TY - JOUR T1 - Spatio-Temporal Fusion of Landsat and MODIS Land Surface Temperature Data Using FSDAF Algorithm TT - ادغام مکانی- زمانی داده‌های دمای سطح زمین لندست و مودیس با استفاده از الگوریتم FSDAF JF - JSTNAR JO - JSTNAR VL - 25 IS - 2 UR - http://jstnar.iut.ac.ir/article-1-3971-fa.html Y1 - 2021 SP - 45 EP - 62 KW - Land Surface Temperature KW - Spatio-temporal Fusion KW - Landsat KW - MODIS KW - Remote sensing N2 - دمای سطح زمین (LST) پارامتری مهم در سیستم‌های اقلیمی و آب و هوایی است. یکی از راه‏های منحصر به‌فرد تخمین این پارامتر مهم اقلیمی، استفاده از فناوری سنجش ‏از ‏دور است. اما محصولات ماهواره‌ای یا دارای قدرت تفکیک مکانی پایین هستند یا دارای قدرت تفکیک زمانی پایین که پتانسیل کاربرد آنها را در مطالعات مختلف با محدودیت مواجه می‌سازد. در سال‏ های اخیر، استفاده از تکنیک ‏های ادغام مکانی- زمانی به‌منظور تولید تصاویر با قدرت تفکیک مکانی و زمانی زیاد همزمان، مورد تحقیق و بررسی گسترده‏ای قرار گرفته‏ اند. در این مطالعه برای تولید تصاویر LST با قدرت تفکیک مکانی سنجنده TIRS لندست و قدرت تفکیک زمانی سنجنده مودیس، از الگوریتم انعطاف‏پذیر ادغام داده مکانی- زمانی (FSDAF) استفاده شد. اعتبارسنجی کمی و کیفی تصاویر تولید شده توسط مقایسه با LST واقعی لندست انجام شد. نتایج نشان داد الگوریتم FSDAF هم از لحاظ کیفی و هم از لحاظ کمی، از دقت بالایی در برآورد داده‏ های روزانه LST برخوردار است. میزان پارامترهای RMSE و MAE تصاویر مصنوعی نسبت به تصاویر واقعی به‌ترتیب بین 1/18 تا 1/71 و 88/0 تا 1/29 درجه سانتی‏ گراد بود. میزان همبستگی بالاتر از 0/87 و اریبی بین 0/6- تا 1/45 درجه سانتی‏ گراد نیز مؤید دقت و صحت بالای الگوریتم در برآورد LST شبه ‏لندست در مقیاس زمانی روزانه است. M3 10.47176/jwss.25.2.42091 ER -