بررسی رابطه تغییرات دمای سطحی زمین (LST) و پوشش گیاهی با تصاویر لندست (مطالعه موردی شهر اصفهان)
Publish place: National Conference on Application Models of Advanced Space Analysis (Remote Sensing and GIS) in the Land
Publish Year: 1393
Type: Conference paper
Language: Persian
View: 1,805
This Paper With 11 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
GISLS01_003
Index date: 10 July 2015
بررسی رابطه تغییرات دمای سطحی زمین (LST) و پوشش گیاهی با تصاویر لندست (مطالعه موردی شهر اصفهان) abstract
ماهواره های سنجش از دوری با دریافت امواج الکترومغناطیسی از سطح زمین تصویربرداری می کنند. این تصاویر تولیدی براساس باند برداشت تصویر در گستره طیف الکترومغناطیس، کاربردهای متفاوتی دارند. محدوده مادون قرمز حرارتی یکی ازمحدوده های حایز اهیمت در سنجش از دور است که نقش بسزایی در تعیین دمای سطحی زمین دارد. در این پژوهش با درنظر گرفتن تصاویر ماهواره LandSat پنج و هشت، در بازه زمانی 24 سال، به بررسی دمای سطح شهر اصفهان در سالهای2014 و 1990 و مقایسه تغییرات کاربری اراضی در طول این دوره زمانی پرداخته می شود. روش ها و الگوریتم های مختلفیبرای تعیین دمای سطح زمین ارائه گردیده است که محاسبه دقیق آن به محاسبه ضریب گسیل سطوح مختلف بسدتگی دارد.در این مقاله برای محاسبه دمای سطح زمین از شاخص پوشش گیاهی NDVI استفاده شده است و سپس به وجود پوششگیاهی و رابطه آن با دمای سطح پرداخته شده است و نتایج نشان می دهد خشک شدن زاینده رود و افزایش مساحت شهر واز بین رفتن زمین های کشاورزی شرق استان باعث تغییرات دمایی شده است.
بررسی رابطه تغییرات دمای سطحی زمین (LST) و پوشش گیاهی با تصاویر لندست (مطالعه موردی شهر اصفهان) Keywords:
بررسی رابطه تغییرات دمای سطحی زمین (LST) و پوشش گیاهی با تصاویر لندست (مطالعه موردی شهر اصفهان) authors
زین العابدین حسینی
استادیار دانشکده منابع طبیعی و کویرشناسی دانشگاه یزد
نسیم زرنگ
دانشجوی کارشناسی ارشد رشته - RS&GIS دانشگاه آزاد اسلامی واحد یزد
مرضیه حاجیلو
دانشجوی کارشناسی ارشد رشته - RS&GIS دانشگاه آزاد اسلامی واحد یزد
مریم داداشی
دانشجوی کارشناسی ارشد رشته - RS&GIS دانشگاه آزاد اسلامی واحد یزد
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 :