نوع مقاله : علمی - پژوهشی

نویسندگان

1 گروه سنجش ازدور و سیستم اطلاعات جغرافیایی، دانشکده علوم انسانی، دانشگاه تربیت مدرس، تهران، ایران

2 دانشیار گروه سنجش از دور و سیستم اطلاعات جغرافیایی، دانشگاه تربیت مدرس

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 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.

کلیدواژه‌ها

عنوان مقاله [English]

Evaluation of spatio-temporal downscaling algorithms of MODIS data to Sentinel-2 data in different land cover classes

نویسندگان [English]

  • Nahid Haghshenas 1
  • Ali Shamsoddini 2

1 Department of Remote Sensing & GIS, Faculty of humanities, Tarbiat Modares University, Tehran, Iran

2 Associate professor, Department of Remote Sensing and GIS, Tarbiat Modares University

چکیده [English]

Normally, images with a high resolution (temporal or spatial) are available, while there is a limitation in accessing images which are simultaneously high spatial and temporal resolution. While, in some applications, access to images with high spatial and temporal resolution is necessary. Therefore, this study was conducted to downscaling MODIS images to Sentinel-2 spatial resolution by STARFM, ESTARFM and FSDAF spatio-temporal downscaling algorithms in different land cover classes including urban, garden, pasture, agricultural and water classes. The study area was selected with a variety of land covers around the city of Mahabad, Iran. First, the corresponding visible and near-infrared bands in Sentinel-2 and MODIS were selected and necessary pre-processes such as geometric correction were done on these images. Then, Sentinel-2 images were simulated using downscaling algorithms. The results indicated the accuracy of downscaling in the urban, garden and pasture classes compared to the agricultural and water classes. So that the ESTARFM, FSDAF and STARFM algorithms averagely showed the coefficient of determination of 88.25, 87.25 and 86.5 for the urban class, the coefficient of determination of 83.75, 83.25 and 80.5 for the garden class and the coefficient of determination of 90.75, 70.5 and 87.5 for the pasture class in all bands.

کلیدواژه‌ها [English]

  • Spatio-temporal downscaling
  • Land cover
  • MODIS
  • Sentinel-2