نقشه راه GIS

درخواست مشاوره

09120049370

8 صبح تا 12 شب

09120049370

Telegram Whatsapp Youtube
کاربرد جی ای اس

 

خلاصه

بخش مهمی از سیستم های طبیعی شهری، فضاهای سبز شهری نقش مهمی در کاهش اثر جزیره گرمایی شهری (UHI) ایفا می کنند. اثر UHI به پدیده ای اطلاق می شود که در آن دمای یک شهر بیشتر از دمای مناطق روستایی اطراف است. اثرات ترکیب فضایی و پیکربندی فضاهای سبز شهری بر دمای سطح زمین شهری (LST) اخیراً مستند شده است. با این حال، مطالعات کمی اثرات جهت و توزیع فضاهای سبز بر LST را بررسی کرده اند. در این مطالعه، ما از یک شاخص چشم‌انداز برای توصیف تغییر در الگوی شدت جزیره گرمایی برای شهر بائوتو، چین استفاده کردیم. سپس از یک تابع نیمه متغیر و الگوریتم نزدیکترین همسایه برای تجزیه و تحلیل اثرات سرمایشی فضاهای سبز استفاده کردیم. دریافتیم که: (1) فاصله خنک کننده فضای سبز شهری نه تنها تحت تأثیر اندازه، پوشش گیاهی و شکل آن بود، بلکه ناهمسانگردی را نیز نشان داد. به طور کلی، هر چه مساحت فضای سبز شهری بزرگتر باشد و مقدار شاخص گیاهی تفاوت نرمال شده (NDVI؛ اندازه گیری فعالیت فتوسنتزی گیاه) بیشتر باشد، فاصله خنک کننده در یک آستانه مشخص بیشتر می شود. فضاهای سبز با اشکال منظم تر، کاهش LST بالاتری را نشان می دهند. با این حال، فاصله خنک کننده جهت بود، و اثرات خنک کننده به محور نیمه اصلی و محور نیمه فرعی فضای سبز بستگی داشت. (2) توزیع فضای سبز شهری در داخل چشم انداز نقش کلیدی در کاهش اثر UHI ایفا کرد. در یک منطقه خاص، اثر خنک کنندگی فضاهای سبز که به طور مساوی توزیع شده اند بیشتر از آن بود که با فضاهای سبزی که از نظر مساحت بزرگ بودند و یا در جایی که فضاهای سبز در منظر جمع شده بودند مرتبط بود. بنابراین، در مناطق شهری، که فضا محدود است، برنامه ریزی شهری باید فضاهای سبزی را در نظر بگیرد که نسبتاً پراکنده و به طور مساوی توزیع شده اند تا اثرات سرمایش را به حداکثر برسانند. نتایج این مطالعه پیامدهای کلیدی برای برنامه ریزی و توسعه شهری پایدار دارد. برای کاهش اثرات جزیره گرمایی شهری، نه تنها افزایش پوشش سایبان یا اندازه فضاهای سبز شهری، بلکه بهینه سازی پیکربندی فضایی آنها نیز مهم است. برنامه ریزی شهری باید فضاهای سبزی را در نظر بگیرد که نسبتاً پراکنده و به طور مساوی توزیع شده اند تا اثرات سرمایش را به حداکثر برسانند. نتایج این مطالعه پیامدهای کلیدی برای برنامه ریزی و توسعه شهری پایدار دارد. برای کاهش اثرات جزیره گرمایی شهری، نه تنها افزایش پوشش سایبان یا اندازه فضاهای سبز شهری، بلکه بهینه سازی پیکربندی فضایی آنها نیز مهم است. برنامه ریزی شهری باید فضاهای سبزی را در نظر بگیرد که نسبتاً پراکنده و به طور مساوی توزیع شده اند تا اثرات سرمایش را به حداکثر برسانند. نتایج این مطالعه پیامدهای کلیدی برای برنامه ریزی و توسعه شهری پایدار دارد. برای کاهش اثرات جزیره گرمایی شهری، نه تنها افزایش پوشش سایبان یا اندازه فضاهای سبز شهری، بلکه بهینه سازی پیکربندی فضایی آنها نیز مهم است.
کلید واژه ها: 

فضای سبز شهری ; اثرات خنک کننده ؛ الگوی جزیره گرمایی شهری ; شهر بائوتو

 

1. معرفی

مناطق شهری اهمیت فزاینده ای پیدا می کنند و سازمان ملل متحد پیش بینی می کند که بیش از 65 درصد از جمعیت جهان تا سال 2050 شهرنشین خواهند بود [ 1 ]. بنابراین ضروری است که برای درک بهتر فرآیندهای پیچیده ای که با توسعه پایدار و رفاه انسان در شهرها مرتبط است، تلاش کنیم. اثر جزیره گرمایی شهری (UHI) به پدیده ای اشاره دارد که در آن درجه حرارت در یک شهر بالاتر از دمای مناطق روستایی اطراف است [ 2 ، 3 ، 4 ]. کاهش محیط طبیعی، انتشار حرارت زیاد اگزوز، افزایش ناهمواری سطح و سطح غیرقابل نفوذ، و خط افق شهری باریک مرتبط با شهرها اغلب منجر به افزایش اثر دما می شود [ 5]، 6 ]. UHI نه تنها محیط حرارتی شهری را تغییر می دهد، بلکه احتمال رویدادهای گرمای شدید را افزایش می دهد، آلودگی هوا را افزایش می دهد، مصرف انرژی را افزایش می دهد و سلامت انسان را تهدید می کند [7 ، 8 ، 9 ] . بنابراین، تحقیقات بیشتر در مورد اثر UHI و چگونگی کاهش آن [ 10 ، 11 ] برای بهبود موثر محیط زیست اکولوژیکی شهری و بهبود شرایط سکونت‌گاه‌های انسانی در شهرها اهمیت زیادی خواهد داشت [ 12 ].
ارائه عملکردها و خدمات کلیدی اکولوژیکی (مثلاً ذخیره کربن، حفاظت از خاک، بافر سر و صدا، کیفیت هوا و غیره ) در مناطق گسترش شهری، فضاهای سبز شهری بخشی ضروری از اکوسیستم شهری هستند. علاوه بر این، آنها همچنین از طریق تبخیر و اثرات سایه‌زنی نقش خنک‌کننده را ارائه می‌کنند که به کاهش اثرات UHI کمک می‌کند [ 13 ، 14 ، 15 ]. عوامل مختلفی که به اثرات خنک کنندگی ارائه شده توسط فضاهای سبز شهری کمک می کنند، در ادبیات گزارش شده است، مانند خواص ویژه گیاه، اثرات خنک کنندگی یک پارک از پوشش گیاهی شهری، و اثر خنک کنندگی فضاهای سبز در مناطق اطراف آنها [16] .]. به عنوان مثال، درختانی که دارای برگ سوزنی هستند، تراکم برگ کمتری نسبت به درختان پهن برگ دارند، که به تابش خورشیدی بیشتری اجازه می دهد تا به سطح زمین نفوذ کند و دمای سطح زمین (LST) را افزایش دهد، بنابراین عملکرد خنک کنندگی کمتری نسبت به برگ های پهن ارائه می دهد [ 17 ] . مقایسه بین انواع پوشش گیاهی نشان داد که اثر خنک‌کنندگی پوشش گیاهی فضای سبز شهری از درختکاری کاهش می‌یابد، که بیشترین اثر خنک‌کنندگی را از طریق درختچه‌ها به گیاهان دارد و کمترین اثر خنک‌کننده را دارد [18 ] . هرچه حجم آب داخلی بیشتر در فضای سبز شهری قرار گیرد، دمای داخلی آن فضا کمتر است که معمولاً اثر خنک کنندگی قابل توجهی ایجاد می کند [ 19 ، 20]]. همچنین نشان داده شده است که تفاوت دمای سطح در یک شهر با مقدار پوشش گیاهی مرتبط است، با مناطقی که پوشش گیاهی بیشتری دارند با دمای سطح سردتر مرتبط هستند [ 21 ، 22 ]. مقدار پوشش گیاهی و شاخص گیاهی تفاوت نرمال شده (NDVI؛ معیاری برای فعالیت فتوسنتزی گیاه) با UHI همبستگی منفی دارد [ 23 ، 24 ، 25 ].
رابطه بین شدت اثر UHI و الگوی فضایی فضاهای سبز و همچنین ترکیب و پیکربندی آنها نیز اخیراً مستند شده است. ترکیب فضای سبز به فراوانی و تنوع انواع پوشش زمین ( یعنی اندازه، تراکم و یکنواختی لکه های فضای سبز شهری) اشاره دارد و پیکربندی به آرایش و چیدمان فضایی ( یعنی شکل، تجمع و انسجام لکه ها) مربوط می شود. ) [ 26 ، 27 ]. مطالعات متعدد نشان داده اند که اندازه فضای سبز شهری شاخص بهتری برای اثر خنک کنندگی آن است [ 11 ، 28 ]. مشخص شد که فضاهای سبز با اندازه متوسط ​​(~0.5 × 106 متر مربع ).) معمولاً محدوده کاهش دما 1.5-3.0 درجه سانتیگراد دارند [ 13 ، 29 ، 30 ] ، در حالی که فضاهای سبز بزرگتر (> 1.5 × 106 m2 ) تأثیر خنک کنندگی قابل توجهی بر محیط اطراف خود دارند [ 31 ]. بر اساس مطالعه موردی پکن، یک منطقه شهری بسیار شهری در چین، افزایش 10 درصدی در درصد پوشش فضای سبز منجر به کاهش 0.86 درجه سانتی گراد در LST می شود [32 ] . علاوه بر این، پیکربندی فضاهای سبز نیز بر راندمان سرمایش تأثیر می گذارد. ثابت نگه داشتن ترکیب، ژو و همکاران. (2011) پیشنهاد کرد که UHI را می توان با بهینه سازی پیکربندی فضایی پوشش زمین شهری کاهش داد [ 27]]. در مطالعه دیگری، فضاهای سبزی که شکل ساده داشتند، نسبت به فضاهایی که از نظر شکل پیچیده بودند، اثر خنک کنندگی قابل توجهی داشتند [ 11 ]. اگرچه، بسیاری از مطالعات اثرات پیکربندی فضاهای سبز را بر شدت UHI بررسی کرده اند [ 32 ، 33]، عوامل پیکربندی، مانند تأثیر ناهمسانگرد فاصله خنک کننده و توزیع فضاهای سبز شهری در جزایر گرمایی به ندرت مورد بررسی قرار گرفت. این عوامل ممکن است بینش هایی برای بهینه سازی پیکربندی فضاهای سبز برای کاهش اثر UHI از طریق برنامه ریزی شهری ارائه دهند. به همین دلیل، اهداف ما عبارت بودند از: (1) استفاده از یک تابع نیمه واریانس برای بررسی فاصله خنک کننده (فاصله جغرافیایی اثر سرمایش) فضاهای سبز شهری برای بررسی اینکه آیا تفاوت هایی بین جهات مختلف فضاهای سبز شهری وجود دارد یا خیر. فاصله خنک‌کننده، و تعیین اینکه آیا تفاوت‌ها به شکل و اندازه فضاهای سبز مرتبط است یا خیر. و (2) برای کشف اینکه آیا توزیع فضایی فضاهای سبز شهری الگوی جزیره گرمایی را تغییر می‌دهد یا خیر، و اگر چنین است،

2. مواد و روشها

2.1. منطقه مطالعه

بائوتو، بزرگترین شهر منطقه خودمختار مغولستان داخلی و مرکز مهم صنعتی چین، در غرب مغولستان داخلی بین 109 درجه و 25 دقیقه و 110 درجه و 25 دقیقه طول شرقی و 40 درجه و 25 دقیقه و 40 درجه و 50 دقیقه واقع شده است. عرض جغرافیایی ( شکل 1 ). منطقه اداری بائوتو 11 منطقه و مساحت کل 2.776 × 10 10 متر مربع را پوشش می دهد و دارای یک منطقه شهری به مساحت 2.2 × 108 متر مربع ، جمعیتی بالغ بر 2،799،200 و شامل چهار منطقه است. کندولون، کینگشان، دونگه و جیویوان. بائوتو دارای آب و هوای معتدل قاره ای با میانگین دمای سالانه 6.4 درجه سانتیگراد، میانگین بارندگی سالانه 310 میلی متر و در مجموع 110 تا 143 روز بدون یخبندان است.
Ijgi 05 00012 g001 1024
شکل 1. نقشه موقعیت منطقه مورد مطالعه.

2.2. داده ها و پردازش

ما از تصاویر سنجش از دور با وضوح 30 متر از Landsat 5 TM که در سال‌های 2000، 2004، 2007 و 2011 گرفته شده‌اند، و Landsat 8 OLI از سال 2014 استفاده کردیم. ما این تصاویر را که در طول فصل رشد (ژوئیه تا آگوست) گرفته شده‌اند، دانلود کردیم. وب سایت سازمان زمین شناسی آمریکا تصاویر تنها در صورتی انتخاب می‌شوند که پوشش ابری 2 درصد یا کمتر داشته باشند. ما کالیبراسیون رادیومتریک، تصحیح جو، تصحیح هندسی (دقت تک نقطه ای زیر 1 پیکسل)، پوشش و سایر اقدامات را روی داده های تصویر از هر پنج دوره زمانی با استفاده از ENVI5.1 و ArcGIS10.3 انجام دادیم. سپس فضاهای سبز شهری موجود در بائوتو را با تفسیر بصری صفحه استخراج کردیم. ما ارزیابی دقت طبقه‌بندی فضای سبز شهری خود را با استفاده از حقیقت‌سنجی زمینی از یک مطالعه میدانی مستقل انجام دادیم و دقت طبقه‌بندی ما 95٪ یا بالاتر بود.

2.3. روش های پژوهش

2.3.1. دمای سطح زمین (LST)

ما الگوریتم تک پنجره ای را برای بازیابی LST با وضوح فضایی 30 متر از کانال Landsat TM/OLI TIR [ 34 ] اتخاذ کردیم. فرمول ها به شرح زیر است:

��=[�6(1−�6−�6)+[�6(1−�6−�6)+�6+�6]�6−�6��]/�6
�6=�2/��(1+�1/��)
�6=�6�6
�6=(1−�6)[1+(1−�6)�6]

که در آن، Ts دمای واقعی زمین (K) است . T 6 دمای روشنایی (K) است. L λ درخشندگی است (mW/(cm2 · sr · μm))، K1 و K2 ثابت هستند (mW/(cm2 · sr·μm) و K) به دست آمده از هدر تصویر Landsat . ε 6 ، τ 6 و Ta به ترتیب تابش سطحی، انتقال اتمسفر و دمای متوسط ​​اتمسفر (K) هستند . سطوح عمدتاً به سه نوع سطح آب، شهری و طبیعی تقسیم می شدند . ε 6 _میزان آب 995/0 در نظر گرفته شد و سطح شهری و طبیعی از پوشش گیاهی برآورد شد. τ6 با استفاده از مدل اتمسفر LOWTRAN7 محاسبه شد و Ta با استفاده از دمای متوسط ​​بخش اتمسفر استاندارد [ 34 ] محاسبه شد : a 6 = -67.355، b6 = 0.458 (محدوده دمایی 0-70 درجه سانتیگراد).

2.3.2. الگوی فضایی شدت UHI

برای محاسبه تغییر در دمای بدست آمده از تصاویر سنجش از دور در چندین دوره زمانی، از رابطه (5) زیر برای محاسبه دمای نسبی (°C) استفاده کردیم و سپس با استفاده از این مقدار آستانه، شدت UHI ها را به درجه های مختلف تقسیم کردیم (جدول 1) . ):

�=(���−�)/�

که در آن، T ui روشنایی منطقه مطالعه من است ، و T میانگین دمای زمین بائوتو است.

جدول
جدول 1. استاندارد درجه بندی UHIs.
معیارهای منظر همچنین برای توصیف الگوی شدت UHI در هر درجه انتخاب شدند، مانند منطقه کلاس (CA)، تعداد وصله‌ها (NP)، شاخص شکل منظر (LSI)، شاخص تجمع (AI)، شاخص یکنواختی شانون (SHEI) ، میانگین ابعاد فراکتالی پچ (FRAC_MN) و نسبت محیط به مساحت (PARA). این شاخص ها همگی با استفاده از نرم افزار Fragstats 4.2 محاسبه شدند. CA برابر است با مجموع مساحت همه وصله ها با نوع پچ مربوطه (m 2) و NP به تعداد وصله های هم نوع پچ اشاره دارد. LSI یک معیار استاندارد از کل لبه یا تراکم لبه یک وصله را در حالی که اندازه چشم انداز کلی را تنظیم می کند، ارائه می دهد، و وقتی LSI > 1 باشد، هر چه مقدار بالاتر باشد، درجه تکه تکه شدن چشم انداز بیشتر می شود. هوش مصنوعی اندازه‌گیری درجه نسبی تجمع تکه‌ها در چشم‌انداز است که از 0 تا 100 درصد متغیر است، که در آن مقدار بیشتر نشان‌دهنده درجه بالاتری از تکه‌های انباشته‌شده است. SHEI توزیع یکنواخت مساحت در بین انواع لکه‌ها را منظره‌ای با حداکثر یکنواختی در نظر می‌گیرد. وقتی مقدار 0 است، به این معنی است که تنها یک نوع پچ وجود دارد و زمانی که مقدار 1 است، توزیع یکنواخت انواع مختلف پچ را نشان می دهد. محدوده FRAC_MN از 1 تا 2 است، و معیاری از اندازه وصله و درجه پیچش حاشیه آن ارائه می دهد که در آن هر چه مقدار بیشتر باشد، شکل پیچیده تر است. PARA اندازه گیری ساده پیچیدگی شکل است که در آن هر چه مقدار بیشتر باشد، شکل پیچیده تر است.
برای تجزیه و تحلیل رابطه بین فاصله سرمایش همسانگرد و فضای سبز شهری و بین میانگین NDVI با تفکیک فضایی 30 متر و شاخص شکل فضای سبز (PARA) از نرم افزار آماری SPSS 20.0 استفاده شد.
شش منطقه نمونه نمونه‌برداری نیز در فضاهای سبز شهری انتخاب شدند که به‌عنوان مجموع‌ها تعریف شدند. ما ده بافر با فاصله مساوی (فاصله 30 متر) از 0 متر تا 300 متر در اطراف فضای سبز شهری ایجاد کردیم و میانگین دمای سطح هر کدام را برای پنج دوره زمانی تصاویر Landsat محاسبه کردیم.

2.3.3. مسافت خنک کننده و جهت فضای سبز شهری

ما فاصله و جهت خنک‌کننده فضای سبز شهری را با استفاده از یک تابع نیمه واریانس [ 35 ] شناسایی کردیم، که اغلب زمانی استفاده می‌شود که فاصله همبستگی فضایی یا سوگیری جهتی در داده‌ها وجود داشته باشد. داده های ما ذاتاً دارای سوگیری فضایی هستند، که آنها را برای این تابع مناسب می کند. تابع نیمه واریانس به صورت زیر تعریف می شود:

�(ℎ)=12�(ℎ)∑�=1�(ℎ)[�(��)−�(��+ℎ)]2

که در آن γ(h) نیمه واریانس است، Z(x) متغیر منطقه ای، N(h) از حجم نمونه است، و hفاصله جدایی است تغییرات فضایی متغیر منطقه ای با افزایش فاصله تا یک درجه مشخص، مقدار پایداری را نشان می دهد. یعنی یک آستانه جزئی. این فاصله حداکثر فاصله همبسته فضایی است که برای این مطالعه، حداکثر فاصله خنک کننده است. تابع نیمه واریانس متغیر منطقه ای دو بعدی نیز جهت دار است. وقتی نسبت دو جهت مختلف برابر یا نزدیک به 1 باشد، همسانگردی را نشان می دهد، در غیر این صورت ناهمسانگردی را نشان می دهد. فواصل خنک کننده جهات مختلف از پارامترهای مدل نیمه واریانس جعبه ابزار تحلیلگر زمین آماری ArcGIS10.3 به دست آمد.

از آنجایی که تابع نیمه واریانس را نمی توان برای فضاهای سبز شهری انباشته (لکه های فضای سبز در فاصله کمتر از 150 متر از یکدیگر) با اثرات خنک کننده متقابل اعمال کرد، ما ده حلقه بافر تقسیم مساوی از 0 متر تا 300 متر را ایجاد کردیم. فواصل 30 متری (مرتبط با وضوح تصویر شطرنجی) در اطراف فضاهای سبز شهری متراکم انتخاب شده و میانگین دمای زمین در هر بازه محاسبه شده است. نقطه ای در امتداد فاصله بافر 0-300 متری که در آن منحنی نیمه واریانس دما پایدار شد، تقریباً فاصله خنک کننده آن مجموع فضاهای سبز شهری است.

2.3.4. اثر کاهنده توزیع فضایی فضای سبز

برای کشف رابطه بین توزیع فضایی فضاهای سبز شهری و الگوی جزیره گرمایی، از الگوریتم k-نزدیکترین همسایه استفاده کردیم. این الگوریتم یک شاخص نزدیکترین همسایه را بر اساس میانگین فاصله هر ویژگی تا نزدیکترین ویژگی همسایه آن محاسبه می کند. در مرحله بعد، مشخص می کند که آیا الگوی توزیع فضاهای سبز شهری تجمیع یا پراکنده است. ما مقادیر k نزدیکترین همسایه را با استفاده از ابزارهای آمار فضایی در ArcGIS10.3 محاسبه کردیم و با استفاده از مقدار آستانه، شاخص های نزدیکترین همسایه را به درجه های مختلف تقسیم کردیم ( جدول 2).). علاوه بر این، درصد مساحت هر فضای سبز شهری را که در داخل هر منطقه قرار دارد محاسبه کردیم تا تأثیر منطقه بر دمای متوسط ​​تعیین شود. ما درجه تجمع فضای سبز شهری و نسبت مساحت چهار منطقه در بائوتو، از جمله کندولون، کینگشان، دونگه، و جییووان را به دست آوردیم و روابط بین درجه تجمع، نسبت مساحت و میانگین دما در هر منطقه را ایجاد کردیم.
جدول
جدول 2. k – طبقه بندی شاخص نزدیکترین همسایه.

3. نتایج

3.1. تغییرات فضایی و زمانی شدت UHI

از بازیابی دما و طبقه بندی شدت جزیره گرمایی (معادله (5) و جدول 1 )، متوجه شدیم که شدت جزیره گرمایی Baotou عمدتاً به عنوان UHI های متوسط، قوی یا بسیار قوی طبقه بندی می شود. این UHIهای متوسط ​​تا بسیار قوی در ناحیه مرکز شهر، به ویژه در مناطقی با تراکم ساختمانی نسبتاً بالا یا در زمین های بلااستفاده توزیع شدند. در مقابل، فضاهای سبز شهری و مناطق اطراف آن به عنوان جزایر گرمایی ضعیف یا خیر طبقه بندی شدند. جزایر گرمایی بسیار قوی فقط یک منطقه نسبتاً کوچک را به خود اختصاص داده اند که عمدتاً در منطقه صنعتی بائوتو واقع شده است ( شکل 2 ).
Ijgi 05 00012 g002 1024
شکل 2. نقشه شدت جزایر گرمایی در بائوتو. شدت UHI به شش دسته طبقه بندی شد که رنگ های آبی تا قرمز نشان دهنده شدت UHI ها از ضعیف به قوی است.
هفت شاخص چشم انداز برای اندازه گیری شدت UHI انتخاب شدند که چهار نوع جزیره گرمایی را هدف قرار می دهند. متوسط، قوی، بسیار قوی و فوق العاده قوی که منعکس کننده تغییر پویای آنها در پنج دوره زمانی است ( شکل 3 ). ما متوجه شدیم که نواحی جزایر گرمایی متوسط، قوی و بسیار قوی با هم سهم نسبتاً زیادی از کل مساحت را تشکیل می‌دهند (هر کدام حدود 25 درصد). مناطق جزایر گرمایی متوسط ​​و قوی (از 13 درصد و 7/21 درصد به ترتیب به 9/20 درصد و 7/35 درصد افزایش یافته است، شکل 3) .الف، ب) قبل از سال 2011، و سپس شروع به کاهش (به ترتیب به 19.6٪ و 21.8٪) تا سال 2014 کرد. افزایش اولیه در تعداد لکه های جزیره گرمایی متوسط ​​و قوی از سال 2000 تا 2007 و به دنبال آن کاهش در در سال 2011، با افزایش مجدد تعداد قطعات جزیره گرمایی قوی در سال 2014. مساحت جزایر حرارتی بسیار قوی و بسیار قوی ابتدا کاهش یافت (از 37.2٪ و 1.8٪ به 23.4٪ و 0.8٪) و سپس افزایش یافت (به 27.7٪). و به ترتیب 2.7٪). با این حال، تعداد تکه‌ها در طبقه‌بندی جزیره گرمایی بسیار قوی و بسیار قوی، تغییر کمی در طول دوره مطالعه نشان داد. تنوع کلی شاخص‌های شکل چشم‌انداز جزیره گرمایی واضح نبود ( شکل 3ج)، اما شاخص‌های جزایر گرمایی متوسط ​​و قوی نسبتاً بالا و در توزیع پراکنده بودند که توسط مقادیر AI پشتیبانی می‌شود ( شکل 3 e). با این حال، به طور کلی، الگوی همه دسته‌ها در توزیع، به ویژه برای طبقه‌بندی جزیره گرمایی بسیار قوی، در نظر گرفته شد. یک روند کاهشی تدریجی وجود داشت ( شکل 3 d)، از 1.004 تا 1.092، در ابعاد متوسط ​​فراکتال پچ چهار نوع جزیره گرمایی، که با مقدار کل FRAC_MN برای Baotou نشان داده شده است ( شکل 3 f). این نشان می دهد که این نوع جزایر گرمایی در بائوتو دارای فاصله نسبتاً مساوی هستند، و در همه انواع، 84٪ – 85٪ در مدل تجمع نشان داده شده است ( شکل 3 g,h).
Ijgi 05 00012 g003 1024
شکل 3. نمودار شاخص های شدت UHI. ( الف ) مساحت کل، و ( ب ) تعداد کل هر نوع پچ. ( ج ) شکل منظم منظره، و ( د ) تجمع هر نوع، به ترتیب. هرچه مقدار LSI بیشتر باشد، میزان تکه‌های نامنظم‌تر بیشتر می‌شود، اما مقدار بیشتر هوش مصنوعی نشان‌دهنده درجه بالاتری از تجمع است. ( ه ) نشان دهنده پیچیدگی شکل حاشیه وصله است، با مقادیر بزرگتر که اشکال پیچیده تر را نشان می دهد. ( f – h) نشان دهنده تغییر دینامیکی کل ساختارهای چشم انداز برای هر پنج دوره زمانی است که SHEI نشان دهنده عدم یکنواختی توزیع پچ است. SHEI با مقادیر 1 نشان دهنده توزیع یکنواخت تکه های مختلف است.

3.2. جلوه های خنک کننده فضاهای سبز شهری

3.2.1. فاصله خنک کننده فضای سبز شهری

نه فضای سبز شهری با توزیع مستقل، که دمای اطراف آنها تحت تأثیر فضاهای سبز مجاور قرار نگرفته بود، برای تجزیه و تحلیل فاصله خنک‌کننده همسانگرد و ناهمسانگرد در پنج دوره داده‌های تصویر سنجش از دور ما انتخاب شدند. یک رابطه لگاریتمی بین سطح و شاخص شکل با فاصله خنک‌سازی ( R2 = 0.6 برای هر دو رابطه) ( شکل 4 a ,c) و یک رابطه خطی بین میانگین NDVI و فاصله خنک‌کننده (معنی‌داری 10٪؛ شکل 4) وجود داشت.ب). فضاهای سبز شهری با مساحت بیشتر با فاصله خنک‌کننده بزرگ‌تری مطابقت دارد. با این حال، فاصله نفوذ تمایل به پایداری با افزایش مساحت داشت. شکل تکه‌های فضای سبز شهری نیز بر فاصله خنک‌کننده تأثیر گذاشت و با پیچیدگی شکل، فاصله خنک‌کننده کاهش یافت. اثر سرمایش داخلی NDVI بالای فضای سبز شهری معنی‌دار بود و در کل با فاصله خنک‌کننده همبستگی مثبت داشت. با این حال، این تأثیر به دلیل تأثیر عوامل دیگر آشکار نبود.
Ijgi 05 00012 g004 1024
شکل 4. روابط بین فاصله خنک کننده سبز شهری، مساحت، میانگین NDVI و PARA. ( الف ) نشان دهنده رابطه بین فضای سبز شهری و فاصله خنک کننده در پنج دوره زمانی داده های تصویر سنجش از دور است. ( ب ) نشان دهنده رابطه بین میانگین NDVI هر فضای سبز شهری و فاصله خنک کننده در همان تصاویر است. و ( ج ) نشان دهنده رابطه بین شاخص شکل هر فضای سبز شهری و فاصله سرمایش در همان تصاویر است.
تجزیه و تحلیل مصالح فضای سبز شهری مشخص کرد که دمای اطراف شش منطقه نمونه برداری انتخاب شده با فاصله افزایش می یابد و قانون تغییر گرادیان را نشان می دهد ( شکل 5 ). تغییرات تمایل به پایداری در حدود 180 متر داشت که قبل از آن قدر خنک کننده بیشتر بود و بعد از آن قدر خنک کننده کمتر بود (<1 درجه سانتیگراد). در 300 متر، دمای خنک کننده بین 1.9 تا 3.1 درجه سانتیگراد و حداکثر فاصله خنک کننده بین 120 تا 300 متر بود.
Ijgi 05 00012 g005 1024
شکل 5. تغییر فاصله خنک کننده در ناحیه اطراف مناطق منتخب فضای سبز شهری (GSAA). هر چند خط نشان دهنده میانگین دما در ده فاصله بافر مختلف از مجموعه های فضای سبز شهری انتخاب شده در پنج دوره زمانی داده های تصویر سنجش از دور است.

3.2.2. جهت گیری فاصله خنک کننده فضای سبز شهری

فاصله سرمایش ناهمسانگرد فضای سبز شهری انتخاب شده ( جدول 3 ) با شکل فضای سبز مرتبط بود. حداکثر فاصله سرمایش در محور نیمه اصلی فضای سبز و کمترین فاصله در محور نیمه فرعی بود. فاصله سرمایش از مرکز فضای سبز با افزایش مساحت فضای سبز افزایش یافت. با این حال، هیچ روند روشنی برای پیگیری فاصله خنک کننده دور از مرز فضای سبز وجود نداشت. حداکثر فاصله خنک کننده جهتی بین 150 تا 454 متر و حداقل فاصله خنک کننده جهتی بین 106 تا 333 متر بود.
جدول
جدول 3. فاصله خنک کننده فضای سبز شهری انتخاب شده.

3.3. اثر خنک کنندگی توزیع فضای سبز شهری

ما دریافتیم که توزیع فضای سبز شهری در بائوتو به طور کلی تصادفی یا پراکنده تر از تصادفی است، و منطقه سبز 10٪ – 40٪ از هر منطقه را تشکیل می دهد ( شکل 6 ). همچنین بین میزان تجمع فضاهای سبز شهری و میانگین دما همبستگی معنی داری وجود نداشت. با این حال، با پراکندگی توزیع فضای سبز شهری، میانگین دما کاهش یافت. نسبت مساحت فضای سبز شهری در هر منطقه تأثیر منفی بر میانگین دما داشت و میانگین دما با افزایش نسبت فضای سبز به مساحت کمتر بود. اگر نسبت مساحت بیشتر از 50 درصد بود، اثر خنک کنندگی قابل توجه تری را می توان شناسایی کرد.
Ijgi 05 00012 g006 1024
شکل 6. نمودار اثر خنک کننده توزیع فضای سبز شهری. ( الف ) نشان دهنده رابطه بین تجمع فضای سبز شهری هر منطقه و میانگین دمای هر منطقه در پنج دوره زمانی داده های تصویربرداری سنجش از دور است. هنگامی که مقدار 1 است، توزیع فضای سبز شهری تصادفی است، زمانی که مقدار کمتر از 1 باشد، توزیع تجمیع می شود، و زمانی که مقدار بیش از 1 باشد، توزیع پراکنده می شود. و ( ب ) نشان دهنده رابطه بین نسبت مساحت فضای سبز شهری در هر منطقه و میانگین دمای هر منطقه در همان تصاویر است.

4. بحث

4.1. رابطه جزیره گرمایی شهری و فضای سبز

ما متوجه شدیم که مناطق با تراکم ساختمانی بالا دارای UHI بیشتری هستند، برخلاف فضاهای سبز شهری و مناطق اطراف آنها که در آن جزایر گرمایی وجود نداشت یا فقط ضعیف بود. مقدار مساحت فضای سبز شهری یک پیش بینی قوی برای کاهش اثرات UHI بود، که نشان می دهد فضاهای سبز بزرگتر فواصل خنک کنندگی بیشتری دارند [ 13 ، 32 ، 36 ]. با این حال، یک رابطه لگاریتمی مثبت قوی بین مساحت و فاصله خنک‌کننده ( R2 = 0.62) نیز یافت شد که نشان می‌دهد با افزایش مساحت فضای سبز شهری، فلات اثر خنک‌کننده افزایش می‌یابد. میانگین NDVI یک همبستگی خطی ضعیف با فاصله خنک کننده داشت ( R2= 0.07). پوشش زمین متنوع در سراسر فضای سبز شهری احتمالاً دلیل اصلی این امر بوده است، به عنوان مثال ، ترکیب گونه [ 17 ]، ساختار جامعه [ 18 ]، بدنه‌های آبی داخلی و سطح نفوذپذیر [ 19 ، 20 ] همگی احتمالاً در اثر خنک‌کننده نقش دارند. شاخص انباشته یا وزن منطقه، مانند NDVI یا درصد پوشش گیاهی چوبی [ 27 ]، ممکن است کاندیدای خوبی برای تجزیه و تحلیل اثرات کاهنده فضای سبز اثرات جزیره گرمایی شهری در مطالعات بیشتر باشد. ما همچنین دریافتیم که پیکربندی فضایی فضای سبز تأثیر قابل توجهی بر UHI دارد. این نتیجه با یافته های مطالعات قبلی مطابقت دارد [ 36]، که در آن گزارش شده است که هر چه فضاهای سبز شهری منظم تر باشد، دمای سطح پایین تر است. با این حال، ژو و همکاران. (2011) پیشنهاد کرد که LST از طریق افزایش مقدار لبه فضای سبز کاهش می یابد، که تبادل حرارتی بین فضای سبز و مناطق اطراف آن را افزایش می دهد [ 27 ]. ما پیشنهاد می کنیم اندازه نسبتا کوچک فضاهای سبز در این مطالعه برای شناسایی اثرات خنک کننده قابل توجه کافی نبود [ 37 ].
جهت گیری فاصله خنک کننده فضای سبز شهری ناهمسانگرد است و بر الگوی LST تأثیر دارد. حداکثر فواصل سرمایشی (150 تا 454 متر) و حداقل فاصله سرمایش (106 تا 333 متر) به ترتیب با جهت شعاع فضاهای سبز شهری مطابقت داشتند. اثرات خنک کنندگی فضاهای سبز شهری به شکل آنها مرتبط بود. فضاهای سبز در اشکال ساده همسانگردی را نشان می دهند در حالی که فضاهای با اشکال پیچیده برعکس را نشان می دهند. جالب اینجاست که جهات مختلف فاصله خنک کنندگی یکسانی نداشتند. با این حال، تابع نیمه واریانس تنها برای تجزیه و تحلیل فضاهای سبز منفرد به جای فضاهای متمرکز مناسب بود، که می تواند بر نتیجه تأثیر بگذارد. با توجه به ظرفیت محدود خود تابع، و از آنجایی که دمای سطح نواحی اطراف تحت تأثیر شباهت فضاهای سبز انباشته شده با محیط اطراف آنها قرار گرفت، فاصله خنک‌کننده افزایش یافت. به همین دلیل از روش منطقه حایل برای محاسبه اثر سرمایش فضاهای سبز مختلف شهری در مناطق متمرکز استفاده کردیم. ما دریافتیم که تغییرات دما قبل از 180 متر بیشتر بود، پس از آن تغییرات دما کمتر بود (<1 درجه سانتیگراد)، و دمای خنک کننده بین 1.9 و 3.1 درجه سانتیگراد بود.
دمای سطح زمین، و درجه تجمع آن، همبستگی مثبتی با دمای سطح زمین نشان داد ( شکل 6 a). این بدان معناست که با پراکنده شدن فضاهای سبز دما کاهش می یابد. این نتیجه برخلاف نتیجه گیری وانگ و همکاران بود. (2014)، که بین درجه تجمع و دمای سطح زمین شهری همبستگی منفی وجود دارد [ 38 ]. از یک طرف، به اندازه فضاهای سبز و میانگین فاصله (یا آرایش) بین هر یک از آنها مربوط می شود. در لی و همکاران (2012)، نتیجه ای مشابه با وانگ و همکاران. (2014) در پکن مشاهده شد، شهری که توسط تکه های کوچک تحت سلطه است [ 32]. در نزدیکی جاده‌های آسفالت‌شده، فضاهای سبز کوچکی که در سراسر شهر پراکنده شده‌اند معمولاً دارای بار حرارتی بالایی هستند و بعید است که اثرات جزیره‌ای خنک قابل توجهی ایجاد کنند [39]، با میانگین فاصله آن فضاهای سبز بزرگتر از اثرات خنک‌کننده آن. در نتیجه، اثر خنک کنندگی فضاهای سبز شهری انباشته شده محدود است. با این حال، در مطالعه ما ، میانگین فاصله بین هر فضای سبز و میانگین اندازه فضای سبز به ترتیب 151.2 متر و 2.1 × 105 m2 است که مساحت بیشتر و فواصل بیشتری از فضاهای سبز شهری را برای تجزیه و تحلیل فراهم می کند. از سوی دیگر، رابطه بین میانگین دما و نسبت مساحت فضای سبز هر منطقه همبستگی منفی نشان داد ( شکل 6) .ب). هنگامی که نسبت بیشتر از 50٪ بود، تأثیر ممکن است واضح تر شود. بنابراین در برنامه ریزی فضاهای سبز شهری باید پراکندگی فضایی آنها را در نظر گرفت و تا حد امکان به طور یکنواخت توزیع کرد. ما احساس می‌کنیم که طراحی منطقی فضای سبز شهری نه تنها اثر UHI را کاهش می‌دهد، بلکه نقش اوقات فراغت و تفریح، آمادگی در برابر زلزله و کاهش بلایا و غیره را نیز ایفا می‌کند .

4.2. پیامدهای برنامه ریزی شهری

مدیریت پوشش گیاهی، مانند کاشت درختان بیشتر، باید به عنوان یک رویکرد موثر برای خنک کردن شهر گرم در نظر گرفته شود [ 27 ]. این قبلاً برای پکن انجام شده است، جایی که آنها کمربند سبز گوه ای را برای افزایش پوشش تاج درختان برای خنک کردن منطقه شهری برنامه ریزی کردند [ 40 ]. اندازه فضای سبز شهری عامل مهمی است که بر پویایی UHI تأثیر می گذارد که به طور گسترده پذیرفته شده است. با این حال، محاسبه هزینه های ساختمانی که فضاهای سبز در برخی از مناطق شهری به همراه دارند غیرممکن است. ما دریافتیم که نه تنها پیکربندی فضایی، بلکه توزیع فضای سبز نیز بر LST تأثیر می‌گذارد، که توسط تحقیقات دیگر نیز پشتیبانی می‌شود [ 27 ، 32 ، 36]. هنگامی که فضای عمومی محدود است، ترتیبات فضایی مختلف ویژگی های پوشش زمین می تواند به طور قابل توجهی LST [ 27 ] را کاهش دهد، به عنوان مثال، تشویق مناطق خصوصی “سبزسازی” به جای ساخت پارک های جدید گران قیمت کوچک و متوسط ​​[ 39 ]. افزایش تراکم وصله فضای سبز، به جای گسترش پوشش فضای سبز [ 36 ]. و پوشاندن سقف ها یا نماها با گیاهانی که محیط حرارتی شهری را کاهش می دهند [ 39 ، 41 ]، همگی گزینه های امکان پذیر هستند.

5. نتیجه گیری ها

ما پنج دوره زمانی داده های تصویر سنجش از دور را برای استخراج دمای سطح و فضاهای سبز شهری مناطق ساخته شده در بائوتو با استفاده از الگوریتم تک پنجره ای تجزیه و تحلیل کردیم. ما همچنین پنج دوره زمانی تغییر شدت UHI در بائوتو را با شاخص منظر، بر اساس تأثیر فضاهای سبز شهری بر الگوی UHI با استفاده از روش‌های تابع نیمه واریانس، روش منطقه بافر و درجه تجمع، تحلیل کردیم. نتیجه گیری به شرح زیر است:
(1) فاصله خنک کننده فضای سبز شهری با اندازه و شکل آن متفاوت بود و فاصله خنک کننده ناهمسانگردی را نشان داد. در یک آستانه مشخص، مساحت فضای سبز شهری بیشتر و میانگین NDVI به وضوح با فاصله خنک‌کننده بزرگ‌تری مطابقت دارد. با افزایش پیچیدگی شکل فضای سبز، فاصله سرمایش در برخی مناطق فضای سبز کاهش یافت. با توجه به تابع نیمه واریانس، فاصله سرمایش جهت دار، حداکثر فاصله سرمایش در محور نیمه اصلی فضای سبز و فاصله سرمایش بین 150 تا 454 متر بود، در حالی که حداقل فاصله بر روی نیمه نیمه بود. محور فرعی و فاصله سرمایش بین 106 تا 333 متر بود.
(2) توزیع فضای سبز شهری نقش کلیدی در کاهش اثر UHI ایفا می کند. در یک فضای معین، از نظر اثر سرمایش، فضاهای سبز با توزیع یکنواخت اثرات بیشتری نسبت به فضاهای سبز پراکنده انباشته دارند. بنابراین، در فضای محدود شهری، فضاهای سبز نسبتا پراکنده و با توزیع یکنواخت یک راه حل بالقوه برای برنامه ریزی شهری برای کاهش اثر UHI است.

منابع

  1. سازمان ملل متحد چشم انداز شهرنشینی جهان: نکات برجسته تجدید نظر در سال 2011 . سازمان ملل: نیویورک، نیویورک، ایالات متحده آمریکا، 2012. [ Google Scholar ]
  2. Mackey، CW; لی، ایکس. اسمیت، RB سنجش از راه دور اثرات سرمایش تلاش‌های مقیاس شهر برای کاهش جزیره گرمایی شهری. ساختن. محیط زیست 2012 ، 49 ، 348-358. [ Google Scholar ] [ CrossRef ]
  3. ژو، دی. ژائو، اس. لیو، اس. ژانگ، ال. زو، سی. جزیره گرمایی شهری سطحی در 32 شهر بزرگ چین: الگوهای فضایی و محرک ها. سنسور از راه دور محیط. 2014 ، 152 ، 51-61. [ Google Scholar ] [ CrossRef ]
  4. Oke, TR اساس انرژی جزیره گرمایی شهری. کی جی روی. شهاب. Soc. 1982 ، 108 ، 1-24. [ Google Scholar ] [ CrossRef ]
  5. اسمارگیاسی، ا. گلدبرگ، ام اس; پلانت، سی. فورنیه، ام. بودوین، ی. Kosatsky، T. تنوع مرگ و میر روزانه در فصل گرم به عنوان تابعی از جزایر گرمایی میکرو شهری. J. Epidemiol. سلامت جامعه 2009 ، 63 ، 659-664. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  6. دبیج، ن. شپرد، JM اثر جزیره گرمایی شهری و مجاورت شهر. محاسبه کنید. محیط زیست سیستم شهری 2015 ، 54 ، 181-194. [ Google Scholar ] [ CrossRef ]
  7. سنگ، بی. وارگو، جی. لیو، پی. حبیب، دی. دلوسیا، ا. تریل، م. هو، ی. راسل، ای. از مرگ و میر ناشی از گرما از طریق استراتژی های سازگاری با آب و هوا در سه شهر ایالات متحده جلوگیری کرد. PLOS ONE 2014 ، 9 ، e100852. [ Google Scholar ]
  8. لیو، ک. سو، اچ. ژانگ، ال. یانگ، اچ. ژانگ، آر. لی، X. تجزیه و تحلیل اثر جزیره گرمایی شهری در شیجیاژوانگ، چین با استفاده از داده های ماهواره ای و هوابرد. Remote Sens. 2015 ، 7 ، 4804–4833. [ Google Scholar ] [ CrossRef ]
  9. بافنده، CP; کوتر، ای. گیلیام، آر. گیلیلند، ا. گرامبش، آ. گرانو، دی. همینگ، بی. هانت، SW; نولته، سی. برنده، DA; و همکاران یک ترکیب اولیه از تغییرات آب و هوایی مدل‌سازی شده بر غلظت ازن منطقه‌ای ما تأثیر می‌گذارد. گاو نر صبح. هواشناسی Soc. 2009 ، 90 ، 1843-1863. [ Google Scholar ]
  10. جورجی، نیوجرسی؛ ظفیریادیس، ک. تأثیر درختان پارک بر اقلیم کوچک در مناطق شهری. اکوسیست شهری. 2006 ، 9 ، 195-209. [ Google Scholar ] [ CrossRef ]
  11. Feyisa، GL; دانز، ک. Meilby، H. کارایی پارک ها در کاهش اثر جزیره گرمایی شهری: نمونه ای از آدیس آبابا. Landsc. شهری. طرح 2014 ، 123 ، 87-95. [ Google Scholar ] [ CrossRef ]
  12. ژانگ، ی. چن، ال. وانگ، ی. چن، ال. یائو، اف. وو، پی. وانگ، بی. لی، ی. ژو، تی. Zhang, T. تحقیق در مورد سهم رطوبت سطح زمین شهری در اثر کاهش گرمای سطح زمین شهری بر اساس داده های Landsat 8. Remote Sens. 2015 ، 7 ، 10737–10762. [ Google Scholar ] [ CrossRef ]
  13. اولیویرا، اس. آندراده، اچ. Vaz, T. اثر خنک کننده فضاهای سبز به عنوان کمکی به کاهش گرمای شهری: مطالعه موردی در لیسبون. ساختن. محیط زیست 2011 ، 46 ، 2186-2194. [ Google Scholar ] [ CrossRef ]
  14. سوسکا، تی. گافین، اس آر. Dell’Osso، GR اثرات مثبت پوشش گیاهی: جزیره گرمایی شهری و بام های سبز. محیط زیست آلودگی 2011 ، 159 ، 2119-2126. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  15. ژائو، کیو. Myint، SW; ونتز، EA؛ فن، C. تجزیه و تحلیل دمای سطح پشت بام در یک محیط مسکونی شهری. Remote Sens. 2015 ، 7 ، 12135–12159. [ Google Scholar ] [ CrossRef ]
  16. بولر، دی. بویونگ علی، ال. Knight, TM; پولین، AS سبزسازی شهری به شهرها و شهرها خنک: بررسی سیستماتیک شواهد تجربی. Landsc. شهری. طرح. 2010 ، 97 ، 147-155. [ Google Scholar ] [ CrossRef ]
  17. Oke، TR آب و هوای لایه مرزی ; Methuen& Co., Ltd.: London, UK; Methuen, Inc.: New York, NY, USA, 1988. [ Google Scholar ]
  18. اونیشی، ع. کائو، ایکس. ایتو، تی. شی، اف. Imuraa, H. ارزیابی پتانسیل کاهش جزیره گرمایی شهری توسط پارکینگ‌های سبز. شهری برای. سبز شهری. 2010 ، 9 ، 323-332. [ Google Scholar ] [ CrossRef ]
  19. اوون، TW; کارلسون، TN; Gillies، RR ارزیابی پارامترهای پوشش زمین با سنجش از دور ماهواره ای در توصیف کمی اثر آب و هوایی شهرنشینی. بین المللی J. از راه دور. Sens. 1998 , 19 , 1663-1681. [ Google Scholar ] [ CrossRef ]
  20. بویانتویف، آ. وو، جی. جزایر گرمایی شهری و ناهمگونی چشم‌انداز: ارتباط تغییرات مکانی-زمانی در دمای سطح به پوشش زمین و الگوهای اجتماعی-اقتصادی. Landsc. Ecol. 2010 ، 25 ، 17-33. [ Google Scholar ] [ CrossRef ]
  21. چون، بی. Guldmann، JM تجزیه و تحلیل آماری فضایی و شبیه سازی جزیره گرمایی شهری در شهرهای مرکزی با تراکم بالا. Landsc. شهری. طرح. 2014 ، 1225 ، 76-88. [ Google Scholar ] [ CrossRef ]
  22. جنرت، دی. جارلان، اس. برازل، ا. جونز، ن. لارسن، ال. استفانوف، W. روابط منطقه ای بین دمای سطح، پوشش گیاهی، و سکونت انسان در یک اکوسیستم به سرعت در حال شهرنشینی. Landsc. Ecol. 2007 ، 22 ، 353-365. [ Google Scholar ] [ CrossRef ]
  23. رن، ز. او، X. ژنگ، اچ. ژانگ، دی. یو، ایکس. شن، جی. Guo, R. برآورد رابطه بین ویژگی های پارک شهری و شدت جزیره خنک پارک با داده های سنجش از دور و اندازه گیری میدانی. Forests 2013 ، 4 ، 868-886. [ Google Scholar ] [ CrossRef ]
  24. لی، جی. آهنگ، سی. کائو، ال. زو، اف. منگ، ایکس. Wu, J. تأثیرات ساختار چشم‌انداز در جزایر حرارتی شهری سطحی: مطالعه موردی شانگهای، چین. سنسور از راه دور محیط. 2011 ، 115 ، 3249-3263. [ Google Scholar ] [ CrossRef ]
  25. چن، ایکس. ژائو، اچ. لی، پی. یین، زی. تحلیل مبتنی بر تصویر سنجش از دور رابطه بین جزیره گرمایی شهری و تغییرات کاربری/پوشش زمین. سنسور از راه دور محیط. 2006 ، 104 ، 133-146. [ Google Scholar ] [ CrossRef ]
  26. کانرز، جی پی؛ Galletti، CS; چاو، پیکربندی منظره WTL و اثرات جزیره گرمایی شهری: ارزیابی رابطه بین ویژگی‌های چشم‌انداز و دمای سطح زمین در فینیکس، آریزونا. Landsc. Ecol. 2013 ، 28 ، 271-283. [ Google Scholar ] [ CrossRef ]
  27. ژو، دبلیو. هوانگ، جی. Cadenasso, ML آیا پیکربندی فضایی اهمیت دارد؟ درک اثرات الگوی پوشش زمین بر دمای سطح زمین در مناظر شهری. Landsc. طرح شهری. 2011 ، 102 ، 54-63. [ Google Scholar ]
  28. هامادا، س. تاناکا، تی. Ohta, T. اثرات کاربری زمین و توپوگرافی بر اثر خنک کنندگی مناطق سبز در مناطق شهری اطراف. شهری برای. سبز شهری. 2013 ، 12 ، 426-434. [ Google Scholar ] [ CrossRef ]
  29. Doick، KJ; اندرو صلح؛ Hutchings، TR نقش یک فضای سبز بزرگ در کاهش جزیره گرمایی شهری شبانه لندن. علمی کل محیط. 2014 ، 493 ، 662-671. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  30. هامادا، س. Ohta, T. تغییرات فصلی در اثر خنک کنندگی منطقه سبز شهری در مناطق شهری اطراف. شهری برای. سبز شهری. 2010 ، 9 ، 15-24. [ Google Scholar ] [ CrossRef ]
  31. Alcoforado، MJ; آندراده، اچ. لوپس، آ. Vasconcelos، J. کاربرد دستورالعمل های اقلیمی در برنامه ریزی شهری: مثال لیسبون (پرتغال). Landsc. شهری. طرح. 2009 ، 90 ، 56-65. [ Google Scholar ] [ CrossRef ]
  32. لی، ایکس. ژو، دبلیو. اویانگ، ز. خو، دبلیو. ژنگ، اچ. الگوی فضایی فضای سبز بر دمای سطح زمین تأثیر می گذارد: شواهد از منطقه شهری پکن، چین. Landsc. Ecol. 2012 ، 27 ، 887-898. [ Google Scholar ] [ CrossRef ]
  33. وو، اچ. بله، ال. شی، دبلیو. Clarke، KC ارزیابی اثرات ساختار فضایی کاربری زمین در جزایر گرمایی شهری با استفاده از تصاویر سنجش از دور HJ-1B در ووهان، چین. بین المللی J. Appl. زمین Obs. اطلاعات جغرافیایی 2014 ، 32 ، 67-78. [ Google Scholar ] [ CrossRef ]
  34. دو، پ. تان، ک. شیا، جی. ژائو، ی. روش و عمل سنجش از دور محیطی شهری . انتشارات علمی: پکن، چین، 2014. (به زبان چینی) [ Google Scholar ]
  35. Oliver, MA Kriging: روشی برای درونیابی برای سیستم های اطلاعات جغرافیایی. بین المللی جی. جئوگر. Inf. سیستم 1990 ، 4 ، 313-332. [ Google Scholar ] [ CrossRef ]
  36. Maimaitiyiming، M. غلام، ع. تییپ، تی. پلا، اف. Latorre-Carmona، P. هالیک، Ü. ساووت، م. Caetano، M. اثرات الگوی فضایی فضای سبز بر دمای سطح زمین: پیامدهایی برای برنامه ریزی شهری پایدار و سازگاری با تغییرات آب و هوا. ISPRS J. Photogramm. 2014 ، 89 ، 59-66. [ Google Scholar ] [ CrossRef ]
  37. ژانگ، ایکس. ژونگ، تی. فنگ، ایکس. وانگ، ک. برآورد رابطه بین لکه های پوشش گیاهی و دمای سطح زمین شهری با سنجش از دور. بین المللی J. Remote Sens. 2009 ، 30 ، 2105-2118. [ Google Scholar ] [ CrossRef ]
  38. وانگ، دبلیو. دنگ، آر. اثرات تسکین دهنده فضای سبز شهری بر جزیره گرمایی شهری. اطلاعات جغرافیایی 2014 ، 12 ، 52-54. (به زبان چینی) [ Google Scholar ]
  39. روتم میندالی، او. مایکل، ی. هلمن، دی. Lensky، IM نقش استفاده از زمین محلی بر اثر جزیره گرمایی شهری تل آویو همانطور که از سنجش از راه دور ماهواره ای ارزیابی شده است. Appl. Geogr. 2015 ، 56 ، 145-153. [ Google Scholar ] [ CrossRef ]
  40. تانگ، اچ. لیو، اچ. لی، ی. سانگ، ج. هو، اف. سرعت جزیره گرمایی شهری تابستانی و تأثیر برنامه ریزی شهری گرینلند “گوه ای شکل” در کاهش شدت جزیره گرمایی شهری در پکن. J. Appl. هواشناسی علمی 2005 ، 16 ، 257-266. (به زبان چینی) [ Google Scholar ]
  41. وانگ، JKW؛ Lau, SK از “جزیره گرمایی شهری” تا “جزیره سبز”؟ تحقیقات اولیه در مورد پتانسیل مقاوم سازی بام های سبز در منطقه مونگکوک هنگ کنگ. Habitat Int. 2013 ، 39 ، 25-35. [ Google Scholar ]

;کاربردهای GISمقالات

آموزش کاربردی ArcGISالهام ابراهیم زادهکاربرد جی ای اسکاربرد جی ای اس در زمین شناسی

بدون نظر

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

همواره حمایت دانشجویان عزیزمان همراه ما بوده و این سببب شده که گامی محکم به‌سوی ایجاد یک مرجع برای آموزش GIS برداریم. با این امید که بتوانیم قدردان حمایت شما بزرگواران باشیم.

  • خانه
  • آموزش
  • فیلم آموزشی
  • تماس با ما
  • درباره ما
  • وبلاگ
  • سمنان /خیابان کاشانی/ساختمان فناوری اطلاعات/پ 8
  • 09120049370