تخمین دمای سطح زمین بخش مرکزی استان اصفهان از داده‌های حرارتی لندست 8 با استفاده از الگوریتم پنجره مجزا

دمای سطح زمین (lst) یکی از مهم‌ترین منابع اطلاعاتی در مطالعه فرایندهایی نظیر تبخیر و تعرق، توسعه شاخص‌های متعدد، مدل‌سازی دمای هوا و نیز تغییر اقلیم محسوب می‌شود. داده‌های ماهواره‌ای امکان اندازه‌گیری lst را در کل جهان با قدرت تفکیک زمانی و مکانی بالا میسر کرده‌اند. لندست 8 با برخورداری از دو باند حرارتی امکان محاسبه lst با استفاده از روش پنجره مجزا را فراهم می‌کند. هدف اصلی این مطالعه، بررسی الگوی دمایی بخش مرکزی استان اصفهان و ارتباط آن با طبقات مختلف پوشش و کاربری اراضی بود که بدین منظور از الگوریتم پنجره مجزا استفاده شد. نتایج نشان داد که بیشترین دمای سطح یعنی 50.9 درجه سانتی‌گراد به کلاس سایر اراضی که عمدتاً خاک بایر و فاقد پوشش گیاهی متراکم بوده، اختصاص داشته است. سطوح نفوذناپذیر موجود در منطقه که دربرگیرنده مناطق مسکونی، جاده‌ها و صنایع است با دمای سطح 45 درجه سانتی‌گراد جزء نقاط داغ محسوب می‌شوند. کمترین lst به محیط‌های آبی و پس از آن به پوشش‌گیاهی با دمای 42.3 درجه سانتی‌گراد مربوط بوده است. همبستگی بین lst حاصل از لندست و دمای هوا 0.63 محاسبه شد.

Estimating Land Surface Temperature in the Central Part of Isfahan Province Based on Landsat-8 Data Using Split- Window Algorithm

Land surface temperature (LST) is used as one of the key sources to study land surface processes such as evapotranspiration, development of indexes, air temperature modeling and climate change. Remote sensing data offer the possibility of estimating LST all over the world with high temporal and spatial resolution. Landsat8, which has two thermal infrared channels, provides an opportunity for the retrieval of LST using the split window method. The main objective of this research was to analyze the LST of land use/land cover types of the central part of Isfahan Province using the split window algorithm. The obtained results demonstrated that the other class which had been mainly covered with bare lands exhibited the highest LST (50.9 °C). Impervious surfaces including residential areas, roads and industries had the LST of 45 °C. The lowest temperature was observed in the water class, which was followed by vegetation. Vegetation recorded a mean LST of 42.3 °C. R2 was 0.63 when regression was carried out on LST and air temperature.