ارزیابی الگوی فضایی دمای سطح زمین با تاکید بر تغییرات کاربری اراضی (مطالعه موردی: شهرستان جیرفت) | ||
| فصلنامه علمی توسعه پایدار محیط جغرافیایی | ||
| دوره 4، شماره 7، بهمن 1401، صفحه 86-99 اصل مقاله (1.46 M) | ||
| نوع مقاله: پژوهشی | ||
| شناسه دیجیتال (DOI): 10.52547/sdge.4.7.86 | ||
| نویسندگان | ||
| مریم دوستکی1؛ اردوان کمالی* 2؛ محسن باقری بداغ آبادی3؛ حسین شیرانی4؛ علیرضا شکیبا5؛ حسین شکفته6 | ||
| 1دانشجوی گروه علوم خاک دانشکده کشاورزی دانشگاه ولی عصر(ع)، رفسنجان، کرمان، ایران | ||
| 2دانشیار گروه علوم خاک دانشکده کشاورزی دانشگاه ولی عصر (ع)، رفسنجان، کرمان، ایران | ||
| 3استادیار مؤسسه تحقیقات آب و خاک وزارت کشاورزی، کرج، ایران | ||
| 4استاد گروه علوم خاک دانشکده کشاورزی دانشگاه ولی عصر (ع)، رفسنجان، کرمان، ایران | ||
| 5استاد گروه علوم زمین دانشکده سنجش از دور، دانشگاه شهید بهشتی، تهران، ایران | ||
| 6دانشیار گروه علوم خاک دانشکده کشاورزی دانشگاه منابع طبیعی، جیرفت، کرمان، ایران | ||
| چکیده | ||
| چکیده مبسوط پیشینه و هدف: دمای سطح زمین، عامل مهمی در مطالعات گرمایش جهانی و امروزه چالش اصلی بسیاری از محققین در سرتاسر دنیا است. با فناوری سنجش از دور میتوان دمای سطح زمین و تغییرات کاربری را طی سالهای مختلف با کمک تصاویر ماهوارهای، استفاده از تشعشع فروسرخ حرارتی و کاربرد مدل‌های فیزیکی مورد ارزیابی قرار داد. در مطالعات محیطی به علت موقعیت و مکان قرار گرفتن مشاهدات در فضای نمونه نمی‌توان از آمار سنتی به علت ساختار پیوسته در زمان و مکان استفاده کرد. بدین منظور آمار فضایی (خودهمبستگی فضایی) روشی مناسب و نوین در تحلیل این داده‌ها است. مواد و روش ها: این پژوهش دادههای ماهوارهای مربوط به تصاویر لندست 5 و 8 برای سالهای 1990 و 2020 از سایت زمین شناسی آمریکا تهیه شدند. پس از انجام تصحیحات تصاویر، نقشههای کاربری اراضی شهرستان جیرفت تهیه شدند و سپس با استفاده از ترکیب باندی مرئی و مادون‌قرمز نقشههای کاربری اراضی تهیه شد. تبدیل مختلف طبقات کاربری اراضی و تغییرات آن طی این سال‌ها در نرم‌افزار ایدریسی مورد بررسی قرار گرفت. همچنین برای ارزیابی دقت نقشههای طبقهبندی شده از 150 نقطه کنترلی از گوگل ارث استفاده شد. برای بدست آوردن دمای سطح زمین نیز از باندهای حرارتی تصاویر لندست دریافتی استفاده شد و طی دو مرحله تبدیل رادیانس طیفی به دمای جسم سیاه و محاسبه گیسل‌مندی سطح دمای سطح زمین تعیین شد. در نهایت برای آشکارسازی الگوی فضایی تفاوت‌های محلی از آماره خودهمبستگی فضایی موران محلی استفاده شده است. یافتهها و بحث: نتایج نشان داد که طی سالهای 1990 تا 2020 بخشی از اراضی بایر و مسیل به پهنه آبی تبدیل شدهاند که این کاربری با احداث سد بعد از سال 1990 افزایش پیدا کرد. میانگین دمای سطح زمین طی 30 سال 1/11 درجه افزایش داشت که این افزایش دما در همه کاربریها دیده می‌شود. علت این افزایش را میتوان بالا رفتن دمای هوا دانست. از دلایل دیگر افزایش دمای سطح زمین را میتوان افزایش ساخت‌وسازها در منطقه دانست. تقسیم‌بندی طبقات دمای سطح زمین نشان داد که طبقات خیلی گرم و گرم که در بخش‌های جنوبی در سال 2020 افزایش و طبقه متوسط (بیشترین تغییر) و سرد کاهش داشته است. نتایج آنالیز آماره همبستگی مکانی محلی نشان داد که خوشه‌های داغ به‌تدریج در مناطق جنوبی و خوشه‌های خنک در مناطق شمالی و شمال شرقی تمرکز بیشتری پیداکرده‌اند. نتیجه گیری: یافتههای این پژوهش نشان داد با وجود افزایش کاربری کشاورزی و باغ و کاهش مناطق بایر دمای سطح زمین در همه کاربریها به مقدار زیادی افزایش خواهد یافت. هرچند که مناطق ساخت انسان نیز درحال افزایش است اما دلیل اصلی دمای سطح زمین را میتوان بالا رفتن دمای هوا و تغییرات اقلیم برشمرد. | ||
| کلیدواژه‌ها | ||
| دما؛ سطح زمین؛ فضایی؛ کاربری اراضی؛ موران؛ همبستگی | ||
| عنوان مقاله [English] | ||
| Evaluation of the Spatial Pattern of the Land Surface Temperature due to Land-use Change (Case Study: Jiroft City) | ||
| نویسندگان [English] | ||
| مریم doustaky1؛ ardavan kamali2؛ mohsen bagheri bodaghabadi3؛ hossin shirani4؛ alireza shakiba5؛ hossin shekofte6 | ||
| 1Graduated Ph.D. student of Soil Sciences and Engineering Department, College of Agriculture, Vali-e-Asr University of Rafsanjan, Rafsanjan, Iran | ||
| 22- Associate prof. of Soil Sciences and Engineering Department, Faculty of Agriculture, Vali-e-Asr University of Rafsanjan, Rafsanjan, Iran | ||
| 3Associate prof of Soil and Water Research Institute, Agricultural Research, Education and Extension Organization (AREEO), Karaj, Iran | ||
| 44- Professor of Soil Sciences and Engineering Department, Faculty of Agriculture, Vali-e-Asr University of Rafsanjan, Rafsanjan, Iran | ||
| 55- Professor of Faculty of Earth Sciences, Remote sensing Department, Shahid Beheshti University, Tehran, Iran | ||
| 66- Associate prof. of Soil Sciences and Engineering Department, Faculty of Agriculture, Agriculture and Natural Resources University of Jiroft, Kerman, Iran | ||
| چکیده [English] | ||
| Extended Abstract Background and purpose Earth's surface temperature is an important factor in global warming studies, and today it is the main challenge for many researchers worldwide. With remote sensing technology, it is possible to evaluate the temperature of the earth's surface and land use changes during different years with the help of satellite images, thermal infrared radiation, and physical models. In environmental studies, due to the location and location of the observations in the sample space, traditional statistics cannot be used due to the continuous structure of time and space. For this purpose, spatial statistics (spatial autocorrelation) is a suitable and new method for analyzing these data. Materials and methods In this research, satellite data related to Landsat 5 and 8 images for the years 1990 and 2020 were obtained from the American Geological Survey. After correcting the images, the land use maps of Jiroft city were prepared and using the combination of visible and infrared bands, land use maps were prepared. The transformation of different land use classes and their changes during these years were analyzed in IDRISI software. Also, 150 control points from Google Earth were exploited to evaluate the accuracy of classified maps. In order to obtain the temperature of the earth's surface, the thermal bands of the received Landsat images were used. In two steps, the spectral radiance was converted to the temperature of the black body, and the surface temperature of the earth's surface was calculated. Finally, to reveal the spatial pattern of local differences, the local Moran's spatial autocorrelation statistic has been exerted. Findings and discussion The results showed that from 1990 to 2020, part of barren and flood channel lands was converted into water areas, which increased with the dam's construction after 1990. The average temperature of the earth's surface increased by 11.1 degrees in 30 years, which can be seen in all uses. The reason for this increase can be seen as the increase in air temperature. Another reason for the increase in the temperature of the earth's surface is the increase in construction in the region. The classification of the earth's surface temperature classes showed that the very hot and warm classes in the southern parts increased in 2020, and the average (most change) and cold classes decreased. The local spatial correlation statistics analysis results showed that hot clusters are gradually concentrated in southern regions and cool clusters in northern and northeastern regions. Conclusion The findings of this research showed that despite the increase in agricultural and garden use and the decrease in barren areas, the earth's surface temperature would increase to a large extent in all uses. Although manufactured areas are also increasing, the main reason for the temperature of the earth's surface can be considered the increase in air temperature and climate change. | ||
| کلیدواژه‌ها [English] | ||
| Temperature, Land surface, Spatial, Land use, Moran's index, Correlation | ||
| مراجع | ||
|
- آرخی، ص. و ادیبنژاد، م.، 1394 . ارزیابی کارایی الگوریتم- های ماشین بردار پشتیبان جهت طبقهبندی کاربری اراضی با استفاده از دادههای ماهوارهای +ETM لندست )مطالعه موردی: حوزه سد ایلام(، تحقیقات مرتع و بیابان ایران جلد 004 -024 ،3 ،15 . https://www.sid.ir/paper/107095/fa - ابراهیمی، ع. و کیانیسلمی، ا.، 1395 . ارزیابی تأثیر تغییرات پوشش اراضی مرغزار در تعدیل دمای سطح زمین در مرغزار شهرکرد، برنامهریزی و آمایش فضا، 23 .34 DOR: 20.1001.1.16059689.1398.23.2.1.4 . - احمدی، ب.، قربانی، ا.، صفرراد، ط. و سبحانی، ب، 1393 بررسی دمای سطح زمین در رابطه با کاربری و پوشش اراضی با استفاده از دادههای سنجش از دور، سنجش از دور و سامانه .51-00 ،)1( اطلاعات جغرافیایی در منابع طبیعی، 5 https://www.sid.ir/fa/journal/ViewPaper.aspx?ID=243743 - اسدی، م.، خورشیددوست، ع. و داداشیرودباری، ع.، 1395 . ارزیابی خود همبستگی فضایی بارش ایران، جغرافیا .1-11 ،)02( و برنامهریزی، 02 https://geoplanning.tabrizu.ac.ir/article_10823.html - اسدی، م. و کرمی، م.، 1395 . بازنمایی تغییرپذیری دما در استان فارس با استفاده از آمار فضایی، تحقیقات جغرافیایی، .06-50 ،120 -103-1-http://georesearch.ir/articlefa.html - اصغریسراسکانرود، ص. و امامی، ه.، 1395 . پایش دمای سطح زمین و بررسی رابطه کاربری اراضی با دمای سطح با استفاده از تصاویر سنجنده OLI و +ETM مطالعه موردی .195-216 ،)63( )شهرستان اردبیل(، علوم جغرافیایی، 19 DOI: 10.29252/jgs.19.53.195 - انتظاری، ع.، امیراحمدی، ا.، علیآبادی، ک.، خسرویان، م. و ابراهیمی، م.، 1396 . پایش دمای سطح زمین و ارزیابی روند تغییرات کاربری اراضی )مطالعه موردی: حوضه آبخیز .139-113 ، دریاچه پریشان(، هیدروژئومورفولوژی، 5 https://hyd.tabrizu.ac.ir/article_5769.html - انصاری، م. و نوروزی، آ.، 1044 . بررسی تغییرات دمای سطح زمین با کاربری اراضی در کانون گردوغبار جنوب شرق اهواز با استفاده از تصاویر ماهواره لندست 5، تحقیقات آب و .1525-1504 .)0( خاک ایران، 62 DOI: 10.22059/ ijswr.2021.324040.78 - باباییفینی، ا.، 1390 . بررسی رابطه دمای سطح زمین و شاخص به هنجار شده پوشش گیاهی در محیط شهری )مطالعه موردی: کلانشهر اصفهان(، جغرافیای طبیعی، .)29(5 https://www.sid.ir/fa/journal/ViewPaper.aspx?ID=274230 - جمالی، ز.، اونق، م. و سلمانماهینی، ع.، 1395 . تحلیل ارتباط دمای سطح زمین با کاربری اراضی و شاخص اختلاف گیاهی نرمالشده در دشت گرگان، برنامهریزی و آمایش فضا، .105-190 ،)3(23 DOR: 20.1001.1.16059689.1398.23.3.7.2 - درویشی، ش.، رشیدپور، م. و سلیمانی، ک.، 1395 . بررسی ارتباط تغییرات کاربری اراضی با دمای سطح زمین با استفاده از تصاویر ماهوارهای مطالعه موردی: شهرستان مریوان، .152-103 ، جغرافیا و توسعه، 60 https://gdij.usb.ac.ir/article_4361.html - زارع، م.، تیموریان، ت. و حسنجوری، م.، 1396 . پایش تغییرات کاربری اراضی / پوشش با استفاده از شاخصهای شدت تغییرات، درجه پویایی و مقایسه پس از طبقهبندی، .123-135 ،)1( اکوسیستمهای طبیعی ایران، 5 https://journals.iau.ir/article_533200.html . - سرمست، م.، فرپور، م.ه. و اسفندیارپور بروجنی، ع.، 1390 مقایسه برخی خصوصیات جلای بیابان در سطوح پایدار، ناپایدار و نسبتاً پایدار پدیمنت پوشیده در منطقه جیرفت، علوم آب و خاک )علوم و فنون کشاورزی و منابع طبیعی(، .112-99 ،03 ، سال 19 https://civilica.com/doc/1203953/ - شمس الدینی، ج. و مزیدی، ا.، 1390 . بررسی تغییرات آب و هوایی و تاثیرات آن بر خرمای جیرفت، دومین کنفرانس ملی کشاورزی و توسعه، تهران، https://civilica.com/doc/431620 - شعبانی، م.، درویشی، ش. و سلیمانی، ک.، 1395 . بررسی آثار تغییرات کاربری اراضی بر الگوهای زمانی - مکانی دمای سطح زمین و جزایر حرارتی؛ مطالعه موردی: شهرستان سقز، .30-60 ،)03( جغرافیا و برنامهریزی محیطی، 34 Doi: 10.22108/gep.2019.115781.1127 - عبدالهی، ص.، ایلدرمی، ع.، سلمان ماهینی، ع. و فاخران، س.، 1395 . ارزیابی الگوهای همبستگی مکانی خدمات اکوسیستمی در بخش مرکزی استان اصفهان با رویکرد آمار .1226-1236 .)2( فضایی، مطالعات علوم محیطزیست، 0 http://www.jess.ir/article_92243.html - عبدلیلاکتاسرایی، م. و حقیقیخمامی، م.، 1399 . مقایسه روشهای طبقهبندی ماشین بردار پشتیبان و شبکه عصبی مصنوعی در تهیه نقشه کاربری اراضی )مطالعه موردی: پارک .54-00 ،)5( ملی بوجاق(، محیط زیست، 6 https://www.sid.ir/paper/404118/fa - علویپناه، ک.، 1356 . سنجش از دور حرارتی و کاربرد آن 063 ، در علوم زمین، انتشارات و چاپ دانشگاه تهران، چاپ 2 ص. - علیآبادی، ک. و داداشیرودباری، ع.، 1395 . بررسی تغییرات الگوهای خودهمبستگی فضایی دمای بیشینه ایران، .55-140 ،)21( مطالعات جغرافیایی مناطق خشک، 5 https://www.sid.ir/fa/journal/ViewPaper.aspx?id=284679 - صادقینیا، ع.، علیجانی، ب.، ضیائیان، پ. و خالدی، ش.، 1392 . کاربرد تکنیکهای خودهمبستگی فضایی در تحلیل جزیره حرارتی شهر تهران، تحقیقات کاربردی علوم .55-94 ،)34( جغرافیایی، 13 https://www.sid.ir/Fa/Journal/ViewPaper.aspx?ID=211717 - کاکهممی، آ.، قربانی، ا.، اصغری سراسکانرود، ص.، قلعه، ا. و غفاری، س.، 1399 . بررسی رابطه تغییرات کاربری اراضی و پوشش گیاهی با دمای سطح زمین در شهرستان نمین، سنجش از دور و سامانه اطلاعات جغرافیایی در منابع طبیعی، .20-05 ،)2(11 https://www.sid.ir/fa/journal/ViewPaper.aspx?ID=531246 - کریمیفیروزجایی، م.، کیاورز، م. و علویپناه، س.ک.، 1395 . پایش و پیشبینی شدت جزیره حرارتی شهر بابل با توجه به گسترش شهری و تغییرات کاربری اراضی در بازه 1350 ، مهندسی فناوری اطلاعات مکانی، - زمانی 1390 .161-123 ،)3(6 DOI: 10.29252/jgit.5.3.123] - مصطفیزاده، ر.، مرادزاده، و.، علائی، ن. و حزباوی، ز.، 1044 . کاربرد شاخص هرست در تعیین حافظه طولانیمدت سریهای زمانی بارش و دبی ایستگاههای منتخب استان -131 ،)2( اردبیل، نشریه حفاظت منابع آب و خاک، 11 .131 DOI: 10.30495/WSRCJ.2021.19217 - مزیدی، ا.، مغانیرحیمی، ف. و غفاریانمالمیری، ح.، 1044 . تحلیل تغییرات فضایی و زمانی دمای سطح زمین با استفاده از سنجش از دور )مطالعه موردی: محدوده شهر ابرکوه(، دومین کنفرانس ملی دادهکاوی در علوم زمین، دانشگاه صنعتی اراک. . - هاشمی، م.، علویپناه، س.ک. و دیناروندی، م.، 1391 ارزیابی توزیع مکانی دمای سطح زمین در محیطزیست شهری با کاربرد سنجش از دور حرارتی، محیطشناسی، 39 .92-51 ،)1( https://www.sid.ir/fa/journal/ViewPaper.aspx?ID=195323 - - Abdolalizadeh, Z., Ghorbani, A. and Mostafazadeh, R., et al., 2020. Rangeland canopy cover estimation using Landsat OLI data and vegetation indices in Sabalan rangelands, Iran, Geosciences, 13(6), 1-13. https://doi.org/10.1007/s12517-020-5150-1 - Abdulla-Al Kafy, A. and Huda Naim, M.N., 2021. Assessment of urban thermal field variance index and defining the relationship between land cover and surface temperature in Chattogram city: A remote sensing and statistical approach, Environmental Challenges, 4(100107), 1-14. https://doi.org/10.1016/j.envc.2021.100107 - Al Kafy, A., Narayan Dey, N., Al Rakib, A., A Rahaman, Z., Refat Nasher, N.M. and Bhatt, A., 2021. Modeling the relationship between land use/land cover and land surface temperature in Dhaka, Bangladesh using CA-ANN algorithm, Environmental Challenges, 4(100190). https://doi.org/10.1016/j.envc.2021.100190 - Alavipanah, S.K., 2003. Study of Lut desert surface temperature using field measurements and satellite thermal data. Desert., 1(7), 85-99. https://www.sid.ir/en/Journal/ViewPaper.aspx?ID=28398 - Anselin, L., 1995. Local Indicators of Spatial Association – LISA. Geographical Analysis, 27, 93-115. https://doi.org/10.1111/j.1538-4632.1995.tb00338. - Artis, D.A. and Carnahan, W.H., 1982. Survey of emissivity variability in thermography of urban areas. Remote Sensing Environment, 12, 313-329. https://www.osti.gov/biblio/6428251 - Apostolidis-afentoulis, V. and Lioufi, K., 2015. SVM classification with Linear and RBF kernels, 1-7. DOI: 10.13140/RG. - Congalton, R.G. and Green, K., 2009. Assessing the accuracy of remotely sensed data: principles and practices. CRC Press, Boca Raton, Florida, 137 p. https://www.routledge.com/Assessing-the-Accuracy-of-Remotely-Sensed-Data-Principles-and-Practices/Congalton-Green/p/book/9780367656676 - Guan, D., Li, H., Inohae, T., Su, W., Nagaie, T. and Hokao, K., 2011. Modeling urban land use change by the integration of cellular automaton and Markov model. Ecological Modelling, Elsevier, 222(20), 3761 -3772. https://ideas.repec.org/a/eee/ecomod/v222y2011i20p3761-3772.html - Illian, J., Penttinen, A., Stoyan, H. and Stoyan, D., 2008. Statistical Analysis and Modelling of Spatial Point Patterns. John Wiley and Sons, Chichester. https://doi.org/10.1093/tropej/fmn022. - Jiang, J. and Tian, G., 2010. Analysis of The Impact of Land Use/ Land Cover Change on Land Surface Temperature with Remote Sensing, Procedia Environmental Sciences, 2, 571-575. https://doi.org/10.1016/j.proenv.2010.10.062 - Karimi Firozjaei, M., Kiavarz, M., Alavipanah, S.K., Lakes, T. and Qureshi, S., 2018. Monitoring and forecasting heat island intensity through multi-temporal image analysis and cellular automata-Markov chain modelling: A case of Babol city, Iran, Ecological Indicators, https://doi.org/10.1016/j.ecolind.2018.03.052. - Mitchell, A., 2005. The ESRI guide to GIS analysis, volume 2: spatial measurements and statistics. ESRI, Redlands [CA]. https://www.amazon.com/ESRI-Guide-GIS-Analysis-Measurements/dp/158948116X - Pao, Y.H., 1989. Adaptive pattern recognition and neural networks. Addison-Wesley Longman Publishing Co.,Inc. - Rehman, A., Qin, J., Pervez, A., Sadiq Khan, M., Ullah, S., Ahmad, KH. and Ur Rehman, N., 2022. Land-Use/Land Cover Changes Contribute to Land Surface Temperature: A Case Study of the Upper Indus Basin of Pakistan, Sustainability, 14(934), 1-15. https://doi.org/10.3390/su14020934 - Rouse, J.W., Haas, R.H., Schell, J.A. and Deering, D.W., 1974. Monitoring vegetation systems in the Great Plains with ERTS, In: S.C. Freden, E.P. Mercanti, and M. Becker (eds) Third Earth Resources Technology Satellite–1 Syposium. Volume I: Technical Presentations, NASA SP-351, NASA, Washington, D.C., 309-317. https://ntrs.nasa.gov/citations/19740022614 - Sobrino, J.A., Jiménez-Muñoz, J.C. and Paolini, L., 2004. Land surface temperature retrieval from LANDSAT TM 5. Remote Sensing Environment, 90(4), 434-440. DOI: 10.1016/j.rse.2004.02.003 - Talebi Khiavi, H. and Mostafazadeh, R., 2021. Land use change dynamics assessment in the Khiavchai region, the hillside of Sabalan mountainous area, Geosciences 14, 2257. https://doi.org/10.1007/s12517-021-08690-z. - Walawender, J.P., Szymanowski, M., Hajto, M.J. and Bokwa, A., 2014. Land surface temperature patterns in the urban agglomeration of Krakow (Poland) derived from Landsat-7/ETM+ data. Pure and Applied Geophysics Geophys, 171(6), 913-940. https://link.springer.com/article/10.1007/s00024-013-0685-7 - Xu, H. and Chen, B., 2003. An image processing technique for the study of urban heat island changes using different seasonal remote sensing data. Remote Sensing Technology and Application, 18(3), 129-133. DOI: 10.11873/j.issn.1004-0323.2003.3.129. - Zhang, C., Luo, L., Xu, W. and Ledwith, V., 2008. Use of local Moran's I and GIS to identify pollution hotspots of Pb in urban soils of Galway, Ireland. Science of The Total Environment, 398, 212-221. - Zhang, H., Xue, L., Yang, C., Chen, X., Zhang, L. and Wei, G., 2017. Dynamic Assessment on the Landscape Patterns and Spatiotemporal Change in the mainstream of Tarim River, Earth and Environmental Science, 108(032058), 1- | ||
|
آمار تعداد مشاهده مقاله: 533 تعداد دریافت فایل اصل مقاله: 488 |
||