تحلیل فضایی ‌و ‌زمانی ‌جزایر‌ گرمایی مناطق شهری‌گرگان

نوع مقاله : مقاله علمی پژوهشی

نویسندگان

1 دانشجوی دکتری آب وهواشناسی شهری دانشگاه خوارزمی تهران

2 استاد دانشگاه تربیت معلم و مدیر قطب علمی تحلیل فضایی مخاطرات محیطی

3 استادیار گروه آموزشی آب و هوا شناسی دکتری آب و هواشناسی از دانشگاه تهران

4 دانشیار گروه آموزشی سنجش از راه دور و GIS، دانشگاه خوارزمی، تهران

چکیده

شهرنشینی نمایانگرترین تغییر بشر در سطح زمین است که به طور معمول منجر به تشکیل جزایر گرمای شهری می­شود. دمای سطح زمین یک پارامتر مهم برای تعادل انرژی سطح و مطالعات آب و هوای شهری است.آگاهی از پراکندگی مکانی دما، زمینه­ساز برنامه­ریزی و سیاستگذاری­های درست محیطی است. دراین پژوهش با استفاده از تصاویر ماهواره لندست 7 در دو دورۀ زمانی سال پایه (2017-2010) و بازۀ دوم
(2005-2000) به صورت میانگین در سه ماه گرم سال مورد استفاده قرار گرفته است. بعد بر روی این تصاویر، اول تصحیح هندسی انجام گرفت سپس از این تصاویر جهت محاسبۀ پارامترهای مربوط به استخراج دما به روش تک پنجره­ای شهر گرگان استفاده گردید و در ادامه برای بالا بردن دقت کار با استفاده از داده­های ساعتی دمای ایستگاه مورد نظر در تحلیل جزایر حرارتی مورد استفاده قرار گرفت. نتایج نشان می­دهد تغییرات زمانی و مکانی جزایر حرارتی در شهر گرگان، الگوی خوشه­ای بالایی دارد. درحالی­که شاخص موران محلی و لکه­های داغ در قسمت­های شمالی، شمال غربی و شرقی و مرکز شهر همبستگی فضایی مثبت( لکه­های داغ) دارند و همچنین لکه­های سرد در مناطق جنوبی شهر وجود دارد.این درحالی است که قسمت­های زیادی از شهر گرگان هیچ­گونه الگوی معنی­داری یا خود همبستگی فضایی در طی دورۀ مطالعه در ­آن دیده نمی­شود. می­توان گفت جزایر حرارتی شهر گرگان به دو عامل بستگی دارد:یک شرایط اقلیمی حاکم در دورۀ مورد مطالعه و دوم شرایط انسایی حاکم بر شهر.

کلیدواژه‌ها


عنوان مقاله [English]

Spatial and temporal analysis of the thermal islands of Gorgan urban areas

نویسندگان [English]

  • ali mohammadpour 1
  • Bohloul Alijani 2
  • Mehry Akbary 3
  • Parviz Zeaiean Firouzabadi 4
1 Payam Noor University Branch
4 Associated professor of GIS & RS group of Tehran Kharazmi University - Iran
چکیده [English]

Urbanization represents the most dramatic human alteration of the land surface, typically resulting in the formation of urban heat islands . Land surface temperature (LST) is a key parameter for surface energy balance and urban climatology studies. Understanding the spatial distribution of temperature is the basis for proper planning and environmental policy making. In this study, using Landsat 7 satellite imagery in two time periods of base year (2017-2010) and second interval (2000-2005) were used on average in three warm months of the year Then these images were first geometrically corrected; then these images were used to calculate temperature-related parameters using a single-window method in Gorgan. It was then used to improve the accuracy of the work using the hourly temperature data of the thermal islands analyzed. The results show that temporal and spatial variations of thermal islands in Gorgan have a high cluster pattern. However, the local Moran index and hot spots in the north, northwest and east and downtown have a positive spatial correlation (hot spots). However, there are cold spots in the southern areas of the city. However, many parts of the city of Gorgan have no significant patterns or spatial autocorrelation during the study period. It can be said that the thermal islands of Gorgan depend on two factors: one is the prevailing climatic conditions in the period under study and the second is the prevailing humanitarian conditions in the city. climatic conditions in the period under study and the second is the prevailing humanitarian conditions in the city.

کلیدواژه‌ها [English]

  • spatial analysis
  • Heat islands
  • Spatial Autocorrelation
  • Gorgan
  • Moran
. بابایی فینی، ام السلمه، 1394. بررسی رابطۀ دمای سطح زمین و شاخص بهنجار شدۀ پوشش گیاهی در محیط شهری (مطالعۀ موردی: کلان­شهر اصفهان)، جغــرافیای طبیعی لارستان، دورۀ 8، شماره 29، پاییز، صفحه 75-90.
2.ترکاشوند، محمدقاسم، 1395. آشکارسازی جزایر حرارتی شهر اراک مبتنی بر تحلیل­های خود همبستگی فضایـی، مجلۀ آمایش محیط، دورۀ 9، شماره 35، زمستان، صفحه 123-148.
3. حاجی زاده، فاطمه، سیدحامد میرکریمی، سلمان عبدالرسول ماهینی، مرجان محمدزاده، 1399. سنجـش و زونبندی کیفی محیط سکونت شهریبا تأکید بر تصویر ذهنی شهروندان مطالعۀ موردی: شهر گرگان، مجله آمایش جغرافیایی فضا، سال دهم، شماره مسلسل سی و هفتم، پاییز صفحه 32.
4.رنجبرسعادت آبادی، عباس، علی­اکبری بیدختی، عباسعلی صادقی­، سیدعلیرضا حسینی، 1384. آثار جزیره گرمایی و شهرنشینی روی وضع هوا و اقلیـم محلی در کلان­شهر تهران براساس داده­های مهرآباد و ورامین، مجله محیط شناسی، شمارة 39، تابستـــــان، صفحه 59-68.
5.ساسان­پور، فرزانه، پرویز ضیاییان، پرویز، مریم بهادری، 1392. بررسی رابطۀ کاربری و پوشش اراضی و جزایر حرارتی شهر تهران، مجلۀ جغرافیا: ­زمستان، دورۀ 11، شماره 39 از صص 256-270.
6.صادقی نیا. علیرضا، بهلول علیجانی، پرویز ضیائیان، 1392. کاربرد تکنیک­های خود همبستگی فضایی در تحلیل جزیره حرارتی شهر تهران، نشریه تحقیــــقات کاربردی علوم جغرافیایی سال سیزدهم، شماره 30، صفحات 90-67.
7.قبادی، اسداله، 1395. تبیین و تحلیل زمانی- مکانی پدیده جزیره گرمایی شهر کرج با تأکید بر مدیریت آلبدو و مدل­سازی خرد اقلیم محلی، رساله دکتری، استاد راهنما دکتر محمود خسروی، دانشکده علوم انسانی سیستان و بلوچستان،گروه جغرافیا.
8.کریمی فیروزجایی، محمد، مجیدکیاورز، سیدکاظم علوی پناه، 1396. پایش و پیش­بینی شدت جزیره حرارتی شهر بابل با توجه به گسترش شهری و تغییرات کاربری اراضی در بازۀ زمانی1394-1364، نشریه علمی پژوهشی مهندسی فناوری اطلاعات مکانی، سال پنجم، شماره سوم، پاییز، صفحات: 151-123.
9.محرمی، جاوید، 1393. بررسی نقش کاربری اراضی در تولید جزیرگرمای شهری (مطالعۀ موردی: شهر تبریز)، رساله کارشناسی‌ارشد، اساتید راهنما دکترسعید جهانبخش اصل­ و دکتر خلیل ولیزاده کامران، دانشکده علوم انسانی تبریز، گروه جغرافیا.
10.متکان، علی­اکبر، نوحه­گر، احمد، میرباقری، بابک، ترک چین، ناهید. 1393. تحلیل نقش کاربری اراضی در شکل­گیری جزایر حرارتی با استفاده از داده­های چند زمانه سنجندة ASTER (مطالعۀ موردی: شهر بندرعباس)، سنجش از دور و سامانه اطلاعات جغرافیایی در منابع طبیعی (سال پنجم/ شماره چهارم) زمستان، صص 1-14.
11.نارنگی­فرد، مهدی، احمد مزیدی، اسماعیل عبدلی. 1395. واکاوی الگوهای دمایی در ارتباط با کاربری­های شهری با به­کارگیری دادههای سنجش از دور (مطالعۀ موردی: شهر کرمانشاه)، مطالعات برنامه­ریزی سکونتگاههای انسانی، سال یازدهم، شماره 35، تابستان، صص. 31- 17.
12.Bruns, J., and Simko, V.  2017.  Stable Hotspot Analysis for Intra-Urban Heat Islands, GI_Forum 2017, Issue 1. Page: 79-92.
13.Baudouin.Martin, P.Y. and Gachon, P. 2015. An alternative method to characterizethe surface urban heat island. Int. J. Biometeorol. 59: 849–861. doi:10.1007/s00484-014-0902-9.
14.Chandler, T. 1970. "Selected bibliography on urban climate. Tech," note.
15.Dash, P., Gottsche, F.M., Olesen, F.S., and Fischer, H. 2002. Land surface temperature and emissivity estimation from passive sensor data: theory and practice-current trends. Int. J. Remote Sens. 23(13): 2563-2594.
16.Droste, A.M., Steeneveld, G.J. and Holtslag, A.A.M. 2018, Introducing the urban wind island effect, Environ. Res. Lett.13, 094007 https://doi.org/10.1088/1748-9326/aad8ef.
17.ESRI, 2018. How Hot Spot Analysis: Getis-Ord Gi* (Spatial Statistics) works [WWW Document]. URL http://pro.arcgis. com/en/pro-app/tool-reference / spatial- statistics/h-how-hot-spot-analysis- getis- ord - gispatial- stati.htm (accessed 2.21.18).
18.Fan, F., Wang, Y. and Wang, Z. 2008, "Temporal and spatial change detecting (1998–2003) and predicting of land use and land cover in Core corridor of Pearl River Delta (China) by using TM and ETM+ images," Environmental Monitoring and Assessment, 137(1): 127-147.
19.Grigoraș, G., and Urițescu, B. 2018. Spatial hotspot analysis of bucharest’s urban heat island (uhi) using modis data, annals of Valahia University of targoviste. Geographical series, 18(1): 14-22. DOI: 10.2478/avutgs-2018-0002.
20.Hardy, C.H., Nel et al. 2015. Data and techniques for studying the urban heat island effect in johannesburg, The international Archive of photogrammary, Remote sening and Spatiol information science. XL- 7/W.11-15 May, Berlin, Germany.
21.Islam, Abou El-Magd, Ahmed, Ismail, Naglaa, Zanaty, 2016. Spatial Variability of Urban Heat Islands in Cairo City, Egypt using Time Series of Landsat Satellite Images, International Journal of Advanced Remote Sensing and GIS, 5(3): 1618-1638.
22.Jat, Mahesh Kumar, Choudhary, Mahender, Saxena, Ankita. 2017. Urban growth assessment and prediction using RS, GIS and SLEUTH model for a heterogeneous urban fringe, The Egyptian Journal of Remote Sensing and Space Sciences, DOI:10.1016/j.ejrs.2017.02.002.
23.Jin, M., Li, J., Wang, J., and Shang, R. 2015. A practical split-window algorithm for retrieving land surface temperature from Landsat-8 data and a case study of an urban area in China. Remote Sens., 7: 4371-4390.
24.Liu, L., and Zhang, Y. 2011. Urban Heat Island Analysis Using the Landsat TM Data and ASTER Data: A Case Study in Hong Kong, Journal Remote Sens. 3: 1535-1552. DOI: 10.3390/rs3071535.
25.Liu1, C., and Li, Y. 2017. Spatio-temporal Features of Urban Heat Island and its Relationship with Land Use / Cover in Mountainous City: A Case Study in Chongqing, / Journal sustainability, Sustainability, 10, 1943; DOI: 10.3390/su10061943.
26.Lillesand, T.M., and Kiefer, R.W. 2004. Remote sensing and image interpretation. Wiley, Toronto.
27.Oke, T.R. and Hannell, F.G. 1970. The form of the urban heat island in Hamilton, Canada. In Urban Climates, WMO Tech. Note, 108:113-126.
28.Qin Z., Karnieli, and Berliner, A.P. 2001. A mono-window algorithm for retrieving land surface temperature from Landsat TM data and its application to the Israel-Egypt border region. Int. J. Remote Sensing, 22 (18): 3719-3746.
29.Sobrino, J.A., and Raissouni, N. 2000. Toward remote sensing methods for landcover dynamic monitoring: application to Morocco. Int. J. Remote Sens. 21: 353–366. DOI: 10.1080/014311600210876.
30.Sun, Q., Tan, J., and Xu, Y. 2010. An ERDAS image processing method for retrieving LST and describing urban heat evolution: A case study in the Pearl River Delta Region in South China. Environ. EarthSci., 59: 1047-1055.
31.Schwarz, N., Schlink, U., Franck, U. and Großmann, K. 2012. "Relationship of land surface and air temperatures and its implications for quantifying urban heat island indicators— An application for the city of Leipzig (Germany)," Ecological Indicators, 18: 693-704,.
32.Victoria, M., and Igor. E. 2017. Seasonal and Spatial Characteristics of Urban HeatIslands (UHIs) in Northern West Siberian Cities, Journal Remote Sens, 9: 989; 1-15 DOI:10.3390/rs9100989.
33.Voogt. J.A.  and Oke, T.R. 2003. "Thermal remote sensing of urban climates," Remote sensing of environment, 86(3): 370-384.
34.Walawender J. 2009, Wykorzystanie danych satelitarnych Landsat I technik GIS w badaniach warunków termicznych miasta (na przykładzie aglomeracji krakowskiej) (Application of LANDSAT satellite data and GIS techniques for estimation of thermal conditions in urban area (using an example of Kraków agglomeration)). Prace Geograficzne 122: 81–98.
35.Wanga Yupeng, Berardib, Umberto, Akbaria, Hashem. 2015. The Urban Heat Island effect in­the city of Toronto,­ Procedia­ Engineering 118: ­137–144, doi: 10.1016/j.proeng.2015.08.412.
36.Wu, J. 2014. "Urban ecology and sustainability: The state-of-the-science and futuredirections," Landscape and Urban Planning, 125: 209-221.
37.Yu, Xiaolei, Guo, Xulin, Wu,  Zhaocong, 2014. Land Surface Temperature Retrieval from Landsat 8 TIRS—Comparison between Radiative Transfer Equation-Based Method, Split Window Algorithm and Single Channel Method, Remote Sens, 6: 9829-9852; doi:10.3390/rs6109829.
38.Zhang, L., Zhou, D., Zhao, S., Sun, G., and Liu, Y. 2015. The footprint of urban heat island effect in China. Sci. Rep., 5: 11160.
39.Zhu, X.L., Chen, J., Gao, F., Chen, X.H. and Masek, J.G. 2010. "An enhanced spatial and temporal adaptive reflectance fusion model for complex heterogeneous regions," (in English), Remote Sensing of Environment, 114 (11): 2610-262.