تجزیه و تحلیل آماری و پیشبینی تغییرات زمانی- مکانی جزایر حرارتی شهری با استفاده از دادههای سنجش از دور | ||
| فصلنامه علوم محیطی | ||
| مقاله 5، دوره 21، شماره 3، 1402، صفحه 89-112 اصل مقاله (698.15 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.48308/envs.2023.1254 | ||
| نویسندگان | ||
| کیوان عزی مند؛ حسین عقیقی* ؛ داود عاشورلو؛ علیرضا شکیبا | ||
| گروه سنجش از دور و سیستم اطلاعات جغرافیایی، مرکز سنجش از دور و GIS، دانشگاه شهید بهشتی، تهران، ایران | ||
| چکیده | ||
| سابقه و هدف: جزیره گرمایی شهری بهعنوان یکی از اثرات توسعه شهرنشینی میتواند بر روی گیاهان و جانوران درگیر در اکوسیستم شهری و حومهای، غلظت آلایندهها، کیفیت هوا، مصرف انرژی و آب و همچنین سلامت و اقتصاد انسان تأثیر منفی بگذارد. بنابراین، تجزیه وتحلیل مکانی-زمانی تغییرات جزیره گرمایی شهری به عنوان رویکردی موثر برای درک تأثیر شهرنشینی بر اکوسیستم شهری و حومهای در نظر گرفته شده است که میتواند از توسعه و برنامهریزی شهری پایدار نیز حمایت کند. بر این اساس، این مطالعه یک رویکرد جدید برای شناسایی روند و پیشبینی الگوی تغییرات جزایرحرارتی شهری با استفاده از تجزیه و تحلیل آماری، آنتروپی شانون و آمار کای اسکور ارائه میکند. مواد و روشها: منطقه موردمطالعه در این تحقیق شامل شهر رشت و اطراف آن است که در شمال کشور ایران واقع است. این مطالعه با استفاده از تصاویر سنجش از دور از سال 1991 تا 2021 که توسط ماهواره لندست 5 و 8 با فاصله زمانی ثابت 10 سال جمع آوری شده است، اجرا شد. تمامی تصاویر مربوط به فصل تابستان است. برای انجام این مطالعه ابتدا پیشپردازشهای موردنیاز همچون تصحیحات اتمسفری و رادیومتریکی بر روی تصاویر اعمالشده است سپس در گام دوم شاخصهای بیوفیزیکی سطح منطقه از تصاویر ماهوارهای استخراجشده است. در گام سوم دمای سطح زمین نیز با استفاده از تصاویر ماهوارهای در سال 2021 محاسبه شد. در گام چهارم، رگرسیون خطی چند متغیره خصوصیات بیوفیزیکی سطح و دمای سطح زمین در سال 2021 اعمال شد و سپس از مدل سلول های خودکار - زنجیره مارکوف برای پیشبینی دمای سطح زمین برای سال 2031 استفاده شد. در نهایت الگوی تغییرات جزایر حرارتی شهر رشت با استفاده از تحلیلهای آماری در جهات جغرافیایی مختلف و دورههای زمانی متفاوت مورد بررسی قرار گرفت. نتایج و بحث: نتایج این مطالعه نشان داد که بیشترین همبستگی مثبت (R=0.89) بین شاخص NDBI و دمای سطح زمین بوده است. همچنین بیشترین همبستگی منفی (R = -0.81) بین شاخص سبزینگی و دمای سطح زمین و در نهایت کمترین همبستگی (R = 0.42) بین شاخص درخشندگی با دمای سطح زمین بود. پیشبینی دمای سطح زمین با استفاده از مدل رگرسیون چند متغیره و شاخصهای بیوفیزیکی سطح حاکی از خطای پایین این مدل (RMSE=1.33K) برای پیشبینی دمای سطح زمین در سال 2021 است. این بدان معناست که مقادیر پیش بینی شده در سال 2021 به مقادیر واقعی نزدیک است و بنابراین می توان به این مدل برای پیش بینی دمای سطح زمین در سال 2031 اعتماد کرد. تجزیه و تحلیل آماری درباره الگوی تغییرات جزایر حرارتی مشاهده شده و مورد انتظار نشان میدهد که میزان نرخ تغییرات برحسب زمان و مکان متفاوت بوده است و همچنین به صورت پیوسته از سال 1991 تا 2031 رو به افزایش است. علاوه بر این این تجزیه و تحلیل ها همچنین نشان داد که جزایر حرارتی شهر رشت از درجه آزادی بالا و درجه پراکندگی بالایی برخودار است. بنابراین درجه خوب بودن آن منفی است. نتیجهگیری: الگوی تغییرات جزایر حرارتی از گذشته تا به زمان حال و پیش بینی آن در آینده نشان می دهد که وابستگی بالایی با الگوی تغییرات اراضی ساخته شده دارد. در نتیجه با نظارت و کنترل مستقیم الگوی اراضی ساخته شده (همچون توسعه عمودی از طریق بام و دیوارهای سبز و مصالح ساختمانی با توان بازتابی بالا) و جلوگیری از ساخت و سازها در زمین های کشاورزی حاشیه شهر الگوی تغییرات جزایر حرارتی را کنترل نمود. | ||
| کلیدواژهها | ||
| دادههای سنجشازدور؛ سلولهای خودکار- مارکوف؛ تحلیل های آماری؛ جزایر حرارتی شهری | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 14,228 تعداد دریافت فایل اصل مقاله: 5,096 |
||
| تعداد نشریات | 41 |
| تعداد شمارهها | 1,609 |
| تعداد مقالات | 14,134 |
| تعداد مشاهده مقاله | 97,638,838 |
| تعداد دریافت فایل اصل مقاله | 62,311,290 |