>
Fa   |   Ar   |   En
   بهبود روش مبتنی بر شاخص گیاهی جهت برآورد گسیلمندی سطح با استفاده از آنالیز رگرسیون چند متغیره بر روی داده های لندست 8  
   
نویسنده امامی حسن ,صفری عبدالرضا ,مجردی برات
منبع علوم و فنون نقشه برداري - 1395 - دوره : 5 - شماره : 4 - صفحه:137 -153
چکیده    گسیلمندی سطح زمین از جمله متغیرهایی است که در دامنه وسیعی از مطالعات و تحقیقات علوم زمین و محیط زیست کاربرد دارد و یکی از پارامترهای اساسی در برآورد دمای سطح می باشد. فناوری سنجش از دور، امکان پایش این کمیت را در سطح وسیعی فراهم می آورد. تغییرات گسیلمندی وابسته به پارامترهای سطح (نظیر بافت، توپوگرافی، رطوبت) و سنجنده ( نظیر قدرت تفکیک مکانی، تابع پاسخ طیفی ، و طول موج موثر باندها ) می باشد. در این تحقیق، یک روش بهبود یافته مبتنی بر شاخص گیاهی نرمال شده جهت برآورد گسیلمندی سطح بر روی داده های لندست 8 پیشنهاد گردیده است. در روش پیشنهادی، گسیلمندی باند های حرارتی برای مناطق خاک بایر بصورت تابعی از بازتاب باندهای انعکاسی تصحیح اتمسفری شده در محدوده طیفی 0.4 تا 2.29 میکرومتر بیان شده است. کارایی روش پیشنهادی بصورت عملی بر روی داده های لندست 8 اجرا گردید و گسیلمندی حاصل با دو محصول گسیلمندی سنجنده هوابرد پیشرفته با رادیمترسنج انعکاسی و حرارتی( aster) مقایسه و اعتبارسنجی شد. نتایج نشان داد که گسیلمندی حاصل از روش بهبود یافته پیشنهادی در باند 10 حرارتی لندست 8 در مقایسه با محصول گسیلمندی متناظر تصویر بررسی اول و دوم aster به ترتیب دارای خطای 0.76% و 0.75% با در نظر گرفتن پارامتر ریشه میانگین مربعات خطا می باشد، همچنین این خطا در باند 11 حرارتی به ترتیب دارای مقدار 1.49% و 1.06% محاسبه گردید. برخلاف روشهای قبلی، روش پیشنهادی نه تنها با دقت بهتری گسیلمندی سطح را بصورت تابعی از انعکاس عوارض مختلف سطح تخمین می زند، بلکه توابع پاسخ طیفی باندهای حرارتی و انعکاسی را در برآورد گسیلمندی سطح مد نظر قرار می دهد. همچنین، روش پیشنهادی رابطه ضعیف بین گسیلمندی و بازتاب فقط باند قرمز در روشهای قبلی را بدلیل استفاده از بازتاب همه باندهای انعکاسی تقویت می نماید و بر روی اغلب سنجنده ها قابل اجراست.
کلیدواژه گسیلمندی سطح زمین، دمای سطح زمین، لندست 8، شاخص گیاهی نرمال شده
آدرس دانشگاه تهران, ایران, دانشگاه تهران, ایران, دانشگاه علم و صنعت ایران, ایران
پست الکترونیکی mojaradi@iust.ac.ir
 
   An Improved NDVI-Based Multivariate Regression Method for LSE Estimation on LDCM Data  
   
Authors Emami H. ,Safari A. ,Mojaradi B.
  
 
 

Copyright 2023
Islamic World Science Citation Center
All Rights Reserved