مقايسه روش هاي ادغام داده هاي تصاوير سنجنده MODIS و OLIدر بهبود بارزسازي گردو غبار نواحي صنعتي

از عمده مشكلات سنجنده هاي مستقر بر سكوهاي هوايي و فضايي  نبود قدرت تفكيك مكاني، راديومتريك طيفي و زماني بالا بصورت همزمان است زيرا  طراحي چنين سنجنده هايي علاوه بر هزينه بري بالا داراي مشكلاتي در طراحي سنجنده مي باشند. از طرف ديگر شناسايي و پايش بسياري از پديده هاي محيطي نيازمند به بكارگيري سنجنده هايي با قدرت تفكيك مكاني، طيفي و زماني بالا بصورت همزمان است. بنابراين جهت پايش بسياري از عوامل موجود در اكوسيستم‌هاي طبيعي از جمله آب، خاك و اتمسفر بكارگيري روشهاي ريزمقياس سازي در ادغام تصاوير دو يا چند سنجنده با قدرت تفكيك مكاني، راديومتري و زماني متفاوت راهگشا است. ريزگرد ها به خصوص ريزگردهاي حاصل از فعاليت صنايع و معادن، جزء ذرات معلق اتمسفر هستند كه شناسايي آنها از اهميت بسياري برخوردار است. پايش ريزگرد نيازمند به سنجنده اي است كه همزمان داراي قدرت تفكيك راديومتري، مكاني و زماني بالا باشد كه اين امر در يك سنجنده عملا غير ممكن است. بدين منظور مي‌توان از تلفيق تصاوير سنجنده موديس با قدرت تفكيك راديومتري و زماني بالا با تصاوير لندست با قدرت تفكيك مكاني بالا استفاده نمود. از جمله شاخص هاي معروف براي بارزسازي ريزگرد، شاخص NDDI است كه با استفاده از طول موج هاي مادون قرمز مياني (2.1μm) و آبي (0.47 μm) بدست مي آيد. در اين تحقيق سعي بر آن شد تا از چندين الگوريتم ريزمقياس سازي از جمله Bovery، GramShcmidt، STARFM، ESTARFM، wavelet، PBIM، SIFM و HPF براي ادغام تصاوير سنجنده هاي موديس و لندست مربوط به تاريخ 8 ژولاي 2016 استفاده شود و با نتايج حاصل نقشه هاي پهنه بندي شاخص NDDI تهيه گردد. نتايج ارزيابي نشان داد بهترين روش ادغام روش هاي STARFM و ESTARFM و PBIM است كه با تصاوير سنجنده لندست داراي ضريب تبين( R2) به ترتيب 0.88، 0.91، 0.99 و با تصاوير موديس 0.51، 0.5 و 0.57 مي باشد. مجذور ميانگين مربعات خطا (RMSE) براي هر سه روش بسيار ناچيز و به ترتيب 0.02، 0.004 و 0.055 براي تصاويراصلي لندست و 0.004، 0.06 و 0.1 براي تصاوير اصلي موديس مي باشد. بنابراين ميتوان از روشهاي STARFM و ESTARFM و PBIM جهت تركيب تصاوير سنجنده موديس و لندست به قصد افزايش قدرت تفكيك مكاني، طيفي و زماني با دقت بالا استفاده نمود.