کلمات کلیدی: 

سنجش از دور سیستم اطلاعات جغرافیایی؛ جزیره گرما؛ دمای سطح زمین؛ بارش همرفتی

چکیده

این مطالعه از ارزیابی آماری با استفاده از تحلیل همبستگی برای بررسی اثرات محیط حرارتی بر فراوانی بارش همرفتی در منطقه بزرگ توکیو بین ساعت 12:00 تا 18:00 روزهای تابستان از سال 1997 تا 2006 استفاده می‌کند. برای استخراج فراوانی بارش همرفتی ما از داده‌های راداری خودکار سیستم جمع‌آوری داده‌های هواشناسی برای به دست آوردن نقشه‌های دقیق توزیع بارندگی و برای استخراج محیط حرارتی شهری از داده‌های دمای سطح از یک ماهواره هواشناسی اداره ملی اقیانوسی و جوی استفاده کردیم. نتایج ضریب تعیین 0.01 بود که نشان می‌دهد هیچ رابطه واضحی بین دمای سطح و فراوانی بارندگی همرفتی در منطقه مورد مطالعه وجود ندارد. بررسی نقشه توزیع فراوانی همرفتی باران در ارتباط با نقشه ارتفاعی منطقه نشان می‌دهد که ارتفاع بالاتر نسبت به دمای سطح، پیش‌بینی‌کننده بهتری برای افزایش فراوانی بارندگی همرفتی است. از آنجایی که این نشان می دهد که بارش کوه نگاری تأثیر زیادی در منطقه مورد مطالعه دارد، ما از یک نقشه ارتفاعی برای حذف مناطق تپه ای و کوهستانی، مناطق هم مرز با مناطق هموار (با این فرض که باد می تواند به راحتی بارش کوه نگاری را به چنین مناطقی منتقل کند) و مناطقی که حاوی مناطق دریایی انجام این کار منجر به ضریب تعیین 0.38 شد، سیگنال واضحی مبنی بر اینکه تفاوت در محیط حرارتی در منطقه بزرگ توکیو بر فرکانس بارش همرفتی تأثیر دارد. ما بعداً روی کلان شهر توکیو تمرکز کردیم، توسعه‌یافته‌ترین بخش منطقه و بخشی که بیشترین بارندگی همرفتی را تجربه می‌کند، و تحلیل همبستگی را با در نظر گرفتن پارامترهای مربوط به ساختمان‌ها انجام دادیم. نتایج نشان می‌دهد که بارش کوه‌نگاری تأثیر زیادی در کلان‌شهر توکیو نیز دارد، بنابراین مناطقی را که از تجزیه و تحلیل منطقه بزرگ توکیو حذف شدند حذف کردیم و دوباره تحلیل همبستگی را انجام دادیم. با این حال، ما هیچ رابطه واضحی از فرکانس بارش همرفتی با دمای سطح یا پارامترهای ساختمان پیدا نکردیم. بنابراین ما آن مناطقی را که از تحلیل منطقه بزرگ توکیو حذف شدند حذف کردیم و دوباره تحلیل همبستگی را انجام دادیم. با این حال، ما هیچ رابطه واضحی از فرکانس بارش همرفتی با دمای سطح یا پارامترهای ساختمان پیدا نکردیم. بنابراین ما آن مناطقی را که از تحلیل منطقه بزرگ توکیو حذف شدند حذف کردیم و دوباره تحلیل همبستگی را انجام دادیم. با این حال، ما هیچ رابطه واضحی از فرکانس بارش همرفتی با دمای سطح یا پارامترهای ساختمان پیدا نکردیم.

1. مقدمه

شهرها فضاهایی هستند که به فعالیت های انسانی اختصاص یافته اند و رشد بی رویه آنها منجر به مشکلات متعددی شده است. یکی از این مشکلات، توسعه جزایر گرمایی شهری (UHIs) است. اثر UHI پدیده ای است که در آن دمای هوا در یک محیط شهری بیشتر از مناطق اطراف است و در نتیجه تأثیر مستقیمی بر ساکنان دارد. همچنین پیشنهاداتی وجود دارد که اثر UHI بر گردش بین مقیاس در شهر تأثیر می‌گذارد و به طور بالقوه بارش همرفتی را القا می‌کند.

بحث های مختلفی در مورد تأثیر عواملی غیر از تفاوت در مکان همدیدی که در محیط های شهری رخ می دهد، مانند مناظر پیچیده شهری [1-3] و آئروسل های شهری [4-7] وجود داشته است. یکی از مشخصه‌های اغلب ذکر شده در چنین بارش‌هایی، افزایش مقادیر بارندگی به سمت بیرون از مرکز شهر است [8-15]. همچنین گزارش‌هایی از افزایش بارندگی شهری در ژاپن گزارش شده است [16،17]، و گزارش‌های بسیاری نشان می‌دهند که UHIs به عنوان یک عامل کمک‌کننده [18-22].

ابرشهرهای ژاپنی مانند توکیو در حال حاضر اثر UHI را نشان می دهند، اما همچنان به گسترش خود ادامه می دهند تا شهرهای کوچکتر مجاور را جذب کنند. یکی از پیامدهای جدی این است که افزایش سطوح غیرقابل نفوذ می تواند باعث شود رواناب آب طوفان از ظرفیت تصفیه فاضلاب فراتر رود و منجر به سیل شود. پیش‌بینی بارش همرفتی به‌ویژه دشوار است و می‌تواند منجر به بارندگی شدید در مدت زمان کوتاهی شود، بنابراین دانستن اینکه در چه مناطقی اغلب بارش همرفتی را تجربه می‌کنند و درک رابطه بین بارش و UHIs اولین گام در برنامه‌ریزی اقدامات برای رسیدگی به اقدامات پیشگیری از سیل و کنترل خسارت است. .

مطالعه حاضر مناطق شهری و حومه توکیو را مورد بررسی قرار می دهد ( شکل 1 )، با استفاده از ارزیابی آماری با تجزیه و تحلیل همبستگی برای بررسی اثرات محیط حرارتی بر فرکانس بارش همرفتی. ما همچنین تجزیه و تحلیل آماری را انجام می‌دهیم که بر بسیاری از رویدادهای بارش همرفتی که در کلان شهر توکیو رخ می‌دهند متمرکز است، به این امید که رابطه‌ای بین تفاوت‌های محیط گرما و فرکانس رویداد پیدا کنیم. نمونه ای از بارش همرفتی در توکیو، رویداد 21 ژوئیه 1999 است که در حدود ساعت 15:00 رخ داد، که بارندگی 129 میلی متر در ساعت را به همراه داشت.

از تعریف UHI، ترجیح داده می شود که از دما به عنوان مبنایی برای ارزیابی تفاوت در محیط حرارتی استفاده شود. با این حال، ایجاد یک نقشه دقیق توزیع دما بر اساس مشاهدات واقعی در منطقه ای به بزرگی مورد بررسی شده در این مطالعه دشوار است و اطمینان از مشاهدات در شرایط جوی مشابه دشوار و پرهزینه خواهد بود. بنابراین این مطالعه از تصویربرداری ماهواره‌ای برای استخراج توزیع دمای سطح استفاده می‌کند و برای راحتی، از آن توزیع به عنوان UHI در منطقه مورد مطالعه استفاده شد.

همانطور که در مطالعات قبلی بیان شد، دمای سطح روز به‌دست‌آمده از ماهواره‌ها لزوماً تصویر دقیقی از UHIs ارائه نمی‌کند [ 23 ]، اما داده‌های ماهواره‌ای یک مزیت مهم در آن دارند که دمای سطح را می‌توان برای زمان‌ها و تاریخ‌های مشخص استخراج کرد. مطالعه حاضر به بررسی دمای سطح تابستان (ژوئیه و آگوست) در طول روز (12:00 تا 18:00) از سال 1997 تا 2006 می‌پردازد.

2. مروری بر منطقه مطالعه

کلان شهر توکیو شامل 23 بخش است که شامل مقر دولت ملی در ژاپن است و همچنین منطقه تاما، جزایر ایزو و جزایر اوگاساوارا را پوشش می دهد. منطقه بزرگ توکیو، که مناطق شهری کلانشهر توکیو و استان‌های اطراف کاناگاوا، چیبا، سایتاما، گونما، توچیگی و ایباراکی را پوشش می‌دهد، تقریباً 37 میلیون نفر جمعیت دارد که آن را پرجمعیت‌ترین منطقه کلان‌شهری جهان می‌کند [ 24 ]. ].

با تمرکز بالای مردم، کالاها، پول و اطلاعات، چنین شهرهای بزرگی نسبت به شهرهای کوچکتر امکانات رفاهی را فراهم می کنند. با این حال، چنین غلظت های بیش از حد می تواند محیط های شهری را بدتر کند. یک مثال اثر UHI است که در آن شهرها نسبت به مناطق اطرافشان گرمتر می شوند. در حالی که میانگین دمای ژاپن به طور کلی در قرن بیستم 1 درجه سانتیگراد افزایش یافت، داده های آژانس هواشناسی ژاپن (JMA) نشان می دهد که میانگین دمای توکیو تقریباً 3 درجه سانتیگراد افزایش یافته است.

پیش بینی می شود که تقریباً 70 درصد از جمعیت جهان تا سال 2050 در مناطق شهری زندگی کنند [ 25 ] و انتظار می رود مشکلات زیست محیطی مشابه شهرهای موجود در شهرهای جدید در حال توسعه نیز ایجاد شود. استفاده از توکیو به عنوان مطالعه موردی مشکلات غیرمستقیم آشکار مانند افزایش سطح باران همرفتی به دلیل بدتر شدن محیط حرارتی می‌تواند داده‌های حیاتی را برای در نظر گرفتن هنگام توسعه اقدامات برنامه‌ریزی شهرها در برابر مشکلات مشابه فراهم کند.

3. داده ها و تجزیه و تحلیل

3.1. فراوانی بارش همرفتی

ما از داده‌های سیستم خودکار جمع‌آوری داده‌های هواشناسی (AMeDAS) برای استخراج اطلاعات برای اندازه‌گیری فراوانی بارش همرفتی استفاده کردیم. AMeDAS متشکل از ایستگاه های راداری است که توسط JMA و River Bureau و اداره راه وزارتخانه اداره می شود.

شکل 1 . منطقه مورد مطالعه. مربع در پانل سمت چپ منطقه مطالعه را در بر می گیرد. یک نمای بزرگنمایی شده در پانل سمت راست نشان داده شده است.

زمین، زیرساخت، و حمل و نقل، و همچنین حدود 1300 ایستگاه آب و هوای خودکار. این سیستم داده ها را از باران سنج های سطح زمین جمع آوری می کند که می تواند برای جمع آوری اطلاعات دقیق در مورد بارندگی استفاده شود.

داده‌های بارندگی AMeDAS از سال 1988 تا مارس 2001 از شبکه‌ای با وضوح 5 کیلومتر استفاده کردند، اما این میزان وضوح به 2.5 کیلومتر در آوریل 2001 و دوباره به 1 کیلومتر در ژانویه 2006 افزایش یافت. برای سازگاری، این مقاله از داده‌های بیش از 5 کیلومتر × 5 استفاده می‌کند. کیلومتر مش. همچنین توجه داشته باشید که از ماه مه 2003 سیستم مختصات از مبناهای ژاپنی به مبداهای ژئودتیکی تغییر یافت، اما این مطالعه از داده‌های ژئودتیکی برای سازگاری استفاده می‌کند. وضوح زمانی داده ها 1 ساعت است.

از آنجایی که هدف تحقیق حاضر استخراج آن دسته از رویدادهای بارش همرفتی است که به عنوان نتیجه عوامل مرتبط با اثر UHI در نظر گرفته می‌شوند، لازم است تا حد امکان اثراتی که ناشی از تفاوت در مکان همدیدی هستند از بررسی حذف شوند. بنابراین، داده‌های مربوط به روزهای پدیده‌های آب و هوایی مانند جبهه‌ها، سیستم‌های کم فشار و طوفان‌ها را حذف کردیم و از چهار معیار زیر برای طبقه‌بندی یک روز به عنوان روزی که بارش همرفتی را تجربه می‌کند استفاده کردیم.

• یک تغییر تدریجی در گرادیان فشار از دریای ژاپن (شهر نیگاتا) به اقیانوس آرام (توکیو) و گردش نسیم دریا خوب بود.

• هیچ سیستم بارشی بر روی خشکی از دریا حرکت نکرده بود.

• کل بارندگی کمتر از 0.5 میلی متر در ساعت در رصدخانه هواشناسی منطقه توکیو بود.

• به طور متوسط ​​50 دقیقه در ساعت نور خورشید از طلوع خورشید تا ساعت 12:00 در رصدخانه هواشناسی منطقه توکیو وجود داشت.

نرخ باران همرفتی به عنوان مجموع دفعاتی که بارندگی در مدت 1 ساعت در طول دوره مشاهده برای روزهایی که شرایط فوق را برآورده می‌کنند، محاسبه شد.

3.2. محاسبه دمای سطح

برای استخراج دمای سطح، عکس‌های دارای پوشش ابری کم را به‌صورت بصری انتخاب کردیم که توسط حسگرهای رادیومتر با وضوح بسیار بالا (AVHRR) در ماهواره‌های ۱۲ و ۱۴ سازمان ملی اقیانوسی و جوی (NOAA) برای ایجاد تصاویر ترکیبی به‌دست آمده بودند. وضوح فضایی سنسورهای AVHRR 1.1 کیلومتر از مدار است. ما از روش پنجره تقسیم (معادله (1) [ 26 ]) برای محاسبه دمای سطح از تفاوت دمای روشنایی بین کانال‌های 4 و 5 AVHRR استفاده کردیم:

(1)

روش فوق دما را بر حسب کلوین می دهد، بنابراین مقادیر قبل از استفاده در تجزیه و تحلیل به درجه سانتیگراد تبدیل شدند.

4. نتایج و بحث

4.1. بارش همرفتی و توزیع دمای سطحی

شکل 2 توزیع فراوانی بارش همرفتی را در منطقه مورد مطالعه نشان می دهد و نشان می دهد که فرکانس در جهت غرب باختری از مرکز شهر افزایش می یابد. این شبیه به پدیده‌های گزارش‌شده قبلی است [27، 28]، الگویی که در آن باد شرقی از ساحل کاشی‌مانادا و باد جنوبی از ساحل خلیج ساگامی در منطقه توکیو همگرا می‌شوند.

همچنین تمایل به بارش همرفتی مکرر در استان چیبا، در شمال و غرب منطقه مورد مطالعه وجود دارد. مقایسه با یک نقشه توپوگرافی ایجاد شده با مدل جهانی ارتفاع دیجیتال جهانی گسیل و انعکاس فضابردی پیشرفته (ASTER) نشان می‌دهد که این مناطق دارای ارتفاع نسبتاً بالایی هستند ( شکل 3 )، که نشان می‌دهد که بارندگی در این مناطق به دلیل یک بارش همرفتی نیست. محیط حرارتی شهری، بلکه بارندگی کوه‌شناختی ناشی از جریان‌های صعودی ناشی از جغرافیایی است.

شکل 4 توزیع دمای سطح را در منطقه مورد مطالعه نشان می دهد. در حالی که داده‌های NOAA/AVHRR مستقیماً از زیر مدار هستند و با وضوح 1.1 کیلومتر ارائه می‌شوند، ما از یک مش 5 کیلومتر × 5 کیلومتر از مقادیر متوسط ​​استفاده کردیم تا امکان تجزیه و تحلیل همبستگی را فراهم کنیم. نتایج نشان می‌دهد که مناطق مرکزی شهر از یوکوهاما تا شهر چیبا به طور قابل‌توجهی دمای بالاتری دارند که به سمت حومه شهر کاهش می‌یابد. دماهای بالاتر همچنین در پایتخت های استانی مانند Maebashi، Tochigi و Mito و در شهرهای Kamisu و Kashima، محل منطقه صنعتی ساحلی کاشیما، بزرگترین تجمع صنعتی در استان Ibaraki مشاهده می شود. با مقایسه این مناطق با ارتفاعات در شکل 3 ، مناطق در ارتفاعات بالاتر دمای سطح نسبتاً پایینی دارند.

4.2. رابطه بین بارش همرفتی و دمای سطح

شکل 5 رابطه بین فرکانس بارش همرفتی و دمای سطح را نشان می دهد. نوارهای رنگی در آن شکل مقادیر متوسط ​​را در مش 5 کیلومتر × 5 کیلومتر نشان می دهد. ضریب همبستگی برای این رابطه 0.01 است که نشان دهنده عدم وجود رابطه مثبت بین فراوانی بارش همرفتی و دمای سطح است. به عبارت دیگر، افزایش فراوانی باران همرفتی در نتیجه دمای سطح بالاتر نشان داده نمی شود.

همانطور که در بالا توضیح داده شد، با این حال، ما تأثیر قابل توجهی از ویژگی های کوه نگاری بر فراوانی بارندگی همرفتی در منطقه مورد مطالعه مشاهده کردیم. بنابراین، پس از حذف مناطق مشبک حاوی جغرافیای کوهستانی یا تپه ای، تجزیه و تحلیل را دوباره انجام دادیم. ما هم حذف کردیم

شکل 2 . توزیع فرکانس بارش همرفتی از تجزیه و تحلیل رادار AMeDAS.

شکل 3 . نقشه توپوگرافی منطقه مورد مطالعه با استفاده از ASTER GDEM تهیه شده است.

شکل 4 . دمای سطح از داده های NOAA/AVHRR. این توزیع از یک مش 5 کیلومتر × 5 کیلومتر مشابه آنچه برای توزیع فرکانس بارش همرفتی استفاده می شود استفاده می کند که از مقادیر متوسط ​​ایجاد شده است.

شکل 5 . رابطه بین فرکانس بارش همرفتی و دمای سطح.

شبکه هایی که بین مناطق کوهستانی یا تپه ای و دشت ها قرار دارند، با این فرض که باد به راحتی بارش های ناشی از ویژگی های جغرافیایی را حمل می کند. در نهایت، از آنجا که مناطق دریایی احتمالا حاوی اطلاعاتی هستند که در ارزیابی محیط‌های حرارتی شهری مفید نیستند، شبکه‌های حاوی مناطق دریایی را نیز حذف کردیم ( شکل 6 ). تأثیر بر فراوانی بارش همرفتی در منطقه مورد مطالعه.

شکل 6 . مش 5 کیلومتر × 5 کیلومتر، مناطقی را نشان می دهد که شامل مناطق کوهستانی، تپه ای، مرزی و دریایی است.

شکل 7 . رابطه بین فرکانس بارش همرفتی و دمای سطح. این مش از شکل 5 است، به استثنای مناطق کوهستانی، تپه ای، مرزی و دریایی.

4.3. رابطه بارش همرفتی با دمای سطح و پارامترهای ساختمان

همانطور که با جمعیت انبوه و پیچیدگی خط افق آن مشخص می شود، کلان شهر توکیو به طور خاص نمونه ای قابل توجه از یک منطقه توسعه یافته و همچنین منطقه ای با بارش های همرفتی مکرر است. بنابراین ارزیابی اثر محیط حرارتی بر فرکانس بارش همرفتی در توکیو به احتمال زیاد اطلاعات حیاتی را هنگام برنامه ریزی برای اقداماتی برای کاهش آسیب احتمالی از بارش همرفتی به حداقل می رساند.

با این حال، همانطور که در بالا توضیح داده شد، ابرشهرهایی مانند توکیو نه تنها اثر UHI را تجربه می‌کنند، بلکه اثر یک منظره شهری پیچیده را نیز تجربه می‌کنند که گردش متوسط ​​بادها را در شهر به‌گونه‌ای تغییر می‌دهد که می‌تواند باعث بارندگی شود. بنابراین، علاوه بر دمای زمین، ارزیابی آماری خود را به تجزیه و تحلیل همبستگی پارامترهای ساختمان به عنوان عوامل مؤثر بر بارش همرفتی در توکیو گسترش دادیم. هنگام انجام این کار، از همان داده هایی که در بخش قبل استفاده شد برای فرکانس بارش همرفتی و دمای زمین استفاده کردیم.

مطالعات قبلی متعددی در مورد تأثیر پارامتر طول زبری ساختمان z0 انجام شده است، اما از آنجا که طول زبری با جهت باد متفاوت است، گنجاندن آن در این مطالعه، که ترکیبی از چند روز است، دشوار است. بنابراین ما از تراکم ساختمان، تعداد متوسط ​​طبقات و انحراف استاندارد تعداد طبقات در هر شبکه 5 کیلومتر × 5 کیلومتر به عنوان پارامترهای ساختمان استفاده کردیم.

ما از داده های GIS برنامه ریزی شهری توکیو در سال های 1996 و 1997 برای محاسبه مقادیر پارامترهای ساختمان استفاده کردیم ( شکل 8 ). شکل 9 روابط فرکانس بارش همرفتی با دمای سطح و پارامترهای ساختمان را نشان می دهد. نوار رنگی در شکل میانگین ارتفاعات را در مش 5 کیلومتر × 5 کیلومتر نشان می دهد. نتایج حاکی از افزایش بارش همرفتی با افزایش ارتفاع برای هر عامل است، اما هیچ همبستگی مثبتی بین هیچ جفت متغیری دیده نمی‌شود. به عبارت دیگر، هیچ رابطه ای نشان داده نمی شود که در آن فراوانی بارش همرفتی با افزایش دمای سطح، تراکم ساختمان، تعداد متوسط ​​طبقات ساختمان یا انحراف معیار تعداد طبقات ساختمان افزایش یابد.

این نشان می دهد که عوامل کوه نگاری نیز تأثیر زیادی بر بارندگی در کلان شهر توکیو دارند. بنابراین ما همان شرایط حذف را برای کلانشهر توکیو اعمال کردیم که برای تجزیه و تحلیل منطقه بزرگ توکیو انجام دادیم، به استثنای زمین های کوهستانی و تپه ای، مرز یک مشبک در امتداد چنین مناطقی و مناطق ساحلی. همانطور که شکل 1 0 نشان می دهد، نتایج دوباره رابطه واضحی از فرکانس بارش همرفتی با دمای سطح یا پارامترهای ساختمان را نشان نمی دهد.

این نشان می دهد که استخراج سیگنال تنها با استفاده از دمای سطح و پارامترهای ساختمان در توکیو دشوار است، حتی زمانی که اثرات کوه نگاری حذف شوند. این

شکل 8 . استفاده از ساختمان از داده های GIS برنامه ریزی شهری توکیو. نوارهای رنگی تعداد طبقات ساختمان را نشان می دهد.

شکل 9 . رابطه بین فرکانس بارش همرفتی و دمای سطح (بالا سمت چپ)، تراکم ساختمان (بالا سمت راست)، میانگین تعداد طبقات (سمت چپ پایین)، و انحراف معیار تعداد طبقات (پایین سمت راست) در یک شبکه 5 کیلومتر × 5 کیلومتر.

ممکن است به این دلیل باشد که در ابرشهری مانند توکیو مجموعه پیچیده‌ای از عوامل دیگر مؤثر بر بارش همرفتی وجود دارد، مانند ذرات معلق در هوا که تشکیل ابر و سازندهای لایه‌ای باد را تقویت می‌کنند.

5. نتیجه گیری ها

برای بررسی اینکه آیا UHIs بر گردش بین مقیاس در مناطق شهری تأثیر می‌گذارد و در نتیجه به بارش همرفتی کمک می‌کند، ما ارزیابی آماری را با تجزیه و تحلیل همبستگی انجام دادیم تا تأثیر محیط حرارتی را بر فراوانی بارش همرفتی در منطقه بزرگ توکیو بررسی کنیم. ما همچنین بر کلانشهر توکیو، توسعه‌یافته‌ترین منطقه در منطقه مورد مطالعه تمرکز کردیم و دوباره روابط بین فرکانس بارش همرفتی و پارامترهای ساختمان را علاوه بر دمای زمین ارزیابی کردیم. ما از مقادیر بارندگی از رادار AMeDAS برای استخراج داده‌های فرکانس بارش همرفتی، داده‌های NOAA/AVHRR برای محاسبات محیط حرارتی، و داده‌های GIS برنامه‌ریزی شهری توکیو در سال‌های 1996 و 1997 برای محاسبه پارامترهای ساختمان استفاده کردیم. نتایج به شرح زیر بود:

• ما تمایل قبلی گزارش شده را برای افزایش فرکانس بارش همرفتی WNW از مرکز شهر تأیید کردیم. ما همچنین افزایش فراوانی بارش همرفتی را در استان چیبا در شمال و غرب منطقه مورد مطالعه پیدا کردیم، اما ما این را به عوامل کوه‌نگاری نسبت می‌دهیم، نه محیط حرارتی شهری.

• توزیع دمای سطح در منطقه مورد مطالعه افزایش قابل توجه دما را در اطراف مرکز توکیو، از یوکوهاما تا شهر چیبا نشان می دهد. با حرکت به سمت حومه شهر، دما کاهش می یابد. دما نیز در مراکز استان ها و اطراف مناطق صنعتی نسبتاً بالاتر است و با افزایش ارتفاع کاهش می یابد.

شکل 1 0. روابط فراوانی بارش همرفتی با دمای سطح (بالا سمت چپ)، تراکم ساختمان (بالا سمت راست)، میانگین تعداد طبقات (پایین سمت چپ) و انحراف معیار تعداد طبقات (پایین سمت راست) در یک شبکه 5 کیلومتر × 5 کیلومتر. مش استفاده شده در اینجا شامل مناطق کوهستانی، تپه ای، مرزی و دریایی نمی شود، همانطور که در تجزیه و تحلیل منطقه بزرگ توکیو وجود دارد.

• تجزیه و تحلیل آماری منطقه مورد مطالعه به عنوان یک کل برای رابطه بین فراوانی بارش همرفتی و دمای سطح منجر به ضریب همبستگی 0.01 می شود، اما با حذف مناطق کوهستانی، تپه ای، مرزی و دریایی از مش تجزیه، ضریب همبستگی به دست می آید. 0.38، یک سیگنال واضح است که محیط های حرارتی شهری بر فرکانس بارش همرفتی تأثیر می گذارد.

ما همچنین روابط فرکانس بارش همرفتی با دمای سطح و پارامترهای ساختمان را در مرکز توکیو، منطقه ای در منطقه مورد مطالعه با گسترده ترین توسعه شهری و بیشترین فراوانی بارش همرفتی، ارزیابی کردیم. نتايج نشان داد كه جغرافيا نيز در آنجا تاثير عمده دارد و هيچ ارتباط واضحي بين عوامل مختلف نشان داده نشد. ما همچنین سعی کردیم اثرات جغرافیایی را با انجام مجدد تجزیه و تحلیل پس از حذف مش های مشابه آنچه در 3) در بالا توضیح داده شد حذف کنیم، اما هنوز همبستگی مثبتی پیدا نکردیم. ما معتقدیم که این نشان‌دهنده این است که در کلان‌شهرهایی مانند توکیو علاوه بر دمای سطح و پارامترهای ساختمان، عوامل متعددی وجود دارند که بر فرکانس و مکان بارش همرفتی تأثیر می‌گذارند، و این عوامل در یک رابطه متقابل پیچیده وجود دارند.

از موارد فوق، نتیجه می گیریم که در حالی که امکان استخراج سیگنال های مربوط به تأثیر تفاوت در محیط حرارتی در مناطق مورد مطالعه گسترده مانند منطقه بزرگ توکیو وجود دارد، هنگامی که منطقه مورد مطالعه محدود می شود، تفاوت بین مناطق شهری و حومه شهر کمتر مشخص می شود. . علاوه بر این، از آنجا که عوامل متعدد پیچیده‌ای وجود دارند که بر فراوانی و مکان بارش همرفتی در مناظر شهری تأثیر می‌گذارند، درک کامل این پدیده نیازمند تحلیل پیچیده‌تری است که این عوامل اضافی را در نظر بگیرد. بنابراین مهم است که تحقیقات آینده سایر عوامل مرتبط با بارش همرفتی را بررسی کرده و نقشه‌های توزیع با وضوح فضایی بالاتر از نقشه‌های مورد استفاده در این مطالعه ایجاد کنند.

منابع

  1. MR Hjelmfelt، “شبیه سازی عددی اثرات سنت لوئیس بر جریان هوای لایه مرزی میان مقیاس و حرکت عمودی: شبیه سازی اثرات شهری در مقابل غیر شهری”، مجله هواشناسی کاربردی، جلد. 21، شماره 9، 1982، ص 1239-1257. doi:10.1175/1520-0450(1982)021<1239:NSOTEO>2.0.CO;2
  2. R. Bornstein و Q. Lin، “جزایر گرمایی شهری و طوفان های همرفتی تابستانی در آتلانتا: سه مطالعه موردی”، محیط جوی، جلد. 34، شماره 3، 2000، صص 507-516. doi:10.1016/S1352-2310(99)00374-X
  3. CM Rozoff، WR Cotton و JO Adegoke، “شبیه سازی سنت لوئیس، میسوری، تاثیرات کاربری زمین بر روی رعد و برق،” مجله هواشناسی کاربردی، جلد. 42، شماره 6، 1382، صص 716-738. doi:10.1175/1520-0450(2003)042<0716:SOSLML>2.0.CO;2
  4. M. Jin، JM Shepherd و MD King، “آئروسل های شهری و تغییرات آنها با ابرها و باران: مطالعه موردی برای نیویورک و هیوستون،” مجله تحقیقات ژئوفیزیک، جلد. 110، شماره D10، 2005، شناسه مقاله: D10S20. doi:10.1029/2004JD005081
  5. SC van den Heever و WR Cotton، “تأثیر آئروسل شهری بر طوفان های همرفتی پایین باد”، مجله هواشناسی کاربردی و اقلیم شناسی، جلد. 46، شماره 6، 1386، صص 828-850. doi:10.1175/JAM2492.1
  6. TL Bell، D. Rosenfeld، K.-M. کیم، جی.-ام. یو، M.-I. لی و ام. هاننبرگر، “افزایش اواسط هفته در باران تابستانی ایالات متحده و ارتفاعات طوفان نشان می دهد که آلودگی هوا باعث تقویت طوفان ها می شود”، مجله تحقیقات ژئوفیزیک، جلد. 113، شماره D2، 2008. شناسه مقاله: D02209. doi:10.1029/2007JD008623
  7. JY. هان، جی جی. بایک و AP Khain، “مطالعه عددی تاثیرات آئروسل شهری بر ابرها و بارش”، مجله علوم جوی، جلد. 69، شماره 2، 1391، صص 504-520. doi:10.1175/JAS-D-11-071.1
  8. HE Landsberg، “تغییرات اقلیمی ساخته دست بشر: فعالیت های انسان آب و هوای مناطق شهری را تغییر داده است و ممکن است بر اقلیم جهانی در آینده تاثیر بگذارد”، Science، جلد. 170، شماره 3964، 1970، صص 1265-1274. doi:10.1126/science.170.3964.1265
  9. SA Changnon، “تغییرات بارندگی در تابستان ناشی از سنت لوئیس،” علم، جلد. 205، شماره 4404، 1979، صص 402-404. doi:10.1126/science.205.4404.402
  10. SA Changnon و FA Huff، “ناهنجاری باران شبانه شهری مربوط به شهر در سنت لوئیس”، مجله آب و هوا و هواشناسی کاربردی، جلد. 25، شماره 12، 1986، ص 1985-1995. doi:10.1175/1520-0450(1986)025<1985:TURNRA>2.0.CO;2
  11. E. Jauregui و E. Romales، “اثرات شهری بر بارش همرفتی در مکزیکو سیتی”، محیط جوی، جلد. 30، شماره 20، 1375، صص 3383-3389. doi:10.1016/1352-2310(96)00041-6
  12. JM Shepherd، H. Pierce و AJ Negri، “اصلاح بارش توسط مناطق شهری اصلی: مشاهدات از رادار باران فضایی در ماهواره TRMM”، مجله هواشناسی کاربردی، جلد. 41، شماره 7، 2002، صفحات 689-701. doi:10.1175/1520-0450(2002)041<0689:RMBMUA>2.0.CO;2
  13. PG Dixon و TL Mote، “الگوها و علل بارندگی ناشی از جزیره گرمایی شهری آتلانتا”، مجله هواشناسی کاربردی، جلد. 42، شماره 9، 2003، صفحات 1273- 1284. doi:10.1175/1520-0450(2003)042<1273:PACOAU>2.0.CO;2
  14. TL Mote، MC Lacke و JM Shepherd، “Signatures Radar of Urban Effect on Precipitation Distribution: A Case Study for Atlanta, Georgia,” Geophysical Research Letters, Vol. 34، شماره 20، 2007، شناسه مقاله: L20710. doi:10.1029/2007GL031903
  15. LS Rose، JA Stallins و ML Bentley، “رعد و برق همزمان ابر به زمین و افزایش بارش در آتلانتا، جورجیا (ایالات متحده)، منطقه شهری، تعاملات زمین، جلد. 12، شماره 11، 2008، صفحات 1-30. doi:10.1175/2008EI265.1
  16. M. Yoshino، “تغییر آب و هوا در منطقه شهری در ژاپن و کشورهای خارجی”، یادداشت پژوهشی هواشناسی، شماره 133، 1977، صفحات 1-25. (به ژاپنی)
  17. T. Yonetani، “افزایش تعداد روزهای با بارش شدید در منطقه شهری توکیو”، مجله هواشناسی کاربردی، جلد. 21، شماره 10، 1982، صص 1466-1471. doi:10.1175/1520-0450(1982)021<1466:IINODW>2.0.CO;2
  18. T. Yonetani، “تقویت و شروع یک کومولوس توسط یک جزیره گرما”، مجله انجمن هواشناسی ژاپن، جلد. 61، شماره 2، 1362، صص 244-253. (به ژاپنی)
  19. تی یونتانی، «بررسی اثرات شهری بر وقوع بارش همرفتی»، گزارش مرکز تحقیقات ملی پیشگیری از بلایا، شماره 44، 1368، صص 1-59.
  20. F. Fujibe، “ناهنجاری های فضایی و تغییرات طولانی مدت بارش در توکیو”، Tenki، جلد. 45، شماره 1، 1377، صص 7-18. (به ژاپنی)
  21. N. Sato و M. Takahashi، “تغییرات طولانی مدت در ویژگی های بارش تابستانی در منطقه توکیو”، Tenki، جلد. 47، شماره 9، 2000، صص 643-648. (به ژاپنی)
  22. T. Sato، T. Terashima، T. Inoue و F. Kimura، “تشدید سیستم های بارش همرفتی در منطقه شهری توکیو در فصل تابستان،” Tenki، جلد. 53، شماره 6، 1385، صص 479-484. (به ژاپنی)
  23. M. Roth، TR Oke و WJ Emery، “جزایر گرمایی شهری مشتق از ماهواره از سه شهر ساحلی و استفاده از چنین داده هایی در اقلیم شناسی شهری”، مجله بین المللی سنجش از دور، جلد. 10، شماره 11، 1989، صص 1699-1720. doi:10.1080/01431168908904002   [زمان(های) نقل قول: 1]
  24. جمعیت شناسی، “دموگرافی مناطق شهری جهان،” ویرایش هشتم، 2013. https://esa.un.org/unup/pdf/WUP2011_Highlights.pdf   [Citation Time(s):1]
  25. سازمان ملل متحد، چشم انداز شهرنشینی جهان. The 2011 Revision, 2013. https://esa.un.org/unup/pdf/WUP2011_Highlights.pdf   [Citation Time(s):1]
  26. CJ Price, “Land Surface Temperature Measurement from the Split Window Channels of NOAA 7 Advanced Very High Resolution Radiometer” Journal of Geophysical Research, Vol. 89، شماره D5، 1984، صفحات 7231- 7237. doi:10.1029/JD089iD05p07231  [زمان(های) نقل قول: 1]
  27. F. Fujibe, K. Sakagami, K. Chubachi and K. Yamashita, “Surface Wind Patterns Preceding Short-time Heavy Rainfall in Tokyo in Tokyo in Afternoon of Midsummer Days” Tenki, Vol. 49، شماره 5، 1381، صص 395-405. (به ژاپنی)
  28. T. Mikami، H. Yamamoto، H. Ando، H. Yokoyama، T. Yamaguchi، M. Ichino، Y. Akiyama و K. Ishii، “مطالعه اقلیمی در مورد باران شدید تابستانی در توکیو”، گزارش سالانه توکیو پژوهشکده کلانشهر حفاظت محیط زیست، 1384

مقالات داخلی و بین المللی

مطالب مرتبط ...

بدون دیدگاه

دیدگاهتان را بنویسید