ارزیابی انواع الگوریتم های پنجره مجزاء برای محاسبه دمای سطح زمین جهت تعیین بهترین الگوریتم برای تصاویر سنجنده مودیس
Publish Year: 1399
نوع سند: مقاله ژورنالی
زبان: Persian
View: 403
This Paper With 22 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_GIRS-11-2_006
تاریخ نمایه سازی: 4 شهریور 1399
Abstract:
پیشینه و هدف در سال های اخیر مطالعه تغییرات اقلیمی و همچنین تاثیرات آنها تبدیل به یک موضوع ثابت در عرصه های علمی بسیاری از کشورها شده است. یکی ازویژگی های اصلی این تغییرات، افزایش دمای هوا در طی 5 دهه اخیر نسبت به 500 سال گذشته است. به طوری که آمارها بیانگر افزایش یک درجه سانتی گراد در دمای هوا در طی 5 دهه اخیر هستند. به دمای تابشی پوسته زمین و به مقدار خالص انرژی که تحت شرایط اقلیمی درسطح زمین به توازن رسیده و به مقدار انرژی رسیده، گسیلمندی سطح، رطوبت و جریان هوای اتمسفر بستگی دارد، دمای سطح زمین میگویند. دمای سطح زمین بهعنوان یکی از متغیرهای کلیدی در مطالعات اقلیمی و محیطی سطح زمین محسوب می شود. همچنین از پارامترهای اساسی در خصوصیات فیزیک سطح زمین در همه مقیاس ها از محلی تا جهانی است. در حال حاضر مهمترین منبع داده های اقلیمی ایستگاه های هواشناسی میباشند و این ایستگاه ها آمار اقلیمی نقاط خاصی را ارائه می دهند در حالی که دما ممکن است در فواصل مختلف از این ایستگاه ها متحرک بوده و نسبت به ایستگاه مورد نظر کاهش یا افزایش داشته باشد. از این رو نیاز به تکنولوژیای که بتواند کاستی های ایستگاه های هواشناسی را در محاسبه دما در فواصل نمونه برداری و در مکانهای صعب العبور که امکان احداث ایستگاه هواشناسی وجود ندارد برطرف کند ضروری است. در سال های اخیر علوم جدیدی مانند سنجش از دور روشهای جدیدی را برای نظارت بر محیط و کسب، ارزیابی و تجزیه و تحلیل داده های محیطی فراهم آورده است و قابلیت ارائه طیف وسیعی از پارمترهای مربوط به محیط را دارا می باشد. این تکنولوژی به عنوان یک منبع مهم و فزاینده از اطلاعات برای مطالعه تغییرات اقلیمی که بر میزان دمای سطح زمین تاثیر مستقیم دارد مطرح می شود. در طی دو دهه گذشته برای محاسبه دمای سطح زمین 18 الگوریتم توسعه داده شده است که این الگوریتم ها در چهار دسته؛ مدل های وابسته به گسیلمندی، مدل های دو فاکتوره، مدل های پیچیده و مدل های بر مبنای رادیانس قرار دارند. بررسی نتایج مقایسه های انجام گرفته بین الگوریتم های مختلف نشان می دهد که الگوریتم های مختلف عملکرد متفاوتی را در موقعیت های مختلف با آب و هوای متفاوت جغرافیایی دارند. هدف از این تحقیق مقایسه انواع الگوریتم های محاسبه LST برای تصاویر سنجنده MODIS و تعیین بهترین الگوریتم برای استان آذربایجان شرقی میباشد. مواد و روش ها برای تبدیل ارزش های رقومی به تابش طیفی برای باندهای حرارتی تصاویر سنجنده MODIS استفاده قرار گرفت. تبدیل تابش طیفی به بازتاب طیفی با استفاده از رابطه پلانک، داده های حرارتی سنجنده MODIS، زمانی که توان تشعشعی آن ها حداکثر یک در نظر گرفته شوند، قابلیت تبدیل از تابش طیفی به بازتاب طیفی رادارند. در برآورد گسیلمندی سطحی از روش آستانه گذاری شاخص تفاضل نرمال شده گیاهی NDVI استفاده شد. جهت مشخص نمودن ویژگی های خاک در هر پیکسل و محاسبه میزان گسیلمندی و اختلاف گسیلمندی، توان تشعشعی به سه دسته تقسیم گردید؛ 0.2> NDVI به عنوان خاک خشک در نظر گرفته شده وتوان تشعشعی برای آن معادل 0.978 لحاظ میگردد. 0.5NDVI نتایج و بحث در بین 18 الگوریتم محاسبه دمای سطح زمین برای تصاویر سنجنده MODIS به ترتیب؛ الگوریتم سوبرینو با مقدار RMSE، 1.79 بیشترین دقت، الگوریتم کول کاسلیس و پراتا با مقدار RMSE، 2.58 در جایگاه دوم و همچنین الگوریتم های سالیسبوری و سوبرینو با مقدار RMSE، 2.79 جایگاه سومی را برای محاسبه LST در بین سایر الگوریتم ها دارا می باشند. الگوریتم کیین با مقدار RMSE، 5.28 کمترین دقت را برای محاسبه LST به خود اختصاص داده است. نتیجه گیری بررسی اطلاعات بدست آمده از مقایسه الگوریتم های پنجره مجزاء بیانگر تبعیت کلی دماهای محاسبه شده از شرایط توپوگرافی منطقه است، به طوری که تقریبا کمترین مقادیر درجه حرارت در تمام الگوریتم ها مربوط به قسمت های با ارتفاع بیشتر (کوهستانی) و پوشش سبز منطقه است و مقادیر دما در نواحی دارای ارتفاع پایین و فاقد پوشش گیاهی متراکم افزایش یافته است.
Keywords:
Authors
محمد کاظمی قراجه
کارشناسی ارشد سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکده برنامه ریزی و علوم محیطی، دانشگاه تبریز، تبریز، ایران
بهنام سلمانی
کارشناسی ارشد سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکده برنامه ریزی و علوم محیطی، دانشگاه تبریز، تبریز، ایران
بختیار فیضی زاده
دانشیار گروه سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکده برنامه ریزی و علوم محیطی ، دانشگاه تبریز ، تبریز، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :