توسعه یک الگوریتم پنجره مجزا برای بازیابی دمای سطح زمین با استفادهاز تصاویر ماهواره‌ای سنتینل-3

دمای سطح زمین، شاخص مهمی در مطالعه مدل های تعادل انرژی در سطح زمین و فعل و انفعالات بین زمین و اتمسفر در مقیاس منطقه ای و جهانی است. در چند دهه اخیر الگوریتم های مختلف و متنوعی برای تعیین دمای سطح زمین با استفاده از تصاویر ماهواره ای مختلف ارائه گردیده است. در این پژوهش یک روش پنجره مجزای جدید برای بازیابی دمای سطح زمین با استفاده از تصاویر سنجنده رادیومتر دمای سطح زمین و دریا (slstr)، ماهواره سنتینلa3، ارائه شده است. مزیت روش پیشنهادی دخیل کردن بخار آب موجود در اتمسفر در الگوریتم پنجره مجزا می باشد که نقش مهمی را در بازیابی دمای سطح زمین ایفا می کند. دمای سطح زمین با روش پیشنهادی و با سه الگوریتم پنجره مجزای موجود دیگر بازیابی شد؛ سپس نتایج حاصل از روش پیشنهادی و سه الگوریتم پنجره مجزای موجود با محصولات دمایی سنجنده های استر، مادیس و سنتینل3 مقایسه گردید. مقدار ریشه میانگین مربعات خطا (rmse) روش پیشنهادی برای منطقه مورد مطالعه شرق تهران در مقایسه با محصولات دمایی استر، مادیس و سنتینل3 به ترتیب 3.49، 1.22 و 1.26 کلوین به دست آمد که مقدار کمتری نسبت به rmse به دست آمده از سایر الگوریتم های پنجره مجزا را دارد. همچنین روش پیشنهادی و سه الگوریتم پنجره مجزای دیگر برای منطقه های شمال غرب اصفهان و کرمانشاه پیاده سازی شد. برای منطقه مورد مطالعه کرمانشاه نتایجی به مراتب بهتر از دو منطقه دیگر و سایر روش ها مشاهده گردید به طوری که rmse روش پیشنهادی 1.05 کلوین محاسبه گردید، در حالی که مقدار rmse سایر روش ها 1.19، 1.28و 1.56 کلوین به دست آمد.

Development a split window algorithm to estimate land surface temperature from Sentinel -3 satellite data

Land Surface Temperature (LST) is an important indicator of the study of energy balance models at the earthchr('39')s surface and the interactions between the Earth and the atmosphere on a regional and global scale. To date, different algorithms have been developed in the last few decades to determine the land surface temperature using various satellite images. In this study, a new split window method for estimating the land surface temperature using Sentinel3A Satellite Radiometer (SLSTR) images is presented. The advantage of the proposed method is the introduction of atmospheric water vapor into the split window algorithm, which plays an important role in estimating the LST. The LST was calculated by the proposed method and three other split window algorithms. Then the results of the proposed method and three split window algorithms were compared with the ASTER, MODIS and Sentinel3 LST products. The RMSE value of the proposed method for the study area of ​​East Tehran was 3.49, 1.22 and 1.26 K, respectively, compared to the ASTER, MODIS and Sentinel3 LST products which is lower than the RMSE obtained from other split window algorithms. Also the proposed method and three split window algorithms were implemented for northwest of Isfahan and Kermanshah. For Kermanshah study area results were much better than the other two cases and also other methods which the RMSE of the proposed method was calculated to be 1.05 Kelvin while the RMSE of the other methods was 1.19, 1.28 and 1.56 Kelvin.