شماره ركورد :
1041296
عنوان مقاله :
بازسازي تصوير معيوب ماهواره لندست با روش رگرسيون خطي وزني و ارزيابي صحت نقشه پوشش اراضي (بررسي موردي: منطقۀ خوي) صفحه
عنوان به زبان ديگر :
Recovering missing pixels for a Landsat SLC-off image using Weighted Linear Regression and accuracy assessment of land cover map (Case study: Khoy region, Northwest Iran)
پديد آورندگان :
نجف زاده، آيلار دانشگاه اروميه، اروميه، ايران , عرفانيان، مهدي دانشگاه اروميه - دانشكده منابع طبيعي - گروه مرتع و آبخيزداري، اروميه، ايران , عليجانپور، احمد دانشگاه اروميه - دانشكده منابع طبيعي - گروه جنگلداري، اروميه، ايران , بابايي حصار، سحر دانشگاه كاشان، كاشان، ايران.
تعداد صفحه :
15
از صفحه :
275
از صفحه (ادامه) :
0
تا صفحه :
289
تا صفحه(ادامه) :
0
كليدواژه :
تصحيح‌كنندۀ خط اسكن , WLR , خوي , +ETM , پركردن گپ
چكيده فارسي :
تصحيح­ كنندۀ خط اسكن (SLC) سنجندۀ ETM+ ماهوارۀ لندست 7 در تاريخ 31 مي 2003 دچار نقص فني شد كه در نتيجۀ آن حدود 22 درصد از پيكسل­هاي هر تصوير كامل، معيوب هستند. روش­هاي متعددي به ­منظور بازسازي تصاوير معيوب لندست 7 در سطح دنيا ارائه شده است. در اين پژوهش، روش رگرسيون خطي وزني (WLR) در بازسازي تصوير معيوب 18 ژوئن 2011 منطقۀ خوي در فصل رشد گياهان مورد ارزيابي قرار گرفت. مقادير معيارهاي خطا (RMSE كمتر از 02/0 و ضريب كارايي ناش- ساتكليف 91/0)، نشان داد كه روش WLR در بازسازي تصوير معيوب (SLC-OFF)، از كارايي زيادي برخوردار است. در مرحلۀ بعد، با اعمال فن طبقه­ بندي حداكثر شدت احتمال روي تصوير بازسازي‌شده، نقشه پوشش اراضي تهيه شد. نتايج ارزيابي صحت (ضريب كاپاي 85/0، صحت كل 7/89 درصد، ضريب عدم تطابق تخصيص 2/3 و ضريب عدم تطابق كمي 9/6)، بيانگر كارايي روش WLR است. در شرايط فقدان تصاوير سنجنده TM، استفاده از روش مذكور در ترميم تصاوير معيوب لندست 7 و تهيه نقشه­ هاي پوشش اراضي موردنياز در منطقه خوي، توصيه مي­­شود.
چكيده لاتين :
On May 31, 2003 the Scan Line Corrector (SLC) in the ETM+ instrument on Landsat 7 failed. Until now, a wide variety of gap-filling methods have been developed to recover missing pixels in the Landsat 7 SLC-off images. In present study, a newly-developed approach known as the Weighted Linear Regression (WLR) method was evaluated on the simulated SLC-off TM image acquired on 18 June 2011 when plants and vegetated lands are growing. The statistical measures of the RMSE (< 0.02), the Pearson correlation coefficient (R = 0.99), and the Nash-Sutcliffe (NSE = 0.91) showed that the WLR is highly capable of predicting missing pixels values. Based on a supervised image classification technique so-called the Maximum Likelihood (ML) applied on the predicted image, a land cover map for the desire region was generated. The accuracy assessment results consist of the Overall accuracy (OA= 89.7%), the Kappa coefficient (K= 0.85), the Allocation Disagreement (AD = 3.2), and the Quantitative Disagreement (QD = 6.9), revealed a high ability of the WLR for land cover mapping. Therefore, under the lack of Landsat TM imagery, the application of this method for recovering missing pixels is highly suggested to be useful for producing any required land cover map in Khoy region from Landsat ETM+ SLC-off images.
سال انتشار :
1396
عنوان نشريه :
پژوهش و توسعه جنگل
فايل PDF :
7567065
عنوان نشريه :
پژوهش و توسعه جنگل
لينک به اين مدرک :
بازگشت