بررسی قابلیت دادههای LST، GPM و TVDI در طبقهبندی اقلیمی به روش دومارتن در ایران
محورهای موضوعی : توسعه سیستم های مکانی
آسیه طیبی
1
(
کارشناسی ارشد سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکده علوم انسانی، دانشگاه یزد
)
محمد حسین مختاری
2
(
دانشیار دانشکده منابع طبیعی و کویر شناسی/گروه مدیریت مناطق خشک و بیابانی/دانشگاه یزد
)
کلید واژه: ایران, اقلیم, تصاویر ماهوارهای مودیس, بارش جهانی, طبقهبندی اقلیمی دومارتن,
چکیده مقاله :
شناخت ویژگیهای طبیعی هر منطقه بهخصوص شناسایی طبقهبندی اقلیمی، در امر برنامهریزی و بهرهبرداری بهینه از منابع نقش مهمی دارد و تغییرات در آن منجر به افزایش یا کاهش وسعت اقلیمی میشود. در تعیین اقلیم میتوان از دادههایی مانند دما و بارش برای ناحیه بندی اقلیمها استفاده کرد؛ اما به دلیل اینکه برخی مناطق، فاقد ایستگاه سینوپتیک زمینی هستند و همچنین به علت بعد مسافت و هزینه، اقدام به استفاده از دادههای ماهوارهای میشود که در هر زمان، مکان و بدون هزینه دریافت خواهند شد. هدف از این پژوهش بررسی طبقهبندی اقلیمی ایران با دادههای ماهوارهای است که در تطابق با اقلیم نمای دومارتن و در طی سالهای 2016 تا 2019 بررسی شد و در آن از محصولات ماهوارهای سنجنده MODIS، شاخصهای LST،NDVI و از ماهواره TRMM، تصاویر GPM استفادهشده است. از ترکیب دو شاخص ذکرشده، شاخصTVDI محاسبه شد. پارامترهای مورداستفاده در اقلیم نمای دومارتن شامل متوسط دما و بارش سالانه است که با توجه به ارتباط نزدیکی که با دادههای ماهوارهای مورداستفاده نشان دادند، بهعنوان ورودیهای دومارتن ماهوارهای به کار گرفته شدند. در بررسی همبستگی پیرسون میان متوسط پارامترها، بارش با GPM و TVDI به ترتیب در ارتباط 52/0 و 56/0 و دمای هواشناسی با LST در همبستگی 90/0 قرار داشتند. نتایج این دادهها بیان داشت که میان روش دومارتن از دادههای ایستگاه هواشناسی با رابطه دومارتن حاصل از دادههای ماهوارهای حداقل همبستگی 55/0=rp و حداکثر 89/0=rp برقرار بود و نقشه پهنهبندی حاصل از حداکثر همبستگی، 90/0=Kappa را نشان داد؛ که بیشترین سطح اقلیمی در هردو طبقهبندی متعلق به اقلیم خشک در حدود 70 درصد و کمترین سطح، اقلیم مدیترانهای با کمتر از 5 درصد است
Knowing the natural characteristics of each region, especially identifying the climate classification, plays an important role in planning and optimal use of resources. In determining the climate, data such as temperature and precipitation can be used for the zoning of climates; However, due to the fact that some areas do not have terrestrial synoptic stations, satellite data is used, which will be received at any time, place and without cost. The purpose of this research is to investigate the climate classification of Iran with satellite data, which was checked in accordance with the climate of De martonne and during the years 2016 to 2019, and in it, the MODIS sensor satellite products, LST indices, NDVI and GPM images from TRMM satellite were used. The TVDI index was calculated from the combination of the two mentioned indices. The parameters used in the De martonne climate map include the average temperature and annual precipitation, which were used as the inputs of the satellite De martonne due to the close relationship they showed with the satellite data used. In the Pearson correlation analysis between average parameters, precipitation with GPM and TVDI were in correlation of 0.52 and 0.56, respectively, and meteorological temperature and LST were in correlation of 0.90. The results of these data stated that between the De martonne method of weather station data and the De martonne relationship obtained from satellite data, the minimum correlation was rp=0.55 and the maximum rp=0.89 and the resulting zoning map From the maximum correlation, it showed Kappa=0.90; The highest climate level in both classifications belongs to the dry climate at about 70% and the lowest level is the Mediterranean climate with less than 5%
_||_