خلاصة:
زمینه و هدف: امروزه استفاده از روشهای سنجش از دوری برای به دست آوردن دمای سطح زمین گسترش یافته است. زیرا سنجش ازدور امکان برآورد دمای سطح زمین را در هر ناحیه و با دقت بالا فراهم میکند. هدف از مطالعه حاضر، برآورد دمای سطح زمین در بخش جنوبی دریاچه ارومیه با استفاده از دادههای ماهوارهای لندست، مقایسه آن با دادههای واقعی و بررسی ارتباط آن با مقادیر پوشش گیاهی میباشد.
روش شناسی: به این منظور، تغییرات دمای سطح زمین بین سالهای 2000 تا 2017 در ارتباط با تغییرات پوشش منطقه و کاربری اراضی با تاکید بر مناطق کشاورزی بررسی شده است. از این رو، از باندهای حرارتی لندست 7 و لندست OLI برای اندازهگیری دمای سطحی، تبدیل DN به رادیانس و دمای روشنایی استفاده شد. همچنین، شاخص NDVI برای محاسبه گسیلمندی و استخراج کاربری اراضی با روش شی گرا مورد استفاده قرار گرفت. سپس برای بررسی رابطه دما با پوشش گیاهی از آنالیز رگرسیون استفاده شد.
یافتهها: یافتهها نشان داد که دمای سطح زمین مشاهده شده و برآورد شده از سال 2000 تا 2017 به دلیل تغییر در کاربری و پوشش گیاهی منطقه افزایش یافته است. براساس رگرسیون خطی ارتباط قابل قبولی بین دمای سطح زمین و دمای مشاهده شده (72/0R2=) وجود دارد. همچنین ارتباط منفی معنی داری بین دمای سطح زمین و پوشش گیاهی وجود دارد.
نتیجهگیری: نتایج تحقیق بیانگر این مسئله است که روش های سنجش از دوری نتایج قابل اعتماد و مطمئنی را در برآورد دمای سطح زمین ارائه می دهد. اطلاع از وضعیت دمای سطح زمین و ارتباط آن با کاربری های اراضی به برنامه ریزان و کارشناسان جهت تصمیمات مدیریتی برای حفاظت از منابع طبیعی و اراضی کشاورزی کمک می کند.
Background and Aims: Today, using of remote sensing methods for calculating land surface temperature have expanded. Because, remote sensing allow to estimate temperature for each region with high accuracy. The objectives of this study are estimating land surface temperature by using remote sensing in south of Urmia Lake, comparing that with observed data and investigating relationship between estimated land surface temperature and vegetation cover.
Methodology: Since, changes of temperature and its relationship with changes of vegetation and land use were investigated from 2000 to 2017 in agricultural regions. For this, thermal bands of Landsat 7 and OLI was used for measuring land surface temperature, convert DN to radians and brightness temperature. Also, NDVI was used for calculating emissivity and determine land use based on object-oriented method. Then relationship between vegetation and land surface temperature was investigated with regression analysis.
Findings: The results showed that the observed and estimated land surface temperature increased from 2000 to 2017 due to changes in land use and vegetation cover. Based on linear regression, there is an acceptable relationship between estimated and observed land surface temperature (R2 = 0.72). Also, there a significant negative relationship between lands surface temperature and vegetation cover.
Conclusion: The results showed that remote sensing methods provide accurate results in estimating the surface temperature. Knowing the surface temperature and its relationship to land use helps planners and experts to make management decisions for protect natural resources and agricultural lands.