کالیبراسیون دمای ‌سطح ‌زمین به‌منظور برآورد دقیق دمای ‌هوای نزدیک‌ به سطح‌ زمین، با استفاده از مدل‌های ریاضی و مشاهدات ایستگاه‌های هواشناسی

دمای‌ سطح‌ زمین پارامتری بسیار مهم و کلیدی در بررسی‌های زیست‌‌محیطی، تغییرات آب‌وهوایی، رطوبت خاک، درصد تبخیر ‌و­ تعرق و جزایر گرمایی شهری شمرده می‌شود. هدف از پژوهش حاضر محاسبه دمای سطح ‌زمین، با استفاده از تصاویر ماهواره لندست ‌8 و کالیبراسیون آن، با استفاده از مدل‌های ‌ریاضی غیرخطی است. در این پژوهش، به‌منظور محاسبه دمای ‌سطح‌ زمین، از الگوریتم پنجره‌ مجزا استفاده ‌شده است. در ادامه، از کالیبراسیون دمای حاصل از این الگوریتم به‌کمک توابع ریاضی رشنال، دمای نزدیک سطح زمین به‌دست آمده است. الگوریتم پنجره ‌مجزا، برای برآورد دمای ‌سطح‌ زمین، از رادیانس ‌طیفی و گسیل‌مندی سطح‌ زمین استفاده می‌کند. به‌‌منظور تخمین رادیانس ‌طیفی، از باندهای حرارتی سنجندهtirs  ماهواره لندست‌ 8 استفاده شده است. گسیل‌مندی سطح ‌زمین نیز، به‌کمک 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 ایستگاه‌های 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 می‌دهد 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 سانتی‌گراد، به‌ترتیب، به 13.169 درجه سانتی‌گراد و در نهایت، به 0.668 درجه سانتی‌گراد شده است. با توجه به نتایج و بررسی‌ها، می‌توان گفت که درجه و تعداد ترم‌های موجود در معادلات رشنال در نتایج کالیبراسیون تاثیر بسیاری دارند و انتخاب بهترین مدل می‌تواند دقت این توابع را افزایش دهد.

Estimate and calibration Land Surface Temperature Using Landsat8 Satellite Images And Split Window Algorithm Based On Mathematical ModelsCase Study:Kurdestan Province

The temperature of the Earth’s surface is a very important parameter in environmental studies, climate change, soil moisture content, Evapotranspiration and urban thermal islands at different scales. Currently, there is no perfect method for accurately measuring the temperature of the surface of the earth, but since high spectral resolution sensors prevent the vapor spectral absorption in the infrared bands, this Increases computational accuracy in determining vegetation index. The purpose of this paper is to calculate the surface temperature using satellite images of OLI and TIRS sensors of Landsat 8. In this research, the separate window algorithm has been used to calculate ground temperature. The algorithm uses spectral radiance and emissivity to calculate the surface temperature. To estimate the spectral radiance in Landsat 8, the bands of 10 and 11 have been used. Emissivity is also obtained by using the NDVI threshold technique by using the OLI bands 2, 3, 4 and 5. Also, In this paper the temperature is calculated by The algorithm has been calibrated and corrected by a twodimensional projective mathematical model, which tried to bring the calculated temperature closer to the actual ground temperature. In the present paper, the RMSE value is equal to 0.3678°C and the correlation between Meteorological data and temperature estimated by the model is equal to 0.9791. Also, the performance of the model that used to estimate the Earth’s surface temperature is equal to 0.9751.