ناهید حق شناس؛ علی شمس الدینی
چکیده
داده‌های سنجش از دوری با قدرت تفکیک مکانی بالا اغلب دارای قدرت تفکیک زمانی و طیفی پایین و داده‌های با قدرت تفکیک مکانی پایین دارای قدرت تفکیک طیفی و زمانی بالا هستند. با این حال، در حال حاضر سنجنده‌های ماهواره‌ای به تنهایی نمی-توانند داده‌هایی با قدرت تفکیک زمانی و قدرت تفکیک مکانی بالا به صورت همزمان ارائه کنند. این درحالی است ...
بیشتر
داده‌های سنجش از دوری با قدرت تفکیک مکانی بالا اغلب دارای قدرت تفکیک زمانی و طیفی پایین و داده‌های با قدرت تفکیک مکانی پایین دارای قدرت تفکیک طیفی و زمانی بالا هستند. با این حال، در حال حاضر سنجنده‌های ماهواره‌ای به تنهایی نمی-توانند داده‌هایی با قدرت تفکیک زمانی و قدرت تفکیک مکانی بالا به صورت همزمان ارائه کنند. این درحالی است که در برخی از کاربردها دسترسی به داده‌هایی با قدرت تفکیک مکانی و زمانی بالا به صورت همزمان ضروری است. لذا، دراین مطالعه با هدف دستیابی به داده‌هایی با قدرت تفکیک مکانی و زمانی بالا، تصاویر مادیس درکلاس‌های کاربری شهری، باغ، مرتع، کشاورزی و آب توسط الگوریتم‌های STARFM ، ESTARFM وFSDAF به قدرت تفکیک مکانی سنتینل-2، ریزمقیاس شد. منطقه مطالعاتی با تنوع پوشش‌های زمین مختلف در اطراف شهر مهاباد انتخاب شد. در این مطالعه باندهای مرئی و مادون‌قرمز‌نزدیک در سنتینل-2 و مادیس انتخاب و پیش‌پردازش‌های لازم از جمله تصحیح هندسی بر روی آن‌ها انجام گرفت. سپس با استفاده از الگوریتم‌های ریزمقیاس‌نمایی، تصاویر مادیس به تصاویر سنتینل_2، ریزمقیاس شد. نتایج نشان‌دهنده‌ی صحت بالای کلاس‌های شهری، باغ و مرتع نسبت به کلاس‌های کشاوری و آب است. به طوری که الگوریتم‌های ESTARFM، FSDAF و STARFM به صورت میانگین در همه باندها به ترتیب برای کلاس شهری ضریب تعیین 88.25، 87.25 و86.5، کلاس باغ ضریب تعیین 83.75 ،83.25 و 80.5 و کلاس مرتع ضریب تعیین 90.75 ،70.5 و 87.5 را نشان دادند و به صورت کلی الگوریتم ESTARFM نتیجه بهتری را درمقایسه با دیگر الگوریتم‌ها در این تحقیق داشت.
