[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
:: دوره 5، شماره 1 - ( 3-1396 ) ::
جلد 5 شماره 1 صفحات 111-132 برگشت به فهرست نسخه ها
بررسی تاثیر تفاوت توابع حساسیت طیفی سنجنده سنتینل-2 با سنجنده‌های مختلف ماهواره‌ای، در مطالعات سری زمانی شاخص‌های طیفی به‌منظور پایش پوشش گیاهی
صدرا ایمانی فر، مهدی حسنلو
استادیار دانشگاه تهران
چکیده:   (943 مشاهده)

پایش کمی و کیفی پوشش‌های گیاهی از کاربردهای اصلی دانش سنجش‌ازدور می‌باشد. تشخیص روند تغییرات پوشش گیاهی، مخصوصاً در مقیاس جهانی و منطقه‌ای نیازمند مطالعات بلند‌مدت؛ فراتر از طول عمر یک ماهواره، می‌باشد. از سوی دیگر ترکیب داده‌های سنجنده‌های مختلف می‌تواند منجر به پیدایش تغییرات کاذب در مقادیر بازتابش باندی و به دنبال آن شاخص‌های طیفی گردد. از مهم‌ترین دلایل تغییرات کاذب در مطالعات چند‌سنجنده‌ای، تفاوت تابع حساسیت طیفی سنجنده‌های مورد مطالعه است. در این شرایط باید با انجام کالیبراسیون نسبی، حتی‌الامکان تاثیر این عامل را کاهش داد. در این تحقیق با به‌کارگیری روابط چندجمله‌ای، کالیبراسیون سنجنده‌های لندست (OLI,ETM+,ETM) و اسپات-5 (HRG) نسبت به سنجنده سنتینل-2 با هدف حذف تغییرات کاذب، صورت پذیرفته است. در این میان از مدل‌های انتقال تابش PROSPECT4 و 4SAIL جهت شبیه‌سازی منحنی‌های رفتار طیفی و به دنبال آن از مدل اختلاط طیفی خطی برای اضافه نمودن اثر خاک، استفاده شد. سپس مقادیر شاخص‌های طیفی که در زمینه پوشش گیاهی پرکاربرد (NDWI,EVI,NDVI) هستند و باندهای بازتابشی مورد نیاز برای محاسبه آن شاخص‌ها (آبی، قرمز، فروسرخ نزدیک، فروسرخ کوتاه)، برای هر یک از رفتارهای طیفی شبیه‌سازی شدند. بررسی‌ها نشان داد معادلات خطی به‌خوبی می‌توانند مقادیر سنجنده‌های مختلف را نسبت به سنجنده MSI کالیبره نمایند. به‌منظور اعتبارسنجی نتایج، از اندازه‌گیری‌های سنجنده هوایی AVIRIS به همراه بخشی از داده‌های شبیه‌سازی شده، بهره‌برداری شد. طبق نتایج در میان شاخص‌ها، انجام پیش‌پردازش کالیبراسیون نسبی، برای شاخص EVI، از ضرورت بیشتری برخوردار است و در طرف مقابل در میان مقادیر بازتابشی، باند فروسرخ از همبستگی بالاتری نسبت به سایر مقادیر برخوردار است. مقادیر معیارهای   و NRMSE به‌دست‌آمده، گویای این نکته‌اند که مقادیر باندهای بازتابشی و شاخص‌های گیاهی از هماهنگی بالایی برخوردار هستند به‌طوری‌که حتی در برخی از موارد، عدم اعمال کالیبراسیون نسبی، ممکن است اختلالی به سری زمانی وارد نسازد.

واژه‌های کلیدی: کالیبراسیون نسبی، تابع حساسیت طیفی، سنتینل-2، پایش پوشش گیاهی
متن کامل [PDF 1842 kb]   (532 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: سیستمهای اطلاعات مکانی (عمومی)
دریافت: ۱۳۹۶/۳/۲۰ | پذیرش: ۱۳۹۶/۳/۲۰ | انتشار: ۱۳۹۶/۳/۲۰
فهرست منابع
1. [1] K. S. Willis, "Remote sensing change detection for ecological monitoring in United States protected areas," Biol. Conserv., vol. 182, pp. 233–242, Feb. 2015. [DOI:10.1016/j.biocon.2014.12.006]
2. [2] L. J. Zhang, H. Z. Ma, X. B. Zhu, and L. Sun, "Retrieval of Vegetation Canopy Water Content Based on Spectral Index Method," Appl. Mech. Mater., vol. 295–298, pp. 2446–2450, Feb. 2013. [DOI:10.4028/www.scientific.net/AMM.295-298.2446]
3. [3] A. Gonsamo and J. M. Chen, "Spectral Response Function Comparability Among 21 Satellite Sensors for Vegetation Monitoring," IEEE Trans. Geosci. Remote Sens., vol. 51, no. 3, pp. 1319–1335, Mar. 2013. [DOI:10.1109/TGRS.2012.2198828]
4. [4] J. Verrelst et al., "Optical remote sensing and the retrieval of terrestrial vegetation bio-geophysical properties – A review," ISPRS J. Photogramm. Remote Sens., vol. 108, pp. 273–290, Oct. 2015. [DOI:10.1016/j.isprsjprs.2015.05.005]
5. [5] W. J. D. van Leeuwen, B. J. Orr, S. E. Marsh, and S. M. Herrmann, "Multi-sensor NDVI data continuity: Uncertainties and implications for vegetation monitoring applications," Remote Sens. Environ., vol. 100, no. 1, pp. 67–81, Jan. 2006. [DOI:10.1016/j.rse.2005.10.002]
6. [6] P. D'Odorico, A. Gonsamo, A. Damm, and M. E. Schaepman, "Experimental Evaluation of Sentinel-2 Spectral Response Functions for NDVI Time-Series Continuity," IEEE Trans. Geosci. Remote Sens., vol. 51, no. 3, pp. 1336–1348, Mar. 2013. [DOI:10.1109/TGRS.2012.2235447]
7. [7] "SPOT-5 - eoPortal Directory - Satellite Missions." [Online]. Available: https://directory.eoportal.org/web/eoportal/satellite-missions/s/spot-5. [Accessed: 17-Oct-2016].
8. [8] Alexander P. Trishchenko, Josef Cihlar, and Zhanqing Li, "Effects of spectral response function on surface reflectance and NDVI measured with moderate resolution satellite sensors," Remote Sensing of Environment, vol. 81, pp. 1–18, 2002. [DOI:10.1016/S0034-4257(01)00328-5]
9. [9] A. P. Trishchenko, "Effects of spectral response function on surface reflectance and NDVI measured with moderate resolution satellite sensors: Extension to AVHRR NOAA-17, 18 and METOP-A," Remote Sens. Environ., vol. 113, no. 2, pp. 335–341, Feb. 2009. [DOI:10.1016/j.rse.2008.10.002]
10. [10] E. Swinnen and F. Veroustraete, "Extending the SPOT-VEGETATION NDVI Time Series Back in Time With NOAA-AVHRR Data for Southern Africa," IEEE Trans. Geosci. Remote Sens., vol. 46, no. 2, pp. 558–572, Feb. 2008. [DOI:10.1109/TGRS.2007.909948]
11. [11] K. Gallo, L. Ji, B. Reed, J. Eidenshink, and J. Dwyer, "Multi-platform comparisons of MODIS and AVHRR normalized difference vegetation index data," Remote Sens. Environ., vol. 99, no. 3, pp. 221–231, Nov. 2005. [DOI:10.1016/j.rse.2005.08.014]
12. [12] A. A. Gitelson and Y. J. Kaufman, "MODIS NDVI Optimization To Fit the AVHRR Data Series—Spectral Considerations," Remote Sens. Environ., vol. 66, no. 3, pp. 343–350, Dec. 1998. [DOI:10.1016/S0034-4257(98)00065-0]
13. [13] K. P. Günther and S. W. Maier, "AVHRR compatible vegetation index derived from MERIS data," Int. J. Remote Sens., vol. 28, no. 3–4, pp. 693–708, Feb. 2007. [DOI:10.1080/01431160600815541]
14. [14] J.-B. Feret et al., "PROSPECT-4 and 5: Advances in the leaf optical properties model separating photosynthetic pigments," Remote Sens. Environ., vol. 112, no. 6, pp. 3030–3043, Jun. 2008. [DOI:10.1016/j.rse.2008.02.012]
15. [15] W. Verhoef, L. Jia, Q. Xiao, and Z. Su, "Unified Optical-Thermal Four-Stream Radiative Transfer Theory for Homogeneous Vegetation Canopies," IEEE Trans. Geosci. Remote Sens., vol. 45, no. 6, pp. 1808–1822, Jun. 2007. [DOI:10.1109/TGRS.2007.895844]
16. [16] S. Jacquemoud et al., "PROSPECT+SAIL models: A review of use for vegetation characterization," Remote Sens. Environ., vol. 113, pp. S56–S66, Sep. 2009. [DOI:10.1016/j.rse.2008.01.026]
17. [17] S. Jacquemoud et al., "PROSPECT+SAIL: 15 Years of Use for Land Surface Characterization," 2006, pp. 1992–1995.
18. [18] S. Jacquemoud and F. Baret, "PROSPECT: A model of leaf optical properties spectra," Remote Sens. Environ., vol. 34, no. 2, pp. 75–91, Nov. 1990. [DOI:10.1016/0034-4257(90)90100-Z]
19. [19] G. le Maire, C. François, and E. Dufrêne, "Towards universal broad leaf chlorophyll indices using PROSPECT simulated database and hyperspectral reflectance measurements," Remote Sens. Environ., vol. 89, no. 1, pp. 1–28, Jan. 2004. [DOI:10.1016/j.rse.2003.09.004]
20. [20] W. A. Allen, H. W. Gausman, A. J. Richardson, and J. R. Thomas, "Interaction of Isotropic Light with a Compact Plant Leaf," J. Opt. Soc. Am., vol. 59, no. 10, p. 1376, Oct. 1969. [DOI:10.1364/JOSA.59.001376]
21. [21] Y. Zeng, R. Shi, P. Liu, J. Ai, and C. Zhou, "Simulation and analysis of NDVI performance based on vegetation canopy radiative transfer model," 2015, p. 961017.
22. [22] W. Verhoef, "Light scattering by leaf layers with application to canopy reflectance modeling: The SAIL model," Remote Sens. Environ., vol. 16, no. 2, pp. 125–141, Oct. 1984. [DOI:10.1016/0034-4257(84)90057-9]
23. [23] W. Verhoef, "Earth observation modeling based on layer scattering matrices," Remote Sens. Environ., vol. 17, no. 2, pp. 165–178, Apr. 1985. [DOI:10.1016/0034-4257(85)90072-0]
24. [24] A. Kuusk, "The Hot Spot Effect in Plant Canopy Reflectance," in Photon-Vegetation Interactions, D. R. B. Myneni and A. P. D. J. Ross, Eds. Springer Berlin Heidelberg, 1991, pp. 139–159.
25. [25] N. Keshava and J. F. Mustard, "Spectral unmixing," IEEE Signal Process. Mag., vol. 19, no. 1, pp. 44–57, Jan. 2002. [DOI:10.1109/79.974727]
26. [26] C. Shi and L. Wang, "Linear Spatial Spectral Mixture Model," IEEE Trans. Geosci. Remote Sens., vol. 54, no. 6, pp. 3599–3611, Jun. 2016. [DOI:10.1109/TGRS.2016.2520399]
27. [27] A. Saltelli, S. Tarantola, and K. P.-S. Chan, "A Quantitative Model-Independent Method for Global Sensitivity Analysis of Model Output," Technometrics, vol. 41, no. 1, pp. 39–56, Feb. 1999. [DOI:10.1080/00401706.1999.10485594]
28. [28] J. Morio, "Global and local sensitivity analysis methods for a physical system," Eur. J. Phys., vol. 32, no. 6, pp. 1577–1583, Nov. 2011. [DOI:10.1088/0143-0807/32/6/011]
29. [29] J. Yang, "Convergence and uncertainty analyses in Monte-Carlo based sensitivity analysis," Environ. Model. Softw., vol. 26, no. 4, pp. 444–457, Apr. 2011. [DOI:10.1016/j.envsoft.2010.10.007]
30. [30] A. Saltelli, Ed., Global sensitivity analysis: the primer. Chichester, England; Hoboken, NJ: John Wiley, 2008.
31. [31] J. Nossent, P. Elsen, and W. Bauwens, "Sobol' sensitivity analysis of a complex environmental model," Environ. Model. Softw., vol. 26, no. 12, pp. 1515–1525, Dec. 2011. [DOI:10.1016/j.envsoft.2011.08.010]
32. [32] Verrelst, Jochem, Rivera, Juan Pablo, Mardashova, Maria, and Moreno, Jose, "ARTMO's Global Sensitivity Analysis (GSA) toolbox to quantify driving variables of leaf and canopy radiative transfer models." EARSeL eProceedings, 2015.
33. [33] T. Homma and A. Saltelli, "Importance measures in global sensitivity analysis of nonlinear models," Reliab. Eng. Syst. Saf., vol. 52, no. 1, pp. 1–17, Apr. 1996. [DOI:10.1016/0951-8320(96)00002-6]
34. [34] S. Imanyfar, M. Hasanlou, M. Motagh, M. Rostamnia, "determination of the extent and severity of oak decline in malekhahi city using landsat imagery," presented at the the first natinal conference on geospatial information technology(NCGIT), 2016.
35. [35] E. M. Middleton and E. A. Walter-Shea, "Optical properties of canopy elements in the boreal forest," in Geoscience and Remote Sensing Symposium, 1995. IGARSS '95. "Quantitative Remote Sensing for Science and Applications", International, 1995, vol. 1, pp. 789–793 vol.1. [DOI:10.1109/IGARSS.1995.520586]
36. [36] A. M. Baldridge, S. J. Hook, C. I. Grove, and G. Rivera, "The ASTER spectral library version 2.0," Remote Sens. Environ., vol. 113, no. 4, pp. 711–715, Apr. 2009. [DOI:10.1016/j.rse.2008.11.007]
37. [37] X. Gao, "Optical–Biophysical Relationships of Vegetation Spectra without Background Contamination," Remote Sens. Environ., vol. 74, no. 3, pp. 609–620, Dec. 2000. [DOI:10.1016/S0034-4257(00)00150-4]
38. [38] T. N. Carlson and D. A. Ripley, "On the relation between NDVI, fractional vegetation cover, and leaf area index," Remote Sens. Environ., vol. 62, no. 3, pp. 241–252, Dec. 1997. [DOI:10.1016/S0034-4257(97)00104-1]
39. [39] B. Gao, "NDWI—A normalized difference water index for remote sensing of vegetation liquid water from space," Remote Sens. Environ., vol. 58, no. 3, pp. 257–266, Dec. 1996. [DOI:10.1016/S0034-4257(96)00067-3]
40. [40] S. Imanyfar, M. Hasanlou, "study of the impact of the SRF difference on vegetation indices time series, between landsat and sentinel-2 sensors," presented at the Geomatic conference, 2016.
41. [41] R. N. Clark, G. A. Swayze, R. Wise, K. E. Livo, T. M. Hoefen, R. F. Kokaly, and S. J. Sutley,USGS Digital Spectral Library splib06a, U.S. Geological Survey, Data Series 231 , 2007.
42. [42] J. Rivera, J. Verrelst, J. Gómez-Dans, J. Mu-oz-Marí, J. Moreno, and G. Camps-Valls, "An Emulator Toolbox to Approximate Radiative Transfer Models with Statistical Learning," Remote Sens., vol. 7, no. 7, pp. 9347–9370, Jul. 2015. [DOI:10.3390/rs70709347]
ارسال پیام به نویسنده مسئول


XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Imanyfar S, hasanlou M. Effect of different SRFs on time series of spectral indices, between sentinel-2 and other sensors for the purpose of vegetation land cover monitoring. 3. 2017; 5 (1) :111-132
URL: http://jgit.kntu.ac.ir/article-1-427-fa.html

ایمانی فر صدرا، حسنلو مهدی. بررسی تاثیر تفاوت توابع حساسیت طیفی سنجنده سنتینل-2 با سنجنده‌های مختلف ماهواره‌ای، در مطالعات سری زمانی شاخص‌های طیفی به‌منظور پایش پوشش گیاهی. مهندسی فناوری اطلاعات مکانی. 1396; 5 (1) :111-132

URL: http://jgit.kntu.ac.ir/article-1-427-fa.html



دوره 5، شماره 1 - ( 3-1396 ) برگشت به فهرست نسخه ها
نشریه علمی-پژوهشی مهندسی فناوری اطلاعات مکانی Engineering Journal of Geospatial Information Technology
Persian site map - English site map - Created in 0.05 seconds with 29 queries by YEKTAWEB 3657