استفاده از مدل TOPSIS براي تعيين LST و استفاده از الگوريتم ESTARFM براي ادغام LST سنجنده-هاي اپتيكي به منظور تهيه نقشه LST با قدرت تفكيك مكاني و زماني بهبود يافته

Combining the LST of optical sensors using the topsis model and the ESTARFM algorithm in order to prepare an improved spatial/temporal resolution LST map

براي تعيين دماي سطح زمين (LST ) با استفاده از تصاوير ماهواره اي، روش هاي متفاوتي وجود دارد و تعيين دقيق اين پارامتر همچنان مسئله اي چالش برانگيز است. در اين تحقيق از پنج الگوريتم پلانك و الگوريتم معادله انتقال تابشي و الگوريتم تك پنجره و الگوريتم تك كاناله و الگوريتم پنجره مجزا استفاده شده است. علاوه بر روش هاي نام برده شده، از ميانگين ساده و ميانگين وزن دار اين الگوريتم ها نيز استفاده شده است كه وزن هر روش در ميانگين وزن دار به كمك الگوريتم چند معياره TOPSIS محاسبه شده است. از اين روش ها براي تعيين LST در منطقه اي در استان فارس در جنوب شهرستان مرودشت استفاده شده است و همزمان با عبور ماهواره لندست از منطقه مورد نظر، دماي سطح زمين براي 25 نقطه زميني برداشت شده است. نتايج نشان مي دهد دقت روش تركيبي در تعيين LST نسبت به ساير الگوريتم هاي استفاده شده بيشتر است (RMSE=0.552oK). داده هاي دقيق LST با توزيع مكاني-زماني پيوسته، نقش مهمي در زمينه پايش رطوبت و تبخير، تغييرات آب و هوايي و تغييرات محيط زيست دارند. در حاليكه قدرت تفكيك مكاني و زماني داده هاي ماهواره اي با هم نسبت عكس دارند، با استفاده از الگوريتم هاي ادغام مي توان براي افزايش همزمان قدرت تفكيك مكاني و زماني داده ها استفاده كرد. در اين مقاله از الگوريتم ESTARFM براي ادغام LST سنجنده هاي لندست و موديس استفاده شده است و در دو ناحيه در شهرستان مرودشت و زرقان در استان فارس، مقدار LST در تاريخ پيش بيني محاسبه شده است و با مقدار LST محاسبه شده به كمك تصاوير لندست در زمان مورد نظر مقايسه شده است. براي اين صحت سنجي از پارامترهاي RMSE و MAE استفاده شده است. در مناطق دوم و سوم مقدار RMSE در بازه 2.04-1.87 درجه كلوين و مقدار MAE در بازه 1.43-1.32 درجه كلوين تغيير كرده است كه نشان دهنده دقت الگوريتم ادغام مورد استفاده در مناطق مطالعاتي مي باشد.

There are different methods for determining the land surface temperature (LST) using satellite images, and the exact determination of this parameter is still a challenging issue. Five Planck algorithms, radiative transfer equation algorithm, single window algorithm, single channel algorithm and mono window algorithm have been used in this research. In addition to the mentioned methods, the simple average and the weighted average of these algorithms have also been used, and the weight of each method in the weighted average has been calculated with the help of the TOPSIS multi-criteria algorithm. These methods have been used to determine LST in an area in Fars province in the south of Marvdasht city, and simultaneously with the passage of the Landsat satellite over the target area, the surface temperature of 25 ground points has been taken. The results show that the accuracy of the combined method in determining LST is higher than other used algorithms (RMSE=0.552oK). Accurate LST data with continuous spatio-temporal distribution play an important role in the field of humidity and evaporation monitoring, climate changes and environmental changes. While the spatial and temporal resolution of satellite data are opposite to each other, integration algorithms can be used to simultaneously increase the spatial and temporal resolution of the data. In this article, the ESTARFM algorithm has been used to integrate the LST of Landsat and MODIS sensors and in two areas in Morodasht and Zarghan cities in Fars province, the LST value on the forecast date has been calculated and with the LST value calculated with the help of images Landsat has been compared at the target time. RMSE and MAE parameters have been used for this verification. In the second and third regions, the RMSE value has changed in the range of 2.04-1.87 oK and the MAE value has changed in the range of 1.43-1.32 oK, which indicates the accuracy of the integration algorithm used in the study areas.