خواهد بود. . همچنین با بکارگیری هر چهار مولفه، دقت تصحیح اتمسفری DOS در عمق یابی با مقدار R^۲=۰.۹۱، RMSE=۰.۳ و NRMSE=۰.۰۵ در مقایسه با تصحیح اتمسفری FLAASH، R^۲=۰.۸۷، RMSE=۰.۳۸ و NRMSE=۰.۰۶ نتیجه بهتری را نشان می دهد.
Keywords:
Authors
عطاءاله عبداللهی کاکرودی
Department Remote Sensing and GIS, Faculty of Geography,.University of Tehran, Tehran, Iran.
لیلا امینی
Department Remote Sensing and GIS, Faculty of Geography,.University of Tehran, Tehran, Iran.
مهدی حسنلو
School of Survey and Geospatial Engineering, College of Engineering, University of Tehran, Tehran, Iran.
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 :