ارزیابی روند تغییرات دمای سطح زمین و تجزیه و تحلیل همبستگی مکانی با عناصر ساختاری سرزمین در حوزه آبخیز رشت، استان گیلان
محل انتشار: فصلنامه بوم شناسی کاربردی، دوره: 11، شماره: 3
سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 335
فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IJAE-11-3_004
تاریخ نمایه سازی: 29 فروردین 1402
چکیده مقاله:
داده های سنجش از دور نقش مهمی در برنامه ریزی و پایش محیط زیست دارند. هدف از این پژوهش، بررسی دمای سطح زمین (Land Surface Temprature, LST) و تاثیر عوامل محیطی بر میزان دمای سطح زمین و شناسایی الگوهای زمانی – مکانی و تعیین لکه های داغ در بازه زمانی ۲۰۱۳ تا ۲۰۱۹ با استفاده از تصاویر لندست ۸ است. در این تحقیق تاثیر شاخص های طیفی (Normalized Difference Build up Index, NDBI)، (Normalized Difference Vegetation Index, NDVI) و (Normalized Difference Water Index, NDWI) بر LST مورد بررسی قرار گرفت. نتایج نشان داد که کمترین میانگین دمایی در سال ۲۰۱۹ و حداکثر آن مربوط به سال ۲۰۱۷ است. نتایج حاصل از خروجی های همبستگی شاخص موران نیز نشان داد که بزرگترین الگوی خوشه ای دمای حداکثر با مقدار ۰/۸۵ در سال ۲۰۱۹ اتفاق افتاده و بیشترین همبستگی بین LST و NDBI در سال ۲۰۱۵ با R = ۰.۷۶، بیشترین همبستگی بین LST و NDVI در سال ۲۰۱۵ با R = -۰.۵۶ و بیشترین همبستگی بین LST و NDWI در سال ۲۰۱۳ با R = -۰.۵۳ است. آبخیز رشت، در استان گیلان تحت تاثیر عوامل انسانی و تغییرات کاربری قرار دارد. بنابراین پیشنهاد می شود افزایش پوشش گیاهی در سطح شهرها و بام مناطق شهری، کاهش تغییر کاربری مرتع به کشاورزی و کاهش تخریب جنگل در الویت قرار بگیرند.
کلیدواژه ها:
Land surface temperature ، Hot spots ، Moran statistical test ، Thermal remote sensing ، Rasht watershed ، دمای سطح زمین ، لکه های داغ ، موران ، داده های سنجش از دور ، رشت
نویسندگان
نیوشا دیوسالار
Soomehsara School of Natural Resources; University of Guilan
محمود هاشمی
Soomehsara School of Natural Resources; University of Guilan
سجاد کربلای صالح
Gorgan University of Agriculture and Natural Resources
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :