%0 Journal Article %T طبقه‌بندی و پیش‌بینی تغییرات مکانی-زمانی سطوح نفوذ ناپذیر شهری و اثرات آن بر شدت جزیره حرارتی %J پژوهش های اقلیم شناسی %I سازمان هواشناسی کشور- پژوهشکده اقلیم شناسی %Z 2228-5040 %A عزی مند, کیوان %A عقیقی, حسین %A متکان, علی اکبر %D 2020 %\ 04/20/2020 %V 1399 %N 41 %P 15-34 %! طبقه‌بندی و پیش‌بینی تغییرات مکانی-زمانی سطوح نفوذ ناپذیر شهری و اثرات آن بر شدت جزیره حرارتی %K سنجش از دور %K شدت جزیره حرارتی %K شناسایی تغییرات %K سطوح نفوذناپذیر شهری %K مدل CA- Markov %R %X پدیده جزایر حرارتی به‌عنوان یکی از مخاطرات، فعالیت‌ها و زندگی انسان در محیط‌های شهری را تحت تأثیر قرار می‌دهد. سطوح نفوذناپذیر شهری یکی از عوامل مهم در تغییرات جزیره حرارتی است. تصاویر سنجش‌ازدور روشی ارزان، کارآمد و سریع  در بررسی شدت جزایر حرارتی و تغییرات سطوح نفوذناپذیر در محیط‌های شهری  محسوب می­شود. لذا هدف از این تحقیق بررسی و ارتباط بین سطوح نفوذناپذیر وتغییرات شدت جزایر حرارتی است. منطقه مورد مطالعه در این پژوهش شهر رشت است و  از سری زمانی تصاویر لندست مربوط به  سال 1989 تا سال 2018 استفاده شده است. روش پژوهش بدین صورت است که  ابتدا پیش‌پردازش اولیه بر روی تصاویر انجام‌گرفته و سپس با استفاده از شاخص NDISI به طبقه‌بندی سطوح نفوذناپذیر شهری پرداخته‌ شده است. برای تعیین حد آستانه تفکیک سطوح نفوذناپذیر (اراضی ساخته‌شده) از سطوح نفوذپذیر (اراضی ساخته نشده)، از روش آستانه گذاری Otsuاستفاده‌ شده است. دقت طبقه‌بندی با استفاده از نقاطی که به‌صورت تصادفی انتخاب‌ شده بود،  مورد ارزیابی قرار گرفت. در این تحقیق از مدل CA- Markov برای پیش‌بینی تغییرات آتی سطوح نفوذناپذیر شهری استفاده‌شده است و درنهایت ارتباط بین سطوح نفوذناپذیر شهری و تغییرات شدت جزیره حرارتی موردبررسی قرارگرفته است. نتایج این پژوهش حاکی از دقت کلی 5/84 تا 90 درصد برای روش NDISI بوده است. اختلاف نقشه پیش‌بینی CA- Markov با نقشه واقعیت کمتر از 8 درصد بوده و نشان از قابل‌اعتماد بودن این مدل است. ارتباط بین سطوح نفوذناپذیر و جزایر حرارتی حاکی از همبستگی مثبت و قوی بین 69/0 تا 89/0 برای سال‌های مختلف بوده است. جهت تغییرات سطوح نفوذناپذیر شهری و تغییرات شدت جزیره حرارتی با یکدیگر منطبق بوده است. %U https://clima.irimo.ir/article_119301_c4a12ea537a74897180f08ce3ce6d55c.pdf