خلاصة:
دما یکی از اصلیترین عوامل اثرگذار در برنامهریزی شهری و تعیینکننده ساختار، شکل و بافت شهری نیز میباشد. از سوی دیگر، افزایش مقدار پوشش گیاهی یکی از کاراترین استراتژیهای کاهش اثرات اقلیم شهری است. در پژوهش حاضر جهت دستیابی به دمای سطح زمین از الگوریتم توازن انرژی سطح و برای تخمین سـبزینگی گیـاه از شاخص پوشش گیاهی تعدیل خاک شهرستان نظرآباد استفاده شد. بدین منظور از تصاویر ماهوارهای لندست (TM-OLI)، سالهای (2000-2019) استفاده شد. ابتدا تصاویر مربوطه اخذ و پیشپردازشهای لازم اعمال شد. سپس طبقهبندی با استفاده از روش، شیءگرا صورت گرفت. همچنین برای برآورد رابطه همبستگی دمای سطح زمین و پوشش گیاهی از تحلیل رگرسیون خطی استفاده شد. نتایج دمای سطح زمین نشان داد نواحی دارای پوشش گیاهی همچون کشاورزی و مراتع برای سال 2000 و 2019 بهطور میانگین دارای دمای 32 و 34 درجه سانتی گراد میباشد. این در حالی است که در این سالها نواحی بدون پوشش گیاهی همچون مناطق شهری و زمین بایر که عاری از پوشش گیاهی بوده، دمای بالاتری بهطور میانگین 36 و 39 درجه سانتی گراد را به خود اختصاص دادهاند که نشان ازتاثیر پوشش گیاهی بر دمای سطحی است. همچنین در برآورد همبستگی بین پوشش گیاهی با دمای سطح زمین، میتوان گفت همبستگی قوی بین دادهها وجود دارد. نتایج آنالیز رگرسیون خطی نشان داد که ضریب تبیین در سالهای ذکرشده به ترتیب 78/0 و 89/0 درصد از تغییرات، متغیر وابسته توسط متغیرهای مستقل تبیین شده است که مقدار بالایی را نشان میدهد و مدل با اطمینان 95/0 درصد معنیدار بوده است.
Temperature is one of the main factors influencing urban planning because it guides the type of facilities available in cities and even determines the urban structure, shape and texture. On the other hand, increasing vegetation cover is one of the most effective strategies to reduce urban climate impacts. In the present study, the land energy balance algorithm was used to achieve land surface temperature and the soil vegetation index of Nazarabad city was used to estimate plant poisoning. For this purpose, Landsat satellite images (TM-OLI), years (2000-2019) were used. First, the relevant images were obtained and the necessary preparations were made. Then, the object-oriented classification was performed. Linear regression analysis was used to estimate the correlation between surface temperature and vegetation. Surface temperature results showed that vegetation areas such as agriculture and rangelands averaged 32 and 34 ° C for 2000 and 2019, respectively. However, during these years, vegetation-free areas such as urban and wilderness areas that were devoid of vegetation have averaged 36 and 39 degrees Celsius, indicating the effect of vegetation on surface temperatures. Also in estimating the correlation between vegetation and land surface temperature, it can be said that there is a strong correlation between the data. Independent variables have been explained which show high value and the model is significant with 0.95% confidence and is able to express changes based on available data so it can be concluded that this model has high accuracy for this study.
ملخص الجهاز:
نتایج این پژوهش نشان داد که بر مبنای داده های آماری به دست آمده ، ارتباط مناسب بین پوشش گیاهی و حرارت سطح زمین وجود دارد به طوری که در مناطق نظامی و صنعتی شهر، به دلیل وجود کاربری ها و عواملی مانند سطوح غیرقابل نفوذ مانند آسفالت ، بتن باعث ایجاد جزایر حرارتی شده است .
(٢٠٢١) Sadeghian et al به مطالعه در خصوص بررسی روش های محاسبه دمای سطح زمین از تصاویر ماهواره ای در استان قم پرداختند که نتایج پژوهش آن ها نشان داد جلوگیری از تخریب مزارع کشاورزی و احداث پارکهای شهری در مناطق بایر و بازشهری از تشدید جزایر حرارتی در شهر قم جلوگیری میکند؛ بنابراین در بیان مسئله ضرورت در این پژوهش ، باید بررسی شود که آیا افزایش پوشش گیاهی در کاهش دمای محیط نقش مهمی دارد یا خیر؟ و در صورت داشتن تاثیر پوشش گیاهی بر دمای سطح زمین به چه صورت عمل میکند؟ نوآوری در این پژوهش ، استخراج کاربری اراضی از روش های پردازش شیءگرا با الگوریتم نزدیک ترین همسایه استفاده شده است .
جدول ٣- آنالیز رگرسیون خطی بین شاخص پوشش گیاهی تعدیل خاک و دمای سطح زمین سال (١٣٧٩-١٣٩٨) Table 3- Linear regression analysis between soil adjusted vegetation index and the surface energy balance of (2000-2019) (به تصویر صفحه رجوع شود) نتایج جدول (٣) نشان میدهد که مقدار ضریب تبیین تعدیل یافته در مدل در سال ٢٠٠٠ و ٢٠١٩، به ترتیب برابر ٠/٧٨ و ٠/٨٩ میباشد که رگرسیون خطی در سال های ذکر شده را به ترتیب ٠/٧٧ و ٠/٧٩ درصد واریانس داده ها را میتواند تبیین کند.