بررسی رابطه ی فضایی-زمانی پوشش جلگه ای شهرستان دزفول بر مبنای تغییرات دما، کاربری اراضی و پوشش گیاهی با استفاده از سنجش از دور

نوع مقاله : مقاله پژوهشی

نویسندگان

1 گروه سنجش از دور و GIS - دانشکده جغرافیا - دانشگاه تهران

2 گروه سنجش ازدور و سیتم اطلاعات جغرافیایی، دانشکده جغرافیا. دانشگاه تهران. تهران. ایران

چکیده

شهرنشینی و افزایش مواد غیر قابل نفوذ باعث ایجاد تغییرات قابل توجهی در خواص حرارتی منطقه می شود، که منجر به ایجاد جزایر حرارتی شهری می شود، از سویی دیگر، تغییرکاربری ناشی از فعالیت های انسانی منجر به اثرات نامطلوب بر محیط زیست منطقه می شود. مناطق جلگه ای نمونه ی بارز این پدیده ها هستند. هدف این مطالعه، تجزیه و تحلیل تغییرات مکانی و زمانی کاربری زمین/پوشش زمین و اثرات آن بر دمای سطح زمین در منطقه ی جلگه ایی شهرستان دزفول می باشد. تصاویر Landsat در سال های 2000-2020 برای تجزیه و تحلیل تغییرات LU/LC و باندهای حرارتی آن برای بررسی LST با استفاده از تکنیک‌های سنجش از دور استفاده شد. تغییرات قابل توجهی در کاربری زمین در این جلگه ی حاصلخیز در طول دوره ی مورد مطالعه مشاهده شد. بیشترین درصد تغییر کاربری مربوط به تغییر بایر به کشاورزی و باغی، و سپس تغییر کاربری آبی به کشاورزی و باغی بوده است. مناطق آبی در طول دوره پایش 151189 به نصف 66712 هکتار کاهش یافته و مناطق شهری از مساحت 97462 به مساحت 174713تقریبا دو برابر افزایش داشته است. دمای سطح زمین در طول دوره ی پایش روندی افزایشی داشته است، متوسط دمایی در تمام کلاس های کاربری اراضی روندی افزایشی داشته است، اما این افزایش دما در کاربری بایر و شهری نسبت به کاربری کشاورزی و باغی بیشتر است. شاخص پوشش گیاهی در طول دوره ی مورد پایش افزایش داشته، اما این افزایش به مقداری نبود که بتواند از روند افزایش دما جلوگیری کند.

کلیدواژه‌ها

موضوعات


Alemu, M., 2019. Analysis of Spatio-temporal Land surface temperature and normalized difference vegetation index changes in the Andassa Watershed, Blue Nile Basin, Ethiopia. Journal of Resources and Ecology 10(1), 77–85. https://doi:10.5814/j.issn.1674-764x.2019.01.010.
Al Kafy, A., Rahman, S., Islam, M., Al Rakib, A., Islam, A., Khan, H.H., et al., 2020. 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.
Borges, C.K., de Medeiros, R.M., Ribeiro, R.E.P., dos Santos, E.G., Carneiro, R.G., dos Santos, C.A.C., 2016. Study of biophysical parameters using remote sensing techniques to Quixer_e-CE region, Journal of Hyperspectral Remote Sensing 6(6), 283-294. https://doi.org/10.5935/2237-2202.20160028.
Chaudhuri, G., Mishra, N.B., 2016. Spatio-temporal dynamics of land cover and land surface temperature in Ganges-Brahmaputra delta: a comparative analysis between India and Bangladesh. Journal of Applied Geography 68, 68-83. https://doi.org/ 10.1016/j.apgeog.2016.01.002.
Chen, Y.C., Chiu, H.W., Su, Y.F., Wu, Y.C., Cheng, K.S., 2017. Does urbanization increase diurnal land surface temperature variation Evidence and implications. Journal of Landscape and Urban Planning 157, 247–258. https://doi.org/10.3390/urbansci2010016
Chrisben, S., Balasubramanian, G., 2022. Spatiotemporal detection of land use/land cover changes and land surface temperature using Landsat and MODIS data across the coastal Kanyakumari district, India, Journal of Geodesy and Geodynamics 14, 172-181. https://doi.org/10.1016/j.geog.2022.09.002.
Cristóbal, J., Jiménez-Muñoz, J., Prakash, A., Mattar, C., Skokovi´c, D., Sobrino, J., 2018. An Improved Single-Channel Method to Retrieve Land Surface Temperature from the Landsat-8 Thermal Band. Journal of Remote Sensing 10, 1-14. https:// doi:10.3390/rs10030431.
Elijah, A., Njoku, D., Tenenbaum, E., 2022. Quantitative assessment of the relationship between land use/land cover (LULC), topographic elevation and land surface temperature (LST) in Ilorin, Nigeria, Remote Sensing Applications Society and Environment 27, 1-18. https://doi.org/10.1016/j.rsase.2022.100780.
Fu, Y., Li, J., Weng, Q., Zheng, Q., Li, L., Dai, S., Guo, B., 2019. Characterizing the spatial pattern of annual urban growth by using time series Landsat imagery. Science of The Total Environment 66, 274-284. https://doi.org/10.3390/rs13214339.
Fu, P., Weng, Q., 2018. Variability in annual temperature cycle in the urban areas of the United States as revealed by MODIS imagery. Journal of Photogrammetry Remote Sensing 146, 65–73. https://doi.org/10.1016/j.isprsjprs.2018.09.003.
Ghorbannia Kheybari, V., Mirsanjari, M., Liaghati, H., Armin, M., 2017. Estimating land surface temperature of land use and land cover in Dena County using single window algorithm and Landsat 8 satellite data. Journal of Environmental Sciences 15(2), 55-74. https://doi.org/10.3390/rs11020155.
Guha, S., Govil, H., Besoya, M., 2020. An investigation on seasonal variability between LST and NDWI in an urban environment using Landsat satellite data. Journal of Geomatics, Natural and Hazards Risk 11(1), 13-19.  https://doi.org/10.1080/19475705.2020.1789762.
Hashim, H., Abd Latif, Z., Adnan, N.A., 2019. Urban vegetation classification with NDVI threshold value method with very high resolution (VHR) Pleiades imagery. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences 42, 237–240. https://doi.org/10.5194/isprs-archives-XLII-4-W16-237.
Hegazy, I.R., Kaloop, M.R., 2015. Monitoring urban growth and land use change detection with GIS and remote sensing techniques in Daqahlia governorate Egypt, International Journal of Sustainable Built Environment 4, 117-124. https://doi.org/10.1016/j.ijsbe.2015.02.005.
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. Journal of Remote Sensing 8, Issue 5, 413. https://doi:10.3390/rs8050413.
Islam, K., Jashimuddin, M., Nath, B., Nath, T.K., 2018. Land use classification and change detection by using multi - temporal remotely sensed imagery: the case of Chunati wildlife sanctuary, Bangladesh. The Egyptian Journal of Remote Sensing and Space Science  21(1), 37-47. https://doi.org/10.1016/j.ejrs.2016.12.005.
Jisha, J., Chithra, N.R., Thampi, S.G., 2021. Assessment of land surface temperature dynamics over the Bharathapuzha River Basin, India. Journal of Acta Geophysica 69, 855–876. https://doi.org/10.1007/s11600-021-00593-7.
Johnson, B., Tateishi, R., Kobayashi, T., 2012. Remote sensing of fractional green vegetation cover using spatially-interpolated endmembers. Journal of Remote Sensing 4(9), 2619-2634. https://doi.org/10.3390/rs4092619.
Lambin, E., Geist, H., 2006. Land Use, Land Cover Change, Local Process and Global Impacts. American Journal of Climate Change 8, 69-83. https://doi.org/10.1007/3-540-32202-7.
Li, K., Feng, M., Biswas, A., Su, H., Niu, Y., Cao, J., 2020. Driving factors and future prediction of land use and cover change based on satellite remote sensing data by the LCM model: a case study from Gansu province, China. Journal of Sensors 20, 27-57. https://doi.org/10.3390/s20102757.
Liu, P., Jia, S., Han, R., Liu, Y., Lu, X., Zhang, H., 2020. RS and GIS Supported urban LULC and UHI change Simulation and assessment. Journal of Sensors 2, 1-17, https:// doi.org/10.1155/2020/5863164.
Liu, M., Shi, W., Zhang, H., 2011. A fuzzy topology-based maximum likelihood classification. Journal of Photogrammetry and Remote Sensing 66, 103-114. https://doi.org/10.1016/j.isprsjprs.2010.09.007.
Meer, M.S., Mishra, A.K., 2020. Land Use / Land Cover changes over a district in northern India using remote sensing and GIS and their impact on society and environment. Journal of Geological Society of India 95(2), 179–182. https://doi.org/10.1007/ s12594-020-1407-2.
Moji, O.R., Ebune, N.C., 2015. Temperature mapping and sustainable development in ilorin metropolis: a geospatial approach. Journal of Sustainable Development in Africa 17(7), 167-174. https://doi.org/10.1016/j.rsase.2022.100780.
Olanrewaju, R.M., 2009. The climate effect of Urbanization in a city of developing country: the case of Ilorin, Kwara State, Nigeria. Ethiopian Journal of Environmental Studies and Management 2(2), 67-72. https://doi: 10.4314/ejesm.v2i2.45921.
Patel, S.K., Verma, P., Singh, G.S., 2019. Agricultural growth and land use land cover change in peri-urban India. Journal of Environmental Monitoring and Assessment 191(9), 1–17. https://doi: 10.1007/s10661-019-7736-1.
Pepin, N., Deng, H., Zhang, H., Zhang, F., Kang, S., Yao, T., 2019. An Examination of temperature trends at high Elevations across the Tibetan plateau: the use of MODIS LST to understand patterns of Elevation-Dependent Warming, Journal of Geophysical Research, Atmospheres 12(4), 5738-5756, https://doi.org/10.1029/2018JD029798.
Rajendran, P., Mani, K., 2015. Estimation of spatial variability of land surface temperature using Landsat 8 imagery. The International Journal of Engineering and Science 4, 19-23. https://doi.org/10.4236/ars.2021.104009
 Rajani, A., Varadarajan, S., 2021. Estimation and validation of land surface temperature by using remote sensing & GIS for Chittoor District, Andhra Pradesh. Turkish Journal of Computer and Mathematics Education 12, 607–617. https://doi.org/10.17762/turcomat.v12i5.1059.
Sheykh Beyglou, R., Negahban, S., 2017. Suitable Areas for Urban Physical Expansion Emphasizing on Geomorphologic Factors (Case Study: Dezful City). Journal of Geographical urban planning research 5, 565-583.  https://doi.org/10.22059/jurbangeo.2018.224989.651.
Yeneneh, N., Elias, E., Legese Feyisa, G., 2022. Detection of land use/land cover and land surface temperature change in the Suha Watershed, North-Western highlands of Ethiopia. Journal of Environmental Challenges 7, 1-13, 100523. https://doi.org/10.1016/j.envc.2022.100523.
Zhang, Z., He, G., 2013. Generation of Landsat surface temperature product for China, 2000-2010, International Journal of Remote Sensing 34, 7369-7375. https://doi.org/10.1080/ 01431161.2013.820368.