سنجه های سیمای سرزمین؛ ابزاری جهت بررسی ارتباط میان الگوهای سیمای سرزمین و دمای سطح زمین در مقیاس مناسب (مطالعه موردی: شهر تهران)

مقاله پژوهشی

علوم و تکنولوژی محیط زیست، دوره بیست و چهارم، شماره هشت، آبان ماه 1401 (60 -45)

سنجه های سیمای سرزمین؛ ابزاری جهت بررسی ارتباط میان الگوهای سیمای سرزمین و دمای سطح زمین در مقیاس مناسب (مطالعه موردی: شهر تهران)

فاطمه عفتی[1] ^*

fatemeeffati@alumni.ut.ac.ir

عبدالرسول سلمان ماهینی[2]

فاطمه شفیعی خورشیدی[3]

سعید کریمی[4]

چکیده

زمینه و هدف: شهر تهران در دهه­های گذشته رشد گسترده جمعیت را تجربه کرده و منجر به سرعت بالای توسعه شهری شده است.  از این­رو الگوهای استفاده از زمین/پوشش زمین (LULC) به طرز چشمگیری به سطوح غیرمجاز تغییر یافته است که منجر به تغییر در شرایط حرارتی و تشکیل جزایر گرمائی در این شهر شده است. بر این اساس این پژوهش درصدد است رابطه بین الگوهای سیمای سرزمین و دمای سطح زمین را با استفاده از سنجه­های سیمای سرزمین  در مقیاس مناسب در شهر تهران را بررسی نماید.

روش بررسی: در این پژوهش، تصویر ETM⁺ ماهواره­ی لندست شهر تهران مربوط به 28 فوریه 2013 انتخاب و از طریق آنالیز ترکیب طیفی  و الگوریتم بیشترین شباهت، نقشه­ی کاربری/پوشش اراضی با پنج کلاس تهیه گردید. همچنین، نقشه­ی دمای سطح زمین (LST)  در چهار پهنه با توجه به روش­های موجود، از باند حرارتی  ماهواره یاد شده تهیه شد. ارتباط بین دمای سطح زمین و کاربری/پوشش اراضی با استفاده از 7 سنجه سیمای سرزمین (نظیرMPS, PAFRAC, COHESION) مورد تجریه و تحلیل قرار گرفت.

یافته ها: کاربری/پوشش اراضی مربوط به سطوح نفوذناپذیر بالاترین درصد کلاس و میانگین اندازه­ی لکه، پیوستگی و تراکم را داشت و نتایج آن، مشابهت­های زیادی با پهنه­ی دوم حرارتی دارد که در آن سطوح نفوذناپذیر غالب است. همچنین اندازه پیکسل 30 متر به عنوان مناسب­ترین مقیاس جهت بررسی الگوهای کاربری/ پوشش اراضی و رابطه آن با دمای سطح زمین در این تصویر برای شهر تهران مشخص شد.

بحث و نتیجه گیری : نتایج به دست آمده نشان از موفقیت آمیز بودن روش بررسی ارتباط بین دمای سطح زمین  و کاربری/ پوشش اراضی  با استفاده از سنجه­های سیمای سرزمین دارند. نتایج این تحقیق می­تواند برای برنامه­ریزان شهری و مدیران محیط­زیستی در زمینه مهار نسبی حرارت شهری ناشی از شهرنشینی مفید باشد.

واژه های کلیدی: سنجه­های سیمای سرزمین، کاربری/پوشش اراضی، دمای سطح زمین، مقیاس، شهر تهران.

Landscape Metrics as Tool for Investigating the Relationship between Landscape Patterns and Land Surface Temperature in suitable scale (Case Study: Tehran City)

Fatemeh Effati [5] ^*

fatemeeffati@alumni.ut.ac.ir

Abdolrassoul Salmanmahiny[6]

Fatemeh SHafie Khorshidi[7]

Saeed Karimi[8]

Abstract

Background and Objective: Tehran has experienced extensive population growth in the last decades, leading to a high rate of urban expansion. Land use/land cover (LULC) patterns have noticeably been changed to impervious surfaces that led to the changes in the thermal condition and forming heat islands in this city. So this study wants to evaluate the landscape and the Land surface temperature patterns via using the landscape metrics on a proper scale in Tehran.

Material and Methodology:  In this study, a combination of remote sensing, GIS and landscape ecology approach is used to explain the relationship between land use/cover patterns and land surface temperature in Tehran's urban area. We used ETM + Landsat satellite images of February 28, 2013 to create a five class LULC map of the area through Linear Spectral Mixture Analysis and the maximum algorithm methods.

Also, Land Surface Temperature map were prepared according to the available methods for thermal band of the sensor and were presented in four zones. Then, the relationship between LST and land use/cover was investigated using 7 landscape metrics (e.g MPS, PAFRAC, COHESION).

Findings: We found that impervious surface has the highest percentage of class and mean patch size, cohesion and aggregation, and landscape metrics very well described the LST zone II with impervious surface dominance. Also, the results showed that the 30 m pixel size is good enough for assessing the spatial and ecological characteristics of LULC patterns and their relationships with LST in Tehran

Discussion and Conclusion: The results showed the possibility of assessing the relationship between LST and LULC based on the landscape metrics. The findings can be useful for urban planners and environmental managers to decrease urban heat pollution during urban sprawl and development.

Key words: Landscape Metrics, Land use/ Land over, Land Surface Temperature, scale, Tehran city.

مقدمه

کاربری/پوشش زمین(LULC)[9]، فاکتور مهم تعیین­کننده در عملکرد اکوسیستم است که به عنوان الگوهای سیمای سرزمین و همچنین متغیرهای محیطی در هر منطقه نیز در نظر گرفته می­شوند (1-2). این عامل بر کیفیت زندگی انسان و اکوسیستم­های شهری اثر زیادی دارد. طی دهه­های گذشته افزایش جمعیت سبب توسعه و گسترش بدون برنامه و ناپایدار شهرها گردیده که علاوه بر ایجاد استرس انسانی بی­سابقه، تغییرات گسترده و فراوانی را به لحاظ ساختاری و عملکردی در سطح شهرها به وجود آورده است (3). یکی از این پیامدهای منفی ساختاری، تغییرات الگوی کاربری/پوشش اراضی است که منجر به گسستگی میان پوشش­های طبیعی بستر سیمای سرزمین شده است (4) از بین رفتن پوشش­های طبیعی و جایگزینی آن با سطوح نفوذناپذیر، مانند آسفالت، سیمان و نظایر آن که ظرفیت گرمایی بالایی دارند، سبب بالا رفتن دمای سطح زمین (LST)[10] در این مناطق شده (5) و منجر به تغییر شرایط اقلیم محلی گردیده که شکل­گیری جزایر حرارتی (UHI)[11] از جمله پیامدهای آن است.

افزایش دما یا تب کردن زمین، که یکی از پیامدهای جزایر حرارتی می باشد، علامت^[12] بیماری سرزمین می­توان در نظر گرفت که به عنوان شاخص یا عامل مرتبط با کیفیت محیط زیست شهری است (6) و همین مقوله سبب گردیده است طی سالیان گذشته، اکولوژیست­ها در مطالعات خود بدان توجه داشته باشند، چراکه نقش کلیدی در تعادل انرژی شهر بر عهده دارد.

سنجه­های سیمای سرزمین[13] ابزاری مناسب برای کمی کردن  و نیز تعیین ویژگی­های هندسی و مشخصات کالبدی و فضایی یک لکه همگون یا موزائیکی از لکه­ها در اکولوژی سیمای سرزمین جهت شناخت ساختار به شمار می­روند (9-7). در دهه­های گذشته این ابزار جهت مطالعه الگوهای ساختار سیمای سرزمین و مقایسه اکولوژیک کیفیت محیط زیست مورد استفاده قرار گرفته­اند (10.11) و کارآمدی آن در بررسی مطالعات درجه حرارت سطح زمین جهت شناسایی تعامل الگوی سیمای سرزمین، تاثیر بر  LULC  و فرایندهای اکولوژیک مورد بررسی و تایید قرار گرفته است (18-12، 5).

سنجه­های سیمای سرزمین همانند ساختار آن دارای 2 مولفه اساسی ترکیب[14] (فراوانی و تنوع کلاس­های پوشش زمین) و توزیع[15] (آرایش فضایی کلاس­های پوشش سرزمین/توزیع فضایی کلاس­ها و چیدمان نسبت به یکدیگر) می­باشند(9-7).

طی سالیان گذشته، افزایش جمعیت  منجر به توسعه و طراحی شهری ناپایدار در شهر تهران شده است و همین امر ترکیب و توزیع نامتناسب کاربری/پوشش و همچنین تغییرات گسترده در ساختار سیمای سرزمین (نظیر کاهش شدید مناطق سبز و افزایش سطوح نفوذناپذیر) را در پی داشته است که  منجر به افت عملکردهای اکولوژیکی و کاهش کیفیت و سلامت محیط زیست گردیده است . نمونه بارز این تغییرات افزایش دمای سطح زمین است که به عنوان که یکی از انواع پدیده جزایر حرارتی در نظر گرفته می­شود (19). در همین راستا، این پژوهش درصدد است

رابطه بین الگوهای سیمای سرزمین و دمای سطح زمین را با استفاده از سنجه­های سیمای سرزمین در شهر تهران را بررسی نماید. همچنین از آنجا که، تغییر مقیاس (قدرت تفکیک مکانی) بر شناخت ویژگی­ها وخصوصیات فضایی و اکولوژیکی  الگوهای سیمای سرزمین و دمای سطح زمین اثر گذار هستند، انتخاب مقیاس مناسب در این بررسی، از دیگر اهداف پژوهش می­باشد.

مواد و روش­ها

محدوده مطالعاتی

تهران؛ دارای وسعتی حدود 730 کیلومترمربع و جمعیت آن در حدود 14 میلیون نفر می باشد(20). طی سالیان گذشته رشد جمعیت در این شهر، گسترش فیزیکی شهر را در پی داشته است و شهری که تا اوایل دهه 1300 درون حصاری به وسعت 24 کیلومتر مربع قرار داشت، امروزه تبدیل به کلانشهری با هسته­های متعدد مسکونی و صنعتی شده و همین امر موجب بروز مشکلات محیط­زیستی نظیر افزایش دمای سطح زمین در این کلانشهر گردیده است. حداکثر دمای ثبت شده در ایستگاه مهرآباد 44 و حداقل آن 8/14 و متوسط سالیانه آن 17 درجه سانتی گراد می­باشد و میانگین بارش سالیانه در حدود 250 میلی­متر است (21).

روش کار بر روی داده­ها

در این پژوهش، تصویر لندست7،ETM⁺ مربوط به تاریخ 28 فوریه2013 مورد استفاده قرار گرفت. با توجه به فقدان داده در بخش­هایی از تصویر منتخب، از مقایسه تصویر خطادار و یک تصویر صحیح، با استفاده از نرم افزار ENVI اطلاعات از دست رفته بازسازی گردید. این مرحله پس از رفع خطاهای رادیومتریک و اتمسفری صورت پذیرفت تا بتوان به صورت اتوماتیک مقادیر تابش[16] و بازتاب[17] را محاسبه نمود. این تصویر با استفاده از نقشه­ی توپوگرافی سازمان جغرافیایی ارتش با مقیاس1:25000، به عنوان نقشه­ی پایه و همچنین از طریق الگوریتم نزدیکترین همسایه با اندازه­ی پیکسل 30×30 برای تمامی باندها و با استفاده از تابع چند جمله ای درجه اول^[18] بازنویسی گردید. کلیه تصاویر در سیستم مختصات UTM انطباق داده شد و در تصحیح تمام تصاویر خطای RMSE کمتر از 5/0 به  دست آمد.

نقشه سازی کاربری/پوشش اراضی

مدل آنالیز ترکیب طیفی خطی [19] پراستفاده­ترین روش استخراج اطلاعات ترکیبی از تصاویر ماهواره­ای حاوی پیکسل­های مختلط است. در این روش، فرآیند جداسازی ترکیب طیفی سه مرحله کلی 1) کاهش ابعاد طیفی 2) شناسایی اجزای تشکیل دهنده 3) فرآیند معکوس سازی برای تعیین سهم اجزا را، در بر می­گیرد (24-22). جهت استخراج اجزاء، مدل VIS ^[20] مورد استفاده قرار گرفت. نقشه کاربری/ پوشش اراضی، با استفاده از تصاویر به دست آمده از مدل آنالیز ترکیب طیفی خطی  و نیز الگوریتم بیشترین شباهت به دست آمد که در نهایت 5 نوع طبقه زمین بایر، پوشش گیاهی، سطوح نفوذناپذیر (مناطق مسکونی)، آب و مناطق صنعتی–کارگاهی معرفی گردید (شکل 1). با توجه به این که، جدا کردن انواع سطوح نفوذناپذیر با استفاده از تصاویر لندست (ETM) امکان پذیر نمی­باشد، لذا در این پژوهش، تفکیک میان طبقه­ی صنعتی و کارگاهی با سایر سطوح نفوذناپذیر از لایه­های وکتوری موجود در منطقه مورد مطالعه استفاده گردید. پس از انجام عملیات طبقه­بندی، ارزیابی دقت تصویر، با استفاده از ماتریس خطا^[21] صورت پذیرفت. ارزیابی دقت با استفاده از طرح نمونه­گیری تصادفی اجرا و سپس دقت کلی^[22](14/91) و شاخص کاپا^[23] (86/0) محاسبه گردید.

شکل 1- نقشه کاربری / پوشش اراضی(LULC) شهر تهران (1391)

Figure 1. Land Use Land Cover (LULC) map in Tehran (2013)

بازیابی دمای سطح زمین

محاسبه دمای سطح زمین با استفاده از باند حرارتی تصویر ETM و انجام تصحیحات هندسی رادیومتری[24] صورت پذیرفت. با توجه به این که قدرت تفکیک مکانی باند حرارتی تصویر لندست 7 مورد استفاده 60 متر می­باشد، تصحیح هندسی با استفاده از داده­های زمینی و با وارد کردن آن در مجموعه داده­های انعکاسی و به همراه آن صورت گرفت. به منظور بازیابی دمای سطح زمین از تصویر با گین بالا[25] و همچنین روش توسعه داده شده توسط Artis & Carnahan در سال 1982 (25) استفاده گردید.کالیبراسیون رادیوسنجه برای باند H6 در سنجنده­ی ETM⁺ در سه مرحله صورت پذیرفت.

 1)تبدیل عدد رقومی (DN)[26] به تابش طیفی[27]، 2) تبدیل تابش طیفی به درجه حرارت جسم سیاه، 3) بازیابی دمای سطح زمین پس از تصحیح توان تشعشعی با استفاده از فرمول 1 (25،26)

اجزای فرمول 1 به ترتیب تابش طیفی به درجه حرارت جسم سیاه (T_B)، λ طول موج تابشی ساطع شده معادل (mµ 11.457) و α=1.438×10^-2 و ε توان تشعشعی سطوح زمین می­باشد که بر اساس آن دمای سطح زمین محاسبه شد (27).

لازم به ذکر است درجه حرارت به دست آمده در منابع ذکر شده بر حسب کلوین می­باشد، که با کسر از 15/273 به درجه­ی سانتی­گراد تبدیل گردید. شکل 2، توزیع طبقات دمای سطح زمین در پهنه­های شهری تهران را با میانگین درجه حرارت 85/43، حداکثر 42/51 و حداقل 01/14 سانتی گراد و انحراف استاندارد 15/3، نشان می­دهد. با توجه به این که روش­های چارک و انحراف معیار در توزیع داده­ها به عنوان موثرترین روش ها شناسایی شده­اند (29، 28) پهنه­بندی دمای سطح زمین بر این مبنا صورت پذیرفت. بر همین اساس دمای سطح به چهار پهنه بر اساس میانگین و انحراف معیار تقسیم بندی شد (شکل 2، جدول 1). پهنه 1: مقادیر کوچکتر از میانگین منهای انحراف معیار؛ پهنه 2: میانگین منهای انحراف معیار تا میانگین؛ پهنه 3: میانگین تا میانگین به علاوه انحراف معیار؛ پهنه 4: مقادیر بزرگتر از میانگین به علاوه انحراف معیار (جدول 1).همچنین، جدول 1 سهم نسبی مساحت هر پهنه­های حرارتی را در هر یک از بازه­های دمایی نمایش می­دهد.

جدول1- توزیع طبقات دمای سطح زمین در شهر تهران (1391)

Table 1. distribution of the land surface temperature zones in Tehran (2013)

شکل 2-توزیع دمای سطح زمین (LST) در سطح شهر تهران ) 1391(

Figure 2. spatial distribution of land surface temperature zones in Tehran (2013)

محاسبه سنجه های سیمای سرزمین

بررسی ارتباط بین توزیع درجه حرارت سطح زمین در هر طبقه با پراکندگی کاربری/پوشش زمین شهری با استفاده از سنجه­های سیمای سرزمین انجام شد. در این مطالعه 5 سنجه در سطح کلاس و 2 سنجه در سطح سیمای سرزمین با استفاده از نسخه رستری نرم افزار FRAGSTAT مورد تجزیه و تحلیل قرار گرفت (7). لازم به ذکر است این نرم افزار باا استفاده زبان آرک ماکرو ^[28] طراحی و جهت تحلیل الگوهای سیمای سرزمین استفاده می­شود (11). جدول 2 لیست سنجه­های مورد استفاده در این پژوهش به همراه تعاریف و فرمول­های استفاده شده در محاسبه را نمایش می­دهد. این سنجه­ها عبارتند از درصد هر کلاس(PLAND)، میانگین اندازه­ی لکه (MPS)، تراکم لکه (AI)، پیوستگی یا انسجام لکه­ها (COHESION)، چین خوردگی محیط–مساحت (FRAC) شاخص شانون(SHDI)، سرایت (CONTAG). این سنجه­ها در مطالعات Weng et al.,2007،Riitters et al.,1995،Madanian et al.,2018 (10،12،16) نیز مورد استفاده و تحلیل قرار گرفته است.

جدول2-توضیحات و معادلات سنجه­های سیمای سرزمین مورد استفاده در پژوهش (7،30)

Table 2. Selected landscape metrics, descriptions, and equations

نتایج

توزیع کاربری پوشش اراضی در هر یک از پهنه­های­حرارتی

ترکیب و توزیع هر یک از کاربری/پوشش اراضی، در هر یک از چهار پهنه حرارتی در شکل3 نمایش داده شده است. کاربری/پوشش اراضی غالب در پهنه 1 حرارتی، متعلق به پوشش گیاهی (43%) است که این کاربری نقش مهمی در خنک بودن این پهنه­ی حرارتی دارد. از سوی دیگر، این پهنه تنها پهنه­ای است که دربرگیرنده­ی گروه آبی (1%) می­باشد. گـروه آب تنـها 1 % سطح پهنه 1 را به خود اختصاص داده و سهم اراضی شهری (سطوح نفوذناپذیر) در آن بیشتر است، با این وجود نتایج به دست آمده اثر این طبقه را بر شکل گیری جزایر خنک دمایی در منطقه نشان می­دهد. بنابراین، می­توان استنباط کرد پوشش گیاهی و آب، طبقه بندی مهم این پهنه حرارتی است.

کاربری غالب در پهنه­ی 2 و 3 حرارتی سطوح نفوذناپذیر می­باشد، با این تفاوت که اراضی بایر و صنعتی–کارگاهی در پهنه­ی 3 حرارتی نسبت به پهنه­ی 2 به ترتیب افزایش و پوشش گیاهی کاهش داشته است. در پهنه­ی 4 حرارتی، طبقه­ی اراضی بایر بالاترین درصد (48%) را به خود اختصاص داده است. در این پهنه، طبقه­ی صنعتی -کارگاهی بالاترین درصد و پوشش گیاهی پایین­ترین درصد را نسبت به سایر پهنه­ها دارا می­باشند(شکل 3). با توجه به توضیحات ارائه شده، انتظار می­رود کاربری غالب در پهنه­ی 4 مناطق صنعتی-کارگاهی باشد حال آن­که کاربری بایر با 48%، طبقه‌ی غالب این پهنه حرارتی مشخص شده است که علت آن را می توان به پایین بودن مساحت طبقه صنعتی–کارگاهی در پهنه­های شهری تهران نسبت داد.

شکل 3-ترکیب و توزیع کاربری/پوشش اراضی در پهنه­های حرارتی

Figure 3. Composition and distribution of land use/land cover in LST zones

تجزیه و تحلیل سنجه­ها در پهنه های حرارتی سطح شهر و طبقات کاربری/پوشش اراضی

خصوصیات فضایی و اکولوژیکی، درجه حرارت سطح زمین و کاربری/ پوشش اراضی با استفاده از سنجه های سیمای سرزمین بر روی نقشه­های تهیه شده، بررسی شد (جدول 3). بر این اساس پهنه­ی 1 حرارتی، پایین ترین درصد سیمای سرزمین و میانگین اندازه­ی لکه را دارا می­باشد، همچنین در میان پهنه­های حرارتی، سنجه چین خوردگی بالایی را (484/1) به خود اختصاص داده است. در این پهنه، سنجه تراکم نسبتا پایین و انسجام لکه در این پهنه بالا (19/96) است (جدول 3). پهنه­ی 2 بالاترین سنجه چین خوردگی را نیز دارد که ارزش آن برابر با 485/1 می­باشد.

پهنه­ی 3 حرارتی 10/11 درصد سیمای سرزمین را در بر گرفته است و میانگین اندازه­ی لکه متوسط و سنجه چین خوردگی بالایی دارد. در پهنه­ی 4 که بعد از پهنه­ی 2 حرارتی بالاترین درصد را به خود اختصاص داده است. بالاترین درصد تراکم در میان پهنه های حرارتی مربوط به این پهنه بوده و  همچنین مقادیر سنجه مربوط به پیوستگی مانند پهنه 2 حرارتی بالا و معادل 25/99 است (جدول3).

کاربری/پوشش اراضی سطوح نفوذناپذیر در این پژوهش به عنوان مناطق شهرنشینی در نظر گرفته شده است. این طبقه بالاترین درصد کلاس، میانگین اندازه­ی لکه، پیوستگی، تراکم را بین سایر کاربری/پوشش اراضی به خود اختصاص داده است. انتظار می­رفت به دلیل فرایند گسستگی که در شهر وجود دارد، این طبقه میانگین اندازه­ی لکه­ی نسبتا پایین را نمایش دهد اما با توجه به جدول 3 عکس این مطلب مشاهده می­گردد.

شهرنشینی منجر به پیچیدگی شکل سیمای سرزمین شده است. این امر موید این مطلب کاربری غالب پهنه­های شهری تهران، پیچیدگی شکل بالایی دارند. همان طور که در جدول مشخص شده است، این طبقه بعد از آب، سنجه چین خوردگی بالایی نشان می­دهد که تاییدی بر صحت موضوع می­باشد. مشخصات این طبقه (سطوح نفوذناپذیر) مشابهت­های زیادی با پهنه­ی حرارتی2 دارد. بالا بودن میانگین اندازه­ی لکه­ی سطوح نفوذناپذیر، بر بالا بودن مقادیر میانگین اندازه­ی لکه در پهنه­ی 2 حرارتی تاثیر گذار بوده است. همچنین سنجه پیوستگی این کاربری مقادیر بالا را نمایش می دهد. پوشش گیاهی در پهنه­های شهری تهران 22/6 درصد از سیمای سرزمین شهری را به خود ا ختصاص داده­اند. این طبقه میانگین اندازه­ی لکه و توزیع (تراکم) فضایی (43/76) نسبتا پایین در مقایسه با سایر طبقات دارد. از نظر پیچیدگی شکل یا همان سنجه چین خوردگی، عددی بسیار مشابه با اراضی بایر، با پیچیدگی شکل نسبتاً بالا (365/1) را دارد و همچنین پیوستگی بالایی (93/94) را نشان می­دهد، در حالی که که در این طبقه سنجه AI مقادیر پایینی دارد (جدول 3).

جدول3- نتایج به دست آمده از محاسبه­ی سنجه ها بر روی پهنه­های حرارتی و کاربری / پوشش اراضی

Table 3. Statistics of metrics in LULC types and LST zones

خصوصیات ترکیبی طبقات آب و پوشش گیاهی مشابهت­های بسیار با پهنه­ی 1 حرارتی دارد. پوشش گیاهی کاربری غالب در این پهنه می­باشد که بر خنک بودن دمای سطح زمین تاثیر گذار بوده است. در این پهنه کلاس آب حضور دارد و تنها 1% پهنه را به خود اختصاص داده است، با وجود این، این طبقه اثر خود را بر روی جزایر خنک دمایی در این پهنه گذاشته­است. پهنه­ی یک پیچیدگی شکل بالایی دارد، که علت آن را می‌توان به وجود طبقات آب و پوشش گیاهی نسبت داد.

طبقات مربوط به اراضی بایر بعد از سطوح نفوذناپذیر (مناطق شهری)، بالاترین درصد (14/12) را در بر گرفته­اند. میانگین اندازه­ی لکه نسبتا بالا و پیچیدگی شکل متوسط دارند. همچنین پیوستگی بسیار بالا و تراکم فضایی (AI) نسبتا خوبی را دارا می­باشد. لکه­های بایر، بیشتر در شمال غرب، همچنین تپه­های درون شهری (که از شرق به غرب کشیده شده­اند) و نیز مقادیر پراکنده در جنوب و سطح شهر، اندازه­ها و شکل­های متفاوت از منطقه­ی مطالعاتی را در بر گرفته­اند. در پهنه 4 کاربری غالب، اراضی بایر می­باشد. از این رو این طبقه با پهنه 4 حرارتی مشابهت­های بسیاری را در مقادیر سنجه­های سیمای سرزمین نشان می­دهد.

در مورد کاربری صنعتی–کارگاهی، که از سایر سطوح نفوذناپذیر تفکیک شده، بعد از آب کمترین درصد سیمای سرزمین شهری را به خود اختصاص داده است، در صورتیکه اتصالات فیزیکی و تراکم فضایی مقادیر نسبتا بالایی دارد. میانگین اندازه­ی لکه در این طبقه 15/2، همچنین پایین­ترین پیچیدگی شکل (سنجه چین خوردگی) در منطقه را دارد(جدول 3). کاربری صنعتی-کارگاهی نقش مهمی در تعیین ویژگی­های سیمای سرزمین در پهنه­ی 4 حرارتی ایفا می­کند، اگر چه این کاربری درصد محدودی از منطقه را پوشش داده است. بر اساس نتایج بدست آمده از تجزیه و تحلیل­های فوق می­توان عنوان کرد که ترکیب و توزیع کاربری/پوشش اراضی در کلیه پهنه­های حرارتی کاملا نامناسب بوده و تاثیر منفی بر کیفیت محیط زیست گذاشته است.

شکل4 - نمودار الف- وضعیت شاخص شانون ، ب- وضعیت سنجه سرایت کاربری/ پوشش اراضی در پهنه های حرارتی

Figure 4. (a) Shannon Index (b) CONTAG Index in each LST zone

جهت بررسی تنوع کاربری/پوشش اراضی و نیز اندازه­گیری تجمع لکه­های متعلق به طبقات مختلف کاربری/پوشش اراضی در پهنه­های حرارتی به ترتیب سنجه های شانون (SHDI) و سرایت (CONTAG) مورد استفاده قرار گرفت. همان طور که در شکل 4-الف دیده می­شود، بالاترین تنوع کاربری مربوط به پهنه­ی چهار (21/1) و پایین ترین تنوع مربوط به پهنه­ی دو (8/0) می­باشد. این در حالی است که بالاترین درصد سرایت مربوط به پهنه حرارتی دو با (2/65) و پایین­ترین درصد مربوط به پهنه چهار حرارتی با 43 می­باشد (شکل 4-ب).

همان طور که  قبلاً اشار شد، بیشترین درصد فراوانی مربوط به سطوح نفوذناپذیر در پهنه دو می باشد که همین امر حاکی از این است که در این پهنه حداکثر اختلال به واسطه دخالت انسان صورت پذیرفته است و منجر به کاهش تنوع زیستی در این پهنه شده است. از سوی دیگر پایین‌ترین درصد سرایت و بالاترین شاخص شانون مربوط به پهنه 4 حرارتی است که اراضی بایر در آن کاربری غالب است.

دومین پهنه حرارتی که مقادیر بالایی از شاخص شانون را به خود اختصاص داده است، مربوط به پهنه یک با کاربری غالب پوشش گیاهی می‌باشد، باید در نظر داشت این پهنه در مقایسه با سایر پهنه ها کمتر مورد تخریب انسانی قرار گرفته است.

انتخاب بهترین مقیاس با استفاده از سنجه­های سیمای سرزمین

پس از آن که مشخص گردید سنجه­های سیمای سرزمین ابزاری مناسب جهت بررسی ارتباط کاربری/ پوشش اراضی با دمای سطح هستند، در گام بعدی به بررسی این ارتباط با استفاده از سنجه های سیمای سرزمین در مقیاس­های (قدرت تفکیک مکانی) مختلف 30، 60، 90، 120، 250، 500، 1000 (متر) پرداخته شد. در این مرحله از سنجه­هایی نظیر PLAND، AI، FRAC استفاده شد (شکل 5).

شکل 5- سنجه­های سیمای سرزمین بر روی نقشه­­ی کاربری/پوشش اراضی(LULC) ودمای سطح زمین(LST). محورX مقیاس­های (قدرت تفکیک مکانی) مختلف و محور Y مقادیر (ارزش ها) سنجه را نمایش می­دهد. الف) نقشه­ی دمای سطح زمین(LST) ، ب) نقشه کاربری/پوشش اراضی(LULC)

الف-1) سنجه PLAND ب-2)سنجه تراکم (AI) ج-3) سنجه چین خوردگی (FRAC)

Figure 5. Metrics on Land Use / Land Cover map (LULC) and Land Surface Tempreture (LST). The X-axis of the different Scales (spatial resolution) and the Y- axis represents the values of the metrics. A) Land Surface Temperature map (LST), b) Land Use / Land Cover map(LULC)

PLAND Metric (1-A), AI Metric (1-B), FRAC Metric (1-C)

همان طور که در شکل 5 -الف-1 دیده می­شود، تغییرات مقیاس (قدرت تفکیک مکانی) بر روی سنجه PLAND در دمای سطح زمین، بسیار کم بوده اما بررسی­ها بر روی نقشه کاربری/پوشش اراضی نشان می­دهد که کاربری/پوشش اراضی با درصد بالای مساحت در منطقه­ مطالعاتی، بیشتر تحت تاثیر تغییرات مقیاس قرار گرفته اند. چنانچه ثابت ماندن مقادیر این سنجه برای طبقات آب و مناطق صنعتی نسبت به تغییرات مقیاس، تائیدی بر این مطلب می­باشد. تفاوت­هایی که با تغییر مقیاس در نقشه­های فوق به دست آمده است نشان می­دهد سنجه PLAND می‌تواند به عنوان پارامتر مستقل به مقیاس در نظر گرفته شود.

اثر تغییر مقیاس بر سنجه (AI) حاکی از آن است که تراکم طبقات کاربری/ پوشش اراضی و پهنه­های حرارتی با افزایش قدرت تفکیک مکانی، کاهش یافته­اند. مقادیر به دست آمده برای تراکم کلاس­های مختلف نقشه­ی کاربری/ پوشش اراضی و همچنین نقشه­ی دمای سطح زمین، در مقیاس بزرگتر از 250 متر نتایج قابل قبولی نیستند، زیرا در هر دو نقشه­، تمامی طبقات در مقیاس­های های بزرگتر از 250 متر مقادیر یکسان جهت سنجه تراکم لکه برای انواع طبقات را نمایش می­دهد.

در مقیاس های کوچکتر از 250، کاربری/ پوشش اراضی با درصد تراکم بالا، بسیار تحت تاثیر فرایند تغییر مقیاس قرار گرفته­اند، اما برای کاربری­ها با درصد تراکم پایین این موضوع صادق نمی­باشد. از این رو این سنجه را می­توان به عنوان پارامتری وابسته به مقیاس در نظر گرفت. از آنجا که تراکم کلاس­های (تعداد لکه­های) پوشش گیاهی و اراضی بایر در منطقه­ی مطالعاتی در مقیاس­های 90 تا 250 متر کاهش یافته است از این­رو مقیاس یادشده را می توان مقیاسی مناسب در تجزیه و تحلیل تراکم لکه­ها ها برای کاربری/ پوشش اراضی در نظر گرفته شود. تراکم لکه بر روی نقشه­ی دمای سطح زمین، روندی مشابه با کاربری/ پوشش اراضی را نشان می­دهد. بر این اساس می توان استنباط کرد سنجنده­های ماهواره لندست با قدرت تفکیک بالاتر از 250 متر برای برنامه­ریزان محیط زیستی هنگامی که به مطالعه­ی تراکم لکه­ها دمای سطح زمین و موضوعات مرتبط با آن در محیط شهری متمرکز هستند، تصاویر مناسبی نمی­باشد( شکل 5-ب-2).

اثر تغییر مقیاس بر سنجه چین خوردگی (FRAC) اثر گذار است، انتظار می­رود با کاهش تراکم از 30 تا 1000 متر مقادیر سنجه چین خوردگی کاهش یابد. شکل 5- ج نشان می­دهد مقادیر سنجه چین خوردگی برای تمام کاربری/ پوشش اراضی با بالا رفتن قدرت تفکیک مکانی افزایش داشته است، اما استثناهایی در آن دیده می­شود که از جمله­ی آن می­توان به مقادیر پوشش گیاهی (در مقیاس 500 تا 1000 متر) و سطوح نفوذناپذیر ( از مقیاس 250 متر ) اشاره کرد که روند نزولی داشته است. روند تغییرات مقادیر این سنجه در بررسی پهنه­های حرارتی روندی مشابه با کاربری/ پوشش اراضی نشان می­دهد. مقادیر این سنجه تا مقیاس 250 متر در تمامی پهنه­ها روند افزایشی داشته ­است. اما از مقیاس 250 متر به بعد مقادیر این سنجه برای هر پهنه تغییر می­کند. برای مثال پهنه­ی3 که بالاترین مقدار برای سنجه چین خوردگی را به خود اختصاص داده است از 250 تا 500 روند کاهشی و بعد از آن به روند صعودی خود ادامه می­دهد. این روند در پهنه­ی 4 حرارتی نیز مشابه است. پهنه­ی 2 حرارتی تا مقیاس 500 سیر صعودی خود را داشته­ است، اما مقادیر این سنجه با تغییر مقیاس از 500 تا 1000 متر در پهنه­­ی فوق کاهش یافته است. این در صورتی است که پهنه­ی 1 با فرایندهای تغییر مقیاس، سیر صعودی خود را با شیب های مختلف ادامه داده است. (شکل 5، ج-3) از این رو می توان استنباط کرد که این سنجه نیز پارامتری وابسته به مقیاس است.

بحث و نتیجه گیری

تحقیق حاضر روش شناسی مفیدی در ارزیابی ارتباط میان دمای سطح زمین و کاربری/پوشش اراضی شهری را فراهم آورده است. در این تحقیق از سنجه­های سیمای سرزمین در تحلیل ارتباط بین دمای سطح و کاربری/ پوشش اراضی استفاده شد و بر اساس تحلیل­های صورت گرفته مقادیر به دست آمده از سنجه­ها در هر یک از پهنه­های حرارتی، با مقادیر آن در هر یک از انواع کاربری/ پوشش اراضی غالب در هر پهنه ارتباط داشته، که نشان دهنده­ی توزیع فضایی پهنه­های حرارتی خاص در ارتباط با توزیع فضایی نوع کاربری/ پوشش اراضی غالب در آن پهنه است. بر این اساس، می­توان سنجه­های سیمای سرزمین را ابزار مفیدی در بیان کمی و تحلیل ارتباط میان دمای سطح زمین و کاربری/ پوشش اراضی دانست. نتایج بدست آمده این بخش از تحقیق با نتایج تحقیقات Liu، Weng و همکاران، Asgarian و همکاران، Madanian و همکاران، Liu و همکاران (12،14،16،18،31) مشابه و تاییدی در جهت یافته­های تحقیقات آنها می­باشد.

انتخاب مقیاس مناسب در هر مطالعه ارتباط مستقیم با هدف پژوهش دارد که در مطالعات باید بدان توجه گردد. بررسی­های به عمل آمده حاکی از آن بود تغییر مقیاس (قدرت تفکیک مکانی)، بر ویژگی­ها وخصوصیات فضایی و اکولوژیکی کاربری/ پوشش اراضی و دمای سطح زمین با استفاده از سنجه های سیمای سرزمین تاثیر گذار است و نتایج مختلف از آن قابل استنتاج است. از این­رو قدرت تفکیک مکانی متعددی به عنوان مقیاس حساس و مهم در بررسی ارتباط الگوهای دمای سطح زمین و کاربری/ پوشش اراضی با استفاده از سنجه های سیمای سرزمین شناخته شده­اند. هر چند جهت تعیین مقیاس مناسب باید تصاویر متفاوت در فصول مختلف مورد بررسی قرار گیرد (29،31)، اما با تمرکز بر تصویر مورد استفاده در این پژوهش می­توان مقیاس (قدرت تفکیک) 30 متر را مقیاس مناسب در بررسی ارتباط دمای سطح زمین و کاربری پوشش ارضی برای تصویر لندست معرفی نمود.

 این تحقیق یک چارچوب مفهومی را برای درک پویایی محیط زیست حرارت شهر  فراهم آورد و همچنین اطلاعات مفیدی در اختیار برنامه­ریزان و طراحان شهری  قرار دهد تا سیمای سرزمین شهری را مدیریت کنند و محیط زیست حرارتی شهر را به عنوان نتیجه­ای از شهرنشینی ارزیابی کنند و سیاست­هایی را برای کاهش اثرات حرارتی منفی اتخاذ نمایند. حرارت شهری، ارتباط مستقیم با آسایش حرارتی در طول روز و شب و همچنین خطر بیماری برای جمعیت شهری حساس از نظر دما دارد(32،33). نتایج تحقیق حاکی از بالا بودن درجه حرارت سطحی کاربری های صنعتی- کارگاهی نسبت به سایر کاربری­ها نظیر مسکونی است و این مسئله اهمیت جانمایی مراکز صنعتی-کارگاهی در خارج از محیط های شهری را یادآور می­شود. بر این اساس، یکی از کاربردهای این تحقیق را می­توان مکان یابی بهینه صنایع آلاینده و سایر مراکز صنعتی دانست. با توجه به اینکه لکه های سبز با پیوستگی بالا خنک ترین پهنه ها در محیط شهر می باشند، از این روکاهش دما در مناطق مختلف شهر را می توان با کاهش شیب زیاد دمایی از طریق کاهش وسعت (میانگین اندازه­ی لکه) و کاهش اتصالات سطوح نفوذناپذیر و اراضی بایر به حداقل رساند. این مهم از طریق احیا و توسعه شبکه­ی حیاتی سبز و اتصال سبز راه ها و کاشت درخت امکان پذیر می­باشد. این موضوع، بار دیگر مسئله­ی احیای شبکه اکولوژیکی و حضور طبیعت در شهر را یادآور می­شود. همچنین، از این طریق می­توان مکان یابی سیستمی برای بوستان­ها در محیط شهری انجام داد (34). چرا که می­توان از طریق کاهش قطعه شدن لکه های فضای سبز و همچنین افزایش پیوستگی و پیچیدگی لکه های فضای سبز و سبز راه­ها به کاهش جزایر حرارتی کمک نمود. یکی دیگر از کاربردهای تحقیق حاضر استفاده­ از آن در تعیین محدوده­ی شهر است. تعاریف و نظریه­ها در این مورد وجود دارد، اما همواره این مسئله که شهر کجا شروع می­شود، بحث انگیز بوده است، دما می­تواند معیار خوبی در این زمینه باشد. همچنین، دمای سطح زمین می­تواند فاکتوری مناسبی در جهت تعیین گسترش شهر در نظر گرفته شود.

References

1. Bain, D.J and Brush, G.S., 2004. placing the pieces: reconstructing the orginal property mosaic in a warrant and patent watershed. Landscape Ecology, 19(8), 843-856.
2. Mahamane, M., Zorrilla-Miras, P., Verweij, P., Ryan, C., Patenaude, G., Grundy, I., & Vollmer, F., Understanding Land Use, Land Cover and Woodland-Based Ecosystem Services Change, Mabalane, Mozambique. Energy and Environment Research, 7(1), 1.
3. Guo G, Wu Z, Xiao R, Chen Y, Liu X, Zhang X., 2015. Impacts of urban biophysical composition on land surface temperature in urban heat island clusters. Landscape and Urban Planning, 135:1-10.
4. Keshtkar, H., & Voigt,W.,2016. Potential impacts of climate and landscape fragmentation changes on plant distributions: coupling multitemporal satellite imagery with GIS-based cellular automata model. Ecological Informatics, 32, 145–155.
5. Zhou W, Qian Y, Li X, Li W, Han L., 2014. Relationships between land cover and the surface urban heat island: seasonal variability and effects of spatial and thematic resolution of land cover data on predicting land surface temperatures. Landscape Ecology, 29.
6. Xiao, R., Ouyang, Z., Zhang, H., Li, W., Schienke, E.W., Wang, X. 2007. Spatial pattern of impervious surfaces and their impacts on land surface temperature in Beijing, China, Journal of Environmental Sciences 19, 250-256.
7. McGarigal, K., 2015. FRAGSTATE help. Amherst: Department of Environmental Conservation University of Massachusetts.
8. Botequilha A.L., and Jack Ahern., 2002.applying landscape ecological concepts and metrics in sustainable landscape planning. Landscape and Urban Planning .59:65-93.
9. Forman, R.T.T., Godron, M., 1986. Landscape Ecology. Quinn-Woodbine, Inc., United States of America. Gergel, S. E., & Turner, M. G. (Eds.). (2017). Learning landscape ecology: a practical guide to concepts and techniques. Springer.
10. Riitters, K. H., O’Neill, R. V., Hunsaker, C. T., Wickham, J. D. , Yankee, D. H. ,. Timmins, S. P., Jones, K. B., and Jackson, B. L., 1995. A factor analysis of landscape pattern and structure metrics, Landscape Ecology. 10: 23–39.
11. McGarigal, K., Marks, B.J., 1995. FRAGSTATS: spatial pattern analysis program for quantifying landscape structure, General Technical Report PNW-GTR-351, USDA Forest Service, Pacific Northwest Research Station, Portland.
12. Weng, Q., Liu, H., Lu, D., 2007. Assessing the effects of land use and land cover patterns.on thermal conditions using landscape metrics in city of Indianapolis, United States, Urban Ecosystem. 10(2).203–219.
13. Li X, Zhou W, Ouyang Z., 2013. Relationship between land surface temperature and spatial pattern of greenspace: What are the effects of spatial resolution? Landscape and Urban Planning, 114:1-8.
14. Asgarian, A., Amiri, B. J., & Sakieh, Y., 2015. Assessing the effect of green cover spatial patterns on urban land surface temperature using landscape metrics approach. Urban Ecosystem, 18, 209–222.
15. Zhang, Y., Odehb, I. O. A., & Ramadanc, E., 2013. Assessment of land surface temperature in relation to landscape metrics and fractional vegetation cover in an urban/peri-urban region using Landsat data. International Journal of Remote Sensing, 34(1), 168–189.
16. Madanian, M. Soffianian, A. Soltani Koupai, S. Pourmanafi, S Mehdi Momeni, M., 2018. Analyzing the effects of urban expansion on land surface temperature patterns by landscape metrics: a case study of Isfahan city, Iran. Environ Monit Assess 190:189.
17. Xie, M., Wang, Y., Chang, Q., Fu, M., & Ye, M., 2013. Assessment of landscape patterns affecting land surface temperature in different biophysical gradients in Shenzhen, Urban Ecosystem, 16, 871–886.
18. Liu, Y., Peng, J., Wang, Y., 2018. Efficiency of landscape metrics characterizing urban land surface temperature.Landscape and Urban Planning, 180, 36-53.
19. Hashemi S.M, Alavipanah S.K, Dinarvandi M., 2013. Assessment of Spatial Distribution of Land Surface Temperature in Urban Environment by Remote Sensing Journal of Environmental Studies, 39(1):81-92. (In Persian)
20. Statistical Center of Iran., 2016. (In Persian)
21. Iran Meteorological Organization., 2016. (In Persian)
22. Wu, C & Murray, A. T., 2003. Estimating impervious surface distribution by spectral mixture analysis. Remote Sensing of Environment, 84, pp. 493-505.
23. Tong, X., Liu, T., Singh, V. P., Duan, L., & Long, D., 2016. Development of In Situ Experiments for Evaluation of Anisotropic Reflectance Effect on Spectral Mixture Analysis for Vegetation Cover. IEEE Geoscience and Remote Sensing Letters, 13(5), 636-640.
24. Sousa, D., & Small, C., 2017. Global cross-calibration of Landsat spectral mixture models. Remote Sensing of Environment, 192, 139-149.
25. Artis, D.A., Carnahan, W.H., 1982. Surv ey of emissivity variability in thermography of urban areas. Remote Sensing of Environment. 12 (4), 313– 329.
26. Lu, D and Weng, Q., 2006. Use of impervious surface in urban land use classification. Remote Sens Environ 102(1–2):146–160.
27. Jiménez-Muñoz, J. C., Sobrino, J. A., Skoković, D., Mattar, C., & Cristóbal, J., 2014. Land surface temperature retrieval methods from Landsat-8 thermal infrared sensor data. IEEE Geoscience and Remote Sensing Letters, 11, 1840–1843.
28. Smith R.M., 1986. Comparing traditional methods for selecting class intervals on choropleth maps. Prof Geog. 38(1):62–67
29. Liu, H., and Weng, Q., 2009. Scaling Effect on the Relationship between Landscape Pattern and Land Surface Temperature: A Case Study of Indianapolis, United States, Photogrammetric Engineering & Remote Sensing, 75(3): 291–304.
30. McGarigal, K., Cushman, S.A., Neel, M.C., Ene, E., 2002. FRAGSTATS: Spatial Pattern Analysis Program for Categorical Maps, Computer software program produced by the authors at the University of Massachusetts, Amherst. URL: http://www.umass.edu/landeco/research/fragstats/fragstats.html.
31. Sobrino JA, Oltra-Carrió R, Sòria G, Jiménez- Muñoz JC, Franch B, Hidalgo V, Mattar C, Julien Y, Cuenca J, Romaguera M., 2013. Evaluation of the surface urban heat island effect in the city of sensing. International Journal of Remote Madrid by thermal remote Sensing, 34(9-10):3177-3192.
32. Su Y-F, Foody GM, Cheng K-S., 2012. Spatial non-stationarity in the relationships between land cover and surface temperature in an urban heat island and its impacts on thermally sensitive populations. Landscape and Urban Planning, 107(2):172-180.
33. Yavari, A.R., Sotoudeh, A and Parivar, P., 2007. Urban Environment Quality and Landscape Structure in Arid Mountain Environment. International Journal of Environmental Research.1, 325-340. (In Persian)

[1] - دانش آموخته برنامه ریزی، مدیریت و آموزش محیط زیست، دانشکده محیط زیست، دانشگاه تهران. ^*(مسوول مکاتبات)

[2] - استاد گروه محیط زیست، دانشگاه علوم کشاورزی و منابع طبیعی گرگان

[3] - دانش آموخته سیستم اطلاعات جغرافیایی و سنجش از دور، دانشکده علوم انسانی، دانشگاه تربیت مدرس

[4] - استادیار مدیریت، برنامه ریزی و آموزش محیط زیست، دانشکده محیط زیست، دانشگاه تهران

1- M.Sc., student, Graduate, Environmental Planning, Management and education, Faculty of Environment, University of Tehran. (Corresponding Author)

2- Professor, Department of Environmental Sciences, Gorgan University of Agricultural Sciences and Natural Resources, Gorgan, Iran.

3- M.Sc., student, Graduate Faculty of Humanities Geography Information System & Remote sensing, Tarbiat Modares University

4- Assist. Prof., Graduate Faculty of Environment, University of Tehran.

1- Land Use Land Cover

2- Land Surface Tempreture

3- Urban Heat Islands

4- Sign

5- Landscape Metrics

6- Composition

7- Configuration

1- Radiance

2- Reflectance

3- Polynomial

4- Linear Spectral Mixture Analysis

5- VIS(Vegetation-Impervious surface-Soil)

6- Error Matrix

7- Overall Accuracy

8- Kappa Index

1- radiometrically

2- High Gain

3- Digital Number

4- Spectral Radiance

1- Arc Macro Language

1- Fragmentation