Subject Areas : geographical and environmental

Fahimeh Hooshmand ¹ , mohammad ebrahim afifi ^{2 *}

1 - PhD Student of Islamic Azad University of Larestan, Larestan Department of Geography
2 - Assistant Professor of Islamic Azad University, Larestan branch

Received: 2021-07-06 Accepted : 2021-11-13 Published : 2024-06-06

Keywords:

References:

 اﺑﺮاﻫﯿﻤﯽ ﻫﺮوی، ﺑﻬﺮوز،1393، ﺗﺤﻠﯿﻞ رواﺑﻂ ﺑﯿﻦ ﺟﺰاﯾﺮ ﺣﺮارﺗﯽ ﺷﻬﺮي و ﺗﻐﯿﯿﺮات ﮐﺎرﺑﺮي/ ﭘﻮﺷﺶ زﻣﯿﻦ ﺑـﺎ اﺳـﺘﻔﺎده از ﺗﺼـﺎوﯾﺮ ﻣـﺎﻫﻮاره¬اي در ﮐﻼﻧﺸﻬﺮ ﮐﺮج، داﻧﺸﮕﺎه ﺷﻬﯿﺪ ﭼﻤﺮان اﻫﻮاز، ﮔﺮوه ﺳﻨﺠﺶ از دور.
 افشار، مژگان، 1379، بررسی و شناخت جزیره حرارتی شهر تهران، پایان نامه کارشناسی ارشد، دانشگاه آزاد اسلامی، تهران.
 اکبری، هادی. 1379، بررسی الگوی توزیع درجه حرارت شهر تهران با استفاده از اطلاعات حرارتی لندست TM، پایان نامه کارشناسی ارشد،دانشگاه تربیت مدرس.
 امیری، رضا، علیمحمدی، عباس، علوی‌پناه، سیدکاظم، 1386، مطالعه تغییرپذیری فضایی-زمانی حرارت در ارتباط با کاربری/پوشش زمین در منطقه شهری تبریز با استفاده از داده های حرارتی و انعکاسی TM و ETM+ لندست، مجله محیط شناسی، سال سی و سوم، 43، صفحه 120-107.
 آخوند زاده، مهدی و سراجیان، محمد رضا.1386، کاربرد تصاویر ماهواره ای Terra-ASTER در نمایش جزایر حرارتی در مناطق شهری –شهر تهران، دومین همایش مقابله با سوانح طبیعی. قطب علمی مهندسی نقشه برداری و مقابله با سوانح طبیعی . دانشکده فنی دانشگاه تهران.
 حدادی، حسین 1388، تحلیل زمانی و مکانی امواج گرما در ایران. پایان نامه کارشناسی ارشد اقلیم شناسی در برنامه ریزی محیطی، دانشکده علوم انسانی و اجتماعی، گروه جغرافیا، دانشگاه تربیت مدرس
 رحیمی، داریوش؛ میرهاشمی، حمید؛ علیزاده، تیمور 1396، بررسی تحلیل ساختار امواج گرمایی در غرب و جنوب غرب ایران. جغرافیا و برنامه¬ریزی محیطی، سال 28، شماره 3.
 عفیفی، محمد ابراهیم، محمدی، مجتبی، 1400، بررسی وقوع پدیده جزایر حرارتی شهری با استفاده از تصاویر ماهواره ایASTER (منطقه مورد مطالعه: شهر شیراز) ، فصلنامه جغرافیا و مطالعات محیطی، سال دهم، شماره 37، صص21-44
 فاطمی، سید باقر، رضایی، یوسف، مبانی سنجش از دور، انتشارات آزاده، 1384.
 قویدل رحیمی، یوسف، رضایی، محمد 1394، جستاری پیرامون شناسایی، طبقه بندی و تحلییل سیینوپتیک امواج گرمایی استان شیراز. جغرافیا و برنامه ریزی، 19 (54)، 253-277.
 کریمی فیروزجایی، محمد، کیاورز، مجید، علوی پناه، سیدکاظم، 1396، پایش و پیش بینی شدت جزیره حرارتی شهر بابل با توجه به گسترش شهری و تغییرات کاربری اراضی در بازه زمانی 1364-1394، مهندسی فناوری اطلاعات مکانی، دوره 5، شماره 3، صص123-151
 مجرد، فیروز، معصوم پور، جعفر؛ رستمی، طیبه 1394، تحلیل آماری همدیدی امواج گرم بالای 40 درجة سانتی گراد، در غرب ایران.جغرافیا و مخاررات محیطی، 13 (1)، 47-51.
 ﻣﺠﻨﻮﻧﻴﺎﻥ، ﻩ. 1374. ﻣﺒﺎﺣﺜﻲ ﭘﻴﺮﺍﻣﻮﻥ ﭘﺎﺭﻙ ﻫﺎ، ﻓﻀﺎﻱ ﺳﺒﺰ ﻭ ﺗﻔﺮﺟﮕﺎﻩ ﻫﺎ. ﺳﺎﺯﻣﺎﻥ ﭘﺎﺭﻙ ﻫﺎ ﻭ ﻓﻀﺎﻱ ﺳﺒﺰ ﺗﻬﺮﺍﻥ.

 Austria P. F., Bandala, E. R. (2017). Temperature and heat-related mortality trends in the Sonoran and Mojave desert region. Atmosphere, 8 (53), 1-13.
 Griffith, D. A. (2003). Spatial Autocorrelation and Spatial Filtering: Gaining Understanding through Theory and Scientific Visu-alization, Advances in Spatial Science, Springer, 247.
 Intergovernmental Panel on Climate Change (2014). Climate Change 2014: Impacts, Adaptation and Vulnerability. Working group II contribution to the IPCC fifth assessment report, Cambridge, United Kingdom: Cambridge University Press. www.ipcc.ch/report/ar5/wg2.
 Madrigano, J., Ito, K., Johnson, S., Kinney, P. L., Matte, T. (2015). A case-only study of vulnerability to heat wave-related mortality in New York city (2000-2011). Environ Health Perspect, 123 (7), 672-678.
 Sen, P. K. (1968). Estimates of the regression coefficients based on Kendall’s tau. Journal of the American Statistical Association, 63: 1379-1389.
 Tonglin, Z., Lin, Ge., (2007). A decompositionof Moran's I for clustering detection,Computational statistics and data analysis, 51.
 Wang, ZB, Fang, CL. (2016). Spatial-temporal characteristics and determinants of PM 2.5 in the Bohai Rim Urban Agglomeration. Chemosphere; 148:148-62.

Full-Text:



  مجله علوم جغرافيايي، دانشگاه آزاد اسلامي واحد مشهد، دوره 19، شماره 42، بهار 1402، صص 195-180

 

تحلیل فضایی آسیب پذیری شهری در زمان رخدادهای امواج حدی گرم با استفاده از شاخص خودهمبستگی فضایی MORANs I (مطالعه موردی شهر شیراز)

فهیمه هوشمند

دانشجوي دکتري جغرافیا و برنامه ریزی شهری، واحد لارستان، دانشگاه آزاد اسلامی، لارستان، ایران

محمد ابراهیم عفیفی 

 دانشیار گروه جغرافیا، واحد لارستان، دانشگاه آزاد اسلامی، لارستان، ایران(نویسنده مسئول)

[e-mail]        

دريافت: 15/4/1400                          پذيرش: 22/8/1400

چکیده

موج­های گرمایی شدید از مهم­ترین بلایای آب و هوایی بوده که هر سال پیامدهای زیست محیطی مخربی را در طبیعت به جای می گذارند. در این پژوهش برای بررسی روند سری زمانی فراوانی 30 ساله (2016-1987) رخدادهای امواج گرم شهر شیراز از دو نمایه روزهای گرم و امواج گرم (روزهای گرم با تداوم 2 روز و بیشتر) از آماره ناپارامتریک تحلیل روند Sens استفاده شده که نتایج آن در همه ایستگاه­ها بیانگر وجود یک روند افزایشی هم در تعداد روزهای گرم شهر شیراز و هم در فراوانی رخدادهای امواج گرم در 5 ایستگاه سطح شهر شیراز بوده است. هدف اساسی این پژوهش، تحلیل فضایی آسیب­پذیری شهر شیراز در زمان رخداد امواج گرم است که بر اساس تحلیل فراوانی اموج گرم ثبت شده است. با استفاده از تحلیل آمار فضایی لکه­های داغ، نواحی بحرانی شهر شیراز حین رخداد موج گرم شناسایی شد و میزان جمعیت در معرض خطر با استفاده از تحلیل ماتریس متقاطع به­دست آمد. نتایج نشان داد که هسته­های بحرانی داغ در روز­های حاکمیت موج گرم در ساعت 12، عموما مناطق شمالی و جنوبی را به صورت معنی­داری درگیر کرده است. میانگین دمایی این هسته داغ حرارتی به­ طور متوسط در طی دو موج گرم، به بیش از 43 درجه سانتی­گراد رسیده است. دمای این هسته داغ حرارتی به­صورت معنی­داری حین رخداد موج گرم بالا می­رود.

واژگان کلیدی : آمار فضایی، امواج گرم، رخداد­های حدی، شهر شیراز، لکه­های داغ.

 

 

 

 

 

 

 

مقدمه 

تغییر اقلیم یا به عبارت دقیق­تر گرمایش جهانی امروزه مهم­ترین چالش محیطی است که در مقابل جوامع بشری قرار گرفته است (هیئت بین دولتی تغییر اقلیم¹، 2014). اثرات گسترده این تغییرات آب و هوایی در همه ابعاد حیات بشری قابل مشاهده است. دما نیز به عنوان یکی از مهم­ترین و حیاتی­ترین عناصر اقلیمی به شدت از تغییرات آب و هوایی متاثر می­شود. دما از مهم ترین عناصر مؤلفه جوی دستگاه آب و هوا بوده و در تعیین نقش و پراکندگی دیگر عناصر آب و هوا نیز موثر است (قویدل و رضایی، 1394). افزایش رخدادهای حدی دما شامل امواج گرم زمستانه و تابستانه، امواج سرد زمستانه و تابستانه، سرماهای دیررس بهاره، امواج گرمایی زودرس بهاره، رکوردهای دمایی فصل گرم، تغییرات فضایی نواحی دمایی و نیز جابه­جایی فصلی دما از تظاهرات اصلی تغییرات آب و هوایی در زمینه دما می­باشد (هیئت بین دولتی تغییر اقلیم، 2014). از امواج گرم تعریف روشنی ارائه نشده است. 

امواج گرم که یکی از رخدادهای فرین مهم دمایی است، در کشور ما به یکی از نمایه­های اصلی گرمایش جهانی (در کنار نمایه اصلی یعنی خشکسالی) تبدیل شده است. به گونه­ای که در دو دهه اخیر (از سال 2000 به بعد)، رکوردهای دمایی بیشینه در بسیاری از نواحی کشور از جمله خوزستان (دمای بالای 60 درجه در تیر ماه)، قصر شیرین، نواحی مرکزی ایران ثبت شده است (حدادی، 1388). پدیده جزایر حرارتی بعنوان یک پدیده مهم محیطی که در شهرهای بزرگ بیشتر دیده می شود با رشد چشمگیر شهرنشینی در کشور ما نیز موجب افزایش میزان حملات قلبی، مشکلات تنفسی، مشکلان روحی و روانی ناشی از گرمای زیاد و ورود ریزگردها شده که این پدیده سلامت افراد را تهدید می کند (ابراهیمی هروی، 1393). رخدادهای مرگ و میر مرتبط با دماهای فرین حدی گرم را درشهر­های بیابانی اسنوران² طی دوره آماری 2014-1950 مورد بررسی قرار دادند. نتایج نشان داد که فرکانس رخداد امواج گرم از سال 1990 به­صورت معنی­داری افزایش یافته است. این افزایش مرگ ومیر­های مرتبط با گرمازدگی و بیماری­های مرتبط با گرما در مورد ایالت­هایی که تراکم جمعیتی بیشتری دارند و در بافت­های شهری بوده­اند، بالاتر بود (آسترا و باندلا³ ، 2017).

در کنار مرگ و میر­های مرتبط با امواج گرم، تعداد مراجعین به بیمارستان­ها در رخدادهای گرم تابستانه، نیز یکی از شاخص­های خسارت زایی موج گرم است که مورد بررسی پژوهشگران قرار گرفته است؛ به­طوری که مادریگان و همکاران (2015)، اقدام به بررسی تعداد مرگ و میرهای کلان شهر نیویورک در حالت­های بحرانی موج گرم طی دوره آماری 2000-2011 کردند. ایشان نشان دادند که در روزهایی که موج گرم و ابرگرم حاکم بوده است تعداد مرگ و میرهای ثبت شده بیمارستان مرکزی نیویورک، حدود 15 تا 19 درصد بالاتر از روزهای عادی بوده است. ایشان مشاهده کردند که در شهر نیویورک، میزان مرگ و میر سیاه پوستان در رخدادهای حدی گرم از سایر نژادها بالاتر بوده است.

مجرد و همکاران (1394) به تحلیل آماری همدیدی امواج گرمایی بالای 40 درجه سلسیوس در غرب ایران پرداختند. ایشان با تحلیل شرایط سینوپتیکی رخدادهای امواج گرم در غرب کشور دو الگوی عمده و اصلی همدید مولد این رخدادها را استخراج کردند. ایشان نتیجه گرفتند که پرارتفاع آزور و پرفشار عربستان دو الگوی سینوپتیکی عمده مولد امواج گرمایی در منطقه بوده و زمان آغاز آن از مرداد است. 

رحیمی (1396) اقدام به بررسی و تحلیل امواج گرم رخداده در سال 1389 در استان خوزستان کرد. ایشان برای تحلیل سینوپتیک گرم­ترین آها از میان 5 موج که یک موج فوق گرم 4 روزه به وقوع پیوسته از روز 14 تا 17 تیرماه بود، برای مطالعه انتخاب کرد. نتایج تحلیل سینوپتیک موج فوق گرم یاد شده نشان داد که استقرار یک کم فشار در سطح زمین و استیلای پرفشار در سطوح میانی تا 500 هکتوپاسکال و همچنین افزایش شدید ضخامت جو بر روی استان خوزستان که موجب فرونشینی هوای گرم و گرمایش بیش از حد سطح زمین می شود، عوامل دینامیک- سینوپتیک وقوع روزهای فوق گرم هستند. پژوهش کریمی فیروزجایی و همکاران (1396) نقش پهنه­های ساخت شهری را در تشکیل و تشدید جزایر حرارتی نشان داد به طوری که تفاوت دمایی محیط­های شهری با محیط­های غیر شهری، 3 تا 4 درجة سانتی­گراد بوده است. عفیفی و همکاران در سال 1400 در پژوهشی به بررسی وقوع پدیده جزایر حرارتی شهری با استفاده از تصاویر ماهواره ای ASTER   در شهر شیراز پرداخته اند. در این تحقیق از 5 باند برای بازیابی توزیع دمای سطح زمین و تعیین اثرات محلی جزیره حرارتی استفاده شده است. ایشان نتیجه گرفتند که اثر جزیره حرارتی شهری در شیراز اساسا در مناطق صنعتی غرب و مسکونی و جنوب شرق شیراز واقع شده است.

با وجود اهمیت روزافزون گرمایش جهانی و فراوانی رخداد امواج گرم به ویژه در فصل گرم و افزایش خسارات مالی و جانی آن، مطالعة جامعی در مورد میزان آسیب­پذیری بالقوة نواحی شهری درمقابل رخداد موج گرم به مثابه یکی از فرایندهای حدی اقلیم صورت نگرفته است. هدف اساسی پژوهش حاضر بررسی میزان آسیب­پذیری شهر شیراز دربرابر امواج گرم به منزلة یکی از مخاطرات نوظهور اقلیمی است.

معرفی منطقه مورد بررسی

منطقه مورد مطالعه، شهر شیراز می­باشد که به عنوان یکی از مناطق صنعتی، توریستی و جمعیتی دارای رشد بالای توسعه شهری و افزایش جمعیت بوده‌ است. با توجه به تاثیر عرض جغرافیایی و اقلیم‌های مختلف بر دمای سطح و پدیده جزایر حرارتی، شهر شیراز دارای آب و هوای گرم و نیمه خشک است. شهر شیراز به عنوان مرکز استان فارس در دشتی تقریباً مستطیل شکل در 29 درجه و 37 دقیقه عرض شمالی و 52 درجه و 32 دقیقه طول شرقی قرار گرفته است. ارتفاع شهر شیراز از سطح دریا 1540 متر می باشد. متوسط درجه حرارت سالانه 3/17 درجه­ی سانتی گراد و حداکثر درجه حرارت 2/43 درجه ی سانتی گراد در فصول گرم و حداقل درجه حرارت 14- درجه ساننتیگراد در فصول سرد می باشد. میزان بارندگی سالانه بیش از 307 میلی متر بوده و روزهای یخبندان حدود 54 روز می­باشد.

 

شکل 1 منطقه مورد مطالعه، شیراز

مواد و روش­ها

 منابع داده ها

حرارت سطح زمین شاخص مهمی در مطالعه مل های تعادل انرژی در سطح زمین و فعل و انفعالات بین زمین و اتمسفر در مقیاس منطقه ای و جهانی است. تصاویر سنجش از دور به دلیل پوشش وسیع و به هنگام بودن منبع اطلاعاتی مناسبی در تهیه نقشه های حرارتی و تخمین انرژی تشعشعی سطح زمین می باشند (آخوندزاده، 1386). منابع داده این تحقیق، تصویر ماهوارة TERRA سنجنده ASTER به تاریخ 30 آوریل 2007 و 30 آوریل 2011 ، داده هاي دمایی مرکز تحقیقات هواشناسی و نقشه­هاي کاربري اراضی اداره هواشناسی، جهاد کشاورزی و آب منطقه­ای شهر شیراز می باشد. سنجنده ASTER داراي 14 باند در حیطه­هاي مرئی و مادون قرمز نزدیک (VNIR)، مادون قرمز کوتاه موج (SWIR) و مادون قرمز گرمایی (TIR) است. تصاویر دریافتی در سه حیطه طیفی داراي توان تفکیک مکانی متفاوت می باشند که توان تفکیک باندهاي  VNIR 15 متر، باندهاي SWIR داراي توان تفکیک مکانی 30 متر، تصاویر مادون قرمز گرمایی داراي تفکیک مکانی 90 متر و باند 10 سنجنده ASTER مقدار گرماي گسیل شده از سطوح را اندازه­گیري می­کند.

 

روش تحلیل

در مرحله اول، فرین­های حرارتی گرم یا همان امواج گرم با استفاده از روش صدک­ها و با قید صدک 95 ام (یعنی فرین­های گرمی که احتمال رخداد آن­ها در یک سال 5 درصد و کمتر بوده است) با استفاده از داده­های روزانه ایستگاه های سینوپتیک مذکور استخراج گردید. روند سری زمانی و آستانه متوسط این فرین­های حدی، براساس آمار ایستگاه سینوپتیک فرودگاه شهید دستغیب شیراز با استفاده از دو آزمون تحلیل روند ناپارامتریک مورد بررسی قرار گرفت. دمای سطح شهر در هنگام موج گرم با استفاده از داده­های دمای سطح زمین سنجنده MODIS مورد بررسی قرار گرفت. درنهایت با استفاده از مدل­های آمار فضایی الگوهای توزیع فضایی شدت حرارت فرین گرم در سطح شهر شیراز و مناطق در معرض تنش­های حاد حرارتی با استفاده از آمار خودهمبستگی فضایی محلی و عمومی مورد بررسی قرار گرفت.

تحلیل روند سری زمانی رخدادهای فرین گرم

به منظور تحلیل روند سری های زمانی شاخص های مورد نظراز آزمون ناپارامتریک من-کندال استفاده گردید. تأثیرپذیری ناچیز این روش از مقادیر حدی سریهای زمانی یکی از اصلیترین مزایای استفاده از این روش است. فرض صفر آزمون من-کندال نشان از تصادفی بودن و عدم وجود روند در سری زمانی است و پذیرش فرض یک (رد فرض صفر) نشانهی وجود روند در سری داده ها است. در آزمون من-کندال مقدار هر داده با تمام مقادیر دادههای بعدی مقایسه میگردد. مراحل محاسبه ی آماره ی این آزمون برای سریهای زمانی xn و ... ،x3 ،x2 ،x1 مطابق زیر است:

رابطه ی 1

 

که در آن sign  معادل:

رابطه ی 2 

  

احتمال مرتبط با S و اندازه نمونه، n، محاسبه می گردد تا با استفاده از آماره ی Z اندازه ی روند مطابق زیر بدست آید:

رابطه ی 3

 

که در آن واریانس از طریق معادله ی زیر محاسبه میشود:

رابطه ی 4

 

 

شاخص خود همبستگی فضایی MORANs I

به منظور تحليل فضايي لكـه­هـا ي داغ⁴ دمای هوا، از تحليل خودهمبستگي فضـايي مـوران اسـتفاده شـد (وانگ و همکاران ،2016). مقدار آماره موران جهاني به­وسيله­ي رابطه­ي 5 محاسبه مي­شود.

رابطه 5 (ضریب خودهمبستگی فضایی موران)

بطوري­كه Xi و Xj مقادير متغير را در مكان­هـاي i وj  نشـان مي­دهد. همچنين ميانگين ويژگـي هـر ايسـتگاه را نشـان مي دهد.Wij  مقدار وزن فضايي عارضه­هاي i و j مي­باشد. اگر j و i در همسايگي يكديگر قرار گرفته باشند، مقدار Wij برابـربا يك مـي­باشـد. در صـورتي­كه j و i در همسـايگي يكـديگرنباشند، مقدار Wij صفر به­دست مي­آيد.  نیز مجمـوع تمـام عناصر را نشان مي­دهد. دامنه ي تغييرات شـاخص مـوران جهـاني بـين 1- تـا 1+ است. در صورتيكه مقادير موران معني­دار و بزرگتـر از صـفرباشد، همبستگي فضايي مثبت و خوشه­اي است؛ در غيـر ايـنصورت همبستگي فضايي منفي و به صورت پراكنده مي­باشـد. زمانيكه Z(I)  صـفر اسـت، مبـين الگـوي تصـادفي در ارزش مشاهدات مي‌باشد. (تانگلين⁵ ، 2007 و گريفيت⁶ ، 2003).

در ادامه برای کشف دقیقتر نواحی حرارتی بحرانی سطح شهر شیراز از آماره تحلیل لکه­های داغ⁷  و تحلیل خوشه­ها و ناخوشه­های انسلین⁸که خود مبتنی بر آماره موران محلی است، استفاده گردید. تحلیل لکه­های داغ این تحلیل که مبتنی بر آماره Gi Getis-Ord است، برای شناسایی بلوک­های جمعیتی سطح شهر شیراز که هنگام تسلط موج گرم، دمای  هوای آن ها به صورت معنی­داری (در سطح اطمینان 95/0 (P_value =0.05) بالاتر از اطراف بوده است، استفاده گردید. نمره ی Zمحاسبه شده این اماره نشان می­دهد که در کدام مناطق، داده­ها با مقادیر زیاد یا کم خوشه­بندی شده است. چهارچوب مفهومی این تحلیل اینگونه عمل کند که عارضه­ای لکه داغ تلقّی می­شود که هم خود عارضه و هم عارضه­های همسایه ی آن از نظر آماری به صورت معنی­داری بالاتر از اطراف باشند. آماره Gi Getis-Ord به صورت زیر محاسبه میگردد:

رابطه 6 آمارهGi)  Getis-Ord)

که در این رابطه، xj دمای موقعیت j حین موج گرم، wi,j، وزن فضایی بین موقعیت مشاهداتیi  و  j، n نیز تعداد کل عارضه­ها می­باشد. مولفه S نیز به صورت رابطه زیر محاسبه می­گردد:

رابطه 7
رابطه 8

 

تحلیل فراوانی روزهای حدی گرم

روزهای حدی در این مطالعه روزهایی هستند که از آستانه صدکی تجاوز کرده است. این روزها ممکن است طی یک دوره موج گرم و یا خارج از موج گرم شناسایی شوند. باتوجه به جدول سال­های 1995، 1997 و 2006 با بیش از 40 روز حدی گرم در تمامی ایستگاه­های مطالعاتی (بجز ایستگاه سازمان آب فارس در سال 1995) به عنوان گرم­ترین سال­ها در طول دوره آماری مورد بررسی شناسایی شدند. سال 2007 با بیش از 40 روز حدی گرم در تقریبا اکثر ایستگاه­های شهر شیراز، جزء گرم­ترین سال­ها بوده است. در مجموع در طول دوره آماری مورد بررسی فراوانی تعداد روزهای گرم در بیشتر ایستگاه­های مطالعاتی شهر شیراز رو به افزایش بوده است.

جدول 1. ویژگی­های آماری تعداد روزهای موج گرم در ایستگاه­های شهر شیراز

سال	فرودگاه	شهرک گلستان	شهرک صدرا	سازمان آب	زرقان
1987	23	27	27	26	29
1988	29	24	19	27	27
1989	50	37	24	48	30
1990	40	31	25	31	33
1991	32	22	31	19	28
1992	26	24	27	19	27
1993	17	15	18	12	16
1994	36	33	35	27	28
1995	45	45	42	37	32
1996	25	15	22	12	17
1997	47	44	46	40	46
1998	39	32	35	28	30
1999	35	25	34	17	31
2000	41	44	40	34	38
2001	35	35	33	27	33
2002	32	39	33	30	31
2003	40	39	44	30	33
2004	43	46	42	21	42
2005	36	41	37	29	32
2006	56	57	46	40	43
2007	40	51	44	401	36
2008	47	44	41	35	38
2009	45	53	47	36	32
2010	42	41	39	37	35
2011	49	49	45	33	30
2012	39	47	48	34	29
2013	42	46	43	37	36
2014	47	45	42	35	32
2015	44	48	41	29	39
2016	48	47	34	34	41

 

در جدول زیر ویژگی­های آماری روزهای حدی گرم در ایستگاه­های شهر شیراز آمده است.

جدول2. ویژگی­های آماری روزهای حدی گرم در ایستگاه­های شهر شیراز

	فرودگاه	شهرک گلستان	شهرک صدرا	سازمان آب	زرقان
مجموع	1170	1146	1097	895	974
میانگین	39	2/38	5/36	8/29	4/32
ضریب تغییرات	22/0	29/0	24/0	27/0	20/02
انحراف معیار	8/8	1/11	9	3/8	5/6
بیشینه	سال 2006	سال 2006	سال 2012	سال 1989	سال 1997
کمینه	سال 1993	سال 1996	سال 1993	سال 1993	سال 1993

 

آشکارسازی روند سری زمانی روزهای گرم

برای آشکارسازی روند سالانه سری زمانی تعداد روزهای گرم در ایستگاه­های سطح شهر شیراز طی دروه آماری مورد بررسی (1987 تا 2016)، از آماره تخمینگر شیب Sens استفاده شده که به­صورت نمودارهای شکل 2 ارائه شده است. همانطور که مشاهده می­گردد در ایستگاه فرودگاه براساس این روش ناپارامتریک تخمینگر شیب، هر ساله حدود 56/0 روز تعداد روزهای حدی گرم و در ایستگاه شمال شیراز(شهرک گلستان) هر ساله حدود 92/0 روز تعداد روزهای حدی گرم افزایش یافته است. در ایستگاه شهرک صدرا نیز هر ساله حدود 79/0 روز تعداد روزهای حدی گرم و در ایستگاه سازمان آب فارس هر ساله حدود 32/0 روز تعداد روزهای حدی گرم افزایش یافته است. در ایستگاه زرقان نیز طی دروه آماری مورد بررسی هر ساله حدود 32/0 روز تعداد روزهای حدی گرم افزایش یافته است.

 

ایستگاه فرودگاه	ایستگاه شهرک گلستان
ایستگاه شهرک صدرا	ایستگاه سازمان آب فارس
ایستگاه زرقان شکل 2. آشکارسازی فراوانی تعداد روزهای حدی گرم در ایستگاه­های شهر شیراز، طی دوره آماری 1987 تا 2016

برای ارزیابی خطر بالقوه گرمازدگی و جمعیت در معرض خطر گرمازدگی، از دو موج گرم شناسایی شده، موج گرم 20 تا 28 جولای 2013 (30 تیر تا 6 مرداد 1392) انتخاب شد. میانگین دمای سطح شهر شیراز طی حاکمیت این موج گرم بیشتر از 42 درجه سانتی­گراد بوده است. دمای دیده­بانی شده ساعت 12 به­صورت میانگین در تیرماه به 5/40 و در مرداد ماه 5/42 درجه سانتی­گراد رسید که در مقایسه با سال قبل بین 1 تا 3 درجه سانتی­گراد در تیرماه و مرداد افزایش داشته است. میانگین دمای ساعت 12 ایستگاه­های 5 گانه سطح شهر شیراز در این روزها به 44 درجه سانتی­گراد رسیده است.

 

شکل 3. دمای دیده­بانی شده ساعت 12 به وقت محلی، متوسط ایستگاه­های 5 گانه سطح شهر شیراز طی دوره حاکمیت موج گرم 30 تیر تا 6 مرداد سال 1392

نتایج حاصل از اجرای تحلیل آمار فضایی لکه­های داغ HOT-SPOT، در نقشه شکل 4 ارائه شده است. همانطور که در این نقشه دیده می­شود، هسته­های بحرانی حرارتی که در سطح اطمینان 95/0 (P_value = 0.05)، به صورت معنی­داری از مناطق اطراف گرمتر بوده­اند، آشکار شده است. هسته های بحرانی داغ، در روز های حاکمیت موج گرم در ساعت 12، عموما مناطق شمالی و جنوبی را به صورت معنی­داری درگیر کرده است. شدت تنش گرمایی موج گرم در این مناطق به­صورت معنی­داری بالا بوده است. میانگین دمایی این هسته داغ حرارتی به طور متوسط در طی دو موج گرم، به بیش از 43 درجه سانتیگراد رسیده است. بخش های محدودی از منطقه 2 و نیز منطقه 5 شهر شیراز نیز در این هسته داغ حرارتی قرار گرفته است این هسته داغ حرارتی در سطح شهر شیراز که در ساعت 12 روز های حاکمیت موج گرم، میانگین فضایی دمای آن به بیش از 43 درجه سانتیگراد با ضریب تغییرات فضایی 2/1 درجه سانتیگراد، مساحتی در حدود 128 کیلومتر مربع که برابر 25 درصد از مساحت کل بلوک های آماری شهر شیراز است را در برگرفته است. بخش هایی وسیعی نیز از بلوک های جمعیتی شهر شیراز از لحاظ آماری، براساس تحلیل آمار فضایی HOT-SPOT معنی دار نبوده اند. این بخش ها، که عموما شامل شرقی و شمال غربی تنش حرارتی به صورت معنی داری بالا نبوده است که تشکیل یک هسته حرارتی داغ را در سطح اطمینان 95/20 (P_value = 0.05) بدهد.

 

شکل 4. تغییرات زمانی جزایر حرارتی شهر شیراز

در شکل 5 مشاهده می­شود در تصویر تابستان تعداد این نقاط داغ در تابستان 5 و در زمستان طی روز 2 و طی شب 1 عدد تشخیص داده شده­اند.

 

شکل 5. نقشه های حرارتی نرمال شده به 5 طبقه دمایی استاندارد، از سمت راست نقشه زمستان روز، زمستان شب، تابستان روز

 

همانگونه در شکل 6 نشان داده شده است، نقطه شماره یک منطبق بر یک کارخانه می­باشد و حتی ناحیه دایره ای کبود در تصویری حاکی دمای بالای این نقطه می­باشد، نقطه شماره 2 بر فرودگاه شیراز قرار دارد و نقطه شماره 5 کارخانه سیمان فارس منطبق می باشد. همانگونه که در تصاویر نیز دیده می­شود نقطه 5 (کارخانه سیمان فارس) به طور واضحی در هر سه تصویر شکل 5 مکان خود را حفظ کرده است که این امر گویای ماندگاری دمای بالای این نقطه در زمانهای مختلف سال و شرایط مختلف شبانه روز می­باشد. نقاط داغ (Hot Spot) در تصویر به صورت لکه های قرمز رنگی دیده می شوند که برای وضوح بیشتر آنها دایره های قرمز رنگ نیز در اطراف آنها کشیده شده است.

 

 

شکل 6. آَشکار سازی نقاط داغ بر روی نقشه و تصویر ماهواره ای موقعیت آنها بر روی زمین

همانطور که از مقایسه شکل های قبل با شکل 7 مشاهده می­گردد، مناطق شمالی و جنوبی شهر شیراز که عموما کاربری اراضی بایر و فاقد پوشش گیاهی است دارای بالاترین دما (بیش از 46 دزجه سانتی­گراد) بوده است. رابطه دمای سطح زمین با کاربری اراضی کاملا واضح می­باشد، چنانچه طبقات دمایی بسیار بالا تا حدود زیادی منطبق بر کاربری خاک لخت و در درجه بعدی منطبق بر کاربری شهری می­باشند. پهنه­های گیاهی و آبی به ترتیب کمترین مقدار حرارت را نشان می­دهند. این امر همچنین اثر خنک کنندگی پوشش گیاهی در محیط های آلوده و گرم شهری را نشان می­دهد. (شکل 7). خاک لخت بیشترین دمای سطح را در تمام شهرها و پس از آن سطوح ساختمانی دارای دمای بیشتر نسبت به پوشش گیاهی و پوشش گیاهی دارای کمترین میانگین دمای سطح است ( افشار، 1379 و اکبری، 1379). همچنین ارتباط قوی میان نوع کاربری و دمای سطح و نقش موثر پوشش گیاهی در تعدیل دمای سطح در پژوهشی در شهر تبریز با بررسی رابطه ی میان NDVI و حرارت سطح نشان داده شده است ( امیری، 1386).

 

شکل7: نقشه کاربری اراضی شیراز

 

همانطور که در جدول3 مشاهده می گردد در این هسته داغ حرارتی که به صورت معنی داری دمای آن حین رخداد موج گرم بالا میرود، به طور کلی 2954485 نفر از جمعیت شهر شیراز (برابر با 35 درصد از جمعیت شهر شیراز) قرار گرفته است. در این هسته داغ حرارتی تعداد 13000 بلوک آماری که برابر 40 درصد از کل بلوک های جمعیتی شهر شیراز است، قرار دارد.

جدول 3. آنالیز ماتریس متقاطع⁹ هسته حرارتی آشکارشده شهر شیراز در هنگام حاکمیت موج گرم در سطح شهر و جمعیت و رده های سنی آسیب پذیر در برابر تنش های حرارتی موج گرم سطح شهر شیراز 

طبقات دمایی	نفر
جمعیت کل	2954485
کهنسالان بالای 65 سال	352750
کودکان زیر 10 سال	912890
تعداد بلوک های جمعیتی	13410 بلوک آماری

 

در هسته داغ آشکارشده شهر شیراز در هنگام حاکمیت موج گرم، تعداد 352750 کهنسال بالای 65 سال اعم از زن و مرد وجود دارند. این تعداد کهنسال، برابر 41/0 از کل جمعیت این رده سنتی می­باشد. تنش­های حرارتی می­تواند به صورت چشم­گیری یک ریسک عمده برای سلامتی این رده سنی به حساب آید. تعداد 912890 کودک زیر 10 سال اعم از کودکان دختر و پسر در بلوک های جمعیتی واقع شده در هسته داغ حرارتی شهر شیراز هنگام حاکمیت موج گرم قرار گرفته است. این تعداد کودکان زیر 10 سال برابر 60 درصد از کل کودکان شهر شیراز است.

بحث

در این پژوهش مخاطره بیوکلیمایی رخدادهای موج گرم در شهر شیراز بررسی شده است. تنش های حرارتی تابستانه ناشی از موج گرم در شهر شیراز، هر ساله در تابستان باعث ظهور و تشدید بسیاری از بیماری های ناشی از تنش گرمازدگی¹⁰  می­شود. بررسی پیشینة پژوهش نشان دهندة آن است که تاکنون در پژوهش­های داخل کشور گرمازدگی­ها و تنش­های حرارتی مرتبط با امواج گرم در محیط­های شهری و جمعیت در معرض مخاطرة گرمازدگی­های حاد بررسی نشده است. اما با نگاهی دقیق­تر به موضوع دو نکتة بسیار مهم آشکار می­شود: از یک طرف پژوهش­های متعدد جهانی و داخلی نشان داده­اند که در راستای رخداد گرمایش جهانی، افزون بر میانگین عمومی دما، تعداد رخدادهای حدی دمایی ازقبیل امواج گرم و سرد در سه دهة اخیر روند افزایشی داشته است. از طرف دیگر، روزبه روز تعداد و تراکم جمعیتی و مسکونی شهرها روند افزایشی خواهد داشت؛ بنابراین از یک سو با افزایش فراوانی رخداد حدی موج گرم و ازدیگرسو با افزایش جمعیت شهری و افزایش تراکم مسکونی شهر، انتظار می­رود اثر هم­افزای این دو عامل اقلیمی وانسانی، تأثیرات مخرّب موج گرم نیز در محیط شهری افزایش یابد که پژوهش­های بسیاری این روند را به­صورت عینی در نواحی مختلف جهان اثبات کرده اند. براساس آمار جمعیتی مناطق شیراز، در سال 1395، منطقه 5 شیراز با جمعیت بالغ بر ۹۱۷ هزار و ۲۶۱ نفر، پرجمعیت ترین منطقه شیراز و منطقه 2 با جمعیت 175398 نفر کم جمعیت ترین منطقه شیراز بوده اند. در این پژوهش نتایج نشان داد طی 3 دهه اخیر (1987-2016) رخدادهای حدی گرم در شهر شیراز روند افزایشی داشته است. هسته های بحرانی داغ، در روز های حاکمیت موج گرم در ساعت 12، عموما مناطق شمالی و جنوبی را به صورت معنی­داری درگیر کرده است. میانگین دمایی این هسته داغ حرارتی به طور متوسط در طی دو موج گرم، به بیش از 43 درجه سانتیگراد رسیده است. بخش های محدودی از منطقه 1 و 3 و 5 شهر شیراز نیز در این هسته داغ حرارتی قرار گرفته است این هسته داغ حرارتی در سطح شهر شیراز که در ساعت 12 روزهای حاکمیت موج گرم، میانگین فضایی دمای آن به بیش از 43 درجه سانتیگراد با ضریب تغییرات فضایی 2/1 درجه سانتیگراد، مساحتی در حدود 128 کیلومتر مربع که برابر 25 درصد از مساحت کل بلوک های آماری شهر شیراز است را در برگرفته است. همچنین بیش از 40 درصد از کل جمعیت کهنسال شهر شیراز در محدوده حاکمیت هسته داغ حرارتی هنگام حاکمیت موج گرم قرار گرفته است.

می­توان این ارتباط بین بالا بودن میانگین دمای هوا در نواحی با تراکم بالای جمعیت را با توزیع ساختار و بافت شهری تبیین کرد. آسترا و باندلا (2017)، این رابطه را در پژوهش خود این گونه توجیه کرده­اند: تمرکز جمعیت، افزایش تراکم مسکونی در نواحی مرکزی شهر، ترافیک شهری و جمعیت بالا، تمرکز فعالیت­های گرمازا در بخش­های مرکزی شهر را به همراه خواهد داشت. با توجه به روند رو به افزایش رخدادهای موج گرم ناشی از گرمایش جهانی انتظار می­ رود که در آیندة بسیار نزدیک مشکلات مربوط به تأثیرات منفی موج گرم در سطح شهر به شدت تشدید شده و در بخش­های اورژانس بیمارستان­های شهر به وضوح شاهد مراجعان مرتبط با گرمازدگی و تنش­های گرمایی باشیم.

نتیجه­گیری

در این پژوهش مشخص شد که بیش از 40 درصد از کل جمعیت کهنسال شهر شیراز در محدوده حاکمیت هسته داغ حرارتی هنگام حاکمیت موج گرم قرار گرفته است، لذا موج گرم را می­توان به­عنوان یکی از تهدیدات اساسی بیوکلیمایی شهر شیراز به حساب آورد. این امواج گرم می­تواند تعداد مراجعات اورژانسی بیمارستان را که عموما مربوط به رده سنی کهنسالان است افزایش دهد. ریسک هایپوترمی یا گرمازدگی حاد در بخش­هایی از شیراز که به­عنوان هسته داغ حرارتی شناخته شده است، باید مورد توجه سازمان­ها و نهادهای متولی از جمله مرکز فوریت­های پزشکی و اورژانس شیراز قرار بگیرد. تعداد 912890 کودک زیر 10 سال اعم از کودکان دختر و پسر در بلوک­های جمعیتی واقع شده در هسته داغ حرارتی شهر شیراز هنگام حاکمیت موج گرم قرار گرفته است. این تعداد کودکان زیر 10 سال، برابر 60 درصد از کل کودکان شهر شیراز است. بنابراین بخش اعظم جمعیت کودکان زیر 10 سال در موقعیت این هسته داغ حرارتی قرار گرفته­اند. ریسک موج گرم در این رده سنی بیشتر در زمینه گرمازدگی یا هایپوترمی وافت سطح آب بدن کودکان ظاهر شده و درصورت نبود بیماری­های زمینه­ای، کمتر منجر به حملات قلبی و عصبی می­شود.

 

 

 

 

 

 

 

 

 

منابع

§       اﺑﺮاﻫﯿﻤﯽ ﻫﺮوی، ﺑﻬﺮوز،1393، ﺗﺤﻠﯿﻞ رواﺑﻂ ﺑﯿﻦ ﺟﺰاﯾﺮ ﺣﺮارﺗﯽ ﺷﻬﺮي و ﺗﻐﯿﯿﺮات ﮐﺎرﺑﺮي/ ﭘﻮﺷﺶ زﻣﯿﻦ ﺑـﺎ اﺳـﺘﻔﺎده از ﺗﺼـﺎوﯾﺮ ﻣـﺎﻫﻮاره­اي در ﮐﻼﻧﺸﻬﺮ ﮐﺮج،  داﻧﺸﮕﺎه ﺷﻬﯿﺪ ﭼﻤﺮان اﻫﻮاز، ﮔﺮوه ﺳﻨﺠﺶ از دور.

§       افشار، مژگان، 1379، بررسی و شناخت جزیره حرارتی شهر تهران، پایان نامه کارشناسی ارشد، دانشگاه آزاد اسلامی، تهران.

§       اکبری، هادی. 1379، بررسی الگوی توزیع درجه حرارت شهر تهران با استفاده از اطلاعات حرارتی لندست TM، پایان نامه کارشناسی ارشد،دانشگاه تربیت مدرس.

§       امیری، رضا، علیمحمدی، عباس، علوی‌پناه، سیدکاظم، 1386، مطالعه تغییرپذیری فضایی-زمانی حرارت در ارتباط با کاربری/پوشش زمین در منطقه شهری تبریز با استفاده از داده های حرارتی و انعکاسی TM و ETM+ لندست، مجله محیط شناسی، سال سی و سوم، 43، صفحه 120-107.

§       آخوند زاده، مهدی و سراجیان، محمد رضا.1386، کاربرد تصاویر ماهواره ای Terra-ASTER در نمایش جزایر حرارتی در مناطق شهری –شهر تهران، دومین همایش مقابله با سوانح طبیعی. قطب علمی مهندسی نقشه برداری و مقابله با سوانح طبیعی . دانشکده فنی دانشگاه تهران.

§       حدادی، حسین 1388، تحلیل زمانی و مکانی امواج گرما در ایران. پایان نامه کارشناسی ارشد اقلیم شناسی در برنامه ریزی محیطی، دانشکده علوم انسانی و اجتماعی، گروه جغرافیا، دانشگاه تربیت مدرس

§       رحیمی، داریوش؛ میرهاشمی، حمید؛ علیزاده، تیمور 1396، بررسی تحلیل ساختار امواج گرمایی در غرب و جنوب غرب ایران. جغرافیا و برنامه¬ریزی محیطی، سال 28، شماره 3.

§       عفیفی، محمد ابراهیم، محمدی، مجتبی، 1400، بررسی وقوع پدیده جزایر حرارتی شهری با استفاده از تصاویر ماهواره ایASTER (منطقه مورد مطالعه: شهر شیراز) ، فصلنامه جغرافیا و مطالعات محیطی، سال دهم، شماره 37، صص21-44

§       فاطمی، سید باقر، رضایی، یوسف، مبانی سنجش از دور، انتشارات آزاده، 1384.

§       قویدل رحیمی، یوسف، رضایی، محمد 1394، جستاری پیرامون شناسایی، طبقه بندی و تحلییل سیینوپتیک امواج گرمایی استان شیراز. جغرافیا و برنامه ریزی، 19 (54)، 253-277.

§       کریمی فیروزجایی، محمد، کیاورز، مجید، علوی پناه، سیدکاظم، 1396، پایش و پیش بینی شدت جزیره حرارتی شهر بابل با توجه به گسترش شهری و تغییرات کاربری اراضی در بازه زمانی 1364-1394، مهندسی فناوری اطلاعات مکانی، دوره 5، شماره 3، صص123-151

§       مجرد، فیروز، معصوم پور، جعفر؛ رستمی، طیبه 1394، تحلیل آماری همدیدی امواج گرم بالای 40 درجة سانتی گراد، در غرب ایران.جغرافیا و مخاررات محیطی، 13 (1)، 47-51.

§       ﻣﺠﻨﻮﻧﻴﺎﻥ، ﻩ. 1374. ﻣﺒﺎﺣﺜﻲ ﭘﻴﺮﺍﻣﻮﻥ ﭘﺎﺭﻙ ﻫﺎ، ﻓﻀﺎﻱ ﺳﺒﺰ ﻭ ﺗﻔﺮﺟﮕﺎﻩ ﻫﺎ. ﺳﺎﺯﻣﺎﻥ ﭘﺎﺭﻙ ﻫﺎ ﻭ ﻓﻀﺎﻱ ﺳﺒﺰ ﺗﻬﺮﺍﻥ.

 

§       Austria P. F., Bandala, E. R. (2017). Temperature and heat-related mortality trends in the Sonoran and Mojave desert region. Atmosphere, 8 (53), 1-13.

§       Griffith, D. A. (2003). Spatial Autocorrelation and Spatial Filtering: Gaining Understanding through Theory and Scientific Visu-alization, Advances in Spatial Science, Springer, 247.

§       Intergovernmental Panel on Climate Change (2014). Climate Change 2014: Impacts, Adaptation and Vulnerability. Working group II contribution to the IPCC fifth assessment report, Cambridge, United Kingdom: Cambridge University Press. www.ipcc.ch/report/ar5/wg2.

§       Madrigano, J., Ito, K., Johnson, S., Kinney, P. L., Matte, T. (2015). A case-only study of vulnerability to heat wave-related mortality in New York city (2000-2011). Environ Health Perspect, 123 (7), 672-678.

§       Sen, P. K. (1968). Estimates of the regression coefficients based on Kendall’s tau. Journal of the American Statistical Association, 63: 1379-1389.

§       Tonglin, Z., Lin, Ge., (2007). A decompositionof Moran's I for clustering detection,Computational statistics and data analysis, 51.

§       Wang, ZB, Fang, CL. (2016). Spatial-temporal characteristics and determinants of PM 2.5 in the Bohai Rim Urban Agglomeration. Chemosphere; 148:148-62.

 

 

 

---

[1]  Intergovernmental Panel on Climate Change (IPCC)

[2]  Snoran

[3]  Astera & Bandella

[4]   Hot spot

[5] - Tonglin

[6] - Griffith

[7]  Hot-Spot

[8]  Cluster-outlier Analysis (Anselin Local Moran's I)

[9]  Tabulate Intersection

[10]  Hypothermia