تحلیل عامل هندسه شهری بر میزان شدت جزایر گرمایی شبانه شهرها با استفاده از سنجش از دور و سیستم‌های اطلاعات جغرافیایی (مطالعه موردی: شهرک گلستان، منطقه 22 شهر تهران)

مطیعیان, حمید; هاشمی اشکاء, سید حسن

doi:10.22111/jneh.2020.34497.1670

تحلیل عامل هندسه شهری بر میزان شدت جزایر گرمایی شبانه شهرها با استفاده از سنجش از دور و سیستم‌های اطلاعات جغرافیایی (مطالعه موردی: شهرک گلستان، منطقه 22 شهر تهران)

نوع مقاله : مقاله پژوهشی

نویسندگان

¹ استادیار گروه مهندسی نقشه‌برداری دانشکده مهندسی عمران، دانشگاه صنعتی نوشیروانی بابل

² دانشجوی کارشناسی ارشد سیستم اطلاعات جغرافیایی (GIS)، دانشگاه آزاد اسلامی واحد رامسر

10.22111/jneh.2020.34497.1670

چکیده

مدل اوکه یکی از موفق‌ترین مدل‌ها‌ی ارائه‌شده در زمینه شبیه‌سازی بیشینه شدت جزیره گرمایی شبانه شهری بر اساس پارامتر نسبت‌منظر درکانیون‌های شهری است. این پارامتر به عنوان یکی از شاخص‌های‌ هندسه شهری شناخته می‌شود. از آنجا که این شبیه‌سازی به تحلیل‌های مکانی و توصیفی گوناگون (به خصوص تحلیل‌های توپولوژیکی) نیازمند است، لذا استفاده از سیستم‌های اطلاعات جغرافیایی امری اجتناب‌ناپذیر است. در این مطالعه، کارآیی مدل اوکه با استفاده از تحلیل رگرسیون و دمای سطح زمین محاسبه‌شده از داده‌های سنجنده استر و الگوریتم تک‌کاناله مورد ارزیابی قرار گرفته و یک مدل محلی برای شبیه‌سازی بیشینه شدت جزیره گرمایی شبانه کانیون‌ها در منطقه مورد مطالعه ارائه شده است. ضرایب تشخیص و همبستگی حاصل از تحلیل رگرسیون مدل محلی در کانیون‌های شهری به ترتیب 0.74 و0.86 محاسبه شد که نشان‌‌دهنده وجود یک رابطه خطی نسبتاً شدید میان شاخص هندسه شهری و بیشینه شدت جزیره گرمایی و تأثیر قابل‌توجه هندسه شهری بر آن پدیده است. مقادیر خطای جذر میانگین مربعات و خطای متوسط حسابی حاصل از نتایج مدل محلی ارائه‌شده در منطقه مورد مطالعه به ترتیب 0.80 ± و 0.67 محاسبه شد که نشان‌دهنده‌ دقت قابل قبول آن در شبیه‌سازی بیشینه شدت جزایر گرمایی شبانه شهری است. نتایج حاصل از تحلیل رگرسیون دو متغیره داده‌ها نشان می‌دهد ارتفاع متوسط ساختمان‌ها ( با ضریب 1.43) در مقایسه با عرض متوسط معابر (با ضریب 0.35-)، تأثیر بیشتری را بر تغییرات شدت جزایر گرمایی شبانه شهری دارد. علامت ضرایب مذکور نشان می‌دهد این تأثیر در خصوص ارتفاع ساختمان‌ها افزایشی و در خصوص عرض معابر، کاهشی است.

کلیدواژه‌ها

موضوعات

مخاطرات محیط طبیعی

عنوان مقاله [English]

Analysis of the Urban Geometry’s Effects on Nocturnal Urban Heat Islands Using Remote Sensing and GIS (Case Study: Golestan town, District 22 of Tehran)

نویسندگان [English]

Hamid Motieyan ¹
Seyyed Hassan Hashemi Ashka ²

¹ Assistant Professor, Department of Geomatics, Faculty of Civil Engineering, Babol Noshirvani University of Technology (NIT), Babol, Iran.

² MSc Student of GIS, Faculty of Engineering, Islamic Azad University (IAU), Ramsar Branch, Iran

چکیده [English]

Oke’s model is one of the most successful models presented to simulate maximum nocturnal urban heat island’s intensity (UHI) based on the urban canyons’ aspect ratio parameter. The aspect ratio parameter is known as one of the indicators of urban geometry. Since this simulation requires various spatial and descriptive analyzes (especially topological analyzes), the use of geospatial information systems is inevitable. In this study, the efficiency of Oke’s model is evaluated using regression analysis and land surface temperature (LST) calculated from ASTER data and single-channel algorithm (SCA), and a local model is presented to simulate the maximum nocturnal urban heat island intensity of the area of study. The coefficient of determination and correlation calculated based on regression analysis are 0.74 and 0.86, respectively. These quantities show a relatively strong linear relationship between the urban geometry index and nocturnal urban heat island’s intensity and the significant effect of urban geometry on nocturnal urban heat island intensity. The root mean squared error (RMSE) and the mean absolute error (MAE) of the presented local model are ±0.80 and 0.67, respectively, showing the acceptable accuracy of the presented local model in simulation of UHI intensity. Two-variable regression analysis shows a greater effect of the height of buildings on UHI intensity’s changes compared to the width of the streets. The sign of the coefficients above shows this effect is increasing in terms of the height of the buildings and decreasing in terms of the width of the streets.

کلیدواژه‌ها [English]

Oke’s model
Canyon
Urban geometry Index
GIS
Remote sensing
Linear regression analysis

مراجع

صادقی‌نیا علیرضا، علیجانی بهلول، ضیاییان فیروزآبادی پرویز، (1391). تحلیل فضایی- زمانی جزیره حرارتی کلان شهر تهران با استفاده از سنجش از دور و سیستم اطلاعات جغرافیایی، فصلنامه جغرافیا و مخاطرات محیطی، دوره (1) ، شماره (4)، صص17-1. 10.22067/geo.v1i4.16950.

صادقی‌نیا علیرضا، علیجانی بهلول، ضیاییان فیروزآبادی پرویز، خالدی شهریار، (1392). کاربرد تکنیک‌های خودهمبستگی فضایی در تحلیل جزیره حرارتی شهر تهران، فصلنامه تحقیقات کاربردی علوم جغرافیایی، دوره (13) ، شماره (30)، صص90-67. http://jgs.khu.ac.ir/article-1-1623-fa.html

رضایی‌راد هادی، رفیعیان مجتبی، (1396). برآورد تغییرات فضایی- زمانی شدت جزیره حرارتی کلانشهر تهران با استفاده از تصاویر ماهواره‌ای LANDSAT8 وASTER ، برنامه‌ریزی منطقه‌ای، دوره (7) ، شماره (27)، صص60-47. http://ensani.ir/fa/article/download/376979

علیجانی بهلول، طولابی نژاد میثم، صیادی فریبا، (1396). محاسبه شدت جزیره حرارتی بر اساس هندسه شهری مورد مطالعه: محله کوچه باغ شهر تبریز، نشریه تحلیل فضایی مخاطرات محیطی، دوره (4) ، شماره (3)، صص 112-99. http://jsaeh.khu.ac.ir/article-1-2752-fa.html.

هاشمی دره‌بادامی سیروس، درویشی بلورانی علی، علوی پناه سید کاظم، ملکی محمد، بیات رضا، (1398). تحلیل تغییرات جزیره حرارتی سطوح شهری در روز و شب با استفاده از محصولات چند زمانه سنجنده مادیس (مطالعه موردی: کلانشهر تهران)، نشریه تحقیقات کاربردی علوم جغرافیایی، دوره (19) ، شماره (۵۲)، صص 128-113. http://jgs.khu.ac.ir/article-1-2745-fa.html

Abrams, M, Hook, S., Ramachandran, B., (2002), ASTER User Handbook, version 2, Jet Propulsion Laboratory: Pasadena, CA, USA. https://lpdaac.usgs.gov/documents/262/ASTER_User_Handbook_v2.pdf.

Carlson, T.N., Ripley, D.A, (1997), On the relation between NDVI, fractional vegetation cover, and leaf area index. Remote Sensing of Environment, 62: 241–252. doi:10.1016/s0034-4257(97)00104-1.

Jiménez-Muñoz J.C., Sobrino J.A., (2003), A generalized single-channel method for retrieving land surface temperature from remote sensing data. Journal of Geophysical Research: Atmospheres, https://doi.org/10.1029/2003JD003480.

Jiménez-Muñoz, J.C., Sobrino, J.A., Gillespie, A., Sabol, D., Gustafson, (2006), W.T. Improved land surface emissivities over agricultural areas using ASTER NDVI. Remote Sensing of Environment, 103: 474–487. doi:10.1016/j.rse.2006.04.012 .

Jiménez-Muñoz J.C., Cristóbal J., Sobrino J.A., Soria G., Ninyerola M.; Pons X., (2009), Revision of the single-channel algorithm for land surface temperature retrieval from Landsat thermal-infrared data. IEEE Transaction in Geoscience and Remote Sensing, 47: 339-349. doi:10.1109/TGRS.2008.2007125.

J. C., Sobrino J. A., (2010), A Single-Channel algorithm for land surface temperature retrieval from ASTER data, IEEE GEOSCIENCE AND REMOTE SENSING LETTERS, 1: 176 – 179. doi:10.1109/LGRS.2009.2029534.

Li W., Putra S. Y., Yang P.P,2004, GIS analysis for the climatic evaluation of 3D urban geometry-The development of GIS analytical tools for sky view factor, Journal Alam Bina,1:175-187

Li H., Liu Q., (2008), Comparison of NDBI and NDVI as indicators of surface urban heat island effect in MODIS imagery, Proceedings Volume 7285, International Conference on Earth Observation Data Processing and Analysis (ICEODPA); 728503.

https://doi.org/10.1117/12.815679.

Liu L., Zhang, Y., (2011), Urban heat island analysis using the Landsat TM data and ASTER data: A case study in Hong Kong. Remote Sensing,3, 1535–1552. https://doi.org/10.3390/rs3071535

Nakata, C.M., Souza, L.C.L, (2013), Verification of the influence of urban geometry on the nocturnal heat island intensity, Journal of Urban and Environmental Engineering, 2:286-292. https://www.jstor.org/stable/26189199.

Nakata O C. M, De Souza L. C. L, Rodrigues D.S., (2015), A GIS extension model to calculate urban heat island intensity based on urban geometry, Proceedings of CUPUM 2015, Conference Cambridge, Massachusetts (USA):1-16. http://ctac.uminho.pt/sites/default/files/biblio/2129-2015_CUPUM_julho_346_nakata-osaki_h.pdf.

Nakata-Osaki, C.M., Souza, L.C.L, Rodrigues, D.S., (2018), THIS – Tool for Heat Island Simulation: A GIS extension model to calculate urban heat island intensity based on urban geometry, Computers, Environment and Urban Systems, 67:157-168. doi:10.1016/j.compenvurbsys.2017.09.007.

Oke T. R., (1981), Canyon geometry and the nocturnal urban heat island: comparison of scale model and field observations. International Journal of Climatology, 1, 237-254. https://doi.org/10.1002/joc.3370010304.

Oke T.R., (1982), The energetic base of urban heat island. Quartely Journal of the Royal Meteorological Society. London. Elsevier Science. 108:1-24. https://doi.org/10.1002/qj.49710845502.

Oke, TR (1984), Towards a prescription for the greater use of climatic principles in settlement planning. Energy and Buildings 7(1):1-10. https://doi.org/10.1016/0378-7788(84)90040-9.

Roth M., (2013), Urban heat islands, Handbook of Environmental Fluid Dynamics, Volume Two, edited by Harindra Joseph Shermal Fernando. CRC Press/Taylor & Francis Group, LLC. ISBN: 978-1-4665-5601-0. http://profile.nus.edu.sg/fass/geomr/roth%20uhi%20hefd13.pdf

Svensson, M., Eliasson, I., Holmer, B., (2002), A GIS based empirical model to simulate air temperature variations in the Göteborg urban area during the night. Climate Research, 22: 215–226. doi:10.3354/cr022215.

Tuan L. M. , Cao T. A. T., Tran N. A. Q, Le T. K. C, Sadriavich S. I., huong N. T.K., (2019), Case Study of GIS Application in Analysing Urban Heating Island Phenomena in Tropical Climate Country, IOP Conference Series Materials Science and Engineering, 661:012090. doi:10.1088/1757-899X/661/1/012090.

Urban Heat Island Basics, (2008), “Reducing Urban Heat Islands: Compendium of Strategies”, U.S. EPA. https://www.epa.gov/sites/production/files/2017-05/documents/reducing_urban_heat_islands_ch_1.pdf.

Van de Griend, A., Owe, M., (1993), On the relationship between thermal emissivity and the normalized difference vegetation index for natural surfaces. International Journal of Remote Sensing, 14, 1119. .https://doi.org/10.1080/01431169308904400.