ترکیب تصاویر مادیس و سنتینل-2 به منظور تهیه نقشه های تبخیر-تعرق روزانه با قدرت تفکیک مکانی 10 متر

روش های ریزمقیاس‌نمایی راه حل مناسبی را جهت رفع مشکل عدم وجود داده‌های ماهواره‌ای با قدرت تفکیک مکانی و زمانی بالا ارائه می‌دهند و می‌توان با استفاده از این روش‌ها، تاحدودی نیاز به داده‌های ماهواره‌ای با قدرت تفکیک مکانی-زمانی بالا را، به منظور پایش پدیده‌های طبیعی مانند تبخیر تعرق،برطرف نمود. ماهواره سنتینل-2 در سال 2015 در مدار قرار گرفت و از آن تاریخ امکان دسترسی به داده هایی با قدرت تفکیک مکانی 10 متر را برای دوره بازگشت 5 روزه فراهم آورده است. هرچند، سنسور این ماهواره قادر به برداشت داده های سنجش از دور در طول موج حرارتی نیست. هدف این مطالعه تهیه نقشه‌های تبخیر تعرق روزانه با قدرت تفکیک مکانی 10 متر براساس ترکیب داده های مادیس و سنتینل-2 برای اراضی کشت و صنعت امیرکبیر می‌باشد. بدین منظور از دو روش starfm و tsharp اصلاح شده به منظور ریزمقیاس نمایی داده‌های مادیس به داده‌های سنتینل-2 استفاده گردید. بدین منظور ابتدا با استفاده از روش starfm ،باندهای مرئی و مادون قرمز نزدیک تصاویر مادیس به باندهای متناظر خود در تصاویر سنتینل-2 ریزمقیاس نمایی شدند. سپس باندهای حرارتی با قدرت تفکیک مکانی 10 متر با استفاده از روش tsharp اصلاح شده تهیه گردیدند و در پایان با استفاده از الگوریتم سبال و باندهای ریزمقیاس نمایی شده سنتینل-2 ، نقشه های تبخیر تعرق روزانه با قدرت تفکیک مکانی 10 متر تولید شدند. مقایسه تبخیر تعرق‌های ریزمقیاس نمایی شده با تبخیر تعرق‌های بدست آمده با روش فائو پنمن مانتیث بیانگر میزان مجذور میانگین مربعات خطای 0.64 میلیمتر در روز بود که نشان دهنده عملکرد خوب روش ارائه شده جهت تولید نقشه های تبخیرتعرق واقعی روزانه با قدرت تفکیک مکانی 10 متر می باشد.

MODIS and Sentinel-2 Data Fusion For 10-m Daily Evapotranspiration mapping

Downscaling methods seem to be a reasonable solution to solve the problem of having no simultaneous high spatial and temporal satellite data, and it is possible somehow to meet the requirement of having high spatialtemporal resolution satellite data for monitoring the natural phenomena such as evapotranspiration, through these methods. Sentinel2 satellite launched in 2015 enables to provide 10m spatial resolution data with a 5day revisit time; however, its sensor does not acquire data in thermal infrared wavelength. This study aims to generate 10m daily evapotranspiration maps based on Sentinel2 and MODIS data fusion for AmirKabir Agroindustry farms. For this purpose, STARFM and improved TSHARP methods were applied for downscaling MODIS data to Sentinel2 data. To achieve this goal, First, MODIS visible and near and middle infrared bands were downscaled by STARFM to 10m spatial resolution. Then, improved TSHARP was applied for downscaling MODIS thermal band to 10m spatial resolution and SEBAL algorithm fed by the downscaled bands, was used to produce daily evapotranspiration map with 10m spatial resolution. Assessing downscaled evapotranspiration maps with those derived from FAO PenmanMonteith equation indicated a RMSE of 0.64 mm/day showing efficient performance of the downscaling framework proposed for 10m daily evapotranspiration mapping in this study.