پژوهش‌های تغییرات آب و هوایی

پژوهش‌های تغییرات آب و هوایی

بررسی تغییرات پوشش گیاهی و دمای سطح زمین در شهرستان رشت

نوع مقاله : مقاله پژوهشی

نویسندگان
صیاد اصغری سراسکانرود 1
ابوذر صادقی 2
حمید سلیمانی 3
نسا اکبری 3
1 گروه جغرافیای طبیعی، دانشکده علوم اجتماعی، دانشگاه محقق اردبیلی، اردبیل، ایران،
2 دانشجوی دکتری، گروه جغرافیای طبیعی، دانشکده علوم اجتماعی، دانشگاه محقق اردبیلی، اردبیل، ایران.
3 دانشجوی کارشناسی‌ارشد، گروه جغرافیای طبیعی، دانشکده علوم اجتماعی، دانشگاه محقق اردبیلی، اردبیل، ایران.
10.30488/ccr.2025.484698.1252
چکیده
این پژوهش به بررسی تغییرات پوشش گیاهی و دمای سطح زمین در شهرستان رشت طی سال‌های 2010، 2015، 2020 و 2024 پرداخته است. برای این منظور، از تصاویر ماهواره‌ای لندست و شاخص‌های متنوع گیاهی و آبی شامل NDVI، MNLI، MSR، SAVI، OSAVI، VARI، MNDWI، IPVI و EVI استفاده شده است. این داده‌ها در سامانهGoogle Earth Engine (GEE) پردازش شدند و نتایج با دقت بالا تحلیل گردیدند. تحلیل داده‌های پوشش گیاهی نشان داد که در مناطق تحت توسعه شهری و صنعتی، کاهش قابل‌توجهی در سلامت و تراکم پوشش گیاهی رخ داده است. به‌طور خاص، در نواحی شمالی و شرقی رشت، شاخص‌های‌ NDVI و SAVI  نشان‌دهنده تخریب شدید پوشش گیاهی و تبدیل زمین‌های کشاورزی و جنگلی به مناطق مسکونی و صنعتی هستند. این تغییرات همچنین به کاهش کیفیت زیست‌محیطی منجر شده است. در تحلیل دمای سطح زمین، نتایج نشان داد که دما در مناطق شهری به دلیل کاهش پوشش گیاهی و افزایش زیرساخت‌های سخت مانند آسفالت و بتن، به‌طور قابل‌توجهی افزایش یافته است. پدیده جزیره حرارتی شهری به‌وضوح قابل مشاهده بود. میانگین دما از 6/17 تا 3/65 درجه سلسیوس در سال‌های مورد مطالعه متغیر بوده است. مناطق دارای پوشش گیاهی انبوه به دلیل تبخیر و تعرق بیشتر، دمای پایین‌تری را تجربه کرده‌اند، در حالی که مناطق فاقد پوشش گیاهی و دارای زیرساخت‌های سخت، دماهای بالاتری نشان دادند. این پژوهش بر اهمیت استفاده از شاخص‌های گیاهی و آبی برای پایش تغییرات محیط‌زیستی تأکید دارد. یافته‌ها می‌توانند مبنای بهبود برنامه‌ریزی‌های مدیریتی برای حفاظت از منابع طبیعی، کاهش اثرات منفی توسعه شهری و صنعتی و بهبود کیفیت زندگی ساکنان منطقه باشند. علاوه بر این، نتایج بر اهمیت پایش مستمر پوشش گیاهی و دمای سطح زمین برای شناسایی مناطق بحرانی و تدوین راهکارهای مناسب تأکید می‌کنند.
کلیدواژه‌ها
پوشش گیاهی
شاخص گیاهی
رشت
لندست
GEE
موضوعات

عنوان مقاله English

Analysis of Vegetation Changes Based on Vegetation Indices (Case Study: Rasht County)

نویسندگان English

sayyad Asghari Saraskanroud 1
Aboozar Sadeghi 2
Hamid Soleimani 3
Nesa Akbari 3
1 Department of Physical Geography, Faculty of Social Sciences, University of Mohaghegh Ardabili, Ardabil, Iran
2 PhD Student, Department of Physical Geography, Faculty of Social Sciences, University of Mohaghegh Ardabili, Ardabil, Iran.
3 MSc Student, Department of Physical Geography, Faculty of Social Sciences, University of Mohaghegh Ardabili, Ardabil, Iran
چکیده English

This study investigates changes in vegetation cover and land surface temperature in Rasht County during the years 2010, 2015, 2020, and 2024. To achieve this, Landsat satellite imagery and various vegetation and water indices, including NDVI, MNLI, MSR, SAVI, OSAVI, VARI, MNDWI, IPVI, and EVI, were utilized. The data were processed through the Google Earth Engine (GEE) platform and analyzed with high precision. The vegetation data analysis revealed a significant reduction in vegetation health and density in areas undergoing urban and industrial development. In particular, the NDVI and SAVI indices highlighted severe degradation of vegetation in the northern and eastern parts of Rasht, where agricultural and forest lands have been converted into residential and industrial areas. These changes have also led to a decline in environmental quality. Regarding land surface temperature (LST), results showed a considerable increase in urban areas due to reduced vegetation cover and the expansion of hard infrastructure such as asphalt and concrete. The phenomenon of urban heat islands was clearly observed. Average temperatures ranged from 17.6°C to 65.3°C across the study years. Areas with dense vegetation experienced lower temperatures due to higher evapotranspiration, whereas areas with little to no vegetation and substantial hard surfaces exhibited higher temperatures. This research underscores the importance of using vegetation and water indices for environmental monitoring. The findings can serve as a foundation for improving management strategies to protect natural resources, mitigate the adverse impacts of urban and industrial development, and enhance the quality of life for local residents. Furthermore, the results highlight the need for continuous monitoring of vegetation and land surface temperature to identify critical areas and develop appropriate solutions.

کلیدواژه‌ها English

Vegetation Cover
Vegetation Index
Rasht
Landsat
GEE
  1. ابراهیمی، ع.، معتمد وزیری، ذ.، ناظم‌السادات، س. م. ج. 1399. بررسی رابطه بین دمای سطح زمین با تغییرات پوشش گیاهی و گستره آبی در شهرستان ارسنجان، ایران. نشریه سنجش از دور و سامانه اطلاعات جغرافیایی در منابع طبیعی، 11(4): صص 86-65.
  2. احمدی، ا.، تاتاریان، م.ر.، تمرتاش، ر.، یگانه، ح.، عصری، ی. (1395). بررسی پوشش گیاهی اراضی شور اطراف دریاچه ارومیه با استفاده از تصاویر ماهواره‌ای. مجله سنجش از دور و GIS برای منابع طبیعی، 7(1): صص 1-12.
  3. احمدی، م.، نرنگی‌فرد، م. (1394). ارزیابی کیفیت و شناسایی تغییرات سطح جنگل با استفاده از تصاویر ماهواره‌ای (مطالعه موردی: رستم، فارس). مجله سنجش از دور و GIS برای منابع طبیعی، 6(3): صص 87-100.
  4. ایزدیان، ص.، مظفری، غ.، روستا، ا. (1402). آشکارسازی پیامدهای خشک شدن زاینده‌رود و تغییرات پوشش گیاهی بر دمای سطح زمین در کلان‌شهر اصفهان. جغرافیا و پایداری محیط، 14(1): صص 50-35.
  5. جعفری‌نیا، س.، اکبرینی، م. (1393). بررسی توزیع مکانی ویژگی‌های خاک و آب با استفاده از روش‌های زمین‌آمار در جنگل‌های حرا جزیره قشم.
  6. خدائی، ع.، زندی، ر. (1403). پایش تغییرات پوشش گیاهی و ارتباط آن با دمای سطح زمین و کاربری اراضی در شهرستان خداآفرین و کلیبر با استفاده از فناوری سنجش از دور. محیط زیست طبیعی، 77(1): صص 73-59.
  7. سبحانی، ب.، ملانوری، ا. (1403). بررسی تغییرات پوشش گیاهی با استفاده از شاخص NDVI و ارتباط آن با دمای سطح زمین (مطالعه موردی: شهرستان کوثر). مطالعات علوم محیط زیست، 9(3): صص 8851-8841.
  8. سنجری، س.، بورومند، ن. (۱۳۹۲). پایش تغییرات کاربری/پوشش زمین در سه دهه گذشته با استفاده از تکنیک‌های سنجش از دور (مطالعه موردی: منطقه زرند، استان کرمان). سنجش از دور و سیستم اطلاعات جغرافیایی در منابع طبیعی، 1(4): صص 91-105.
  9. صادقی، شیخ‌زاده.، رحدان، عباس.، ریگی. (1402). بررسی تغییرات مکانی-زمانی در متغیرهای اقلیمی مرتبط با پوشش گیاهی در مناطق شهری (مطالعه موردی: شهر اصفهان). پژوهش‌های تغییرات آب و هوایی، 4(13): صص 19-34.
  10. عزیز قلاتی، س.، رنگزن، ک.، سعیدی، ج.، حیدریان، پ.، تقی‌زاده، ا. (1395). پیش‌بینی تغییرات فضایی کاربری اراضی با استفاده از مدل زنجیره مارکوف-CA (مطالعه موردی: منطقه کوهمره سرخی، استان فارس). سنجش از دور و سیستم اطلاعات جغرافیایی در منابع طبیعی، 7(1): صص 59-71.
  11. فتحی‌زاده، ح.، نوح‌گر، ا.، فرامرزی، م.، تازه، م. (1392). ارزیابی تغییرات کاربری اراضی بر اساس تحلیل سنجه‌های سیمای سرزمین با استفاده از سنجش از دور و GIS در منطقه خشک و نیمه‌خشک دهلران. برنامه‌ریزی سرزمینی، 5(1)، صص 79-99.
  12. کفایت‌مطلق، امیدرضا.، معنوی. (1401). تحلیل رابطه بین پوشش گیاهی و بارش در ایران، پژوهش‌های تغییرات آب و هوایی، 3(9): صص 1-12.
  13. محمدیاری، ف.، پورخباز، ح.ر.، توکلی، م.، اغدار، ح. (1393). نقشه‌برداری پوشش گیاهی و پایش تغییرات آن با استفاده از تکنیک‌های سنجش از دور و سیستم اطلاعات جغرافیایی (مطالعه موردی: شهرستان بهبهان). اطلاعات جغرافیایی، 23(92): صص 45-53.
  14. میرزایی‌زاده، و.، نیک‌نژاد، م.، اولادی‌غدی‌کلاهی، ج. (1394). ارزیابی الگوریتم‌های طبقه‌بندی نظارت‌شده غیرپارامتریک در تولید نقشه‌های پوشش زمین با استفاده از تصاویر لندست 8. سنجش از دور و سیستم اطلاعات جغرافیایی در منابع طبیعی، 6(3): صص 29-44.
  15. ناتقی، ن.، نوح‌گر، ا.، احسامی، ا.ح.، بازارافشان، ا.م. (1396). ارزیابی تغییرات پوشش گیاهی بر اساس شاخص‌های گیاهی با استفاده از سنجش از دور. مجله ایرانی مرتع و پژوهش‌های بیابان، 24(4): صص 778-790.
  16. Adam, E., Mutanga, O. and Rugege, D., 200. Multispectral and hyperspectral remote sensing for identification and mapping of wetland vegetation: a review. Wetlands ecology and management, 18, pp.281-296.
  17. Allbed, A., Kumar, L. and Aldakheel, Y.Y., 2014. Assessing soil salinity using soil salinity and vegetation indices derived from IKONOS high-spatial resolution imageries: Applications in a date palm dominated region. Geoderma, 230, pp.1-8.
  18. Bao, G., Qin, Z., Bao, Y., Zhou, Y., Li, W. and Sanjjav, A., 2014. NDVI-based long-term vegetation dynamics and its response to climatic change in the Mongolian Plateau. Remote Sensing, 6(9), pp.8337-8358.
  19. Fatiha, B., Abdelkader, A., Latifa, H. and Mohamed, E., 2013. Spatio temporal analysis of vegetation by vegetation indices from multi-dates satellite images: Application to a semi-arid area in ALGERIA. Energy Procedia, 36, pp.667-675.
  20. Fatiha, M., Boukhalfa, K., & Mebarki, A. (2023). Impact of Climate Change on Vegetation Cover in Northern Africa Using NDVI. Environmental Monitoring and Assessment, 195(2), 123-135. doi:10.1007/s10661-022-10234-5
  21. Fayshal, M. A. (2024). Simulating land cover changes and it’s impacts on land surface temperature: a case study in Rajshahi, Bangladesh. SSRN Electronic Journal. https://doi.org/10.2139/ssrn.4701838
  22. Li, J., Zhang, Y., & Wang, X. (2022). Urbanization and Its Impact on Vegetation Cover in China: A Remote Sensing Perspective. Land Use Policy, 112, 105785. doi:10.1016/j.landusepol.2021.105785
  23. Pettorelli, N., Vik, J.O., Mysterud, A., Gaillard, J.M., Tucker, C.J. and Stenseth, N.C., 2005. Using the satellite-derived NDVI to assess ecological responses to environmental change. Trends in ecology & evolution, 20(9), pp.503-510.
  24. Satti, Z., Naveed, M., Shafeeque, M., & Li, L. (2023). Investigating the impact of climate change on trend shifts of vegetation growth in Gilgit Baltistan. Global and Planetary Change, 232, 104341. https://doi.org/10.1016/j.gloplacha.2023.104341
  25. Smits, P.C., Dellepiane, S.G. and Schowengerdt, R.A., 1999. Quality assessment of image classification algorithms for land-cover mapping: A review and a proposal for a cost-based approach. International journal of remote sensing, 20(8), pp.1461-1486.
  26. Tepanosyan, G., Muradyan, V., Hovsepyan, A., Pinigin, G., Medvedev, A., & Asmaryan, S. (2020). Studying spatial-temporal changes and relationship of land cover and surface Urban Heat Island derived through remote sensing in Yerevan, Armenia. Building and Environment, 187, 107390. https://doi.org/10.1016/j.buildenv.2020.107390
  27. Thammaboribal, P. (2024). Investigating Land Surface Temperature Variation and Land Use Land Cover Changes in Pathumthani, Thailand (1997-2023) using Landsat Satellite Imagery: A Comprehensive Analysis of LST and Urban Hot Spots (UHS). International Journal of Geoinformatics. https://doi.org/10.52939/ijg.v20i2.3063
  28. Tokunaga, M. and Thug, V., 2002. Finding the relationship between vegetation index and coherence signature to utilize the product of radar interferometry in land cover application. Asian Association on Remote Sensing.
  29. Tuxen, K., Schile, L., Stralberg, D., Siegel, S., Parker, T., Vasey, M., Callaway, J. and Kelly, M., 2011. Mapping changes in tidal wetland vegetation composition and pattern across a salinity gradient using high spatial resolution imagery. Wetlands Ecology and Management, 19, pp.141-157.