نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشکده مهندسی عمران، آب و محیط‎زیست، دانشگاه شهید بهشتی، تهران، ایران

2 دانشکده محیط‌زیست و انرژی، دانشگاه آزاد اسلامی واحد علوم تحقیقات، تهران، ایران

3 گروه نقشه‌برداری، دانشکده مهندسی عمران، آب و محیط‎زیست، دانشگاه شهید بهشتی، تهران، ایران

چکیده

پیشینه و اهداف: بررسی و ارزیابی تغییرات دمای سطحی، به‌عنوان یکی از شاخص‌های کلیدی تغییرات آب‌وهوایی، نقشی حیاتی در سلامت انسان، کشاورزی، منابع آب و تنوع زیستی ایفا می‌کند. بررسی و ارزیابی این تغییرات، درک عمیقی از روند گرمایش زمین و پیامدهای آن به ارمغان می‌آورد و به اتخاذ اقدامات پیشگیرانه و سازگارانه در برابر این پدیده شتابان، کمک می‌کند. برای دستیابی به تغییرات دمای سطحی، وجود داده‌های سنجش از دور به‌دلیل قابلیت نمایش خصوصیات پدیده‌های زمینی و توزیع مکانی آن‌ها در مقیاس‌های گوناگون، ضروری است. بررسی توزیع و همبستگی مکانی داده­ها، بررسی مدل­های زمین آماری مرتبط، انتخاب مدل بهینه و در نهایت، صحت­سنجی نتایج از مواردی است که باید در نظر گرفته ‌شود. با توجه به موارد یاد شده، هدف از این مطالعه، تعیین الگوی تغییرات دمای سطحی در شهرستان ایلام و ارائه مدل ریاضی مناسب برای درون‌یابی داده‌های ایستگاه‌های هواشناسی در منطقه است.
روش‌ها:‌ در این پژوهش، از باند حرارتی ماهواره لندست 7 به‌عنوان ابزاری کارآمد برای مطالعه تغییرات دمای سطحی در شهرستان ایلام استفاده شده‌است. اطلاعات موجود در این باند، که به صورت تابش حرارتی ساطع شده از زمین ثبت می‌شود، امکان محاسبه دمای سطح را با دقت قابل قبولی فراهم می‌کند. مزیت کلیدی استفاده از تصاویر ماهواره‌ای، پوشش مکانی وسیع و تناوب زمانی مناسب آن‌ها است که امکان بررسی تغییرات دمای سطحی را در مقیاس منطقه‌ای و در طول زمان فراهم می‌کند. این امر دیدگاهی جامع فراهم می‌کند تا توزیع فضایی تغییرات دما در شهرستان ایلام به خوبی تجزیه‌وتحلیل شود و عوامل مؤثر بر این تغییرات  در مقیاس‌های مختلف مکانی شناسایی شود. بدین منظور، یک شبکه منظم شامل 291 نقطه بر روی تصاویر ماهواره‌ای نمونه‌گیری شده و سپس با استفاده از روش زمین‌آمار، نقاط واریوگرام تجربی محاسبه شده ‌است و مدل‌های مختلف فضایی مانند گوسی، نمایی، دایره‌ای و کروی بر آن‌ها برازش شده‌است. در نهایت، با استفاده از روش درون‌یابی کریجینگ معمولی و به‌کارگیری هر کدام از این مدل‌ها، نقشه‌های جداگانه‌ای از دمای سطحی ایجاد و دقت هر یک با استفاده از شاخص‌های آماری مانند ضریب تعیین و جذر میانگین مربعات خطا محاسبه شده‌است.
یافته‌ها: نتایج پژوهش، نشان می‌دهد که اطلاعات باند حرارتی ماهواره لندست 7 دارای الگوی فضایی گوسی می‌باشد و تغییرات مکانی دمای سطحی با این مدل به خوبی قابل توجیه است. نتایج نشان می‌دهد‌ که مدل فضایی گوسی بهترین برازش را برای واریوگرام تجربی دمای سطحی در منطقه مورد مطالعه دارد. این موضوع، نشان‌دهنده آن است که تغییرات دمای سطحی در این منطقه به‌صورت فضایی خود همبسته هستند و با افزایش فاصله، همبستگی بین نقاط کاهش می‌یابد. نقشه‌های درون‌یابی شده با استفاده از مدل گوسی در روش کریجینگ معمولی از دقت بالایی برخوردار هستند. ضریب تعیین این نقشه‌ها برابر با 94/0 به‌دست‌آمد که نشان‌دهنده تطابق بالای بین مقادیر برآورد شده و مقادیر واقعی دمای سطحی است. همچنین جذر میانگین مربعات خطای این نقشه‌ها 2/1 درجه سانتی‌گراد می‌باشد که نشان‌دهنده دقت بالای آن‌ها در برآورد دمای سطحی در نقاط مختلف منطقه است.
نتیجه‌گیری: ترکیب داده‌های سنجش از دور و روش‌های زمین‌آمار، ابزاری قدرتمند برای بررسی تغییرات مکانی و درون‌یابی داده‌های محیطی از جمله تغییرات دمای سطحی به‌شمار می‌رود. در این مطالعه، الگوی تغییرات دمای سطحی در شهرستان ایلام با استفاده از داده‌های ماهواره‌ای سنجش از دور تعیین شده و مدل گوسی به‌عنوان مدل فضایی بهینه جهت درون‌یابی دمای سطحی ایستگاه‌های هواشناسی معرفی شده‌است. تجزیه‌وتحلیل داده‌ها نشان داد که دمای سطحی در این منطقه در طول چند دهه گذشته به‌طور قابل توجهی افزایش یافته است. 

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Evaluation of Surface Temperature Changes in Ilam City with a Combined Approach to Geostatistical Models and Spatial Information Systems

نویسندگان [English]

  • A. Vafaeinejad 1
  • F. Hemati 2
  • S. Haery 3

1 Faculty of Civil, Water and Environmental Engineering, Shahid Beheshti University, Tehran, Iran

2 Faculty of Environment and Energy, Islamic Azad University Science and Research Branch, Tehran, Iran

3 Faculty of Civil, Water and Environmental Engineering, Shahid Beheshti University, Tehran,

چکیده [English]

Background and Objectives: Monitoring and analyzing variations in land surface temperature is essential for agriculture, biodiversity, human health, and water resources as it is a major indication of climate change. By analyzing and assessing these alterations, one can get a thorough understanding of the causes and effects of global warming and be better equipped to take preventative and remedial action against this rapidly spreading phenomena. Because remote sensing data may show the features of land phenomena and their spatial distribution at various scales, it is crucial to gather LST. Several factors need to be taken into account, including data distribution and spatial correlation analysis, associated geostatistical model investigation, model selection, and result validation. In light of the foregoing, the purpose of this research is to ascertain the trend of variations in LST in Ilam County and to propose a suitable mathematical model for the interpolation of meteorological station data in the area.
Methods: The thermal band of the Landsat 7 satellite has proven to be an effective tool in this research to study changes in surface temperature in Ilam city. The data in this band, which is recorded as thermal radiation emitted from the register, allows the surface to be calculated with a reasonable degree of accuracy. One benefit of using satellite images is their large coverage and periodicity, which allows the study of changes in surface temperature in a region and over time. This comprehensive view allows the temperature changes in Ilam city to be well-analyzed and the factors that affect these changes are identified in various locations.  To do this, a regular grid with 291 points was sampled from satellite photos. Next, experimental variogram points were created using the geostatistical method, and various spatial models, including Gaussian, exponential, circular, and spherical, were fitted to the sampled data. Ultimately, distinct surface temperature maps have been produced using the normal kriging interpolation method and each of these models. The correctness of each map has been determined using statistical markers like the coefficient of determination and root mean square error.
Findings: The findings of the study demonstrate that the thermal band data from the Landsat 7 satellite exhibits a Gaussian geographical pattern, and this model provides a strong justification for the observed spatial variations in surface temperature. The findings demonstrate that the Gaussian spatial model fits the experimental variogram of surface temperature in the investigated region the best. This demonstrates that variations in surface temperature in this area are spatially autocorrelated, with the correlation between locations decreasing with increasing distance. High accuracy interpolated maps are produced by the traditional kriging approach using the Gaussian model. These maps' coefficient of determination was 0.94, indicating a good degree of agreement between the estimated and real surface temperature data.
Conclusion: The integration of remote sensing data and geostatistical methods offers a powerful tool for examining spatial variations and interpolating environmental data, including land surface temperature changes. In this study, the pattern of LST changes in Ilam County was determined using satellite remote sensing data, and the Gaussian model was introduced as the optimal spatial model for interpolating LST at weather stations. Data analysis revealed that LST in the region has increased significantly over the past few decades. 

کلیدواژه‌ها [English]

  • Geostatistical model
  • Spatial Information System
  • Surface temperature changes
  • Ilam

COPYRIGHTS 
© 2024 The Author(s).  This is an open-access article distributed under the terms and conditions of the Creative Attribution-NonCommercial 4.0 International (CC BY-NC 4.0) (https://creativecommons.org/licenses/by-nc/4.0/)  

[5] Akhavan R. Zobeyri M.Amiri G. Namiranian M. Spatial Structure and Estimation of Forest Growing Stock Using Geostatistical Approach in the Caspian Region of Iran. Geostatistics.1385. 4(1). [In Persian]