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. باوجوداین، درحال‌حاضر، سنجنده‌های ماهواره‌ای به‌تنهایی نمی‌توانند داده‌هایی با قدرت تفکیک زمانی و قدرت تفکیک مکانی بالا را هم‌زمان ارائه کنند. این درحالی ...
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. باوجوداین، درحال‌حاضر، سنجنده‌های ماهواره‌ای به‌تنهایی نمی‌توانند داده‌هایی با قدرت تفکیک زمانی و قدرت تفکیک مکانی بالا را هم‌زمان ارائه کنند. این درحالی است که در برخی کاربردها دسترسی هم‌زمان به داده‌هایی با قدرت تفکیک مکانی و زمانی بالا ضروری است؛ ازاین‌رو در این مطالعه، با هدف دستیابی به داده‌های دارای قدرت تفکیک مکانی و زمانی بالا، تصاویر مادیس در کلاس‌های کاربری شهری، باغ، مرتع، کشاورزی و آب ازطریق الگوریتم‌های STARFM ، ESTARFM وFSDAF به قدرت تفکیک مکانی سنتینل ـ 2، ریزمقیاس شد. منطقة مطالعاتی با تنوع پوشش‌های زمین گوناگون در اطراف شهر مهاباد انتخاب شد. در این مطالعه، باندهای مرئی و مادون‌قرمز نزدیک در سنتینل‌ـ 2 و مادیس انتخاب و پیش‌پردازش‌های لازم، ازجمله تصحیح هندسی، روی آنها انجام شد. سپس با استفاده از الگوریتم‌های ریزمقیاس‌نمایی، تصاویر مادیس به تصاویر سنتینل ـ 2 ریزمقیاس شد. نتایج نشان‌دهندة صحت بالای کلاس‌های شهری، باغ و مرتع در قیاس با کلاس‌های کشاورزی و آب است؛ به‌گونه‌ای که الگوریتم‌های ESTARFM، FSDAF و STARFM به‌صورت میانگین در همة باندها، به‌ترتیب برای کلاس شهری، ضریب تعیین 25/88، 25/87 و 5/86، درمورد کلاس باغ ضریب تعیین 75/83، 25/83 و 5/80 و درمورد کلاس مرتع، ضریب تعیین 75/90، 5/70 و 5/87 را نشان دادند. درمجموع، الگوریتم ESTARFM در مقایسه با دیگر الگوریتم‌ها در این تحقیق، نتیجه‌ای بهتر دربرداشت.
