ارزیابی روش‌های ریزمقیاس‌سازی distrad و tsharp به‌منظور افزایش قدرت تفکیک مکانی تصاویر حرارتی سنجنده مادیس

زمینه و هدف: دمای سطح زمین (lst) یکی از مهم‌ترین پارامترهای موثر بر محیط و سیستم‌های اکولوژیکی است و بر بسیاری از فرآیندهای سطح زمین تاثیرگذار است. lst به‌طور گسترده‌ای در مطالعات رطوبت خاک، گرمای سطح زمین شهری، نظارت بر محیط‌زیست، شبیه‌سازی فرآیند بیوژئوشیمیایی محیطی و ارزیابی تغییرات آب و هوا استفاده می‌شود. لذا توسعه روش‌هایی به‌منظور تخمین هرچه دقیق‌تر مکانی و زمانی این پارامتر کلیدی، کمک شایانی به توسعه بخش کشاورزی و حفظ منابع آبی می‌کند. هدف از تحقیق حاضر، ارزیابی نتایج روش‌های ریزمقیاس‌سازی distrad و tsharp به‌منظور افزایش قدرت تفکیک مکانی تصاویر حرارتی سنجنده مادیس حاصل از ماهواره‌های ترا و آکوا، از 1000 متر به 250 متر است.روش پژوهش: روش پژوهش در مقاله حاضر از نظر هدف، کاربردی و از نظر روش انجام کار مبتنی بر روابط همبستگی است.یافته‌ها: عملکرد روش‌های ریزمقیاس‌سازی حرارتی distrad و tsharp توسط شاخص میانگین مربعات خطا (rmse) و میانگین انحراف خطا (mbe) ارزیابی شدند. بررسی نتایج حاکی از آن است که بین داده‌های تصاویر ریزمقیاس‌شده دمای سطح زمین توسط روش‌های distrad و tsharp با داده‌های تصویر مادیس 1000 متری از سنجنده terra، مقدار rmse برای تاریخ 13 اردیبهشت 1398 به ترتیب برابر با 1.77 و 1.7 درجه سانتی‌گراد و r2 حدود 53 درصد و برای 25 مهر 1398 به ترتیب برابر با 2.44 و 2.38 درجه سانتی‌گراد و r2 حدود 85 درصد است.نتایج: بررسی نتایج ماهوراه‌های ترا و آکوا، به‌طور کلی نشان‌دهنده برتری نتایج ماهواره ترا نسبت به آکوا است. دلیل اصلی آن می‌تواند ساعت متفاوت گذر ماهواره‌ها از منطقه مورد مطالعه باشد. همچنین با توجه به اینکه تغییرات رطوبتی خاک و پهنه‌های آبی نظیر رودخانه کارون از عوامل اصلی ایجاد خطاست، لذا استفاده از این روش‌های ریزمقیاس‌سازی تنها در مناطق فاقد تغییرات زیاد رطوبتی توصیه می‌شود.

Evaluation of DisTRAD and TsHARP Downscaling Methods to Increase the Spatial Resolution of MODIS Thermal Images

Background and Aim: Land surface temperature (LST) is a key boundary condition in many groundbased modeling schemes based on remote sensing. Previous literature has shown that LST products from satellite imagery can be used to detect land surface changes, including urbanization, deforestation and desertification, which can improve our ability to monitor surface changes continuously. The objective of the present study was to evaluate the results of DisTRAD and TsHARP thermal sharpening methods to downscale the spatial resolution of MODIS LST from 1000 m to 250 m.Method: The research method in the present article is applied in terms of purpose and based on correlation relations in terms of method of work.Results: The performance of DisTRAD and TsHARP thermal downscaling methods were evaluated by the Root Mean Square Error (RMSE) and the Mean Bias Error (MBE) between the downscaled and original LSTs. Statistical analysis showed that the RMSE between the downscaled images of DisTRAD and TsHARP methods with the original LST (1000 m (terra)) for 3 May 2019 were found to be 1.77 ° C and 1.7 ° C, respectively, whereas the R2 were found to be about 53% and for 17 October 2019, the RMSE were found to be 2.44 ° C and 2.38 ° C respectively, whereas the R2 were found to be about 85%.Conclusion: The study of the results of Terra and Aqua satellites generally shows the superiority of Terra satellite results over Aqua. The main reason could be the different passage times of the satellites from the study area. Since that changes in soil moisture and water body such as the Karun River are common sources of error, so the use of these methods is recommended only in areas without excessive changes in moisture.