بازسازي سري هاي زماني داده هاي ماهواره اي دماي سطح زمين با استفاده از الگوريتم تجزيه و تحليل هارمونيك سري هاي زماني (HANTS)

Reconstruction of cloud-free time series satellite observations of land surface temperature (LST) using harmonic analysis of time series algorithm (HANTS)

دماي سطح زمين (LST) يكي از پارامترهاي اساسي در مبادله انرژي بين زمين و اتمسفر است. در بسياري از علوم مختلف از جمله اقليم‌شناسي، هيدرولوژي، كشاورزي، اكولوژي، بهداشت عمومي و علوم زيست‌محيطي استفاده از سري­هاي زماني LST كاربرد فراوان دارد. اما سري­هاي زماني داده­هاي ماهواره­اي معمولاً داراي داده­هاي ناقص، از دست رفته و يا غير قابل قبول هستند كه اين به دليل حضور ابرها در تصاوير، وجود ذرات گرد و غبار در اتمسفر، عدم كارايي الگوريتم ­هاي بكار رفته در محاسبه داده ­ها و بعضاً عملكرد نادرست سنجنده است. در اين مطالعه به منظور رفع مشكل داده ­هاي از دست رفته و دور افتاده از الگوريتم تجزيه و تحليل هارمونيك سري­هاي زماني (HANTS) استفاده شد. همچنين در اين مطالعه از محصول LST سنجنده MODIS سال 2015 MOD11A1 كه داراي قدرت تفكيك مكاني يك كيلومتر و قدرت تفكيك زماني روزانه و همچنين حاوي اطلاعات دماي سطح زمين در زمان روز و شب است، استفاده گرديد. منطقه مطالعاتي شامل يك فريم تصوير در سيستم شبكه­ بندي سينوسي MODIS با شماره افقي 22 و عمودي 5 (h22v05) است. ارزيابي نتايج كيفيت داده­ها نشان مي­دهد به طور ميانگين در سري زماني تصاوير LST مورد استفاده در زمان روز و شب به ترتيب 36/8 و 35/6 درصد داده­ها توسط پوشش ابر از دست رفته است. ارزيابي نتايج الگوريتم HANTS در بازسازي تصاوير بدون پوشش ابر نشان مي­دهد خطاي جذر ميانگين مربعات (RMSE) بين داده­هاي اصلي و بازسازي شده در سري زماني LST مورد مطالعه در زمان روز و شب به ترتيب 3/87 و 2/68 درجه كلوين است. به طور كلي نتايج اين پژوهش نشان مي­دهد كه الگوريتم HANTS به طور مؤثري مي­تواند در رفع مشكل داده­هاي از دست رفته و داده ­هاي دور افتاده و همچنين ارتقا كيفيت داده ­ها در سري­هاي زماني LST سنجنده MODIS مورد استفاده قرار گيرد.

Land surface temperature (LST) is an essential parameter in the energy exchange between the earth surface and atmosphere. It is widely used in various scientific fields, such as climatology, hydrology, agriculture, ecology, public health and environmental science where the time series analysis of LST is vital. One of the methods to estimate LST is to use thermal remote sensing technique and infra-red satellite imageries. But, the time series satellite data are commonly prone to miss data, outliers (spatially and temporally) due to clouds, aerosols, cloud masking algorithm malfunctioning and sensor errors. In this study, to solve the problem of missing data (gaps) and outliers Harmonic ANalysis of Time Series algorithm (HANTS) was used. The day and night MODIS LST products (MOD11A1) were used in 2015, with 1 kilometers and daily spatial and temporal resolution, respectively. The study area covers most part of Iran, Turkmenistan and the Caspian Sea, which belongs to an image frame that in the sinusoidal MODIS frame system has the horizontal and vertical number of 22 and 5 (h22v05), respectively. The quality evaluation of original data showed that on average 36.8 and 35.6 percentage of data was covered by a cloud by day and night time. The results of the HANTS algorithm illustrated that the Root Mean Square Error (RMSE) between the original and reconstructed data were 3.87 and 2.68 Kelvin during the day and night time. The results of this study indicate that HANTS algorithm can effectively solve the problem of gaps and outliers and improve the quality of data used in time series LST of MODIS.