تخمین دمای سطح زمین با استفاده از شاخص اختلاف نرمال شده (NDVI) در تصاویر سنجنده های MODIS و Landsat ETM+
Publish place: Journal of Agricultural Meteorology، Vol: 1، Issue: 1
Publish Year: 1392
Type: Journal paper
Language: Persian
View: 247
This Paper With 12 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
JR_AGRIMET-1-1_002
Index date: 15 May 2021
تخمین دمای سطح زمین با استفاده از شاخص اختلاف نرمال شده (NDVI) در تصاویر سنجنده های MODIS و Landsat ETM+ abstract
دمای سطح زمین از جمله مهم ترین عواملی است که در تخمین بسیاری از پارامترهای هیدرولوژیکی در مقیاس منطقه ای مورد استفاده قرار می گیرد. این پارامتر با حضور باندهای حرارتی در سنجنده ها قابل اندازه گیری است. این تحقیق با استفاده از تصاویر سنجنده های ETM+ و MODIS در اراضی پایین دست شبکه آبیاری دشت قزوین انجام گرفت. در این تحقیق چهار سناریو پیشنهاد گردید و نتایج با استفاده از داده های لایسیمتر حجمی موجود در منطقه مورد ارزیابی قرار گرفت. نتایج نشان داد که در صورتی که پیکره های آبی از تصاویر ماهواره ای حذف گردند، یک رابطه معکوس بین شاخص گیاهی NDVI و دمای سطح در هر دو سنجنده ETM+ و MODIS مشاهده می شود. با وجودی که رابطه غیرخطی انطباق بهتری را نسبت به رابطه خطی تولید می نماید ولی این اختلاف فاحش نیست. کاربرد روش تجمیع ساده نسبت به روش تجمیع با استفاده از داده های نزدیک ترین همسایه نتایج قابل قبولی را تولید می نماید. از میان سناریوهای پیشنهادی، تفکیک اولیه اراضی و اعمال الگوریتم پیشنهادی در اراضی با کاربری پوشش گیاهی بهترین انطباق را بین داده های دمای سطح زمین و شاخص گیاهی NDVI تولید می نماید.
تخمین دمای سطح زمین با استفاده از شاخص اختلاف نرمال شده (NDVI) در تصاویر سنجنده های MODIS و Landsat ETM+ Keywords:
تخمین دمای سطح زمین با استفاده از شاخص اختلاف نرمال شده (NDVI) در تصاویر سنجنده های MODIS و Landsat ETM+ authors
عباس کاویانی
استادیار گروه مهندسی آب، دانشگاه بین المللی امام خمینی (ر.ه)، قزوین
تیمور سهرابی
استاد گروه مهندسی آبیاری و آبادانی دانشگاه تهران، کرج
پیمان دانش کارآراسته
دانشیار گروه مهندسی آب، دانشگاه بین المللی امام خمینی(ر.ه)، قزوین
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 :