مشاوره رایگان
فیس بوکتوئیتراینستاگراماسکایپ
کپی رایت 2024

تجزیه و تحلیل دقت دما توسط پوشش زمین با توجه به زاویه دوربین تصویربرداری مادون قرمز حرارتی برای وسایل نقلیه هوایی بدون سرنشین

مقالات تجزیه و تحلیل دقت دما توسط پوشش زمین با توجه به زاویه دوربین تصویربرداری مادون قرمز حرارتی برای وسایل نقلیه هوایی بدون سرنشین

دمای سطح زمین (LST) یکی از عوامل حیاتی است که در زمینه های مختلف از جمله مطالعه تغییرات آب و هوا و پدیده جزیره گرمایی شهری (UHI) اهمیت دارد. LST موجود با استفاده از تصاویر ماهواره ای به دست آمده است، اما با توسعه وسایل نقلیه هوایی بدون سرنشین (UAV) و دوربین های حرارتی فروسرخ (TIR)، امکان بدست آوردن LST با وضوح فضایی سانتی متر فراهم شده است. ارزیابی دقت دوربین TIR موجود برای پهپاد با عکسبرداری عمودی انجام شد. با این حال، در مورد دوربین TIR، مقدار دما ممکن است تغییر کند زیرا میزان انتشار بسته به زاویه دید متفاوت است. بنابراین لازم است دقت دوربین TIR با توجه به هر زاویه مورد ارزیابی قرار گیرد. در این مطالعه، تصاویر به طور همزمان در فواصل ۲ دقیقه ای برای هر یک از سه سایت تحقیقاتی توسط زوایای دوربین TIR (70 درجه، ۸۰ درجه، ۹۰ درجه) به دست آمد. سپس اختلاف دما بر اساس پوشش زمین با توجه به LST بدست آمده توسط دماسنج لیزری و LST بدست آمده با استفاده از پهپاد و TIR مورد ارزیابی قرار گرفت. در نتیجه، تصویر گرفته شده در ۸۰ درجه کمترین تفاوت را در مقایسه با مقدار بدست آمده با دماسنج لیزری نشان داد و تصویر ۷۰ درجه تفاوت زیادی بین ۱-۶ درجه سانتیگراد را نشان داد. علاوه بر این، در مورد سطح غیرقابل نفوذ، اختلاف دما بر اساس زاویه زیاد بود و در مورد سطح نفوذپذیر آب، تفاوت دما بر اساس زاویه وجود نداشت. از این طریق، ۸۰ درجه هنگام به دست آوردن داده TIR بهترین است، و اگر گرفتن عکس در ۸۰ درجه غیرممکن است، گرفتن تصاویر TIR بین ۸۰ درجه و ۹۰ درجه خوب است. برای بدست آوردن LST دقیق تر،

کلید واژه ها:

پهپاد ; TIR ; تصاویر عمودی ; تصاویر اریب ; دمای سطح زمین ؛ عکس ارتو

۱٫ مقدمه

با پیشرفت شهرنشینی، پدیده جزیره گرمایی شهری (UHI) رخ می دهد که در آن دمای مناطق شهری بالاتر از مناطق اطراف است [ ۱ ]. پدیده UHI باعث بدتر شدن کیفیت محیط شهری مانند امواج گرما، شب های گرمسیری و بار خنک کننده می شود [ ۲ ، ۳ ]. علت اصلی پدیده UHI سازه های مصنوعی بتنی و جاده های آسفالتی است [ ۴ و ۵ ]. با افزایش تهدید گرمایش مداوم زمین، علاقه به UHI ها نیز افزایش می یابد [ ۶ ]. داده های دقیق در مورد دمای سطح زمین (LST) با تغییرات سریع آب و هوا و پیشرفت شهرنشینی مورد نیاز است [ ۷]. به طور خاص، LST یک عامل حیاتی است که می تواند برای تجزیه و تحلیل نه تنها تغییرات سریع آب و هوا و شهرنشینی، بلکه کشاورزی، تشخیص آتش سوزی جنگل ها، تغییرات محیطی و استفاده از انرژی زمین گرمایی استفاده شود [ ۸ ، ۹ ، ۱۰ ]. در مورد LST، از آنجایی که گرمای ویژه کوچک است، تغییرپذیری بسیار زیاد است و مشاهده منظم را دشوار می‌کند [ ۱۱ ، ۱۲ ]. داده های LST با استفاده از تصاویر ماهواره ای به دست آمده اند، که بیشترین استفاده از ماهواره ها ماهواره های Landsat، ASTER، MODIS و AVHRR است [ ۱۳ ، ۱۴ ].]. با این حال، در حالی که تصاویر ماهواره‌ای رصد یک منطقه بزرگ را آسان می‌کند، این عیب را دارد که به‌دست آوردن داده‌های دمایی با وضوح مکانی بالا برای یک منطقه کوچک دشوار است [ ۱۵ ]. علاوه بر این، به دلیل طولانی بودن دوره مشاهده، به دست آوردن داده های LST در زمان مورد نظر دشوار است و همچنین تحت تأثیر ابرها قرار می گیرد [ ۱۶ ]. یکی از راه های جبران این کاستی ها، هواپیمای بدون سرنشین (UAV) است [ ۱۷ ].
اخیراً، از آنجایی که حسگرهای مادون قرمز حرارتی (TIR) ​​برای پهپادها ساخته شده‌اند، به دست آوردن LST با نصب دوربین‌های TIR بر روی پهپادها ممکن شده است [ ۱۸ ، ۱۹ ]. در مورد پهپاد، اگر باران می بارد یا باد وجود ندارد، می توان داده های LST را بدون محدودیت زمانی و مکانی به دست آورد. برخلاف ماهواره‌ها، داده‌ها را می‌توان در ارتفاعات کم به‌دست آورد که امکان به دست آوردن داده‌های LST دقیق و دقیق را می‌دهد. تصاویر ماهواره ای TIR موجود دارای وضوح مکانی بر حسب m واحد هستند، اما پهپادها می توانند تصاویر با وضوح بالا را در واحد سانتی متر بدست آورند [ ۲۰ ]]. مطالعات مختلفی در مورد LST با استفاده از حسگرهای TIR برای پهپادها وجود دارد. از آن در زمینه های مختلفی مانند ارزیابی آتش زغال سنگ زیرزمینی، ارزیابی دقت با توجه به پوشش زمین دوربین TIR و اکتساب دمای پوشش گیاهی استفاده می شود [ ۱۱ ، ۲۱ ، ۲۲ ]. با این حال، در مطالعات قبلی، دوربین های TIR فقط عکس ها را به صورت عمودی ثبت می کردند. دقت زاویه دوربین TIR ارزیابی نشده است. در مورد سنسور TIR، میزان انتشار بسته به زاویه دید متفاوت است، بنابراین مقدار دما ممکن است تغییر کند. در میان مطالعات، ارزیابی تصاویر TIR به صورت عمودی توسط پوشش زمین انجام شد، اما هیچ مطالعه ای در مورد دقت بر اساس زاویه انجام نشد. بررسی صحت دما برای هر زاویه ضروری در نظر گرفته می شود.
بنابراین، در این مطالعه، تصاویر TIR در سه مکان گرفته شد: پردیس دانشگاه که در آن پوشش های مختلف زمین وجود دارد، زمین های کشاورزی که عمدتاً پوشش گیاهی وجود دارد، و رودخانه ها. هدف از این مطالعه تجزیه و تحلیل دقت LST در هر زاویه (۷۰ درجه، ۸۰ درجه، ۹۰ درجه) دوربین TIR برای پهپادها با تصویربرداری ۳ روز برای هر تاریخ (در مجموع ۹ روز) برای هر سایت بود. برای هر منطقه، داده های LST برای هر زاویه و LST با استفاده از یک دماسنج لیزری دستی واقعی به دست آمد و برای مقایسه مقادیر LST برای هر نقطه از پوشش زمین استفاده شد.

۲٫ مواد و روشها

در بخش ۲ ، مواد و روش ها، همانطور که در شکل ۱ نشان داده شده است ، انتخاب منطقه تحقیق، به دست آوردن LST (روش با استفاده از پهپاد و روش با استفاده از دماسنج لیزری)، و یک عکس ارتو از LST تولید می شود. در نتایج و بحث، TIR برای پهپاد و مقدار LST برای هر پوشش زمین به‌دست‌آمده با دماسنج لیزری مقایسه شد و زاویه دوربین TIR که می‌تواند داده‌های دمایی دقیق را به دست آورد از طریق مقایسه انتخاب شد.

۲٫۱٫ تجهیزات مطالعه

در این مطالعه از سه پهپاد از یک نوع و سه دوربین TIR استفاده شد و تصاویر TIR از طریق سیستم سنجش از دور بدست آمد. برای پهپاد از Inspire 1 DJI و برای دوربین TIR از Zenmuse XT630 شرکت FLIR استفاده شده است. سکوی Inspire 1 را می توان برای حدود ۱۵ تا ۲۰ دقیقه، با حداکثر ارتفاع پرواز ۴۵۰۰ متر، حداکثر سرعت ۲۲ متر بر ثانیه بدون باد، و حداکثر مقاومت در برابر سرعت باد ۱۰ متر بر ثانیه کار کرد. پهپاد DJI Inspire 1 با احتساب پروانه و باتری حدود ۳ کیلوگرم وزن دارد و با سنسور Zenmuse XT حدود ۳٫۳ کیلوگرم وزن دارد. Inspire 1 یک روتور کرافت است که از چهار پروانه نیرو می گیرد ( جدول ۱). Zenmuse XT630 از سنسور میکروبولومتر VOx خنک نشده استفاده می کند و در مدل های مختلف لنز موجود است: ۶٫۸ میلی متر، ۷٫۵ میلی متر، ۹ میلی متر، ۱۳ میلی متر و ۱۹ میلی متر. در این مطالعه از لنز ۱۳ میلی متری استفاده شد. این مدل دارای میدان دید ۴۵ × ۳۷ درجه (FOV) 1.308 mrad و وضوح ۶۴۰ × ۵۱۲ پیکسل است. این سنسور اندازه پیکسل ۱۷ میکرومتری را با باند طیفی از ۷٫۵ تا ۱۳٫۵ میکرومتر ارائه می دهد. محدوده صحنه دوربین TIR شامل ۲۵- تا ۱۳۵ درجه سانتیگراد (بالابرد) یا -۴۰ درجه سانتیگراد تا ۵۵۰ درجه سانتیگراد (با بهره کم) است. در مورد Zenmuse XT630، محدوده زاویه ارتعاش به اندازه ± ۰٫۰۳ درجه سانتیگراد دقیق است تا تغییر زاویه ناشی از ارتعاش پهپاد را کاهش دهد، و دقت دما در ± ۵٪ است [ ۲۳ ].]. برای اکتساب LST در محل، از یک دماسنج لیزری (DT-8868H) استفاده شد و برای این مدل، محدوده دما ۵۰- تا ۱۶۵۰ درجه سانتیگراد است و دقت دما ۱٫۰ ± درصد با دقت بالا است [ ۲۴ ]. برای مقایسه مقدار دما در مکان دقیق هنگام به دست آوردن LST زمینی سایت، مختصات مکان از طریق نقشه برداری GNSS (روش بررسی ایستگاه مرجع مجازی (VRS)) به دست آمد، و نقاط GCP مورد نیاز برای تولید عکس های ارتوفتو دما نیز به دست آمد. تجهیزات مورد استفاده برای بررسی GNSS R8 های Trimble بود. در مورد Trimble R8، کانال ۴۴۰ کانال است، و دقت اندازه گیری VRS 8 میلی متر افقی + ۰٫۵ ppm RMS، و عمودی ۱۵ میلی متر + ۰٫۵ ppm RMS است [ ۲۵ ].

۲٫۲٫ منطقه مطالعه

در این مطالعه، ارزیابی دقت LST برای مجموع سه سایت انجام شد. سایت A انتخاب شد زیرا منطقه نسبتاً کوچکی است، اما پوشش‌های زمین مختلفی مانند مناطق مرکزی شهر وجود دارد، بنابراین LST‌های مختلف را می‌توان محاسبه و مقایسه کرد. سایت های B و C به این دلیل انتخاب شدند که برخلاف سایت A، زمین های کشاورزی و رودخانه ها در اطراف پوشش زمین وجود دارد. بنابراین می توان دمای سطح را برای عناصر طبیعی محاسبه و مقایسه کرد. سایت اول پردیس دانشگاه ملی کیونگ پوک سانگجو است که در سانگجو، گیونگ سانگبوک-دو، کره واقع شده است، و سایت دوم و سوم، زمین های کشاورزی و مناطق رودخانه ای در نزدیکی پردیس سانگجو هستند ( شکل ۲).). پوشش زمین سایت اول اورتان، چمن مصنوعی، خاک، پوشش گیاهی، سنگ مرمر، آسفالت، سطح سقف (رنگ ضد آب سبز)، پوشش زمین سایت دوم سیمان، پوشش گیاهی و آسفالت و پوشش زمین محل سوم سیمان، پوشش گیاهی و یورتان است.

۲٫۳٫ اکتساب و پردازش داده ها

۲٫۳٫۱٫ جمع آوری داده های GPS

GCPs و CPs برای تأیید صحت عکس‌های ارتو LST و به دست آوردن یک نقطه مختصاتی که می‌تواند مقدار LST دوربین UAV TIR را با مقدار LST اندازه‌گیری شده در محل مقایسه کند، استفاده شد، نقطه اندازه‌گیری دما انجام شد. GCP ها و CP ها از علائم ضد هوایی استفاده می کردند و تجهیزات GPS مورد استفاده برای بررسی، R8 های Trimble بود. به عنوان روش نظرسنجی از روش VRS که یکی از روش های Network RTK می باشد استفاده شد. روش VRS مکان فعلی GPS ایستگاه تلفن همراه را با استفاده از یک گیرنده GPS و ارتباط تلفن همراه به سرور نقطه مرجع مجازی منتقل می کند [ ۲۶ ]]. اطلاعات ارسال شده با اطلاعات سه ایستگاه مرجع کار مداوم (CORS) یکپارچه می شود و خطاهای سیستماتیک روی اثرات لایه یونوسفر و همرفت حذف می شوند [ ۲۷ ]. در طول بررسی VRS، سیگنال‌های GPS سیگنال‌های L1C/A، L1C، L2C و L5 را دریافت کردند. علاوه بر این، از سیگنال های ماهواره های GLONASS، SBAS، Galileo و Beidou استفاده شد. تعداد ماهواره های GPS 11-16 بود و فاصله داده ها برای بیش از ۱۰ ثانیه در فاصله زمانی ۱ ثانیه مشاهده شد. علاوه بر این، تنها مقادیر ۰٫۰۵ متر به صورت افقی و ۰٫۱۰ متر به صورت عمودی بر اساس مقررات دقت مجاز اندازه‌گیری شدند (این امر مطابق مقررات اندازه‌گیری شبکه RTK مربوط به Work Provision for Public Survey (جمهوری کره) شماره ۲۰۱۹-۱۵۳ (قابل اجرا از ۱ ژانویه) است. ۲۰۲۰).
۲٫۳٫۲٫ اکتساب داده های دما
برای تصاویر TIR، تصاویر بین ژوئیه و آگوست ۲۰۲۱، ۳ روز در هر سایت با انتخاب یک روز آفتابی با تعداد کمی ابر به منظور عدم تأثیر خورشید (مجموعاً ۲۷ عکس ارتو) گرفته شده است. در کره، جولای تا آگوست ماه با بالاترین میانگین دما و ماه با فصول بارانی و طوفان است. بنابراین، محدودیتی در دوره اکتساب وجود داشت زیرا یک روز صاف برای به حداقل رساندن اثر شدت گرمای خورشیدی ناشی از پوشش ابر انتخاب شد. دلیل اینکه محدوده زمانی تابستان (ژوئیه و آگوست) بود این بود که LST زمستانی بسیار کمتر از تابستان بود، بنابراین داده‌ها در تابستان با بالاترین LST جمع‌آوری شد. علاوه بر این، داده ها در تابستان جمع آوری شد، زیرا به دلیل تخلیه باتری در زمستان، کار با پهپاد دشوار بود، که یکی از معایب پهپادها است. در این مطالعه، در مجموع از سه روتورکرافت DJI Inspire 1 و دوربین TIR Zenmuse XT630 Flir برای پهپادها استفاده شد. برای تصاویر TIR، تصاویر بین ژوئیه و آگوست ۲۰۲۱، ۳ روز در هر سایت با انتخاب یک روز آفتابی با ابرهای کم گرفته شد تا تحت تأثیر شدت گرمای خورشیدی قرار نگیرند.جدول ۲ ). زمان عکسبرداری از ساعت ۱۲ تا ۱۳ زمانی که درخشندگی خورشید طولانی ترین بود، گرفته شد. در این مطالعه، در مجموع از سه روتورکرافت DJI Inspire 1 و دوربین TIR Zenmuse XT630 Flir برای پهپادها استفاده شد. ارتفاع تیراندازی پهپاد در ۵۰ متر گرفته شد. سرعت پهپاد برای اینکه روی دوربین تاثیری نداشته باشد روی کمترین ۳ متر بر ثانیه تنظیم شد و داده ها با استفاده از روش عکسبرداری خودکار به دست آمد. در مورد دوربین TIR، برای عملکرد پایدار لازم است تا دمای کار پیش گرم شود. اگرچه تصحیح غیر یکنواختی (NUC) زمانی که دستگاه برای اولین بار کار می‌کند انجام می‌شود، به منظور افزایش دقت اندازه‌گیری دما، گرفتن تصویر TIR پس از گرم کردن حدود ۲۰ دقیقه در یک محیط پایدار قبل از پرواز با پهپاد انجام شد [ ۲۸ ].].
از آنجایی که LST ممکن است در طول زمان تغییر کند، تصاویر به طور همزمان با سه پهپاد در فاصله زمانی ۲ دقیقه برای هر زاویه گرفته شده است. اندازه‌گیری در محل همزمان با عکس‌برداری از پهپاد برای نقاط مختصاتی که از طریق بررسی GNSS با استفاده از دو دماسنج لیزری از قبل به دست آمده بود، انجام شد. برای اینکه بر روی تصاویر TIR تأثیری نگذارد، پس از فیلمبرداری از همه پهپادها در هر دوره، اندازه گیری ها انجام شد. در زمان اندازه گیری، یک نقطه پنج بار اندازه گیری شد، مقدار میانگین محاسبه شد و LST نقطه به دست آمد. سایت (الف) در مجموع دارای سه پوشش زمین (سیمان، پوشش گیاهی و آسفالت)، سایت (ب) دارای مجموعا هفت پوشش زمین (اورتان، چمن مصنوعی، خاک، پوشش گیاهی، سنگ مرمر، آسفالت و سطح بام سبز) است. ، سایت (ج) در مجموع دارای سه (سیمان، پوشش گیاهی،شکل ۳ ).
۲٫۳٫۳٫ LST Orthophotos Generation
تصاویر TIR به دست آمده توسط پهپادها در قالب گروه متخصص عکاسی مشترک ۸ بیتی (JPEG) به دست می آیند. تصاویر TIR به دست آمده در فرمت JPEG، مقادیر عدد دیجیتال (DN) را نشان می دهند، نه مقادیر دما. یک تصویر JPEG شامل داده های تشعشعی و اطلاعات فراداده است [ ۲۹ ]. فرمت فایل تصویری قابل تعویض (EXIF) دارای اطلاعاتی برای محاسبه دما و مقادیر خاص فراداده است [ ۳۰ ]. در مورد یک تصویر TIR واحد، مقدار دما را می توان با ابزار Flir + نرم افزار ارائه شده توسط FLIR [ ۳۱ ] بررسی کرد.]. با این حال، در این مطالعه، ما قصد داریم مقدار LST را با تولید یک عکس ارتوفتو به جای یک تصویر واحد بدست آوریم. برای تولید Orthophotos LST، لازم است ابتدا نرم افزار Exiftool را در Matlab 2021a اجرا کنید و فرمت JPEG 8 بیتی را به یک تصویر با فرمت فایل تصویری با برچسب ۱۶ بیتی (TIFF) تبدیل کنید. پس از اجرای Exiftool در Matlab 2021a، یک تصویر JPEG 8 بیتی با استفاده از فراداده تصویر JPEG و دستور -rawthermalimage-b به یک تصویر TIFF 16 بیتی تبدیل شد.

یک تصویر TIR منفرد که از یک تصویر JPEG به یک تصویر TIFF تبدیل شده است به عنوان یک تصویر ارتوفتو با استفاده از نرم افزار حرفه ای Photoscan Agisift تولید شد. نرم افزار Photoscan از طریق تصحیح اعوجاج دوربین، هم ترازی عکس، استخراج نقطه ویژگی، ساخت نقطه با چگالی بالا، مش و ساخت بافت [ ۳۲ ، ۳۳ ]، عکس های ارتوفوتو تولید می کند. روش تصحیح اعوجاج دوربین از مدل اعوجاج براون استفاده کرد (معادلات (۱)-(۶) [ ۳۴ ]. استخراج نقطه مشخصه با استفاده از تکنیک تطبیق تبدیل ویژگی ثابت مقیاس (SIFT) [ ۳۵ ] انجام شد.]. در چهار مرحله پیش می‌رود: تشخیص افراط در مقیاس، تعیین موقعیت نقطه ویژگی، تخصیص جهت و توصیفگر ویژگی. سپس، از طریق فرآیند ساختار از حرکت (SfM)، یک ابر نقطه ای با چگالی بالا با بیان تصویر و مقادیر مختصات نسبی ۳ بعدی تشکیل می شود [ ۳۶ ]. از آنجایی که ابر نقطه با چگالی بالا ساخته شده از طریق روش SfM یک مختصات نسبی است، نقطه مرجع زمینی که از طریق نقشه برداری VRS به دست می آید، ورودی و تبدیل به مختصات مطلق می شود ( شکل ۴ ).

y = Y / Z
 r =( x2+ y2)——-√
ایکس“= x ( ۱ +ک۱r2+ک۲r4+ک۳r6+ک۴r8) + (پ۲(r2+ ۲ایکس۲) +۲پ۱x y) ( ۱ +پ۳r2+پ۴r4)
y“= y ( ۱ +ک۱r2+ک۲r4+ک۳r6+ک۴r8) + (پ۱(r2+ ۲y2) +۲پ۲x y) ( ۱ +پ۳r2+پ۴r4)
u = w × ۰٫۵   + جایکس+ایکس“f+ایکس“ب۱+y“ب۲
v = h × ۰٫۵   +جy+y“f

که در آن، X، Y و Z مختصات نقطه در سیستم مختصات دوربین محلی هستند. u و v مختصات نقطه پیش بینی شده را در سیستم مختصات تصویر (به پیکسل) نشان می دهند. f فاصله کانونی است. جایکسو جyآفست نقطه اصلی هستند. ک۱، ک۲، ک۳، و ک۴ضرایب اعوجاج شعاعی هستند. ب۱و ب۲به ترتیب ضرایب قرابت و غیرمتعامد (کول) را نشان می دهد. و w و h به ترتیب عرض و ارتفاع تصویر بر حسب پیکسل هستند. از آنجایی که ارتفتو تولید شده یک مقدار DN است، باید به مقدار دما تبدیل شود. مقدار DN با استفاده از معادلات (۷)-(۱۲) به یک مقدار دما تبدیل شد، و هر پارامتر برای معادلات (۷)-(۱۲) بسته به نوع دوربین TIR و محیط خارجی در زمان تصویربرداری متفاوت است [ ۳۰ ] ].

اچ۲O = Hum × EXP ( ۱٫۵۵۸۷ + ۰٫۰۶۹۳۹ × AirT − ۰٫۰۰۰۲۷۸۱۶ × AirT+ ۰٫۰۰۰۰۰۰۶۸۴۵۵ × AirT )
Rawمنعکس کننده=PlanckR ۱PlanckR ۲ × ( EXP (پلانک بیAirT + ۲۷۳٫۱۵) –PlanckF)– PlanckO
T = X × EXP ( – منطقه—-√× ( آلفا ۱ + بتا ۱ ) ×  اچ۲O—-√) )            + ( ۱ − X ) × EXP ( −منطقه—-√) × ( ( آلفا ۲ + بتا ۲   ) ×اچ۲O—-√)
RawAtmoسمنعکس کننده=PlanckR ۱PlanckR ۲ × ( EXP (پلانک بیAirT + ۲۷۳٫۱۵) –PlanckF)– PlanckO
Rawهدف – شی=DN – ( ( ۱ – T ) – RawAtmoسمنعکس کننده) − ( ۱ − E ) × Rawمنعکس کنندهEتی
تیهدف – شی=پلانک بیLN (PlanckR ۱PlanckR ۲ × ( Rawهدف – شی+ PlanckO )+ PlanckF )– ۲۷۳٫۱۵
اطلاعات پارامتر برای دوربین TIR نیاز دارد PlanckR ۱، PlanckR ۲، پلانک بی، پلانک اف، PlanckO، آلفا  ۱، آلفا  ۲، بتا  ۱، بتا  ۲، ایکس[ ۳۷ ]. این پارامترها مقادیر منحصر به فردی هستند که برای محاسبه تضعیف جو در حسگر ذخیره می شوند. این اطلاعات در مورد پارامترها به عنوان ابرداده در هنگام گرفتن تصویر TIR ذخیره می شود. برای دانستن متادیتا باید اطلاعات EXIF ​​تصویر استخراج شود و برای استخراج اطلاعات EXIF ​​از نرم افزار ExifToolGUI استفاده شده است. با وارد کردن تصویر TIR در نرم افزار ExifToolGUI و بارگذاری اطلاعات کامل در مورد تصویر TIR، می توان اطلاعات پارامتر را بررسی کرد ( جدول ۳ ) [ ۳۸ ، ۳۹ ]. علاوه بر پارامترهای جدول ۳ ، اطلاعات دقیق مانند مشخصات دوربین، وضعیت قرارگیری دوربین در زمان عکاسی و اطلاعات مکان قابل بررسی است.
پارامترها منطقه، موش صحرایی، هوم، AirT، و Eبرای محیط عکسبرداری می تواند توسط کاربر با توجه به محیط خارجی هنگام عکسبرداری تغییر کند. انتشار ( E) سطح به طور کلی در غیاب برف و آب ۰٫۹۵ یا بیشتر بود و همچنین در این مطالعه روی ۰٫۹۵ تنظیم شد [ ۴۰ ]. تابش دماسنج لیزری مورد استفاده برای ارزیابی دقت تصویربرداری TIR نیز ۰٫۹۵ تنظیم شد. با استفاده از Matlab 2021a، معادلات (۷)-(۱۲) و پارامترها برای تبدیل ارتوفوتوهای تولید شده با مقادیر DN به Orthophotos LST محاسبه شد ( شکل ۵ ).

۳٫ نتایج و بحث

در این بخش، Results and Discussion، تفاوت بین LST هر سایت به‌دست‌آمده از هر زاویه دوربین و میانگین دمایی که مستقیماً با یک دماسنج لیزری به‌دست می‌آید، مقایسه شد. از طریق مقایسه، تفاوت دما بر اساس زاویه به صورت کمی تجزیه و تحلیل شد تا انتخاب شود که کدام زاویه می‌تواند دقیق‌ترین مقدار دما را هنگام گرفتن تصاویر TIR برای پهپادها به دست آورد. در این مطالعه، تصاویر TIR به طور همزمان در سه زاویه دوربین ۷۰ درجه، ۸۰ درجه و ۹۰ درجه به مدت ۳ روز (در مجموع ۹ روز) در هر سایت از ژوئیه تا آگوست گرفته شد تا عکس‌های ارتوفوتوی LST (در مجموع ۲۷ عکس ارتوفوتوی LST) تولید شود. ). LST بدست آمده با پهپاد و مقدار LST بدست آمده با دماسنج لیزری به صورت میانگین محاسبه و مقایسه شدند ( جدول ۴ ، جدول ۵ وجدول ۶ ). مقادیر دمایی به‌دست‌آمده با استفاده از عکس‌های اورتوفوتو LST و دماسنج لیزری نشان‌دهنده مقدار متوسط ​​برای چندین نقطه اندازه‌گیری شده توسط پوشش‌های زمین است.
قبل از مقایسه دمای بدست آمده دوربین TIR برای پهپاد و دماسنج لیزری با توجه به تاریخ، زاویه و پوشش زمین، باید بررسی شود که آیا میانگین تفاوت بین دماهای به دست آمده قابل توجه است یا خیر. برای تایید معنی داری از تحلیل واریانس (ANOVA) استفاده شد. ANOVA روشی است که زمانی استفاده می شود که میانگین سه یا چند گروه مختلف با یکدیگر مقایسه شوند [ ۴۱ ]. ANOVA روشی برای آزمایش یک فرضیه با استفاده از توزیع F با مقایسه واریانس های درون گروه ها، مجموع، میانگین مجموع و واریانس بین گروه ها ناشی از تفاوت میانگین است. اگر مقدار p محاسبه شده از طریق آنالیز ANOVA کمتر از ۰٫۰۵ باشد، می توان در نظر گرفت که تفاوت معنی داری وجود دارد [۴۲ ]. جدول ۷ ، جدول ۸ و جدول ۹ جداولی هستند که نتایج قابل توجه LST هر پوشش زمین را با توجه به زوایای مکان های مورد مطالعه A، B و C از طریق روش ANOVA نشان می دهد. با نگاهی به مقادیر p نواحی تحقیقاتی A، B و C، کمتر از ۰٫۰۵ تأیید شد و از این طریق می‌توان دریافت که تفاوت آماری معنی‌داری بین دمای سطح زمین هر یک وجود دارد. پوشش زمین با توجه به زوایای.
در مورد سایت تحقیقاتی A، تصویربرداری پهپاد در ۲۸ ژوئیه ۲۰۲۱، ۴ آگوست ۲۰۲۱ و ۱۶ آگوست ۲۰۲۱ انجام شد و میانگین دما در ۴ آگوست ۲۰۲۱ در بین این سه تاریخ بالاترین درجه بود. انواع پوشش زمین شامل بتن، پوشش گیاهی و آسفالت بود و پوشش زمین با بالاترین LST بالاترین دما را به ترتیب آسفالت، بتن و پوشش گیاهی داشت. هنگام مقایسه دمای به‌دست‌آمده با تصویر TIR و دمای به‌دست‌آمده با یک دماسنج لیزری، بزرگترین میانگین اختلاف مطلق ۵٫۵۱ درجه سانتی‌گراد، ۱٫۱۱ درجه سانتی‌گراد و ۶٫۶۰ درجه سانتی‌گراد در تصویر ۷۰ درجه در ۱۶ اوت ۲۰۲۱، برای بتن، پوشش گیاهی بود. ، و آسفالت. کوچکترین تفاوت این است که برای بتن و آسفالت، تصویر ۸۰ درجه در ۲۸ ژوئیه ۲۰۲۱، در ۰٫۷۳ درجه سانتیگراد و ۰٫۶۴ درجه سانتیگراد کوچکترین بود و برای پوشش گیاهی، تصویر ۸۰ درجه در ۴ اوت ۲۰۲۱، کمترین میزان با دمای ۰٫۳۶ درجه سانتی گراد بود. هنگام مقایسه سه تاریخ، زاویه دوربین TIR با مقدار دمایی مشابه دماسنج لیزری ۸۰ درجه و زاویه با اختلاف دمای زیاد ۷۰ درجه است. در مورد بتن و آسفالت، بسته به زاویه دوربین (بر اساس ۸۰ درجه) تفاوت حدود ۱ تا ۶ درجه سانتیگراد بود و حتی با توجه به اینکه دقت دوربین ۵ درصد است، می توان فهمید که این تفاوت زیاد است. در مورد پوشش گیاهی، تفاوت دما بر اساس زاویه زیاد نبود، اما زمانی که زاویه دوربین ۸۰ درجه بود، دقیق‌تر بود. این تفاوت بسته به زاویه دوربین (بر اساس ۸۰ درجه) حدود ۱ تا ۶ درجه سانتیگراد بود، و حتی با توجه به اینکه دقت دوربین ۵٪ است، می توان فهمید که این تفاوت بسیار زیاد است. در مورد پوشش گیاهی، تفاوت دما بر اساس زاویه زیاد نبود، اما زمانی که زاویه دوربین ۸۰ درجه بود، دقیق‌تر بود. این تفاوت بسته به زاویه دوربین (بر اساس ۸۰ درجه) حدود ۱ تا ۶ درجه سانتیگراد بود، و حتی با توجه به اینکه دقت دوربین ۵٪ است، می توان فهمید که این تفاوت بسیار زیاد است. در مورد پوشش گیاهی، تفاوت دما بر اساس زاویه زیاد نبود، اما زمانی که زاویه دوربین ۸۰ درجه بود، دقیق‌تر بود.
در مورد سایت تحقیقاتی B، تصویربرداری پهپاد در ۲۹ جولای ۲۰۲۱، ۵ آگوست ۲۰۲۱ و ۱۷ آگوست ۲۰۲۱ و ۵ آگوست ۲۰۲۱ انجام شد، بالاترین میانگین دما را در بین این سه تاریخ داشت. هفت نوع پوشش زمین وجود دارد: یورتان، چمن مصنوعی، خاک، پوشش گیاهی، مرمر، آسفالت و بام سبز (پرکاربردترین رنگ سقف در کره). پوشش زمین با بالاترین LST آسفالت، چمن مصنوعی، بام سبز، یورتان، خاک، مرمر و پوشش گیاهی به ترتیب بود. هنگام مقایسه دمای به‌دست‌آمده با تصویر TIR و دمای به‌دست‌آمده با دماسنج لیزری، بزرگترین میانگین اختلاف مطلق ۶٫۲۹ درجه سانتی‌گراد، ۴٫۲۸ درجه سانتی‌گراد، ۲٫۷۲ درجه سانتی‌گراد و ۳٫۶۶ درجه سانتی‌گراد در تصویر ۷۰ درجه در ۲۹ ژوئیه ۲۰۲۱ بود. در مورد یورتان، چمن مصنوعی، خاک و سنگ مرمر. کمترین اختلاف دما در پوشش زمین به استثنای پوشش گیاهی در ۸۰ درجه سانتیگراد بود و یورتان و بامهای سبز تفاوت ۰٫۷۲ درجه سانتیگراد و ۰٫۳۷ درجه سانتیگراد را در ۵ آگوست ۲۰۲۱ نشان دادند. چمن مصنوعی، خاک، مرمر و آسفالت تفاوت ۱٫۰۴ درجه را نشان دادند. C، ۰٫۵۵ درجه سانتیگراد، ۰٫۶۲ درجه سانتیگراد، و ۰٫۸۸ درجه سانتیگراد در ۱۷ اوت ۲۰۲۱٫ پوشش گیاهی در ۰٫۴۸ درجه سانتیگراد در تصویر ۹۰ درجه در ۱۷ اوت ۲۰۲۱ کمترین مقدار بود، اما تفاوت معنی داری با ۷۰ درجه و ۸۰ وجود نداشت. ° تصاویر (۷۰ درجه: ۰٫۷۱ درجه سانتیگراد، ۸۰ درجه: ۰٫۸۴ درجه سانتیگراد). مانند سایت A، در سایت B، تصویر TIR 80 درجه سانتیگراد مقدار دمایی مشابه دماسنج لیزری را نشان داد و تأیید شد که تصویر TIR 70 درجه سانتیگراد دارای اختلاف دمای زیادی است. در مقایسه با زاویه دوربین، حدود ۱ تا ۵ در پوشش زمین (بر اساس ۸۰ درجه) و در مورد خاک، پوشش گیاهی و بام سبز تفاوت وجود دارد.
در مورد سایت تحقیقاتی C، تصویربرداری پهپاد در ۳۰ جولای ۲۰۲۱، ۶ آگوست ۲۰۲۱، و ۱۸ آگوست ۲۰۲۱ و ۶ آگوست ۲۰۲۱ انجام شد، بالاترین میانگین دما را در بین سه تاریخ داشت. سه نوع پوشش زمین وجود دارد: بتن، پوشش گیاهی و یورتان و پوشش زمینی با بالاترین LST دارای بالاترین درجه حرارت به ترتیب اورتان، بتن و پوشش گیاهی است. هنگامی که دمای به‌دست‌آمده با تصویر TIR و دمای به‌دست‌آمده توسط دماسنج لیزری مقایسه شد، بیشترین میانگین اختلاف مطلق در تصاویر هر سه پوشش زمین در ۷۰ درجه مشاهده شد. بتن و پوشش گیاهی در ۶ آگوست ۲۰۲۱ اختلاف ۵٫۴۸ درجه سانتیگراد و ۰٫۸۰ درجه سانتیگراد را نشان دادند و یورتان در ۳۰ ژوئیه ۲۰۲۱ در یک تصویر ۷۰ درجه اختلاف ۵٫۷۷ درجه سانتیگراد را نشان داد. برعکس، کمترین تفاوت در ۸۰ ۰٫۹۱ درجه سانتیگراد بود. ° تصویر در ۳۰ ژوئیه ۲۰۲۱، در بتن و ۰٫۴۹ درجه سانتیگراد در تصویر ۹۰ درجه در ۱۸ آگوست ۲۰۲۱، در پوشش گیاهی. اورتان در ۱۸ آگوست ۲۰۲۱ اختلاف ۰٫۷۵ درجه سانتی گراد را در تصویر ۸۰ درجه نشان داد. به طور مشابه، برای سایت C، مانند سایت های A و B، تصویر ۸۰ درجه مشابه ترین مقدار را با دماسنج لیزری نشان داد، اما در تصویر در ۱۸ آگوست ۲۰۲۱، تأیید شد که ۹۰ درجه در پوشش گیاهی کمی بیشتر از ۸۰ درجه است. در مورد بتن و یورتان، تفاوت حدود ۲ تا ۴ درجه سانتیگراد بسته به زاویه دوربین (بر اساس ۸۰ درجه) بود. در مورد پوشش گیاهی، اختلاف دما از نظر زاویه به اندازه سایت A و B نبود، اما زمانی که زاویه دوربین ۸۰ درجه بود، بیشترین دقت را داشت. تصویر ۸۰ درجه شبیه ترین مقدار را به دماسنج لیزری نشان داد، اما در تصویر ۱۸ آگوست ۲۰۲۱ تأیید شد که ۹۰ درجه کمی بیشتر از ۸۰ درجه در پوشش گیاهی مشابه است. در مورد بتن و یورتان، تفاوت حدود ۲ تا ۴ درجه سانتیگراد بسته به زاویه دوربین (بر اساس ۸۰ درجه) بود. در مورد پوشش گیاهی، اختلاف دما از نظر زاویه به اندازه سایت A و B نبود، اما زمانی که زاویه دوربین ۸۰ درجه بود، بیشترین دقت را داشت. تصویر ۸۰ درجه شبیه ترین مقدار را به دماسنج لیزری نشان داد، اما در تصویر ۱۸ آگوست ۲۰۲۱ تأیید شد که ۹۰ درجه کمی بیشتر از ۸۰ درجه در پوشش گیاهی مشابه است. در مورد بتن و یورتان، تفاوت حدود ۲ تا ۴ درجه سانتیگراد بسته به زاویه دوربین (بر اساس ۸۰ درجه) بود. در مورد پوشش گیاهی، اختلاف دما از نظر زاویه به اندازه سایت A و B نبود، اما زمانی که زاویه دوربین ۸۰ درجه بود، بیشترین دقت را داشت.

۴٫ نتیجه گیری

در این مطالعه، دقت LST برای هر پوشش زمین با توجه به زاویه دوربین TIR نصب شده بر روی پهپاد ارزیابی شد. در این مطالعه دقت دما با توجه به زاویه دوربین TIR نصب شده بر روی پهپاد مورد ارزیابی قرار گرفت. تصاویر در هر زاویه به مدت ۳ روز در مجموع سه سایت تحقیقاتی گرفته شد و برای به حداقل رساندن تغییر در LST، تصاویر به طور همزمان در فواصل ۲ دقیقه برای هر زاویه گرفته شد. دقت دوربین TIR برای پهپاد با مقایسه LST بدست آمده توسط TIR برای پهپاد با LST بدست آمده توسط دماسنج لیزری ارزیابی شد. تصاویر TIR در همان ارتفاع تیراندازی ۵۰ متری به دست آمد. پوشش زمین با بالاترین درجه حرارت روی سطوح غیر قابل نفوذ مانند بتن، آسفالت، چمن مصنوعی و بام سبز بالا بود. و دما در سطوح نفوذپذیر مانند خاک و پوشش گیاهی پایین بود. در مورد سطح نفوذ پذیر، تصور می شود که دمای سطح به دلیل تبخیر و تعرق یا تابش سطح و خواص ترمودینامیکی پایین بوده است. سنگ مرمر یکی از مناطق غیر قابل نفوذ است، اما به دلیل طبیعت سردش دمای آن نسبت به سایر مناطق غیر قابل نفوذ کمتر بود. در مورد نتایج با توجه به زاویه، تفاوت دما در مقایسه با دماسنج لیزری در تصاویر TIR که در زاویه دوربین ۸۰ درجه در هر سه سایت تحقیقاتی به دست آمد، معنی‌دار نبود. تصویر ۸۰ درجه دقیق تر از تصویر ۷۰ و ۹۰ درجه بود. در مورد تصویر ۷۰ درجه، اختلاف دما بیشتر از ۸۰ درجه و ۹۰ درجه (تا حدود ۶ درجه) بود. در مورد یک تصویر ۹۰ درجه، با دقت ۵ درصد دوربین TIR مورد استفاده در این مطالعه قابل قبول است.
در هر سه سایت مورد مطالعه، اختلاف دمای زیادی در پوشش زمین وجود داشت که سطحی غیر قابل نفوذ است. با این حال، اختلاف دما بر اساس زاویه در پوشش زمین، که سطح نفوذ پذیر است، زیاد نبود. با قضاوت از نتایج این آزمایش، اعتقاد بر این است که دمای دقیق را می توان بدون توجه به زاویه دوربین در مورد سطح نفوذپذیر آب به دست آورد. در مورد پوشش سطحی غیرقابل نفوذ، جایی که رطوبت وجود ندارد و فضایی بین ذرات وجود ندارد، که به خوبی تهویه نمی شود، تصور می شود که مقدار دما تحت تأثیر زاویه دوربین قرار می گیرد. LST بسته به مواد سطح، مانند سطح نفوذپذیر یا سطح غیرقابل نفوذ، متفاوت است و همچنین ممکن است بسته به زاویه دوربین متفاوت باشد. در مورد هواپیمای بدون سرنشین، زاویه ۸۰ درجه به دلیل وضعیت قرارگیری پهپاد دقیق در نظر گرفته می شود، زیرا در هنگام پرواز تصاویر TIR می گیرد. علاوه بر این، بسته به مواد سطح زمین، زاویه ای که در آن حداکثر تابش ساطع می شود متفاوت است. بنابراین، تصور می‌شود که زاویه دوربین بهینه برای انتشار تشعشع در تمام سطوح خشکی، همانطور که در نتایج این مطالعه نشان داده شده است، ۸۰ درجه است.
بر اساس نتایج این مطالعه، در نظر گرفته می‌شود که هنگام دریافت داده‌ها با استفاده از دوربین‌های پهپاد و TIR، بهتر است زاویه دوربین را روی ۸۰ درجه تنظیم کنید. در مورد ۹۰ درجه، اگرچه اختلاف دما وجود دارد، اما می توان در محدوده تحمل به دست آورد، بنابراین اگر بدست آوردن ۸۰ درجه غیرممکن باشد، می توان با تنظیم زاویه بین ۸۰ تا ۹۰ درجه، آن را بدست آورد. اکتساب دقیق دما مهم است زیرا دمای سطح داده های مهمی است که می تواند به عنوان داده های اساسی در زمینه های مختلف مانند شهرها و مسائل زیست محیطی مورد استفاده قرار گیرد. از آنجایی که روش تصویربرداری ماهواره‌ای موجود دارای وضوح مکانی و زمانی پایینی است، می‌توان دریافت که کسب دمای سطح با استفاده از پهپاد بسیار موثر است. از این رو، استفاده از آن به عنوان داده های اساسی برای مسائل شهری و محیطی با به دست آوردن مقادیر دقیق دما با استفاده از زاویه بهینه دوربین TIR خوب است. با این حال، هنگام به دست آوردن داده ها با استفاده از دوربین TIR برای پهپاد، عوامل مختلفی مانند محیط (باد، دما و وضعیت زمین)، عملکرد پهپاد و دوربین، ارتفاع عکسبرداری و همچنین زاویه وجود دارد. بنابراین در مطالعات آتی، مطالعات اصلاحی برای عوامل خارجی غیر از زاویه مورد نیاز است.

منابع

  1. آچاریا، تی. ریهل، بی. فوکس، الف. اثرات آلبیدو و اینرسی حرارتی بر دمای سطح روسازی با شرایط مرزی همرفتی – مطالعه CFD. Processes ۲۰۲۱ , ۹ , ۲۰۷۸٫ [ Google Scholar ] [ CrossRef ]
  2. کیم، SW; براون، RD شهری جزیره حرارتی شهری (UHI) برآورد شدت و بزرگی: بررسی ادبیات سیستماتیک. علمی کل محیط. ۲۰۲۱ ، ۷۷۹ ، ۱۴۶۳۸۹٫ [ Google Scholar ] [ CrossRef ]
  3. Keppas، SC; پاپادوگیاناکی، س. پرلیاری، د. کونتوس، اس. پوپکو، ا. تزوماکا، پ. کلسیس، ا. زانیس، پ. کازاسانتا، جی. de’Donato، F. تاثیر تغییرات آب و هوایی آینده بر جزیره گرمایی شهری در دو شهر مدیترانه ای بر اساس شبیه سازی های آب و هوایی منطقه ای با وضوح بالا. Atmosphere ۲۰۲۱ , ۱۲ , ۸۸۴٫ [ Google Scholar ] [ CrossRef ]
  4. مهاجرانی، ع. باکاریچ، ج. جفری-بیلی، تی. اثر جزیره گرمایی شهری، علل و کاهش آن، با اشاره به خواص حرارتی بتن آسفالتی. جی. محیط زیست. مدیریت ۲۰۱۷ ، ۱۹۷ ، ۵۲۲-۵۳۸٫ [ Google Scholar ] [ CrossRef ] [ PubMed ]
  5. چن، جی. چن، ایکس. دان، اچ. Zhang, L. روش پیش‌بینی ترکیبی برای هدایت حرارتی بتن آسفالتی بر اساس فناوری مزو ساختار و نرمال‌سازی مجدد. Appl. علمی ۲۰۲۲ ، ۱۲ ، ۸۵۷٫ [ Google Scholar ] [ CrossRef ]
  6. گائو، ی. ژائو، جی. Han, L. بررسی ناهمگونی فضایی اثر جزیره گرمایی شهری و رابطه آن با مورفولوژی بلوک با مدل رگرسیون وزن‌دار جغرافیایی. حفظ کنید. جامعه شهرها ۲۰۲۲ ، ۷۶ ، ۱۰۳۴۳۱٫ [ Google Scholar ] [ CrossRef ]
  7. عبدالله، س. باروا، دی. عبدالله، س. ابوبکر، م. Rabby، YW بررسی تأثیر تغییر کاربری زمین/پوشش زمین بر دمای فعلی و آینده سطح زمین (LST) چیتاگونگ، بنگلادش. سیستم زمین محیط زیست ۲۰۲۲ ، ۶ ، ۱-۱۵٫ [ Google Scholar ] [ CrossRef ]
  8. سیلوستری، م. ماروتا، ای. Buongiorno، MF; آویساتی، جی. بلویزو، پی. بلوچی سسا، ای. کاپوتو، تی. لونگو، وی. دی لئو، وی. Teggi، S. نظارت بر دمای سطح در Parco delle Biancane (منطقه جغرافیایی ایتالیا) با استفاده از داده های ماهواره ای نوری، پهپاد و کمپین های میدانی. Remote Sens. ۲۰۲۰ ، ۱۲ ، ۲۰۱۸٫ [ Google Scholar ] [ CrossRef ]
  9. چولاک، ای. Sunar، F. ارزیابی خطر آتش سوزی جنگل در جنگل های ترکیه مدیترانه: مطالعه موردی منطقه مندرس، ازمیر. بین المللی J. کاهش خطر بلایا. ۲۰۲۰ , ۴۵ , ۱۰۱۴۷۹٫ [ Google Scholar ] [ CrossRef ]
  10. خان، آی. جاوید، تی. خان، ا. لی، اچ. محمد، من. علی، من. Huo, X. ارزیابی تأثیر تغییر کاربری زمین بر دمای سطح و بهره‌وری کشاورزی در پیشاور-پاکستان. محیط زیست علمی آلودگی Res. ۲۰۱۹ ، ۲۶ ، ۳۳۰۷۶–۳۳۰۸۵٫ [ Google Scholar ] [ CrossRef ]
  11. پارک، جی اچ. لی، KR; لی، WH; Han, YK Generation of LST Orthophoto and Temperature Accuracy Analysis توسط پوشش های زمینی بر اساس حسگر حرارتی مادون قرمز نصب شده بر روی وسیله نقلیه هوایی بدون سرنشین. J. کره ای Soc. Surv. Geod. فتوگرام کارتوگر. ۲۰۱۸ ، ۳۶ ، ۲۶۳-۲۷۰٫ [ Google Scholar ]
  12. مکری، ا. محب زاده، ح. سامانی، ز. دوبوا، دی. Daggupati، P. نسبت مکانی-زمانی دمای سطح زمین MODIS با استفاده از تکنیک‌های یادگیری ماشین (مطالعه موردی: دره ریو گراند پایین نیومکزیکو). Remote Sens. Appl. Soc. محیط زیست ۲۰۲۱ ، ۲۴ ، ۱۰۰۶۵۱٫ [ Google Scholar ] [ CrossRef ]
  13. Jiménez-Muñoz، JC; سوبرینو، جی. اسکوکوویچ، دی. ماتار، سی. روش‌های بازیابی Cristóbal، J. LST از داده‌های حسگر مادون قرمز حرارتی Landsat-8. IEEE Geosci. سنسور از راه دور Lett. ۲۰۱۴ ، ۱۱ ، ۱۸۴۰-۱۸۴۳٫ [ Google Scholar ] [ CrossRef ]
  14. لیو، ک. سو، اچ. لی، ایکس. وانگ، دبلیو. یانگ، ال. لیانگ، H. کمی سازی الگوی مکانی-زمانی جزیره گرمایی شهری در پکن: ارزیابی بهبودیافته با استفاده از مشاهدات سری زمانی LST (LST) از LANDSAT، MODIS، و ماهواره جدید چینی GaoFen-1. IEEE J. Sel. بالا. Appl. زمین Obs. Remote Sens. ۲۰۱۶ ، ۹ ، ۲۰۲۸–۲۰۴۲٫ [ Google Scholar ] [ CrossRef ]
  15. جین، ی. ژو، جی. سانگ، اس. Lee, DK کاربرد همجوشی فضایی و زمانی داده های ماهواره ای در پیش بینی NDVI فصلی. Korean J. Remote Sens. ۲۰۱۷ ، ۳۳ ، ۱۴۹–۱۵۸٫ [ Google Scholar ]
  16. وانگ، تی. شی، ج. ممکن است.؛ هوسی، ال. کامین پلات، ای. جی، دی. ژائو، تی. Xiong، C. بازیابی LST در زیر آسمان ابری با در نظر گرفتن هندسه خورشیدی-ابر-ماهواره: کاربرد برای داده های MODIS و Landsat-8. جی. ژئوفیس. Res. اتمس. ۲۰۱۹ ، ۱۲۴ ، ۳۴۰۱–۳۴۱۶٫ [ Google Scholar ] [ CrossRef ]
  17. چو، جی دبلیو. لی، جی کی; Park, J. روشهای دیجیتالی سازی پیشرفت کارهای زمینی در مقیاس بزرگ با استفاده از سری مدل های سه بعدی تولید شده از تصاویر UAS. Drones ۲۰۲۱ , ۵ , ۱۴۷٫ [ Google Scholar ] [ CrossRef ]
  18. کلی، جی. کلجون، ن. اولسون، پی. میهای، ال. لیلجباد، بی. وسلین، پی. کلمدسون، ال. چالش‌ها و بهترین روش‌ها برای استخراج داده‌های دما از یک دوربین مادون قرمز حرارتی پهپاد کالیبره نشده. Remote Sens. ۲۰۱۹ , ۱۱ , ۵۶۷٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  19. اورتگا-فاریاس، اس. استبان-کوندوری، دبلیو. ریوروس-بورگوس، سی. Fuentes-Peñailillo، F. Bardeen, M. ارزیابی یک مدل پچ دو منبع برای تخمین تعادل انرژی تاکستان با استفاده از تصاویر حرارتی با وضوح بالا که توسط یک وسیله نقلیه هوایی بدون سرنشین (UAV) به دست آمده است. کشاورزی هواشناسی ۲۰۲۱ , ۳۰۴ , ۱۰۸۴۳۳٫ [ Google Scholar ] [ CrossRef ]
  20. تره فرنگی.؛ سونگ، جی. هان، ی. لی، WH ارزیابی کاربرد تکنیک های مختلف فضای رنگی تصاویر پهپاد برای ارزیابی عملکرد سقف خنک. Energies ۲۰۲۰ , ۱۳ , ۴۲۱۳٫ [ Google Scholar ] [ CrossRef ]
  21. تره فرنگی.؛ پارک، جی. یونگ، اس. لی، W. ارزیابی سقف گرم بر اساس رنگ در مناطق سرد با استفاده از یک دوربین تصویربرداری حرارتی مادون قرمز نصب شده با پهپاد. Energies ۲۰۲۱ , ۱۴ , ۶۴۸۸٫ [ Google Scholar ] [ CrossRef ]
  22. نینواز، ای. شلرف، ام. درویش زاده، ر. گرهاردز، ام. Skidmore، AK سنجش از دور مادون قرمز حرارتی پوشش گیاهی: وضعیت فعلی و چشم اندازها. بین المللی J. Appl. زمین Obs. Geoinf. ۲۰۲۱ ، ۱۰۲ ، ۱۰۲۴۱۵٫ [ Google Scholar ] [ CrossRef ]
  23. DJI Science and Technology Co., Ltd. Zenmuse XT Powered by FLIR User Manual v1.2, 05, Shenzhen, China. ۲۰۱۶٫ در دسترس آنلاین: https://dl.djicdn.com/downloads/zenmuse_xt/en/Zenmuse_XT_User_Manual_V1.2_en_0708.pdf (در ۲۰ اکتبر ۲۰۲۱ قابل دسترسی است).
  24. Senzhen Everbest Machinery Industry Co., Ltd. دماسنج حرفه ای مادون قرمز DT-8868H، شنژن، چین. ۲۰۱۰٫ در دسترس آنلاین: https://www.cem-instruments.com/en/Product/detail/id/869dd (در ۲۸ اکتبر ۲۰۲۱ قابل دسترسی است).
  25. Trimble Inc. Trimble R8s GNSS Recever راهنمای کاربر نسخه ۱٫۰ نسخه D، کالیفرنیا، ایالات متحده. ۲۰۲۰٫ در دسترس آنلاین: https://trl.trimble.com/docushare/dsweb/Get/Document-740604/R8s%20UserGuide_RevD.pdf (در ۲۸ اکتبر ۲۰۲۱ قابل دسترسی است).
  26. Elsobeiey، ME ارزیابی دقت خدمات تصحیح مبتنی بر ماهواره و ایستگاه مرجع مجازی GNSS برای نقشه برداری هیدروگرافی. J. Mar. Sci. مهندس ۲۰۲۰ ، ۸ ، ۵۴۲٫ [ Google Scholar ] [ CrossRef ]
  27. Mageed، ارزیابی دقت KMA بین ایستگاه مرجع مجازی GPS (VRS) و تکنیک‌های GPS Real Time Kinamatic (RTK). برنامه جهانی علمی J. ۲۰۱۳ , ۲۴ , ۱۱۵۴-۱۱۶۲٫ [ Google Scholar ]
  28. وان، س. برید، بی. اسمیگج، م. Kooistra، L. عوامل مؤثر بر اندازه‌گیری دما از دوربین‌های مادون قرمز حرارتی کوچک (TIR): یک رویکرد مبتنی بر آزمایشگاه. Sensors ۲۰۲۱ , ۲۱ , ۸۴۶۶٫ [ Google Scholar ] [ CrossRef ]
  29. میزوپولینوس، ال. زالیدیس، CH; لیاکوپولوس، وی. استاوریدو، دی. کاتسیگیانیس، پ. الکساندریدیس، TK; زالیدیس، جی. توسعه یک سیستم پهپاد برای خرید VNIR-TIR در کشاورزی دقیق. در مجموعه مقالات سومین کنفرانس بین المللی سنجش از دور و اطلاعات جغرافیایی محیط زیست (RSCy2015)، پافوس، قبرس، ۱۹ ژوئن ۲۰۱۵; جلد ۹۵۳۵، ص. ۹۵۳۵۱H. [ Google Scholar ]
  30. دی فلیس، اف. مازینی، آ. دی استفانو، جی. Romeo, G. Drone تصویربرداری مادون قرمز با وضوح بالا از فوران گل Lusi. مارس پت. جئول ۲۰۱۸ ، ۹۰ ، ۳۸-۵۱٫ [ Google Scholar ] [ CrossRef ]
  31. اورزدوفسکی، آ. Wójcicka-Migasiuk، D.; Buraczyńska، B. اثرات بصری انتشار سطحی در تصویربرداری حرارتی. Adv. علمی تکنولوژی Res. J. ۲۰۲۰ ، ۱۴ ، ۲۱۵-۲۲۲٫ [ Google Scholar ] [ CrossRef ]
  32. فرید، پ. وودوارد، جی. براون، دی. هارول، دی. Hanken, J. اسکن سه بعدی شیشه عتیقه با ترکیب عکاسی و توموگرافی کامپیوتری. رقم. Appl. آرکائول. فرقه میراث. ۲۰۲۰ , ۱۸ , e00147. [ Google Scholar ] [ CrossRef ]
  33. لی، KR; هان، YK; لی، WH مقایسه عکس‌های ارتو و مدل‌های سه‌بعدی تولید شده توسط تصاویر مورب مبتنی بر پهپاد که در زوایای مختلف گرفته شده‌اند. J. کره ای Soc. Surv. Geod. فتوگرام کارتوگر. ۲۰۱۸ ، ۳۶ ، ۱۱۷-۱۲۶٫ [ Google Scholar ]
  34. Tsai, R. یک تکنیک کالیبراسیون دوربین همه کاره برای اندازه‌گیری دید ماشینی سه بعدی با دقت بالا با استفاده از دوربین‌ها و لنزهای تلویزیونی خارج از قفسه. ربات IEEE J. خودکار ۱۹۸۷ ، ۳ ، ۳۲۳-۳۴۴٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  35. Lowe, DG ویژگی های تصویر متمایز از نقاط کلیدی تغییرناپذیر مقیاس. بین المللی جی. کامپیوتر. Vis. ۲۰۰۴ ، ۶۰ ، ۹۱-۱۱۰٫ [ Google Scholar ] [ CrossRef ]
  36. لوسییر، آ. جونگ، SMd; ترنر، دی. نقشه برداری جابجایی زمین لغزش با استفاده از ساختار از حرکت (SfM) و همبستگی تصویر عکاسی با پهپاد چند زمانی. Prog. فیزیک Geogr. ۲۰۱۴ ، ۳۸ ، ۹۷-۱۱۶٫ [ Google Scholar ] [ CrossRef ]
  37. Aubrecht، DM; هلیکر، BR; گولدن، ام ال. رابرتز، دی. با این حال، سی جی; ریچاردسون، AD تصویربرداری حرارتی مداوم، طولانی مدت و با فرکانس بالا از پوشش گیاهی: عدم قطعیت ها و بهترین شیوه های توصیه شده. کشاورزی هواشناسی ۲۰۱۶ ، ۲۲۸ ، ۳۱۵-۳۲۶٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  38. کاوشیک، ک. سورنا، اس. یک رویکرد توهین آمیز برای پنهان کردن بارهای مخرب در یک تصویر. در مجموعه مقالات امنیت سایبری و پزشکی قانونی دیجیتال (ICCSDF 2021)، هاریانا، هند، ۲ اکتبر ۲۰۲۱؛ صص ۲۶۵-۲۷۲٫ [ Google Scholar ]
  39. کائو، دی. چن، ام. وو، دبلیو. لین، جی. چن، سی. Tsai, F. Drone Forensic Investigation: DJI Spark Drone به عنوان یک مطالعه موردی. Proc. محاسبه کنید. علمی ۲۰۱۹ ، ۱۵۹ ، ۱۸۹۰–۱۸۹۹٫ [ Google Scholar ] [ CrossRef ]
  40. پریجنت، سی. راسو، WB; Matthews، E. انتشار مایکروویو سطح زمین از مشاهدات SSM/I برآورد شده است. جی. ژئوفیس. Res. اتمس. ۱۹۹۷ ، ۱۰۲ ، ۲۱۸۶۷-۲۱۸۹۰٫ [ Google Scholar ] [ CrossRef ]
  41. سنت، ال. Wold، S. آنالیز واریانس (ANOVA). شیمی. هوشمند آزمایشگاه. سیستم ۱۹۸۹ ، ۶ ، ۲۵۹-۲۷۲٫ [ Google Scholar ]
  42. یوکسل، ن. Kanık، AE; Baykara، T. مقایسه پروفایل های انحلال آزمایشگاهی با روش های مبتنی بر ANOVA، وابسته به مدل و مستقل. بین المللی جی. فارم. ۲۰۰۰ ، ۲۰۹ ، ۵۷-۶۷٫ [ Google Scholar ] [ CrossRef ]
Ijgi 11 00204 g001 550
شکل ۱٫ نمودار جریان مطالعه کلی (سایت A : گیاهان، درختان و رودخانه؛ سایت B : پردیس دانشگاه ملی کیونگ پوک سانگجو؛ سایت C : زمین کشاورزی و رودخانه).
Ijgi 11 00204 g002 550
شکل ۲٫ منطقه مورد مطالعه: ( الف ) گیاهان، درختان و رودخانه، ( ب ) پردیس دانشگاه ملی کیونگ پوک سانگجو، ( ج ) زمین کشاورزی و رودخانه.
Ijgi 11 00204 g003 550
شکل ۳٫ نقاط اندازه گیری در محل بر اساس پوشش زمین: ( الف ) گیاهان، درختان و رودخانه. ( ب ) پردیس دانشگاه ملی کیونگ پوک سانگجو؛ ج ) زمین کشاورزی و رودخانه. رنگ اشاره گر پوشش زمین را نشان می دهد: قرمز (اورتان). بنفش (چمن مصنوعی)؛ قهوه ای (خاک)؛ سبز (پوشش گیاهی)؛ آبی آسمانی (مرمر)؛ سیاه (آسفالت)؛ زرد (بام سبز)؛ خاکستری (بتنی).
Ijgi 11 00204 g004 550
شکل ۴٫ فرآیند تولید orthphoto مقدار DN قبل از تبدیل LST (نمونه‌ای از یک فرآیند تولید ارتوفوتو از مجموع بیست و هفت عکس ارتوفتو را نشان می‌دهد.): ( الف ) ابر نقطه، ( ب ) ابر متراکم، ( ج ) مش، ( د ) ارتفتو با مقدار DN.
Ijgi 11 00204 g005 550
شکل ۵٫ Orthphotos تبدیل شده از Orthophotos با مقدار DN به مقدار LST (در بین ۲۷ عکس ارتو، فقط عکسی با زاویه دوربین ۸۰ درجه برای ۳ سایت به عنوان مثال نشان داده شده است.): ( a ) ۲۸ ژوئیه ۲۰۲۱; ( ب ) ۲۹ ژوئیه ۲۰۲۱؛ ( ج ) ۳۰ ژوئیه ۲۰۲۱٫

ونوس نصیرفام

مقالات

فیسبوکتوئیترپینترسترددیتDeliciousلینکدینواتس اپتلگرامایمیل

نوشته های مرتبط ...

بدون دیدگاه

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

خانهدربارهتماسارتباط با ما