اعتبارسنجي و ريزمقياس سازي داده هاي رطوبت خاك ماهواره SMAP به روش SMBDA با استفاده از محصولات رادار Sentinel 1 و داده هاي زميني در منطقه صالح آباد ايلام

Validation and Downscaling of SMAP Satellite Soil Moisture Data by the SMBDA Method Using Sentinel 1 Radar Products and Ground Data in SalehAbad Region of Ilam

داده هاي رطوبت خاك سنجش از دور مايكرويو به دليل پيوستگي زماني-مكاني، توانايي بالايي براي فراهم نمودن اطلاعات رطوبتي خاك دارند. ماهواره SMAP ناسا در محدوده طيف مايكرويو (باند L-) و تفكيك مكاني حدود 40 كيلومتر از مهم ترين روش هاي تهيه داده هاي رطوبت خاك است. پايين بودن تفكيك مكاني داده هاي رطوبت خاك اين ماهواره، سبب محدوديت در كاربردهاي عملي و در مقياس هاي محلي مي گردد. در مطالعه حاضر به منظور ريزمقياس سازي داده هاي روزانه رطوبت خاك سطحي از محصولات سطح 4 ماهواره SMAP (با قدرت تفكيك Km 9) و افزايش قدرت تفكيك آن به 1 كيلومتر، يك الگوريتم ريزمقياس سازي با استفاده از روش ريزمقياس سازي SMBDA و تصوير رادار ماهواره Sentinel 1 و مشاهدات زميني توسعه داده شد. براي اين منظور 1037 نمونه زميني رطوبت خاك در 32 روز مختلف (پاييز و زمستان 1399) همزمان با محدوده گذر زماني ماهواره Sentinel 1 از منطقه دشت صالح آباد (ايلام) اندازه گيري شد. نتايج نشان داد كه ريشه مربعات خطا بين مقادير رطوبت خاك ريزمقياس شده با مشاهدات زميني 085/ (m3.m-3) است كه درمقايسه با تحقيقات مشابه از صحت خوبي برخوردار است. تاثير چالش هاي تغييرات پوشش گياهي و بارندگي بر صحت نتايج الگوريتم استفاده شده بررسي شد. تطويل زمان-مكاني اندازه گيري هاي ميداني به دليل ايجاد تنوع و پراكندگي بيشتر در مقادير اندازه گيري شده و همچنين پياده سازي الگوريتم با استفاده از روش هاي غيركلاسيك (محاسبات نرم) مي تواند به بهبود نتايج ريزمقياس سازي بينجامد.

Microwave remote sensing soil moisture data have a high ability to provide soil moisture information due to their spatial-temporal coherence. NASA SMAP satellite is one of the most important methods for preparing soil moisture data within the microwave spectrum (L-band) and spatial separation of about 40 km. The low spatial resolution of the soil moisture data of this satellite causes limitations in practical applications and at local scales. In the present study, to subscale daily surface soil moisture data from SMAP 4 level satellite products (with a resolution of 9 km) and increase its resolution to one kilometer, a downscaling algorithm using SMBDA downscaling method, satellite radar image Sentinel 1, and ground observations were developed. For this purpose, 1037 soil samples of soil moisture in 32 different days (autumn and winter of 1399) were measured simultaneously with the passage of time of Sentinel 1 satellite from SalehAbad plain (Ilam). The results showed that the square root of the error between the values ​​of down-scale soil moisture with ground observations is 0.085 (m3.m-3), which has good accuracy compared to similar studies. The effect of the challenges of vegetation change and rainfall on the accuracy of the algorithm results used was investigated. The temporal-spatial extension of field measurements due to the greater variability and dispersion of the measured values ​​as well as the implementation of the algorithm using non-classical methods (soft computing) can improve the results of downscaling.