یک رویکرد سنجش ازدور برای ارزیابی تغییرات دما با استفاده از تحلیل فضایی و رگرسیون (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
شهرنشینی بر محیط حرارتی شهری تأثیر بسزایی دارد و این تغییرات بر اقلیم، محیط و کیفیت زندگی ساکنان تأثیر گذاشته است. هدف از این مطالعه ارزیابی روند تغییرات طولانی مدت دمای سطح زمین و جزایر حرارتی شهرستان اهواز با استفاده از روش الگوریتم پنجره مجزا 3 «SW» در بازه زمانی 2014 تا 2022 می باشد. در این تحقیق به منظور برآورد دقیق دامنه تغییرات دمای سطح زمین، از تخمین گر «تیل- سن» و مدل «من-کندال» استفاده شد. خودهمبستگی فضایی جزایر حرارتی با استفاده از شاخص موران محلی و ارتباط روند تغییرات دمای سطح زمین با پارامترهای کاربری شهری با استفاده از رگرسیون حداقل مربعات معمولی4 «OLS» و رگرسیون وزنی5 «GWR» مورد ارزیابی قرار گرفت. از الگوریتم فیوژن، گرام-اشمیت نیز برای افزایش قدرت تفکیک مکانی تصاویر ماهواره لندست-8 استفاده شده است. تحلیل روند «تیل- سن» نشان داده است که 61/93 درصد منطقه دارای روند افزایشی و 39/6 درصد دارای روند کاهشی می باشد، بر اساس نتایج آزمون معنی داری «من –کندال» تنها 6 درصد مساحت منطقه دارای روند کاهش یا افزایش دایم معنی دار می باشد و دیگر بخش ها فاقد روند معنی داری هستند. نتایج همبستگی پیرسون بین دمای هوای محاسبه شده با دمای ایستگاه زمینی برابر با 716/0 می باشد. ارزیابی دمای سطح زمین با استفاده از روش همبستگی فضایی موران جهانی نشان داد که دما دارای ساختار فضایی با الگوی خوشه ای است و مقدار آن بین 63/0 تا 68/0 متغیر می باشد. در نتایج شاخص موران محلی مشاهده شد که میزان جزایر حرارتی در سال 2019 نسبت به بقیه سال ها به طور چشمگیری کاهش یافته است. بررسی اثر عوامل کاربری شهری (فاصله از مناطق مسکونی، فاصله از فضای سبز، فاصله از رودخانه، فاصله از صنایع و فاصله از جاده) بر روند تغییرات دما با استفاده از روش های «OLS» و «GWR»، نشان داد که همه پارامترهای مستقل درنظرگرفته شده، معنی دار می باشند و مدل «GWR» نتایج بهتری نسبت به «OLS» در منطقه مورد مطالعه داشته است.A Remote sensing approach to evaluate the trend of surface temperature changes using spatial analysis and regression
The purpose of this study is to evaluate the trend of long-term changes in ground surface temperature and heat islands in Ahvaz city using the split window algorithm (SW) in the period from 2014 to 2022. The Thiel-Sen estimator and the Mann-Kendall model were used to accurately estimate the range of changes in the earth's surface temperature. Spatial autocorrelation of heat islands was evaluated using local Moran's index, and the relationship between LST changes and urban use parameters was evaluated using ordinary least square regression (OLS) and weighted regression (GWR). Til-Sen trend analysis has shown that 61.93% of the area has an increasing trend and 6.39% has a decreasing trend. According to the results of the Mann-Kendall significance test, only 6% of the area has a constant decreasing or increasing trend. It is significant and the other sections have no significant trends. The Pearson correlation results between the calculated air temperature and the ground station temperature are equal to 0.716. The evaluation of the earth's surface temperature using the global Moran's spatial correlation method showed that the temperature has a spatial structure with a cluster pattern and its value varies between 0.63 and 0.68. In the results of the local Moran index, Investigating the effect of urban land use factors on the trend of temperature changes using OLS and GWR methods, showed that all independent parameters considered are significant and GWR model has better results than OLS in the studied area.
تبلیغات
