دمای سطح زمین یک عامل مهم تاثیرگذار بر تغییرات حرارتی و تعادل در مطالعات جهانی است. در طول دو دهه گذشته، نیاز شدید به داده‌های LST در مطالعات ‌محیط‌زیستی و مدیریت منابع زمین، اندازه‌گیری LST را به یک بحث علمی بزرگ تبدیل کرده است. کشف ناهمگونی فضایی دمای سطح زمین و تحلیل عوامل کلیدی و روابط فضایی خاص که از سری‌های زمانی دمای سطح زمین تاثیر می‌گیرند، اهمیت بالایی در مدیریت سرزمین دارند. مطالعه حاضر با هدف تحلیل ناهمگونی فضایی و عوامل موثر بر دمای سطح زمین با استفاده از مدل‌های رگرسیون فضایی انجام شد. برای بررسی این موضوع نقشه‌های LST روزانه با استفاده از روش معادله انتقال تابشی از داده‌های لندست 7 و 8 برای سال‌های 2002، 2013 و 2021 شهر بجنورد تهیه شدند. تحلیل دمای سطح زمین در مناطقی که زمین‌های بایر غالب هستند، نیاز به داده‌های دمای شبانه دارد. بنابراین نقشه های LST شبانه مادیس نیز به‌عنوان نقشه‌های کمکی تهیه شدند. برای تجزیه ‌و تحلیل داده‌ها از مدل‌های همبستگی پیرسون، خودهمبستگی فضایی، حداقل مربعات معمولی و رگرسیون وزن‌دار جغرافیایی استفاده شد. سپس عملکرد مدل‌ها با استفاده از ضریب تعیین و معیار اطلاعات آکاییک مقایسه شدند. نتایج مطالعه بیانگر توانایی بیشتر و پیش‌بینی دقیق‌تر رویکرد GWR نسبت به OLS برای توصیف ناهمگونی فضایی است. پاسخ فضایی دماهای سطح زمین و متغیرهای تاثیرگذار مختلف از سال 2002 تا 2021 نشان داد توسعه فضای سبز نقش مهمی در تعدیل دماهای سطح زمین ایفا می‌کند. با توجه به اینکه LST تحت تاثیر متغیرهای مختلفی از جمله توپوگرافی، متغیرهای اقلیمی، جوی و پوشش گیاهی است، بنابراین درک روابط فضایی و تجزیه ‌و تحلیل‌ مناطق با LST بالا، می تواند به‌عنوان راهگشایی در برنامه ریزی و آمایش اصولی سرزمین مفید واقع شود. پرونده مقاله

چکیده دمای سطح زمین یا LST که از تصاویر سنجش از دور مادون قرمز حرارتی به دست می‌آید، مستقیماً با تغییرات کاربری و پوشش زمین مرتبط است. سنجش از دور، به عنوان یک روش غیرقابل جایگزین در مقیاس جهانی و منطقه‌ای، نظارت مؤثر با تداوم مکانی-زمانی دمای سطح زمین را امکان‌پذیر می‌کند. همچنین، تهیه تصاویر دمای سطح زمین امکان جداسازی بهتر شهرها از مناطق بایر اطراف را فراهم می‌کند و در طبقه‌بندی سایر پوشش‌ها و کاربری‌ها نیز مفید خواهد بود. در این مطالعه، یک رابط کاربری مبتنی بر پایتون توسعه داده شد که امکان بازیابی بسیار آسان‌ و سریع‌تر دمای سطح زمین را فراهم می‌سازد. دمای سطح زمین را می‌توان با وارد نمودن پارامترهای مورد نیاز در روش‌هایی نظیر الگوریتم تک کانال (SCA)، روش معادله انتقال تابشی (RTE)، الگوریتم پنجره مجزا (SWA) و دو الگوریتم تک پنجره (MWA)، از مأموریت‌های لندست (5، 7 و 8) بازیابی نمود. مقایسه نتایج در این مطالعه نشان داد که روش‌های روش معادله انتقال تابشی (RTE) و الگوریتم تک کانال (SCA) با خطای جذر میانگین مربعات (RMSE) معادل 76/3 و 97/8 درجه سانتی‌گراد بیشترین و کمترین دقت را داشتند. دمای سطح زمین تحت تأثیر عوامل زیادی مانند ذرات معلق در هوا، پوشش زمین و ریخت‌شناسی شهر قرار دارد. الگوریتم‌های مختلف با در نظر گرفتن دمای نزدیک به سطح زمین، محتوای بخار آب و سایر پارامترهای جوی آن را محاسبه می‌کنند. این رابط کاربری به محققان و متخصصان اجرایی کمک می‌کند تا تغییرات حرارتی را در سری‌های زمانی و بر اساس کاربری‌های مختلف در مطالعات خود و به ‌ویژه توسعه شهری پایش نمایند. پرونده مقاله

چکیده شهرنشینی با تغییر شکل طبیعی زمین می‌تواند دمای سطح زمین (LST) را در مقیاس جهانی تحت تأثیر قرار دهد‬. کاهش پیامدهای تغییرات اقلیمی، مستلزم تدوین یک برنامه منسجم مدیریت کاربری برای محدود نمودن گسترش بی‌برنامه و افزایش فضای سبز شهری است. هدف این مطالعه بررسی چگونگی تأثیر ویژگی‌ها و الگوی فضایی مناطق شهری و محیط اطراف آن بر دمای سطح زمین در شهر بجنورد است. برای این منظور، از الگوریتم پنجره مجزا (SWA) برای بازیابی دمای سطح زمین با استفاده از داده‌های لندست 8 سال 2021 استفاده شد‬. بر اساس نتایج، مراکز اصلی انتشار گرمای بالا در مناطق شهری مانند تأسیسات عمومی، پارکینگ خودروها و مناطق صنعتی، دمای سطح زمین بالاتری (بیش از 38 درجه سانتی‌گراد) نسبت به فضاهای سبز شهری (کمتر از 36 درجه سانتی‌گراد) دارند. در این مطالعه تفاوت بین دمای سطح زمین در روز و شب با استفاده از دمای شبانه سطح زمین مادیس آشکار شد. همچنین نتایج خودهمبستگی فضایی تضاد در رفتارهای دمای سطح زمین بافت شهری و حومه شهر در مناطق نیمه‌خشک را نشان می دهد. وجود نقاط گرم در سطوح نفوذپذیر مانند زمین‌های کشاورزی و نقاط سرد در مناطق غیرقابل نفوذ نشان دهنده اثر معکوس جزایر حرارتی شهری در این مناطق است. درک تعاملات پیچیده کاربری‌های شهری و دمای سطح زمین با در نظر گرفتن الگوهای آب و هوای منطقه‌ای می‌تواند به مدیران و برنامه ریزان شهری در بهبود کیفیت زندگی در مناطق شهری کمک کند. پرونده مقاله

fusion of remote sensing data is essential in order to obtain more information from different images. Mapping the vegetation of an area is very important due to its environmental importance. In this research, used Landsat ETM+ images and field surveying to identify vegetation states of the Eshkevarat No hunting zone. After applying necessary preprocessing like gap filling and atmospheric correction, the panchromatic and multi-spectral images were fused based on the FFT-PCA algorithm. In the next section, the fused image was classified based on the Support Vector Machine (SVM), algorithm into five classes. The results showed that the overall accuracy and kappa coefficient of classified images is 0.943% and 0.910 respectively. In order to field surveying of study area, 1-meter plots in 500-meter distance choose and 14 Flora and vegetation species were identified and mapped. The results showed that satellite images have good accuracy in this field but based on its spatial resolution limitations a large number of species present in the area have not been identified. In this research, it is suggested to use a combination of both satellite image sources and field surveys. پرونده مقاله