تخمین غلظت کلروفیل آ با استفاده از داده‌های میدانی و پردازش تصاویر ماهواره‌‌‌ای سنتینل2 و لندست8 (مطالعه موردی: خور تیاب)

خورها یکی از مهمترین منابع طبیعی ساحلی محسوب می‌شوند. نظارت بر کلروفیل آ (chla) که رنگدانه فیتوپلانکتون‌ آب‌های اقیانوسی و ساحلی است می‌تواند با استفاده از فناوری نوین سنجش از دور اندازه‌گیری و ارزیابی شود. وجود طول موج‌های آبی، سبز و قرمز در ماهواره‌های مشاهدات اقیانوسی همواره راه را برای نظارت بر رنگ اقیانوس‌ها هموار نموده است. هدف از این پژوهش استفاده از الگوریتم‌های بیو اپتیکی oc2 و oc3 و از داده‌های ماهواره‌ای sentinel2 multispectral instrument  و landsat8 oli در فروردین سال 1398 به منظور تخمین غلظت کلروفیل آ در منطقه خور تیاب است. جهت ایجاد همبستگی و ارزیابی نتایج از داده‌های میدانی نمونه‌برداری‌ استفاده شد. نتایج تحقیق نشان داد که الگوریتم oc2 در ماهواره‌های لندست8 و سنتینل2 به ترتیب دارای بیشترین مقدار ضریب تعیین (r2) معادل با 0.91 و 0.64 بود و همچنین مقدار خطای ریشه میانگین مربعات (rmse) به ترتیب در تصاویر ماهواره‌ای معادل با 0.13 و 0.33 بود. این نتایج بیانگر دقت بالای الگوریتم oc2 در تصاویر ماهواره‌ای مورد استفاده است و به‌عنوان مناسب‌ترین الگوریتم برای تهیه نقشه غلظت کلروفیل آ منطقه مورد مطالعه انتخاب شد.

Estimation of chlorophylla concentration using ground data and Sentinel2 and Landsat8 Satellite images processing (Case study: Tiab Estuary)

The estuaries are one of the most important coastal natural resources. Chlorophylla (Chla) monitoring, which is the pigment of oceanic and coastal phytoplankton, can be measured and evaluated using new remote sensing technology. The presence of blue, green and red wavelengths in oceanic observation satellites has always paved the way for monitoring the color of the oceans. The aim of this study is used OC2 and OC3 biooptical algorithms and Sentinel2 MSI and Landsat8 OLI satellite data in April 2019 to estimate chlorophylla concentration in the estuary Tiap area. Ground sampling data were carried out to correlate and evaluate the results. The results showed that the OC2 algorithm in Landsat8 and Sentinel2 satellites had the highest R Squared coefficient (R2) 0.91 and 0.64, respectively, and the Root mean square error (RMSe) of the satellite images were 0.13 and 0.33, respectively. These results indicate the high accuracy of the OC2 algorithm in the satellite images used and were selected as the most suitable algorithm for mapping chlorophylla concentration in the study area.