بررسی تأثیر عوامل جغرافیایی بر حرارت سطحی زمین با استفاده از تصاویر ماهوارهای در مخروط آتشفشان تفتان
الموضوعات :شهرام بهرامی 1 , الهه اکبری 2 , عاطفه دوران 3
1 - استادیار دانشکده جغرافیا و علوم محیطی، دانشگاه حکیم سبزواری
2 - کارشناس ارشد سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکده جغرافیا و علوم محیطی، دانشگاه حکیم سبزواری
3 - کارشناس ارشد ژئومورفولوژی، دانشکده جغرافیا و علوم محیطی، دانشگاه حکیم سبزواری
الکلمات المفتاحية: مورفولوژی, Remote Sensing, Morphology, سنجش از دور, دمای سطح زمین, روش سبال, لیتولوژی, تفتان, Land surface temperature, SEBAL method, Lithology, Taftan,
ملخص المقالة :
برآورد دمای سطح زمین در پهنه وسیع از طریق سنجش از دور، نقصان پایش آن را در ایستگاه‌های محدود هواشناسی رفع می کند. الگوریتم توازن انرژی سطح زمین (سبال)، در اکثر نقاط دنیا برای برآورد دما در سطح مورد استفاده قرار گرفته است. هدف این تحقیق، به دست آوردن دمای سطح زمین و بررسی ارتباط آن با عوامل جغرافیایی نظیر ارتفاع، جهات جغرافیایی، لیتولوژی و مورفومتری برخی از لندفرم‌ها در مخروط آتشفشانی تفتان می باشد. بنابراین، با اعمال الگوریتم سبال بر تصویر ماهوارهای +ETM سال 2001، نقشه حرارتی منطقه تهیه شد. برای اجرای این روش، رادیانس حرارتی تصحیح شده، گسیلمندی سطحی در باند حرارتی، رادیانس طیفی، بازتابندگی در هر باند و آلبیدوی سطحی نیز محاسبه گردید. نقشه خط الرأس‌ها و خط القعرها بر اساس روش بررسی منحنی میزان‌های منطقه از طریق نقشه توپوگرافی و گوگل ارث تهیه شد. نقشه آبراهه‌ها، مدل رقومی ارتفاع، جهات جغرافیایی و زمینشناسی، رقومی و تولید گردید. با انطباق و همپوشانی نقشه‌های مذکور با نقشه دمای سطح زمین و استفاده از تحلیل Zonal Statistic، دمای سطح زمین در هر طبقه ارتفاعی، جهت جغرافیایی، سازند و لندفرم‌های خاص به دست آمده است. نتایج نشان می دهد که در طبقات ارتفاعی بالاتر، دمای سطح زمین کاهش یافته و در میزان دمای سطحی مخروط، جهات جغرافیایی نقش بسیار مهمی را ایفا می‌نمایند. به طوری که کمترین میانگین دما در جهت غربی و بیشترین میانگین دما در جهت شرقی به چشم می‌خورد. همچنین، سازندها و لندفرم هایی که کمترین و بیشترین دما را دارا هستند نیز در این جهات قرار دارند. بنابراین با در نظر گرفتن شرایط دمایی در جهات جغرافیایی و سازندهای مختلف، می‌توان به کاشت محصولات کشاورزی سازگار و برنامه‌ریزی محیطی مناسب اقدام نمود.
1. احمدیان مرج، ا. 1386. ارائه الگوریتم مناسب جهت تعیین مناطق با پتانسیل شیوع مالاریا با استفاده از تصاویر ماهوارهای. پایاننامه کارشناسی ارشد گروه سنجش از دور، دانشکده مهندسی نقشهبرداری، دانشگاه صنعتی خواجه نصیر الدین طوسی. 100 صفحه.
2. اسدی، ل.، ا. هزار جریبی، خ. قربانی، ز. آقاشریعتمداری و م. ذاکرینیا. 1392. تخمین دمای خاک براساس دادههای هواشناسی با استفاده از روابط رگرسیونی و نزدیکترین K همسایگی. مجموعه مقالات اولین همایش ملی چالشهای منابع آب و کشاورزی. انجمن آبیاری و زهکشی ایران. 24 بهمن ماه. دانشگاه آزاد اسلامی واحد خوراسگان، اصفهان.
3. اکبری، ا. و ح. کوهبنانی. 1389. استفاده از الگوریتم DTC و SEBAL به منظور برآورد دمای سطح از باند حرارتی ETM+. مجموعه مقالات همایش ملی ژئوماتیک. 1 الی 2 اردیبهشت ماه. سازمان نقشهبرداری کشور.
4. پارسافر، ن. و ص. معروفی. 1390. برآورد دمای عمقهای مختلف خاک از دمای هوا با بکارگیری روابط رگرسیونی، شبکه عصبی و شبکه عصبی- فازی (مطالعه موردی: منطقه کرمانشاه). فصلنامه دانش آب و خاک، 21(3): 139-152.
5. دانشکار آراسته، پ.، م. تجریشی و ب. ثقفیان. 1390. تعیین دمای سطح با استفاده از فنآوری سنجش از دور در منطقه سیستان. مجله مهندسی و مدیریت آبخیز، 3(2): 67-77.
6. رضایی بنفشه، م.، س. جهانبخش و خ. ولیزاد کامران. 1392. برآورد تبخیر- تعرق واقعی در حوضه سفیدرود با استفاده از پردازش تصاویر ماهوارهای. فضای جغرافیایی، 13(44): 241-262.
7. علائی طالقانی، م. 1392. ژئومورفولوژی ایران. انتشارات قومس. 360 صفحه.
8. قهرودی تالی، م. و س. خسروی. 1391. کاربرد باندهای حرارتی در ارزیابی تغییرات دمایی خطوارهها (مطالعه موردی: شمال شهر تهران). مجموعه مقالات سی و یکمین گردهمایی علوم زمین. 11 الی 12 آذر ماه. سازمان زمینشناسی و اکتشافات معدنی کشور. تهران
9. کاویانی، ع.، ت. سهرابی و پ. دانشکار آراسته. 1392. تخمین دمای سطح زمین با استفاده از شاخص اختلاف نرمال شده (NDVI) در تصاویر سنجندههای MODIS و Landsat ETM+. مجله هواشناسی کشاورزی، 1(1): 14-25.
10. ملکپور، پ. و م. طالعی. 1389. بررسی درجه حرارت سطح زمین و ارتباط آن با کلاسهای پوشش- کاربری زمین شهری با استفاده از دادههای سنجنده ETM+ (مطالعه موردی: شهر تهران). نشریه سنجش از دور و GIS ایران، 2(3): 89-102.
11. میریعقوبزاده، م. ح. و م. ر. قنبرپور. 1388. بکارگیری دادههای سنجش از دور در برآورد دمای سطح اراضی (مطالعه موردی حوضه آبخیز وردین، آذربایجان شرقی). مرتع، 3(4): 723-734.
12. نجفیمود، م. ح.، ا. علیزاده، ا. محمدیان و ج. موسوی. 1387. بررسی رابطه دمای هوا و دمای اعماق مختلف خاک و برآورد عمق یخبندان (مطالعه موردی استان خراسان رضوی). آب و خاک (علوم و صنایع کشاورزی)، 22(2): 446-456.
13. Ahmad MD, Biggs T, Turral H, Scott CA. 2006. Application of SEBAL approach and MODIS time-series to map vegetation water use patterns in the data scarce Krishna river basin of India. Water Science & Technology,53(10): 83-90.
14. Bastiaanssen WGM. 2000. SEBAL-based sensible and latent heat fluxes in the irrigated Gediz Basin, Turkey. Journal of Hydrology, 229(1): 87-100.
15. Bastiaanssen WGM, Noordman EJM, Pelgrum H, Davids G, Thoreson BP, Allen RG. 2005. SEBAL Model with Remotely Sensed Data to Improve Water-Resources Management under Actual Field Conditions. Journal of Irrigation and Drainage Engineering, 131(1): 85-93.
16. Correia AM, Souza WM, Silva RF, Albuquerque FJA, Freitas RM. 2014. Use of satellite images Landsat 5 TM in identification of islands of heat in the city of Recife-PE. Journal of Hyperspectral Remote Sensing, 4(2): 45-53.
17. Farah HO. 2001. Estimation of regional evaporation using a detailed agro-hydrological model. Journal of Hydrology, 229(1-2): 50-58.
18. Feizizadeh B, Blaschke T, Nazmfar H, Akbari E, Kohbanani HR. 2013. Monitoring land surface temperature relationship to land use/land cover from satellite imagery in Maraqeh County, Iran. Journal of Environmental Planning and Management, 56(9): 1290-1315.
19. Herb WR, Janke B, Mohseni O, Stefan HG. 2008. Ground surface temperature simulation for different land covers. Journal of Hydrology, 356(3-4): 327-343.
20. Messina AT. 2012. Mapping drought in the Krishna basin with remote sensing. MSc. Thesis in watershed science. Presented to the faculty of San Diego state university. 118 p.
21. Opoku-Duah S, Donoghue D, Burt T. 2008. Intercomparison of evapotranspiration over the Savannah Volta Basin in West Africa using remote sensing data. Sensors, 8(4): 2736-2761.
22. Poormohammadi S, Rahimian MH, Taghvaeian S. 2010. Applying Remotely Sensed Energy Balance Models in Iran: Potentials and Limitations. Remote Sensing and Hydrology 2010 Symposium. Jackson Hole. Wyoming. USA.
23. Richard A, Masahiro T, Trezza R, Bastiaanssen W. 2002. SEBAL: Surface Energy Balance Algorithms for Land. Version 1.0. Funded by a NASA EOSDIS/Synergy grant from the Raytheon Company through The Idaho Department of Water Resources.
24. Savige C, Western AW, Walker JP, Kalma JD, French AN, Abuzar M. 2005. Obtaining surface energy fluxes from remotely sensed data. International congress on modelling and simulation: advances and applications for management and decision making, New Zealand. 2946- 2952.
25. Wang XG, Wang W, Huang D, Yong B, Chen X. 2014. Modifying SEBAL Model Based on the Trapezoidal Relationship between Land Surface Temperature and Vegetation Index for Actual Evapotranspiration Estimation. Remote Sensing, 6(7): 5909-5937.
26. Weng Q, Liu H, Lu D. 2007. Assessing the effects of land use and land cover patterns on thermal conditions using landscape metrics in city of Indianapolis, United States. Urban Ecosystems, 10(2): 203-219.
