Investigating spatial-temporal changes of climatic variables related to vegetation in urban areas: Case Study of Isfahan City.

Document Type : Original Article

Authors

1 Master's degree in urban engineering, majoring in urban management, University of Tehran, Tehran, Iran.

2 Master of Geology (Petrology), Urmia University, Urmia, Iran.

3 Ph.D. student of Watershed Science and Engineering, Faculty of Natural Resources, University of Tehran, Karaj, Iran.

4 Master's expert in urban planning and lecturer at the Comprehensive University of Applied Sciences, Iranshahr Advanced Technology Center.

Abstract

Considering the importance of evaporation-transpiration in the hydrological cycle and its diverse applications in different sciences, calculating its value, especially the actual evaporation-transpiration, is of great importance. Considering that the abundance of vegetation is one of the most important factors influencing the temperature of the Earth's surface, this study aims to investigate the spatial autocorrelation of the Earth's surface temperature and evapotranspiration, the standardized precipitation index and the amount of albedo in relation to the vegetation in the city of Isfahan. Using data processing in the Google Earth Engine environment, a high-resolution MODIS data set was analyzed seasonally for each year during the period of 2000 to 2020. Then, evaporation and transpiration were compared and analyzed with the help of MODIS data and the Thornthwaite-Mather method, considering the calculated plant growth factor. In addition, drought prediction using the SPI index (one month, three months, six months, and twelve months) was done for the period from 2015 to 2044. After calculating the changes, a spatial analysis method (hot spots) was used in the ArcGIS software environment to identify and discover patterns and trends in the spatial data. The results of this research determined that, in the spring season, the highest percentage of NDVI does not correspond spatially with the lowest temperature, in other words, the percentage of vegetation index does not have an inverse relationship with the temperature of the Earth's surface. In the summer season, the highest percentage of the vegetation cover index is spatially compatible with the lowest temperature of the Earth's surface. In the winter season, the distribution of temperature patterns is completely different compared to other seasons due to the temperature-modulating role of vegetation using the mechanism of evaporation and transpiration.

Keywords

Main Subjects

References

  1. اکبری، الهه، ابراهیمی، مجید، نژادسلیمانی، حــــمید، فیضی‌زاده، بختیار (1394). ارزیابی دمای سطح زمین در ارتباط با روند تغییرات کاربری اراضی با استفاده از تصاویر ماهواره‌ای (مطالعة موردی: حوضة آبخیز طالقان)، جغرافیا و برنامه‌ریزی محیطی، دورة 26، شمارة 4، 151-170.
  2. ادب، حامد، امیراحمدی، ابولقاسم، عتباتی، آزاده (1393). ارتباط پوشش گیاهی با دما و آلبدوی سطحی در دورة گرم سال با استفاده از داده‌های مودیس در شمال ایران. پژوهش های جغرافیای طبیعی، 46(4)،419-434.
  3. برخورداری، جلال، وارتانیان، تراحل، خسروی، حسن (1394). تهیه مدل توزیعی بیلان ماهانه آب خاک به روش تورنت وایت –ماتر (مطالعه موردی:حوزه آبخیز یزد اردکان). تحقیقات مرتع و بیابان ایران، 22(3)،466-480.
  4. داودی، الهام، قاسمیه، هدی، عبدالهی، خدایار، بتلان، آکه (1397). ارزیابی تغییرات زمانی- مکانی بیلان رطوبتی خاک به روش تورنت وایت- ماتر (مطالعه موردی: حوزه آبخیز بهشت‌آباد). سنجش‌ازدور و سامانه اطلاعات جغرافیایی در منابع طبیعی، 9(1)، 74-92.
  5. ذوالفقاری، فرهـــاد، عبداللهی، وحیده (1401). تعیین شدت بیابان‌زایی براســاس شاخص‌هــای طیــفـی با استفاده از تصاویر سنتینل-2 (منطــــقه مورد مطالعه: استان سیستان و بلوچستان). سنجش‌ازدور و سامانه اطلاعات جغرافیایی در منابع طبیعی، 13(1)، 108-126.
  6. حجازی زاده زهرا، طولابی نژاد میثم، رحیمی علیرضا، بزمی نسرین (1396). بساک عاطفه. مدلسازی فضایی - زمانیِ آلبدو در گستره‌یِ ایران زمین. نشریه تحقیقات کاربردی علوم جغرافیایی ، ۱۷ (۴۷) :۱۷-۱.
  7. جهــانبخش، سعید، زاهدی، مجید و ولیــزاده کامـران، خلیل (1390). محاسبه دمای سطح زمین بـا استفاده از روش سبال و درخت تصمیم در محیط GIS RS، در بخش مرکزی منطقه مراغه، جغرافیا و برنامه‌ریزی، سال 16، شماره 38، صص 19.
  8. علیزاده، امین (1385). رابطه آب و خاک و گیاه، دانشگاه امام رضا(ع). انتشارات آستان قدس رضوی6. 319 -325.
  9. علیائی، محمدصادق (1398). بررسی نقش عوامل طبیعی در پراکنش و استقرار سکونتگاه‌های روستایی شهرستان زنجان. مهندسی جغرافیایی سرزمین، 3(5)، 45-57.
  10. علی‌آبادی، کاظم، داداشی رودباری، عباسعلی (1394). بررسی تغییرات الگوهای خودهمبستگی فضایی دمای بیشینة ایران، فصلنامة مطالعات جغرافیایی مناطق خشک، دورة 6، شماره 21، 104-86.
  11. ناطقی، سعیده، گوهردوست، آزاده، سلیمانی ساردو، فرشاد (1401). واکاوی اثر پوشش گیاهی بر وقوع پدیده گرد و غبار (مطالعه موردی: استان هرمزگان). پژوهش های فرسایش محیطی، ۱۲ (۲) :۶۰-۴۳.
  12. منتظری، مجید، کفایت مطلق، امیدرضا (1397). واکاوی میانگین بلندمدت پوشش گیاهی ایران به کمک نمایة ‏NDVI. جغرافیا و برنامه ریزی محیطی، 29(3)، 1-14.
  13. Agam, N., Kustas, W.P., Anderson, M. C., Li, F., Neale, C.M.U. 2009. A vegetation index based technique for spatial sharpening of thermal imagery. Remote Sens. Environ., 107, 545-558.
  14. Abbas F.M. Alkarkhi. 2021. The observed significance level (P-value) procedure, Applications of Hypothesis Testing for Environmental Science, p: 79-119.
  15. Andrew Farina. 2012. Exploring the relationship between land surface temperature and vegetation abundance for urban heat island mitigation in Seville, Spain‘, LUMA-GIS Thesis nr 15.
  16. Bouaziz, M., Medhioub, E., and Csaplovisc, E. 2021. A machine learning model for drought tracking and forecasting using remote precipitation data and a standardized precipitation index from arid regions. Journal of Arid Environments, 189, 104-478.
  17. Bandyopadhyay, A., Bhadra, A., Raghuwanshi, N.S, and Singh R. 2010. Temporal trends in estimates of reference evapotranspiration over India, Journal of Hydrologic Engineering, 14(5): 508-515.
  18. Bastiaanssen, W.G.M., Noordman, E.J., Pelgrum, M.H., Davids, G., Thoreson, B.P. and Allen, R.G. 2005. SEBAL model with remotely sensed data to improve water-resources management under actual field conditions. J. of Irrig and Drain, (ASCE): 85(1): 85-93.
  19. Kustas, W.P., Norman, J.M., Anderson, M.C., French, A.N. 2012. Estimating subpixel surface temperatures and energy fluxes from the vegetation index-radiometric temperatures relationship. Remote Sens. Environ, 85: 429-440.
  20. Merlin, O., Jacob, F., Wigneron, J., Walker, J., Chehbouni, G. 2010. Multidimensional disaggregation of land surface temperature using high-resolution red, near-infrared, shortwave-infrared and microwave L-band. IEEE Trans. Geosci. Remote Sens., 1-16.
  21. Tabari, H., Marofi, S., Aeini, A., Hosseinzadeh Talaeea, P., and Mohammadi, K. 2011. Trend analysis of reference evapotranspiration in the western half of Iran, Agr. Forest Meteorol, 151 (2): 128-136.

Tucker, C.J. and Choudhury, B.Y. 1987. Satellite remote sensing of drought conditions. Remote Sens. Environ. 23:243-251.

Files

Share

How to cite

Statistics