Assessing the Impact of Land Use-Land Cover Changes on Earth's Surface Temperature Using Remote Sensing Data (Case Study: Isfahan County)

Subject Areas :

Fatemeh Bina ¹ , Baharak Motamedvaziri ^{2 *} , Hassan Khosravi ³ , Hadi Kiadaliri ⁴

1 - Department of Nature Engineering, Science and Research Branch, Islamic Azad University, Tehran, Iran.
2 - 2) Associate Professor, Department of Nature Engineering, Science and Research Branch, Islamic Azad University, Tehran, Iran
3 - Professor, Department of Arid and Mountainous Regions Reclamation, University of Tehran, Tehran, Iran
4 - Associate Professor, Department of Environment and Forest Sciences, Science and Research Branch, Islamic Azad University, Tehran, Iran.

Received: 2025-02-28 Accepted : 2025-05-23 Published : 2025-03-17

Keywords: Isfahan, Land use, Landsat, Remote Sensing, Vegetation Cover Index,

Abstract :

Land use changes and temperature increases in human habitats significantly impact human health and the surrounding ecosystem. This study utilised Landsat 5 and 8-9 sensor images to assess the extent of land use changes and Earth's surface temperature from 1993 to 2013. Land use change maps were generated using the Random Forest machine learning method, after which the accuracy and precision of these maps were assessed. The results indicated that during the period 1373-1403, in Isfahan city, the usage of saline land, barren lands, and urban or man-made areas increased by approximately 18.10% and 4%, respectively, while agricultural lands, pastures, reed beds, and waterbeds decreased by around 0.94%, 19.82%, 0.03%, and 1.30%, respectively. During this period, the overall accuracy and kappa coefficient surpassed 92 and 0.88, respectively, indicating sufficient accuracy and precision in preparing the existing land use maps. The results of examining changes in land surface temperature from 1372 to 1402 demonstrate that the largest percentage of Isfahan City's area falls within the category above 33 degrees Celsius. In 1372, 1382, 1392, and 1402, this class accounts for approximately 88.09%, 89.02%, 97.55%, and 98.24% of the region, respectively. Observations of land surface temperature across various land uses in 1372 indicate that the highest temperature is associated with urban and man-made areas, averaging 36.75 degrees Celsius. Meanwhile, the highest temperatures recorded in 1382, 1392, and 1402 are 38.54, 41.16, and 43.61 degrees Celsius, respectively, linked to salt marshes and barren lands.

References:

اسکندری‌دامنه، ه.، اسکندری‌دامنه، ح.، چراغی، م.ح.، خسروی، ا. و عادلی‌ساردوئی، م. (1400الف) تاثیر تغییرات کاربری اراضی بر تشکیل جزایر گرمایی با استفاده از سنجش از دور، مطالعه موردی: شهر کرمان. نشریه محیط زیست طبیعی، 74(۳): 628-614.
اسکندری‌دامنه، ه.، اسکندری‌دامنه، ح.، خسروی، ح.، گیلوری، ا. و عادلی‌ساردوئی، م. (1400ب) پایش اثرات خشکسالی بر شاخص‌های محیطی حاصل از سنجنده مودیس در بازه زمانی ۲۰۱۹-۲۰۰۱، مطالعه موردی: مراتع استان اصفهان. نشریه مرتع، ۱۵(۳): ۴76-۴۶0.
اسکندری‌دامنه، ه.، اسکندری‌دامنه، ح.، خسروی، ح. و غلامی، ح. (1398) تحلیل و پایش خشکسالی با استفاده از شاخص پوشش گیاهی NDVI ، مطالعه موردی: حوضه غرب تالاب جازموریان. نشریه مرتع، ۱۳(۳): ۴75-۴61.
اصغری‌سراسکانرود، ص. و اسدی، ب. (1399) بررسی اثرات کاربری‌های مختلف شهرستان اصفهان بر ایجاد جزایر حرارتی. کاوش‌های جغرافیایی مناطق بیابانی، 8(2): 217-246.
تیموری، ح.، حافظ‌نیا، م.ر.، پاپلی‌یزدی، م.ح. و احمدی‌نوحدانی، س. (1398) تببین پیامدهای هیدروپلیتیکی تغییرات اقلیمی در ایران، مطالعه موردی: حوضه آبریز زاینده‌رود. آمايش سیاسی فضا، ۵(۳): ۲69-۲46.
روکی، ز.م.، حسین، م. و زندی، ر. (1402) نقش تغییرات کاربری اراضی بر شکل‌گیری دمای سطح زمین در شهرها، مطالعه موردی: شهر اصفهان. پژوهش‌های جغرافیای طبیعی، 55(۴): 17-۱.
عابدینی، ا.، حبیب‌پور، ن. و خجسته‌مقال، ف. (1402) آینده‌پژوهی پارامترهای اقلیمی در مواجهه با مناطق شهری، نمونه موردی: شهر اصفهان. جغرافیا و آیندهپژوهی منطقه‌ای، 1(2): 61-82.
عیسی‌زاده، و.، آسیابی، ش. و عیسی‌زاده، ا. (1399) بررسی پایش دمای سطح زمین با استفاده تصاویر لندست 8 و الگوریتم‌های تک کاناله و پنجره مجزا، منطقه مورد مطالعه: شهرستان دزفول. جغرافیا و روابط انسانی، 3(۳): 25-8.
مدنیان، م.ا.، سفیانیان، ع.، سلطانی‌کوپائی، س.، پورمنافی، س. و مومنی، م. (1398) تخمین دمای سطح زمین بخش مرکزی استان اصفهان از داده‌های حرارتی لندست ۸ با استفاده از الگوریتم پنجره مجزا. علوم آب و خاک، ۲۳(۴): 12-۱.
Al Rakib, A., Akter, K.S., Rahman, M.N., Arpi, S. and 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, Student Resarch Conference 2020.
Azadi, S., Yazdanpanah, H., Nasr-Esfahani, M.A., Pourmanafi, S. and Dorigo, W. (2022) The Gavkhouni wetland dryness and Its impact on air temperature variability in the eastern part of the Zayandeh-Rud River Basin, Iran. Water, 14(2):172-172.
Chen, W., Zhang, Y., Pengwang, C. and Gao, W. (2017) Evaluation of urbanization dynamics and its impacts on surface heat islands: A case study of Beijing, China. Remote Sensing, 9(5): 453-453.
Dewan, A., Kiselev, G., Botje, D., Mahmud, G.I., Bhuian, M.H. and Hassan, Q.K. (2021) Surface urban heat island intensity in five major cities of Bangladesh: Patterns, drivers and trends. Sustainable Cities and Society, 71: 102926.
Faisal, A.-A., Kafy, A.-A., Al Rakib, A., Akter, K.S., Jahir, D.M.A., Sikdar, M.S., Ashrafi, T.J., Mallik, S. and 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.
Grimm, N.B., Faeth, S.H., Golubiewski, N.E., Redman, C.L., Wu, J., Bai, X. and Briggs, J.M. (2008) Global change and the ecology of cities. Science, 319(5864): 756-760.
Gupta, N. and Aithal, B.H. (2024) Urban land surface temperature forecasting: A data-driven approach using regression and neural network models. Geocarto International, 39(1): 2299145.
Hunt, K.M.R., Turner, A.G. and Shaffrey, L.C. (2020) The impacts of climate change on the winter water cycle of the western Himalaya. Climate Dynamics, 55(7): 2287-2307.
Kafy, A.A., Dey, N.N., Al Rakib, A., Rahaman, Z.A., Nasher, N.M.R. and Bhatt, A. (2021) Modeling the relationship between land use/land cover and land surface temperature in Dhaka, Bangladesh using CA-ANN algorithm. Environmental Challenges, 4, 100190.
Kafy, A.A., Rahman, M.S., Faisal, A.-A., Hasan, M.M. and Islam, M. (2020) Modelling future land use land cover changes and their impacts on land surface temperatures in Rajshahi, Bangladesh. Remote Sensing Applications: Society and Environment, 18: 100314.
Kafy, A.A., Saha, M., Faisal, A.-A., Rahaman, Z.A., Rahman, M.T., Liu, D., Fattah, M.A., Al Rakib, A., AlDousari, A.E., Rahaman, S.N., Hasan, M.Z. and Ahasan, M.A.K. (2022) Predicting the impacts of land use/land cover changes on seasonal urban thermal characteristics using machine learning algorithms. Building and Environment, 217: 109066.
Li, Z.-L., Tang, B.-H., Wu, H., Ren, H., Yan, G., Wan, Z., Trigo, I.F. and Sobrino, J.A. (2013) Satellite-derived land surface temperature: Current status and perspectives. Remote Sensing of Environment, 131: 14-37.
Naim, M.N.H. and Kafy, A.-A. (2021) Assessment of urban thermal field variance index and defining the relationship between land cover and surface temperature in Chattogram city: A remote sensing and statistical approach. Environmental Challenges, 4: 100107.
Nimish, G., Chandan, M. C., & Bharath, H. A. (2018) Understanding current and future landuse dynamics with land surface temperature alterations: A case study of Chandigarh. ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 4: 79-86.
Saha, M., Kafy, A.A., Bakshi, A., Faisal, A.-A., Almulhim, A.I., Rahaman, Z.A., Al Rakib, A., Fattah, M.A., Akter, K.S., Rahman, M.T., Zhang, M. and Rathi, R. (2022) Modelling microscale impacts assessment of urban expansion on seasonal surface urban heat island intensity using neural network algorithms. Energy and Buildings, 275: 112452.
Salam, M., Islam, M.K., Jahan, I. and Chowdhury, M.A. (2024) Assessing the impacts of vegetation loss and land surface temperature on Surface Urban Heat Island (SUHI) in Gazipur District, Bangladesh. Computational Urban Science, 4(1): 24-24.
Shakhawat Hossain, M., Arshad, M., Qian, L., Zhao, M., Mehmood, Y. and Kächele, H. (2019) Economic impact of climate change on crop farming in Bangladesh: An application of Ricardian method. Ecological Economics, 164: 106354.
Taiwo, B.E., Kafy, A.A., Samuel, A.A., Rahaman, Z.A., Ayowole, O.E., Shahrier, M., Duti, B.M., Rahman, M.T., Peter, O.T. and Abosede, O.O. (2023) Monitoring and predicting the influences of land use/land cover change on cropland characteristics and drought severity using remote sensing techniques. Environmental and Sustainability Indicators, 18: 100248.
Zhao, Q., Haseeb, M., Wang, X., Zheng, X., Tahir, Z., Ghafoor, S., Mubbin, M., Kumar, R.P., Purohit, S., Soufan, W. and Almutairi, K.F. (2024) Evaluation of land use land cover changes in response to land surface temperature with satellite indices and remote sensing data. Rangeland Ecology and Management, 96: 183-196.

Full-Text:



مجله تحقیقات منابع طبیعی تجدیدشونده، سال پانزدهم، شماره 2 پاییز و­زمستان1403(پیاپی چهل و­دو)، ص 147-160، نوع مقاله:علمی پژوهشی/1

 

        

 

 

 

ارزیابی اثر تغییرات کاربری اراضی- پوشش زمین بر دمای سطح زمین با استفاده از داده‌های سنجش از دور (مطالعه موردی: شهرستان اصفهان)

 

فاطمه بینا1، بهارک معتمدوزیری2*، حسن خسروی3 و هادی کیادلیری4

 

1)       دانشجوی دکتری رشته علوم و مهندسی آبخیز، گروه مهندسی طبیعت، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، تهران، ایران.

2)       دانشیار گروه مهندسی طبیعت، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، تهران، ایران. *رایانامه نویسنده مسئول مكاتبات:[e-mail] 

3)       استاد گروه احیای مناطق خشک و کوهستانی، دانشگاه تهران، تهران، ایران.

4)       دانشیار گروه علوم محیط زیست و جنگل، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، تهران، ایران.

 

تاریخ دریافت: 10/12/1403                تاریخ پذیرش: 02/03/1404

 

چکیده

تغییرات کاربری و افزایش دمای بسترهای زندگی بشر، سلامتی آن و اکوسیستم پیرامون آن را به شدت تحت تاثیر قرار می‌دهد. در همین راستا، در این پژوهش برای به‌دست آوردن میزان تغییرات کاربری اراضی و دمای سطح زمین، در بازه زمانی سال 1372 تا سال 1402 از تصاویر سنجنده لندست 5 و 8-9 استفاده شد. نقشه‌های تغییرات کاربری با استفاده از روش یادگیری ماشین جنگل تصادفی تهیه و سپس دقت و صحت این نقشه‌ها ارزیابی شد. نتایج نشان داد در بازه زمانی 1373-1403، در شهرستان اصفهان کاربری‌های شوره‌زار و اراضی بایر و مناطق شهری و انسان‌ساخت به‌ترتیب حدود 10/18 و 4 درصد افزایش و اراضی کشاورزی، مراتع، نیزار و بستر آبی به‌ترتیب حدود 94/0، 82/19، 03/0 و 30/1 کاهش داشته‌اند، در این بازه زمانی دقت کلی و ضریب کاپا به‌ترتیب بیش از 92 و 88/0 بود که نشان‌دهنده دقت و صحت کافی در تهیه نقشه‌های کاربری موجود می‌باشد. نتایج حاصل از بررسی تغییرات دمای سطح زمین در بازه زمانی 1372 تا 1402 بیشترین درصد مساحت از شهرستان اصفهان در طبقه بیشتر 33 درجه سانتی‌گراد قرار دارد، به‌طوری‌که در سال‌های 1372، 1382، 1392 و 1402 به‌ترتیب این طبقه حدود 09/88، 02/89، 55/97 و 24/98 درصد از منطقه را شامل می‌شود. تغییرات دمای سطح زمین در کاربری‌های مختلف در سال 1372 نشان داد بیشترین آن مربوط به کاربری مناطق شهری و انسان‌ساخت با متوسط دمای 75/36 درجه سانتی‌گراد است، درحالی‌که بیشترین مقدار دما در سال‌های 1382، 1392 و 1402 به‌ترتیب 54/38، 16/41 و 61/43 درجه سانتی‌گراد متعلق به کاربری شوره‌زار و اراضی بایر است. 

 

واژه‌های کلیدی: اصفهان، سنجش از دور، شاخص پوشش گیاهی، کاربری اراضی، لندست.

 

مقدمه

اقلیم یکی از مهم‌ترین متغیرهای محیطی است که بر زیستگاه‌ها و زندگی روزمره بشر تاثیر می‌گذارد (Hunt et al., 2020). تغییرات کاربری اراضی باعث شده زمین در حال تجربه یک تغییر قابل توجه باشد که این تغییرات بر اقلیم کره زمین تاثیر گذاشته و گرمایش جهانی را تشدید می‌کند (Zhao et al., 2024). در حال حاضر، بیش از نیمی از جمعیت جهان در مناطق شهری ساکن هستند و پیش‌بینی می‌شود این درصد در کشورهای در حال توسعه بیشتر افزایش یابد، درحالی‌که شهرنشینی با سرعت قابل توجهی در مقیاس جهانی در حال رشد است (Chen et al., 2017). تغییرات کاربری اراضی با کاهش تنوع زیستی و ایجاد اثر جزیره گرمایی شهری¹ تغییرات اقلیمی را تشدید می‌کند (Kafy et al., 2021)، از این رو تغییر مناظر طبیعی و اقلیم توسط انسان به‌طور برجسته در روند شهرنشینی منعکس شده است. پدیده جزیره گرمایی شهری به‌عنوان یک تصویر اصلی از تغییرات اقلیمی ناشی از تغییرات اقلیمی ناشی از فعالیت‌های انسانی از طریق شهرنشینی منجر به افزایش دما در مناطق شهری در مقایسه با محیط روستایی آنها می‌شود (Grimm et al., 2008). اگرچه تخریب اکولوژیکی بسته به مکان متفاوت است، اما محیط‌های شهری بدون شک یکی از کلیدی‌ترین عوامل به‌دلیل تراکم بالای انسانی، فعالیت اقتصادی، استفاده از فلز و مصرف انرژی هستند. طبق پنل بین‌دولتی تغییرات آب و هوایی²، میانگین دمای سطح زمین³ تا سال 2100 بین 4/1 تا 8/5 درجه سانتی‌گراد افزایش می‌یابد و سطح دی‌اکسیدکربن اتمسفر نسبت به سطوح قبل از صنعتی شدن دو برابر خواهد شد (Grimm et al., 2008; Kafy et al., 2021). فراهم کردن امکانات رفاهی، شهرنشینی و صنعتی شدن سریع، تغییرات گسترده کاربری و پوشش سطح زمین⁴ را ایجاد می‌کند (Dewan et al., 2021) که به نظر می‌رسد منبع اصلی تخریب محیط زیست، دگرگونی در هیدرولوژی شهری، افزایش دمای محیط و تغییرات اقلیم باشد. شهرها تنها 2 درصد از سطح زمین را پوشش می‌دهند، اما حدود 75 درصد از کل انرژی را جذب می‌کنند و 75 درصد از کل زباله را تولید می‌کنند (Faisal et al., 2021). تغییرات کاربری اراضی اکولوژی و اکوسیستم‌های کره زمین، دمای سطح، رطوبت، تغییرات اقلیمی و گرم شدن کره زمین را تحت تاثیر قرار می‌دهند. گسترش مناطق شهری تاثیر منفی قابل توجهی بر زمین، آب، دمای سطح، اکولوژی و محیط زیست دارد. اثرات کلی تغییرات کاربری در واقع افزایش دمای سطح و کاهش بارش، نرخ تبخیر و منطقه هیدرولوژیکی است (Al Rakib et al., 2020).

دمای سطح زمین، دمای پوسته تابشی سطح زمین است که به‌عنوان یکی از مهمترین پارامترها در فرآیندهای سطح زمین در سطوح محلی، منطقه‌ای و جهانی عمل می‌کند ( Li et al., 2013). افزایش دما بر بخش‌های حیاتی زندگی انسان از جمله انرژی، کشاورزی، جنگل، تنوع زیستی اکوسیستم، کیفیت هوا، زیرساخت‌ها، حیات دریایی، مراقبت‌های بهداشتی و منابع آب تاثیر می‌گذارد (Nimish et al., 2018). تحقیقات جهانی زیادی در مورد اثرات تغییرات کاربری اراضی بر دمای سطح زمین، توزیع جغرافیایی، خطر و آسیب‌پذیری شهری، بر اساس داده‌های سنجش از دور⁵، اخیرا منتشر شده است (Nimish et al., 2018). داده‌های سنجش از دور، اطلاعات به‌روزی از پوشش، تغییر کاربری اراضی و به‌وجود آمدن این جزایر گرمایی در اختیار پژوهشگران قرار می‌دهد و در تحلیل و شبیه‌سازی این مناطق در بازه زمانی مختلف بسیار مفید می‌باشند (عیسی‌زاده و همکاران، 1399). داده‌های سنجش از راه دور در مقایسه با روش‌های سنتی، مقادیر بیشتری از اطلاعات کاربری اراضی در مناطق شهری و تشکیل جزایر گرمایی را در یک مکان جغرافیایی فراهم می‌کنند که از نظر زمان و هزینه در مقیاس منطقه‌ای مقرون به صرفه هستند (اسکندری‌دامنه و همکاران، 1400 الف). در ارتباط با ارزیابی این تغییر کاربری و تشکیل جزایر گرمایی با کمک علم سنجش از راه دور، مطالعات متعددی صورت گرفته است. استفاده از سنجش از دور و سیستم اطلاعات جغرافیایی⁶ فرصت‌هایی را برای تخمین تغییرات LULC و توزیع LST در یک منطقه خاص فراهم کرده است. چندین مطالعه تغییر LULC  و تأثیرات آن بر LST را با استفاده از تصاویر چند زمانی Landsat توصیف کرده‌اند. علاوه بر این، به‌دلیل ارتباط نزدیک LULC و ‌LST، مطالعات متعددی این دو را با استفاده از پایگاه داده RS ارزیابی کرده‌اند. Salam و همکاران (2024) در ارزیابی اثرات از دست دادن پوشش گیاهی و دمای سطح زمین بنگلادش در بازه زمانی 2000-2020 بیان داشتند حداکثر مقادیر LST در طول 20 سال، نشان‌دهنده یک روند افزایشی کلی در دما است. نتایج این تحقیق نشان داد میانگین دمای اراضی بایر، مناطق انسان‌ساخت، پوشش گیاهی و بدنه آبی به‌ترتیب از سال 2000 تا 2020، 01/2، 25/2 و 23/2 درجه سانتی‌گراد افزایش یافته است.  Guptaو همکاران (2024) در مطالعه مدل‌سازی تاثیر تغییر کاربری/پوشش زمین بر دمای سطح زمین، اردن مبتنی بر یادگیری عمیق در بازه زمانی 1980-2023 بیان داشتند مناطق شهری از 13/54 کیلومترمربع (6/6 درصد) در سال 1980 به 1/374 کیلومترمربع (3/45 درصد) در سال 2023 رسیده است. با این حال، مناطق کشاورزی از 13/152 کیلومترمربع (5/18 درصد) در سال 1980 به 38/140 کیلومترمربع (38/140) در سال 2023 کاهش یافته، درحالی‌که زمین‌های بایر از 44/54 (6/6 درصد) در سال 1980 به 71/34 (22 درصد) در سال 2030 کاهش یافته است.  Kafyو همکاران (2021) در بررسی مدل‌سازی رابطه بین کاربری-پوشش زمین و دمای سطح زمین در داکا، بنگلادش در بازه زمانی 2020-2000 با استفاده از الگوریتم⁷  CA-ANNبیان کردند پوشش گیاهی و مناطق انسان‌ساخت به‌ترتیب حدود 5 و 14 درصد کاهش و افزایش نشان داده‌اند. اسکندری‌دامنه و همکاران (1400الف) در بررسی اثرات تغییر کاربری بر تغییرات دمای سطح شهر کرمان بیان داشتند در بازه زمانی 1369-1399 مناطق مسکونی و انسان‌ساخت افزایش 20/14 درصدی داشته و کاربری‌های پوشش گیاهی، اراضی بایر با پوشش گیاهی کم و اراضی شور و بدون پوشش گیاهی نیز به‌ترتیب کاهش 76/3، 23/8 و 22/2 درصدی داشته‌اند. همچنین نتایج این پژوهش نشان داد در سال 1369 بیشترین مقدار دمای سطح زمین مربوط به کاربری اراضی شور و بدون پوشش گیاهی با متوسط دمای 30/47 درجه سانتی‌گراد بوده، درحالی‌که در سال‌های 1379، 1389 و 1399 بیشترین مقدار متوسط دما به‌ترتیب 51/46، 30/47 و 64/50 درجه سانتی‌گراد، به‌ترتیب مربوط به کاربری مناطق شهری و انسان‌ساخت است. با توجه به بررسی منابع انجام شده می‌توان بیان کرد در سطح جهانی، تغییرات کاربری اراضی از جمله رشد شهری ناشی از مهاجرت به محرک اصلی افزایش دمای سطح زمین  به ویژه در شهرهای صنعتی تبدیل شده است. شهر اصفهان نیز با توجه به موقعیت استراتژیک و وجود صنایع مختلف مقصد بسیاری از مهاجران از روستاها، شهرها و استان‌های مجاور شده است، به‌طوری‌که این شهرستان برای فراهم آوردن امکانات رفاهی از جمله تامین غذا و مسکن این جمعیت در حال رشد، تغییر کاربری قابل توجهی را متحمل شده و این تغییر کابری سبب شده از وسعت اراضی کشاورزی و اراضی طبیعی مخصوصا مراتع در این منطقه کاسته و مناطق شهری و انسان‌ساخت روز به روز گسترش یابند. از این رو هدف از مطالعه حاضر بررسی روند تغییرات کاربری اراضی شهرستان اصفهان و تاثیر آن بر دمای سطح زمین در بازه زمانی 1372-1403 با استفاده از تصاویر ماهواره لندست می‌باشد.

 

روش­ پژوهش 

منطقه مورد مطالعه: شهرستان اصفهان داری مساحتی حدود 1507 کیلومتر‌مربع است. این شهرستان در جنوب‌شرق استان اصفهان واقع شده است. موقعیت جغرافیایی آن بین طول‌های '15"30 °51 و '15"20 °53 شرقی و عرض‌های '15"30 °31 و '00"15 33° شمالی قرار دارد. متوسط بارندگی سالانه 106 میلی‌متر و میانگین دمای سالانه 15 درجه ‌سانتی‌گراد می‌باشد (22 و 27). حداقل ارتفاع این شهرستان 1417 و حداکثر ارتفاع آن 3316 متر است (اسکندری‌دامنه و همکاران، 1401ب). شکل (1) موقعیت استان اصفهان را در کشور ایران و موقعیت شهرستان اصفهان را در استان اصفهان نشان می‌دهد.

 

 

---

[1] . Urban Heat Island (UHI)

[2] . Intergovernmental Panel on Climate Change (IPCC)

[3] . Land Surface Temperature (LST)

[4] . Land Use Land Cover (LULC)

[5] . Remote sensing (RS)

[6] . Geographic Information System (GIS)

[7] . Artificial-neural-network-based Cellular Automaton (CA-ANN)

 

شکل 1. موقعیت استان اصفهان در کشور ایران و موقعیت منطقه مورد مطالعه در استان اصفهان

 

 

 

 

داده‌های ماهواره‌ای و پردازش‌ها: در این تحقیق برای به‌دست آوردن میزان تغییرات کاربری اراضی در یک بازه زمانی30 ساله (از سال 1372 تا سال 1402)، از تصاویر سنجنده لندست شهرستان اصفهان استفاده شد. ابزار و اطلاعات مورد استفاده در این بخش، شامل نرم‌افزارهای Arcgispro3 ‌، ENVI5.3، GIS10.3، Excel و داده‌های سنجش از دور شامل تصاویر ماهواره‌ای مربوط به سنجنده‌ لندست 5 و لندست 8-9 که اطلاعات آنها در جدول (1) ارایه شده، بود. این داده‌های چندطیفی از سایت زمین‌شناسی آمریکا¹ دانلود و آماده پیش‌پردازش و پردازش‌های لازم گردید. به‌منظور تهیه نقشه کاربری بر روی تصاویر دانلود شده مراحل تصحیح رادیومتریک و تصحیح اتمسفری انجام شد (اسکندری‌دامنه و همکاران، 1398). پس از اعمال پیش‌پردازش‌های لازم، نقشه طبقه‌بندی کاربری اراضی برای شهرستان اصفهان در سال‌های 1372، 1382، 1392 و 1402 با استفاده از روش جنگل تصادفی در نرم‌افزار  Arcgispro3 و ENVI5.3 تهیه شد. در این راستا از شاخص‌های کمکی NDVI، NDBI و NDWI استفاده گردید (Taiwo et al., 2023) (جدول 2).

در نهایت با استفاده از روش جنگل تصادفی و با کمک شاخص کمکی ذکر شده، نقشه کاربری در 6 کلاس اراضی کشاورزی، مراتع، شوره‌زار و اراضی بایر، مناطق شهری و انسان‌ساخت و بستر آبی تهیه گردید. پس از پایان مرحله‌ طبقه‌بندی، نتایج حاصل از طبقه‌بندی، از طریق مقایسه نقشه‌های طبقه‌بندی شده با واقعیت زمینی و با کمک معیارهای تعیین صحت، به صورت کمی برآورد شد. در این مطالعه، جهت ارزیابی صحت نقشه‌های طبقه‌بندی شده با مقایسه متناظر با نقاط واقعیت زمینی حاصل از مطالعات میدانی و با استفاده تصاویر گوگل‌ارث، ماتریس خطا تشکیل شد و بر اساس آن دقت تولیدکننده و کاربر، صحت کلی و ضریب کاپا محاسبه گردید (Kafy et al., 2022). شاخص کاپا پیکسل‌های نادرست طبقه‌بندی شده را مدنظر قرار می‌دهد و صحت طبقه‌بندی را نسبت به یک طبقه‌بندی کاملا تصادفی محاسبه می‌کند. شاخص کاپا با استفاده از رابطه (1) محاسبه شد (Saha et al., 2022).

رابطه (1)

 

 

---

[1] . earthexplorer.usgs.gov

 

 

 

جدول 1. مشخصات مربوط به تصاویر استفاده شده در تحقیق

تاریخ میلادی	تاریخ میلادی	تاریخ خورشیدی	ماهواره	سنجنده	گذر/ ردیف	قدرت تفکیک مکانی (متر)
1992	17/06/1990	1372	لندست 5	TM	160/39	30
2002	27/05/2000	1382	لندست 5	TM	160/39	30
2013	28/05/2013	1392	لندست 8	OLI	160/39	30
2023	03/06/2020	1402	لندست 9	OLI	160/39	30

 

جدول 2. جزییات شاخص‌های به‌دست‌آمده از تصاویر ماهوارة لندست استفاده‌شده در پژوهش

 

---

[1] . Near Infrared (NIR)

[2] . Red

[3] . Short-Wave infrared (SWIR)

 

 

در این رابطه:  درستی مشاهده شده و  توافق مورد انتظار است.

 

 بررسی دمای سطح خاک (LST): در این مطالعه برای محاسبه دمای سطح زمین از باندهای حرارتی تصاویرلندست 5، 8-9 استفاده شد. باند حرارتی لندست 5 (TM) باند 6 با طول موج 50/12-40/10 میکرومتر و برای لندست 8-9 (OLI) باند 10 با طول موج 19/11-6/10 میکرومتر و باند 11 با طول موج 51/12-5/11 می‌باشند. برای محاسبه دمای سطح از این باندها ابتدا رادیانس طیفی باند حرارتی لندست 5 و باندهای حرارتی لندست 8-9 با استفاده از رابطه‌های (2)، (3) و (4) محاسبه گردید و در نهایت با استفاده از رابطه (5) دمای سطح زمین برحسب درجه سانتی‌گراد محاسبه شد ( Kafy et al., 2022؛ Taiwo et al., 2023).

 

 

توضیحات	دامنه	شاخص*
شاخص نرمال­شده اختلاف پوشش گیاهی	بین 1- تا 1
شاخص نرمال­شده اختلاف مناطق پوشیده از آب	بین 1- تا 1
شاخص نرمال­شده اختلاف مناطق شهری	بین 1- تا 1
* NIR1= باند مادون‌قرمز، R2= باند قرمز و SWR3= باند قرمز کوتاه

 

 

 

Lλ= رادیانس طیفی بالای اتمسفر؛ ML= ضریب تبدیل که از متادیتا به‌دست می‌آید؛ AL= ضریب تبدیل که از متادیتا به‌دست می‌آید.

Qcal= ارزش رقومی باند خام (DN)؛ Lmax و Lmin از متادیتا لندست 5 به‌دست می‌آیند؛ در اینجا  همچنین  = قابلیت انتشار که با استفاده از روش NDVI محسبه می‌شود (Naim & Kafy, 2021). TB = دمای درخشندگی ماهواره است که با استفاده از رابطه (4) محاسبه می‌شود.

رابطه (5)

K1 و k2 = ثابت حرارتی باند 6 در لندست 5 و باندهای 10 و 11 در لندست 9-8 بوده که از متادیتا ماهواره به‌دست می‌آیند (Taiwo et al., 2023).

 

نتایج 

بررسی تغییرات کاربری اراضی شهرستان اصفهان در باز زمانی 1372 تا 1402

نقشه کاربری اراضی منطقه مورد مطالعه در شش کلاس عمده شامل اراضی کشاورزی، مراتع، شوره‌زار و اراضی بایر، مناطق شهری و انسان‌ساخت و بستر آبی برای بازه زمانی 1372 تا 1402 تهیه گردید (شکل 2). بررسی دقت و صحت نقشه کاربری اراضی در این بازه زمانی در جدول (3) نشان داد دقت کلی نقشه کاربری برای سال‌های 1372، 1382، 1392 و 1402 به‌ترتیب 92، 95، 96 و 98 درصد و همچنین ضریب کاپا برای این کاربری‌ها نیز 88/0، 90/0، 93/0 و 95/0 است. بررسی درصد و نرخ تغییرات کاربری اراضی در شکل (2) و جدول (4) نشان داد در بازه زمانی 30 ساله، روند تغییرات کاربری اراضی در منطقه مورد مطالعه چشم‌گیر است، به‌طوری‌که در بازه زمانی 1372 تا 1382 اراضی کشاورزی، شوره‌زار و اراضی بایر، مناطق شهری و انسان‌ساخت و نیزار به‌ترتیب 67/0، 76/4، 61/0 و 11/0 درصد افزایش داشته‌اند. بررسی تغییرات کاربری در بازه زمانی 1392-1382 تایید کرد به‌ترتیب شوره‌زار و اراضی بایر و مناطق شهری و انسان‌ساخت حدود 69/3 و 39/1 درصد افزایشی بوده، درحالی‌که سایر کاربری‌ها در این بازه زمانی کاهش از خود نشان داده‌اند. این اراضی در بازه زمانی 1392-1402 نیز به‌ترتیب حدود 64/9 و 99/1 درصد افزایشی بوده است. از طرفی نیز بررسی تغییرات کاربری بین سال‌های 1372 تا 1402 نشان داد در شهرستان اصفهان شوره‌زار و اراضی بایر و مناطق شهری و انسان‌ساخت در این بازه زمانی به‌ترتیب حدود 10/18 و 4 درصد افزایش و اراضی کشاورزی، مراتع، نیزار و بستر آبی به‌ترتیب حدود 94/0، 82/19، 03/0 و 30/1 کاهش داشته‌اند.

 

 

 

 

شکل 2. نقشه تغییرات کاربری اراضی سال‌های 1372، 1382، 1392 و 1402

 

 

 

شکل 3. تغییرات کاربری شهرستان اصفهان در بازه زمانی 1402-1372 بر حسب کیلومترمربع (الف) و درصد (ب)

 

جدول 3. تغییرات کاربری شهرستان اصفهان در بازه 1372-1402 بر حسب هکتار و درصد

رابطه (2)
رابطه (3)
رابطه (4)

کاربری اراضی	1372-1382		1382-1392		1392-1402		1402-1372
	کیلومترمربع	مساحت (%)	کیلومترمربع	مساحت (%)	کیلومترمربع	مساحت (%)	کیلومترمربع	مساحت (%)
اراضی کشاورزی	97/104	67/0	89/155-	99/0-	31/96-	61/0-	23/147-	94/0-
مراتع	09/789-	02/5-	97/597-	81/3-	56/1726-	99/10-	62/3113-	82/19-
شوره‌زار و اراضی بایر	39/748	76/4	09/.580	69/3	57/1514	64/9	05/2843	10/18
مناطق شهری و انسان‌ساخت	97/95	61/0	88/218	39/1	02/313	99/1	88/627	4
نیزار	62/17	11/0	23/19-	12/0-	63/3-	02/0-	25/5-	03/0-
بستر آبی	86/177-	13/1-	88/25-	16/0-	08/1-	01/0-	83/204-	30/1-

 

 

 

 

 

جدول 4. ارزیابی دقت کلاس‌های کاربری‌های سال‌های 1372، 1382، 1392 و 1402 شهرستان اصفهان بر حسب درصد

سال

دقت تهیه‌کننده (%)

دقت کاربر (%)

دقت کلی (%)

ضریب کاپا

اراضی کشاورزی

مراتع

شوره‌زار و اراضی بایر

مناطق شهری و انسان‌ساخت

مناطق شهری و انسان‌ساخت

بستر آبی

اراضی کشاورزی

مراتع

شوره‌زار و اراضی بایر

مناطق شهری و انسان‌ساخت

مناطق شهری و انسان‌ساخت

بستر آبی

1372

84/0

81/0

89/0

98/0

87/0

98/0

88/0

86/0

95/0

89/0

88/0

98/0

92

88/0

1382

85/0

91/0

95/0

94/0

88/0

93/0

86/0

84/0

87/0

94/0

87/0

95/0

95

90/0

1392

91/0

83/0

89/0

87/0

96/0

95/0

89/0

98/0

85/0

92/0

97/0

95/0

96

93/0

1402

87/0

85/0

90/0

95/0

89/0

86/0

85/0

99/0

89/0

95/0

92/0

97/0

98

95/0

 

 

بررسی تغییرات مکانی و زمانی LST و NDVI در بازه زمانی 1372 تا 1403

الگو تغییرات مکانی و زمانی دمای سطح زمین  LSTو شاخص پوشش گیاهی NDVI در بازه زمانی 1372 تا 1402 به‌ترتیب در شکل‌های (4) و (5) نشان داده شده است. بر اساس شکل (4)، بیشترین مقادیر دمای سطح زمین در سال 1372 مربوط به قسمت‌های شمال‌شرقی و شرقی منطقه مورد مطالعه بود. این در حالی است که در سال‌های بعدی بیشترین مقدار دما مربوط به قسمت‌های جنوبی، شرقی و غربی این منطقه است. از طرفی نیز نتایج شکل (5) نشان داد حداکثر مقدار شاخص NDVI در تمامی سال‌ها مربوط به قسمت‌های مرکزی از شمال‌غربی به طرف جنوب‌شرقی در امتداد رودخانه زاینده‌رورد مشاهده شده است. بر اساس این دو شکل روند تغییرات LST و NDVI کاملا عکس یکدیگر می‌باشند. بررسی تغییرات شاخص LST و NDVI در جدول (6) نشان می‌دهد در بازه زمانی 1372 تا 1402 مقادیر حداقل، حداکثر و متوسط در حال افزایش است، به‌طوری‌که مقدار متوسط شاخص LST از 6/35 در سال 1372 به 47/45 درجه سانتی‌گراد در سال 1402 رسید. طبق جدول (5) مقادیر شاخص NDVI تا سال 1382 افزایشی بود، به‌گونه‌ای ‌که در سال 1372 مقدار متوسط این شاخص 12/0 بود و در سال 1389 به 14/0 و در سال‌های بعد افزایشی بوده، به‌طوری‌که در سال‌های 1392 و 1402 به‌ترتیب به حدود 075/0 و 067/0 رسیده است.

 

 

جدول 5. تغییرات دمای سطح زمین (LST) و شاخص پوشش گیاهی (NDVI) در بازه زمانی 1372-1402

شاخص	دمای سطح زمین (LST)				پوشش گیاهی (NDVI)
سال	حداقل	متوسط	حداکثر	انحراف استاندارد	حداقل	متوسط	حداکثر	انحراف استاندارد
1372	5/4	6/35	92/49	8/4	5/0-	12/0	6/0	081/0
1382	83/18	96/37	64/50	14/4	53/0-	14/0	69/0	05/0
1392	80/19	53/42	92/56	56/4	27/0-	075/0	60/0	04/0
1402	34/22	47/45	8/63	82/3	44/0-	067/0	55/0	034/0

 

 

شکل 4. نقشه تغییرات دمای سطح زمین (LST) سال‌های 1372، 1382، 1392 و 1402

 

 

شکل 5. نقشه تغییرات شاخص پوشش گیاهی (NDVI) سال‌های 1372، 1382، 1392 و 1402

 

 

 

 

آنالیز تغییرات دمای سطح زمین در کلاس‌ها و کاربری‌های مختلف در بازه زمانی 1372-1402

بررسی تغییرات مکانی و زمانی دمای سطح زمین با استفاده از باندهای حرارتی ماهواره لندست در طبقات مختلف در شکل (6) نشان داده شده است. بر اساس این شکل، در بازه زمانی 1372 تا 1402 بیشترین درصد مساحت از شهرستان اصفهان در طبقه بیشتر 33 درجه سانتی‌گراد قرار دارد. به‌طوری‌که در سال‌های 1372، 1382، 1392 و 1402 به‌ترتیب این طبقات حدود 09/88، 02/89، 55/97 و 24/98 درصد از منطقه را در برگرفته بود. این امر در حالی است که در طول این بازه زمانی، سایر کلاس‌های مورد نظر در این بازه زمانی روند کاهشی داشته‌اند. بررسی روند تغییرات دمای سطح در کاربری‌های مختلف در شکل (7) نیز نشان داد در سال 1372 بیشترین مقدار دمای سطح زمین مربوط به کاربری مناطق شهری و انسان‌ساخت با متوسط دمای 75/36 درجه سانتی‌گراد بود، درحالی‌که بیشترین مقدار متوسط دما در سال‌های 1382، 1392 و 1402 به‌ترتیب 54/38، 16/41 و 61/43 درجه سانتی‌گراد متعلق به کاربری شوره‌زار و اراضی است.

 

 

 

 

شکل 6. تغییرات طبقات شاخص دمای سطح زمین (LST) در بازه زمانی 1372-1402

 

 

شکل 7. تغییرات شاخص دمای سطح زمین (LST) در کاربری کاربری اراضی در بازه زمانی 1372-1402

 

بحث و نتیجه‌گیری

 

امروزه با استفاده از داده‌های ماهواره‌ای و شاخص‌های حاصل از این داده‌ها به خوبی می‌توان روند تغییرات پدیده‌های سطح زمین و اثرات این تغییرات بر پارامترهای اقلیمی مخصوصا دمای سطح زمین را با دقت مناسب بررسی کرد. در پژوهش حاضر برای برای بررسی اثرات تغییر کاربری سطح زمین شهرستان اصفهان و اثرات آن بر دمای سطح زمین از داده‌های ماهواره لندست 5 و 8-9 در بازه زمانی 1372 تا 1403 استفاده شد. بررسی روند تغییرات کاربری اراضی نشان داد در این بازه زمانی 30 ساله دقت کلی و ضریب کاپا به‌ترتیب بیش از 92 و 88/0 بوده که نشان‌دهنده دقت و صحت مناسب در تهیه ‌نقشه‌های کاربری موجود می‌باشد (اسکندری‌دامنه و همکاران، 1400الف؛ Zhao et al., 2024). نتایج بررسی تغییرات کاربری اراضی نیز نشان داد در بازه زمانی مورد مطالعه شهرستان اصفهان شوره‌زار و اراضی بایر و مناطق شهری و انسان‌ساخت به‌ترتیب حدود 10/18 و 4 درصد افزایش و اراضی کشاورزی، مراتع، نیزار و بستر آبی به‌ترتیب حدود 94/0، 82/19، 03/0 و 30/1 کاهش داشته‌اند. نتایج اصغری‌سراسکانرود و اسدی (1399) تایید کرد تغییرات کاربری اراضی در شهرستان اصفهان در حال افزایش بوده، به‌طوری‌که با کاهش آب زاینده‌رود اراضی شور و بایر روند افزایشی و اراضی کشاورزی، نیزار و بسترهای آبی به شدت کاهش یافته‌اند، زیرا این کاربری‌ها به‌طور مستقیم به آب موجود در زاینده‌رود وابسته هستند. از طرفی دیگر زاینده‌رود به‌عنوان عامل اصلی حیات تالاب بین‌المللی گاوخونی در سال‌های اخیر با توجه به تغییرات اقلیمی از جمله خشکسالی، افزایش دما و کاهش بارندگی و فعالیت‌های انسانی از جمله سدسازی و انقال آب دست خوش تغییرات شدید بوده که این خود باعث از بین رفتن بستر آبی تالاب و پوشش گیاهی وابسته به این آب شده است (مدنیان و همکاران، 1398؛ روکی و همکاران، 1402). همچنین با توجه به کاهش و گاها نبود آب در زاینده‌رود کشاورزان برای تامین آب مورد نیاز جهت کشاورزی و سایر مصارف به آب‌های زیر زمینی روی آورده‌اند که این خود باعث تخلیه بیش از انداره آب زیر زمینی شده و پدیده‌های مخرب و غیرقابل‌برگشتی مانند لغزش را در این شهرستان افزایش داده است (Azadi et al., 2022 ؛ تیموری و همکاران، 1398). بررسی نتایج شاخص‌های مورد مطالعه نشان داد روند تغییرات دما و پوشش گیاهی به‌ترتیب افزایشی و کاهشی بوده و تغییرات در کلاس‌های بیشتر از 33 مشهودتر است (Azadi et al., 2022). نتایج حاصل از گزارش IPCC در سال 2014 بیان داشت دمای سطح زمین با کاهش پوشش گیاهی و بسترهای آبی و همچنین افزایش مناطق شهری در حال افزایش بوده و این روند با توجه به تغییرات اقلیمی همچنان در حال افزایش خواهد بود. بررسی تغییرات دما در کاربری‌های مختلف شهرستان اصفهان نشان داد حداکثر دما در کاربری‌های شوره‌زار و اراضی بایر مشاهده شده که این امر متاثر از اقلیم خشک و بیابانی این شهرستان می‌باشد (عابدینی و همکاران، 1402). همچنین تغییرات کاربری اراضی مانند افزایش مناطق شهری و شوره‌زار و اراضی بایر نیز افزایش دما را در این کاربری نشان داده که متوسط دما این کاربری‌ها به‌ترتیب در سال 1372 حدود 75/36 و 07/35، در سال 1402 حدود 55/42 و 61/43 درجه سانتی‌گراد رسیده است (Kafy et al., 2020). افزایش دما در این کاربری‌ها به‌طور مستقیم و غیرمستقیم بر استفاده از منابع آب و متغیرهای اقلیمی تاثیر گذاشته که این خود یکی از عوامل تشدیدکننده تغییرات در اکوسیستم‌های طبیعی و تهدیدی جدی بر زندگی بشر می‌باشد (Shakhawat Hossain et al., 2019). در حالت کلی می‌توان نتیجه گرفت با توجه به موقعیت استراتژیک شهرستان اصفهان و وجود صنایع مختلف امکان مهاجر‌پذیر بودن افزایش فعالیت‌های صنعتی این منطقه بالا رفته، به‌طوری‌که بر اساس آمار موجود شهرستان اصفهان با اختصاص 78/47 درصد از جمعیت شهری به خود از لحاظ تراکم جمعیت رتبه اول را در این استان به خود اختصاص داده است. همچنین با توجه به شرایط اقلیمی خاص این منطقه، تغییرات اقلیمی، خشک شدن رودخانه زاینده‌رود و افزایش تغییرات، تغییرات کاربری در این منطقه باید با دقت و سختگیری خاص خود مورد پایش قرار گیرد. با توجه به نتایج حاصل از این تحقیق می‌توان بیان داشت نتایج این تحقیق می‌تواند در پایش و بررسی روند تغییرات کاربری و اثرات اقلیمی به‌خصوص بر دمای سطح زمین مورد توجه بسیاری از مسولین، سیاست‌گذاران و مدیران این شهرستان قرار گیرد تا اقدامات فوری و پیشگیرانه در مورد این تغییرات به خوبی اتخاذ شود.

منابع

اسکندری‌دامنه، ه.، اسکندری‌دامنه، ح.، چراغی، م.ح.، خسروی، ا. و عادلی‌ساردوئی، م. (1400الف) تاثیر تغییرات کاربری اراضی بر تشکیل جزایر گرمایی با استفاده از سنجش از دور، مطالعه موردی: شهر کرمان. نشریه محیط زیست طبیعی، 74(۳): 628-614.

اسکندری‌دامنه، ه.، اسکندری‌دامنه، ح.، خسروی، ح.، گیلوری، ا. و عادلی‌ساردوئی، م. (1400ب) پایش اثرات خشکسالی بر شاخص‌های محیطی حاصل از سنجنده مودیس در بازه زمانی ۲۰۱۹-۲۰۰۱، مطالعه موردی: مراتع استان اصفهان. نشریه مرتع، ۱۵(۳): ۴76-۴۶0.

اسکندری‌دامنه، ه.، اسکندری‌دامنه، ح.، خسروی، ح. و غلامی، ح. (1398) تحلیل و پایش خشکسالی با استفاده از شاخص پوشش گیاهی NDVI ، مطالعه موردی: حوضه غرب تالاب جازموریان. نشریه مرتع، ۱۳(۳): ۴75-۴61.

اصغری‌سراسکانرود، ص. و اسدی، ب. (1399) بررسی اثرات کاربری‌های مختلف شهرستان اصفهان بر ایجاد جزایر حرارتی. کاوش‌های جغرافیایی مناطق بیابانی، 8(2): 217-246.

تیموری، ح.، حافظ‌نیا، م.ر.، پاپلی‌یزدی، م.ح. و احمدی‌نوحدانی، س. (1398) تببین پیامدهای هیدروپلیتیکی تغییرات اقلیمی در ایران، مطالعه موردی: حوضه آبریز زاینده‌رود. آمايش سیاسی فضا، ۵(۳): ۲69-۲46.

روکی، ز.م.، حسین، م. و زندی، ر. (1402) نقش تغییرات کاربری اراضی بر شکل‌گیری دمای سطح زمین در شهرها، مطالعه موردی: شهر اصفهان. پژوهش‌های جغرافیای طبیعی، 55(۴): 17-۱.

عابدینی، ا.، حبیب‌پور، ن. و خجسته‌مقال، ف. (1402) آینده‌پژوهی پارامترهای اقلیمی در مواجهه با مناطق شهری، نمونه موردی: شهر اصفهان. جغرافیا و آینده‌پژوهی منطقه‌ای، 1(2): 61-82.

عیسی‌زاده، و.، آسیابی، ش. و عیسی‌زاده، ا. (1399) بررسی پایش دمای سطح زمین با استفاده تصاویر لندست 8 و الگوریتم‌های تک کاناله و پنجره مجزا، منطقه مورد مطالعه: شهرستان دزفول. جغرافیا و روابط انسانی، 3(۳): 25-8.

مدنیان، م.ا.، سفیانیان، ع.، سلطانی‌کوپائی، س.، پورمنافی، س. و مومنی، م. (1398) تخمین دمای سطح زمین بخش مرکزی استان اصفهان از داده‌های حرارتی لندست ۸ با استفاده از الگوریتم پنجره مجزا. علوم آب و خاک، ۲۳(۴): 12-۱.

Al Rakib, A., Akter, K.S., Rahman, M.N., Arpi, S. and 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, Student Resarch Conference 2020.

Azadi, S., Yazdanpanah, H., Nasr-Esfahani, M.A., Pourmanafi, S. and Dorigo, W. (2022) The Gavkhouni wetland dryness and Its impact on air temperature variability in the eastern part of the Zayandeh-Rud River Basin, Iran. Water, 14(2):172-172.

Chen, W., Zhang, Y., Pengwang, C. and Gao, W. (2017) Evaluation of urbanization dynamics and its impacts on surface heat islands: A case study of Beijing, China. Remote Sensing, 9(5): 453-453.

Dewan, A., Kiselev, G., Botje, D., Mahmud, G.I., Bhuian, M.H. and Hassan, Q.K. (2021) Surface urban heat island intensity in five major cities of Bangladesh: Patterns, drivers and trends. Sustainable Cities and Society, 71: 102926.

Faisal, A.-A., Kafy, A.-A., Al Rakib, A., Akter, K.S., Jahir, D.M.A., Sikdar, M.S., Ashrafi, T.J., Mallik, S. and 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.

 Grimm, N.B., Faeth, S.H., Golubiewski, N.E., Redman, C.L., Wu, J., Bai, X. and Briggs, J.M. (2008) Global change and the ecology of cities. Science, 319(5864): 756-760.

Gupta, N. and Aithal, B.H. (2024) Urban land surface temperature forecasting: A data-driven approach using regression and neural network models. Geocarto International, 39(1): 2299145.

Hunt, K.M.R., Turner, A.G. and Shaffrey, L.C. (2020) The impacts of climate change on the winter water cycle of the western Himalaya. Climate Dynamics, 55(7): 2287-2307.

Kafy, A.A., Dey, N.N., Al Rakib, A., Rahaman, Z.A., Nasher, N.M.R. and Bhatt, A. (2021) Modeling the relationship between land use/land cover and land surface temperature in Dhaka, Bangladesh using CA-ANN algorithm. Environmental Challenges, 4, 100190.

Kafy, A.A., Rahman, M.S., Faisal, A.-A., Hasan, M.M. and Islam, M. (2020) Modelling future land use land cover changes and their impacts on land surface temperatures in Rajshahi, Bangladesh. Remote Sensing Applications: Society and Environment, 18: 100314.

Kafy, A.A., Saha, M., Faisal, A.-A., Rahaman, Z.A., Rahman, M.T., Liu, D., Fattah, M.A., Al Rakib, A., AlDousari, A.E., Rahaman, S.N., Hasan, M.Z. and Ahasan, M.A.K. (2022) Predicting the impacts of land use/land cover changes on seasonal urban thermal characteristics using machine learning algorithms. Building and Environment, 217: 109066.

Li, Z.-L., Tang, B.-H., Wu, H., Ren, H., Yan, G., Wan, Z., Trigo, I.F. and Sobrino, J.A. (2013) Satellite-derived land surface temperature: Current status and perspectives. Remote Sensing of Environment, 131: 14-37.

Naim, M.N.H. and Kafy, A.-A. (2021) Assessment of urban thermal field variance index and defining the relationship between land cover and surface temperature in Chattogram city: A remote sensing and statistical approach. Environmental Challenges, 4: 100107.

Nimish, G., Chandan, M. C., & Bharath, H. A. (2018) Understanding current and future landuse dynamics with land surface temperature alterations: A case study of Chandigarh. ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 4: 79-86.

Saha, M., Kafy, A.A., Bakshi, A., Faisal, A.-A., Almulhim, A.I., Rahaman, Z.A., Al Rakib, A., Fattah, M.A., Akter, K.S., Rahman, M.T., Zhang, M. and Rathi, R. (2022) Modelling microscale impacts assessment of urban expansion on seasonal surface urban heat island intensity using neural network algorithms. Energy and Buildings, 275: 112452.

Salam, M., Islam, M.K., Jahan, I. and Chowdhury, M.A. (2024) Assessing the impacts of vegetation loss and land surface temperature on Surface Urban Heat Island (SUHI) in Gazipur District, Bangladesh. Computational Urban Science, 4(1): 24-24.

Shakhawat Hossain, M., Arshad, M., Qian, L., Zhao, M., Mehmood, Y. and Kächele, H. (2019) Economic impact of climate change on crop farming in Bangladesh: An application of Ricardian method. Ecological Economics, 164: 106354.

Taiwo, B.E., Kafy, A.A., Samuel, A.A., Rahaman, Z.A., Ayowole, O.E., Shahrier, M., Duti, B.M., Rahman, M.T., Peter, O.T. and Abosede, O.O. (2023) Monitoring and predicting the influences of land use/land cover change on cropland characteristics and drought severity using remote sensing techniques. Environmental and Sustainability Indicators, 18: 100248.

Zhao, Q., Haseeb, M., Wang, X., Zheng, X., Tahir, Z., Ghafoor, S., Mubbin, M., Kumar, R.P., Purohit, S., Soufan, W. and Almutairi, K.F. (2024) Evaluation of land use land cover changes in response to land surface temperature with satellite indices and remote sensing data. Rangeland Ecology and Management, 96: 183-196.

 

 

 

 

Assessing the Impact of Land Use-Land Cover Changes on Earth's Surface Temperature Using Remote Sensing Data (Case Study: Isfahan County)

 

Fatemeh Bina1, Baharak Motamedvaziri2*, Hassan Khosravi3 and Hadi Kiadaliri4

 

1)       PhD Candidate, Department of Nature Engineering, Science and Research Branch, Islamic Azad University, Tehran, Iran.

2)       Associate Professor, Department of Nature Engineering, Science and Research Branch, Islamic Azad University, Tehran, Iran. *Corresponding Author Email Address: [e-mail] 

3)       Professor, Department of Arid and Mountainous Regions Reclamation, University of Tehran, Tehran, Iran.

4)       Associate Professor, Department of Environment and Forest Sciences, Science and Research Branch, Islamic Azad University, Tehran, Iran.

 

 

Date of Submission: 2025/02/28                                   Date of Acceptance: 2025/05/23

 

Abstract

Land use changes and temperature increases in human habitats significantly impact human health and the surrounding ecosystem. This study utilised Landsat 5 and 8-9 sensor images to assess the extent of land use changes and Earth's surface temperature from 1993 to 2013. Land use change maps were generated using the Random Forest machine learning method, after which the accuracy and precision of these maps were assessed. The results indicated that during the period 1373-1403, in Isfahan city, the usage of saline land, barren lands, and urban or man-made areas increased by approximately 18.10% and 4%, respectively, while agricultural lands, pastures, reed beds, and waterbeds decreased by around 0.94%, 19.82%, 0.03%, and 1.30%, respectively. During this period, the overall accuracy and kappa coefficient surpassed 92 and 0.88, respectively, indicating sufficient accuracy and precision in preparing the existing land use maps. The results of examining changes in land surface temperature from 1372 to 1402 demonstrate that the largest percentage of Isfahan City's area falls within the category above 33 degrees Celsius. In 1372, 1382, 1392, and 1402, this class accounts for approximately 88.09%, 89.02%, 97.55%, and 98.24% of the region, respectively. Observations of land surface temperature across various land uses in 1372 indicate that the highest temperature is associated with urban and man-made areas, averaging 36.75 degrees Celsius. Meanwhile, the highest temperatures recorded in 1382, 1392, and 1402 are 38.54, 41.16, and 43.61 degrees Celsius, respectively, linked to salt marshes and barren lands.

 

Keywords: Isfahan, Land use, Landsat, Remote Sensing, Vegetation Cover Index. 

. 

 

 

 

        

---