جغرافیا و برنامه‌ریزی

شماره جاری

بر اساس شماره‌های نشریه

بر اساس نویسندگان

بر اساس موضوعات

نمایه نویسندگان

نمایه کلیدواژه ها

درباره نشریه

اهداف و چشم انداز

اعضای هیات تحریریه

اصول اخلاقی انتشار مقاله

فرایند پذیرش مقالات

بانک ها و نمایه نامه ها

اطاعات آماری نشریه

پرسش‌های متداول

اخبار و اعلانات

پیوندهای مفید

بررسی سطوح غیرقابل نفوذوشاخص تفاضل پوشش گیاهی نرمال شده به‌عنوان پارامتر‌های نمایشگر جزایر حرارتی شهری با استفاده از تصاویر ماهواره‌ای

نوع مقاله : مقاله علمی پژوهشی

نویسندگان

1 استاد گروه سنجش از دور و سیستم اطلاعات جغرافیایی، دانشگاه تهران.

2 دانشجوی کارشناسی ارشد سنجش از دور و سیستم اطلاعات جغرافیایی، دانشگاه تهران

3 دانشجوی دکتری جغرافیا و برنامه‌ریزی شهری، دانشگاه تربیت مدرس.

4 دانشجوی کارشناسی ارشد سنجش از دور و سیستم اطلاعات جغرافیایی، دانشگاه تهران.

2

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

موضوعات

عنوان مقاله [English]

Investigation on Impervious Surface (ISA) and the Normalized Difference Vegetation Index (NDVI) as Representative Parameters of the Urban Heat Island by Using Satellite Imageries

نویسندگان [English]

  • Seid kazem Alavi panah 1
  • Abdolali Rezaei 2
  • saeed Azadi ghatar 3
  • Hamid reza jeddi azgandi 4

1 Professor, GIS and Rs Department, Tehran University.

2 M.A. Student in GIS, and Rs, Tehran University

3 Ph.D Student in Geography & Urban Planning, Tarbiat Modares University of Tehran.

4 M.A Student in GIS and Rs, Tehran University.

چکیده [English]

Abstract           
Urban heat island phenomenon is generally caused by a reduction in latent heat and a rise in sensible heat in urban areas. Today, this is one of the major problems of the large cities which has attracted the attention of many researchers and experts in various fields. This study investigates heat island in Tehran metropolitan as the most densely populated city of Iran. This paper aims to use satellite imageries to compares the normalized difference vegetation index (NDVI) and impervious surface (ISA) as representative parameters that of surface urban heat island (SUHI) by examining their relationship with land surface temperature indices (LST) and land-use map. For this purpose, LANDSAT 5 TM imageries and Tehran1:2000 land use map and sub-pixels model has been used. The results show that there are a linear and strong relationship between LST and ISA, while the relationship between LST and NDVI is much weaker and in order to quantitative investigation of LST in urban heat island we used thermal remote sensing. Results indicated that ISA indicator is suitable than NDVI. Also, the investigation on percentage of impervious surfaces in each land-use represents that residential land uses has the highest percentage of impervious surfaces because having the surfaces like asphalt and concrete and vegetation is the lowest one.

کلیدواژه‌ها [English]

  • Keywords: Impervious Surfaces (ISA)
  • Land Surface Temperature (LST)
  • Normalized Difference Vegetation Index (NDVI Linear Spectral Mixture Model (LSMA) and Urban Heat Island
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. 
جغرافیا و برنامه‌ریزی
دوره 20، شماره 55 - شماره پیاپی 55
اردیبهشت 1395
صفحه 183-207
فایل ها
هم رسانی
ارجاع به این مقاله
آمار