پایش دمای سطح زمین در رابطه با تغییرات کاربری اراضی )مطالعه موردی: حوضه صوفی‌چای مراغه)
محورهای موضوعی : ژئومورفولوژی
موسی عابدینی
1
*
,
ابوذر صادقی
2
,
نازفر آقازاده
3
,
امیرحسام پاسبان
4
1 - استاد، گروه جغرافیای طبیعی، دانشگاه محقق اردبیلی، اردبیل، ایران.
2 - دانشجوی دکتری، گروه جغرافیای طبیعی، دانشگاه محقق اردبیلی، اردبیل، ایران.
3 - دانشجوی دکتری، گروه جغرافیای طبیعی، دانشگاه محقق اردبیلی، اردبیل، ایران.
4 - دانشجوی دکتری، گروه جغرافیای طبیعی، دانشگاه محقق اردبیلی، اردبیل، ایران.
کلید واژه: دمای سطح زمین, تغییرات کاربری, پوشش زمین, صوفی‌چای.,
چکیده مقاله :
تغييرات كاربري/پوشش اراضي، توسعه مناطق شهري و كشاورزي و جنگل زدايي باعث تغيير رژيم دماي منطقه‌اي و محلي مي‌شود. آگاهي از ميزان دماي سطح زمين كمك قابل توجهي به طيف وسيعي از مسائل مرتبط با علوم زمين مانند اقليم شهري، تغييرات جهاني محيطي و بررسي تعاملات انسان و محيط مي‌نمايد. هدف از این پژوهش پایش دمای سطح زمین در رابطه با تغییرات کاربری اراضی با استفاده از تصاویرOLI و TM در حوضه صوفی‌چای مراغه می‌باشد. برای طبقه‌بندی کاربری اراضی برای سال‌های 1992 و 2020 و تغییرات کاربری اراضی از روش نظارت‌شده و با استفاده از روش حداکثر شباهت استفاده شد. نتايج حاصله بيانگر صحت طبقه‌بندي به روش پیکسل پایه مي‌باشد. با توجه به يافته‌هاي تحقيق، دقت كل در نقشه‌هاي طبقه‌بندي با استفاده از روش حداکثر شباهت برای سال 1992 برابر با 99.84 و برای سال 2020، 99.78 به دست آمد. بر اساس نقشه كاربري‌اراضي حوضه آبخیز صوفی‌چای مربوط به سال 1992 که با روش حداكثر شباهت استخراج شده است، بيشترين كاربري‌ها در درجه نخست مربوط به بخش کوهستانی نوع 1 مي‌باشد كه مساحتي به تقريب 320.42 كيلومترمربع را دارا مي‌باشد. سپس كاربري دیم با مساحتي بالغ بر 191.09 كيلومتر مربع و كاربري كشاورزي پرتراکم با مساحت 74.29 كيلومتر مربع بيشترين مساحت‌ها را دارا مي‌باشند. مساحت كاربري‌ها در سال 2020 نيز نشان مي‌دهد كه بيشترين كاربري‌ها مربوط به کوهستانی نوع1، دیم و مسکونی مي‌باشد.
The purpose of this research is to monitor the surface temperature of the land in relation to land use changes using OLI and TM images in Sofichai Maragheh basin. Studies show that the role of thermal distance measurement is very important in studying and estimating the surface temperature of the earth. The main purpose of this study was to monitor the surface temperature in relation to land use changes with surface temperature using OLI and TM images in the present study. It was used for 2020, and the Landsat 5TM satellite imagery was used to extract land use and its thermal band (band 6) was used to extract ground surface temperature for 1992. The monitored method was used to classify land use for 1992 and 2020 and land use changes and the maximum similarity method was used. The obtained results indicate the accuracy of the classification by the basic pixel method. According to the research findings, the total accuracy of the classification maps using the maximum similarity method was 99.84 for 1992 and 99.78 for 2020. According to the land use map of Sufi Chay watershed from 1992, which has been extracted by the maximum similarity method, most of the land uses are primarily related to the type 1 mountainous part, which has an area of approximately 320.42 square kilometers. Then, rainfed land use with an area of 191.09 square kilometers and dense agricultural land use with an area of 74.29 square kilometers have the most areas. The area of land uses in 2020 also shows that the most land uses are mountainous type 1 rainfed and residential.
آرخي، صالح؛ نيازي، يعقوب (1389). بررسي كاربرد RS و GIS براي تخمين فرسايش خاك و بار رسوب با استفاده از مدل RUSLE در حوضه بالادست سد ايلام. پژوهش‌هاي حفاظت آب و خاك. 17 (2)، 1-27.
اشرف، بتول؛ فریدحسینی، علیرضا؛ میانآبادی، آمنه (1391). بررسی جزیره حرارتی شهر مشهد با استفاده از تصاویر ماهواره‌ای و نظریه فرکتال. مجله جغرافیا و مخاطرات محیطی. 1 (1)، 35-48.
درویشی، شادمان؛ سلیمانی، کریم؛ رشیدپور، مصطفی (1398). تأثیر شاخص‌های گیاهی و خصوصیات سطح شهری بر تغییرات دمای سطح زمین مطالعه موردی شهر ستان سنندج. نشریه سنجش ازدور و سامانه اطلاعات جغرافیایی در منابع طبیعی. 10 (1)، 17-35.
زینالی، بتول و ديگران (1400). پایش دمای سطح زمین و بررسی رابطه کاربری اراضی با دمای سطح با استفاده از تصاویر سنجنده OLI و ETM+ (مطالعه موردی: شهرستان پارس آباد). پژوهش‌های اقلیم شناسی. 12 (46)، 101-114.
ساعدپناه، مهین؛ امان اللهی، جمیل؛ قربانی، فرشید (1400). بررسی تأثیر تغییرات کاربری اراضی بر دمای سطح زمین در مناطق سرد و نیمه خشک (مطالعه موردی: بخش مرکزی شهرستان سنندج). محیط زیست طبیعی، منابع طبیعی ایران. 74 (1)، 69-82.
عابديني، موسی و ديگران (1400). پايش دماي سطح زمين و بررسي رابطه كاربري اراضي با دماي سطح با استفاده از تصاوير سنجنده OLI و TM. نشريه تحقيقات كاربردي علوم جغرافيايي. 67 (22)، 275-392.
عابدینی، موسی و ديگران (1401). پایش دمای سطح زمین و بررسی رابطه کاربری اراضی با دمای سطح با استفاده از تصاویر سنجنده OLI و TM، مطالعه موردی: (شهرستان مشگین‌شهر). تحقیقات کاربردی علوم جغرافیایی. 22 (67)، 375-393.
فیضی زاده، بختيار؛ هلالي، حسين (1389). مقایسه روش‌هاي پيكسل پايه، شيءگرا و پارامترهاي تأثیرگذار در طبقه‌بندي پوشش كاربري اراضي استان آذربايجان غربي. نشريه پژوهش‌های جغرافيايي. 42 (71)، 73-84.
فیضی‌زاده، بختیار؛ دیده‌بان، خلیل؛ غلام‌نیا، خلیل (1395). برآورد دمای سطح زمین با استفاده از تصاویر ماهواره لندست 8 و الگوریتم پنجره مجزا مطالعه موردی: حوضه آبریز مهاباد. اطلاعات جغرافیایی. 25 (98)، 171-181.
قیصوری، مرتضی و ديگران (1400). بررسی اثرات تغییرات کاربری اراضی بر دمای حوزه آبخیز شمالی استان ایلام. مدیریت جامع حوزه‌های آبخیز. 1 (1)، 29-43.
Allen, R.G.; Tasumi, M. & Mors, A. (2002). Satellite Based Evapotranspiration by METRIC and Landsat for Western Estates Water Management. US: Bureau Reclamation Evapotranspiration workshop.
Hereher, M.E. (2017). Effect of land use/cover change on land surface temperatures-The Nile Delta, Egypt. Journal of African Earth Sciences. 126, 83-75.
Li, W. et al (2012). Spatial pattern of greenspace affects land surface temperature: Evidence from the heavily urbanized Beijing metropolitan area, China. Landscape Ecology. 27 (6), 887-898.
Liu, L. & Zhang, Zh. (2011). Urban heat island analysis using the landsat TM data and ASTER data: A case study in Hong Kong. Remote Sensing. 3, 1535-1552.
Lu, D. P. et al (2004). Change detection techniques, INT. J. Remote Sensing. 25 (12), 2365–2407.
Pijanowski, B.C. et al (2002). Using neural networks and GIS to forecast land use change; A land transformation model. Computers Environment and Urban Systems. 26, 553-575.
Rizwan, M. et al (2022). Spatiotemporal change analysis and prediction of future land use and land cover changes using QGIS MOLUSCE plugin and remote sensing big data: A case study of Linyi, China. Land. 11 (3), 419. doi.org/10.3390/ land11030419.
Rozensten, O. et al (2014). Derivation of land surface temperature for landsat – 8 TIRS using a split window algorithm. Sensor. 4 (14), 5768-5780.
Srivastava, P.K.; Majumdar, T. J. & Bhattacharya, A. K.) 2009.( Surface temperature estimation in Singhbhum Shear Zone of India using landsat-7 ETM+ thermal infrared data, advances in space research. 43 (10), 1563-1574.
Weng, Q.; Lu, D. & Schubring, J. (2004). Estimation of land surface temperature vegetation abundance relationship for urban heat island studies. Remote Sensing of Environment. 89, 467– 483.