ادغام مكاني- زماني داده‌هاي دماي سطح زمين لندست و موديس با استفاده از الگوريتم FSDAF

Spatio-Temporal Fusion of Landsat and MODIS Land Surface Temperature Data Using FSDAF Algorithm

دماي سطح زمين (LST) پارامتري مهم در سيستم‌هاي اقليمي و آب و هوايي است. يكي از راه هاي منحصر به‌فرد تخمين اين پارامتر مهم اقليمي، استفاده از فناوري سنجش از دور است. اما محصولات ماهواره‌اي يا داراي قدرت تفكيك مكاني پايين هستند يا داراي قدرت تفكيك زماني پايين كه پتانسيل كاربرد آنها را در مطالعات مختلف با محدوديت مواجه مي‌سازد. در سال هاي اخير، استفاده از تكنيك هاي ادغام مكاني- زماني به‌منظور توليد تصاوير با قدرت تفكيك مكاني و زماني زياد همزمان، مورد تحقيق و بررسي گستردهاي قرار گرفته اند. در اين مطالعه براي توليد تصاوير LST با قدرت تفكيك مكاني سنجنده TIRS لندست و قدرت تفكيك زماني سنجنده موديس، از الگوريتم انعطاف پذير ادغام داده مكاني- زماني (FSDAF) استفاده شد. اعتبارسنجي كمي و كيفي تصاوير توليد شده توسط مقايسه با LST واقعي لندست انجام شد. نتايج نشان داد الگوريتم FSDAF هم از لحاظ كيفي و هم از لحاظ كمي، از دقت بالايي در برآورد داده هاي روزانه LST برخوردار است. ميزان پارامترهاي RMSE و MAE تصاوير مصنوعي نسبت به تصاوير واقعي به‌ترتيب بين 1/18 تا 1/71 و 88/0 تا 1/29 درجه سانتي گراد بود. ميزان همبستگي بالاتر از 0/87 و اريبي بين 0/6- تا 1/45 درجه سانتي گراد نيز مؤيد دقت و صحت بالاي الگوريتم در برآورد LST شبه لندست در مقياس زماني روزانه است.

Land Surface Temperature (LST) is an important parameter in weather and climate systems. Satellite remote sensing is a unique way to estimate this important parameter. However, satellite products have either low spatial resolution or low temporal resolution that limits their potential use in various studies. In recent years, the use of Spatio-temporal fusion techniques to produce high resolution simultaneous spatial and temporal images has been extensively investigated. In this study, a Flexible Spatio-temporal Data Fusion (FSDAF) was used to produce Landsat-like LST images with Landsat spatial resolution and MODIS temporal resolution. The quantitative and qualitative validation of the images was performed by comparing them with the Actual Landsat LST images. The results showed that the FSDAF algorithm has high accuracy in estimating daily LST data both qualitatively and quantitatively. The RMSE and MAE parameters of the images produced compared to the actual Landsat images were 1.18 to 1.71 and 0.88 to 1.29°C, respectively. The correlation coefficient above 0.87 and bias between -0.6 to 1.45°C also confirms the high accuracy of the algorithm in estimating Landsat-like land surface temperature on a daily time scale.