آمار
| تعداد نشریات | 43 |
| تعداد شماره‌ها | 1,234 |
| تعداد مقالات | 15,152 |
| تعداد مشاهده مقاله | 50,666,210 |
| تعداد دریافت فایل اصل مقاله | 13,753,123 |
بررسی سطوح غیرقابل نفوذوشاخص تفاضل پوشش گیاهی نرمال شده بهعنوان پارامترهای نمایشگر جزایر حرارتی شهری با استفاده از تصاویر ماهوارهای | ||
| جغرافیا و برنامه‌ریزی | ||
| مقاله 10، دوره 20، شماره 55، اردیبهشت 1395، صفحه 183-207 اصل مقاله (1.78 M) | ||
| نوع مقاله: مقاله علمی پژوهشی | ||
| شناسه دیجیتال (DOI): 2 | ||
| نویسندگان | ||
| سیدکاظم علوی پناه1؛ عبدالعلی رضایی* 2؛ سعید ازادی قطار3؛ حمیدرضا جدی ازغندی4 | ||
| 1استاد گروه سنجش از دور و سیستم اطلاعات جغرافیایی، دانشگاه تهران. | ||
| 2دانشجوی کارشناسی ارشد سنجش از دور و سیستم اطلاعات جغرافیایی، دانشگاه تهران | ||
| 3دانشجوی دکتری جغرافیا و برنامه‌ریزی شهری، دانشگاه تربیت مدرس. | ||
| 4دانشجوی کارشناسی ارشد سنجش از دور و سیستم اطلاعات جغرافیایی، دانشگاه تهران. | ||
| چکیده | ||
| چکیده پدیده جزیره حرارتی شهری بهطور کلی بهوسیله یک کاهش در جریان گرمای نهان و یک افزایش در گرمای محسوس در مناطق شهری صورت میگیرد. امروزه این پدیده یکی از معضلات عمده شهرهای بزرگ میباشد، بهطوری که توجه بسیاری از محققان و متخصصان در رشتههای مختلف را بهخود جلب نموده است. در این تحقیق جزایر حرارتی شهر تهران که یکی از پرجمعیتترین شهرهای دنیا بوده و هر روزه بر جمعیت و ساخت و سازهای آن افزوده میشود، مورد مطالعه قرارگرفته است. هدف این پژوهش، استفاده از تصاویر ماهوارهای بهمنظور مقایسه دو شاخص تفاضل پوشش گیاهی نرمال شده (NDVI) و سطوح غیرقابل نفوذ (ISA) بهعنوان پارامترهای نمایشگر جزایر حرارتی شهری سطحی (SUHI) از طریق بررسی رابطه آنها با شاخص دمای سطحی زمین (LST) و نقشه کاربری اراضی میباشد. بدین منظور از تصویرTM ماهوارهلندست 5، مشاهدات دمایی ایستگاههای هواشناسی، نقشه کاربری اراضی 2000/1و مدل زیرپیکسل استفاده شده است. نتایج این بررسی نشان میدهد که رابطهای خطی و قوی بین LST و ISA وجود دارد، درحالی که رابطهی بین LST و NDVI بسیار ضعیف و منفی میباشد و بهمنظور بررسی کمی LST در مطالعات مربوط به جزایر حرارتی شهری با استفاده از سنجش از دور حرارتی، شاخص ISA بسیار مناسبتر از شاخص NDVI میباشد. همچنین با برررسی درصد سطوح غیرقابل نفوذ در هر یک از کاربریها این نتیجه حاصل شد که کاربری مسکونی بهدلیل وجود سطوحی مانند آسفالت، بتن و... دارای بیشترین درصد سطوح غیرقابل نفوذ وکاربری پوشش گیاهی دارای کمترین درصد سطوح غیرقابل نفوذ میباشند. | ||
| کلیدواژه‌ها | ||
| واژگان کلیدی: سطوح غـیرقابل نفوذ (ISA)؛ دمای سطحی زمین (LST)؛ شاخص تـفاضل نرمال‌شده پوشش گیاهی (NDVI)؛ مدل ترکیب طیف خطی (LSMA)؛ جزیره حرارتی شهری | ||
| مراجع | ||
|
ـ اکبری، هادی (1379)، «مطالعه الگوی توزیع حرارتی با استفاده از داده‌های حرارتی TM در شهر تهران»، پایان‌نامه کارشناسی ارشد سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکده علوم انسانی، دانشگاه تربیت مدرس. ـ علوی پناه، سید اظم؛ گودرزی مهر، سعید و خاکباز، باهره (1390)، «فناوری سنجش از راه دورحرارتی و کاربرد آن در شناسایی پدیدهها»، فصلنامه نشاء علم، بنیاد پیشبرد علم و فنآوری در ایران، شماره اول (دی ماه)، ص29-25. ـ علویپناه، کاظم (1385)،«کاربرد سنجش از دور در علوم زمین (علوم خاک)»، چاپ دوم، انتشارات دانشگاه تهران. ـ شکیبا، علیرضا؛ ضیائیان، پرویز؛ عاشورلو، داوود و نامداری، سودابه (1388)، «تحلیل رابطه کاربری و پوشش اراضی و جزایر حرارتی شهر تهران با استفاده از داده‌های "ETM+»، نشریه سنجش از دور و GIS ایران، سال اول، شماره اول- بهار . ـ صادقی‌نیا، علیرضا؛ علیجانی، بهلول و ضیاییان، پرویز (1391)، «تحلیل فضای-زمانی جزیره حرارتی کلان‌شهر تهران با استفاده از سنجش از دور و سیستم اطلاعات جغرافیایی»، نشریه جغرافیا و مخاطرات محیطی، شماره چهارم- زمستان. -Alavipanah, S., M. Saradjian, Savaghebi, GH.R, Komaki, CH.B, E.Moghimi and Reyhan, Karimpour (2007), “Land Surface Temperature in the Yardang Region of Lut Desert (Iran) Based on Field Measurements and Landsat Thermal Data”, Journal of Agricultural Science and Techonology (JAST) 9(4): 287-303.
-Gallo, K.P., & Owen, T.W., (1999), “Satellite-based adjustments for the urban heat island temperature bias”, Journal of Applied Meteorology, 38, 806-813.
-Gallo, K.P. and Tarpley, J.D., (1996), “The Comparison of Vegetation Index and Surface Temperature Composites for Urban Heat- island Analysis”, InternationalJournal of Remote Sensing. 17(15): 3071- 3076.
-Grimmond, C.S.B., & Oke, R. (2002), “Turbulent heat fluxes in urban areas: observations and a Local-scale Urban Meteorological Parameterization Scheme (LUMPS)”, Journal of Applied Meteorology, 41, 792-810.
-Hansen, J.E., Ruedy, R., Sato, M., Imhoff, M., Lawrence, W., Easterling, D., et al. (2001), “A closer look at United States and global surface temperature change”, Journal of Geophysical Research, 106, 23947-23963.
-Imhoff, M.L., P. Zhang, et al. (2010), “Remote sensing of the urban heat island effect across biomes in the continental USA”, Remote Sensing of Environment, 114,3l; 504-513.
-Karl, T.R., Diza, H.F., & Kukla, G. (1988). “Urbanization: its detection and effect in the United States climate record”. Journal of Climate, 1; 1099−1123
-Kukla, G., Gavin, J., & Karl, T.R. (1986), “Urban warming”, Journal of Climate and Applied Meteorology, 25; 1265-−1270.
-Lu, D. and Q. Weng. (2006), “Use of impervious surface in urban land-use classification”, Remote Sensing of Environment, 102(1); 146-160.
-Lu, D., E. Moran, et al. (2011), “Detection of impervious surface change with multitemporal Landsat images in an urban–rural frontier”, ISPRS Journal of Photogrammetry and Remote Sensing 66(3); 298-306.
-Manley, G. (1958), “On the frequency of snowfall in metropolitan England”, Quarterly Journal of the Royal Meteorological Society, 84; 70-72.
-Nichol, J. (1996), “High-resolution surface temperature patterns related to urban morphology in a tropical city: a satellite-based study”, Journal of AppliedMeteorology, 35(1); 135−146.
-Nichol, J., & Wong, W.S. (2005), “Modeling urban environmental quality in a tropical city”, Landscape and Urban Planning, 73(1) 49−58.
-Oke, T.R. (1973), “City size and the urban heat island”, Atmospheric Environment Pergamon Press, 7: 769-779.
-Owen, T.W., Carlson, T.N., & Gillies, R.R. (1998), “An assessment of satellite remotelysensed land cover parameters in quantitatively describing the climatic effect of urbanization. International Journal of Remote Sensing, 19(9) 1663-1681.
-Rao, P.K., (1972), “Remote Sensing of Urban Heat Islands from an Environmental Satellite”, Bulletin of the American Meteorological Society, 53: 647-648.
-Rosenzweig, C., Solecki, W.D., Parshall, L., Chopping, M., Pope, G., & Goldber, R. (2005), “Characterizing the urban heat island in current and future climates in New Jersey, Environmental Hazards, 6: 51−62.
-Roth, M., Oke, T.R., & Emery, W.J. Satellite-derived urban heat islands from three coastal cities and the utilization of such data in urban climatology. International Journal of Remote Sensing, 10(1989): 1699-1720.
-Shepherd, J.M., & Burian, S.J. (2003), “Detection of urban-induced rainfall anomalies in major coastal city”, Earth Interactions, 7(4): 1-17.
-Sobrino et al, (2013), “Evaluation of the surface urban heat island effect in the city of Madrid by thermal remote sensing”, International Journal of Remote Sensing, Vol. 34, No. 9-10, 3177-3192.
-Streutker, D.R. (2002), “A remote sensing study of urban heat island of Houston, Texas”, International Journal of Remote Sensing, 23(13): 2595-2608.
-Vaughan, R.G., Hook, S.J., Calvin, W.M., Taranik, J.V. (2005), “Surface mineral mapping at Steamboat Springs, Nevada, USA, with multi-wavelength thermal infrared images”, Remote Sensing of Environment, Vol. 99: 140-158.
-Voogt, J.A., & Oke, T.R. “Thermal remote sensing of urban climates”. Remote Sensing Environment, 86(2003): 370−384.
-Weng, Q., D. Lu, et al. (2004), “Estimation of land surface temperature–vegetation abundance relationship for urban heat island studies”, Remote Sensing of Environment 89(4): 467-483.
-Weng, Q. and D. Lu (2008), “A sub-pixel analysis of urbanization effect on land surface temperature and its interplay with impervious surface and vegetation coverage in Indianapolis, United States”, International Journal of Applied Earth Observation and Geoinformation 10(1) 68-83.
-Weng, Q. (2012), “Remote sensing of impervious surfaces in the urban areas: Requirements, methods, and trends”, Remote Sensing of Environment, 117: 34–49.
-Wu, C. and A.T. Murray (2003), “Estimating impervious surface distribution by spectral mixture analysis”, Remote Sensing of Environment, 84(4): 493-505.
-Wu, C. (2004), “Normalized spectral mixture analysis for monitoring urban composition using ETM+imagery”, Remote Sensing of Environment, 93(4): 480-492.
-Yuan, F. and M. E. Bauer (2007), “Comparison of impervious surface area and normalized difference vegetation index as indicators of surface urban heat island effects in Landsat imagery”, Remote Sensing of Environment, 106(3): 375-386.
-Yuan, F., & Bauer, M.E. (2007), “Comparison of impervious surface area and normalized difference vegetation index as indicators of surface urban heat island effects in Landsat imagery”, Remote Sensing of Environment, 106(3), 375−386. | ||
|
آمار تعداد مشاهده مقاله: 2,685 تعداد دریافت فایل اصل مقاله: 1,428 |
||