دوره 25، شماره 4 - ( 1400 )                   جلد 25 شماره 4 صفحات 173-141 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Shamsoddini A, Nahvi S. Comparison of MODIS to Landsat-8 data Downscaling Algorithms for Evapotranspiration Estimation. MJSP. 2021; 25 (4) :141-173
URL: http://hsmsp.modares.ac.ir/article-21-53900-fa.html
شمس الدینی* علی، نحوی سارا. مقایسه الگوریتم های ریزمقیاس نمایی داده های مادیس به لندست-8 به منظور برآورد تبخیر-تعرق. برنامه‌ریزی و آمایش فضا. 1400; 25 (4) :173-141

URL: http://hsmsp.modares.ac.ir/article-21-53900-fa.html


1- دانشگاه تربیت مدرس، دانشکده علوم انسانی، گروه سنجش ازدور و سیستم اطلاعات جغرافیایی ، ali.shamsoddini@modares.ac.ir
2- دانشگاه تربیت مدرس، دانشکده علوم انسانی، گروه سنجش ازدور و سیستم اطلاعات جغرافیایی
چکیده:   (552 مشاهده)
در بسیاری از کاربردهای سنجش ازدور در علوم زمین، تجزیه و تحلیل با صحت بالا تنها با استفاده از تصاویری با قدرت تفکیک مکانی و زمانی بالا امکانپذیر است. سنجنده ی مادیس برخلاف قدرت تفکیک زمانی بسیار بالا، قدرت تفکیک مکانی بسیار پایینی دارد. هدف ازین مطالعه، استفاده از الگوریتم های ریزمقیاس نمایی به منظور ریزمقیاس کردن تصاویر مادیس به تصاویر لندست 8 است. سپس تصاویر ریزمقیاس شده در برآورد تبخیر-تعرق واقعی با استفاده از الگوریتم سبال در منطقه کشت و صنعت امیرکبیر مورد مقایسه قرار گرفتند. در این مطالعه از الگوریتم هایSTARFM  ، ESTARFM و Regression جهت ریزمقیاس نمایی باندهای بازتابندگی و از الگوریتم های SADFAT ، Regression و Cokriging جهت ریزمقیاس نمایی باندهای حرارتی استفاده شده است. سپس، تصاویر ریزمقیاس شده بازتابندگی و حرارتی به منظور استفاده در مدل سبال، پردازش گردیدند و تبخیر-تعرق واقعی محاسبه گردید. نتایج نشان داد که در میان روش های ریزمقیاس نمایی اعمال شده بر باندهای بازتابندگی، STARFM با مجذور میانگین مربعات خطای0.0180 دارای عملکرد بهتری نسبت به سایر روشها بود. در میان روش های اعمال شده بر باندهای حرارتی، الگوریتم SADFAT با مجذور میانگین مربعات خطای 0.0224 عملکرد بهتری را نسبت به سایر روشها از خود نشان داد. همچنین تبخیر-تعرق واقعی لحظه ای برآورد شده از خروجی روش های ریزمقیاس نمایی به ترتیب ESTARFM /Regression، ESTARFM/ SADFAT، STARFM/Regression و STARFM/ SADFAT با اختلاف کم و مجذور میانگین مربعات خطای 0.218 میلیمتر در ساعت بهترین عملکرد و روش Regression/Cokriging با میانگین مربعات خطای 0.388 میلیمتر در ساعت ضعیف ترین عملکرد را داشتند.
متن کامل [PDF 1005 kb]   (105 دریافت)    
نوع مقاله: پژوهشي اصيل | موضوع مقاله: فنون پردازش داده های مکانی در برنامه ریزی محیطی
دریافت: 1400/4/15 | پذیرش: 1400/8/8 | انتشار: 1400/10/10

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.