واکاوی توزیع فراوانی دمای رویۀ زمین ایران با داده‎های مودیس آکوا

عوارض جغرافیایی گوناگون (دریاچه‎ها، شنزارها، پلایاها، جنگل‎ها و ...) ویژگی‎های دمایی (گرمای ویژه و رسانایی گرمایی) متفاوتی دارند. از این رو توزیع فراوانی دمای رویه‎ی زمین بر روی هر یک از این عوارض متفاوت است. از سوی دیگر تغییرات محیطی سبب تغییر دمای رویه‎ی زمین می‎شود. بنا بر این تغییرات محیطی مانند آب شدن یخ‎ها و برفپوش‎ها، خشکیدن دریاچه‎ها، جنگل‎زدایی، بیابان‎زایی و مانند آن می‎تواند توزیع فراوانی دمای رویه‎ی زمین را تغییر دهد. داده‎های مودیس به دلیل تفکیک مناسب زمانی و مکانی بررسی تغییرات توزیع فراوانی دمای رویه‎ی زمین را ممکن می‎سازد. پانزده سال داده‎های مودیس آکوا به کمک واکاوی مولفه‎ی اصلی بررسی شد. این بررسی نشان داد که توزیع فراوانی دمای رویه‎ی زمین در ایران تا اندازه‎ی زیادی وابسته به ارتفاع و پس از آن وابسته به عوارض جغرافیایی است. توزیع فراوانی دمای رویه‎ی زمین بر روی عوارض جغرافیایی مختلف متفاوت است. دریاچه‎ها، شبکه‎های رودخانه‎ای، کویرها، شنزارها، درختزارها، جنگل‎ها و کلان‎شهرها از جمله‎ی عوارض جغرافیایی هستند که بر توزیع فراوانی دمای رویه‎ی زمین اثر می‎گذارند. از این رو بررسی توزیع فراوانی دمای رویه‎ی زمین به شناسایی مرز جغرافیایی این پدیده‎ها کمک می‎کند. از سوی دیگر می‎توان تغییر قلمرو این پدیده‎ها را نیز در طی زمان ردگیری کرد و ابزار نوینی برای پایش تغییرات محیطی به دست آورد.

An Analysis of Frequency Distribution of LST in Iran

Any land feature (lake, sand dune, playa, forest, …) has its own thermal properties (specific heat and thermal conductivity). So, different land features show different frequency distribution of LST. On the other hand, environmental changes affect the LST. As a result, the frequency distribution of LST over a given area may change by deforestation, desertification, drying of lakes, and disappearing of snowcaps. The high spatial and temporal resolution of MODIS LST data makes it possible to investigate the changes in the frequency distribution of LST. Using 15 years of LST data shows that the frequency distribution of LST in Iran depend on altitude, atmospheric moisture, snowcaps, surface and subsurface water respectively. Different land features such as lakes, river systems, deserts, playas, sand dunes, forest, and urban areas possess their LST frequency signature. Consequently, LST frequency distribution may be used as a powerful tool to delineate such land features. At the same time, some environmental changes like drying of lakes, deforestation and land use changes may be detected and tracked using frequency analysis of LST.