ارزیابی تغییرات دمای سطح زمین (LST) روستاها در روزهای تعطیل (مطالعه موردی: روستاهای شهرستان تفت یزد)

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری سنجش ‌از دور، مرکز مطالعات سنجش‌ از دور و GIS، دانشگاه شهید بهشتی، تهران، ایران

2 دانشیار اقلیم‌شناسی، گروه جغرافیا، دانشگاه یزد، یزد، ایران

چکیده

از پیامدهای دو سویه گرمایش جهانی و تغییرات اقلیمی، تاثیرات آن بر آلودگی آب و هوا است که خود می‌تواند به اثرگذاری بر معیشت روستایی و یا از بین رفتن مناطق روستایی شود. پژوهش حاضر اثر حضور انسان و وسایل و فعالیت‌های گرمازای وی در روزهای تعطیل بر دمای سطح زمین (LST) ییلاقات شهرستان تفت استان یزد را بررسی می‌کند. بدین منظور تصاویر دو دوره مقایسه‌ای فروردین (10 فروردین با 2 فروردین) و تابستان (جمعه با پنجشنبه و شنبه) سال 1402 ماهواره‌های لندست 8 و 9 مورد استفاده قرار گرفتند. سپس نقشه دمای سطح زمین و تحلیل هات-اسپات (G-i-star) از منطقه تهیه شده و تغییرات مورد ارزیابی قرار گرفتند. نتایج نشان داد در دوره فروردین، 64% و در دوره تابستان، 1/60% از نقاط روستایی دچار افزایش LST شده بودند. همچنین 1/43% تا 5/43% از سطح روستایی منطقه در فروردین و 2/31% تا 8/31% در تابستان افزایش دما را تجربه کرده بودند. افزایش واریانس دمایی نیز در این مناطق مشاهده شد که افزایش تنوع دمایی در این مناطق را نشان می‌دهد. تعداد نقاط داغ (Hot Spot) در این مناطق همچنین با 4/111% در فروردین و 48% و 1/21% در تابستان افزایش نشان داد. نتایج همچنین نشان داد 1/65% از پوشش گیاهی روستایی در فروردین و 8/49% در تابستان با افزایش LST روبرو بوده‌اند که از این بین افزایش 19 درصدی فروردین و 9/49 و 6/8 درصدی تابستان در واریانس دما و 3/118 درصدی فروردین و 5/9 و 2/0 درصدی تابستان در تعداد نقاط داغ سهم مناطق دارای پوشش گیاهی بوده است. بر اساس نتایج همچنین تمامی دهستان‌ها افزایش LST را تجربه کرده بودند که نوسانات این افزایش در دهستان‌های دارای پوشش گیاهی کمتر و نیز مساحت کمتر، بیشتر بوده است. پژوهش حاضر می‌تواند به منزله زنگ خطری برای ایجاد جزایر حرارتی روستایی (همچون شهرها) در روزهای تعطیل با گردشگر فراوان و آسیب‌های جدی به پوشش گیاهی و اقلیم روستایی تلقی شود.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Evaluation of changes in land surface temperature (LST) of villages on holidays (case study: villages of Taft, Yazd)

نویسندگان [English]

  • Mohammad Mansourmoghaddam 1
  • Iman Rousta 2
1 PhD student in Remote Sensing, Center for Remote Sensing and GIS Research, Shahid Beheshti University, Tehran, Iran
2 Assistant Professor of Climatology, Department of Geography, Yazd University, Yazd, Iran
چکیده [English]

One of the two-way consequences of global warming and climate change is its effects on water and air pollution, which can affect rural livelihoods or the destruction of rural areas. The current research examines the effect of human presence and his heat-generating devices and activities on the Land Surface Temperature (LST) of the summer residences of Taft city, Yazd province. For this purpose, the images of two comparative periods of April (April 10 with April 2) and summer (Friday with Thursday and Saturday) of Landsat 8 and 9 satellites were used. Then the surface temperature map and hot-spot analysis (G-i-star) of the area were prepared and the changes were evaluated. The results showed that in April period, 64% and in summer period, 60.1% of rural areas experienced an increase in LST. Also, 1.43% to 43.5% of the rural area of the region had experienced an increase in temperature in April and 31.2% to 31.8% in summer. An increase in temperature variance was also observed in these areas, which shows an increase in temperature variation in these areas. The number of hot spots in these areas also increased by 111.4% in April and 48% and 21.1% in summer. The results also showed that 65.1% of rural vegetation in April and 49.8% in summer faced an increase in LST, of which there was a 19% increase in April and 49.9 and 8.6% in summer in temperature variance and 3. 118 percent of April and 9.5 and 0.2 percent of summer in the number of hot spots, the share of areas with vegetation was. According to the results, all the villages had experienced an increase in LST, and the fluctuations of this increase were greater in the villages with less vegetation and less area. The current research can be considered as a warning for the creation of rural thermal islands (like cities) on holidays with many tourists and serious damage to vegetation and rural climate.

کلیدواژه‌ها [English]

  • Land surface temperature
  • Hot Spot
  • Rural planning
  • Rural tourism
  • Remote Sensing
  • Yazd

مراجع

  1. استانداری یزد (1402). معرفی شهرستان تفت. دریافت شده از https://taft.gov.ir در 19-08-1402.
  2. ایرنا (1402). یزد و ییلاق‌هایی باورنکردنی. دریافت شده از https://irna.ir/xjMPYx در 20-08-1402.
  3. ایرنا (1401). رییس پلیس‌راه یزد: جاده تفت به ده‌بالا از ساعت ۱۸ تا ۲۴ یک طرفه است. دریافت شده از https://irna.ir/xjHY89 در 20-08-1402.
  4. ایرنا (1395). ورود خودروهای سنگین به مناطق ییلاقی یزد در پایان هفته ممنوع شد. دریافت شده از https://irna.ir/xjg8R2 در 20-08-1402.
  5. رضویان، محمد تقی (1374). صنایع روستایی و نقش آن در اقتصاد ملی. مجله دانشکده ادبیات و علوم انسانی، 1تا4 (133). https://jflh.ut.ac.ir/article_13749.html.
  6. زارع، هادی، غفاریان، حمیدرضا (1399). بررسی تغییرات مؤلفه های فنولوژی پوشش گیاهی ایران در پاسخ به تغییرات اقلیمی با استفاده از NDVI سنجنده AVHRR در دوره زمانی 1982 تا 2018. نشریه سنجش از دور و سیستم اطلاعات جغرافیایی در منابع طبیعی، 11(4)، 87-113. https://girs.bushehr.iau.ir/article_675970.html
  7. عزیزی، قاسم، شمسی پور، علی اکبر، ماهفروزی، مجتبی، میری، مرتضی (1392). تأثیرپذیری شدت جزیرة گرمایی شهری تهران از الگوهای همدیدی جو. محیط شناسی، 39(4)، 55-66. https://jes.ut.ac.ir/article_36462.html
  8. فارس (1401). رییس پلیس‌راه یزد:جاده تفت-ده‌بالا از ساعت ۱۸تا 24 یک طرفه است. دریافت شده از http://fna.ir/1o7kp7 در 20-08-1402.
  9. منصورمقدم، محمد، روستا، ایمان، زمانی، محمد صادق، مختاری، محمد حسین، کریمی فیروزجایی، محمد، علوی پناه، سید کاظم. (1402). بررسی و مدل‌سازی تأثیر ترکیب و آرایش چشم‌انداز شهر یزد بر دمای سطح زمین با استفاده از یادگیری ماشین و داده‌های لندست-8 و سنتینل-2. نشریه سنجش از دور و GIS ایران، 15(3)، 1-26. 48308/gisj.2023.102195.
  10. منصورمقدم، محمد، روستا، ایمان، زمانی، محمدصادق، مختاری، محمدحسین، کریمی فیروزجایی، محمد، علوی پناه، سیدکاظم. (1400). مطالعه و پیش‌بینی تغییرات دمای سطح زمین شهر یزد: بررسی اثر مجاورت و تغییرات پوشش اراضی. سنجش‌ازدور و سامانه اطلاعات جغرافیایی در منابع طبیعی، 12(4)، ۲۷-۱. 30495/girs.2021.682083
  11. Akbari, H., Pomerantz, M., & Taha, H. (2001). Cool surfaces and shade trees to reduce energy use and improve air quality in urban areas. Solar energy, 70(3), 295-310.
  12. Alavipanah, S. K., Mansourmoghaddam, M., Gomeh, Z., Galehban, E., & Hamzeh, S. (2022). The reciprocal effect of global warming and climatic change (new perspective): A review. Desert, 27(2), 291-305.
  13. Ali-Toudert, F., & Mayer, H. (2006). Numerical study on the effects of aspect ratio and orientation of an urban street canyon on outdoor thermal comfort in hot and dry climate. Building and Environment, 41(2), 94-108.
  14. Avdan, U., & Jovanovska, G. (2016). Algorithm for automated mapping of land surface temperature using LANDSAT 8 satellite data. Journal of Sensors, 2016.
  15. Bhandari, P. (2020, 2023). Variability | Calculating Range, IQR, Variance, Standard Deviation. Scribbr. Retrieved 2023-11-11 from https://www.scribbr.com /statistics/variability/
  16. Change, I. P. O. C. (2007). Climate change 2007: The physical science basis. Agenda, 6(07), 333.
  17. Dormann, C. F., Elith, J., Bacher, S., Buchmann, C., Carl, G., Carré, G., . . . Leitão, P. J. (2013). Collinearity: a review of methods to deal with it and a simulation study evaluating their performance. Ecography, 36(1), 27-46.
  18. Dos Santos, A. R., de Oliveira, F. S., da Silva, A. G., Gleriani, J. M., Gonçalves, W., Moreira, G. L., da Silva, R. G. (2017). Spatial and temporal distribution of urban heat islands. Science of the Total Environment, 605, 946-956.
  19. Dou, J., & Miao, S. (2017). Impact of mass human migration during Chinese New Year on Beijing urban heat island. International Journal of Climatology, 37(11), 4199-4210.
  20. Duursma, R. A., Barton, C. V., Lin, Y.-S., Medlyn, B. E., Eamus, D., Tissue, D. T., . . . McMurtrie, R. E. (2014). The peaked response of transpiration rate to vapour pressure deficit in field conditions can be explained by the temperature optimum of photosynthesis. Agricultural and forest meteorology, 189, 2-10.
  21. (2022). How Hot Spot Analysis (Getis-Ord Gi*) works. Retrieved 2022-03-04 from https://pro.arcgis.com/en/pro-app/latest/tool-reference/spatial-statistics/ h-how-hot-spot-analysis-getis-ord-gi-spatial-stati.htm#:~:text=The %20Hot %20 Spot%20Analysis% 20tool, the%20 context%20of%20neighboring%20features.
  22. Grigoraș, G &Urițescu, B. (2018). Spatial hotspot analysis of Bucharest’s urban heat island (UHI) using modis data. Annals of Valahia University of Targoviste. Geographical Series, 18(1), 14-22.
  23. Grigsby, S. P., Hulley, G. C., Roberts, D. A., Scheele, C., Ustin, S. L., & Alsina, M. M. (2015). Improved surface temperature estimates with MASTER/AVIRIS sensor fusion. Remote Sensing of Environment, 167, 53-63.
  24. Guerri, G., Crisci, A., Messeri, A., Congedo, L., Munafò, M., & Morabito, M. (2021). Thermal summer diurnal hot-spot analysis: The role of local urban features layers. Remote Sensing, 13(3), 538.
  25. Hope Sr, K. R. (2009). Climate change and poverty in Africa. International Journal of Sustainable Development & World Ecology, 16(6), 451-461.
  26. Kazemi Garajeh, M., Li, Z., Hasanlu, S., Zare Naghadehi, S., & Hossein Haghi, V. (2022). Developing an integrated approach based on geographic object-based image analysis and convolutional neural network for volcanic and glacial landforms mapping. Scientific Reports, 12(1), 21396.
  27. LANDSAT 8 data users handbook. (2015). Department of the Interior US Geological Survey.
  28. Li, X., Zhou, Y., Asrar, G. R., Imhoff, M., & Li, X. (2017). The surface urban heat island response to urban expansion: A panel analysis for the conterminous United States. Science of The Total Environment, 605, 426-435.
  29. Mansourmoghaddam, M., Naghipur, N., Rousta, I., Alavipanah, S. K., Olafsson, H., & Ali, A. A. (2023). Quantifying the Effects of Green-Town Development on Land Surface Temperatures (LST) (A Case Study at Karizland (Karizboom), Yazd, Iran). Land, 12(4), 885.
  30. Mansourmoghaddam, M., Rousta, I., Zamani, M., Mokhtari, M. H., Karimi Firozjaei, M., & Alavipanah, S. K. (2021). Study and prediction of land surface temperature changes of Yazd city: assessing the proximity and changes of land cover. Journal of RS and GIS for Natural Resources, 12(4), 1-27.
  31. Mansourmoghaddam, M., Rousta, I., Zamani, M., & Olafsson, H. (2023). Investigating and predicting Land Surface Temperature (LST) based on remotely sensed data during 1987–2030 (A case study of Reykjavik city, Iceland). Urban Ecosystems, 1-23.
  32. Mansourmoghaddam, M., Rousta, I., Zamani, M. S., Mokhtari, M. H., Karimi Firozjaei, M., & Alavipanah, S. K. (2022). 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.
  33. Mbilinyi, A., Saibul, G. O., & Kazi, V. (2013). Impact of climate change to small scale farmers: Voices of farmers in village communities in Tanzania. Dar es Salaam: Economic and Social Research Foundation, 36.
  34. McCarthy, J. J. (2001). Climate change 2001: impacts, adaptation, and vulnerability: contribution of Working Group II to the third assessment report of the Intergovernmental Panel on Climate Change (Vol. 2). Cambridge University Press.
  35. Mendelsohn, R., & Dinar, A. (2005). Exploring Adaptation to Climate Change in Agriculture: The potential of cross-sectional analysis.
  36. Module, F. (2009). Atmospheric correction module: QUAC and FLAASH user’s guide. Version, 4, 44.
  37. Moonen, P., Defraeye, T., Dorer, V., Blocken, B., & Carmeliet, J. (2012). Urban Physics: Effect of the micro-climate on comfort, health and energy demand. Frontiers of Architectural Research, 1(3), 197-228.
  38. Moore, C. E., Meacham-Hensold, K., Lemonnier, P., Slattery, R. A., Benjamin, C., Bernacchi, C. J., . . . Cavanagh, A. P. (2021). The effect of increasing temperature on crop photosynthesis: from enzymes to ecosystems. Journal of Experimental Botany, 72(8), 2822-2844.
  39. Moran, M. S. (2004). Thermal infrared measurement as an indicator of plant ecosystem health. Thermal remote sensing in land surface processes, 257-282.
  40. Mubaya, C. P., Njuki, J., Liwenga, E., Mutsvangwa, E. P., & Mugabe, F. T. (2010). Perceived impacts of climate related parameters on smallholder farmers in Zambia and Zimbabwe. Journal of Sustainable Development in Africa, 12(5), 170-186.
  41. Ord, J. K., & Getis, A. (1995). Local spatial autocorrelation statistics: distributional issues and an application. Geographical analysis, 27(4), 286-306.
  42. Rothery, D., Francis, P., & Wood, C. (1988). Volcano monitoring using short wavelength infrared data from satellites. Journal of Geophysical Research: Solid Earth, 93(B7), 7993-8008.
  43. Sarif, M. O., Gupta, R. D., & Murayama, Y. (2022). Assessing Local Climate Change by Spatiotemporal Seasonal LST and Six Land Indices, and Their Interrelationships with SUHI and Hot–Spot Dynamics: A Case Study of Prayagraj City, India (1987–2018). Remote Sensing, 15(1), 179.
  44. (2014). OLI and TIRS Calibration Notices. In Landsat 8 Reprocessing to Begin February 3,2014.
  45. Weng, Q., Lu, D., & Schubring, J. (2004). Estimation of land surface temperature–vegetation abundance relationship for urban heat island studies. Remote Sensing of Environment, 89(4), 467-483.
  46. Wetherley, E. B., McFadden, J. P., & Roberts, D. A. (2018). Megacity-scale analysis of urban vegetation temperatures. Remote Sensing of Environment, 213, 18-33.
  47. Zare Naghadehi, S., Asadi, M., Maleki, M., Tavakkoli-Sabour, S.-M., Van Genderen, J. L., & Saleh, S.-S. (2021). Prediction of urban area expansion with implementation of MLC, SAM and SVMs’ classifiers incorporating artificial neural network using landsat data. ISPRS International Journal of Geo-Information, 10(8), 513.
  48. Zhibin, R., Haifeng, Z., Xingyuan, H., Dan, Z., & Xingyang, Y. (2015). Estimation of the relationship between urban vegetation configuration and land surface temperature with remote sensing. Journal of the Indian Society of Remote Sensing, 43, 89-100.
  49. Zhou, W., & Cao, F. (2020). Effects of changing spatial extent on the relationship between urban forest patterns and land surface temperature. Ecological Indicators, 109
  50. Ziaul, S., & Pal, S. (2016). Image based surface temperature extraction and trend detection in an urban area of West Bengal, India. Journal of Environmental Geography, 9(3-4), 13-25.

 

 

 

فایل ها

هم رسانی

ارجاع به این مقاله

آمار