Εκτίμηση θερμοκρασίας της επιφάνειας του εδάφους με τηλεπισκόπηση
Από RemoteSensing Wiki
Πρωτότυπος Τίτλος: Land Surface Temperature Estimation Using Remote Sensing Data
Συγγραφείς: Vijay Solanky, Sangeeta Singh and S. K. Katiyar
Πηγή: Hydrologic Modeling (pp.343-351)
URL: https://www.researchgate.net/publication/ 322639619_Land_Surface_Temperature_Estimation_Using_Remote_Sensing_Data
Εισαγωγή:
Η υπερθέρμανση του πλανήτη αποτελεί μια από τις πιο σοβαρές προεκτάσεις του φαινομένου της κλιματικής αλλαγής, με σημαντικές επιπτώσεις στο παγκόσμιο περιβάλλον. Μετρώντας τη θερμοκρασία που επικρατεί σε περιοχές είναι εφικτό να εξετάσουμε το φαινόμενο της υπερθέρμανσης του πλανήτη και εκτός των άλλων να λάβουμε στοιχεία για τα χαρακτηριστικά των περιοχών αυτών. Μια κατεύθυνση για περιβαλλοντικές μετρήσεις σε περιοχές είναι αυτή της θερμοκρασίας της επιφάνειας του εδάφους (Land Surface Temperature) η οποία είναι εξίσου χρήσιμη για υδρολογικές, μετεωρολογικές και κλιματολογικές μελέτες. Τα τελευταία χρόνια η μέτρηση της θερμοκρασίας του εδάφους θεωρείται μια πολύ σημαντική παράμετρος για την εξέταση φυσικών διεργασιών και χαρακτηριστικών του νερού, και για τον ίδιο λόγο μπορεί να χρησιμοποιηθεί σε πολλά ερευνητικά πεδία, όπως στη μελέτη υδρολογικών κύκλων, στην ανάπτυξη της βλάστησης και της παρακολούθησης αστικών κλιμάτων. Με τη βοήθεια της ανάπτυξης των εφαρμογών τηλεπισκόπησης είναι πλέον πολύ εύκολο να κάνουμε μετρήσεις της επιφάνειας του εδάφους εξ αποστάσεως, βάση της θερμικής ακτινοβολίας των περιοχών ενδιαφέροντος με τη χρήση δορυφορικών δεδομένων όπως αυτά του LANDSAT.
Μεθοδολογία:
Η θερμοκρασία της επιφάνειας εδάφους μπορεί να παρέχει πληροφορίες σχετικά με χρονικές και χωρικές παραλλαγές της επιφανειακής θερμοκρασίας ενός γεωγραφικού μοντέλου. Η ανάκτηση της θερμοκρασίας επιτυγχάνεται με αισθητήρες υπέρυθρης θερμικής ακτινοβολίας με τους οποίους είναι εξοπλισμένα τα εναέρια μέσα. Συγκεκριμένα ο δορυφόρος Landsat 8 χρησιμοποιεί αισθητήρες TIRS (Thermal InfraRed Sensor) ώστε να μετρά την υπέρυθρη θερμική ακτινοβολία σε χωρική ανάλυση 100m χρησιμοποιώντας δύο ζώνες που βρίσκονται στο ατμοσφαιρικό παράθυρο μεταξύ των 10 και 12 μικρόμετρων.
Ωστόσο ορισμένες φορές μπορεί να είναι ιδιαίτερα δύσκολος ο άμεσος προσδιορισμός της θερμοκρασίας της επιφάνειας του εδάφους από την ακτινοβολία που εκπέμπεται στη φασματική περιοχή με ακρίβεια, διότι οι ακτινοβολίες που μετρώνται από τους δορυφόρους εξαρτώνται όχι μόνο από τις επιφανειακές παραμέτρους όπως τη θερμοκρασία, αλλά και από τις ατμοσφαιρικές συνθήκες. Συνεπώς οι δορυφορικές μετρήσεις της θερμοκρασίας της επιφάνειας του εδάφους ενδέχεται να απαιτούν ατμοσφαιρικές διορθώσεις. Στην περίπτωση του Landsat 8, επειδή το φασματικό εύρος της ζώνης της υπέρυθρης θερμικής ακτινοβολίας, είναι αρκετά στενό και ενδέχεται κάτι τέτοιο να προκαλέσει προβλήματα, χρησιμοποιείται ένας αλγόριθμος ο οποίος μπορεί να εκμεταλλευτεί 2 ζώνες υπέρυθρης θερμικής ακτινοβολίας. O αλγόριθμος ονομάζεται Split-Window (SW Algorithm) και βασίζεται σε δύο ζώνες που βρίσκονται σε συνολικό φασματικό εύρος μεταξύ 10 και 12 μικρόμετρων. Η μαθηματική δομή του αλγορίθμου Split-Window ορίζεται ως:
Ts=Ti+c1(Ti-Tj)2+c0+(c3+c4w)(1-ε)+(c5+c6w)Δε
Όπου Ti και Tj είναι η φωτηνότητα θερμοκρασίας στον αισθητήρα της ζώνης i και j αντίστοιχα, ε είναι η μέση εκπομπή, και δεδομένου ότι ε=0.5(εi+εj), Δε είναι η διαφορά εκπομπής Δε=(εi-εj), w είναι η συνολική ατμοσφαιρική περιεκτικότητα υδρατμών (σε g/cm2) και C0-C6 είναι οι συντελεστές Split Window. Οι βασικοί παράμετροι που εισάγοντε στον αλγόριθμο είναι η θερμοκρασία φωτεινότητας και η επιφανειακή εκπομπή εδάφους.
Στις πολυφασματικές εικόνες από το σύστημα Operational Land Imager του Landsat8, γίνεται ένα αρχικό στάδιο επεξεργασίας, μετά ακολουθεί υπολογισμός του δείκτη βλάστησης NDVI, και στη συνέχεια ανά-ταξινόμηση και προσδιορισμός της επιφανειακής εκπομπής εδάφους. Ταυτόχρονα στις εικόνες από τους αισθητήρες υπέρυθρης θερμικής ακτινοβολίας του Landsat8 γίνεται και πάλι ένα πρώτο στάδιο επεξεργασίας, ώστε να ακολουθήσει ο υπολογισμός φωτεινότητας θερμοκρασίας. Αυτές οι διαδικασίες καταλήγουν στην εφαρμογή του αλγορίθμου Split Window, ώστε σε τελικό στάδιο να ανακτηθεί η θερμοκρασία επιφάνειας εδάφους.
Στο Σχήμα 2, παρατηρείται η εντυπωσιακή αύξηση της θερμοκρασίας επιφάνειας εδάφους στην περιφέρεια του Bhopal από το έτος 2014 στο 2015. Ελάχιστη θερμοκρασία για το 2014 οι 17°C, ενώ για το 2015 οι 19°C. Αντίστοιχα η μέγιστη θερμοκρασία για το 2014 ήταν οι 34°C ενώ το 2015 ήταν 35°C. Αξίζει να σημειωθεί επίσης ότι σε γεωργικές, υδάτινες και πλούσιες σε βλάστηση περιοχές (οι οποίες εκτιμήθηκαν με τη μέθοδο NDVI), παρατηρήθηκε χαμηλότερη θερμοκρασία.
Συμπεράσματα:
Οι μετρήσεις θερμοκρασίας επιφάνειας εδάφους μπορούν να δώσουν σημαντικά στοιχεία για τα επίπεδα θερμοκρασίας σε μια η περισσότερες περιοχές, ανά διαφορετικά χρονικά διαστήματα, βοηθώντας έτσι τους ερευνητές να πραγματοποιούν συγκρίσεις αλλά και να αναπτύσσουν συστήματα διαχείρισης των παραπάνω συνθηκών. Σε φαινόμενα όπως αυτό της υπερθέρμανσης του πλανήτη που μπορεί να δημιουργήσει σημαντικές επιπτώσεις στο κλίμα στον άνθρωπο και φυσικά σε οικοσυστήματα, θα πρέπει να εστιάσουν οι ερευνητές και να αναπτυχθούν τεχνικές και προτάσεις εξάλειψης αυτών των φαινομένων. Η συνεισφορά των εφαρμογών τηλεπισκόπησης είναι επίσης πολύ σημαντική αναφορικά με τους τρόπους λήψεις και επεξεργασίας των σχετικών παρατηρήσεων αλλά και για τη δυνατότητα ενσωμάτωσης των δεδομένων που μπορούν να παρέχουν για λογισμικά ανάλυσης γεωγραφικών μοντέλων.
