ارزیابی شاخص های طیفی و استخراج عوارض ساخته شده و ساخته نشده شهری و مقایسه آن با دمای سطح زمین با استفاده از تصاویر ماهواره ای لندست ۷ و ۸ مطالعه موردی: شهر تهران

نوع مقاله : مقاله علمی پژوهشی

نویسندگان

1 دانشجوی کارشناسی ارشد، سنجش از دور و سیستم اطلاعات جغرافیایی (GIS)، دانشگاه تهران، تهران، ایران

2 دانشیار جغرافیا و برنامه ریزی شهری، دانشگاه تبریز، تبریز، ایران

3 دانشیار گروه سنجش از دور و سیستم اطلاعات جغرافیایی (GIS)، دانشگاه تبریز، تبریز، ایران

10.30488/gps.2021.243118.3283

چکیده

حرارت سطح زمین یکی از شاخص‌های مهم در پژوهش مدل‌های تعادل انرژی در سطح زمین و فعل و انفعالت بین زمین و اتمسفر در مقیاس‌‌های منطقه‌ای و جهانی است. امروز تصاویر ماهواره‌ای در طول موج‌های مادون قرمز و قرمز حرارتی به دلیل پوشش وسیع، منبع اطلاعاتی مناسبی برای تهیه نقشه‌های حرارتی سطح آب و خشکی هستند. امروزه در شهرها پدیدۀ جزایر حرارتی خسارات متعددی چه جانی و مالی به شهروندان تحمیل می‌کند و یکی از معضلات در شهرها به شمار می‌رود که برای بررسی و کنترل این پدیده می‌توان از تصاویر ماهواره‌ای مناسب استفاده کرد و بخش‌های آلودۀ شهر را شناسایی و مدیریت کرد، لذا هدف از این پژوهش، تهیه تغییرات صورت گرفته در ساخت و سازهای شهری و افزایش بی‌رویه ساختمان‌ها و رابطۀ آن‌‌ها با دمای سطح زمین با استفاده از داده‌های سنجنده‌های ETM, OLI ماهوارۀ لندست در دو سال ۲۰۰۲ و ۲۰۱۹ برای شهر تهران است. در انجام این پژوهش از روش Gram_Schmidet که جهت تلفیق این تصاویر توسعه داده شده است، استفاده گردید و داده‌های دو سال ۲۰۰۲ و ۲۰۱۹ که همگی در فصل زمستان تصویربرداری شده‌اند، تهیه و مورد تحلیل و ارزیابی قرار گرفت. برای صحت سنجی روش و میزان دقت طبقه‌بندی نیز از شاخص‌های ضریب همبستگی، ضریب کاپا استفاده شده است. نتایج به دست آمده نشان می‌دهد؛ شاخص‌های VbSWIR_BI و IBI  بالاترین دقت را نسبت به سایر شاخص‌ها دارند؛ در حالی‌که نتایج شاخص VbSWIR_BI  تغییرات زمانی و مکانی شهر تهران را در یک نتیجه قابل قبول نشان می‌دهد؛ همچنین با توجه به نتایج به دست آمده از طریق دمای سطح زمین، با افزایش ساخت و سازها افزایش دمای شهر تهران به مناطق شمالی و مرکزی شهر نیز کشیده شده است.
 

کلیدواژه‌ها


عنوان مقاله [English]

Evaluation of spectral indices and extraction of constructed and non-constructed urban features and its comparison with ground surface temperature using Landsat 7 and 8 satellite images (Study area, Tehran)

نویسندگان [English]

  • vahid isazade 1
  • Abolfazl ghanbari 2
  • Khalil Valizadeh Kamran 3
1 M.Sc. Student, Remote Sensing and Geographic Information System (GIS), University of Tehran, Tehran, Iran
2 Associate Professor of Geography and Urban Planning, University of Tabriz, Tabriz, Iran
3 Associate Professor, Department of Remote Sensing and Geographic Information System (GIS), University of Tabriz, Tabriz, Iran
چکیده [English]

Surface temperature is one of the important indicators in the study of models of energy balance at the surface and interactions between the earth and the atmosphere on a regional and global scale. Today, satellite imagery in thermal infrared and red wavelengths is a good source of information for water and land surface thermal mapping due to its extensive coverage. Today, the phenomenon of thermal islands in cities causes many human and financial losses to citizens. One of the problems in cities is that to study and control this phenomenon, you can use appropriate satellite images and identify and manage the infected parts of the city. Therefore, the purpose of this study is to prepare the changes made in urban constructions and the uncontrolled increase of buildings and their relationship with the ground surface temperature using the data of ETM and OLI sensors of Landsat satellite in 2002 and 2019 for Tehran. In this study, the Gram_Schmidet method, which was developed to combine these images, was used. And data for 2002 and 2019, all captured in winter, were prepared, analyzed and evaluated. Correlation coefficient and kappa coefficient indices have been used to verify the method and classification accuracy. The results show; The VbSWIR_BI and IBI indices have the highest accuracy compared to other indices while the results of VbSWIR_BI index show the temporal and spatial changes of Tehran in an acceptable result. Also, according to the results obtained through the surface temperature, with the increase in construction, the increase in temperature in Tehran has been extended to the northern and central regions of the city.

کلیدواژه‌ها [English]

  • land use
  • Spectral index
  • surface temperature
  • Thermal Islands
  • Tehran
  1. بذرافشان، محسن؛ امام، یحیی؛ فلاح شمسی، سید رشید (1393) بررسی رفتار سری زمانی بازتاب طیفی و شاخص‌های پوشش گیاهی مزارع چغندرقند با استفاده از داده‌های سنجنده مادیس، نشریه تولید و فرآوری محصولات زراعی و باغی، شماره ۱۳، صص. ۱۷۰-۱۵۹.
  2. پناهی، رجب و زیاری، کرامت الله (۱۳۸۸) بررسی تأثیر فعالیت‌های کشت و صنعت بر شهر نو بنیاد پارس آباد، پژوهش‌های جغرافیای انسانی شماره۷۰، صص. 14-1.
  3. پیر نظر، مجتبی، روستایی، شهرام؛ فیضی زاده، بختیار؛ رئیسی نافچی، فاطمه (1397) بررسی درجه حرارت سطح زمین و ارتباط آن با کلاس‌های پوشش کاربری زمین شهری با استفاده از داده‌های سنجنده لندست 8 مطالعه موردی، شهر تهران، مجله آمایش جغرافیایی فضا، شماره 29، صص. 240-227.
  4. حسینی، هادی و سلیمانی مقدم، سید هادی (۱۳۸۵) توسعۀ شهری و تضعیف مفاهیم محله‌ایی، فصلنامۀ مسکن و انقلاب، شماره 113، صص. 41-۲۸.
  5. حجاری زاده، زهرا و نادر، پروین (1388) بررسی تغییرات دما و بارش تهران طی نیم قرن اخیر، فصلنامۀ جغرافیا (برنامه ریزی منطقه‌ایی)، شماره 1، صص. ۵۶-۴۳.
  6. حسین زاده دلیر، کریم و هوشیار، حسن (1385) دیدگاه‌ها عوامل وعناصر مؤثر توسعۀ فیزیکی شهرهای ایران، مجله جغرافیایی و توسعۀ ناحیه‌ای، شماره۶، صص.226-213.
  7. رضایی بنفشه، مجید؛ رضایی، علی؛ فریدپور، مجتبی (۱۳۹۴) تحلیل خشکسالی کشاورزی استان آذربایجان شرقی با تأکید بر سنجش از دور و شاخص و ضعیت پوشش گیاهی، نشریه دانش آب و خاک، شماره ۱، صص. ۱۲۳-۱۱۳.
  8. رضوانی، علی اصغر (۱۳۷۴) روابط متقابل شهر و روستا با تأکید بر ایران، تهران: انتشارات پیام نور.
  9. رهنما، محمدرحیم و عباس­زاده، غلامرضا (۱۳۸۵) بررسی تطبیقی سنجش درجه پراکنش / فشردگی در کلان شهرهای سیدنی و مشهد، مجلۀ جغرافیا و توسعۀ ناحیه‌ایی، شمارۀ ۶، صص.128-101.
  10. زرین، جواد و علوی پناه، سیدکاظم (۱۳۹۵) بررسی تغییرات الگوی حرارتی در بازه زمانی ۳۰ ساله با استفاده از باندهای حرارتی تصاویر ماهواره لندست مطالعۀ موردی اراضی جنوبی جزیره آبادان، اولین همایش بین الملی مخاطرات طبیعی و بحران های زیست محیطی ایران راهکارها و چالش ها، ایران، اردبیل، دانشگاه محقق اردبیلی.
  11. زیاری، کرامت الله (1382) تحولات اجتماعی – فرهنگی ناشی از انقلاب صنعتی در توسعۀ فضایی تهران، مجله جغرافیا و توسعه، شماره ۱، صص.164-۱۵۱.
  12. عیسی زاده، وحید؛ آسیابی، شکوفه؛ عیسی زاده، اسماعیل (1399) بررسی پایش دمای سطح زمین با استفاده تصاویر لندست 8 و الگوریتم های تک کاناله و پنجره مجزا منطقه مورد مطالعه شهرستان دزفول، جغرافیا و روابط انسانی، شماره 3، صص. 25-8.
  13. عطارچی، سارا؛ پوررحیمی، مجتبی؛ عیسی زاده، وحید (1399) مقایسۀ عملکرد شاخص‌های طیفی با طبقه‌بندی شی‌ءگرا در استخراج مناطق ساخته‌شده در مناطق شهری مطالعۀ موردی شهر تهران و شهر گرگان، پژوهش‌های جغرافیای برنامه‌ریزی شهری، شماره 8، صص.43-23.
  14. محمدی، علیرضا؛ خدابنده لو، بهروز؛ بابایی، پریسا (1400) ارزیابی تغییرات دمایی کاربری اراضی شهر زنجان در بازه زمانی 2013 تا 2019 با استفاده از مقایسه الگوریتم‌های برآورد دمای سطح زمین، مجله آمایش جغرافیایی فضا، شماره 11، صص. 127-144.
  15. مجموعه مقالات طرح ریزی کالبدی تهران (۱۳۷۰) مرکز مطالعات و تحقیقات شهرسازی و معماری ایران.
  16. مرکز آمار ایران (1395) نتایج تفصیلی سرشماری عمومی و نفوس و مسکن.
  17. Angel, Shlomo. & Stephen, Sheppard. (2005) the dynamics of global urban expansion, Journal Transport and Urban, Vol.1, pp. 7-20.
  18. Shlomo, Angel. & Alejandro, M.Blei. (2016) the spatial structure of American cities: The great majority of workplaces are no longer in CBDs, employment sub-centers, or live-work communities, Journal cities, Vol.51, No.51, pp.21–35.
  19. Bob, Brisco. & Mouffe, Schmitt. & Kiven, Murnaghan. & Spread, Kaya. & Arnold, Roth. (2013) SAR polar metric change detection for flooded vegetation. International, Journal of Digital Earth, Vol.6, pp. 103–114.
  20. Bovolo, Francesca. & Lorenzo, Bruzzone. & Mattia, Marconcini. (2008) A novel approach to unsupervised change detection based on a semisupervised SVM and a similarity measure, IEEE Transactions on Geoscience and Remote Sensing, Vol.46, No.7, pp.2070-2082.
  21. Bagan, Hasi. & Yoshiki, Yamagata. (2012) Landsat analysis of urban growth: Ho Tokyo became the world's largest megacity during the last 40 years, Journal Remote sensing of Environment, Vol.127, pp. 210-222.
  22. Bouzekri1, Sara. & Abdel Aziz, Lasbet. & Ammar, Lachehab. (2015) A New Spectral Index for Extraction of Built-Up Area Using Landsat-8 Data, Journal Indian Society of Remote Sensing, Vol.43, pp.867-873.
  23. Bullard, R.D. (2007) Atlanta Mega sprawl, Forum for Applied Research and Public Policy, Vol.14, pp.17-23.
  24. Coisnon, Thomas. & Walid, Oueslati. & Julien, Salanié. (2014) Urban sprawl occurrence under spatially varying agricultural amenities, Journal Regional Science and Urban Economics, Vol. 44, No.1, pp. 38–49.
  25. Chander, Gyanesh. & Brian, L. Markham, & Dennis, L. Helder. (2009) Summary of current radiometric calibration coefficients for Landsat MSS, TM, ETM+, and EO-1 ALI sensors, Journal Remote sensing of environment, Vol.113, No.5 pp. 893-903.
  26. Demir, Begüm. & Francesca, Bovolo. & Lorenzo, Bruzzone. (2013) Updating land-cover maps by classification of image time series A novel change-detection-driven transfer learning approach, IEEE Transactions on Geoscience and Remote Sensing, Vol.51, No.1, pp.300-312.
  27. Dronova, Iryna. & Peng, Gong. & Lin, Wang. (2011) Object-based analysis and change detection of major wetland cover types and their classification uncertainty during the low water period at Poyang Lake China, Journal Remote sensing of Environment, Vol.115, No.12, pp.3220-3236.
  28. Du, Zhiqiang. & Wenbo, Li. & Dongbo, Zhou. & Liqiao, Tian. & Feng, Ling. & Hailei, Wang. & Yuanmiao, Gui. & Bingyu, Sun. (2014) Analysis of Landsat-8 OLI Imagery for Land Surface Water Mapping, Journal Remote Sensing Letters, Vol.5, No.7, pp.672–681.
  29. (2009) Atmospheric correction module: QUAC and FLAASH User Guide, Available online, _www.exelisvis.com/portals/0/pdfs/envi/Flaash Module.pdf_ (accessed 19 December 2014).
  30. Gago, Eulalia. & Julio, Jadraque. & Roldan, R. & Pacheco, Torres. & Javier, Ordóñez. (2013) The City and Urban Heat Islands a Review of Strategies to Mitigate Adverse Effects, Journal Renewable and Sustainable Energy Reviews, Vol. 25, No. 25, pp.749-758.
  31. Gao, Yan. & J-F, Mas. & Navarrete, A. (2009) The improvement of an Object-oriented Classification using multi-temporal MODIS EVI satellite data, International Journal of Digital Earth, Vol.2, pp.219-236.
  32. Jaeger, Jochen. AG. & Christian, Schwick. (2014) improving the measurement of urban sprawl Weighted Urban Proliferation (WUP) and its application to Switzerland, Journal Ecological Indicators,Vol.1, No.38, pp. 294–308.
  33. Kaliraj, S. S. & Muthu, Meenakshi. & V. K, Malar. (2012) Application of remote sensing in detection of forest cover changes using geo-statistical change detection matrices-a case study of devanampatti reserve forest, tamilnadu, India, Journal Nature Environment and Pollution Technology an International Quarterly Scientific, Vol.11, No.1, pp. 261–269.
  34. Kawamura, Makoto. (1996) Relation between Social and Environmental Conditions in Colombo Sri Lanka and the Urban Index Estimated by Satellite Remote Sensing Data, Journal International Archives of Photogrammetry and Remote Sensing, Vol.51, pp.321-326.
  35. Matsushita, Bunkei. & Wei, Yang. & Jin, Chen. & Yuyichi, Onda. & Guoyu, Qiu. (2007) Sensitivity of the Enhanced Vegetation Index (EVI) and Normalized Difference Vegetation Index (NDVI) to topographic effects A case study in high-density Cypress forest. Sensors, Vol.7, No.11, pp. 2636-2651.
  36. Masek, J. G. & Lindsay, F. E. & Goward, S. N. (2000) Dynamics of urban growth in the Washington DC metropolitan area, 1973-1996, from Landsat observations, International Journal of Remote Sensing, Vol. 33. No. 18, pp. 3473–3486.
  37. Polydoros, Anastasios. & Constantinos, Cartalis. (2015) Use of Earth Observation based indices for the monitoring of built-up area features and dynamics in support of urban energy studies, Journal Energy and Buildings, Vol. 98, pp.92–99.
  38. Rouse, J.W. & Haas, R.H. & Schell, J.A. & Deering, D.W. (1973) Monitoring vegetation sys-tems in the Great Plains with ERTS, Third ERTS Symposium, NASA SP-351 I, pp.309–317.
  39. (2006) Multi-resolution Land Characteristics 2001 (MRLC2001) Image Processing Procedure, Available online: _http://landcover.usgs.gov/pdf/image preprocessing.pdf_ (accessed: 19 December 2014).
  40. (2013a) using the USGS Landsat 8 Product, Available online:_http://landsat.usgs.gov/Landsat8 Using Product.php_ (accessed: 19 December2014).
  41. Singh, Ashbindu. (1989) Review article digital change detection techniques using remotely – sensed Data, journal international of remote sensing, Vol.10, 6, pp.989-1003.
  42. Weng, Qihao. & Dengsheng, Lu. & Jacquelyn, Schubring. (2004) Estimation of land surface temperature-vegetation abundance relationship for urban heat island studies, Remote Sensing of Environment, Vol. 89, No. 4, pp.467–483.
  43. Weng, Qihao. (2012) remote sensing of impervious surfaces in the urban areas Requirements methods and trends, Journal Remote Sensing of Environment, No.117, pp.34–49.
  44. Xu, Hanqiu. (2008) a new index for delineating built‐up land features in satellite imagery, International Journal of Remote Sensing, Vol. 29, No.14, pp. 4269–4276.
  45. Xu, Hanqiu. (2007) extraction of urban built-up land feature from Landsat imagery using a thematic- oriented index combination technique, Journal Photogrammetric Engineering & Remote Sensing, Vol.73, No.12, pp. 1381-1391.
  46. Xu, Hanqiu. (2010) Analysis of Impervious Surface and its Impact on Urban Heat Environment using the Normalized Difference Impervious Surface Index (NDISI), Journal Photogrammetric Engineering & Remote Sensing, Vol.76, No.5, pp.557–565.
  47. Zha, Yong. & Jay, Gao. & Shaoxiang, Ni. (2003) Use of Normalized Difference Built-Up Index in Automatically Mapping Urban Areas from TM Imagery, Journal International of Remote Sensing, Vol.24, No.3, pp. 583–594.