الگوریتم پنجره مجزا

در سال های اخیر خشکسالی با تاثیرات مخرب در بخش های مدیریت منابع آب، زیست محیطی، اکولوژیکی به عنوان بحران جدی تلقی می شود. برنامه ریزی و اقدامات پیشگیرانه در برابر خشکسالی در کاستن اثرات آن از اهمیت چشمگیری برخوردار است. در این راستا استفاده از روش مناسب پایش و پیش بینی خشکسالی می تواند تاثیر قابل توجهی در مقابله با این پدیده داشته باشد. در این تحقیق جهت پایش خشکسالی از اطلاعات حاصل از تصاویر سنجنده MODISدر استخراج شاخص های NDVI، NDWI، ، DSI، VTCI استفاده شده است. هدف انتخاب شاخص مبنا بر اساس ارتباط با عامل موجد خشکسالی در حوضه ی آبریز سفید رود جهت بررسی و مطالعه ی خشکسالی و اثرات آن می باشد. متوسط خطای حاصل از محاسبات دمای سطح زمین با استفاده از الگوریتم پنجره ی مجزا توسعه داده شده توسط پرایس 84/3 درجه سانتی گراد بوده است. بیشترین مقدار ضریب همبستگی بین بارش ماهانه با شاخص های مورد مطالعه مربوط به شاخص VTCI می باشد. همچنین سایر شاخص های مورد مطالعه بجز شاخص VTCI دارای تاخیر زمانی نسبت به زمان وقوع بارش هستند. کمترین میزان ضریب همبستگی مربوط به شاخص NDVI می باشد که دلیل آن را می توان در نوع پوشش گیاهی حاکم در منطقه ی مورد مطالعه دانست. بنابراین شاخص VTCI در تعیین شرایط خشکسالی (زمان واقعی) به علت تلفیق خصوصیات حرارتی (دمای سطح زمین) و اطلاعات حاصل از بازتاب طیفی (شاخص های پوشش گیاهی) در قالب فرمول بندی مناسب، می تواند مثمرثمرتر باشد.

دمای سطح زمین یکی از معیارهای مهم در برنامه ریزی ناحیه ای و منطقه ای می باشد. دمای سطح زمین در بسیاری از برنامه های کاربردی محیط زیست، کشاورزی، هواشناسی و سایر پروژه ها می تواند مورد استفاده واقع شود.با توجه به محدودیت ایستگاه های هواشناسی، سنجش از دور می تواند به عنوان پایه و اساس بسیاری از داده های هواشناسی مورد استفاده قرار گیرد. یکی از مهمترین جنبه های کاربردی سنجش از دور در مطالعات اقلیم شناسی برآورد دمای سطح زمین می باشد. در این راستا، الگوریتم پنجره مجزا به عنوان یک روش مؤثر در استخراج دمای سطح زمین محسوب می شود؛ که براساس منابع علمی بیشترین دقت را ارائه می دهد. در این پژوهش از تصاویر چند طیفی و حرارتی ماهواره لندست8 برای برآورد دمای زمین در حوضه آبریز مهاباد استفاده شده است. برای نیل به هدف، بعد از انجام تصحیحات رادیومتریک نسبت به مدل سازی و تجزیه و تحلیل تصاویر اقدام شد. بطوری که شاخص پوشش گیاهی، کسری پوشش گیاهی، دمای روشنایی ماهواره، قابلیت انتشار سطح زمین، ستون بخار آب که از معیارهای مؤثر در برآورد دمای سطح زمین با روش الگوریتم پنجره مجزا می باشند، با انجام محاسبه روابط ریاضی مقادیر لازم برای محاسبه دمای سطح زمین بدست آمدند.در نهایت دمای سطح زمین با دقت معادل 4/1 درجه سانتیگراد برآورد شد. مناطق با پوشش گیاهی زیاد و پوشیده از آب (سد) دمای کم و مناطق با پوشش گیاهی کم و خاک لخت دمای بالایی را نشان می دهند که همه در تغییرات دمایی منطقه مورد مطالعه مؤثر می باشند. نتایج تحقیق بیانگر این مهم است که روش الگوریتم پنجره مجزا نتایج قابل اعتماد و مطمئنی را در برآورد دمای سطح زمین ارائه می دهد که می تواند در مطالعات زیست محیطی و علوم زمین مورد استفاده قرار گیرد.

به دلیل افزایش میانگین دمای سطح زمین از اواخر قرن نوزدهم، گرم شدن کره زمین توجه بیشتری را به خود مبذول کرده است. افزایش دمای سطح زمین به ویژه در شهرهای بزرگ و کلانشهر یکی از مشکلات اساسی زیست محیطی است. یکی از عوامل اصلی بالا رفتن دمای سطح زمین در شهرها وجود جزایر حرارتی در این مناطق است. عوامل زیادی در ایجاد جزایر حرارتی نقش دارند مانند سرعت باد، مصالح ساختمانی، فضای سبز شهری، کارخانه ها و صنایع بزرگ و سایر فعالیت های انسانی، شکل تابش خورشید و ... تأثیر چشمگیری دارند. در این پژوهش با استفاده از دو تصویر ماهواره لندست 8 مربوط در تاریخ 8 اسفند 1393 و 12مرداد 1394، لایه های تولید شده از مدل رقومی ارتفاع شامل( شیب و جهت) تهیه شده از سنجنده Aster و کاربری اراضی تولید شده توسط شهرداری زنجان برای نیل به هدف مورد استفاده قرار گرفت. در مرحله اول با استفاده از تصاویر لندست 8 دمای سطح زمین با روش الگوریتم پنجره مجزا محاسبه گردید و در ادامه مقادیر دمایی به دست آمده سطح زمین، به همراه لایه های شیب، جهت، (Normalized Difference Vegetation Index) NDVI و کاربری اراضی وارد محیط نرم افزار Saga/GIS شدند و تحلیل مدل رگرسیون خطی چند متغیره با روش گام به گام یا Stepwise انجام گرفت. نتایج به دست آمده حاصل از این مدل نشان داد که موثرترین عامل در ایجاد جزایر حرارتی در محدوده شهر زنجان به ترتیب لایه شیب با 0.870643 دارای بیشترین اهمیت و لایه های جهت، پوشش گیاهی، کاربری اراضی و ارتفاع در اولویت های بعدی قرار دارند.

امروزه بررسی رشد شهرها و اثرات آن در کشورهای در حال توسعه از مسائل حائز اهمیت است. هدف از این پژوهش پایش رشد مناطق شهری در طول 31 سال گذشته، اثر آن بر درجه حرارت سطح زمین و بررسی تغییرات جزایرحرارتی شهر است. به منظور بررسی دقیق تر توسعه مکانی مناطق شهری در طول سال های گذشته تاکنون، از تلفیق در سطح تصمیم نتایج بدست آمده از الگوریتم طبقه بندی با نظارت مبتنی بر شبکه عصبی مصنوعی و نتایج حاصل از شاخص مناطق مسکونی استفاده شده است. به منظور محاسبه دمای سطح زمین در منطقه مورد مطالعه، از الگوریتم بهبود یافته پنجره مجزا برای تصاویر سنجنده مادیس و ماهواره لندست 8 استفاده شده است. در مرحله ارزیابی دقت الگوریتم پیشنهادی، از مجموعه تصاویرچندزمانه ماهواره لندست 5 ولندست 8 مربوط به شهرستان شهرکرد، اخذ شده در سال های 1365، 1368، 1372 1377، 1380، 1387، 1392،1394، 1396و تصاویرمتناظر زمانی سنجنده مادیس (تصاویرشب)در سال های 1380، 1387، 1392، 1394 و 1396 استفاده شده است. نتایج بدست آمده نشان دادکه مناطق مسکونی در این شهرستان در طول بازه 31 ساله رشدی در حدود دوبرابر داشته است و مساحت مناطق شهری از 1004 هکتاربه 2112 هکتاررسیده است. علاوه براین، بررسی نقشه های حرارتی تولید شده، نشان می دهد که دمای روزانه سطح شهر و مناطق ساختمانی نسبت به سایر مناطق پایین تر می باشد، ولیکن این امر درطول شب متفاوت است، به طوری که در طول شب مناطق مسکونی و پوشش ساختمانی دارای دمای بالاتری نسبت به سایر مناطق می باشند و این نشان دهنده جزایر گرمایی در شهر است. همچنین نتایج حاصل از آنالیز همبستگی بین مقادیر دمای سطح شهر و شاخص مناطق ساختمانی نشان می دهد که با افزایش رشد مناطق شهری، جزایر حرارتی نیز با روند افزایشی روبه رو هستند.

وضعیت پراکندگی تابش های حرارتی و ارتباط آن با نوع کاربری های موجود در شناخت میکروکلیمای نواحی شهری دارای اهمیت زیادی می باشد. دمای سطح زمین یکی از پارامترهای مهم در مطالعات مربوط به تغییر اقلیم و برآورد بیلان تابش در مطالعات توازن انرژی می باشد. آگاهی از درجه حرارت سطح زمین جهت انجام فعالیت ها و مطالعات علوم زمین، از قبیل تغییرات محیط زیست جهانی و مخصوصا آب و هوای شهری، ضروری است. در این پژوهش برای تحلیل جزایر حرارتی از تصاویر 15/7/2018، 24/2/2019 لندست 8 با سنجنده (OLI و TIRS) و نقشه کاربری اراضی استفاده شده است. پس از اعمال پردازش روی تصاویر، برای محاسبه دمای سطح زمین از روش الگوریتم پنجره مجزا و برای طبقه بندی تصاویر از روش حداکثر احتمال استفاده شده است. الگوریتم پنجره مجزا یک ابزاری ریاضی است که با استفاده از اطلاعات زمینی، دمای روشنایی سنجنده حرارتی (TIRS)، قابلیت گسیلندگی زمین (LSE) و عامل پوشش گیاهی سبز جزء به جزء (FVC) به دست آمده از باند چند طیفی سنجنده OLI و دمای سطح زمین را برآورد می کند. تجزیه و تحلیل تصاویر در محیط نرم افزارهای ENVI 5.3 و ArcGIS 10.5 انجام گرفته است. نتایج در این پژوهش نشان داد که در فصل تابستان، پوشش گیاهی کم تراکم، مناطق مسکونی، گارگاهی و صنعتی با سطوح نفوذناپذیر مانند اسکلت فلزی، آسفالت-بتن و آجر-آهن دارای بیشترین درجه حرارت و در زمستان بالعکس به غیر از پوشش گیاهی کم تراکم، می باشند و در فصل تابستان و زمستان، پوشش گیاهی (فضای سبز، باغات و کشاورزی و باغ مسکونی) و مناطقی با سطوح آجر-چوب و خشت-چوب دارای کمترین درجه حرارت می باشند.

دمای سطح زمین پارامتری بسیار مهم و کلیدی در بررسی های زیست محیطی، تغییرات آب وهوایی، رطوبت خاک، درصد تبخیر و تعرق و جزایر گرمایی شهری شمرده می شود. هدف از پژوهش حاضر محاسبه دمای سطح زمین، با استفاده از تصاویر ماهواره لندست 8 و کالیبراسیون آن، با استفاده از مدل های ریاضی غیرخطی است. در این پژوهش، به منظور محاسبه دمای سطح زمین، از الگوریتم پنجره مجزا استفاده شده است. در ادامه، از کالیبراسیون دمای حاصل از این الگوریتم به کمک توابع ریاضی رشنال، دمای نزدیک سطح زمین به دست آمده است. الگوریتم پنجره مجزا، برای برآورد دمای سطح زمین، از رادیانس طیفی و گسیل مندی سطح زمین استفاده می کند. به منظور تخمین رادیانس طیفی، از باندهای حرارتی سنجندهTIRS  ماهواره لندست 8 استفاده شده است. گسیل مندی سطح زمین نیز، به کمک شاخص کسر گیاهی و شاخص پوشش گیاهی (NDVI)، برای باندهای حرارتی سنجنده TIRS محاسبه شده است. همچنین، در این پژوهش، با کمک سری زمانی دمای هوای ایستگاه های هواشناسی، دمای حاصل از مدل پنجره مجزا با استفاده از توابع رشنال کالیبره شد تا دمای هوای نزدیک سطح زمین با دقت بالایی برآورد شود. نتایج مدل پیشنهادی نشان می دهد که کالیبراسیون دمای منتج از مدل پنجره مجزا، با استفاده از توابع رشنال، باعث کاهش میزان خطای RMSE در دو مرحله کالیبراسیون از 13.464 درجه سانتی گراد، به ترتیب، به 13.169 درجه سانتی گراد و در نهایت، به 0.668 درجه سانتی گراد شده است. با توجه به نتایج و بررسی ها، می توان گفت که درجه و تعداد ترم های موجود در معادلات رشنال در نتایج کالیبراسیون تأثیر بسیاری دارند و انتخاب بهترین مدل می تواند دقت این توابع را افزایش دهد.

در این پژوهش جهت تحلیل زمانی و مکانی جزیره حرارتی شهر ارومیه، تصاویر لندست مربوط به ماه اوت سال های 1989، 1998، 2011 و 2018 مورد استفاده قرار گرفت. جهت استحصال نقشه های جزیره حرارتی، دمای سطح زمین با روش حد آستانه NDVI و قانون پلانک بر اساس محاسبات آرتیس و کارناهان برای تصاویر TM و الگوریتم پنجره مجزا برای تصویر OLI/TIRS محاسبه شد. با استفاده از تصاویر NDVI و نقشه های کاربری اراضی، ارتباط دمای سطحی با پوشش گیاهی و کاربری های مختلف مورد بررسی قرار گرفت. نتایج نشان داد در طول مدت مورد مطالعه طبقات دمایی خنک و بسیار خنک، کاهش داشته و در اوت سال 2018 جزایر حرارتی جدیدی ایجاد شده است که به کارگاه های تولیدی، صنعتی، سوله ها و زمین های بایر در قسمت شرق، شمال شرق و جنوب شرق شهر مربوط است. بررسی روند تغییرات زمانی جزیره حرارتی شهر ارومیه نشان داد که شاخص جزیره حرارتی روند افزایشی داشته است. این شاخص در سال 1989 با میزان 2/0 به 37/0 در سال 2018 رسیده است؛ بنابراین علاوه بر گسترش فضایی جزیره حرارتی، شدت آن نیز افزایش داشته است.

دمای سطح زمین یکی از مهم ترین عوامل در کنترل فرآیندهای بیولوژیکی، شیمی و فیزیکی زمین است. داده های دمای سطح زمین اطلاعاتی درباره تغییرات مکانی و زمانی سطح زمین در مقیاس جهانی ارائه می دهند. در بسیاری از مطالعات، از جمله تخمین موجودی انرژی، بررسی رطوبت و تبخیر و تعرق، تغییرات اقلیمی، جزایر گرمایی شهری و مطالعات محیط زیستی دمای سطح زمین به عنوان پارامتراصلی مورد استفاده قرار می گیرد. بنابراین، اندازه گیری دمای سطح زمین به منظور برنامه ریزی برای استفاده از آن امری ضروری است.الگوریتم های زیادی برای تخمین LST با استفاده از تصاویر ماهواره ای، به ویژه باندهای حرارتی، توسط محققان به کار رفته است. در این پژوهش از الگوریتم پنجره مجزا و تک پنجره از تصاویر ماهواره لندست 8 برای بدست آوردن دمای سطح زمین (LST)، در شهر مشهد استفاده شده است. هدف از مطالعه حاضر بررسی توزیع فضایی دمای سطح زمین و همچنین تعیین روشی دقیق، برای تهیه نقشه دمای سطح زمین بوده است. نتایج نشان داد، دمای سطح زمین محاسبه شده به روش تک پنجره و پنجره مجزا در مقایسه با دمای هوای محاسبه شده در ایستگاه هواشناسی مورد نظر به طور میانگین به ترتیب 5.1 و 1.7 درجه سانتی گراد اختلاف داشته اند. بنابراین، می توان گفت که روش پنجره مجزا دارای دقت بالاتری است و دمای بدست آمده از آن با دمای واقعی تطابق بیشتری دارد. تجزیه و تحلیل رگرسیونی LST به دست آمده از این دو الگوریتم نشان می دهد که مقدار R2 آن ها 0.96 است.نتایج این تحقیق می تواند اطلاعات مفیدی را از وضعیت دمای مناطق مختلف در اختیار برنامه ریزان و کارشناسان برای مدیریت کارآمد سرزمین و حفاظت از منابع طبیعی قرار دهد.