كليدواژه :
درجه حرارت سطح زمين , روش استفان - بولتزمن , ماهواره لندست , اراضي ساحلي
چكيده فارسي :
دماي سطح زمين (LST) از آنجايي كه آب و هوا و محيط را در سطح محلي، منطقه‌اي و جهاني تحت تأثير قرار مي‌دهد، امروزه به عنوان به يك موضوع مهم در جهان تبديل شده است كه اين تغييرات در دماي سطح زمين عمدتاً ناشي از شهرنشيني، فعاليت‌هاي انساني و تغيير در كاربري و پوشش زمين بوجود مي‌آيد. با توجه به محدوديت ايستگاه‌هاي هواشناسي، سنجش از دور مي‌تواند به عنوان پايه و اساس بسياري از داده‌هاي هواشناسي مورد استفاده قرار گيرد. يكي از مهمترين جنبه‌هاي كاربردي سنجش از دور در مطالعات اقليم شناسي برآورد دماي سطح زمين مي‌باشد. در اين تحقيق درجه حرارت سطح زمين بين سال‌هاي 1990 تا 2018 از تصاوير سنجنده‌هاي TM و OLI اراضي ساحلي بوشهر، از روش استفان- بولتزمن استخراج شد.
مواد و روش‌ها منطقه مطالعه اراضي شهر بوشهر كه در ساحل شمالي خليج‌فارس، با ابعاد 20 در 8 كيلومتر با مساحت 1011.5 كيلومترمربع و با متوسط حداقل دما 18.1 درجه سانتي‌گراد و متوسط حداكثر دماي 33 درجه سانتي‌گراد، ميزان رطوبت نسبي بين 75-58 در صد و متوسط بارندگي ساليانه 272 ميلي‌متر در موقعيت جغرافيايي '50°50 تا '10°51 طول شرقي و '40°28 تا '00°29 عرض شمالي واقع شده است. داده‌هاي مورد استفاده در اين تحقيق شامل؛ داده سنجنده لندست 8(OLI) در سال 2018 و داده TM در سال 1990 كه از مركز داده‌هاي سازمان زمين شناسي ايالات متحده (USGS) دانلود گرديد. جهت محاسبة پارامترهاي مربوط به استخراج دما از داده‌هاي هواشناسي ايستگاه‌هاي سينوپتيك مستقر در منطقه موردمطالعه استفاده شد. بعد از اخد تصاوير، به‌دليل بزرگ‌تر بودن محدوده تصاوير اخذ شده، تصاوير برش داده شدند (Resize) و سپس تصحيح هندسي تصاوير با استفاده از نقشههاي توپوگرافي به مقياس 1:25000 انجام شد و كليه تصاوير به سيستم مختصات UTM ناحيه 39 شمالي انطباق داده شدند. در تصحيح هندسي تمام تصاوير خطاي RMS كمتر از 0.5 پيكسل بود. براي مقايسه نتايج اجراي روش استفان- بولتزمن براي استخراج LST با داده‌هاي زميني داده‌هاي نقشههاي حرارتي به‌دست آمده با داده‌هاي دماي خاك (به‌دست آمده از ايستگاه‌هاي هواشناسي موجود در محدوده انتخاب شده) مقايسه شد. به‌منظور ارزيابي روش استفان-بولتزمن از داده‌هاي زميني، از روش آماري شاخص ميانگين خطاي مطلق استفاده شد.
نتايج و بحث ميانگين حداقل و حداكثر درجه حرارت سطح زمين LST استخراج شده از تصوير TM سال 1990 به ترتيب 26.5 و 45 درجه سانتي‌گراد و براي تصوير OLI سال 2018 به ترتيب 30.1 و 48.6 درجه سانتي‌گراد بدست آمد. نتايج نشان داد كه مقادير شاخص ميانگين خطاي مطلق براي سنجنده‌هاي TM و OLI، به‌ترتيب برابر با 7.1 و 5.6 است. نتايج تحقيق نشان داد كه روش استفان- بولتزمن، نتيجه قابل اعتماد و مطمئني را در برآورد دماي سطح زمين ارائه داد.
نتيجه‌گيري اين تحقيق با هدف استخراج LST با روش استفان-بولتزمن است. نتايج اين روش با استفاده از شاخص آماري ميانگين خطاي مطلق براي دورۀ مطالعاتي (1990-2018) برآورد گرديد. اجراي شاخص ميانگين خطاي مطلق بر روي نقشههاي حرارتي توليد شده، مشخص شد كه روش استفان-بولتزمن براي تحقيقات آتي در زمينه‌هاي سنجش‌ازدور حرارتي با مشاهده نتايج حاصل از استفاده شاخص MAE بر روي نقشههاي حرارتي مناسب است. بنابراين نتايج نشان داد كه روش استفان-بولتزمن مناسب براي برآورد دماي سطح زمين در اراضي مناطق ساحلي است. در نهايت، پيشنهاد مي‌شود كه براي توصيف كمي الگوهاي LST از يك روش مبتني بر GIS/RS و روش‌هايي مانند همبستگي مكاني و نيمه‌واريانس استفاده شود.
چكيده لاتين :
Land surface temperature (LST) has become an important issue in the world today, as it affects the climate and environment at the local, regional and global levels, and these changes in land surface temperature are mainly caused by it arises from urbanization, and human activities and extreme Landuse and Land-cover (LULC) changes. Due to the limitations of meteorological stations, remote sensing can be used as the basis of many meteorological data. One of the most important practical aspects of remote sensing in climate studies is the estimation of surface temperature. In this research, the temperature of the earth's surface between 1990 and 2018 was extracted from the images of TM and OLI sensors of the coastal lands of Bushehr, using the Stefan-Boltzmann method.
Materials and Methods The land study area of Bushehr city, which is on the northern coast of the Persian Gulf, with dimensions of 20×8 km2 an area of 1011.5 km2 and with an average minimum temperature of 18.1oC and an average maximum temperature of 33 oC, relative humidity between 58-75% and the average annual rainfall is 272 mm, it’s located in the geographical location of 50°50' to 10°51 E longitude and 28°40' to 29°00' N latitude. The data used in this research include; Landsat 8 (OLI) data in 2018 and TM data in 1990, which were downloaded from the United States Geological Survey (USGS) data center (https://earth explorer.usgs.gov). In order to calculate the parameters related to temperature extraction, the meteorological data of the synoptic stations located in the studied area were used. After taking the images, due to the larger range of the images, the images were cut (Resized) and then the geometric correction of the images was done using topographic maps on a scale of 1/25000 and all the images were adjusted to the UTM coordinate system of the 39 N were adapted. In geometric correction, the RMS error of all images was less than 0.5 pixels. In order to compare the results of Stefan-Boltzmann method for extracting LST with ground data, thermal map data obtained was compared with soil temperature data (obtained from meteorological stations in the selected area). In order to evaluate the Stefan-Boltzmann method from ground data, the Mean Absolute Error (MAE) index statistical method was used.
Results and Discussion The average minimum and maximum Land surface temperature (LST) extracted from the 1990 TM image was 26.5 and 45 °C, respectively, and for the 2018 OLI image, it was 30.1 and 48.6 °C, respectively. The results showed that the Mean Absolute Error (MAE) index values for TM and OLI sensors are to 7.1 and 5.6, respectively. The results of the research showed that the Stefan-Boltzmann method provided a reliable result in estimating the Land surface temperature.
Conclusion This research aims to extract LST by Stefan-Boltzmann method. The results of this method were estimated using the Mean Absolute Error (MAE) statistical index for the study period (1990-2018). Applying the MAE on the produced thermal maps, it was found that the Stefan-Boltzmann method is suitable for future research in the fields of thermal remote sensing by observing the results of using the MAE index on thermal maps. Therefore, we conclude that the Stefan-Boltzmann method is suitable for estimating the surface temperature of the land in coastal areas. Finally, it is suggested that for quantitatively describing LST patterns a GIS/RS-based method, and methods such as spatial autocorrelation and semivariance are used.
