摘要
أدى تحليل النباتات من خلال المؤشر الطبيعي المختلف (NDVI) ذي الدقة الزمانية والمكانية العالية إلى اكتساب أهمية لا غنى عنها في مراقبة نمو المحاصيل والاستدلال على المعلمات الطبيعية الأخرى. يمكن استخدام بيانات الاستشعار عن بُعد من الأقمار الصناعية في كل من النطاق الأحمر والقريب الأشعة تحت الحمراء كمصدر بيانات مهمة لـ NDVI. ومع ذلك ، بسبب القيود الناتجة عن قوة مستشعر الأقمار الصناعية ، فإن الحصول على بيانات الاستشعار عن بُعد التي تجمع بين دقة المكان والزمان عالية النطاق يمكن أن يكون تحدٍ صعبًا. تهدف تقنية الانصهار الزماني-المكاني إلى دمج بيانات NDVI ذات دقة زمنية عالية ولكن دقة مكانية منخفضة وبيانات NDVI ذات دقة مكانية عالية ولكن دقة زمنية منخفضة لتوليد بيانات NDVI ذات دقة زمانية ومكانية عالية مجتمعة. ومع ذلك ، تواجه تقنية انصهار NDVI الزماني-المكاني تحديًا كبيرًا ، وهو أن الانشطار الأرضي يظهر تغيرات كبيرة بين الوقت المعروف لبيانات الدعم والوقت المتوقع للتنبؤ. وانسجم موضوعي البحث هذا ، ظهرت طريقة الانصهار الزماني-المكاني المقترحة (STFSR) التي ترتبط بإعادة بناء المجال الفضائي ، وذلك لتطبيق انصهار NDVI الزماني-المكاني. تستفيد طريقة STFSR بشكل كامل من استخدام بيانات متوسطة عالية الدقة في الزمن القريب للتنبؤ الزمني لكنها تحتوي على بيانات مفقودة (بسبب تغطية السحب للصور الفضائية) لدعم تنبؤ الانصهار الزماني-المكاني لـ NDVI. يقلل استخدام هذا النوع من الصور الفضائية المساعدة من تأثير تغيرات NDVI على الانصهار الزماني-المكاني بشكل فعال. في السياقات الثلاثة التي تم اختيارها في هذا البحث ، ثبتت طريقة STFSR أنها أدق بكثير من نموذج الانصهار الزماني-المكاني التكيفي المعروف (STARFM) وطريقة الانصهار الزماني-المكاني القائمة على الوزن المكاني والصورة الظاهرية المزدوجة (VIPSTF-SW). تقلل طريقة STFSR في المتوسط من جذر متوسط الخطأ (RMSE) بمقدار 0.0217 إلى واحدة من STARFM و0.0188 إلى واحدة من VIPSTF-SW ، ويرتفع معامل الارتباط (CC) بمقدار 0.0820 إلى واحدة من STARFM و0.0742 إلى واحدة من VIPSTF-SW ، ويقلل الخطأ الشامل النسبي العالمي (ERGAS) بمقدار 4.3170 إلى واحدة من STARFM و3.8535 إلى واحدة من VIPSTF-SW. بالإضافة إلى ذلك ، عند ازدياد مساحة منطقة السحب في البيانات المساعدة ، على الرغم من أن طريقة STFSR بدأت في الأظهرة في الدقة ، إلا أنها لا تزال في المتوسط تتجاوز طريقة STARFM وVIPSTF-SW. توفر طريقة STFSR وسيلة جديدة لتوليد بيانات NDVI عالية الدقة زمانية ومكانية ، وبناءً على مبدأها وميزتها ، فإن هذا النموذج يحمل إمكانات تطبيقية معتبرة لتوليد بيانات نباتات ذات دقة زمانية ومكانية عالية أخرى ، مثل مؤشر النباتات المحسن (EVI).
关键词
Landsat;MODIS;NDVI;انصهار زماني-مكاني;إعادة بناء المجال الفضائي