بازسازی سری‌های زمانی NDVI سنجنده MODIS با استفاده از الگوریتم تجزیه‌وتحلیل هارمونیک سری‌های زمانی (HANTS) (مطالعه موردی: استان یزد)

نویسندگان
هادی زارع خورمیزی 1
سید زین العابدین حسینی 2
محمد حسین مختاری 2
حمیدرضا غفاریان مالمیری 3
1 دانشجوی کارشناسی ارشد مرتعداری، گروه مرتع و آبخیزداری، دانشکده منابع طبیعی و کویر شناسی، دانشگاه یزد، ایران.
2 استادیار دانشکده منابع طبیعی و کویر شناسی، دانشگاه یزد، ایران
3 استادیار گروه جغرافیا، دانشگاه یزد، یزد، ایران.
چکیده
شاخص تفاوت پوشش گیاهی نرمال شده (NDVI)، یکی از شاخص­های گیاهی است که در زمینه مطالعه پایش تغییرات پوشش گیاهی در طول زمان، کاربردهای فراوانی دارد. باید توجه داشت که این شاخص، نیازمند داده­های زمانی پیوسته و کامل در یک بازه زمانی مورد نظر می‌باشد. بااین‌حال در مواردی گردوغبارهای جوی، ذرات معلق در هوا، عدم کارایی سنجنده، گازها به‌ویژه حضور ابرها، به‌طور قابل‌توجهی بر انرژی بازتابنده از سطح به‌ویژه در محدوده­ی طول‌موج‌های کوتاه و مادون‌قرمز اثر می‌گذارد و منجر به ایجاد تصاویری با داده­­های ازدست‌رفته و یا مقادیر غیرقابل‌قبول می­شود. در این مطالعه، به‌منظور رفع مشکل داده­های جاافتاده و دورافتاده، در سری­های زمانی شاخص NDVI سنجنده MODIS طی سال­های 2001 تا 2005، از الگوریتم تجزیه‌وتحلیل هارمونیک سری­های زمانی (HANTS) استفاده می‌شود. این الگوریتم برای اجرای دو کار طراحی شده است: 1- شناسایی و از بین بردن نقاط دورافتاده و مشاهدات ابری، 2- پر کردن فاصله باقی‌مانده بین مشاهدات معتبر توسط درون­یابی زمانی. ارزیابی نتایج الگوریتم HANTS نشان می‌دهد که خطای جذر میانگین مربعات (RMSE)، بین داده­های اصلی و بازسازی‌شده در سری­های زمانی یک‌ساله و پنج‌ساله، به ترتیب کمتر از 02/0 و 03/0 واحد NDVI می­باشند. به‌طورکلی نتایج این پژوهش نشان می­دهد که الگوریتم HANTS، در رفع مشکل داده­های ازدست‌رفته و داده­های دورافتاده در سری­های زمانی NDVI، می‌تواند مؤثر واقع شود.
کلیدواژه‌ها
تجزیه‌وتحلیل هارمونیک
تبدیل فوریه سریع
سری‌های زمانی
سنجنده مودیس
موضوعات
Ackerman, S. A., K. StrabalaI, W. P. Menzel, R. A. Frey, C. C. Moeller, & L. E. Gumley, (1998) “Discriminating clear sky from clouds with MODIS”, Journal of Geophysical Research, Vol. 103, No. D24, pp. 32141-32157, doi:10.1029/1998JD200032.
Bloomfield, P (2000) Fourier Analysis of Time Series An Introduction. North Carolina State University, Raleigh, North Carolina: John wiley &Sons, IN.
Fourier., J (1818) Note relative aux vibrations des surfaces e´lastiques et au mouvement des ondes. Bulletin des Sciences par Socie´te´ Philomatique, 1, 126- 136.
Ghafarian Malamiri, H, R (2015) Reconstruction of gap-free time series satellite observations of land surface temperature to model spectral soil thermal admittance (Doctoral dissertation), Technische Universiteit Delft, The Netherlands.
Henderson-Sellers, A (1982) “Defogging cloud determination algorithms”. Nature, Vol. 298, Issue. 5873, pp. 419-420, doi: 10.1038/298419a0.
Jia, L., G. Xi, S. Liu, C. Huang, Y. Yan, & G. Liu (2009) “Regional estimation of daily to annual regional evapotranspiration with MODIS data in the Yellow River Delta wetland”, Hydrology and Earth System Sciences,Vol. 13, Issue. 10, pp. 1775-1787 doi:10.5194/hess-13-1775-2009.
Jiang, X., D. Wang, L. Tang, J. Hu, & X. Xi (2008) “Analysing the vegetation cover variation of China from AVHRR‐NDVI data”, International Journal of Remote Sensing, Vol. 29, Issue. 17-18, pp. 5301-5311, doi: 10.1080/01431160802036466.
Julien, Y., & J. A. Sobrino (2010) “Comparison of cloud-reconstruction methods for time series of composite NDVI data”, Remote Sensing of Environment, Vol. 114, Issue. 3, pp. 618-625, doi: 10.1016/j.rse.2009.11.001.
Lu, D., P. Mausel, E. Brondizio, & E. Moran (2004) “Change detection techniques”. International Journal of Remote Sensing, Vol. 25, Issue. 12, pp. 2365-2407, doi: 10.1080/0143116031000139863.
Mcnally A. & P. Watts (2003) “A cloud detection algorithm for high-spectralresolution infrared sounders”, Quarterly Journal of the Royal Meteorological Society, Vol. 129, Issue. 595, pp. 3411-3423, doi: 10.1256/qj.02.208.
Menenti, M., S. Azzali, W. Verhoef, & R. van Swol (1993) “Mapping agroecological zones and time lag in vegetation growth by means of Fourier analysis of time series of NDVI images” Advances in Space Research
Richard A. F., S. A. Ackerman, Y. Liu, K. I. Strabala, H. Zhang, J. R. Key, & X. Wang (2008) “Cloud Detection with MODIS. Part I:Improvements in the MODIS Cloud Mask for Collection 5”, Journal of atmospheric and oceanic technology, Vol. 25, pp. 1057-1072, doi: 10.1175/2008JTECHA1052.1
Ricker, N (1953) “Wavelet Contraction, Wavelet Expansion, and the Control of Seismic Resolution”. Geophysics, Vol. 18, Issue. 4, pp. 769-792, doi: 10.1190/1.1437927.
Roerink, G.J., M. Menenti, & W. Verhoef (2000) “Reconstructing cloudfree NDVI composites using Fourier analysis of time series”, International Journal of Remote Sensing, Vol. 21, Issue.9, pp. 1911-1917, doi: 10.1080/014311600209814
Kelarestani, K, (2008) “A Study of Spectral Reflection on Wheat Fields in Mashhad Using MODIS Data”. Journal of Science and Technology of Agriculture and Natural Resources, Vol. 12, No. 45, pp. 11-19 [in persian].
Saunders, R.W., & K. T. Kriebel (1988) “An improved method for detecting clear sky and cloudy radiances from AVHRR data”, International Journal of Remote Sensing, Vol. 9, Issue.1, pp. 123 – 150, 10.1080/01431168808954841.
Sellers, P.J., C. J. Tucker, G. J. Collatz, S. O. Los, C. O. Justice, D. A. Dazlich, & D. A. Randall (1994) “A global 1° by 1° NDVI data set for climate studies. Part 2: The generation of global fields of terrestrial biophysical parameters from the NDVI”, International Journal of Remote Sensing, Vol. 15, Issue.17, pp. 3519-3545, doi: 10.1080/01431169408954343.
Simpson, J. J., & J. I. Gobat (1996) “Improved cloud detection for daytime AVHRR scenes over land”, Remote Sensing of Environment, Vol. 55, Issue. 1, pp. 21-49, doi: 10.1016/0034-4257(95)00188-3.
Stowe, L.L., E. P. McClain, R. Carey, P. Pellegrino, G. G. Gutman, P. Davis, C. Long, & S. Hart (1991) “Global distribution of cloud cover derived from NOAA/AVHRR operational satellite data”, Advances in Space Research, Vol. 11, Issue.3, pp. 51-54,
Verhegghen, A., S. Bontemps, & P. Defourny (2014) “A global NDVI and EVI reference data set for land-surface phenology using 13 years of daily SPOT-VEGETATION observations”, International Journal of Remote Sensing, Vol.35, No.7, pp. 2440-2471, doi: 10.1080/01431161.2014.883105.
Verhoef, W (1996) Application of Harmonic Analysis of NDVI Time Series (HANTS). In S. Azzali & M. Menenti (Eds.), In: Fourier analysis of temporal NDVI in southern Africa and America continent. The Netherlands, DLO Winand Staring Centre, Report 108, pp. 19–24.
Verhoef, W., M. Menenti, & S. Azzali (1996) “Cover A colour composite of NOAAAVHRR- NDVI based on time series analysis (1981-1992)”, International Journal of Remote Sensing, Vol. 17, Issue.2, pp. 231 - 235, doi: 10.1080/01431169608949001.
Wen, J., Z. Su, & Y. M. Ma (2004) “Reconstruction of a cloud-free vegetation index time series for the Tibetan Plateau”, Mountain Research and Development, Vol. 24, No. 4, pp. 348-353, doi: 10.1659/0276-4741(2004)024[0348:ROACVI]2.0.CO;2.
Wit, A. J .W., & B. S (2005) “Deriving phenological indicators from SPOT-VGT data using the HANTS algorithm”, Proceedings of the 2nd International Vegetation User Conference; 1998–2004: 6 years of operational activities. Luxembourg, EC - ISBN 9289490047, pp. 195- 201.
Zhou, J., L. Jia, & M. Menenti (2015) “Reconstruction of global MODIS NDVI time series: Performance of Harmonic ANalysis of Time Series (HANTS)”, No. 15, pp. 217-228, doi:
آمایش فضا و ژئوماتیک
دوره 21، شماره 3
پاییز 1396
صفحه 221-255