ارزیابی روش‌های مختلف تعیین دمای پوشش گیاهی درختان پسته به کمک تصاویر ماهواره‌ای لندست 8

یکی از کاربردهای تصاویر ماهواره ای، محاسبه دمای سطح زمین (lst) و استفاده وسیع این پارامتر در تخمین دمای هوا (tair)، تخمین دمای پوشش گیاهی (tcanopy)، بررسی تاثیر تنش های محیطی و مدیریتی بر گیاهان و غیره است. تعیین lst به کمک تصاویر ماهواره ای از طریق الگوریتم های مختلفی انجام می شود که هر یک به تناسب داده های موجود و شرایط اقلیمی، دارای مزایا و معایبی هستند. در این پژوهش به منظور تخمین دمای پوشش گیاهی باغات پسته منطقه بهاباد در استان یزد، چهار الگوریتم تعیین دمای سطح شامل mw، imw، sc و sw به کمک داده های ماهواره ای لندست 8 و آماربرداری های زمینی مورد ارزیابی و مقایسه قرار گرفته اند. نتایج این پژوهش نشان داد که اختلاف میانگین دمای سطح محاسباتی توسط الگوریتم های مختلف، قابل توجه و در حدود 5/2 درجه سانتیگراد است. همچنین روند مقایسه ای دمای سطح محاسبه شده با الگوریتم های مختلف، در ماههای مختلف سال متفاوت بوده و نشان دهنده اهمیت و نقش بیشتر روش تعیین lst در فصول (مناطق) گرم نسبت به فصول (مناطق) سرد است. علاوه بر این، مشخص شد که دمای سطح زمین (lst) نسبت به دمای هوا (tair)، پارامتر مناسب تری برای تخمین دمای پوشش گیاهی باغات پسته (tcanopy) است؛ بطوری که، معادلات تعیین دمای پوشش گیاهی پسته به کمک lst، خطای کمتر از 1 درجه سانتیگراد دارند. همچنین الگوریتم پنجره مجزا (sw)، از دقت بالاتری نسبت به سایر الگوریتم های تعیین lst برخوردار بوده و می تواند در تعیین دمای پوشش گیاهی باغات پسته استفاده شود.

Evaluation of different LST approaches for determination of pistachio tree canopy temperature through Landsat 8 satellite data

One of the applications of satellite images is to determine Land Surface Temperature (LST), which has widespread uses in estimation of air temperature (Tair), estimation of vegetation canopy temperature (Tcanopy), investigation of environmental stresses and management options on plant health status and so on. Remotely sensed based LST maps can be generated through different approaches or algorithms; each one fits with a set of input data and climatic conditions and has some advantages and shortcomings. In this study, four LST determination algorithms, namely Mono Window (MW), Improved Mono Window (IMW), Single Channel (SC) and Split Window (SW) algorithms were used to estimate pistachio tree Tcanopy through Landsat 8 OLI/TIRS images and then were evaluated with the aid of ground based measurements in Bahabad region, Yazd province of Iran. The results indicate a substantial difference of about 2.5 degrees Celsius in the average LSTs of different algorithms. Moreover, trend of their differences changes seasonally, emphasizing on importance of LST generation algorithm in warm seasons (regions), compared to cold seasons (regions). Also it was found that LST is a more appropriate parameter than air temperature (Tair) to estimate canopy temperature of pistachio trees (Tcanopy) in the studied area. Under such a condition, Tcanopy determining equations, as a function of LST, have had the error of less than 1 degree Celsius. Furthermore, Split Window algorithm (SW) was found to be more accurate than other LST determining algorithms and substantially, can be recommended for estimation of pistachio canopy temperature, as well