چکیده

شهرنشینی سریع در شهرها و مراکز شهری اخیراً به تغییرات قابل توجه کاربری/پوشش زمین (LULC) کمک کرده است که بر اقلیم و محیط زیست تأثیر می گذارد. بنابراین، این مطالعه به دنبال تجزیه و تحلیل تغییرات در LULC و تأثیر فضای زمانی آن بر جزایر حرارتی شهری سطحی (UHI)در کلانشهر ابوجا، نیجریه است. برای دستیابی به این هدف، ما از داده‌های لندست چند زمانی برای نظارت بر الگوی LULC منطقه مورد مطالعه و دمای سطح زمین (LST) در 29 سال گذشته استفاده کردیم. سپس این مطالعه رابطه بین LULC، LST و سایر شاخص های طیفی حیاتی شامل NDVI و NDBI را با استفاده از تحلیل همبستگی تجزیه و تحلیل کرد. نتایج حاکی از گسترش قابل توجه شهری با تبدیل 358.3 کیلومتر مربع از سطح طبیعی به مناطق ساخته شده است. همچنین افزایش قابل توجهی در میانگین LST کلانشهر ابوجا از 30.65 درجه سانتی گراد در سال 1990 به 32.69 درجه سانتی گراد در سال 2019 نشان داد، با افزایش قابل توجه 2.53 درجه سانتی گراد بین سال های 2009 و 2019. نتایج همچنین نشان دهنده یک رابطه معکوس بین LST و NDVI بود. و یک ارتباط مثبت بین LST و NDBI. این نشان می دهد که گسترش شهری و کاهش پوشش گیاهی بر توسعه UHI سطحی از طریق افزایش LST تأثیر می گذارد. بنابراین، یافته های این مطالعه به طور قابل توجهی به برنامه ریزان شهری و تصمیم گیرندگان کمک می کند تا استراتژی ها و مدیریت کاربری پایدار برای شهر را اجرا کنند. این نشان می دهد که گسترش شهری و کاهش پوشش گیاهی بر توسعه UHI سطحی از طریق افزایش LST تأثیر می گذارد. بنابراین، یافته های این مطالعه به طور قابل توجهی به برنامه ریزان شهری و تصمیم گیرندگان کمک می کند تا استراتژی ها و مدیریت کاربری پایدار برای شهر را اجرا کنند. این نشان می دهد که گسترش شهری و کاهش پوشش گیاهی بر توسعه UHI سطحی از طریق افزایش LST تأثیر می گذارد. بنابراین، یافته های این مطالعه به طور قابل توجهی به برنامه ریزان شهری و تصمیم گیرندگان کمک می کند تا استراتژی ها و مدیریت کاربری پایدار برای شهر را اجرا کنند.

کلید واژه ها:

کاربری زمین/پوشش زمین (LULC) ; شهرنشینی ; جزیره گرمایی شهری (UHI) ; دمای سطح زمین (LST) ; شاخص گیاهی تفاوت نرمال شده (NDVI) ; شاخص ایجاد اختلاف نرمال شده (NDBI) ; کلان شهر ابوجا

1. مقدمه

جهان اخیراً شاهد افزایش جمعیت شهری به دلیل فرصت‌های اجتماعی-اقتصادی درک شده در شهرها بوده است که به شهرنشینی سریع کمک می‌کند [ 1 ]. جمعیت جهان در مراکز شهری و شهرها از 1.731 میلیارد نفر (39.35٪) در سال 1980 به 3.968 میلیارد (53.91٪) در سال 2015 رسیده است و پیش بینی می شود تا سال 2050 به بیش از 9.725 میلیارد (68٪) برسد [ 2 ]. پیش بینی ها حاکی از آن است که انتظار می رود 35 درصد از این رشد در سه دهه آینده در آفریقا و آسیا رخ دهد. پیامد این رشد، تغییرات عظیم در الگوی کاربری/پوشش زمین (LULC) و تغییر شرایط مختلف آب و هوایی بیوفیزیکی، به ویژه جزیره گرمایی شهری سطحی (UHI) است که با استفاده از دمای سطح زمین (LST) اندازه‌گیری می‌شود [ 3 ،4 ، 5 ]. تبدیل کاربری زمین مانند تالاب ها، پوشش گیاهی و مناطق کشاورزی به سطوح ساخته شده و غیر قابل نفوذ می تواند به طور قابل توجهی بر LST تأثیر بگذارد [ 6 ]. بنابراین، دینامیک تغییر کاربری/پوشش زمین به دلیل ویژگی‌های منحصربه‌فرد (یعنی بازتاب سطح و ناهمواری) نسبت داده‌شده به هر دسته LULC با توجه به تابش و انرژی جذب آن، عوامل بسیار مهمی هستند که بر UHI سطح تأثیر می‌گذارند [ 7 ]. مطالعات شهرهای با رشد سریع در سطح جهان نشان دهنده افزایش LST است که معمولاً یک جزیره گرمایی شهری را به دلیل تغییرات چشمگیر در کاربری زمین مرتبط با شهرنشینی تشکیل می دهد [ 8 ، 9 ، 10 ]]. این رشد همچنین به تقاضای انرژی بالا کمک کرده است که به دلیل آلودگی هوا و انتشار گازهای گلخانه ای (GHG) بر سلامت و رفاه انسان تأثیر می گذارد. بنابراین، مطالعه تغییرات LULC و تأثیر آنها بر UHI سطح با استفاده از دمای سطح زمین به عنوان یک شاخص کلیدی در اجرای سیاست‌ها و استراتژی‌هایی با هدف کاهش اثرات منفی رشد شهری به دلیل شهرنشینی سریع بسیار مهم است.
استفاده از داده های سنجش از دور و سیستم های اطلاعات جغرافیایی به طور گسترده به عنوان یک ابزار پاسخگو در مطالعات اقلیمی شهری برای دستیابی به شهرهای پایدار در نظر گرفته شده است [ 11 ، 12 ، 13 ، 14 ]. این یک روش دقیق، به موقع و قابل اعتماد برای اندازه گیری تغییرات و شاخص های مکانی-زمانی در یک رویکرد مقرون به صرفه ارائه می دهد [ 15 ]. استفاده از مجموعه داده های ماهواره ای تصویربرداری ماهواره ای با وضوح متوسط ​​تا بالا را فراهم می کند که قادر به نظارت مستمر سطح زمین و جو است. تصاویر مشتق شده از ماهواره اغلب برای موجودی و نقشه برداری تغییرات LULC استفاده می شوند [ 16 ، 17 ، 18]. در دسترس بودن مداوم سنسورهای ماهواره ای مختلف مانند نقشه برداری موضوعی لندست 4 و 5 (TM)، نقشه برداری موضوعی پیشرفته لندست 7 (ETM+) و تصویرگر زمین عملیاتی لندست 8 (OLI) به طور مکرر برای ارائه داده های لازم برای نظارت بر سیستم مورد استفاده قرار گرفته است. تغییرات اخیر در LULC و تأثیر آن بر UHI سطح [ 19 ، 20 ، 21 ]. این فرآیند شامل استفاده از تکنیک های GIS برای تجزیه و تحلیل کمی شرایط LULC قبلی در تشخیص تغییرات مربوط به شاخص های مختلف مشتق شده از ماهواره است [ 22 ، 23 ، 24 ، 25 ].
شاخص های طیفی از داده های سنجش از دور معمولاً درک جامعی از رابطه بین LST، که در اندازه گیری سطح UHI بسیار مهم است، و شرایط LULC ارائه می دهند [ 26 ، 27 ، 28 ]. رایج‌ترین شاخص‌های مشتق‌شده از ماهواره برای تخمین تغییرات مکانی-زمانی دمای سطح زمین (LST) شاخص‌های گیاهی تفاوت عادی شده (NDVI) و شاخص ایجاد اختلاف نرمال شده (NDBI) هستند [ 29 ، 30 ]. این شاخص ها نشانگر تغییرات LULC در رابطه با LST هستند [ 31 ، 32]. همبستگی را می توان با استفاده از نمودارهای پراکندگی و تحلیل رگرسیون به دست آورد. مطالعات قبلی روابط مختلف بین LULC، LST، NDVI و NDBI را تحلیل کرده اند. در شهر شنژن، واقع در دلتای رودخانه مروارید چین، یک همبستگی منفی بین NDVI و LST برقرار شد، در حالی که ارتباط بین LST و NDBI مثبت بود [ 30 ]. مطالعه ای در کلان شهر تهران نشان داد که بین شاخص پوشش گیاهی و دمای سطح زمین همبستگی منفی وجود دارد [ 27 ]. مطالعات مشابه در شهر سیواس، ترکیه [ 15 ]، منطقه بزرگ قاهره مصر [ 19 ]، و برخی از شهرهای بزرگ جنوب آسیا مانند بانکوک (تایلند)، مانیل (فیلیپین) و جاکارتا (اندونزی) [ 28 ]] فعل و انفعالات معنی داری، به طور دقیق تر همبستگی منفی، بین دمای سطح زمین و NDVI و یک همبستگی مثبت بین LST و سطوح ساخته شده را نشان داد. این نتایج عمدتاً به رشد و گسترش مستمر شهرها به دلیل شهرنشینی و تحولات اقتصادی-اجتماعی، که بر استفاده از زمین و تغییرات آب و هوایی منطقه‌ای تأثیر گذاشت، نسبت داده می‌شود. مطالعات بر روی تغییرات در LULC و UHI های سطحی با تجزیه و تحلیل پیامدهای فعالیت های مختلف انسانی و ارائه استراتژی های تطبیقی ​​با هدف مدیریت پایدار استفاده از زمین، به کاهش اثرات نامطلوب تغییرات آب و هوایی کمک می کند. [ 33 ]، از این رو، به بهبود قابل توجهی در زیست پذیری شهرها کمک می کند.
اگرچه مطالعات متعددی در مورد سناریوهای LULC شهرهای منتخب در کشورهای در حال توسعه مانند نیجریه وجود دارد [ 34 , 35 , 36 , 37 , 38 , 39]، مطالعات جامع در مورد تجزیه و تحلیل مکانی-زمانی تغییرات LULC و تأثیر آنها بر سطح UHI شهرهای با رشد سریع نیجریه هنوز نسبتاً محدود به وجود ندارد. ابوجا، پایتخت نیجریه و یکی از بزرگترین شهرهای نیجریه، در چند دهه اخیر به دلیل شهرنشینی سریع و رشد جمعیت تحت فشار فوق العاده ای قرار گرفته است. مانند بسیاری دیگر از ابرشهرهای در حال توسعه، این شهر به سرعت تغییرات LULC مختلف را تجربه کرده است که عمدتاً افزایش منطقه ساخته شده و کاهش پوشش گیاهی است. تغییر مداوم کاربری‌های زمین برای فعالیت‌های مسکونی، تجاری و صنعتی اغلب از طریق افزایش UHI به تغییرات اقلیمی، به‌ویژه گرمایش جهانی کمک می‌کند. بنابراین، برای کاهش موثر UHI سطح در کلانشهر ابوجا، مطالعه سناریوی تغییر LULC و رابطه آن با LST از اهمیت بالایی برخوردار است. هدف مطالعه حاضر نظارت و تجزیه و تحلیل روندهای مکانی-زمانی تغییرات LULC و ایجاد رابطه آنها با تغییرات LST کلانشهر ابوجا، نیجریه، با استفاده از مجموعه داده های ماهواره ای با وضوح بالا و تکنیک های GIS است. به طور خاص، این مطالعه به دنبال ترسیم و تحلیل تغییرات مختلف در الگوی LULC کلانشهر ابوجا در 29 سال گذشته (یعنی 1990-2019) است. (ب) توزیع LST، NDVI، و NDBI در شهر را مطالعه کنید. (iii) LST را با شاخص های مشتق شده از ماهواره شامل NDVI و NDBI مرتبط و تجزیه و تحلیل می کند. با استفاده از مجموعه داده های ماهواره ای با وضوح بالا و تکنیک های GIS. به طور خاص، این مطالعه به دنبال ترسیم و تحلیل تغییرات مختلف در الگوی LULC کلانشهر ابوجا در 29 سال گذشته (یعنی 1990-2019) است. (ب) توزیع LST، NDVI، و NDBI در شهر را مطالعه کنید. (iii) LST را با شاخص های مشتق شده از ماهواره شامل NDVI و NDBI مرتبط و تجزیه و تحلیل می کند. با استفاده از مجموعه داده های ماهواره ای با وضوح بالا و تکنیک های GIS. به طور خاص، این مطالعه به دنبال ترسیم و تحلیل تغییرات مختلف در الگوی LULC کلانشهر ابوجا در 29 سال گذشته (یعنی 1990-2019) است. (ب) توزیع LST، NDVI، و NDBI در شهر را مطالعه کنید. (iii) LST را با شاخص های مشتق شده از ماهواره شامل NDVI و NDBI مرتبط و تجزیه و تحلیل می کند.
این مطالعه به حمایت از سیاست‌های برنامه‌ریزی شهری و استراتژی‌های تطبیقی ​​با هدف توسعه و بهبود زیست‌پذیری شهر کمک خواهد کرد. نمای کلی منطقه مورد مطالعه در کنار مواد و روش‌های مورد استفاده برای این مطالعه در بخش 2 و بخش 3 مورد بحث قرار گرفته است. بخش 4 و بخش 5 نتایج را ارائه می کند و یافته های مطالعه را مورد بحث قرار می دهد. در نهایت، بخش 6 نکات پایانی را برجسته می کند و مسیرهایی را برای تحقیقات آینده پیشنهاد می کند.

2. منطقه مطالعه

ابوجا که عموما منطقه پایتخت فدرال (FCT) نامیده می شود، پایتخت نیجریه است که در منطقه شمال مرکزی نیجریه در ارتفاع حدود 840 متری از سطح دریا قرار دارد. بین عرض جغرافیایی 8 درجه و 24 دقیقه شمالی و 9 درجه و 28 دقیقه شمالی و طول جغرافیایی 6 درجه و 40 دقیقه شرقی و 7 درجه و 45 دقیقه شرقی قرار دارد و مساحتی به وسعت تقریباً 7760 کیلومتر مربع را پوشش می دهد ( شکل 1 ). دارای شرایط آب و هوایی مرطوب و خشک استوایی، یعنی غیر خشک، طبق طبقه بندی Koppen-Geiger، با دمای سالانه بین 30-37 درجه سانتیگراد و میانگین کل بارندگی سالانه تقریباً 1650 میلی متر در سال [ 40 ].]. این کلان شهر یک فصل بارانی گرم و مرطوب را بین آوریل و اکتبر و یک فصل خشک تاول‌آلود را بین نوامبر و مارس تجربه می‌کند. از ویژگی های اصلی فصل خشک می توان به باد غبارآلود، مه هارماتان و سرما و خشکی شدید اشاره کرد. منطقه مورد مطالعه دارای ارتفاع زیاد و زمین های مواج است که شرایط آب و هوایی شهر را تعدیل می کند [ 41 ]. پوشش گیاهی گینه-ساوانا این شهر را به دلیل بارندگی فراوان و موقعیت استراتژیک آن بین نوع منطقه انتقالی اکولوژیکی شمالی و جنوبی نیجریه مشخص می کند و دارای زمین های کشاورزی حاصلخیز با ذرت، ارزن، ذرت هندی و غده ها به عنوان محصولات غالب است [ 42 ، 43 ، 44 ].]. کلان شهر ابوجا اخیراً به دلیل مرکزیت و ایجاد عمدی نهادهای دولتی و خصوصی، شاهد هجوم مداوم جمعیت بوده است که به توسعه شهرهای اقماری و در نتیجه گسترش منطقه شهری کمک کرده است. جمعیت از داخل کلان شهر شهر به حواشی چهار (4) شورای منطقه دیگر که کوجه، گواگوالادا، بواری و کوالی را تشکیل می دهند، افزایش یافته است. مطالعات نشان داده است که مهاجرت بالای روستا به شهر نیجریه و جابجایی پایتخت این کشور از لاگوس به ابوجا به افزایش جمعیت شهر از 364086 نفر در سال 1991 به 759547 نفر در سال 1999 به 1429801 نفر در سال 2006 کمک کرده است [ 45 ]. جمعیت در حال حاضر بیش از 3.2 میلیون نفر تخمین زده می شود [ 46]. چشم انداز جمعیت سازمان ملل متحد تخمین می زند که با نرخ رشد ثابت شهر، انتظار می رود ابوجا تا سال 2030 تقریباً 5.1 میلیون نفر جمعیت داشته باشد [ 47 ]. پیامدهای این رشد، تغییرات کاربری زمین و تغییر اقلیم کوچک به دلیل جزیره گرمایی شهری (UHI) است.

3. مواد و روشها

3.1. اکتساب داده ها و پیش پردازش

برای شناسایی تغییرات در LULC، LST، NDVI و NDBI. ما با استفاده از تصاویر ماهواره ای سنجش از دور مختلف ارائه شده در جدول 1 ، تصویری را برای هر سال مورد مطالعه، یعنی 1990، 1999، 2009، و 2019 به دست آوردیم . این تصاویر بدون هیچ هزینه ای از مسیر 189، ردیف 54 سیستم رصد زمین سازمان زمین شناسی ایالات متحده (USGS) ( https://earthexplorer.usgs.gov ) دانلود شده است.، قابل دسترسی در 22 آوریل 2021). ما عمداً مجموعه‌های داده را در فاصله زمانی 10 سال به دست آوردیم تا از یکنواختی بین گره‌های زمانی اطمینان حاصل کنیم. با این حال، در دسترس نبودن داده های ماهواره ای سال 1989 منجر به استفاده از تصویر سال بعد شد. مجموعه داده ها در طول فصل خشک، به طور دقیق تر در ژانویه و فوریه، برای به دست آوردن تصاویر بدون ابر، به حداقل رساندن اثرات فصلی، و اطمینان از مقایسه دقیق تصویر، به دست آمد. مطالعات نشان می دهد که تصاویر طیفی به دست آمده توسط سنسورهای ماهواره ای اغلب تحت تأثیر عوامل متعددی مانند کالیبراسیون حسگر، جذب اتمسفر، پراکندگی و هندسه روشنایی قرار می گیرند [ 48 ]]. در نتیجه، تمام تصاویر به‌دست‌آمده تحت کالیبراسیون رادیومتری و اصلاحات هندسی قرار گرفتند تا تغییرات بازتابی سطحی مختلف به دلیل سیستم‌های اکتسابی اصلاح شوند. این عملیات پیش پردازش، جذب/پراکندگی اتمسفر، حساسیت حسگر، توپوگرافی و زاویه خورشید، روشنایی صحنه، و طول موج های نزدیک به مادون قرمز قابل مشاهده را بهبود می بخشد [ 49 ، 50 ]]. سپس تصاویر از پیش پردازش شده برای نقشه برداری LULC با استفاده از نوارهای نور مرئی و LST با استفاده از باند مادون قرمز حرارتی استفاده شد. داده های کمکی در قالب نقشه های مرجع (طرح جامع ابوجا و نقشه های کاربری زمین) از سیستم های اطلاعات جغرافیایی ابوجا (AGIS) و اداره توسعه سرمایه فدرال (FCDA) که سازمان های دولتی مسئول برنامه ریزی و توسعه شهر هستند، به دست آمد. با این حال، وضعیت حقیقت زمینی شهر با استفاده از تصاویر Google Earth از 12 فوریه 1990، 28 ژانویه 1999، 15 ژانویه 2009 و 4 فوریه 2019 به دلیل پایبندی ضعیف به طرح جامع شهر [ 51 ] تجزیه و تحلیل شد.

3.2. مواد و روش ها

3.2.1. طبقه بندی LULC

طبقه بندی تصاویر ماهواره ای در مراکز شهری و شهرها به دلیل ناهمگونی طیفی آن فرآیند پیچیده ای در نظر گرفته می شود [ 52 ، 53 ، 54 ]. چندین روش طبقه‌بندی در مطالعات قبلی با استفاده از داده‌های سنجش از دور و تکنیک‌های مکانی برای نقشه‌برداری پیکسل‌های تصاویر ماهواره‌ای در کاربری‌های مختلف زمین/پوشش زمین استفاده شده است [ 55 ]. در این مطالعه، ما از حداکثر احتمال (ML) با استفاده از روش طبقه‌بندی نظارت شده برای طبقه‌بندی LULC برای دوره‌های مختلف مطالعه استفاده کردیم. ML به دلیل دقت طبقه بندی بالا با انتخاب مناسب داده های آموزشی یکی از پرکاربردترین روش ها برای طبقه بندی LULC است [ 56,57,58 ,59 ]. این مطالعه به طور عمدی طرح طبقه بندی LULC شهر را پس از مطالعه دقیق ادبیات مربوطه، نقشه های مرجع و مشاهدات میدانی توسعه داد. سپس کاربری اراضی منطقه مورد مطالعه به چهار (4) کلاس شامل منطقه ساخته شده، پوشش گیاهی، زمین بایر، و توده های آبی طبقه بندی شد. مناطق ساخته شده نشان دهنده کلیه تأسیسات زیربنایی مسکونی، تجاری، صنعتی و شهری مرتبط هستند. طبقه پوشش گیاهی نشان دهنده زمین های کشاورزی و سایر مناطق پوشیده از چمن است، در حالی که زمین های بایر نشان دهنده مناطق غیر مسکونی شهر است، همانطور که در جدول 2 توضیح داده شده است.
رویه های اصلی برای نگاشت طبقه بندی LULC عبارتند از: (1) ایجاد نمونه های آموزشی، به عنوان مثال، استفاده از چند ضلعی که نشان دهنده چهار کلاس LULC هستند که باید طبقه بندی شوند، (2) استفاده از تصاویر ماهواره ای برای دستیابی به طبقه بندی نظارت شده با کمک طبقه بندی حداکثر احتمال. MLC) و (iii) ارزیابی دقت تصاویر طبقه بندی شده با استفاده از ضریب کاپا [ 59 ، 60 ، 61 ].
3.2.2. ارزیابی دقت

برای ارزیابی طبقه بندی پوشش زمین مطالعه از ارزیابی کمی استفاده شد. برای ارزیابی دقت، این مطالعه از روش نمونه‌گیری تصادفی طبقه‌ای برای تولید نقاط نمونه منطقه مورد مطالعه استفاده کرد. این نمونه ها برای مقایسه پیکسل های تصویر طبقه بندی شده با داده های مرجع برای هر سال استفاده شدند. نقاط اعتبارسنجی/آزمایش مورد استفاده برای ارزیابی دقت مستقل از نقاط آموزشی مورد استفاده برای طبقه‌بندی تصویر بودند (یعنی مکان‌های مختلف برای آموزش و اعتبارسنجی انتخاب شدند). حدود 450 نمونه برای هر سال برای اطمینان از قابلیت اطمینان نتایج ایجاد شد. 70 درصد نمونه ها به عنوان نمونه آموزشی و 30 درصد برای اعتبار سنجی استفاده شد. برای هر سال، حداقل 100 نمونه برای هر کلاس LULC ایجاد شد. سپس این مطالعه از نمونه‌های اعتبارسنجی سال‌های مختلف برای ارزیابی دقت تصویر طبقه‌بندی‌شده استفاده کرد. نتایج به صورت آماری ارائه و با استفاده از رویکرد ماتریس سردرگمی (خطا) تجزیه و تحلیل شدند.61 ، 62 ، 63 ، 64 ]. ماتریس سردرگمی به طور گسترده برای استخراج داده های تحلیلی و توصیفی در دقت طبقه بندی استفاده می شود. این شامل اعداد نمایش داده شده در ستون‌ها و ردیف‌هایی است که نقاط نمونه مختلف (یعنی چند ضلعی‌ها، پیکسل‌ها یا خوشه‌های پیکسل) تخصیص یافته به یک کلاس پوشش زمین خاص را نسبت به شرایط زمین واقعی کلاس نشان می‌دهند [ 65 ]. ماتریس دارای یک دقت کلی است که شامل دقت تولید کننده و کاربر و ضریب کاپا (KC) به عنوان شاخص های ارزیابی آن است [ 64 ، 65 ، 66 ، 67 .]. دقت تولید کننده نسبت کل پیکسل های طبقه بندی شده در قطرهای ماتریس خطا به کل پیکسل های طبقه بندی شده در آن دسته از ستون ماتریس خطا است. دقت کاربر نسبت کل پیکسل های طبقه بندی شده صحیح در مورب های ماتریس خطا به کل پیکسل های طبقه بندی شده در آن دسته از ردیف ماتریس خطا است. دقت کلی نسبت پیکسل های طبقه بندی شده صحیح به پیکسل های مرجع طبقه بندی شده است. در نهایت، شاخص کاپا ‘KC’ مطابق با [ 68 ] با استفاده از رابطه (1) محاسبه شد.

کاپا ضریب (KC)=نΣمن=1rایکسمنمن-Σمن=1rایکسمن+×ایکس+منن2-∑من=1rایکسمن+×ایکس+من،

که در آن N مجموع پیکسل های ماتریس خطا است. r مجموع ستون ها/ردیف ها است. ایکسمنمنمقدار پیکسل ها به درستی طبقه بندی شده در ستون و ردیف iام است. ایکس+منمجموع پیکسل های ستون i است. ایکسمن+مجموع پیکسل ها در ردیف iام است و N 2 مجذور تعداد کل پیکسل ها است.

ضریب کاپا (KC) یک شاخص ناپارامتریک است که در ارزیابی سطح توافق بین مقادیر از پیش تعریف شده و مقدار اختصاص داده شده توسط کاربر استفاده می شود [ 69 ]. مقادیری بین 0 و 1 دارد که نتیجه آن زیر 0.40 است، یعنی 40% تطابق ضعیف را نشان می دهد. یک نتیجه بین 0.40 تا 0.80 نشان دهنده یک توافق متوسط ​​است، در حالی که مقادیر بالای 0.80، یعنی 80٪، نشان دهنده توافق خوب است [ 65 ]. مطالعات قبلی اتخاذ 80% را به عنوان حداقل سطح دقت برای ارزیابی طبقه‌بندی کاربری/پوشش زمین توصیه می‌کرد [ 66 ، 70 ].
3.2.3. بازیابی دمای سطح زمین (LST).
این مطالعه از باندهای مادون قرمز حرارتی (TIR) ​​برای بازیابی و نقشه برداری LST منطقه مورد مطالعه استفاده کرد. این فرآیند از یک تکنیک کالیبراسیون رادیومتریک استفاده می‌کند که به فایل هدر تصویر، افست بهره، زاویه تابش خورشیدی و پارامترهای مختلف کالیبراسیون متکی است. این روش شامل تبدیل اعداد دیجیتال (DN) باندهای حرارتی به مقادیر تابش طیفی است [ 71 ، 72 ]. سپس از این مقادیر برای استخراج دمای روشنایی در ماهواره (حسگر) با درجه کلوین (درجه K) استفاده می‌شود، که با استفاده از ثابت‌های تبدیل حرارتی [ 73 ، 74 ، 75 ] محاسبه شد.]. مقادیر دمای روشنایی در سنسور بیشتر به درجه سانتیگراد (درجه سانتیگراد) تبدیل شد تا LST بدست آید. روش های مورد استفاده برای بازیابی LST در زیر مورد بحث قرار می گیرد.
1.
تبدیل DN به تبدیل تابش طیفی
DN باندهای مادون قرمز حرارتی (TIR) ​​با کمک نرم افزار پردازش تصویر ArcGIS 10.7.1 با استفاده از معادله انتقال تابشی (RTE) ارائه شده در معادلات (2) و (3) [ 76 ، 77 ] به درخشش طیفی تبدیل شد.

  • برای Landsat TM و ETM+

    Lλ=Lحداکثرλ- LMINλسCALحداکثر-سCALMIN×سCAL-سCALMIN+LMINλ،

    جایی که Lλمقدار تابش طیفی است. سCALنشان دهنده مقدار DN پیکسل کالیبره شده کوانتیزه شده است. Lحداکثرλنشان دهنده مقدار تابش طیفی در است (Wm-2sr-1μمتر-1)مقیاس شده به سCALحداکثر; LMINλنشان دهنده مقدار تابش طیفی در است (Wm-2sr-1μمتر-1)مقیاس شده به سCALMIN; سCALMIN و سCALحداکثرحداقل هستند و حداکثر مقادیر DN پیکسل های کالیبره شده کوانتیزه شده که مطابقت دارند LMINλ و Lحداکثرλ،به ترتیب.

  • برای Landsat OLI/TIRS

    Lλ=مL× سCAL+آL،

    جایی که Lλبالای تابش طیفی جو را نشان می دهد (دبلیومتر-2سr-1μمتر-1); مLعامل تغییر مقیاس برای باند ضرب تابشی است که از ابرداده به دست می آید (یعنی Radiance_Mult_Band 10). سCALمقدار DN پیکسل محصول کالیبره شده و کوانتیزه شده است. و آLعامل تغییر مقیاس برای باند افزودنی درخشندگی است که از ابرداده به دست می آید (یعنی Radiance_Add_Band 10).

2.
تبدیل تابش طیفی به دمای روشنایی TOA (B T )

برای این کار، مقادیر تشعشع طیفی اعداد دیجیتال پیکسل های تبدیل شده برای استخراج دمای روشنایی بالای جو (TOA) (BT) که به عنوان دمای مشتق شده از ماهواره نیز شناخته می شود، استفاده شد و بر حسب کلوین بیان شد. با استفاده از فرض انتشار یکنواخت، مقادیر دمای روشنایی (حسگر) با استفاده از رابطه (4) [ 3 ، 27 ، 78 ] محاسبه شد.

بتی=ک2لوگاریتمک1Lλ+1،

جایی که بتیدمای روشنایی در بالای جو (TOA) است که بر حسب درجه K بیان می شود. Lλتابش طیفی در TOA است که در بیان شده است (Wm-2sr-1μمتر-1); ک1و ک2ثابت های تبدیل حرارتی ابرداده های بازیابی شده (در جدول 1 ارائه شده است ).

3.
استخراج دمای سطح زمین از دمای روشنایی (B T )

سپس این مطالعه مقادیر گسیل‌پذیری LST اصلاح‌شده (بر حسب کلوین) را با کمک دمای روشنایی در ماهواره (TB ) با استفاده از معادله (5) [ 3 ، 27 ، 79 ، 80 ] استخراج کرد.

LST درجهک=بتی1+ λتیبEلوگاریتمε،

جایی که بتیدمای روشنایی در ماهواره (حسگر) است. λطول موج تابش ساطع شده است (یعنی 11.5 μمتردر باند 6 برای Landsat 4/5/7 و 10.8 μمتردر باند 10 برای لندست 8)؛ Eاست  ساعت ×v/س( 1.4388×10-2 mK); h ثابت پلانک را نشان می دهد ( 6.626×10-34 mK); v نشان دهنده سرعت نور است ( 2.998×108 متر/س); s نشان دهنده ثابت بولتزمن است ( 1.38×10-23 JK)، و εنشان دهنده انتشار سطح زمین است.

ما تابش سطح زمین را محاسبه کردیم  εدر مطالعه با استفاده از رابطه (6) [ 81 ]

ε=نپv +n،

که در آن N 0.004 است. n 0.986 است. و پvنسبت پوشش گیاهی است که در رابطه (7) [ 82 ] بیان شده است.

پv =NDVI-NDVIدقیقهNDVIحداکثر – NDVIدقیقه2،

که در آن NDVI مقادیر DN به دست آمده از تصویر NDVI است. NDVIحداکثرو NDVIدقیقهبالاترین و کمترین مقادیر DN بدست آمده از تصویر NDVI هستند.

در نهایت، مطالعه مقدار دمای سطح زمین (بر حسب کلوین) را با استفاده از معادله (8) به درجه سانتیگراد (درجه سانتیگراد) تبدیل کرد [ 27 ، 79 ، 81 ].

LST درجهسی=LST درجهک-273.15،
3.2.4. تخمین شاخص تفاوت طبیعی گیاهی (NDVI).

یکی از رایج‌ترین شاخص‌های آب و هوای شهری در مطالعات زیست‌محیطی، شاخص تفاوت نرمال شده گیاهی (NDVI) [ 3 ، 83 ] است که به عنوان یک شاخص قابل اعتماد برای استخراج شرایط پوشش گیاهی داده‌های سنجش از دور عمل می‌کند [ 11 ]. بنابراین، ما از NDVI برای بررسی توزیع پوشش گیاهی منطقه مورد مطالعه و مقادیر انتشار عصاره استفاده کردیم. این شاخص اغلب با شاخص های مختلف دیگری مانند زیست توده، سطح برگ و درصد پوشش گیاهی همراه است و به همین ترتیب، با نسبت پوشش گیاهی ارتباط نزدیکی دارد. پv)که در محاسبه انتشار سطح زمین مورد نیاز است ε. NDVI دارای مقادیری در محدوده بین است -1 و +1، که در آن مقادیر منفی نشان دهنده مناطق غیر پوشش گیاهی و مقادیر مثبت نشان دهنده مناطق پوشش گیاهی [ 84 ] است. اغلب بر اساس پیکسل های تصویر با استفاده از تفاوت نرمال شده بین باند مادون قرمز نزدیک (یعنی باند 4 در Landsat TM و باند 5 در Landsat OLI) و باند قرمز (یعنی باند 3 در Landsat TM و باند 4 در Landsat OLI محاسبه می شود. ) [ 28 ، 85 ]. NDVI منطقه مورد مطالعه با استفاده از رابطه (9) [ 79 ، 80 ] استخراج شد.

NDVI=NIRباند 4،5  – قرمز باند 3، 4  NIRباند 4،5 + قرمز باند 3، 4 ،

جایی که NIRباند 4است 0.76–0.90 μمتر(برای Landsat 4–5 TM) و NIRباند 5است 0.85–0.88 μمتر(برای Landsat 8 OLI). قرمزباند 3است 0.63–0.69 μمتر(برای Landsat 4–5 TM و Landsat 7 ETM+) و قرمزباند 4است 0.64–0.67 μمتر(برای Landsat 8 OLI).

3.2.5. تخمین شاخص ایجاد تفاوت عادی شده (NDBI).

شاخص ایجاد تفاوت نرمال شده (NDBI) یکی دیگر از شاخص های حیاتی آب و هوای شهری برای نظارت بر محیط است [ 3 ، 68 ]. این به عنوان یک روش موثر برای نقشه برداری و تجزیه و تحلیل کاربری ها با ارائه اطلاعات در مورد وسعت فضایی مناطق ساخته شده و سطوح غیر قابل نفوذ عمل می کند. NDBI تراکم منطقه ساخته شده را در واحد پیکسل، با مقادیر متغیر از مثبت 1 تا منفی 1 تعیین می کند. مقادیر منفی اغلب نشان دهنده پوشش گیاهی است، در حالی که مثبت نشان دهنده سطوح ساخته شده شهری / غیر قابل نفوذ است [ 3 ، 28 ]. NDBI با استفاده از باندهای میانی و مادون قرمز نزدیک ارائه شده در معادله (10) برآورد شد.

NDBI=MIRباند 5، 6 -NIR باند 4، 5 MIRباند 5، 6+NIR باند 4، 5 ،

جایی که MIRباند 5. است 1.55–1.75 μمتر(برای Landsat 4–5 TM و Landsat 7 ETM+) و MIRباند 6است 1.57–1.65 μمتر(برای Landsat 8 OLI). NIRباند 4است 0.76–0.90 μمتر(برای Landsat 4–5 TM و Landsat 7 ETM+) و NIRباند 5است 0.85–0.88 μمتر(برای Landsat 8 OLI).

نمودار جریان روش شناختی که در شکل 2 نشان داده شده است چندین روش مورد استفاده در این مطالعه را خلاصه می کند.
3.2.6. تجزیه و تحلیل همبستگی

این مطالعه از یک تحلیل همبستگی برای تجزیه و تحلیل تغییرات LULC در سطح UHI با استفاده از LST کلانشهر ابوجا استفاده کرد. ما تجزیه و تحلیل رگرسیون خطی را با استفاده از نمودارهای پراکندگی هر چهار گره زمانی (به عنوان مثال، 1990، 1999، 2009 و 2019) برای بررسی رابطه بین متغیرهای مختلف مطالعه انجام دادیم. این با تبدیل پیکسل های منطقه مورد مطالعه به داده های نقطه ای به دست آمد. سپس مقادیر پارامتری این نقاط از نقشه های مشتق شده دوره های مختلف با استفاده از 1371 نقطه نمونه برای هر دوره مورد بررسی بازیابی شد. ضریب همبستگی پیرسون r’ بیشتر برای تعیین کمیت و تحلیل موثر متغیرهای مطالعه با استفاده از معادله (11) استفاده شد.

r=∑من=1nایکسمن-ایکس¯×yمن-y¯∑من=1nایکسمن-ایکس¯2×∑من=1nyمن-y¯2،

جایی که rنشان دهنده ضریب همبستگی فرد است. ایکسنشان دهنده متغیرهای مستقل اندازه گیری مقدار ایکسمن; yنشان دهنده مقدار اندازه گیری متغیر وابسته است yمن; ایکسمن و yمننشان دهنده تک تک نقاط نمونه نمایه شده است من; در حالی که ایکس¯ و y¯میانگین نمونه ها را نشان می دهد.

4. نتایج

این بخش نتایج مطالعه را ارائه و مورد بحث قرار می دهد. روند تاریخی الگوهای LULC و توزیع LST، NDVI، و NDBI را تحلیل می‌کند. این بخش همچنین تغییرات LULC و تأثیر آنها بر UHI سطح را با تجزیه و تحلیل تغییرات LST شهر با کلاس‌های LULC، NDVI و NDBI مورد مطالعه قرار می‌دهد.

4.1. کاربری اراضی/طبقه بندی پوشش زمین

نقشه های طبقه بندی شده پوشش زمین کلانشهر ابوجا برای دوره های مختلف (یعنی 1990، 1999، 2009 و 2019) در شکل 3 ارائه شده و در جدول 3 به صورت کمی آورده شده است. LULC به چهار کلاس گسترده طبقه بندی شد. این طبقات شامل مناطق ساخته شده، پوشش گیاهی، زمین های بایر، و توده های آبی، دسته بندی های اولیه پوشش زمین منطقه مورد مطالعه در بخش 3.2.1 هستند. این کلان شهر تقریباً 1722.99 کیلومتر مربع را پوشش می دهد.
نتیجه نشان می دهد که مناطق ساخته شده در میان چهار کلاس LULC در کلان شهر بیشترین گسترش را داشته اند. با این حال، پوشش گیاهی شهر در طول دوره مورد مطالعه به طور مداوم کاهش یافت. کاهش تدریجی پوشش گیاهی را می توان به رشد شهری و دخالت انسان در محیط طبیعی نسبت داد که منجر به قطع مستمر مناطق جنگلی برای انطباق با هجوم جمعیت شد. نتایج حاکی از از بین رفتن پوشش گیاهی حدود 252.33 کیلومتر مربع (14.65 درصد) در طول دوره مورد مطالعه به دلیل فعالیت های مختلف انسانی است. زمین های بایر از سال 1990 تا 2019 شاهد افزایش جزئی بوده است که عمدتاً می تواند به ساخت و ساز و توسعه شهری گسترده در این کلان شهر نسبت داده شود. حجم آب در کلان شهر بین سال های 1990 تا 2019 تقریباً 162.22 کیلومتر مربع (9.41٪) کاهش یافته است.شکل 4 الف، ب. نتایج نشان می‌دهد که منطقه مورد مطالعه چهار دوره تغییر قابل‌توجهی را پشت سر گذاشته است که ممکن است با تأثیرگذاری بر جزایر حرارتی شهری سطحی به دلیل تغییرات مختلف LULC بر محیط‌زیست تأثیر منفی بگذارد.

4.2. ارزیابی دقت کاربری اراضی/طبقه بندی پوشش زمین

همانطور که قبلاً بیان شد، الگوی کاربری زمین/پوشش زمین کلان شهر ابوجا در چهار کلاس LULC که شامل مناطق ساخته شده، پوشش گیاهی، زمین بایر و بدنه های آبی است، تعریف شد. در این مطالعه از الگوریتم حداکثر احتمال (MLA) برای طبقه بندی LULC استفاده شد. ارزیابی‌های دقت هر سال با استفاده از ماتریس خطا که پیکسل‌های طبقه‌بندی شده صحیح و نادرست را مطابق جدول 4 نشان می‌دهد، ارزیابی شد . دقت تولید کننده و دقت کاربر هر کلاس LULC در دوره های مختلف نیز در جدول 5 نشان داده شده است.. ضریب کاپا بیشتر برای ارزیابی دقت طبقه‌بندی LULC استفاده شد. دقت کلی چهار دوره بالای 90 درصد بود که نشان دهنده یک طبقه بندی پوشش زمین قابل اعتماد و یک توافق خوب بین نقشه های طبقه بندی شده و نقشه های مرجع است [ 66 ، 70 ]. ضرایب کاپا بین 0.87 و 0.93 در طول دوره مطالعه مشاهده شد.

4.3. تجزیه و تحلیل تشخیص تغییر

داده های سنجش از راه دور در تشخیص و تجزیه و تحلیل تغییرات مکانی و زمانی در LULC مفید هستند. تجزیه و تحلیل تغییرات پوشش زمین به دلیل رشد شهری و شهرنشینی سریع اغلب به نظارت بر اثرات منفی فعالیت های مختلف انسانی بر محیط زیست کمک می کند. مطالعه حاضر تغییرات LULC کلان شهر ابوجا را بین سال‌های 1990 و 2019 در پنج (5) دوره مختلف تحلیل کرد. این دوره ها عبارتند از: دوره 1 (1990-1999)، دوره 2 (1999-2009)، دوره 3 (2009-2019)، دوره 4 (1990-2009)، و دوره 5 (1990-2019). این مطالعه از چهار کلاس (4) LULC برای تجزیه و تحلیل نقشه‌برداری منطقه مورد مطالعه استفاده کرد. نتایج به صورت کمی در جدول 6 ارائه شده است و تغییرات LULC هر دوره را بر حسب کیلومتر مربع و درصد نشان می دهد.
این مطالعه تغییرات LULC فضایی و زمانی قابل‌توجهی را در طول دوره نشان داد، که تغییرات منفی و مثبت را در کلاس‌های مختلف LULC نشان می‌دهد، که ممکن است بر اکوسیستم تأثیر بگذارد و احتمالاً به شرایط آب و هوایی متفاوت کمک می‌کند.
در طول دوره 1، تغییر کاربری/پوشش زمین با افزایش حجم مناطق ساخته شده و زمین های بایر مشخص شد در حالی که پوشش گیاهی و بدنه های آبی به طور قابل توجهی کاهش یافت. این تغییرات مثبت و منفی را می توان به رشد و توسعه شهر به یک سکونتگاه شهری به دلیل جابجایی پایتخت نیجریه به ابوجا در سال 1991 نسبت داد. در طول دوره 2، منطقه مورد مطالعه شاهد افزایش جزئی در مساحت ساخته شده تقریباً 20.83 متر مربع بود. کیلومتر در حالی که زمین بایر حدود 59.47 کیلومتر مربع افزایش یافته است. پوشش گیاهی و بدنه‌های آبی در این دوره با کاهش 45.53 کیلومتر مربع و 34.77 کیلومتر مربع در امتداد این روند کاهشی ادامه یافت. در طول دوره 3، کلان شهر شاهد افزایش ناگهانی در مناطق ساخته شده و کاهش سریع زمین های بایر بود. به همین ترتیب، پوشش گیاهی در این دوره به میزان قابل توجهی کاهش یافت.
نتیجه تشخیص تغییر شهر در بازه زمانی 9 سال (1990-1999)، 19 سال (1990-2009)، و 29 سال (1990-2019) تغییرات قابل توجه LULC را نشان داد. این مطالعه نشان داد که میانگین سالانه تغییر در مناطق ساخته شده تقریباً 8.94 کیلومتر مربع، 5.33 کیلومتر مربع و 13.46 کیلومتر مربع در طول 9 سال، 19 سال و 29 سال است. زمین های بایر شهر در طول دوره بین 1990-1999 سالانه 18.84 کیلومتر مربع افزایش یافت. با این حال، این میزان بین سال‌های 1990 و 2009 به 12.05 کیلومتر مربع کاهش یافت. روند کاهشی تقریباً 9.13 کیلومتر مربع و 8.25 کیلومتر مربع سالانه در پوشش گیاهی و توده‌های آبی بین سال‌های 1990 و 2009 مشاهده شد. به همین ترتیب، بین سال‌های 1990 و 2019 پوشش گیاهی و آب شهر به ترتیب سالانه 8.70 کیلومتر مربع و 5.59 کیلومتر مربع کاهش یافت.
بنابراین، سناریوهای تغییر LULC منطقه مورد مطالعه، توسعه و گسترش مناطق ساخته شده را پیشنهاد می‌کند که رشد سریع شهری کلان شهر را به تصویر می‌کشد. این افزایش در مناطق ساخته شده ممکن است به تغییرات منفی در برخی از کلاس های LULC کمک کرده باشد، همانطور که در شکل 5 نشان داده شده است.
شکل 6 نقشه انتقال LULC کلان شهر ابوجا از سال 1990 تا 2019 و نتیجه ارائه شده در شکل 7 را نشان می دهد.. این نشان‌دهنده تغییرات تقریباً 969.99 کیلومتر مربعی در کلاس‌های مختلف LULC منطقه مورد مطالعه در طی 29 سال است. نتایج نشان می دهد 301.24 کیلومتر مربع (17.48٪) از زمین های بایر به مناطق ساخته شده به عنوان بالاترین انتقال پوشش زمین بین سال های 1990 و 2019 تبدیل شده است. با تبدیل 289.41 کیلومتر مربع (16.80٪) از پوشش گیاهی به منطقه دوم تبدیل شد. زمین بایر و متعاقباً تبدیل 158.27 کیلومتر مربع (9.19٪) از آب به زمین بایر به دنبال آن. انتقال متوسطی در تبدیل زمین بایر به پوشش گیاهی با 84.75 کیلومتر مربع (4.92٪) مشاهده شد، در حالی که 45.06 کیلومتر مربع (2.62٪) از پوشش گیاهی به مناطق ساخته شده تبدیل شد. از سوی دیگر، 23.64 کیلومتر مربع (1.37 درصد) از پوشش گیاهی به توده آبی و 22.62 کیلومتر مربع (1.31 درصد) از پوشش گیاهی به پوشش گیاهی تبدیل شد. یک انتقال کوچک به مساحت 0.82 کیلومتر مربع (0.

4.4. توزیع LST و رابطه آن با LULC

توزیع فضایی LST در کلانشهر ابوجا برای سال‌های 1990، 1999، 2009 و 2019 همانطور که در بخش 3.2.3 شرح داده شده و در شکل 8 نشان داده شده است، استخراج شد . داده های آماری در جدول 7 ارائه شده است. نتایج نشان می دهد که LST کلانشهر ابوجا بین 20.30-37.11 درجه سانتیگراد، 21.50-44.46 درجه سانتیگراد، 20.55-46.34 درجه سانتیگراد و 20.58-40.13 درجه سانتیگراد در طول چهار دوره متمایز (یعنی 1990، 1990، 1990، 1990، 1990) و به ترتیب 2019). نتیجه افزایش قابل توجهی در میانگین LST کلانشهر از تقریباً 30.65 درجه سانتیگراد در سال 1990 به 32.69 درجه سانتیگراد در سال 2019 نشان داد. تجزیه و تحلیل LST نشان می دهد که بین سالهای 1990 و 1999، میانگین LST این کلان شهر 0.25 درجه سانتیگراد کاهش یافته است. کاهش مشابه 0.24 درجه سانتیگراد بین سالهای 1999 و 2009 مشاهده شد. با این حال، این کلان شهر شاهد افزایش میانگین LST با تقریباً 2.50 درجه سانتیگراد بین سالهای 2009 و 2019 بود. این نتیجه نشان دهنده افزایش میانگین LST در حدود 2.04 درجه سانتیگراد نسبت به گذشته است. 29 سال.
بنابراین، برای تجزیه و تحلیل موثر رابطه LST و LULC، مطالعه امضای حرارتی طبقات کاربری زمین/پوشش زمین فردی [ 73 ] ضروری است. در این مطالعه، مقایسه LST و LULC با استفاده از نقاط نمونه‌گیری متعدد انجام شد. این نقاط برای مقایسه چهار کلاس LULC با مقادیر LST منطقه مورد مطالعه در سال‌های 1990، 1999، 2009 و 2019 انتخاب شدند. میانگین مقادیر LST هر کلاس LULC با میانگین پیکسل‌های تصویر دسته‌بندی پوشش زمین خاص محاسبه شد. نتایج چهار دوره متمایز مورد بررسی به صورت آماری در جدول 8 ارائه شده است.
میانگین مقدار LST مناطق ساخته شده 31.09 درجه سانتیگراد در سال 1990 تعیین شد و تا سال 1999 این مقدار به 30.27 درجه سانتیگراد کاهش یافت. با این حال، در سال 2009 کمی به 30.50 درجه سانتیگراد افزایش یافت و در سال 2019 به 32.98 درجه سانتیگراد افزایش یافت. نتیجه به وضوح نشان می دهد که مناطق ساخته شده در کلان شهر ابوجا شاهد میانگین LST بالاتر از 1.89 درجه سانتیگراد در سال 2019 نسبت به سال 1990 بوده است. دوره های مختلف نشان می دهد که میانگین LST در مناطق مسکونی بیشترین افزایش 2.48 درجه سانتیگراد را بین سالهای 2009 و 2019 داشته است. میانگین LST برای پوشش گیاهی در سال 1990 28.18 درجه سانتیگراد بود و متعاقباً در سال 1999 به 27.44 درجه سانتیگراد کاهش یافت. با این حال، میانگین LST در سال 2009 به 28.05 درجه سانتیگراد افزایش یافت و در سال 2019 به 29.67 درجه سانتیگراد افزایش یافت. بنابراین، بدیهی است که پوشش گیاهی شاهد افزایش 1.49 درجه سانتیگراد در میانگین LST از سال 1990 تا 2019 بوده است.

4.5. NDVI و رابطه آن با LST

نقشه های مشتق شده از شاخص گیاهی تفاوت نرمال شده کلانشهر ابوجا در شکل 9 ارائه شده است که چهار دوره مطالعاتی مختلف، یعنی 1990، 1999، 2009، و 2019 را نشان می دهد. نتایج آماری کمی شده و در جدول 9 ارائه شده است. نتایج بالاترین مقادیر NDVI را بین 0.29 تا 0.54 نشان داد، با این مناطق عمدتاً بوته‌ها، مراتع، زمین‌های زیر کشت و سطوح طبیعی توسعه نیافته، در حالی که کمترین مقادیر NDVI بین 0.09- تا 0.39- بود، با چنین مناطقی که عمدتاً ساخته شده است. مناطق بالا، زمین های بایر، و بدنه های آبی.
نتایج بالاترین NDVI را در بخش جنوبی و حاشیه شمال شرقی کلانشهر، که عمدتاً توسط مناطق جنگلی و پوشش گیاهی پوشانده شده است، نشان داد. برای بررسی رابطه بین LST و NDVI، ما 1371 نقطه نمونه تصادفی برای نمودارهای پراکنده هر دوره (یعنی 1990، 1999، 2009 و 2019) ایجاد کردیم. نتایج در شکل 10 نشان داده شده است که نشان دهنده رابطه منفی بین مقادیر LST و NDVI در هر چهار دوره است. نتایج تجزیه و تحلیل نمودارهای پراکندگی کاهش قابل توجهی را در ضریب تعیین در طول هر دوره نشان می دهد. این مقدار (R 2 ) تقریباً 0.42 در سال 1990، 0.40 در سال 1999، 0.38 در سال 2009 و 0.20 در سال 2019 داشت.

4.6. NDBI و رابطه آن با LST

نقشه های مکانی-زمانی شاخص ایجاد شده با تفاوت نرمال شده کلان شهر ابوجا در شکل 11 ارائه شده است و در جدول 10 کمیت شده است. نتایج دوره های مختلف (به عنوان مثال، 1990، 1999، 2009، و 2019) نشان می دهد که مقادیر NDBI کلانشهرها بین 0.65 تا -0.25 در سال 1990، 0.77 تا -0.96 در سال 1999، 0.64-0.59 در محدوده است. 0.58 تا -0.25 در سال 2019. این مقادیر به ترتیب حداکثر و حداقل NDBI را برای دوره های مختلف نشان می دهد. مطالعات قبلی نشان می دهد که مقادیر NDBI بیشتر از 0.22- نشان دهنده زمین هایی است که عمدتاً توسط مناطق ساخته شده اشغال شده است [ 3 ].
رابطه گرافیکی بین LST و NDBI در شکل 12 نشان داده شده است. این یک ارتباط مثبت بین LST و مناطق ساخته شده را نشان می دهد. نتایج نشان می‌دهد که مقادیر LST پایین‌تر با NDBI پایین‌تر مطابقت دارد، در حالی که مقادیر LST بالاتر مربوط به مناطق ساخته‌شده با تراکم بالا است.

5. بحث

از نتایج تشخیص تغییر به‌دست‌آمده، مشهود است که شهرنشینی همراه با فعالیت‌های اجتماعی-اقتصادی در کلان شهر ابوجا ممکن است به طور قابل‌توجهی به انتقال سطوح طبیعی به مناطق ساخته شده کمک کرده باشد. نتایج با مطالعات قبلی مطابقت دارد، که نشان می دهد روند افزایشی در گستره فضایی مناطق ساخته شده/شهری در کشورهای در حال توسعه مانند نیجریه، بنگلادش، مصر و بسیاری دیگر [ 6 ، 19 ، 37 ، 39 ، 68]. اینها پیامدهای رشد سریع شهری و تلاش برای شرایط زندگی بهتر است. توسعه مناطق شهری بر محیط طبیعی و ساخته شده تأثیر منفی گذاشته و به طور قابل توجهی در افزایش دمای سطح زمین شهرها نقش داشته است [ 8 ، 39 ، 68 ].
مطالعه حاضر نشان داد که منطقه ساخته شده کلانشهر ابوجا بیشترین افزایش را در میانگین LST داشته است و پس از آن زمین های بایر، پوشش گیاهی و بدنه های آبی در 29 سال گذشته قرار دارند. در طول دوره‌های مطالعه بین سال‌های 1990 و 2019، بخش‌های غربی، شمال غربی، شرقی و مرکزی منطقه مورد مطالعه بالاترین LST را نشان دادند، با چنین مناطقی مربوط به مناطق ساخته شده و زمین‌های بایر. بخش‌های جنوبی کلان شهر کمترین LST را نشان می‌دهند، با چنین مناطقی که مربوط به پوشش گیاهی و بدنه‌های آبی است. مقادیر کمتر LST را می توان به تبخیر و تعرق بالا در پوشش گیاهی نسبت داد که دمای سطح زمین را کاهش می دهد [ 86 و 87 ]]. در مقابل، این مطالعه مقادیر بالاتر LST در اکثر مناطق کلان شهر را به توسعه شهری و جایگزینی پوشش گیاهی طبیعی با سطوح غیر تبخیر و غیر تعرق نسبت می دهد که سایت های ساخت و ساز برای توسعه مسکونی، تجاری و صنعتی را تشکیل می دهند. پیامدهای این تغییرات کاربری/پوشش زمین نقش مهمی در افزایش LST کلان شهر ایفا می کند و به توسعه جزیره گرمایی شهری کمک می کند، همانطور که در مطالعات مشابه مشاهده شد [ 11 ، 80 ، 86 ، 88 ، 89 ].
یافته‌های NDVI منطقه مورد مطالعه نشان می‌دهد که پوشش گیاهی کلانشهر ابوجا با افزایش تغییر محیط طبیعی به سایر کاربری‌ها کاهش می‌یابد، همانطور که در برخی از شهرهای با رشد سریع یافت می‌شود [ 11 ، 29 ، 32 ]. با این حال، استفاده از NDVI برای تمایز بین دسته های LULC مانند زمین های بایر و مناطق ساخته شده به دلیل شباهت های نسبی آنها اغلب چالش برانگیز است [ 90 ، 91 ]. بنابراین، مطالعه ما پوشش گیاهی شهر را به عنوان مناطقی با NDVI بالاتر و LST کمتر تعیین کرد. نتایج NDVI کاهش قابل توجهی را در 29 سال گذشته نشان می دهد که می توان آن را به تبدیل سطوح طبیعی به مناطق ساخته شده نسبت داد [ 15 ], 27 , 92 ]. با توجه به همبستگی منفی بین LST و NDVI در طول دوره های مختلف مطالعه، همچنین آشکار است که کاهش پوشش گیاهی کلانشهر ابوجا به طور قابل توجهی به افزایش دمای سطح زمین این شهر کمک کرده است. این نتیجه با مطالعات مشابه در شهر آنشون، چین [ 93 ]، منطقه شهری کلمبو و شهر کندی، سریلانکا [ 8 ، 9 ]، کلان شهر سئول، کره [ 94 ]، شهر باهیر دار، اتیوپی [ 86 ] و بسیاری دیگر مطابقت دارد . [ 15 ، 27 ، 83 ، 85 ، 88]. یافته های آنها نشان داد که پوشش گیاهی شامل مناطق جنگلی، بوته زارها، کمربندهای سبز و سطوح معمولاً به دلیل تأثیر جزیره خنک، LST کمتری در شهرها و مراکز شهری دارند. بنابراین، افزایش NDVI منجر به کاهش LST می شود.
این مطالعه همچنین افزایش تدریجی در NDBI شهر، به عنوان مثال، مناطق ساخته شده را مشاهده کرد که می تواند عمدتاً به رشد شهری نسبت داده شود که به کاهش پوشش گیاهی شهر کمک کرده است. این با مطالعات قبلی که NDBI مثبت نشان دهنده مناطق ساخته شده و NDBI منفی نشان دهنده پوشش گیاهی [ 3 ، 30 ، 83 ، 85 ] را گزارش کرده بودند، مطابقت دارد. همبستگی مثبت بین LST و مناطق ساخته شده مطابق با مطالعات قبلی است که تنوع بالاتری را در LST سطوح غیرقابل نفوذ، به عنوان مثال، مناطق عمدتاً ساخته شده و زمین/خاک بایر، در مقایسه با مناطق پوشش گیاهی نشان داد [ 31 ، 88 ].]. این نشان می دهد که رشد شهری و تغییرات کاربری زمین به طور قابل توجهی به کاهش پوشش گیاهی کمک کرده است، در نتیجه UHI سطح را از طریق LST بالاتر افزایش می دهد [ 8 ، 15 ، 87 ]. توسعه UHI سطحی از طریق افزایش تقاضا برای انرژی که بر کیفیت زندگی و سلامت انسان تأثیر منفی می گذارد، محیط و ساکنان آن را تحت تأثیر قرار می دهد [ 32 ، 95 ].
بنابراین، اجرای استراتژی‌های کاربری اراضی زیر برای کاهش افزایش سطح جزیره گرمایی شهری برای مقامات شهر از اهمیت بالایی برخوردار است. این استراتژی ها عبارتند از:
  • افزایش پوشش گیاهی و درختی شهر: افزایش درختان، درختچه‌ها، علف‌ها، تاک‌ها و سایر گیاهان کوچک‌تر می‌تواند با ایجاد سایه و خنک‌کردن محیط شهری از طریق تبخیر و تعرق، دمای سطح زمین را به میزان قابل توجهی کاهش دهد. از دیگر مزایای بالقوه استفاده از این استراتژی می توان به کاهش تقاضای انرژی، کاهش انتشار گازهای گلخانه ای و آلودگی هوا اشاره کرد.
  • تشویق به استفاده از سقف‌های سبز و خنک: استفاده از لایه‌های رویشی مانند درختان، گیاهان، علف‌ها و درختچه‌ها در پشت بام‌ها باعث ایجاد سایه و از بین بردن گرما از طریق تبخیر و تعرق می‌شود. سقف های خنک نیز به انعکاس گرما و نور خورشید کمک می کنند. بنابراین، این استراتژی جزیره گرمایی شهری شهر را با کاهش دمای سطح سقف ها کاهش می دهد. همچنین به بهبود شرایط حرارتی محیط شهری از طریق کاهش تقاضای انرژی کمک شایانی خواهد کرد.
  • استفاده از روسازی‌های خنک به‌عنوان جایگزینی برای سطوح غیرقابل نفوذ معمولی: استفاده از روسازی‌های خنک در پارکینگ‌ها، پیاده‌روها و خیابان‌ها نه‌تنها این پتانسیل را دارد که گرمای کمتری نسبت به مصالح روسازی معمولی ذخیره کند، بلکه دمای سطح شهر را با انعکاس بیشتر نور خورشید کاهش می‌دهد. انرژی و افزایش تبخیر آب
  • اجرای شیوه‌های رشد هوشمند: اجرای استراتژی‌های رشد هوشمند می‌تواند اثر گرمای شهری را از طریق طراحی فضاهای شهری کاهش دهد. این استراتژی اقدامات محافظه کارانه و توسعه ای گسترده ای را پوشش می دهد که به دنبال حفاظت از محیط زیست طبیعی و زیست پذیرتر کردن شهر است. این شامل ایجاد محله‌های قابل پیاده‌روی، دوچرخه‌پسند، حمل‌ونقل محور و محله‌هایی با کاربری مختلط است.
استراتژی‌های توصیه‌شده با استراتژی‌های خنک‌کننده UHI آژانس حفاظت از محیط‌زیست ایالات متحده [ 96 ] مطابقت دارد. بنابراین، مسئولان برنامه‌ریزی شهر می‌توانند از طریق وضع عمدی منطقه‌بندی و سایر مقررات برنامه‌ریزی، این طرح‌ها را به‌طور مؤثر اجرا کنند.

6. نتیجه گیری

مطالعه حاضر تأثیر فضایی و زمانی تغییرات LULC بر سطح UHI کلانشهر ابوجا را طی 29 سال گذشته (1990-2019) با کمک داده‌های ماهواره‌ای چند زمانی تجزیه و تحلیل کرد. پویایی تغییرات برای چهار دوره (1990، 1999، 2009 و 2019) با استفاده از چهار کلاس مختلف LULC شامل مناطق ساخته شده، پوشش گیاهی، زمین بایر و بدنه‌های آبی نقشه‌برداری و کمی سازی شد. برای دستیابی به اهداف مطالعه، توزیع فضایی LST، NDVI، و NDBI را بررسی کردیم. ما همچنین رابطه بین LST و کلاس‌های مختلف LULC و همبستگی بین LST و شاخص‌های کاربری زمین مانند NDVI و NDBI را مطالعه کردیم. تجزیه و تحلیل تغییر LULC نشان دهنده رشد سریع شهری در کلانشهر ابوجا با افزایش قابل توجه مساحت ساخته شده از 77.26 کیلومتر مربع در سال 1990 به 467.68 کیلومتر مربع در سال 2019 است. از سوی دیگر، پوشش گیاهی و توده های آبی در طول دوره مورد مطالعه به ترتیب 252.33 کیلومتر مربع و 162.22 کیلومتر مربع کاهش معنی داری پیدا کردند. قابل توجه ترین انتقال پوشش زمین در کلان شهر، تبدیل زمین بایر به مناطق ساخته شده با مساحت 301.24 کیلومتر مربع بود. نتایج تجزیه و تحلیل LST زمین بایر و پوشش گیاهی را به عنوان طبقات LULC با بالاترین و کمترین LST در طول دوره مطالعه نشان داد. میانگین LST نیز از 30.65 درجه سانتیگراد در سال 1990 به 32.69 درجه سانتیگراد در سال 2019 افزایش یافته است. این نشان می دهد که LST کلان شهر همراه با تغییرات در LULC تغییر یافته است. مهم‌ترین تغییر در میانگین LST در مناطق مسکونی با افزایش 1.89 درجه سانتی‌گراد بین سال‌های 1990 تا 2019 مشاهده شد. و به ترتیب 0.50 درجه سانتیگراد. از این رو، نتیجه نشان دهنده افزایش قابل توجه LST در تمام کلاس های LULC است. این مطالعه همچنین یک رابطه منفی بین LST و NDVI را نشان داد در حالی که یک رابطه مثبت بین LST و NDBI در طول دوره‌های مختلف ایجاد کرد. این نشان می دهد که LST بالاتر همراه با کاهش پوشش گیاهی و افزایش مناطق ساخته شده تجربه می شود. یافته‌های این مطالعه نشان می‌دهد که تغییرات LULC در کلان شهر ابوجا به طور قابل‌توجهی بر افزایش LST شهر تأثیر گذاشته است، بنابراین به توسعه UHI سطحی کمک می‌کند. مطالعه حاضر فقط دوره تاریخی بین سال‌های 1990 و 2019 را بررسی کرد. بنابراین، تحقیقات بیشتری برای بررسی دینامیک تغییر LULC آینده شهر و تغییرات بالقوه LST آن با استفاده از تکنیک‌های مختلف مدل‌سازی جغرافیایی مورد نیاز است.

منابع

  1. Sarif, MO; ریمال، بی. استورک، ن. ارزیابی تغییرات کاربری زمین/ پوشش زمین و دمای سطح زمین و تأثیر آنها بر پدیده جزیره گرمایی شهری سطحی در دره کاتماندو (1988-2018). بین المللی J. Geo-Inf. 2020 ، 9 ، 726. [ Google Scholar ] [ CrossRef ]
  2. اداره امور اقتصادی و اجتماعی سازمان ملل متحد. دورنمای جمعیت جهان 2019 جلد اول: جداول جامع ; وزارت امور اقتصادی و اجتماعی سازمان ملل متحد: نیویورک، نیویورک، ایالات متحده آمریکا، 2019. [ Google Scholar ]
  3. راناگالاج، ام. استوک، آر. هندایانی، ح. ژانگ، ایکس. موریموتو، تی. تادونو، تی. مورایاما، ی. رابطه بین حجم شهری و دمای سطح زمین: مطالعه مقایسه ای شهرهای برنامه ریزی شده و سنتی در ژاپن. Sustainability 2018 , 10 , 2366. [ Google Scholar ] [ CrossRef ][ Green Version ]
  4. وانگ، آر. دردوری، ع. مورایاما، Y. شبیه‌سازی فضایی-زمانی سناریوهای تغییر کاربری زمین/پوشش آینده در منطقه شهری توکیو. پایداری 2018 ، 10 ، 2056. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  5. فو، پی. Weng, Q. تحلیل سری زمانی شهرنشینی ناشی از تغییر کاربری زمین و پوشش زمین و تأثیر آن بر دمای سطح زمین با تصاویر Landsat. سنسور از راه دور محیط. 2016 ، 175 ، 205-214. [ Google Scholar ] [ CrossRef ]
  6. کافی، ع.ا. رحمان، ام اس; فیصل، ع.-ع. حسن، م.م. اسلام، م. مدل سازی تغییرات پوشش زمین کاربری آینده و تأثیرات آن بر دمای سطح زمین در راجشاهی، بنگلادش. Remote Sens. Appl. Soc. محیط زیست 2020 ، 18 ، 100314. [ Google Scholar ] [ CrossRef ]
  7. تائو، ی. دی لیو، جی. ژائو، ال. فن، سی. النشر، ع. بشیر، ب. وانگ، جی. لی، ال. نعیم، س. ارشد، علی. Remote Sens. 2020 , 12 , 2987. [ Google Scholar ] [ CrossRef ]
  8. دیسانایکه، دی. موریموتو، تی. راناگالاج، ام. مورایما، ی. تغییرات کاربری/پوشش زمین و تأثیر آنها بر جزایر حرارتی شهری سطحی: مطالعه موردی شهر کندی، سریلانکا. جی. کلیم. 2019 ، 7 ، 99. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  9. راناگالاج، ام. استوک، آر. مورایاما، ی. مطالعه جزیره گرمایی شهری منطقه شهری کلمبو، سریلانکا، بر اساس داده های لندست (1997-2017). بین المللی J. Geo-Inf. 2017 ، 6 ، 189. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  10. اکبریا، ح. کولوکوتسب، دی. سه دهه تحقیقات جزایر گرمایی شهری و فناوری های کاهش. انرژی ساخت. 2016 ، 133 ، 834-842. [ Google Scholar ] [ CrossRef ]
  11. پال، اس. ضیائول، س. تشخیص تغییر کاربری و پوشش زمین و دمای سطح زمین در مرکز شهری بازار انگلیسی. مصر. J. Remote Sens. Space Sci. 2017 ، 20 ، 125-145. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  12. آمین، RFM; Mourshed، M. چالش های زیست محیطی شهری در کشورهای در حال توسعه – دیدگاه ذینفعان. Habitat Int. 2017 ، 64 ، 1-10. [ Google Scholar ] [ CrossRef ]
  13. عبدالرحمن، MAE; ناتاراجان، ع. Hegde، R. ارزیابی تناسب و قابلیت زمین با ادغام سنجش از دور و GIS برای کشاورزی در منطقه Chamarajanagar، کارناتاکا، هند. مصر. J. Remote Sens. Space Sci. 2016 ، 19 ، 125-141. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  14. لیو، اس. زنگ، ز. وانگ، دبلیو. وو، Y. تکامل مکانی-زمانی جزیره گرمایی شهری در شیان از سال 2006 تا 2016. Phys. شیمی. Earth Parts A/B/C 2019 ، 110 ، 185–194. [ Google Scholar ] [ CrossRef ]
  15. Karakus, CB تأثیر تغییرات کاربری زمین/پوشش زمین (LULC) بر دمای سطح زمین در مرکز شهر سیواس و اطراف آن و ارزیابی جزیره گرمایی شهری. آسیا-پک. J. Atmos. علمی 2019 ، 55 ، 669-684. [ Google Scholar ] [ CrossRef ]
  16. Ayele، GT; تبجه، AK; Demissie، SS; Belete، MA; Jemberrie، MA; Teshome، WM; منگیستو، دی.تی. Teshale، نقشه برداری پوشش زمین سری زمانی EZ و تجزیه و تحلیل تشخیص تغییر با استفاده از سیستم اطلاعات جغرافیایی و سنسور از راه دور، اتیوپی شمالی. Air Soil Water Res. 2018 ، 11 ، 1-18. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  17. ژائو، ی. فنگ، دی. یو، ال. چنگ، ی. ژانگ، ام. لیو، ایکس. خو، ی. نیش، ال. زو، ز. Gong, P. Long-Term Cover Dynamics (1986-2016) شمال شرقی چین برگرفته از یک آرشیو Multi-Temporal Landsat. Remote Sens. 2019 , 11 , 599. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  18. رضا، ع. رجا، من. Raza, S. تجزیه و تحلیل تغییر کاربری اراضی ناحیه ابوت آباد، پاکستان: استفاده از مزیت GIS و تحلیل سنسور از راه دور. علمی Vis. 2012 ، 18 ، 43-50. [ Google Scholar ]
  19. ابوالنور، م. انگل، ب. کاربرد تکنیک‌های سنسور از راه دور و سیستم‌های اطلاعات جغرافیایی برای تجزیه و تحلیل دمای سطح زمین در پاسخ به تغییر کاربری زمین/پوشش زمین در منطقه قاهره بزرگ، مصر. جی. جئوگر. Inf. سیستم 2018 ، 10 ، 57-88. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  20. تان، جی. یو، دی. لی، کیو. تان، ایکس. ژو، دبلیو. رابطه فضایی بین تغییر کاربری/پوشش زمین و دمای سطح زمین در منطقه دریاچه دانگتینگ، چین. علمی جمهوری 2020 ، 10 ، 9245. [ Google Scholar ] [ CrossRef ]
  21. احمد، اف. بررسی تشخیص تغییر داده های سنجش از دور: مقایسه ناحیه فیصل آباد و مولتان، استان پنجاب، پاکستان. جی. جئوگر. Reg. طرح. 2012 ، 5 ، 236-251. [ Google Scholar ] [ CrossRef ]
  22. آرورا، جی. Wolter، PT ردیابی تغییر پوشش زمین در امتداد لبه غربی کمربند ذرت ایالات متحده از سال 1984 تا 2016 با استفاده از داده‌های حسگر ماهواره‌ای: روندهای مشاهده شده و عوامل مؤثر. J. کاربری زمین علمی. 2018 ، 13 ، 59-80. [ Google Scholar ] [ CrossRef ]
  23. چن، ال. جین، ز. میچیشیتا، آر. کای، جی. یو، تی. چن، بی. Xu، B. نظارت پویا از تغییرات پوشش تالاب با استفاده از تصاویر سنجش از دور سری زمانی. Ecol. Inf. 2014 ، 24 ، 17-26. [ Google Scholar ] [ CrossRef ]
  24. تان، ی. بای، بی. محمد، پایش دینامیکی مبتنی بر سنجش از دور سری زمانی MS از کاربری زمین و تغییر پوشش زمین. در مجموعه مقالات چهارمین کارگاه بین المللی در مورد مشاهده زمین و کاربردهای حس از راه دور (EORSA)، گوانگژو، چین، 4 تا 6 ژوئیه 2016. ص 202-206. [ Google Scholar ]
  25. روی، بی. کانگا، س. سینگ، اس. ارزیابی تغییرات کاربری زمین/پوشش زمین با استفاده از تکنیک جغرافیایی در Osian-Mandore، Jodhpur (راجستان). بین المللی J. Sci. Res. محاسبه کنید. علمی مهندس Inf. تکنولوژی 2017 ، 2 ، 73-81. [ Google Scholar ]
  26. فو، پی. Weng, Q. پاسخ جزیره گرمایی شهری در آتلانتا به سناریوهای مختلف استفاده از زمین. نظریه. Appl. صعود 2018 ، 133 ، 123-135. [ Google Scholar ] [ CrossRef ]
  27. بوکائی، م. زرکش، م.ک. آراسته، پ.د. حسینی، ع. ارزیابی جزیره گرمایی شهری بر اساس رابطه دمای سطح زمین و کاربری اراضی/پوشش زمین در شهر تهران. حفظ کنید. جامعه شهرها 2016 ، 23 ، 94-104. [ Google Scholar ] [ CrossRef ]
  28. Estoque، RC; مورایاما، ی. Myint، SW اثرات ترکیب و الگوی منظر بر دمای سطح زمین: مطالعه جزیره گرمایی شهری در کلان شهرهای آسیای جنوب شرقی. علمی کل محیط. 2017 ، 577 ، 349-359. [ Google Scholar ] [ CrossRef ]
  29. کومار، دی. Shekhar, S. تجزیه و تحلیل آماری رابطه شاخص های دمای سطح زمین و پوشش گیاهی از طریق سنجش از دور حرارتی. اکوتوکسیکول. محیط زیست Saf. 2015 ، 121 ، 39-44. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  30. 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 ]
  31. یوان، اف. بائر، ME مقایسه سطح غیرقابل نفوذ و شاخص پوشش گیاهی تفاوت نرمال شده به عنوان شاخص‌های اثرات جزیره حرارتی سطح شهری در تصاویر لندست. سنسور از راه دور محیط. 2007 ، 106 ، 375-386. [ Google Scholar ] [ CrossRef ]
  32. یو، دبلیو. خو، جی. تان، دبلیو. Xu، L. رابطه بین دمای سطح زمین و NDVI با سنجش از دور: کاربرد برای داده‌های ETM+ Shanghai Landsat 7. بین المللی J. Remote Sens. 2007 , 28 , 3205-3226. [ Google Scholar ] [ CrossRef ]
  33. جان، جی. بیندو، جی. سریموروگاناندام، بی. وادهوا، ا. راجان، ص. تحلیل کاربری زمین/پوشش زمین و دمای سطح زمین در ناحیه Wayanad، هند، با استفاده از تصاویر ماهواره ای. ان GIS 2020 ، 26 ، 343-360. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  34. گریس، UM; ساوا، کارشناسی; Jaiyeoba، IA سنجش از دور چند زمانی دینامیک کاربری زمین در زاریا، نیجریه. جی. محیط زیست. علوم زمین 2015 ، 5 ، 121-138. [ Google Scholar ]
  35. وانگ، جی. مادواکو، در پویایی رشد شهری فضایی-زمانی منطقه شهری لاگوس نیجریه بر اساس روش‌های ترکیبی برای مدل‌سازی و پیش‌بینی LULC. یورو J. Remote Sens. 2018 , 51 , 251–265. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  36. محمود، MI; دوکر، ا. کنراد، سی. تیل، م. احمد، تحلیل HS گسترش سکونتگاه و مدلسازی رشد شهری با استفاده از اطلاعات جغرافیایی برای ارزیابی اثرات بالقوه شهرنشینی بر آب و هوا در شهر ابوجا، نیجریه. Remote Sens. 2016 ، 8 ، 220. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  37. کوکو، AF; یو، دبلیو. ابوبکر، جی. حامد، ر. Alabsi، نظارت AAN و پیش‌بینی تغییرات کاربری/پوشش زمین مکانی-زمانی در شهر زاریا، نیجریه، از طریق یک اتومات سلولی یکپارچه و مدل زنجیره مارکوف (CA-Markov). پایداری 2020 ، 12 ، 10452. [ Google Scholar ] [ CrossRef ]
  38. اسین، ای. Samimi، C. تشخیص توسعه شهری در Uyo (نیجریه) با استفاده از سنسور از راه دور 2019 ، 8 ، 102. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  39. اوگونجوبی، KO; آدامو، ی. آکینسانولا، AA؛ Orimoloye، تجزیه و تحلیل فضایی-زمانی IR دینامیک کاربری زمین و نشانه های بالقوه آن در دمای سطح زمین در کلانشهر سوکوتو، نیجریه. R. Soc. علوم را باز کنید. 2018 ، 5 ، 180661. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  40. Segun، OE; شحیمی، س. نالاپان، م. Lamidi-Sarumoh، AA; سالاری، N. مدلسازی آماری اثرات عوامل آب و هوا بر وقوع مالاریا در ابوجا، نیجریه. بین المللی جی. محیط زیست. Res. بهداشت عمومی 2020 , 17 , 3474. [ Google Scholar ] [ CrossRef ]
  41. Agbelade، AD; Onyekwelu، JC; Oyun، شاخص غنا، تنوع و پوشش گیاهی گونه های درختی MB برای قلمرو پایتخت فدرال، ابوجا، نیجریه. اینت. جی. برای. Res. 2017 ، 2017 ، 4549756. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  42. Idoko، MA; بیسونگ، FE کاربرد اطلاعات جغرافیایی برای ارزیابی تغییر کاربری زمین: مطالعه موردی منطقه پایتخت فدرال-ابوجا. محیط زیست Res. J. 2010 ، 4 ، 140-144. [ Google Scholar ] [ CrossRef ]
  43. Abubakar, IR Abuja city profile. شهرها 2014 ، 41 ، 81-91. [ Google Scholar ] [ CrossRef ]
  44. ایشایا، س. حسن، س.م. جیمز، SE آسیب پذیری پس از سازگاری غلات در برابر بارندگی و تغییر دما در منطقه پایتخت فدرال نیجریه. اتیوپ جی. محیط زیست. گل میخ. مدیریت 2014 ، 7 ، 532-547. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  45. کمیسیون ملی جمعیت (NPC). سرشماری نفوس و مسکن 2006: توزیع جمعیت بر حسب سن و جنس . جمهوری فدرال نیجریه: ابوجا، نیجریه، 2010. [ Google Scholar ]
  46. اداره امور اقتصادی و اجتماعی سازمان ملل متحد. چشم انداز شهرنشینی جهان: بازبینی 2018. در دسترس آنلاین: https://population.un.org/wup/Country-Profiles/ (دسترسی در 15 ژوئن 2020).
  47. سازمان ملل. دورنمای جمعیت جهان 2019 جلد دوم: مشخصات جمعیتی ; وزارت امور اقتصادی و اجتماعی، بخش جمعیت، سازمان ملل: نیویورک، نیویورک، ایالات متحده آمریکا، 2019. [ Google Scholar ]
  48. ابوبکر، جی. وانگ، ک. شاهتهامسبی، ع. Xue، X. بیلت، م. عبدالله، ع. شوکا، ک. Gan, M. نقشه برداری مزارع ذرت با استفاده از تصاویر چند زمانی Sentinel-1A و Sentinel-2A در Makarfi، شمال نیجریه، آفریقا. پایداری 2020 ، 12 ، 2539. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  49. الحمید، ح. ونلونگ، دبلیو. Li، Q. حساسیت زیست محیطی خطر سیل ناگهانی با استفاده از تکنیک های جغرافیایی. گلوب. جی. محیط زیست. علمی مدیریت 2019 ، 6 ، 31–46. [ Google Scholar ] [ CrossRef ]
  50. الزینی، ع. الکافراوی، اس. ارزیابی آلودگی آب ناشی از فعالیت های انسانی در دریاچه بورولوس با استفاده از تصویرگر زمین عملیاتی 8 و GIS. مصر. J. Remote Sens. Space Sci. 2017 ، 20 ، S49–S56. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  51. عبیادی، بی. Osita، O. Abuja، بازیگران شهری نیجریه، طرح جامع، قوانین توسعه و نقش آنها در طراحی و شکل‌دهی منطقه فدرال ابوجا و محیط‌های شهری آن. IIARD بین المللی. جی. جئوگر. محیط زیست مدیریت 2018 ، 4 ، 23-43. [ Google Scholar ]
  52. وانگ، جی. کوفر، م. Pfeffer, K. نقش ناهمگونی فضایی در شناسایی زاغه های شهری. محاسبه کنید. محیط زیست سیستم شهری 2019 ، 73 ، 95-107. [ Google Scholar ] [ CrossRef ]
  53. مومنی، ر. آپلین، پ. Boyd, D. Mapping Complex Urban Land Cover from Spaceborne Imagery: The Influence of Spatial Resolution، مجموعه باند طیفی و رویکرد طبقه بندی. Remote Sens. 2016 ، 8 ، 88. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  54. تاوبنبوک، اچ. اش، تی. فلبیر، آ. ویزنر، ام. راث، ا. Dech, S. نظارت بر شهرنشینی در شهرهای بزرگ از فضا. سنسور از راه دور محیط. 2012 ، 117 ، 162-176. [ Google Scholar ] [ CrossRef ]
  55. ریمال، بی. ژانگ، ال. کشتکار، ح. وانگ، ن. Lin, Y. نظارت و مدل‌سازی گسترش شهری فضایی و زمانی و تغییر کاربری/پوشش زمین با استفاده از مدل اتوماتای ​​سلولی زنجیره‌ای مارکوف یکپارچه. ISPRS Int. J. Geo-Inf. 2017 ، 6 ، 288. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  56. شن، ایکس. Anagnostou، E. فصل دوازدهم – نقشه برداری سیلاب با تکنیک های سنجش از دور. در رویدادهای شدید آب و هوایی و خطرات چند متغیره در یک محیط در حال تغییر . Maggioni, V., Massari, C., Eds. الزویر: آمستردام، هلند، 2019؛ صص 289-315. [ Google Scholar ] [ CrossRef ]
  57. سریواستاوا، پ. هان، دی. ریکو رامیرز، ام. بری، ام. اسلام، ت. انتخاب تکنیک های طبقه بندی برای بررسی تغییر کاربری/پوشش زمین. Adv. Space Res. 2012 ، 50 ، 1250-1265. [ Google Scholar ] [ CrossRef ]
  58. شانگ، م. وانگ، S.-X. ژو، ی. Du, C. اثرات نمونه های آموزشی و طبقه بندی کننده ها بر طبقه بندی تصاویر Landsat-8. J. شرکت هندی Remote Sens. 2018 , 46 , 1333–1340. [ Google Scholar ] [ CrossRef ]
  59. لی، سی. وانگ، جی. وانگ، ال. هو، ال. Gong, P. مقایسه الگوریتم‌های طبقه‌بندی و اندازه‌های نمونه آموزشی در طبقه‌بندی زمین شهری با تصاویر نقشه‌برداری موضوعی Landsat. Remote Sens. 2014 , 6 , 964–983. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  60. خامچیانگتا، دی. داکال، S. عوامل فیزیکی و غیر فیزیکی که جزیره گرمایی شهری را هدایت می‌کنند: مورد اداره کلانشهر بانکوک، تایلند. جی. محیط زیست. مدیریت 2019 ، 248 ، 109285. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  61. راوات، JS; کومار، ام. نظارت بر تغییر کاربری/پوشش زمین با استفاده از تکنیک های سنجش از دور و GIS: مطالعه موردی بلوک هاوالباغ، منطقه آلمورا، اوتاراکند، هند. مصر. J. Remote Sens. Space Sci. 2015 ، 18 ، 77-84. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  62. محجانه، م. اسحلویی، علی; عودیا، اف. ال حفیانی، م. الحمیدی، ع. اوالی، ا. راندازو، جی. Teodoro، A. کاربری زمین/پوشش زمین (LULC) با استفاده از سری داده های Landsat (MSS، TM، ETM+ و OLI) در جنگل آزرو، در اطلس مرکزی مرکزی مراکش. Environments 2018 , 5 , 131. [ Google Scholar ] [ CrossRef ][ Green Version ]
  63. لیو، ی. وانگ، ی. پنگ، جی. دو، ی. لیو، ایکس. لی، اس. ژانگ، دی. ارتباط بین شهرنشینی و تخریب پوشش گیاهی در کلان شهرهای جهان با استفاده از داده های نور شبانه DMSP/OLS. Remote Sens. 2015 ، 7 ، 2067–2088. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  64. لو، دی. Weng, Q. بررسی روش ها و تکنیک های طبقه بندی تصویر برای بهبود عملکرد طبقه بندی. بین المللی J. Remote Sens. 2007 , 28 , 823-870. [ Google Scholar ] [ CrossRef ]
  65. Congalton، RG مروری بر ارزیابی دقت طبقه‌بندی داده‌های سنجش از دور. سنسور از راه دور محیط. 1991 ، 37 ، 35-46. [ Google Scholar ] [ CrossRef ]
  66. تاملینسون، جی آر. Bolstad، PV; کوهن، روش‌های هماهنگی WB برای مقیاس‌بندی طبقه‌بندی پوشش زمین از سایت خاص به جهانی: گام‌هایی به سوی اعتبارسنجی محصولات نقشه جهانی. سنسور از راه دور محیط. 1999 ، 70 ، 16-28. [ Google Scholar ] [ CrossRef ]
  67. اندرسون، جی آر. هاردی، EE; روچ، JT; Witmer, RE A سیستم طبقه بندی کاربری و پوشش زمین برای استفاده با داده های سنسور از راه دور . دفتر چاپ دولت ایالات متحده: واشنگتن، دی سی، ایالات متحده آمریکا، 1976; جلد 964. [ Google Scholar ]
  68. روستا، من. Sarif, MO; گوپتا، RD; اولافسون، اچ. راناگالاج، ام. مورایاما، ی. ژانگ، اچ. موشور، تحلیل فضایی-زمانی کاربری زمین/پوشش زمین و اثرات آن بر جزیره حرارتی شهری سطحی با استفاده از داده های لندست: مطالعه موردی کلان شهر تهران (1988-2018). Sustainability 2018 , 10 , 4433. [ Google Scholar ] [ CrossRef ][ Green Version ]
  69. ایشتیاق، ع. شرستا، م. Chhetri، N. رشد سریع شهری در دره کاتماندو، نپال: نظارت بر پویایی پوشش زمین کاربری زمین در یک شهر هیمالیا با تصاویر Landsat. Environments 2017 , 4 , 72. [ Google Scholar ] [ CrossRef ]
  70. Foody، GM وضعیت ارزیابی صحت طبقه بندی پوشش زمین. سنسور از راه دور محیط. 2002 ، 80 ، 185-201. [ Google Scholar ] [ CrossRef ]
  71. لی، ز. تانگ، B.-H. وو، اچ. رن، اچ. یان، جی. وان، ز. Trigo، IF; Sobrino، JA دمای سطح زمین برگرفته از ماهواره: وضعیت فعلی و چشم اندازها. سنسور از راه دور محیط. 2013 ، 131 ، 14-37. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  72. Weng، Q. سنجش از دور مادون قرمز حرارتی برای مطالعات آب و هوای شهری و محیطی: روش‌ها، کاربردها و روندها. ISPRS J. Photogramm. Remote Sens. 2009 , 64 , 335-344. [ Google Scholar ] [ CrossRef ]
  73. ونگ، کیو. لو، دی. Schubring، J. برآورد رابطه دمای سطح زمین و فراوانی پوشش گیاهی برای مطالعات جزیره گرمایی شهری. سنسور از راه دور محیط. 2004 ، 89 ، 467-483. [ Google Scholar ] [ CrossRef ]
  74. USGS (سازمان زمین شناسی ایالات متحده). راهنمای محصول: Landsat 8 Surface Reflectance Code (LASRC) Product ; وزارت کشور، سازمان زمین شناسی ایالات متحده: Sioux Falls، SD، ایالات متحده، 2018. [ Google Scholar ]
  75. USGS (سازمان زمین شناسی ایالات متحده). راهنمای محصول Landsat 4–7 Collection 1 (C1) Surface Reflectance (LEDAPS) ; وزارت کشور، سازمان زمین شناسی ایالات متحده: Sioux Falls، SD، ایالات متحده آمریکا، 2020. [ Google Scholar ]
  76. سازمان زمین شناسی ایالات متحده (USGS). کتابچه راهنمای کاربران داده لندست 7 (L7). در دسترس آنلاین: https://www.usgs.gov/core-science-systems/nli/landsat/landsat-7-data-users-handbook (در 11 نوامبر 2020 قابل دسترسی است).
  77. سازمان زمین شناسی ایالات متحده (USGS). کتاب راهنمای کاربران داده لندست 8 (L8). در دسترس آنلاین: https://www.usgs.gov/core-science-systems/nli/landsat/landsat-8-data-users-handbook (در 11 نوامبر 2020 قابل دسترسی است).
  78. سکرتکین، ع. Bonafoni، S. بازیابی دمای سطح زمین از Landsat 5، 7، و 8 در مناطق روستایی: ارزیابی الگوریتم‌های بازیابی مختلف و مدل‌های انتشار و پیاده‌سازی جعبه ابزار. Remote Sens. 2020 , 12 , 294. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  79. آودان، یو. Jovanovska Kaplan, G. الگوریتم برای نقشه برداری خودکار دمای سطح زمین با استفاده از داده های ماهواره LANDSAT 8. J. Sens. 2016 ، 2016 ، 1-8. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  80. رزا دوس سانتوس، ای. سانتوس دی اولیویرا، اف. گومز داسیلوا، آ. گلریانی، ج.م. گونسالوز، دبلیو. موریرا، جی ال. سیلوا، FG; برانکو، ERF; مورا، م.م. گومز داسیلوا، آر. و همکاران توزیع مکانی و زمانی جزایر گرمایی شهری علمی کل محیط. 2017 ، 605–606 ، 946–956. [ Google Scholar ] [ CrossRef ]
  81. سوبرینو، جی. Jiménez-Muñoz، JC; Paolini، L. بازیابی دمای سطح زمین از LANDSAT TM 5. Remote Sens. Environ. 2004 ، 90 ، 434-440. [ Google Scholar ] [ CrossRef ]
  82. کارلسون، TN; Ripley، DA در مورد رابطه بین NDVI، پوشش گیاهی کسری، و شاخص سطح برگ. سنسور از راه دور محیط. 1997 ، 62 ، 241-252. [ Google Scholar ] [ CrossRef ]
  83. ژانگ، ی. عوده، IOA; هان، سی. توصیف دو زمانی دمای سطح زمین در رابطه با سطح غیرقابل نفوذ، NDVI و NDBI، با استفاده از تجزیه و تحلیل تصویر زیر پیکسل. بین المللی J. Appl. زمین Obs. Geoinf. 2009 ، 11 ، 256-264. [ Google Scholar ] [ CrossRef ]
  84. باربیری، تی. دسپینی، ف. Teggi، S. تجزیه و تحلیل چند زمانی دمای سطح زمین با استفاده از داده های Landsat-8 و نرم افزار منبع باز: مطالعه موردی مودنا، ایتالیا. پایداری 2018 ، 10 ، 1678. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  85. کیکن، ن. سینگ، پی. سینگ، SK; وایاس، الف. ارزیابی جزایر حرارتی شهری (UHI) شهر نویدا، هند با استفاده از داده‌های ماهواره‌ای چند زمانی. حفظ کنید. جامعه شهرها 2016 ، 22 ، 19-28. [ Google Scholar ] [ CrossRef ]
  86. بالو، ا. کورمه، ت. پایش دمای سطح زمین در شهرستان بحیر در و اطراف آن با استفاده از تصاویر لندست. مصر. J. Remote Sens. Space Sci. 2020 ، 23 ، 371-386. [ Google Scholar ] [ CrossRef ]
  87. سیمواندا، م. راناگالاج، ام. استوک، آر. مورایاما، Y. تحلیل فضایی جزایر حرارتی شهری سطحی در چهار شهر آفریقایی با رشد سریع. Remote Sens. 2019 ، 11 ، 1645. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  88. Nse، OU; اوکولی، سی جی؛ Nse، VO دینامیک پوشش زمین، دمای سطح زمین و NDVI در شهر Uyo، نیجریه. علمی افر. 2020 ، 10 ، e00599. [ Google Scholar ] [ CrossRef ]
  89. هوانگ، Q. لی، ال. لو، ی. یانگ، ی. لی، ام. نقش پارامترهای هواشناسی در جزیره گرمای شهری شبانه شانگهای از سال 1979 تا 2013. نظریه. Appl. کلیماتول. 2020 ، 141 ، 285-297. [ Google Scholar ] [ CrossRef ]
  90. خانال، ن. اودین، ک. متین، م. Tenneson، K. تشخیص خودکار الگوهای گسترش شهری فضایی و زمانی با ترکیب داده های OSM و Landsat در کاتماندو. Remote Sens. 2019 , 11 , 2296. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  91. ما، ایکس. لی، سی. تانگ، ایکس. لیو، اس. یک رویکرد ترکیبی جدید برای استخراج مناطق ساخته شده شهری از داده های سنجش از راه دور چند منبعی. Remote Sens. 2019 , 11 , 2516. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  92. کشمش.؛ Satyanarayana، ANV ارزیابی شهرنشینی و شدت جزیره گرمایی شهری با استفاده از تصاویر Landsat طی سال‌های 2000-2018 بر روی یک شهر نیمه گرمسیری هند. حفظ کنید. جامعه شهرها 2020 , 52 , 101846. [ Google Scholar ] [ CrossRef ]
  93. دنگ، ی. وانگ، اس. بای، ایکس. تیان، ی. وو، ال. شیائو، جی. چن، اف. Qian, Q. رابطه بین دمای سطح زمین و LUCC, NDVI در ناحیه معمولی کارست. علمی Rep. 2018 , 8 , 641. [ Google Scholar ] [ CrossRef ]
  94. پریانکارا، پ. راناگالاج، ام. دیسانایکه، دی. موریموتو، تی. مورایاما، Y. فرآیند فضایی جزیره حرارتی شهری سطحی در منطقه شهری سئول در حال رشد سریع برای برنامه ریزی شهری پایدار با استفاده از داده های Landsat (1996-2017). آب و هوا 2019 ، 7 ، 110. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  95. کلاوس، آر. مشتاق، جزیره گرمای شهری H. تورنتو: بررسی رابطه بین کاربری زمین و دمای سطح. Remote Sens. 2011 ، 3 ، 1251-1265. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  96. آژانس حفاظت از محیط زیست ایالات متحده کاهش جزایر گرمایی شهری: مجموعه ای از استراتژی ها. در خلاصه جزیره گرمایی ; آژانس حفاظت از محیط زیست ایالات متحده: واشنگتن، دی سی، ایالات متحده آمریکا، 2008. [ Google Scholar ]
Ijgi 10 00272 g001 550
شکل 1. نقشه مکان کلانشهر ابوجا، نیجریه.
Ijgi 10 00272 g002 550
شکل 2. نمودار جریان روش شناسی مطالعه.
Ijgi 10 00272 g003 550
شکل 3. نقشه های کاربری زمین/پوشش زمین طبقه بندی شده کلانشهر ابوجا در; ( الف ) 1990، ( ب ) 1999، ( ج ) 2009، و ( د ) 2019.
Ijgi 10 00272 g004 550
شکل 4. توزیع LULC در کلانشهر ابوجا از 1990 تا 2020 در. ( الف ) کیلومتر مربع و ( ب ) درصد.
Ijgi 10 00272 g005 550
شکل 5. تغییرات خالص در انواع LULC کلانشهر ابوجا طی سه دوره مطالعه.
Ijgi 10 00272 g006 550
شکل 6. انتقال کاربری زمین/پوشش زمین کلانشهر ابوجا از 1990 تا 2019.
Ijgi 10 00272 g007 550
شکل 7. انتقال تغییر LULC کلانشهر ابوجا در کیلومتر مربع از سال 1990 تا 2019.
Ijgi 10 00272 g008 550
شکل 8. توزیع LST کلانشهر ابوجا در; ( الف ) 1990، ( ب ) 1999، ( ج ) 2009، و ( د ) 2019.
Ijgi 10 00272 g009 550
شکل 9. توزیع فضایی NDVI کلانشهر ابوجا در; ( الف ) 1990، ( ب ) 1999، ( ج ) 2009، و ( د ) 2019.
Ijgi 10 00272 g010 550
شکل 10. رابطه بین LST و NDVI کلانشهر ابوجا برای; ( الف ) 1990، ( ب ) 1999، ( ج ) 2009، و ( د ) 2019 با استفاده از نمودارهای پراکنده.
Ijgi 10 00272 g011 550
شکل 11. توزیع فضایی NDBI کلانشهر ابوجا در; ( الف ) 1990، ( ب ) 1999، ( ج ) 2009، و ( د ) 2019.
Ijgi 10 00272 g012 550
شکل 12. رابطه بین LST و NDBI کلانشهر ابوجا برای; ( الف ) 1990، ( ب ) 1999، ( ج ) 2009، و ( د ) 2019 با استفاده از نمودارهای پراکنده.

مقالات داخلی و بین المللی

مطالب مرتبط ...

بدون دیدگاه

دیدگاهتان را بنویسید