Тип работы:
Предмет:
Язык работы:


Определение очагов холода в Республике Саха (Якутия) по данным спутниковой съёмки

Работа №175977

Тип работы

Магистерская диссертация

Предмет

география

Объем работы81
Год сдачи2024
Стоимость4915 руб.
ПУБЛИКУЕТСЯ ВПЕРВЫЕ
Просмотрено
1
Не подходит работа?

Узнай цену на написание


СПИСОК ИСПОЛЬЗУЕМЫХ СОКРАЩЕНИЙ 4
ВВЕДЕНИЕ 5
ГЛАВА 1. КЛИМАТИЧЕСКИЕ ОСОБЕННОСТИ РЕСПУБЛИКИ САХА (ЯКУТИЯ) 8
1.1 Природно-климатические особенности Республики Саха (Якутия) 8
1.2 Современные изменения климата на территории России и Республики
Саха (Якутия) 9
ПОВЕРХНОСТИ ПО ДАННЫМ ТЕПЛОВОЙ СПУТНИКОВОЙ СЪЕМКИ ....18
2.1 Методы получения температуры поверхности суши и спектральной
излучательной способности с использованием спутниковых данных 20
2.1.1 Одноканальный метод 23
2.1.2 Метод разделенного окна 24
2.1.3 Автономный метод разделенного окна прозрачности 29
2.2 Исследование температуры поверхности суши и спектральной излучательной способности с использованием спутниковых данных с несколькими датчиками 32
2.2.1 Способ разделения по температуре и излучательной способности (TES) .36
2.2.2 Метод NDVI 38
ГЛАВА 3. ИСПОЛЬЗОВАНИЕ ДАННЫХ СПУТНИКОВОЙ СЬЕМКИ ПРИ ОПРЕДЕЛЕНИИ ТЕМПЕРАТУР ЗЕМНОЙ ПОВЕРХНОСТИ НА ТЕРРИТОРИИ ОЙМЯКОНСКОГО НАГОРЬЯ 39
3.1 Характеристики спутниковой системы Landsat-8 41
3.2 Формирование архива и первичная обработка спутниковых снимков на
территории Оймяконского нагорья 43
ЗАКЛЮЧЕНИЕ 54
СПИСОК ЛИТЕРАТУРЫ 56
ПРИЛОЖЕНИЯ 62


В настоящее время географическое дешифрирование снимков разных спектральных диапазонов является глубоко проработанной областью, однако космические снимки в тепловом инфракрасном диапазоне (тепловые космические снимки) до сих пор отстают по количеству методов обработки и возможностей применения, несмотря на их примечательные особенности. На них находит отображение свойство объектов земной поверхности, скрытое на снимках в других диапазонах спектра, более того, невидимое для человеческого зрения - тепловое излучение. В связи с этим, необходимо оценить дешифровочные свойства тепловых космических снимков.
Тепловые космические снимки в настоящее время используются в различных областях наук о Земле, например, в метеорологии, тектонике, океанологии. Следует отметить, что преимущественным направлением использования тепловых снимков до сих пор остаётся извлечение из них температур земной и океанической поверхности. Однако тепловые снимки несут и другую важную информацию, которая выражается в относительных контрастах яркости разных объектов на тепловых снимках. В этой связи актуальна разработка методики дешифрирования тепловых снимков, опирающейся непосредственно на анализ теплового изображения, передающего относительные контрасты.
Информация о тепловом излучении земной поверхности, полученная при съемке Земли в тепловом диапазоне, может быть использована в географической науке по двум основным направлениям: в первом случае тепловое излучение является индикатором объектов, явлений и процессов, скрытых от непосредственного наблюдения; во втором случае представляет интерес собственно тепловое излучение, пространственно-временная динамика которого имеет важное значение для проработки таких актуальных вопросов, как глобальные изменения климата и ландшафтного покрова, изучения радиационного баланса Земли и многое другое. 
Целью данной работы является определение температуры земной поверхности на территории Оймяконского улуса по данным тепловой спутниковой съемки выполненной со спутника Landsat-8.
Для выполнения данной цели необходимо было выполнить следующие задачи:
• Сформировать архив спутниковых снимков высокого разрешения природоресурсного спутника Land.sa.t-8 для Оймяконского нагорья республики Саха (Якутия), полученных в условиях ясного неба за период ;
• Рассчитать по .ля радиационной температуры с использованием ПО Ar.cGIS
• Проанализировать полученные данные.
Материалы и методы исследования. На примере участка территории Оймяконского нагорья и данных космической съёмки со спутника Landsat 8, пользуясь методикой составления карты радиационной температуры на основе программного пакета AR.CG.IS, было произведено определение температуры земной поверхности с последующим сравнением полученных данных с фактическими данными о температуре на выбранной территории.
ВКР состоит из введения, трех глав и заключения.
В первой главе представлена общая информация о климатических особенностях республики Саха (Якутия): климатическое описание, природно-климатические особенности, современные изменения климата на территории республики.
Вторая глава посвящена дистанционному определению температуры земной поверхности с использованием данных спутниковой сьемки в тепловых каналах. Приведены различные методы расшифровки данных и основные способы применения такой информации.
В третьей главе представлен анализ температурного поля Оймяконского района, полученного с помощью обработки космических снимков. 
Общий вывод по результатам исследования приведен в заключении заботы.
Список использованной литературы содержит 55 источников.


Возникли сложности?

Нужна помощь преподавателя?

Помощь в написании работ!


В ходе выполнения работы был сформирован объем снимков спутника Landsat 8, выполненных в дальнем ИК диапазоне с пространственным разрешением 100 м. Снимки был отобраны с минимальной (нулевой) облачностью. Выполнено построение карт радиационной температуры для исследуемой территории.
Анализ зимних снимков показал наличие нескольких очагов холода с более низкой температурой, чем на территории расположения метеостанций. В основном они расположены в теневой зоне у подножия гор и в глубоких впадинах малых рек.
В работе была произведена валидация полученных результатов на основе данных по температуре на метеостанции Оймякон. Данные о температуре полученные по спутниковым снимкам отличаются от данных метеостанции примерно на 0-5°С, причём в зимний период радиационная температура занижена относительно физической, а летом завышены. Такое отличие прежде всего связано с тем, что на метеостанциях температура измеряется на высоте 2 м, а на снимках фиксируется температура земной поверхности. Кроме того, определяемая по снимку радиационная температура вычисляется по значению интегральной яркости, усредненной по элементу разрешения на местности, а на метеостанции измеряется температура определённой точки. Искажения, видимо, также связаны с влиянием излучательной способности ландшафтов на дистанционные измерения, а также с влиянием атмосферы, которая поглощает часть излучения земной поверхности. Но, несмотря на несоответствие температурных данных, спутниковые ИК данные служат ценным источником информации для климатических исследований территорий.
В целом применение данных дистанционного зондирования Земли продемонстрировало достаточно высокую информативность в изучении распределения радиационной температуры в сильнорасчлененных и труднодоступных участках северных территорий с очень низкой плотностью расположения метеорологических станций.



1. Климатологический справочник СССР. Вып. 24 по Якутской АССР, сев. части Нижне-Амурской области и сев. части Корякского нац. округа Камчатской области Хабаровского края и Магаданской области. Метеорологические данные за отдельные годы. Ч. 1. Температура воздуха / Ред. вып. С.А. Изюменко. - Л.: Гидрометеорологическое изд-во, 1956. - 364 с.
2. Гаврилов А.В. Яно-Оймяконский регион // Геокриология СССР. Восточная Сибирь и Дальний Восток. / Под ред. Э.Д. Ершова. - М.: Недра, 1989. - С. 200-212.
3. Анапольская Л. Н., Копзнев И. Д. Климатические параметры Восточно-Сибирского и Дальневосточного экономических районов: научно-справочное пособие. - Л.: Гидрометеоиздат, 1979. - 391 с.
4. Визе В.Ю. Климат Якутии. Л:,Издательство Академии наук, 1927,34с.
5. Доклад об особенностях климата на территории Российской Федерации за 2020 год. - Москва, 2021. - 104 с.
6. Кириллина К. С. Разработка региональной климатической программы для республики Саха (Якутия). Диссертация на соискание ученой степени кандидата географических наук. Санкт-Петербург, 2017, 117 с.
7. Иванов Н.Е., Макштас А.П. Многолетняя изменчивость характеристик климата северной Якутии — экстремумы температуры воздуха//Проблемы Арктики и Антарктики. 2017, № 2 (112), С. 50-69.
8. Srivastava P K, Majumdar T J, Bhattacharya A.K. Study of land surface temperature and spectral emissivity using multi-sensor satellite data. J. Earth Syst. Sci. 2010, №119, No. 1, pp. 67-74.
9. Lyon R. J. P. Anaylsis of rocks by spectral infrared emission (8 to 25 microns); Econom. Geol. №60, pp. 715-736.
10. Vincent R and Thomson F 1972 Spectral compositional imaging of silicates rocks; J. Geophys. Res. №77, pp. 2465-2472.
11. Kahle A. B., Madura D. P. and Soha J. M. Middle infrared multispectral aircraft scanner data: Analysis for geological applications; App. Optics, 1980, № 19, pp. 2279-2290.
12. Cristobal J., Jimenez-Munoz J.C., Prakash A., Mattar C., Skokovic D., Sobrino J.A. An improved single-channel method to retrieve land surface temperature from the Landsat-8 thermal band // Remote Sens. 2018. V. 10. № 3. P. 431.
13. Rozenstein O., Qin Z., Derimian Y. Karnieli A. Derivation of land surface temperature for Landsat-8 TIRS using a split window algorithm // Sensors. 2014. V. 14. № 4. P. 5768-5780.
14. Yu X., Guo X., Wu Z. Land surface temperature retrieval from Landsat 8 TIRS-comparison between radiative transfer equation-based method, split window algorithm and single channel method // Remote Sens. 2014. V. 6. P. 9829-9852.
15. Mattar, C.; Duran-Alarcon, C.; Jimenez-Munoz, J.C.; Santamaria- Artigas, A.; Olivera-Guerra, L.; Sobrino, J.A. Global atmospheric profiles from reanalysis information (GAPRI): A new database for earth surface temperature retrieval. Int. J. Remote Sens. 2015, 36, 5045-5060.
16. Wang, F.; Qin, Z.; Song, C.; Tu, L.; Karnieli, A.; Zhao, S. An improved mono-window algorithm for land surface temperature retrieval from landsat 8 thermal infrared sensor data. Remote Sens. 2015, 7, 4268-4289.
17. Cristobal, J.; Jimenez-Munoz, J.C.; Sobrino, J.A.; Ninyerola, M.; Pons, X. Improvements in land surface temperature retrieval from the landsat series thermal band using water vapor and air temperature. J. Geophys. Res. 2009, 114.
18. McMillin, L.M. Estimation of Sea Surface Temperatures from Two Infrared Window Measurements with Different Absorption. J. Geophys. Res. 1975, 80, 5113-5117.
19. Qin, Z.; Dall'Olmo, G.; Karnieli, A.; Berliner, P. Derivation of Split Window Algorithm and Its Sensitivity Analysis for Retrieving Land Surface Temperature from NOAA-Advanced very High Resolution Radiometer Data. J. Geophys. Res. Atmos. 2001, 106, 22655-22670.
20. Sobrino, J.; Coll, C.; Caselles, V. Atmospheric Correction for Land Surface Temperature using NOAA-11 AVHRR Channels 4 and 5. Remote Sens. Environ. 1991, 38, 19-34.
21. Franc, G.; Cracknell, A. Retrieval of Land and Sea Surface Temperature using NOAA-11 AVHRR- Data in North-Eastern Brazil. Int. J. Remote Sens. 1994, 15, 1695-1712.
22. Rozenstein, O.; Qin, Z.; Derimian, Y.; Karnieli, A. Derivation of land surface temperature for Landsat-8 TIRS using a split window algorithm. Sensors 2014, 14, 5768-5780.
23. Sobrino J.A., Jimenez-Munoz J.C., Paolini L. Land surface temperature retrieval from Landsat TM 5 // Remote Sens. Environ. 2004. V. 90. P. 434-440.
24. Wang L., Lu Y., Yao Y. Comparison of Three Algorithms for the Retrieval of Land Surface Temperature from Landsat 8 Images // Sensors. 2019. V. 19. P. 5049.
25. Garcia-Santos V., Cuxart J., Martinez-Villagrasa D., Jimenez M.A., Simo G. Comparison of three methods for estimating land surface temperature from Landsat 8-TIRS sensor data // Remote Sens. 2018. V. 10. № 9. P. 1450.
26. Sekertekin A., Bonafoni S. Land Surface Temperature Retrieval from Landsat 5, 7, and 8 over Rural Areas: Assessment of Different Retrieval Algorithms and Emissivity Models and Toolbox Implementation // Remote Sens. 2020. V. 12. P. 294.
27. Perez Hoyos I.C. Comparison between land surface temperature retrieval using classification based emissivity and NDVI based emissivity // International J. Recent Development in Engineering and Technology. 2014. V. 2. № 2. P. 26-30.
28. Успенский А.Б., Кухарский А.В., Успенский С.А. Валидация результатов спутникового мониторинга температуры поверхности суши // Метеорология и гидрология. 2015. № 2. С. 81-95.
29. Ren H., Du C., Liu R., Qin Q., Yan G., Li Z.L., Meng J. Atmospheric water vapor retrieval from Landsat 8 thermal infrared images // J. Geophys. Res.: Atmos. 2015. V. 120. № 5. P. 1723-1738.
30. Wan, Z. New refinements and validation of the collection-6 MODIS land-surface temperature/emissivity product. Remote Sens. Environ. 2014, 140, 36-45.
31. Carlson T.N., Ripley D.A. On the relation between NDVI, fractional vegetation cover, and leaf area index // Remote Sens. Environ. 1997. V. 62. P. 241-252.
32. Myneni R.B., Hall F.G., Sellers P.J., Marshak A.L. The interpretation of spectral vegetation indexes // IEEE Trans. Geosci. Remote Sens. 1995. V. 33. № 2. P. 481-486.
33. Казаков Э.Э., Борисова Ю.И. Оценка применимости алгоритма атмосферной коррекции SREM для анализа временных рядов на примере данных Landsat и его открытая программная реализация // Соврем. пробл. дист. зондир. Земли из космоса. 2020. Т. 17. № 2. С. 30-39.
34. Du C., Ren H., Qin Q., Meng J., Zhao S. A Practical Split-Window Algorithm for Estimating Land Surface Temperature from Landsat 8 Data // Remote Sens. 2015. V. 7. № 1. P. 647-665.
35. Zhu Z., Wang S., Woodcock C.E. Improvement and expansion of the Fmask algorithm: cloud, cloud shadow, and snow detection for Landsats 4-7, 8, and Sentinel 2 images // Remote Sens. Environ. 2015. V. 159. P. 269-277.
36. Landsat Science [Электронный ресурс] // URL: https://landsat.gsfc.nasa.gov/satellites/landsat-8/
37. Tanooka H., et al. Vicarious calibration of ASTER thermal infrared bands; IEEE Trans. Geosci. & Rem. Sens. 2005, № 43, pp. 2733-2746.
38. Hook S. J. et al. Absolute radiometric in-flight validation of Mid and Thermal Infrared data from ASTER and MODIS using the Lake Tahoe CA/NV, USA automated validation site; IEEE Trans. Geosci. & Rem. Sens. 2007, № 45, pp. 1798-1807
39. Landsat 8 helps unveil the coldest place on Earth [Электронный ресурс] //ScienceDailyURL:https://www.sciencedaily.com/releases/2013/12/131210111039.htm.
40. Калиничева С.В. Выявление и картографирование мерзлых участков с использованием космических снимков (на примере Эльконского горста в Южной Якутии// Наука и образование, 2017, №3, С.30-37.
41. Грищенко М.Ю, Чернулич К.К. Сопоставление наземных и космических температурных данных на примере территории острова Врангеля // ИнтерКарто/ИнтерГИС. - 2016. - № 1. - С. 88-94.
42. ИстоминаЕ. А., Василенко О.В. Анализ температурного поля ландшафтов Тункинской котловины с использованием комических снимков Landsat и наземных данных // География и природные ресурсы. - 2015. - № 4. - C. 162-170.
43. Волкова Е.В., Успенский С.А. Дистанционное определение температуры подстилающей поверхности, приземной температуры воздуха и эффективной температуры по спутниковым данным для юга Европейской территории России// Современные проблемы дистанционного зондирования Земли из космоса. 2016. Т. 13. № 5. С. 291-303.
44. Using the USGS Landsat Level-1 Data Product [Электронный ресурс] // ScienceDaily URL: https://www.usgs.gov/landsat-missions/using-usgs-landsat-level-1-data-product.
45. Географические информационные системы и дистанционное зондирование GisLab [Электронный ресурс] // URL: http://gis-lab.info
46. Watson K. Two-temperature method for measuring emissivity; Rem. Sens. Environ ., 1992, № 42, pp. 117-121.
47. Kealy P. S., Hook S. Separating temperature and emissivity in thermal infrared multispectral scanner data: Implication for recovering land surface temperatures; IEEE Trans. Geosci. & Rem. Sens. 1993, № 31 pp. 1155-1164.
48. Go"ita K. Royer A. Surface temperature and emissivity separability over land surface from combined TIR and SWIR AVHRR data; IEEE Trans. Geosci. & Rem. Sens.1997, 1997, №35, pp. 718-733.
49. Gillespie A, & etc. A temperature and emissivity separation algorithm for Advanced Spaceborne Thermal Emission and Reflection Radiometer (ASTER) images; IEEE Trans. Geosci. & Rem. Sens. 1998, № 36, pp. 1113-1126.
50. Barsi J. A., & etc. Landsat TM and ETM+ thermal band calibration; Can. J. Rem. Sens., 2003, № 28, pp. 141-153
51. Sobrino J. A. et al. Surface temperature and water vapour retrieval from MODIS data; Int. J. Rem. Sens. 2003 № 24, pp. 5161-5182.
52. Jacob F, et al. Comparison of land surface emissivity and radiometric temperature derived from MODIS and ASTER sensors; Rem. Sens. Environ. 2004, № 90, pp. 137-152 .
53. Coll C., et al. Ground measurements for the validation of land surface temperatures derived from AATSR and MODIS data; Rem. Sens. Environ. 2005, № 97, pp. 288-300.
54. Jim'enez-Mu'noz J. C., et al. Improved land surface emissivities over agricultural areas using ASTER NDVI; Rem. Sens. Environ. 2006, № 103, pp. 474¬487.
55. Coll C., et al. Temperature and emissivity separation from ASTER data for low spectral contrast surfaces; Rem. Sens. Environ. 2007, № 110, pp. 162-175.


Работу высылаем на протяжении 30 минут после оплаты.




©2025 Cервис помощи студентам в выполнении работ