این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
علوم و فنون شیلات، جلد ۱۱، شماره ۲، صفحات ۱۳۷-۱۵۲
عنوان فارسی بازسازی محصولات مفقوده کلروفیل a مودیس با استفاده از الگوریتم DINEOF در نرم افزارR : مطالعه موردی خلیج فارسی و دریای عمان
چکیده فارسی مقاله 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 3 (وضوح مکانی 4 کیلومتر) غلظت کلروفیل a حاصل از سنجنده مودیس در بازه زمانی 2003 تا 2020 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 2009 و 2015 وجود دارد. با ارزیابی صحت بازسازی مشخص شد بازسازی داده­های مفقوده به خوبی توسط الگوریتم صورت گرفته است (به عنوان مثال در ماه جولای 2014 پارمترهای محاسبه شده بدین شرح می­باشند: 83/0R2=، 34/0RSME=، 14/0 MAD=و 10/0MSE=). 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.
کلیدواژه‌های فارسی مقاله غلظت کلروفیل a،مودیس،بازسازی محصولات،DINEOF،خلیج فارس،دریای عمان،
عنوان انگلیسی Reconstruction of MODIS chlorophyll a products using DINEOF algorithm in R software: A case study of the Persian Gulf and Oman Sea
چکیده انگلیسی مقاله The DINEOF algorithm is a parameter free technique based on iterative EOF analysis that is used to calculate the missing data in a given satellite data set (without requiring any prior information). In this study, the DINEOF technique has been used to fill the gaps in chlorophyll-a data series in the Persian Gulf and Oman Sea. Level 3 data (4 km spatial resolution) of chlorophyll-a concentration obtained from MODIS sensor (2003- 2020) for the study area were used. In some of the images several gaps were found in different months of the year. Images with gap in the Persian Gulf and Oman Sea were reconstructed by rtsa.gapfill R-package and DINEOF algorithm in R software. The linear regression analysis was performed between the missing and reconstructed data, and also parameters such as RMSE, MSE, MAD and SNR were calculated to evaluate the validity and performance of the DINEOF algorithm. The maximum number of the gaps in data series were found in July. Hence, the images of July have been examined and reconstructed as the case study. The original maps of chlorophyll-a concentration showed that the maximum number of the gaps were in July 2009 and 2015. Evaluation of the results showed a high accuracy of DINEOF-reconstruction method (e.g. in July 2014, R2 = 0.83, RSME = 0.34, MAD = 0.14, MSE = 0.10). The results showed that the implementation of the DINEOF algorithm (in R) to reconstruct the gaps in chlorophyll-a concentration images could serve as a rapid and efficient technique.
کلیدواژه‌های انگلیسی مقاله غلظت کلروفیل a,مودیس,بازسازی محصولات,DINEOF,خلیج فارس,دریای عمان
نویسندگان مقاله مریم کریمیان |
دانشکده منابع طبیعی دانشگاه صنعتی اصفهان

امید بیرقدار کشکولی |
دانشکده منابع طبیعی دانشگاه صنعتی اصفهان

رضا مدرس |
دانشکده منابع طبیعی دانشگاه صنعتی اصفهان

سعید پورمنافی |
دانشکده منابع طبیعی دانشگاه صنعتی اصفهان

نشانی اینترنتی https://jfst.modares.ac.ir/article_21417_eff498fab503c44f6793fea660e04d5b.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات