Journal of Geospatial Information Technology

fa بررسی تاثیر تفاوت توابع حساسیت طیفی سنجنده سنتینل-2 با سنجنده‌های مختلف ماهواره‌ای، در مطالعات سری زمانی شاخص‌های طیفی به‌منظور پایش پوشش گیاهی Effect of different SRFs on time series of spectral indices, between sentinel-2 and other sensors for the purpose of vegetation land cover monitoring سیستمهای اطلاعات مکانی (عمومی) GIS پژوهشي Research 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. 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 کالیبراسیون نسبی, تابع حساسیت طیفی, سنتینل-2, پایش پوشش گیاهی Relative calibration, Spectral response function, Sentinel-2, Vegetation cover monitoring 111 132 http://jgit.kntu.ac.ir/browse.php?a_code=A-11-348-3&slc_lang=fa&sid=1 Sadra Imanyfar صدرا ایمانی فر 10031947532846004914 10031947532846004914 No University of Tehran دانشگاه تهران mahdi hasanlou مهدی حسنلو hasanlou@ut.ac.ir 10031947532846004915 10031947532846004915 Yes University of Tehran دانشگاه تهران