ارزیابی الگوریتم های ریزمقیاس نمایی مکانی- زمانی داده های مادیس به داده های سنتینل-۲ در کلاس های پوشش زمین مختلف

Publish Year: 1402
نوع سند: مقاله ژورنالی
زبان: Persian
View: 31

This Paper With 19 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_GIS-15-4_006

تاریخ نمایه سازی: 7 اسفند 1402

Abstract:

داده های سنجش از دوری با قدرت تفکیک مکانی بالا اغلب دارای قدرت تفکیک زمانی و طیفی پایین و داده های با قدرت تفکیک مکانی پایین دارای قدرت تفکیک طیفی و زمانی بالا هستند. با این حال، در حال حاضر سنجنده های ماهواره ای به تنهایی نمی-توانند داده هایی با قدرت تفکیک زمانی و قدرت تفکیک مکانی بالا به صورت همزمان ارائه کنند. این درحالی است که در برخی از کاربردها دسترسی به داده هایی با قدرت تفکیک مکانی و زمانی بالا به صورت همزمان ضروری است. لذا، دراین مطالعه با هدف دستیابی به داده هایی با قدرت تفکیک مکانی و زمانی بالا، تصاویر مادیس درکلاس های کاربری شهری، باغ، مرتع، کشاورزی و آب توسط الگوریتم های STARFM ، ESTARFM وFSDAF به قدرت تفکیک مکانی سنتینل-۲، ریز مقیاس شد. منطقه مطالعاتی با تنوع پوشش های زمین مختلف در اطراف شهر مهاباد انتخاب شد. در این مطالعه باندهای مرئی و مادون قرمز نزدیک در سنتینل-۲ و مادیس انتخاب و پیش پردازش های لازم از جمله تصحیح هندسی بر روی آن ها انجام گرفت. سپس با استفاده از الگوریتم های ریزمقیاس نمایی، تصاویر مادیس به تصاویر سنتینل_۲، ریزمقیاس شد. نتایج نشان دهنده ی صحت بالای کلاس های شهری، باغ و مرتع نسبت به کلاس های کشاوری و آب است. به طوری که الگوریتم های ESTARFM، FSDAF و STARFM به صورت میانگین در همه باندها به ترتیب برای کلاس شهری ضریب تعیین ۸۸.۲۵، ۸۷.۲۵ و۸۶.۵، کلاس باغ ضریب تعیین ۸۳.۷۵ ،۸۳.۲۵ و ۸۰.۵ و کلاس مرتع ضریب تعیین ۹۰.۷۵ ،۷۰.۵ و ۸۷.۵ را نشان دادند و به صورت کلی الگوریتم ESTARFM نتیجه بهتری را درمقایسه با دیگر الگوریتم ها در این تحقیق داشت.

Keywords:

Authors

ناهید حق شناس

گروه سنجش ازدور و سیستم اطلاعات جغرافیایی، دانشکده علوم انسانی، دانشگاه تربیت مدرس، تهران، ایران

علی شمس الدینی

دانشیار گروه سنجش از دور و سیستم اطلاعات جغرافیایی، دانشگاه تربیت مدرس