تخمین دمای سطح زمین با استفاده از شاخص اختلاف نرمال شده (NDVI) در تصاویر سنجنده‌های MODIS و Landsat ETM+

نوع مقاله: مقاله پژوهشی

نویسندگان

1 استادیار گروه مهندسی آب، دانشگاه بین‌المللی امام خمینی (ر.ه)، قزوین

2 استاد گروه مهندسی آبیاری و آبادانی دانشگاه تهران، کرج

3 دانشیار گروه مهندسی آب، دانشگاه بین المللی امام خمینی(ر.ه)، قزوین

چکیده

دمای سطح زمین از جمله مهم‌ترین عواملی است که در تخمین بسیاری از پارامترهای هیدرولوژیکی در مقیاس منطقه‌ای مورد استفاده قرار می‌گیرد. این پارامتر با حضور باندهای حرارتی در سنجنده‌ها قابل اندازه‌گیری است. این تحقیق با استفاده از تصاویر سنجنده‌های ETM+ و MODIS در اراضی پایین‌دست شبکه آبیاری دشت قزوین انجام گرفت. در این تحقیق چهار سناریو پیشنهاد گردید و نتایج با استفاده از داده‌های لایسیمتر حجمی موجود در منطقه مورد ارزیابی قرار گرفت. نتایج نشان داد که در صورتی که پیکره‌های آبی از تصاویر ماهواره‌ای حذف گردند، یک رابطه معکوس بین شاخص گیاهی NDVI و دمای سطح در هر دو سنجنده ETM+ و MODIS مشاهده می‌شود. با وجودی‌که رابطه غیرخطی انطباق بهتری را نسبت به رابطه خطی تولید می‌نماید ولی این اختلاف فاحش نیست. کاربرد روش تجمیع ساده نسبت به روش‌ تجمیع با استفاده از داده‌های نزدیک‌ترین همسایه نتایج قابل قبولی را تولید می‌نماید. از میان سناریوهای پیشنهادی، تفکیک اولیه اراضی و اعمال الگوریتم پیشنهادی در اراضی با کاربری پوشش گیاهی بهترین انطباق را بین داده‌های دمای سطح زمین و شاخص گیاهی NDVI تولید می‌نماید.

کلیدواژه‌ها


عنوان مقاله [English]

Estimation of land surface temperature using NDVI in MODIS and Landsat ETM+ imageries

نویسندگان [English]

  • A. Kaviani 1
  • T. Sohrabi 2
  • P. Daneshkar Araste 3
1 Assistant Professor, Water Engineering Dept., Imam Khomeini International University, Qazvin, Iran
2 Professor, Department of Irrigation & Recariation, University of Tehran, Karaj, Iran
3 Associate Professor, Water Engineering Dept., Imam Khomeini International University, Qazvin, Iran
چکیده [English]

Land surface temperature is one of the main parameters required for hydrological elements estimations in regional scale. This variable can be measured using thermal band of satellite sensors.  In this research ETM+ and MODIS imageries of downstream end of Qazvin irrigation network of Qazvin were used. Four different scenarios were proposed and the obtained results were evaluated by volumetric lysimeter measurements. Results indicated that if water bodies are removed from satellite imageries, a reverse relation can be observed between NDVI crop index and land surface temperature in both ETM+ and MODIS imageries. Although, non-linear relation has a good result in compare to linear, no significant differences were observed between them. Using simple aggregation method produced acceptable result in compare to the aggregate nearest neighbour method. Finally, cells with dimensions following   rule after integration, produced the best results. Among recommended scenarios, initial segregation of lands and application of proposed algorithm in lands with vegetation cover produced the best coincidence between land surface temperature data and vegetation index (NDVI).

کلیدواژه‌ها [English]

  • Land surface Temperature
  • NDVI crop index
  • Aggregation
  • MODIS
  • Landsat ETM+

رحیمی خوب، ع.، م.، کوچک زاده، ف.، شریفی، ج. م.، سامانی، س. م. ر.، بهبهانی. 1383. برآورد ماکزیمم دمای هوا با­استفاده از تصاویرماهواره نوا- مطالعه موردی حوزه آبریز دریاچه ارومیه، علوم و تکنولوژی محیط زیست، 6(4):45-54.

علوی‌‌پناه، ک. 1385. کاربرد سنجش از دور در علوم زمین (علوم خاک). انتشارات دانشگاه تهران، چاپ دوم.

میر­یعقوب زاده، م.، م. ر.، قنبر­پور. 1388. بکارگیری داده‌های سنجش از دور در برآورد دمای سطح اراضی (مطالعه موردی حوزه آبخیز وردین، آذربایجان شرقی). مجله علمی پژوهشی مرتع، 4: 723-734.

Agam, N., Kustas, W. P., Anderson, M. C., Li, F., Neale, C. M. U. 2007.  A vegetation index based technique for spatial sharpening of thermal imagery. Remote Sens. Environ., 107: 545-558.

Anderson, M. C., Norman, J. M., Mecikalski, J. R., Torn, R. D., Kustas, W. P., Basara, J. B. 2004. A multi-scale remote sensing model for disaggregating regional fluxes to micrometeorological scales. J. Hydrome., 5: 343-363.

Anderson, M. C., Norman, J. M., Mecikalski, J. R., Otkin, J. A., Kustas, W. P. 2007. A climatological study of evapotranspiration and moisture stress across the continental united state based on thermal remote sensing: 2. Surface moisture climatology. J. Geophys. Res., 112(D11112), doi: 10.1029/2006JD007507.

Herb, W. R., Janke, B., Mohseni, O., Stefan, H. G. 2008. Ground surface temperature simulation for different land covers. J. Hydrol., 356: 327-343.

Inamdar, A. K., French, A., Hook, S., Vaughan, G., Luckett, W. 2008. Land surface temperature retrieval a high spatial and temporal resolution over the southwestern United States.  J. Geophys. Res., 113 (D07107), doi: 10.1029/2007JD009048.

Jiang, J., Tian, G. 2010. Analysis of the impact of land use/land cover hange on land surface temperature with remote sensing. Procedia Environ. Sci., 2: 571–575.

Kustas, W. P., Norman, J. M., Anderson, M. C., French, A. N. 2003. Estimating subpixel surface temperatures and energy fluxes from the vegetation index-radiometric temperatures relationship. Remote Sens. Environ., 85:429-440.

Merlin, O., Jacob, F., Wigneron, J., Walker, J., Chehbouni, G. 2010. Multidimensional disaggregation of land surface temperature using high-resolution red, near-infrared, shortwave-infrared and microwave L-band. IEEE Trans. Geosci. Remote Sens., 1-16.

Nishida, K., Nemani, R. R., Running, S.W., Glassy, J. M. 2003. An operational remote sensing algorithm for land surface evaporation. J. Geophys. Res., 108(D9), doi: 10.1029/2002JD002062.

Reutter, H. F., Olesen, S., Fischer, H. 1994. Distribution of the brightness temperature of land surfaces determined from AVHRR data. Int. J. Remote Sens., 15: 95- 104.

Poutean, R., Rambal, S. Ratte, J. P., Goge, F., Joffe, R., Winkel, T. 2011. Downscaling MODIS-derived maps using GIS and boosted regression trees: the case of frost occurrence over the arid Andean highlands of Bolivia. Remote Sens. Environ., 115 (1):117-129

Singh, D. 2011. Generation and evaluation of gross primary productivity using Landsat data through blending with MODIS data. Int. J. Appl. Earth Obs.  Geoinf., 13(1):59-69.

Stisen, S., Sandholt, I., Norgaard, A., Fensholt, R., Jensen, K. H. 2008. Combining the triangle method with thermal inertia to estimate regional evapotranspiration-Applied to MSG-SEVERI data in Senegal River basin. Remote Sens. Environ., 112: 1242-1255.