پایش ماهواره‌ای دمای روزهنگام سطح زمین حوضه‌ی آبریز جازموریان با استفاده از فرآورده‌های سنجنده‌ی مودیس
محورهای موضوعی : اقلیم شناسی
بهروز آباد
1
(گروه جغرافیای طبیعی، دانشکده علوم اجتماعی، دانشگاه محقق اردبیلی،اردبیل، ایران)
برومند صلاحی
2
(گروه جغرافیای طبیعی دانشگاه محقق اردبیلی، اردبیل، ایران)
کوهزاد رئیس پور
3
(دانشگاه زنجان، دانشگده علوم انسانی، گروه جغرافیا)
مسعود مردادی
4
(4- دکترای اقلیم شناسی، دانشکده علوم اجتماعی، گروه جغرافیا، دانشگاه محقق اردبیلی، اردبیل، ایران)
کلید واژه: مودیس, ناهنجاری, دمای سطحی زمین, روزهنگام, حوضه‌ی آبریز جازموریان,
چکیده مقاله :
دمای سطح زمین (LST) از جمله مهم‌ترین متغیرهایی می‌باشد که اطلاعات مهمی در رابطه با خصوصیات فیزیکی و شیمیایی خاک‌کره، هواکره و آب‌کره فراهم می‌نماید. از آن جایی که این متغیر اولین واکنش حرارتی را در مقابل تغییرات محیطی نشان می‌دهد، بنابراین واکاوی آن می‌تواند اطلاعات ارزشمندی را در اختیار پؤوهشگران علوم محیطی قرار دهد. طی سال‌های اخیر تصاویر سنجنده‌ی مودیس برای تخمین دمای سطح زمین کاربرد فراوانی پیدا نموده‌‌است. در تحقیق حاضر نیز از داده‌های سنجنده‌ی مودیس (MOD11C3 &MYD11C3) برای واکاوی LST روزهنگام در حوضه‌ی آبریز جازموریان (2019-2003) استفاده گردید. داده‌های مربوطه پس از کنترل کیفی و پردازش‌های لازم برای برآورد LST روزهنگام به کار گرفته شد. براساس نتایج؛ مقادیر LST در حوضه‌ی آبریز جازموریان از C°55-20 متغیر بوده و به روشنی از ارتفاعات و عرض جغرافیایی تبعیت می‌نماید. واکاوی فصلی از توزیع فضایی LST، فصول زمستان و تابستان را به ترتیب با دامنه‌ای از C°40-5 و C°65-35 به عنوان سردترین و گرم‌ترین فصول نشان داده‌است. همچنین در بررسی توزیع فضایی LST ماهانه، ژانویه و فوریه از کمترین و ژوئن و جولای از بیشترین مقدار LST برخوردار بودند. روند سری زمانی آنومالی LST بیان‌گر افزایش حدود C°5/0 در دوره‌ی مورد مطالعه می‌باشد. همچنین توزیع فضایی LST نشان‌دهنده‌ی بیشینه‌ی آنومالی‌های مثبت در بخش‌های جنوب‌غربی و مرکزی و کمینه‌ی آنومالی‌های مثبت در شرق حوضه است.
Land Surface Temperature (LST) is one of the most important variables that provides important information about the physical and chemical properties of the litosphere, atmosphere and hydrosphere. Since this variable represents the first thermal reaction to environmental changes, its analysis can provide valuable information to environmental scientists. In recent years, MODIS sensor data have been widely used to estimate LST. In the present study, MODIS sensor data (MOD11C3 & MYD11C3) were used to analyze the daytime LST on the Jazmourian basin (2003-2019). Extracted data were used after quality control and necessary processing to estimate daytime LST. Based on the results; LST values in the Jazmourian basin range from 20-55 °C and clearly follow the altitudes and latitudes. Seasonal analysis of the LST spatial distribution shows the winter and summer seasons with a range of 5-40 °C and 35-65 °C as the coldest and warmest seasons, respectively. Also in the monthly spatial distribution of LST, January and February had the lowest and June and July had the highest LST. The time series trend of LST anomaly indicates an increase of about 0.5 °C in the study period. Also, the spatial distribution of LST indicates the maximum of positive anomalies in the southwestern and central parts and the minimum of positive anomalies in the east of the basin.
1- احمدی، بهروز؛ قربانی، اردوان؛ صفر راد، طاهر؛ سبحانی، بهروز (1394): بررسی دمای سطح زمین در رابطه با کاربری و پوشش اراضی با استفاده از داده‌های سنجش از دور. سنجش از دور در منابع طبیعی، 1، 78-61.
2- احمدی، محمود؛ داداشی رودباری، عباسعلی؛ احمدی، حمزه (1397): واکاوی دمای روز هنگام سطح زمین ایران مبتنی بر برون داد سنجنده MODIS. فصلنامه علوم محیطی، شماره 1، 68-47.
3- احمدی، محمود؛ داداشی رودباری، عباسعلی؛ احمدی، حمزه (1397): پایش دمای شب‌هنگام رویه زمین در گستره ایران مبتنی بر برونداد سنجنده مودیس. فصلنامه تحقیقات جغرافیایی، 33(1)، 190-174.
4- جهانشاهی، افشین؛ شاهدی، کاکا؛ سلیمانی، کریم؛ مقدم نیا، علیرضا (1398): تعیین مناطق همگن هیدرولوژیکی در غرب حوضه هامون-جازموریان. تحقیقات منابع آب ایران، 15(1)، 235-223.
5- شکیبا، علیرضا؛ ضیائیان فیروزآبادی، پرویز؛ عاشورلو، داوود؛ نامداری، سودابه (1388): تحلیل رابطه کاربری و پوشش اراضی و جزایر حرارتی شهر تهران. با استفاده از داده‌های ETM+. فصلنامه سنجش از دور ایران، شماره 1، 56-39.
6- عباسعلی، ولی؛ رنجبر، ابوالفضل؛ مکرم، مرضیه؛ تاری پناه، فریده (1398): بررسی رابطه بین دمای سطح، ویژگی‌های جغرافیایی و محیطی و شاخص‌های بیوفیزیکی با استفاده از تصاویر لندست. سنجش از دور و سامانه اطلاعات جغرافیایی در منابع طبیعی، 3، 58-35.
7- علوی پناه، سیدکاظم (1395): کاربرد سنجش از دور در علوم زمین (علوم خاک). انتشارات دانشگاه تهران، تهران، ایران.
8- فیضی زاده، بختیار؛ دیده بان، خلیل؛ غلام نیا، خلیل (1395): برآورد دمای رویه زمین با استفاده از تصاویر لندست 8 و الگوریتم پنجره مجزا، مطالعه موردی: حوضه آبریز مهاباد. فصلنامه علمی-پژوهشی اطلاعات جغرافیایی (سپهر)، 25(98)، 182-171.
9- صمدزاده، رسول، (1398): ژئومورفولوژی ایران، انتشارات سمت.
10- مرادی، مسعود (1395): بررسی آب و هواشناختی دمای سطح زمین در گستره ایران با بهره‌گیری از داده‌های مودیس. اساتید راهنما: برومند صلاحی- سید ابوالفضل مسعودیان، پایان‌نامه دکتری رشته اقلیم‌شناسی، گروه جغرافیای طبیعی، دانشکده ادبیات و علوم انسانی، دانشگاه محقق اردبیلی، اردبیل، ایران.
11- موسوی راد، سید مرتضی؛ انوری، صدیقه؛ خالقی، فرشته؛ مرادی، حجت اله (1398): بررسی میزان تبخیر و رسوب در حوضه آبریز تالاب جازموریان- هامون. پانزدهمین همایش ملی آبیاری و کاهش تبخیر، کرمان، https://civilica.com/doc/954788.
12- میجانی، نعیم؛ حمزه، سعید؛ کریمی فیروزجانی، محمد (1398): کمی سازی تأثیر پارامترهای سطحی و شرایط اقلیمی بر دمای سطح زمین با استفاده از داده‌های انعکاسی و حرارتی سنجش از دور. سنجش از دور و سامانه اطلاعات جغرافیایی در منابع طبیعی، 1، 59-36.
13- میلان، فاطمه؛ نعمتی، مجید (1397): شاخص‌های زمین‌ریخت‌شناسی، زمین‌ساخت جنبا و لرزه‌خیزی حوضه‌های لوت و جازموریان (استان کرمان). فصلنامه زمین‌شناسی محیط‌زیست، شماره 42، 45-33.
14- هاشمی، سید محمود؛ علوی پناه، سید کاظم؛ دیناروندی، مرتضی (1392): ارزیابی توزیع مکانی دمای سطح زمین در محیط‌زیست شهری تهران با کاربرد سنجش از دور حرارتی. محیط‌شناسی، شماره 1، 92-81.
15- Aguilar-Lome,J. Espinoza-Villar, R. Espinoza, J. C. Rojas-Acuña, J. Willems, B. L. And Leyva-Molina, W. M. (2019): Elevation-Dependent Warming Of Land Surface Temperatures In The Andes Assessed Using MODIS LST Time Field (2000–2017). International Journal Of Applied Earth Observation And Geoinformation, 77, 119-128.
16- Alsdorf, D.E., Rodriguez, E. And Lettenmaier, D.P. (2007): Measuring Surface Water From Space. Rev. Geophys. 45:1–24. Https://Doi.Org/10.1029/2006RG000197.
17- Chen, L., Wang, X., Cai, X., Yang, C., And Lu, X. (2021). Seasonal Variations Of Daytime Land Surface Temperature And Their Underlying Drivers Over Wuhan, China. Remote Sensing, 13(2), 323.
18- Comyn-Platt, E. M. (2014). Land Surface Temperature: A Comparison Of Products From Polar Orbiting And Geostationary Satellites (Doctoral Dissertation, University Of Leicester).
19- Effat, H.A. And Hassan, O.A.K. (2014): Change Detection Of Urban Heat Islands And Some Related Parameters Using Multi-Temporal Landsat Images; A Case Study For Cairo City, Egypt. Urban Climate. 10, 171-188.
20- Fang, B., & Lakshmi, V. (2014). Soil Moisture At Watershed Scale: Remote Sensing Techniques. Journal Of Hydrology, 516, 258-272.
21- Freitas, S. C., I. F. Trigo, J. Macedo, C. Barroso, R. Silva, And R. Perdigão, 2013: Land Surface Temperature From Multiple Geostationary Satellites. Int. J. Remote Sens., 34, 3051–3068, Doi:10.1080/01431161.2012.716925.
22- Jin,M. Dickinson, R.E. (2010): Land Surface Skin Temperature Climatology: Benefitting From The Strengths Of Satellite Observations. Environ. Res. Lett. 5, 44004.
23- Justice, C. O., Townshend, J. R. G., Vermote, E. F., Masuoka, E., Wolfe, R. E., Saleous, N., ... & Morisette, J. T. (2002). An Overview Of MODIS Land Data Processing And Product Status. Remote Sensing Of Environment, 83(1-2), 3-15.
24- Imhoff, M.L. Zhang, P. Wolfe, R. E. And Bounoua, L. (2010): Remote Sensing Of The Urban Heat Island Effect Across Biomes In The Continental USA. Remote Sens. Environ., 114, 504–513, Doi:10.1016/J.Rse.2009.10.008.
25- Inamdar, A. K., French, A., Hook, S., Vaughan, G., & Luckett, W. (2008). Land Surface Temperature Retrieval At High Spatial And Temporal Resolutions Over The Southwestern United States. Journal Of Geophysical Research: Atmospheres, 113(D7).
26- Kayet, N. Pathak, K. Chakrabarty,A. And Sahoo,S. (2016): Spatial Impact Of Land Use/Land Cover Change On Surface Temperature Distribution In Saranda Forest, Jharkhand. Modeling Earth Systems And Environment, 2(3), 127. DOI 10.1007/S40808-016-0159-X.
27- Lemus-Canovas, M., Martin-Vide, J., Moreno-Garcia, M. C., And Lopez-Bustins, J. A. (2020). Estimating Barcelona's Metropolitan Daytime Hot And Cold Poles Using Landsat-8 Land Surface Temperature. Science Of The Total Environment, 699, 134307.
28- Li, Z.L., Tang, B.H., Wu, H., Ren, H., Yan, G., Wan, Z. And Sobrino, J.A. (2013). Satellite-Derived Land Surface Temperature: Current Status And Perspectives. Remote Sensing Of Environment. 131, 14-37.
29- Meyer, H., Katurji, M., Appelhans, T., Müller, M.U., Nauss, T., Roudier, P. And Zawar-Reza, P. (2016): Mapping Daily Air Temperature For Antarctica Based On MODIS LST. Remote Sensing. 8(9), 732.
30- Moradi, M., Salahi, B., & Masoodian, S. A. (2018). On The Relationship Between MODIS Land Surface Temperature And Topography In Iran. Physical Geography, 39(4), 354-367.
31- Neteler, M. (2010): Estimating Daily Land Surface Temperatures In Mountainous Environments By Reconstructed MODIS LST Data. Remote Sens. 2:333–351. Https://Doi.Org/ 10.3390/Rs1020333.
32- Ollinger, S.V. And Smith, M.L. (2005): Net Primary Production And Canopy Nitrogen In A Temperate Forest Landscape: An Analysis Using Imaging Spectroscopy, Modeling And Field Data. Ecosystems, 8(7), 760-778.
33- Robakowski, P., & Bielinis, E. (2011): COMPETITION BETWEEN SESSILE OAK(QUERCUS PETRAEA) AND BLACK CHERRY(PADUS SEROTINA): DYNAMICS OF SEEDLINGS GROWTH. Polish Journal Of Ecology, 59(2), 297-306.
34- Scherrer, D. Bader, M. K. F. And Körner, C. (2011): Drought-Sensitivity Ranking Of Deciduous Tree Species Based On Thermal Imaging Of Forest Canopies. Agricultural And Forest Meteorology, 151(12), 1632-1640.
35- Schimel, D. Pavlick, R. Fisher, J. B. Asner, G. P. Saatchi, S. Townsend, P. And Cox, P. (2015): Observing Terrestrial Ecosystems And The Carbon Cycle From Space. Global Change Biology, 21(5), 1762-1776.
36- Sekertekin, A., And Bonafoni, S. (2020). Sensitivity Analysis And Validation Of Daytime And Nighttime Land Surface Temperature Retrievals From Landsat 8 Using Different Algorithms And Emissivity Models. Remote Sensing, 12(17), 2776.
37- Seto, K. C. Sánchez-Rodríguez, R. And Fragkias, M. (2010). The New Geography Of Contemporary Urbanization And The Environment. Annual Review Of Environment And Resources, 35.
38- Sobrin, J. A. And Romaguera, M. (2004): Land Surface Temperature Retrieval From MSG1-SEVIRI Data. Remote Sens. Environ., 92, 247–254, Doi:10.1016/J.Rse.2004.06.009.
39- Song, K. Wang, M. Du, J. Yuan, Y. Ma, J. Wang, M. And Mu, G. (2016). Spatiotemporal Variations Of Lake Surface Temperature Across The Tibetan Plateau Using MODIS LST Product. Remote Sensing, 8(10), 854.
40- Stathopoulou, M. And Cartalis, C.)2009(. Downscaling AVHRR Land Surface Temperatures For Improved Surface Urban Heat Island Intensity Estimation. Remote Sensing Of Environment. 113(12), 2592-2605.
41- Stone, B. Vargo, J. And Habeeb, D. (2012). Managing Climate Change In Cities: Will Climate Action Plans Work? Landscape And Urban Planning, 107(3), 263-271.
42- Sun, A.Y. (2013): Predicting Groundwater Level Changes Using GRACE Data. Water Resour. Res. 49:5900–5912. Https://Doi.Org/10.1002/Wrcr.20421.
43- Sun, D. And Pinker, R. T. (2003): Estimation Of Land Surface Temperature From A Geostationary Operational Environmental Satellite (GOES‐8). Journal Of Geophysical Research: Atmospheres, 108(D11).
44- Tomlinson, C. J. Chapman, L. Thornes, J. E. And Baker, C. (2011): Remote Sensing Land Surface Temperature For Meteorology And Climatology: A Review. Meteorological Applications, 18(3), 296-306.
45- Wan, Z., Zhang, Y., Zhang, Q., & Li, Z. L. (2004). Quality Assessment And Validation Of The MODIS Global Land Surface Temperature. International Journal Of Remote Sensing, 25(1), 261-274.
46- Wu, P. H, Shen. L, Zhang. And F.M, Göttsche. (2015): Integrated Fusion Of Multi-Scale Polar-Orbiting And Geostationary Satellite Observations For The Mapping Of High Spatial And Temporal Resolution Land Surface Temperature. Remote Sens. Environ., 156, 169–181, Doi:10.1016/J.Rse.2014.09.013.
47- Xing, Z., Li, Z. L., Duan, S. B., Liu, X., Zheng, X., Leng, P., And Shang, G. (2021). Estimation Of Daily Mean Land Surface Temperature At Global Scale Using Pairs Of Daytime And Nighttime MODIS Instantaneous Observations. ISPRS Journal Of Photogrammetry And Remote Sensing, 178, 51-67.
48- Xu, T. He, X. Bateni, S.M. Auligne, T. Liu, S. Xu, Z. And Mao, K. (2019): Mapping Regional Turbulent Heat Fluxes Via Variational Assimilation Of Land Surface Temperature Data From Polar Orbiting Satellites. Remote Sensing Of Environment, 221,444 - 461.
_||_