علیرضا بذرگر بجستانی؛ مرتضی طیبی
چکیده
پایش دمای سطح زمین (LST)، که یکی از پارامترهای مهم زیستمحیطی محسوب میشود، تا کنون با استفاده از سنجندههای سنجش از دوری دارای توان تفکیک زمانی بالا، همچون سنجندة مادیس (توان تفکیک زمانی روزانه و توان تفکیک مکانی یک کیلومتر)، بهطور گستردهای صورت گرفته است. یکی از مهمترین مشکلات این سنجندهها پایینبودن توان تفکیک مکانی آنهاست ...
بیشتر
پایش دمای سطح زمین (LST)، که یکی از پارامترهای مهم زیستمحیطی محسوب میشود، تا کنون با استفاده از سنجندههای سنجش از دوری دارای توان تفکیک زمانی بالا، همچون سنجندة مادیس (توان تفکیک زمانی روزانه و توان تفکیک مکانی یک کیلومتر)، بهطور گستردهای صورت گرفته است. یکی از مهمترین مشکلات این سنجندهها پایینبودن توان تفکیک مکانی آنهاست که کارآییشان را، در مواردی همچون شناخت آتش در مناطق جنگلی و مطالعة جزایر گرمایی شهری، محدود کرده است. در مقابل، سنجندههایی با توان تفکیک مکانی بالا، همچون سنجندة ASTER (توان تفکیک مکانی 90 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 میشود. درواقع، بهدلیل محدودیتهای فنی، تا کنون سنجندهای وجود نداشته است که، در دو بعد مکانی و زمانی، توان تفکیک بالا داشته باشد. برای حل این مشکل، روشهای کمهزینه و کارآمد ادغام مکانیـ زمانی مطرح شدهاند. از مهمترین روشهای مطرح در ادغام مکانیـ زمانی، روشهای ESTARFM و STDFA شمرده میشوند. در این تحقیق، بهمنظور تلفیق دادههای سنجندههای 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 نقشة طبقهبندی تهیهشده براساس شاخص گیاهی تفاضلی نرمالشده در الگوریتمهای STDFA و SWT-STDFA، درمورد تأثیر استفاده از شاخصهای گیاهی تفاضلی نرمالشدة سبز (GNDVI) و شاخص گیاهی تعدیلشدة چندطیفی خاک (SAVI) در دقت تصویر مجازی خروجی بحث شده است. نتایج تحقیق نشاندهندة دقت بالای روش پیشنهادی با ریشة میانگین مربع خطاهای 3.03 کلوین، انحراف معیار 2.21 کلوین، میانگین قدرمطلق خطاهای 1.72 کلوین و ضریب همبستگی 0.92 بین تصویر دمای سطح واقعی منطقه و تصویر مجازی پیشبینیشده در مقایسه با دو روش دیگر است. افزایش شاخصهای گیاهی GNDVI و SAVI در طبقهبندی دو روش STDFA و SWT-STDFA نیز تأثیری چندانی در دقت تصویر تلفیقی مجازی خروجی نداشته است.