تحلیل ارتباط شاخص پوشش گیاهی تعدیل خاک و توازن انرژی سطح در شهرستان نظر آباد

دما یکی از اصلی ترین عوامل اثرگذار در برنامه ریزی شهری و تعیین کننده ساختار، شکل و بافت شهری نیز می باشد. از سوی دیگر، افزایش مقدار پوشش گیاهی یکی از کاراترین استراتژی های کاهش اثرات اقلیم شهری است. در پژوهش حاضر جهت دستیابی به دمای سطح زمین از الگوریتم توازن انرژی سطح و برای تخمین سبزینگی گیاه از شاخص پوشش گیاهی تعدیل خاک شهرستان نظرآباد استفاده شد. بدین منظور از تصاویر ماهواره ای لندست (tm-oli)، سال های (2000-2019) استفاده شد. ابتدا تصاویر مربوطه اخذ و پیش پردازش های 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 به طور میانگین دارای دمای 32 و 34 درجه سانتی گراد می باشد. این در حالی است که در این سال ها نواحی بدون پوشش گیاهی همچون مناطق شهری و زمین بایر که عاری از پوشش گیاهی بوده، دمای بالاتری به طور میانگین 36 و 39 درجه سانتی گراد را به خود اختصاص داده اند که نشان ازتاثیر پوشش گیاهی بر دمای سطحی است. همچنین در برآورد همبستگی بین پوشش گیاهی با دمای سطح زمین، می توان گفت همبستگی قوی بین داده ها وجود دارد. نتایج آنالیز رگرسیون خطی نشان داد که ضریب تبیین در سال های ذکرشده به ترتیب 0.78 و 0.89 درصد از تغییرات، متغیر وابسته توسط متغیرهای مستقل تبیین شده است که مقدار بالایی را نشان می دهد و مدل با اطمینان 0.95 درصد معنی دار بوده است.

estimation soil adjusted vegetation index surface energy balance by analyzing their relationship through linear regression(case study: nazarabad city)

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.