Monitoring of Land Surface Temperature and Analysis of Recovered Temperature in Land Use Surface in Parsabad, Moghan Using ETM and OLI Sensor Images

Subject Areas :

Batool Zeinali ¹ , Shahnaz Panahi ² , Shirin Mahdavian ³

1 - Associate Professor, Department of Physical Geography, University of Mohaghegh Ardabili.
2 - Msc., Department of Geography, Mohaghegh Ardabili University, Ardabil, Iran.
3 - Department of Geography, Mohaghegh Ardabili University, Ardabil, Iran.

Received: 2023-02-26 Accepted : 2023-06-24 Published : 2024-01-21

Keywords: Land surface temperature, Parsabad city, split window algorithmو land use,

Abstract :

The temperature of the land surface is one of the most key parameters that can provide valuable information about the physical characteristics of the earth's surface and the surrounding air. This research was conducted with the aim of investigating and evaluating the land surface temperature and analyzing it in relation to land use by the separate window algorithm in Parsabad city with two Landsat 5 and 8 satellite images for August 24, 1990 and 2020. The results showed that in the years 1990 and 2020, generally the western and northwestern parts of the city have forest covers and relatively dense vegetation, while the southwestern parts are generally mountainous and barren. The vegetation index of 1990 and 2020 in the eastern parts of the studied area has an NDVI index higher than 0.3, which indicates medium to high density vegetation. The maximum vegetation index in the range reached 0.55 in August, which is generally related to garden and agricultural lands or dense forest areas in the north and northeast of the range. On the other hand, large parts of Parsabad city, especially in the south and southwest of this city, lack vegetation and are considered barren lands. Also, the results of the land surface temperature evaluation showed that the retrieved spatial average temperature of the earth surface on August 24, 1990, which was obtained at 11:30 local time using the separate window algorithm, was 31.8 degrees Celsius in Parsabad city. While this temperature on this day and at this time in 2020 was equal to 33 degrees Celsius.

References:

اصغری سراسکانرود، صیاد؛ امامی، هادی (1397). پایش دما سطح زمین و بررسی رابطه کاربری اراضی با دما سطح زمین با استفاده از تصاویر سنجنده OLI و ETM+ (مطالعه موردی: شهرستان اردبیل). نشریه تحقیقات کاربردی علوم جغرافیایی. 19 (53)، 214 – 196.

دوستکی، مریم و دیگران (1401). ارزیابی الگوی فضایی دمای سطح زمین با توجه به تغییرات کاربری اراضی (مطالعه موردی: شهرستان جیرفت). توسعه پایدار محیط جغرافیایی. 4 (7)، 99-86.

دریانورد، وحید (1401). مدیریت مزرعه با استفاده از سری زمانی داده‌های سنجش‌ از دور مبتنی بر الگوریتم بافت (مطالعه موردی: کشت و صنعت دشت مغان). پایان‌نامه کارشناسی ارشد رشته سنجش‌ازدور و گرایش GIS، دانشگاه شهید بهشتی، تهران، ایران.

زارعی، ارسطو؛ حسینی، رضاشاه؛ قنبری، روناک (1399). محاسبه و ارزیابی دمای سطح زمین با استفاده از الگوریتم پنجره مجزای غیرخطی و تصاویر ماهواره سنتینل 3-مطالعه موردی: استان تهران. فصلنامه علی-پژوهشی اطلاعات جغرافیایی «سپهر». 30 (119)، 74-59.

سلیمانی وسطی کلایی، فائزه؛ آخوندزاده هنزائی، مهدی (1396). تهیه نقشه گسیلندگی و دمای سطح زمین از تصاویر ایلاذر ابرطیفی حرارتی HyTES با استفاده از الگوریتم‌های TES وARTEMISS. فصلنامه علمی-پژوهشی اطلاعات جغرافیایی «سپهر». 27 (107)، 111-99.

فیضی‌زاده، بختیار؛ دیده‌بان، خلیل؛ غلام نیا، خلیل (1394). برآورد دمای سطح زمین با استفاده از تصاویر ماهواره لندست8 و الگوریتم پنجره مجزا مطالعه مورد: حوضه آبریز مهاباد. فصلنامه علمی‌پژوهشی اطلاعات جغرافیایی (سپهر). 25 (98)، 181-171.

کریمی، عامر؛ پهلوان، پرهام؛ بیگدلی، بهناز (1398). تعیین عوامل مؤثر بر دمای سطح زمین شهر تهران با استفاده از تصاویر لندست و ترکیب رگرسیون وزن‌دار جغرافیایی و الگوریتم ژنتیک. نشریه علمی‌پژوهشی مهندسی فناوری اطلاعات مکانی. 7 (3)، 102-79.

کیانی سلمی، الهام؛ ابراهیمی، عحاء الله (1396). ارزیابی تأثیر توسعه شهری و تغییرات پوشش اراضی بر دما سطح زمین در شهرکرد. مجله سنجش ‌از دور و سامانه اطلاعات جغرافیایی در منابع طبیعی. 9 (4)، 117 – 102.

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.

Balew, A. & Korme, T. (2020). Monitoring land surface temperature in Bahir Dar city and its surrounding using Landsat images. The Egyptian Journal of Remote Sensing and Space Science. 23 (3), 371-386.‏

Rahimi, A. et al (2021). Land surface temperature responses to land use land cover dynamics (District of Taroudant, Morocco). In Biology and Life Sciences Forum. 3 (1), 28.‏

Das, N. et al (2021). Assessment of variation of land use/land cover and its impact on land surface temperature of Asansol subdivision. The Egyptian Journal of Remote Sensing and Space Science. 24 (1), 131-149.‏

Du, C. et al (2015). A practical split-window algorithm for estimating land surface temperature from Landsat 8 data. Remote Sensing. 7 (1), 647-665.

Huang, C. et al (2019). Intercomparison of AMSR2-and MODIS-Derived Land Surface Temperature Under Clear-Sky Conditions. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing. 12 (9), 3286-3294.

Jiménez‐Muñoz, J.C. & Sobrino, J.A. (2003). A generalized single‐channel method for retrieving land surface temperature from remote sensing data. Journal of Geophysical Research: Atmospheres. 108 (D22), 1-9.

Li, Z. L. et al (2013). Satellite-derived land surface temperature: Current status and perspectives. Remote Sensing of Environment. 131, 14-37.‏

Mahato, S. & Pal, S. (2018). Changing land surface temperature of a rural Rarh tract river basin of India. Remote Sensing Applications: Society and Environment. 10, 209-223.‏

Ndossi, M.I. & Avdan U. (2016). Inversion of land surface temperature (LST) using Terra ASTER data: A comparison of three algorithms. Remote Sensing. 8 (12), 993-1011. doi:https://doi.org/10.3390/rs8120993.

Nichol J.E. (1994). A GIS-based approach to microclimate monitoring in Singapore’s high-rise housing estates. Photogrammetric Engineering & Remote Sensing. 60 (10), 1225–1232.

Nie, J. et al (2020). Land surface temperature and emissivity retrieval from nighttime middle-infrared and thermal-infrared Sentinel-3 images. IEEE Geoscience and Remote Sensing Letters. 18 (5), 915-919.‏

Parastatidis, D. et al (2017). Online global land surface temperature estimation from Landsat. Remote Sensing. 9 (12), 1208. doi:https://doi.org/10.3390/rs9121208.

Rajeshwari, A. & Mani, N.D. (2014). Estimationof land surface temperature of Dindigul district using Landsat 8 Data, Ijret. International Journal of Research in Engineering and Technology. 3 (5), 122-126. Available @ http://www.ijret.org

Reutter, H.; Olesen, F.S. & Fischer, H. (1994). Distribution of the brightness temperature of land surfaces determined from AVHRR data. Remote Sensing. 15 (1), 95- 104.

Srivastava, P.K.; Majumdar, T.J. & Bhattacharya, A.K. (2009). Surface temperature estimation in Singhbhum Shear Zone of India using Landsat-7 ETM+ thermal infrared data. Advances in space research. 43 (10), 1563-1574.‏

Wang, Y. et al (2018). Patterns of land change and their potential impacts on land surface temperature change in Yangon Myanmar. Science of the Total Environment. 643, 738-750.

Zhan, Q.; Meng, F. & Xiao, Y. (2015). Exploring the relationships of between land surface temperature, ground coverage ratio and building volume density in an urbanized environment. The International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences. 40 (7), 255.‏

Full-Text:



پایش دمای سطح زمین و تحلیل دمای بازیابی شده در سطح کاربری اراضی در پارس آباد مغان با استفاده از تصاویر سنجنده ETM  و OLI

 

 

 

 

Monitoring of Land surface temperature and analysis of recovered temperature in land use surface in Parsabad, Moghan using ETM and OLI sensor images.

 

تاریخ ارسال:25/02/1402

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

پایش دمای سطح زمین و تحلیل دمای بازیابی شده در سطح کاربری اراضی در پارس آباد مغان با استفاده از تصاویر سنجنده ETM  و OLI

چکیده

دماي سطح زمين از كليدي‌ترين پارامترهايي است كه مي‌تواند اطلاعات باارزشی از خصوصيات فيزيكي سطح زمين و هواي اطراف آن مهيا كند. این تحقیق با هدف بررسی و ارزیابی دمای سطح زمین و تحلیل آن دررابطه‌با کاربری اراضی توسط الگوریتم پنجره مجزا در شهرستان پارس‌آباد با دو تصویر ماهواره‌ای لندست 5 و 8 برای روز 24 آگوست 1990 و 2020  انجام شد. نتایج نشان داد که در سال‌های 1990 و 2020 عموماً بخش‌های غرب و شمال غرب شهرستان، دارای پوشش‌های جنگلی و پوشش گیاهی نسبتاً متراکم درحالی‌که بخش‌های جنوب غرب عموماً اراضی کوهستانی و بایر است. شاخص پوشش گیاهی سال‌های 1990 و 2020 در بخش‌های شرقی محدوده موردمطالعه دارای شاخص NDVI بالاتر از 3/0 بوده که گویای پوشش گیاهی با تراکم متوسط به بالا است. بیشینه شاخص پوشش گیاهی در سطح محدوده در ماه آگوست به 55/0 رسیده که عموماً مربوط به اراضی باغی و کشاورزی و یا محدوده‌های جنگلی متراکم در شمال و شمال شرق محدوده است. از طرف دیگر بخش‌های وسیعی از شهرستان پارس‌آباد به‌ویژه در جنوب و جنوب غرب این شهرستان فاقد پوشش گیاهی بوده و درواقع اراضی بایر به شمار می‌روند. همچنین نتایج ارزیابی دمای سطح زمین نشان داد دمای بازیابی شده میانگین فضایی سطح زمین در روز 24 ماه آگوست سال 1990 که برای ساعت 11.30 دقیقه به‌وقت محلی با استفاده از الگوریتم پنجره مجزا به‌دست‌آمده است، در محدوده شهرستان پارس‌آباد برابر 8/31 درجه سانتی‌گراد بوده است درحالی‌که این دما در همین روز و همین ساعت در سال 2020، برابر 33 درجه سانتی‌گراد بوده است.

کلمات کلیدی: دمای سطح زمین، الگوریتم پنجره مجزا،کاربری زمین، شهرستان پارس‌آباد.

 

 

 

 

 

مقدمه

دمای سطح زمين¹  یکی از عوامل مهم در انجام مطالعات جهانی و تحول و متعادل ساختن گرماست و هميشه به‌عنوان یک ویژگی مهم برای تغييرات آب‌وهوایی از آن یاد می‌شود (Srivastava et al,2009:1563 ). در طول 20 سال گذشته نيازهای اساسی به داده‌های دمای سطح زمين برای انجام مطالعات در زمينه‌های محيطی و انجام فعاليت‌های مدیریتی منابع سطح زمين، سنجش‌ازدور، دمای سطح زمين را به یکی از مباحث مهم علمی تبدیل کرده است (Jimén z‐Muñoz & Sobrino,2003:108). دمای سطح زمين همواره تابعی از انرژی‌های خالص در سطوح زمين است که به ميزان انرژی دریافت شده به سطح زمين، گسیلمندی سطوح²، ميزان رطوبت و نقش هوای اتمسفر، بستگی دارد. همواره دمای سطح زمين را می‌توان از انرژی دما مادون‌قرمز گسيل‌شده  از سطح زمين و با معادله ابداع شده توسط استفان بولتزمن³ محاسبه کرد (Reutter et al,1994:96) چراکه دمای سطح زمين معيار بسيار مهمی در کنترل بررسی‌ها و تحليل‌های فيزیکی، بيولوژیکی و شيميایی هست (Alavipananh,2009:288 et al). امروزه می‌توان گفت دمای سطح زمين (LST) و گسیلمندی (LST) دو خصوصيت فيزیکی مهم از سطوح زمين و اتمسفر هستند. محاسبه و برآورد دمای سطح زمين اهميت زیادی در علوم محيطی اقلیم‌شناسی⁴، بررسی و آناليزهای تبخير و تعرق، فعل‌وانفعالات بين کره زمين و جو، شناسایی آنومالی‌های دمایی⁵ (موضوعاتی از قبيل زلزله⁶، خشک‌سالی⁷ و روش‌های تعادل انرژی در سطح زمين) در ابعاد جهانی و منطقه‌ای داشته است (سليمانی وسطی کلایی، آخوندزاده هنزائی، 1396: 110). دمای سطح زمين در هر منطقه‌ای به ویژگی‌های مواد تشکیل‌دهنده آن و بازتاب انرژی حرارتی خورشيد⁸ وابسته است. براین‌اساس یکی از عوامل تغييرات دمای هوا به‌وجودآمدن تغيير در کاربری‌ها و پوشش گياهی سطوح زمين است. در مناطق شهری همواره متناسب با افزایش و رشد جمعيت گسترش صنایع تغيير در نوع و تيپ کاربری‌ها و افزایش در مناطق نفوذناپذیر معضلاتی را نظير آزادشدن انرژی گرمایی، آلودگی هوا، ایجاد تغییروتحول دمایی جزایر حرارتی و سایر معيارهای اقلیم‌شناسی را شامل می‌شود؛ بنابراین شناسایی و شناخت این نوع اتفاقات و اخذ تصميم مناسب برای مدیریت‌های شهری دارای اهميت قابل‌توجهی است (Nichol,1994:1226 ).

مبانی نظری و بیشینه پژوهش

در چند دهه اخیر، برآورد دمای سطح زمین از سنجنده‌های مختلف ماهواره‌ای پیشرفت‌های چشمگیری داشته است و الگوریتم‌های مختلف و متنوعی برای بازیابی دمای سطح زمین ارائه گردیده ست که اساساً این الگوریتم‌ها بر پایه فرضیات و تقریب‌های متنوعی از معادله تشعشعی استوار است. این الگوریتم‌ها را می‌توان به سه دسته کلی روش‌های تک‌کاناله و یا تک باندی، روش‌های چندکاناله یا چند باندی و روش‌های چند زاویه‌ای تقسیم نمود. پژوهش‌هایی در مورد برآورد دمای سطح زمين با استفاده از داده‌های ماهواره‌ای در ایران و نقاط مختلف جهان انجام شده است.

(Rajshwari &Mani,2014:122)  در مطالعه‌ای برآورد دمای سطح زمین با استفاده از الگوریتم پنجره مجزا و تصاویر لندست ـ 8 پرداختند و صحت این روش را مورد ارزیابی قراردادند. (Zhan et al,2015:255)  در مطالعه ای با عنوان بررسی روابط بین دمای سطح شهر، نسبت پوشش زمین و تراکم حجم ساخت و ساز، از داده های 1422 و 1425 سنجنده +ETM استفاده کردند و نتایج نشان داد که یک ارتباط قوی بین دمای سطح زمین و پوشش زمین وجود دارد اما رابطه بین ساخت وساز و دمای سطح زمین مستقیم نیست.

 (Avdan&Ndossi, 2016:993) در پژوهشی دیگر سه تا الگوریتم برآورد دمای سطح زمین را باهم مقایسه کرده‌اند. دمای سطح زمین با الگوریتم‌های پلانک، پنجره مجزا و تک کانال در بازه زمانی 2000 تا 2008 با استفاده از پلاگین متن‌باز PYQGIS کدنویسی و استخراج گردید. در انتها نتیجه کارنشان از عملکرد بهتر الگوریتم پلانک با مقدار RMSE29/2  نسبت به دو الگوریتم دیگر بوده است (Parastatidis et al,2017:1208) . در تحقیقی اقدام به تخمین میزان دمای سطح زمین با استفاده از تصاویر ماهواره سری لندست کرد‌ند. نتایج این تحقیق نشان داد که رابطه بسيار قوی بين کاربری‌های اراضی و دمای سطح زمين وجود دارد. بدین ترتيب که مناطق شهری دارای مقدار دمای 41 درجه سانتی‌گراد برای سال 2017 هستند که این امر به دليل جاذب حرارت بودن عوارض شهری بيشترین ميزان دما را دارا است؛ اما از سویی دیگر کاربری پهنه آبی به‌خاطر جذب کمتر دمای 34 درجه سانتی‌گراد را داشته است.) (Mahato & Swades,2018:209 تغییر LST در حوضه رودخانه چاندرباگا در شرق هند و تغییرات LST را در واحدهای مختلف LULC و در یک کاربری زمین بررسی کردند. از تجزیه‌وتحلیل، مشخص شد که LST در تمام فصول سال در بخش روستایی نیز افزایش چشمگیری داشته است. شکاف‌های دما در واحدهای مختلف LULC هم ازنظر LST و هم ازنظر دمای هوا بسیار متمایز است. فشرده شدن و تکه‌تکه شدن سطح بدنه آبی، سطح پوشش گیاهی، گسترش زمین‌های ساخته‌شده، زمین‌های کشاورزی و غیره به‌عنوان عوامل تقویت‌کننده رشد LST در طول زمان در حال ظهور هستند.

 (Shrestha et al,2018:1563) به مقایسه دمای روشنایی باند 8 و 9 ماهواره سنتینل 3 و باند 32 و 33 ماهواره مادیس پرداختند که نتایج قابل‌اعتمادی را نشان دادند. (Wang et al,2018:738 )تغییرات کاربری اراضی و تاثیر آن را بر تغییرات کاربری اراضی در یانگون میانمار بررسی کردند. نتایج این مطالعات نشان داد تغییرات کاربری اراضی تأثیرات پیچیده و مستقیمی بر تغییرات دمای سطح زمین دارد، به طوری که در این مطالعه نواحی شهری بیشترین دمای سطح را نشان می دهند.

 (Huang et al,2019:3286) از داده‌های ماکروویو غیرفعال سنجنده AMSR2 برای برآورد دما بر اساس یک روش فیزیکی استفاده کرده‌اند و دمای محاسبه‌شده را در 16 مکان مختلف با استفاده از محصولات دمای ماهواره مادیس برای ارزیابی نتایج مقایسه کرده‌اند. نتایج این تحقیق میزان خطا را در محدوده 4/1 الی 8/7 درجه کلوین برای سایت‌هایی با پوشش‌های مختلف نشان داده است.) ,Nie et al (915 : 2020 از یک الگوریتم جداسازی دمای سه کانال با بهره‌گیری از یک باند مادون‌قرمز میانی و دو باند مادون‌قرمز حرارتی ماهواره سنتینل 3 برای تخمین دما و گسیلمندی را با خطاهای کمتر از 8/0 و 015/0 به ترتیب بازیابی کند. همچنین در مقایسه با داده میدانی نشان داده شد که خطای بازیابی دمای شبانه در این روش در حدود 84/1 درجه کلوین است.

  (Balew & Korme,2020:371)در پژوهشی دمای سطح زمین در شهرستان Bahir Dar و اطراف آن را با استفاده از تصاویر لندست بررسی کردند. به طوری که نتایج نشان می دهد که مناطق شهری شهرستان Bahir Dar از سال 1987 به سرعت گسترش یافته است. میانگین مقادیر دمای سطح زمین از 5/34 درجه سانتی گراد در سال 1987 به 57/37 درجه سانتی گراد در سال 2002 و به  57/34در سال 2017 کاهش یافته است. سطح سنگفرش و زمین کشاورزی مقادیر دمای سطح زمین بالاتری را نشان دادند در حالی که بدنه آبی و پوشش گیاهی دمای سطح زمین کمتری را نشان دادند.

(Rahimi et al,2021:28) پاسخ دمای سطح زمین به تغییرات کاربری اراضی را در منطقه Taroudant در مراکش ارزیابی کردند. تجزیه و تحلیل مکانی و آماری و مقایسه نقشه‌های حاصل از داده‌های سنجش از دور با استفاده از سیستم اطلاعات جغرافیایی نشان‌دهنده وجود تغییرات متفاوت در منطقه Taroudant بین سال‌های 1985 تا 2017 است. همچنین مشخص شد که مصنوعی سازی خاک و همه چیزهای مرتبط با آن، مانند انتشار گازهای گلخانه‌ای و مصرف نادرست کشاورزی و زمین‌های طبیعی، احتمالاً منشأ مشکلات زیست‌محیطی و تغییرات آب و هوایی هستند که عمدتاً با تغییرات دمای سطح، بارندگی‌های نامنظم و دوره های بی سابقه خشکسالی مشخص می‌شوند.

 (فيضی زاده و دیدبان، 1394: 172) در مطالعه‌ای اقدام به بررسی دمای سطح زمين به روش پنجره مجزا با استفاده از تصاویر لندست 8 برای حوضه آبریز مهاباد کردند نتایج این پژوهش نشان داد که مناطقی که پوشش گياهی انبوه و پوشيده از آب دارند دارای حداقل دما بوده؛ اما مناطق با پوشش گياهی فقير و خاک بيشترین ميزان دما را نشان می‌دهند. (سليمانی وسطی کلایی و آخوندزاده هنرائی، 1396: 110) در پژوهشی نقشه گسیلمندی و دمای سطح زمين را با بهره‌گيری از تصاویر ابرطیفی HYTES و با کمک روش‌های ARTEMISS و TES به دست آوردند. نتایج ارزیابی نشان داد که RMSE دما برای روش‌های TES و ARTEMISS به ترتيب برابر با 6/0 و 2/1 درجه کلوین است؛ اما برای گسیلمندی در باند 177 به ترتيب در دو روش 01/0 و 02/0 هست. همچنين نتایج نشان‌دهنده این امر است که دو روش مذکور دارای قابليت بالایی جهت برآورد دمای سطح زمين و گسيلندگی هستند. (کيانی سلمی و ابراهيمی،1396: 102) در تحقيقی اقدام به بررسی اثرات توسعه شهری و همچنين تغييرات کاربری اراضی بر دمای سطح زمين برای شهر شهرکرد پرداختند. در این تحقيق از تصاویر ماهواره از لندست 7 و 8 استفاده شد. نتایج این تحقيق نشان داد که دمای سطح زمين برای سال‌های 1382 و 1395 طی سال‌های 1382 تا 1395 که با گسترش محدوده شهر ميزان دما سطح زمين 21/2 درجه سانتی‌گراد افزایش داشته است (اصغری سراسکانرود و امامی، 1397: 196) در تحقيقی به بررسی رابطه تغييرات کاربری اراضی با دمای سطح زمين شهرستان اردبيل پرداختند. تصاویری که در این تحقيق استفاده شد تصاویر ماهواره لندست مربوط به سنجنده‌های ETM+ برای سال 2000 وOLI  برای سال 2017 بود. (کریمی و همکاران، 1398: 79) در پژوهشی به تعیین عوامل مؤثر بر دمای سطح زمین شهر تهران با استفاده از تصاویر لندست و ترکیب رگرسیون وزن‌دار جغرافیایی و الگوریتم ژنتیک پرداختند. در این تحقیق داده‌های دمای سطح زمین شهر تهران در دو تاریخ 27 مرداد 93 و 30 مرداد 94 با استفاده از تصاویر ماهواره لندست 8 به دست آمد و از دو روش وزن‌دهی گوسین⁹ و مکعبی سه‌گانه در GWR استفاده شد. مشخص شد که تأثیر عوامل کاربری اراضی، تراکم ساخت‌وساز و فاصله از راه‌ها در دمای سطح زمین شهر تهران از سایر عوامل بیشتر بود)زارعی و همکاران، 1399: 74 (در پژوهشی به محاسبه و ارزیابی دمای سطح زمین با استفاده از الگوریتم پنجره مجزای غیرخطی و تصاویر ماهواره سنتینل 33 مطالعه موردی: استان تهران پرداختند. به‌طورکلی نتایج حاصل از محصول دمای مادیس، SLSTR و دمای برآورد شده از روش پنجره مجزای غیرخطی روندی مشابه را برای تغییرات دما در طول فصول سال نشان دادند. , ؛ بنابراین باتوجه‌به اهمیت موضوع و تحقیقاتی که محققین مذکور و سایر محققین و پژوهشگران انجام داده‌اند در این تحقیق نیز هدف، بررسی تغییرات دمای سطح شهرستان پارس آباد در یک بازه زمانی ۲۹ساله(2020-1990) و مقایسه نتایج به‌دست‌آمده با تغییرات کاربری اراضی است تا مشخص شود که کاربری اراضی تا چه اندازه در دمای سطح مؤثر است.

داده ها و روش تحقیق

·       معرفی محدوده مطالعاتی

شهرستان پارس‌آباد با مساحتی بالغ‌بر 1554 کیلومترمربع حدود 6/8 درصد از مساحت استان اردبیل را به خود اختصاص داده و شمالی‌ترین شهرستان استان است. ازلحاظ موقعیت جغرافیایی بین 39 درجه و 12 دقیقه و 13 ثانیه تا 39 درجه و 42 دقیقه و 22 ثانیه عرض شمالی و 47 درجه و 31 دقیقه و 3 ثانیه تا 48 درجه و 12 دقیقه و 56 ثانیه طول شرقی که دشت همواری است در شمال شرقی فلات مرتفع آذربایجان جای گرفته است. این دشت از غرب به رودخانه دره رود و از شمال به رودخانه ارس ختم می‌شود که مرز مشترک بین ایران و آذربایجان می‌باشد. همچنین از طرف شرق هم با جمهوری آذربایجان هم‌مرز است از جنوب نیز به کوه‌های خروس لو می‌رسد. این دشت در دامنه ارتفاعی بین 20 تا 760 متر قرار می‌گیرد. شیب عمومی منطقه از جنوب روبه‌شمال است که به رود ارس ختم می‌شود (دریانورد،1401).

 

شکل (1): محدوده موردمطالعه (منبع: نگارنده)

  این منطقه به دشت همیشه‌بهار ایران معروف است و یکی از قطب‌های مهم کشاورزی و دام‌پروری ایران محسوب می‌شود. سراسر دشت مغان به علت حاصلخیزی خاک، دمای مساعد و موقعیت خاص منطقه‌ای زیر کشت اقسام غلات حبوبات و علوفه قرار می‌گیرد. بی‌مناسبت نیست که مغان را انبار غله آذربایجان می‌گویند. مرغوب‌ترین غلات (گندم و جو) چه به‌صورت آبی و دیمی در این منطقه تولید می‌شود. به جهت دمای معتدل و بارندگی مناسب، بهترین مراتع قشلاقی در دشت مغان با بازده قابل‌توجهی به وجود آمده که مورد تحلیف احشام طوایف متعدد عشایر شاهسون آذربایجان است. از نظر سیاسی بسیار حائز اهمیت است؛ چراکه از شمال و شرق هم‌مرز با جمهوری آذربایجان از غرب نیز با شهرهای استان آذربایجان شرقی است. از جنوب نیز شهرستان بیله‌سوار آن را احاطه کرده است (دریانورد،1401).

·       روش تحقیق

ü       داده‌های مورداستفاده

داده‌های مورداستفاده در این تحقیق در جدول 1 ارائه‌شده است همان‌طور که در این جدول دیده می‌شود، از دو تصویر ماهواره‌ای، ماهواره لندست مربوط به سال 1990 و 2020 با فاصله زمانی مناسب برای بررسی بهتر تغییرات رخ داده استفاده‌شده است. تصاویر منتخب مربوط به‌روز 24 آگوست 1990 و 2020 از سایت(https://earthexplorer.usgs.gov) استخراج گردید. این تصاویر از محصول سطح 2 لندست یعنی تصاویری که برخی تصحیحات اتمسفری، هندسی، ژئومتری روی آن انجام‌شده است دانلود شد. برای سال 1990، از تصویر سنجنده TM ماهواره لندست 5 محصول سطح 2 (LC05_L2SP) و برای سال 2020 نیز از تصویر سنجنده OLI/TIRS، لندست 8 محصول سطح 2 (LC08_L2SP) استفاده‌شده است. از داده‌های باند حرارتی لندست 8 یعنی باند 10 و 11 سنجنده TIRS و نیز باند 6 سنجنده TM که باند حرارتی سنجنده لندست 5 به شمار می‌رود برای آشکارسازی و بازیابی دمای سطح زمین استفاده شد. رزولوشن فضایی این تصاویر 30*30 متر بوده و ساعت گذار ماهواره از محدوده موردمطالعه حدود11،30 دقیقه صبح به‌وقت محلی است. ازآنجاکه زمان گذار ماهواره از محدوده موردمطالعه بین ساعت 11 تا 12 صبح است، لذا از دیدبانی ساعت 09 UTC که برابر ساعت 12.30 به‌وقت محلی است و نزدیک‌ترین دیدبانی به زمان گذر ماهواره است، استفاده شد. داده‌های ایستگاهی برای محدوده از ایستگاه سینوپتیک پارس‌آباد مغان به‌صورت روزانه برای 24 آگوست 2020 و 1990 اخذ گردید.

جدول (1) داده‌های مورداستفاده در این تحقیق

نوع داده	روز، ماه، سال	RAW	PATH
لندست 5	24 آگوست 1990	167	033
لندست 8	24 آگوست 2020	167	033

 

ü       الگوریتم بازیابی دما

Ø       الگوریتم پنجره مجزا

 از میان همه روش‌های موجود برای اندازه‌گیری دمای سطح زمین، الگوریتم پنجره مجزا معمولا مورداستفاده قرار می‌گیرد. زیرا اثرات اتمسفری را حذف و دمای سطح زمین را با استفاده از ترکیبات خطی و غیرخطی دمای ظاهری دو باند مجاور به مرکزیت طول ‌موج‌هایی 11 و 12 به دست می آورد)  Du et al,2015:643 ‏ .( الگوریتم پنجره مجازی که بر روی منطقه موردمطالعه پیاده‌سازی شده است در شکل 2 نشان‌داده‌شده است.

 

شکل(2) فلوچارت کلی پژوهش

در این روش که مبتنی بر شاخص پوشش گیاهی است، ابتدا مقدار عددی DN پیکسل‌های تصاویر باندهای مذکور بر اساس رابطه زیر به رادیانس طیفی تبدیل می‌گردد.( Li et al,2013:14)

رابطه 1 استخراج رادیانس طیفی باندها:

 

که در آن λL میزان رادیانس طیفی،ML ، ضریب رادیانس هر باند، AL، مقدار ثابت هر باند، Qcal، نیز مقادیر DN پیکسل باندهای حرارتی TIRS است. مرحله دوم تبدیل رادیانس طیفی به دمای درخشندگی است که به‌صورت رابطه زیر انجام می­گیرد:

رابطه 2 استخراج دمای درخشندگی (Jimnez‐Muñoz & Sobrino , .(108:2003

 

که در آن λL میزان رادیانس طیفی محاسبه‌شده در فوق،K1 و K2، مقادیر ثابت برای هر باند و BT نیز دمای درخشندگی محاسبه‌شده برحسب درجه سانتی‌گراد است. مرحله سوم استخراج بازتابش سطحی (LSE) است که پیش‌نیاز آن محاسبه شاخص پوشش گیاهی و سپس شاخص نسبت پوشش گیاهی به‌صورت روابط زیر است Li)

 et al,2013:14)

رابطه 3 محاسبه شاخص پوشش گیاهی

 

که در آن RED و NIR؛ باندهای قرمز و مادون‌قرمز برای سنجنده OLI که به ترتیب باندهای 4 و 5 بوده است. شاخص نسب پوشش گیاهی نیز بر اساس شاخص NDVI به‌صورت زیر محاسبه می­گردد:

رابطه 4 محاسبه شاخص نسبت پوشش گیاهی

 

که در آن، مقادیر کمینه و بیشینه پوشش گیاهی منطقه در نظر گرفته‌شده است و درنهایت شاخص بازتابش سطحی به‌صورت زیر محاسبه می­گردد.( Li et al,2013:14)

رابطه 5 محاسبه شاخص بازتابش سطحی

 

درنهایت دمای سطح زمین برحسب درجه سانتی‌گراد از رابطه زیر به دست آمد:

رابطه 6  محاسبه دمای سطح زمین

 

که در آن،  BT دمای روشنایی باندهای حرارتی ، W بخار آب موجود در جو ( cm/g ) است.  

مقادیر ثابت استفاده‌شده در الگوریتم فوق، از متادیتای تصاویر اخذشده لندست برای باندهای مورداستفاده در جدول 2 ارائه‌شده است.

جدول (2): مقادیر و ضرایب ثابت باندهای مورداستفاده برای استخراج دمای سطح زمین

فاکتور	باند 10TIRS(لندست 8)	باند 11TIRS(لندست 8)	باند 6 TM لندست5
ML	0.10000	0.10000	0.055
AL	0.0003342	0.0003342	1.182
K1	774.8853	480.8883	607.7
K2	1321.0789	1201.1442	1260.56

 

در شکل 3 فایل برنامه‌نویسی شده الگوریتم پنجره مجزا، برای اجرا در محیط ARC-Map ارائه‌شده است.

 

 

شکل (3)تابع استخراج دمای سطح زمین از باندهای 10 و 11 سنجنده TIRS لندست 8 بر اساس الگوریتم پنجره مجزا

یافته‌های تحقیق

شکل  4 و 5 ترکیب مرئی محدوده شهرستان پارس‌آباد، در 24 آگوست سال 1990 مستخرج از ترکیب باندهای 1، 2 و 3 سنجنده TM لندست 5  و سال 2020 مستخرج از ترکیب باندهای 4، 2 و 3  سنجنده OLI لندست را نشان می‌دهد. همان‌طور که در این ترکیب مرئی دیده می‌شود، ترکیب کاربری اراضی در دو سال تفاوت چندانی با همدیگر نداشته است. عموماً بخش‌های غرب و شمال غرب شهرستان، پوشش‌های جنگلی و پوشش گیاهی نسبتاً متراکم دارد درحالی‌که بخش‌های جنوب غرب عموماً اراضی کوهستانی و بایر است. اراضی کشاورزی در بخش‌های مرکزی شهرستان قابل‌مشاهده است و اراضی شهری و مسکونی نیز به‌صورت پراکنده در شمال و غرب منطقه دیده می‌شود.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

شکل (4)ترکیب مرئی محدوده شهرستان پارس‌آباد، در 24 آگوست سال 1990 مستخرج از کامپوزیت باندهای 1، 2 و 3  سنجنده TM لندست 5

 

 

شکل (5)ترکیب مرئی محدوده شهرستان پارس‌آباد، در 24 آگوست سال  2020 مستخرج از کامپوزیت باندهای 4، 2 و 3  سنجنده OLI لندست

 

شاخص تفاضل پوشش گیاهی نرمال شده استخراج‌شده از باندهای قرمز و مادون‌قرمز سنجنده TM لندست 5 و سنجنده OLI لندست 8 برای ماه آگوست سال 1990 و 2020، برای محدوده شهرستان پارس‌آباد در شکل 6 و 7 ارائه‌شده است. همان‌طور که مشاهده می‌شود، در هر دو سال بخش‌های شرقی محدوده موردمطالعه دارای شاخص NDVI بالاتر از 3/0 بوده که گویای پوشش گیاهی با تراکم متوسط به بالا است. در حالت بیشینه شاخص پوشش گیاهی در سطح محدوده در ماه آگوست به 55/0 رسیده است که عموماً مربوط به اراضی باغی و کشاورزی و یا محدوده‌های جنگلی متراکم در شمال و شمال شرق محدوده است. بخش‌های وسیعی از شهرستان پارس‌آباد به‌ویژه در جنوب و جنوب غرب این شهرستان فاقد پوشش گیاهی بوده و درواقع اراضی بایر به شمار می‌روند.

 

 

 

 

 

 

شکل (6)شاخص تفاضل پوشش گیاهی نرمال شده استخراج‌شده از باندهای قرمز و مادون‌قرمز سنجنده TM لندست 5

 

 

شکل (7)شاخص تفاضل پوشش گیاهی نرمال شده استخراج‌شده از باندهای قرمز و مادون‌قرمز سنجنده OLI لندست 8

 

یکی از پیش‌نیازهای الگوریتم پنجره مجزا، محاسبه شاخص کسر پوشش گیاهی یا شاخص PV  است، این شاخص به منظور کسر تاثیر پوشش گیاهی از تصویر استفاده می شود و درواقع وضعیت هر پیکسل را نسبت به مقادیر کمینه و بیشینه پوشش گیاهی در سطح محدوده شهرستان مشخص می‌کند. شکل 8 و 9 شاخص کسر پوشش گیاهی استخراج‌شده از باندهای قرمز و مادون‌قرمز سنجنده TM لندست 5 و سنجنده OLI لندست 8 را نشان می‌دهد.

 

شکل (8) شاخص کسر پوشش گیاهی استخراج‌شده از باندهای قرمز و مادون‌قرمز سنجنده TM لندست 5

 

 

شکل (9) شاخص کسر پوشش گیاهی استخراج‌شده از باندهای قرمز و مادون‌قرمز سنجنده OLI لندست 8

 

محاسبه دمای سطح زمین با استفاده از الگوریتم پنجره مجزا، برای محدوده موردمطالعه در سال‌های 1990 و 2020 در شکل‌های 10 و 11 ارائه‌شده است. همان‌طور که در این شکل دیده می‌شود، در روز 24 آگوست سال 1990، مقادیر دمای بازیابی شده در سطح محدوده موردمطالعه که از باند حرارتی 6 سنجنده TM ماهواره لندست 5 به دست آمد، بین 20 تا 43 درجه سانتی‌گراد بوده است. در بخش‌های غرب و شمال غرب محدوده شهرستان پارس‌آباد، در ساعت 11.30 دقیقه روز 24 آگوست سال 1990، دمای سطح زمین (LST) ، بین 20 تا 33 درجه سانتی‌گراد بوده است، درحالی‌که دمای سطح زمین در بخش‌های جنوبی و جنوب غرب محدوده شهرستان پارس‌آباد، بیش از 40 درجه سانتی‌گراد بوده است.

در روز 24 آگوست سال 2020، مقادیر دمای بازیابی شده در سطح محدوده موردمطالعه که حاصل میانگین دو باند حرارتی 10 و 11 سنجنده TIRS است، بین 21 تا 43 درجه سانتی‌گراد بوده است. بخش‌های غرب و شمال غرب محدوده شهرستان پارس‌آباد، در ساعت 11.30 دقیقه روز 24 آگوست سال 2020، دمای سطح زمین (LST) ، بین 21 تا 34 درجه سانتی‌گراد بوده است، درحالی‌که دمای سطح زمین در بخش‌های جنوبی و جنوب غرب محدوده شهرستان پارس‌آباد، بیش از 40 درجه سانتی‌گراد بوده است.

 

 

شکل (10)دمای سطح زمین (LST) استخراج‌شده از باند حرارتی  6 سنجنده TM  لندست 5 برای روز 24 آگوست 1990 با استفاده از الگوریتم پنجره مجزا (SW)        

 

 

شکل (11)دمای سطح زمین (LST) استخراج‌شده از باندهای حرارتی 10 و 11 سنجنده TIRS لندست 8 برای روز 24 آگوست 2020 با استفاده از الگوریتم پنجره مجزا (SW)        

تحلیل دمای بازیابی شده در سطح کاربری اراضی

در نقشه شکل 12 طبقات کاربری اراضی محدوده شهرستان پارس‌آباد مغان ارائه‌شده است. همان‌طور که در این نقشه دیده می‌شود، بخش وسیعی از شمال و به‌ویژه شمال شرق این شهرستان اراضی زراعی آبی است. این بخش از شهرستان پارس‌آباد درواقع بخشی از دشت مغان است. دشت مغان از سه شهر گرمی، بیله‌سوار و پارس‌آباد تشکیل‌شده است و در شمال استان اردبیل قرار دارد. در میان شهرهای مغان، پارس‌آباد به دلیل رونق کشاورزی گوی سبقت را از دو شهر دیگر ربوده است. هم‌اکنون شرکت‌های بزرگی همچون کشت و صنعت و دام‌پروری مغان و شرکت پارس در این منطقه فعالیت دارند. درواقع این بخش از محدوده شهرستان پارس‌آباد مغان که عموماً منطقه جلگه‌ای شهرستان است، تحت عنوان دشت مغان نام‌برده می‌شود.

 

 

          شکل (12)طبقات کاربری اراضی محدوده شهرستان پارس‌آباد مغان(منبع:منابع طبیعی استان اردبیل)

جلگه پارس‌آباد مستعدترین خاک و مطلوب‌ترین شرایط آب‌وهوایی را برای زراعت دام‌پروری و باغداری داراست. شرکت بزرگ کشت و صنعت و دام‌پروری مغان بزرگ‌ترین بنگاه معاملاتی در نوع خود در کشور و در خاورمیانه با حجم عملیات زراعی، دامی و صنعتی در همین شهرستان دایر است همچنین وجود مجتمع باغات چهارهزار هکتاری و کارخانه قند، کارخانه رب سازی، کمپوت‌سازی، مرباسازی، پنبه‌پاک‌کنی خوراک دام خوراک بذر و کارگاه تولید لبنیات رونق خاصی به این شهرستان داده است. پوشش گیاهی منطقه بیشتر به‌صورت علف‌های مرتع مرغوب است. از محصولات کشاورزی و دامی مغان می‌توان به پنبه، چغندرقند، ذرت، گندم، جو، برنج هاشمی، حبوبات، دانه‌های روغنی، کنجد، و میوه‌جات و بادام‌زمینی و سیر اشاره کرد.

بخش‌های دیگری از محدوده شهرستان پارس‌آباد مغان، اراضی مرتعی فقیر است. البته بخشی از این اراضی نیز اراضی بایر یا اراضی عریان است. این اراضی عموماً در بخش جنوب غرب شهرستان گسترده شده است. در بخش‌هایی از این محدوده، مراتع متوسط نیز دیده می‌شود. محدوده باغات به‌صورت یک نوار شمالی جنوبی در غرب شهرستان پارس‌آباد دیده می‌شود. از طرف دیگر،   در همین محدوده اراضی دیم  شهرستان نیز دیده می‌شوند. بر اساس جدول 3، مراتع فقیر در سطح محدوده موردمطالعه مساحتی در حدود 511 کیلومترمربع داشته که 36 درصد از مساحت شهرستان را به خود اختصاص داده‌اند و عموماً در غرب و جنوب غرب شهرستان متمرکز هستند. مراتع متوسط نیز با مساحت 75 کیلومترمربع حدود 5 درصد از مساحت کل شهرستان را به خود اختصاص داده‌اند. اراضی زراعی آبی نیز همان‌طور که در جدول 3 دیده می‌شود، مساحتی در حدود 707 کیلومترمربع که برابر 49 درصد از مساحت کل شهرستان است را به خود اختصاص داده است.

 

جدول (3)مساحت هرکدام از طبقات کاربری اراضی شهرستان پارس‌آباد مغان

نوع کاربری	مساحت - کیلومترمربع	درصد مساحت
مراتع فقیر	511	36
مراتع متوسط	75	5
اراضی دیم	92	6
باغات	42	3
پهنه شهری	8	1
زراعت آبی	707	49
مجموع	1435	100

برای استخراج میانگین مکانی دمای سطح زمین در سطح هرکدام از کاربری‌های استخراج‌شده منطقه، برای دو سال 2020 و 1990 به تفکیک هرکدام از الگوریتم‌های بازیابی دما، از ابزار تحلیل آمار ناحیه‌ای¹⁰  در محیط ARC-GIS استفاده شد و براین‌اساس یک ماتریس تحلیل متقاطع ایجاد شد که در آن میانگین مکانی دمای سطح زمین در هرکدام از کاربری‌ها به دست آمد. همان‌طور که در جدول 4 دیده می‌شود، پایین‌ترین میانگین مکانی دمای بازیابی شده در24 آگوست سال 1990 بین کاربری‌های مختلف سطح شهرستان پارس‌آباد مغان، مربوط به اراضی زراعی آبی یا مقدار 25 درجه سانتی گراد است که در بخش‌های شرق و شمال شرق محدوده موردمطالعه قرار گرفته و بیشترین مساحت از محدوده موردمطالعه را نیز به خود اختصاص داده است (707 کیلومترمربع برابر 45 درصد از مساحت کل شهرستان که درواقع بخش وسیعی از دشت مغان است) در مقابل بالاترین میانگین مکانی دمای بازیابی شده سطح زمین مربوط به کاربری اراضی مراتع فقیر و اراضی بایر  با مقدار 2/40 درجه سانتی گراد بوده است که این اراضی در جنوب و جنوب غرب شهرستان قرار گرفته است و مساحتی در حدود 36 درصد از کل محدوده شهرستان پارس‌آباد مغان را به خود اختصاص داده است.

در24 آگوست سال 2020 نیز همان‌طور که در جدول 5 دیده می‌شود، پایین‌ترین و بالاترین میانگین مکانی دمای بازیابی شده در بین کاربری‌های مختلف سطح شهرستان پارس‌آباد مغان،  دوباره مربوط به اراضی زراعی آبی با مقدار 2/25 درجه سانتی گراد و کاربری اراضی مراتع فقیرو اراضی بایر با مقدار 8/40 درجه سانتی‌گراد بوده است. با توجه به اینکه آب دارای ظرفیت گرمایی بالایی است اراضی زراعی آبی کمترین دما را به خود اختصاص داده است. در مقابل کاربری های مراتع فقیر و اراضی بایر به دلیل پوشش گیاهی ناچیز و پراکنده دمای بالایی را نشان داده است. از طرف دیگرتبخیر و تعرق رابطه معکوس با دمای سطحی دارد به این معنا که با افزایش تبخیر و تعرق دمای سطحی کاهش می یابد و همین امر باعث شده است که کمبود تبخیر و تعرق در کاربری مراتع  فقیرباعث افزایش دمای آن شود و انرژی تابشی بیشتری را دریافت و در خود ذخیره کند. 

جدول (4) میانگین مکانی دمای استخراج‌شده از باندهای حرارتی لندست 5 و 8 (سنجنده‌های TM و TIRS) برای روز 24 آگوست 1990، بر اساس الگوریتم بازیابی پنجره مجزا در روی هرکدام از طبقات کاربری اراضی محدوده شهرستان پارس‌آباد مغان

طبقات کاربری	میانگین مکانی دمای هوا درصد مساحت
	SW
مراتع فقیر	2/40
مراتع متوسط	6/39
اراضی دیم	1/38
باغات	31
پهنه شهری	37
زراعت آبی	25

 

جدول (5) میانگین مکانی دمای استخراج‌شده از باندهای حرارتی لندست 5 و 8 (سنجنده‌های TM و TIRS) برای روز 24 آگوست 2020، بر اساس دو الگوریتم بازیابی پنجره مجزا در روی هرکدام از طبقات کاربری اراضی محدوده شهرستان پارس‌آباد مغان

 

طبقات کاربری	میانگین مکانی دمای هوا درصد مساحت
	SW
مراتع فقیر	8/40
مراتع متوسط	2/39
اراضی دیم	1/39
باغات	6/30
پهنه شهری	39
زراعت آبی	2/25

 

 

 

 

نتیجه‌گیری

در این تحقیق با استفاده از داده‌های ماهواره لندست 8 و 5 برای دو دوره آماری 1990 و 2020، برای روز 24 آگوست، ساختار دمای سطح زمین در محدوده شهرستان پارس‌آباد مغان با استفاده از الگوریتم بازیابی دمای SW  محاسبه گردید.

نتایج بدست آمده از این تحقیق نشان می دهد که در هر دو سال بخش‌های شرقی محدوده موردمطالعه دارای شاخص NDVI بالاتر از 3/0 بوده که گویای پوشش گیاهی با تراکم متوسط به بالا است. در حالت بیشینه شاخص پوشش گیاهی در سطح محدوده در ماه آگوست به 55/0 رسیده است که عموماً مربوط به اراضی باغی و کشاورزی و یا محدوده‌های جنگلی متراکم در شمال و شمال شرق محدوده است. بخش‌های وسیعی از شهرستان پارس‌آباد به‌ویژه در جنوب و جنوب غرب این شهرستان فاقد پوشش گیاهی بوده و درواقع اراضی بایر به شمار می‌روند. با توجه به این کاربری ها دمای سطح زمین  بدست آمده نیز متفاوت می باشد. همانطوریکه از شکل 10 و 11 و جداول 4 و 5 مشخص می باشد پایین ترین میانگین مکانی دمای بازیابی شده در 24 آگوست سال های 1990 و 2020 برای شهرستان پارس آباد مربوط به کاربری زراعت آبی(شرق و شمال شرق) و بالاترین میانگین دمای بازیابی شده در سال های مذکور مربوط به کاربری مراتع فقیر و اراضی بایر(جنوب و جنوب غرب) می باشد. با توجه به اینکه آب دارای ظرفیت گرمایی بالایی است اراضی زراعی آبی کمترین دما را به خود اختصاص داده است. در مقابل کاربری های مراتع فقیر و اراضی بایر به دلیل پوشش گیاهی ناچیز و پراکنده دمای بالایی را نشان داده است. از طرف دیگرتبخیر و تعرق رابطه معکوس با دمای سطحی دارد به این معنا که با افزایش تبخیر و تعرق دمای سطحی کاهش می یابد و همین امر باعث شده است که کمبود تبخیر و تعرق در کاربری مراتع  فقیرباعث افزایش دمای آن شود و انرژی تابشی بیشتری را دریافت و در خود ذخیره کند.

در تحقیقی مشابه (فیضی زاده و همکاران، 1395 )به بررسی دمای سطح زمین با استفاده از تصاویر ماهواره لندست

و الگوریتم پنجره مجزا پرداختند. نتایج نشان می دهد که بین پوشش گیاهی و دمای سطح زمین رابطه قوی دما می باشد که نشان از نقش و اهمیت پوشش گیاهی در منطقه می باشد. همچنین (دوستکی و همکاران، 1401) الگوی فضایی دمای سطح زمین  رابا تاکید بر تغییرات کاربری اراضی در شهرستان جیرفت مورد مطالعه قراد دادند. نتایج این پژوهش نیز نشان داد مناطق انسان ساخت در سال 2020 نسبت به 1990 افزایش زیادی داشته است اما با وجود کاهش اراضی بایر، افزایش پهنه آبی و اراضی کشاورزی و باغی، میانگین دمای سطح زمین در سال 2020 نسبت به سال 1990 به مقدار 11 درجه سانتیگراد افزایش پیدا کرده است. علت این امر را می توان گرمایش جهانی و افزایش سوخت وساز ناشی از سوخت های فسیلی در مناطق ساخت انسان ذکر کرد.

باتوجه‌به اینکه شهرستان پارس‌آباد مغان قطب کشاورزی استان اردبیل و یکی از قطب‌های کشاورزی ایران است، لذا پیشنهاد می‌گردد که تأثیر تغییرات دمایی طی سه دهه اخیر در عملکرد محصولات کشاورزی غالب منطقه مورد بررسی قرار گیرد. همچنین ازآنجایی‌که یکی از مظاهر تغییر اقلیم در کشور، افزایش فرکانس رخدادهای حدی است، لذا بررسی روند سری زمانی سالانه رخدادهای حدی مرتبط به دما از قبیل امواج سردوگرم، یخ‌بندان‌های دیررس بهاره و زودرس پاییزه، آتش‌سوزی‌ها و تنش‌های حرارتی گرم، و تأثیر آن بر کشاورزی منطقه و جابه‌جایی و آشفتگی فازهای فنولوژیکی محصولات غالب کشاورزی منطقه در اثر تغییرات دمایی سطح زمین طی سه دهه اخیر در سطح منطقه ضروری است.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

منابع

  اصغری سراسکانرود، صياد.، امامی، هادی.، (1397)، پایش دما سطح زمين و بررسی رابطه کاربری اراضی با دما سطح زمين با استفاده از تصاویر سنجنده OLI و ETM+ (مطالعه موردی: شهرستان اردبيل). نشریه تحقيقات کاربردی علوم جغرافيایی، سال 19، شماره 53، صص 214 – 196.

دوستکی, م.، کمالی، ا.،  باقری بداغ آبادی, م.،  شیرانی، ح.،  شکیبا ، ع و ح.شکفته.، (1401). ارزیابی الگوی فضایی دمای سطح زمین با توجه به تغییرات کاربری اراضی (مطالعه موردی: شهرستان جیرفت). توسعه پایدار محیط جغرافیایی, 4(7).

دریانورد، وحید.، (1401)، مدیریت مزرعه با استفاده از سری زمانی داده‌های سنجش‌ازدور مبتنی بر الگوریتم بافت (مطالعه موردی: کشت و صنعت دشت مغان). پایان‌نامه کارشناسی ارشد رشته سنجش‌ازدور و گرایش GIS، دانشگاه شهید بهشتی.

زارعی، ارسطو.، حسینی، رضاشاه.، قنبری،  روناک.، (1399)، محاسبه و ارزیابی دمای سطح زمین با استفاده از الگوریتم پنجره مجزای غیرخطی و تصاویر ماهواره سنتینل 3-مطالعه موردی: استان تهران. فصلنامه علی-پژوهشی اطلاعات جغرافیایی «سپهر» 30(119), 59-74.

سلیمانی وسطی کلایی، فائزه.، آخوندزاده هنزائی، مهدی.، (1396)، تهیه نقشه گسیلندگی و دمای سطح زمین از تصاویر ایلاذر ابرطیفی حرارتی HyTES با استفاده از الگوریتم‌های TES وARTEMISS. فصلنامه علمی-پژوهشی اطلاعات جغرافیایی «سپهر» , 27(107), 99-111.

فیضی زاده، بختیار.، دیده‌بان، خلیل.، غلام نیا، خلیل.،( 1394)، برآورد دمای سطح زمین با استفاده از تصاویر ماهواره لندست8 و الگوریتم پنجره مجزا مطالعه مورد: حوضه آبریز مهاباد؛ فصلنامه علمی‌پژوهشی اطلاعات جغرافیایی (سپهر)، دوره 25، شماره 98، تابستان 1395.

کریمی، عامر.، پهلوان، پرهام.، بیگدلی، بهناز.، (1398)، تعیین عوامل مؤثر بر دمای سطح زمین شهر تهران با استفاده از تصاویر لندست و ترکیب رگرسیون وزن‌دار جغرافیایی و الگوریتم ژنتیک. نشریه علمی‌پژوهشی مهندسی فناوری اطلاعات مکانی، سال هفتم، شماره سوم، پاییز 1398. 102-79. دانشگاه صنعتی خواجه نصیرالدین طوسی دانشکده مهندسی نقشه‌برداری.

کيانی سلمی، الهام.، ابراهيمی، عحاء الله.،(1396)، ارزیابی تأثیر توسعه شهری و تغييرات پوشش اراضی بر دما سطح زمين در شهرکرد. مجله سنجش‌ازدور و سامانه اطلاعات جغرافيایی در منابع طبيعی، سال 9، شماره 4، صص 117 – 102.

 

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.

Balew, A., & Korme, T. (2020). Monitoring land surface temperature in Bahir Dar city and its surrounding using Landsat images. The Egyptian Journal of Remote Sensing and Space Science, 23(3), 371-386.‏

Rahimi, A., Khalil, Z., Bouasria, A., Mjiri, I. E., & Bounif, M. (2021, May). Land surface temperature responses to land use land cover dynamics (District of Taroudant, Morocco). In Biology and Life Sciences Forum (Vol. 3, No. 1, p. 28). MDPI.‏

Das, N., Mondal, P., Sutradhar, S., & Ghosh, R. (2021). Assessment of variation of land use/land cover and its impact on land surface temperature of Asansol subdivision. The Egyptian Journal of Remote Sensing and Space Science, 24(1), 131-149.‏

‏ Du, C., Ren, H., Qin, Q., Meng, J., & Zhao, S. (2015). A practical split-window algorithm for estimating land surface temperature from Landsat 8 data. Remote sensing, 7(1), 647-665.

Huang, C., Duan, S.-B., Jiang, X.-G., Han, X.-J., Wu, H., Gao, M., . . . Li, Z.-L. (2019). Intercomparison of AMSR2-and MODIS-Derived Land Surface Temperature Under Clear-Sky Conditions. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 12(9), 3286-3294

Jiménez‐Muñoz, J. C., & Sobrino, J. A. (2003). A generalized single‐channel method for retrieving land surface temperature from remote sensing data. Journal of geophysical research: atmospheres, 108(D22).‏

Li, Z. L., Tang, B. H., Wu, H., Ren, H., Yan, G., Wan, Z., ... & Sobrino, J. A. (2013). Satellite-derived land surface temperature: Current status and perspectives. Remote sensing of environment, 131, 14-37.‏

Mahato, S., & Pal, S. (2018). Changing land surface temperature of a rural Rarh tract river basin of India. Remote Sensing Applications: Society and Environment, 10, 209-223.‏

Ndossi MI, Avdan U. 2016. Inversion of land surface temperature (LST) using Terra ASTER data: a comparison of three algorithms. Remote Sensing, 8(12): 993.doi:https://doi.org/10.3390/rs8120993.

Nichol J. E. 1994. A GIS-based approach to microclimate monitoring in Singapore’s high-rise housing estates. Photogrammetric Engineering & Remote Sensing, No. 60, pp. 1225–1232.

Nie, J., Ren, H., Zheng, Y., Ghent, D., & Tansey, K. (2020). Land surface temperature and emissivity retrieval from nighttime middle-infrared and thermal-infrared Sentinel-3 images. IEEE Geoscience and Remote Sensing Letters, 18(5), 915-919.‏

Parastatidis D, Mitraka Z, Chrysoulakis N, Abrams M. 2017. Online global land surface temperature estimation from Landsat. Remote sensing, 9(12):1208. doi:https://doi.org/10.3390/rs9121208

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

 

Reutter, H., F.S. Olesen and H. Fischer. 1994. Distribution of the brightness temperature of land surfaces determined from AVHRR data. Remote Sensing, 15: 95- 104

Srivastava, P. K., Majumdar, T. J., & Bhattacharya, A. K. (2009). Surface temperature estimation in Singhbhum Shear Zone of India using Landsat-7 ETM+ thermal infrared data. Advances in space research, 43(10), 1563-1574.‏

Wang, Y., Ch, B., Hu, s.w., Myint, Ch., feng, Ch., Chow, W.T.L., and Passy, P.F., 2018, Patterns of land change and their potential impacts on land surface temperature change in Yangon Myanmar. Science of the Total Environment, 643: 738-750

Zhan, Q., Meng, F., & Xiao, Y. (2015). Exploring the relationships of between land surface temperature, ground coverage ratio and building volume density in an urbanized environment. The International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences, 40(7), 255.‏

 

 

 

 

Abstract 

The temperature of the land surface is one of the most key parameters that can provide valuable information about the physical characteristics of the earth's surface and the surrounding air. This research was conducted with the aim of investigating and evaluating the  land surface temperature and analyzing it in relation to land use by the separate window algorithm in Parsabad city with two Landsat 5 and 8 satellite images for August 24, 1990 and 2020. The results showed that in the years 1990 and 2020, generally the western and northwestern parts of the city have forest covers and relatively dense vegetation, while the southwestern parts are generally mountainous and barren. The vegetation index of 1990 and 2020 in the eastern parts of the studied area has an NDVI index higher than 0.3, which indicates medium to high density vegetation. The maximum vegetation index in the range reached 0.55 in August, which is generally related to garden and agricultural lands or dense forest areas in the north and northeast of the range. On the other hand, large parts of Parsabad city, especially in the south and southwest of this city, lack vegetation and are considered barren lands. Also, the results of the land surface temperature evaluation showed that the retrieved spatial average temperature of the earth surface on August 24, 1990, which was obtained at 11:30 local time using the separate window algorithm, was 31.8 degrees Celsius in Parsabad city. While this temperature on this day and at this time in 2020 was equal to 33 degrees Celsius.

 

Key words: land surface temperature, split window algorithmو land use, Parsabad city

 

 

 

 

 

 

 

---

[1]  LST

[2] Emission of surfaces

[3] Stephen Boltzmann

[4]  Climatology

[5] Temperature anomalies

[6]  Earthquake

[7]  Drought

[8]  Reflection of solar thermal energy

[9]  

[10]  Zonal Statistic

---