دورسنجی
حسین نساری؛ رضا شاه حسینی؛ امیررضا گودرزی؛ سهیل سبحان اردکانی؛ سعید فرزانه
چکیده
محصولات عمق نوری ریزگرد اتمسفری (AOD) مبتنی بر ماهوارههای در حال گردش مانند MODIS، VIIRS و NOAA میتوانند توزیع روزانه AOD جهانی و منطقه ای را ارائه دهند. کاربرد آنها برای نظارت بر کیفیت هوا در مقیاس های محلی مانند محیط های شهری به دلیل قدرت تفکیک مکانی پایین آنها محدود است. اخیراً، علاقه فزایندهای به بازیابی محصولات AOD بر اساس تصاویر ...
بیشتر
محصولات عمق نوری ریزگرد اتمسفری (AOD) مبتنی بر ماهوارههای در حال گردش مانند MODIS، VIIRS و NOAA میتوانند توزیع روزانه AOD جهانی و منطقه ای را ارائه دهند. کاربرد آنها برای نظارت بر کیفیت هوا در مقیاس های محلی مانند محیط های شهری به دلیل قدرت تفکیک مکانی پایین آنها محدود است. اخیراً، علاقه فزایندهای به بازیابی محصولات AOD بر اساس تصاویر نوری با قدرت تفکیک بالا شکل گرفته است. هدف اصلی این پژوهش، ارزیابی بازیابی AOD در مناطق شهری با استفاده از تصاویر ماهوارهای با قدرت تفکیک مکانی بالا است. با فرض سطح لامبرتی، اصل بازیابی AOD توسعه یافته بر اساس تئوری انتقال تابشی با استفاده از معادله Tanré می باشد. برای حل معادله انتقال تابشی، مطالعه حاضر مدل انتقال تابشی شبیهسازی دوم سیگنال ماهوارهای در طیف خورشیدی (6S) را اتخاذ و یک جدول جستجو را با فرض یک مدل ریزگرد قارهای ساخت. بازتاب سطح زمین در کل دوره مطالعه با استفاده از Landsat 8 OLI برای دوره 2016-2015 تنوع بسیار کمی به صورت ماهانه نشان داد. بازیابی AOD با مقایسه بازتاب TOA اندازه گیری شده و شبیه سازی شده انجام گرفت. اعتبارسنجی با استفاده از یک سایت زمینی مستقر در پشت بام مرکز منطقه ای هواشناسی با نام Tamanrasset_INM واقع در منطقه تامنراست، الجزایر انجام شد. اعتبارسنجی نشان می دهد که روش بازیابی AOD منجر به خطای استاندارد 0.1068 می شود و با برابر با 70.9% همبستگی خوبی نشان می دهد.
دورسنجی
سمیه اصلانی کتولی؛ رضا شاه حسینی؛ حمید باقری
چکیده
سیل یکی از مخاطرات طبیعی است که می تواند به شدت بر زندگی انسان تأثیر بگذارد، به گونه ای که برای واکنش اضطراری به آن نیاز به ارزیابی دقیق منطقه آسیب دیده پس از حادثه می باشد. مشاهدات رادار با روزنه مجازی (SAR) بطور گسترده در تهیه نقشه و نظارت بر سیل استفاده می شود. با این حال، خدمات عملیاتی فعلی عمدتاً معطوف به سیل در مناطق روستایی ...
بیشتر
سیل یکی از مخاطرات طبیعی است که می تواند به شدت بر زندگی انسان تأثیر بگذارد، به گونه ای که برای واکنش اضطراری به آن نیاز به ارزیابی دقیق منطقه آسیب دیده پس از حادثه می باشد. مشاهدات رادار با روزنه مجازی (SAR) بطور گسترده در تهیه نقشه و نظارت بر سیل استفاده می شود. با این حال، خدمات عملیاتی فعلی عمدتاً معطوف به سیل در مناطق روستایی است و مناطق سیل زده شهری، کمتر مورد توجه قرار می گیرند. در عمل، نقشه برداری از سیلاب های شهری به دلیل مکانیسم های پیچیده برگشت در محیط های شهری، چالش برانگیز است و علاوه بر شدت SAR، اطلاعات دیگری نیز لازم است. در این مقاله یک روش طبقه بندی برای تشخیص سیل در مناطق شهری با تلفیق استفاده از شدت SAR و همدوسی تداخل سنجی تحت چارچوب شبکه عصبی کانولوشن CNN معرفی می شود، تا اطلاعات سیل از مناظر مختلف را استخراج نماید. به منظور تمایز تغییرات حاصل از سیلاب از دیگر تغییرات، از سه سری زمانی همدوسی حاصل از تصاویر(قبل ـ قبل، قبل ـ بعد و بعد ـ بعد) استفاده شده است. این روش در رویداد سیل گنبد کاووس با داده های Sentinel-1 آزمایش می شود. نقشه های سیلاب حاصل از تلفیق شدت و همدوسی و شدت به تنهایی در مقایسه با داده های کنترل زمینی در مناطق شهری و داده های حاصل از آستانه گذاری تصاویر سنتینل-1 نشان می دهد که دقت کلی 93.8٪ و ضریب کاپا 0.81 برای ترکیب شدت و همدوسی و نیز دقت کلی 90.6٪ و ضریب کاپا 0.72 برای ترکیب شدت به تنهایی و دقت کلی 86.8٪ و ضریب کاپا 0.56 برای ترکیب همدوسی به تنهایی وجود دارد. آزمایشات نشان می دهد که همدوسی علاوه بر شدت در تهیه نقشه از سیلاب شهری، اطلاعات ارزشمندی را فراهم می کند و روش پیشنهادی می تواند ابزاری مفید برای تهیه نقشه از سیلاب شهری باشد.
دورسنجی
مسلم درویشی؛ رضا شاه حسینی
چکیده
با گسترش محدوده شهرها برخی زمینهایی که پیشازاین سالها با کاربری باغ مورداستفاده قرار میگرفتند درون حریم شهرها واقع شدهاند. اختلاف ارزش زمین با کاربری باغ نسبت به کاربری شهری نظیر مسکونی و تجاری صاحبان باغها را به سمت تغییر کاربری ترغیب میکند. متولیان امور شهری با اعمال قوانین سختگیرانه سعی دارند مانع از تغییر کاربری ...
بیشتر
با گسترش محدوده شهرها برخی زمینهایی که پیشازاین سالها با کاربری باغ مورداستفاده قرار میگرفتند درون حریم شهرها واقع شدهاند. اختلاف ارزش زمین با کاربری باغ نسبت به کاربری شهری نظیر مسکونی و تجاری صاحبان باغها را به سمت تغییر کاربری ترغیب میکند. متولیان امور شهری با اعمال قوانین سختگیرانه سعی دارند مانع از تغییر کاربری شوند. بررسی میزان موفقیت اینگونه برنامهریزیها، نیازمند بررسی تغییر کاربری زمینهای قرار گرفته در محدوده شهر در یک بازه زمانی بلندمدت است. در این تحقیق هدف اصلی آشکارسازی باغهای شهری متروکه با استفاده از تصاویر چندزمانه ماهواره لندست است. هدف دوم تعیین میزان تغییرات باغهای شهری منطقه موردمطالعه طی 30 سال گذشته است. در این تحقیق بر پایه تصاویر ماهواره لندست در سالهای 2018 و 1988 برای دامنه شمالی کوهستان الوند در استان همدان و محدوده شهر همدان شاخص تفاضلی نرمالشده پوشش گیاهی (NDVI) در کنار دمای سطحی زمین (LST) در 9 مقطع زمانی در هر سال استخراج شد. بهطورکلی نتایج تحقیق افزایش دمای سطحی 4.75 سانتیگراد برای منطقه طی 30 سال را نشان میدهد، همچنین رابطه معکوس دمای سطحی با شاخص تفاضلی نرمالشده پوشش گیاهی مورد تأیید است. بر مبنای تفکیک باغهای شهری یک مقایسه بین سالهای 2018 و 1988 صورت پذیرفت که نتایج حاکی از کاهش 175 هکتاری باغهای شهری در منطقه موردمطالعه، معادل کاهش 49 درصدی باغهای شهری است. در بخش اصلی تحقیق بر مبنای رفتارسنجی باغهای شهری در این دو ویژگی یک شاخص تفکیک برای باغهای فعال از متروکه ارائه شده است که پس از بررسی نتایج بر مبنای دادههای واقعیت زمینی شامل 25 باغ فعال و 25 باغ متروکه، روش پیشنهادی دارای دقت کلی 82% و ضریب کاپا 0.64 است.
دورسنجی
مهدیه فتحی؛ رضا شاه حسینی
چکیده
برنج اصلی ترین محصول غذایی بیش از نیمی از مردم جهان است. نظارت بر سطح زیر کشت محصول برنج، نقش مهمی در برنامه ریزی های کشاورزی دارد. امروزه می توان با تکیه بر فنآوری سنجش از دور و روش های یادگیری ماشین، روش های مدیریتی را بهبود بخشید. تحقیق فوق با هدف شناسایی برنج در سال 2020 به کمک نقشه های سری زمانی شاخص های NDVI ...
بیشتر
برنج اصلی ترین محصول غذایی بیش از نیمی از مردم جهان است. نظارت بر سطح زیر کشت محصول برنج، نقش مهمی در برنامه ریزی های کشاورزی دارد. امروزه می توان با تکیه بر فنآوری سنجش از دور و روش های یادگیری ماشین، روش های مدیریتی را بهبود بخشید. تحقیق فوق با هدف شناسایی برنج در سال 2020 به کمک نقشه های سری زمانی شاخص های NDVI و LST استخراج شده از تصاویر لندست-8، با الگوریتم SVM در ایالت کالیفرنیا، انجام گرفته است. یکی از انگیزه های اصلی این تحقیق، بررسی قابلیت های نقشه های سری زمانی شاخص LST در کنار نقشه های سری زمانی شاخص NDVI به منظور بهبود دقت شناسایی مزارع برنج ، با الگوریتم SVM است. در گام اول از روش پیشنهادی پس از اخذ سری زمانی تصاویر لندست-8 و انجام تصحیحات رادیومتری و اتمسفری، نقشه های سری زمانی دو شاخص NDVI و LST تولید شد. در گام دوم، شناسایی مزارع برنج با الگوریتم طبقه بندی SVM در دو سناریوی وجود یا عدم وجود نقشه ی سری زمانی LST در کنار نقشه ی سری زمانی NDVI پیشنهاد شد. در نهایت از الگوریتم های طبقه بندی نزدیکترین همسایگی، درخت تصمیم گیری، رگرسیون لجستیک و پرسپکترون چند لایه برای مقایسه ی روش پیشنهادی استفاده شد. نتایج حاصل از شاخص پیشنهادی باعث بهبود دقت کلی به مقدار متوسط 3.572 درصد و ضریب کاپا به مقدار متوسط 7.112 درصد در روش های شناسایی مزارع برنج هنگام بکار گیری همزمان نقشه های سری زمانی شاخص LST و NDVI با کاهش خطای نوع اول به کمک استخراج ویژگی های فصل رشد حرارتی (حذف کلاس های غیر برنج همچون پنبه، لوبیای سبز و ... از کلاس برنج) شد. همچنین الگوریتم ماشین بردار پشتیبان، بالاترین دقت کلی 94.28 درصد و ضریب کاپای 88.29 درصد را در شناسایی مزارع برنج از سایر مزارع کشاورزی، در مقایسه با سایر روش های مقایسه ای نشان داد. نتایج حاصل از روش های مقایسه ای کارآیی پایین الگوریتم درخت تصمیم گیری را در شناسایی لبه های مزارع برنج، نشان داد.
محسن عابدی؛ محمد سعادت سرشت؛ رضا شاه حسینی
چکیده
امروزه به روزرسانی اطلاعات در مناطق شهری اهمیت بالایی دارد، زیرا این اطلاعات، اساس بسیاری از کاربردها را فراهم می کند که شامل مطالعات تغییرات پوشش اراضی و مطالعات محیطی است. روش های متعددی برای شناسایی تغییرات با به کارگیری داده های سنجش از دوری توسعه داده شده اند و روش های جدیدی در حال ظهور هستند. در بسیاری از روش ...
بیشتر
امروزه به روزرسانی اطلاعات در مناطق شهری اهمیت بالایی دارد، زیرا این اطلاعات، اساس بسیاری از کاربردها را فراهم می کند که شامل مطالعات تغییرات پوشش اراضی و مطالعات محیطی است. روش های متعددی برای شناسایی تغییرات با به کارگیری داده های سنجش از دوری توسعه داده شده اند و روش های جدیدی در حال ظهور هستند. در بسیاری از روش های شناسایی عوارض زمینی، این عوارض با استفاده از پیش دانسته هایی از جمله ساختار، بافت، خصوصیات بازتابی و غیره شناسایی می شوند. هدف از این تحقیق ارایه روشی برای شناسایی تغییرات ساختمان ها در دو منطقه شهری و در بازه های زمانی 5 ساله و 3 ساله می باشد. در این تحقیق با توجه نوع داده های مورد استفاده و مناطق مورد مطالعه و تراکم ساختمان های شهری، روش شیءمبنا برای طبقه بندی عوارض و شناسایی ساختمان ها استفاده شده است. این روش شیءگرا، قطعه بندی چندمقیاسه است که با استفاده از آن توصیف گرهای مناسب طیفی، بافتی و ساختاری استخراج و با استفاده از روش های فازی، طبقه بندی می شوند و پس از طبقه بندی در دو اپک و استخراج ساختمان های حاصل از طبقه بندی، تغییرات ارتفاعی آنها محاسبه می شود. روش های شناسایی این تغییرات بر مبنای روش مبتنی بر یادگیری عمیق است و ارزیابی آن با استفاده از روش تفاضل DSM می باشد. در روش تفاضل DSM با استفاده از یک حدآستانه ارتفاعی تغییرات شناسایی می شوند، سپس در روش مبتنی بر یادگیری عمیق با استفاده از یک شبکه عصبی کانولوشن بار دیگر با در اختیار داشتن مشخصه های ارتفاعی و داده های واقعیت زمین ایجادشده از شناسایی تغییرات در حالت تفاضلی، این تغییرات ارتفاعی آشکار می شوند و با تغییرات شناسایی شده در روش تفاضلی ارزیابی می شوند. نتایج آزمون ها نشان داد با توجه نوع داده مورد استفاده، منطقه مورد مطالعه و تراکم ساختمان های موجود، حدود 96% ساختمان ها از تصاویر هوایی در گام اول شناسایی و استخراج شدند. همچنین در گام دوم شناسایی تغییرات ساختمانی به روش شبکه عصبی با صحت کلی 90% انجام شده است.
سارا خانبانی؛ رضا شاه حسینی
چکیده
شناسایی تغییرات از تصاویر سنجش از دوری بهمنظور پایش تغییرات مناطق شهری و غیرشهری - مسائل زیستمحیطی بحث مدیریت بحران و دیگر کاربردها یکی از مسائل مطرح میان متخصصان این حوزه میباشد. ارائه روشی مناسب بهمنظور شناسایی تغییرات از تصاویر با قدرت تفکیک مکانی بسیار بالا میتواند با چالشهای زیادی مواجه شود. بسیاری از روشهای شناسایی ...
بیشتر
شناسایی تغییرات از تصاویر سنجش از دوری بهمنظور پایش تغییرات مناطق شهری و غیرشهری - مسائل زیستمحیطی بحث مدیریت بحران و دیگر کاربردها یکی از مسائل مطرح میان متخصصان این حوزه میباشد. ارائه روشی مناسب بهمنظور شناسایی تغییرات از تصاویر با قدرت تفکیک مکانی بسیار بالا میتواند با چالشهای زیادی مواجه شود. بسیاری از روشهای شناسایی تغییرات با قدرت تفکیک مکانی بالا نیازمند آموزش الگوریتم هستند. در این مقاله روش شناسایی تغییرات از تصاویر سنجش از دوری با قدرت تفکیک مکانی بالا بدون نیاز به آموزش الگوریتم ارائه شده است. در روش ارائه شده ویژگیهای طیفی و مکانی از تصاویر قبل و بعد از منطقه مورد مطالعه استخراج شده و سپس تصاویر اختلاف متناظر با ویژگیهای حاوی محتوای اطلاعاتی بالا تولید شدهاند. در مرحله بعد اطلاعات تغییرات متناظر با نقشهی تغییرات ویژگی به فضای کروی نگاشت مییابد. با استفاده از روش حدآستانهگذاری در فضای کروی نقشهی اولیّهای ایجاد شده و همچنین با روش خوشهبندی سلسله مراتبی منظمشده بهوسیلهی روش میدان تصادفی مارکوف نقشهی ثانویهای ایجاد میشود. با تصمیمگیری میان نقشهی اولیه و ثانویه و تصمیمگیری نهایی نقشهی تغییرات منطقهی مورد مطالعه ایجاد شده است. نقشه ایجاد شده دقت کلی 92.56 درصدی را در منطقه نشان داده است.
ارسطو زارعی؛ رضا شاه حسینی؛ روناک قنبری
چکیده
در سالهای اخیر دمای سطح زمین (LST) اهمیت زیادی در مطالعات علوم زمین و محیطزیست پیدا کرده است. فناوری سنجشازدور، امکان پایش مکانی و زمانی این کمیت را در سطوح وسیع فراهم میآورد. این پارامتر از طریق تصاویر ماهوارهای با حداقل یک باند حرارتی فراهم میشود. در این مطالعه از روش پنجره مجزای غیرخطی توسط ماهواره سنتینل3 در طول فصول ...
بیشتر
در سالهای اخیر دمای سطح زمین (LST) اهمیت زیادی در مطالعات علوم زمین و محیطزیست پیدا کرده است. فناوری سنجشازدور، امکان پایش مکانی و زمانی این کمیت را در سطوح وسیع فراهم میآورد. این پارامتر از طریق تصاویر ماهوارهای با حداقل یک باند حرارتی فراهم میشود. در این مطالعه از روش پنجره مجزای غیرخطی توسط ماهواره سنتینل3 در طول فصول مختلف سال 1397 برای محاسبه دمای سطح زمین استفاده شد و همچنین یک روش اعتبارسنجی مستقیم و غیرمستقیم برای آن ارائه شده است. روش اعتبارسنجی برمبنای ارزیابی قطعی این محصول با داده میدانی، و ارزیابی نسبی آن با محصولات دمای مادیس و SLSTR میباشد. همچنین از روش برآورد گسیلمندی برمبنای شاخص پوشش گیاهی برای تخمین دما از روش پنجره مجزای غیرخطی باتوجه به دو باند حرارتی تصاویر سنتینل3 استفاده شد. برای اطمینان بیشتر، محصولات دمای مادیس و SLSTR نیز بهصورت مستقیم با داده میدانی ارزیابی قطعی شد. بهطور کلی نتایج حاصل از محصول دمای مادیس، SLSTR و دمای برآورد شده از روش پنجره مجزای غیرخطی روندی مشابه را برای تغییرات دما در طول فصول سال نشان دادند. بهطور خلاصه، با توجه به دو روش اعتبارسنجی مستقیم و غیرمستقیم برای دمای برآورد شده از روش پنجره مجزای غیرخطی، فصل تابستان با مقادیر بزرگ میانگین مربع خطاها (2/46)، و فصل زمستان با مقادیر کوچک میانگین مربع خطاها (0/86) بهترتیب کمترین و بیشترین نتایج را برای فصول در سال 1397 ارائه دادند. در نهایت، با توجه به نتایج بهدست آمده دمای برآورد شده هم بهصورت قطعی و هم بهصورت نسبی نتایج مطلوبی را برای تمام فصول در مقیاس زمانی و مکانی گسترده فراهم میکند که میتواند در مقیاسهای بزرگ برای برآورد دما در حل بحرانهای زیستمحیطی و همچنین تغییر اقلیم از آن استفاده نمود.
سعید فرزانه؛ رضا شاه حسینی؛ ایمان کردپور
چکیده
در سالهای اخیر کشور ایران با خشکسالیهای متعددی مواجه بوده است، لذا برآورد دقیق میزان خشکسالی به منظور پیشبینی و مدیریت بهینه منابع طبیعی امری اجتنابناپذیر است. بدین منظور روشهای مرسوم برآورد خشکسالی که مبتنی بر مشاهدات ایستگاههای هواشناسی هستند، بهکار گرفته میشوند. یکی از مشکلات اصلی این روشها در نظر نگرفتن تغییر ...
بیشتر
در سالهای اخیر کشور ایران با خشکسالیهای متعددی مواجه بوده است، لذا برآورد دقیق میزان خشکسالی به منظور پیشبینی و مدیریت بهینه منابع طبیعی امری اجتنابناپذیر است. بدین منظور روشهای مرسوم برآورد خشکسالی که مبتنی بر مشاهدات ایستگاههای هواشناسی هستند، بهکار گرفته میشوند. یکی از مشکلات اصلی این روشها در نظر نگرفتن تغییر شرایط اقلیمی و آب و هوایی در مناطق بزرگ است و معمولاً این روشها در مناطق محلی جواب مناسبی بهدست میدهند. بهمنظور بهبود دقت برآورد میزان خشکسالی در سطوح وسیع، استفاده تلفیقی از دادههای حاصل از تصاویر ماهوارهای و ایستگاههای زمینی ضرورت خواهد داشت. در سالهای اخیر استفاده از روشهای ثقلسنجی ماهوارهای و تصاویر ماهوارهای بهعنوان ابزاری مفید برای پایش مکانی و زمانی خشکسالی در مناطق وسیع، مورد توجه محققین قرار گرفته است. هدف از این مطالعه استفاده از دادههای ماهواره بازیابی گرانش و آب و هوا (GRACE) و محصول شاخص پوشش گیاهی سنجنده MODIS و مشاهدات زمینی ایستگاههای سینوپتیک برای ارزیابی خشکسالی در بازه زمانی ۲۰۰۳ تا ۲۰۱۶ در کل کشور ایران است. بدین منظور در مقاله حاضر شاخصی کارا با عنوان شاخص خشکسالی دادههای ادغامشده (MDI) مبتنی بر تصاویر شاخص پوشش گیاهی یکنواخت شده (NDVI) حاصل از سنجنده مادیس، دادههای محتوی آب زمین (TWS) استخراج شده از ماهواره GRACE و دادههای بارندگی استخراج شده از ایستگاههای سینوپتیک ارائه شده است. نتایج بهدست آمده همبستگی ۷۵٪ با شاخص استاندارد جهانی شدت میزان خشکسالی پالمر (PDSI) را نشان میدهد. نتایج شاخص MDI و PDSI روند خشکسالی در سالهای ۲۰۰۸ تا ۲۰۱۵ در ایران را بهخوبی نشان میدهند.
رامین مختاری دهکردی؛ رضا شاه حسینی
چکیده
امروزه بررسی رشد شهرها و اثرات آن در کشورهای در حال توسعه از مسائل حائز اهمیت است. هدف از این پژوهش پایش رشد مناطق شهری در طول 31 سال گذشته، اثر آن بر درجه حرارت سطح زمین و بررسی تغییرات جزایرحرارتی شهر است. به منظور بررسی دقیق تر توسعه مکانی مناطق شهری در طول سال های گذشته تاکنون، از تلفیق در سطح تصمیم نتایج بدست آمده از الگوریتم طبقه ...
بیشتر
امروزه بررسی رشد شهرها و اثرات آن در کشورهای در حال توسعه از مسائل حائز اهمیت است. هدف از این پژوهش پایش رشد مناطق شهری در طول 31 سال گذشته، اثر آن بر درجه حرارت سطح زمین و بررسی تغییرات جزایرحرارتی شهر است. به منظور بررسی دقیق تر توسعه مکانی مناطق شهری در طول سال های گذشته تاکنون، از تلفیق در سطح تصمیم نتایج بدست آمده از الگوریتم طبقه بندی با نظارت مبتنی بر شبکه عصبی مصنوعی و نتایج حاصل از شاخص مناطق مسکونی استفاده شده است. به منظور محاسبه دمای سطح زمین در منطقه مورد مطالعه، از الگوریتم بهبود یافته پنجره مجزا برای تصاویر سنجنده مادیس و ماهواره لندست 8 استفاده شده است. در مرحله ارزیابی دقت الگوریتم پیشنهادی، از مجموعه تصاویرچندزمانه ماهواره لندست 5 ولندست 8 مربوط به شهرستان شهرکرد، اخذ شده در سال های 1365، 1368، 1372 1377، 1380، 1387، 1392،1394، 1396و تصاویرمتناظر زمانی سنجنده مادیس (تصاویرشب)در سال های 1380، 1387، 1392، 1394 و 1396استفاده شده است. نتایج بدست آمده نشان دادکه مناطق مسکونی در این شهرستان در طول بازه 31 ساله رشدی در حدود دوبرابر داشته است و مساحت مناطق شهری از 1004 هکتاربه 2112 هکتاررسیده است. علاوه براین، بررسی نقشه های حرارتی تولید شده، نشان می دهد که دمای روزانه سطح شهر و مناطق ساختمانی نسبت به سایر مناطق پایین تر می باشد، ولیکن این امر درطول شب متفاوت است، به طوری که در طول شب مناطق مسکونی و پوشش ساختمانی دارای دمای بالاتری نسبت به سایر مناطق می باشند و این نشان دهنده جزایر گرمایی در شهر است. همچنین نتایج حاصل از آنالیز همبستگی بین مقادیر دمای سطح شهر و شاخص مناطق ساختمانی نشان می دهد که با افزایش رشد مناطق شهری، جزایر حرارتی نیز با روند افزایشی روبه رو هستند.
آرش کریمی زارچی؛ رضا شاه حسینی
چکیده
در این مقاله روش جدیدی برای اندازه گیری شدت جزیره های گرمایی سطحی شهری پیشنهاد می شود که از رابطه بین دمای سطح زمین (LST) و شاخص تفاضلی یکنواخت شده ی شهری(NDBI) وشاخص تفاضلی یکنواخت شده ی گیاهی(NDVI) که در تصویری به نام نقشه درصد شهری با هم ترکیب می شوند، استفاده می کند. با توجه به رفتار LST و رابطه آن با نوع پوشش زمین می توان گفت که رابطه بین LST ...
بیشتر
در این مقاله روش جدیدی برای اندازه گیری شدت جزیره های گرمایی سطحی شهری پیشنهاد می شود که از رابطه بین دمای سطح زمین (LST) و شاخص تفاضلی یکنواخت شده ی شهری(NDBI) وشاخص تفاضلی یکنواخت شده ی گیاهی(NDVI) که در تصویری به نام نقشه درصد شهری با هم ترکیب می شوند، استفاده می کند. با توجه به رفتار LST و رابطه آن با نوع پوشش زمین می توان گفت که رابطه بین LST و نقشه درصد شهری از یک تابع خطی پیروی می کند و می توان این تابع خطی را به نمودار دمای سطح زمین برحسب کاربری زمین برازش داد. انتظار می رود از شیب به دست آمده از این خط برازش داده شده شدت جزیره گرمایی شهری (UHII) محاسبه شود. به دلیل ضعف شاخص NDBI این روش برای مناطق بیابانی دقت پایینی دارد ولی در مناطق با پوشش معتدل از دقت بالایی برخوردار است. در این مقاله از داده های ماهواره LANDSAT-7 سنجنده +ETM روی منطقه رشت مرکز استان گیلان و از داده های ماهواره LANDSAT-8 سنجنده OLI/TIR مربوط به منطقه لنگرود دراستان گیلان استفاده شده است. نتایج نشان می دهد برازش خوب یک خط به نمودار LST بر حسب NDBI و نقشه درصد شهری یک روش مناسب برای محاسبه شدت جزیره گرمایی شهری است و در مقایسه با روش های قدیمی دقت و کارایی بالاتری دارد.