ریزمقیاس سازی داده رطوبت خاک ESA با استفاده از تصاویر ماهواره NOAA
محورهای موضوعی :علی اکبر متکان 1 , داود عاشورلو 2 , حسین عقیقی 3 , غلامرضا گل صفتان 4
1 - دانشگاه شهید بهشتی
2 - دانشگاه شهید بهشتی
3 - دانشگاه شهید بهشتی
4 - دانشگاه شهید بهشتی
کلید واژه: رطوبت خاک ریزمقیاس سازی NDVI LST آلبدو,
چکیده مقاله :
رطوبت خاک پارامتری حیاتی در بسیاری از فرآیندهای سطح زمین است، و سنجش از دور مایکروویو به علت برخی مزیت هایی که نسبت به روش های اپتیک دارد، در برآورد رطوبت سطح زمین موثر واقع می شود. با این وجود رطوبت خاک حاصل از سنجش از دور مایکروویو قدرت تفکیک مکانی در حدود چند ده کیلومتر دارد، که این ابعاد برای بسیاری از کاربردهای هیدرولوژیکی مانند پایش کشاورزی و پیش بینی خشکسالی و تغییر اقلیم، مناسب نیست. در پژوهش حاضر، هدف، ارائه روشی بر اساس تلفیق داده ها، به منظور افزایش قدرت تفکیک مکانی داده های رطوبت خاک تولید شده توسط بخش تغییر اقلیم سازمان فضایی اروپا، ESA، می باشد. ابتدا داده ها با قدرت تفکیک بالاتر با استفاده از تصاویر NOAA و سه شاخص NDVI، LST و آلبدو در رابطه ی رگرسیون خطی با داده های زمینی رطوبت خاک ISMN قرار می گیرند. سپس با نسبت گیری میان خروجی این داده و داده ی ESA، به افزایش قدرت تفکیک مکانی اقدام می‌گردد. به علت برخی محدودیت ها، مدل مورد نظر در سه منطقه مطالعاتی اجرا شد. نتایج اعتبارسنجی نشان داد که اجرای این روش می تواند بهبود معنی داری بر روی داده ESA اعمال کند.
Soil moisture is a vital parameter in various land surface processes, and microwave remote sensing is widely used to estimate soil moisture. Hence Soil moisture retrieved from satellite microwave remote sensing normally has spatial resolution on the order of tens of kilometers, which are too coarse for many hydrological applications such as agriculture monitoring and drought prediction. Various downscaling methods have been proposed to enhance the spatial resolution of satellite soil moisture products. The aim of this study is to propose a statistical assimilative method to downscale European Space Agency's Water Cycle Multi-mission Observation Strategy and Climate Change Initiative (ESA CCI) Microwave (MW) remote sensing soil moisture products. For this purpose, firstly we used the NOAA images and NDVI, LST and albedo indices in regression process to International Soil Moisture Network (ISMN) in-situ SM. Then we downscaled the ESA products by making proportion between results and ESA products. Because of some limitations, we operated on three study area. Validation results showed this method can significantly improve the soil moisture ESA products