Investigating the Relationship between Land Cover and Thermal Island Changes Using Single channel Algorithm and Decision Tree Conceptual Method (Case Study: Ahvaz)

Document Type : Research Paper

Authors

1 Assistant Professor of Urban Development Department,, Faculty of Arts and Architecture ,Yazd University

2 PhD in urban planning, Lecture of Islamic Azad University of Arak

3 Master student of urban planning, Yazd University

Abstract

Introduction
The phenomenon of Thermal Island as one of the urban hazards is the result of the way of activity and physical development of cities as well as extensive changes in the land use pattern around cities. The surface temperature of the earth is not only affected by the amount of energy received by the sun, but also by the environmental conditions of the place, especially the reduction of suburban arable land, vegetation degradation and increasing impermeability levels and potentially prone to heat production and pollution. Heated island is a term used to describe the warmer atmosphere and higher temperatures of cities compared to non-urban areas. Determining the geographical distribution and nature of UHI, as well as the factors influencing its occurrence or severity, is something that is now efficient, fast, and inexpensive using satellite imagery and remote sensing techniques. Ahvaz is one of the metropolises with ethnic diversity and mixed subcultures that has experienced a large and rapid increase in population and area over the last three decades and the city has expanded in different directions from south to southwest and north to northeast Has found. One of the prominent consequences of this issue is the emergence and strengthening of the Heated island in this city.
Data and Method
To determine the spatial-place changes of the heated islands of Ahvaz and also to determine its relationship with land use changes, first the Landsat satellite TM sensor images in the last 30 days and Envi software were used and the following main steps were performed:
Stage 1 - Preparation of thermal map of the city: To calculate the temperature of the single channel algorithm (SCA) in order to extract LST, an extended infrared thermal band was used and to calculate it, Equation 1 was used.
Ts = γ {𝜀1- (YLsensor + Ψ2) + Ψ3} + δ
Here are five essential steps you can take to begin the process of preparation for mediation.
To calculate each of the parameters in the equation below 5 consecutive steps as described in the headings
The first step is to calculate the spectral radius
The second step is to calculate the light temperature of the sensor
The third step is to calculate the radiative power
Step 4, calculate the values of γ and δ
Step 5, calculate atmospheric parameters
Stage 2: Prepare a land use map using the decision tree: The function of the model is a branch that consists of three levels of decision making and finally to determine the six layers of land cover (including agricultural land, rangeland, irrigated land, heights (Topography), land with little vegetation and built-up lands.
In the model run, after applying the preprocessors to the Landsat images, the corresponding images were created for classification using NDVI, DEM, NDWI and LST indices. Setting a threshold for the NDNI index (NDVI> 0.26) vegetation is isolated from other data. In the correct branch, the next node was isolated using NDWI index (NDWI≤0.0) and determination of rangeland class threshold, agricultural land and water. In the third decision-making branch, based on the thresholds defined in the image indices (DEM≥40), DEM topography was determined, Were introduced.
Results and Discussion
Statistical study of the trend of change in land surface temperature and construction index and the ratio of change of other carabis to urban land uses showed that the trend of change is the average construction of the ascending course and the average temperature of the ascending course and the trend of changes with the transformation process With the expansion of the city of Ahvaz, their vegetation and land have been destroyed and turned into urban lands, and now the thermal island has been directed from the inside of the city to the outskirts. The temperature increase ratio of the urban area was higher than the whole study area.
Conclusion
Based on the results, the temperature of Ahvaz city increased from 282.96 degrees to 287.02 degrees Kelvin between 1988, which shows a growth of 2% and an increase of 4 degrees. Spatially, the highest temperature increase in the city is related to the east and southeast of the city, where agricultural lands and lands with little vegetation have been converted to industrial town and industrial uses and become a source of heat production in this metropolis. Has been. Also in the western part of the city, due to the further expansion of the city and the implementation of residential preparation projects - the NDBI index confirms the same - there has been an increase in temperature. Other influential factors in the spatial change of temperature in these parts of Ahvaz city are the existence of main roads such as Ahvaz-Abadan highway (southern part of the city), Ahvaz-Bandar Imam Khomeini highway (eastern part). Due to the asphalt cover of these routes and more vehicle traffic, they have caused an increase in the thermal map of the region.
The lowest temperature in 2020 is related to the areas around the Karun River. Among the factors that have caused the low temperature in this place compared to other parts of Ahvaz in 2020, we can see the existence of the government park, Shahid Chamran University with a lot of green space and low-density residential texture and more open and green space than they  mentioned other parts of the city as well as the wetlands of the last two years.
Analysis of the trend of UHI changes and increase in construction using Landsat time series images showed an increase in urban temperature compared to the surrounding area in 1988. This shift in 2020 was due to an increase in regional temperature compared to the city due to river flooding. , Increase in construction and industrial activities in and around the city.
Due to the environmental dangers of the Heated island, which directly and indirectly affect urban air pollution, greenhouse gas emissions and global warming, disrupt thermal comfort, increase water and electricity consumption, and exacerbate diseases such as asthma They leave, It is necessary to prevent the change of agricultural use to urban areas, and within the city, between dense textures and industrial areas, by creating vegetation in the form of parks and gardens, tried to prevent the rise in surface temperature.       

Keywords

Main Subjects

References

احمدی، محمود، داداشی رودباری، عباسعلی؛ اسفندیاری، ندا، (1398). پایش جزایر حرارتی شهری با رویکرد تکاملی فرکتال ویژه (FNEA) مطالعه موردی: کلان شهر تهران، سنجش از دور و GIS ایران، سال 11، شماره اول، صص114-95
احمدی، محمود؛ عاشورلو، داود؛ نارنگی فرد، مهدی (1391). تغییرات زمانی-مکانی الگوهای حرارتی و کاربری شهر شیراز با استفاده از داده‌های سنجنده TM&ETM+، سنجش از دور و GIS ایران، سال چهارم، شماره چهارم،صص 68-55.
امان­پور، سعید؛ کاملی­فر، محمدجواد (1396). تحلیلی بر تغییرات کاربری اراضی در کلانشهرها با استفاده از آنالیز تصاویر ماهواره­ای در محیط ENVI مطالعه موردی:کلانشهر اهواز»، اطلاعات جغرافیایی(سپهر)، دوره 26، شماره 102، صص 150-139.
امیریان سهراب، صفایی پور مسعود، حسینی امینی حسن، عبادی حسین (1399). پهنه‌بندی حریم ایمنی و آسیب پذیری در شهر اهواز از منظر پدافند غیرعامل، نشریه تحقیقات کاربردی علوم جغرافیایی، ۲۰ (۵۶)، صص309-299
پوراحمد، احمد؛ حبیبیان، بهار؛ احمدنیا، محمدرضا (1395)، تحلیلی بر فضای کالبدی شهر اهواز، باغ نظر، شماره 39، سال سیزدهم، ، صص38-25.
پوردیهیمی شهرام، تحصیلدوست محمد، عامری پوریا(1398). تأثیر پوشش گیاهی بر کاهش شدت جزایر حرارتی شهری: نمونه موردی کلان‌شهر تهران، فصلنامه پژوهش های سیاست گذاری وبرنامه ریزی انرژی،۵ (۳) ،صص12-97
پیری، عیسی ؛ حسین زاده، اکبر، مرادی مفرد، سمیرا (1397)، .مکانیابی بهینه و ساماندهی فضایی – مکانی بیمارستان‌ها با استفاده از سامانه اطلاعات جغرافیایی (GIS) (مورد مطالعه: شهر اهواز)، جغرافیا و برنامه ریزی، دوره 22، شماره 66، صص57-35
ترکی، فرشاد (1398)، بررسی روند توسعه فیزیکی کلان­شهر اهواز و الگوی گسترش آن در افق 1400، جغرافیا و مطالعات محیطی، سال هشتم، شماره 30، صص104-91.
حسینی سیده سمیه, نادرخانی زلیخا, یزدان بخش بنت الهدی (1395). ارزیابی پایداری زیستمحیطی شهر اهواز با تأکید بر آلودگی هوا (با استفاده از روش FPPSI)، محیط زیست طبیعی (منابع طبیعی ایران)، دوره 70 , شماره 2 ، صص317-309
خاکپور، براتعلی، ولایتی، سعدالله، کیانژاد، قاسم (1386). الگوی تغییر کاربری اراضی شهر بابل طی سالهای 1367-1378، مجله جغرافیا و توسعه ناحیه ای، شماره نهم، صص 45-64
رفیعی، یوسف؛ علوی پناه، سید کاظم؛ ملک محمدی، بهرام؛ رمضانی، مهربان؛ نصیری، حسین (1398). تهیه نقشه‌های پوشش اراضی به کمک سنجش از دور با استفاده از خوارزمیک درخت تصمیم‌گیری (مطالعه موردی: پارک ملی و پناهگاه حیات وحش بختگان)؛ مجله جغرافیا و برنامه‌ریزی محیطی، سال 23، شماره 3، صص 93-110
سلطانی، علی (1395)، برنامه ریزی کاربری زمین شهری، انتشارات دانشگاه شیراز، چاپ اول.
شعبانی، مرتضی؛درویشی، شادمان؛سلیمانی، کریم (1398). جغرافیا و برنامه‌زیری محیطی، شماره 73، صص54-37
شکری کوچک، سعید، بهنیا، عبدالکریم (1390). تاثیر پدیده جزیره گرمایی بر تغییر اقلیم محلی، علوم مهندسی آبیاری(مجله علمی کشاورزی)، دوره 34، شماره 1، صص 43-35.
عبدالهی، جلال، رحیمیان، محمدحسن، دشتکیان، کاظم، شادان، مهدی (1385). بررسی اثرات زیست محیطی تغییر کاربری اراضی روی پوشش گیاهی مناطق شهری با بکارگیری تکنیک سنج از دور، فصلنامه علوم و تکنولوژی محیط زیست، شماره 29، صص 6-1
عزی­مند، کیوان؛ عقیقی، حسین؛ متکان، علی­اکبر (1399) .طبقه­بندی و پیش­بینی تغییرات مکانی-زمانی سطوح نفوذ ناپذیر شهری و اثرات آن بر شدت جزیره حرارتی، پژوهشهای اقلیم شناسی، سال 11، شماره 41، صص 34-15
عظیمی، فریده (1387). پهنه­بندی دمای سطح شهر اهواز با استفاده از تصاویر حرارتی سنجنده ETM، فصلنامه جغرافیایی سرزمی، سال پنجم، شماره 17، صص 110-97
علوی پناه، سیدکاظم, رضایی، عبدالعلی،آزادی قطار ،سعید، جدی ازغندی، حمیدرضا(1395). بررسی سطوح غیرقابل نفوذ و شاخص تفاضل پوشش گیاهی نرمال شده به عنوان پارامترهای نمایشگر جزایر حرارتی شهری با استفاده از تصاویر ماهواره ای، جغرافیا و برنامه ریزی، دوره 20، شماره 55، صص 207-183
کاظمی، محمد؛نفرزادگان، علیرضا؛محمدی، فریبرز(1398). بررسی تاثیر تغییرات کاربری‌های اراضی بر جزایر حرارتی شهرمیناب با استفاده از رویکردهای طبقه‌بندی جنگل تصادفی و واکاوی خود همبستگی فضایی، سنجش از دور و سامانه اطلاعات جغرافیایی در منابع طبیعی، شماره 37، صص55-38
الماسی، فائقه؛ طاوسی، تقی، حسین­آبادی، نسرین(1395). واکاوی رفتار و تغییرات بسامد رخداد امواج گرمایی شهر اهواز، آمایش جغرافیایی فضا، سال ششم، شماره 19، صص150-137
محمودزاده ، حسن ،پویان جم، آذر، امان زاده، فاطمه (1399). محاسبه دمای سطح زمین و استخراج جزایر حرارتی با استفاده از تصاویر ماهواره‌ای لندست8 و الگوریتم پنجره مجزا در شهر ارومیه، نشریه علمی جغرافیا و برنامه ریزی، سال 24، شماره 73، صص 325-348
مزیدی، احمد، حسینی، فاطمه السادات (1394). تاثیر تغییر کاربری و پوشش زمین بر جزیره گرمایی در منطقه شهری یزد با استفاده از داده‌های سنجش از دور، جغرافیا و توسعه، شماره 38، صص12-1.
معاونت آمار و برنامه‌ریزی استان خوزستان (1396). سالنامه‌اماری استان خوزستان. https://www.mpo-kz.ir
معرو‌ف‌ نژاد، عباس، (1390)؛ تاثیر کاربری‌های شهری در ایجاد جزایر حرارتی تاثیر کاربری‌های شهری در ایجاد جزایر حرارتی؛ فصلنامه جغرافیایی آمایش محیط، شمار ه 14، صص90-65
موزرمی، سارا؛ سرور، رحیم؛ شریعت­پناهی، مجید ولی(1399). ارزیابی توسعه پایدار شهری با تاکید بر شاخص­های توسعه میان افزای شهری- مطالعه موردی: مناطق هشت­گانه شهر اهواز)، پژوهش­های جغرافیای انسانی، دوره 52، شماره 4، صص1337-1319.
میرکتولی، جعفر، حسینی، علی،رضایی نیا، حسن، نشاط، عبدالحمید (1390). آشکار سازی تغییرات پوششی و کاربری اراضی با رویکرد به مجموعه‌های فازی؛ پژوهش های جغرافیای انسانی، شماره 79،صص 33-54.
Almeida, Cláudia & Monteiro, Antonio & Câmara, Gilberto & Cerqueira, Gustavo & Pennachin, Cássio & Batty, Michael. (2005). GIS and remote sensing as tools for the simulation of urban land‐use change. International Journal of Remote Sensing - INT J REMOTE SENS. 26. 759-774.
Bek, M.A., Azmy, N. and Elkafrawy, S. (2018), the effect of unplanned growth of urban areas on heat island phenomena, Ain Shams Enginnering Journal, No 9, 3169-3177.
Bowler DE, Buyung-Ali L, Knight TM, Pullin AS (2010) Urban greening to cool towns and cities: a systematic review of the empirical evidence. Landsc Urban Plan 97:147–155
Briassoulis, H. (2019). Analysis of land use change: theoretical and modeling approach, Regional Research Institute, West Virginia University.
Cai, G., Ren, H., Yang, L., Zhang, N., Du, M., & Wu, C. (2019). Detailed urban land use land cover classification at the metropolitan scale using a three-layer classification scheme. Sensors, 19(14), 3120.‏
Ellis, Christopher & Coppins, Brian. (2010). integrating multiple landscape-scale drivers in the lichen epiphyte response: Climatic setting, pollution regime and woodland spatial-temporal structure. Diversity and Distributions. 16. 43 - 52.
Comber, A. J., Wadsworth, R. A., & Fisher, P. F. (2008). Using semantics to clarify the conceptual confusion between land cover and land use: the example of ‘forest’. Journal of Land Use Science, 3(2-3), 185-198
Dhar, R. B., Chakraborty, S., Chattopadhyay, R., & Sikdar, P. K. (2019). Impact of land-use/land-cover change on land surface temperature using satellite data: A case study of Rajarhat Block, North 24-Parganas District, West Bengal. Journal of the Indian Society of Remote Sensing, 47(2), 331-348.
El-Hattab, M., Amany, S. M., & Lamia, G. E. (2018). Monitoring and assessment of urban heat islands over the Southern region of Cairo Governorate, Egypt. The Egyptian Journal of Remote Sensing and Space Science, 21(3), 311-323.‏Ellis, Christopher & Coppins, Brian. (2010). integrating multiple landscape-scale drivers in the lichen epiphyte response: Climatic setting, pollution regime and woodland spatial-temporal structure. Diversity and Distributions. 16. 43 - 52.
Gavrilidis, A. A., Niță, M. R., Onose, D. A., Badiu, D. L., & Năstase, I. I. (2019). Methodological framework for urban sprawl control through sustainable planning of urban green infrastructure. Ecological Indicators, 96, 67-78.‏
http://Earthexplorer.usgs.go
https://www.ogimet.com/gsynres.phtml.en
Isaya Ndossi, M., & Avdan, U. (2016). Application of open source coding technologies in the production of land surface temperature (LST) maps from Landsat: a PyQGIS plugin. Remote sensing, 8(5), 413.
Jedlovec G, Crane D, Quattrochi D (2017) urban heat wave hazard and risk assessment. ResultsPhys 7:4294_4295.
Karakuş, C. B. (2019). The Impact of Land Use/Land Cover (LULC) Changes on land surface temperature in Sivas city center and its surroundings and assessment of urban heat island. Asia-Pacific Journal of Atmospheric Sciences, 55(4), 669-684.
Khamchiangta, D., & Dhakal, S. (2020). Time series analysis of land use and land cover changes related to urban heat island intensity: Case of Bangkok Metropolitan Area in Thailand. Journal of Urban Management, 9(4), 383-395.
Kumar D, Shekhar S (2015). Statistical analysis of land surface temperature–vegetation indexes relationship through thermal remote sensing. Ecotoxicol Environ Saf, 121: 39–44.
Li, Jiayang, Zheng, Xinqi ; Zhang Chunxiao and Chen Youmin, (2018), Impact of Land-Use and Land-Cover Change Meteorology in the Beijing–Tianjin–Hebei Region from 1990 to 2010, Sustainability 2018, 10, 176
Liu, l., zhang, y. (2011). urban heat island analysis using the landsat TM data and ASTER data: a case study in hong kong., remote sensing, 3
Mehrota, s., bardhan, r., ramamrithan, k. (2018), Urban Informal Housing and Surface Urban Heat Island Intensity: Exploring Spatial Association in the City of Mumbai, Environment and Urbanization Asia, 9(2), 158-177
Mehrotra, S., Bardhan, R., & Ramamritham, K. (2018). Urban informal housing and surface urban heat island intensity: exploring spatial association in the City of Mumbai. Environment and Urbanization ASIA, 9(2), 158-177.
Muster, Sina & Langer, M. & Abnizova, A. & Young, K.L. & Boike, J. (2015). Spatio-temporal sensitivity of MODIS land surface temperature anomalies indicates high potential for large-scale land cover change detection in Arctic permafrost landscapes. Remote Sensing of Environment. 168-179
Muzaky, H., & Jaelani, L. M. (2019). Analysis of the impact of land cover on Surface Temperature Distribution: urban heat island studies i} n Medan and Makassar. In IOP Conference Series: Earth and Environmental Science (Vol. 389, No. 1, p. 012047). IOP Publishing.
Nasrollahi, N., Hatami, Z., & Taleghani, M. (2017). Development of outdoor thermal comfort model for tourists in urban historical areas; a case study in Isfahan. Building and Environment, 125, 356-372.
Ndossi, M. I., & Avdan, U. (2016). Inversion of land surface temperature (LST) using Terra ASTER data: a comparison of three algorithms. Remote Sensing, 8(12), 993.
Ning, J., Gao, Z., Meng, R., Xu, F., & Gao, M. (2018). Analysis of relationships between land surface temperature and land use changes in the Yellow River Delta. Frontiers of earth science, 12(2), 444-456.
Pascal M, Laaidi K, Ledrans M, Baffert E, Caserio-Schönemann C, Le Tertre A, Manach J, Medina
S, Rudant J, Empereur-Bissonnet P (2005) France’s heat health watch warning system. Int
J Biometeorol 50(3):144–153
Rishi, Parul & Khuntia, Gayatri. (2012). Urban Environmental Stress and Behavioral Adaptation in Bhopal City of India. Urban Studies Research, Vol, 2012.
Robine J-M, Cheung SLK, Le Roy S, Van Oyen H, Griffiths C, Michel J-P, Herrmann FR (2008), Death toll exceeded 70,000 in Europe during the summer of 2003. C R Biol 331:171–178.
Sun, S., Xu, X., Lao, Z., Liu, W., Li, Z., García, E. H., & Zhu, J. (2017). Evaluating the impact of urban green space and landscape design parameters on thermal comfort in hot summer by numerical simulation. Building and Environment, 123, 277-288.
Tepanosyan, G., Muradyan, V., Hovsepyan, A., Pinigin, G., Medvedev, A., & Asmaryan, S. (2021). Studying spatial-temporal changes and relationship of land cover and surface Urban Heat Island derived through remote sensing in Yerevan, Armenia. Building and Environment, 187, 107390.
Wang, S., Ma Q., Ding H. Liang H. (2018), Detection of urban espansion and land surface temperature chang using multi-temporal lnadsat images, Resources, Conseration and Recycling, vol 128, 526-534.
Journal of Geography and Planning
Volume 25, Issue 78
January 2022
Pages 21-41

Files

Share

How to cite

Statistics