زمینه و هدف: یکی از موضوعات اساسی در تحلیل‌های کمی داده‌های رقومی ماهواره‌ای، اطمینان از پایداری حساسیت رادیومتریسنجنده ماهواره پس از پرتاب به فضاست که دستیابی به چنین هدفی نیازمند کالیبراسیون رادیومتری سنجنده ماهواره می‌باشد. هدف از این تحقیق، بررسی امکان استفاده از نمکزارهای مناطق خشک به‌عنوان پدیده‌های زمینی مرجع برای کالیبراسیون رادیومتری سنجنده‌های LISSIII و ASTERمی‌باشد. بدین منظور از نمکزارهای‌ مناطق خشک دامغان، کاشان و مهارلو برای کالیبراسیون رادیومتری باندهای انعکاسی سنجنده‌های LISSIIIو ASTERاستفاده شد.روش بررسی: ابتدا ویژگی‌های نمکزارهای مناطق مورد مطالعه بر اساس تحقیقات قبلی، مطالعات میدانی و داده‌های ماهواره‌ای موجود ارزیابی گردید. سپس با استفاده از روابط کالیبراسیون، اطلاعات موجود در فایل‌های راهنما و همچنین ضرایب کالیبراسیون سنجنده‌های مورد استفاده، بازتاب طیفی نمکزارها در باندهای انعکاسی محاسبه شده و همبستگی بین درجه روشنایی تصاویر و بازتاب طیفی نمکزارها (تابش دریافتی سنجنده ماهواره در بالای اتمسفر) ارزیابی شد.یافته ها: رابطه خطی و ضریب همبستگی بالا (بیشتر از 8/0) در هر یک از باندهای مرئی و مادون ‌قرمز نزدیک سنجنده‌های LISSIII و ASTER نشان داد که نمکزارهای مناطق خشک به‌عنوان پدیده‌های زمینی مرجع می‌توانند برای کالیبراسیون رادیومتری سنجنده‌های LISSIII و ASTER در باندهای انعکاسی محدوده مرئی و مادون ‌قرمز نزدیک کارایی داشته باشند.بحث و نتیجه گیری: نتایج نشان داد که روند تغییرات بسیار هماهنگ با یکدیگر می‌باشد (ضریب تبیین بین 8/0 تا 9/0)، به‌عبارتی با افزایش مقدار درجه روشنایی، مقدار بازتاب طیفی نیز افزایش پیدا می‌کند. به‌دلیل وجود رابطه خطی و ضریب همبستگی بالا (بیشتر از 8/0) در هر یک از باندهای مرئی و مادون‌ قرمز نزدیک سنجنده‌های LISSIII و ASTER، اتمسفر تأثیر چندانی در تابش دریافتی سنجنده نداشته است. تفاصيل المقالة

پیشینه و هدف در طول دو دهه اخیر نیاز شدید به اطلاعات دمای سطح زمین جهت مطالعات محیطی و فعالیت های مدیریتی و برنامه ریزی، برآورد دمای سطح زمین را به یکی از موضوعات مهم علمی تبدیل کرده است. از سویی دیگر روش های مختلفی جهت تخمین دمای سطح زمین ارائه ‌شده است که هرکدام نتایج متفاوتی را برای مناطق مختلف در پی داشته است. در این پژوهش الگوریتم هایی که در مطالعات مختلف هرکدام نتایج قابل قبولی داشته، انتخاب و مورد ارزیابی قرارگرفته است. در حوزه مطالعات حرارتی آنچه به‌عنوان یک نقص اساسی در پایش دمای سطح زمین به شمار می‌آید، نبود ایستگاه‌ های هواشناسی کافی جهت آگاهی از مقادیر دمایی در نقاط فاقد ایستگاه و محدودیت اطلاعاتی در تهیه داده های دمایی به خصوص برای مناطق وسیع است. منطقه موردمطالعه نیز با این کمبود رو به رو است و این محدودیت، اهمیت موضوع انتخاب ‌شده برای این پژوهش جهت تخمین دمای سطح زمین با استفاده از فناوری سنجش‌ازدور را بیشتر نمایان می سازد. هدف از این تحقیق، تخمین دمای سطح شهرستان اردبیل و ارزیابی دقت چهار الگوریتم تک کاناله، تک پنجره بهبودیافته، رابطه معکوس تابع پلانک و معادله انتقال تابش، مقایسه دقت دو ماهواره لندست 5 و لندست 8 در برآورد دمای سطح زمین.مواد و روش هادر این پژوهش از سه نوع داده استفاده‌شده است؛ تصاویر ماهواره لندست 5 و 8، داده‌ های دو ایستگاه هواشناسی، و داده ‌های زمینی برداشت‌شده با دماسنج دیجیتالی. تصاویر مورداستفاده از دو ماهواره لندست 5 و لندست 8 بافاصله زمانی 19 ساله انتخاب ‌شده است. داده های هواشناسی مورداستفاده نیز از دو ایستگاه سینوپتیک موجود در محدوده موردمطالعه اخذ گردید. علاوه بر دمای سطح زمین، داده های رطوبت نسبی، حداقل دما و حداکثر دمای 24 ساعت نیز در دو تاریخ مدنظر اخذ گردید، همچنین دونقطه از منطقه موردمطالعه انتخاب و دمای سطح زمین در موقعیت این دو ایستگاه هم‌زمان با عبور ماهواره با استفاده از دو دماسنج دیجیتالی ثبت شد. جهت مدل‌سازی تابش و میزان انتقال اتمسفری از نرم‌افزار محاسبه‌گر تحت وب MODTRAN استفاده‌شده است. توان تشعشعی با دو روش گسیلمندی بر اساس شاخص NDVI و گسیلمندی بر اساس حدآستانه گذاری NDVI و دمای سطح زمین با چهار الگوریتم تک کانال، تک پنجره بهبودیافته، رابطه معکوس تابع پلانک و معادله انتقال تابشی با استفاده از باند 6 لندست 5 و باند 10 لندست 8 در نرم افزارMATLAB برای دو سال 2000 و 2019 کدنویسی گردید. درنهایت دقت الگوریتم ها با استفاده از داده های دمای سطح ایستگاه سینوپتیک و نمونه برداری میدانی مورد ارزیابی قرار گرفت.نتایج و بحثنتایج نشان داد که برای سه الگوریتم تک کانال، رابطه معکوس تابع پلانک و RTE، روش اول گسیلمندی و برای الگوریتم تک پنجره بهبودیافته روش دوم گسیلمندی از دقت بالاتری برخوردار بوده است. داده های دمای سطح اخذ شده از ایستگاه های هواشناسی در سال 2000 ازلحاظ زمانی 12 دقیقه اختلاف و برای سال 2019 اختلاف 4 دقیقه ای بازمان عبور ماهواره دارد. ایستگاه اول هواشناسی تا حدودی در محدوده شهری واقع‌شده است. نتایج نشان داد که مهم‌ترین عامل بیشتر بودن اختلاف ایستگاه اول با LST برآورد شده در مقایسه با ایستگاه دوم همین عامل باشد، چراکه ناهمگونی پیکسل ها و تغییرات زیاد سطوح در محدوده شهری باعث تداخل ارزش پیکسل ها و به دنبال آن احتمال بروز خطا در برآورد دمای سطح در محدوده انسان ساز شهری را بالا می برد. برای ایستگاه زمینی نیز دونقطه با محیطی همگن و خارج از محدوده شهری با کاربری کشاورزی (یونجه) و کاربری بایر که محصول آن برداشت‌ شده بود، انتخاب و دمای سطح آن‌ها هم‌زمان با عبور ماهواره اندازه گیری شد. نتایج خروجی تخمین دمای سطح زمین با دو ایستگاه سینوپتیک و دو ایستگاه زمینی مورد مقایسه و ارزیابی قرار گرفت. در هر دو تاریخ الگوریتم تک کانال کمترین اختلاف را با ایستگاه های ثبت دما نشان داد.نتیجه گیری در این پژوهش با استفاده از تصاویر ماهواره لندست 5 و لندست 8 چهار الگوریتم برآورد دمای سطح زمین شامل روش های تک کانال، تک پنجره بهبودیافته، رابطه معکوس تابع پلانک و ربطه انتقال تابش کدنویسی و نقشه های دمای سطح زمین شهرستان اردبیل برای دو سال 2000 و 2019 در محیط نرم افزار متلب کدنویسی و استخراج گردید. باند 6 ماهواره لندست 5 برای سال 2000 و از باند 10 ماهواره لندست 8 به دلیل مقدار نویز کمتر نسبت به باند 11 و نزدیکی به مقدار 9.66 که بیشترین تابش زمین برای سال 2019 استفاده شد. مقایسه نقشه های دمای سطح حاصل از الگوریتم ها با ایستگاه های سینوپتیک و زمینی نشان داد که در هر دو سال 2000 و 2019 الگوریتم تک کانال دقت بیشتری نسبت به بقیه روش ها داشته است. مقایسه نتایج روش تک کانال، نشان از اختلاف 2.5+ و 2- با ایستگاه های 1 و 2 برای سال 2000 و اختلاف دمای 1.3+، 0.9+، 1- و 0.9- به ترتیب با ایستگاه های 1، 2، 3 و 4 برای سال 2019 را نشان می دهد. استفاده مستقیم از ضرایب انتقال‌پذیری اتمسفر در فرآیند روش تک کانال، در بالا بودن دقت این روش مؤثر بوده است. ازنظر دقت بعد از الگوریتم تک کانال، به ترتیب روش تک پنجره بهبودیافته، الگوریتم RTE و درنهایت الگوریتم رابطه معکوس تابع پلانک قرار گرفتند. نتایج مقایسه خروجی هر چهار الگوریتم با داده های ایستگاه های 1، 2، 3 و 4، نشان از دقت بالاتر ایستگاه های زمینی برداشت‌شده با دماسنج دیجیتالی نسبت به داده های ایستگاه های هواشناسی دارد، ازجمله دلایل آن می توان به قرارگیری ایستگاه های هواشناسی (به خصوص Station_1) در محدوده شهری با توجه به ناهمگن بودن محیط شهری و امکان تداخل پیکسلی و تداخل دمایی کاربری ها اشاره کرد، درحالی‌که ایستگاه های زمینی از محدوده خارج از شهر و از محیطی با پیکسل های همگن (بایر و کشاورزی) انتخاب گردید. همچنین نتایج هر چهار الگوریتم مستخرج از تصویر لندست 8 در مقایسه با نتایج چهار الگوریتم حاصله از تصویر لندست 5، دقت بیشتری را نشان می دهد و با توجه به بهبود توان تفکیک مکانی سنجنده TIRS نسبت به TM، دقت بیشتر خروجی های سنجنده TIRS قابل پیش بینی بود. تفاصيل المقالة

کاربرد داده های پهپاد در اندازه‌گیری ویژگی‌های کمی تک‌درختان ازجمله مساحت تاج به سرعت در حال توسعه است. هرچند کارایی انواع داده‌های قابل جمع‌آوری توسط پهپادها در این زمینه کمتر مورد مقایسه قرار گرفته است. بنابراین پژوهش حاضر با هدف مقایسه تصاویر رنگی و ابر نقاط پهپاد در برآورد مساحت تاج تک‌درختان کاج در یک جنگل دست‌کاشت در پارک پردیسان استان خراسان شمالی انجام شد. هر دو داده برای برآورد مساحت تاج 324 درخت کاج با قطعه‌بندی تصویر RGB و قطعه بندی ابر نقاط با الگوریتمMarker-Controlled Watershed تحلیل شدند. نتایج نشان داد مساحت تاج برآوردی روی ابر نقاط از صحت و دقت بیشتری نسبت به تصاویر رنگی (به ترتیب ضریب همبستگی 95/0 و 81/0، ضریب تعیین 97/0 و 59/0، مقایسه جفتی با 97/0 = P و 05/0 > P) برخوردار بود. علاوه بر این، مساحت تاج درختان کاج با تاج بزرگ (> 18 مترمربع) با صحت بیشتری نسبت به درختان با تاج متوسط و کوچک روی ابر نقاط پهپاد برآورد شده است. به‌طورکلی، می‌توان نتیجه گرفت در برآورد مساحت تاج درختان کاج تهران در جنگل دست‌کاشت مورد مطالعه، قطعه‌بندی ابر نقاط حاصل از داده‌های پهپاد از کارایی بیشتری نسبت به قطعه‌بندی تصاویر رنگی برخوردار بوده است. تفاصيل المقالة

پیشینه و هدف گسترش شهرنشینی مقیاس و شدت گسترش جزایر حرارتی در شهرها را گسترش داده است. بررسی و مطالعه نحوه تأثیرپذیری شهرها از این جزایر حرارتی نقش مهمی در آینده برنامه‌ ریزی برای شهرها ایفا می‌کند. به همین منظور، این پژوهش اثر تغییرات پوشش اراضی شهر یزد در سه دسته مناطق شهری، پوشش گیاهی و زمین‌ های بایر بر دمای سطح زمین را برای شهر یزد طی 30 سال اخیر با استفاده از تصاویر لندست 5 و 8 بررسی می‌کند. این پژوهش همچنین نسبت مجاورت پیکسل ‌های پوشش گیاهی و زمین ‌های بایر به ‌منظور بررسی نحوه تأثیرپذیری دمای سطح زمین ثبت ‌شده توسط سنجنده را در همین دوره زمانی مورد ارزیابی قرار می‌ دهد.مواد و روش ها ابتدا نقشه ‌های پوشش اراضی شهر یزد با استفاده از الگوریتم طبقه بندی نظارت‌ شده شبکه عصبی برای سال ‌های 1990، 2000، 2010 و 2020 به دست آمد. از داده‌ های زمینی، گوگل ارث و نقشه ‌های واقعیت زمینی به ‌منظور تهیه داده های تعلیمی استفاده شد. نقشه ‌های دمای سطح زمین شهر یزد از تصاویر باند حرارتی لندست 5 و 8 محاسبه شد. سپس نقشه های دمای سطح زمین به 6 کلاس دمایی موجود ازجمله؛ 16-20، 21-25، 26-30، 31-35، 36-40 و 41-46 درجه سانتی ‌گراد طبقه بندی شد که نشان داده شد که چهار کلاس انتهایی، نقش عمده ای در دمای سطح زمین این شهر طی 30 سال اخیر داشت. به ‌منظور ارزیابی اثر مجاورت کلاس های پوشش اراضی بایر و پوشش گیاهی بر دمای سطح زمین ثبت ‌شده توسط سنجنده، ابتدا نسبت مجاورت هر یک از پیکسل ها در یک پنجره (کرنل) 5×5 محاسبه شد. سپس میانگین دمای سطح زمین محاسبه شد. میانگین دمای سطح زمین بر اساس نسبت مجاورت با هریک از کلاس‌های پوشش گیاهی و زمین‌های بایر به دست آمد.نتایج و بحث بر اساس نتایج به ‌دست ‌آمده، در شهر یزد، از سال 1990 تا 2020، مساحت منطقه شهری به‌طور فزاینده ‌ای رشد داشته است. به طوری که این منطقه طی 30 سال اخیر 91.5 درصد (33.6 کیلومترمربع) رشد داشته است. زمین ‌های بایر و پوشش گیاهی اما، در این منطقه و در دوره زمانی یکسان با رشد منفی همراه بوده ‌اند. به ‌گونه‌ای که زمین ‌های بایر، از سال 1990 تا 2020، در شهر یزد، رشد -79.4 درصدی (21.3 کیلومترمربع) را تجربه کرده ‌اند که رشد شدید مناطق شهری، این رشد منفی در زمین ‌های بایر، را توجیه می‌ کند. طبقات پوشش گیاهی شهر یزد از سال 1990 تا 2020، رشد -68.5 درصدی (12.2 کیلومترمربع) را نشان داد. میانگین دمای سطح زمین این شهر طی همین دوره 30 ساله به ‌صورت مداوم افزایشی بوده است. به طوری که تا سال 2020، شهر یزد با رسیدن به میانگین 38.1 درجه سانتی‌ گراد نسبت به 29.2 درجه سانتی ‌گراد در 1990، افزایش 30.4 درصدی را در میانگین دمای سطح زمین خود تجربه کرده است. کلاس ‌های دمایی این شهر نیز در این 30 سال به سمت کلاس ‌های دمایی گرم‌ تر حرکت کرده ‌اند. به‌ گونه‌ای که عمده ‌ترین بخش مساحت‌ های دمایی سطح زمین شهر یزد، در سال 1990 در وهله نخست، در کلاس 26-30 درجه با 47 کیلومترمربع سانتی‌ گراد و در وهله دوم در کلاس 31-35 درجه با 26.4 کیلومترمربع طبقه‌ بندی می ‌شوند. این در حالی است که در سال 2000، در روندی معکوس، کلاس دمایی 35-31 درجه سانتی‌ گراد با 52.8 کیلومترمربع در وهله نخست و کلاس دمایی 26-30 درجه سانتی ‌گراد با 20 کیلومترمربع در وهله دوم قرار دارد. با یک کلاس افزایش، کلاس دمایی 36-40 درجه سانتی ‌گراد برای هردو سال 2010 و 2020 با به ترتیب 40.2 و 63 کیلومترمربع به ‌عنوان بزرگ‌ترین کلاس دمایی ثبت‌شده است. کلاس دمایی 31-35 درجه سانتی‌ گراد نیز به‌ عنوان کلاس دمایی دوم هر دو سال به ترتیب با 33.2 و 9.7 کیلومترمربع ثبت ‌شده است. تفاوت این دو سال، در رشد -70.7 درصدی (23.5 کیلومترمربع) مساحت کلاس 31-35 درجه سانتی ‌گراد و افزایش رشد 10.3 درصدی (0.8 کیلومترمربع) گرم‌ترین کلاس کل دوره آماری، 41-46 درجه سانتی ‌گراد، در سال 2020، نسبت به سال 2010 است. نتایج این مطالعه نشان داد بیشترین میانگین دمایی در تمام سال ها برای زمین‌های بایر با 37.3 درجه سانتی ‌گراد ثبت‌ شده است. همچنین همبستگی مثبت (میانگین همبستگی 0.95) بین مجاورت با پوشش اراضی بایر و میانگین دمای سطح زمین نیز نمایش داده شد. با این ‌وجود، روند شدید افزایشی مناطق شهری در کل دوره آماری (91.5 درصد با 33.6 کیلومترمربع) به‌ عنوان دومین کلاس با بیشترین میانگین دمایی پس از زمین ‌های بایر با میانگین 34.1 درجه سانتی‌گراد در مقابل روند کاهشی 79.4 درصدی (21.3 کیلومترمربع) زمین‌ های بایر موجب افزایش میانگین دمای سطح زمین طی دوره آماری 30 ساله شده است. چراکه کاهش 68.5 درصدی (12.2 کیلومترمربع) مناطق پوشش گیاهی به‌عنوان کلاس پوشش اراضی با کمترین میانگین دمای سطح زمین (32.2 درجه سانتی‌گراد) در همین دوره، اثر کاهش زمین‌های بایر را خنثی، و روند افزایش میانگین دمای سطح زمین را تشدید کرده است. این در حالی است که همبستگی منفی (میانگین همبستگی -0.97) میان نسبت مجاورت با پوشش گیاهی و میانگین دمای سطح زمین به اثبات رسید. نتایج حاصل از پیش‌بینی تغییرات پوشش زمین در سال 2030 برای شهر یزد بیانگر آن است که در روندی مشابه با دوره‌ های قبل، پوشش مناطق شهری با افزایش روبرو خواهد بود. این رشد، نسبت به سال 2020، با 1.6 درصد (1.1 کیلومترمربع) چشمگیر نخواهد بود. اما کاهش چشمگیر مناطق سبز (پوشش گیاهی) با -19.6 درصد (1.1 کیلومترمربع) در همین دوره، به همراه ناچیز بودن کاهش زمین‌های بایر (-1.8 درصد با 0.1 کیلومترمربع) سبب گرم‌تر شدن زمین، و رشد مساحت کلاس‌ های دمای سطح زمین در سال 2030 خواهد شد. بر این اساس، عمده‌ ترین مساحت کلاس دمای سطح زمین در سال 2030 برای شهر یزد، همانند سال 2020، 36-40 درجه سانتی‌گراد با 58.2 کیلومترمربع (-7.6 درصد رشد نسبت به دوره 2020) پیش‌بینی‌شده است. اما رشد فزاینده و چشمگیر گرم‌ترین کلاس دوره آمار (41-46 درجه سانتی‌گراد) با 166.3 درصد (14.3 کیلومترمربع) رشد مثبت به ‌عنوان دومین کلاس عمده دمای سطح زمین در این سال (2030)، و نیز رشد منفی و چشمگیر کلاس نسبتاً خنک‌تر 31-35 درجه سانتی‌گراد با -97.9 درصد (9.5 کیلومترمربع) در این سال بیانگر گرم‌تر شدن دمای سطح زمین در سال 2030 خواهد بود.نتیجه گیری نتایج این پژوهش نشان می دهد که در یک دوره 30 ساله در شهر یزد، کاهش پوشش گیاهی در وهله نخست، به همراه افزایش مناطق شهری در وهله دوم، سبب افزایش دمای سطح زمین شده است. بدین ترتیب، کلاس پوشش گیاهی به دلیل اثر خنک‌کننده خود به دلیل دارا بودن آب، سبب کاهش دمای سطح زمین می ‌شود. در این پژوهش نشان داده شد که با ثابت در نظر گرفتن تمام عوامل، کاهش زمین ‌های بایر به کاهش دمای سطح زمین منجر خواهد شد و همچنین افزایش مناطق شهری با ضریب تأثیر کمتر از زمین ‌های بایر، دمای سطح زمین را افزایش می ‌دهند. با این ‌حال کاهش مساحت زمین‌ های سبز (پوشش گیاهی) در سال‌ های اخیر، به همراه افزایش شدید مساحت زمین ‌های مناطق شهری موجب افزایش دمای سطح زمین در این شهر شده است. همچنین رابطه منفی بین مجاورت با پوشش گیاهی رابطه مثبت بین مجاورت با زمین‌ های بایر با میانگین دمای سطح زمین ثبت‌شده یافت شد. افزایش مجاورت با پوشش گیاهی از طریق ایجاد زمین ‌های سبز با افزایش میزان نسبت پوشش گیاهی در مجاورت پوشش ‌های مختلف و نیز کاهش مساحت زمین ‌های بایر، می‌ تواند راهکار مناسبی در مقابله با تأثیر گسترش شهرنشینی در سال‌ های اخیر بر روی دمای سطح زمین باشد. تفاصيل المقالة

پیشینه و هدف دمای سطح زمین (LST) یک شاخص حیاتی برای مطالعه تغییرات محیطی، شرایط هیدرولوژیکی و بیلان انرژی زمین محسوب می‌شود که با استفاده از آن می‌توان روی تغییرات حرارتی شهرها نیز نظارت کرد. کمبود ایستگاه‌های هواشناسی در اکثر مناطق کشور از جمله منطقه مورد مطالعه محدودیت های اطلاعاتی در زمینه داده های دمای سطح زمین ایجاد کرده است. همچنین طیف وسیعی از کاربران غیر سنجش از دوری وجود دارند که به نقشه‌های دمای سطح زمین نیاز دارند و اغلب آنها آشنایی کافی با نرم‌افزارهای محاسبه کنندۀ LST ندارند و به ناچار مجبورند زمان زیادی را صرف کنند تا نقشه‌های مورد نظر خود را تهیه کنند. این فرآیند حتی برای متخصصان سنجش از دور نیز در صورت بالا بودن تعداد تصاویر، زمان‌بر خواهد بود.استفاده از داده های معتبر جهت اعتبارسنجی که از لحاظ زمانی کمترین اخلاف را با زمان عبور ماهواره داشته باشد، اهمیت زیادی در برآورد دقت نتایج دارد. با بررسی تحقیقات داخلی مشابه با موضوع مورد مطالعه اکثر پژوهش‌های داخلی برای اعتبارسنجی نتایج تنها از داده‌های ایستگاه هواشناسی استفاده کردند که زمان ثبت داده در این ایستگاه‌ها با زمان عبور ماهواره متفاوت است. در این پژوهش به دلیل وسعت زیاد منطقه مورد مطالعه و کافی نبودن تعداد ایستگاه‌های هواشناسی، علاوه بر داده های دمای سطح اندازه گیری شده در ایستگاه‌های سینوپتیک، دمای سطح زمین در دو ایستگاه زمینی نیز همزمان با عبور ماهواره ثبت گردید. ایجاد رابط کاربر گرافیکی (GUI) جهت محاسبه خودکار دمای سطح شهرستان اردبیل با دو الگوریتم تک‌کانال و RTE و از نتایج در ارزیابی تغییرات دمایی کاربری‌های اراضی منطقه استفاده شد.مواد و روش‌ ها جهت محاسبه خودکار دمای سطح زمین شهرستان اردبیل از سه نوع داده تصاویر ماهواره‌های لندست 5 و 8، داده‌های دمای سطح ثبت شده در محل دو ایستگاه هواشناسی موجود در محدوده مورد مطالعه و همچنین به‌دلیل کافی نبودن تعداد ایستگاه های هواشناسی از داده های دمای سطح اندازه گیری شده با دماسنج های دیجیتالی همزمان با عبور ماهواره نیز استفاده شد. پس از آماده‌سازی تصاویر حرارتی و چند طیفی، ابتدا جهت مدل‌سازی میزان انتقال پذیری اتمسفر از از نرم افزار محاسبه گر تحت‌وب MODTRAN استفاده و ضرایب اتمسفری استخراج گردید. سپس برای ایجاد رابط ه ای کاربر گرافیکی و محاسبه خودکار LST، دمای سطح زمین با دو الگوریتم تک کانال و روش RTE با تصاویر ماهواره لندست 5 و لندست 8 برای دو تاریخ 31/07/2000 و 21/08/2019 در محیط نرم‌افزار متلب کد نویسی شد و با استفاده از این کدها رابط ه ای کاربر گرافیکی برای هر الگوریتم ایجاد و در نهایت اپلیکیشن محاسبه گر خودکار دمای سطح زمین تولید گردید. همچنین نقشه کاربری اراضی شهرستان اردبیل برای هر دو تاریخ مذکور با استفاده از الگوریتم جنگل تصادفی در محیط سامانه گوگل ارث انجین با 7 کلاس طبقه بندی و استخراج گردید. این الگوریتم به دلیل ساختار سلسله مراتبی که در انتخاب هر پیکسل به طبقه مناسب دارد در مقایسه با روش های سنتی مثل حداکثر احتمال عملکرد بسیار بهتری دارد. جهت اعتبار سنجی نقشه های دمای سطح از دو نوع داده دمای سطح ثبت شده در دو ایستگاه هواشناسی و دمای سطح ثبت شده توسط دماسنج دیجیتالی که همزمان با عبور ماهواره در دو نقطه از محیط همگن غیرشهری با کاربری کشاورزی و بایر که محصول آن برداشت شده بود، استفاده شد. برای ارزیابی دقت نقشه های کاربری اراضی نیز با استفاده از Google Earth که توان تفکیک مکانی بهتری نسبت به تصویر مورد استفاده دارد، 248 نقطه کنترل زمینی از پیکسل های خالص کاربری های مختلف اخذ گردید و در فرآیند اعتبارسنجی بکار گرفته شد. همچنین پارامترهای آماری مانند ماتریس خطا، دقت کلی و ضریب کاپا روی خروجی هر دو نقشه کاربری اراضی اعمال شد.نتایج و بحث با استفاده از کدهای نوشته شده در محیط نرم افزار متلب رابط ه ای کاربر گرافیکی (GUI) ایجاد و سپس اپلیکیشن محاسبه گر خودکار دمای سطح زمین تولید گردید. خروجی اپلیکیشن نقشه های دمای سطح زمین با الگوریتم های تک کانال و معادله انتقال تابشی (RTE) بود که برای تاریخ 2000/07/31 با استفاده از تصویر حرارتی (باند 6) سنجنده TM ماهواره لندست 5 و تاریخ 2019/08/21 بوسیله باند 10 سنجنده TIRS ماهواره لندست 8 ایجاد گردید. پس از مقایسه نقشه های خروجی با داده های ایستگاه هواشناسی و ایستگاه زمینی، نتایج نشان داد که روش تک کانال در هر دو سال نسبت به ایستگاه ها کمترین اخلاف دما را داشته است. پس از تهیه نقشه های دمای سطح و انتخاب الگوریتم بهینه (تک کانال) نقشه های کاربری اراضی شهرستان اردبیل با استفاده از الگوریتم جنگل تصادفی در محیط GEE تهیه گردید. ارزیابی های آماری نتایج طبقه بندی نشان داد که برای سال 2000 بیشترین تداخل پیکسلی مربوط به کلاس مرتع متوسط و فقیر بوده است که با کلاس های مسکونی و کشاورزی دیم جابه جایی 16 پیکسلی دارد. با توجه به بهبود توان تفکیک مکانی ماهواره لندست 8 نسبت به لندست 5 و به دنبال آن تفکیک بهتر کلاس ها، این جابه‌جایی پیکسلی در نقشه کاربری سال 2019 مقدار کمتری را نشان می‌دهد. به گونه ای که بیشترین خطا مربوط به کلاس کشاورزی آبی بوده که جابه جایی 10 پیکسلی با کلاس‌های مرتع غنی و کشاورزی دیم داشته است. در نهایت با استفاده از نقشه دمای سطح و نقشه کاربری اراضی، تغییرات دمایی کاربری ها در بازه زمانی 19 ساله مورد ارزیابی قرار گرفت. با واردسازی تصاویر ورودی و پارامترهای اتمسفری در اپلیکیشن دمای سطح زمین را با دو الگوریتم تک‌کانال و روش RTE محاسبه گردید. ارزیابی نقشه‌های خروجی با داده‌های هواشناسی و زمینی نشان داد که الگوریتم تک‌کانال با اختلاف 2.5+ و 2- با ایستگاه‌های 1 و 2 برای سال 2000 و با اختلاف دمای 1.3+، 0.9+، 1- و 0.9- به ترتیب با ایستگاه‌های 1، 2، 3 و 4 در سال 2019 دقت بالاتر نسبت به روش RTE داشته است. همچنین نتایج اعتبارسنجی نقشه‌های کاربری اراضی نیز نشان از دقت کلی 95/0 و ضریب کاپای 94/0 براس سال 2000 و دقت کلی 0.96 و ضریب کاپای 0.95 برای سال 2019 داشته است. ارزیابی روابط بین دمای سطح و نقشه‌های کاربری اراضی نشان داد که برخلاف رشد فیزیکی قابل توجه بخش شهری در بازه زمانی 19 ساله، بجز کاربری مناطق مسکونی، همه کاربری‌ها در سال 2019 نسبت به سال 2000 با افزایش دمای متوسط سطح روبه‌رو بوده‌اند.نتیجه‌گیری نتایج تحقیق نشان داد که عواملی مانند گسترش زمین ه ای کشاورزی با کشت آبی اطراف بخش شهری تا شعاع 10 کیلومتری و درهم تنیدگی این مزارع با بخش شهری، تاثیر زیادی در تعدیل دمای بخش شهری محدوده شده است. این اراضی در سال 2000 عمدتاً زیر کشت محصولات دیمی بودند و با حل مشکل آب (حفر چاه های عمیق و پروژه های انتقال آب) تبدیل به باغات و مزارع کشت آبی مثل سیب زمینی شدند. این محصولات به دلیل نیاز آبی بالا دارای سبزینگی بالایی نیز هستند و این عامل خود باعث بالا رفتن میزان تبخیر و تعرق و به دنبال آن خنکی محدوده کشت و بخش شهری شده است. از بین سایر کلاس ها نیز در هر دو سال کاربری آب کمترین و کاربری اراضی بایر بیشترین مقدار متوسط دمای سطح را داشته است. اپلیکیشن تولید شده امکان اجرا روی هر سیستم عاملی که از فرمت exe پشتیبانی می کند را دارد و کاربر می تواند با تعیین پارامترهای اتمسفری دمای سطح زمین را به صورت خودکار برآورد کند. همچنین این برنامه کاربردی قابلیت به کارگیری در بخش های مختلف مانند سامانه های کشاورزی، اقلیمی و مدیریت منابع آب را نیز دارد. تفاصيل المقالة

پیشینه و هدف تالاب‌ها زیستگاه پوشش گیاهی و حیاط وحش هستند و به همین دلیل دارای ارزش زیست‌محیطی بالایی می‌باشند. همچنین تالاب‌ها در هنگام وقوع حوادث ناگوار طبیعی باعث کاهش فرسایش خاک، بازیابی سفره‌های زیرزمینی و ذخیره آب حاصل از بارش می شوند و در فراهم کردن آب جهت کشاورزی و یا استفاده دام نقش ‌دارند. این مناطق در برابر دخالت‌ها و تغییرات انسانی مانند زهکشی، گسترش شهر و توسعه زیرساخت‌ها و بهره‌برداری بیش‌ازحد از منابع آب‌های زیرزمینی آسیب‌پذیر هستند. پیش‌بینی وضعیت تالاب ها در آینده، نیازمند داشتن درک درست از سیر تحول تالاب‌ها و تعیین روند تغییرات آن‌ها است. امروزه فناوری سنجش‌ازدور برای نگاشت تالاب‌ها به‌طور گسترده ای مورداستفاده قرار می‌گیرد و توانایی آن در پایش تغییرات تالاب‌ها به دلیل وسعت متغیر و پویایی تالاب، ارزش این علم را در این زمینه دوچندان کرده است. سنجش‌ازدور با تأمین تصاویر در زمان‌های مختلف و از طریق مدل‌سازی فضایی پویا می‌تواند ابزاری مؤثر برای شبیه‌سازی و پیش‌بینی فرایندهای تخریب تالاب باشد. در این مطالعه به دلیل اهمیت بالای زیست‌محیطی و گردشگری تالاب بختگان و اثرات خشک شدن تالاب بر شرایط زیستی و سلامت افراد بومی و همچنین گردشگری منطقه به پایش تغییرات این تالاب پرداخته‌شده است و پیش‌بینی پارامترهای بارش، سطح آب‌های زیرزمینی و دما انجام‌گرفته است. برای این امر پلتفرم گوگل ارث انجین برای اخذ و پردازش تصاویر مورداستفاده قرار گرفت. پلتفرم گوگل ارث انجین پلتفرمی است که در کمترین زمان و با سرعت‌بالا می‌توان اقدام به اخذ و پردازش تصاویر کرد. بر این اساس با استفاده از پلتفرم گوگل ارث انجین تغییرات پهنه آبی دریاچه به همراه تغییرات دما، سطح آب‌های زیرزمینی و بارش استخراج و مورد پایش قرارگرفته شد. همچنین مقایسه‌ای بین این پارامترها صورت گرفت تا مشخص شود چه تغییراتی طی دو دهه در این دریاچه اتفاق افتاده است. برای پیش‌بینی پارامترها با استفاده از مدل Prophet اقدام به پیش‌بینی و تحلیل روند تغییرات شد. مهم‌ترین مزیت مدل Prophet توانایی در تبدیل داده‌های گسسته به داده‌های پیوسته است تا پیش‌بینی به بهترین شکل انجام پذیرد. این روش در شناسایی روند فصلی بودن داده‌ها به‌صورت خودکار عمل می‌کند و در صورت وجود روند تغییرات فصلی آن‌ها را نمایش می‌دهد.مواد و روش ها برای انجام پایش تالاب اقدام به اخذ تصاویر از پلتفرم گوگل ارث انجین شد. از تصاویر لندست 7 و 8 برای استخراج پهنه آبی، برای استخراج تغییرات سطح آب‌های زیرزمینی از داده‌های گریس، برای استخراج پوشش گیاهی و دمای سطح تالاب از پروداکت مادیس و برای استخراج مقادیر بارش از پروداکت تصاویر TRMM استفاده شد. برای استخراج پهنه آبی تالاب از شاخص استخراج خودکار آب (Automated water extraction index) استفاده شد. برای استخراج سطح آب‌های زیرزمینی از سنجنده گریس استفاده شد. برای به دست آوردن سری زمانی دمای سطح زمین برای منطقه موردمطالعه از پروداکت سنجنده مادیس استفاده شد. برای استخراج سری زمانی بارش، از داده‌های تجمعی ماهانه ماهواره TRMM (3B43V7) باقدرت تفکیک مکانی 25/0 درجه جغرافیایی با استفاده از گوگل ارث انجین استخراج و روند تغییرات مورد ارزیابی و تحلیل قرار گرفت. آزمون Mann-Kendall یکی از پرکاربردترین آزمون‌های غیر پارامتری برای تشخیص روند داده‌های آب و هواشناسی و زیست‌محیطی است که برای تشخیص خط روند یکنواخت به کار می‌رود، این آزمون ازآنجاکه روشی غیر پارامتری است نیازی نیست از داده‌هایی با توزیع نرمال پیروی کند. مدل پیش‌بینی Prophet، کتابخانۀ پیش‌بینی کنندۀ Prophet که توسط فیس‌بوک توسعه‌یافته است در زبان‌های برنامه‌نویسی R و Python در دسترس است. این کتابخانه از روش‌‌های (Additive model) پشتیبانی می‌کند و مقادیر گسسته را می‌تواند به‌خوبی و به‌صورت مقادیر پیوسته پیش‌بینی کند. نام این قابلیت تعطیلات است. از دیگر قابلیت‌های این کتابخانه شناسایی خودکار روند‌‌های روزانه هفتگی، فصلی و سالانه است. میانگین خطای مطلق یا به‌اختصار (MAE) به‌صورت پیش‌فرض در کتابخانه‌ی Prophet وجود دارد. این خطا معیار طبیعی‌تری از خطای متوسط را نشان می‌دهد و برخلاف خطای RMSE بدون ابهام است.نتایج و بحث در این مطالعه روند تغییرات سطح آب تالاب بختگان بین سال‌های 2000 تا 2020 با استفاده از پلتفرم گوگل ارث انجین پایش شد. همچنین با استفاده از روش پیش‌بینی Prophet که توسط فیس‌بوک توسعه و منتشرشده است، اقدام به‌پیش بینی پارامترهای موثر گردید. بررسی روند تغییرات نشان داد که سطح آب تالاب در طی دو دهه کاهش چشمگیری داشته است. در همین راستا، روند سطح آب‌های زیرزمینی، دما و بارش منطقه موردبررسی قرار گرفت. با بررسی این عوامل مشخص شد هم زمان با کاهش 58.3% سطح آب تالاب، کاهش 260% نیز در سطح آب های زیرزمینی منطقه رخ داده است. با این حال تغییرات مقدار بارش منطقه در مقایسه با پارامتر‌های دیگر کمتر بوده است و حدود 29% کاهش داشته است. این روند کاهش با استفاده از آزمون آماری من-کندال نیز اثبات شد. برای پیش‌بینی پارامترها نیز، مدل Prophet با استفاده از داده‌ای گسسته توانسته است برای 1500 روز پیش‌بینی را به‌صورت داده‌ی پیوسته انجام دهد. خروجی مدل نشان داد که برای پارامترهای بارش و سطح آب‌های زیرزمینی یک‌روند نزولی در طی 1500 روز آینده قابل پیش بینی است که این روند کاهشی برای مقادیر بارش با شدت کم اما برای سطح آب‌های زیرزمینی با شدت زیاد هست. پیش‌بینی دما نشان داد که دما دارای الگوی فصلی است و نوسان زیادی در طول یک سال دارد، اما روند سالیانه‌ی آن نشان از ثبات در سال‌های پیش رو دارد. نتایج مدل برای سطح آب تالاب نیز نشان از یک‌روند صعودی نسبتاً کم دارد که دارای احتمال تغییر ±12.5 کیلومترمربعی است. همچین خطای پارامترها در سطح معنی‌داری 95٪ دارای مقادیر قابل قبول هستند که نشان از صحت پیش‌بینی دارد. از شاخص خودکار آب به‌منظور استخراج سری زمانی پهنه آبی تالاب موردنظر استفاده شد. با استفاده از میانگین سری زمانی استخراج‌شده بیشترین و کمترین مساحت پهنه آبی تالاب به ترتیب به سال 2006 با 629.23 کیلومترمربع و سال 2014 با 156.82 کیلومترمربع تعلق دارد. سری زمانی تغییرات این تالاب نشان می‌دهد که وضعیت آب تالاب طی دو دهه سیر نزولی را طی کرده است. براساس این مطالعه می توان نتیجه گرفت که روند تغییرات سطح آب تالاب روبه کاهش بوده است. تغییرات دریاچه براساس روند تغییرات سطح آب های زیرزمینی که به صورت نزولی می باشد گویای کاهش آب منطقه است. بدلیل اینکه روند تغییرات بارش دارای یک ثباتی بوده، مدیریت نامناسب می تواند دلیلی بر کاهش سطح آب دریاچه و استفاده بی رویه از آب های زیرزمینی باعث کاهش سطح آب های زیرزمینی باشد. بدلیل همین کاهش سطح آب دریاچه، دما هم تا 3 درجه سانتی گراد کاهش داشته استنتیجه گیری بر اساس این مطالعه می‌توان نتیجه گرفت که سطح آب‌های زیرزمینی و بارش در آینده ‌روندی نزولی خواهند داشت که باعث می‌شود سطح آب تالاب - که خود دارای احتمال نوسان در آینده است - کاهش یابد و روند به‌صورت نزولی ادامه یابد. با روند پیش رو، تنها راه، برنامه‌ریزی‌های مناسب در جهت حفظ تالاب است. در صورت ادامه‌ این روند، شاهد نابودی تالاب خواهیم بود. پیشنهاد می‌شود با توجه به روند ماهانه‌ی سطح تالاب در فصل تابستان بهره‌برداری بیش‌ازحد از منابع آب‌های زیرزمینی صورت نگیرد. جهت بررسی‌های بیشتر می‌توان از پلتفرم گوگل ارث انجین بدون نیاز به اخذ تصاویر و صرف زمان و هزینه زیاد، اقدام به فراخوانی سری زمانی تصاویر کرده و پردازش‌هایی در این پلتفرم انجام داد. در بحث پیش‌بینی نیز در مطالعات آتی می‌توان از مدل Prophet به دلیل استفاده از داده‌های گسسته و درعین‌حال ارائه دقت مطلوب، استفاده کرد. تفاصيل المقالة

The accuracy of retrieved LST from satellites is of great importance. Among different LST validation methods, a cross-calibration procedure is highly cost-effective and applicable. The IndianNationalSatellite-3D series (INSAT-3D) and Meteosat Second Generation (MSG) are two geostationary satellites that which provide LST products with high temporal resolution. Considering MODIS as the reference (polar orbit that is onboard Aqua and Terra satellites), the comparison of the LST products of these geostationary satellites was evaluated from 4th March to 1st September 2015. For this purpose mean LST ratios were calculated for both MODIS-Imager (from INSAT-D) and MODIS-SEVIRI. Then the behavior of their mean LST ratio was analyzed for the exciting four major land covers and five elevation classes in the study area. The results showed that Imager data underestimated and overestimated the LST in comparison to MODIS data during the day and night time respectively. The SEVIRI LSTs underestimated the LST in both day and night time in comparison with MODIS products. In order to model the discrepancies between MODIS-Imager and MODIS-SEVIRI, for each land cover a multilinear regression model was fitted based on slope, aspect, azimuth, and View Zenith Angle (VZA). The results showed that barren, Shrub, grass, and cereal crops had low RMSEs in model fitting, respectively. تفاصيل المقالة