بررسی رابطه بین دمای سطح زمین با تغییرات پوشش گیاهی و گستره آبی در شهرستان ارسنجان، ایران

محورهای موضوعی : کشاورزی، مرتع داری، آبخیزداری و جنگلداری

علی ابراهیمی ¹ , ّبهارک معتمدوزیری ^{2 *} , سید محمد جعفر ناظم السادات ³ , حسن احمدی ⁴

1 - دانشجوی دکتری علوم و مهندسی آبخیزداری، گروه جنگل، مرتع و آبخیزداری، دانشکده منابع طبیعی و محیط زیست، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، تهران، ایران
2 - استادیار گروه جنگل، مرتع و آبخیزداری، دانشکده منابع طبیعی و محیط زیست، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، تهران، ایران
3 - استاد مرکز پژوهش های علوم جوی-اقیانوسی، گروه مهندسی آب، دانشکده کشاورزی ، دانشگاه شیراز ، شیراز ، ایران
4 - استاد گروه احیاء مناطق خشک و کوهستانی، دانشکده منابع طبیعی ، دانشگاه تهران ، کرج ، ایران

تاریخ دریافت : 1399/03/23 تاریخ پذیرش : 1399/07/17 تاریخ انتشار : 1399/10/01

کلید واژه: دمای سطح زمین, ارسنجان, شاخص تفاضل گیاهی نرمال شده, بختگان, لندست,

چکیده مقاله :

پیشینه و هدف تغییرات پوشش زمین و رطوبت خاک تأثیر زیادی بر دمای سطح زمین دارد؛ بنابراین، دمای سطح را می‌توان برای مطالعه تغییرات پوشش زمین و بیابان‌زایی استفاده کرد. شهرستان ارسنجان که در شمال شرق استان فارس واقع گردیده است، دارای پوشش جنگلی و مرتعی نسبتاً خوبی است. برداشت بیش‌ازحد منابع آب زیرزمینی و نیز کاهش مقدار بارش، باعث کاهش سطح آب در این منطقه و خشکیدگی بسیاری از چاه‌ها طی سال‌های اخیر شده است. این مسائل باعث شده تا سطح زیر کشت محصولات کشاورزی و نیز مساحت پوشیده از آب دریاچه بختگان در این پهنه طی سری زمانی کاهش یابد. با این حال، تاکنون بررسی دمای سطح زمین و ارتباط آن با تغییرات کاربری زمین در شهرستان ارسنجان موردمطالعه قرار نگرفته است. لذا در این پژوهش، تغییرات فضایی - زمانی دمای سطح زمین و ارتباط آن با پوشش گیاهی و سطح دریاچه بختگان موردبررسی قرارگرفته است.مواد و روش هاتعداد 11 تصویر مربوط به داده‌های Level-1 ماهواره لندست از منطقه موردمطالعه از سال 2003 تا 2018 میلادی تهیه گردید. ازآنجاکه وضعیت پوشش گیاهی در این منطقه در ماه‌های آوریل و می به علت بارش‌های زمستانه، در بهترین وضعیت خود است، لذا تصاویر مربوط به این دوره زمانی به‌منظور بررسی نوسان پوشش گیاهی و سطح آب دریاچه بختگان مورد پایش قرار گرفت. از شاخص پوشش گیاهی نرمال شده برای برآورد مقدار پوشش گیاهی استفاده شد. به‌منظور محاسبه دمای سطح زمین از روش الگوریتم پلانک استفاده گردید. آشکارسازی تغییرات با استفاده از فن تفاضل شاخص‌های گیاهی انجام شد. به ‌منظور طبقه ‌بندی دمای سطح زمین و تغییرات زمانی-مکانی دمای سطح زمین، در ابتدا تصویر اختلاف دمای سطح زمین در سال 2018 نسبت به سال 2003 محاسبه‌شده نرمال گردید. سپس تصویر نرمال شده با استفاده از پارامتر انحراف معیار در 5 طبقه دمایی پهنه‌بندی شد.نتایج و بحثمتوسط مقدار شاخص پوشش گیاهی نرمال شده از سال 2003 با مقدار 0.25 روندی نزولی را به خود گرفت که تا سال 2018 ادامه داشت، به طوری که مقدار پوشش در این سال به 0.18 کاهش یافت؛ اما در سوی دیگر، متوسط دمای سطح زمین کاملاً سیر صعودی داشت به طوری که از مقدار29Coدر سال 2003 به 41.7Coدر سال 2018 افزایش یافت. نتایج نشان می‌دهد که متوسط مقدار شاخص پوشش گیاهی نرمال شده در پوشش زراعی در سال 2003 به مقدار 0.66 بود اما بااین‌وجود مقدار این شاخص در سال 2018 به 0.33 کاهش یافت. در مقابل، دمای سطح زمین در عرصه‌های کشاورزی در بازه 2003 تا 2018 سیری صعودی را داشت و از مقدار20.9Coسال 2003 به39.5Co در سال 2018 افزایش یافت. نتایج نشان داد که متوسط دمای سطح زمین در پهنه دریاچه در بازه 2003 تا 2018 سیری صعودی را داشت و از مقدار 20.1Coدر سال 2003 به 36.5Coدر سال 2018 افزایش یافت. با توجه به این نتایج، مقدار متوسط شاخص پوشش گیاهی نرمال شده در سال 2018 در محدوده پوشش طبیعی و زراعی به ترتیب به مقدار 0.07 و 0.33 کاهش داشته است؛ اما با توجه به رابطه مثبت بین شاخص پوشش گیاهی نرمال شده و دمای سطح زمین در پهنه ‌های پوشیده از آب، مقدار شاخص پوشش گیاهی نرمال شده در سال 2018 به مقدار 0.39 در محدوده دریاچه بختگان افزایش یافت. در مقابل دمای سطح زمین در کاربری‌های پوشش طبیعی، زراعی و دریاچه به ترتیب به مقدار 12.7Co، 18.6Coو 16.4Coدر سال 2018 نسبت به سال 2003 افزایش یافت. نتایج نشان داد رابطه منفی بین شاخص پوشش گیاهی نرمال شده و دمای سطح زمین است (0.862= R2). به طوری که با افزایش تراکم پوشش گیاهی دمای سطح زمین کاهش می‌یابد. در مقابل، در شوره‌زارها و اراضی بایر، مقدار شاخص پوشش گیاهی نرمال و دمای سطح زمین بالا می‌باشند. با توجه به نتایج، بیشترین همبستگی منفی بین پوشش زراعی و دمای سطح زمین به دست آمد که برابر با 0.94- بود. علت این همبستگی بالا را می‌توان به انبوهی و تراکم پوشش گیاهی در مناطق زراعی ربط داد. همبستگی منفی پایین بین پوشش طبیعی و دمای سطح زمین نیز حاکی از تراکم پایین پوشش گیاهی در عرصه‌های مرتعی و جنگلی است. به‌منظور بررسی سطح کاهش یا افزایش دمای سطح زمین در کاربری‌های مختلف پوشش زراعی، پوشش طبیعی و کلاس آب، نقشه اختلاف دمای سطح زمین در سال 2018 نسبت به سال 2003 به پنج کلاس دمای خیلی پایین، دمای پایین، دمای متوسط، دمای بالا و دمای بسیار بالا طبقه‌بندی گردید. با توجه به نتایج حاصل از طبقه‌بندی دمای سطح زمین، بیشترین مساحت مربوط به طبقه دمایی متوسط در تمام کاربری‌ها بوده است، به طوری که بیشترین مساحت این طبقه دمایی مربوط به پوشش طبیعی به مقدار 86733 هکتار است. ازآنجاکه تراکم و مقدار پوشش گیاهی به‌ویژه در اراضی کشاورزی در سال 2018 کاهش چشمگیری نسبت به سال 2003 داشت، لذا مساحت طبقات دمایی بالا و بسیار بالا افزایش زیادی داشتند. مساحت طبقات دمایی بالا و بسیار بالا در زمین‌های زراعی به ترتیب به مقدار 4625 هکتار و 7192 هکتار رسید. همچنین، ازآنجاکه سطح آب دریاچه در سال 2018 نسبت به سال 2003 کاهش یافت، لذا مساحت طبقات دمایی بالا و بسیار بالا در این کلاس به ترتیب به مقدار 1824 و 3919 هکتار رسید.نتیجه گیری متوسط شاخص پوشش گیاهی نرمال شده در سال 2018 در محدوده پوشش طبیعی و زراعی کاهش و در محدوده دریاچه بختگان افزایش یافت و در مقابل، دمای سطح زمین در کاربری‌های ذکرشده افزایش یافت. ازآنجاکه تراکم و مقدار پوشش گیاهی به‌ویژه در اراضی کشاورزی در سال 2018 کاهش چشمگیری نسبت به سال 2003 داشت، لذا نتایج نشان داد که مساحت طبقات دمایی بالا و بسیار بالا افزایش بیشتری نسبت به طبقات دمایی پایین و بسیار پایین داشتند. همچنین، ازآنجاکه سطح آب دریاچه در سال 2018 نسبت به سال 2003 کاهش یافت، لذا مساحت طبقات دمایی بالا و بسیار بالا در این کلاس افزایش یافت. یافته ‌ها نشان داد که بین پوشش گیاهی و دمای سطح زمین همبستگی منفی وجود دارد.

چکیده انگلیسی:

Background and ObjectiveLand cover and soil moisture changes have a significant impact on land surface temperature (LST). Therefore, LST can be used to study land cover and desertification changes. Arsanjan County, which is located in the northeast of Fars province, has a relatively good forest and rangeland. Unfortunately, excessive harvesting of the groundwater resources and also reduced precipitation in this area caused to decrease water levels and dried up many wells in this area during recent years. So the area of the farmland and Bakhtegan Lake has decreased in this region during the last decades. However, so far, the condition of the LST and its relationship with land cover changes has not been assessed in Arsanjan County. In this study, spatial-temporal changes of LST and its relationship with vegetation and the water area of Bakhtegan Lake have been studied. Materials and Methods The eleven images related to Level-1 data of Landsat satellite was taken from 2003 to 2018. Since the vegetation situation in the study area is in the best vegetation and water area condition in April and May, so the images related to these months were selected to check the fluctuation of vegetation cover and water level of Bakhtegan Lake. The data pre-processing was performed in three sections: geometric, radiometric and atmospheric correction by ENVI software. The FLAASH algorithm, which is one of the best methods of atmospheric correction, was applied for atmospheric correction. In this study, NDVI was used to estimate the amount of vegetation. The Planck algorithm method was applied to calculate the LST. The change detection process was done using the index differencing method. To classify the LST map and the temporal-spatial changes, the LST difference map was normalized. Then, the normalized image was categorized using the standard deviation parameter in five temperature classes. Results and Discussion In the present study, 11 Landsat images were examined to investigate the spatial-temporal changes in land coverage and LST and the relationship between these two parameters from 2003 to 2018. The NDVI mean value was 0.25 in 2003, which decreased to 0.18 in 2018. On the other hand, the LST mean value had an upward trend as it increased from 29℃ in 2003 to 41.7℃ in 2018. The NDVI mean value was 0.66 in the farmland in 2003, however, its value reached to 0.33 in 2018. In contrast, LST mean value increased in the farmland from 20.9℃ in 2003 to 39.5.5℃ in 2018. Also, the LST mean value in the lake area increased from 20.1℃ in 2003 to 36.5 in 2018. Based on the results, the NDVI mean value in the rangeland and farmland decreased by 0.07 and 0.33, respectively, in 2018. However, due to the positive relationship between NDVI and LST in water-covered areas, the NDVI mean value increased by 0.39 in Bakhtegan Lake area in 2018. In contrast, the LST mean value in the rangeland, farmland and Bakhtegan Lake increased by 12.7℃, 18.6℃ and 16.4℃, respectively, in 2018 compared to 2003. The results indicated a negative relationship between NDVI and LST (R2= 0.862). The LST value decreases by increasing NDVI value in the vegetated area. In contrast, there was a positive correlation between NDVI and LST in salt-marshes and barren areas. According to the results, the highest negative correlation was obtained for the farmland, which was  -0.94. The reason for this high correlation can be related to the high density of vegetation cover in agricultural areas. The low negative correlation between NDVI and LST in the rangeland indicates the low vegetation density in rangeland and forest area. In order to study the area of decrease or increase of LST in the farmland, rangeland and water classes, the LST difference map was classified to five categories including very low temperature, low temperature, medium temperature, high temperature and very high temperature. According to the result of LST classification, the highest area was related to the moderate temperature class in all land covers, so that the highest area of this temperature class was associated with the rangeland by 86733 hectares. Since the vegetation density, especially in the farmland, had a significant decrease in 2018 compared to 2003, the area of high and very high-temperature classes increased in 2018, so that their area reached to 4625 ha and 7192 ha, respectively, in the farmland. Also, since the water area of the lake decreased in 2018 compared to 2003, the area of high and very high-temperature classes in these classes reached to 1824 ha and 3919 ha, respectively. Conclusion According to the results, the NDVI mean value in 2018 decreased in the farmland and rangeland and increased in the Bakhtegan Lake area. In contrast, the LST increased in the mentioned areas. The results of the LST classification showed that the highest amount of LST change is related to the moderate temperature class. Since the vegetation density, especially in the agricultural area, had a significant decrease in 2018 compared to 2003, the results showed that the area of high and very high temperatures had a higher increase than low and very low temperatures. Also, since the lake's water level decreased in 2018 compared to 2003, the area of high and very high temperatures in these classes increased. The findings show that there is a negative correlation between vegetation and land surface temperatures.

منابع و مأخذ:

Ahmadi B, Ghorbani A, Safarrad T, Sobhani B. 2015. Evaluation of surface temperature in relation to land use/cover using remote sensing Data. Journal of RS and GIS for Natural Resources (Journal of Applied RS & GIS Techniques in Natural Resource Science), 6(1): 66-77. (In Persian).

Balew A, Korme T. 2020. Monitoring land surface temperature in Bahir Dar city and its surrounding using Landsat images. The Egyptian Journal of Remote Sensing and Space Science. doi:https://doi.org/10.1016/j.ejrs.2020.02.001.

Chu H, Venevsky S, Wu C, Wang M. 2019. NDVI-based vegetation dynamics and its response to climate changes at Amur-Heilongjiang River Basin from 1982 to 2015. Science of The Total Environment, 650: 2051-2062. doi:https://doi.org/10.1016/j.scitotenv.2018.09.115.

Duan S-B, Li Z-L, Li H, Göttsche F-M, Wu H, Zhao W, Leng P, Zhang X, Coll C. 2019. Validation of Collection 6 MODIS land surface temperature product using in situ measurements. Remote Sensing of Environment, 225: 16-29. doi:https://doi.org/10.1016/j.rse.2019.02.020.

Eckert S, Hüsler F, Liniger H, Hodel E. 2015. Trend analysis of MODIS NDVI time series for detecting land degradation and regeneration in Mongolia. Journal of Arid Environments, 113: 16-28. doi:https://doi.org/10.1016/j.jaridenv.2014.09.001.

Fathizad H, Tazeh M, Kalantari S, Shojaei S. 2017. The investigation of spatiotemporal variations of land surface temperature based on land use changes using NDVI in southwest of Iran. Journal of African Earth Sciences, 134: 249-256. doi:https://doi.org/10.1016/j.jafrearsci.2017.06.007.

Govil H, Guha S, Diwan P, Gill N, Dey A. 2020. Analyzing linear relationships of LST with NDVI and MNDISI using various resolution levels of Landsat 8 OLI and TIRS data. In:  Data Management, Analytics and Innovation. Springer, pp 171-184. https://doi.org/110.1007/1978-1981-1032-9949-1008_1013.

Guha S, Govil H. 2020. An assessment on the relationship between land surface temperature and normalized difference vegetation index. Environment, Development and Sustainability. doi:10.1007/s10668-020-00657-6.

Khan N, Shahid S, Chung E-S, Kim S, Ali R. 2019. Influence of surface water bodies on the land surface temperature of Bangladesh. Sustainability, 11(23): 6754. doi:https://doi.org/10.3390/su11236754.

Kianisalmi E, Ebrahimi A. 2019. Assessing the impact of urban expansion and land cover changes on land surface temperature in Shahrekord city. Journal of RS and GIS for Natural Resources (Journal of Applied RS & GIS Techniques in Natural Resource Science), 9(4): 102-118. (In Persian).

Lamchin M, Lee W-K, Jeon SW, Wang SW, Lim CH, Song C, Sung M. 2018. Long-term trend and correlation between vegetation greenness and climate variables in Asia based on satellite data. Science of The Total Environment, 618: 1089-1095. doi:https://doi.org/10.1016/j.scitotenv.2017.09.145.

Lee PS-H, Park J. 2020. An Effect of Urban Forest on Urban Thermal Environment in Seoul, South Korea, Based on Landsat Imagery Analysis. Forests, 11(6): 630. doi:https://doi.org/10.3390/f11060630.

Liaqut A, Younes I, Sadaf R, Zafar H. 2019. Impact of urbanization growth on land surface temperature using remote sensing and GIS: a case study of Gujranwala City, Punjab, Pakistan. International Journal of Economic and Environmental Geology: 44-49. doi:https://doi.org/10.46660/ijeeg.Vol0.Iss0.0.138.

Marzban F, Sodoudi S, Preusker R. 2018. The influence of land-cover type on the relationship between NDVI–LST and LST-Tair. International Journal of Remote Sensing, 39(5): 1377-1398. doi:https://doi.org/10.1080/01431161.2017.1402386.

Pu R, Gong P, Tian Y, Miao X, Carruthers RI, Anderson GL. 2008. Using classification and NDVI differencing methods for monitoring sparse vegetation coverage: a case study of saltcedar in Nevada, USA. International Journal of Remote Sensing, 29(14): 3987-4011. doi:https://doi.org/10.1080/01431160801908095.

Rahmad R, Nurman A, Pinem K. 2019. Impact Of NDVI Change To Spatial Distribution Of Land Surface Temperature (A Study in Medan City, Indonesia). In: 1st International Conference on Social Sciences and Interdisciplinary Studies (ICSSIS 2018). Atlantis Press,  https://doi.org/10.2991/icssis-18.2019.33.

Solangi GS, Siyal AA, Siyal P. 2019. Spatiotemporal dynamics of land surface temperature and its impact on the vegetation. Civil Engineering Journal, 5(8): 1753-1763. doi:http://dx.doi.org/10.28991/cej-2019-03091368.

Sruthi S, Aslam MAM. 2015. Agricultural Drought Analysis Using the NDVI and Land Surface Temperature Data; a Case Study of Raichur District. Aquatic Procedia, 4: 1258-1264. doi:https://doi.org/10.1016/j.aqpro.2015.02.164.

Sun D, Kafatos M. 2007. Note on the NDVI‐LST relationship and the use of temperature‐related drought indices over North America. Geophysical Research Letters, 34(24). doi: https://doi.org/10.1029/2007GL031485.

Tan J, Yu D, Li Q, Tan X, Zhou W. 2020. Spatial relationship between land-use/land-cover change and land surface temperature in the Dongting Lake area, China. Scientific Reports, 10(1): 9245. doi:10.1038/s41598-020-66168-6.

Walawender JP, Szymanowski M, Hajto MJ, Bokwa A. 2014. Land Surface Temperature Patterns in the Urban Agglomeration of Krakow (Poland) Derived from Landsat-7/ETM⁺ Data. Pure and Applied Geophysics, 171(6): 913-940. doi:10.1007/s00024-013-0685-7.

Wan Mohd Jaafar WS, Abdul Maulud KN, Muhmad Kamarulzaman AM, Raihan A, Md Sah S, Ahmad A, Saad SNM, Mohd Azmi AT, Jusoh Syukri NKA, Razzaq Khan W. 2020. The Influence of Deforestation on Land Surface Temperature-A Case Study of Perak and Kedah, Malaysia. Forests, 11(6): 670. doi:https://doi.org/10.3390/f11060670.

Wang S, Ma Q, Ding H, Liang H. 2018. Detection of urban expansion and land surface temperature change using multi-temporal landsat images. Resources, Conservation and Recycling, 128: 526-534. doi:https://doi.org/10.1016/j.resconrec.2016.05.011.

Wu C, Li J, Wang C, Song C, Chen Y, Finka M, La Rosa D. 2019. Understanding the relationship between urban blue infrastructure and land surface temperature. Science of The Total Environment, 694: 133742. doi:https://doi.org/10.1016/j.scitotenv.2019.133742.

Xunqiang M, Chen C, Fuqun Z, Hongyuan L. 2011. Study on temporal and spatial variation of the urban heat island based on Landsat TM/ETM⁺ in central city and Binhai New Area of Tianjin. In: 2011 International Conference on Multimedia Technology. IEEE, pp 4616-4622. https://doi.org/4610.1109/ICMT.2011.6003213.

Zareie S, Khosravi H, Nasiri A, Dastorani M. 2016. Using Landsat Thematic Mapper (TM) sensor to detect change in land surface temperature in relation to land use change in Yazd, Iran. Solid Earth, 7(6): 1551. doi:https://doi.org/10.5194/se-7-1551-2016.

Zhang F, Tiyip T, Kung H, Johnson VC, Maimaitiyiming M, Zhou M, Wang J. 2016. Dynamics of land surface temperature (LST) in response to land use and land cover (LULC) changes in the Weigan and Kuqa river oasis, Xinjiang, China. Arabian Journal of Geosciences, 9(7): 499. doi:https://doi.org/10.1007/s12517-016-2521-8.

متن کامل:



 

بررسی رابطه بین دمای سطح زمین با تغییرات پوشش گیاهی و گستره آبی در شهرستان ارسنجان، ایران

چکیده

تغییرات کاربری اراضی، پوشش گیاهی و رطوبت خاک تأثیر زیادی بر دمای سطح زمین دارد. بررسی پراکنش مکانی کاربری زمین و درجه حرارت سطح زمین و رابطه بین این دو پارامتر در مطالعات محیطی ضروری است. هدف از این پژوهش، بررسی رابطه بین تغییرات کاربری زمین و دمای سطح زمین در شهرستان ارسنجان واقع در استان فارس می‌باشد. تعداد ۱۱ تصویر ماهواره لندست بین سال‌های ۲۰۰۳ تا ۲۰۱۸ مورد استفاده قرار گرفت. پس از پیش‌پردازش تصاویر ماهواره‌ای، دمای سطح زمین با استفاده از تابع پلانک و شاخص تفاضل گیاهی نرمال شده به‌صورت جداگانه برای هر تصویر محاسبه گردیدند. در ادامه، آشکارسازی تغییرات انجام گرفت. سپس، تصاویر حرارتی بر اساس انحراف معیار طبقه بندی گردیدند. یافته‌ها سیری نزولی را در مقدار پوشش گیاهی از سال ۲۰۰۳ تا ۲۰۱۸ نشان داد، بطوریکه مقدار شاخص پوشش گیاهی نرمال شده در سال ۲۰۱۸ در محدوده پوشش طبیعی، زراعی و دریاچه بختگان به ترتیب به مقدار 07/0- و 33/0- و 39/0+ تغییر کرد و در مقابل، دمای سطح زمین در کاربری‌های نام‌برده به ترتیب به مقدار ℃ 7/12، ℃ 6/18 و ℃ 4/16 افزایش یافت. یافته‌ها نشان داد که بیشترین مساحت تغییرات دما مربوط به طبقه دمایی متوسط می‌باشد که عمدتاً در عرصه پوشش طبیعی بود. همچنین، با توجه به بایر شدن بخش زیادی از زمین‌های کشاورزی و پهنه دریاچه بختگان در سال 2018، مساحت طبقات دمایی بالا و بسیار بالا افزایش بیشتری نسبت به طبقات دمایی پایین و بسیار پایین داشتند. رابطه رگرسیونی انجام‌شده بین شاخص تفاضل گیاهی نرمال شده و دمای سطح زمین نشان از رابطه منفی بین آنها بود، بطوریکه بیشترین و کمترین همبستگی منفی به ترتیب مربوط به پوشش زراعی (94/0-) و پوشش طبیعی (21/0-) بود. نتایج پژوهش فوق در بخش کشاورزی، منابع طبیعی و هواشناسی در شناسایی جزایر حرارتی و تغییرات کاربری زمین کاربرد دارد.

 

واژه‌های کلیدی: شاخص تفاضل گیاهی نرمال شده، دمای سطح زمین، لندست، ارسنجان، بختگان.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

مقدمه

تغییرات کاربری زمین که یکی از بارزترین نتایج حاصل از فعالیت‌های انسانی بر روی اکوسیستم زمین می‌باشد، اهمیت قابل‌توجهی در تأثیر بر مقیاس محلی، منطقه‌ای و جهانی دارد بطوریکه عمیقاً بر تنوع بیولوژیکی، اقلیمی و زیست ژئوشیمی فراتر از مقیاس‌های مکانی و زمانی تأثیر می‌گذارد (27).

شاخص پوشش گیاهی نرمال شده (Normalized Difference Vegetation Index)  به‌طور گسترده برای ارزیابی تغییرات پوش گیاهی و رابطه آن با پارامترهای اقلیمی و زیست محیطی در نیمکره شمالی استفاده می­گردد (4 و11). این شاخص همچنین برای شناسایی تغییرات پوشش گیاهی و شرایط آن در سری زمانی بلندمدت بسیار کارآمد است. دمای سطح زمین(Land Surface Temperature)    یک متغیر مهم آب و هوایی است که به انرژی سطح و تعادل آب مربوط می شود و یک پارامتر فیزیکی کلیدی برای مطالعات مختلف از جمله هیدرولوژی ، اقلیم شناسی ، محیط زیست و اکولوژی می باشد (3). تجزیه‌وتحلیل تغییرپذیری مکانی شاخص پوشش گیاهی نرمال شده و درجه حرارت سطح زمین و رابطه بین این دو پارامتر در مطالعات محیطی ضروری است. تغییر پوشش گیاهی عامل اصلی ایجاد تغییرات دمای سطح است. تغییر در کاربری اراضی و پوشش زمین را می‌توان با استفاده از تجزیه‌وتحلیل پوشش گیاهی و روند سری زمانی شاخص پوشش گیاهی نرمال شده ارزیابی کرد. تغییرات کاربری اراضی، پوشش گیاهی و رطوبت خاک تأثیر زیادی بر دمای سطح زمین دارد (26).

تصاویر ماهواره‌ای نقش مهمی در پایش شرایط پوشش گیاهی در ارتباط با خشک‌سالی ایفا می‌کنند. به دلیل ارتباط نزدیک، بین شادابی پوشش گیاهی و رطوبت موجود در خاک، به‌خصوص در مناطق خشک و نیمه‌خشک، از شاخص پوشش گیاهی نرمال شده و داده‌های دمای سطح زمین برای ارزیابی شرایط خشکی استفاده شده است(19). فن سنجش‌ازدور حرارتی نقش مهمی در مطالعه و برآورد دمای سطح دارا می‌باشد و داده‌های حاصل از این روش امکان بررسی و تخمین دمای سطح زمین و همچنین جزایر حرارتی را در سطح وسیع فراهم می‌کند. از بین داده‌های حرارتی سنجش‌ازدور، تصاویر ماهواره‌ای بخصوص تصاویر ماهواره لندست جایگاه خاصی در برآورد دمای سطح زمین به دلیل داشتن باندهای حرارتی می‌توانند داشته باشند (27). 

گویل و همکاران (7)، لی و پارک (12) و گوها و گویل (8) با استفاه از داده های لندست به این نتیجه رسیدند که مقدار شاخص پوشش گیاهی نرمال شده در نواحی با دمای سطح زمین پایین، بالاتر می باشد نسبت به مناطقی که دمای سطح زمین بالا می باشد.  پرداختند. یانگ و هممکاران 2020، باله و کورمی (2) به بررسی نوسانات دمای سطح زمین با استفاده از تصاویر لندست پرداختند. نتایج حاکی از رابطه منفی معنادار بین دمای سطح زمین و شاخص پوشش گیاهی نرمال شده بود. وان و همکاران (22) به این نتیجه رسیدند که رابطه ای قوی بین دمای سطح زمین و شاخص پوشش گیاهی نرمال شده وجود دارد بطوریکه کاهش پوشش گیاهی منجر به افزایش دمای سطح زمین می شود. فتحی زاد و همکاران (6) به بررسی تغییرات زمانی-مکانی دمای سطح زمین، بر مبنای تغییرات کاربری زمین با استفاده از شاخص پوشش گیاهی نرمال شده در جنوب ایران پرداختند. نتایج حاکی از کاهش دما در مراتع و افزایش دما در زمین‌های زراعی بود. رحماد و همکاران (16) به بررسی تاثیر شاخص پوشش گیاهی نرمال شده بر روی پراکنش مکانی دمای سطح زمین پرداختند. نتایج حاکی از کاهش پوشش گیاهی و افزایش دمای سطح زمین در منطقه مورد مطالعه طی سری زمای می باشد که نشان از رابطه معنادار بین این دو شاخص بود. مرزبان و همکاران (14) به بررسی تأثیر نوع کابری اراضی بر روی رابطه دمای سطح زمین و شاخص پوشش گیاهی نرمال شده در بریلن پرداختند. بدین منظور بین این دو شاخص در کاربری‌های مختلف از رگرسیون استفاده گردید تا تأثیر هر کاربری بر مقدار دمای سطح زمین مشخص گردد. نتایج نشان داد که شیب رگرسیون بستگی به نوع کاربری زمین دارد بطوریکه همبستگی منفی بین شاخص پوشش گیاهی نرمال شده و دمای سطح زمین در کاربری‌های مختلف مشاهده گردید. وانگ و همکاران (23) به آشکارسازی تغییرات ایجادشده در کاربری زمین و تغییرات دمای سطح زمین با استفاده از تصاویر لندست پرداختند. نتایج نشان داد که کاربری زمین در منطقه موردمطالعه تغییرات زیادی کرده است و بسیاری از پوشش‌های درختی جای خود را به زمین‌های بایر و مناطق مسکونی داده‌اند. همین امر باعث افزایش دمای سطح زمین در این منطقه گردیده است.  

نتایج حاصل از پژوهش های انجام گرفته نشان از پایش موثر دمای سطح زمین و تغییرات کاربری با استفاده از فن سنجش از دور می­باشد به گونه ای که استفاده از تصاویر ماهواره ای نسبت به اندازه گیری های میدانی منجر به کاهش هزینه و نیز صرفه جویی در زمان می­شود. اگرچه تجزیه و تحلیل مداوم نقشه های کاربری و پوشش زمین عامل اصلی درک تغییرات زیست محیطی است ، اما هنوز چنین تجزیه و تحلیل هایی برای شهرستان ارسنجان انجام نشده است. متأسفانه چندی است که این پهنه تحت تأثیر نوسانات اقلیمی قرار گرفته و همانند بسیاری از نقاط دیگر کشور، به علت کمبود بارش و خشک‌سالی دچار تنش گردیده است. این مسائل باعث شده تا سطح زیر کشت محصولات کشاورزی و نیز مساحت پوشیده از آب دریاچه بختگان در این پهنه طی سری زمانی کاهش یابد. همین عوامل موجب افزایش دمای سطح زمین در نتیجه تغییرات پوشش سطح زمین در اراضی کشاورزی، مرتعی و نیز بخش زیادی از دریاچه بختگان گردیده است. لذا شناسایی جزایر حرارتی ایجاد شده در این نواحی و رابطه آنها با تغییرات کاربری زمین از لحاظ مسائل زیست محیطی و نیز اقتصاد کشاورزی در این شهرستان بسیار مهم می باشد. 

در این پژوهش برخلاف بسیاری از پژوهش‌های پیشین که رابطه بین تغییرات کاربری و دمای سطح زمین را تنها با بررسی بین دو سال مورد ارزیابی قرار داده‌اند، در ابتدا روند تغییرات دو شاخص پوشش گیاهی نرمال شده و دمای سطح زمین طی سری زمانی 2003 تا 2018 با به‌کارگیری 11 تصویر ماهواره‌ای مورد ارزیابی قرارگرفته است. سپس با توجه به تغییرات کاربری زمین و دمای سطح زمین طی این دوره، آشکارسازی تغییرات پوشش زمین و دمای سطح زمین انجام گردید. علاوه بر این بسیاری از پژوهش‌های پیشین طبقه‌بندی دما را بر روی تصاویر حرارتی یک سال مورد ارزیابی قرار داده‌اند، اما در اینجا سعی شده است تا تصویر حاصل از تغییرات دمایی، طبقه‌بندی و مورد مطالعه قرار گیرد تا مشخص گردد که در کاربری‌های مختلف، تغییرات دمای سطح زمین به چه اندازه ای بوده است. بااین‌حال تاکنون تغییرات فضایی - زمانی پوشش گیاهی و محیط حرارتی شهرستان ارسنجان مورد مطالعه قرار نگرفته، در این پژوهش با تکیه بر روش‌های آماری مناسب، تغییرات فضایی - زمانی دمای سطح زمین و ارتباط آن با پوشش گیاهی و سطح آب دریاچه بختگان در شهرستان ارسنجان مورد بررسی قرار گرفته است. نتایج این پژوهش می‌تواند در بخش کشاورزی و منابع طبیعی در منطقه موردمطالعه سودمند باشد و به مسئولان این شهرستان کمک نماید تا در جهت مدیریت سطح زیر کشت محصولات کشاورزی و باغی، اصلاح مراتع و نیز کاهش اثرات جزیره حرارتی اقداماتی مفید و زیربنایی انجام دهند. 

بنابراین با توجه به اهمیت موضوع، اهداف پژوهش شامل موارد زیر می باشد:

1- بررسی تغییرات متوسط شاخص پوشش گیاهی نرمال شده و دمای سطح زمین در کاربری های پوشش زراعی، طبیعی و دریاچه.

2- آشکارسازی تغییرات دمای سطح زمین در کاربری های پوشش زراعی، طبیعی و دریاچه.

3- طبقه بندی تغییرات دمای سطح زمین. 

 

روش تحقیق

منطقه موردمطالعه

شهرستان ارسنجان با گستره 1497 کیلومترمربع به مرکزیت شهر ارسنجان بین طول‌های شرقی 52 درجه و 2 دقیقه تا 53 درجه و 39 دقیقه و عرض‌های شمالی 29 درجه و 45 دقیقه تا 30 درجه و 2 دقیقه می‌باشد که در فاصله 130 کیلومتری شمال شرقی شیراز قرار دارد و از غرب به شهرستان پاسارگاد، شهرستان مرودشت، از شرق به دریاچه بختگان و شهرستان نی‌ریز، از شمال به منطقه سرپنیران و شهرستان بوانات و از جنوب به شهرستان شیراز محدود است. این پهنه با متوسط بلندی 1600 متر از سطح دریا منطقه‌ای کوهستانی محسوب می‌شود. قله دل‌نشین (دال نشین) و قلات به ترتیب با بلندی 3270 متر و 2845 متر بلندترین قله‌های رشته‌کوه‌های اطراف ارسنجان می‌باشند و پست‌ترین نقطه در دریاچه بختگان با ارتفاع 1561 متر از سطح دریا می‌باشد (شکل 1). متوسط بلندی دشت 5/1704 متر از سطح دریا و متوسط بلندی ارتفاعات آن 2200 متر از سطح دریا می‌باشد.

 

شکل 1. موقعیت منطقه موردمطالعه در نقشه ایران.

Fig 1. Geographical position of the Arsanjan County in Iran's map.

 

داده‌های مورداستفاده

داده­های مورد استفاده در این پژوهش شامل داده های مربوط به تصاویر ماهواره­ای سری سنجنده های لندست است که از سایت USGS  (earthexplorer.usgs.gov) تهیه گردیدند و نیز داده های دمای روزانه هوا مربوط به ایستگاه سینوپتیک شهرستان ارسنجان می باشد که از سازمان هواشناسی استان فارس تهیه شدند. تعداد 11 تصویر مربوط به داده‌های Level 1 ماهواره لندست از منطقه موردمطالعه از سال 2003 تا 2018 میلادی با فاصله زمانی 1 و 2 سال از سری سنجنده های لندست 5 (TM5)، 7 (ETM+) و 8 (OLI و TIRS) تهیه گردید (شکل 2). به‌منظور تهیه داده‌های لندست، تمام تصاویر ضبط‌شده از منطقه موردمطالعه توسط ماهواره لندست، مورد کاووش قرار گرفتند و بهترین تصاویر با حداقل پارامترهای اتمسفری انتخاب شدند. ازآنجاکه وضعیت پوشش گیاهی در این منطقه در ماه‌های آوریل و می به علت بارش‌های زمستانه، در بهترین وضعیت خود می‌باشد، لذا تصاویر مربوط به این دوره زمانی به‌منظور بررسی نوسان پوشش گیاهی و سطح آب دریاچه بختگان مورد پایش قرار گرفتند (جدول 1). 

 

جدول 1. تاریخ تصاویر لندست تهیه شده از سایت USGS.

Table 1. The acquisition time of Landsat images from USGS.

تعداد	تاریخ تصویر	تعداد	تاریخ تصویر
1	24/04/2003	7	08/05/2014
2	13/04/2005	8	03/05/2015
3	05/05/2007	9	05/05/2016
4	18/05/2009	10	22/04/2017
5	30/04/2011	11	03/05/2018
6	11/04/2013	-	-

 

 

 

شکل 2- تصاویر ماهواره ای لندست مورد استفاده در پایش تغییرات کاربری و دمای سطح زمین شهرستان ارسنجان.

Fig 2. The utilized Landsat satellite images for assessing land cover and land surface temperature in Arsanjan County.

 

 

پیش‌پردازش داده‌ها

عملیات پیش‌پردازش داده‌ها در سه بخش تصحیح هندسی، رادیومتریک و اتمسفری در نرم‌افزار ENVI 5.3 صورت گرفت. تصاویر لندست به‌صورت پیش‌فرض زمین مرجع گردیده‌اند اما ازآنجاکه بحث آشکارسازی تغییرات در پوشش گیاهی و دمای سطح زمین نیاز به تصحیح هندسی دقیق تصاویر دارد، لذا تصاویر با استفاده از 25 نقطه کنترل جمع آوری شده توسط GPS،  با استفاده از روش نقشه به تصویر و مدل تبدیل چندجمله‌ای رتبه دوم با RMSE کمتر از یک تصحیح ثانویه گردیدند. ازآنجاکه داده‌های Level-1 ماهواره لندست نیاز به تصحیحات رادیومتریک دارند، لذا در مرحله بعد، تصحیح رادیومتریک و اتمسفری بر روی تصاویر اعمال شد. در این پژوهش از الگوریتم فلش (FLAASH) که یکی از بهترین روش‌های تصحیح اتمسفری است، به‌منظور تصحیح اتمسفری استفاده گردید.

 

محاسبه شاخص پوشش گیاهی نرمال شده و دمای سطح زمین

در این پژوهش از شاخص پوشش گیاهی نرمال شده بمنظور برآورد مقدار پوشش گیاهی در عرصه طبیعی و زراعی استفاده گردید. این نمایه، متعاقباً برای تولید نقشه پوشش گیاهی و آشکارسازی تغییرات کاربری زمین مورداستفاده قرار گرفت (18). رابطه 1 نحوه محاسبه این شاخص را نشان می‌دهد:

                                                                                 [1]                                                             

 

که در آن، NIR باند مادون‌قرمز نزدیک و RED باند قرمز می‌باشد.

در ادامه به‌منظور محاسبه دمای سطح زمین از روش الگوریتم پلانک استفاده گردید که نحوه محاسبه آن در شکل 3 به طور مختصر نشان داده شده است:

 

 

شکل 3- مراحل محاسبه دمای سطح زمین با استفاده از تابع پلانک

Fig. 3. Steps to calculate the land surface temperature using the Planck function.

 

پایش سری زمانی تغییرات کاربری زمین و دمای سطح زمین

برای این منظور، تعدادی محدوده معرف از هر سه بخش کاربری زراعی، پوشش طبیعی وپهنه دریاچه انتخاب گردیدند (شکل 4) و سپس متوسط شاخص گیاهی نرمال شده و دمای سطح زمین در این نواحی معرف برای هر 11 سال مورد مطالعه، استخراج گردید. در ادامه، روند تغییرات کاربری زمین و دمای سطح زمین در این نواحی طی سری زمانی 2003 تا 2018 مورد بررسی قرار گرفت.

 

 

 

شکل 4- موقعیت نواحی معرف انتخاب شده از سه کلاس آب، پوشش زراعی و پوشش طبیعی در شهرستان ارسنجان بمنظور بررسی رابطه بین دمای سطح زمین و نوع کاربری.

Fig. 4. Location of the experimental areas of the three classes of water, agricultural cover and natural cover in Arsanjan city in order to investigate the relationship between LST and land cover type.

 

ارزیابی صحت سنجی دمای سطح زمین با داده های ایستگاه سینوپتیک

از آنجا که متاسفانه هیچ داده­ای از دمای سطح زمین در ناحیه مورد مطالعه در زمان عبور ماهواره لندست (09:30 صبح به وقت محلی) در دسترس نمی باشد، از داده­های دمای هوا در نزدیکی سطح زمین (9:20 صبح به وقت محلی) مربوط به ایستگاه سینوپتیک ارسنجان استفاده گردید. از آنجا که این ایستگاه از سال 1385 احداث گردید، لذا داده­های دمای روزانه نیز از این تاریخ در دسترس هستند. از این رو داده­های دمای هوای مربوط به سال 2003 و  2005 که مربوط به قبل از سال 1385 است، موجود نمی باشد. لذا داده­های دمای سطح زمین با داده­های هواشناسی از سال 2007 میلادی تا 2018 مورد مقایسه قرار گرفتند. از آنجا که رابطة دماي سطح زمين و دماي هوا توسط محققان پیشین انجام شده است، لذا مي توان صحت دمای سطح زمین را به طور تقريبي با استفاده از رابطه خطي زیر ارائه داد (1).

  

[2]                                                                                                               

که در آن، TAir دمای هوای محاسبه شده توسط دمای سطح زمین و LST دمای سطح زمین بدست آمده توسط ماهواره می­باشد.

آشکارسازی تغییرات

آشکارسازی تغییرات با استفاده از تکنیک تفاضل شاخص‌های گیاهی از پرکاربردترین روش‌های آشکارسازی تغییرات کاربری زمین می‌باشد. این روش از طریق تفریق مقادیر شاخص گیاهی دو تصویر مربوط به دو زمان متفاوت برای آشکارسازی تغییرات پیکسل‌هایی که تغییر کرده‌اند و یا بدون تغییر باقی مانده‌اند، استفاده می‌نماید (15). رابطه 3 به‌منظور آشکارسازی تغییرات به روش تفاضل شاخص گیاهی به کار برده می‌شود (5):

 

                                                 [3]                 

 

پهنه‌بندی دمای سطح زمین

به‌منظور طبقه‌بندی دمای سطح زمین و تغییرات زمانی-مکانی دمای سطح زمین، در ابتدا تصویر اختلاف دمای سطح زمین در سال 2018 نسبت به سال 2003 محاسبه شده، با استفاده از رابطه 4 نرمال گردید (25). به‌منظور نرمال‌سازی از پارامترهای حداقل و حداکثر دما استفاده گردید.

 

[4]                                                                                                                    

 

که در این رابطه، NLST دمای سطح زمین نرمال شده در پیکسل i می‌باشد، LSTi مقدار مطلق دمای پیکسل i، LSTmin حداقل دمای تصویر و LSTmax حداکثر دمای تصویر می‌باشد.

در ادامه، تصویر نرمال شده با استفاده از پارامتر انحراف معیار در 5 طبقه دمایی پهنه‌بندی گردید (جدول 3). در این جدول، Tmean نشان‌دهنده میانگین دمای سطح زمین تصویر و std نمایانگر انحراف معیار تصویر می‌باشند (21).

 

جدول 3. پهنه‌بندی دمای سطح زمین با استفاده از انحراف معیار.

Table 3. LST classification using standard deviation.

کلاس دمای سطح زمین	دامنه مربوط به هر کلاس
دمای بسیار پایین	T ≤ Tmean – 1.5std
دمای پایین	Tmean – 1.5std < T < Tmean - std
دمای متوسط	Tmean – std < T < Tmean + std
دمای بالا	Tmean + std < T < Tmean + 1.5std
دمای بسیار بالا	Tmean + 1.5std ≤

 

نتایج و بحث

نتایج حاصل از تغییرات سری زمانی کاربری زمین و دمای سطح زمین

در این پژوهش در آغاز، سیر تغییرات و نوسان‌های پوشش کاربری زمین و دمای سطح زمین طی دوره موردمطالعه در محدوده های انتخاب شده در کاربری های پوشش زراعی، پوشش طبیعی و دریاچه بختگان مورد بررسی قرار گرفت. شکل 5 روند تغییر متوسط پوشش گیاهی و دمای سطح زمین را در سری زمانی 2003 تا 2018 در محدوده پوشش زراعی (شکل 5 الف)، پوشش طبیعی (شکل 5 ب) و قسمتی از دریاچه بختگان که در این ناحیه واقع شده است (شکل 5 ج) را در شهرستان ارسنجان نشان می‌دهد. با توجه به نمودارهای (الف) و (ب)، بالاترین مقدار متوسط شاخص پوشش گیاهی نرمال شده در اراضی مرتعی و جنگلی مربوط به سال 2003 می‌باشد بطوریکه متوسط پوشش در این سال به مقدار 25/0 محاسبه گردید. همان‌طور که در شکل 5(الف) مشخص می‌باشد، متوسط مقدار شاخص پوشش گیاهی نرمال شده از سال 2003 روندی نزولی را به خود گرفت که تا سال 2018 ادامه داشت، بطوریکه مقدار پوشش خودرو در این سال به 18/0 کاهش یافت؛ اما در سوی دیگر، متوسط دمای سطح زمین کاملاً سیر صعودی داشت بطوریکه از مقدار ℃29 در سال 2003 به ℃7/41 در سال 2018 افزایش یافت.

 نتایج حاصل از شکل 5(ب) نیز که مربوط به زمین‌های کشاورزی و باغات می‌باشد، روندی مشابه را همانند وضعیت پوشش طبیعی در بازه موردمطالعه داشت. همان‌طور که نشان داده شده است، متوسط مقدار شاخص پوشش گیاهی نرمال شده در پوشش زراعی در سال 2003 به مقدار 66/0 بود اما بااین‌وجود پس‌ازآن، سیری نزولی را به خود گرفت، بطوریکه مقدار این شاخص در سال 2018 به 33/0 کاهش یافت. در مقابل، دمای سطح زمین در عرصه‌های کشاورزی در بازه 2003 تا 2018 سیری صعودی را داشت و از مقدار ℃9/20 در سال 2003 به ℃5/39 در سال 2018 افزایش یافت.

شکل 5(ج) روند تغییرات دمای سطح زمین و شاخص گیاهی نرمال شده را طی دوره موردمطالعه در پهنه دریاچه بختگان نشان می‌دهد. همان‌طور که مشاهده می‌گردد متوسط مقدار شاخص پوشش گیاهی نرمال شده در پهنه دریاچه در سال 2003 به مقدار 39/0- بود که پس از آن سیری صعودی را به علت کاهش سطح آب دریاچه به خود گرفت که تا سال 2018 ادامه یافت. در همین راستا، دمای سطح زمین نیز در این منطقه در بازه 2003 تا 2018 سیری صعودی را داشت و از مقدار ℃1/20 در سال 2003 به ℃5/36 در سال 2018 افزایش یافت.

 با توجه به این نتایج، این‌گونه می‌توان استنباط نمود که از سال 2003 به بعد با کاهش پوشش گیاهی و همچنین خشکیدگی سطح آب دریاچه بختگان، دمای سطح زمین روندی افزایشی را به خود گرفت که تا آخر دوره موردمطالعه ادامه داشت، بطوریکه مقدار متوسط شاخص پوشش گیاهی نرمال شده در سال 2018 در محدوده پوشش طبیعی و زراعی به ترتیب به مقدار 07/0 و 33/0 کاهش داشته است؛ اما با توجه به رابطه مثبت بین شاخص پوشش گیاهی نرمال شده و دمای سطح زمین در پهنه‌های پوشیده از آب، مقدار شاخص پوشش گیاهی نرمال شده در سال 2018 به مقدار 39/0 در محدوده دریاچه بختگان افزایش یافت. در مقابل دمای سطح زمین در کاربری‌های پوشش طبیعی، زراعی و دریاچه به ترتیب به مقدار ℃ 7/12، ℃ 6/18 و ℃ 4/16 در سال 2018 نسبت به سال 2003 افزایش یافت (جدول 4).

لذا با در نظر گرفتن یافته‌های فوق، با توجه به سیر کاهشی پوشش گیاهی و سطح آب طی سری زمانی 2003 تا 2018 و در مقابل، سیر صعودی دمای سطح زمین در بازه نام‌برده، آشکارسازی تغییرات پوشش و دمای سطح زمین بین سال‌های 2003-2018 مورد ارزیابی قرار گرفت.

 

 

(الف)

 

 

(ب)

 

(ج)

شکل 5. نمودار نوسان شاخص پوشش گیاهی نرمال شده و دمای سطح زمین طی سری زمانی 2003 تا 2018 در شهرستان ارسنجان در نواحی با پوشش طبیعی (الف)؛ پوشش زراعی (ب) و پوشش آب (ج).

Fig 5. The line graphs of NDVI and LST fluctuation in Arsanjan city during the period 2003 to 2018 including (a) the rangeland; (b) the farmland and (c) water area.

 

 

جدول 4. متوسط شاخص پوشش گیاهی نرمال شده و دمای سطح زمین در کاربری‌های مختلف و اختلاف آن‌ها در سال 2018 نسبت به سال 2003 در شهرستان ارسنجان.

Table 4. The NDVI and LST mean value in various land cover and their difference in Arsanjan County in 2018 compared to 2003.

دمای سطح زمین (℃)			شاخص پوشش گیاهی نرمال شده			کاربری
2003-2018	2018	2003	2003-2018	2018	2003
7/12	7/41	29	07/0-	18/0	25/0	پوشش طبیعی
6/18	5/39	9/20	33/0-	33/0	66/0	پوشش زراعی
4/16	5/36	1/20	39/0	0	39/0-	پهنه دریاچه

 

 

 

 

 

 

ارزیابی دمای سطح زمین محاسبه شده با داده های زمینی

جدول 5 مقادیر دمای اندازه گیری شده در ایستگاه سینوپتیک (Ta)، دمای سطح زمین محاسبه شده از تصویر و دمای هوای محاسبه شده از تصویر (Ts) را بر حسب درجه سانتیگراد از سال 2007 تا 2018 میلادی مربوط به موقعیت ایستگاه سینوپتیک ارسنجان نشان می دهد. یافته های بدست آمده از جدول 5، دقت دمای بدست آمده از ماهواره را نشان می دهد. با اینحال برای ارزیابی بهتر صحت دمای بدست آمده از تصاویر ماهواره لندست، بایستی در زمان عبور ماهواره از منطقه مورد نظر، همزمان دمای سطح زمین در چند نقطه برداشت گردد تا به نتایج دقیق تری دست یافت. شکل 6 روند تغییرات دمای سطح زمین تصویر، دمای هوای محاسبه شده از تصویر و دمای اندازه گیری شده ایستگاهی را نشان می دهد. با این وجود، هرچند که مقادیر دمای هوای محاسبه شده از تصویر بالاتر از دمای اندازه گیری شده ایستگاهی می باشند، اما هر دو روندی نسبتا یکسان را طی سری زمانی مورد مطالعه نشان می دهند. نتایج نشان داد که دمای سطح زمین تصویر، دمای هوای محاسبه شده از تصویر و دمای اندازه گیری شده ایستگاهی به ترتیب با شیب 53/0، 24/0 و 26/0 طی سری زمانی افزایش یافته اند. این حاکی از آن می باشد که دمای هوای محاسبه شده از تصویر و دمای هوای اندازه گیری شده ایستگاهی با اختلاف ناچیز شیب 02/0 ، افزایش دما را نشان می دهند که بسیار نزدیک به هم می باشد و نشان از دقت دمای سطح زمین اندازه گیری شده توسط ماهواره می باشد. 

 

جدول 5. مقایسه LST، Ts و Ta بین سال های 2007 تا 2018 میلادی.

Table 5. Comparison of LST, Ts and Ta during the period 2007 to 2018.

تاریخ	دمای سطح زمین محاسبه شده از تصویر (LST)	دمای هوای محاسبه شده از تصویر (Ts)	دمای هوای بدست آمده در ایستگاه سینوپتیک (Ta)
05/05/2007	8/28	3/27	2/22
18/05/2009	6/38	6/31	2/21
30/04/2011	5/35	2/30	4/20
11/04/2013	6/27	7/26	5/15
08/05/2014	8/37	2/31	3/22
03/05/2015	6/39	32	2/23
05/05/2016	5/41	9/32	4/25
22/04/2017	5/37	1/31	5/20
03/05/2018	6/31	5/28	2/22

 

 

 

 

شکل 6. نمودار نوسانات دمای سطح زمین تصویر (LST)، دمای هوای محاسبه شده از تصویر (Ts) و دمای اندازه گیری شده ایستگاهی (Ta) طی سری زمانی 2007 تا 2018.

Fig. 6. The line graph of LST, Ts and Ta fluctuations during the period 2007 to 2018.

 

 

نتایج حاصل از آشکارسازی تغییرات

به‌منظور درک فضایی تغییرات پوشش گیاهی و دمای سطح زمین در سطح منطقه موردمطالعه در سال 2018 نسبت به سال 2003، نقشه پراکنش مکانی تغییرات کاربری و دمای سطح زمین در شهرستان ارسنجان استخراج گردید (شکل 7). همان‌طور که در شکل 7 (الف) نشان داده شده است، مناطق سبزرنگ نشان‌دهنده افزایش سبزینگی می‌باشند، درحالی‌که مکان‌های قرمزرنگ نشان‌دهنده کاهش سبزینگی و نیز کاهش پهنه‌های آبی در بخش جنوب شرق شهرستان که مربوط به دریاچه بختگان می‌باشند را نشان می‌دهند. محدوده دریاچه بختگان با مرز مشکی نشان داده شده است. یافته‌ها نشان داد که افزایش یا کاهش دمای سطح زمین وابستگی زیادی به تغییرات کاربری و پوشش سطح زمین دارد. همان‌طور که مشخص می‌باشد، پوشش گیاهی در سال 2018 کاهش چشمگیری نسبت به سال 2003 داشته است که در عرصه‌های زراعی با شدت بیشتری قابل‌مشاهده هست. تغییر قابل محسوس دیگر مربوط به کاهش چشمگیر وسعت دریاچه بختگان هست که بخش زیادی از افزایش دما مربوط به این ناحیه می‌باشد. شکل 7 (ب) نقشه تغییرات فضایی دمای سطح زمین را در سال 2018 نسبت به سال 2003 نشان می‌دهد. همان‌طور که مشخص هست مناطق آبی و قرمزرنگ به ترتیب نشان‌دهنده کاهش و افزایش دما در کاربری‌های پوشش زراعی، طبیعی و پهنه دریاچه بختگان در سال 2018 نسبت به سال 2003 می‌باشند.

 

 

 

 

(الف)(a)

 

(ب)(b)

 

شکل 7. پراکنش مکانی تغییرات پوشش گیاهی و سطح آب دریاچه بختگان در شهرستان ارسنجان در سال 2018 نسبت به 2003 (الف) و نیز اختلاف دمای سطح زمین در سال 2018 نسبت به سال 2003 (ب).

Fig 7. The spatial distribution of NDVI differencing method maps of Arsanjan County during the period 2018-2003 (a); and LST differencing method maps during the period 2018-2003 (b).

 

در ادامه، به‌منظور بررسی و تجزیه‌وتحلیل بهتر رابطه بین دمای سطح زمین و پوشش گیاهی تعدادی نقاط نمونه به‌صورت تصادفی در سرتاسر شهرستان ارسنجان در عرصه‌های زراعی و طبیعی انتخاب گردید و با توجه به مقادیر استخراج‌شده از این نقاط، رابطه رگرسیونی بین پوشش گیاهی و دمای سطح زمین در عرصه‌های زراعی و طبیعی برقرار گردید (شکل 8). نتایج حاکی از رابطه منفی بین شاخص پوشش گیاهی نرمال شده و دمای سطح زمین می‌باشد (R2= 862/0)، بطوریکه با افزایش تراکم پوشش گیاهی دمای سطح زمین کاهش می‌یابد. در مقابل، در شوره‌زارها و اراضی بایر، مقدار شاخص پوشش گیاهی نرمال و دمای سطح زمین بالا می‌باشند.

جدول 6 میزان وابستگی بین دمای سطح زمین و کلاس‌های پوشش گیاهی زراعی، طبیعی و پوشش آب را در دوره 2003-2018 نشان می‌دهد. همان‌طور که دیده می‌شود، صرف‌نظر از همبستگی مثبت بین کلاس آب و دمای سطح زمین، بین پوشش گیاهی در عرصه‌های زراعی و طبیعی با دمای سطح زمین همبستگی منفی وجود دارد. با توجه به نتایج، بیشترین همبستگی منفی بین پوشش زراعی و دمای سطح زمین به دست آمد که برابر با 94/0- بود. همبستگی منفی پایین بین پوشش طبیعی و دمای سطح زمین نیز حاکی از تراکم پایین پوشش گیاهی در عرصه‌های مرتعی و جنگلی می‌باشد. با توجه به این تفاسیر می‌توان به این نتیجه رسید که با به‌کارگیری شاخص پوشش گیاهی نرمال شده می‌توان تأثیر عارضه‌های مختلف زمین مانند پوشش گیاهی و آب بر دمای سطح زمین را مورد ارزیابی و بحث قرار داد.

 

 

شکل 8. نمودار پراکندگی بین شاخص پوشش گیاهی نرمال شده و دمای سطح زمین در سال 2018 در مقایسه با 2003.

Fig 8. The scatter plots between LST mean value and NDVI mean value in 2018 compared to 2003.

 

جدول 6. ضرایب همبستگی بین شاخص پوشش گیاهی نرمال شده و دمای سطح زمین در سه کاربری آب، پوشش زراعی و پوشش طبیعی.

Table 6. The correlation coefficients between NDVI and LST in the three land cover types including water, farmland and rangeland.

پوشش زمین در دو دوره موردمطالعه	تعداد پیکسل‌های برداشت‌شده	ضریب همبستگی NDVI و LST
دریاچه 2003-2018	41	68/0
پوشش زراعی 2003-2018	87	94/0-
پوشش طبیعی 2003-2018	36	44/0-

 

 

پهنه‌بندی تغییرات دمای سطح زمین

به‌منظور بررسی سطح کاهش یا افزایش دمای سطح زمین در کاربری‌های مختلف پوشش زراعی، پوشش طبیعی و کلاس آب، نقشه اختلاف دمای سطح زمین در سال 2018 نسبت به سال 2003 به پنج کلاس دمای خیلی پایین، دمای پایین، دمای متوسط، دمای بالا و دمای بسیار بالا طبقه‌بندی گردید. شکل 9 پراکنش فضایی طبقات دمایی سطح زمین را در کاربری­های پوشش زراعی، پوشش طبیعی و آب نشان می‌دهد که با استفاده از انحراف معیار تصاویر محاسبه شده است. گروه اول نمایانگر مقادیری هستند که دمای هوا بیش از 5/1- انحراف معیار بیشترین کاهش را داشته است که به رنگ آبی تیره می‌باشند که بیشتر در اراضی کشاورزی قابل‌مشاهده است. گروه دوم مربوط به نواحی می‌باشند که دمای هوا به اندازه 1- تا 5/1- انحراف از معیار کاهش یافته است و به رنگ آبی روشن می‌باشند. گروه سوم شامل پهنه‌هایی هست که دمای سطح زمین در حد متوسط می‌باشد و به اندازه 1- تا 1+ انحراف از معیار افزایش یا کاهش داشته است و تقریباً در تمام سطح منطقه موردمطالعه بخصوص مراتع دیده می‌شود. گروه چهارم مربوط به گستره‌هایی می‌باشد که دمای سطح زمین به‌اندازه 1 تا 5/1 انحراف معیار افزایش‌یافته است و بیشتر در اراضی زراعی و دریاچه دیده می‌شود. در آخر، داده‌هایی که مقادیر آن‌ها بیش از 5/1+ انحراف معیار از میانگین فاصله دارند مربوط به نواحی می‌باشند که دمای سطح زمین بسیار بالا بوده است و همان‌طور که مشاهده می‌گردد مربوط دریاچه بختگان و زمین‌های کشاورزی هست.

 

 

شکل 9- پراکنش فضایی تغییرات دمای سطح زمین در طبقات مختلف دمایی در کاربری‌های مختلف در شهرستان ارسنجان در سال 2018 نسبت به سال 2003. 

Fig 9. Spatial distribution of LST change in various temperature classes in the difference land cover in Arsanjan County in 2018 compared to 2003.

 

جدول 7 مساحت تغییرات دمای سطح زمین را در طبقات مختلف دمایی در کلاس‌های پوشش طبیعی، پوشش زراعی و آب در سال 2018 نسبت به سال 2003 نشان می‌دهد. با توجه به نتایج، بیشترین مساحت مربوط به طبقه دمایی متوسط در تمام کاربری‌ها بوده است، بطوریکه بیشترین مساحت این طبقه دمایی مربوط به پوشش طبیعی به مقدار 86733 هکتار می‌باشد که بیش از 85 درصد از مساحت پوشش طبیعی را شامل می‌شود. ازآنجاکه تراکم و مقدار پوشش گیاهی به‌ویژه در اراضی کشاورزی در سال 2018 کاهش چشمگیری نسبت به سال 2003 داشت، لذا مساحت طبقات دمایی بالا و بسیار بالا افزایش بیشتری نسبت به طبقات دمایی پایین و بسیار پایین داشتند، بطوریکه مساحت طبقات دمایی بالا و بسیار بالا در زمین‌های زراعی به ترتیب به مقدار 4625 هکتار و 7192 هکتار رسید. همچنین، ازآنجاکه سطح آب دریاچه در سال 2018 نسبت به سال 2003 کاهش یافت، لذا مساحت طبقات دمایی بالا و بسیار بالا در این کلاس به ترتیب به مقدار 1824 و 3919 هکتار رسید که به ترتیب بیش از 18 درصد و 9/38 درصد از مساحت زمین‌های دریاچه را این دو کلاس به خود اختصاص داده بودند.

 

جدول 7. مساحت کلاس‌های دمایی در تغییرات کاربری‌های مختلف در سال 2018 نسبت به سال 2003 در واحد هکتار.

Table 6. The area of temperature classes in the changed land cover types in in 2018 compared to 2003 per hectare.

طبقه دمایی	آب  هکتار (%)	پوشش طبیعی هکتار (%)	پوشش زراعی  هکتار (%)
بسیار پائین	777 (7/7)	-0-	2084 (5/6)
پائین	885 (8/8)	10744 (6/10)	2096 (5/6)
متوسط	2672 (5/26)	86733 (4/85)	16282 (4/50)
بالا	1824 (1/18)	2831 (8/2)	4625 (3/14)
بسیار بالا	3919 (9/38)	1263 (2/1)	7192 (3/22)

 

بحث و نتیجه‌گیری ­

هدف اصلی این پژوهش، بررسی تغییرات دمای سطح زمین در عرصه‌های طبیعی، زراعی و نیز دریاچه بختگان با استفاده از سری زمانی تصاویر لندست و به‌کارگیری شاخص پوشش گیاهی نرمال شده بود.

در این پژوهش، از سری زمانی تصاویر ماهواره لندست بین سال‌های 2003 تا 2018 به‌منظور بررسی تأثیر کاربری پوشش گیاهی و آب بر دمای سطح زمین با استفاده از شاخص پوشش گیاهی نرمال شده استفاده گردید. نتایج سیری نزولی را از سال 2003 تا 2018 در مقدار پوشش گیاهی نشان داد، بطوریکه مقدار این شاخص در سال‌های 2003 و 2018 به ترتیب به میزان 25/0 و 18/0 در عرصه‌های طبیعی و مرتعی و 66/0 و 33/0 در اراضی زراعی محاسبه گردید. در مقابل، دمای سطح زمین در بازه 2003 تا 2018 سیری صعودی را داشت بطوریکه مقدار دمای سطح زمین در سال‌های 2003 و 2018 به ترتیب به مقدار ℃29 و ℃41 در مناطق با پوشش طبیعی و ℃9/20 و ℃5/39 در مناطق با پوشش زراعی به دست آمد. این نتایج حاکی از آن است که با کاهش پوشش گیاهی، دمای سطح زمین به علت بایر شدن زمین افزایش یافته است.

در ادامه مشخص گردید که متوسط دمای سطح زمین در پهنه دریاچه بختگان، روندی صعودی را از سال 2003 تا سال 2018 داشته است، بطوریکه دمای سطح زمین در این پهنه از مقدار ℃1/20 در سال 2003 به ℃5/36 در سال 2018 افزایش یافت. با توجه به خشک شدن بخش زیادی از آب دریاچه، پوشش آب جای خود را به زمین‌های بایر و شوره‌زار داد که منجر به افزایش دما در این نواحی گردید که با یافته‌های خان و همکاران (9)، وو وهمکاران (24) و تان و همکاران (20) همسو می‌باشد.

 با توجه به نتایج فوق می‌توان این‌گونه استنباط نمود که افزایش یا کاهش دمای سطح زمین وابستگی زیادی به تغییرات کاربری و پوشش سطح زمین دارد. این بدان معنی است که با به‌کارگیری شاخص پوشش گیاهی نرمال شده می‌توان تأثیر عارضه‌های مختلف زمین مانند پوشش گیاهی و آب بر دمای سطح زمین را مورد ارزیابی و بحث قرار داد. ازآنجاکه تراکم پوشش گیاهی در زمین‌های زراعی و باغات بسیار بالاتر از مراتع و پوشش طبیعی در منطقه موردمطالعه می‌باشد، لذا تبدیل زمین‌های زراعی به خاک لخت، موجب کاهش شاخص پوشش گیاهی به میزان 33/0 در سال 2018 نسبت به سال 2003 شد، درصورتی‌که در مراتع مقدار متوسط شاخص پوشش گیاهی نرمال شده تنها به‌اندازه 07/0 در سال 2018 نسبت به سال 2003 کاهش یافت که نشان از تراکم پایین‌تر پوشش و تغییرات کمتر در این نوع کاربری را به همراه داشت. ازآنجاکه بین مقادیر شاخص پوشش گیاهی نرمال شده و دمای سطح زمین در پهنه‌های پوشیده از آب رابطه مثبت می‌باشد، لذا با افزایش شاخص پوشش گیاهی نرمال شده، مقدار دمای سطح زمین نیز زیاد می‌شود. به‌عبارت‌دیگر، ازآنجاکه برخی از قسمت‌های دریاچه بختگان که به زمین بایر و یا شوره‌زار تبدیل شده است، لذا متوسط مقدار شاخص گیاهی نرمال در محدوده دریاچه بختگان به مقدار 39/0 افزایش یافت که با سیر صعودی دمای سطح زمین کاملاً همسو بوده است.

در مقابل، دمای سطح زمین در کاربری‌های پوشش زراعی، دریاچه و پوشش طبیعی به ترتیب به مقدار ℃ 6/18، ℃ 4/16 و ℃ 7/12 افزایش یافت. این نشان‌دهنده آن است کاهش پوشش گیاهی در زمین‌های زراعی موجب افزایش بیشتر دما در این نواحی نسبت به پهنه دریاچه و نیز پوشش طبیعی شده است.

نتایج حاصل از رابطه رگرسیونی بین شاخص پوشش گیاهی نرمال شده و دمای سطح زمین نشان از رابطه منفی بین این دو شاخص بود. یافته‌ها نشان داد که بین پوشش گیاهی و دمای سطح زمین همبستگی منفی وجود دارد. این نتایج با یافته‌های لیاقت و همکاران (13)، سولانگی و همکاران (17)، گویل و همکاران (7) باله و کرومی (2) ،احمدی و همکاران (1) و کیانی و ابراهیمی (10) مطابقت دارد. بیشترین همبستگی منفی به میزان 94/0- بین پوشش زراعی و دمای سطح زمین به دست آمد که به دلیل انبوهی و تراکم پوشش گیاهی در مناطق زراعی هست و با یافته‌های احمدی و همکاران (1) کاملاً مطابقت دارد؛ و پایین‌ترین همبستگی منفی نیز مربوط به پوشش گیاهی در عرصه‌های مرتعی و جنگلی محاسبه گردید.

نتایج حاصل از پهنه‌بندی تغییرات دمای سطح زمین در سال 2018 نسبت به سال 2003 نشان داد که بیشترین مساحت تغییرات دما مربوط به طبقه دمایی متوسط می‌باشد بطوریکه مساحت این کلاس حرارتی در عرصه پوشش طبیعی به مقدار 86733 هکتار می‌باشد. ازآنجاکه تراکم و مقدار پوشش گیاهی به‌ویژه در اراضی کشاورزی در سال 2018 کاهش چشمگیری نسبت به سال 2003 داشت، لذا نتایج نشان داد که مساحت طبقات دمایی بالا و بسیار بالا افزایش بیشتری نسبت به طبقات دمایی پایین و بسیار پایین داشتند، بطوریکه مساحت طبقات دمایی بالا و بسیار بالا در زمین‌های زراعی به ترتیب به مقدار 4625 هکتار و 7192 هکتار رسید. همچنین، ازآنجاکه سطح آب دریاچه در سال 2018 نسبت به سال 2003 کاهش یافت، لذا مساحت طبقات دمایی بالا و بسیار بالا در این کلاس به ترتیب به مقدار 1824 و 3919 هکتار رسید که به ترتیب بیش از 18 درصد و 9/38 درصد از مساحت زمین‌های دریاچه را این دو کلاس به خود اختصاص داده بودند. نتایج این پژوهش نشان می دهد که بخش وسیعی از افزایش دما در اراضی کشاورزی و نیز دریاچه بختگان رخنمون داشته است. لذا مناطقی که افزایش دمای زمین را نشان می دهند، می توانند جهت کاربرد در بخش کشاورزی، منابع طبیعی و نیز محیط زیست شهرستان ارسنجان به منظور شناخت جزایر حرارتی و تصمیم گیری در رابطه با بهبود شرایط پوشش گیاهی و سطح آب دریاچه بمنظور جلوگیری از افزایش دمای سطح زمین مورد استفاده قرار گیرند. پیشنهاد می گردد بمنظور کاهش دمای سطح زمین، راهکارهای مناسبی از جمله کشت متناوب محصولات زراعی و نیز بهبود وضعیت منابع تغذیه کننده دریاچه بختگان اتخاذ گردد.

 

تقدیر و تشکر

این تحقیق توسط دانشگاه آزاد اسلامی واحد علوم و تحقیقات انجام‌شده است. ما از مرکز پژوهش‌های علوم جوی-اقیانوسی دانشگاه شیراز و سازمان هواشناسی استان فارس به خاطر حمایت از آن‌ها در جمع‌آوری و پردازش داده‌ها سپاسگزاریم.

 

منابع مورداستفاده

 

1. Ahmadi B, Ghorbani A, Safarrad T, Sobhani B. 2015. Evaluation of surface temperature in relation to land use/cover using remote sensing Data. RS & GIS for Natural Resources, 6(1): 66-77. (In Persian).

2. Balew A, Korme T. 2020. Monitoring land surface temperature in Bahir Dar city and its surrounding using Landsat images. The Egyptian Journal of Remote Sensing and Space Science. https://doi.org/10.1016/j.ejrs.2020.02.001.

3. Duan S.B, Li Z.L, Li H, Göttsche F.M, Wu H, Zhao W, Leng P, Zhang X, Coll C. 2019. Validation of Collection 6 MODIS land surface temperature product using in situ measurements. Remote sensing of environment, 225, 16-29. https://doi.org/10.1016/j.rse.2019.02.020.

4. Chu H, Venevsky S, Wu C, Wang M. 2019. NDVI-based vegetation dynamics and its response to climate changes at Amur-Heilongjiang River Basin from 1982 to 2015. Science of the Total Environment, 650, 2051-2062. https://doi.org/10.1016/j.scitotenv.2018.09.115.

5. Eckert S, Hüsler F, Liniger H, Hodel E. 2015. Trend analysis of MODIS NDVI time series for detecting land degradation and regeneration in Mongolia. Journal of Arid Environments, 113: 16-28. https://doi.org/10.1016/j.jaridenv.2014.09.001.

6. Fathizad H, Tazeh M, Kalantari S, Shojaei S. 2017. The investigation of spatiotemporal variations of land surface temperature based on land use changes using NDVI in southwest of Iran. Journal of African Earth Sciences, 134: 249-256. https://doi.org/10.1016/j.jafrearsci.2017.06.007.

7. Govil H, Guha S, Diwan P, Gill N, Dey A. 2020. Analyzing linear relationships of LST with NDVI and MNDISI using various resolution levels of Landsat 8 OLI and TIRS data. Data Management, Analytics and Innovation: Springer; p. 171-84. https://doi.org/10.1007/978-981-32-9949-8_13.

8. Guha S, Govil H. 2020. An assessment on the relationship between land surface temperature and normalized difference vegetation index. Environment, Development and Sustainability. 1-20. https://doi.org/10.1007/s10668-020-00657-6.

9. Khan N, Shahid S, Chung E-S, Kim S, Ali R. 2019. Influence of surface water bodies on the land surface temperature of Bangladesh. Sustainability. 11(23):6754. https://doi.org/10.3390/su11236754.

10. Kianisalmi E, Ebrahimi A. 2019. Assessing the impact of urban expansion and land cover changes on land surface temperature in Shahrekord city. RS & GIS for Natural Resources, 9(4): Pages 102-118. (In Persian).

11. Lamchin M, Lee WK, Jeon SW, Wang SW, Lim CH, Song C, et al. 2018. Long-term trend and correlation between vegetation greenness and climate variables in Asia based on satellite data. Science of the Total Environment. 618:1089-95. https://doi.org/10.1016/j.scitotenv.2017.09.145.

12. Lee PS-H, Park J. 2020. An Effect of Urban Forest on Urban Thermal Environment in Seoul, South Korea, Based on Landsat Imagery Analysis. Forests. 11(6):630. https://doi.org/10.3390/f11060630.

13. Liaqut A, Younes I, Sadaf R, Zafar H. 2019. Impact of urbanization growth on land surface temperature using remote sensing and GIS: a case study of Gujranwala City, Punjab, Pakistan. International Journal of Economic and Environmental Geology. 44-9. DOI: https://doi.org/10.46660/ijeeg.Vol0.Iss0.0.138.

14. Marzban F, Sodoudi S, Preusker R. 2018. The influence of land-cover type on the relationship between NDVI–LST and LST-T air International journal of remote sensing 39:1377-1398. https://doi.org/10.1080/01431161.2017.1402386.

15. Pu R, Gong P, Tian Y, Miao X, Carruthers R.I, Anderson G.L. 2008. Using classification and NDVI differencing methods for monitoring sparse vegetation coverage: a case study of saltcedar in Nevada, USA. International Journal of Remote Sensing 29: 3987-4011. https://doi.org/10.1080/01431160801908095.

16. Rahmad R, Nurman A, Pinem K. 2019. Impact of NDVI Change to Spatial Distribution of Land Surface Temperature (A Study in Medan City, Indonesia). 1st International Conference on Social Sciences and Interdisciplinary Studies (ICSSIS 2018); Atlantis Press. https://doi.org/10.2991/icssis-18.2019.33.

17. Solangi GS, Siyal AA, Siyal P. 2019. Spatiotemporal dynamics of land surface temperature and its impact on the vegetation. Civil Engineering Journal. 5(8):1753-63. http://dx.doi.org/10.28991/cej-2019-03091368.

18. Sruthi S, Aslam MA, M. 2015. Agricultural drought analysis using the NDVI and land surface temperature data; a case study of Raichur district. Aquatic Procedia, 4: 1258-1264. https://doi.org/10.1016/j.aqpro.2015.02.164.

19. Sun D, Kafatos M. 2007. Note on the NDVI‐LST relationship and the use of temperature‐related drought indices over North America. Geophysical Research Letters, 34. https://doi.org/10.1029/2007GL031485.

20. Tan J, Yu D, Li Q, Tan X, Zhou W. 2020. Spatial relationship between land-use/land-cover change and land surface temperature in the Dongting Lake area, China. Scientific Reports. 10(1):1-9. https://doi.org/10.1038/s41598-020-66168-6.

21. Walawender J.P, Szymanowski M, Hajto M.J, Bokwa A. 2014. Land surface temperature patterns in the urban agglomeration of Krakow (Poland) derived from Landsat-7/ETM+ data. Pure and Applied Geophysics, 171(6): 913-940. https://doi.org/10.1007/s00024-013-0685-7.

22. Wan Mohd Jaafar WS, Abdul Maulud KN, Muhmad Kamarulzaman AM, Raihan A, Md Sah S, Ahmad A, et al. 2020. The Influence of Deforestation on Land Surface Temperature—A Case Study of Perak and Kedah, Malaysia. Forests. 11(6):670. https://doi.org/10.3390/f11060670.

23. Wang S, Ma Q, Ding H, Liang H. 2018. Detection of urban expansion and land surface temperature change using multi-temporal landsat images. Resources, Conservation and Recycling, 128: 526-534. https://doi.org/10.1016/j.resconrec.2016.05.011.

24. Wu C, Li J, Wang C, Song C, Chen Y, Finka M, et al. 2019. Understanding the relationship between urban blue infrastructure and land surface temperature. Science of the Total Environment. 694:133742. https://doi.org/10.1016/j.scitotenv.2019.133742.

25. Xunqiang M, Chen Ch, Fuqun Zh, Hongyuan L. 2011. Study on temporal and spatial variation of the urban heat island based on Landsat TM/ETM+ in central city and Binhai New Area of Tianjin. 2011 International Conference on Multimedia Technology, IEEE, 4616-4622. http://DOI: 10.1109/ICMT.2011.6003213.

26. Zareie S, Khosravi H, Nasiri A, Dastorani M. 2016. Using Landsat Thematic Mapper (TM) sensor to detect change in land surface temperature in relation to land use change in Yazd, Iran. Solid Earth, 7(6): 1551-1564. Doi:10.5194/se-7-1551-2016.

https://doi.org/10.1007/s12517-016-2521-8.

 

 

 Assessing the relationship between land surface temperature with vegetation and water area change in Arsanjan County, Iran

 

Abstract

This study aimed to investigate the effect of the land cover change on land surface temperature (LST) using the Normalized Difference Vegetation Index (NDVI) in Arsanjan County, Iran. Eleven Landsat images were used during the period 2003 to 2018. After pre-processing the satellite images, LST and NDVI indices were calculated separately for each image. In the following, the change detection process was performed using the index differencing method. Then, the thermal images were divided into five temperature classes. The results showed a downward trend in the vegetation cover from 2003 to 2018, so that the NDVI mean value changed by -0.07, -0.33 and +0.39 in the rangeland, farmland and Bakhtegan Lake in 2018 compared to 2003, respectively. In contrast, the LST value increased by 12.7℃, 18.6℃ and 16.4℃ in the mentioned land cover types, respectively. The findings showed that the highest area of LST change was related to the moderate temperature class, which was 86733 ha that was related to the rangeland. Also, since a large part of the farmland and the lake converted to the barren area in 2018, so the area of the high and very high temperatures classes increased compared to the low and very low temperatures classes as the area of these classes increased by 4625 ha and 7192 ha in the farmland and by 1824 ha and 3919 ha in Bakhtegan Lake area, respectively. An analysis of the relationship between NDVI and LST showed a negative correlation between NDVI and LST. According to the results, the highest and lowest negative correlations between NDVI and LST were related to the farmland (-0.94) and rangeland (-0.21), respectively.

Keywords: NDVI, LST, Bakhtegan, Arsanjan, Landsat.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

بررسی رابطه بین دمای سطح زمین با تغییرات پوشش گیاهی و گستره آبی در شهرستان ارسنجان، ایران

 

چکیده مبسوط (حداقل 1000 کلمه)

طرح مسئله: تغییرات پوشش زمین و رطوبت خاک تأثیر زیادی بر دمای سطح زمین دارد؛ بنابراین، دمای سطح را می‌توان برای مطالعه تغییرات پوشش زمین و بیابان‌زایی استفاده کرد. شهرستان ارسنجان که در شمال شرق استان فارس واقع گردیده است، دارای پوشش جنگلی و مرتعی نسبتاً خوبی می‌باشد. برداشت بیش‌ازحد منابع آب زیرزمینی و نیز کاهش مقدار بارش در این منطقه باعث کاهش سطح آب در این منطقه و خشکیدگی بسیاری از چاه‌ها طی سال‌های اخیر گردیده است. این مسائل باعث شده تا سطح زیر کشت محصولات کشاورزی و نیز مساحت پوشیده از آب دریاچه بختگان در این پهنه طی سری زمانی کاهش یابد. با این حال، تاکنون بررسی دمای سطح زمین و ارتباط آن با تغییرات کاربری زمین در شهرستان ارسنجان مورد مطالعه قرار نگرفته است. لذا در این پژوهش، تغییرات فضایی - زمانی دمای سطح زمین و ارتباط آن با پوشش گیاهی و سطح دریاچه بختگان مورد بررسی قرار گرفته است. نتایج این پژوهش می‌تواند در بخش کشاورزی و منابع طبیعی در منطقه موردمطالعه سودمند باشد و به مسئولان این شهرستان کمک نماید تا در جهت مدیریت سطح زیر کشت محصولات کشاورزی و باغی، اصلاح مراتع و در نهایت، کاهش اثرات جزیره حرارتی اقداماتی مفید و زیربنایی انجام دهند.

 

هدف: انگیزه بنیادین این پژوهش، بررسی تغییرات دمای سطح زمین در عرصه‌های طبیعی، زراعی و نیز دریاچه بختگان با استفاده از سری زمانی تصاویر لندست و به‌کارگیری شاخص پوشش گیاهی نرمال شده می‌باشد.

 

روش تحقیق:

شهرستان ارسنجان با گستره 1497 کیلومترمربع در فاصله 130 کیلومتری شمال شرقی شیراز قرار دارد. تعداد 11 تصویر مربوط به داده‌های Level 1 ماهواره لندست از منطقه موردمطالعه از سال 2003 تا 2018 میلادی تهیه گردید. ازآنجاکه وضعیت پوشش گیاهی در این منطقه در ماه‌های آوریل و می به علت بارش‌های زمستانه، در بهترین وضعیت خود می‌باشد، لذا تصاویر مربوط به این دوره زمانی به‌منظور بررسی نوسان پوشش گیاهی و سطح آب دریاچه بختگان مورد پایش قرار گرفتند. عملیات پیش‌پردازش داده‌ها در سه بخش تصحیح هندسی، رادیومتریک و اتمسفری در نرم‌افزار ENVI 5.3 صورت گرفت. در این پژوهش از الگوریتم فلش که یکی از بهترین روش‌های تصحیح اتمسفری است، به‌منظور تصحیح اتمسفری استفاده گردید. در این پژوهش از شاخص پوشش گیاهی نرمال شده برای برآورد مقدار پوشش گیاهی استفاده گردید. به‌منظور محاسبه دمای سطح زمین از روش الگوریتم پلانک استفاده گردید. آشکارسازی تغییرات با استفاده از فن تفاضل شاخص‌های گیاهی انجام گردید. به‌منظور طبقه‌بندی دمای سطح زمین و تغییرات زمانی-مکانی دمای سطح زمین، در ابتدا تصویر اختلاف دمای سطح زمین در سال 2018 نسبت به سال 2003 محاسبه‌شده نرمال گردید. در ادامه، تصویر نرمال شده با استفاده از پارامتر انحراف معیار در 5 طبقه دمایی پهنه‌بندی گردید.

 

نتایج و بحث:

در پژوهش حاضر به‌منظور بررسی تغییرات مکانی-زمانی پوشش کاربری زمین و دمای سطح زمین و رابطه بین این دو پارامتر، تعداد 11 تصویر مربوط به سری سنجنده های ماهواره لندست طی سال‌های 2003 تا 2018 مورد بررسی قرار گرفت. متوسط مقدار شاخص پوشش گیاهی نرمال شده از سال 2003 با مقدار 25/0 روندی نزولی را به خود گرفت که تا سال 2018 ادامه داشت، بطوریکه مقدار پوشش خودرو در این سال به 18/0 کاهش یافت؛ اما در سوی دیگر، متوسط دمای سطح زمین کاملاً سیر صعودی داشت بطوریکه از مقدار ℃29 در سال 2003 به ℃7/41 در سال 2018 افزایش یافت.

 نتایج نشان می‌دهد که متوسط مقدار شاخص پوشش گیاهی نرمال شده در پوشش زراعی در سال 2003 به مقدار 66/0 بود اما بااین‌وجود مقدار این شاخص در سال 2018 به 33/0 کاهش یافت. در مقابل، دمای سطح زمین در عرصه‌های کشاورزی در بازه 2003 تا 2018 سیری صعودی را داشت و از مقدار ℃9/20 در سال 2003 به ℃5/39 در سال 2018 افزایش یافت.

نتایج نشان داد که متوسط دمای سطح زمین در پهنه دریاچه در بازه 2003 تا 2018 سیری صعودی را داشت و از مقدار ℃1/20 در سال 2003 به ℃5/36 در سال 2018 افزایش یافت.

 با توجه به این نتایج، مقدار متوسط شاخص پوشش گیاهی نرمال شده در سال 2018 در محدوده پوشش طبیعی و زراعی به ترتیب به مقدار 07/0 و 33/0 کاهش داشته است؛ اما با توجه به رابطه مثبت بین شاخص پوشش گیاهی نرمال شده و دمای سطح زمین در پهنه‌های پوشیده از آب، مقدار شاخص پوشش گیاهی نرمال شده در سال 2018 به مقدار 39/0 در محدوده دریاچه بختگان افزایش یافت. در مقابل دمای سطح زمین در کاربری‌های پوشش طبیعی، زراعی و دریاچه به ترتیب به مقدار ℃ 7/12، ℃ 6/18 و ℃ 4/16 در سال 2018 نسبت به سال 2003 افزایش یافت.

نتایج حاکی از رابطه منفی بین شاخص پوشش گیاهی نرمال شده و دمای سطح زمین می‌باشد (R2= 862/0). بطوریکه با افزایش تراکم پوشش گیاهی دمای سطح زمین کاهش می‌یابد. در مقابل، در شوره‌زارها و اراضی بایر، مقدار شاخص پوشش گیاهی نرمال و دمای سطح زمین بالا می‌باشند. این نتایج با یافته‌های انتظاری و همکاران (8) و احمدی و همکاران (1) و کیانی و ابراهیمی (11) مطابقت دارد.

با توجه به نتایج، بیشترین همبستگی منفی بین پوشش زراعی و دمای سطح زمین به دست آمد که برابر با 94/0- بود. علت این همبستگی بالا را می‌توان به انبوهی و تراکم پوشش گیاهی در مناطق زراعی ربط داد که با یافته‌های احمدی و همکاران (1) کاملاً مطابقت دارد. همبستگی منفی پایین بین پوشش طبیعی و دمای سطح زمین نیز حاکی از تراکم پایین پوشش گیاهی در عرصه‌های مرتعی و جنگلی می‌باشد.

به‌منظور بررسی سطح کاهش یا افزایش دمای سطح زمین در کاربری‌های مختلف پوشش زراعی، پوشش طبیعی و کلاس آب، نقشه اختلاف دمای سطح زمین در سال 2018 نسبت به سال 2003 به پنج کلاس دمای خیلی پایین، دمای پایین، دمای متوسط، دمای بالا و دمای بسیار بالا طبقه‌بندی گردید. با توجه به نتایج حاصل از طبقه بندی دمای سطح زمین، بیشترین مساحت مربوط به طبقه دمایی متوسط در تمام کاربری‌ها بوده است، بطوریکه بیشترین مساحت این طبقه دمایی مربوط به پوشش طبیعی به مقدار 86733 هکتار می‌باشد. ازآنجاکه تراکم و مقدار پوشش گیاهی به‌ویژه در اراضی کشاورزی در سال 2018 کاهش چشمگیری نسبت به سال 2003 داشت، لذا مساحت طبقات دمایی بالا و بسیار بالا افزایش زیادی داشتند، بطوریکه مساحت طبقات دمایی بالا و بسیار بالا در زمین‌های زراعی به ترتیب به مقدار 4625 هکتار و 7192 هکتار رسید. همچنین، ازآنجاکه سطح آب دریاچه در سال 2018 نسبت به سال 2003 کاهش یافت، لذا مساحت طبقات دمایی بالا و بسیار بالا در این کلاس به ترتیب به مقدار 1824 و 3919 هکتار رسید.

 

نتیجه‌گیری: با توجه به نتایج، مقدار متوسط شاخص پوشش گیاهی نرمال شده در سال 2018 در محدوده پوشش طبیعی و زراعی کاهش و در محدوده دریاچه بختگان افزایش یافت و در مقابل، دمای سطح زمین در کاربری‌های ذکرشده افزایش یافت.

نتایج حاصل از پهنه‌بندی نشان داد که بیشترین مساحت تغییرات دما مربوط به طبقه دمایی متوسط می‌باشد. ازآنجاکه تراکم و مقدار پوشش گیاهی به‌ویژه در اراضی کشاورزی در سال 2018 کاهش چشمگیری نسبت به سال 2003 داشت، لذا نتایج نشان داد که مساحت طبقات دمایی بالا و بسیار بالا افزایش بیشتری نسبت به طبقات دمایی پایین و بسیار پایین داشتند. همچنین، ازآنجاکه سطح آب دریاچه در سال 2018 نسبت به سال 2003 کاهش یافت، لذا مساحت طبقات دمایی بالا و بسیار بالا در این کلاس افزایش یافت. یافته‌ها نشان داد که بین پوشش گیاهی و دمای سطح زمین همبستگی منفی وجود دارد.

واژگان کلیدی: شاخص تفاضل گیاهی نرمال شده، دمای سطح زمین، لندست، ارسنجان، بختگان.

 

 

Assessing the relationship between land surface temperature with vegetation and water area change in Arsanjan County, Iran

Abstract

This study aimed to investigate the effect of the land cover change on land surface temperature (LST) using the Normalized Difference Vegetation Index (NDVI) in Arsanjan County, Iran. Eleven Landsat images were used during the period 2003 to 2018. After pre-processing the satellite images, LST and NDVI indices were calculated separately for each image. In the following, the change detection process was performed using the index differencing method. Then, the thermal images were divided into five temperature classes. The results showed a downward trend in the vegetation cover from 2003 to 2018, so that the NDVI mean value changed by -0.07, -0.33 and +0.39 in the rangeland, farmland and Bakhtegan Lake in 2018 compared to 2003, respectively. In contrast, the LST value increased by 12.7℃, 18.6℃ and 16.4℃ in the mentioned land cover types, respectively. The findings showed that the highest area of LST change was related to the moderate temperature class, which was 86733 ha that was related to the rangeland. Also, since a large part of the farmland and the lake converted to the barren area in 2018, so the area of the high and very high temperatures classes increased compared to the low and very low temperatures classes as the area of these classes increased by 4625 ha and 7192 ha in the farmland and by 1824 ha and 3919 ha in Bakhtegan Lake area, respectively. An analysis of the relationship between NDVI and LST showed a negative correlation between NDVI and LST. According to the results, the highest and lowest negative correlations between NDVI and LST were related to the farmland (-0.94) and rangeland (-0.21), respectively.

Keywords: NDVI, LST, Bakhtegan, Arsanjan, Landsat.

 

Abstract چکیده مبسوط (حداقل 1000 کلمه)

Statement of the Problem: Land cover and soil moisture changes have a significant impact on land surface temperature (LST). Therefore, LST can be used to study land cover and desertification changes.
Arsanjan County, which is located in the northeast of Fars province, has a relatively good forest and rangeland. Unfortunately, excessive harvesting of the groundwater resources and also reduced precipitation in this area caused to decrease water levels and dried up many wells in this area during recent years. So the area of the farmland and Bakhtegan Lake has decreased in this region during the last decades. However, so far, the condition of the LST and its relationship with land cover changes has not been assessed in Arsanjan County. In this study, spatial-temporal changes of LST and its relationship with vegetation and the water area of Bakhtegan Lake have been studied. The results of this research can be useful in the agricultural and natural resources field in the study area and help the administrators of this County to take useful and infrastructural decisions to manage the area of the farmland, improve pastures and finally reduce the effects of the thermal island.

 

Purpose: The main goal of this study is to investigate the changes of LST in the farmland and rangeland and Bakhtegan lakes using the Landsat images time series and the Normalized Difference Vegetation Index (NDVI).

 

Methodology:

- Arsanjan city with an area of 1497 km2 is located in the northeast of Shiraz. The number of eleven images related to Level 1 data of Landsat satellite was taken from 2003 to 2018. Since the vegetation situation in the study area is in the best vegetation and water area condition in April and May, so the images related to these months were selected to check the fluctuation of vegetation cover and water level of Bakhtegan Lake. The data pre-processing was performed in three sections: geometric, radiometric and atmospheric correction by ENVI 5.3 software. The FLAASH algorithm, which is one of the best methods of atmospheric correction, was applied for atmospheric correction. In this study, NDVI was used to estimate the amount of vegetation. The Planck algorithm method was applied to calculate the LST. The change detection process was done using the index differencing method. To classify the LST map and the temporal-spatial changes, the LST difference map was normalized. Then, the normalized image was categorized using the standard deviation parameter in five temperature classes.

Results and discussion: In the present study, 11 Landsat images were examined to investigate the spatial-temporal changes in land coverage and LST and the relationship between these two parameters from 2003 to 2018.

The NDVI mean value was 0.25 in 2003, which decreased to 0.18 in 2018. On the other hand, the LST mean value had an upward trend as it increased from 29% in 2003 to 41.7% in 2018.
The NDVI mean value was 0.66 in the farmland in 2003, however, its value reached to 0.33 in 2018. In contrast, LST mean value increased in the farmland from 20.9% in 2003 to 39.5.5% in 2018.
Also, the LST mean value in the lake area increased from 20.1% in 2003 to 36.5 in 2018.
Based on the results, the NDVI mean value in the rangeland and farmland decreased by 0.07 and 0.33, respectively, in 2018. However, due to the positive relationship between NDVI and LST in water-covered areas, the NDVI mean value increased by 0.39 in Bakhtegan Lake area in 2018. In contrast, the LST mean value in the rangeland, farmland and Bakhtegan Lake increased by 12.7%, 18.6% and 16.4%, respectively, in 2018 compared to 2003.
The results indicated a negative relationship between NDVI and LST (R2 = 0.862). The LST value decreases by increasing NDVI value in the vegetated area. In contrast, there was a positive correlation between NDVI and LST in salt-marshes and barren areas. These results are consistent with the findings of Entezari et al, Ahmadi et al, and Kiani and Ebrahimi. According to the results, the highest negative correlation was obtained for the farmland, which was -0.94. The reason for this high correlation can be related to the high density of vegetation cover in agricultural areas, which is fully consistent with the findings of Ahmadi et al. The low negative correlation between NDVI and LST in the rangeland indicates the low vegetation density in rangeland and forest area.

In order to study the area of decrease or increase of LST in the farmland, rangeland and water classes, the LST difference map was classified to five categories including very low temperature, low temperature, medium temperature, high temperature and very high temperature.

According to the result of LST classification, the highest area was related to the moderate temperature class in all land covers, so that the highest area of this temperature class was associated with the rangeland by 86733 hectares. Since the vegetation density, especially in the farmland, had a significant decrease in 2018 compared to 2003, the area of high and very high-temperature classes increased in 2018, so that their area reached to 4625 ha and 7192 ha, respectively, in the farmland. Also, since the water area of the lake decreased in 2018 compared to 2003, the area of high and very high-temperature classes in these classes reached to 1824 ha and 3919 ha, respectively.

 

Conclusion: According to the results, the NDVI mean value in 2018 decreased in the farmland and rangeland and increased in the Bakhtegan Lake area. In contrast, the LST increased in the mentioned areas. The results of the LST classification showed that the highest amount of LST change is related to the moderate temperature class. Since the vegetation density, especially in the agricultural area, had a significant decrease in 2018 compared to 2003, the results showed that the area of high and very high temperatures had a higher increase than low and very low temperatures. Also, since the lake's water level decreased in 2018 compared to 2003, the area of high and very high temperatures in these classes increased. The findings show that there is a negative correlation between vegetation and land surface temperatures.

Keywords: NDVI, LST, Landsat, Arsanjan, Bakhtegan.

 

1

 

---