Persian
Language
Geographical Research is Published in Persian Fulltext.
دوره 33، شماره 3 - ( 1397 )
جلد 33 شماره 3 صفحات 136-124 |
برگشت به فهرست نسخه ها
نوع مقاله:
موضوع مقاله:
History
دریافت: 1397/5/16 | پذیرش: 1397/8/14 | انتشار: 1397/9/28
دریافت: 1397/5/16 | پذیرش: 1397/8/14 | انتشار: 1397/9/28
How to cite this article
maryanaji Z, Darvishi M, Abbasi H. Application of Statistical Models and Satellite Imagery in the Evolution of Heat Island in Hamedan City. GeoRes 2018; 33 (3) :124-136
URL: http://georesearch.ir/article-1-581-fa.html
URL: http://georesearch.ir/article-1-581-fa.html
مریانجی زهره، درویشی مسلم، عباسی حامد. کاربرد مدل‌های آماری و تصاویر ماهواره‌ای در واکاوی جزیره حرارتی در شهر همدان . فصل‌نامه تحقیقات جغرافیایی. 1397; 33 (3) :124-136
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Rights and permissions
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Authors
زهره مریانجی*1، مسلم درویشی2، حامد عباسی3
1- گروه جغرافیا، دانشگاه سید جمال‌الدین اسدآبادی، اسدآباد، ایران ، z.maryanaji@gmail.com
2- گروه مهندسی نقشه‌برداری، دانشگاه سید جمال‌الدین اسدآبادی، اسدآباد، ایران
3- گروه علوم جغرافیایی، دانشگاه لرستان، خرم‌آباد، ایران
2- گروه مهندسی نقشه‌برداری، دانشگاه سید جمال‌الدین اسدآبادی، اسدآباد، ایران
3- گروه علوم جغرافیایی، دانشگاه لرستان، خرم‌آباد، ایران
چکیده (3982 مشاهده)
مقدمه: رشد و توسعه شهرها و ازدیاد جمعیت و کاربری‌های متنوع اراضی شهری موجب بروز معضلاتی برای جوامع شهری شده است. یکی از این معضلات پدیده جزایر حرارتی است که نتیجه افزایش دمای غیرعادی شهر نسبت به حومه اطراف آن است.
اهداف: این تحقیق سعی دارد جهت دستیابی به یک نگرش کلی راجع به مکانیسم جزیره حرارتی، تغییرات دمای هوا و تغییرات دمای نقاط شهری را در مناطقی از شهر همدان با استفاده از تصاویر سنجنده TIRS (ماهواره لندست 8) و مقایسه آن با داده‌های واقعی سطح زمین از طریق روش‌های آماری بررسی کند.
مواد و روش‌ها: تلفیق روش‌های آماری و روش آنالیز تصاویر ماهواره‌ای در این تحقیق موردنظر بوده است لذا برداشت دمای نقاط مختلف از تصاویر ماهواره‌ای بر اساس روش رادیانس طیفی و مقدار درجه خاکستری پیکسل‌ها در باند حرارتی و با استفاده از عکس معادله پلانک انجام شد. بر اساس رابطه حاکم بر داده‌های واقعی دمای سطح زمین در ایستگاه هواشناسی و داده‌های برداشت‌شده از تصاویر ماهواره‌ای طبق مدل‌های متفاوت رگرسیون مشخص شد. بالاترین ضریب تعیین مربوط به سه روش همبستگی خطی، درجه‌دو و مکعبی بوده است؛ که از بین آن‌ها روش رگرسیون مکعبی با کمترین خطا در سطح اطمینان 95 درصد معنادار بوده است.
نتیجه‌گیری: ضریب تبیین بالا (70 درصد و بالاتر) نشان از وجود هماهنگی قابل قبولی بین اطلاعات تصاویر ماهواره‌ای و اطلاعات ایستگاه هواشناسی است. حداکثر اختلاف داده‌های برداشت‌شده با داده‌های واقعی ایستگاه سطح زمین در دمای حداقل و مربوط به سطوح بایر به مقدار 6/5 درجه سانتی‌گراد و حداقل اختلاف مربوط به فضای سبز با 5/0 درجه سانتی‌گراد است. اختلاف دما در مناطق مختلف شهر بیشتر مربوط به حداقل دما است. درحالی‌که اختلاف درجه حرارت در مناطق با پوشش فضای سبز در شهر همدان با داده‌های واقعی بیشتر در حداکثر دما دیده می‌شود. نتایج نشان داد که جزایر حرارتی همدان با ساخت‌وساز و کاربری اراضی رابطه مستقیم دارد. تغییرات دمای نقاط مختلف شهر همدان نشان از ایجاد جزایر حرارتی در کاربری‌های ساختمان و زمین بایر است. نتایج این تحقیق در مدیریت و برنامه‌ریزی‌های شهری و کاربری اراضی شهر همدان می‌تواند به‌کاربرده شود.
اهداف: این تحقیق سعی دارد جهت دستیابی به یک نگرش کلی راجع به مکانیسم جزیره حرارتی، تغییرات دمای هوا و تغییرات دمای نقاط شهری را در مناطقی از شهر همدان با استفاده از تصاویر سنجنده TIRS (ماهواره لندست 8) و مقایسه آن با داده‌های واقعی سطح زمین از طریق روش‌های آماری بررسی کند.
مواد و روش‌ها: تلفیق روش‌های آماری و روش آنالیز تصاویر ماهواره‌ای در این تحقیق موردنظر بوده است لذا برداشت دمای نقاط مختلف از تصاویر ماهواره‌ای بر اساس روش رادیانس طیفی و مقدار درجه خاکستری پیکسل‌ها در باند حرارتی و با استفاده از عکس معادله پلانک انجام شد. بر اساس رابطه حاکم بر داده‌های واقعی دمای سطح زمین در ایستگاه هواشناسی و داده‌های برداشت‌شده از تصاویر ماهواره‌ای طبق مدل‌های متفاوت رگرسیون مشخص شد. بالاترین ضریب تعیین مربوط به سه روش همبستگی خطی، درجه‌دو و مکعبی بوده است؛ که از بین آن‌ها روش رگرسیون مکعبی با کمترین خطا در سطح اطمینان 95 درصد معنادار بوده است.
نتیجه‌گیری: ضریب تبیین بالا (70 درصد و بالاتر) نشان از وجود هماهنگی قابل قبولی بین اطلاعات تصاویر ماهواره‌ای و اطلاعات ایستگاه هواشناسی است. حداکثر اختلاف داده‌های برداشت‌شده با داده‌های واقعی ایستگاه سطح زمین در دمای حداقل و مربوط به سطوح بایر به مقدار 6/5 درجه سانتی‌گراد و حداقل اختلاف مربوط به فضای سبز با 5/0 درجه سانتی‌گراد است. اختلاف دما در مناطق مختلف شهر بیشتر مربوط به حداقل دما است. درحالی‌که اختلاف درجه حرارت در مناطق با پوشش فضای سبز در شهر همدان با داده‌های واقعی بیشتر در حداکثر دما دیده می‌شود. نتایج نشان داد که جزایر حرارتی همدان با ساخت‌وساز و کاربری اراضی رابطه مستقیم دارد. تغییرات دمای نقاط مختلف شهر همدان نشان از ایجاد جزایر حرارتی در کاربری‌های ساختمان و زمین بایر است. نتایج این تحقیق در مدیریت و برنامه‌ریزی‌های شهری و کاربری اراضی شهر همدان می‌تواند به‌کاربرده شود.
واژه‌های کلیدی:
فهرست منابع
1. Alhossiani Almodaresi, A., Saati, M., & Ebrahimi, S. A. (2015). Extraction of thermal islands in Tehran using ASTR images. Paper presented at the First National Conference on Information Technology Engineering, Tehran. (Persian)
2. Alijani, B., Tolabinejad, M., & Sayadi, F. (2017). Calculation of thermal island intensity based on the geometry of the study area: Koushebagh neighborhood of Tabriz city. Journal of Spatial Analysis of Environmental Hazards, 4(3), 99-112. (Persian)
3. Asghari Sareskanrood, S., & Zeinali, B. (2015). Study on climate effects of urban development in Tehran city. Geographical sciences of Journal, 11(22), 58-70. (Persian)
4. Bokaie, M., Zarkesh, M. K., Arasteh, P. D., & 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, 94-104. [DOI:10.1016/j.scs.2016.03.009]
5. Chander, G., & Markham, B. (2003). Revised Landsat-5 TM radiometric calibration procedures and postcalibration dynamic ranges. IEEE Transactions on geoscience and remote sensing, 41(11), 2674-2677. [DOI:10.1109/TGRS.2003.818464]
6. Dhalluin, A., & Bozonnet, E. (2015). Urban heat islands and sensitive building design – A study in some French cities' context. Sustainable Cities and Society, 19, 292-299. [DOI:10.1016/j.scs.2015.06.009]
7. Ezber, Y., Lutfi Sen, O., Kindap, T., & Karaca, M. (2007). Climatic effects of urbanization in Istanbul: a statistical and modeling analysis. International Journal of Climatology: A Journal of the Royal Meteorological Society, 27(5), 667-679. [DOI:10.1002/joc.1420]
8. Kaviyani, M. (2005). Microclimatology. Tehran: Samt. (Persian)
9. Meshkati, M. (1985). Introductory of statistics. Tehran: Tehran University. (Persian)
10. Moharami, J. (2014). Investigating the role of land use in the production of urban thermal city (Case study: Tabriz city). (Master's thesis), Tabriz University. (Persian)
11. Montávez, J. P., Rodríguez, A., & Jiménez, J. I. (2000). A study of the urban heat island of Granada. International Journal of Climatology, 20(8), 899-911. [DOI:10.1002/1097-0088(20000630)20:83.0.CO;2-I]
12. Nakata, C., Souza, L. C. L., & Rodrigues, D. S. (2015). A GIS extension model to calculate urban heat island intensity based on urban geometry. Paper presented at the The 14th International Conference on Computers in Urban Planning and Urban Management.
13. Porkhabaz, A., Ahmadizadeh, S., Naseri, A., & Parvian, N. (2015). Analysis of thermal islets in urban areas of Mashhad. Paper presented at the The First International Conference on Architecture, Urbanization, Engineering, Art and Environment, Tehran. (Persian)
14. Ramezani, B., & Dokhtmohammad, S. (2010). Recognition of the spatial boundaries of the formation of the thermal island in Rasht. Journal of Urban Planning and Research, 1(1), 49-64. (Persian)
15. Ranjbar Sadatabbadi, A., Ali Akbari Bidokhti, A., & Sadeghi Hosseini, S. (2006). The effects of thermal island and urbanization on the air and local climate in the city of Tehran based on the data of Mehrabad and Varamin. Journal of Ecology, 32(39), 59-68. ((Persian)
16. Tereshchenko, I., & Filonov, A. (2001). Air temperature fluctuations in Guadalajara, Mexico, from 1926 to 1994 in relation to urban growth. International Journal of Climatology, 21(4), 483-494. [DOI:10.1002/joc.602]
17. Theeuwes, N. E., Steeneveld, G. J., Ronda, R. J., & Holtslag, A. A. (2017). A diagnostic equation for the daily maximum urban heat island effect for cities in northwestern Europe. International Journal of Climatology, 37(1), 443-454. [DOI:10.1002/joc.4717]
18. Xunqiang, M., Chen, C., Fuqun, Z., & Hongyuan, L. (2011). Study on temporal and spatial variation of the urban heat island based on Landsat TM/ETM+ in central city and Binhai New Area of Tianjin. Paper presented at the 2011 International Conference on Multimedia Technology, Hangzhou, China. [DOI:10.1109/ICMT.2011.6003213]
19. Zhou, L., Dickinson, R. E., Tian, Y., Fang, J., Li, Q., Kaufmann, R. K., . . . Myneni, R. B. (2004). Evidence for a significant urbanization effect on climate in China. Proceedings of the National Academy of Sciences, 101(26), 9540-9544. [DOI:10.1073/pnas.0400357101]