5 نتیجه برای Lst
محمدجواد براتی، منوچهر فرج زاده اصل، رضا برنا،
دوره 8، شماره 1 - ( 3-1400 )
چکیده
محدودیت هایی مانند پوشش زمانی کم و کوچک مقیاس بودن تصویر برداری مادون قرمز حرارتی در اقلیم شناسی شهری به عنوان یک چالش علمی عصر حاضر می باشد. برای رفع این مشکل، مدل های 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 برآوردLST های مناطق شهری، ارزیابی شده است. داده های 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 می باشد. الگوریتم با بکارگیری دو جفت تصویر مودیس و لندست در زمان مشابه و مجموعه هایی 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 می کند.
برای ارزیابی نتایج مدل، تمامی پیکسل های تخمین زده شده به صورت نظیر به نظیر با پیکسل های تصویر مبنا در آن محدوده مقایسه شدند. میزان برآیند مقایسه برای روزهای فصل پاییز نشان می دهد 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.
آقای سید کامیار مرتضوی اصل، دکتر نوید سعیدی، دکتر محمود رضایی،
دوره 9، شماره 1 - ( 3-1401 )
چکیده
گرمایش جهانی و جزایر حراتی شهرها یکی از بزرگترین چالش های جهان امروز است. جزایر سرمایی(جزایر خنک) واژهایست که در مقابل جزایر گرمایی قرار میگیرد و بیان کننده مناطقی از سطح شهر است که نسبت به نواحی اطراف دارای دمای پایینتری است. در این تحقیق برای بررسی عوامل موثر بر شکلگیری جزایر خنک و گرمایی شهری، ابتدا با استفاده از پردازش تصاویر لندست و استفاده از الگوریتم تککانل دمای سطح زمین بهدست آمد. سپس برای بررسی پارامترهای موثر بر تغییرات دمای سطح زمین؛ معیارهای تغییرات ذرات معلق و تغییرات پوششگیاهی درنظر گرفته شد. برای پوششگیاهی از شاخص NDVI و برای میزان ذرات معلق از الگوریتم ارائه شده توسط Saraswat و همکاران استفاده شد. مطابق نتایج، بالاترین میزان جزیرهحرارتی به ترتیب در محله بوستان ولایت، شهرک شهید باقری و فرودگاه بودند و پایینترین میزان جزایر خنک به ترتیب در بهاران، نیاوران و دربند بود. ضریب پیرسون بهدست آمده از رابطه بین دمای سطح و پوششگیاهی 21.29-درصد بود که نشان دهنده رابطه معکوس بین دما و پوششگیاهی است، همچنین میزان شاخص پوششگیاهی در مناطق گرم و سرد بیانگر این موضوع است. در خصوص رابطه دمای سطح زمین و آلودگی هوا، همبستگی بین این دو پارامتر، برابر با 19.31 درصد بود و مقایسه میزان شاخص آلودگی در مناطق دارای جزایر خنک و گرم نشان داد که رابطه معناداری بین کاهش آلایندههای هوا و جزایر خنک وجود دارد اما عکس این قضیه چندان صادق نیست.
مهدی فیض اله پور،
دوره 10، شماره 2 - ( 6-1402 )
چکیده
دمای سطح زمین پارامتر مهمی در مطالعات بیوسفر، یخ کره و تغییرات آب و هوایی به شمار می رود. در این تحقیق با بهره گیری از سنجه OLI و TIRS ماهواره لندست 8، مقادیر LST، NDVI، NDMI و NDWI برای منطقه تالاب انزلی محاسبه گردید. بررسی ها نشان داد که حداقل دمای LST برای سال های 2013، 2018 و 2023 به ترتیب معادل 94/13، 36/22 و 6/14 بوده و حداکثر مقادیر آن برای همین سالها به ترتیب معادل 7/35، 58/40 و 6/31 درجه سانتیگراد برآورد شده است. وضعیت پوشش گیاهی، دسترسی به منابع آبی و تنش آبی برای منطقه مورد مطالعه با شاخص های NDVI، NDWI و NDMI برآورد گردید. برای برآورد این شاخص ها از باندهای 3، 4، 5، 6 و 10 ماهواره لندست8 استفاده شد. مقادیر حاصله با مقادیر LST مقایسه گردید. نمودارهای پراکنش نشان می دهند که بیشترین همبستگی منفی بین LST و NDMI به میزان 65/0- برقرار بوده و بیشترین همبستگی مثبت بین شاخص های NDWI و LST به میزان 23/0 برقرار می باشد. در کل بررسی ها نشان داده است که بین دو شاخص NDMI و NDVI با شاخص LST رابطه همبستگی منفی برقرار بوده است. برای بررسی تغییرات کاربری اراضی(LULC) نیز از روش ماشین بردار پشتیبانی(SVM) استفاده شد. نتایج نشان داد که در منطقه مورد مطالعه که از وسعتی معادل 81/686 کیلومتر مربع برخوردار است زمین های کشاورزی با گسترش قابل توجهی روبرو بوده و از 329 کیلومتر مربع در سال 2013 به 7/487 کیلومتر مربع رسیده است. در این بین پهنه های جنگلی با کاهش شدیدی مواجه شده و از 8/34 کیلومتر مربع به 73/1 کیلومتر مربع کاهش یافته اند.
روشنک افراخته، عبدالرسول سلمان ماهینی، مهدی معتق، حمیدرضا کامیاب،
دوره 10، شماره 3 - ( 7-1402 )
چکیده
نواحی سکونتگاهی الگوهای متنوعی از چیدمان سطوح نفوذناپذیر هستند که بهشدت تحتتأثیر خصوصیات منفی محیط زیستی - اکولوژیک مانند شکل گیری جزیره حرارتی قرار دارند. در این مطالعه، رابطه بین این چیدمان با خصوصیات دمایی نواحی سکونتگاهی در واحد بلوکهای شهری در جلگه استان گیلان، مدلسازی شد. برای استخراج نواحی سکونتگاه هر واحد بلوک، از تحلیل شیگرای تصاویر ماهواره لندست در تابستان سه مقطع زمانی (1381، 1391 و 1401) استفاده و متوسط دمای هر بلوک در هر مقطع با استفاده از معادلات انتقال تشعشع تهیه شد. متغیرهای توصیفی دمای هر بلوک در دو دسته متغیرهای ذاتی و متغیرهای همسایگی تهیه و با استفاده از تحلیل مؤلفههای اصلی، چهار متغیرِ وسعت واحد، سنجه مرز مشترک، وسعت پلیگون مادر و نسبت محیط به مساحت واحد به عنوان مهمترین پارامتر شناسایی و به مدل رگرسیون غیرخطی GAM وارد شدند. نتایج مدلسازی (619/0= R2) نشان داد که دو عامل وسعت بلوک شهری و وسعت پلیگون شهری که در آن قرار دارد، به صورت مستقیم منجر به افزایش دمای بلوک میشود. شکل خطی هر واحد، نسبت بالای محیط به مساحت و داشتن کمترین مرز مشترک با سایر واحدهای شهری نیز نقش کاهنده متوسط دمای واحدهای شهری در دورههای زمانی مورد مطالعه داشته اند. نتایج حاصل میتواند به درک بهتر عوامل مؤثر بر دمای سطح زمین در مناطق سکونتگاهی بخصوص پیکربندی و ساختار بلوکهای شهری کمک کند.
دکتر برومند صلاحی، آقای مهدی فروتن،
دوره 12، شماره 3 - ( 10-1404 )
چکیده
پدیده جوی انسو (ENSO)، شامل فازهای النینو و لانینا، تأثیرات قابلتوجهی بر الگوهای بارش، دما و خشکسالی در مناطق مختلف جهان دارند. این پژوهش با هدف بررسی ارتباط شاخصهای ENSO مانند MEI، SOI و نوسانات NINO با شاخصهای خشکسالی (TCI، VCI، VHI و SPI) در استانهای گیلان، گلستان و مازندران طی سالهای 2013 تا 2022 انجام شد. دادههای ماهوارهای NDVI، LST و بارش از گوگل ارث انجین برای محاسبه شاخصهای خشکسالی استخراج و دادههای ENSO از سایت NOAA جهت تحلیل همبستگی دریافت شدند. نتایج نشان داد شاخص MEI همبستگی مثبت و معناداری با SPI داشته و کاهش خشکسالی با افزایش بارش را نشان میدهد، اما ارتباط ضعیفی با سایر شاخصهای خشکسالی داشت. شاخص SOI همبستگی منفی و معناداری با SPI نشان داد که بیانگر تأثیر لانینا بر افزایش خشکسالی، بهویژه در استان گلستان است. شاخصهای نینو با SPI در استانهای شمالی ایران همبستگی مثبت داشتند و تأثیر کاهش خشکسالی و افزایش بارش را تأیید کردند. در فاز النینو، مناطق شمالی استانهای مورد مطالعه افزایش دما و جنوب استان مازندران دماهای زیر صفر را تجربه کردند، درحالیکه در فاز لانینا، دما افزایش یافته و مناطق شمالی استانهای مورد مطالعه دماهای بالاتری داشتند. پوشش گیاهی در فاز النینو در جنوب استان گلستان و شرق استان مازندران متراکمتر بود، اما در فاز لانینا کاهش یافت. شاخص SPI نشان داد خشکسالی در فاز النینو بیشتر در نیمه غربی استانهای مورد مطالعه و در فاز لانینا گستردهتر و شدیدتر بود. شاخص VHI، سلامت بهتر پوشش گیاهی را در النینو بهویژه در استانهای گیلان و مازندران و کاهش سلامت را در فاز لانینا بهویژه در استانهای مازندران و گلستان نشان داد.
