Journal of Applied Research in Geographical Sciences

fa بهبود دقت زمانی و مکانی نقشه شاخص پوشش گیاهی (NDVI) با استفاده از الگوریتم‌های تلفیق تصاویر ماهواره ای Improving the Temporal and Spatial Accuracy of the Normalized Difference Vegetation Index (NDVI) Map using Satellite Image Fusion Algorithms سنجش از دور Rs پژوهشي Research <div style="text-align: justify;">استفاده از تصاویر ماهواره‌ای لندست در محدوده‌های وسیع، امکان پوشش هم‌زمان کل منطقه را فراهم نمی‌کند. این مسئله زمانی که ارزیابی پوشش‌های گیاهی هم‌زمان و یا بررسی تغییرات پدیده‌های کوتاه‌مدت در یک منطقه وسیع مد نظر باشد، مطالعات را با چالش مواجه می‌سازد. ادغام داده‌های تصاویر ماهواره‌ای لندست با قدرت تفکیک‌پذیری مکانی مناسب، با اطلاعات تصاویر ماهواره‌ای مادیس با قدرت تفکیک‌پذیری زمانی مناسب، می‌تواند راه‌حلی برای پیوند بین داده‌های با وضوح زمانی و مکانی مناسب باشد. هدف از این تحقیق ارزیابی الگوریتم‌های مختلف ادغام تصاویر در تهیه نقشه شاخص پوشش گیاهی (NDVI) می‌باشد. بدین منظور از شش الگوریتم تلفیق، شامل NNDiffuse (انتشار نزدیک‌ترین همسایه)، PC (مؤلفه‌های اصلی)،Brovey،  CN(رنگ نرمال شده)، Gram-Schmidt و SFIM (مدل مبتنی بر فیلتر هموارسازی) در یک محدوده آزمایشی در استان خوزستان استفاده شد. پس از ارزیابی نتایج الگوریتم‌ها و انتخاب مناسب‌ترین الگوریتم تلفیق، بر اساس محاسبه میزان خطاهای آماری و ارزیابی معیارهای طیفی (ضریب همبستگی) و مکانی (فیلتر لاپلاسین)، اطلاعات طیفی و مکانی بازتاب باندهای قرمز و مادون‌قرمز نزدیک هشت تصویر موزائیک شده لندست-8 (30 متر) با باندهای قرمز و مادون‌قرمز نزدیک یک تصویر مادیس (250 متر) تلفیق گردید. جهت بررسی پوشش‌های گیاهی، با تصویر ماهواره‌ای تلفیق شده، شاخص پوشش گیاهی (NDVI)، در محدوده استان خوزستان تهیه گردید. نتایج به دست آمده نشان داد که الگوریتم NNDiffuse از دقت مطلوب‌تری جهت ادغام باندهای قرمز و مادون‌قرمز نزدیک لندست 8 و مادیس برخوردار است، به‌طوری‌که شاخص گیاهی NDVI به دست آمده از این الگوریتم در مقایسه با تصویر لندست- 8 اصلی، از کم‌ترین خطای آماری (1234/0) RMSE و (081/0)MAE برخوردار است.  </div> <div style="text-align: justify;">In vast areas, accessing satellite images with appropriate spatial resolution, such as Landsat images, is often challenging.  dditionally, the temporal resolution of the Landsat satellite does not allow for the examination of short-term changes in phenomena such as vegetation. The aim of this research is to utilize temporal and spatial fusion techniques of Landsat-8 and MODIS satellite images to prepare a Normalized Difference Vegetation Index (NDVI) map.  For this purpose, six image fusion algorithms—NNDiffuse (Nearest Neighbor Diffusion), PC (Principal Component), Brovey, CN (Color Normalized), Gram-Schmidt, and SFIM—were applied in an experimental area in Khuzestan province. After evaluating the results of these algorithms and selecting the most appropriate algorithm based on statistical indicators (spectral criteria such as the correlation coefficient and spatial criteria such as the Laplacian filter), the spectral and spatial information from the red and near-infrared bands of eight mosaic Landsat-8 images (30 m resolution) were combined with the red and near-infrared bands of one MODIS image (250 m resolution). To investigate vegetation cover, the NDVI was calculated using the fused satellite image for Khuzestan province. The results showed that the NNDiffuse fusion algorithm demonstrated very high accuracy among the tested algorithms in terms of spatial evaluation and spectral quality criteria. Consequently, this algorithm was selected to combine the red and near-infrared bands of Landsat-8 and MODIS images. Compared to the original Landsat-8 image, the NDVI map prepared using this algorithm had the lowest statistical errors, with an RMSE (Root Mean Square Error) of 0.1234 and an MAE (Mean Absolute Error) of 0.081.</div> استان خوزستان, الگوریتم NNDiffuse, تلفیق تصاویر, شاخص پوشش گیاهی (NDVI), مادیس. Khuzestan province, NNDiffuse algorithm, image fusion, Normalized Detection Vegetation Index, MODIS. 24 43 http://jgs.khu.ac.ir/browse.php?a_code=A-10-4931-1&slc_lang=fa&sid=1 Zeinab Zaheri Abdehvand زینب ظاهری عبده وند zaheri.gis@gmail.com 100319475328460023297 100319475328460023297 No Mostafa Kabolizadeh مصطفی کابلی زاده m.kabolizade@scu.ac.ir 100319475328460023298 100319475328460023298 Yes