---

هدف این مطالعه، استفاده از الگوریتم DINEOF برای پر کردن نقاط فاقد داده در تصاویر ماهواره­ای غلظت کلروفیل a در آبهای سطحی خلیج فارس و دریای عمان می­باشد. در این مطالعه از داده­های سطح ۳ (وضوح مکانی ۴ کیلومتر) غلظت کلروفیل a حاصل از سنجنده مودیس در بازه زمانی ۲۰۰۳ تا ۲۰۲۰ در خلیج فارس و دریای عمان (استخراج شده از سایت ناسا) استفاده شد. برخی از تصاویر در بعضی از ماه­های سال دارای نقاط فاقد محصول بودند. تصاویر دارای محصولات مفقوده (گپ یا شکاف) غلظت کلروفیل a در خلیج فارس و دریای عمان با استفاده از بسته نرم افزاری rtsa.gapfill و الگوریتم DINEOF در نرم افزار R بازسازی شدند. در نهایت برای ارزیابی صحت­سنجی الگوریتم DINEOF، پارامترهایی نظیر RMSE، MSE، MAD و SNR محاسبه شده است. نقشه­های اصلی (دارای شکاف) غلظت کلروفیل a نشان دادند که بیشترین میزان محصولات مفقوده در ماه جولای ۲۰۰۹ و ۲۰۱۵ وجود دارد. با ارزیابی صحت بازسازی مشخص شد بازسازی داده­های مفقوده به خوبی توسط الگوریتم صورت گرفته است (به عنوان مثال در ماه جولای ۲۰۱۴ پارمترهای محاسبه شده بدین شرح می­باشند: ۸۳/۰R^۲=، ۳۴/۰RSME=، ۱۴/۰ MAD=و ۱۰/۰MSE=). بررسی نتایج نشان داد که اجرای الگوریتم DINEOF در نرم افزار R برای بازسازی محصولات مفقوده موجود در تصاویر غلظت کلروفیل a روشی کارآمد، سریع و موفقیت­آمیز است. محصولات کلروفیل a حاصل از بازسازی برای کاربردهایی مانند تشخیص شکوفایی جلبکی و همچنین مدیریت مناسب شیلاتی قابل استفاده است. در مقیاس زمانی بلند­مدت، مقایسه محصولات مفقوده با بازسازی‌ شده به کنترل کیفیت داده­های ماهواره­‌ای کمک می­ کند.

---

---

آب قابل بارش کلی جو (TPW) پارامتری مهم در اقلیم­شناسی و پیش­بینی هوا بوده و مستقیما با هرگونه فرآیند اقلیمی ارتباط دارد. سه روش برای تخمین این پارامتر وجود دارد، استفاده از رادیوساوند، استفاده از GPS و استخراج از تصاویر ماهواره­ای. در دو روش اول این پارامتر نقطه­ای محاسبه می­شود در حالیکه در روش سوم با یک نگاه لحظه­ای، این پارامتر در سطحی وسیع قابل محاسبه می­باشد. الگوریتمی که در مودیس برای استخراج TPW مورد استفاده قرار می­گیرد از نسبت بازتابندگی در یک باند جذبی بخار آب به بازتابندگی در یک باند غیر جذبی بدست می­آید. از طرفی نظر به تغییرات شدید بازتابندگی سطحی باند غیر جذبی در پیکسل­های مجاور، TPW محاسبه شده شدیدا از یک پیکسل به پیکسل مجاور آن تغییر می­کند در حالیکه اعتقاد براین است که تغییرات افقی TPW نمی­تواند شدید باشد. برای حل این مسئله، یک ضریب میرایش (Damping) به بازتابندگی در باند غیر جذبی اضافه گردید. مشاهده شد که این ضریب به نوع پوشش سطحی حساس است. در این پژوهش روشی برای محاسبه مقادیر ضریب میرایش برای پوشش­های مختلف ارائه گردید. نتایج TPWی بدست آمده از این روش با مقادیر بدست آمده از GPS همبستگی ۰,۸۱ را نشان می­دهد در حالیکه این مقدار برای مدل اصلاح نشده ۰.۶۷ می­باشد.

---

شاخص تفاوت پوشش گیاهی نرمال شده (NDVI)، یکی از شاخص­های گیاهی است که در زمینه مطالعه پایش تغییرات پوشش گیاهی در طول زمان، کاربردهای فراوانی دارد. باید توجه داشت که این شاخص، نیازمند داده­های زمانی پیوسته و کامل در یک بازه زمانی مورد نظر می‌باشد. بااین‌حال در مواردی گردوغبارهای جوی، ذرات معلق در هوا، عدم کارایی سنجنده، گازها به‌ویژه حضور ابرها، به‌طور قابل‌توجهی بر انرژی بازتابنده از سطح به‌ویژه در محدوده­ی طول‌موج‌های کوتاه و مادون‌قرمز اثر می‌گذارد و منجر به ایجاد تصاویری با داده­­های ازدست‌رفته و یا مقادیر غیرقابل‌قبول می­شود. در این مطالعه، به‌منظور رفع مشکل داده­های جاافتاده و دورافتاده، در سری­های زمانی شاخص NDVI سنجنده MODIS طی سال­های ۲۰۰۱ تا ۲۰۰۵، از الگوریتم تجزیه‌وتحلیل هارمونیک سری­های زمانی (HANTS) استفاده می‌شود. این الگوریتم برای اجرای دو کار طراحی شده است: ۱- شناسایی و از بین بردن نقاط دورافتاده و مشاهدات ابری، ۲- پر کردن فاصله باقی‌مانده بین مشاهدات معتبر توسط درون­یابی زمانی. ارزیابی نتایج الگوریتم HANTS نشان می‌دهد که خطای جذر میانگین مربعات (RMSE)، بین داده­های اصلی و بازسازی‌شده در سری­های زمانی یک‌ساله و پنج‌ساله، به ترتیب کمتر از ۰۲/۰ و ۰۳/۰ واحد NDVI می­باشند. به‌طورکلی نتایج این پژوهش نشان می­دهد که الگوریتم HANTS، در رفع مشکل داده­های ازدست‌رفته و داده­های دورافتاده در سری­های زمانی NDVI، می‌تواند مؤثر واقع شود.

---

پهنه ­بندی مکانی دمای رویه­ی زمین نشان داد که دمای رویه در این حوضه میل به خوشه­ای شدن و لانه­گزینی دارد. به طوری که در دوره گرم سال(بهار و تابستان)، گرانیگاه و ثقل افزایشی دمای رویه در بخش­های مرکزی این حوضه که منطبق بر مناطق کم­ارتفاع و پست حوضه است، انطباق دارد و در دوره سرد سال(پاییز و زمستان)، افت محسوس دما در این بخش­ها تشدید می­شود. مجاورت بخش­های شمالی و غربی این حوضه با گره­گاه کوهستانی شمال­غرب از یک سو و همسایگی با کرانه­های جنوبی دریای خزر و توپوگرافی البرز از سوی دیگر؛ سبب کاهش دمای رویه در دوره گرم سال و افزایش نسبی دما در دوره سرد سال شده است. همچنین نتایج آزمون روند حاکی از این است که درتمام ماه­ها، روند افزایشی معنادار در دمای رویه به ویژه در ماه­های تابستان(تیر، مرداد، شهریور به ترتیب با ۹۲/۲۲، ۶۷/۱۱ و ۴۷/۱۳ درصد از مساحت حوضه) و در زمستان(دی، بهمن و اسفند به ترتیب با ۳۵/۳۲، ۲۷/۱۰ و ۷۵/۱ درصد از مساحت حوضه) کاملاً مشهود است و ماه­های بهار و پاییز دارای روند کاهشی ناچیز در دمای رویه هستند. بیشترین میزان روند افزایشی معنادار مربوط به دی­ماه و بیشترین روند منفی معنادار، از آنِ مهر­ماه می­باشد. به طورکلی؛ ۵/۸۹ درصد از مساحت حوضه سفیدرود، بدون روند؛ ۲۲/۹ درصد، روند افزایشی و ۲۸/۱ درصد، روند کاهشی معنادار در دمای رویه­ی زمین را به خود اختصاص داده­اند.