برآورد شاخص واریانس حرارتی محدوده شهری و طبقه‌بندی آسایش حرارتی با استفاده از دمای سطح زمین (مطالعه موردی: شهر ساری)

جغرافیا و مخاطرات محیطی

دوره 14، شماره 2 - شماره پیاپی 54، تیر 1404، صفحه 122-144   

نوع مقاله: مقاله پژوهشی

شناسه دیجیتال (DOI): 10.22067/geoeh.2025.88391.1492

نویسندگان

کاکا شاهدی^{* 1}؛ آرمان کیانی²؛ صلاح محمدی سروآله²

¹استاد آبخیزداری، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایران

²دانشجوی دکتری علوم و مهندسی آبخیز، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایران

چکیده

با توجه به اهمیت جزایر حرارتی شهری، در این پژوهش شاخص واریانس حرارتی محدوده شهری و طبقه ­بندی آسایش حرارتی در شهر ساری مورد مطالعه قرار گرفت. پس از اخذ تصاویر ماهواره لندست 8 برای 11 سال، شاخص واریانس حرارتی محدوده شهری براساس دمای سطح زمین و میانگین دما استخراج، و آسایش حرارتی براساس آن طبقه ­بندی شد. نتایج نشان داد میانگین دمای سطح زمین شهر ساری، در تاریخ 17 مرداد 1392 دارای کمترین میزان یعنی1/30 درجه سلسیوس و بیشترین میانگین دما در 21 تیر 1397 به میزان 62/40 درجه سلسیوس می ­باشد. بنابراین می­ توان دریافت که، مناطق دارای ساختمان­ های مسکونی و تجاری و پوشش­ های مصنوعی بیشترین دما را دارا می ­باشند. کمترین میزان شاخص واریانس حرارتی محدوده شهری در سطح پیکسل در 10 مرداد ماه 1401 برابر با 352/0- و بیشترین مقدار آن در 17 مرداد 1395 به مقدار 122/0 محاسبه شد. طبقه عالی، خوب و نرمال آسایش حرارتی در 19 تیر 1402 دارای بیشترین پهنه به میزان 49/58 درصد مساحت و کمترین میزان آن در 17 مرداد 1392 یعنی 39/50 درصد مساحت را دارا می ­باشد. طبقه بد، بدتر و بدترین آسایش حرارتی در 17 مرداد 1392 دارای بیشترین پهنه به میزان 61/49 درصد مساحت و کمترین میزان آن در 19 تیر 1402 به میزان 51/41 درصد را شامل می ­شود. براساس این نتایج می ­توان دریافت که، مناطق مرکزی شهر ساری و دیگر مناطقی از شهر که پوشش سبز کمتری دارند یا در آن­ها ساخت و سازهای غیراصولی بدون توجه به الگوهای زیست شهری انجام گرفته در طبقه پایینی از آسایش قرار می گیرند.

کلیدواژه‌ها

دمای سطح زمین (LST)؛ جزیره گرمایی شهری (UHI)؛ شاخص واریانس میدان حرارتی شهری (UTFVI)؛ زون‌بندی آسایش حرارتی؛ سنجش از دور

مراجع

Aghdar, H., Shayesteh, K., Mohammadyari, F., & Rangzan, K. (2020). Evaluation of spatial distribution of earth surface temperature in Behbahan during 2000 - 2014 period using thermal remote sensing. Human Geography Research, 52(3), 817-832. [In Persian] https://doi.org/10.22059/jhgr.2019.236547.1007487

Ahmed, S. (2018). Assessment of urban heat islands and impact of climate change on socioeconomic over Suez Governorate using remote sensing and GIS techniques. The Egyptian Journal of Remote Sensing and Space Science, 21(1), 15-25.‏ https://doi.org/10.1016/j.ejrs.2017.08.001

Al Rakib, A., Ayan, S. M., Orthy, T. T., Sarker, O., Intisar, L., & Arnob, M. A. (2020). In Depth-Analysis of Urban Resident-Satisfaction Level of Mirpur. Dhaka, Bangladesh: A Participatory Approach. In Proceedings of the 1st International Student Research Conference.‏ Dhaka, Bangladesh.

Asghari Sarasekanrood, S., & Asadi, B. (2021). Analysis of land use changes and their effects on the creation of thermal islands in Isfahan City. The Journal of Geographical Research on Desert Areas, 8(2), 217-246. [In Persian] https://dorl.net/dor/20.1001.1.2345332.1399.8.2.9.6

Avdan, U., & Jovanovska, G. (2016). Algorithm for automated mapping of land surface temperature using LANDSAT 8 satellite data. Journal of Sensors, 2016(1), 1-8.‏ https://doi.org/10.1155/2016/1480307

Azimi, E., Akbari, R., & Armin, M. (2023). Explaining the Relationship between Thermal Islands and a Number of Morphological Factors of the City Using Remote Sensing and GIS (Case Study: Ahvaz). Journal of Geography and Environmental Studies, 11(44), 42-57.‏ [In Persian] https://dorl.net/dor/20.1001.1.20087845.1401.11.44.3.6

Esmaeeli, S. (2022). The application of thermal remote sensing and GIS in the assessment of the spatial distribution of land surface temperature in urban environments (The case of study of Tabriz city). Remote Sensing and GIS Applications in Environmental Sciences, 2(3), 1-23. [In Persian] https://jzpm.marvdasht.iau.ir/article_3992.html

Guha, S., Govil, H., Dey, A., & Gill, N. (2018). Analytical study of land surface temperature with NDVI and NDBI using Landsat 8 OLI and TIRS data in Florence and Naples city, Italy. European Journal of Remote Sensing, 51(1), 667–678. https://doi.org/10.1080/22797254.2018.1474494

Hashemi, S. M., Alavipanah, S. K., & Dinarvandi, M. (2013). LST assessment using thermal remote sensing in urban environment. Journal of Environmental Studies, 39(1), 81-92.‏ [In Persian] https://doi.org/10.22059/jes.2013.30392

Jumari, N. A. S. K., Ahmed, A. N., Huang, Y. F., Ng, J. L., Koo, C. H., Chong, K. L., ... & Elshafie, A. (2023). Analysis of urban heat islands with landsat satellite images and GIS in Kuala Lumpur Metropolitan City. Heliyon, 9(8).‏ https://doi.org/10.1016/j.heliyon.2023.e18424

Kafy, A. A., Al Rakib, A., Akter, K. S., Jahir, D. M. A., Sikdar, M. S., Ashrafi, T. J., ... & Rahman, M. M. (2021). Assessing and predicting land use/land cover, land surface temperature and urban thermal field variance index using Landsat imagery for Dhaka Metropolitan area. Environmental Challenges, 4, 100192. https://doi.org/10.1016/j.envc.2021.100192

 

 

Kafy, A. A., Rahman, M. S., Islam, M., Al Rakib, A., Islam, M. A., Khan, M. H. H., ... & Sattar, G. S. (2021). Prediction of seasonal urban thermal field variance index using machine learning algorithms in Cumilla, Bangladesh. Sustainable Cities and Society, 64, 102542.‏ https://doi.org/10.1016/j.scs.2020.102542

Kamyabi, S., & Abdi, K. (2020). Detection and analysis of the trend of climate change (precipitation and temperature) within the boundaries of Sari. Journal of Environmental Science and Technology, 7(22), 165-179. [In Persian] https://doi.org/10.22034/jest.2019.43898.4642

Khedmatzadeh, A., Mousavi, M., Mohamadi Torkamani, H., & Mohammadi, M. S. (2021). An Analysis of Land Use Changes and Thermal Island Formation in Urmia City exclusion Using Remote Sensing. Regional Planning, 11(41), 119-134. [In Persian] https://dx.doi.org/10.30495/jzpm.2021.3965

Khosravi, Y., Heidari, M. A., Tavakoli, A., & Zamani, A. A. (2017). Analyzing of the Relationship Between Land Surface Temperature Temporal Changes and Spatial Pattern of Land Use changes. The Journal of Spatial Planning, 21(3), 119-144.‏ [In Persian] http://hsmsp.modares.ac.ir/article-21-4560-fa.html

Kikon, N., Kumar, D., & Ahmed, S. A. (2023). Quantitative assessment of land surface temperature and vegetation indices on a kilometer grid scale. Environmental Science and Pollution Research, 30(49), 107236-107258.‏ https://doi.org/10.1007/s11356-023-27418-y

Mahmoudzadeh, H., Naghdbishi, A., & Momeni, S. (2018). The Impact of Urban Use on Creation of Thermal Islands (Case Study: Mashhad City). Journal of Geography and Environmental Hazards, 7(3), 105-119. [In Persian] https://doi.org/10.22067/geo.v0i0.68150

Mansourmoghaddam, M., Rousta, I., Zamani, M. S., Mokhtari, M. H., Karimi Firozjaei, M., & Alavipanah, S. K. (2023). Investigating and Modeling the Effect of the Composition and Arrangement of the Landscapes of Yazd City on the Land Surface Temperature Using Machine Learning and Landsat-8 and Sentinel-2 Data. Iranian Journal of Remote Sensing & GIS, 15(3), 1-26. [In Persian] https://doi.org/10.48308/gisj.2023.102195

Marcel, C., & Villot, J. (2021). Urban Heat Island index based on a simplified micro scale model. Urban Climate, 39, 100922.‏ https://doi.org/10.1016/j.uclim.2021.100922

Moazzam, M. F. U., Doh, Y. H., & Lee, B. G. (2022). Impact of urbanization on land surface temperature and surface urban heat Island using optical remote sensing data: A case study of Jeju Island, Republic of Korea. Building and Environment, 222, 109368.‏ https://doi.org/10.1016/j.buildenv.2022.109368

Nikpour, A., & Yarahmadi, M. (2022). Measurement and evaluation of urban sprawl (Case study: Sari city). Geographical Urban Planning Research (GUPR), 10(2), 189-204.‏ [In Persian] https://doi.org/10.22059/jurbangeo.2022.336711.1643

Niliyeh Brojeni, M., & Ahmadi Nadoushan, M. (2019). The relationship between urban vegetation and land surface temperature in Isfahan city using Landsat TM and OLI satellite images and LST index. Environmental Sciences, 17(4), 163-178. [In Persian] https://doi.org/10.29252/envs.17.4.163

Pouramin, K., Khatami, S. M., & Shamsodini, A. (2020). Effective Factors of Forming Urban Heat Islands; With an Emphasis on Urban Design Challenges and Features. Urban Design Discourse-a Review of Contemporary Litreatures and Theories, 1(1), 69-83.‏ [In Persian] http://udd.modares.ac.ir/article-40-35601-fa.html

Sejati, A. W., Buchori, I., & Rudiarto, I. (2019). The spatio-temporal trends of urban growth and surface urban heat islands over two decades in the Semarang Metropolitan Region. Sustainable Cities and Society, 46, 101432. https://doi.org/10.1016/j.scs.2019.101432

Shahinejad, B., & Dehghani, R. (2016). Application of Wavelet Neural Network for Estimation of Mean Daily Temperature in Sari Area. Journal of Climate Research, 1395(27), 75-86.‏ [In Persian] https://clima.irimo.ir/article_54786.html

Shakiba, A., Firoozabadi, P., Ashourloo, D., & Namdari, S. (2009). Analysis of relationship between land use/cover and urban heat island, using ETM+. Iranian Journal of Remote Sensing and GIS, 1(1), 39-56.‏ [In Persian] https://gisj.sbu.ac.ir/article_94232.html

Sobrino, J. A., Caselles, V., & Becker, F. (1990). Significance of the remotely sensed thermal infrared measurements obtained over a citrus orchard. ISPRS Photogrammetric Engineering and Remote Sensing, 44, 343-354. https://doi.org/10.1016/0924-2716(90)90077-O

Sobrino, J. A., Jimenez, M., & Paolinib, C. J. (2004). Land surface temperature retrieval from LANDSAT TM5. Remote Sensing of Environment, 90, 434-440. https://doi.org/10.1016/j.rse.2004.02.003

Tomlinson, C. J., Chapman, L., Thornes, J. E., & Baker, C. J. (2011). Including the urban heat island in spatial heat health risk assessment strategies: a case study for Birmingham, UK. International Journal of Health Geographics, 10(42), 1-14.  https://doi.org/10.1186/1476-072x-10-42

Walsh, J., Wuebbles, D., Hayhoe, K., Kossin, J., Kunkel, K., Stephens, G., ... & Somerville, R. (2014). Our changing climate. In: U.S. Government Printing. Climate change impacts in the United States. Washington D.C.: U.S. Government Printing. http://dx.doi.org/10.7930/J0KW5CXT

Wang, H., Zhang, Y., Tsou, J. Y., & Li, Y. J. S. (2017). Surface urban heat island analysis of Shanghai (China) based on the change of land use and land cover. Sustainability, 9(9), 1538. https://doi.org/10.3390/su9091538