بهبود دقت مکانی تصاویر حرارتی با تکنیک SFIM و T-Sharp-Dis-Trade جهت بررسی تغییرات دمای سطح زمین

نویسندگان

1 گروه سنجش از دو ر و GIS، دانشکده علوم زمین، دانشگاه شهید چمران اهواز، اهواز، ایران

2 گروه سنجش از دور و GIS، دانشکده علوم زمین، دانشگاه شهید چمران اهواز، اهواز، ایران

3 گروه سنجش از دور وGIS، دانشکده علوم زمین، دانشگاه شهید چمران اهواز، اهواز، ایران

doi
10.22034/jargs.2024.437508.1088
چکیده

هدف: بررسی رابطه بین دمای سطح زمین و کاربری‌های شهری می‌تواند در مدیریت شهری مورد استفاده قرار بگیرد؛ اما یکی از مشکلات پیش رو، قدرت تفکیک مکانی پایین تصاویر حرارتی است. هدف این پژوهش، بررسی و انتخاب بهترین الگوریتم‌ موجود با هدف دستیابی به توان تفکیک مکانی بالای تصاویر حرارتی برای بررسی و تحلیل تغییرات دمای سطح زمین در منطقه ۴ اهواز و کشف بهترین الگوریتم در این زمینه است. روش و داده: به همین منظور الگوریتم Split Window به عنوان یکی از متداول‌ترین الگوریتم‌های مناسب تعیین دما و الگوریتم T Sharp Dis Trade و SFIM در مناطق شهری به منظور بهبود قدرت تفکیک مکانی استفاده شده است. یافته‌ها: نتایج نشان می‌دهد که توان تفکیک مکانی تصویر خروجی حاصل از الگوریتم Split Window ، T Sharp Dis Trade و SFIM، به ترتیب برابر با ۳۰، ۱۰۰ و ۴۵ متر است. الگوریتم T Sharp Dis Trade توان تفکیک بسیار مناسبی برای تصویر خروجی نشان داد به گونه‌ای که بر اساس آن تفکیک کاربری‌های مختلف متناسب با دمای آن‌ها میسر شد. الگوریتم‌های Split Window و SFIM نتایج قابل قبولی در بررسی کاربری‌ها ارائه ندادند. همچنین میانگین دمای به دست آمده از الگوریتم T Sharp Dis Trade، Split Window و SFIM به ترتیب برابر با ۱۷/۵، ۲۳/۵ و ۲۸/۲۵ درجه سانتی‌گراد است. این تفاوت دمایی الگوریتم‌ها به دلیل اعمال فرآیند تلفیق است. نتیجه‌گیری: در نتیجه الگوریتم T Sharp Dis Trade در زمینه  بهبود دقت مکانی تصاویر حرارتی موثرتر عمل کرد. نوآوری، کاربرد نتایج: نوآوری‌های پژوهش حاضر عبارتند از: استفاده همزمان سه الگوریتم ذکر شده با هدف افزایش توان تفکیک مکانی تصاویر حرارتی و کشف بهترین الگوریتم در این زمینه، که در تحقیقات قبلی تاکنون انجام نشده است، بهبود توان تفکیک مکانی تصاویر حرارتی برای ارزیابی کاربری‌های شهری با استفاده از الگوریتم T Sharp Dis Trade و بررسی دقیق تغییرات دمای سطح زمین است.