بررسی تغییرات جزایر حرارتی سطحی با استفاده از شاخصهای پوشش گیاهی (مطالعه موردی: شهرستان سرپلذهاب)
محورهای موضوعی : منابع طبیعی و مدیریت زیست محیطی
1 - استادیار دانشکده جغرافیا و علوم محیطی دانشگاه حکیم سبزواری
کلید واژه: شهرستان سرپلذهاب, سنجش از دور, لندست, تغییرات دمایی, پوششگیاهی,
چکیده مقاله :
تحقیق حاضر به منظور اندازهگیری تغییرات جزایر گرمایی سطحی شهری در 3 مقطع زمانی 1984، 1998 و 2016 با استفاده از شاخصهای پوشش گیاهی، شاخص ساخت و ساز شهری و شاخص دمای سطح زمین انجام شده است. بدین منظور پس از تعیین حدود منطقه، مراحل پیش‌پردازش شامل تصحیحات رادیومتریک و اتمسفری تصاویر، چینش باندها، موزاییک و برش تصاویر بر اساس محدوده مطالعاتی بر روی تصاویر سنجنده TM و ETM+ لندست 8 صورت گرفت. سپس شاخصهایNDVI، SAVI و NDBI بر روی تصاویر اعمال شد و از طریق تفاضل تصاویر، مبادرت به پایش زمانی و مکانی پوشش گیاهی گردید و تغییرات در قالب سه نوع کاهشی، افزایشی و بدون تغییر مورد بررسی قرار گرفت. همچنین جهت محاسبه شاخص (LST) از باندهای حرارتی 10 و 11 لندست 8 و باند 6 لندست 5 استفاده شد.نتایج نشان دادکه دو شاخص NDVI و SAVI روند کاهشی داشتهاند ولی شاخص NDBI روند افزایشی داشته است. بطوری که میزان تغییرات در بازه اول از 77 درصد به 63 درصد در شاخص SAVIودر شاخص NDVI از 45 درصد به 41 درصد کاهش پیدا کرده در حالی که شاخص NDBI در بازه اول 51 درصد بوده و در بازده دوم به 57 درصد افزیش پیدا کرده است. در همین بازه، شاخص LST روندی ناهمگون داشته ولی به نظر می رسد توزیع این شاخص از حالت گسترده به حالت لکه ای تغییر یافته است بدین معنی که امواج حرارتی در آینده بصورت موضعی در مناطقی از شهر که دچار مشکل تهویه هستند رخ داده و می تواند کیفیت زندگی را کاهش داده و زمینه برای بیماری های مرتبط را فراهم سازد. بنابراین مناطق ساخته شده شهری موجب تشدید جزایر شهری و تراکم پوشش گیاهی باعث تعدیل جزایر حرارتی شهری گردیده است.
The present research was conducted in order to measure the changes of urban surface heat islands in 3 time periods of 1984, 1998 and 2016 using vegetation indices, urban built-up areas index and land surface temperature index. For this purpose, after determining the boundaries of the area, pre-processing steps including radiometric and atmospheric corrections of images, arrangement of bands, mosaicing and cropping of images based on the study area were carried out on TM and ETM+ Landsat 8 sensor images. Then, NDVI, SAVI and NDBI indexes were applied on the images and through the difference of the images, temporal and spatial monitoring of vegetation cover was started and changes were studied in the form of three types of decrease, increase and no change. Also, to calculate the surface temperature index (LST), thermal bands 10 and 11 of Landsat 8 and band 6 of Landsat 5 were used. The results showed that the two indices NDVI and SAVI had a decreasing trend, but the NDBI index had an increasing trend so that the amount of changes in the first period decreased from 77% to 63% in the SAVI index and in the NDVI index from 45% to 41%, while the NDBI index was 51% in the first period and increased to 57% in the second period. In the same period, the LST index has had a heterogeneous trend, but it seems that the distribution of this index has changed from a widespread state to a patchy state, which means that in the future, heat waves will occur locally in areas of the city that have ventilation problems and It can reduces the quality of life and provides the basis for related diseases. Therefore, built-up urban areas have intensified urban heat islands and the density of vegetation has moderated urban heat islands.
1. Small CMiller R B. 1999. Monitoring the urban environment from space. Columbia University, Palisades, NY, USA: Lamont Doherty Earth Observatory.
2. Buhaug HUrdal H. 2013. An urbanization bomb? Population growth and social disorder in cities. Global environmental change, 23(1): 1-10.
3. Azizpour MEsma'eelpour N. 2009. Change of agricultural land use and relative increase of temperature in Yazd due to its rapid growth. Journal of Geography and Regional Development, 7(12).
4. Shamsipur A S, Azizi A H, Karimi Ahmadabad MMoqbel M. 2014. Study of the temperature pattern of physical surfaces in different climatic conditions. Natural Geography Research, 1(1): 76-81.
5. Packialakshmi S, Ambujam NMahalingam S. 2010. Emerging land use changes and their effects on groundwater: a study of the Mambakkam mini watershed, southern suburban area of Chennai, India. Journal of Environmental Research and Development, 5(2): 340-349.
6. Weng QLu D. 2009. Landscape as a continuum: an examination of the urban landscape structures and dynamics of Indianapolis City, 1991–2000, by using satellite images. International Journal of Remote Sensing, 30(10): 2547-2577.
7. Weng Q. 2001. A remote sensing? GIS evaluation of urban expansion and its impact on surface temperature in the Zhujiang Delta, China. International journal of remote sensing, 22(10): 1999-2014.
8. Rezazadeh M, Irannejad PShao Y. 2013. Climatology of the Middle East dust events. Aeolian Research, 10: 103-109.
9. Li F, Jackson T J, Kustas W P, Schmugge T J, French A N, Cosh M HBindlish R. 2004. Deriving land surface temperature from Landsat 5 and 7 during SMEX02/SMACEX. Remote sensing of environment, 92(4): 521-534.
10. Amiri R, Weng Q, Alimohammadi AAlavipanah S K. 2009. Spatial–temporal dynamics of land surface temperature in relation to fractional vegetation cover and land use/cover in the Tabriz urban area, Iran. Remote sensing of environment, 113(12): 2606-2617.
11. Zhang H, Yin Y, An H, Lei J, Li M, Song JHan W. 2022. Surface urban heat island and its relationship with land cover change in five urban agglomerations in China based on GEE. Environmental Science and Pollution Research, 29(54): 82271-82285.
12. Zhang Y, Odeh I ORamadan E. 2013. Assessment of land surface temperature in relation to landscape metrics and fractional vegetation cover in an urban/peri-urban region using Landsat data. International Journal of Remote Sensing, 34(1): 168-189.
13. Kafy A-A, Al Rakib A, Akter K S, Rahaman Z A, Mallik S, Nasher N R, Hossain M IAli M Y. 2021. Monitoring the effects of vegetation cover losses on land surface temperature dynamics using geospatial approach in Rajshahi city, Bangladesh. Environmental Challenges, 4: 100187.
14. Carlson T N, Gillies R RPerry E M. 1994. A method to make use of thermal infrared temperature and NDVI measurements to infer surface soil water content and fractional vegetation cover. Remote sensing reviews, 9(1-2): 161-173.
15. Gillies R, Kustas WHumes K. 1997. A verification of the'triangle'method for obtaining surface soil water content and energy fluxes from remote measurements of the Normalized Difference Vegetation Index (NDVI) and surface e. International journal of remote sensing, 18(15): 3145-3166.
16. Lo C P, Quattrochi D ALuvall J C. 1997. Application of high-resolution thermal infrared remote sensing and GIS to assess the urban heat island effect. International journal of Remote sensing, 18(2): 287-304.
17. Gallo K POwen T W. 1998. Assessment of urban heat Islands: A multi‐sensor perspective for the Dallas‐Ft. worth, USA region. Geocarto International, 13(4): 35-41.
18. Goward S N, Xue YCzajkowski K P. 2002. Evaluating land surface moisture conditions from the remotely sensed temperature/vegetation index measurements: An exploration with the simplified simple biosphere model. Remote sensing of environment, 79(2-3): 225-242.
19. Liu J, Ren Y, Tao HShalamzari M J. 2021. Spatial and Temporal Variation Characteristics of Heatwaves in Recent Decades over China. Remote Sensing, 13(19): 3824.
20. Shakiba A, Firoozabadi P, Ashourloo DNamdari S. 2009. Analysis of relationship between land use/cover and urban heat island, using ETM+.
21. Sadeginia A, Alijani B, Zeaiean F PKhaledi S. 2013. Application of Spatial autocorrelation techniques in analyzing the heat island of Tehran.
22. Ahmadi M, Ashourloo DNarangifard M. 2012. Temporal-spatial changes of thermal and land use patterns of Shiraz city using TM & ETM sensor data. Iranian Journal of Remote Sensing & GIS, 4(4): 55-68.
23. Jahanbakhsh S, Zahedi NValizadeh Kamran K. 2011. Calculation of land surface temperature using SEBAL method and decision tree in GIS RS, in the central part of Maragheh region. Geography and Planning, 16(38): 19-42.
24. Mansourmoghaddam M, Rousta I, Zamani M, Mokhtari M H, Karimi Firozjaei MAlavipanah S K. 2021. Study and prediction of land surface temperature changes of Yazd city: Assessing the proximity and changes of land cover. Journal of RS and GIS for Natural Resources, 12(4): 1-27.
25. Kakehmami A, Ghorbani A, Asghari Sarasekanrood S, Ghale EGhafari S. 2020. Study of the relationship between land use and vegetation changes with the land surface temperature in Namin County. Journal of RS and GIS for Natural Resources, 11(2): 27-48.
26. Hashemi Dareh Badami S, Nouraeisefat I, Karimi SNazari S. 2015. Development trend analysis of urban heat island regarding land use/cover changes using time series of landSat images. Journal of RS and GIS for Natural Resources, 6(3): 15-28.
27. Hashemi M, AlaviPanah KDinarvandi M. 2013. Evaluation of spatial distribution of surface temperature in urban environment using thermal remote sensing. Journal of Environmental Studies, 1(1): 81-92.
28. Van der Meer F. 2012. Remote-sensing image analysis and geostatistics. International Journal of Remote Sensing, 33(18): 5644-5676.
29. Zhao H, Tan J, Ren ZWang Z. 2020. Spatiotemporal characteristics of urban surface temperature and its relationship with landscape metrics and vegetation cover in rapid urbanization region. Complexity, 2020.
30. Veisi V, Assessment of land degradation based on biophysical indicators using geospatial data (study sample: NawaKooh forests). 2016, Kashan University.: Kashan, Iran.
31. Rundquist D C, Lawson M P, Queen L PCerveny R S. 1987. The Relationship Between Summer‐Season Rainfall Events and Lake‐Surface Area 1. JAWRA Journal of the American Water Resources Association, 23(3): 493-508.
32. Ghayoumi Mohammadi H. 2000. Warning about converting agricultural lands to urban: A case study of Isfahan. Soil and Water Sciences, 14(2): 154-163.
33. Kabiri FAmoshahi N, Investigating the strategies for preserving agricultural lands and gardens in the process of urban development: a case study of Khomeini Shahr, in Annual Conference on Architectural, Urban Planning and Urban Management Research, Isfahan, Iran. 2016.
34. Morawitz D F, Blewett T M, Cohen AAlberti M. 2006. Using NDVI to assess vegetative land cover change in central Puget Sound. Environmental monitoring and assessment, 114(1): 85-106.
35. Rosenfeld A H, Akbari H, Bretz S, Fishman B L, Kurn D M, Sailor DTaha H. 1995. Mitigation of urban heat islands: materials, utility programs, updates. Energy and buildings, 22(3): 255-265.
36. Akbari HKolokotsa D. 2016. Three decades of urban heat islands and mitigation technologies research. Energy and buildings, 133: 834-842.
37. Dos Santos A R, de Oliveira F S, da Silva A G, Gleriani J M, Gonçalves W, Moreira G L, Silva F G, Branco E R F, Moura M Mda Silva R G. 2017. Spatial and temporal distribution of urban heat islands. Science of the Total Environment, 605: 946-956.
38. Guha S, Govil HMukherjee S. 2017. Dynamic analysis and ecological evaluation of urban heat islands in Raipur city, India. Journal of Applied Remote Sensing, 11(3): 036020.
39. Hassan T, Zhang J, Prodhan F A, Pangali Sharma T PBashir B. 2021. Surface urban heat islands dynamics in response to lulc and vegetation across south asia (2000–2019). Remote Sensing, 13(16): 3177.
بررسی وسعت تغییرات جزایر حرارتی سطحی با استفاده از شاخصهای پوشش گیاهی (مطالعه موردی: شهرستان سرپلذهاب)
چکیده تحقیق حاضر به منظور اندازهگیری تغییرات جزایر گرمایی سطحی شهری در 3 مقطع زمانی 1984، 1998 و 2016 با استفاده از شاخصهای پوشش گياهي، شاخص ساخت و ساز شهری و شاخص دمای سطح زمین انجام شده است. بدین منظور پس از تعيين حدود منطقه، مراحل پيش‌پردازش شامل تصحیحات رادیومتریک و اتمسفری تصاوير، چينش باندها، موزاييک و برش تصاوير بر اساس محدوده مطالعاتي بر روي تصاوير سنجنده TM و ETM+ لندست 8 صورت گرفت. سپس شاخصهایNDVI، SAVI و NDBI بر روي تصاوير اعمال شد و از طريق تفاضل تصاوير، مبادرت به پايش زماني و مکاني پوشش گياهي گرديد و تغييرات در قالب سه نوع کاهشي، افزايشي و بدون تغيير مورد بررسي قرار گرفت. همچنین جهت محاسبه شاخص (LST) از باندهای حرارتی 10 و 11 لندست 8 و باند 6 لندست 5 استفاده شد.نتایج نشان دادکه دو شاخص NDVI و SAVI روند کاهشی داشتهاند ولی شاخص NDBI روند افزایشی داشته است. بطوری که میزان تغییرات در بازه اول از 77 درصد به 63 درصد در شاخص SAVIودر شاخص NDVI از 45 درصد به 41 درصد کاهش پیدا کرده در حالی که شاخص NDBI در بازه اول 51 درصد بوده و در بازده دوم به 57 درصد افزیش پیدا کرده است. در همین بازه، شاخص LST روندی ناهمگون داشته ولی به نظر می رسد توزیع این شاخص از حالت گسترده به حالت لکه ای تغییر یافته است بدین معنی که امواج حرارتی در آینده بصورت موضعی در مناطقی از شهر که دچار مشکل تهویه هستند رخ داده و می تواند کیفیت زندگی را کاهش داده و زمینه برای بیماری های مرتبط را فراهم سازد. بنابراین مناطق ساخته شده شهری موجب تشدید جزایر شهری و تراکم پوشش گیاهی باعث تعدیل جزایر حرارتی شهری گردیده است.
کلمات کلیدی: پوششگیاهی، تغییرات دمایی، سنجش از دور، لندست، شهرستان سرپلذهاب
مقدمه
بر اساس آخرین برآوردها، بیش از 45 درصد از جمعیت زمین در شهرها ساکن هستند و این میزان تا سال 2030 به 60 درصد بالغ خواهد شد (اسمال و میلر [1]). به عقیده بوهانگ و اوردال [2] بین سال های 2010 تا 2030، بیش از 3 میلیارد نفر به جمعیت شهر نشین اضافه خواهد شد. نابودی اراضی کشاورزی و تبدیل آنها به استفادههای شهری در اثر رشد و گسترش سریع شهرها امری فراگیر و تقریبا اجتناب ناپذیر است. این تغییرات دارای پیامدهای ناخوشایندی برای محیط زیست، مانند کاهش پوشش گیاهی و افزایش دمای محیط خواهد بود (اسمعیلپور و عزیزپور[3]).
پوشش سطح زمین تأثیر بسزایی بر دمای اطراف خود دارد (شمسیپور و همکاران [4]). پوشش زمین نه تنها بر محیط پیرامون تأثیر می گذارد بلکه خود به عنوان مولفه کلیدی در مدیریت منابع اراضی ارزیابی تناسب محیط زیست در نظر گرفته می شود (پاکیالاشمی و همکاران [5]). افزايش جمعيت موجب شده تا علاوه بر توسعة مرزهاي فيزيكي شهرها، بافت درون شهري نيز دگرگون شود. كاهش مساحت زمين‌هاي زراعي حومه‌اي، تخريب پوشش‌گياهي و افزايش دماي سطحي زمين در مناطق شهري، پيامدهاي منفي توسعة درون‌شهري، ساختمان‌سازي، خيابان‌كشي و ساير فعاليت‌هاي مخرب در درون شهرها هستند كه سلامت محيط زيست را با خطر جدي مواجه مي‌سازند (ونگ [6, 7]).
تحقیقات صورت گرفته نشان می دهد که تغییرات آب و هوایی در طی چند دهه اخیر به شدت بر پوشش گیاهی تأثیر داشته است (رضازاده و همکاران [8]). به همین دلیل ارزیابی تغییرات پوشش زمین در کنار تغییرات دمایی می تواند اهمیت زیادی داشته باشد.
یکی از ابزارهای کلیدی در ارزیابی این تغییرات استفاده از داده های ماهواره ای است. تحقیقات فراوانی در این زمین موجود است. برای نمونه لی و همکاران [9] به بررسی توانایی سنجنده های مختلف ماهواره لندست در ارزیابی تغییرات پوشش زمین و دمای همزمان آن پرداخته و تغییرات معنی داری در تبدیل پوشش گیاهی به سایر کاربری ها مشاهده کردند. امیری و همکاران [10] به بررسی تغییرات دمای زمین و پوشش گیاهی در شهر تبریز پرداخته و بازه زمانی 1989 تا 2001 را مد نظر قرار داده اند. بررسی این محققین نشان داد که تغییر پوشش گیاهی به اراضی شهری با بیشترین تغییرات دمایی همراه بوده است. جانگ و همکاران [11, 12] به بررسی رابطه بین چیدمان پوشش سطح اراضی و دمای سطحی با استفاده از تصاویر ماهواره لندست در منطقه ای در کشور چین پرداخته و مشاهده کردند که در بین سال های 1993 و 2006 شاخص دمای سطحی زمین در پوشش های مختلف زمین دچار تغییر و تحول معنی دار شده است. ژائو و همکاران (2020) تغییرات زمانی مکانی ناشی از تغییرات پوشش گیاهی و شهرنشینی را در شهر ژنگ ژو در کشور چین بررسی کردند. شهری که به دلیل توسعه سریع شهر نشینی نمونه بسیاری مناسبی برای ارزیابی تغییرات دما و پوشش گیاهی معرفی شده است. بر این اساس تغییرات رخ داده بین 2000 و 2014 نشان از تغییر 32/2 درجه سانتی گرادی در دمای سطح زمین در مناطق شهری داده است. داده های همزمان شاخص استاندارد پوشش گیاهی نیز افت همزمانی در این بازه نشان داده اند. کافی و همکاران [13] در ارزیابی انجام شده در شهر راجشاهی بنگلادش گزارش داده اند که در طی بازه زمانی 30 ساله نزدیک به 17 درصد از پوشش گیاهی شهری کاسته شده، دمای بیشینه 12 درجه رشد داشته و زمین های عاری از پوشش گیاهی بیشترین دما را ثبت کرده اند. به همین دلیل تبدیل پوشش گیاهی به مناطق مسکونی به شدت بر دمای زمین تأثیر گذاشته است. سایر تحقیقات مشابه خارجی را می توان کارسون و همکاران [14]، جیلیز و همکاران [15]، لو و همکاران [16]، گالو [17]، جیلیز [15]، گووارد[18] و ونگ [7]، لیو و همکاران [19]، جانگ و همکاران [11] معرفی کرده و از جمله تحقیقات داخلی می توان به شکیبا و همکاران [20]، صادقینیا و همکاران [21] احمدی و همکاران[22] و جهانبخش و همکاران [23]، منصور مقدم و همکاران [24]، کاک امامی و همکاران [25] و هاشمی دره بادامی و همکاران [26, 27] اشاره داشت. داده های سنجش از دوری این امکان را فراهم می کند که داده بصورت پهنه ای تهیه شود در حالی که استفاده از داده های ایستگاه های هواشناسی و پهنه بندی آن ها با روش های زمین آمار همراه با خطا بوده و هرگز دقت روش های سنجش از دوری را نخواهد داشت (ون در میر [28]).
یکی از مناطقی در کشور ایران که در این تحقیق مد نظر قرار گرفته شهر سرپل ذهاب است که در طی سالیان گذشته به شدت دچار افت پوشش گیاهی گشته و به همین دلیل بیلان حرارتی آن دچار تغییرات شده است. به همین دلیل برآنیم تا با استفاده از داده های ماهواره ای تغییرات دمای زمین را در کنار تغییرات پوشش گیاهی به دقت بررسی کرده و روند آن را تعیین کنیم. پژوهش حاضر به منظور بررسی تغییرات پوشش گیاهی سطح زمین و تاثیر آن بر الگوهایدمایی حرارتی شهر سرپلذهاب از سه شاخص (Soil Adjusted Vegetation Index) SAVI، NDVI (Normalized Difference Vegetation Index) و(Normalized Difference Built-up Index) NDBI استفاده خواهد کرد. در ایران اگرچه تحقیقات فراوانی در این زمینه انجام شده ولی ترکیب شاخصی در نظر گرفته شده عمدتا محدود به شاخص های حرارتی زمین بوده اند. به همین دلیل بررسی همزمان شاخص پوشش گیاهی، پوشش گیاهی اصلاح شده و شاخص حرارت زمین در کنار هم می تواند دید دقیق تری از تغییرات رخ داده ارائه دهد. نتایج این بررسی در زمینه مدیریت فضای سبز شهری، مدیریت توسعه شهری و تحقیقات مشابه کاربرد داشته باشد و به مدیران در برنامه ریزی دقیق تر توسعه ساختمان ها، جاده ها، فضای سبز و حفاظت از توده های سبز شهری اطلاعات دقیقی ارائه دهد.
مواد و روشها
موقعیت منطقه مورد مطالعه
شهرستان سرپلذهاب در ۴۵ درجه و ۵۲ دقیقه طول شرقی و ۳۴ درجه و ۲۴ درجه عرض جغرافیایی و در غرب کشور ایران و منتهی‌الیه شیب ارتفاعات زاگرس بر سر راه بین‌المللی تهران - بغداد موسوم به جاده کربلا واقع گردیده‌است (شکل 1). جمعیت این شهرستان برابر با ۸۵٬۳۴۲ نفر بوده‌است(مرکز آمار ایران، 1395). ارتفاع متوسط شهرستان از سطح دریا ۵۵۰ متر بوده و در یک تغییر ناگهانی ارتفاع نسبت به شرق شهرستان در فاصله به طول کمتر از ۱۰ کیلومتر پس از طی گردنه پاتاق به بیش از ۱۰۰۰ متر می‌رسد که این خود باعث ایجاد طبیعتی بسیار جذاب، زیبا و کاملاً متفاوت با اقلیم سرزمینهای قرار گرفته بر روی ارتفاعات مذکور می‌شود. شهرستان سر پل ذهاب دارای آب و هوایی با زمستانهای معتدل و تابستان‌های گرم بوده و حداکثر نزولات جوی در زمستان و مقدار کمی بهار بوده و پائیز و تابستانی خشک و بی باران دارد. بر اساس تقسیم‌بندی اقلیمی این منطقه دارای سه اقلیم متفاوت با زمستانی معتدل و تابستانی گرم و طولانی در قسمت مرکزی و زمستانی سرد و تابستانی خنک در قسمت شمالی و زمستانی ملایم و تابستانی گرم در قست شمال غربی با متوسط میزان بارندگی ۵۰۰ میلی‌متر در سال بوده و دارای درجه حرارت کمینه 4/3 در دی ماه و بیشینه 8/44 درجه در گرمترین ماه سال وبا تعداد روزهای یخبندان برابر با ۱۵ روز است. در شکل 2 نیز توسعه اراضی شهری در سرپل ذهاب بین سال های 2000 تا 2020 نمایش داده شده است. کاملا مشخص است که توسعه زمین های شهری به قیمت کاهش زمین های کشاورزی پیرامونی و فضای سبز داخل شهری انجام شده که می تواند بر دمای سطح زمین و در نتیجه دمای اکوسیستم شهری تأثیر بسزایی داشته باشد.
شکل1- موقعیت جغرافیایی شهرستان سر پل ذهاب در ایران
Fig. 1- Geographical location of SarPoleZahab city in Iran
شکل 2- توسعه اراضی شهری سر پل ذهاب در استان کرمانشاه بین سال های 2000 تا 2020 (منبع: تصاویر ماهواره لندست)
Fig. 2- urban area expansion in Sarpol Zahab, Kermanshah Province between 2000 and 2020 (Source: Landsat Imageries)
روش تحقیق
در پژوهش حاضر با استفاده از تصاویر سنجنده TM و ETM+ ماهواره لندست شماره 162038 در 3 مقطع زمانی 1984 و 1998 و 2016 به بررسی تغییرات پوشش گیاهی سطح زمین و تاثیر آن بر الگوهای دمایی حرارتی شهر سرپلذهاب پرداخته خواهد شد. اطلاعات تصاویر دریافت شده به همراه شماره و ردیف هر تصویر در جدول 1 ارائه شده است. از آنجایی که براي پايش تغييرات پوشش گياهي از طریق تصاوير ماهواره‌اي نياز به چند سري داده متعلق به دوره‌هاي زماني مختلف است، در اين پژوهش از 9 سري تصاوير سنجنده‌هاي لندست مربوط به سه مقطع زمانی 1984، 1988 و 2016 جهت محاسبه شاخصهای پوشش گیاهی استفاده شد. تصاوير از وبگاه سازمان زمين شناسي آمريکا و آرشيو ماهواره لندست اخذ گرديد.
ابتدا نقشه توپوگرافي 1:50000 محدودة مطالعاتي تعيين حدود گرديد. پس از تعيين حدود منطقه، مراحل پيش‌پردازش شامل تصحیحات رادیومتریک و اتمسفری تصاوير، چينش باندها، موزاييک و برش تصاوير بر اساس محدوده مطالعاتي در نرمافزار Erdas بر روي تصاوير صورت گرفت. سپس از 3 شاخص نرمال شده تفاوت پوشش گیاهی(NDVI)، شاخص طیفی پوشش گیاهی تعدیل شده(SAVI) وشاخص تفاضلی یکنواخت شده شهری(NDBI) استفاده شد.
- شاخص استاندارد پوشش گیاهی
شاخص استاندارد پوشش گیاهی (NDVI) در تعییت اختلافات پوشش گیاهی از سایر پوشش های اراضی استفاده می شود. این شاخص که بین 1- تا 1 در نوسان است به ترتیب نشان دهنده مناطق آبی، مناطق بایر بدون پوشش گیاهی و طیفی از پوشش تنک تا پوشش متراکم گیاهی است. این شاخص توسط روز و همکاران (1973) به شکل زیر تعریف شده است:
[1]
در اين رابطه NIR نشان دهنده باند مادون قرمز نزديک و R نشان دهنده باند قرمز است.
- شاخص تعدیل شده پوشش گیاهی
شاخص پوشش گیاهی به دلیل آنکه به شدت تحت تأثیر نویز ناشی از پس زمینه قرار می گیرد، در مناطق خشک و با پوشش تنک دچار خطا می شود. به همین دلیل بهتر است از شاخص اصلاح شده پوشش گیاهی نیز که با نام شاخص تعدیل شده پوشش گیاهی بر اساس خاک (SAVI) نیز شناخته می شود در کنار شاخص استاندارد استفاده کرد (ایمانی و همکاران، 2018). این شاخص توسط هویت (1988) به شکل زیر تعریف شده است:
[2]
که در آن در اين رابطه NIR نشان دهنده باند مادون قرمز نزديک و R نشان دهنده باند قرمز است.
- شاخص تفاضلی یکنواخت شده شهری
شاخص تفاضلی یکنواخت شده شهری با استفاده از داده های باندهای مادون قرمز نزدیک و مادون قرمز با طول موج کوتاه SWIR عمل می کند. این شاخص توسط جا و همکاران [29] به شکل زیر تعریف شده است:
[3]
بررسی تغییرات زمانی
سپس به منظور تعیین تغییرات بلند مدت هر کدام از شاخص ها اقدام به تولید تصاویر تفاضلی کردیم. تصاویر تولید شده به سه دسته کاهشي، افزايشي و بدون تغيير طبقه بندی شدند (ویسی و همکاران [30]). برای این منظور از رابطه 4 استفاده شد که به شکل زیر تعریف می شود (جانگ و همکاران [11]) :
[4]
که در آن NDVIo، مقادير NDVI سال نخست دوره و NDVIr، مقادير NDVI سال پاياني دوره بررسي ميباشد. 
نیز نشان دهنده قدر مطلق تغییرات در بازه زمانی مورد نظر است.
جدول 1. پايگاه داده فضايي و معادله استخراج NDVI و LST (ویسی و همکاران [30])
Table 1. Spatial Database and NDVI and LST Extraction Equation (Veisi et al [30])
سنجنده | اندازه پيکسل (متر)
| دامنه طيفي (نانوومتر) | باندهاي مورد استفاده | ستون | ردیف |
TM | 30×30 | 630-690 | 3 | 168 | 36 |
760-900 | 4 | ||||
1550-1750 | 5 | ||||
OLI | 30×30 | 640-670 | 4 | 168 | 36 |
850-880 | 5 | ||||
1570-1650 | 6 |
محاسبه شاخص دمای سطحی
برای محاسبه شاخص دمای سطح زمین (LST) در GIS، ابتدا باید باندهای حرارتی 10 و 11 لندست 8 و باند 6 لندست 5 را با استفاده از رابطة 5 به رادیانس، و با رابطه 7 به بازتاب تبدیل کرد (رانکستو همکاران [31])
[5]
[6]
که در اینجا Lλرادیانس طیفی بالای اتمسفر(بر حسب وات بر متر مربع در استرادیان در میکرومتر )، ML باند خاص عامل تغییر مقیاس ضربی در فایل متادیتا و AL باند خاص فاکتور تغییر مقیاس از متادیتا و Qcal ارزش تدریجی و کالیبره پیکسل محصول استاندارد (DN)، Esun، میانگین بازتابش خورشید بر فراز جو بر حسب وات بر متر مربع در میکرومتر). 
زاویه اوج خورشیدی بر حسب درجه، d، فاصله زمین تا خورشید و 
نیز 141592/3 میباشد.
[7]
که در اینجا T دمای روشنایی (درجة سانتی‌گراد)، K1 و K2 ضرایب کالیبراسیون (جدول 2) و Lλ رادیانس طیفی بالای اتمسفر، K برابر با 16/273 میباشد.به دمای روشنایی، در نهایت با استفاده از رابطة 7 به درجه حرارت روشنایی ماهواره تبدیل کردیم.
[8]
NDVImax و NDVImin به ترتیب مقدار حداکثر و حداقل شاخص NDVI می‌باشند (منبع: وبگاه سازمان زمین شناسی آمریکا https://earthexplorer.usgs.gov).
[9]
که در آن Pv گسیلمندی سطح زمین است. در نهایت دمای سطح زمین بر اساس رابطه 9 به شکل زیر محاسبه می شود.
[10]
که در اینجا BT روشنایی ماهواره، w طول موج تخمینی رادیانس، p یک مقدار ثابت میباشد که برابر 14380 است و e از رابطه 8 به دست میآید.
ضرایب کالیبراسیون | باند 10 | باند 11 | باند 6 |
K1 | 8853/774 | 8883/480 | 76/607 |
K2 | 0789/1321 | 1442/1201 | 56/1260 |
جدول2. ضرایب کالیبراسیون باند 10 و 11 ماهواره لندست 8 و باند 6 لندست 5
Table 2. Calibration coefficients of band 10 and 11 of Landsat 8 satellite and band 6 of Landsat 5
نتایج
- نتایج شاخص NDVI
نتایج شاخص NDVI برای سال های 1984، 1989 و 2016 در شکل 2 ارائه شده است. نتایج این شاخص نشان از افت ناچیز پوشش گیاهی در منطقه می دهد به شکلی که بیشینه پوشش گیاهی در سال 1984 از میزان 71/0 به 72/0 در سال 2016 رسیده که نشان می دهد پوشش گیاهی از نظر این شاخص تغییر نداشته است. البته باید دقت داشت که میزان این شاخص در محدوده شهری کاهش محسوسی نشان می دهد. همانطور که در شکل 2 نیز نشان داده شده بر تراکم شهری این منطقه افزوده شده و به همین دلیل فضای سبز داخل شهر کاهش داشته است. همین اختلاف ایجاد شده در تصاویر تفاضلی بدست آمده در شکل 4 کاملا محسوس است به شکلی که بین سال های 1998 تا 2016، تغییر محسوسی در شاخص NDVI رخ داده و لکه های کاهش این شاخص رشد مشخصی از خود نشان می دهند بدین معنی که اراضی شهری در حال تهی شدن از لکه های پوشش گیاهی هستند. البته زمین های کشاورزی کنار محدوده شهری نشان از بهبود شاخص NDVI دارند که می تواند به دلیل تغییر در برنامه های زراعی در میان تصاویر دریافتی رخ داده باشد. تغییر مساحت این شاخص در بازه های زمانی 1984 تا 2016 در جدول 3 ارائه شده است. همانطور که مشخص است در بازه زمانی اول 763 هکتار روند کاهشی داشته ولی در بازه زمانی دوم 815 هکتار روند کاهشی از خود نشان داده اند بدین معنی که در بازه زمانی دوم حجم زیادی از فضای سبز شهری از دست رفته است.
- نتایج شاخص SAVI
همانطور که گفته شد، شاخص NDVI می تواند بر اثر غالبیت بازتاب تصویر زمینه که در اینجا فضای مسکونی داخل شهر است دچار خطا شود. به همین دلیل از شاخص SAVI برای جبران این مورد استفاده شد. نتایج بدست آمده برای این شاخص نشان می دهد که این شاخص نیز در راستای شاخص NDVI نشان از کاهش پوشش گیاهی در محدوده شهری می دهد (شکل 3). در شکل 4 نیز شاخص تفاضلی نشان می دهد که این شاخص در بازه زمانی 1984 تا 1998 رشد مشخص و در بازه زمانی 1998 تا 2016 کاهش مشخصی داشته است و بر حجم لکه های کاهش شاخص پوشش گیاهی افزوده شده است. در جدول 3 نیز مشخص است که در بازه زمانی 1998 تا 2016 نسبت به بازه زمانی 1984 تا 1998 مساحت بسیار بیشتری از اراضی دچار کاهش در شاخص SAVI شده اند که در کنار شاخص NDVI نشان از تخریب پوشش گیاهی در منطقه می دهد.
- نتایج شاخص NDBI
این شاخص که نشان دهنده مساحت اراضی ساخت و ساز شده است به شکلی کاملا مشخصی رشد محدوده شهری را نشان می دهد. در شکل 3 کاملا مشخص است که در سال 2016 لکه های حداکثری شاخص NDBI کاملا به چشم می خورند که نشان از توسعه مناطق مسکونی می دهد. ارزیابی شاخص تفاضلی در شکل 4 نیز نشان می دهد که لکه های افزایشی در هر دو بازه از نظر مساحت رشد داشته اند. همین امر در جدول 3 نیز ارائه شده است به شکلی که لکه های افزایشی در بازه زمانی اول و دوم به ترتیب 715 و 797 هکتار بوده که سرعت گیری روند ساخت و ساز را نشان میدهد.
- نتایج شاخص LST
تغییراتی که در شاخص های پوشش گیاهی و توسعه شهری رخ داده باید خود را در تغییرات شاخص حرارتی نیز نشان دهد. بر همین اساس شاخص LST که نماینده دمای سطح زمین است در سال های مختلف در شکل 5 ارائه شده است. نکته جالب توجه آنکه این شاخص در سال 1984 مقادیر بیشتری از سال 2016 نشان می دهد که احتمالا به دلیل آنومالی هواشناسی بوده است. در کل تغییراتی که در سال های 1984 تا 2016 رخ داده نشان از افزایش لکه های دمای حداکثری است. بدین معنی که جزایر حرارتی حداکثری در این منطقه شهری در حال شکل گیری هستند. مساحت اراضی دچار افزایش دما در بازه زمانی 1998 تا 2016 در حدود 354 هکتار بوده است. هرچند در همین بازه زمانی اوج شاخص LST افت داشته که همچنان می تواند به دلیل آنومالی های آب و هوایی در سال های مختلف باشد اما نکته مهم آن است که این شاخص در سال 2016 هرچه بیشتر شکل جزیره حرارتی به خود گرفته که می تواند بر دمای محدوده شهری تأثیر معنی داری داشته باشد.
شکل3- پهنه سه شاخصLST,NDVI, NDBI, SAVIدر سالهای 1984، 1998 و 2016
Fig. 3- The distribution of the three indices LST, NDVI, NDBI, SAVI in 1984, 1998 and 2016.
شکل4- میزان تغییرات سه شاخصLST,NDVI, NDBI, SAVIدر سالهای 1984، 1998 و 2016
Fig. 3- The rate of change of the three indices LST, NDVI, NDBI, SAVI in 1984, 1998 and 2016.
شکل 5- تغییرات شاخص حرارتی در بازه زمانی 1984 تا 2016 در شهر سرپل ذهاب
Fig. 5- Changes in LST index over 1984 to 2016 in Sarpol Zahab City
جدول3. میزان تغییرات سه شاخص SAVI, NDVI و NDBI در مقاطع زمانی مورد مطالعه
Table 3. The rate of change of the three indicators SAVI, NDVI and NDBI in the studied time periods.
درصد | هکتار | تغییرات | شاخص |
70.0 | 977.9 | + | SAVI_1984-1998 |
29.9 | 418.4 | - | |
63.9 | 892.9 | + | SAVI _1998-2016 |
36.0 | 503.3 | - | |
45.3 | 632.6 | + | NDVI_1984-1998 |
54.6 | 763.7 | - | |
41.6 | 581.2 | + | NDVI _1998-2016 |
58.3 | 815.1 | - | |
51.2 | 715.8 | + | NDBI_1984-1998 |
48.7 | 680.4 | - | |
57.0 | 797.0 | + | NDBI _1998-2016 |
42.9 | 599.3 | - | |
58.6 | 824.1 | + | LST_1984-1998 |
25.9 | 223.1 | - | |
31.7 | 269.7 | + | LST_1998-2016 |
40.1 | 563.2 | - |
بحث و نتیجهگیری
در این تحقیق، به ارزیابی تغییرات همزمان شاخص های پوشش گیاهی، ساخت و ساز شهری و تغییرات دمایی در شهر سرپل ذهاب در استان کرمانشاه پرداختیم. شاخص های گیاهی به کار رفته شامل شاخص NDVI و SAVI، شاخص ساخت و ساز NDBI و شاخص حرارتی LST بوده اند که به تفسیر یافته های هرکدام از شاخص ها خواهیم پرداخت. همانطور که بیان شد، شاخص NDVI در بازه زمانی 1984 تا 2016 در منطقه مطالعاتی دچار افت شده است. توسعه اراضی شهری و نابودی فضای سبز شهری تنها دلیل اصلی این امر نیست. خشکسالی های اخیر رخ داده در منطقه در نتیجه تغییر اقلیم نیز می تواند یکی دیگر از دلایل نابودی پوشش گیاهی در منطقه باشد. به دنبال کمبود آب و خشک شدن اراضی کشاورزی، سهم عمده ای از آن ها به مناطق شهری اضافه می شوند. قیومی [32] نیز بیان داشته که 51 هزار هکتار کاربری دیگر به اراضی شهری اصفهان افزوده شده است. لایقی مقدم و صدیقی (1394) نیز گزارش داده اند که حجم عظیمی از زمین های کشاورزی پاکدشت تهران در حال افزوده شدن به اراضی شهری است. نتایج تحقیقات کبیری و عموشاهی [33] در خمینی شهر اصفهان نیز نشان داد که تغییرات کاربری زمین های کشاورزی به شهری با انگیزه های مختلف اقتصادی و اجتماعی در حال وقوع است.
اما از آنجا که شاخص NDVI به تنهایی در مناطق شهری و گرم و خشک قابل اتکا نیست (موراویتز و همکاران [34]) از شاخص دیگری به نام شاخص تعدیل شده پوشش گیاهی SAVI نیز استفاده کردیم. نتایج این شاخص نیز همراستا با شاخص NDVI نشان از کاهش پوشش گیاهی در منطقه داشته است.
همانطور که بیان شد، شاخص های پوشش گیاهی به دلیل رشد فضای شهری در حال کاهش بوده اند. به همین دلیل اقدام به بررسی این امر با شاخص NDBI یا شاخص استاندارد ساخت و ساز نمودیم. این شاخص به وضوح نشان دهنده توسعه اراضی مسکونی و افزایش تراکم ساختمان های شهری بوده است. این افزایش تراکم نه تنها در راستای افق بلکه در راستای عمود و همراه با افزایش ساختمان های چند طبقه بوده است. افزایش حجم ساختمان و ارتفاع آن ها می تواند به سکون هوای داخل شهر و افزایش تعداد جزایر حرارتی منجر شود. این امر با تحقیقات روزنفلد و همکاران [35]، اکبری و کولوکوتسا[36] و دوسانتوس و همکاران [37] همخوانی دارد که همگی تأثیر افزایش حجم عمودی و افقی ساختمان ها را بر تغییرات حرارتی شهرها گزارش کرده اند.
در کنار تغییرات پوشش گیاهی و شاخص ساخت و ساز، تأثیرات همزمان حرارتی در منطقه شهری با استفاده از شاخص LST بررسی شد. تغییرات این شاخص اما اندکی ناهمگنی در بازه زمانی 1984 تا 2016 از خود نشان داد. دلیل اصلی این امر را می توان آنومالی های حرارتی در سال های مورد نظر بیان داشت. ولی در عین حال به نظر می رسد تعداد لکه های حرارتی در منطقه شهری افزایش داشته اند. بدین معنی که اگر پیشتر افزایش دما بصورت یکنواخت در محدوده شهری رخ می داده اکنون الگوی افزایش دما بصورت جزیره ای عمل می کند و برخی مناطق شهری که دچار مشکل تهویه هوا هستند در معرض خطر افزایش دما بصورت محلی خواهند بود. نتایج تحقیقات گوها و همکاران [38] در شهر رایپور هند و حسن و همکاران [39] در مناطق شهری جنوب آسیا نشان از افزایش لکه های حرارتی در مناطق شهری به دلیل کاهش پوشش گیاهی است. این لکه های حرارتی می تواند تأثیر بسزایی بر سلامت و راحتی زندگی ساکنین مناطق شهری داشته باشد. به عقیده شارما و همکاران [29] که افزایش 4/6 دمای شاخص LST در یکی از شهر های هند را در بازه 2011 تا 2019 گزارش داده اند، افزایش دما و جزایر حرارتی در مناطق شهری می تواند بر شاخص سهولت زندگی ساکنین مناطق مسکونی تأثیر مخربی داشته باشد.
در نهایت به نظر می رسد تغییر کاربری زمین و کاهش فضای سبز شهری در سرپل ذهاب به افزایش دمای منطقه و ایجاد جزایر حرارتی در منطقه انجامیده باشد. به همین دلیل لازم است تا مدیران شهری نسبت به سبک توسعه شهرک های مسکونی و نوع ساختمان ها دقت بیشتری به عمل آورند. یکی دیگری از عواملی که می تواند در آینده بر افزایش دمای مناطق شهری بیافزاید، تغییر اقلیم و خشکسالی ها هستند. این دو عامل به کاهش منابع آبی به کاهش تعادل حرارتی انجامیده که خود بصورت مستقیم و غیر مستقیم بر پوشش گیاهی مناطق شهری تأثیر خواهد داشت. کاهش پوشش گیاهی نیز خود به افزایش حرارت کمک خواهد کرد. به همین دلیل عوامل مختلف بصورت هم افزا منجر به افزایش دما در این مناطق خواهند شد. لازم است تا برای مقابله با این شرایط حتمی تمهیدات لازم در نظر گرفته شود. از مهمترین کاستی های تحقیق حاضر می توان به نبود اطلاعات زمینی دقیق از دمای سطحی و عدم امکان صحت سنجی کامل اطلاعات اشاره کرد که باید در تحقیقات آتی مد نظر قرار بگیرد.
تقدیر و تشکر
مایلیم از دانشگاه حکیم سبزواری به خاطر حمایت های مالی و معنوی صورت گرفته صمیمانه تشکر نماییم. طرح حاضر برگرفته از رساله یا طرح تحقیقاتی مصوب نیست اما حمایت های دانشگاه حکیم سبزواری و گروه جغرافیایی در تأمین داده و بهبود روش شناسی تحقیق را قدر می دانیم.. همچنین از داوران محترم و هیئت تحریریه مجله که به بهبود کیفیت مقاله کمک شایانی نمودند بسیار سپاسگزاریم.
منابع مورد استفاده
1. Small CMiller R B. 1999. Monitoring the urban environment from space. Columbia University, Palisades, NY, USA: Lamont Doherty Earth Observatory.
2. Buhaug HUrdal H. 2013. An urbanization bomb? Population growth and social disorder in cities. Global environmental change, 23(1): 1-10.
3. Azizpour MEsma'eelpour N. 2009. Change of agricultural land use and relative increase of temperature in Yazd due to its rapid growth. Journal of Geography and Regional Development, 7(12).
4. Shamsipur A S, Azizi A H, Karimi Ahmadabad MMoqbel M. 2014. Study of the temperature pattern of physical surfaces in different climatic conditions. Natural Geography Research, 1(1): 76-81.
5. Packialakshmi S, Ambujam NMahalingam S. 2010. Emerging land use changes and their effects on groundwater: a study of the Mambakkam mini watershed, southern suburban area of Chennai, India. Journal of Environmental Research and Development, 5(2): 340-349.
6. Weng QLu D. 2009. Landscape as a continuum: an examination of the urban landscape structures and dynamics of Indianapolis City, 1991–2000, by using satellite images. International Journal of Remote Sensing, 30(10): 2547-2577.
7. Weng Q. 2001. A remote sensing? GIS evaluation of urban expansion and its impact on surface temperature in the Zhujiang Delta, China. International journal of remote sensing, 22(10): 1999-2014.
8. Rezazadeh M, Irannejad PShao Y. 2013. Climatology of the Middle East dust events. Aeolian Research, 10: 103-109.
9. Li F, Jackson T J, Kustas W P, Schmugge T J, French A N, Cosh M HBindlish R. 2004. Deriving land surface temperature from Landsat 5 and 7 during SMEX02/SMACEX. Remote sensing of environment, 92(4): 521-534.
10. Amiri R, Weng Q, Alimohammadi AAlavipanah S K. 2009. Spatial–temporal dynamics of land surface temperature in relation to fractional vegetation cover and land use/cover in the Tabriz urban area, Iran. Remote sensing of environment, 113(12): 2606-2617.
11. Zhang H, Yin Y, An H, Lei J, Li M, Song JHan W. 2022. Surface urban heat island and its relationship with land cover change in five urban agglomerations in China based on GEE. Environmental Science and Pollution Research, 29(54): 82271-82285.
12. Zhang Y, Odeh I ORamadan E. 2013. Assessment of land surface temperature in relation to landscape metrics and fractional vegetation cover in an urban/peri-urban region using Landsat data. International Journal of Remote Sensing, 34(1): 168-189.
13. Kafy A-A, Al Rakib A, Akter K S, Rahaman Z A, Mallik S, Nasher N R, Hossain M IAli M Y. 2021. Monitoring the effects of vegetation cover losses on land surface temperature dynamics using geospatial approach in Rajshahi city, Bangladesh. Environmental Challenges, 4: 100187.
14. Carlson T N, Gillies R RPerry E M. 1994. A method to make use of thermal infrared temperature and NDVI measurements to infer surface soil water content and fractional vegetation cover. Remote sensing reviews, 9(1-2): 161-173.
15. Gillies R, Kustas WHumes K. 1997. A verification of the'triangle'method for obtaining surface soil water content and energy fluxes from remote measurements of the Normalized Difference Vegetation Index (NDVI) and surface e. International journal of remote sensing, 18(15): 3145-3166.
16. Lo C P, Quattrochi D ALuvall J C. 1997. Application of high-resolution thermal infrared remote sensing and GIS to assess the urban heat island effect. International journal of Remote sensing, 18(2): 287-304.
17. Gallo K POwen T W. 1998. Assessment of urban heat Islands: A multi‐sensor perspective for the Dallas‐Ft. worth, USA region. Geocarto International, 13(4): 35-41.
18. Goward S N, Xue YCzajkowski K P. 2002. Evaluating land surface moisture conditions from the remotely sensed temperature/vegetation index measurements: An exploration with the simplified simple biosphere model. Remote sensing of environment, 79(2-3): 225-242.
19. Liu J, Ren Y, Tao HShalamzari M J. 2021. Spatial and Temporal Variation Characteristics of Heatwaves in Recent Decades over China. Remote Sensing, 13(19): 3824.
20. Shakiba A, Firoozabadi P, Ashourloo DNamdari S. 2009. Analysis of relationship between land use/cover and urban heat island, using ETM+.
21. Sadeginia A, Alijani B, Zeaiean F PKhaledi S. 2013. Application of Spatial autocorrelation techniques in analyzing the heat island of Tehran.
22. Ahmadi M, Ashourloo DNarangifard M. 2012. Temporal-spatial changes of thermal and land use patterns of Shiraz city using TM & ETM sensor data. Iranian Journal of Remote Sensing & GIS, 4(4): 55-68.
23. Jahanbakhsh S, Zahedi NValizadeh Kamran K. 2011. Calculation of land surface temperature using SEBAL method and decision tree in GIS RS, in the central part of Maragheh region. Geography and Planning, 16(38): 19-42.
24. Mansourmoghaddam M, Rousta I, Zamani M, Mokhtari M H, Karimi Firozjaei MAlavipanah S K. 2021. Study and prediction of land surface temperature changes of Yazd city: Assessing the proximity and changes of land cover. Journal of RS and GIS for Natural Resources, 12(4): 1-27.
25. Kakehmami A, Ghorbani A, Asghari Sarasekanrood S, Ghale EGhafari S. 2020. Study of the relationship between land use and vegetation changes with the land surface temperature in Namin County. Journal of RS and GIS for Natural Resources, 11(2): 27-48.
26. Hashemi Dareh Badami S, Nouraeisefat I, Karimi SNazari S. 2015. Development trend analysis of urban heat island regarding land use/cover changes using time series of landSat images. Journal of RS and GIS for Natural Resources, 6(3): 15-28.
27. Hashemi M, AlaviPanah KDinarvandi M. 2013. Evaluation of spatial distribution of surface temperature in urban environment using thermal remote sensing. Journal of Environmental Studies, 1(1): 81-92.
28. Van der Meer F. 2012. Remote-sensing image analysis and geostatistics. International Journal of Remote Sensing, 33(18): 5644-5676.
29. Zhao H, Tan J, Ren ZWang Z. 2020. Spatiotemporal characteristics of urban surface temperature and its relationship with landscape metrics and vegetation cover in rapid urbanization region. Complexity, 2020.
30. Veisi V, Assessment of land degradation based on biophysical indicators using geospatial data (study sample: NawaKooh forests). 2016, Kashan University.: Kashan, Iran.
31. Rundquist D C, Lawson M P, Queen L PCerveny R S. 1987. The Relationship Between Summer‐Season Rainfall Events and Lake‐Surface Area 1. JAWRA Journal of the American Water Resources Association, 23(3): 493-508.
32. Ghayoumi Mohammadi H. 2000. Warning about converting agricultural lands to urban: A case study of Isfahan. Soil and Water Sciences, 14(2): 154-163.
33. Kabiri FAmoshahi N, Investigating the strategies for preserving agricultural lands and gardens in the process of urban development: a case study of Khomeini Shahr, in Annual Conference on Architectural, Urban Planning and Urban Management Research, Isfahan, Iran. 2016.
34. Morawitz D F, Blewett T M, Cohen AAlberti M. 2006. Using NDVI to assess vegetative land cover change in central Puget Sound. Environmental monitoring and assessment, 114(1): 85-106.
35. Rosenfeld A H, Akbari H, Bretz S, Fishman B L, Kurn D M, Sailor DTaha H. 1995. Mitigation of urban heat islands: materials, utility programs, updates. Energy and buildings, 22(3): 255-265.
36. Akbari HKolokotsa D. 2016. Three decades of urban heat islands and mitigation technologies research. Energy and buildings, 133: 834-842.
37. Dos Santos A R, de Oliveira F S, da Silva A G, Gleriani J M, Gonçalves W, Moreira G L, Silva F G, Branco E R F, Moura M Mda Silva R G. 2017. Spatial and temporal distribution of urban heat islands. Science of the Total Environment, 605: 946-956.
38. Guha S, Govil HMukherjee S. 2017. Dynamic analysis and ecological evaluation of urban heat islands in Raipur city, India. Journal of Applied Remote Sensing, 11(3): 036020.
39. Hassan T, Zhang J, Prodhan F A, Pangali Sharma T PBashir B. 2021. Surface urban heat islands dynamics in response to lulc and vegetation across south asia (2000–2019). Remote Sensing, 13(16): 3177.
بررسی تغییرات جزایر حرارتی سطحی با استفاده از شاخص های پوشش گیاهی (مطالعه موردی: شهرستان سرپلذهاب)
طرح مسئله: پوشش سطح زمین تأثیر بسزایی بر دمای اطراف خود دارد. پوشش زمین نه تنها بر محیط پیرامون تأثیر می گذارد بلکه خود به عنوان مولفه کلیدی در مدیریت منابع اراضی و ارزیابی تناسب محیط زیست در نظر گرفته می شود. افزايش جمعيت موجب شده تا علاوه بر توسعة مرزهاي فيزيكي شهرها، بافت درون شهري نيز دگرگون شود. كاهش مساحت زمين‌هاي زراعي حومه‌اي، تخريب پوشش‌گياهي و افزايش دماي سطحي زمين در مناطق شهري، پيامدهاي منفي توسعة درون‌شهري، ساختمان‌سازي، خيابان‌كشي و ساير فعاليت‌هاي مخرب در درون شهرها هستند كه سلامت محيط زيست را با خطر جدي مواجه مي‌سازند.
هدف: یکی از مناطقی در کشور ایران که در این تحقیق مد نظر قرار گرفته شهر سرپل ذهاب است که در طی سالیان گذشته به شدت دچار افت پوشش گیاهی گشته و به همین دلیل بیلان حرارتی آن دچار تغییرات شده است. به همین دلیل برآنیم تا با استفاده از داده های ماهواره ای تغییرات دمای زمین را در کنار تغییرات پوشش گیاهی به دقت بررسی کرده و روند آن را تعیین کنیم. پژوهش حاضر به منظور بررسی تغییرات پوشش گیاهی سطح زمین و تاثیر آن بر الگوهای دمایی حرارتی شهر سرپلذهاب از سه شاخص SAVI، NDVI و NDBI استفاده خواهد کرد. در ایران اگرچه تحقیقات فراوانی در این زمینه انجام شده ولی ترکیب شاخصی در نظر گرفته شده عمدتا محدود به شاخص های حرارتی زمین بوده اند. به همین دلیل بررسی همزمان شاخص پوشش گیاهی، پوشش گیاهی اصلاح شده و شاخص حرارت زمین در کنار هم می تواند دید دقیق تری از تغییرات رخ داده ارائه دهد. نتایج این بررسی در زمینه مدیریت فضای سبز شهری، مدیریت توسعه شهری و تحقیقات مشابه کاربرد داشته باشد و به مدیران در برنامه ریزی دقیق تر توسعه ساختمان ها، جاده ها، فضای سبز و حفاظت از توده های سبز شهری اطلاعات دقیقی ارائه دهد.
روش تحقیق: به منظور بررسی تغییرات دمای سطح زمین، تغییرات شاخص هنجارسازی شده اختلاف پوشش گیاهی (NDVI)، شاخص پوشش گیاهی اصلاح شده با خاک (SAVI) و شاخص هنجار سازی شده مناطق مسکونی (NDBI) در بازه زمانی 1984 تا 2016 با استفاده از تصاویر ماهواره لندست در ردیف 36 و ستون 68 مورد بررسی قرار گرفت. این تغییرات در دو زیر بازه 1984 تا 1998 و بازه زمانی 1998 تا 2016 ارزیابی گردید. اثر این تغییرات بر دما با استفاده از شاخص همزمان دمای سطح زمین (LST) تعیین شد.
نتایج و بحث: نتایج ما نشان دهنده کاهش جزئی در هر دو شاخص NDVI و SAVI بود. تغییرات این شاخص ها با استفاده از نقشه های اختلافی مورد تجزیه و تحلیل قرار گرفت. این نقشه ها نشان می دهد که لکه هایی با شاخص های NDVI و SAVI پایین تر در منطقه رشد کرده اند که نشان دهنده تخریب فضای سبز و پوشش گیاهی است. در عین حال، تغییرات NDBI نشان داد که لکه های این شاخص در بازه های زمانی 1984-1989 و 1989-2016 به میزان 715 و 797 هکتار رشد کرده است. بنابراین، مناطق شهری نه تنها از نظر ردپا و ارتفاع ساختمان ها گسترش یافته، بلکه متراکم تر شده اند. تغییرات همزمان در شاخص LST با تغییرات شاخص های NDVI، SAVI و NDBI به اندازه کافی منسجم نبود. تغییرات شاخص LST طی سالهای 1984-2016 کاهش یافت. لکه های دارای LST رو به کاهش طی سالهای 1984-1998 و 1998-2016 به ترتیب 223 و 563 هکتار بوده است که به این معنی است که LST کاهش یافته است. با این حال، در همان زمان، جزایر گرمایی در مناطق شهری ظهور کرده‌اند که انتقال از افزایش پراکنده دما به شکل لکه ای را نشان می‌دهند. بنابراین، امواج گرما به احتمال زیاد در آینده در این جزایر گرمایی رخ خواهد داد.
نتیجهگیری: نتایج ما حاکی از کاهش پوشش گیاهی در منطقه بود. این امر به قیمت تخریب فضاهای سبز و زمین های زراعی اطراف شهرستان سرپل ذهاب طی سال های 1984 تا 2016 بوده است. همانطور که گفته شد شاخص های پوشش گیاهی به دلیل رشد فضاهای شهری رو به کاهش بوده است. به همین دلیل این موضوع را با شاخص NDBI بررسی کردیم. این شاخص به وضوح توسعه مناطق مسکونی و افزایش تراکم ساختمان های شهری را نشان می دهد. این افزایش تراکم نه تنها در امتداد افق بلکه در امتداد ابعاد عمودی بوده و با افزایش ساختمان‌های چند طبقه همراه بوده است. افزایش حجم ساختمان ها و ارتفاع آنها می تواند منجر به رکود هوای داخل شهر و افزایش تعداد جزایر حرارتی شود. همراه با تغییرات در پوشش گیاهی و شاخص منطقه مسکونی، اثرات همزمان گرما در منطقه شهری با استفاده از شاخص LST بررسی شد. تغییرات این شاخص اما در بازه زمانی 1984 تا 2016 ناهمگونی جزئی را نشان می دهد. دلیل اصلی این امر می تواند ناهنجاری های حرارتی در سال های مورد بحث باشد. اما در عین حال، به نظر می رسد تعداد لکه های گرم در منطقه شهری افزایش یافته است. این بدان معناست که اگر قبلاً افزایش دما در مناطق شهری به صورت یکنواخت اتفاق می‌افتاد، اکنون الگوی افزایش دما به صورت جزیره‌ای عمل می‌کند و برخی از مناطق شهری با مشکل تهویه در معرض خطر افزایش دمای محلی قرار خواهند گرفت. در نهایت به نظر می رسد تغییر کاربری اراضی و کاهش فضای سبز شهری در سرپل ذهاب منجر به افزایش دمای منطقه و ایجاد جزایر حرارتی شده است. به همین دلیل لازم است مدیران شهری نسبت به الگوی گسترش شهرک های مسکونی و نوع ساختمان ها دقت بیشتری داشته باشند. یکی دیگر از عواملی که می تواند دمای مناطق شهری را در آینده افزایش دهد، تغییر اقلیم و خشکسالی است. این دو عامل باعث کاهش منابع آبی و کاهش تعادل حرارتی شده و به طور مستقیم و غیرمستقیم بر پوشش گیاهی مناطق شهری تأثیر می گذارد. کاهش پوشش گیاهی نیز به افزایش گرما کمک می کند. به همین دلیل عوامل مختلفی به صورت هم افزا منجر به افزایش دما در این مناطق خواهند شد. بنابراین لازم است اقدامات لازم برای مقابله با این شرایط اجتناب ناپذیر انجام شود.
واژگان کلیدی: پوشش گیاهی، تغییر دما، سنجش از دور، لندست، سر پل ذهاب
Investigation of Vegetation Changes and Its Effect on Surface Temperature Changes (Case study: SarpolzahabCity)
Statement of the Problem: The cover of the Earth's surface has a significant impact on the temperature in the surrounding area. The land cover not only has an effect on the environment in its immediate vicinity, but it is also considered an essential component in the administration of land resources and the evaluation of environmental appropriateness. The increase in population has resulted not only in the development of the physical boundaries of the cities but also in a transformation of the texture found within the cities themselves. Inner-city development, construction, street paving, and other destructive activities in the cities pose a serious threat to the health of the environment. The negative consequences of these activities, which include a reduction in the area of suburban farmlands, the destruction of vegetation, and an increase in the surface temperature of the earth in urban areas, are listed as some of the negative outcomes.
Purpose: The city of Sarpol Zahab, which is located in Iran and is one of the regions that have been investigated as part of this research, is one of the regions that has experienced a significant loss of vegetation over the course of the previous years, which has caused a shift in the city's thermal balance. Because of this, we came to the conclusion that using satellite data would be the best way to analyze the variations in the temperature of the land's surface, as well as the changes in vegetation, and to estimate the pattern. The current study will evaluate the changes in plant cover and how those changes affect the thermal temperature patterns of the city of Sarpol-Zahab by using three indices: SAVI, NDVI, and NDBI. The examined index composition in Iran has mostly been restricted to the thermal indices, despite the fact that a significant amount of research has been conducted in this field. Because of this, conducting an examination of the vegetation cover index, the changed vegetation cover, and the earth temperature index all at the same time can provide a more accurate picture of the changes that have taken place. The findings of this research can be applied to the fields of urban green space management and urban development management, as well as other related areas of study, and they can provide managers with comprehensive information that can aid in the planning of the development of buildings, roads, green spaces, and the protection of urban green masses.
Methodology: The changes in normalized vegetation difference index (NDVI), Soil-Adjusted Vegetation Index (SAVI), and Normalized Difference Built-up Index (NDBI) from 1984 to 2016 were analyzed by employing Landsat imageries Row 36 and Column168 in order to determine the changes in land surface temperature. The changes were analyzed using two different time periods ranging from 1984 to 1998 and from 1998 to 2016. The influence of these temperature shifts was analyzed with the help of the concomitant shifts in the LST index.
Results and discussion: In our findings, we saw a slight decline in the NDVI as well as the SAVI index. A more in-depth look at the ways in which these indices can vary was accomplished through the use of differential maps. These maps showed that there had been a rise in the number of areas in the region that had lower NDVI and SAVI indices, which is indicative of a drop in the amount of green space and vegetation cover. In a similar vein, the evolution of the NDBI showed that the patches of this index increased in size by 715 and 797 ha between the years 1984 and 1989 and 1989 and 2016. As a direct consequence of this, metropolitan areas have not only expanded, but also become denser in terms of the footprint and height of the buildings. The changes that were taking place concurrently in the LST index were not congruent with the changes that were taking place in the NDVI, SAVI, and NDBI indices. The decrease in the LST index from 1984 to 2016 was followed by oscillations in that measure. The areas with decreasing LST were 223 ha and 563 ha, respectively, over 1984-1998 and 1998-2016, which indicates that the LST has decreased on a regional basis. Nevertheless, heat islands have emerged in urban areas, which indicates a move away from a consistent rise in temperature toward a more uneven one. As a consequence of this, the likelihood of future heat waves occurring in these heat islands will undoubtedly increase.
Conclusion: According to our findings, there has been a reduction in the amount of plant cover in the region. Between the years 1984 and 2016, this came at the price of the agricultural land and open spaces that surrounded the county of Sarpolzahab. As was mentioned earlier, the increase in the size of metropolitan areas has been a contributing factor in the decline of vegetation indicators. Because of this, we decided to investigate this matter using the NDBI index. The expansion of residential areas and the rise in the construction density of urban regions are both illustrated rather clearly by this index. This increase in density has taken place not only horizontally, but also vertically, and as a result, there has been a rise in the number of multi-story structures constructed. It is possible for there to be more air stagnation within the city as a result of the increased density and height of buildings, which can also lead to an increase in the number of thermal islands. In order to investigate the simultaneous effects of heat in urban areas, changes in vegetation and an index measuring the amount of built-up area were utilized, but the LST index was also considered. The changes that occurred in this indicator between the years 1984 and 2016 displayed a reasonable amount of variety. The primary culprit might have been atypically high temperatures during the relevant years. On the other hand, it would appear that there are more urban heat islands now than there were before. Because of this, the pattern of temperature growth is now island-like, and certain urban areas that are experiencing problems with their air conditioning are at risk of experiencing local temperature increases. In the past, temperature increases occurred consistently in urban areas. However, this is no longer the case. It would appear that a change in land use and a reduction in the amount of urban green space in Sarpolzahab have contributed to an increase in the average temperature of the region as well as the development of thermal islands. As a consequence of this, municipal administrators have an increased responsibility to maintain a heightened level of vigilance regarding the growth pattern of residential settlements and the types of structures. Climate change and drought are two more potential factors that could contribute to future temperature rises in metropolitan areas. These two factors reduce the amount of available water and throw off the thermal balance, both of which will have direct and indirect effects on the urban vegetation. A further contributor to an increase in temperature will be the removal of plant cover. As a consequence of this, the combined effects of a number of contributing elements will lead to an increase in temperature in these areas. As a result, it is absolutely necessary to take the necessary actions in order to handle these inescapable challenges.
Keywords: Vegetation, varying temperatures, remote sensing, Landsat, and SarpolzahabCity are some of the keywords to look for.
-
بررسی منشأ و نحوه گسترش مکانی غلظت های بالای گردوغبار و تحلیل همدیدی آن در حوزه گاوخونی
تاریخ چاپ : 1399/10/01 -