-
شماره ركورد
24633
-
شماره راهنما
MAP3 16
-
نويسنده
عطايي، شيما
-
عنوان
برآورد ضريب گسيل خاك با استفاده از روش¬هاي مدرن براي تخمين رطوبت خاك در مدل توازن انرژي سطح
-
مقطع تحصيلي
دكتري
-
رشته تحصيلي
مهندسي عمران نقشه برداري - سنجش از دور
-
دانشكده
مهندسي عمران و حمل و نقل
-
تاريخ دفاع
دي ماه 1403
-
صفحه شمار
128 ص.
-
استاد راهنما
مهدي مؤمني شهركي , محمدحسن منجمي
-
كليدواژه فارسي
ضريب گسيل سطح زمين , شبكه خودرمزنگار , شبكه مولد تخاصمي , رطوبت خاك
-
چكيده فارسي
رطوبت خاك نقش اساسي در تعامل انرژي بين سطح و اتمسفر بازي مي¬كند. تخمين دقيق رطوبت خاك با روشهاي سنجش از دور مستلزم محاسبه دماي سطح زمين دقيق است كه خود تابع ضريب گسيل سطح ميباشد. روش¬هاي اندازه¬گيري ميداني و آزمايشگاهي ضريب گسيل سطح، نياز به سيستم آزمايشگاهي بسيار دقيق دارند كه به دليل هزينه¬بر بودن اين روش¬ها، توسعه روش¬هاي ماهواره¬اي امري ضروري است. در بين روش¬هاي برآورد ماهواره¬اي ضريب گسيل سطح، روش¬هاي مبتني بر روابط همبستگي بيش از ساير روش¬ها مورد استفاده قرار گرفته است. محققان هميشه در تلاش براي توسعه روش¬هاي مبتني بر روابط همبستگي بوده¬اند تا رابطه بين ضريب گسيل سطح و باندهاي مرئي/مادون قرمز نزديك را بهبود و دقت اين روش¬ها را افزايش دهند. مطالعات بسيار اندكي پيرامون ارتباط آماري بين ضريب گسيل سطح و محدوده مادون قرمز كوتاه صورت پذيرفته است زيرا محاسبات نشان مي¬دهد مقدار ضريب همبستگي بين آنها مقدار ناچيزي است. در حالي كه اكثر مطالعات پيشين بر توسعه يا به كارگيري رابطه آماري بين ضريب گسيل و ناحيه مرئي/مادون قرمز نزديك تمركز كرده¬اند؛ از اين رو نياز به انجام بررسي¬هاي بيشتري است تا رابطه احتمالي عميق و غيرخطي بين ضريب گسيل سطح و بازتابندگي نواحي طيفي مختلف را كشف كند. در اين صورت مي¬توان با اتكا بر روابط همبستگي بيشتر و قوي¬تري، ضريب گسيل را با دقت بيشتري نسبت به روش¬هاي قبلي محاسبه نمود. در اين تحقيق، ابتدا روابط همبستگي موجود بين ضريب گسيل و بازتابندگي در نواحي طيفي مختلف با استفاده از شبكه خودرمزنگار مورد بررسي قرار مي¬گيرد. سپس با اتكا به قوي¬ترين روابط همبستگي يافت شده، ضريب گسيل سطح زمين با توسعه شبكه¬ خودرمزنگار مبتني بر شبكه عميق مولد تخاصمي شرطي برآورد مي¬شود. در نهايت ضريب گسيل محاسبه شده از روش پيشنهادي براي بازيابي مقدار رطوبت خاك در روش مثلثي استفاده مي¬گردد.
داده¬هاي مورد استفاده در اين مطالعه شامل داده¬ ماهواره¬هاي 8 Landsat، ECOSTRESS و MODIS همچنين داده¬هاي آزمايشگاه و ميداني كتابخانه طيفي ASTER و رطوبت خاك شبكه بين المللي رطوبت خاك (ISMN) است.
نتايج نشان مي¬دهد روش پيشنهادي نسبت به روش¬هاي متداول مانند NDVI-based و Temperature/Emissivity Separation و همچنين روش Generalized Spilt Window دقت بالاتري دارد. زيرا مقدار پارامتر جذر ميانگين مربع خطا (RMSE) براي مقايسه ضريب گسيل محاسبه شده از روش پيشنهادي و داده¬هاي ماهواره¬اي ECOSTRESS برابر 005/0 و براي مقايسه با روش NDVI-based برابر با 02/0 به دست آمده است. همچنين مقدار RMSE بين ضريب گسيل شبكه عميق و روش Generalized Split Window نيز مقدار 02/0 است. در مورد داده¬هاي شبيه¬سازي شده، مقدار RMSE بين ضريب گسيل محاسبه شده از شبكه عميق و ضريب گسيل شبيه¬سازي شده برابر 01/0 و بين ضريب گسيل برآورد شده از شبكه عميق و خروجي روش NDVI-based برابر با 04/0 است؛ كه نشان دهنده بهبود عملكرد روش پيشنهادي است. افزون بر اين، تحليل¬ها نشان دهنده وجود همبستگي بين ضريب گسيل و باندهاي مادون قرمز كوتاه است.
در بخش دوم تحقيق، ضريب گسيل برآورد شده توسط روش پيشنهادي براي محاسبه دماي سطح زمين و بازيابي رطوبت خاك با استفاده از روش مثلثي به كار گرفته شده است. به منظور بررسي دقت، رطوبت برآورد شده از اين روش با مقدار رطوبت اندازه¬گيري شده در ايستگاه¬هاي رطوبت سنجي موجود در شبكه بين المللي رطوبت خاك مقايسه گرديد و مقدار 012/0 و 71/0 براي RMSE و ضريب همبستگي پيرسون (R) به دست آمد.
-
كليدواژه لاتين
Land Surface Emissivity , Autoencoder , Conditional Generative , Soil Moisture , Adversarial (CGAN), Landsat
-
عنوان لاتين
Soil emissivity determination using new methods to estimate soil moisture in surface energy balance model
-
گروه آموزشي
مهندسي نقشه برداري
-
چكيده لاتين
Soil moisture plays a crucial role in the energy exchange between the surface and the atmosphere. Accurate estimation of soil moisture through remote sensing methods requires precise calculations of Land Surface Temperature, which is inherently dependent on the Land Surface Emissivity. Field and laboratory methods for measuring surface emissivity require highly precise laboratory systems. Due to the high costs associated with these methods, the development of satellite-based techniques has become essential. Among the various satellite estimation methods for surface emissivity, those based on correlation relationships are utilized more frequently than other approaches. Researchers have consistently sought to enhance correlation-based methodologies. The primary focus of such investigations has been on the relationship between the emissivity and the visible/near-infrared bands, as well as on improving the accuracy of these methods. However, there exists a significant lack of research investigating the statistical relationship between the surface emissivity and the shortwave infrared spectrum, as calculations reveal that the correlation coefficient between these two parameters is notably low. While previous studies have predominantly focused on the development or application of statistical relationships between emissivity and the visible/near-infrared spectrum, there remains a pressing need for further investigations to uncover the potential deep and nonlinear relationships between surface emissivity and reflectance across various spectral regions. By establishing stronger and more robust correlation relationships, it may be possible to calculate emissivity with greater accuracy than previous methods. In this study, the initial focus is on examining the correlation between emissivity and reflectance across various spectral regions through the application of an Autoencoder network. Subsequently, the most significant correlations identified are utilized to estimate land surface emissivity through the Conditional Generative Adversarial Network (CGAN). Finally, the estimated emissivity from the proposed method is utilized to retrieve soil moisture using a triangular approach.
The data utilized in this study encompasses satellite data from Landsat 8, as well as the data from ECOSTRESS and MODIS. Additionally, it incorporates laboratory
-
تعداد فصل ها
6
-
لينک به اين مدرک :
