Journal of Geomatics Science and Technology

fa آنالیز حساسیت بر روی متغیرهای سه روش متداول و یک روش جدید تصحیح رادیومتریکی تصاویر سنجش از دور به منظور تولید نقشه تغییرات صحیح Sensitivity Analysis on Parameters of Three Conventional and one new Remote Sensing Radiometric Correction Methods in order to Produce Accurate Change Map فتوگرامتری و سنجش از دور Photo&RS پژوهشي Research <div style="text-align: justify;">شناسایی تغییرات با استفاده از تصاویر سنجش از دور اهمیت بسیاری در استخراج اطلاعات جهت کاربردهای مختلف علم مهندسی ژئوماتیک دارد. تصحیح رادیومتریکی تصاویر چندزمانه یکی از گام¬های اولیه و مهم در شناسایی تغییرات محسوب می¬شود به طوریکه میتواند صحت نهایی نتایج بدست آمده را بهبود دهد. در این مقاله آنالیز حساسیت صحت کلی نقشه تغییرات بدست آمده از سه روش متداول (رگرسیون خطی، PIF و RCSM) و یک روش جدید تصحیح رادیومتریکی نسبت به متغیرهای آنها مورد بررسی قرار خواهد گرفت. روش‌های تصحیح رادیومتریکی ذکر شده در دو منطقه آلاسکا و دریاچه ارومیه و تصاویر لندست دو زمان اجرا شدند. با تغییر متغیرهای روشهای تصحیح رادیومتریکی بهترین صحت کلی روشهای رگرسیون خطی، PIF و RCSM به ترتیب در منطقه آلاسکا 68%، 93%، 91% و 94% و به ترتیب در منطقه دریاچه ارومیه 92%، 95%، 97% و 97% محاسبه شد. براساس این نتایج، کارایی روش پیشنهادی نسبت به سه روش دیگر بالاتر بوده است.  </div> <div style="text-align: justify;">According to (Singh 1989), Change detection ( CD ) is “the process of identifying differences in the state of an object or phenomenon by observing it at different times”. Change detection from remote sensing images is very important in Geomatics’ applications such as urban and rural management, environmental applications, forest monitoring, agriculture, and so on. There are some essential processing tasks including geometric and radiometric corrections, feature extraction and selection, and classification, which must be performed on multi-temporal images, to do change detection. Radiometric correction is one of the most important tasks in change detection, since atmosphere condition, seasonal effects, and the change on view angle of sensors, and so on make a difference on illuminations of a pixel in two dates. There are many errors in the outcome of change detection without applying radiometric correction task. For this reason, a radiometric correction approach was developed in this study to do an appropriate change detection method. There are some radiometric correction approaches, which works based corresponding pixels. They use linear regression, neural network, and so on to make a relation among digital values of images in time series images. Undoubtedly, the corresponding pixels play a key role in radiometric correction approaches to solve unknown parameters of linear regression and neural network. Then, we proposed an efficient approach to select proper corresponding pixels. In this research, three radiometric correction approaches including Pseudo Invariant Features ( PIF ), Radiometric control sets method ( RCSM ), and linear regression along with a new radiometric correction approach were implemented. To evaluate radiometric correction approaches, two case studies including Lake Urmia and Alaska were chosen. Landsat TM satellite images were also obtained from the study areas. Results show that the accuracy of change detection outcomes depends on threshold values of radiometric correction approaches. Moreover, overall accuracies of linear regression, pseudo invariant features, radiometric control sets method, and our proposed approach in the first and second study areas were (68 % , 93 % , 91 % , 94 % ) and (92 % , 95 % , 97 % , 97 % ), respectively. It indicates that our proposed radiometric correction approach is more efficient than linear regression, Pseudo Invariant Features, and radiometric control sets method. In the future woks, it is recommended to use non-linear functions instead of linear one in our proposed approach to achieve more accurate results.</div> حدآستانه گذاری اتسو, شناسایی تغییرات, سنجش از دور, تصحیح رادیومتریکی, رگرسیون خطی, آنالیز حساسیت Change Detection, Landsat, Remote Sensing, Radiometric Correction Methods 33 43 http://jgst.issgeac.ir/browse.php?a_code=A-10-193-2&slc_lang=fa&sid=1 M. Janalipour میلاد جانعلی پور m_janalipour89@yahoo.com 10031947532846005847 10031947532846005847 Yes K.N.Toosi university of technology دانشگاه صنعتی خواجه نصیرالدین طوسی A. Mohammadzadeh علی محمدزاده almoh2@gmail.com 10031947532846005848 10031947532846005848 No K.N.Toosi university of technology دانشگاه صنعتی خواجه نصیرالدین طوسی H. Mohammad Khanlu حکمت اله محمدخانلو .khanlu@gmail.com 10031947532846005849 10031947532846005849 No islamic azad university shahrood دانشگاه آزاد شاهرود E. Khesali الهه خصالی elahe.khesali@gmail.com 10031947532846005850 10031947532846005850 No K.N.Toosi university of technology دانشگاه صنعتی خواجه نصیرالدین طوسی H. Enayati حمید عنایتی enayati_hamid@yahoo.com 10031947532846005851 10031947532846005851 No K.N.Toosi university of technology دانشگاه صنعتی خواجه نصیرالدین طوسی