پویایی فضایی زمانی LULC و پوشش گیاهی و ارتباط آن با پدیده جزایر گرمایی در شهر رشت

سال انتشار: 1405
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 11

نسخه کامل این مقاله ارائه نشده است و در دسترس نمی باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_UREP-7-4_002

تاریخ نمایه سازی: 17 بهمن 1404

چکیده مقاله:

رشد شتابان و غیرقابل کنترل شهرنشینی در کلان شهرهای مرطوب شمال ایران، مانند رشت، باعث تبدیل اراضی کشاورزی و سبز به سطوح نفوذناپذیر شده که به تشدید جزایر گرمایی شهری (SUHI) و کاهش کیفیت زیست شهری منجر شده است. این پژوهش با هدف تحلیل تغییرات بلندمدت کاربری اراضی و پوشش زمین (LULC) و تاثیر آن ها بر الگوهای دمای سطح زمین (LST) در رشت از سال ۲۰۰۰ تا ۲۰۲۴ انجام شده است. داده های حرارتی ماهواره های Landsat برای استخراج LST با الگوریتم های اختصاصی هر سنجنده به کار گرفته شده و برای رفع نواقص SLC در ETM+، از ترکیب زمانی و نرمال سازی پرتوی استفاده شده است. نقشه های LULC و ساختار شهری با تصاویر Landsat و Sentinel-۲ و استفاده از شاخص های طیفی NDVI، NDBI، DBI و EBBI تولید شده و روابط بین ساختار پوشش و دمای سطح با تحلیل همبستگی کمی بررسی شد. نتایج نشان می دهد سهم سطوح ساخته شده از حدود ۴۱ درصد به ۶۳ درصد افزایش یافته و پوشش سبز و اراضی کشاورزی کاهش یافته است؛ این تغییرات با افزایش محسوس LST و ثبت بیشترین دما در سال ۲۰۱۶ هم زمان بوده است. همبستگی منفی میان NDVI و LST و همبستگی مثبت میان شاخص های ساخت وساز و دمای سطح، نشان دهنده تاثیر سطوح نفوذناپذیر بر گرمایش شهری است. در نتیجه، تقویت شبکه های سبز آبی و استفاده از مصالح نفوذپذیر برای ارتقای تاب آوری حرارتی و برنامه ریزی اقلیم محور پیشنهاد می شود.

کلیدواژه ها:

تحلیل فضایی زمانی ، تغییر کاربری و پوشش زمین (LULC) ، تنوع کاربری زمین ، جزیره گرمایی سطحی شهری (SUHI) ، دمای سطح زمین (LST) ، سنجش ازدور حرارتی مادون قرمز

نویسندگان

شهریار رضایی

دانشجوی کارشناسی ارشد برنامه ریزی شهری، گروه شهرسازی، دانشکده معماری و هنر، دانشگاه گیلان، رشت، ایران

علی اکبر سالاری پور

دانشیار گروه شهرسازی، دانشکده معماری و هنر، دانشگاه گیلان، رشت، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Alhazmi, Mansour, David J. Sailor, Jyothis Anand (۲۰۲۲). A new ...
  • , ۵۱, ۷۹۹–۸۲۷. https://doi.org/۱۰.۱۰۰۷/s۱۲۵۲۴-۰۲۲-۰۱۶۵۲-۲Sharmin, Tania, Adrian Chappell (۲۰۲۵). Detecting the ...
  • نمایش کامل مراجع