برآورد خرد-پيكسلي دماي آب درياچه اروميه به كمك روش جداسازي طيفي باندهاي مادون قرمز حرارتي تصاوير ماهواره‎اي

Subpixel water temperature estimation of Urmia lake using un mixing approach of thermal infrared satellite images

دماي آب يك شاخص مهم محيطي در مطالعه آبراهه ها، رودخانه ها ودرياچه هاست، همچنين اهميت زيادي در مديريت منابع طبيعي و محيط زيست دارد. هرچند با استفاده از تصاوير با توان تفكيك بالا، امكان برآورد دقيق تر دماي سطح آب ممكن است، ولي به دليل دوره بازگشت زماني زياد، اين داده ها قابليت كاربردي بالايي ندارند. در عوض، تصاويري با توان تفكيك مكاني پايين تر مانند MODIS، به دليل دوره بازگشت كوتاه (چندين بار در روز) براي برآورد پارامترهاي پديده‎هايي پويا مانند آب مناسب‎تر هستند. به منظور بهره‌گيري كامل از تصاوير با قدرت تفكيك پايين، يك روش خلوص زير پيكسل بسط داده شده و بر روي درياچه اروميه بررسي شد. اين رويكرد صحت نقشه هاي دماي آب تصاوير با قدرت تفكيك پايين را بهبود داد كه اين امر از مرزهاي آبي استخراج شده از عوارض آب برداري بدست آمد. با استخراج سهم هر جز تصوير( آب و خشكي) و محاسبه گسيلمندي مربوط به هر جز تصوير در نهايت با استفاده از الگوريتم split window دماي آب استخراج شد و نقشه دمايي زير پيكسل آب درياچه اروميه با نقشه دمايي حاصل از باندهاي حرارتي ASTER مقايسه شد و خطاي ميانگين بين دو تصوير 58/ درجه سانتيگراد بدست آمد كه اين نشان مي دهد نتيجه مطلوبي حاصل شده است.

Measuring water temperature is an important environmental index in order to study narrow channels, rivers, and lakes. Also, it has important role in environmental and water resources management. Although high resolution data can provide better estimation of surface water temperature, but due to their low temporal resolution, they have less applicability. In contrast, low spatial resolution data like Modis images, due to their high temporal resolution (several times a day), is more suitable for estimating parameters of dynamic phenomenon such as water temperature. In order to use low resolution images, a sub-pixel unmixing technique was developed and tried on Urmia lake waters. This approach leads an improvement in accuracy of water temperature maps derived from vectors water features. After derivation of each image fractions for water and land and calculation of emissivity of each fraction, water temperature was estimated using Split Window algorithm. Then temperature water sub-pixel was compared to the temperature map obtained from ASTER thermal bands. Standard error between the images was estimated to be 0.58 centigrade, which is a favorable result.