@article { author = {Motakan, Aliakbar and Ashuorloo, Davood and Aghighi, Hossein and Golsefatan, Gholamreza}, title = {Microscaling of Esa soil moisture data using Noaa satellite images}, journal = {Geography}, volume = {16}, number = {57}, pages = {146-157}, year = {2018}, publisher = {Iranian Geographical Association}, issn = {2783-3739}, eissn = {2717-2996}, doi = {}, abstract = {Soil moisture is a critical parameter in many land surface processes, and microwave remote sensing is effective in estimating land surface moisture due to some advantages it has over optical methods. However, the soil moisture obtained from microwave remote sensing has a spatial resolution of several tens of kilometers, which is not suitable for many hydrological applications such as agricultural monitoring and drought and climate change prediction. In the current research, the aim is to present a method based on data integration in order to increase the spatial resolution of soil moisture data produced by the climate change department of the European Space Agency, Esa. First, the data with higher resolution using NOAA images and three indices ndvi, lst and albedo are placed in a linear regression relationship with soil moisture ground data ismn. Then, by comparing the output of this data and ESA data, the spatial resolution is increased. Due to some limitations, the desired model was implemented in three study areas. The validation results of each region were evaluated using ground data, so that the average coefficient of determination was 0.77 in the study area of ​​Australia and 0.58 and 0.34 in the two study areas of Iran. According to the results, it can be said that the presented method, in addition to scalability and simplicity, has a higher efficiency in uniform and unmixed areas such as Kyeamba Creek catchment than in agricultural lands such as Pars Abad.}, keywords = {Spatial resolution,Remote Sensing,NDVI,LST,Albedo}, title_fa = {ریزمقیاس سازی داده رطوبت خاک Esa با استفاده از تصاویر ماهواره Noaa}, abstract_fa = {   رطوبت خاک پارامتری حیاتی در بسیاری از فرآیندهای سطح زمین است، و سنجش از دور مایکروویو به علت برخی مزیت هایی که نسبت به روش های اپتیک دارد، در برآورد رطوبت سطح زمین موثر واقع می شود. با این وجود رطوبت خاک حاصل از سنجش از دور مایکروویو قدرت تفکیک مکانی در حدود چند ده کیلومتر دارد، که این ابعاد برای بسیاری از کاربردهای هیدرولوژیکی مانند پایش کشاورزی و پیش بینی خشکسالی و تغییر اقلیم، مناسب نیست. در پژوهش حاضر، هدف، ارائه روشی بر اساس تلفیق داده ها، به منظور افزایش قدرت تفکیک مکانی داده های رطوبت خاک تولید شده توسط بخش تغییر اقلیم سازمان فضایی اروپا، esa، می باشد. ابتدا داده ها با قدرت تفکیک بالاتر با استفاده از تصاویر noaa و سه شاخص ndvi، lst و آلبدو در رابطه ی رگرسیون خطی با داده های زمینی رطوبت خاک ismn قرار می گیرند. سپس با نسبت گیری میان خروجی این داده و داده ی esa، به افزایش قدرت تفکیک مکانی اقدام می‌گردد. به علت برخی محدودیت ها، مدل مورد نظر در سه منطقه مطالعاتی اجرا شد. نتایج اعتبارسنجی هر منطقه با استفاده از داده زمینی، مورد ارزیابی قرار گرفت به نحوی که متوسط ضریب تعیین به میزان 0/77 در منطقه مطالعاتی استرالیا و 0/58 و 0/34 در دو منطقه مورد مطالعه ایران حاصل شد. با توجه به نتایج، می توان گفت که روش ارائه شده، علاوه بر مقیاس پذیری و سادگی، در مناطق یکنواخت و غیرمختلط نظیر kyeamba creek catchment کارایی بالاتری نسبت به زمین های کشاورزی نظیر پارس آباد دارد.}, keywords_fa = {قدرت تفکیک مکانی,سنجش از دور,NDVI,LST,آلبدو}, url = {https://mag.iga.ir/article_253474.html}, eprint = {https://mag.iga.ir/article_253474_785f8f2f028c01b65e0673cc89a2789f.pdf} }