scholarly journals Pemetaan Suhu Permukaan Anomali Panas Bumi Daerah Gunung Ciremai Menggunakan Data Inframerah Termal Landsat 8

2021 ◽  
Vol 2 (2) ◽  
pp. 92-99
Author(s):  
Syatiya Mirwanda ◽  
Fatiha Salsabila ◽  
Regita Pramesti ◽  
Annida Rifqoh Zakiyyah ◽  
Muhammad Rizki Tuelzar
Keyword(s):  
Thermal Infrared ◽  
Landsat 8 ◽  
Infrared Sensor

Prospek geotermal di daerah Timur Ciremai berada pada aktivitas vulkanik aktif namun pencarian prospek panas bumi di area ini mengabur akibat adanya kontras antara batuan vulkanik dengan batuan sedimen. Penelitian ini mencoba mengidentifikasi area potensial panas bumi berdasarkan suhu permukaan menggunakan metode pengindraan jauh. Data yang digunakan berupa citra satelit Landsat 8 yang sudah mempunyai sensor termal yang disebut Thermal Infrared Sensor (TIRS) pada pita sensor 10 dan 11 yang dikombinasikan dengan NDVI. Hasil analisis NDVI menunjukkan bahwa daerah penelitian memiliki vegetasi dan permukaan berupa air atau awan yang lebih banyak memantulkan gelombang cahaya tampak dibandingkan gelombang infrared dengan nilai NDVI -0,75 - 0,88. Hasil analisis LST dapat diketahui bahwa suhu permukaan pada daerah tersebut memiliki nilai dalam rentang 15 °C – 31 °C. Area yang memiliki tingkat LST tinggi di antara tingkat LST yang rendah dapat diperkirakan sebagai area yang memiliki anomali. Hal ini bersesuaian dengan kerapatan vegetasi pada area tersebut yang tinggi sehingga seharusnya besar suhu permukaannya rendah bukan sebaliknya. Berdasarkan integrasi dengan data manifestasi di lapangan, maka dapat di pastikan bahwasanya terdapat beberapa anomali panas bumi pada arah tenggara dari Gunung Ciremai.

scholarly journals Balanço de radiação através do satélite Landsat-8 na bacia do Rio Pajeú

2017 ◽  
Vol 33 ◽  
pp. 117
Author(s):  
Laurizio Emanuel Ribeiro Alves ◽  
Heliofábio Barros Gomes ◽  
Maurílio Neemias dos Santos ◽  
Ismael Guidson Farias de Freitas
Keyword(s):  
Thermal Infrared ◽  
Landsat 8 ◽  
Infrared Sensor

O presente estudo tem como objetivo realizar a estimativa do saldo de radiação à superfície-Rn através do algoritmo SEBAL e imagens do satélite Landsat-8 para a Bacia do Rio Pajeú. Os dados de Rn estimados pelo SEBAL foram comparados com medições obtidas em duas estações automáticas localizadas nos municípios de Floresta e Serra Talhada. Foi utilizada uma imagem dos sensores OLI (Operational Land Image) e TIRS (Thermal Infrared Sensor) abordo do satélite Landsat-8, orbita 216 e ponto 66, para o dia 20 de novembro de 2016. A partir das imagens se obteve a radiância e reflectividade espectral, seguido do albedo de superfície, índices de vegetação, emissividade, temperatura superficial, radiação de onda curta incidente – Rs, radiação de onda longa incidente e emitida - Rol,atm e Rol,emi, respectivamente, e Rn. Nos resultados encontrados observa-se que os menores valores de albedo e temperatura foram observados em corpos d’água e vegetação, e maiores valores em áreas urbanas. Estas componentes estão ligadas diretamente com as componentes do saldo de radiação, onde se observou menores valores de Rol,atm e Rol,emi que estão diretamente ligadas a maior ou menor Rn. A validação dos dados do algoritmo SEBAL a partir das estações automáticas foi observado um erro relativo entre 9 e 11% para a imagem Landsat-8 para o dia 20/09/2016, verificando a acurácia das imagens para a estimativa do saldo de radiação à superfície – Rn, para a Bacia do Rio Pajeú.

scholarly journals Land Surface Temperature Retrieval from LANDSAT-8 Thermal Infrared Sensor Data and Validation with Infrared Thermometer Camera

2018 ◽  
Vol 7 (4.20) ◽  
pp. 608 ◽  
Author(s):  
Muhammad Mejbel Salih ◽  
Oday Zakariya Jasim ◽  
Khalid I. Hassoon ◽  
Aysar Jameel Abdalkadhum
Keyword(s):  
Land Cover ◽  
Surface Temperature ◽  
Land Surface Temperature ◽  
Land Surface ◽  
Thermal Infrared ◽  
Landsat 8 ◽  
Infrared Sensor ◽  
Infrared Thermometer ◽  
Ground Truth Data ◽  
Land Cover Types

This paper illustrates a proposed method for the retrieval of land surface temperature (LST) from the two thermal bands of the LANDSAT-8 data. LANDSAT-8, the latest satellite from Landsat series, launched on 11 February 2013, using LANDSAT-8 Operational Line Imager and Thermal Infrared Sensor (OLI & TIRS) satellite data. LANDSAT-8 medium spatial resolution multispectral imagery presents particular interest in extracting land cover, because of the fine spectral resolution, the radiometric quantization of 12 bits. In this search a trial has been made to estimate LST over Al-Hashimiya district, south of Babylon province, middle of Iraq. Two dates images acquired on 2nd &18th of March 2018 to retrieve LST and compare them with ground truth data from infrared thermometer camera (all the measurements contacted with target by using type-k thermocouple) at the same time of images capture. The results showed that the rivers had a higher LST which is different to the other land cover types, of less than 3.47 C ◦, and the LST different for vegetation and residential area were less than 0.4 C ◦ with correlation coefficient of the two bands 10 and 11 Rbnad10= 0.70, Rband11 = 0.89 respectively, for the imaged acquired on the 2nd of march 2018 and Rband10= 0.70 and Rband11 = 0.72 on the 18th of march 2018. These results confirm that the proposed approach is effective for the retrieval of LST from the LANDSAT-8 Thermal bands, and the IR thermometer camera data which is an effective way to validate and improve the performance of LST retrieval. Generally the results show that the closer measurement taken from the scene center time, a better quality to classify the land cover. The purpose of this study is to assess the use of LANDSAT-8 data to specify temperature differences in land cover and compare the relationship between land surface temperature and land cover types.   

scholarly journals An Improved Mono-Window Algorithm for Land Surface Temperature Retrieval from Landsat 8 Thermal Infrared Sensor Data

2015 ◽  
Vol 7 (4) ◽  
pp. 4268-4289 ◽  
Author(s):  
Fei Wang ◽  
Zhihao Qin ◽  
Caiying Song ◽  
Lili Tu ◽  
Arnon Karnieli ◽  
...  
Keyword(s):  
Surface Temperature ◽  
Land Surface Temperature ◽  
Land Surface ◽  
Thermal Infrared ◽  
Sensor Data ◽  
Landsat 8 ◽  
Infrared Sensor ◽  
Temperature Retrieval

scholarly journals Geoprocessamento aplicado na análise dos efeitos da urbanização no campo térmico em Fortaleza, Ceará

2020 ◽  
Vol 9 (7) ◽  
pp. e57973731
Author(s):  
Eliezio Nascimento Barboza ◽  
Francisco das Chagas Bezerra Neto ◽  
Clarice Ribeiro Alves Caiana
Keyword(s):  
United States ◽  
Thermal Infrared ◽  
Geological Survey ◽  
United States Geological Survey ◽  
Landsat 8 ◽  
Infrared Sensor

O rápido e desordenado crescimento urbano gerou um meio geográfico artificial e de baixa salubridade ambiental, caracterizado pela expansão de áreas periféricas e centrais. As transformações no uso e ocupação do solo geram mudanças no balanço de energia e na atmosfera, resultando no aquecimento das cidades. Portanto, o objetivo desse artigo é analisar a Temperatura de Superfície Terrestre (TST) e relacionar com cobertura vegetal por meio do Índice de Vegetação por Diferença Normalizada (NDVI) no município de Fortaleza, Ceará. Inicialmente foram obitidas as imagens orbitais, sensores OLI, (Operational Land Imager) e TIRS10 (Thermal Infrared Sensor) do Landsat-8 em United States Geological Survey (USGS) – órbita 217 e ponto 62. As imagens escolhidas para esse estudo é de 02/08/2013 e 26/08/2016. Verificou-se a relação direta do vigor da biomassa (NDVI) e da urbanização com valores de temperatura de superfície e as ilhas de calor urbano. Os ambientes que apresentaram menores valores de NDVI, com exceção os corpos aquáticos, apresentaram maiores valores de temperatura, expondo a importância da vegetação no microclima.

scholarly journals TVDI Obtido de Imagens OLI/TIRS e MODIS

2019 ◽  
Vol 34 (4) ◽  
pp. 573-583
Author(s):  
Lucimara Wolfarth Schirmbeck ◽  
Denise Cybis Fontana ◽  
Juliano Schirmbeck ◽  
Carolina Bremm
Keyword(s):  
Vegetation Index ◽  
Normalized Difference Vegetation Index ◽  
Thermal Infrared ◽  
Landsat 8 ◽  
Infrared Sensor ◽  
Moderate Resolution ◽  
Dryness Index ◽  
Resolution Imaging ◽  
Moderate Resolution Imaging Spectroradiometer

Resumo O objetivo do estudo foi analisar a variabilidade no TVDI (Temperature-Vegetation Dryness Index) obtido de sensores orbitais com resoluções distintas, em região agrícola no sul do Brasil. Utilizou-se três imagens OLI/TIRS (Operational Land Imager/Thermal Infrared Sensor) do satélite Landsat 8, e 12 imagens MODIS (Moderate Resolution Imaging Spectroradiometer) do satélite Terra. Dados coletados em campo serviram como base para classificação de imagem OLI/TIRS e mapeamento de áreas de arroz, soja, campos naturais, mata ciliar e solo exposto. O TVDI foi obtido por duas parametrizações em períodos distintos, utilizando as dispersões entre Temperatura de Superfície (TS) e NDVI (Normalized Difference Vegetation Index). O TVDI obtido para ambos sensores apresentou padrão similar possibilitando diferenciar os alvos. Na média de todas as datas e classes, o TVDI obtido das imagens MODIS foi superior em 0,128 unidades ao TVDI obtido com o OLI/TIRS. Quando utilizado OLI/TIRS há um melhor detalhamento espacial das condições hídricas, mas com menor repetição ao longo da safra; já utilizando o TVDI-MODIS é possível monitorar as condições hídricas em escala regional, com menor detalhamento espacial, mas com maior repetitividade no tempo. O TVDI estimado pelos sensores OLI/TIRS e MODIS, pode ser utilizado de forma conjunta, trazendo informações complementares.

scholarly journals On-Orbit Radiometric Performance of the Landsat 8 Thermal Infrared Sensor

2014 ◽  
Vol 6 (12) ◽  
pp. 11753-11769 ◽  
Author(s):  
Matthew Montanaro ◽  
Raviv Levy ◽  
Brian Markham
Keyword(s):  
Thermal Infrared ◽  
Landsat 8 ◽  
Infrared Sensor

scholarly journals A Temperature and Emissivity Separation Algorithm for Landsat-8 Thermal Infrared Sensor Data

2015 ◽  
Vol 7 (8) ◽  
pp. 9904-9927 ◽  
Author(s):  
Songhan Wang ◽  
Longhua He ◽  
Wusheng Hu
Keyword(s):  
Thermal Infrared ◽  
Sensor Data ◽  
Landsat 8 ◽  
Infrared Sensor ◽  
Separation Algorithm
Sign in / Sign up

Export Citation Format

Share Document