استخراج تصاوير روزانه دماي سطح زمين با قدرت تفكيك مكاني بالا با استفاده از تلفيق تصاوير لندست و ماديس

Derivation daily and high spatial resolution Land Surface Temperature using Fusion of Landsat and Modis Satellite Imagery

دماي سطح زمين يكي از پارامترهاي كليدي و موثر بر مطالعات محيطي مي‌اشد. به دليل وجود محدوديت‌هاي بودجه‌اي و تكنيكي، سنجنده‌اي كه در محدوده حرارتي قدرت تفكيك زماني و مكاني بالايي داشته باشد، وجود ندارد. از آن‌جا كه قدرت تفكيك مكاني و زماني بالا به همراه يكديگر به افزايش قابليت اطمينان در تحليل و وضوح تصوير منجر مي‌شود، بنابراين بهترين راه فائق آمدن به اين مشكل تلفيق تصاوير با قدرت تفكيك مكاني و زماني بالا مي‌باشد. لذا هدف از اين مقاله، تهيه‌ي تصاوير دماي سطح با قدرت تفكيك مكاني لندست و قدرت تفكيك زماني ماديس است كه بدين‌منظور از روش SADFAT كه جهت تلفيق اين تصاوير توسعه داده شده است، استفاده گرديد. جهت اجراي روش و ارزيابي نتايج آن از هفت تصوير ماهواره‌اي لندست 8 در محدوده‌ي طرح توسعه نيشكر واقع در جنوب استان خوزستان مربوط به 3 خرداد، 19خرداد، 20 تير، 5 مرداد، 21 مرداد، 6 شهريور و 22 شهريور سال 1394 و تصاوير ماديس روزانه‌ي تاريخ‌هاي ذكر شده استفاده شد. جهت ارزيابي از شاخص ضريب همبستگي، خطاي جذر ميانگين مربعي، ميانگين خطاي مطلق و شاخص كيفيت جهاني تصوير استفاده گرديد. نتايج بررسي‌ها نشان مي‌دهد كه مقادير شاخص‌هاي ضريب همبستگي، خطاي جذر ميانگين مربعي، ميانگين خطاي مطلق و شاخص كيفيت جهاني تصوير بين دماي سطح مشاهده شده و پيش‌بيني شده به ترتيب بين 0.85-0.99, 0.73-1.32, 0.58-1.73, 0.9124-0.9973. متغير است. نتايج پژوهش بيانگر دقت بالا و قابل قبول روش SADFAT جهت تهيه‌ي روزانه‌ي تصاوير دماي سطح با قدرت تفكيك مكاني لندست در منطقه مورد مطالعه مي‌باشد.

Land surface temperature is one of the most important parameters in environmental studies. Having satellite imageries with spatiotemporal resolution leads to better interpretation, analysis and clarity of images; therefore the best way to solve this problem is to combine images with high spatial and temporal resolution. There is no satellite that captures thermal band with both spatial and temporal resolution simultaneously due to technical difficulties and considerable cost. Therefore, the aim of this article is using SADFAT algorithm for providing land surface temperature images with spatial resolution of Landsat and temporal resolution of Modis. This paper uses seven dates of Modis and Landsat including 24th May, 9th June, 11th July, 27th July, 12th Aug, 28Aug and 13th September of Salman Farsi sugar cane Industry. The results are evaluated with four indexes of correlation coefficient, Average difference, Mean Absolute Error and Universal Image Quality Index. Comparison of predicted and observed images indicate that the value of indexes correlation coefficient, Root Mean Square Eroor, Mean Absolute Error and Universal Image Quality Index are between 0.85-0.99, 0.73-1.32, 0.58-1.73, 0.9124-0.9973. The results showed high, reliable and precession of SADFAT algorithm for providing daily land surface temperature with spatial resolution of Landsat in case study.