قابلیت برآورد رطوبت خاک با استفاده از اینرسی حرارتی و دادههای ماهوارهای مودیس (مطالعه موردی: منطقه مرتاضیه) | ||
| کاوش های جغرافیایی مناطق بیابانی | ||
| مقاله 3، دوره 8، شماره 1، شهریور 1399، صفحه 55-80 اصل مقاله (1.76 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| نویسندگان | ||
| مهدی ابوطالبی نصر آبادی1؛ محمد حسین مختاری* 2؛ محمد علی حکیم زاده3؛ صلاح شاه مرادی4 | ||
| 1دانشجوی کارشناسی ارشد مهندسی مدیریت منابع خاک، دانشگاه یزد | ||
| 2استادیار گروه مدیریت مناطق خشک و بیابانی، دانشکده منابع طبیعی و کویرشناسی، دانشگاه یزد | ||
| 3دانشیار گروه مدیریت مناطق خشک و بیابانی، دانشکده منابع طبیعی و کویرشناسی، دانشگاه یزد | ||
| 4دانشجوی کارشناسی ارشد سیستم اطاعات جغرافیایی و سنجش از دور_سنجش از دور، دانشگاه یزد | ||
| چکیده | ||
| رطوبت خاک، بسیاری از فرایندها را در سیستم آب و هوایی کنترل نموده و یک متغیر بسیار مهم در این سیستم به‌حساب میآید. همچنین رطوبت خاک یکی از پارامترهای بنیادی محیط‌زیست است که بر زندگی گیاهی، جانوری و میکروارگانیسمها مستقیماً تأثیرگذار بوده و نقش عمدهای در تبادلات انرژی بین هوا و خاک ایفا میکند. هدف از انجام این تحقیق امکان برآورد تغییرات رطوبت سطحی خاک با استفاده از داده های حرارتی سنجنده های ماهواره ای چند زمانه مودیس (داده های صبح و عصر سنجنده دو ماهواره ترا و آکوا) و با محاسبه اینرسی حرارت ظاهری می باشد. در این پژوهش از تصاویر مودیس در دو بازه زمانی مختلف، یکی در بازه 19/11/1397 تا 25/11/1397 و بازه دیگری در فصل تابستان یعنی 13/05/1397 تا 18/05/1397 در منطقه مرتاضیه استان یزد استفاده‌شده است. همچنین از شاخص رطوبتی دما- پوشش گیاهی که بیشترین استفاده را در تحقیقات گذشته در بررسی رطوبت خاک داشته،برای ارزیابی دقت استفاده‌شده است. نتایج این تحقیق، دقت مناسب دادههای ماهوارهای در برآورد شاخص رطوبتی حاصل از اینرسی حرارت ظاهری را نشان داد. همچنین بین شاخص خشکی دما- پوشش گیاهی و اینرسی حرارت ظاهری در روزهای مشخص، رابطه خطی برقرار شد و مقدار خطا در روز 16/05/1397 به میزان 15/0= RMSE و 86/0=R2 و در روز 20/11/1397 میزان 18/0= RMSE و 76/0=R2 بوده است. نتایج همچنین بیانگر آن است که بین اینرسی حرارت ظاهری و تغییرات رطوبت سطحی خاک رابطه خطی و مستقیمی وجود دارد. | ||
| کلیدواژه‌ها | ||
| دمای سطح زمین (LST)؛ شاخص پوشش گیاهی تفاضلی نرمال شده (NDVI)؛ رطوبت خاک؛ اینرسی حرارت ظاهری؛ منطقه مرتاضیه | ||
| عنوان مقاله [English] | ||
| Estimation of the soil moisture using thermal inertia and MODIS satellite data imagery: A case study of Mortazieh area | ||
| نویسندگان [English] | ||
| Mehdi Abutalebi Nasrabadi1؛ Mohammad Hossein Mokhtari2؛ Mohammad Ali Hakimzadeh3؛ Salah Shahmoradi4 | ||
| 1Master student of Soil Resources Management, Department of Arid Land and Desert Management, Yazd University | ||
| 2Assistant Professor, Faculty of Natural Resources, Department of Arid Land and Desert Management, Yazd University | ||
| 3Associate Professor, Faculty of Natural Resources, Arid Land and Desert Management, Yazd University | ||
| 4MSc Student in Geographic Information Systems and Remote Sensing, Yazd University | ||
| چکیده [English] | ||
| Soil moisture controls many processes in the climate and is considered as a very important variable in the ecosystem and a basic parameter of the environment. It directly influences the life of plants, animals and microorganisms and plays a major role in the energy exchange between air and soil. The purpose of this study is to estimate the surface moisture of soil using the temperature indicators of the earth surface and the inertia of apparent heat. Therefore, MODIS images were used in Mortazie area of Yazd province in two different time periods, one from Feb, 8, 2018 to Feb, 14, 2018 and the other in the summer from July, 4, 2018 to July, 9, 2018. Also, the temperature-vegetation drought index, mostly used in previous research on soil moisture was applied to evaluates results. The apparent thermal inertia was obtained from images of morning and evening modes from Terra and Aqua satellites. A linear relationship was established between the temperature-vegetation drought index and the apparent heat inertia on specific days. The RMSE and R2 were found to be 0.15 and 0.86 on July, 7, 2018 and 0.18 and 0.76 on Feb, 9, 2018 respectively. The overall results showed a linear and direct relationship between the apparent thermal inertia and the TVDI surface moisture index. | ||
| کلیدواژه‌ها [English] | ||
| Land Surface Temperature (LST), Normalized Differential Vegetation Index (NDVI), Soil moisture, Apparent thermal inertia, Mortazieh area | ||
| مراجع | ||
|
Bastiaanssen, W., Menenti, M., Feddes, R., Holtslag, A. (1998). A Remote Sensing surface Energy Balance Algorithm for Land (SEBAL). 1. Formulation. Journal of hydrology, 212: 198-212.
Babaian, A., Homayi, M., Noorvarzi, A. (2013). Estimation of surface soil moisture using ENVISAT / ASAR images. Iranian Journal of Water Research in Agriculture, 27(4): 611-622. (In Farsi).
Dash, P., Göttsche, F. M., Olesen, F. S., Fischer, H. (2002). Land surface temperature and emissivity estimation from passive sensor data: Theory and practice-current trends. International Journal of remote sensing, 23(13), 2563-2594.
Faizizadeh, B., Dideban, Kh., Gholamnia, Kh. (2015). Estimation of Earth's surface temperature using Landsat 8 satellite images and separate window algorithm Case study: Mahabad catchment area. Scientific-Research quarterly of Geographical Data (Sepehr), 25(98): 171-181 (In Farsi).
Kogan, F. N. (1997). Global drought watch from space. The Bulletin of the American Meteorological Society, 78(4): 621-636.
Keshavarz, M. Vazifah Doust, M. Alizadeh, A. Asadi, A. (2011). Soil Moisture Routing Using Moderate Spatial Resolution of MODIS Satellite Data A case Study: Esfahan Province, Iranian Irrigation and Drainage Journal, 5(2): 209-219 (In Farsi).
Long, D., Singh, V.P. (2012). A Two-source trapezoid model for evapotranspiration (TTME) from satellite imagery. Remote Sensing of Environment, 121: 370-388.
Linde, N., Chen, J., Kowalsky, M.B., Hubbard, S. (2006) Hydrogeophysical Parameter Estimation Approaches For Field Scale Characterization. In: Vereecken H., Binley A., Cassiani G., Revil A., Titov K. (eds) Applied Hydrogeophysics. NATO Science Series, vol 71. Springer, Dordrecht.
Liang, S. (1999). Retrieval of Land Surface Albedo from Satellite Observations: A Simulation Study, Journal of Applied Meteorology and Climatology, 38, 712-725.
Mahmoudi Anzabi, A., Ghazizadeh Hashemi, S., Jalilvand, A., Daneshkar Arasteh, p. (2015). A study of the efficiency of the apparent thermal inertia method in estimating surface soil moisture using images of MODIS sensors. The 10th International Congress of Civil Engineering. Tabriz University (In Farsi).
Nowruzi Aghdam, A., Karami, (2010). Using remote sensing technology in monitoring and evaluating irrigation and drainage networks in operation. The 12th conference of the National Committee for Irrigation and Drainage of Iran, pp 16 (In Farsi).
Price, J.C. (1990). Using spatial context in satellite data to infer regional scale evapotranspiration. IEEE Transactions on Geoscience and Remote Sensing, 28: 940-948.
Rezaei, Y., (2014). Estimating soil moisture using a combination of thermal images and vegetation index. Third National Conference on Sustainable Rural Development (In Farsi).
Rahimzadeh B.P, Berg, A.A., Chmapagne, C., Omasa, k. (2013). Estimation of soil moisture using optical thermal infrared remote sensing in the Canadian prairies. ISPRS Journal of photogrammetry and Remote Sensing, 83: 94-103.
Sobrino, J. A., Jimenez-Munoz, J. C., Paolini, L. (2004). Land surface temperature retrieval from LANDSAT TM 5. Remote Sensing of environment, 90(4), 434-440.
Salehzadeh, O., kheirkhah Zarkesh, M., Germzcheshmeh, B., zahedi, S. (2018). Estimation of soil surface moisture using LST of Landsat 8 satellite images (Gave-Darreh Basin, Sanandaj) 3th National Conference on Soil Conservation and Watershed Management (In Farsi).
Sabzevari, A. Akhoond Ali, A. Radmanesh, F. (2015). Modeling of different levels of surface soil moisture in the range of thermal and reflective data. Quantitative geomorphological research. (4)3:49-31 (In Farsi).
Tagesson, T., Horion, S., Nieto, H., Fornies, V. Z., González, G. M., Bulgin, C. E., Fensholt, R. (2018). Disaggregation of SMOS soil moisture over West Africa using the Temperature and Vegetation Dryness Index based on SEVIRI land surface parameters. Remote Sensing of Environment, 206: 424-441.
Wood, E.F. (1997). Effects of soil moisture aggregation on surface evaporative fluxes. Journal of Hydrology, 190: 397–412.
Wang. H., Li, X., Long, H., Xu. X., Bao, Y. (2010). Monitoring the effects of land use and cover type changes on soil moisture using remote sensing data: A case study in China's Yongding River basin. CATENA, 82(3): 135-145.
Western, A. W., Grayson, R. B. (1998). The Tarrawarra data set: Soil moisture patterns, soil characteristics, and hydrological flux measurements. Water Resources Research, 34(10), 2765-2768.
Weng, Q., Lu, D., Liang, B. (2006). Urban surface biophysical descriptors and land surface temperature variations. Photogrammetric Engineering & Remote Sensing, 72(11), 1275-1286.
Zhao, S. Yang, Y., Qiu, G., Qin, Q., Yao, Y., Xiong, Y., Li, C. (2010). Remote detection of bare soil moisture using a surface-temperature- based soil evaporation transfer co efficient. International Journal of Applied Earth observation and Geoinformation, 12)5(351-358. | ||
|
آمار تعداد مشاهده مقاله: 771 تعداد دریافت فایل اصل مقاله: 1,020 |
||