نقش مؤلفه‌های جغرافیایی بر چگونگی پراکندگی دمایی در سطوح شهری با استفاده از تکنیک‌های سنجش‌ازدور مطالعه موردی شهر مشهد

نوع مقاله: مقاله علمی پژوهشی

نویسندگان

1 دانشجو

2 عضو هئیت علمی

چکیده

دمای سطح زمین یکی از پارامترهای مهم برای تعیین بیلان انرژی زمین، مطالعات هواشناسی و محیطی است. از طرفی رشد سریع جمعیت، توسعه شهرها، پدیده آلودگی محیط‌زیست، تغییر شرایط آب و هوایی، پدیده وارونگی هوا ازیک‌طرف و فعالیت‌های زیست‌محیطی مانند ایجاد فضای سبز از طرف دیگر جمله عواملی هستند که بر کیفیت محیط‌زیست انسان تأثیر می‌گذارند. دمای هوا و دمای سطحی زمین شاخص‌هایی هستند که اهمیت آن‌ها رو به افزایش است. پژوهش پیش رو باهدف نقش مؤلفه‌های جغرافیایی در جزایر حرارتی شهر مشهد انجام شد به این منظور تصاویر سنجندهETM+ ماهواره LANDSAT7 برای جولای 2012 میلادی بارگیری گردید و سپس شاخص‌های کسر پوشش گیاهی، شاخص تفاضل بهنجار شده پوشش گیاهی و دمای سطح زمین استخراج گردید. نتایج پژوهش نشان داد که رابطه دمای سطح زمین با درصد پوشش گیاهی اکثر مناطق با دمای بالا (از حدود 36 تا 43 درجه) یا جزایر حرارتی منطبق بر فضاهای باز حاشیه و داخل شهری می‌باشد که عمده دلیل ایجاد این جزایر حرارتی، فقر پوشش گیاهی و مناطق ساخته‌شده شهری است. همچنین یک رابطه مستقیم و مثبت قوی بین دمای سطح زمین (LST) با سطوح شهری و یک همبستگی معکوس قوی بین شاخص تفاضل بهنجار شده پوشش گیاهی (NDVI) و دمای سطح زمین در شهر مشهد مقدس وجود داشت.

کلیدواژه‌ها


عنوان مقاله [English]

The Role of Geographic Components on the Temperature Dispersion at Urban Area Using Remote Sensing Techniques Case Study of Mashhad City

نویسندگان [English]

  • abbasali dadashi roudbari 1
  • kazem aliabadi 2
1 student
چکیده [English]

Land surface temperature is one of the important parameters for determining the energy balance of the earth, weather studies and the environment. On the other hand, rapid population growth, urban development, environmental pollution, climate change, air inversion, and environmental activities, such as the creation of green spaces on the other, are factors that affect the quality of human environments. The temperature of the air and the surface temperature of the earth are indicators that are increasing in importance. The present study was conducted to investigate the role of geographic components in the thermal islands of Mashhad. For this purpose, the ETM+ satellite images of the LANDSAT7 satellite were loaded for July 2012, and then vegetation subtraction indices, normal vegetation indices, and surface temperature were extracted. The results of this study showed that the relationship between the temperature of the earth's surface and the vegetation cover in most regions with high temperatures (from 36 to 43 degrees) or thermal islets corresponding to open and inland areas, mainly due to the formation of thermal islands, vegetation poverty, and Buildings are urban. There was also a strong direct and strong correlation between surface temperature (LST) with urban levels and a strong reverse correlation between NDVI and surface temperature in the holy city of Mashhad

کلیدواژه‌ها [English]

  • Earth Temperature
  • Thermal Islands
  • Landsat Satellite
  • Remote Sensing
  • Mashhad
  1. دشتکیان، کاظم، محمدعلی دهقانی تفتی.1386. بررسی دمای سطح زمین در ارتباط با پوشش گیاهی و توسعه شهری با استفاده از سنجش‌ازدور و سامانه‌های اطلاعات جغرافیایی در مناطق بیابانی، مطالعه موردی: منطقه یزد-اشکدز، پژوهش و سازندگی در منابع طبیعی، شماره 77، صص 169-179.
  2. رحیمی خوب، علی، کوچک‌زاده، مهدی، جمال محمدولی سامانی و فرود شریفی. 1384. ارزیابی چند روش برآورد دمای سطح زمین با استفاده از تصاویر ماهواره NOAA در حوزه آبریز دریاچه ارومیه، پژوهش و سازندگی در زراعت و باغبانی، شماره 68، صص 83-90.
  3. صادقی نیا، علیرضا، بهلول علیجانی و پرویز ضیائیان فیروزآبادی. 1391. تحلیل فضایی- زمانی جزیره حرارتی کلان‌شهر تهران با استفاده از سنجش‌ازدور و سیستم اطلاعات جغرافیایی، جغرافیا و مخاطرات محیطی، شماره 4، صص 1-17.
  4. عقیلی نسب، سیده زهرا، محمد زاده، مرجان، عبدالرسول سلمان ماهینی و حسین زارعی. 1392. تحلیل جزایر حرارتی شهری با استفاده از سنجش‌ازدور و رابطه آن با توسعه دوست دار محیط‌زیست، محیط‌زیست و توسعه، شماره 8، صص 79-88.
  5. علوی پناه، سید کاظم. 1382. کاربرد سنجش‌ازدور در علوم زمین (علوم خاک)، انتشارات دانشگاه تهران، تهران، 478 صفحه.
  6. فرج زاده، منوچهر و نعمت‌اله کریمی. 1392. مبانی هواشناسی ماهواره‌ای، انتشارات سمت، تهران، 224 صفحه.
    1. Artis, D.A., and Carnahan, W.H. 1982. Survey of emissivity variability in thermography of urban areas. Remote Sensing of Environment, 12(4): 313–329.
    2. Atzberger, C. 2013. Advances in remote sensing of agriculture: Context description, existing operational monitoring systems and major information needs. Remote Sensing, 5(2): 949-981.
    3. Barsi, J.A., Schott, J.R., Palluconi, F.D., Helder, D.L., Hook, S.J., Markham, B.L., et al. 2003. Landsat TM and ETM+ thermal band calibration. Canadian Journal of Remote Sensing, 29(2): 141–153.
    4. Bhattacharya, B.K., and Dadhwal, V.K. 2003. Retrieval and validation of land surface temperature (LST) from NOAA AVHRR thermal images of Gujarat, India. International Journal of Remote Sensing, 24(6): 1197-1206.
    5. Chander, G., and Groeneveld, D.P. 2009. Intra-annual NDVI validation of the Landsat 5 TM radiometric calibration. International Journal of Remote Sensing, 30(6), 1621–1628.
    6. Chander, G., amd Markham, B. 2003. Revised Landsat-5 TM radiometric calibration procedures and post calibration dynamic ranges. IEEE Transactions on Geoscience and Remote Sensing, 41(11): 2674–2677.
    7. Chun, B., and Guldmann, J.M. 2014. Spatial statistical analysis and simulation of the urban heat island in high-density central cities. Landscape and urban planning, 125, 76-88.
    8. Coll, C., Caselles, V., Valor, E., and Rubio, E. 2003. Validation of temperature-emissivity separation and split-window methods from TIM's data and ground measurements. Remote Sensing of Environment, 85(2): 232-242.
    9. Collins D.C., and Bolstad, P.V. 1996. A Comparison of spatial interpolation techniques in temperature estimation, proceeding of the third international conference on integrating GIS and environmental modeling, Santa Fe, New Mexico, California: National center for Geographic information.
    10. Dai, X., Guo, Z., Zhang, L., and Li, D. 2010. Spatio-temporal exploratory analysis of urban surface temperature field in Shanghai, China. Stochastic Environmental Research and Risk Assessment, 24(2): 247-257.
    11. De Lucena, A.J., Rotunno Filho, O.C., de Almeida França, J.R., de Faria Peres, L., and Xavier, L.N.R. 2013. Urban climate and clues of heat island events in the metropolitan area of Rio de Janeiro. Theoretical and applied climatology, 111(3-4): 497-511.
    12. Junxiang Li, Conghe Song, Lu Cao, Feige Zhu, Xianlei Meng, Jianguo Wu. 2011. Impacts of landscape structure on surface urban heat islands: A case study of Shanghai, China. Remote Sensing of Environment 115 (2011): 3249–3263
    13. Sidiqui, P., Huete, A., and Devadas, R. 2016. Spatio-temporal mapping and monitoring of Urban Heat Island patterns over Sydney, Australia using MODIS and Landsat-8. In Earth Observation and Remote Sensing Applications (EORSA), 2016 4th International Workshop on (pp. 217-221). IEEE.
    14. Sobrino, J.A., Caselles, V., and Becker, F. 1990. Significance of the remotely sensed thermal infrared measurements obtained over a citrus orchard. ISPRS Journal of Photogrammetry and Remote Sensing, 44(6): 343–354.
    15. Sobrino, J.A., Jiménez-Muñoz, J.C., and Paolini, L. 2004. Land surface temperature retrieval from LANDSAT TM 5. Remote Sensing of environment, 90(4): 434-440.
    16. Sobrino, J. A., Jiménez-Muñoz, J. C., & Paolini, L. 2004. Land surface temperature retrieval from LANDSAT TM 5. Remote Sensing of Environment, 90(4): 434–440.
    17. Susaki, J., Pothithep, S., Ooka, R., Yasuoka, Y., Endo, T., Kawamoto, Y.I., and Funahashi, M. 2005. Extraction of parameters from remote sensing data for environmental indices for urban sustainability. Trimble Geospatial, 1-10.
    18. Weng, Q., Lu, D., and Schubring, J. 2004. Estimation of land surface temperature-vegetation abundance relationship for urban heat island studies. Remote Sensing of Environment, 89: 467-483.
    19. Zhang, H., Qi, Z.F., Ye, X.Y., Cai, Y.B., Ma, W.C., and Chen, M.N. 2013. Analysis of land use/land cover change, population shift, and their effects on spatiotemporal patterns of urban heat islands in metropolitan Shanghai, China. Applied Geography, 44: 121-133.