بازسازی تصویر معیوب ماهواره لندست با روش رگرسیون خطی وزنی و ارزیابی صحت نقشه پوشش اراضی (بررسی موردی: منطقۀ خوی)

نوع مقاله : علمی - پژوهشی

نویسندگان

1 دانشجوی دکتری آبخیزداری، دانشکده منابع طبیعی، دانشگاه ارومیه، ارومیه، ایران.

2 دانشیار، گروه مرتع و آبخیزداری، دانشکده منابع طبیعی، دانشگاه ارومیه، ارومیه، ایران.

3 دانشیار، گروه جنگلداری، دانشکده منابع طبیعی، دانشگاه ارومیه، ارومیه، ایران.

4 دانشجوی دکتری آبخیزداری، دانشکده منابع طبیعی، دانشگاه کاشان، کاشان، ایران.

چکیده

تصحیح­کنندۀ خط اسکن (SLC) سنجندۀ ETM+ ماهوارۀ لندست 7 در تاریخ 31 می 2003 دچار نقص فنی شد که در نتیجۀ آن حدود 22 درصد از پیکسل­های هر تصویر کامل، معیوب هستند. روش­های متعددی به­منظور بازسازی تصاویر معیوب لندست 7 در سطح دنیا ارائه شده است. در این پژوهش، روش رگرسیون خطی وزنی (WLR) در بازسازی تصویر معیوب 18 ژوئن 2011 منطقۀ خوی در فصل رشد گیاهان مورد ارزیابی قرار گرفت. مقادیر معیارهای خطا (RMSE کمتر از 02/0 و ضریب کارایی ناش- ساتکلیف 91/0)، نشان داد که روش WLR در بازسازی تصویر معیوب (SLC-OFF)، از کارایی زیادی برخوردار است. در مرحلۀ بعد، با اعمال فن طبقه­بندی حداکثر شدت احتمال روی تصویر بازسازی‌شده، نقشه پوشش اراضی تهیه شد. نتایج ارزیابی صحت (ضریب کاپای 85/0، صحت کل 7/89 درصد، ضریب عدم تطابق تخصیص 2/3 و ضریب عدم تطابق کمی 9/6)، بیانگر کارایی روش WLR است. در شرایط فقدان تصاویر سنجنده TM، استفاده از روش مذکور در ترمیم تصاویر معیوب لندست 7 و تهیه نقشه­های پوشش اراضی موردنیاز در منطقه خوی، توصیه می­­شود.

کلیدواژه‌ها

عنوان مقاله [English]

Recovering missing pixels for a Landsat SLC-off image using Weighted Linear Regression and accuracy assessment of land cover map (Case study: Khoy region, Northwest Iran)

نویسندگان [English]

  • Aylar Najafzadeh 1
  • Mahdi Erfanian 2
  • Ahmad Alijanpour 3
  • Sahar Babaei Hessar 4
1 Ph.D. student of Watershed management, Faculty of Natural Resources, Urmia University, Urmia, I.R. Iran.
2 Associate Professor, Department of Rangeland and Watershed management, Faculty of Natural Resources, Urmia University, Urmia, I.R. Iran.
3 Associate Professor, Department of Forestry, Faculty of Natural Resources, Urmia University, Urmia, I.R. Iran.
4 Ph.D. student of Watershed management, Faculty of Natural Resources, Kashan University, Kashan, I.R. Iran.
چکیده [English]

On May 31, 2003 the Scan Line Corrector (SLC) in the ETM+ instrument on Landsat 7 failed. Until now, a wide variety of gap-filling methods have been developed to recover missing pixels in the Landsat 7 SLC-off images. In present study, a newly-developed approach known as the Weighted Linear Regression (WLR) method was evaluated on the simulated SLC-off TM image acquired on 18 June 2011 when plants and vegetated lands are growing. The statistical measures of the RMSE (< 0.02), the Pearson correlation coefficient (R = 0.99), and the Nash-Sutcliffe (NSE = 0.91) showed that the WLR is highly capable of predicting missing pixels values. Based on a supervised image classification technique so-called the Maximum Likelihood (ML) applied on the predicted image, a land cover map for the desire region was generated. The accuracy assessment results consist of the Overall accuracy (OA= 89.7%), the Kappa coefficient (K= 0.85), the Allocation Disagreement (AD = 3.2), and the Quantitative Disagreement (QD = 6.9), revealed a high ability of the WLR for land cover mapping. Therefore, under the lack of Landsat TM imagery, the application of this method for recovering missing pixels is highly suggested to be useful for producing any required land cover map in Khoy region from Landsat ETM+ SLC-off images.

کلیدواژه‌ها [English]

  • ETM+
  • Gap filling
  • Khoy
  • Scan Line Corrector (SLC)
  • WLR
پژوهش و توسعه جنگل
دوره 3، شماره 3
آذر 1396
صفحه 275-289

فایل ها

هم رسانی

ارجاع به این مقاله

آمار