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
محورهای موضوعی : اقلیم شناسی
بتول زینالی
1
,
شهناز پناهی
2
,
شیرین مهدویان
3
1 - دانشیار، گروه جغرافیای طبیعی، دانشکده علوم اجتماعی، دانشگاه محقق اردبیلی ، اردبیل، ایران.
2 - کارشناسی ارشد، گروه اقلیم شناسی، دانشکده علوم اجتماعی، دانشگاه محقق اردبیلی،اردبیل، ایران.
3 - گروه اقلیم شناسی، دانشکده علوم اجتماعی، دانشگاه محقق اردبیلی،اردبیل، ایران.
کلید واژه: کاربری زمین, دمای سطح زمین, الگوریتم پنجره مجزا, شهرستان پارس‌آباد,
چکیده مقاله :
دمای سطح زمین از کلیدی‌ترین پارامترهایی است که می‌تواند اطلاعات باارزشی از خصوصیات فیزیکی سطح زمین و هوای اطراف آن مهیا کند. 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.
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.
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.
_||_