بازسازی محصولات مفقوده کلروفیل a مودیس با استفاده از الگوریتم dineof در نرم افزار r: مطالعه موردی خلیج فارسی و دریای عمان

هدف این مطالعه، استفاده از الگوریتم dineof برای پر کردن نقاط فاقد داده در تصاویر ماهواره ای غلظت کلروفیل a در آبهای سطحی خلیج فارس و دریای عمان می باشد. در این مطالعه از داده های سطح 3 (وضوح مکانی 4 کیلومتر) غلظت کلروفیل a حاصل از سنجنده مودیس در بازه زمانی 2003 تا 2020 در خلیج فارس و دریای عمان (استخراج شده از سایت ناسا) استفاده شد. برخی از تصاویر در بعضی از ماه های سال دارای نقاط فاقد محصول بودند. تصاویر دارای محصولات مفقوده (گپ یا شکاف) غلظت کلروفیل a در خلیج فارس و دریای عمان با استفاده از بسته نرم افزاری rtsa.gapfill و الگوریتم dineof در نرم افزار r بازسازی شدند. در نهایت برای ارزیابی صحت سنجی الگوریتم dineof، پارامترهایی نظیر rmse، mse، mad و snr محاسبه شده است. نقشه های اصلی (دارای شکاف) غلظت کلروفیل a نشان دادند که بیشترین میزان محصولات مفقوده در ماه جولای 2009 و 2015 وجود دارد. با ارزیابی صحت بازسازی مشخص شد بازسازی داده های مفقوده به خوبی توسط الگوریتم صورت گرفته است (به عنوان مثال در ماه جولای 2014 پارمترهای محاسبه شده بدین شرح می باشند: r^2=0/83، rsme=0/34، mad=0/14، mse=0/10). بررسی نتایج نشان داد که اجرای الگوریتم dineof در نرم افزار r برای بازسازی محصولات مفقوده موجود در تصاویر غلظت کلروفیل a روشی کارآمد، سریع و موفقیت آمیز است. محصولات کلروفیل a حاصل از بازسازی برای کاربردهایی مانند تشخیص شکوفایی جلبکی و همچنین مدیریت مناسب شیلاتی قابل استفاده است. در مقیاس زمانی بلند مدت، مقایسه محصولات مفقوده با بازسازی‌ شده به کنترل کیفیت داده های ماهواره ‌ای کمک می کند.

Reconstruction of MODIS chlorophyll a products using DINEOF algorithm in R software: A case study of the Persian Gulf and Oman Sea

The DINEOF algorithm is a parameter free technique based on iterative EOF analysis that is used to calculate the missing data in a given satellite data set (without requiring any prior information). In this study, the DINEOF technique has been used to fill the gaps in chlorophylla data series in the Persian Gulf and Oman Sea. Level 3 data (4 km spatial resolution) of chlorophylla concentration obtained from MODIS sensor (2003 2020) for the study area were used. In some of the images several gaps were found in different months of the year. Images with gap in the Persian Gulf and Oman Sea were reconstructed by rtsa.gapfill Rpackage and DINEOF algorithm in R software. The linear regression analysis was performed between the missing and reconstructed data, and also parameters such as RMSE, MSE, MAD and SNR were calculated to evaluate the validity and performance of the DINEOF algorithm. The maximum number of the gaps in data series were found in July. Hence, the images of July have been examined and reconstructed as the case study. The original maps of chlorophylla concentration showed that the maximum number of the gaps were in July 2009 and 2015. Evaluation of the results showed a high accuracy of DINEOFreconstruction method (e.g. in July 2014, R2 = 0.83, RSME = 0.34, MAD = 0.14, MSE = 0.10). The results showed that the implementation of the DINEOF algorithm (in R) to reconstruct the gaps in chlorophylla concentration images could serve as a rapid and efficient technique.