عنوان پایان‌نامه

تهیه نقشه ضریب گسیل و دما با استفاده از تصا ویر ما هواره لندست -۸



    دانشجو در تاریخ ۱۱ شهریور ۱۳۹۳ ، به راهنمایی ، پایان نامه با عنوان "تهیه نقشه ضریب گسیل و دما با استفاده از تصا ویر ما هواره لندست -۸" را دفاع نموده است.


    رشته تحصیلی
    مهندسی عمران- نقشه برداری- سنجش ازدور
    مقطع تحصیلی
    کارشناسی ارشد
    محل دفاع
    کتابخانه مرکزی پردیس 2 فنی شماره ثبت: 2893;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 66746
    تاریخ دفاع
    ۱۱ شهریور ۱۳۹۳
    دانشجو
    یاسر جویباری مقدم
    استاد راهنما
    محمدرضا سراجیان مارالان, مهدی آخوندزاده هنزائی
    چکیده
    لینک فایل چکیده
    ضریب گسیل سطح و دمای سطح زمین از شاخص‌های مهم در مطالعات مدل‌های تعادل انرژی و فعل و انفعالات مربوط به سطح در مقیاس منطقه‌ای و جهانی می‌باشد. توانایی علم سنجش از دور در تعیین پارامتر‌های ضریب گسیل سطح و دمای سطح زمین و همچنین به‌‌هنگام بودن، در برگرفتن پوشش وسیع و کم هزینه بودن داده‌های سنجش از دوری باعث شده است که این داده‌ها منبع مناسبی در تعیین پارامتر‌های ضریب گسیل سطح و دمای سطح باشند. با توجه به پرتاب ماهواره لندست-8 در سال 2013 و مجهز بودن این ماهواره به دو باند حرارتی و توان تفکیک مکانی و زمانی مناسب از یک سو و از سوی دیگر کمبود منابع پژوهشی مناسب در زمینه تعیین دما و ضریب گسیل برای این ماهواره، در این پایان‌نامه داده‌های ماهواره لندست-8 به‌عنوان منبع پژوهشی مورد بررسی قرار گرفته‌اند. بر همین مبنا هدف اصلی در این پایان‌نامه، ارائه روشی عملی به‌منظور تعیین ضریب گسیل سطح و دمای سطح زمین و ارزیابی آن می‌باشد. برای تعیین ضریب گسیل، روش استفاده از شاخص‌های گیاهی مورد بررسی قرار گرفته است. برای این منظور ابتدا با استفاده از داده‌های شبیه‌سازی شده که از طریق کتابخانه‌های طیفی طراحی شدند، هفت نوع شاخص گیاهی و همچنین ضریب گسیل برای بیش از 100 داده شبیه‌سازی شده محاسبه شدند، و سپس دو آنالیز مربوط به همبستگی و تعیین حدآستانه برای آنها مورد بررسی قرار گرفتند. در آنالیز تعیین حد آستانه، حد آستانه‌های 23/0 و 64/0 برای جداسازی کلاس‌های مربوطه انتخاب گردیدند. به این صورت که مقادیر با شاخص گیاهی تفاضلی نرمال شده کمتر از 23/0 مربوط به کلاس خاک لخت و بیشتر از 64/0 مربوط به کلاس گیاه می‌باشند. در نهایت با استفاده از روش رگرسیون کمترین مربعات و روش رگرسیون‌ بردار پشتیبان بین هرشاخص گیاهی و ضریب گسیل، رگرسیون انجام شد. نتایج ارزیابی این روش نشان می‌دهد که RMSE تعیین ضریب گسیل برابر با 007/0 می‌باشد. برای تعیین دمای سطح زمین از روش پنجره مجزا استفاده شد و با استفاده از داده‌های شبیه‌سازی شده، ضرایب مدل پنجره مجزا تعیین شد. نتایج ارزیابی با استفاده از داده‌های زمینی و داده‌های ماهواره‌ای نشان می‌دهد که RMSE تعیین دمای سطح در بهترین حالت کمتر از 5/1 درجه می‌باشد. روش دیگری که برای تعیین دما مورد استفاده قرار گرفت استفاده از شبکه عصبی پرسپترون چندلایه برای تعیین ضرایب روش یا به‌عبارت دیگر تقریب تابعی برای دما بود که نتایج ارزیابی خطا برای این روش برابر با 9/1 درجه بود. لازم به ذکر است با توجه به گزارش‌های سازمان زمین شناسی آمریکا، باندهای حرارتی ماهواره لندست-8 مخصوصا باند 11 این ماهواره دارای مشکلاتی در کالیبراسیون می‌باشند لذا مقادیر به دست آمده از ارزیابی خطا با استفاده از داده‌های حقیقی (ماهواره‌ای و زمینی) دارای ابهامی ناشی از عدم مدلسازی خطای مربوط به کالیبراسیون حرارتی می‌باشند. واژه‌های کلیدی: ضریب گسیل، دمای سطح، شاخص گیاهی، لندست-8 ، پنجره مجزا
    Abstract
    Land Surface Temperature (LST) and Land Surface Emissivity (LSE) are known as important parameters in equilibrium energy model studies and dynamics of the earth surface in local and global scales. The capability of remote sensing to determine LST and LSE, and the on time and low cost data with a broad coverage have made them an efficient source to determine LST and LSE parameters. With the launch of LANDSAT-8 in 2013 which is equipped with two thermal bands, and regarding high spatial and temporal resolution, these data have been used for this research. In addition, it will fulfill the deficiency of original research resources for LANDSAT-8. The objective of this research thesis is to present a practical approach to determine and evaluate LST and LSE parameters. To determine the LSE, the method of vegetation indices is employed. For this goal, using simulated data which are available from spectral libraries, seven vegetation indices along with LST for more than 100 simulated data are computed. Then the correlation between these data are computed. Finally, using the least square regression and support vector regression between each vegetation index and LSE, the regression is estimated. The evaluation results demonstrate that, the RMSE of the LSE determination is equal to 0.007. To retrieve the temperature of the earth surface, the split window method is used which the coefficients of the model are extracted from simulated data. The results of evaluation using terrestrial and satellite data show that the RMSE of the LSE is lower than 1.5° kelvin in the best case. Multilayer perceptron neural network was another method to estimate the coefficients of the temperature function. The evaluation result for this method is 1.9° kelvin.