برآورد دمای سطحی در اراضی کشاورزی با استفاده از تصاویر ماهواره ای (مطالعه موردی: شبکه آبیاری سلیمانشاه)

دمای سطحی متغیر مهمی است که در انرژی سطح زمین و بیلان آب دخیل است و یک مولفه کلیدی در بسیاری از جنبه­های تحقیقات محیطی است. دمای سطحی معمولا بر اساس باندهای حرارتی محاسبه می شود. باندهای حرارتی ماهواره لندست ۸ جدیدترین باندهای حرارتی مادون قرمز هستند که شامل دو باند حرارتی مجاور با تفکیک مکانی ۳۰ متری هستند. روش های مختلفی جهت محاسبه دمای سطحی وجود دارد. این روش ها سه گروه هستند: روش هایی که فقط به داده های ماهواره ای نیاز دارند، روش هایی که به داده های ماهواره ای و شاخص سطح برگ (LAI) نیاز دارند و روش هایی که به داده های ماهواره ای و داده های هواشناسی نیاز دارند. در این تحقیق مقدار دمای سطحی به وسیله روش های معکوس تابع پلانک، الگوریتم سبال، الگوریتم آماری تک پنجره، الگوریتم شکاف پنجره، الگوریتم تک پنجره، معادله انتقال تابشی، الگوریتم شکاف پنجره سابرینو، الگوریتم سازمانی سازمان ملی اقیانوسی و جوی مشترک با اداره ماهواره ای قطبی و الگوریتم تک کاناله تخمین زده شد. سپس نتایج با دمای سطحی اندازه گیری شده در سطح ناحیه عمرانی LPT۲ شبکه آبیاری سلیمانشاه در طول فصل رشد آفتابگردان آجیلی در سال ۱۳۹۹ بر اساس دو معیار   و RMSE مقایسه شد. نتایج نشان داد که روش هایی که به داده های هواشناسی وابسته نیستند، از قبیل روش های معکوس تابع پلانک (PIF)، الگوریتم سبال (SEBAL)، الگوریتم آماری تک پنجره (SMW)، الگوریتم شکاف پنجره (SWA) و الگوریتم تک پنجره (MWA) به ترتیب از دقت بالایی برخوردارند.  از بین آن ها روش معکوس تابع پلانک با مقادیر   و RMSE به ترتیب برابر ۰.۶ و ۴.۲ درجه سانتیگراد بالاترین دقت را دارد. روش های الگوریتم شکاف پنجره سابرینو (SSWA)، الگوریتم سازمانی سازمان ملی اقیانوسی و جوی مشترک با اداره ماهواره ای قطبی (JPSS-NOAA) و الگوریتم تک کاناله (SCA) به ترتیب از دقت پایینی برخوردارند. دمای سطحی متغیر مهمی است که در انرژی سطح زمین و بیلان آب دخیل است و یک مولفه کلیدی در بسیاری از جنبه­های تحقیقات محیطی است. دمای سطحی معمولا بر اساس باندهای حرارتی محاسبه می شود. باندهای حرارتی ماهواره لندست ۸ جدیدترین باندهای حرارتی مادون قرمز هستند که شامل دو باند حرارتی مجاور با تفکیک مکانی ۳۰ متری هستند. روش های مختلفی جهت محاسبه دمای سطحی وجود دارد. این روش ها سه گروه هستند: روش هایی که فقط به داده های ماهواره ای نیاز دارند، روش هایی که به داده های ماهواره ای و شاخص سطح برگ (LAI) نیاز دارند و روش هایی که به داده های ماهواره ای و داده های هواشناسی نیاز دارند. در این تحقیق مقدار دمای سطحی به وسیله روش های معکوس تابع پلانک، الگوریتم سبال، الگوریتم آماری تک پنجره، الگوریتم شکاف پنجره، الگوریتم تک پنجره، معادله انتقال تابشی، الگوریتم شکاف پنجره سابرینو، الگوریتم سازمانی سازمان ملی اقیانوسی و جوی مشترک با اداره ماهواره ای قطبی و الگوریتم تک کاناله تخمین زده شد. سپس نتایج با دمای سطحی اندازه گیری شده در سطح ناحیه عمرانی LPT۲ شبکه آبیاری سلیمانشاه در طول فصل رشد آفتابگردان آجیلی در سال ۱۳۹۹ بر اساس دو معیار   و RMSE مقایسه شد. نتایج نشان داد که روش هایی که به داده های هواشناسی وابسته نیستند، از قبیل روش های معکوس تابع پلانک (PIF)، الگوریتم سبال (SEBAL)، الگوریتم آماری تک پنجره (SMW)، الگوریتم شکاف پنجره (SWA) و الگوریتم تک پنجره (MWA) به ترتیب از دقت بالایی برخوردارند.  از بین آن ها روش معکوس تابع پلانک با مقادیر   و RMSE به ترتیب برابر ۰.۶ و ۴.۲ درجه سانتیگراد بالاترین دقت را دارد. روش های الگوریتم شکاف پنجره سابرینو (SSWA)، الگوریتم سازمانی سازمان ملی اقیانوسی و جوی مشترک با اداره ماهواره ای قطبی (JPSS-NOAA) و الگوریتم تک کاناله (SCA) به ترتیب از دقت پایینی برخوردارند.

کلیدواژه ها:

دمای سطحی ، الگوریتم سبال ، روش معکوس تابع پلانک ، لندست ۸ ، شاخص سطح برگ