مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

422
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

471
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

مقایسه روش های ادغام داده های تصاویر سنجنده MODIS و OLIدر بهبود بارزسازی گردو غبار نواحی صنعتی

صفحات

 صفحه شروع 570 | صفحه پایان 586

چکیده

 از عمده مشکلات سنجنده های مستقر بر سکوهای هوایی و فضایی نبود قدرت تفکیک مکانی, رادیومتریک طیفی و زمانی بالا بصورت همزمان است زیرا طراحی چنین سنجنده هایی علاوه بر هزینه بری بالا دارای مشکلاتی در طراحی سنجنده می باشند. از طرف دیگر شناسایی و پایش بسیاری از پدیده های محیطی نیازمند به بکارگیری سنجنده هایی با قدرت تفکیک مکانی, طیفی و زمانی بالا بصورت همزمان است. بنابراین جهت پایش بسیاری از عوامل موجود در اکوسیستم های طبیعی از جمله آب, خاک و اتمسفر بکارگیری روشهای ریزمقیاس سازی در ادغام تصاویر دو یا چند سنجنده با قدرت تفکیک مکانی, رادیومتری و زمانی متفاوت راهگشا است. ریزگرد ها به خصوص ریزگردهای حاصل از فعالیت صنایع و معادن, جزء ذرات معلق اتمسفر هستند که شناسایی آنها از اهمیت بسیاری برخوردار است. پایش ریزگرد نیازمند به سنجنده ای است که همزمان دارای قدرت تفکیک رادیومتری, مکانی و زمانی بالا باشد که این امر در یک سنجنده عملا غیر ممکن است. بدین منظور می توان از تلفیق تصاویر سنجنده مودیس با قدرت تفکیک رادیومتری و زمانی بالا با تصاویر لندست با قدرت تفکیک مکانی بالا استفاده نمود. از جمله شاخص های معروف برای بارزسازی ریزگرد, شاخص NDDI است که با استفاده از طول موج های مادون قرمز میانی (2. 1μ m) و آبی (0. 47 μ m) بدست می آید. در این تحقیق سعی بر آن شد تا از چندین الگوریتم ریزمقیاس سازی از جمله Bovery, Gram-Shcmidt, STARFM, ESTARFM, wavelet, PBIM, SIFM و HPF برای ادغام تصاویر سنجنده های مودیس و لندست مربوط به تاریخ 8 ژولای 2016 استفاده شود و با نتایج حاصل نقشه های پهنه بندی شاخص NDDI تهیه گردد. نتایج ارزیابی نشان داد بهترین روش ادغام روش های STARFM و ESTARFM و PBIM است که با تصاویر سنجنده لندست دارای ضریب تبین( R2) به ترتیب 88/0, 91/0, 99/0 و با تصاویر مودیس 51/0, 5/0 و 57/0 می باشد. مجذور میانگین مربعات خطا (RMSE) برای هر سه روش بسیار ناچیز و به ترتیب 02/0, 004/0 و 055/0 برای تصاویراصلی لندست و 004/0, 06/0 و 1/0 برای تصاویر اصلی مودیس می باشد. بنابراین میتوان از روشهای STARFM و ESTARFM و PBIM جهت ترکیب تصاویر سنجنده مودیس و لندست به قصد افزایش قدرت تفکیک مکانی, طیفی و زمانی با دقت بالا استفاده نمود.

استنادها

  • ثبت نشده است.

    • ارجاعات

  • ثبت نشده است.

    • استناددهی

    APA: کپی

    شیرازی، میترا، قالیباف، محمداخوان، متین فر، حمیدرضا، و نخکش، منصور. (1398). مقایسه روش های ادغام داده های تصاویر سنجنده MODIS و OLIدر بهبود بارزسازی گردو غبار نواحی صنعتی. تحقیقات مرتع و بیابان ایران، 26(3 (پیاپی 76) )، 570-586. SID. https://sid.ir/paper/362623/fa

    Vancouver: کپی

    شیرازی میترا، قالیباف محمداخوان، متین فر حمیدرضا، نخکش منصور. مقایسه روش های ادغام داده های تصاویر سنجنده MODIS و OLIدر بهبود بارزسازی گردو غبار نواحی صنعتی. تحقیقات مرتع و بیابان ایران[Internet]. 1398؛26(3 (پیاپی 76) ):570-586. Available from: https://sid.ir/paper/362623/fa

    IEEE: کپی

    میترا شیرازی، محمداخوان قالیباف، حمیدرضا متین فر، و منصور نخکش، “مقایسه روش های ادغام داده های تصاویر سنجنده MODIS و OLIدر بهبود بارزسازی گردو غبار نواحی صنعتی،” تحقیقات مرتع و بیابان ایران، vol. 26، no. 3 (پیاپی 76) ، pp. 570–586، 1398، [Online]. Available: https://sid.ir/paper/362623/fa

    مقالات مرتبط نشریه ای

    مقالات مرتبط همایشی

  • ثبت نشده است.

    • طرح های مرتبط

  • ثبت نشده است.

    • کارگاه های پیشنهادی





    بازگشت به بالا