دمای سطح زمین یکی از مهم ترین عوامل در کنترل فرآیندهای بیولوژیکی، شیمی و فیزیکی زمین است. داده های دمای سطح زمین اطلاعاتی درباره تغییرات مکانی و زمانی سطح زمین در مقیاس جهانی ارایه می دهند. در بسیاری از مطالعات، از جمله تخمین موجودی انرژی، بررسی رطوبت و تبخیر و تعرق، تغییرات اقلیمی، جزایر گرمایی شهری و مطالعات محیط زیستی دمای سطح زمین به عنوان پارامتراصلی مورد استفاده قرار می گیرد. بنابراین، اندازه گیری دمای سطح زمین به منظور برنامه ریزی برای استفاده از آن امری ضروری است. الگوریتم های زیادی برای تخمین LST با استفاده از تصاویر ماهواره ای، به ویژه باندهای حرارتی، توسط محققان به کار رفته است. در این پژوهش از الگوریتم پنجره مجزا و تک پنجره از تصاویر ماهواره لندست 8 برای بدست آوردن دمای سطح زمین (LST)، در شهر مشهد استفاده شده است. هدف از مطالعه حاضر بررسی توزیع فضایی دمای سطح زمین و همچنین تعیین روشی دقیق، برای تهیه نقشه دمای سطح زمین بوده است. نتایج نشان داد، دمای سطح زمین محاسبه شده به روش تک پنجره و پنجره مجزا در مقایسه با دمای هوای محاسبه شده در ایستگاه هواشناسی مورد نظر به طور میانگین به ترتیب 5. 1 و 1. 7 درجه سانتی گراد اختلاف داشته اند. بنابراین، می توان گفت که روش پنجره مجزا دارای دقت بالاتری است و دمای بدست آمده از آن با دمای واقعی تطابق بیشتری دارد. تجزیه و تحلیل رگرسیونی LST به دست آمده از این دو الگوریتم نشان می دهد که مقدار R2 آن ها 0. 96 است. نتایج این تحقیق می تواند اطلاعات مفیدی را از وضعیت دمای مناطق مختلف در اختیار برنامه ریزان و کارشناسان برای مدیریت کارآمد سرزمین و حفاظت از منابع طبیعی قرار دهد.

لطفا برای مشاهده چکیده به متن کامل (PDF) مراجعه فرمایید.

دمای سطح زمین یکی از مهم ترین پارامترهای است که امروزه توسط باندهای حرارتی ماهواره ها و به کمک ابزار سنجش از دور قابل محاسبه است. اهمیت این موضوع زمانی آشکار می شود که اثر مستقیم دما، افزایش و یا کاهش میزان تبخیر و تعرق و در نتیجه تغییر در میزان رطوبت در دسترس گیاه را نشان می دهد. در این تحقیق دمای پوشش سبز گیاه نیشکر با استفاده از داده های ماهواره لندست 8 در هشت مزرعه از مزارع کشت و صنعت نیشکر سلمان فارسی (هر مزرعه پنج نقطه) جمعا 40 نقطه که این نقاط در روزهای مختلف آبیاری بودند با استفاده از دماسنج مادون قرمز (که در بازه 8 تا 14 میکرومتر کار می کند)، اندازه گیری شد. نقاط انتخابی به منظور عدم ترکیب با پیکسل های فاقد پوشش گیاهی از لبه مزارع دارای فاصله 30 متری بودند. به منظور واسنجی الگوریتم پنجره مجزا از داده های بخار آب اتمسفر، قابلیت انتشار، قابلیت عبور اتمسفری و از تصاویر ماهواره لندست 8 دمای مزارع استخراج شد. نتایج نشان داد که محاسبه دمای پوشش سبز مزارع نیشکر در روزهای مختلف آبیاری با الگوریتم پنجره مجزا با دقت قابل قبول برآورد گردید. همچنین نتایج نشان داد که در نقاطی که پوشش گیاهی یکسان است، آبیاری عامل اصلی در تغییر مقادیر دما است. حداقل مجذور مربعات خطا و میانگین مربعات خطا بین دمای اندازه گیری شده میدانی و دمای استخراج شده از تصاویر ماهواره ای به ترتیب 0.925 و 0.766 درجه سانتیگراد محاسبه گردید.

فعالیت های انسانی مانند تغییرات کاربری اراضی، اثر مهمی بر دمای سطح زمین و ایجاد جزایر حرارتی دارد. هدف این پژوهش، بررسی تأثیر تغییر کاربری بر الگوی زمانی و مکانی دمای سطح زمین و جزایر حرارتی در شهرستان شوشتر در طی سال های 2002 تا 2020 است. ابتدا تصاویر سال های 2002، 2013 و 2020 لندست با استفاده از روش پردازش شیءگرا، طبقه بندی و سپس دمای سطح زمین با الگوریتم پنجرۀ مجزا استخراج شد. برای بررسی زمانی و مکانی دمای سطح زمین و جزایر حرارتی از پارامترهای NDVI، UHII و UHIII استفاده شده و دمای طبقات کم تا زیاد پوشش گیاهی استخراج شد. نتایج تغییرات کاربری زمین در دورۀ هجده ساله نشان داد که مناطق ساخته شده و بایر به ترتیب 21895/40و 26761/04هکتار افزایش و پوشش گیاهی و پهنه های آب به ترتیب 43790/79و 4865/64هکتار کاهش یافتند. نتایج حداکثر دمای کاربری ها، روند افزایشی دما در همۀ کاربری ها را آشکار کرد؛ به شکلی که بین سال های 2002 تا 2020، چهار کاربری پوشش گیاهی، نواحی بایر، مناطق ساخته شده و پهنه های آب به ترتیب با 7/40، 7/42، 6/82 و 6/87 درجۀ سلسیوس افزایش دما داشتند. برمبنای نتایج پارامترهای UHII و UHIII، طبقات با پوشش گیاهی کم، بیشترین دما را نسبت به طبقات با پوشش گیاهی متوسط و زیاد داشتند و جزایر حرارتی در سال های 2013 و 2020 در نواحی شمال، جنوب شرق و شمال شرق شهرستان تشکیل شد.

دمای سطح زمین (LST) یکی از مهم ترین منابع اطلاعاتی در مطالعه فرایندهایی نظیر تبخیر و تعرق، توسعه شاخص های متعدد، مدل سازی دمای هوا و نیز تغییر اقلیم محسوب می شود. داده های ماهواره ای امکان اندازه گیری LST را در کل جهان با قدرت تفکیک زمانی و مکانی بالا میسر کرده اند. لندست 8 با برخورداری از دو باند حرارتی امکان محاسبه LST با استفاده از روش پنجره مجزا را فراهم می کند. هدف اصلی این مطالعه، بررسی الگوی دمایی بخش مرکزی استان اصفهان و ارتباط آن با طبقات مختلف پوشش و کاربری اراضی بود که بدین منظور از الگوریتم پنجره مجزا استفاده شد. نتایج نشان داد که بیشترین دمای سطح یعنی 9/50 درجه سانتی گراد به کلاس "سایر اراضی" که عمدتا خاک بایر و فاقد پوشش گیاهی متراکم بوده، اختصاص داشته است. سطوح نفوذناپذیر موجود در منطقه که دربرگیرنده مناطق مسکونی، جاده ها و صنایع است با دمای سطح 45 درجه سانتی گراد جزء نقاط داغ محسوب می شوند. کمترین LST به محیط های آبی و پس از آن به پوشش گیاهی با دمای 3/42 درجه سانتی گراد مربوط بوده است. همبستگی بین LST حاصل از لندست و دمای هوا 63/0 محاسبه شد.

لطفا برای مشاهده چکیده به متن کامل (PDF) مراجعه فرمایید.

به دلیل افزایش میانگین دمای سطح زمین از اواخر قرن نوزدهم، گرم شدن کره زمین توجه بیشتری را به خود مبذول کرده است. افزایش دمای سطح زمین به ویژه در شهرهای بزرگ و کلانشهر یکی از مشکلات اساسی زیست محیطی است. یکی از عوامل اصلی بالا رفتن دمای سطح زمین در شهرها وجود جزایر حرارتی در این مناطق است. عوامل زیادی در ایجاد جزایر حرارتی نقش دارند مانند سرعت باد، مصالح ساختمانی، فضای سبز شهری، کارخانه ها و صنایع بزرگ و سایر فعالیت های انسانی، شکل تابش خورشید و... تاثیر چشمگیری دارند. در این پژوهش با استفاده از دو تصویر ماهواره لندست 8 مربوط در تاریخ 8 اسفند 1393 و 12 مرداد 1394، لایه های تولید شده از مدل رقومی ارتفاع شامل (شیب و جهت) تهیه شده از سنجنده Aster و کاربری اراضی تولید شده توسط شهرداری زنجان برای نیل به هدف مورد استفاده قرار گرفت. در مرحله اول با استفاده از تصاویر لندست 8 دمای سطح زمین با روش الگوریتم پنجره مجزا محاسبه گردید و در ادامه مقادیر دمایی به دست آمده سطح زمین، به همراه لایه های شیب، جهت، Normalized Difference Vegetation Index) NDVI) و کاربری اراضی وارد محیط نرم افزار Saga/GIS شدند و تحلیل مدل رگرسیون خطی چند متغیره با روش گام به گام یا Stepwise انجام گرفت. نتایج به دست آمده حاصل از این مدل نشان داد که موثرترین عامل در ایجاد جزایر حرارتی در محدوده شهر زنجان به ترتیب لایه شیب با 0.870643 دارای بیشترین اهمیت و لایه های جهت، پوشش گیاهی، کاربری اراضی و ارتفاع در اولویت های بعدی قرار دارند.

سابقه و هدف: دمای سطح زمین (LST) به عنوان متغیر مهم ریز اقلیم و تشعشع انتقالی داخل جو، یکی از معیارهای مهم در برنامه ریزی ناحیه ای و منطقه ای است از اینرو عامل مهمی در کنترل فرایندهای زیستی، شیمیایی و فیزیکی زمین است. فعالیت های طبیعی و انسان ساز به ویژه نوع کاربری اراضی و پوشش زمین با تغییر شرایط فیزیکی و زیستی یک منطقه پارامتر مهمی در مقدار دمای سطح زمین است.مواد و روش ها: در این پژوهش رابطه بین دمای سطح زمین و پوشش زمین مرتبط با الگوهای کاربری های اراضی و پوشش زمین شهرستان دنا در سال 2016 با استفاده از الگوریتم پنجره مجزا روی مجموعه داده های ماهواره لندست 8 بررسی شده است. الگوریتم پنجره مجزا یک ابزار ریاضی است که با استفاده از اطلاعات زمینی، دمای روشنایی سنجنده حرارتی (TIRS)، قابلیت گسیلندگی زمین (LSE) و عامل پوشش گیاهی سبز جزء به جزء (FVC) به دست آمده از باند چند طیفی سنجنده OLI و دمای سطح زمین را برآورد می کند.نتایج و بحث: بر اساس طبقه بندی تصویر سنجنده OLI ماهواره لندست 8 سال 2016 با درستی کل حدود 80 درصد و ضریب کاپای 0.90، کاربری مرتع و مناطق مسکونی با 50.67 و 0.3 درصد، به ترتیب بیشترین و کمترین مساحت را در شهرستان دنا به خود اختصاص داده اند. میانگین دمای سطح زمین در شهرستان دنا حدودا 32 درجه سانتی گراد و میانگین شاخص پوشش گیاهی نیز حدودا 0.14 است. در تجزیه و تحلیل رابطه بین LST و شاخص پوشش گیاهی (NDVI) در کل شهرستان دنا و در هر طبقه کاربری اراضی و پوشش زمین، نتایج روند متفاوتی را نشان داد به طوری که رابطه مثبت و معنی داری بین NDVI و LST در کل شهرستان دنا و کاربری مرتع وجود دارد. در صورتی که در سایر کاربری های جنگل، زراعت و باغ و مناطق مسکونی رابطه معنی داری یافت نشد.نتیجه گیری: عوامل مختلفی بر نوع و شکل رابطه بین NDVI و LST اثرگذار است که از جمله می توان به نوع کاربری اراضی و پوشش زمین، مقدار پوشش گیاهی، فصل سال، زمان روز، نوع اکوسیستم، عرض جغرافیایی و عوامل محدوده کننده و محرک رشد پوشش گیاهی مثل مقدار آب و انرژی خورشیدی اشاره کرد. عامل تعیین کننده مقدار دما در شهرستان دنا افزایش یا کاهش پوشش گیاهی نیست بلکه تغییرات ارتفاع از سطح دریا است. به عبارتی دیگر اثر تغییرات ارتفاع از سطح دریا بر دمای سطح زمین از اثر پوشش گیاهی بر دما مهم تر است. در ارتفاعات پایین تر شهرستان دنا که دمای نسبتا زیاد برای رشد پوشش گیاهی کافی وجود داشته است، پوشش گیاهی متراکم تر و فراوان تر بوده است و به همین دلیل رابطه مثبتی بین دمای سطح زمین (LST) و شاخص پوشش گیاهی (NDVI) وجود دارد. بنابراین تاثیر گذاری پوشش گیاهی در کاهش دمای سطح زمین بستگی به مقدار پوشش گیاهی دارد.

شکست یک سد خاکی می تواند موجب بروز بحرآن های شدید در ناحیه سیلاب زده پایین دست گردد. لذا تعیین دقیق ویژگی های شکافت و جریان در ارزیابی خطرهای حاصل از خرابی سد از اهمیت به سزایی برخوردار است. در این تحقیق از مدل های آزمایشگاهی با مصالح دآنه ای در اندازه و خصوصیت های مکانیکی مختلف برای مطالعه فرسایش و نقش آن در گسترش هندسی شکافت استفاده شده است. از رگرسیون چندمتغیره در توسعه رابطه جدید برای تعیین دبی اوج (Qp) بهره گیری شده که در آن پراسنجه های بدنه سد در کنار پراسنجه های هیدرولیکی به کار رفته اند. نتیجه ها نشان می دهد مشارکت این ویژگی ها توانسته کارآیی را در تعیین Qp حاصل از شکست سد خاکی ارتقا دهد. از آنجائی که نرخ تکامل عرض متوسط شکافت (Bave) و عمق آن (Hb) نقش اثرگذاری بر آب نمود خروجی دارد، علاوه بر ارائه رابطه های جدید برای این دو پراسنجه، با مشارکت منابع مختلف داده ای و استفاده از برنامه ریزی بیان ژن (GEP) در تعیین آن، محدوده تغییرات جدیدی برای نسبت های بی بعد Hb بر ارتفاع سد (Hd) و نیز Bave بر عرض بالایی (Bt) و پایینی آن (Bb) معرفی و خروجی آن به سدهای لغزشی نیز بسط داده شده است. بر مبنای شاخص های عملکردی و آماری در رابطه ها، مقدارهای ضریب R2 برای Qp معادل با 91/0، برای Bave معادل با 99/0 و برای Hb برابر با 97/0 به دست آمده است.

در سال های اخیر دمای سطح زمین (LST) اهمیت زیادی در مطالعات علوم زمین و محیط زیست پیدا کرده است. فناوری سنجش ازدور، امکان پایش مکانی و زمانی این کمیت را در سطوح وسیع فراهم می آورد. این پارامتر از طریق تصاویر ماهواره ای با حداقل یک باند حرارتی فراهم می شود. در این مطالعه از روش پنجره مجزای غیرخطی توسط ماهواره سنتینل3 در طول فصول مختلف سال 1397 برای محاسبه دمای سطح زمین استفاده شد و همچنین یک روش اعتبارسنجی مستقیم و غیرمستقیم برای آن ارایه شده است. روش اعتبارسنجی برمبنای ارزیابی قطعی این محصول با داده میدانی، و ارزیابی نسبی آن با محصولات دمای مادیس و SLSTR می باشد. همچنین از روش برآورد گسیلمندی برمبنای شاخص پوشش گیاهی برای تخمین دما از روش پنجره مجزای غیرخطی باتوجه به دو باند حرارتی تصاویر سنتینل3 استفاده شد. برای اطمینان بیشتر، محصولات دمای مادیس و SLSTR نیز به صورت مستقیم با داده میدانی ارزیابی قطعی شد. به طور کلی نتایج حاصل از محصول دمای مادیس، SLSTR و دمای برآورد شده از روش پنجره مجزای غیرخطی روندی مشابه را برای تغییرات دما در طول فصول سال نشان دادند. به طور خلاصه، با توجه به دو روش اعتبارسنجی مستقیم و غیرمستقیم برای دمای برآورد شده از روش پنجره مجزای غیرخطی، فصل تابستان با مقادیر بزرگ میانگین مربع خطاها (2/46)، و فصل زمستان با مقادیر کوچک میانگین مربع خطاها (0/86) به ترتیب کمترین و بیشترین نتایج را برای فصول در سال 1397 ارایه دادند. در نهایت، با توجه به نتایج به دست آمده دمای برآورد شده هم به صورت قطعی و هم به صورت نسبی نتایج مطلوبی را برای تمام فصول در مقیاس زمانی و مکانی گسترده فراهم می کند که می تواند در مقیاس های بزرگ برای برآورد دما در حل بحران های زیست محیطی و همچنین تغییر اقلیم از آن استفاده نمود.