fa ادغام محصولات دمایی سنجنده های ASTER و MODIS با استفاده از مدل STDFA سنجش از دور RS پژوهشي Research <span style="font-family:b nazanin;">دمای سطح زمین (</span><span dir="LTR"><span style="font-size:8.0pt;">LST</span></span><span style="font-family:b nazanin;">) یکی از مهم‌ترین پارامترهای فیزیکی و متغیرهای اقلیمی است که نقش مهمی در شناخت پدیده‌های محیطی مثل شرایط رطوبت سطح، جزایر گرمایی شهری، سلامتی گیاهان، ریسک آتش برای مناطق جنگلی و اثر گرما بر سلامت انسان‌ها را بر عهده دارد. برای انجام چنین مطالعاتی نیاز به دمای سطح زمین با توان تفکیک بالای مکانی و زمانی می‌باشد. متأسفانه سنجنده های سنجش‌ازدوری به دلیل محدودیت‌های فنی و مالی توانایی تولید محصولی که به‌طور هم‌زمان دارای توان تفکیک بالای مکانی و زمانی باشند را ندارند. به‌طور مثال محصول دمای سطح زمین سنجنده استر (</span><span dir="LTR"><span style="font-size:8.0pt;">ASTER</span></span><span style="font-family:b nazanin;">) دارای توان تفکیک مکانی 90 متر با دوره بازگشت 16 روزه می‌باشد، در حالیکه محصول دمای سطح زمین سنجنده مادیس (</span><span dir="LTR"><span style="font-size:8.0pt;">MODIS</span></span><span style="font-family:b nazanin;">) دارای توان تفکیک مکانی 1 کیلومتر با دوره بازگشت 1 روزه می‌باشد. در این تحقیق برای حل این مسئله با استفاده از الگوریتم </span><span dir="LTR"><span style="font-size:8.0pt;">STDFA</span></span><span style="font-family:b nazanin;"> که برای ادغام مکانی و زمانی داده‌های بازتابندگی استفاده‌شده است، محصولات دمای سطح زمین سنجنده های استر و مادیس برای قسمتی از شهر تهران ادغام شده است و درنهایت به یک تصویر مجازی با توان تفکیک مکانی برابر با توان تفکیک مکانی محصول دمای سطح زمین سنجنده استر و توان تفکیک زمانی برابر با سنجنده مادیس می‌رسد. نتایج تحقیق حاکی از دقت خوب الگوریتم در ادغام محصولات دمای سطح زمین می‌باشد. به‌طوری‌که ضریب همبستگی بین تصویر دمای سطح مجازی و داده واقعی دمای سطح منطقه 88_/0 و ریشه میانگین مربع خطاها 38_/3 درجه کلوین می‌باشد.</span><strong><span style="font-family:b nazanin;"></span></strong> Land Surface Temperature (LST) is one of the most important physical and climatological&nbsp; crucial yet variable parameter in environmental phenomena studies such as, soil moisture conditions, urban heat island, vegetation health, fire risk for forest areas and heats effects on human&rsquo;s health. These studies need to land surface temperature with high spatial and temporal resolution. Remote sensing satellite sensors due to their technical constraints cannot take the high spatial and temporal land surface temperature data simultaneously. For example combining Advanced Space borne Thermal Emission and Reflection Radiometer (ASTER) LST products have spatial resolution of 90 m with repeat cycle of 16 days, whereas Moderate Resolution Imaging Spectro-radiometer (MODIS) LST products have spatial resolution of 1 km with daily repeat cycle. To address this shortage, this work used the Spatial and Temporal Data Fusion Approach (STDFA) to estimate the high spatial and temporal resolution LST by ASTER LST and MODIS LST products. This method was tested and validated in study areas located in Tehran, Iran. The MODIS daily 1-km LST product and the 16-day repeat cycle ASTER 90-m LST product are used to produce a synthetic &ldquo;daily&rdquo; LST product at ASTER spatial resolution. The actual ASTER LST products were used to evaluate the precision of the synthetic daily LST product. Here, the correlation coefficient was equal to 0.88, Root Mean Square Error (RMSE) reached about 3.38 K. The results showed that the algorithm can produce high-resolution temporal synthetic ASTER data that were similar to the actual observations. دمای سطح زمین, ادغام, مادیس, استر. land surface temperature, fusion, MODIS, ASTER. 119 132 http://jgit.kntu.ac.ir/browse.php?a_code=A-11-371-2&slc_lang=fa&sid=1 Alireza Bazrgar Bajestani علیرضا بذرگر بجستانی 10031947532846005877 10031947532846005877 No University of Tehran دانشگاه تهران Mahdi Akhoondzadeh hanzaei مهدی آخوندزاده هنزایی makhonz@ut.ac.ir 10031947532846005878 10031947532846005878 Yes University of Tehran دانشگاه تهران