جستجو در مقالات منتشر شده
۱ نتیجه برای Dineof
مریم کریمیان، امید بیرقدار کشکولی، رضا مدرس، سعید پورمنافی،
دوره ۱۱، شماره ۲ - ( ۳-۱۴۰۱ )
چکیده
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: ۸۳/۰R۲=، 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.
