توسعه الگوریتم های بهبود یافته برای ریزمقیاس سازی رطوبت خاک سطحی ماهواره smap با استفاده از داده ماهواره های نوری/حرارتی

در این پژوهش، یک روش جدید ریزمقیاس سازی بر پایه داده ماهواره های نوری به منظور بهبود مقیاس مکانی رطوبت خاک ماهواره فعال غیرفعال رطوبت خاک (smap) با استفاده از داده های مقیاس بالای ماهواره مرئی/فروسرخ modis معرفی شده است. این مدل برپایه رابطه خطی فیزیکی بین رطوبت خاک و انعکاس تغییر یافته طول موج کوتاه فروسرخ (str) می باشد. مدل فیزیکی با مدل ذوزنقه ای تجربی به منظور ارزیابی عملکرد str به جای دمای سطح خاک مقایسه شد. در این مطالعه، داده های ماهواره های modis و smap از سال 2015 تا 2018 مورد استفاده قرار گرفتند و رطوبت خاک ریزمقیاس شده با استفاده از داده های زمینی ایستگاه های اندازه گیری رطوبت خاک cosmos واقع شده در ایالت آریزونای آمریکا مورد ارزیابی قرار گرفت. نتایج نشان داد با وجود اینکه هر دو الگوریتم های ریزمقیاس سازی مقادیر rmse را کاهش دادند، الگوریتم فیزیکی بطور کلی عملکرد بهتری نسبت به الگوریتم تجربی نشان می دهد. هرچند، رطوبت خاک ریزمقیاس شده توسط الگوریتم ها، ضریب همبستگی (r) کمتری نسبت به رطوبت خاک اندازه گیری شده دارد، اما مقادیر rmse از 0.032 رطوبت خاک smap تا 0.03 و 0.031 و همچنین مقادیر انحراف از معیار از 0.011 رطوبت خاک smap تا 0.0016 و 0.0076 به ترتیب برای الگوریتم های ریزمقیاس سازی فیزیکی و تجربی بهبود می یابند. بطور کلی، نتایج نشان داد که الگوریتم ریزمقیاس سازی فیزیکی پیشنهاد شده به خوبی مقیاس مکانی بزرگ رطوبت خاک ماهواره smap را بهبود می بخشد و جایگزین کردن دمای سطح خاک با str می تواند دیدگاه جدیدی را نسبت به علم ریزمقیاس سازی نشان دهد.

Development of Improved Algorithms for Downscaling SMAPDerived Soil Moisture Using Visible/Inferred satellite observations

In this research, a new downscaling method was proposed to improve the spatial resolution of Soil Moisture Active Passive (SMAP) soil moisture estimates with the use of higher resolution from the visible/infrared satellite (MODIS). The model relies on a physical linear relationship between the soil moisture content and shortwave infrared transformed reflectance (STR). Finally, the physical downscaling model was compared against the traditional empirical triangle method to evaluate the performance of using STR in place of land surface temperature (LST). In this study, MODIS and SMAP satellites observations from 2015 to 2018 were used and the evaluation of the downscaled soil moisture was undertaken at the COSMOS sites in Arizona. Results show that while both downscaling algorithms have decreased Root Mean Square Error (RMSE) values, the performance of physical algorithm generally is better than empirical. However, the spatial correlation (R) values decreased using downscaling algorithms, but the RMSE values improved from 0.032 of SMAP soil moisture to 0.3 and 0.031 for the physical and empirical downscaling algorithms, respectively. Also the values of bias improved from 0.011 of SMAP soil moisture to 0.0016 and 0.0076 for the physical and empirical downscaling algorithms, respectively. In conclusion, the result show the proposed physical downscaling algorithm nicely improves the limited spatial variability of SMAP soil moisture and replacing LST with STR can yield a new insight on the downscaling issues.