انجمن سنجش از دور ایران / دانشگاه شهید بهشتی نشریه سنجش از دور و GIS ایران 2008-5966 12 4 2021 01 20 Presentation of a New Method for the Fusion of Spatial-Temporal Land Surface Temperature Products of ASTER and MODIS Sensors Based on a Two-Dimensional Stationary Wavelet Transform معرفی روشی جدید به‌منظور تلفیق مکانی‌ـ زمانی محصولات دمای سطح زمین سنجنده‌های ASTER و مادیس برمبنای تبدیل موجک دوبعدی ایستا 93 114 101000 10.52547/gisj.12.4.93 FA علیرضا بذرگر بجستانی دانشجوی کارشناسی ارشد نقشه‌برداری، سنجش از دور، دانشکدة مهندسی نقشه‌برداری و اطلاعات مکانی، پردیس دانشکده‌های فنی، دانشگاه تهران، تهران، ایران مرتضی طیبی داﻧﺸﺠﻮی ﮐﺎرﺷﻨﺎﺳﯽ ارﺷـﺪ ﻧﻘﺸـﻪ ﺑـﺮدار ی، ﺳﯿﺴـﺘﻢ های اﻃﻼﻋـﺎت ﻣﮑـﺎﻧﯽ، داﻧﺸـﮑﺪة مهندسی ﻧﻘﺸﻪﺑﺮداری و اﻃﻼﻋﺎت ﻣﮑﺎﻧﯽ، ﭘﺮدﯾﺲ داﻧﺸﮑﺪه های ﻓﻨﯽ، داﻧﺸﮕﺎه تهران، تهران، ایران Journal Article 2018 06 25 Land surface temperature (LST) monitoring has been widely used as one of the most important environmental parameters by the high temporal resolution sensors such as the MODIS sensor (daily temporal resolution capability and spatial resolution of one kilometer). One of the main problems of these sensors is their low spatial resolution, which limits the performance of these sensors for applications such as fire detection in forest areas and the study of urban thermal islands. In contrast, high spatial resolution sensors such as the ASTER sensor (90 meter spatial resolution and 16-day temporal resolution at the land surface temperature product), they have low temporal resolution, which results in application such as rapid change monitoring. In fact, due to technical limitations, there is no sensor that has a high resolution in spatial and temporal dimensions. To solve this problem, low-cost and efficient spatial-temporal fusion methods have been developed. The most important methods for fusion spatial-temporal methods are enhanced spatial and temporal adaptive reflectance fusion model (ESTARFM) and Spatial and Temporal Data Fusion Approach (STDFA). This work uses the ESTARFM and STDFA algorithms and a new method (SWT-STDFA) based on the STDFA method and the two-dimensional stationary wavelet transformation to fuse LST data spatially and temporally. The LST products of ASTER and MODIS sensors were fused for a part of Tehran city and finally, a virtual image was obtained with a spatial resolution equal to that of the ASTER sensor and a temporal resolution equal to that of the MODIS sensor. Also, based on the existence of a classification map prepared on the basis of normalized vegetation difference index (NDVI) in STDFA and SWT-STDFA algorithms, the effect of using normalized Green Difference Vegetation Indices (GNDVI) and soil adjusted vegetation Index (SAVI) on the accuracy of the synthetic image of the output is discussed. The results of the research indicate the high accuracy of the proposed method with the root mean square error of 3.03 Kelvin, standard deviation of 2. 21 Kelvin, mean absolute difference 1.72 Kelvin and correlation coefficient of 0.92 between the image of the actual land surface temperature and the predicted synthetic image Compared to the other two methods. Also, the increase of vegetation’s indices GNDVI and SAVI in the classification of both STDFA and SWT-STDFA methods did not have much effect on the accuracy of the synthetic image of the output. 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. https://gisj.sbu.ac.ir/article_101000_8f000234c91b39310f3b53529587b5f9.pdf