برآورد تغییرات زمانی- مکانی دمای رویۀ زمین در اثر تغییرات پوشش زمین با استفاده از سنجش‌ازدور (مطالعۀ موردی: دشت داراب)

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانش‌‌آموخته کارشناسی‌‌ارشدآب‌وهواشناسی،گروه جغرافیا، دانشکده ادبیات،دانشگاه زنجان،زنجان،ایران

2 دانشیار آب و هواشناسی، گروه جغرافیا، دانشکده ادبیات، دانشگاه زنجان، زنجان، ایران

10.22111/j10.22111.2021.6542

چکیده

دمای رویه زمین ازجمله بخش‌های مهم سیستم آب و هوایی محسوب می‌شود که تغییر در کاربری اراضی و پوشش زمین موجب تغییر و تشدید آن می‌شود. این مطالعه با هدف بررسی تأثیر تغییرات پوشش زمین بر تغییرات مکانی – زمانی دمای رویه زمین طی یک دوره 30 ساله با استفاده از سنجش از دور و تصاویر ماهواره‌ای لندست در دشت داراب انجام شد. پس از انجام پیش‌ پردازش-های مورد نیاز بر بروی تصاویر، نقشه‌های کلاس‌بندی انواع پوشش زمین محدوده مورد مطالعه تهیه شد و به بررسی تغییرات روی داده هر کلاس اقدام شد. مطابق با بررسی‌های صورت گرفته کلاس مراتع با 14/72 درصد بیشترین میزان تغییرات و تبدیلات را داشته است. در مرحله بعد نقشه‌های دمای رویه زمین با استفاده از شاخص بهنجار شده در 5 کلاس مختلف استخراج شد. از میان طبقات دمایی، طبقه دمایی معتدل در طی دوره مورد مطالعه بیشترین مساحت را داشته که تقریباً در اکثر نواحی توزیع شده است. یافته‌های تحقیق حاکی از این است که مناطق متشکل از پوشش گیاهی با میانگین دمای 82/29 درجه سلسیوس دمای پائین‌تری نسبت به سایر نواحی بدون پوشش گیاهی داشته‌اند. به لحاظ کاربری های موجود در محدوده مورد مطالعه بیشترین مقدار دمای رویه زمین در طی دوره 30 ساله با میانگین 30/40 درجه سلسیوس به کلاس زمین‌های بایر اختصاص دارد. یکی دیگر از یافته‌های قابل توجه تحقیق این است که میانگین دمای مراتع (32/03) و مناطق مسکونی (33/37) محدوده مورد مطالعه در طی دوره مورد بررسی به هم نزدیک می‌باشد، این امر بدین دلیل است که از یک سو محدوده مورد مطالعه به لحاظ صنعتی و کارگاهی رشد چندانی نداشته است و از سوی دیگر زمین‌های زراعی، باغات و مناطق مسکونی در تداخل باهم و یا به فاصله اندکی از هم استقرار یافته‌اند و در نتیجه دمای مناطق مسکونی را کاهش داده‌اند.

کلیدواژه‌ها


عنوان مقاله [English]

Estimation of temporal-spatial changes of land surface temperature due to land cover changes using remote sensing (Case study: Darab plain)

نویسندگان [English]

  • hosein esmaeili 1
  • Seyed hossein Mirmousavi 2
چکیده [English]

Surface temperature is one of the important parts of the climate system that changes in land use and land cover cause its change and intensification. This study aimed to investigate the effect of land cover changes on Spatio-temporal changes in land surface temperature over 30 years using remote sensing and Landsat satellite images in Darab plain. After the required preprocessing on the images, classification maps of different types of land cover in the study area were prepared and the changes that occurred in each class were investigated. According to the studies, the rangeland class had the highest rate of changes and transformations with 72.14%. In the next step, Land surface temperature (LST) maps were extracted using the normalized index in 5 different classes. Among the temperature classes, the moderate temperature class had the largest area during the study period, which is distributed in almost all areas. Findings indicate that the vegetation areas with an average temperature of 29.82 ° C had a lower temperature than other areas without vegetation. In terms of land uses in the study area, the highest surface temperature during 30 years with an average of 38.07 degrees Celsius belongs to the barren land class. Another significant finding of the research is that the average temperature of pastures (32.03) and residential areas (33.37) of the study area during the study period are close to each other.

کلیدواژه‌ها [English]

  • Normalized temperature
  • Land use / Land cover (LULC)
  • Proportion of Vegetation (PV)
  • Maximum Likelihood
  • Land Surface Emissivity (LSE)
احمدی، محمود؛ عباسعلی داداشی رودباری؛ حمزه احمدی (1397). واکاوی دمای روزهنگام سطح زمین ایران مبتنی بر برون‌داد سنجندۀ MODIS، فصلنامۀ علوم محیطی. دورۀ 16. شمارۀ1.صفحات68-47. https://envs.sbu.ac.ir/article_97918.html?lang=fa
اصغری سراسکانرود، صیاد؛ هادی امامی (1398). پایش دمای سطح زمین و بررسی رابطۀ کاربری اراضی با دمای سطح با استفاده از تصاویر سنجندۀ OLI و ETM+ مطالعۀ موردی: (شهرستان اردبیل)، نشریۀ تحقیقات کاربردی علوم جغرافیایی. سال 19. شمارۀ 53. صفحات 215-195. http://dx.doi.org/10.29252/jgs.19.53.195
انتظاری، علیرضا؛ رحمان زندی؛ مریم خسرویان (1398). ارزیابی تغییرات فضایی پوشش گیاهی و دمای سطح زمین با استفاده از تصاویر لندست و مادیس، مطالعۀ موردی: استان فارس، نشریۀ علمی- پژوهشی مهندسی و مدیریت آبخیز. جلد 11. شمارۀ 4. صفحات 940-929. https://dx.doi.org/10.22092/ijwmse.2018.122914.1528
جمالی، زهرا؛ مجید اونق؛ عبدالرسول سلمان ماهینی (1398). بررسی ارتباط دمای سطح زمین با کاربری اراضی و شاخص اختلاف گیاهی نرمال‌شده در دشت گرگان، فصلنامۀ برنامه‌ریزی و آمایش فضا. دورۀ 23. شمارۀ 3. صفحات 194- 175. http://hsmsp.modares.ac.ir/article-21-33747-fa.html
حلبیان، امیرحسین؛ زهرا سلطانی (1399). واکاوی تغییرات فضایی- زمانی جزایر حرارتی شهری و کاربری اراضی با رویکرد زیست‌محیطی در شهر شیراز، فصلنامۀ مطالعات ساختار و کارکرد شهری. سال 7. شمارۀ 24. صفحات97-73. http://shahr.journals.umz.ac.ir/article_2843.html?lang=fa
درویشی، شادمان؛ مصطفی رشیدپور؛ کریم سلیمانی (1398). بررسی ارتباط تغییرات کاربری اراضی با دمای سطح زمین با استفاده از تصاویر ماهواره‌ای، مطالعۀ موردی: شهرستان مریوان، فصلنامۀ جغرافیا و توسعه. شمارۀ 54. صفحات162-143.  https://dx.doi.org/10.22111/gdij.2019.4361
علائی‌طالقانی، محمود (1382). ژئومورفولوژی ایران، چاپ نهم. نشر قومس. صفحات 360. http://www.ghoomes.com/index.php/photos/album/5/photo/338.html
قربان‌‌نیا خیبری، وجیهه؛ میرمهرداد میرسنجری؛ همایون لیاقتی؛ محسن آرمین (1396). برآورد دمای سطح زمین کاربری‌ اراضی و پوشش زمین شهرستان دنا با استفاده از الگوریتم پنجرۀ مجزا و داده‌های ماهوارۀ لندست 8، فصلنامۀ علوم محیطی. دورۀ 15. شمارۀ 2. 74-55. https://envs.sbu.ac.ir/article_97845.html?lang=fa
مسعودیان، سیدابوالفضل (1399). واکاوی توزیع فراوانی دمای رویۀ زمین ایران با داده‎های مودیس آکوا، فصلنامۀ جغرافیا و توسعه. شمارۀ 60. صفحات30-21. https://gdij.usb.ac.ir/article_5639.html?lang=fa
ناطقی، سعیده؛ احمد نوحه‌‌گر؛ امیرهوشنگ احسانی؛ ام البنین بذرافشان (1396). بررسی تغییرات پوشش گیاهی براساس شاخص‌‌های گیاهی با استفاده از سنجش‌ازدور، فصلنامۀ علمی- پژوهشی مرتع و بیابان. جلد 24. شمارۀ 4. صفحات790-778.  https://dx.doi.org/10.22092/ijrdr.2017.114889
هاشمی، محمود؛ سیدکاظم علوی‌‌پناه؛ مرتضی دیناروندی (1392). ارزیابی توزیع مکانی دمای سطح زمین در محیط‌زیست شهری با کاربرد سنجش‌ازدور حرارتی، نشریۀ محیط‌شناسی. شمارۀ 1. صفحات 92-81. https://dx.doi.org/10.22059/jes.2013.30392
Adulkongkaew,T.,Satapanajaru,T.,Charoenhirunyingyos, S., & Singhirunnusorn, W (2020). Effect of land cover composition and building configuration on land surface temperature in an urban-sprawl city, case study in Bangkok Metropolitan Area, Thailand. Heliyon, 6(8),e04485. https://doi.org/10.1016/j.heliyon.2020.e04485
Akinyemi, F. O., Ikanyeng, M., & Muro, J (2019). Land cover change effects on land surface temperature trends in an African urbanizing dryland region.City and Environment Interactions, 4, 100029. https://doi.org/10.1016/j.cacint.2020.100029
Alademomi, A. S., Okolie, C. J., Daramola, O. E., Agboola, R. O., & Salami, T. J (2020). Assessing the Relationship of LST, NDVI and EVI with Land Cover Changes in the Lagos Lagoon Environment. Quaestiones Geographicae, 39(3), 87-109. https://doi.org/10.2478/quageo-2020-0025
Alexander, C (2020). Normalised difference spectral indices and urban land cover as indicators of land surface temperature (LST). International Journal of Applied Earth Observation and Geoinformation, 86, 102013. https://doi.org/10.1016/j.jag.2019.102013
Allen, R., Tasumi, M., Trezza, R., Waters, R., & Bastiaanssen, W (2002). Sebal (surface energy balance algorithms for land). Advance Training and Users Manual–Idaho Implementation,Version, 1,97. http://www.posmet.ufv.br/wp-content/uploads/ 2016/09/MET-479-Waters-et-al-SEBAL.pdf
Athick, A. M. A., Shankar, K., & Naqvi, H. R (2019). Data on time series analysis of land surface temperature variation in response to vegetation indices in twelve Wereda of Ethiopia using mono window, split window algorithm and spectral radiance model. Data in brief, 27, 104773. https://doi.org/10.1016/j.dib.2019.104773
Chavez, P. S (1996). Image-based atmospheric corrections-revisited & improved. Photogrammetric engineering and remote sensing, 62(9),1025-1035. http://www.asprs.org/wp-content/uploads/pers/1996 journal/sep/1996_sep_1025-1036.pdf
Choudhury,D,Das,K.,& Das, A (2019). Assessment of land use land cover changes and its impact on variations of land surface temperature in Asansol-Durgapur Development Region. The Egyptian Journal of Remote Sensing and Space Science, 22(2), 203-218. https://doi.org/10.1016/j.ejrs.2018.05.004
Das, S., & Angadi, D. P(2020). Land use-land cover (LULC) transformation and its relation with land surface temperature changes: A case study of Barrackpore Subdivision, West Bengal, India. Remote Sensing Applications: Society and Environment, 19, 100322.https://doi.org/10.1016/j.rsase.2020.100322
Elmes, A., Rogan, J., Williams, C., Ratick, S., Nowak, D., & Martin, D (2017). Effects of urban tree canopy loss on land surface temperature magnitude and timing. ISPRS Journal of Photogrammetry and Remote Sensing,128,338-353. https://doi.org/10.1016/j.isprsjprs.2017.04.011
Gemitzi, A., Dalampakis, P., & Falalakis, G (2021). Detecting geothermal anomalies using Landsat 8 thermal infrared remotely sensed data. International Journal of Applied Earth Observation and Geoinformation, 96, 102283. https://doi.org/10.1016/j.jag.2020.102283
Gohain, K. J., Mohammad, P., & Goswami, A (2020). Assessing the impact of land use land cover changes on land surface temperature over Pune city, India. Quaternary International. https://doi.org/10.1016/j.quaint.2020.04.052
Guha, S., Govil, H., Gill, N., & Dey, A (2020). A long-term seasonal analysis on the relationship between LST and NDBI using Landsat data. Quaternary International.https://doi.org/10.1016/j.quaint.2020.06.041
Haashemi, S., Weng, Q., Darvishi, A., & Alavipanah, S. K (2016). Seasonal variations of the surface urban heat island in a semi-arid city. Remote Sensing, 8(4), 352. https://doi.org/10.3390/rs8040352
How Jin Aik, D., Ismail, M. H., & Muharam, F. M (2020). Land Use/Land Cover Changes and the Relationship with Land Surface Temperature Using Landsat and MODIS Imageries in Cameron Highlands, Malaysia. Land, 9(10), 372. https://doi.org/10.3390/land9100372
Lemus-Canovas, M., Martin-Vide, J., Moreno-Garcia, M. C & Lopez-Bustins, J. A (2020). Estimating Barcelona's metropolitan daytime hot and cold poles using Landsat-8 Land Surface Temperature. Science of the Total Environment, 699, 134307. https://doi.org/10.1016/j.scitotenv.2019.134307
Lu, D., Mausel, P., Brondizio, E., & Moran, E (2004). Change detection techniques. International journal of remote sensing, 25(12), 2365-2401. https://doi.org/10.1080/0143116031000139863
Neinavaz, E., Skidmore, A. K., & Darvishzadeh, R (2020). Effects of prediction accuracy of the proportion of vegetation cover on land surface emissivity and temperature using the NDVI threshold method. International Journal of Applied Earth Observation and Geoinformation, 85, 101984. https://doi.org/10.1016/j.jag.2019.101984
Nse, O. U., Okolie, C. J., & Nse, V. O (2020). Dynamics of land cover, land surface temperature and NDVI in Uyo City, Nigeria. Scientific African, 10,e00599. https://doi.org/10.1016/j.sciaf.2020.e00599
Richards, J. A., & Richards, J (1999). Remote sensing digital image analysis (Vol. 3): Springer. https://www.springer.com/gp/book/9783540297116
Siqi, J., & Yuhong, W (2020). Effects of land use and land cover pattern on urban temperature variations: A case study in Hong Kong. Urban Climate, 34, 100693. https://doi.org/10.1016/j.uclim.2020.100693
Sobrino, J. A., Jiménez-Muñoz, J. C., & Paolini, L (2004). Land surface temperature retrieval from LANDSAT TM 5. Remote Sensing of environment, 90(4),434-440. https://doi.org/10.1016/j.rse.2004.02.003
Vanhellemont, Q (2020). Combined land surface emissivity and temperature estimation from Landsat 8 OLI and TIRS. ISPRS Journal of Photogrammetry and Remote Sensing, 166, 390-402. https://doi.org/10.1016/j.isprsjprs.2020.06.007
Yang, C., Yan, F., & Zhang, S (2020). Comparison of land surface and air temperatures for quantifying summer and winter urban heat island in a snow climate city. Journal of environmental management, 265, 110563.https://doi.org/10.1016/j.jenvman.2020.110563
Yin, C., Meng, F., & Yu, Q (2020). Calculation of land surface emissivity and retrieval of land surface temperature based on a spectral mixing model. Infrared Physics & Technology, 108, 103333. https://doi.org/10.1016/j.infrared.2020.103333
Zareie, S., Khosravi, H., & 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. Solid Earth Discuss, 1-15. https://se.copernicus.org/preprints/se-2016-22/se-2016-22.pdf