بررسی نقش تغییرکاربری - پوشش زمین در تغییرات دمای حوزه آبخیز خرسان
الموضوعات :مسعود آسوده 1 , مریم مروتی 2 , aref saberi 3
1 - کارشناسی ارشد علوم و مهندسی محیط زیست، دانشکده کشاورزی و منابع طبیعی، دانشگاه اردکان،اردکان، ایران
2 - دانشیار، گروه علوم ومهندسی محیط زیست، دانشکده کشاورزی و منابع طبیعی، دانشگاه اردکان ، اردکان ، ایران
3 - دکتری علوم و مهندسی آبخیزداری، گروه علوم و مهندسی آبخیزداری، دانشکده منابع طبیعی ، دانشگاه علوم کشاورزی و منابع طبیعی ساری ، ساری ، ایران
الکلمات المفتاحية: دﻣﺎي ﺳﻄﺢ زﻣﯿﻦ, حوضه خرسان, ﻣﻌﮑﻮس ﺗﺎﺑﻊ ﭘﻼﻧﮏ, ﺟﺰاﯾﺮ ﺣﺮارﺗﯽ,
ملخص المقالة :
پژوهش حاضر به ارزیابی تغییرات کاربری اراضی در نوسان دما و جزایر حرارتی در حوزه آبخیز خرسان شهرستان یاسوج در سالهای2010، 2014، 2018 و 2022پرداخته شده است؛ که ابتدا نقشه های کاربری اراضی، شاخص پوشش گیاهی وLSD با استفاده از گوگل ارث انجین محاسبه شدند. برای تهیه نقشه های دما، شاخص NDVI و کاربری اراضی از تصاویر لندست 7-8 با دقت مکانی30متر استفاده شد که در نهایت 7-6کاربری تفکیک شدند و در میان انواع کاربری تعیین شده کاربری مرتع با 8/46درصد بیشترین مساحت و اراضی بایر و منابع آب به ترتیب 2/2و 4/4درصد کمترین درصد را داشتند. ضریب کاپا و نتیجه صحت سنجی برای این نقشه نشان داد که87/0 و5/0 درصد دقت داشتند طوریکه هرچه اعداد به یک نزدیکتر باشند دقت کار را بهتر نشان میدهند.مقادیر شاخص NDVI نشان داد که در سال 2018و 2010پوشش گیاهی مناسب بود و در دو سال دیگر 2014و 2022به صورت متوسطی نشان داده شد؛ حداکثر ارزش پیکسلی که پوشش گیاهی74/0 است و حداقل ارزش پیکسل 49/0-است.مقادیر شاخص LSD نیز نشان داد سال 2018شدت دمایی نسبت به سه سال دیگر کمتر بوده است.حداکثر دما در این سال 98/32 درجه سانتیگراد بوده است.حداکثر دمای اندازهگیری شده در حوزه آبخیز خرسان در در سال 2022برابر با 22/45 درجه سانتیگراد بوده است؛ با بررسی همبسنگی بین کاربری اراضی و دما با سطح اطمبنان (Pvalue<0.05) مشخص شد که بیشترین ارتباط را اراضی زراعی با مقدار 724/0دارد و کمترین آن را اراضی بایر و لخت برابر یا 305/0 در سال 2014 داشته است.
1. Abedini M, Mostafazadeh R, Javadi A, Constable S, Frouten A, Mehdi H. 2019. Preparation of land use map using Landsat 8 satellite images (case study: Koze Topraghi watershed), 5th international conference on tourism, geography and clean environment, Hamedan, https://civilica.com/doc/1151444. [In Persian].
2. Al Rakib A, Akter KS, Rahman M N, Arpi S, Kafy A A. 2020. Analyzing the pattern of land use land cover change and its impact on land surface temperature: a remote sensing approach in Mymensingh, Bangladesh. In Student Res. Conf. [In Persian].
3. Arab N, Salmanmahiny A, Mikaeili Tabrizi AR, Houet T. 2022. Investigation and analysis of land use dynamics and its impact on urban Heat islands(Case study: Mashhad). Journal of Natural Environment, 75(3): 384-398. Doi: 10.22059/jne.2022.336599.2365.[In Persian].
4. Asghari Sarasekanrood S, Asadi, B. 2021. Analysis of land use changes and their effects on the creation of thermal islands in Isfahan City. The Journal of Geographical Research on Desert Areas, 8(2) 217-246:. Doi 20.1001.1.2345332.1399.8.2.9.6. [In Persian].
5. Bokaie M, Zarkesh MK, Arasteh PD, Hosseini, A. 2016. Assessment of urban heat island based on the relationship between land surface temperature and land use/land cover in Tehran. Sustainable Cities and Society, 23: 94-104. Doi : org/10.1016/j.scs.2016.03.009.
6. Guha S Govil, H. 2021. An assessment on the relationship between land surface temperature and normalized difference vegetation index. Environment, Development and Sustainability, 23: 1944-1963.
7. Hunt JC, Aktas YD, Mahalov A, Moustaoui M, Salamanca F, Georgescu M. 2017. Climate change and growing megacities: hazards and vulnerability. In Proceedings of the Institution of Civil Engineers-Engineering Sustainability, 171 (6): 314-326. Thomas Telford Ltd. Doi :org/10.1680/jensu.16.00068.
8. Kafy A A, Al Rakib A, Akter KS, Jahir D MA, Sikdar M S, Ashrafi TJ, Rahman M M. 2021. Assessing and predicting land use/land cover, land surface temperature and urban thermal field variance index using Landsat imagery for Dhaka Metropolitan area. Environmental Challenges, 4: 100192. Doi : org/10.1016/j.envc.2021.100192.
9. Kazemi M, Nafarzadegan AR, Mohammadi F. 2020. Studying changes in heat islands and land uses of the Minab city using the random forest classification approach and spatial autocorrelation analysis. [In Persian].
10. Khedmatzadeh A, mousavi M, Mohamadi Torkamani H, Mohammadi MS. 2021. An Analysis of Land Use Changes and Thermal Island Formation in Urmia City exclusion Using Remote Sensing. Regional Planning, 11(41): 119-134. Doi: 10.30495/jzpm.2021.3965. [In Persian].
11. Khuzari Ahmedabad M, Soleimani K. 2016. The use of satellite images to prepare the land use map of Qezal Ozen watershed using fusion technique and object-oriented processing. Application of geographic information system and remote sensing in planning, 8 (3): 13-21. https://sanad.iau.ir/Journal/gisrs/Article/934598. [In Persian].
12. Koko AF, Yue W, Abubakar GA, Alabsi AAN, Hamed R. 2021. Spatiotemporal influence of land use/land cover change dynamics on surface urban heat island: A case study of Abuja metropolis, Nigeria. ISPRS International. Journal of Geo-Information, 10(5): 272. Doi: org/10.3390/ijgi10050272.
13. Kong J, Pfeiffer M, Schildbach G, Borrelli F. 2015. Kinematic and dynamic vehicle models for autonomous driving control design. In 2015 IEEE intelligent vehicles symposium (IV) (pp. 1094-1099). IEEE. DOI: 10.1109/IVS.2015.7225830.
14. Latif MS. 2014. Land surface temperature retrival of Landsat-8 data using split window algorithm-A case study of Ranchi district. International Journal of Engineering Development and Research, 2(4): 2840-3849. DOI: 10.7537/marsjas131217.08. [In Persian].
15. Ma Y, Zhang S, Yang K, Li M. 2021. Influence of spatiotemporal pattern changes of impervious surface of urban megaregion on thermal environment: A case study of the Guangdong–Hong Kong–Macao Greater Bay Area of China. Ecological Indicators, 121:107106. Doi:org/10.1016/j.ecolind.2020.107106.
16. Mansouri S, Khaledi S, Borna R, Asadian F. 2020. Effect of Land Use Change and Reduction of Urban Green Space on Intensification of Heat Island and Pollution in Tehran (Case Study: Region One). Geography, 17(63):114-129 . https://mag.iga.ir/article_246008.html?lang=en. [In Persian].
17. Mansourmoghaddam M, Rousta I, Zamani M, Mokhtari MH, Karimi Firozjaei M, Alavipanah 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. [In Persian].
18. Mohammadi Ravari F, Mazidi A, Behzadi shahrbabak Z. 2023. Evaluating the trend of temperature changes, heat island and vegetation cover during the hot season in Yazd. Scientific- Research Quarterly of Geographical Data (SEPEHR), 32(125): 163-177. Doi: 10.22131/sepehr.2023.561806.2904. [In Persian].
19. Mortazavi Assal SK, Saidirizvani N, Rezaei M. 2021. The effect of land use on the spatial distribution of cool islands in Tehran. Geographical Studies of Mountain Regions, 2 (2): 50-33. Doi:10.52547/gsma.2.2.31. [In Persian].
20. Mundhe NN, Jaybhaye R G. 2014. Impact of urbanization on land use/land covers change using Geo-spatial techniques. International journal of geomatics and geosciences, 5(1): 50-60.
21. Ndossi MI, Avdan U. 2016. Inversion of land surface temperature (LST) using Terra ASTER data: a comparison of three algorithms. Remote Sensing, 8(12): 993. doi.org/10.3390/rs8120993.
22. Outridge P M, Mason RP, Wang F, Guerrero S, Heimburger-Boavida LE. 2018. Updated global and oceanic mercury budgets for the United Nations Global Mercury Assessment 2018. Environmental science & technology, 52(20): 11466-11477. doi.org/10.1021/acs.est.8b01246.
23. Rashid N, Alam JM, Chowdhury MA, Islam SLU. 2022. Impact of landuse change and urbanization on urban heat island effect in Narayanganj city, Bangladesh: A remote sensing-based estimation. Environmental Challenges, 8: 100571. doi.org/10.1016/j.envc.2022.100571.
24. Richardson AJ, Wiegand CL. 1977. Distinguishing vegetation from soil background information. Photogrammetric engineering and remote sensing, 43(12): 1541-1552.
25. Sankey JB, Wallace CS, Ravi S. 2013. Phenology-based, remote sensing of post-burn disturbance windows in rangelands. Ecological indicators, 30: 35-44. doi.org/10.1016/j.ecolind.2013.02.004.
26. Shabani M, Darvishan S, Solaimani K. 2019. Investigating the Effects of Land Use Change on Spatiotemporal Patterns of Land Surface Temperature and Thermal Islands (Case Study: Saqqez County). Geography and Environmental Planning, 30(1): 37-54. Doi: 10.22108/gep.2019.115781.1127. [In Persian].
27. Shakiba AR, Ziyaian Firouzabadi P, Ashurlo d, Namdari S. 2018. Analysis of land use and land cover and thermal islands in Tehran, using ETM+ data. Iranian Remote Sensing and GIS Journal. 1 (1): 56-39. [In Persian].
28. Shirani-Bidabadi N, Nasrabadi T, Faryadi S, Larijani A, Roodposhti MS. 2019. Evaluating the spatial distribution and the intensity of urban heat island using remote sensing, case study of Isfahan city in Iran. Sustainable cities and society, 45, 686-692. doi.org/10.1016/j.scs.2018.12.005. [In Persian].
29. Taghi Melai Y, Karamshahi AA, Erfani Fard SY. 2022. Preparation of land use map with basic object classification with high resolution satellite images of WorldView 2. Environmental Science and Technology, 23(4 (107 consecutive)): 249-258.[In Persian].
30. Tahani Yazdli M, Rousta I, Abdolazimi H. 2023. Analyzing the Relationship between Temporal and Spatial Changes in Daily Surface Temperature and the Spatial Pattern of Land Cover Changes in the Direction of Environmental Sustainability (Case Study: Kashan city_ Iran). Geography and Environmental Sustainability, 13(1): 1-20. Doi: 10.22126/ges.2022.8014.2551.[In Persian].
31. Taloor AK, Manhas DS, Kothyari GC. 2021. Retrieval of land surface temperature, normalized difference moisture index, normalized difference water index of the Ravi basin using Landsat data. Applied Computing and Geosciences, 9: 100051.
32. Varameshc S, Mohtaram Anbaran S. 2023. Land Use Mapping by Classification of Landsat Images Using Synthetic Method. GeoRes 38 (1) :35-43. http://georesearch.ir/article-1-1411-fa.html . [In Persian].
