سری‏های زمانی داده‏های سنجش از دوری نقش مهمی در مدلسازی و پایش تغییرات عوارض و پدیده‏های سطح زمین در گذر زمان دارند. با این وجود، در حالی که سری زمانی تصاویر سنجنده‌های با قدرت تفکیک مکانی پایین (بیش از ۱۰۰ متر از قبیل مادیس) در دسترس می‏باشند امکان تهیه سری زمانی منظم از داده‏های ماهواره‏های اپتیک با قدرت تفکیک مکانی مناسب (بهتر از 30 متر از جمله لندست) با توجه به پیکربندی مداری ماهواره‏ها و همچنین ابرناکی، بخصوص در مناطق مرطوب و مرتفع، چالشی اساسی در استفاده از این داده‏ها می‏باشد. یکی از روش‌های مرسوم برای برطرف ساختن این چالش، تولید تصاویر لندست-مانند با استفاده از ریزمقیاس‏نمایی تصاویر مادیس با استفاده از مدلهایی نظیر، مدل ESTARFM است. این تحقیق به ارزیابی کمی مدل ESTARFM به منظور ریزمقیاس‏نمایی تصاویر مادیس جهت تولید تصاویر لندست-مانند در مناطق غیرهمگن با استفاده از سه روش بازنمونه‌گیری تصویر، پوشش‌های زمینی مختلف و اختلاف زمانی بین تصاویر ورودی و شبیه‏سازی شده پرداخته است. نتایج نشان داد که استفاده از مدل با روش بازنمونه‏گیری خطی دوسویه با اختلاف جزیی عملکرد بهتری نسبت به سایر روش‌های بازنمونه‏گیری دارد. همچنین مدل ESTARFM قادر به تولید تصاویر لندست-مانند با RMSE بهتر از ۰.۰۲ بازتابندگی سطحی و ضریب تعیین بالاتر از ۹۰ درصد در پوشش‌های مختلف زمینی می‌باشد. علاوه بر این، با افزایش اختلاف زمانی بین تصاویر ورودی و تصویر شبیه‌سازی شده دقت مدل به صورت معنی‌داری کاهش پیدا می‌کند.

واژه‌های کلیدی: ریزمقیاس سازی، ESTARFM، تصویر لندست-مانند، شبیه سازی بازتابندگی، تصاویر مادیس

متن کامل [PDF 814 kb]   (1355 دریافت)