اعتبارسنجي دماي سطح حاصل از تصاوير ماهواره اي موديس و لندست- 5 (مطالعه موردي: مزارع گندم دشت مرودشت)

Validation of land surface temperature (LST) from Landsat-5 and MODIS Images (Case study: Wheat fields of Marvdasht Plain)

سابقه و هدف: دماي سطح زمين يك متغير كليدي در برآورد بيلان انرژي مي باشد كه در بررسي تغيير اقليم نقش تعيين كننده اي دارد. به همين دليل، پايش منطقه اي دماي سطح زمين در دهه هاي اخير مورد مطالعه و تحقيق بسياري از دانشمندان علوم مختلف قرار گرفته است. در گذشته دماي سطح زمين به وسيله ابزار سنجش دما، به شيوه زميني اندازه گيري مي شد كه در سطح وسيع مقرون به صرفه نمي باشد. استفاده از تصاوير ماهواره اي براي تخمين دماي سطح، دسترسي به دما در حوزه و منطقه وسيع را آسان تر و كم هزينه تر نموده است. در اين تحقيق محصول دماي سنجنده موديس (MOD11) مورد ارزيابي قرار گرفت. اما از آن جا كه به دليل به كار بردن ضرايب تصحيحي كه ممكن است در ايران پاسخگو نباشد، افزون بر تصاوير سنجنده فوق، تخمين دما با استفاده از تصاوير لندست (TM5) كه قدرت مكاني آن از تصاوير موديس بسيار بالاتر است، نيز مورد آزمون و مطالعه قرار گرفت. مواد و روش ها: براي انجام اين پژوهش از دو دسته داده هاي زميني و ماهواره اي استفاده شد. داده هاي دما در 261 نقطه زميني با استفاده از دماسنج مادون قرمز برداشت گرديد. اندازه گيري هاي زميني در 4 سطح گياه شامل، تاج پوشش، ميانه، 10 سانتي متري از كف و سطح خاك انجام پذيرفت و پس از پردازش هاي لازم داده هاي مناسب انتخاب گرديد. داده هاي ماهواره اي، دربرگيرنده 26 تصوير سنجنده موديس (MOD11 و MOD02) و 2 تصوير Level- 1G لندست-5 است، مي باشد. منطقه مورد مطالعه مزارع گندم شهرستان مرودشت واقع در استان فارس مي باشد. پس از انجام تصحيحات لازم، دماي سطح با استفاده از باند حرارتي تصوير لندست-5 محاسبه شد. بعد از تخمين دما از تصاوير لندست-5 و سنجنده موديس، در نقاط برداشت زميني اقدام به استخراج دما از تصاوير دماي سطح ماهواره لندست-5 و سنجنده موديس گرديد و سپس رابطه بين داده هاي مشاهده اي و تخمين زده شده دماي سطح از تصاوير لندست-5 و سنجنده موديس استخراج شد. رابطه داده هاي تخميني با داده هاي برداشت زميني دما در 4 سطحِ گياه مورد آزمون قرار گرفت. همچنين، با استفاده از 3 الگوريتم پنجره مجزا، بكر و لي (1990)، پرايس (1984) و يوليوري (1994) دماي سطح در منطقه مورد مطالعه تخمين زده و ضرايب الگوريتم هاي پنجره مجزا براي منطقه مورد مطالعه واسنجي گرديد. با استفاده از داده هاي اندازه گيري شده دماي سطح، داده هاي تخمين زده شده اعتبارسنجي گرديد. در اين پژوهش براي تعيين معني داري تفاوت بين جفت داده هاي مشاهده اي و تخميني از آزمون فيشر استفاده شده است. يافته ها: نتايج نشان مي دهد كه دماي سطح تخمين زده شده به وسيله ماهواره بيشترين همبستگي را با دماي تاج پوشش گياهي دارد. بنابراين كليه محاسبات آماري بر روي دماي تاج پوشش گياه انجام پذيرفت. دماي تخمين زده شده به وسيله ماهواره لندست و سنجنده موديس حاكي از بيش برآورد دما با خطاي RMSE به ترتيب 4/4 و 7/1 درجه سلسيوس بود. خطاي دماي سطح تخمين زده شده با استفاده از الگوريتم هاي پنجره مجزا بين 3/5 تا 3/9 درجه سلسيوس برآورد گرديد كه بهترين پاسخ را الگوريتم بكر و لي داشت. براي تعيين وجود يا عدم وجود اختلاف معني دار بين داده هاي زميني و داده هاي تخمين زده شده و به دست آمده از الگوريتم هاي محاسبه دما، از آزمون فيشر استفاده گرديد كه اختلاف معني داري در هيچ يك از جفت داده ها مشاهده نگرديد. نتيجه گيري: استفاده از تصاوير ماهواره اي براي مطالعاتي كه دما به صورت نسبي در يك منطقه وسيع مقايسه مي گردد، بسيار كارآمد و مقرون به صرفه است ولي براي مطالعات دقيق نقطه اي و خرد اقليم در حال حاضر توصيه نمي گردد. انتخاب نوع تصاوير ماهواره (لندست يا موديس) به دقت مورد نياز براي برآورد پهنه اي يا نقطه اي دما بستگي دارد.

Background and Objectives: Land surface temperature (LST) is a key parameter in estimating energy balance that has determinating role in climate change studies. Various scientists have studied monitoring of LST in recent decades. The land surface temperature, which is measured by means of thermometers for certain points, for large scale basin is not cost effective. Using satellite images for estimating LST make the estimates easier and more economical than ground measurement. In this study, MODIS land surface temperature (LST) was evaluated. In addition, due to use of correction factors which may not always be available for Iran, land surface temperature estimated by Landsat 5 image, which its spatial resolution is much higher than MODIS, was also evaluated. Materials and Methods: For this study, two groups of data were used: satellite data and in-situ data. Ground measurements were collected from 261 points of a wheat farm in Marvdasht plain located in Fars province. Temperature was measured in four height of wheat including: canopy cover, middle, 10 centimeters from floor and soil surface. After statistical tests, acceptable data were selected for the comparison. In this study, twenty-eight satellite images were implemented; including 26 MODIS images (MOD02 & MOD11 product) and 2 level-1G Landsat 5 images. Land surface temperature was estimated from thermal band’s of Landsat 5 images by applying the necessary corrections. After providing land surface temperature (LST) maps, land surface temperature was extracted from LST map (Landsat5 & MODIS) based on the measurement points. Afterward, the equation between the observed data and estimated surface temperatures from Landsat 5 (MODIS images) were obtained. Relationship between estimated and in-situ data was analyzed for four different heights of the wheat. Land surface temperatures were also estimated by three different split–window algorithms from Becker and Li, Price and Ultivertal and the coefficients were calibrated. Finally, Fisher test was used to determine significant differences between the observed and the estimated data. Results: It was found that the estimated temperature by satellite has the best correlations with the plant canopy temperature. Estimated data were evaluated against the in-situ data. Results showed that Landsat and MODIS images overestimated the LST by RMSE of 4.4 oC and 7.1 oC respectively. Error of Estimating LST with split–window algorithms was within the range of 3.5–3.7 degree centigrade. Among the three studied algorithms, Becker and Li approach showed the best performance (the least error). The significant differences between in-situ data and the satellite estimates were examined by Fisher Test. No significant differences were observed in any of the pairs of data. Conclusion: For meso-scale and large-scale studies, using satellite images is more efficient and economic than the point surface measurements. The choice of satellite images (Landsat or MODIS) is depend on the accuracy which is expected from the study.