برآورد دمای سطح زمین با استفاده از تصاویر ماهواره لندست8 و الگوریتم پنجره مجزا(مطالعه موردی: حوضه آبریز مهاباد)

نوع مقاله: مقاله پژوهشی

نویسندگان

1 استادیار گروه GIS و RS دانشگاه تبریز

2 دانشجوی کارشناسی ارشدGIS و RS دانشگاه تبریز

3 دانشجوی کارشناسی ارشد GIS وRS دانشگاه تبریز

چکیده

دمای سطح زمین یکی از معیارهای مهم در برنامهریزی ناحیهای و منطقهای میباشد. دمای سطح زمین در بسیاری از برنامههای کاربردی محیط زیست، کشاورزی، هواشناسی و سایر پروژهها می‌‌تواند مورد استفاده واقع شود.با توجه به محدودیت ایستگاههای هواشناسی، سنجش از دور میتواند به عنوان پایه و اساس بسیاری از دادههای هواشناسی مورد استفاده قرار گیرد. یکی از مهمترین جنبههای کاربردی سنجش از دور در مطالعات اقلیمشناسی برآورد دمای سطح زمین میباشد. در این راستا، الگوریتم پنجره مجزا به عنوان یک روش مؤثر در استخراج دمای سطح زمین محسوب میشود؛ که براساس منابع علمی بیشترین دقت را ارائه میدهد. در این پژوهش از تصاویر چند طیفی و حرارتی ماهواره لندست8 برای برآورد دمای زمین در حوضه آبریز مهاباد استفاده شده است. برای نیل به هدف، بعد از انجام تصحیحات رادیومتریک نسبت به مدلسازی و تجزیه و تحلیل تصاویر اقدام شد. بطوری که شاخص پوشش گیاهی، کسری پوشش گیاهی، دمای روشنایی ماهواره، قابلیت انتشار سطح زمین، ستون بخار آب که از معیارهای مؤثر در برآورد دمای سطح زمین با روش الگوریتم پنجره مجزا میباشند، با انجام محاسبه روابط ریاضی مقادیر لازم برای محاسبه دمای سطح زمین بدست آمدند.در نهایت دمای سطح زمین با دقت معادل 4/1 درجه سانتیگراد برآورد شد. مناطق با پوشش گیاهی زیاد و پوشیده از آب (سد)  دمای کم و مناطق با پوشش گیاهی کم و خاک لخت دمای بالایی را نشان میدهند که همه در تغییرات دمایی منطقه مورد مطالعه مؤثر میباشند. نتایج تحقیق بیانگر این مهم است که روش الگوریتم پنجره مجزا نتایج قابل اعتماد و مطمئنی را در برآورد دمای سطح زمین ارائه میدهد که میتواند در مطالعات زیست محیطی و علوم زمین مورد استفاده قرار گیرد.

کلیدواژه‌ها


عنوان مقاله [English]

Extraction of Land Surface Temperature (LST) based on Landsat Satellite Images and Split Window Algorithm Study area: Mahabad Catchment

نویسندگان [English]

  • Bakhtiar Feizizadeh 1
  • Khalil Didehban 2
  • Khalil Gholamnia 3
1 Assistant professor, department of GIS & RS, University of Tabriz
2 Msc student, department of GIS & RS, University of Tabriz
3 Msc student, department of GIS & RS, University of
چکیده [English]

Abstract
Land Surface Temperature (LST) is one of important criteria in regional planning and management. LST can be used in many practical programs of environment, agriculture, meteorology and relevant surveys. Due to the limitations of meteorological stations, remote sensing can be used as the basis of many meteorological data. One of the most important practical aspects of remote sensing in climate studies is the estimation of surface temperature. In this regard, the split window algorithm is considered as an effective method for extracting surface temperature, which provides the highest accuracy based on scientific resources. In this research, Landsat 8 satellite’s multi-spectral and thermal images have been used to estimate the land temperature in Mahabad catchment. To accomplish the goal, modeling and analyzing of the images were performed after radiometric corrections. The vegetation index, the vegetation shortage, the temperature of the satellite illumination, the emissivity of the land surface, the column water vapor (CWV) are of effective criteria for estimating the land surface temperature by the method of split window algorithm. The values necessary to calculate the land surface temperature were obtained by performing mathematical relation computation. Eventually, the land surface temperature was accurately estimated with an error of 1.4 degrees Centigrade. Areas with high vegetation cover and covered with water show low temperatures and, areas with low vegetation cover and bare soil show a high temperature, all of which are effective in temperature variations in the studied area. The results of the research indicate that the method of split window algorithm provides exact and reliable results in the estimation of land surface temperature, which can be used in environmental studies and geosciences.

کلیدواژه‌ها [English]

  • Land surface temperature (LST)
  • Split Window Algorithm
  • Mahabad
  • Landsat Satellite Images

1- امینی بازیابی، زارع ابیانه و اکبری؛ سمیرا، حمید و مهدی، (1393)، برآورد دما و شاخص پوشش گیاهی سطح زمین با استفاده از داده های  سنجش از دور (مطالعة موردی: استان همدان)، پژوهشهای جغرافیای طبیعی، سال1393، شمارة3، ص348-333

2- باعقیده، علیجانی و ضیائیان؛ محمد، بهلول و پرویز، (1390)، بررسی امکان استفاده از شاخص پوشش گیاه NDVI در تحلیل خشکسالی های استان اصفهان، مطالعات جغرافیایی مناطق خشکسال اول، شماره چهارم، صص1-16.

3- نوری، ثنایی نژاد و هاشمی؛ سمیرا، حسین و مجید؛ (1389)، برآورد دمای سطح زمین با استفاده از تصاویر مودیس در زیر حوضه آبریز مشهد، اولین کنفرانس بین المللی مدلسازی گیاه، آب، خاک و هوا، 1389.

4 -کاویانی، سهرابی و دانش کارآراسته؛ عباس، تیمور و پیمان (1392)، تخمین دمای سطح زمین با استفاده از شاخص اختلاف نرمال شده (NDVI) در تصاویر سنجنده های Landsat ETM+ و MODIS، مجله هواشناسی کشاورزی جلد 1، شماره 1، ص.14 -25

5 - ملکپور، طالعی، رضایی و خوشگفتار؛ پیمان، محمد، یوسف و مهدی، (1389)، بررسی درجه حرارت سطح زمین و ارتباط آن با کلاس های پوشش کاربری زمین شهری با استفاده از دادهای سنجنده ETM+ مطالعه موردی شهرتهران، همایش ژئوماتیک.

6- Alavipanah, S.K., et al., (2007), Land surface temperature in the Yardang Region of Lut Desert

(Iran) based on field measurements and Landsat thermal data, Journal of agricultural

science and technology (JAST), 9, 287-303.

7- Becker, F., Li, Z.-L. Surface temperature and emissivity at various scales: Definition, measurement

and related problems, Remote Sens. Rev, 1995, 12, 225-253.

8- Brian Johnson, Ryutaro Tateishi and Toshiyuki Kobayashi, Remote Sensing of Fractional Green Vegetation Cover Using Spatially-Interpolated Endmembers, Remote Sens. 2012, 4, 2619-2634

9- Buettner, K. j. k. and ken; C, D. Determination of infrared Emissivities of terrestrial Surface: J. Geophysical Research; Vol. 70, 1965, p. 1329-1337.

10- Feizizadeh.B, Blaschke.T, Nazmfar,H ,Akbari,E and Kohbanani,H,R,(2012), Monitoring land surface temperaturerelationship to land use/land cove from satellite imagery in MaraqehCounty, Iran, Journal of Environmental Planning and Management 2012, 1-26.

11- Gao, C.; Li, Z.-L.; Qiu, S.; Tang, B.; Wu, H.; Jiang, X. An improved algorithm for retrieving land surface emissivity and temperature from MSG-2/SEVIRI data. IEEE Trans. Geosci. Remote Sens. 2014, 52, 3175–3191

12- García-Haro, F.J., F. Camacho-de Coca, J. Meliá, B. Martínez, Operational derivation of vegetation products in the framework of the LSA SAF project, (2005), EUMETSAT Meteorological Satellite Conference. Dubrovnik (Croatia). 19-23 Septiembre, in press.

13- García-Haro, F.J, S. Sommer, T. Kemper (2005), Variable multiple endmember spectral mixture analysis (VMESMA), International Journal of Remote Sensing, 26:2135-2162.

14- Hu Yang, Zhongdong Yang, A modified land surface temperature split window retrieval algorithm and its applications over China, Global and Planetary Change, Volume 52, Issues 1–4, July 2006, Pages 207-215, ISSN 0921-8181, http://dx.doi.org/10.1016/j.gloplacha.2006.02.015

15- Johnson,B, Tateishi,R andKobayashi,T Remote Sensing of Fractional Green Vegetation Cover Using Spatially-Interpolated Endmembers, Remote Sens 2619-2634, 4. 2012.

 16- Kassa, A.(1990). Drought risk monitoring for Sudan using NDVI, 1982-1993. A

17- Li, Z.-L.; Tang, B.-H.; Wu, H.; Ren, H.; Yan, G.; Wan, Z.; Trigo, I.F.; Sobrino, J.A.Satellite-derived land surface temperature: Current status and perspectives. Remote Sens. Environ. 2013,, 14-37, 131.

18-  Mao And other,(2008),  A practical split-window algorithm for retrieving land-surface temperature from MODIS data, International Journal of RemoteSensing,37-41

19- Offer,R, Qin,Zh ,Derimian,Y, and Karnieli,A,(2014), Derivation of Land Surface Temperature for Landsat-8 TIRS Using a Split Window Algorithm,sensor, 14(4): 5768–5780.

20-RajeshwariA , Mani N D,2014, Estimationof  Land  Surface Temperature ofDindigul District Using Landsat 8 Data, Ijret: International Journal of Research in Engineering and Technology, Volume: 03 Issue: 05, May-2014, Available @ http://www.ijret.org

21-Shahid,L, 2014, Land Surface Temperature Retrival of Landsat-8 Data Using Split Window Algorithm- A Case Study of Ranchi District , IJEDR ,  Volume 2, Issue 4.