برآورد تغييرات فضايي- زماني شدت جزيره حرارتي كلانشهر تهران با استفاده از تصاوير ماهواره‌اي LANDSAT8 و ASTER ASTER

Estimating the spatial-temporal Changes in intensity of the heat island in Tehran Metropolitan by Using ASTER and Landsat8 Satellite Images

جزيره حرارتي شهر يكي از بارزترين مضاهر آب و هوايي شهرنشيني در شهرهاي امروزي است. افزايش دماي شهري به شدت باعث افزايش تقاضاي برق براي تهويه هواي داخل ساختمان­ها، ميزان غلظت هوا و افزايش انتشار آلودگي‌هاي نيروگاه برق از جمله دي اكسيد گوگرد، مونواكسيد كربن، اكسيد نيتروژن و ذرات معلق مي‌شود. بدين ترتيب تحليل و درك پويايي حرارت شهري و شناسايي ارتباط آن با تغييرات منشاء انساني براي مدلسازي، پيش‌بيني تغييرات محيطي و نهايتا سياستگذاري شهري الزامي به نظر مي‌رسد. بنابراين هدف پژوهش حاضر برآورد فضايي- زماني جزيره حرارتي مناطق بيست و دوگانه‌ي شهر تهران بين سالهاي 94-1382 در اثر تحولات توسعه‌ي كالبدي شهر است. در فرآيند دست‌يابي به هدف مورد نظر تصاوير ماهواره‌اي بدون پوشش ابري و صاف كلانشهر تهران توسط ماهواره‌ي Landsat8 براي مرداد ماه سال 1394 و ماهواره‌ي Aster براي مرداد ماه سال 1382 تهيه شده است. اين تصاوير از طريق الگوريتم‌هاي طراحي شده و در محيط Envi به الگوهاي فضايي جزيره حرارتي مناطق 22گانه شهر تهران تبديل شده است. مقايسه و تحليل الگوهاي فضايي جزاير حرارتي در سير زماني 1394-1384 با استفاده از آزمون من- كندال نشان از 0.6 همبستگي فضايي داشته است، اين بدان معناست كه در 40% از سطح شهر تهران طي تقريبا يك دهه‌ي اخير به دلايل اثرات توسعه‌ي كالبدي شهر الگوي فضايي جزيره حرارتي تغيير يافته است. همچنين ساير نتايج نشان از كاهش كمينه‌ي حرارت سطح (c̊ 3.67) و كاهش ميانگين حرارت سطح (‌c̊ 0.47) طي يك دهه‌ي اخير شهر تهران دارد. البته شايان ذكر است روند تحولات الگوي فضايي جزيره حرارتي كه ناشي از تغييرات سياست‌هاي كالبدي- عملكردي و فعاليت‌هاي انساني است، در حوزه‌ي غربي شهر بويژه در مناطق 5 ، 22 و قسمت شرقي منطقه‌ي 21 بيشترين تحولات را به خود اختصاص داده‌اند.

The simplest definition of urbanization is that urbanization is the process of becoming urban. Urban climate is defined by specific climate conditions which differ from surrounding rural areas. Urban areas, for example, have higher temperatures than surrounding rural areas and weaker winds. Land Surface Temperature is an important phenomenon in global climate change. As the green house gases in the atmosphere increases, the LST will also increase. Energy and water exchanges at the biosphere–atmosphere interface have major influences on the Earth's weather and climate. Numerical models ranging from local to global scales must represent and predict effects of surface fluxes. In this study, LST for Tehran Metropolitan, was derived using SW algorithm with the use of Landsat 8 Optical Land Imager (OLI) of 30 m resolution and Thermal Infrared Sensor (TIR) data of 100 m resolution. SW algorithm needs spectral radiance and emissivity of two TIR bands as input for deriving LST. The spectral radiance was estimated using TIR bands 10 and 11. Emissivity was derived with the help of land cover threshold technique for which OLI bands 2, 3, 4 and 5 were used. The output revealed that LST was high in the barren regions whereas it was low in the hilly regions because of vegetative cover. As the SW algorithm uses both the TIR bands (10 and 11) and OLI bands 2, 3, 4 and 5, the LST generated using them were more reliable and accurate.