بررسی ارتباط کاربری‌های مختلف با دمای سطح زمین مبتنی بر تحلیل خودهمبستگی فضایی (موران) با استفاده از داده‌های تصاویر ماهواره‌ای لندست (مطالعه موردی: شهرستان کوثر)

حرارت سطح زمین شاخص مهمی در مطالعه مدل های تعادل انرژی در سطح زمین در مقیاس منطقه ای و جهانی است. با توجه به محدودیت ایستگاه های هواشناسی، سنجش از دور می تواند جایگزین مناسبی برای برآورد حرارت سطح زمین باشد. در پژوهش حاضر به ارتباط کاربری های مختلف با دمای سطح زمین شهرستان کوثر و خودهمبستگی فضایی با استفاده از شاخص موران پرداخته شده است. به این منظور از تصاویر ماهواره ای لندست (oli) و لندست 5 (tm) استفاده گردید. تحقیق حاضر در ;چهار مرحله اصلی انجام گرفت: الف) تهیه تصاویر سال 1987 و 2015، ب) انجام پیش پردازش های لازم، ج) تهیه نقشه طبقه بندی با استفاده از روش شی گرا و د) استخراج دمای سطح زمین با الگوریتم پنجره مجزا. نتایج به دست آمده نشان داد که کاربری کشاورزی دیم و مرتع در سال 1987 و 2015 دارای دمای بالاتری نسبت به بقیه کاربری ها می باشند که دلیل این امر خشک بودن محصولات کشاورزی در بازه زمانی انتخاب شده است (ماه ژوئن) که باعث بالا رفتن دمای این محصولات شده است. در مقابل کاربری مناطق آبی به خاطر ظرفیت گرمایی بالای خود در این سال ها حداقل میانگین دما را به خود اختصاص داده اند. همچنین با استفاده از شاخص تحلیل لکه های داغ (hotspot) خوشه های سرد و گرم جزایر حرارتی کوثر استخراج گردید. در نهایت تحلیل خودهمبستگی فضایی با شاخص های موران جهانی نشان داد که دمای سطح زمین شهرستان کوثر دارای ساختار فضایی بوده و به شکل خوشه ای توزیع شده است.

investigating the relationship between different uses with earth's surface temperature based on spatial autocorrelation analysis using landsat satellite image data (case study: kosar county

land surface temperature is an important indicator in the study of ground energy balance models on a regional and global scale. due to the limitations of meteorological stations, remote sensing can be a good alternative to estimating surface temperature. in the present study, the relationship between different land uses and ground surface temperature in kosar city and spatial autocorrelation has been investigated using moran index. landsat 8 (oli) and landsat 5 (tm) satellite images were used for this purpose. the present study was carried out in four main stages: a) preparing images for 1987 and 2015, b) making the necessary predictions, c) preparing a classification map using the object-oriented method, and d) extracting the earth’s surface temperature with separate window algorithm. the results showed that dryland and rangeland agricultural uses in 1987 and 2015 have higher temperatures than other uses, due to the dryness of selected agricultural products in the selected period (june), which caused the temperature to rise. is. in contrast, the use of water areas due to their high heat capacity in these years have the minimum average temperature. in addition, hot and cold clusters of kosar thermal islands were extracted using the hot spot analysis index (hotspot). finally, the analysis of spatial autocorrelation with global moran indices showed that the surface temperature of kosar city has a spatial structure and is distributed in the form of clusters. ;