تعداد نشریات | 161 |
تعداد شمارهها | 6,532 |
تعداد مقالات | 70,503 |
تعداد مشاهده مقاله | 124,120,040 |
تعداد دریافت فایل اصل مقاله | 97,226,770 |
بررسی تغییرات مکانی-زمانی کاربری اراضی، گسترش شهری و تأثیر آن بر افزایش دمای سطح زمین با استفاده از تصاویر چندزمانة لندست (مطالعة موردی: شهر گرگان) | ||
پژوهشهای جغرافیای برنامهریزی شهری | ||
مقاله 7، دوره 6، شماره 3، مهر 1397، صفحه 545-568 اصل مقاله (2.68 M) | ||
نوع مقاله: پژوهشی - کاربردی | ||
شناسه دیجیتال (DOI): 10.22059/jurbangeo.2018.262673.945 | ||
نویسندگان | ||
سامان نادیزاده شورابه1؛ سعید حمزه* 2؛ مجید کیاورز2؛ سید کریم افشاریپور3 | ||
1دانشجوی کارشناسی ارشد سنجشازدور و GIS، دانشکدۀ جغرافیا، دانشگاه تهران | ||
2استادیار گروه سنجشاز دور و GIS، دانشکدۀ جغرافیا، دانشگاه تهران | ||
3دانشجوی کارشناسی ارشد سنجشاز دور و GIS، دانشکدۀ جغرافیا، دانشگاه تهران | ||
چکیده | ||
هدف از پژوهش حاضر بررسی تغییرات مکانی-زمانی کاربری اراضی، گسترش شهری و تأثیر آن بر افزایش دمای سطح زمین است. برایناساس برای مدیریت بهینة آثار منفی ناشی از افزایش دمای سطح زمین، تعیین نوع تغییرات کاربری که بیشترین تغییرات دمای سطح زمین را در بازة زمانی ایجاد میکنند مفید است. بدین منظور از دادههای ماهوارهای لندست که به دورة زمانی 23 ساله مربوط است استفاده شد تا نقشههای کاربری اراضی و تغییرات آن، همچنین دمای سطح زمین استخراج شود. پس از انتخاب باندهای بهینه، بهکمک روش فاکتور شاخص مطلوبیت، تصاویر ماهوارهای با روش ماشین بردار پشتیبان طبقهبندی شدند. همچنین برای بازیابی دمای سطح زمین نیز از الگوریتم Mono-Window استفاده شد. طبقهبندی تصاویر و استخراج اطلاعات آماری هر کلاس نشاندهندة ارتباطی قوی میان نوع کاربری و دمای سطح زمین است؛ بهطوریکه بررسی رابطة NDVI و حرارت سطح با استفاده از تحلیل همبستگی و رگرسیونی، نقش مؤثر پوشش گیاهی در تعدیل دمای سطح را نشان میدهد. باید توجه داشت که کاربری آیش دمای بیشتری از مناطق ساختهشده دارد؛ زیرا این مناطق ترکیبی غیریکنواخت از ساختمان، چمن و گیاه هستند. نتایج بررسی ارتباط تغییرات کاربری اراضی و تحولات دمای سطح زمین نشان میدهد با تبدیل کاربری فضای سبز به زمین آیش، بیشترین تغییرات دمای سطح زمین رخ میدهد. از دیگر نتایج این پژوهش کاهش طبقات دمایی خیلی سرد و سرد و افزایش طبقات دمایی نرمال و گرم است که مهمترین دلیل آن افزایش مساحت کاربریهای ساختهشده و آیش است. | ||
کلیدواژهها | ||
پایش مکانی-زمانی؛ دمای سطح؛ کاربری اراضی؛ گرگان؛ گسترش شهری | ||
مراجع | ||
داز، بیبی سارا، غفاری گیلانده، عطا و حسن خاوریان، ۱۳۹۵، بررسی تغییرات پوشش اراضی شهر گرگان با استفاده از تصاویر ماهوارۀ لندست، اولین کنفرانس بینالمللی آب، محیطزیست و توسعة پایدار، دانشگاه محقق اردبیلی، اردبیل. علویپناه، سید کاظم، 1385، کاربرد سنجشازدور در علوم زمین، انتشارات دانشگاه تهران، تهران. علویپناه، سید کاظم، هاشمی دره بادامی، سیروس و علی کاظمزاده، 1394، «تحلیل مکانی-زمانی جزیرة حرارتی شهر مشهد با توجه به گسترش شهر و تغییرات کاربری-پوشش زمین»، پژوهشهای جغرافیا و برنامهریزی شهری، سال سوم، شمارة 1، صص 1-17. متکان، علیاکبر و همکاران، 1393، «تحلیل نقش کاربری اراضی در شکلگیری جزایر حرارتی با استفاده از دادههای چندزمانة سنجندة Aster (مطالعة موردی: شهر بندرعباس)»، کاربرد سنجشازدور و سامانة اطلاعات جغرافیایی در منابع طبیعی، سال پنجم، شمارة 4، صص 1-14. ملاشاهی، سمانه و همکاران، ۱۳۹۴، آشکارسازی تغییرات کاربری اراضی و پوشش زمین (مطالعة موردی: شهرستان گرگان)، اولین همایش ملی مباحث نوین در مهندسی عمران، دانشگاه آزاد اسلامی واحد بندر گز. میرسنجری، میرمهرداد و سحر عابدیان، 1396، «بررسی تغییرات جمعیتی و اثرگذاری آن بر تغییرات کاربری اراضی (مطالعة موردی: شهر گرگان)»، پژوهشهای محیطزیست، سال هشتم، شمارة 16، صص 3-14. نادیزاده شورابه، سامان، حمزه، سعید و سید کریم افشاری، 1396، پایش مکانی-زمانی تغییرات جزیرة حرارتی شهری و ارتباط آن با تغییرات کاربری اراضی و پوشش با ادغام دادههای اپتیک و حرارتی سنجشازدور، همایش ملی ژئوماتیک، شماره 24، صص 12-1. Amiri, R. et al., 2009, Spatial–Temporaldynamics of Land Surface Temperature in Relation to Fractional Vegetation Coverand Land Use/Cover in the Tabriz Urban Area, Iran, Remote Sensing of Environment, Vol. 113, No. 113: PP. 2606–2617. Bokaie, M. et al., 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, Vol. 23, No. 23: PP. 94-104. Boori, M. S. et al., 2015, A Compa rison of Land Surface Temperature, Derived from AMSR-2, Landsat and ASTER Satellite Data, Journal of Geography and Geology, Vol. 7, No. 3, PP. 61-69. Chander, G., and Groeneveld, D. P., 2009, Intra Annual NDVI Validation of the Landsat 5 TM Radiometric Calibration, International Journal of Remote Sensing, Vol. 30, No. 6, PP. 1621-1628. Chander, G., Markham, B. L., and Helder, D. L. 2009, Summary of Current Radiometric Calibration Coefficients for Landsat MSS, TM, ETM+, and EO-1 ALI Sensors, Remote Sensing of Environment, Vol. 113, No. 5, PP. 893-903. Chen, Q. et al., 2006, Reversible Blockade of Electron Transport During Ischemia Protects Mitochondria and Decreases Myocardial Injury Following Reperfusion, Journal of Pharmacology and Experimental Therapeutics, Vol. 319, No. 3, PP. 1405-1412. Chudnovsky, A., Ben-Dor, E., and Saaroni, H., 2004, Diurnal Thermal Behavior of Selected Urban Objects Using Remote Sensing Measurements, Energy and Buildings, Vol. 36, No. 11, PP. 1063-1074. Ding, H., and Shi, W., 2013, Land-Use/Land-Cover Change and Its Influence on Surface Temperature: A Case Study in Beijing City, International Journal of Remote Sensing, Vol. 34, No. 15, PP. 5503-5517. Effat, H. A., and Hassan, O. A. K., 2014, Change Detection of Urban Heat Islands and Some Related Parameters Using Multi-Temporal Landsat Images; A Case Study for Cairo City, Egypt, Urban Climate, Vol. 10, No. 1, PP. 171-188. Firozjaei, M. et al., S. 2018, Monitoring and Forecasting Heat Island Intensity Through Multi-Temporal Image Analysis and Cellular Automata Markov Chain Modelling: A Case of Babol City, Iran, Ecological Indicators, Vol. 55, No. 91, 155-170. (In Persian) Gago, E. J. et al., 2013, The City and Urban Heat Islands: A Review of Strategies to Mitigate Adverse Effects, Renewable and Sustainable Energy Reviews, Vol. 25, No. 25: PP. 749-758. Giannini, M. B. et al., 2015, Land Surface Temperature from Landsat 5 TM Images: Comparison of Different Methods Using Airborne Thermal Data, Journal of Engineering Science and Technology Review, Vol. 8, No. 3, PP 83-90. Gu, B., and Sheng, V. S., 2017, A Robust Regularization Path Algorithm for $Nu $-Support Vector Classification, IEEE Transactions on Neural Networks and Learning Systems, Vol. 28, No. 5, PP. 1241-1248. Hu, Y., and Jia, G., 2010, Influence of Land Use Change on Urban Heat Island Derived from Multi Sensor Data, International Journal of Climatology, Vol. 30, No. 9, PP. 1382-1395. Huang, C., Davis, L. S., and Townshend, J. R. G., 2002, An Assessment of Support Vector Machines for Land Cover Classification, International Journal of Remote Sensing, Vol. 23, No. 4, PP. 725-749. Jiang, J., and Tian, G., 2010, Analysis of the Impact of Land Use/Land Cover Change on Land Surface Temperature with Remote Sensing, Procedia Environmental Sciences, Vol. 3, No. 2. PP. 571-575. Kato, S., and Yamaguchi, Y., 2005, Analysis of Urban Heat-Island Effect Using ASTER and ETM+ Data: Separation of Anthropogenic Heat Discharge and Natural Heat Radiation from Sensible Heat Flux, Remote Sensing of Environment, Vol. 99, No. 1, PP. 44-54. Kavzoglu, T., and Colkesen, I., 2009, A Kernel Functions Analysis for Support Vector Machines for Land Cover Classification, International Journal of Applied Earth Observation and Geoinformation, Vol. 11, No. 5, PP. 352-359. Landsat Project Science Office, 2002, Landsat 7 Science Data User’s Handbook. Goddard Space Flight Center, NASA, Washington, DC, Cited From: Http://Ltpwww.Gsfc.Nasa.Gov /IAS/Handbook/Handbook_Toc.Html. Latif, M. S., 2014, Land Surface Temperature Retrival of Landsat-8 Data Using Split Window Algorithm-A Case Study of Ranchi District, Int J Eng Dev Res (IJEDR), Vol. 4, No. 2, PP. 3840-3849. Li, J., and Zhao, H. M., 2003, Detecting Urban Land-Use And Land-Cover Changes In Mississauga Using Landsat TM Images, Journal of Environmental Informatics, Vol. 2, No. 1, PP. 38-47. Li, X. et al., 2016, Remote Sensing of the Surface Urban Heat Island and Land Architecture in Phoenix, Arizona: Combined Effects of Land Composition and Configuration and Cadastral–Demographic–Economic Factors, Remote Sensing of Environment, Vol. ???, No. 174, PP. 233-243. Lu, D., and Weng, Q., 2005, Urban Classification Using Full Spectral Information of Landsat ETM+ Imagery in Marion County, Indiana, Photogrammetric Engineering and Remote Sensing, Vol. 71, No. 11, PP. 1275-1284. Mantero, P., Moser, G., and Serpico, S. B., 2005, Partially Supervised Classification Of Remote Sensing Images Through SVM-Based Probability Density Estimation, IEEE Transactions on Geoscience and Remote Sensing, Vol. 43, No. 3, PP. 559-570. Mountrakis, G., Im, J., and Ogole, C., 2011, Support Vector Machines in Remote Sensing: A Review, ISPRS Journal of Photogrammetry and Remote Sensing, Vol. 66, No. 3, PP. 247-259. Nemmour, H., and Chibani, Y., 2006, Multiple Support Vector Machines for Land Cover Change Detection: An Application for Mapping Urban Extensions, ISPRS Journal of Photogrammetry and Remote Sensing, Vol. 61, No. 2, PP. 125-133. Otukei, J. R., and Blaschke, T., 2010, Land Cover Change Assessment Using Decision Trees, Support Vector Machines and Maximum Likelihood Classification Algorithms, International Journal of Applied Earth Observation and Geoinformation, Vol. ???, No. 12, PP. S27-S31. Pal, S., and Ziaul, S., 2017, Detection of Land Use and Land Cover Change and Land Surface Temperature in English Bazar Urban Centre, The Egyptian Journal of Remote Sensing and Space Science, Vol. 20, No. 1, PP. 125-145. Qin, Z., Karnieli, A., and Berliner, P., 2001, A Mono-Window Algorithm for Retrieving Land Surface Temperature from Landsat TM Data and Its Application to the Israel-Egypt Border Region, International Journal of Remote Sensing, Vol. 22, No. 18, PP. 3719-3746. Rehman, Z. U. et al., 2015, Analysis of Land Surface Temperature and NDVI Using Geo-Spatial Technique: A Case Study of Keti Bunder, Sindh, Pakistan, Journal of Basic and Applied Sciences, Vol. 23, No. 11, PP. 514-527. Rose, A. L., and Devadas., M. D., 2009, Analysis of Land Surface Temperature and Land Use/Land Cover Types Using Remote Sensing Imagary a Case Inchennal City, India, The Seventh International Conference on Urban Climate, Yokohama, Japan. Rumpf, T. et al., 2010, Early Detection and Classification of Plant Diseases With Support Vector Machines Based on Hyperspectral Reflectance, Computers and Electronics in Agriculture, Vol. 74, No. 1, PP. 91-99. Seto, K. C. et al., 2002, Monitoring Land-Use Change in the Pearl River Delta Using Landsat TM, International Journal of Remote Sensing, Vol. 23, No. 10, PP.1985-2004. Sobrino, J. A., Jiménez Muñoz, J. C., and Paolini, L., 2004, Land Surface Temperature Retrieval From LANDSAT TM 5, Remote Sensing of Environment, Vol. 90, No. 4, PP. 434-440. Srivastava, P. K., Majumdar, T. J., and Bhattacharya, A. K., 2009, Surface Temperature Estimation in Singhbhum Shear Zone of India Using Landsat-7 ETM+ Thermal Infrared Data, Advances in Space Research, Vol. 43, No. 10, PP. 1563-1574. United Nations, 2010, World Urbanization Prospects: The 2009 Revision Population Database, Http://Esa.Un.Org/Unpd/Wup/Index.Htm. Valor, E., and Caselles, V., 1996, Mapping Land Surface Emissivity from NDVI: Application to European, African, and South American Areas, Remote Sensing of Environment, Vol. 57, No. 3, PP. 167-184. Vlassova, L. et al., 2014, Assessment of Methods for Land Surface Temperature Retrieval from Landsat-5 TM Images Applicable to Multiscale Tree-Grass Ecosystem Modeling, Remote Sensing, Vol. 6, No. 5, PP. 4345-4368. Wang, F. et al., 2015, An Improved Mono-Window Algorithm for Land Surface Temperature Retrieval from Landsat 8 Thermal Infrared Sensor Data, Remote Sensing, Vol. 7, No. 4, PP. 4268-4289. Weng, Q., Liu, H., and Lu, D., 2007, Assessing the Effects of Land Use and Land Cover Patterns on Thermal Conditions Using Landscape Metrics in City of Indianapolis, United States, Urban Ecosystems, Vol. 10, No. 2, PP. 203-219. Wukelic, G. E. et al., 1989, Radiometric Calibration of Landsat Thematic Mapper Thermal Band, Remote Sensing of Environment, Vol. 33, No. 28, PP. 339-347. Xian, G., and Crane, M., 2006, An Analysis of Urban Thermal Characteristics and Associated Land Cover in Tampa Bay and Las Vegas Using Landsat Satellite Data, Remote Sensing of Environment, Vol. 104, No. 2, PP. 147-156. Yuan, F. et al., 2005, Land Cover Classification and Change Analysis of the Twin Cities (Minnesota) Metropolitan Area by Multitemporal Landsat Remote Sensing, Remote Sensing of Environment, Vol. 98, No. 2 and 3, PP. 317-328. Zareie, S., Khosravi, H., and Nasiri, A., 2016, Derivation of Land Surface Temperature From Landsat Thematic Mapper (TM) Sensor Data and Analyzing Relation Between Land Use Changes and Surface Temperature, Manuscript Under Review for Journal Solid Earth, Vol. 7, No. 6, PP. 1-8. (In Persian) Zheng, B. et al., 2015, A Support Vector Machine to Identify Irrigated Crop Types Using Time-Series Landsat NDVI Data, International Journal of Applied Earth Observation and Geoinformation, Vol. 34, No. 34, PP. 103-112. Alavipanah, S. K., 2008, Thermal Remote Sensing and Its Application in the Earth Sciences, Tehran University Press, Tehran. (In Persian) Alavipanah, S. K., Hashemi Darrehbadami, S., and Kazemzadeh, A., 2015, Spatial Temporal Analysis of Urban Heat Island of Mashhad City Due to Land Use/ Cover Change and Expansion, Geographical Urban Planning Research (GUPR), Vol. 3, No. 1, PP. 1-17. (In Persian) Amiri, R. et al., 2009, Spatial Temporaldynamics of Land Surface Temperature in Relation to Fractional Vegetation Coverand Land Use/ Cover in the Tabriz Urban Area, Iran, Remote Sensing of Environment, Vol. 113, No. 113, PP. 2606–2617. (In Persian) Daz, B. S., Guilan, A. GH., and Khavarian, H., 2016, Land Cover Changes in Gorgan City Using Landsat Satellite Images, First International Conference on Water, Environment and Sustainable Development, University of Mohaghegh Ardabili, Ardebil. Gu, B., and Sheng, V. S., 2017, A Robust Regularization Path Algorithm for $Nu $-Support Vector Classification, IEEE Transactions on Neural Networks and Learning Systems, Vol. 28, No. 5, PP. 1241-1248. Jiménez Muñoz, J. C., and Sobrino, J. A., 2003, A Generalized Single Channel Method for Retrieving Land Surface Temperature from Remote Sensing Data, Journal of Geophysical Research: Atmospheres, Vol. 108. No. 22(D22), PP. 1-9. Landsat Project Science Office, 2002, Landsat 7 Science Data User’s Handbook. Goddard Space Flight Center, NASA, Washington, DC, Cited from: Http://Ltpwww.Gsfc.Nasa.Gov /IAS/Handbook/Handbook_Toc.Html. Li, J., and Zhao, H. M., 2003, Detecting Urban Land-Use and Land Cover Changes in Mississauga Using Landsat TM Images, Journal of Environmental Informatics, Vol. 2, No. 1, PP. 38-47. Li, X., et al., 2016, Remote Sensing of the Surface Urban Heat Island and Land Architecture in Phoenix, Arizona: Combined Effects of Land Composition and Configuration and Cadastral–Demographic–Economic Factors, Remote Sensing of Environment, Vol. 202, No. 174, PP. 233-243. Lu, D., and Weng, Q., 2005, Urban Classification Using Full Spectral Information of Landsat ETM+ Imagery in Marion County, Indiana, Photogrammetric Engineering and Remote Sensing, Vol. 71, No. 11, PP. 1275-1284. Matkan, A. et al., 2014, Assessment Relations of Land Use in Heat Islands Using Time Series ASTER Sensor Data (Case Study: Bandar Abbas City), Journal of RS and GIS for Natural Resources, Vol. 5, No. 4, PP. 1-14. Mirsanjari, M., and Abedian, S., 2018, Investigation of Demographic Change and Its Impact on Land Use Changes (Case Study: Gorgan City), Environmental Researches, Vol. 8, No. 16, PP. 3-14. Molashahi, S. et al., 2015, Detection of Land Use Change and Land Cover (Case Study: Gorgan), The First National Conference on Modern Topics in Civil Engineering, Islamic Azad University of Bandar Gaz, Bandar Gaz. (In Persian) Nadizadeh Shorabeh, S., Hamzeh, S., and Afshari, S. Y., 2017, Spatial Temporal Monitoring of Urban Heat Island Changes and Its Relation to Land Use and Land Cover Changes by Integrating Optical and Thermal Data from Remote Sensing, Geomatics National Conference. (In Persian) Sobrino, J. A. et al., 2008, Land Surface Emissivity Retrieval from Different VNIR and TIR Sensors, IEEE Transactions on Geoscience and Remote Sensing, Vol. 46. No. 2, PP. 316-327. | ||
آمار تعداد مشاهده مقاله: 1,096 تعداد دریافت فایل اصل مقاله: 1,409 |