بهبود قدرت تفکیک مکانی باندهای حرارتی براساس تکنیک‌های ریزمقیاس و اثر آن در برآورد تبخیروتعرق گیاه مرجع

به‌دلیل محدودیت‌های فنی بیشتر ماهواره‌ها نمی‌توانند به‌طور همزمان، تصاویر با قدرت تفکیک‌‌های مکانی، زمانی و طیفی بالا جمع‌آوری کنند. در این مقاله امکان استفاده از روش‌های ریزمقیاس‌سازی distrade و tsharp و روش stifm به منظور دستیابی به وضوح مکانی بالا برای تصاویر modis و landsat8 مورد بررسی قرار گرفت. مقدار rmse برای تصاویر شارپ شده 1کیلومتری به 30 متری کمتر از 3.93 درجه سانتی‌گراد بود. همچنین در این تحقیق الگوریتم بیلان انرژی سطح (sebal) به‌منظور برآورد توزیع تبخیروتعرق واقعی با استفاده از تلفیق تصاویر ماهواره‌های لندست7 و مودیس براساس روش ریزمقیاس tsharp مورد بررسی قرار گرفت. نتایج بیانگر این بود که تلفیق تصاویر ماهواره‌ای منجر به بهبود دقت در برآورد تبخیر و تعرق واقعی نسبت به تصاویر لندست 7 شده است. میانگین مربعات خطا تبخیر و تعرق برآوردی در طول دوره رشد در مقایسه با داده های لایسیمتری برای تصاویر مودیس 124.91/1 میلی‌متر بر روز و برای تصاویر تلفیقی 0.181میلی‌متر در روز تعیین گردید. به طور کلی نتایج این تحقیق نشان داد که برآورد تبخیر و تعرق با استفاده از الگوریتم sebal و براساس تلفیق تصاویر با دقت‌های متفاوت زمانی و مکانی می‌تواند نتایج قابل قبولی را ارائه دهد.

Improving the spatial resolution of thermal bands based on downscale techniques and it’s effect on estimating the evapotranspiration of the reference plant

Due to technical limitations, most satellites cannot simultaneously collect images with high spatial, temporal, and spectral resolution. In this paper, the possibility of using DisTrade and TsHARP downscaling methods and STIFM method in order to achieve high spatial resolution for MODIS and Landsat8 images was investigated. The RMSE value for sharpened images of 1 km to 30 meters was less than 3.93 ° C. In this study, the surface energy balance algorithm (SEBAL) was investigated to estimate the actual evapotranspiration distribution using a combination of Landsat 7 and MODIS satellite images based on the TSharp downscale method. The results showed that the integration of satellite images improved the accuracy of estimating actual evapotranspiration compared to Landsat 7 images. The mean squared error of estimated evapotranspiration during the growth period was determined in comparison with lysimetric data for Modis images of 1.242.91 mm / day and for integrated images of 0.811.1 mm / day. In general, the results of this study showed that the estimation of evapotranspiration using SEBAL algorithm and based on the combination of images with different temporal and spatial accuracy can provide acceptable results.