بررسي تاثير تفاوت توابع حساسيت طيفي سنجنده سنتينل-2 با سنجنده‌هاي مختلف ماهواره‌اي، در مطالعات سري زماني شاخص‌هاي طيفي به‌منظور پايش پوشش گياهي

Effect of different SRFs on time series of spectral indices, between sentinel-2 and other sensors for the purpose of vegetation land cover monitoring

پايش كمي و كيفي پوشش‌هاي گياهي از كاربردهاي اصلي دانش سنجش‌ازدور مي‌باشد. تشخيص روند تغييرات پوشش گياهي، مخصوصاً در مقياس جهاني و منطقه‌اي نيازمند مطالعات بلند‌مدت؛ فراتر از طول عمر يك ماهواره، مي‌باشد. از سوي ديگر تركيب داده‌هاي سنجنده‌هاي مختلف مي‌تواند منجر به پيدايش تغييرات كاذب در مقادير بازتابش باندي و به دنبال آن شاخص‌هاي طيفي گردد. از مهم‌ترين دلايل تغييرات كاذب در مطالعات چند‌سنجنده‌اي، تفاوت تابع حساسيت طيفي سنجنده‌هاي مورد مطالعه است. در اين شرايط بايد با انجام كاليبراسيون نسبي، حتي‌الامكان تاثير اين عامل را كاهش داد. در اين تحقيق با به‌كارگيري روابط چندجمله‌اي، كاليبراسيون سنجنده‌هاي لندست (OLI,ETM+,ETM) و اسپات-5 (HRG) نسبت به سنجنده سنتينل-2 با هدف حذف تغييرات كاذب، صورت پذيرفته است. در اين ميان از مدل‌هاي انتقال تابش PROSPECT4 و 4SAIL جهت شبيه‌سازي منحني‌هاي رفتار طيفي و به دنبال آن از مدل اختلاط طيفي خطي براي اضافه نمودن اثر خاك، استفاده شد. سپس مقادير شاخص‌هاي طيفي كه در زمينه پوشش گياهي پركاربرد (NDWI,EVI,NDVI) هستند و باندهاي بازتابشي مورد نياز براي محاسبه آن شاخص‌ها (آبي، قرمز، فروسرخ نزديك، فروسرخ كوتاه)، براي هر يك از رفتارهاي طيفي شبيه‌سازي شدند. بررسي‌ها نشان داد معادلات خطي به‌خوبي مي‌توانند مقادير سنجنده‌هاي مختلف را نسبت به سنجنده MSI كاليبره نمايند. به‌منظور اعتبارسنجي نتايج، از اندازه‌گيري‌هاي سنجنده هوايي AVIRIS به همراه بخشي از داده‌هاي شبيه‌سازي شده، بهره‌برداري شد. طبق نتايج در ميان شاخص‌ها، انجام پيش‌پردازش كاليبراسيون نسبي، براي شاخص EVI، از ضرورت بيشتري برخوردار است و در طرف مقابل در ميان مقادير بازتابشي، باند فروسرخ از همبستگي بالاتري نسبت به ساير مقادير برخوردار است. مقادير معيارهاي R^2 و NRMSE به‌دست‌آمده، گوياي اين نكته‌اند كه مقادير باندهاي بازتابشي و شاخص‌هاي گياهي از هماهنگي بالايي برخوردار هستند به‌طوري‌كه حتي در برخي از موارد، عدم اعمال كاليبراسيون نسبي، ممكن است اختلالي به سري زماني وارد نسازد.

Quality and quantity of vegetation land cover is considered as one of the important aspects of environment. Detection of trends in natural phenomena such as vegetation, requires long-term studies, more than lifetime of a satellite. On the other hand, combining data from different sensors could lead to formation of false changes. One of the main causes of false changes is different spectral sensitivity functions (SRFs), among sensors under study. In this regard, the impact of these factors should be eliminated or reduced as much as possible by a procedure named relative calibration which is the main goal of this research. There are similarities between Landsat satellites series and SPOT-5 with Sentinel-2 in many aspects, so MSI (the Sentinel-2’s sensor) has capacity for data continuity. In this study, by incorporating polynomial equations, Landsat sensors (OLI, ETM +, ETM) and SPOT-5 were calibrated relative to MSI. The combination of radiative transfer models; PROSPECT-4 for leaf and 4SAIL for canopy, were used to simulate 50000 top of canopy synthetic spectral signatures and then soil effect was combined with them using linear spectral mixture model. After all, 150000 signatures were simulated. These spectral signatures were transformed to equivalent reflectance values (Blue, Red, NIR and SWIR) and spectral indices (NDVI, EVI and NDWI). 80% of spectral signatures were selected randomly for solving relative calibration models. Also, for validation purpose, remained simulated (20%) and 38 top of canopy measured spectral signatures were used. According to the results, linear equation can model the difference (caused by SRF) between MSI and others quite well and there is no need for more complicated equations. In general, results of this research show high and acceptable correlation for all reflectance bands and indices. It is more necessary to perform a relative calibration pre-processing step for EVI time series. Amongst reflectance bands, NIR has the highest continuity.