ارزيابي كمي و صحت سنجي دماي سطح زمين سنجنده TM به كمك ايستگاه‌هاي هواشناسي سينوپتيك

Quantitative assessment and validation of the TM land surface temperature using synoptic weather stations

مطالعه حاضر با هدف ارزيابي كارايي دو الگوريتم آرتيس و سوبرينا در استخراج دماي سطح زمين از باند مادون قرمز حرارتي تصوير TM سال 2009 در منطقه دامنه استان اصفهان صورت گرفت و صحت نقشه‌هاي دمايي حاصله از تصوير زمين مرجع شده با داده‌هاي دماي سطح زمين كه در 10 ايستگاه هواشناسي جمع آوري شده بود با استفاده از آناليز رگرسيون خطي ارزيابي گرديد. نتايج نشان داد كه هر دو الگوريتم قابليت پهنه‌بندي توزيع مكاني دماي سطح زمين در منطقه مطالعاتي را دارند و همبستگي بالاي ميان اين دو روش مؤيد اين امر بود (R>0.97)، ولي الگوريتم آرتيس نسبت به سوبرينا كارايي بهتري را نشان داد. اين الگوريتم بيش از 72% از تغييرات دماي سطح زمين كه توسط ايستگاه‌هاي زمين ثبت شده بود را بخوبي نشان داد. مطابق اين روش، اراضي بدون پوشش گياهي و مناطق با پوشش گياهي بالا در زمين‌هاي كشاورزي و مراتع بترتيب بالاترين (328 كلوين) و كمترين (291 كلوين) دماي سطح زمين در منطقه را داشتند. نتايج مطالعه بيانگر آن بود كه با كاهش پوشش گياهي مقادير دمايي افزايش مي‌يابد، بنابراين، اطلاعات دمايي بدست آمده از داده‌هاي سنجش از دور با پوشش وسيع مكاني خود مي‌تواند نقش كليدي در مديريت اكوسيستم‌ها بازي كند.

Land surface temperature (LST) is an essential parameter in ecological, hydrologic, climatic, and related studies. The objective of this study was to evaluate the performance of Artis and Sobrino algorithms for retrieving LST from 2009 Landsat TM thermal infrared band in Damaneh region of Isfahan province. The accuracy of LST extracted from geometrically corrected image was then assessed against field-based LST data recorded at 10 meteorological stations using linear regression analysis. The results showed that both algorithms were able to map LST spatial distribution in the region and they were significantly correlated (R>0.97), but the Artis algorithm performed slightly better than Sobrino one. This algorithm explained up to 72% of the variation in the field measurements of LST. According to this algorithm, bare lands and highly vegetated agricultural and rangeland areas had the highest (328k0) and lowest LST (291k0) in the region, respectively. As the results indicated here the decrease in vegetation cover corresponds with increase in temperature values, therefore, remotely-sensed LST information with their extensive coverage can have a key role in ecosystem management.