fa استخراج دمای سطح زمین در مناطق شهری با استفاده از ترکیب گسیلمندی ها فتوگرامتری و سنجش از دور Photo&RS پژوهشي Research <div style="text-align: justify;"><span style="font-family:b nazanin;"><span style="font-size:11.0pt;">آب‌ و هوا، عامل اصلی تغییرات دمای سطح زمین است و دمای سطح زمین یک متغیر مهم در مطالعات اقلیمی و زیست محیطی محسوب می&shy;شود</span></span> <span style="font-family:b nazanin;"><span style="font-size:11.0pt;">و محاسبه دمای سطح زمین با استفاده از داده&shy;های سنجش&shy;از&shy;دور نیازمند محاسبه دقیق ضریب گسیلمندی می‌باشد. در بحث مطالعات حرارتی نیاز به تصاویر ماهواره&shy;ای با قدرت تفکیک بالا می&shy;باشد چون در مناطق شهری به دلیل تراکم انواع کاربری&shy;ها استخراج اطلاعات در پیکسل&shy;های مختلط کار دشواری خواهد بود. در این تحقیق از تصاویر ماهواره ترا، محصولات سنجنده مادیس </span></span><span style="font-family:b nazanin;"><span style="font-size:10.0pt;">(</span></span><span dir="LTR"><span style="font-size:10.0pt;">MOD021KM,MOD11A1,MOD05</span></span><span style="font-family:b nazanin;"><span style="font-size:10.0pt;">)</span></span><span style="font-family:b nazanin;"><span style="font-size:11.0pt;"> مربوط به سال 2012 - 2013 و تصاویر لندست </span></span><span dir="LTR"><span style="font-size:10.0pt;">TM5-</span></span> <span style="font-family:b nazanin;"><span style="font-size:11.0pt;">مربوط به سال 2010 و داده‌های ساعتی هواشناسی استفاده گردید. در این پژوهش به منظور محاسبه دمای سطح زمین از روش پنجره مجزا و قانون پلانک استفاده گردید و همچنین روش‌های مختلف استخراج گسیلمندی شامل روش طبقه‌بندی، روش شاخص تفاضل گیاهی نرمال&shy;شده، روش ضریب گسیلمندی نرمال به منظور استخراج گسیلمندی بکارگرفته شد تا&nbsp; در کنار محصولات گسیلمندی مادیس </span></span><span style="font-family:b nazanin;"><span style="font-size:10.0pt;">(</span></span><span dir="LTR"><span style="font-size:10.0pt;">MOD11A1</span></span><span style="font-family:b nazanin;"><span style="font-size:10.0pt;">)</span></span><span style="font-family:b nazanin;"><span style="font-size:11.0pt;"> به منظور تهیه نقشه دمای سطح زمین مورد مقایسه قرارگیرند. در این راستا امکان ادغام داده&shy;های گسیلمندی مستخرج از روش&shy;های مختلف نیز مورد بررسی قرارگرفت. نتایج بدست‌آمده نشان&shy; می‌دهد روش شاخص تفاضل گیاهی نرمال&shy;شده و روش ترکیب با استفاده از میانه&shy;گیری داده&shy;های گسیلمندی مناسبی را برای محاسبه دمای سطح زمین فراهم می&shy;آورند. همچنین در محاسبه دمای سطح زمین، روش پلانک در باند 31 و 32 دقت&nbsp; بالاتری را&nbsp; نسبت به روش پنجره مجزا ایجاد &shy;می&shy;نماید. </span></span><br> &nbsp;</div> <div style="text-align: justify;">Land surface temperature (LST) is one of the most important variables required in environmental and climatological studies. In order to calculate LST, accurate emissivity is needed. Recently, several methods have been developed to calculate LAST and emissivity. Some of these methods estimate LST based on a pre-known emissivity, while the others calculate LST and emissivity, simultaneously. LST mapping in urban areas can be difficult due to the high variation of the land cover and the formation of mixed pixels. Accordingly, the LST calculation based on the emissivity derived from a single method can be erroneous, especially using a low spatial resolution image in the urban areas. Integration of the emissivity values derived from different methods seems to be an effective solution in this situations. In this study, LST was calculated using Split Window and Planck Law methods for Tehran city. Three different methods including classification, normalized difference vegetation index (NDVI)-based method, and normalization emissivity method were applied to derive emissivity from MODIS images. NDVI-based method is a common method used NDVI thresholding to determine the emissivity of different pixels. In classification method, each pixel is classified into one of 14 classes for which the emissivity is known. Normalization emissivity method assumes a constant value as emissivity for a pixel in different bands to calculate temperature for these bands and then the maximum temperature derived through, is used for calculation of emissivity coefficients which are used for actual LST calculation using Planck function. In addition, MODIS emissivity product (MOD11A1) was used to compare with the emissivity derived from the other methods. In order to implement this study, the remotely sensed data including Landsat-TM data acquired in 2010, and MODIS products (MOD021KM, MOD05, MOD11A1) acquired in 2012 to 2013 were downloaded. Temperature data measured by three meteorological stations around Tehran were provided to validate the results. In order to integrate the emissivity values, averaging and median methods were used to fuse the emissivity values derived from three methods and MODIS emissivity product. The results showed that NDVI-based method produces more accurate emissivity as the LST calculated based on this emissivity was more accurate than that derived from other emissivity values. Fusing the emissivity values through mean and median methods, the fused emissivity values were used for calculating LST using Planck&rsquo;s equation and Split Window methods. It was shown that the fused emissivity derived from averaging method can improve the accuracy of the LST maps derived from each emissivity method. Moreover, Planck Law performed better for calculating LST using MODIS bands 31 and 32 with error of 1.6 and 1.63 Kelvin degrees, respectively, compared to that derived from Split Window method.<br> &nbsp;</div> دمای سطح زمین, پنجره مجزا, ادغام گسیلمندی ها, مادیس Land Surface Temperature Mapping, Split Window, Emissivity Fusion, MODIS 77 91 http://jgst.issgeac.ir/browse.php?a_code=A-10-723-2&slc_lang=fa&sid=1 A. Shamsoddini علی شمس الدینی ali.shamsoddini@modares.ac.ir 10031947532846006334 10031947532846006334 Yes Tarbiat Modares University دانشگاه تربیت مدرس F. Madadi فاطمه مددی fmadadi99@yahoo.com 10031947532846006335 10031947532846006335 No Unversity of Sciences and Research دانشگاه علوم و تحقیقات