علیزاده, محمود, موسیوند, علی جعفر, سیما, سمیه (2019). ارزیابی عملکرد مکانی و زمانی الگوریتم ریزمقیاس‌ سازی ESTARFM در تولید تصاویر لندست-مانند از تصاویر مادیس. , 23(4), 123-145.
محمود علیزاده; علی جعفر موسیوند; سمیه سیما. "ارزیابی عملکرد مکانی و زمانی الگوریتم ریزمقیاس‌ سازی ESTARFM در تولید تصاویر لندست-مانند از تصاویر مادیس". , 23, 4, 2019, 123-145.
علیزاده, محمود, موسیوند, علی جعفر, سیما, سمیه (2019). 'ارزیابی عملکرد مکانی و زمانی الگوریتم ریزمقیاس‌ سازی ESTARFM در تولید تصاویر لندست-مانند از تصاویر مادیس', , 23(4), pp. 123-145.
علیزاده, محمود, موسیوند, علی جعفر, سیما, سمیه ارزیابی عملکرد مکانی و زمانی الگوریتم ریزمقیاس‌ سازی ESTARFM در تولید تصاویر لندست-مانند از تصاویر مادیس. , 2019; 23(4): 123-145.

ارزیابی عملکرد مکانی و زمانی الگوریتم ریزمقیاس‌ سازی ESTARFM در تولید تصاویر لندست-مانند از تصاویر مادیس

آمایش فضا و ژئوماتیک
Article 5, Volume 23, Issue 4, 1398, Pages 123-145    PDF (813.73 K)
Document Type: پژوهشی اصیل
Authors
محمود علیزاده1; علی جعفر موسیوند* 2; سمیه سیما3
1دانشجوی کارشناسی ارشد سنجش از دور و GIS، دانشگاه تربیت مدرس
2استادیار گروه سنجش از دور و GIS، دانشگاه تربیت مدرس
3استادیار گروه مهندسی آب، دانشگاه تربیت مدرس
Abstract
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.
Keywords
ریزمقیاس سازی; ESTARFM; تصویر لندست-مانند; شبیه سازی بازتابندگی; تصاویر مادیس
References
Statistics
Article View: 233
PDF Download: 102
Statistics
Number of Journals45
Number of Issues2,171
Number of Articles24,674
Article View24,444,829
PDF Download17,554,033