پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 11 |
| تعداد شماره‌ها | 210 |
| تعداد مقالات | 2,098 |
| تعداد مشاهده مقاله | 2,878,613 |
| تعداد دریافت فایل اصل مقاله | 2,086,244 |
تحلیل دینامیک جزایر حرارتی شهری در تهران (2023-2013) براساس تصاویر MODIS و موتور Google Earth | ||
| پژوهش های سنجش از دور و اطلاعات مکانی | ||
| مقاله 4، دوره 2، شماره 1 - شماره پیاپی 3، دی 1402، صفحه 45-64 اصل مقاله (2.35 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22061/jrsgr.2024.10762.1057 | ||
| نویسندگان | ||
| سید تاج الدین منصوری؛ اسماعیل ضرغامی* | ||
| گروه معماری دانشکده مهندسی معماری و شهرسازی دانشگاه تربیت دبیر شهید رجائی تهران، ایران | ||
| تاریخ دریافت: 25 دی 1402، تاریخ بازنگری: 30 فروردین 1403، تاریخ پذیرش: 31 اردیبهشت 1403 | ||
| چکیده | ||
| پیشینه و اهداف: امروزه شهرنشینی در حال گسترش است و پیش‌بینی شده است که تا سال 2030 بیش از دو سوم جمعیت جهان در شهرها زندگی خواهند کرد. این جمعیت، برای زندگی کردن نیازمند فضاهایی مانند مسکونی، کسب‌وکار، گذران اوقات فراغت و غیره هستند. این امر، منجر به تغییرات محیط طبیعی برای ایجاد کاربری‌های گفته شده است. این تغییرات، پیامدهای گوناگونی بر محیط زیست و زندگی انسان‌ها دارند که می‌توان به افزایش سطوح نفوذناپذیر در سطح شهر و کاهش فضای سبز اشاره نمود. بر این اساس، محیط شهر به‌علت تولید حرارت بیشتر ناشی از مصرف سوخت‌های فسیلی و همچنین، وجود سطوح نفوذناپذیر و ساختمان‌های بلند، به‌عنوان جمع کننده حرارت عمل کرده و جزایر حرارتی را به‌وجود می‌آورد. علت اصلی تشکیل و تشدید جزایر حرارتی شهری، تغییر سطح زمین در اثر توسعه ناموزون شهر است. امروزه، بررسی دقیق و جامع جزایر حرارتی شهری که با رشد شهر در ارتباط است، مورد توجه مدیران شهری قرار گرفته است. علم سنجش از دور یکی از بهترین ابزارهای تشخیص این پدیده است. این مقاله، به بررسی تأثیر ساختار محیط شهری بر تغییرات حرارتی در شهر تهران می‌پردازد. روش‌ها: برای رسیدن به این هدف پژوهش برای مشخص کردن روند تغییرات دمایی در مناطق 22 گانه شهر تهران در بازه زمانی اول ژانویه 2013 تا اول ژانویه 2023، ابتدا کد نویسی در Google Earth Engine انجام شد. برای این کار، شیپ فایل شهر تهران تهیه گردید و پس از فراخوانی شیپ فایل در Google Earth Engine، تصاویر سنجش از دور ماهوارهMODIS 11A2 006 Terra استخراج گردید. این تصاویر، 460 عدد بودند که به‌وسیله کاهنده سامانه Google Earth Engine به تصاویری بسیار کمتر و با وضوح بیشتر، تبدیل گردیدند. سپس، با توجه به داده‌های مورد نیاز و دریافتی از ماهوارهMODIS 11A2 006 Terra میانگین روند دمای سطح زمین در شب، روند تغییرات دمای سطح زمین، روند برش عرضی دمای سطح زمین و میانگین روند تغییرات دمای سطح زمین در شب برای مناطق 22 گانه شهر تهران در بازه زمانی اول ژانویه 2013 تا اول ژانویه 2023 مورد بررسی قرار گرفت. یافته‌ها: پس از اندازه‌گیری داده‌ها، مناطق 10، 11 و 12 در مرکز تهران، کمترین و مناطق 1، 3 و 4 در شمال شرق تهران و مناطق 21 و 22 در شمال غرب تهران بیشترین تغییرات حرارتی را در زمان، در نظر داشتند. دمای سطح زمین در مناطق 1، 3، 4، 21 و 22 با میانگین 6/288 کلوین، گرم‌ترین مناطق در شهر تهران بودند. نتیجه‌گیری: نتایج، نشان داد که جزایر حرارتی شهری ایجاد شده در شهر تهران بر اساس عواملی که باعث تغییرات دمایی می‌شوند، متفاوت هستند. این تفاوت در درجه اول به دلیل کاربری و پوشش اراضی در توسعه نامتناسب و نامتوازن شهر است و نشان دهنده رابطه نزدیک بین پوشش زمین و دمای سطح زمین می‌باشد. همچنین، مطالعه همبستگی بین پوشش زمین و دمای سطح زمین نشان داد که بین این دو پارامتر رابطه‌ای معکوس وجود دارد و بین تراکم جمعیت و دمای سطح زمین در برخی مناطق رابطه مستقیمی وجود ندارد. با توجه به ماهیت تحقیق، این پژوهش می‌تواند با برنامه‌ریزی صحیح برای استفاده بهتر و بیشتر از آب و فضای سبز در کاهش شدت و گسترش جزایر حرارتی شهری مؤثر باشد. | ||
| کلیدواژه‌ها | ||
| دمای سطح زمین؛ کاربری اراضی؛ سنجش از راه دور؛ تهران؛ جزایر حرارتی شهری | ||
| عنوان مقاله [English] | ||
| Dynamic Analysis of Urban Heat Islands in Tehran (2013-2023) Based on MODIS Images and Google Earth Engine | ||
| نویسندگان [English] | ||
| S. T. Mansouri؛ E. Zarghami | ||
| Department of Architecture, Faculty of Architectural Engineering and Urban Planning, Shahid Rajaei Teacher Training University, Tehran, Iran | ||
| چکیده [English] | ||
| Background and Objectives: Today, urbanization is expanding and it is predicted that by 2030, more than two-thirds of the world's population will live in cities. This population needs spaces such as residential, business, leisure, etc. to live. This has led to changes in the natural environment to create the said uses. These changes have various consequences on the environment and human life, which can be mentioned as the increase of impervious levels in the city and the reduction of green space. Based on this, the city environment acts as a heat collector and creates heat islands due to the production of more heat due to the consumption of fossil fuels as well as the presence of impermeable surfaces and tall buildings. The main reason for the formation and intensification of urban heat islands is the change of the land surface due to the uneven development of the city. Today, detailed and comprehensive investigation of urban thermal islands, which is related to the growth of the city, has been noticed by city managers. Remote sensing is one of the best tools to detect this phenomenon. This article examines the influence of urban environment structure on thermal changes in Tehran. Methods: To achieve this goal of the research, to determine the trend of temperature changes in 22 regions of Tehran in the period from January 1, 2013 to January 1, 2023, coding was done in Google Earth Engine. For this purpose, the shape file of Tehran city was prepared and after calling the shape file in Google Earth Engine, remote sensing images of MODIS 11A2 006 Terra satellite were extracted. These images were 460, which were converted into much smaller and higher resolution images by the reducer of the Google Earth Engine system. Then, according to the required data received from the MODIS 11A2 006 Terra satellite, the average ground surface temperature trend at night, the ground surface temperature change trend, the ground surface temperature transect trend and the average ground surface temperature change trend at night for the 22 regions of Tehran in the interval The period from January 1, 2013 to January 1, 2023 was examined. Findings: After measuring the data, areas 10, 11, and 12 in the center of Tehran had the least, and areas 1, 3, and 4 in the northeast of Tehran and areas 21 and 22 in the northwest of Tehran had the most thermal changes in time. The temperature of the ground surface in areas 1, 3, 4, 21 and 22 with an average of 288.6 K, were the hottest areas in Tehran. Conclusion: The results showed that the urban heat islands created in Tehran are different based on the factors that cause temperature changes. This difference is primarily due to land use and land cover in the disproportionate and unbalanced development of the city and indicates the close relationship between land cover and surface temperature. Also, the correlation study between land cover and land surface temperature showed that there is an inverse relationship between these two parameters and there is no direct relationship between population density and land surface temperature in some areas. Considering the nature of the research, this research can be effective in reducing the intensity and expansion of urban heat islands with proper planning for better and more use of water and green space. | ||
| کلیدواژه‌ها [English] | ||
| Land Surface Temperature (LST), Land Use, Remote Sensing, Tehran, Urban Heat Islands | ||
| مراجع | ||
|
[2] Streutker, D. R. A remote sensing study of the urban heat island of Houston, Texas. Sensing. 2002; 23(13). 2595-2608. https://doi.org/10.1080/01431160110115023
[4] Oke T.R. Boundary Layer Climates; Routledge: London, UK; (1987).
[5] Rose A, Devadas M. D. Analysis of land surface temperature and land use/land cover types using remote sensing imagery-a case in Chennai city, India. In The seventh international conference on urban climate. 2009 July 11-14: Dehli, India.
[6] Pour Amin K, Khatami M, Shamsaldini A . [Factors affecting the formation of urban heat islands; Emphasizing the characteristics and challenges of urban design]. Urban Design Discourse. 2008; 1(1). 1-25. [In Persian]
[11] Bakhshi A, Rasouli H, Rahimi N. [Investigating the role of urban growth pattern in creating thermal islands in cities (case example: Sari city)]. Urban Environment Planning and Development. 2022; 2(6). 77-94. [In Persian]
DOI: 10.30495/juepd.2022.689336
[14] Giannopoulou K, Livada I, Santamouris M, Saliari M, Assimakopoulos M, Caouris Y. G. On the characteristics of the summer urban heat island in Athens, Greece. Sustainable Cities and Society. 2011; 1(1). 16-28. DOI:10.1016/j.scs.2010.08.003
[16] Taha, H. Meteorological, air-quality, and emission-equivalence impacts of urban heat island control in California. Sustainable Cities and Society. 2015; 19, 207-221. DOI:10.1016/j.scs.2015.03.009
[18] Karmirad S, Aliabadi M, Habibi A, Vakilinejad R. [Measuring the effect of vegetation on the external thermal comfort conditions of pedestrians (case study: Goldasht residential complex, Shiraz)]. Architecture and Urban Planning of Iran (JIAU). 2018; 8(2), 185-196. doi: 10.30475/isau.2018.62074 [In Persian]
[20] Boehme P, Berger M, Massier T. Estimating the building based energy consumption as an anthropogenic contribution to Urban Heat Islands.Sustainable Cities and Society. 2015; 373- 384. DOI:10.1016/j.scs.2015.05.006
[22] Voogt J.A, Oke T.R. Thermal remote sensing of urban climates. Remote Sens. Environ. 2003; 86, 370-384. https://doi.org/10.1016/S0034-4257(03)00079-8
[23] Mather A. S. Land use. London; New York: Longman. 1986; 286.
[25] Pahlavanzadeh N, Janalipour M, Abbaszadeh T, Farhanj F. [Improving the accuracy of land surface temperature extraction from Landsat satellite thermal bands using linear regression and ground observations]. Geography and Environmental Planning. 2018; 30(3). 59-78. doi: 10.22108/gep.2019.118336.1179. [In Persian]
[26] Soltani N, Mohammadnejad V. [Effectiveness of Google Earth Engine (GEE) system in evaluating land use changes and predicting it with Markov model (case study of Urmia Plain)]. Remote sensing and geographic information system in natural resources. 2021; 12(3). 114-101. [In Persian]
http://dorl.net/dor/20.1001.1.26767082.1400.12.3.6.1.
[27] Dash P, Gottsche F. M, Olesen F. S, Fischer H. Land surface temperature and emissivity estimation from passive sensor data: Theory and practice-current trends. International Journal of Remote Sensing. 2002; 23(13). 2563–2594. https://doi.org/10.1080/01431160110115041
[29] Wan Z, Zhang Y, Zhang Q, Li Z. L. Quality assessment and validation of the MODIS global land surface temperature. International Journal of Remote Sensing. 2004; 25(1). 261–274. https://doi.org/10.1080/0143116031000116417
[30] El Masri B, Rahman A. F, Dragoni D. Evaluating a new algorithm for satellite-based evapotranspiration for North American ecosystems: Model development and validation. Agricultural and Forest Meteorology. 2019; 268. 234–248. https://doi.org/10.1016/j.agrformet.2019.01.025
[31] Liu T, Yu L, Zhang S. Land surface temperature response to irrigated paddy field expansion: A case study of semi-arid western Jilin Province, China. Scientific Reports. 2019; 9(1). 5278. https://doi.org/10.1038/s41598-019-41745-6
[32] Yang M, Zhao W, Cai J, Yang Y, Fu H. Evaluation of consistency among MODIS land surface temperature products for monitoring surface warming trend over the Tibetan Plateau. Earth and Space Science. 2023; 10. e2022EA002611. https://doi.org/10.1029/2022EA002611.
[33] Sharifi P. Investigating the phenomenon of urban heat island and its relation with temporal changes of land cover in the last twenty years using Google Earth Engine system (case study: cities of Tehran, Isfahan, Mashhad, Kermanshah and Rasht). [dissertation]. Thesis of master's degree in mapping engineering, remote sensing. The University of Kordestan. 2021.
[35] [Statistics of Tehran city]. 1401; Municipality of Tehran [In Persian]
DOI: 10.22131/sepehr.2022.699921
[41] Farhadi H, Manaqbi T, Ebadi H. [Extraction of buildings in urban areas based on radar and optical time series data using Google Earth Engine system]. Sepehr Scientific-Research Quarterly of Geographical Information. 2022; 30(120). 43-63. [In Persian] DOI: 10.22131/sepehr.2022.251053
[44] Seto KC, Fragkias M, Güneralp B, Reilly MK. A meta-analysis of global urban land expansion. PloS one. 2011; 6(8). e23777. https://doi.org/10.1371/journal.pone.0023777.
https://doi.org/10.1016/j.jag.2014.09.005.
[46] Goldblatt R, You W, Hanson G, Khandelwal AK. Detecting the boundaries of urban areas in india: A dataset for pixel-based image classification in google earth engine. Remote Sensing. 2016; 8(8). 634. https://doi.org/10.3390/rs8080634.
[47] Shelestov A, Lavreniuk M, Kussul N, Novikov A, Skakun S. Exploring Google Earth Engine platform for big data processing: Classification of multi-temporal satellite imagery for crop mapping. Frontiers in Earth Science. 2017; 5(7): 1-17. https://doi.org/10.3389/feart.2017.00017
[49] Alavipanah K. The Principles of Remote Sensing and Interpretation of Satellite Imagery and Aerial Photographs. Tehran University Press, Tehran, Iran. 2011 [In Persian]
[50] Servati Z, Latifi Gh, Soltani A, Sanyeyan H. [Spatial distribution pattern of thermal islands in the context of social and economic characteristics (the case of mining in Tehran)]. Urban and Regional Development Planning Quarterly. 2022; 6(16). 1-23. [In Persian] DOI: 10.22054/urdp.2021.62607.1367
[51] Lo C. P, Lo C. P, Quattrochi D. A. Land-Use and Land-Cover Change, Urban Heat Island Phenomenon, and Health Implications. Photogrammetric Engineering & Remote Sensing. 2023. 69(9). DOI: 1053-1063. DOI:10.14358/PERS.69.9.1053
[52] Priyadarsini R. Urban Heat Island and its impact on building energy consumption. Advances in building energy research. 2009. 3(1) 261-270. https://doi.org/10.3763/aber.2009.0310
[53] Rizwan A. M, Dennis L. Y, Chunho L. I. U. A review on the generation, determination and mitigation of Urban Heat Island. Environmental Sciences. 2008; 20(1), 120-128. https://doi.org/10.1016/S1001-0742(08)60019-4Get rights and content
[55] Yuan F, Bauer M. E. 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. 2007; 106(3). 375-386. DOI:10.1016/j.rse.2006.09.003
[57] Farina A. Exploring the relationship between land surface temperature and vegetation abundance for urban heat island mitigation in Seville, Spain. [dissertation]. LUMA-GIS Thesis. 2011
[58] Shabahang S. Comparative Study of Urban Residential Neighbourhoods for Assessing Urbsn Heat Island Effects Using ENVI-met Simulation. [dissertation]. PhD dissertation in architecture. Victoria University of Wellington. 2022.
| ||
|
آمار تعداد مشاهده مقاله: 380 تعداد دریافت فایل اصل مقاله: 223 |
||