6 نتیجه برای دمای سطح زمین
علی رحیمی خوب، سید محمود رضا بهبهانی ، محمدهادی نظری فر،
جلد 11، شماره 42 - ( 10-1386 )
چکیده
مدل‌های پیش‌بینی دمای هوا با استفاده از دادههای ماهواره‌ای، مبتنی بر متغیرهای دمای سطح زمین و شاخص پوشش گیاهی هستند. این متغیرها با اعمال تصحیحات اتمسفری بر روی دادههای فوق تعیین می‌شوند. میزان بخار آب، اوزن و عمق اپتیکی ذرات معلق در جو از دادههای مورد نیاز برای تصحیح اتمسفری باندهای مرئی هستند ولی در اغلب مناطق ایران، این پارامترها اندازه‌گیری نمی‌شوند. همچنین با استفاده از روش‌های موجود، دمای سطح زمین تا دقت 2 درجه سانتی‌گراد تعیین می‌شود. در این تحقیق با توجه به محدودیت‌های فوق، دقت پیش‌بینی دمای بیشینه هوا با استفاده از دادههای بدون تصحیح اتمسفری شده ماهواره نوا و مدل شبکه عصبی مورد بررسی قرار گرفت. برای این منظور، مدل‌های مختلف شبکه عصبی، حاصل از ترکیب‌های مختلف دادههای 4 باند ماهواره نوا و 3 متغیر جغرافیایی به عنوان ورودی‌های مدل ساخته شدند و بهترین مدل انتخاب شد. نتایج نشان داد، مدل شبکه عصبی با ساختار 6 نرون در لایه ورودی (شامل 4 باند ماهواره نوا، روز شمار سال و ارتفاع زمین) و 19 نرون در لایه پنهان بهترین مدل می‌باشد. در این ساختار حدود 4/91 درصد نتایج در محدوده دقت 3 درجه سانتی‌گراد واقع شدند و معیارهای آماریRMSE ، R2 و MBE به ترتیب 62/0، 7/1 درجه سانتی‌گراد و 01/0- درجه سانتی‌گراد می‌باشند.
لاله پرویز، مجید خلقی، خلیل ولیزاده،
جلد 15، شماره 56 - ( 4-1390 )
چکیده
تعیین دمای هوا در محاسبات بیلان انرژی، مطالعات هیدرولوژیکی و هواشناسی از اهمیت چشمگیری برخوردار است. در این میان تعداد محدود ایستگاه‌های هواشناسی جهت تعیین دمای هوا در مقیاس‌های بزرگ مکانی از جمله مشکلات پیشرو است. استفاده از فناوری سنجش از دور به دلیل دید وسیع و یکپارچه و به روز بودن تصاویر ماهواره‌ای، گزینه مناسبی در برآورد این پارامتر به نظر می‌رسد. در این تحقیق از همبستگی منفی بین دادههای دمای سطح زمین و شاخص پوشش گیاهی (NDVI) در قالب روش TVX برای تعیین دمای هوا استفاده شده است که فرضیه روش، تقریب دمای هوا با دمای پوشش گیاهی انبوه و متراکم می‌باشد. به منظور بررسی عملکرد روش TVX در برآورد دمای هوا از تصاویر ماهواره‌ای سنجنده MODIS حوضه آبریز سفیدرود در سال‌های 1381-1382-1384 استفاده شده است. الگوریتم پنجره مجزا توسعه داده شده توسط پرایس در محاسبه دمای سطح زمین به کار گرفته شده است. متوسط اختلاف بین دمای سطح زمین واقعی و حاصل از الگوریتم پرایس در حدود 2/6 درجه سانتی‌گراد است، بالطبع این میزان خطا می‌تواند در مقادیر دمای هوا تأثیر داشته باشد. به علت استفاده از شاخص NDVI در روش TVX، روش نسبت به تراکم پوشش گیاهی دارای حساسیت است به طوری که در مناطق با تراکم کم پوشش گیاهی، میزان خطا افزایش پیدا می‌کند. تغییرات حدود 4 درصد دمای هوا نسبت به افزایش ماکزیمم NDVI به میزان 05/0، مبین عملکرد بالای فیزیک روش TVX در برآورد دمای هوا در مناطق وسیع است.
محمد امین مرادی، علی رحیمی‌خوب،
جلد 16، شماره 62 - ( 12-1391 )
چکیده
تبخیر و تعرق مرجع (ET0) یکی از پارامترهای لازم برای تعیین آب مورد نیاز و برنامه‌ریزی آبیاری گیاهان است. در این تحقیق، روشی ارائه شد که این پارامتر در شبکه‌های آبیاری با استفاده از تصاویر ماهواره نوا برآورد شود. در این روش، برای هر تصویر، یک پیکسل از مجموعه پیکسل‌های محدوده شبکه آبیاری با بیشترین شاخص پوشش گیاهی انتخاب شد و دمای سطح آن به همراه پارامتر تابش فرا زمینی به‌عنوان ورودی مدل تبخیر و تعرق استفاده می‌شود. مدل درختی M5 برای تبدیل دمای سطح زمین و تابش فرا زمینی به ET0 به‌کار رفت. شبکه مورد مطالعه این تحقیق شبکه آبیاری قزوین بود. تعداد 231 تصویر ماهواره نوا مربوط به فصل آبیاری شبکه قزوین برای یک دوره 3 ساله استفاده شد. نتایج نشان داد که ET0 با استفاده از مدل تدوین شده و دادههای اختصاص داده شده برای آزمون، با ضریب تعیین (R2)، درصد جذر میانگین مربع خطا (RMSE) و درصد میانگین انحراف خطا (MBE) به‌ترتیب برابر 81/0، 5/8 درصد و 5/2 درصد برآورد شده است.
ملیحه السادات مدنیان، علیرضا سفیانیان، سعید سلطانی کوپائی، سعید پورمنافی، مهدی مومنی،
جلد 23، شماره 4 - ( 12-1398 )
چکیده
دمای سطح زمین (LST) یکی از مهم‌ترین منابع اطلاعاتی در مطالعه فرایندهایی نظیر تبخیر و تعرق، توسعه شاخص‌های متعدد، مدل‌سازی دمای هوا و نیز تغییر اقلیم محسوب می‌شود. دادههای ماهواره‌ای امکان اندازه‌گیری LST را در کل جهان با قدرت تفکیک زمانی و مکانی بالا میسر کرده‌اند. لندست 8 با برخورداری از دو باند حرارتی امکان محاسبه LST با استفاده از روش پنجره مجزا را فراهم می‌کند. 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 سانتی‌گراد به کلاس "سایر اراضی" که عمدتاً خاک بایر و فاقد پوشش گیاهی متراکم بوده، اختصاص داشته است. سطوح نفوذناپذیر موجود در منطقه که دربرگیرنده مناطق مسکونی، جاده‌ها و صنایع است با دمای سطح 45 درجه سانتی‌گراد جزء نقاط داغ محسوب می‌شوند. کمترین LST به محیط‌های آبی و پس از آن به پوشش‌گیاهی با دمای 3/42 درجه سانتی‌گراد مربوط بوده است. همبستگی بین LST حاصل از لندست و دمای هوا 63/0 محاسبه شد.
مرتضی کفاش، حسین ثنایی نژاد،
جلد 25، شماره 2 - ( 6-1400 )
چکیده
دمای سطح زمین (LST) پارامتری مهم در سیستم‌های اقلیمی و آب و هوایی است. یکی از راههای منحصر به‌فرد تخمین این پارامتر مهم اقلیمی، استفاده از فناوری سنجش از دور است. اما محصولات ماهواره‌ای یا دارای قدرت تفکیک مکانی پایین هستند یا دارای قدرت تفکیک زمانی پایین که پتانسیل کاربرد آنها را در مطالعات مختلف با محدودیت مواجه می‌سازد. در سال های اخیر، استفاده از تکنیک های ادغام مکانی- زمانی به‌منظور تولید تصاویر با قدرت تفکیک مکانی و زمانی زیاد همزمان، مورد تحقیق و بررسی گستردهای قرار گرفته اند. در این مطالعه برای تولید تصاویر LST با قدرت تفکیک مکانی سنجنده TIRS لندست و قدرت تفکیک زمانی سنجنده مودیس، از الگوریتم انعطافپذیر ادغام داده مکانی- زمانی (FSDAF) استفاده شد. اعتبارسنجی کمی و کیفی تصاویر تولید شده توسط مقایسه با LST واقعی لندست انجام شد. نتایج نشان داد الگوریتم FSDAF هم از لحاظ کیفی و هم از لحاظ کمی، از دقت بالایی در برآورد داده های روزانه LST برخوردار است. میزان پارامترهای RMSE و MAE تصاویر مصنوعی نسبت به تصاویر واقعی به‌ترتیب بین 1/18 تا 1/71 و 88/0 تا 1/29 درجه سانتی گراد بود. میزان همبستگی بالاتر از 0/87 و اریبی بین 0/6- تا 1/45 درجه سانتی گراد نیز مؤید دقت و صحت بالای الگوریتم در برآورد LST شبه لندست در مقیاس زمانی روزانه است.
رضا جعفری، حکیمه صنعتی،
جلد 25، شماره 3 - ( 9-1400 )
چکیده
مناطق جنوبی استان کرمان به‌طور مکرر دچار طوفانهای گردوغبار است. بنابراین، مطالعه حاضر با هدف شناسایی کانونها از طریق پارامترهای مؤثر نظیر پوشش گیاهی، دمای سطح زمین، رطوبت سطح زمین، بافت خاک و شیب زمین و همچنین آشکارسازی طوفان برخاسته از کانونهای شناسایی شده توسط الگوریتمهای مختلف با استفاده از 31 تصویر مودیس در سال 2016 و دادههای مدل رقومی ارتفاع شاتل فضایی در این مناطق انجام گرفت. پس از نرمال‌سازی پارامترها، نقشه کانونها توسط منطق فازی تولید و با استفاده از ماتریس خطا و نقشه کانونهای موجود ارزیابی شد. نتایج نشان داد که کلاسهای کم، متوسط و شدید- بسیار شدید به‌ترتیب 30/5 %، 39/55 % و 29/85 % از کانونهای منطقه مطالعاتی را تشکیل داده و با کانونهای موجود دارای صحت کلی حدود 70 درصد و با کلاس شدید- بسیار شدید بیش از 87 درصد تطابق دارد. آشکارسازی طوفانهای برخاسته از کانونهای پهنه بندی شده نیز گواهی بر شرایط بحرانی منطقه مطالعاتی داشت. به‌علت تکرارپذیری و قابلیت توزیع کمی نقشه کانونها در مقیاس پیکسل، می‌توان از آن برای بروزرسانی نقشه های موجود و مدیریت بهینه بحران گردوغبار در منطقه استفاده کرد.
