ارزیابی عملکرد مکانی و زمانی الگوریتم ریزمقیاس سازی ESTARFM در تولید تصاویر لندست-مانند از تصاویر مادیس

سریهای زمانی دادههای سنجش از دوری نقش مهمی در مدلسازی و پایش تغییرات عوارض و پدیدههای 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 میباشند امکان تهیه سری زمانی منظم از دادههای ماهوارههای اپتیک با قدرت تفکیک مکانی مناسب (بهتر از ۳۰ متر از جمله لندست) با توجه به پیکربندی مداری ماهوارهها و همچنین ابرناکی، بخصوص در مناطق مرطوب و مرتفع، چالشی اساسی در استفاده از این دادهها میباشد. یکی از روش های مرسوم برای برطرف ساختن این چالش، تولید تصاویر لندست-مانند با استفاده از ریزمقیاسنمایی تصاویر مادیس با استفاده از مدلهایی نظیر، مدل ESTARFM است. این تحقیق به ارزیابی کمی مدل ESTARFM به منظور ریزمقیاسنمایی 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 شبیهسازی شده پرداخته است. نتایج نشان داد که استفاده از مدل با روش بازنمونهگیری خطی دوسویه با اختلاف جزیی عملکرد بهتری نسبت به سایر روش های بازنمونهگیری 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.

Keywords:

ESTARFM , downscaling , Landsat-like imageries , MODIS data , Reflectance simulation , ریزمقیاس سازی , ESTARFM , تصویر لندست-مانند , شبیه سازی بازتابندگی , تصاویر مادیس