ریزمقیاس نمایی تصاویر بازیابی مایکروویو غیرفعال رطوبت خاک در ابعاد مزرعه

رطوبت خاک از اهمیت ویژه ای در مطالعات منابع آب و کشاورزی برخوردار است. طیف الکترومغناطیس مایکروویو، محدودیت‏ های فیزیکی سایر امواج رادیومتری در اندازه ‏گیری رطوبت خاک را ندارد، اما غالبا دارای ابعاد پیکسل بسیار بزرگ (بیش از 10 کیلومتر) هستند. در این پژوهش به منظور کاربرد داده‏ های رطوبت خاکی دورسنجی در مقیاس مزرعه، با استفاده از داده ‏های اندازه‏ گیری میدانی رطوبت خاک در محدوده دشت نیشابور طی سال ‏های 1396 تا 1398، واسنجی داده ‏های بازیابی سنجنده amsr2 انجام شد. معلوم شد تغییرات ارتفاعی و پوشش گیاهی از جمله عوامل کلیدی تاثیرگذار بر دقت واسنجی به شمار می ‏آیند. مبتنی بر نظریه اینرسی حرارتی و با کمک تصاویر سنجنده مودیس، اندرکنش‏ های میانگین روزانه رطوبت خاک و اختلاف دمای روزانه سطح زمین در دو سنجنده modis و amsr2 بررسی شد و با استفاده از آن روابط خطی ریزمقیاس نمایی تصاویر رطوبت خاک برای تبدیل ابعاد تصویر از 25 کیلومتر به 1000 متر به دست آمد. بررسی شاخص ‏های آماری r^2 با کمینه 0.73 و بیشینه 0.84، mae و rmse با دامنه تغییرات 1.6 تا 4، نشان داد که الگوریتم استفاده شده در ریزمقیاس نمایی به خوبی قادر به بازتاب اندرکنش‏ های بین بارش، رطوبت خاک، پوشش گیاهی و تغییرات پروفیل دمایی کانوپی بوده و این ویژگی کاربرد آن را در تحلیل ‏های هواشناسی کشاورزی تقویت می‏ کند.

Downscaling Retrievals of the AMSR2 Passive Microwavee Soil Moisture Imagery to Farm Scale

Soil moisture is of particular importance in the study of water resources and agriculture. The microwave electromagnetic spectrum does not have the physical limitations of other radiometric spectral in measuring soil moisture, but they often have very large pixel dimensions (more than 10 km). In this study, in order to apply soil moisture remote sensing data at the farm scale, using field soil moisture measurement data in the Nishabour plain during 20172019, calibration of AMSR2 retrieval data was performed. It turned out that altitude and vegetation changes are among the key factors affecting calibration accuracy. Based on the theory of thermal inertia and with the help of MODIS sensor images, the interactions of the average daily soil moisture and the daily surface temperature difference between the two MODIS and AMSR2 sensors were investigated. Using it, downscaling linear relationships of soil moisture images were obtained to convert the image dimensions from 25 km to 1000 m. Validation of R2 statistical indices with a minimum of 0.73 and a maximum of 0.84, MAE and RMSE with a range of 1.6 to 4, showed that the algorithm used in the downscaling is well able to reflect the interactions between rainfall, soil moisture, vegetation and changes in canopy temperature profile and this feature reinforces its application in agrometeorological studies.