سامانه مدیریت نشریات علمی دانشگاه شهید بهشتی

احمدی, محمود, داداشی رودباری, عباسعلی, اسفندیاری, ندا. (1398). پایش جزایر حرارتی شهری با رویکرد تکاملی فرکتال ویژه (FNEA) (مطالعه موردی: کلان‌شهر تهران). , 11(1), 93-112. doi: 10.52547/gisj.11.1.93
محمود احمدی; عباسعلی داداشی رودباری; ندا اسفندیاری. "پایش جزایر حرارتی شهری با رویکرد تکاملی فرکتال ویژه (FNEA) (مطالعه موردی: کلان‌شهر تهران)". , 11, 1, 1398, 93-112. doi: 10.52547/gisj.11.1.93
احمدی, محمود, داداشی رودباری, عباسعلی, اسفندیاری, ندا. (1398). 'پایش جزایر حرارتی شهری با رویکرد تکاملی فرکتال ویژه (FNEA) (مطالعه موردی: کلان‌شهر تهران)', , 11(1), pp. 93-112. doi: 10.52547/gisj.11.1.93
احمدی, محمود, داداشی رودباری, عباسعلی, اسفندیاری, ندا. پایش جزایر حرارتی شهری با رویکرد تکاملی فرکتال ویژه (FNEA) (مطالعه موردی: کلان‌شهر تهران). , 1398; 11(1): 93-112. doi: 10.52547/gisj.11.1.93

پایش جزایر حرارتی شهری با رویکرد تکاملی فرکتال ویژه (FNEA) (مطالعه موردی: کلان‌شهر تهران)

نشریه سنجش از دور و GIS ایران
مقاله 6، دوره 11، شماره 1 - شماره پیاپی 41، 1398، صفحه 93-112    اصل مقاله (3.18 M)
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.52547/gisj.11.1.93
نویسندگان
محمود احمدی* 1؛ عباسعلی داداشی رودباری2؛ ندا اسفندیاری3
1استادیار آب و هواشناسی، دانشگاه شهید بهشتی، دانشکده علوم زمین، تهران، ایران
2دانشجوی دکتری آب و هواشناسی شهری، دانشگاه شهید بهشتی، دانشکده علوم زمین، تهران، ایران
3دانشجوی دکتری آب و هواشناسی همدید، دانشگاه شهید بهشتی، دانشکده علوم زمین، تهران، ایران
چکیده
جزیره حرارتی، نتیجه آب ‌و هوای شهری و یکی از چالش‌های مهم زیست‌محیطی در قرن بیست و یکم است. هدف از این پژوهش، ارزیابی توأمان عوارض بیوفیزیکی و دمای سطح زمین با رویکرد تکاملی فرکتال ویژه (FNEA)، به‌منظور استخراج جزیره حرارتی شهری در تهران است. نخست، با استفاده از تصاویر سنجنده TIRS ماهواره لندست 8، در ماه اوت سالهای 2013، 2014 و 2015 مقادیر دمای سطح زمین (LST) محاسبه و جزایر حرارتی شهری با اتخاذ رویکرد تکاملی فرکتال ویژه (FNEA) استخراج شد. همچنین به‌منظور ارزیابی نقش عوامل بیوفیزیکی در شکل‌گیری جزایر حرارتی شهری، شاخص‌های BI، MNDWI، NDBI ،NDVI، SAVI و UI محاسبه و مورد ارزیابی قرار گرفتند. نتایج نشان داد بین پوشش‌گیاهی و جزایر حرارتی شهری، همبستگی خطی منفی وجود دارد. همچنین یک رابطه مثبت قوی، بین سطح غیر قابل نفوذ با جزایر حرارتی شهری در کلان‌شهر تهران به دست آمد. جزایر حرارتی کلان‌شهر تهران با رویکرد FNEA به 5 دسته جزایر حرارتی سرد، سرد درجه دوم، مناطق حرارتی متوسط، جزایر حرارتی گرم درجه دوم و جزایر حرارتی گرم دسته‌بندی شدند که به‌طور متوسط جزایر‌ حرارتی گرم، 95 کیلومترمربع و جزایر حرارتی سرد 73 کیلومترمربع از کل مساحت کلان‌شهر تهران را به خود اختصاص داده‌اند. مهم‌ترین کانون‌های حرارتی شناسایی‌شده نیز به ترتیب در 1- منطقه 21 به‌جهت تمرکز شدید اکثر کارخانه‌ها، کارگاه‌های صنعتی و انبارها؛ 2- منطقه 9 به‌دلیل قرارگیری فرودگاه مهرآباد، پایانه‌های حمل‌ونقل مسافری و گذرگاه اصلی دسترسی؛ 3- منطقه 22 و شمال منطقه 19 به‌جهت تمرکز زمین‌های لم‌یزرع و 4- منطقه 13 (زمین‌های بدون پوشش اطراف فرودگاه سابق دوشان تپه) و مناطق جنوبی تهران (به دلیل وجود کارگاه‌های آموزشی و صنعتی) قرارگرفته‌اند.
کلیدواژه‌ها
جزایر حرارتی شهری؛ شاخص‌های بیوفیزیکی؛ رویکرد FNEA؛ کلان‌شهر تهران
عنوان مقاله [English]
Monitoring the Urban heat islands with a Fractal Net Evolution (FNEA) Approach (Case Study: Tehran Metropolis)
نویسندگان [English]
Mahmood Ahmadi1؛ Abasali Dadashiroudbari2؛ Neda Esfandiari3
1Faculty of Earth Sciences, Shahid Beheshti University
2Faculty of Earth Sciences, Shahid Beheshti University
3Faculty of Earth Sciences, Shahid Beheshti University
چکیده [English]
Urban heat islands is the result of urban Climate and one of the important environmental challenges in the 21st century. The aim of this research is to evaluate the combined effects of biophysical components and Land surface temperature with a special Fractal Net Evolution (FNEA) in order to extract the urban heat islands in Tehran. In the first stage, Landsat 8 satellite TIRS 3 images for August, 2013, 2015, and 2015 were calculated for land surface temperature (LST) and the urban heat islands were extracted by adopting a special Fractal Net Evolution (FNEA) Approach. In order to evaluate the role of biophysical components in the formation of urban thermal islands, BI, MNDWI, NDBI, NDVI, SAVI and UI indices were calculated and evaluated. The results showed that there is a negative linear correlation between vegetation and urban heat islands. Also, a strong positive relationship was found between the impenetrable surfaces with urban heat islands in Tehran metropolis. The UHIs of Tehran metropolis with FNEA approach was classified into five categories: cold UHIs, cold second UHIs, medium UHIs, second-order thermal UHIs and warm UHIs, with an average of 95 km2 hot warm islands and 73 km² of the total urban heat islands Tehran metropolis. The most important identified UHIs are also in the 1- zone 21 due to the intense focus of most factories, industrial workshops and warehouses; 2- Zone 9 due to the location of Mehrabad airport, terminals of passenger transportation and main access passage; 3- Zone 22 and North Zone 19 is located because of the focus of Barren land and 4- Zone 13 (uncovered land around the former Dashan Tape airport) and the southern regions of Tehran (due to the existence of educational and industrial workshops).
کلیدواژه‌ها [English]
Urban heat islands, biophysical components, FNEA approach, Tehran metropolis
مراجع
  1. احمدی، ب.، قربانی، ا.، صفر راد، ط. و سبحانی، ب.، 1394، بررسی دمای سطح زمین در رابطه با کاربری و پوشش کاربری با استفاده از داده‌های سنجش‌ازدور، سنجش ‌از دور و سامانه اطلاعات جغرافیایی در منابع طبیعی، سال 6، شماره 1، صص. 61-77.
  2. احمدی، م. و داداشی رودباری، ع.، 1395، آثار ترکیبات بیوفیزیکی در شکل‌گیری جزایر حرارتی شهری (مطالعه موردی شهر مشهد)، سنجش‌ازدور و GIS ایران، سال هشتم، شماره 3، صص. 39-58.
  3. احمدی، م. و داداشی رودباری، ع.، 1395، شناسایی جزایر حرارتی شهری مبتنی بر رویکرد زیست محیطی، مطالعه موردی(کلان شهر اصفهان)، جغرافیا و برنامه ریزی محیطی، دوره 28، شماره3، صص. 1-20.
  4. احمدی، م.، علی بخشی، ز. و داداشی رودباری، ع.، 1396، پایش دگرگونی شاخص‌های شهری کلان‌شهر تهران با رویکرد آمایش سرزمین و کاربست تصاویر ماهواره‌ای چند زمانه LANDSAT8، بیست و چهارمین همایش و نمایشگاه ملی ژئوماتیک 96، 25 و 26 اردیبهشت 1396، سازمان نقشه‌برداری کشور، تهران.
  5. اطلس کلان‌شهر تهران، 1396، فصل هشتم، شهرسازی، وضعیت کاربری‌های عمده و اصلی در مناطق، آدرس تارنمای اینترنتی http://atlas.tehran.ir، تاریخ دسترسی 24/02/1396.
  6. پایگاه خبری آفتاب، 1393، تهران از جمعیت ترکید/ پایتخت‌نشینان 5/12 میلیون نفر شدند، ایرانی‌ها 77 میلیون و 400 هزار نفر، کد خبر، 241952، تاریخ دسترسی 19/02/1396.
  7. رمضانی خوجین، ع.، خیرخواه زرکش، م.م، دانش کار آراسته، پ.، مریدی، ع. و علیمحمدی ناقچی، ر.، 1395، محاسبه و واسنجی دمای سطح زمین با استفاده از داده های حرارتی ماهواره Landsat8، سنجش‌ازدور و GIS ایران، سال هفتم، شماره 3، صص. 64-49.
  8. ساسان پور، ف.، ضیائیان، پ. و بهادری، م.، 1392، بررسی رابطه کاربری و پوشش اراضی و جزایر حرارتی شهر تهران، جغرافیا (فصلنامه بین‌المللی انجمن جغرافیای ایران)، سال 11، شماره 39، صص. 256-270.
  9. شکیبا، ع.، ضیائیان فیروزآبادی، پ.، عاشور لو، د. و نامداری، س.، 1388، تحلیل رابطه کاربری و پوشش اراضی جزایر حرارتی شهر تهران، با استفاده از داده‌های ETM+ ، سنجش‌ازدور و GIS ایران، سال اول، شمار اول، صص. 39-56.
  10. شمسی‌پور، ع.ا.، مهدیان ماهفروزی، م. و حسین پور، ز.، 1391، واکاوی تغییرات مکانی هسته‌ی جزیره‌ی گرمایی شهر تهران، پژوهش‌های جغرافیای طبیعی، سال 44، شماره 3، صص. 146-127.
  11. صادقی نیا، ع.، علیجانی، ب. و ضیائیان فیروزآبادی، پ.، 1391، تحلیل فضایی-زمانی جزیره حرارتی کلان‌شهر تهران با استفاده از سنجش‌ازدور و سیستم اطلاعات جغرافیایی، جغرافیا و مخاطرات محیطی، سال چهارم، صص. 1-17.
  12. صادقی نیا، ع؛ علیجانی، ب؛ ضیائیان فیروزآبادی، پ، 1392، کاربرد تکنیک خودهمبستگی فضایی در تحلیل جزیره حرارتی شهر تهران، نشریه تحقیقات کاربردی علوم جغرافیایی، سال سیزدهم، شماره 30، صص. 67-90.
  13. عزیزی، ق.، شمسی‌پور، ع.ا.، مهدیان ماهفروزی، م. و میری، م.، 1392، تأثیرپذیری شدت جزیره گرمایی شهری تهران از الگوهای همدیدی جو، محیط‌شناسی، دوره 39، شماره 4، صص. 66-55.
  14. علوی پناه، ص.، قریشی، ی. و شمسی‌پور، ع.، 1395، اثر خنک‌کنندگی فضاهای سبز شهری (مطالعه موردی شهر مونیخ)، محیط‌شناسی، دوره 42، شماره2، صص. 453-441.
  15. علی آبادی، ک؛ داداشی رودباری، ع ، 1396، نقش مؤلفه‌های جغرافیایی بر چگونگی پراکندگی دمایی در سطوح شهری با استفاده از تکنیک‌های سنجش‌ازدور مطالعه موردی شهر مشهد، مجله آمایش جغرافیایی فضا، دوره 7، شماره 24، صص. 131-142.
  16. فاطمی، ب. و صدقی، ف، 1395، بررسی مقایسه ای اثر استفاده از مقادیر پیکسل، بازتابش و بازتابندگی در محاسبه شاخص‌های گیاهی از تصاویر ماهواره‌ای Landsat8، سنجش‌ازدور و GIS ایران، سال هشتم، شماره 3، صص. 104-91.
  17. قنبری، ح. و عزیزی، ق.، 1388، شبیه‌سازی عددی آلودگی هوا در تهران بر اساس الگوهای باد به‌وسیله‌ TAPM، پژوهش‌های جغرافیای طبیعی، شماره 68، صص. 32-15.
  18. مهدیان ماهفروزی، م.، شمسی پور، ع. و عزیزی، ق.، 1394، اثر گسترش فضای سبز بر الگوی جزیره گرمایی شهری (مطالعه موردی: بوستان ولایت)، پژوهش‌های جغرافیا و برنامه‌ریزی شهری، دوره 3، شماره1، صص. 85-99.
  19. Alghannam, A.R.O. and Al-Qahtnai, M.R.A., 2012, Impact of vegetation cover on urban and rural areas of arid climates, Australian Journal of Agricultural Engineering, 3(1), 1.
  20. As-Syakur, A.R., Adnyana, I., Arthana, I.W., and Nuarsa, I.W., 2012, Enhanced Built-Up and Bareness Index (EBBI) for mapping built-up and bare land in an urban area, Remote Sensing, 4(10), pp. 2957-2970.
  21. Bokaie, M., Zarkesh, M. K., Arasteh, P.D. and Hosseini, A., 2016, Assessment of Urban Heat Island based on the relationship between land surface temperature and land use/land cover in Tehran, Sustainable Cities and Society, 23, pp. 94-104.
  22. Bowler, D.E., Buyung-Ali, L., Knight, T.M. and Pullin, A.S., 2010, Urban greening to cool towns and cities: A systematic review of the empirical evidence, Landscape and urban planning, 97(3), pp. 147-155.
  23. Busato, F., Lazzarin, R. M. and Noro, M., 2014, three years of study of the Urban Heat Island in Padua: Experimental results, Sustainable Cities and Society, 10, pp. 251-258.
  24. Candiago, S., Remondino, F., De Giglio, M., Dubbini, M. and Gattelli, M., 2015, Evaluating multispectral images and vegetation indices for precision farming applications from UAV images, Remote Sensing, 7(4), pp. 4026-4047.
  25. Chen, X.L., Zhao, H.M., Li, P.X. and Yin, Z.Y., 2006, Remote sensing image-based analysis of the relationship between urban heat island and land use/cover changes, Remote sensing of environment, 104(2), pp. 133-146.
  26. Chudnovsky, A., Ben-Dor, E. and Saaroni, H., 2004, Diurnal thermal behavior of selected urban objects using remote sensing measurements, Energy and Buildings, 36(11), pp. 1063-1074.
  27. Chun, B. and Guldmann, J.M., 2014, spatial statistical analysis and simulation of the urban heat island in high-density central cities, Landscape and urban planning, 125, pp. 76-88.
  28. Cooper, O.R., Parrish, D.D., Ziemke, J., Balashov, N.V., Cupeiro, M., Galbally, I.E. and Naik, V., 2014, Global distribution and trends of tropospheric ozone: An observation-based review, Elem Sci Anth, 2.
  29. De Lucena, A.J., Rotunno Filho, O.C., de Almeida França, J.R., de Faria Peres, L. and Xavier, L.N.R., 2013, Urban climate and clues of heat island events in the metropolitan area of Rio de Janeiro, Theoretical and applied climatology, 111(3-4), pp. 497-511.
  30. Estoque, R.C. and Murayama, Y.m., 2017, Monitoring surface urban heat island formation in a tropical mountain city using Landsat data (1987–2015), ISPRS Journal of Photogrammetry and Remote Sensing, 133, pp. 18-29.
  31.  
  32. Farina, A., 2012, Exploring the relationship between land surface temperature and vegetation abundance for urban heat island mitigation in Seville, Spain, LUMA-GIS Thesis.
  33. FIG, O.S., 2010, Rapid Urbanization and Mega Cities: The Need for Spatial Information Management.
  34. Friedl, M.A., 2002, forward and inverse modeling of land surface energy balance using surface temperature measurements, Remote sensing of environment, 79(2), pp. 344-354.
  35. Gobakis, K., Kolokotsa, D., Synnefa, A., Saliari, M., Giannopoulou, K. and Santamouris, M. 2011, Development of a model for urban heat island prediction using neural network techniques, Sustainable Cities and Society, 1(2), pp. 104-115.
  36. Haashemi, S., Weng, Q., Darvishi, A. and Alavipanah, S. K., 2016, Seasonal variations of the surface urban heat island in a semi-arid city, Remote Sensing, 8(4), pp. 352.
  37. Han-Qiu, X. U., 2005, A Study on Information Extraction of Water Body with the Modified Normalized Difference Water Index (MNDWI) [J], Journal of Remote Sensing, 5, pp. 589-595.
  38. Hay, G.J., Blaschke, T., Marceau, D.J. and Bouchard, A., 2003, A comparison of three image-object methods for the multiscale analysis of landscape structure, ISPRS Journal of Photogrammetry and Remote Sensing, 57(5), pp. 327-345.
  39. Huang, S.L., Yeh, C.T. and Chang, L. F., 2010, the transition to an urbanizing world and the demand for natural resources, Current Opinion in Environmental Sustainability, 2(3), pp. 136-143.
  40. Landsberg, H.E., 1981, the urban climate (Vol. 28), Academic press.
  41. Li, Z. L., Wu, H., Wang, N., Qiu, S., Sobrino, J. A., Wan, Z. and Yan, G., 2013, Land surface emissivity retrieval from satellite data, International Journal of Remote Sensing, 34(9-10), pp.3084-3127.
  42. Manley, G., 1958, on the frequency of snowfall in metropolitan England, Quarterly Journal of the Royal Meteorological Society, 84(359), pp. 70-72.
  43. Oke, T.R. and Hannell, F.G., 1970, the form of the urban heat island in Hamilton, Canada (Vol. 108, pp. 113-126). WMO Technical Note.
  44. Owen, T.W., Carlson, T.N. and Gillies, R.R., 1998, an assessment of satellite remotely-sensed land cover parameters in quantitatively describing the climatic effect of urbanization, International journal of remote sensing, 19(9), pp. 1663-1681.
  45. Pan, J., 2016, Area delineation and spatial-temporal dynamics of urban heat island in Lanzhou City, China using remote sensing imagery, Journal of the Indian Society of Remote Sensing, 44(1), pp. 111-127.
  46. Roberts, D.A., Quattrochi, D.A., Hulley, G.C., Hook, S.J. and Green, R.O., 2012, Synergies between VSWIR and TIR data for the urban environment: An evaluation of the potential for the Hyperspectral Infrared Imager (HyspIRI) Decadal Survey mission, Remote Sensing of Environment, 117, pp. 83-101.
  47. Roth, M., 2007, Review of urban climate research in (sub) tropical regions, International Journal of Climatology, 27(14), pp. 1859-1873.
  48. Sheng, L., Tang, X., You, H., Gu, Q. and Hu, H., 2017, Comparison of the urban heat island intensity quantified by using air temperature and Landsat land surface temperature in Hangzhou, China, Ecological Indicators, 72, pp.738-746.
  49. Sobrino, J.A., Caselles, V. and Becker, F., 1990, Significance of the remotely sensed thermal infrared measurements obtained over a citrus orchard, ISPRS Journal of Photogrammetry and Remote Sensing, 44(6), pp. 343–354.
  50. Sobrino, J.A., Jimenez-Muñoz, J.C. and Paolini, L., 2004, Land surface temperature retrieval from LANDSAT TM 5, Remote Sensing of Environment, 90(4), pp.434–440.
  51. Son, N.T., Chen, C.F., Chen, C.R., Thanh, B.X. and Vuong, T.H., 2017, Assessment of urbanization and urban heat islands in Ho Chi Minh City, Vietnam using Landsat data, Sustainable Cities and Society, 30, pp.150-161.
  52. Sun, C.Y., Brazel, A.J., Chow, W.T., Hedquist, B.C. and Prashad, L., 2009, Desert heat island study in winter by mobile transect and remote sensing techniques. Theoretical and Applied Climatology, 98(3-4), pp. 323-335.
  53. USGS, 2013, Using the USGS Landsat 8 Product, 2015.
  54. Voogt, J. A. and Oke, T.R., 2003, Thermal remote sensing of urban climates, Remote sensing of environment, 86(3), pp. 370-384.
  55. Weng, Q., Lu, D. and Schubring, J., 2004, Estimation of land surface temperature–vegetation abundance relationship for urban heat island studies, Remote sensing of Environment, 89(4), pp. 467-483.
  56. Xiong, Y., Huang, S., Chen, F., Ye, H., Wang, C. and Zhu, C., 2012, the impacts of rapid urbanization on the thermal environment: A remote sensing study of Guangzhou, South China, Remote Sensing, 4(7), pp. 2033-2056.
  57. Yengoh, G.T., Dent, D., Olsson, L., Tengberg, A.E., and Tucker III, C.J., 2015, Use of the Normalized Difference Vegetation Index (NDVI) to Assess Land Degradation at Multiple Scales: Current Status, Future Trends, and Practical Considerations,
آمار
تعداد مشاهده مقاله: 4,392
تعداد دریافت فایل اصل مقاله: 2,573