چکیده:
به دلیل ناپیوستگی در برداشت نمونه ها و نداشتن دسترسی به اطلاعات کافی در ارتباط با شناخت ویژگی های مناطق و نیز، صرف هزینه و زمان زیاد جهت برآورد آب قابل دسترس خاک و تغییرات مکانی آن، استفاده از تصاویر ماهوارهای به صرفه است. "مدل ذوزنقه ای حرارتی- مرئی" بر اساس تفسیر توزیع پیکسل در فضای LST-VI، است که فضای LST-VI برای تخمین رطوبت سطحی خاک یا تبخیر-تعرق واقعی استفاده میشود. هدف از این مطالعه برآورد رطوبت خاک با استفاده از تصاویر ماهوارهای لندست 8 در سال های ک 2015، 2016 و 2017 و با استفاده از توزیع پیکسل در فضای LST-VI(TOTRAM) و STR-VI (OPTRAM) میباشد. بر اساس رابطه ی رگرسیونی برازش شده برای دو مدل، بیشترین ضریب تعیین به دست آمده برای مدل TOTRAM در سال 2015 و 2017 برابر با 99/0 میباشد و برای مدل OPTRAM در سال 2017 برابر با 97/0 میباشد که نشاندهندهی برازش و پراکنش دقیق دادهها در فضای LST-VI و STR-VI توسط مدلهای مورد نظر میباشد. در حالت کلی میتوان نتیجه گرفت که مدل OPTRAM بهتر و دقیقتر از مدل TOTRAM توانسته است رطوبت خاک را پیشبینی کند. چون ضرایب رگرسیونی به دست آمده برای OPTRAM مثبت و برای TOTRAM منفی است؛ یعنی STR-VI در محدودهی طول موج مرئی نسبت به LST-VI در محدوهی طول موج حرارتی، دقیقترین برآورد از رطوبت خاک را در نواحی فاقد دادههای کنترل زمینی میتواند داشته باشد.
خلاصه ماشینی:
1- Weng ـ مدل سنتی ذوزنقه ای حرارتی- مرئی این مدل بر اساس توزیع پیکسل در فضای دمای سطح زمین و پوشش گیاهی میباشد که جهت برآورد رطوبت خاک با استفاده از یک معادله خطی در فضای (LST-VI) (رابطه ی ٨- ٩- ١٠) برازش داده میشود (صادقی و همکاران ، ٢٠١٧).
(به تصویر صفحه رجوع شود) همان طور که در شکل (٢) مشخص است با توجه به رابطه خطی بین خاک و پوشش گیاهی انتظار ایجاد یک شکل مثلثی در فضای STR-NDVI را داریم ؛ بنابراین پارامترهای رابطه ی ١٣ را میتوان برای لبه های تر و خشک محدوده ی مورد نظر، از تصاویر ماهواره ای استخراج کرد.
با توجه به جدول (٨) مقدار ضریب همبستگی بین OPTRAM و شاخص های STR و NDVI به ترتیب برابر با ٠/٦٧٢ و ١ میباشد که نشان از رابطه ی بسیار قوی بین متغیرها را دارد.
مدل TOTRAM در سال ٢٠١٥ همبستگی منفی را با شاخص های LST و NDVI دارد که به ترتیب برابر با ٠/٥٧٤- و ١- میباشد که نشان دهنده ی دقت کم این مدل نسبت به مدل OPTRAM در برآورد رطوبت خاک میباشد.
, (1994), A method to make use of thermal infrared temperature and NDVI measurements to infer surface soil water content and fractional vegetation cover, Remote Sens, Rev. Vol.
, (2016), Estimation of soil moisture from optical and thermal remote sensing: a review, Sensors, No. 16, Vol. 8, 1308.