ارزیابی روند تغییرات دمای سطح زمین و تجزیه و تحلیل همبستگی مکانی با عناصر ساختاری سرزمین در حوزه آبخیز رشت، استان گیلان

داده‌های سنجش از دور نقش مهمی در برنامه‌ریزی 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 لکه‌های داغ در بازه زمانی 2013 تا 2019 با استفاده از تصاویر لندست 8 است. در این تحقیق تاثیر شاخص‌های 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 2019 و حداکثر آن مربوط به سال 2017 است. نتایج حاصل از خروجی‌های همبستگی شاخص موران نیز نشان داد که بزرگترین الگوی خوشه‌ای دمای حداکثر با مقدار 0/85 در سال ٢٠١٩ اتفاق افتاده و بیشترین همبستگی بین lst و ndbi در سال ٢٠١٥ با r = 0.76، بیشترین همبستگی بین lst و ndvi در سال ٢٠١٥ با r = -0.56 و بیشترین همبستگی بین lst و ndwi در سال ٢٠١٣ با r = -0.53 است. آبخیز رشت، در استان گیلان تحت تاثیر عوامل انسانی و تغییرات کاربری قرار دارد. بنابراین پیشنهاد می‌شود افزایش پوشش گیاهی در سطح شهرها و بام مناطق شهری، کاهش تغییر کاربری مرتع به کشاورزی و کاهش تخریب جنگل در الویت قرار بگیرند.

assessment of land surface temperature trend and its spatial correlation with landscape structural elements in rasht watershed, guilan province

remote sensing data play an important role in environmental planning and monitoring. the current study aimed to investigate the land surface temperature (lst) and the effect of environmental factors on the lst, to identify the temporal-spatial patterns and determine the hot spots in the period of 2013 to 2019, using landsat 8 images. the effect of spectral indices: normalized difference build-up index (ndbi), normalized difference vegetation index (ndvi) and normalized difference water index (ndwi) on the surface temperature was investigated. results indicated that the lowest average temperature has occurred in 2019 and the highest lst was in the 2017. the results of moran’s index correlation also showed that the most clustering pattern of lst, with the moran value of 0.85 was obtained in 2019, the highest correlation between lst and ndbi, with the r value of 0.76 in the 2015, the highest correlation between lst and ndvi in the 2015 (r = -0.56), and the highest correlation between lst and ndwi in 2013 (r = -0.53). rasht watershed in guilan province is affected by human factors and land use changes. therefore, it is recommended to increase the vegetation cover in urban areas, reduce the change of pasture to agricultural area, and reduce forest destruction.