تعيين درجه حرارت سطح اراضي شهري با استفاده از تصاوير ماهواره لندست (مطالعه موردي: كرج)

Determination of urban surface temperature using landSat images (Case study: Karaj)

درجه حرارت سطح زمين يك شاخص اصلي تعادل انرژي در كره زمين مي باشد و به عنوان ورودي داده در مدل هاي تغييرات آب و هوايي، جزاير حرارتي شهري، انتخاب بهترين زمان براي فعاليت-هاي كشاورزي، مطالعه آتشفشان ها، فعاليت هاي زمين گرمايي و شناسايي آتش سوزي استفاده مي گردد. در اين تحقيق درجه حرارت سطح زمين در سال هاي 1985 تا 2003 با استفاده از 4 تصوير از سنجنده هاي TM وETM+ استخراج شد. روش هاي مورد استفاده براي استخراج درجه حرارت سطح زمين شامل دفتر علوم لندست، پنجره تكي، سبال، استفان- بولتزمن و تك كانالي مي باشد. به دليل كثرت روش ها و تعداد تصاوير مورد استفاده در اين تحقيق و همچنين به منظور مشخص نمودن كارآمدترين روش استخراج درجه حرارت سطح زمين از نظر نزديكي به داده هاي زميني، استفاده از يك روش آماري براي انتخاب بهترين روش اجرا شده، مورد نياز است. شاخص آماري مورد استفاده در اين تحقيق، شاخص ميانگين خطاي مطلق مي باشد. نتايج نشان داده است كه در بين روش هاي مورد استفاده بهترين روش در هر دو سنجنده TM و ETM+، روش استفان- بولتزمن مي باشد كه در آن مقادير شاخص ميانگين خطاي مطلق براي سنجنده-هاي TM و ETM+ به ترتيب برابر با 3/4 و 8/6 بوده و كمترين مقدار را در بين ساير نتايج دارا مي باشد.

Land surface temperature is a key indicator of energy balance. Besides, it serves as input data for models of climate change, agriculture, meteorology, urban heat islands, choosing the best time to agricultural activities, study of volcanic and geothermal activity, and fire detection. In this study land surface temperature has been extracted by available methods using 4 images of TM and ETM+ sensors of Landsat in span years of 1985 to 2003. The methods of land lurface temperature extraction included landsat project science office, mono window, SEBAL, Stefan-Boltzmann and single channel. Because of the multiplicity of methods and the number of images used in this study using a statistical method is required. It is required to determine the most efficient extraction method of land surface temperature, which is close to the existing field data. The statistical indicator used in this study was a mean absolute error (MAE). The results indicated that Stefan-Boltzmann method was the best method for both TM and ETM+ sensors. The MAE values for TM and ETM+ were 4.3 and 6.8 respectively, which showed a minimum value among other results.