Geri Dön

Landsat 8 uydu görüntüsü kullanılarak yeryüzü sıcaklıklarının uzaktan algılama tekniği ile belirlenmesi: İstanbul örneği

Determination land surface temperature with remote sensing techniques by using Landsat 8 images; a case study of Istanbul

PDF İndir

  1. Tez No: 445028
  2. Yazar: EMİNE MÜJGAN ERGENE
  3. Danışmanlar: DOÇ. DR. FİLİZ BEKTAŞ BALÇIK
  4. Tez Türü: Yüksek Lisans
  5. Konular: Jeodezi ve Fotogrametri, Geodesy and Photogrammetry
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2016
  8. Dil: Türkçe
  9. Üniversite: İstanbul Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Geomatik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 92

Özet

Nüfus yoğunluğu yüksek olan metropol şehirlerde kırsal arazi örtüsünün yerini yeni yerleşme alanlarının alması kentsel alanların plansız ve kontrolsüz genişlemesine neden olmaktadır. Kontrolsüz genişleyen kentsel alanlar ve nüfus yoğunluğuna bağlı olarak artan iş alanlarına olan ihtiyaçla eski yıllarda şehir dışında olan sanayi alanları giderek şehir içindeki mahalleler olarak karşımıza çıkmaktadır. Metropol şehirlerdeki bu değişiklikler insan sağlığını, doğal alanları, ekosistemi, iklimi, enerji verimliliğini ve kent merkezindeki yaşam kalitesini olumsuz yönde etkilemektedir. Bu noktada kentsel alanlarda yapılan yer yüzey sıcaklığı analizi arazi kullanımı ve arazi örtüsü değişikliklerinin etkilerini anlamak için etkili bir yöntemdir. Belirli bir yörüngede ve açıyla atmosfer üstünde konumlandırılmış, sürekli olarak Dünya yüzeyi üzerinde gözlem yapan ve veri toplayan uydu sistemlerinin sahip olduğu ısıl kızılötesi uzaktan algılama teknolojisi yer yüzey sıcaklığını belirlemede önemli araçlardan biri haline gelmiştir. Literatürde yer yüzey sıcaklığını uydu sistemleri aracılığı ile belirlemek için birçok algoritma geliştirilmiştir. Bu algoritmalardan bazıları Tek-pencere yöntemi (Mono-window algorithm), Tek-kanal yöntemi (Single-channel algorithm), Işınımsal transfer denklemi (Radiative transfer equation), Bölünmüş Pencere yöntemi (Split-window algorithm) ve Çok-açı yöntemidir (Multi-angle algorithm). Bu çalışmada Türkiye'nin en çok nüfus yoğunluğuna sahip metropol şehri olan İstanbul'un yer yüzey sıcaklığı analizi; iki adet ısıl algılayıcıya sahip Landsat 8 uydusunun verileri ile Mono-Window ve Split Window algoritmaları hesaplanarak gerçekleştirilmiştir. Çalışmanın amacı Aynı ısıl algılayıcılar kullanarak Mono-Window algoritması ve Split Window algoritmasını karşılaştırmak ve İstanbul gibi arazi kullanım alanları iç içe olan bir şehrin, arazi kullanım alanlarına göre sıcaklık değişimlerini iki farklı yöntemle analiz etmektir. Amerikan Ulusal Jeoloji Birimi (USGS) tarafından yayımlanan Landsat 8 uydu görüntülerinden 21 Ekim 2014 tarihli görüntü indirilmiştir. Görüntü seçilirken atmosferik etkilerin daha az olması ve görüntü üzerindeki düzeltmeleri (kalibrasyon işlemlerini) en aza indirebilmek için bulutsuz (temiz) bir görüntü tercih edilmiştir. Ayrıca algoritma hesaplarında kullanılacak olan yakın sıcaklık ve nisbi nem verisi Landsat 8 uydusunun İstanbul üzerinden geçiş saatine eş zamanlı olarak seçilip İstanbul Büyükşehir Belediyesine bağlı meteoroloji istasyonlarından alınmıştır. Hesaplanan Mono-Window ve Split Window algoritmaları 14 farklı meteorolojik istasyon verisi ile karşılaştırılmıştır. Yapılan analizler sonucunda Split Window algoritmasının doğruluğu Mono-Window algoritmasından yüksektir. Daha yüksek korelasyon sonucu veren Split window algoritması ile elde edilen yer yüzey sıcaklığı çeşitli indekslerle karşılaştırılıp yer yüzü birimlerinin sıcaklık üzerindeki etkisi analiz edilmiştir. Arazi örtüsü ve kullanımı kategorileri için 3 temel bileşen olan yeşil alan, yapay alanlar ve su ile kaplı alanlar seçilmiştir. Elektromanyetik spektrumun farklı aralıklarında farklı yansıtım değerlerine sahip olduğundan bu alanları belirlemek için geliştirilen farklı uzaktan algılama indeksleri kullanılmıştır. Yeşil alan için NDVI (Normalleştirilmiş Fark Bitki İndeksi), SAVI (Düzeltilmiş Toprak Bitki İndeksi), Yerleşim alanları için NDBI (Normalleştirilmiş Fark Yerleşim Alanı İndeksi) ve IBI (İndeks Tabanlı Yerleşim Alanı İndeksi), Su ile kaplı alanlar içinde MNDWI (Modife edilmiş –Normalleştirilmiş Fark Su İndeksi) hesaplanmıştır. Elde edilen indekslerin değerleri kullanılarak Stepwise (Adım Adım) Regrasyon analizi gerçekleştirilmiştir. Stepwise regrasyon analizi için Split Window yöntemi ile elde edilen Yer yüzey sıcaklığı görüntüsünün değerleri bağımlı değişken, SAVI, MNDWI ve IBI indekslerinin değerleri ise bağımsız değişken olarak seçilmiştir. Regrasyon analizinin sonuç verileri ile model oluşturulmuştur. Hesaplanan indeksler Split window algoritması ile elde ettiğimiz yer yüzey sıcaklığı görüntüsü ile karşılaştırılınca; yeşil alanların ve su ile kaplı alanların daha düşük sıcaklıkta, yerleşim alanlarının ise daha yüksek sıcaklıkta olduğu gözlenmiştir.

Özet (Çeviri)

Due to unplanned and uncontrolled expansion of urban areas, rural land cover types have been replaced with artificial materials. As a result of these replacements, a wide range of negative environmental impacts seriously impacting human health, natural areas, ecosystems, climate, energy efficiency, and quality of living in town center. Land Surface Temperature (LST) is considered as one of the important parameter to determine negative human population influences like rapid urbanization, destruction of vegetated area, unplanned industrialization, climate change from local to global scale on earth surface. Many algorithms have been developed to determine where the Land surface temperature of the literature through satellite systems. These algorithms are mono-window algorithm, single-channel algorithm, Radiative transfer equation, split-window algorithm and multi-angle algorithm.. In this study; Land surface temperature is retrieved by using Mono-window algorithm and Split window algorithm for İstanbul that is metropolitan city of Turkey with high population density, various business areas like that features. The population of the Istanbul was 3 million in the 1970s, 7.4 million in the 1990s, and around 13 million currently. As a result of rapid population growth and unplanned urban expansion in Istanbul, dramatic land cover changes have occurred especially within the past 65 years. Because of this reason it has huge importance to determine LST distribution of the city for sustainable management. Aim of the study; to compare Split window algorithm and Mono-window algorithm by using same thermal bands and to analyze temperature changes according to land use management with two different algorithm. So that Landsat 8 satellite was choosen to calculate Split window and Mono-window algorithm. On February 11, 2013 Landsat 8 OLI & TIRS ( Operational Land Imagery & Thermal Infrared Sensors) was launched with two thermal infrared bands that is between 10.60-12.51µm. This innovation on thermal sensors of Landsat 8 TIRS provide a good opportunity to calculate LST using different algorithms such as Split Window Algorithm and Mono Window Algorithm with the same TIRS bands. In this study, 21 October 2014 dated Landsat 8 OLI & TIRS were downloaded from United States Geological Survey (USGS) Web site. Landsat 8 OLI & TIRS gives a chance to calculate Mono-window and Split window algorithm with the same thermal images because it has two thermal bands. These are band 10 and band 11. Thermal images is obtained from this two bands which ranges is 10µm - 12µm in electromagnetic spektrum. Searchers need two thermal bands which is obtained at the same time and same condition (such as sun elevation and angle ) to calculate Split window algoritm. So that Landsat 8 OLI & TIRS system is useful to analyze land surface temperature with using both Mono-window algorithm and Split window algorithm. Meteorological data used in the study include near-surface temperature and relative-humidity from 14 meteorological stations in Istanbul for the same date and hour of the Landsat 8 OLI sensor image provided (October 21, 10:30AM). The mean near-surface air temperatures and average of relative humidities gathered from meteorological stations were integrated with the Mono-window algorithm and Split window algorithm to retrieve LST from Landsat 8 TIR data. In order to determine LST with Mono-window Algorithm, four parameters are need to be known. These are brightness temperatures, effective mean temperature, atmospheric transmittance and land surface emissivity. And some parameters are necessary for to determine LST with Split window algorithm too. These are brightness temperatures near surface temperature, land surface emissivities and relative humidity. Brightness temperature is expressed in units of the temperature of an blackbody. Landsat 8 TIRS 10 and 11 Brightness Temperature images were obtained two part process thats are to convert DN (Digital Numbers) to TOA (Top Of Atmosphere) radiance and convert TOA radiance to Brightness Temperature. Rescaling constant values were taken from Metadata file of images for using in this two part process. Effective mean atmospheric temperature (Ta) is generally used to estimate the upwelling atmospheric radiance. Near surface air temperature (T0) is determined from 14 local meteorological stations data. After that Near surface air temperature is used to obtain effective mean atmospheric temperature from a linear relations equation. Atmospheric transmittance is obtained from lots of factors, such as water vapor, wavelength, aerosol etc. Atmospheric water vapor is most important to determine change of atmospheric transmittance. Atmospheric water vapor content was calculated with near surface air temperature (T0) in Kelvin and relative humidity. In this study we was used NDVI (Normalized Difference Vegetation Index) threshold method to estimate Land surface emissivity. Normalized different vegetation index (NDVI) is performed from band 4 (red) and band 5 (NIR) after layer stacking of OLI bands 2,3,4,5. NDVI image is reclassified to calculate NDVIs is 0.2 and NDVIv is 0.53. Fractional Vegetation Cover (FVC) was calculated with NDVI, NDVIs and NDVIv values. Land Surface Emissivity (LSE) is estimated depending on Fractional Vegetation Cover (FVC) for a pixel. Brightness temperatures for TIRS10 and TIRS11, Near surface temperature, relative humudity and Land surface emissivity are mutual parameters both Split window and Mono-window algorithms. After that Mono-window algorithm and Split window algorithm was calculated separetely equations with necessary parameters. Land surface temperature results extracted for 14 meteorological stations using their latitude and longitude coordinate. For the accuracy verification we calculated correlation between meteorological stations temperatures and Mono-window Algorithm LST temperatures and we obtained %70.67 correlation. On the other hand correlation between meteorological stations temperatures and Split window Algorithm LST temperatures is % 76,82. This correlations shown us Split window algorithm gave more accurate results according to Mono-window algorithm in this study. Besides, Split window algorithm was compared with NDVI, SAVI, NDBI, IBI, MNDWI images. Land Surface Temperatures has negative linear relation with NDVI, SAVI and MNDWI values and it has positive lineer relation with NDBI. After that Stepwise regression analyze was calculated by using SAVI, MNDWI, IBI index. Relation between Land surface temperature and SAVI,MNDWI and IBI index is analyzed with a model which is provided by using Coefficients of Stepwise regression. This situation shown to us, built up areas cause higher surface temperature than daily average surface temperature. On the other hand, vegetation areas provide lower surface temperature according to the daily average surface temperature. Not only built up areas cause higher surface temperature but also bare lands without vegetation on surface shown us high surface temperature like built up areas because of albedo effect.

Benzer Tezler

  1. Tez No

    335869

    Yeryüzü sıcaklıklarının uzaktan algılama tekniği ile belirlenmesi: Tek-kanal yöntemleri

    Retrieval of land surface temperature using remote sensing techniques: Single-channel methods overview

    BAHADIR ÇELİK

    Yüksek Lisans

    Türkçe

    Türkçe

    2013

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    PROF. DR. HİLAL GONCA COŞKUN

  2. Tez No

    468160

    Kızılırmak Deltası ve lagünlerinin kıyı paterninin fraktal analizi

    Fractal analysis of coastal pattern of the Kızılırmak Delta and lagoons

    AZİZE UYAR

    Yüksek Lisans

    Türkçe

    Türkçe

    2017

    Jeodezi ve FotogrametriOndokuz Mayıs Üniversitesi

    Harita Mühendisliği Ana Bilim Dalı

    DOÇ. DR. DERYA ÖZTÜRK

  3. Tez No

    534368

    Delineation of water bodies with landsat 8 and sentinel 2satellite imagery using different image processingalgorithms

    Landsat 8 ve sentınel 2 uydu görüntülerinden farklı görüntü işleme algoritmaları kullanılarak su kütlelerinin belirlenmesi

    GİZEM ŞENEL

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ÇİĞDEM GÖKSEL

  4. Tez No

    507615

    İstanbul Avrupa Yakası'nda arazi kullanım değişikliğinden kaynaklanan karbon emisyonlarının belirlenmesi

    Determination of carbon emissions resulting from land use changes in the European Side of Istanbul

    FERAH PIRLANTA KÖKSAL

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    PROF. DR. NEBİYE MUSAOĞLU

  5. Tez No

    561544

    Arazi örtüsü değişimlerinin kentsel ısı adalarına olan etkilerinin zamansal ve mekansal olarak araştırılması

    Spatio-temporal analyses of land cover changes and its impacts on urban heat islands

    BAHADIR ÇELİK

    Doktora

    Türkçe

    Türkçe

    2019

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    PROF. DR. ŞİNASİ KAYA

Geri Dön