تحلیل فضایی مخاطرات محیطی، جلد ۸، شماره ۴، صفحات ۰-۰
عنوان فارسی ارزیابی عملکرد مدل SADFAT در پیش بینی روزانه دمای سطحی زمین در محدوده شهر تهران
چکیده فارسی مقاله
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.
کلیدواژه‌های فارسی مقاله ادغام زمانی و مکانی، SADFAT ، جزیره حرارتی، LST، اقلیم شهری
عنوان انگلیسی Evaluation of SADFAT model performance in daily forecast of Land Surface Temperature in the city of Tehran
چکیده انگلیسی مقاله 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.
کلیدواژه‌های انگلیسی مقاله Spatial and Temporal Data Fusion, SADFAT, Heat island, LST, Urban climatology
نویسندگان مقاله محمدجواد براتی | Mohammad Javad Barati
گروه جغرافیا،واحد علوم و تحقیقات تهران، دانشگاه آزاد اسلامی، تهران، ایران.

منوچهر فرج زاده اصل | Manuchehr Farajzadeh Asl
گروه جغرافیای طبیعی، دانشگاه تربیت مدرس، تهران، ایران

رضا برنا | Reza Borna
دانشیار گروه جغرافیا، واحد اهواز، دانشگاه آزاد اسلامی، اهواز، ایران

نشانی اینترنتی http://jsaeh.khu.ac.ir/browse.php?a_code=A-10-1115-1&slc_lang=fa&sid=1
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده تخصصی
نوع مقاله منتشر شده کاربردی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات