تخمین غلظت کلروفیل _ آ با استفاده از روشهای میدانی و پردازش تصاویر ماهوارهای مطالعه موردی :خور تیاب
Parallel Title Proper
Estimate of Chlorophyll-a Concentration Using In-situ and Satellite Image Processing Approach Case Study: Estuary of Tiab
First Statement of Responsibility
/مصطفی مهدویفرد
.PUBLICATION, DISTRIBUTION, ETC
Name of Publisher, Distributor, etc.
: برنامهریزی و علوم محیطی
Date of Publication, Distribution, etc.
، ۱۳۹۹
Name of Manufacturer
، میرزائی
PHYSICAL DESCRIPTION
Specific Material Designation and Extent of Item
۶۸ص
NOTES PERTAINING TO PUBLICATION, DISTRIBUTION, ETC.
Text of Note
چاپی - الکترونیکی
DISSERTATION (THESIS) NOTE
Dissertation or thesis details and type of degree
کارشناسی ارشد
Discipline of degree
سنجش از دور و سیستم اطلاعات جغرافیایی گرایش سنجش از دور
Date of degree
۱۳۹۹/۰۴/۰۴
Body granting the degree
تبریز
SUMMARY OR ABSTRACT
Text of Note
خورها یکی از مهمترین منابع طبیعی ساحلی محسوب میشوند .نظارت بر کلروفیل- آa) - (Chlکه رنگدانه فیتوپلانکتون آبهای اقیانوسی و ساحلی است میتواند با استفاده از فناوری نوین سنجش از دور اندازهگیری و ارزیابی شود .وجود طول موجهای آبی، سبز و قرمز در ماهوارههای مشاهدات اقیانوسی همواره راه را برای نظارت بر رنگ اقیانوسها هموار نموده است .در این پژوهش سعی کردیم از الگوریتمهای بیو اپتیکی OC۲ و OC۳ و از دادههای تصحیح رادیومتریکی و تصحیح اتمسفری شدهی ماهوارههایMSI - Sentinel ۲وOLI - Landsat ۸در فروردین سال ۱۳۹۸ بمنظور تخمین غلظت کلروفیل- آ در منطقه خور تیاب استفاده کنیم .جهت ایجاد همبستگی و ارزیابی نتایج از دادههای میدانی و نمونهبرداریهای صورت گرفته استفاده شد .هدف از این پژوهش انتخاب مناسبترین مدل تخمین غلظت کلروفیل- آ برای دادههای ماهوارهای مورد استفاده و شرایط منطقه مورد مطالعه است .نتایج پژوهش نشان داد که الگوریتم OC۲ در ماهوارههای لندست- ۸و سنتینل- ۲بترتیب دارای بیشترین مقدار ضریب تعیین (R۲) معادل با ۰.۹۱ و ۰.۶۴ بود و همچنین مقدار خطای ریشه میانگین مربعات (RMSE) بترتیب در تصاویر ماهوارهای معادل با ۰.۱۳ و ۰.۳۳ بود این درحالی است که نتایج الگوریتم OC۳ در ماهوارههای لندست- ۸و سنتینل- ۲بترتیب دارای مقدار ضریب تعیین (R۲) معادل با ۰.۸۸ و ۰.۱۴ بود و همچنین مقدار خطای ریشه میانگین مربعات (RMSE) بترتیب در تصاویر ماهوارهای معادل با ۰.۱۶ و ۰.۵۱ بود .این نتایج بیانگر دقت بالای الگوریتم OC۲ در تصاویر ماهوارهای مورد استفاده است و بهعنوان مناسبترین الگوریتم برای تهیه نقشه غلظت کلروفیل- آ منطقه مورد مطالعه انتخاب شد
Text of Note
The estuaries are one of the most important coastal natural resources. Chlorophyll-a (Chl-a) monitoring, which is the pigment of oceanic and coastal phytoplankton, can be measured and evaluated using new remote sensing technology. The presence of blue, green and red wavelengths in oceanic observation satellites has always paved the way for monitoring the color of the oceans. In this study, we tried to use OC2 and OC3 bio-optical algorithms and radiometric and atmospheric correction data of Sentinel-2 MSI and Landsat-8 OLI in April 1398 to estimate chlorophyll-A concentration in Tiab Esutry region. In-situ data and sampling were used to establish correlation and evaluate the results. The aim of this study was to select the most suitable model for estimating chlorophyll-a concentration using satellites data with repect to the conditions of the study area. The results showed that the OC2 algorithm in Landsat-8 and Sentinel-2 satellites had the highest R Squared coefficient (R2) equal to 0.91 and 0.64, respectively, and the Root mean square error (RMSE) of satellite images were 0.13 and 0.33, respectively. However, the results OC3 algorithm in Landsat-8 and Sentinel-2 satellites had the R Squared coefficient (R2) 0.88 and 0.14, respectively, while Root error of the mean squares (RMSE) in satellite images 0.16 and 0.51, respectively. These results indicate the high accuracy of the OC2 algorithm in the satellite images used and were selected as the most suitable algorithm for mapping chlorophyll-a concentration in the study area
PARALLEL TITLE PROPER
Parallel Title
Estimate of Chlorophyll-a Concentration Using In-situ and Satellite Image Processing Approach Case Study: Estuary of Tiab