ارزیابی تغییرات دمایی کاربری اراضی شهر زنجان در بازه زمانی 2013 تا 2019 با استفاده از مقایسه الگوریتم‌های برآورد دمای سطح زمین

دمای سطح زمین از جمله پارامترهای ضروری در مطالعات تغییرات کاربری اراضی، بیلان انرژی، مطالعات آب و هواشناسی و غیره بر زندگی انسان تاثیر گذار است. در این پژوهش، به منظور برآورد lst از چهار الگوریتم؛ تک کانال، تک پنجره بهبود یافته، رابطه معکوس تابع پلانک و معادله انتقال تابش در محیط نرم افزار متن باز pyqgis plugin و تصاویر ماهواره‌ای لندست 8 سنجنده‌هایoli/tirs  سال‌های 2013 و 2019 شهر زنجان استفاده شده است. سپس نقشه‌های کاربری اراضی منطقه مورد مطالعه با استفاده از الگوریتم‌ ماشین بردار پشتیبان در بستر سامانه گوگل ارث انجین (gee) استخراج شدند. برای صحت‌سنجی نتایج الگوریتم‌های lst، از داده‌های دمای سطح ایستگاه هواشناسی زنجان در سال‌های 2013 و 2019 استفاده گردید. همچنین، جهت انتخاب بهترین الگوریتم برآورد lst از روش‌های آماریrmse ، mape استفاده شد. براساس نتایج، الگوریتم تک کانال در سال 2013 و 2019 دارای کم‌ترین rmse و mape و بیش‌ترین دقت می‌باشد. به طوری که در سال 2013rmse  و mape این الگوریتم به‌ترتیب برابر با 1.472 و 5.579 و در سال 2019، 0.131 و 0.537 بدست آمد. طبقه‌بندی در بستر gee  نتایج مناسبی از لحاظ صحت کلی و ضرایب کاپا ارائه داد. براساس نتایج، در سال 2013، صحت کلی و ضریب کاپا به‌ترتیب 95.67 و 0.94 و در سال 2019، 98.80 و 0.98 به دست آمد. نتایج بررسی تغییرات دمایی کاربری‌های مختلف در سال 2013 و 2019 نشان داد که اراضی آیش به‌ترتیب با میانگین دمای 49.86 و 45.16 و کاربری‌های دیمزار و مراتع در رده های بعدی از نظر برخورداری از حداکثر دما در سال های 2013 و 2019 قرار دارند. کاربری‌های آب، کاربری شهری و پوشش‌گیاهی به ترتیب دارای کمترین میانگین دما در سال 2013 و 2019 می‌باشند. همچنین نتایج کلی بدست آمده نشان داد که همه کاربری ها در سال 2013 از دمای بالاتری نسبت به سال 2019 برخوردار بودند.

Evaluation of landuses temperature changes in Zanjan in the period 2013 to 2019 using ‎comparison of land surface temperature‏ ‏estimation algorithms

Land surface temperature is one of the essential parameters in land use change studies, energy balance, climatology studies. In this study, Landsat 8 satellite images and weather station data during 2013 and 2019 in Zanjan have been used. Also to estimate the land surface temperature from four algorithms; Single channel, Mono window, Planck Equation and radiation transfer equation in PyQGIS open source software environment and support vector machine algorithm in Google Earth engine platform were used to prepare land use maps. Error Root Mean Square Error (RMSE) and Mean Absolute Percentage (MAPE) statistical methods were used to select the best algorithm for estimating the land surface temperature. The results obtained from the comparison of land surface temperature estimation algorithms, single channel algorithm in 2013 and 2019 have the lowest RMSE and MAPE and the highest accuracy. In 2013, RMSE and MAPE of this algorithm were equal to 1.472 and 5.579, respectively, and in 2019, 0.131 and 0.537. The high accuracy of this method can be due to the direct use of atmospheric transmittance coefficients in the single channel method process. In terms of accuracy, the Planck function, Mono window and the radiation transfer equation are in the next position. Based on the results of accuracy assessment of land use maps, kappa coefficient of 0.94 and 0.98 were obtained for 2013 and 2019, respectively. The results of studying the temperature changes of different land uses in 2013 and 2019 showed that fallow lands with an average temperature of 49.86 and 45.16, respectively, and Rainfed and rangeland land uses are in the next categories in terms of maximum temperature. Areas without vegetation have higher surface temperatures than areas with vegetation. In general, according to the results, it is clear that impermeable surfaces have a heating effect through absorption and storage of solar energy and heat production, as well as pollution and soil production through absorption and storage of solar energy, while vegetation through heat balance to Evaporator transpiration and shade production have a cooling effect.