امروزه به کارگیری تصاویر ماهواره¬ای به عنوان ابزاری مناسب جهت پایش پدیده¬های مختلف مبدل گشته است. با این وجود، ماهواره¬هایی که تصاویر آن¬ها به صورت روزانه در دسترس هستند، دارای قدرت تفکیک مکانی پایینی هستند. از این رو نمی¬توان پدیدهای روزانه را با دقت مکانی مناسب مورد پایش قرار داد. اما در سال¬های اخیر توسعه¬ی الگوریتم¬های ادغام زمانی- مکانی تصاویر ماهواره¬ای این امکان را فراهم آورده است. الگوریتم STARFM از جمله معروفترین الگوریتم¬های ادغام زمانی- مکانی است. طبقه¬بندی مناسب تصویر از جمله مهمترین گام¬های اولیه الگوریتم¬های مذکور است. از این رو در این تحقیق، دقت روش¬های مختلف طبقه¬بندی تصویر بر عملکرد الگوریتم STARFM ، در ادغام تصاویر لندست و مدیس، مورد بررسی قرار گرفته است. نتایج به دست آمده حاکی از آن است که دقت مراحل پیش¬پردازش و دیگر خطاها به طور مستقیم بر نتایج الگوریتم مذکور تاثیرگذر بوده و هر چه ناحیه¬ی مورد بررسی هموژن¬تر باشد دقت نهایی افزایش خواهد یافت. همچنین عامل یکنواختی و هموژنی بسیار بیشتر از دقت روش¬های طبقه¬بندی تصویر، تاثیر گذار است و در نواحی غیر یکنواخت، افزایش ضریب کاپا، لزوما دقت الگوریتم مذکور را بهبود نخواهد بخشید. بعلاوه، دیگر عوامل خطا (مانند یکسان نبودن محدوده¬ی طیفی) باعث تاثیرات چشمگیری در نتایج خواهند شد.

کلمات کلیدی