@article { author = {Naseri, Saeid and Farhadi Bansouleh, Bahman and Azari, Arash}, title = {Estimation of Surface Temperature in Agricultural Lands Using Satellite Images (Case Study: Soleimanshah Irrigation Network)}, journal = {Irrigation and Water Engineering}, volume = {13}, number = {1}, pages = {141-160}, year = {2022}, publisher = {انجمن علمی مهندسی آبیاری و آب ایران}, issn = {2251-7359}, eissn = {}, doi = {10.22125/iwe.2022.158520}, abstract = {Land surface temperature is a significant variable involved in land surface energy and water balance and is a substantial component in many aspects of environmental research. The land surface temperature is usually calculated based on thermal bands. Landsat 8 satellite thermal bands are the newest infrared thermal bands, included two adjacent thermal bands with a spatial separation of 30 meters. There are several methods for calculating land surface temperature. These methods are of three groups: Methods that only need satellite data, methods that require satellite data and leaf area index (LAI), and Methods that require satellite data and meteorological data. In this study, the land surface temperature simulated by the Planck Inverse Function, SEBAL algorithm, Statistical Mono-Window algorithm, Split Window Algorithm, Mono-Window Algorithm, Radiation Transfer Equation, Sabrino Split Window Algorithm, National Oceanic and Atmospheric Administration Joint Polar Satellite System, And the Single-Channel Algorithm and compared with the surface temperature measured in the LPT2 construction area of ​​Soleimanshah irrigation network during the growing season of nut sunflower in 2020 based on two criteria of R 2 and RMSE. The results showed the Planck Inverse Function, SEBAL algorithm Statistical Mono-Window algorithm, Split Window algorithm, and Mono Window algorithm respectively have high accuracy (Those approaches are not dependent on meteorological data). Among them, the Planck Inverse Function with values of R2 and RMSE of 0.6 and 4.2 ° C, respectively has the highest accuracy. The Sabrino Split Window algorithm, National Oceanic and Atmospheric Administration Joint Polar Satellite System, and the Single-Channel algorithm, respectively have low accuracy.}, keywords = {surface temperature,SEBAL Algorithm,Planck's inversion function method,Landsat 8,Leaf area index}, title_fa = {برآورد دمای سطحی در اراضی کشاورزی با استفاده از تصاویر ماهواره ای (مطالعه موردی: شبکه آبیاری سلیمانشاه)}, abstract_fa = {دمای سطحی متغیر مهمی است که در انرژی سطح زمین و بیلان آب دخیل است و یک مولفه کلیدی در بسیاری از جنبه­های تحقیقات محیطی است. دمای سطحی معمولا بر اساس باندهای حرارتی محاسبه می‌شود. باندهای حرارتی ماهواره لندست 8 جدیدترین باندهای حرارتی مادون قرمز هستند که شامل دو باند حرارتی مجاور با تفکیک مکانی 30 متری هستند. روش‌های مختلفی جهت محاسبه دمای سطحی وجود دارد. این روش‌ها سه گروه هستند: روش‌هایی که فقط به داده‌های ماهواره‌ای نیاز دارند، روش‌هایی که به داده‌های ماهواره‌ای و شاخص سطح برگ (LAI) نیاز دارند و روش‌هایی که به داده‌های ماهواره‌ای و داده‌های هواشناسی نیاز دارند. در این تحقیق مقدار دمای سطحی به وسیله روش‌های معکوس تابع پلانک، الگوریتم سبال، الگوریتم آماری تک پنجره، الگوریتم شکاف پنجره، الگوریتم تک پنجره، معادله انتقال تابشی، الگوریتم شکاف پنجره سابرینو، الگوریتم سازمانی سازمان ملی اقیانوسی و جوی مشترک با اداره ماهواره‌ای قطبی و الگوریتم تک کاناله تخمین زده شد. سپس نتایج با دمای سطحی اندازه‌گیری شده در سطح ناحیه عمرانی LPT2 شبکه آبیاری سلیمانشاه در طول فصل رشد آفتابگردان آجیلی در سال 1399 بر اساس دو معیار   و RMSE مقایسه شد. نتایج نشان داد که روش‌هایی که به داده‌های هواشناسی وابسته نیستند، از قبیل روش‌های معکوس تابع پلانک (PIF)، الگوریتم سبال (SEBAL)، الگوریتم آماری تک پنجره (SMW)، الگوریتم شکاف پنجره (SWA) و الگوریتم تک پنجره (MWA) به‌ترتیب از دقت بالایی برخوردارند.  از بین آن‌ها روش معکوس تابع پلانک با مقادیر   و RMSE به ترتیب برابر 0.6 و 4.2 درجه سانتیگراد بالاترین دقت را دارد. روش‌های الگوریتم شکاف پنجره سابرینو (SSWA)، الگوریتم سازمانی سازمان ملی اقیانوسی و جوی مشترک با اداره ماهواره‌ای قطبی (JPSS-NOAA) و الگوریتم تک کاناله (SCA) به‌ترتیب از دقت پایینی برخوردارند. دمای سطحی متغیر مهمی است که در انرژی سطح زمین و بیلان آب دخیل است و یک مولفه کلیدی در بسیاری از جنبه­های تحقیقات محیطی است. دمای سطحی معمولا بر اساس باندهای حرارتی محاسبه می‌شود. باندهای حرارتی ماهواره لندست 8 جدیدترین باندهای حرارتی مادون قرمز هستند که شامل دو باند حرارتی مجاور با تفکیک مکانی 30 متری هستند. روش‌های مختلفی جهت محاسبه دمای سطحی وجود دارد. این روش‌ها سه گروه هستند: روش‌هایی که فقط به داده‌های ماهواره‌ای نیاز دارند، روش‌هایی که به داده‌های ماهواره‌ای و شاخص سطح برگ (LAI) نیاز دارند و روش‌هایی که به داده‌های ماهواره‌ای و داده‌های هواشناسی نیاز دارند. در این تحقیق مقدار دمای سطحی به وسیله روش‌های معکوس تابع پلانک، الگوریتم سبال، الگوریتم آماری تک پنجره، الگوریتم شکاف پنجره، الگوریتم تک پنجره، معادله انتقال تابشی، الگوریتم شکاف پنجره سابرینو، الگوریتم سازمانی سازمان ملی اقیانوسی و جوی مشترک با اداره ماهواره‌ای قطبی و الگوریتم تک کاناله تخمین زده شد. سپس نتایج با دمای سطحی اندازه‌گیری شده در سطح ناحیه عمرانی LPT2 شبکه آبیاری سلیمانشاه در طول فصل رشد آفتابگردان آجیلی در سال 1399 بر اساس دو معیار   و RMSE مقایسه شد. نتایج نشان داد که روش‌هایی که به داده‌های هواشناسی وابسته نیستند، از قبیل روش‌های معکوس تابع پلانک (PIF)، الگوریتم سبال (SEBAL)، الگوریتم آماری تک پنجره (SMW)، الگوریتم شکاف پنجره (SWA) و الگوریتم تک پنجره (MWA) به‌ترتیب از دقت بالایی برخوردارند.  از بین آن‌ها روش معکوس تابع پلانک با مقادیر   و RMSE به ترتیب برابر 0.6 و 4.2 درجه سانتیگراد بالاترین دقت را دارد. روش‌های الگوریتم شکاف پنجره سابرینو (SSWA)، الگوریتم سازمانی سازمان ملی اقیانوسی و جوی مشترک با اداره ماهواره‌ای قطبی (JPSS-NOAA) و الگوریتم تک کاناله (SCA) به‌ترتیب از دقت پایینی برخوردارند.}, keywords_fa = {دمای سطحی,الگوریتم سبال,روش معکوس تابع پلانک,لندست 8,شاخص سطح برگ}, url = {https://www.waterjournal.ir/article_158520.html}, eprint = {https://www.waterjournal.ir/article_158520_1dd581707f68e59f8b947a38905f0370.pdf} }