چکیده:
محدودیتهایی مانند پوشش زمانی کم و کوچک مقیاس بودن تصویر برداری مادون قرمز حرارتی در اقلیم شناسی شهری به عنوان یک چالش علمی عصر حاضر میباشد. برای رفع این مشکل، مدلهای ادغام زمانی و مکانی تصاویر مانند SADFAT در سنجش از دور مورد توجه قرار گرفته است. در تحقیق حاضر قابلیت استفاده از مدل SADFAT برای بکارگیری ویژگیهای مکانی تصاویر سنجنده OLIو زمانی سنجنده MODIS، به منظور برآوردLSTهای مناطق شهری، ارزیابی شده است. دادههای ورودی به مدل شامل رادیانس حرارتی تصاویر مودیس و لندست و باند قرمز و مادون قرمز نزدیک لندست جهت پیش بینی دمای سطح روزهای متوالی سال 2017 میلادی محدوده شهر تهران میباشد. الگوریتم با بکارگیری دو جفت تصویر مودیس و لندست در زمان مشابه و مجموعههایی از تصاویر مودیس در زمان پیش بینی و تعیین ضریب تبدیل تغییرات رادیانس حرارتی پیکسل ناهمگن مودیس نسبت به پیکسل لندست، LST را در مناطق ناهمگن پیش بینی میکند.
برای ارزیابی نتایج مدل، تمامی پیکسلهای تخمین زده شده به صورت نظیر به نظیر با پیکسلهای تصویر مبنا در آن محدوده مقایسه شدند. میزان برآیند مقایسه برای روزهای فصل پاییز نشان میدهد که مدل SADFAT در این فصل بطور میانگین با ضریب همبستگی 86/0 و خطای خطای جذر میانگین مربعی 122/0، بالاترین دقت و در فصول دیگر با میانگین ضریب همبستگی 76/0 و خطای جذر میانگین مربعی حدود 4/0، دقت خوبی را ارائه نموده است. بنابراین با وجود برخی خطاهای سیستماتیک و متغیر موجود در تصاویر و اجرای الگوریتم، عملکرد این مدل برای پیش بینی LST در مقیاس زمانی روزانه و قدرت تفکیک مکانی 30 متر در شهر تهران خوب ارزیابی شد.
The high spatial and temporal limitations of TIR images for use in urban climatology have been identified as a current scientific challenge. Therefore, the use of Data Fusion Algorithms such as SADFAT in Remote Sensing has been considered. In this study, the performance of SADFAT model in the use of OLI spatial resolution and MODIS temporal resolution in LST forecast in urban areas was examined. The inputs for the algorithm are thermal radiance of Modis and Landsat images , the red and near infrared band of Landsat for daily production of LST in 2017 in the city of Tehran. The algorithm uses two pairs of Modis and Landsat images at the same time and sets of Modis images at the time of prediction and then calculate the conversion coefficient for relating the thermal radiance change of a mixed pixel at the coarse resolution to that of a fine resolution. In this way, LST is generated in areas with a variety of landuse.
All the estimated pixels were compared to the base image pixels in that range to evaluate the results of the model. The comparison results for the autumn days with the average correlation coefficient of 0.86 and RMSE equal to 0.122, showed that the model has the highest accuracy in this season and in other seasons with the average correlation coefficient of 0.76 and RMSE about 0.4, has provided good accuracy. Although there are some systematic and variable errors in the images and the implementation of the algorithm The results of this study showed that the performance of this model is reliable for predicting the daily LST with a spatial resolution of 30 meters in Tehran.
خلاصه ماشینی:
رحيم پور وهمکارانش (١٣٩٦) توانايي استفاده از مدل ESTARFM براي ترکيب تصاوير سنجنده هاي OLI و MODIS به منظور تهيه داده هاي باندهاي مرئي و مادون قرمز در مقياس روزانه با قدرت مکاني ٣٠ متر، در بخشي از حوزه آبريز زاينده رود در استان اصفهان ، را ارزيابي نمودند و بيان کردند، علاوه بر اينکه مدل در برآورد مقادير بازتابندگي سطحي دقت مطلوبي دارد، مي توان از آن مانند NDVI براي پيش بيني ميزان محصولات نيز استفاده کرد.
اين الگوريتم براي بهبود دقت پيش بيني دماي سطح زمين با قدرت تفکيک ٩٠ متر براي قسمتي از شهر تهران که با يک تصوير استر پوشش داده شده بود، بکار گرفته شد و نتايج قابل قبولي را به ويژه در مناطق غير همگن و حفظ جزئيات مکاني نشان داد.
در تحقيق حاضر نيز قابليت استفاده از مدل SADFAT در بکارگيري ويژگيهاي مکاني تصاوير سنجنده OLI و زماني سنجنده MODIS، به منظور برآورد ميزان دماي سطحي در مقياس روزانه و با قدرت تفکيک مکاني ٣٠ متر در شهر تهران در طول سال ٢٠١٧ ، مورد بررسي قرارگرفته است .
براي پيش بيني دماي سطح روزانه در اين پژوهش از راديانس حرارتي تصاوير موديس و لندست و باند قرمز و مادون قرمز نزديک لندست در طول سال ٢٠١٧ استفاده شده است .
(رجوع شود به تصویر صفحه) شکل ٨ : بزرگنمايي تصاوير دماي سطح زمين لندست ، موديس و پيش بيني براي تاريخ ٨,٢٠١٧ October نتيجه گيري در اين تحقيق قابليت استفاده از مدل SADFAT براي بکارگيري ويژگيهاي مکاني تصاوير سنجنده OLI و زماني سنجنده MODIS، به منظور برآورد LST هاي مناطق شهري، ارزيابي شده است .