برآورد دماي سطحي در اراضي كشاورزي با استفاده از تصاوير ماهواره اي (مطالعه موردي: شبكه آبياري سليمانشاه)

Estimation of Surface Temperature in Agricultural Lands Using Satellite Images (Case Study: Soleimanshah Irrigation Network)

دماي سطحي متغير مهمي است كه در انرژي سطح زمين و بيلان آب دخيل است و يك مولفه كليدي در بسياري از جنبه­هاي تحقيقات محيطي است. دماي سطحي معمولا بر اساس باندهاي حرارتي محاسبه مي‌شود. باندهاي حرارتي ماهواره لندست 8 جديدترين باندهاي حرارتي مادون قرمز هستند كه شامل دو باند حرارتي مجاور با تفكيك مكاني 30 متري هستند. روش‌هاي مختلفي جهت محاسبه دماي سطحي وجود دارد. اين روش‌ها سه گروه هستند: روش‌هايي كه فقط به داده‌هاي ماهواره‌اي نياز دارند، روش‌هايي كه به داده‌هاي ماهواره‌اي و شاخص سطح برگ (LAI) نياز دارند و روش‌هايي كه به داده‌هاي ماهواره‌اي و داده‌هاي هواشناسي نياز دارند. در اين تحقيق مقدار دماي سطحي به وسيله روش‌هاي معكوس تابع پلانك، الگوريتم سبال، الگوريتم آماري تك پنجره، الگوريتم شكاف پنجره، الگوريتم تك پنجره، معادله انتقال تابشي، الگوريتم شكاف پنجره سابرينو، الگوريتم سازماني سازمان ملي اقيانوسي و جوي مشترك با اداره ماهواره‌اي قطبي و الگوريتم تك كاناله تخمين زده شد. سپس نتايج با دماي سطحي اندازه‌گيري شده در سطح ناحيه عمراني LPT2 شبكه آبياري سليمانشاه در طول فصل رشد آفتابگردان آجيلي در سال 1399 بر اساس دو معيار و RMSE مقايسه شد. نتايج نشان داد كه روش‌هايي كه به داده‌هاي هواشناسي وابسته نيستند، از قبيل روش‌هاي معكوس تابع پلانك (PIF)، الگوريتم سبال (SEBAL)، الگوريتم آماري تك پنجره (SMW)، الگوريتم شكاف پنجره (SWA) و الگوريتم تك پنجره (MWA) به‌ترتيب از دقت بالايي برخوردارند. از بين آن‌ها روش معكوس تابع پلانك با مقادير و RMSE به ترتيب برابر 0.6 و 4.2 درجه سانتيگراد بالاترين دقت را دارد. روش‌هاي الگوريتم شكاف پنجره سابرينو (SSWA)، الگوريتم سازماني سازمان ملي اقيانوسي و جوي مشترك با اداره ماهواره‌اي قطبي (JPSS-NOAA) و الگوريتم تك كاناله (SCA) به‌ترتيب از دقت پاييني برخوردارند. دماي سطحي متغير مهمي است كه در انرژي سطح زمين و بيلان آب دخيل است و يك مولفه كليدي در بسياري از جنبه­هاي تحقيقات محيطي است. دماي سطحي معمولا بر اساس باندهاي حرارتي محاسبه مي‌شود. باندهاي حرارتي ماهواره لندست 8 جديدترين باندهاي حرارتي مادون قرمز هستند كه شامل دو باند حرارتي مجاور با تفكيك مكاني 30 متري هستند. روش‌هاي مختلفي جهت محاسبه دماي سطحي وجود دارد. اين روش‌ها سه گروه هستند: روش‌هايي كه فقط به داده‌هاي ماهواره‌اي نياز دارند، روش‌هايي كه به داده‌هاي ماهواره‌اي و شاخص سطح برگ (LAI) نياز دارند و روش‌هايي كه به داده‌هاي ماهواره‌اي و داده‌هاي هواشناسي نياز دارند. در اين تحقيق مقدار دماي سطحي به وسيله روش‌هاي معكوس تابع پلانك، الگوريتم سبال، الگوريتم آماري تك پنجره، الگوريتم شكاف پنجره، الگوريتم تك پنجره، معادله انتقال تابشي، الگوريتم شكاف پنجره سابرينو، الگوريتم سازماني سازمان ملي اقيانوسي و جوي مشترك با اداره ماهواره‌اي قطبي و الگوريتم تك كاناله تخمين زده شد. سپس نتايج با دماي سطحي اندازه‌گيري شده در سطح ناحيه عمراني LPT2 شبكه آبياري سليمانشاه در طول فصل رشد آفتابگردان آجيلي در سال 1399 بر اساس دو معيار و RMSE مقايسه شد. نتايج نشان داد كه روش‌هايي كه به داده‌هاي هواشناسي وابسته نيستند، از قبيل روش‌هاي معكوس تابع پلانك (PIF)، الگوريتم سبال (SEBAL)، الگوريتم آماري تك پنجره (SMW)، الگوريتم شكاف پنجره (SWA) و الگوريتم تك پنجره (MWA) به‌ترتيب از دقت بالايي برخوردارند. از بين آن‌ها روش معكوس تابع پلانك با مقادير و RMSE به ترتيب برابر 0.6 و 4.2 درجه سانتيگراد بالاترين دقت را دارد. روش‌هاي الگوريتم شكاف پنجره سابرينو (SSWA)، الگوريتم سازماني سازمان ملي اقيانوسي و جوي مشترك با اداره ماهواره‌اي قطبي (JPSS-NOAA) و الگوريتم تك كاناله (SCA) به‌ترتيب از دقت پاييني برخوردارند.

Land surface temperature is a significant variable involved in land surface energy and water balance and is a substantial component in many aspects of environmental research. The land surface temperature is usually calculated based on thermal bands. Landsat 8 satellite thermal bands are the newest infrared thermal bands, included two adjacent thermal bands with a spatial separation of 30 meters. There are several methods for calculating land surface temperature. These methods are of three groups: Methods that only need satellite data, methods that require satellite data and leaf area index (LAI), and Methods that require satellite data and meteorological data. In this study, the land surface temperature simulated by the Planck Inverse Function, SEBAL algorithm, Statistical Mono- Window algorithm, Split Window Algorithm, Mono-Window Algorithm, Radiation Transfer Equation, Sabrino Split Window Algorithm, National Oceanic and Atmospheric Administration Joint Polar Satellite System, an‎d the Single-Channel Algorithm and compared with the surface temperature measured in the LPT2 construction area of Soleimanshah irrigation network during the growing season of nut sunflower in 2020 based on two criteria of R 2 and RMSE. The results showed the Planck Inverse Function, SEBAL algorithm Statistical Mono-Window algorithm, Split Window algorithm, and Mono Window algorithm respectively have high accuracy (Those approaches are not dependent on meteorological data). Among them, the Planck Inverse Function with values of R2 and RMSE of 0.6 and 4.2 ° C, respectively has the highest accuracy. The Sabrino Split Window algorithm, National Oceanic and Atmospheric Administration Joint Polar Satellite System, and the Single-Channel algorithm, respectively have low accuracy.