ارزیابی الگوریتم های ریزمقیاس نمایی مکانی- زمانی داده های مادیس به داده های سنتینل-2 در کلاس های پوشش زمین مختلف
داده های سنجش از دوری با قدرت تفکیک مکانی بالا اغلب دارای قدرت تفکیک زمانی و طیفی پایین و داده های با قدرت تفکیک مکانی پایین دارای قدرت تفکیک طیفی و زمانی بالا هستند. با این حال، در حال حاضر سنجنده های ماهواره ای به تنهایی نمی-توانند داده هایی با قدرت تفکیک زمانی و قدرت تفکیک مکانی بالا به صورت همزمان ارایه کنند. این درحالی است که در برخی از کاربردها دسترسی به داده هایی با قدرت تفکیک مکانی و زمانی بالا به صورت همزمان ضروری است. لذا، دراین مطالعه با هدف دستیابی به داده هایی با قدرت تفکیک مکانی و زمانی بالا، تصاویر مادیس درکلاس های کاربری شهری، باغ، مرتع، کشاورزی و آب توسط الگوریتم های STARFM ، ESTARFM وFSDAF به قدرت تفکیک مکانی سنتینل-2، ریز مقیاس شد. منطقه مطالعاتی با تنوع پوشش های زمین مختلف در اطراف شهر مهاباد انتخاب شد. در این مطالعه باندهای مریی و مادون قرمز نزدیک در سنتینل-2 و مادیس انتخاب و پیش پردازش های لازم از جمله تصحیح هندسی بر روی آن ها انجام گرفت. سپس با استفاده از الگوریتم های ریزمقیاس نمایی، تصاویر مادیس به تصاویر سنتینل_2، ریزمقیاس شد. نتایج نشان دهنده ی صحت بالای کلاس های شهری، باغ و مرتع نسبت به کلاس های کشاوری و آب است. به طوری که الگوریتم های 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 الگوریتم ها در این تحقیق داشت.
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.