تجزیه و تحلیل پوشش زمین مکانی-زمانی و تأثیر شاخص‌های تغییرپذیری پوشش زمین بر دمای سطح زمین در آکرای بزرگ، غنا با استفاده از داده‌های چند زمانی Landsat

 

شهرنشینی در نتیجه فعالیت های انسان زا باعث کاهش پوشش گیاهی و فضای سبز و در نتیجه افزایش سطوح غیر قابل نفوذ در شهرها می شود. این به نوبه خود دمای سطح شهرها را در مقایسه با مناطق روستایی افزایش می دهد و در نتیجه جزیره گرمایی شهری تشکیل می شود. به ویژه در کشورهای توسعه نیافته، به دلیل افزایش نرخ رشد جمعیت و کمبود امکانات و مقررات زیرساختی برای کاهش پیامدهای نامطلوب شهرنشینی، دستیابی به اطلاعات به موقع و دقیق از روند شهری و توسعه آن بسیار حیاتی است. مطالعه حاضر توسعه شهری آکرا بزرگ، غنا را با استفاده از مجموعه داده Landsat 7 که در سال‌های 2002، 2013 و 2020 به دست آمد، تحلیل می‌کند. تأثیر رشد شهری بر روی شاخص‌های دمای سطح زمین (LST) و تغییرپذیری پوشش زمین (LCV) شامل NDVI (شاخص تفاوت نرمال شده گیاهی)، NDBI (شاخص ایجاد اختلاف نرمال شده)، و NDWI (شاخص تفاوت عادی آب) شناسایی شده است. در طول دوره های مطالعه نتایج نشان می دهد که مساحت ساخته شده در منطقه مورد مطالعه بین سال های 2002 و 2020 چهار برابر شده است. تجزیه و تحلیل مبتنی بر آنتروپی شانون نشان می دهد که توسعه شهری در منطقه ماهیت ناهمگن یا پراکنده دارد. علاوه بر این، تجزیه و تحلیل رگرسیون یک رابطه مثبت قوی بین LST و NDBI (0.755) را برجسته می کند و یک رابطه منفی بین LST و NDVI (0.4417) و LST و NDWI (0.76) یافت می شود. نتایج این مطالعه می‌تواند برای طراحی سیاست‌های برنامه‌ریزی اجتماعی-اقتصادی و محیطی شهری پایدار در منطقه مورد مطالعه مفید باشد.

کلید واژه ها

دمای سطح زمین , شهرنشینی , شاخص های تغییرپذیری پوشش زمین , لندست 7 ETM , آکرای بزرگ

1. مقدمه

افزایش سریع جمعیت، صنعتی شدن و رشد اقتصادی منجر به افزایش شهرنشینی در سطح جهان شده است. جمعیت فعلی جهان 7.9 میلیارد نفر تخمین زده می شود که نیمی از آن در حال حاضر در شهرها زندگی می کنند [ 1 ]. تخمین زده می شود که تا سال 2050 دو سوم جمعیت جهان در مناطق شهری زندگی می کنند. لازم به ذکر است که شهرهای جهان تنها 3 درصد از سطح زمین را به خود اختصاص داده اند. با این حال، این شهرها حدود 60٪ – 80٪ از مصرف انرژی جهانی را تشکیل می دهند و مسئول 75٪ از انتشار کربن هستند [ 2 ]. شهرنشینی سریع به ویژه در کشورهای در حال توسعه بر منابع آب شیرین، مدیریت کارآمد مواد زائد جامد و محیط زندگی مردم فشار وارد می کند [ 3 ]]. پیش‌بینی می‌شود که تقریباً 90 درصد توسعه شهری در 30 سال آینده در آسیا و آفریقا اتفاق می‌افتد [ 4 ].

شهرنشینی برنامه ریزی نشده و کنترل نشده، به ویژه در کشورهای کم درآمد، منجر به تعداد فزاینده ای از زاغه نشینان، امکانات زیرساختی ناکافی از جمله آب پاک و سیستم های فاضلاب، دسترسی مناسب حمل و نقل و سیستم مدیریت پسماند کارآمد می شود [ 5 ]. اهداف 11 توسعه پایدار سازمان ملل متحد دستیابی به شهرها و جوامع پایدار است که از این طریق شهرها و سکونتگاه های انسانی را ایمن، انعطاف پذیر و پایدار می سازد. ثابت شده است که مناطق شهری که بیشترین افزایش دما را متحمل می شوند و منجر به تشکیل جزایر گرمایی شهری (UHI) می شود توسط فعالیت های انسان زایی انسان تقویت می شوند [ 6 ]]. بنابراین، دانش دمای سطح زمین (LST) و تأثیر مکانی-زمانی آن بر تغییرات کاربری/پوشش زمین (LULC) در یک شهر برای مطالعه تعامل بین اقلیم شهری و انسان-محیط حیاتی است [ 7 ]]. در کشورهای کم درآمد از جمله آفریقا، رشد شهرنشینی طی دو دهه گذشته با 3.5 درصد افزایش در سال، بالاترین میزان بوده است. به خصوص الگوهای سکونتگاه شهری کنونی در غرب آفریقا نتیجه عوامل مختلف محیطی، تاریخی و اجتماعی-سیاسی است. در مناطق ساحلی غرب آفریقا، به ویژه، سکونتگاه ها در اطراف مناطق اصلی شهری و مناطق دورافتاده آن ها پراکنده شده است. این گسترش سریع شهری ساحلی به ویژه از ابیجان (ساحل عاج) تا لاگوس (نیجریه) قابل مشاهده است. در این کریدور ساحلی تراکم جمعیت بالاترین در منطقه غرب آفریقا است. کشورهای خلیج گینه در واقع شهری‌ترین کشورهای منطقه هستند و سکونتگاه‌هایی بین 1% (بنین) تا 2% (نیجریه) از قلمرو ملی خود را اشغال می‌کنند [ 8 ].

تخمین زده می شود که افزایش طبیعی جمعیت عامل اصلی افزایش جمعیت شهری در بسیاری از کشورهای آفریقایی در مقایسه با مهاجرت مردم از روستاها به مراکز شهری باشد [ 9 ]. در مقایسه با میانگین غرب آفریقا، غنا دارای نسبت بیشتری از ساکنان شهری است، به طوری که در سال 2015، 51٪ از جمعیت غنا در مراکز شهری زندگی می کنند [ 10 ] و انتظار می رود این نسبت تا سال 2050 به 70٪ برسد [ 11 ]. جمعیت شهری غنا به شدت در مناطق شهرهای بزرگتر مانند آکرا، کوماسی و تاماله متمرکز است [ 12 ].]. مطالعه حاضر به منطقه آکرا بزرگ که به عنوان متراکم ترین منطقه اشغال شده کشور شناخته می شود، اختصاص یافته است. به دنبال مطالعات موجود که قبلاً تغییر LULC را در مناطق شهری غرب آفریقا تجزیه و تحلیل کرده بودند [ 13 ] [ 14 ]، مطالعه حاضر بر شناسایی تأثیر شاخص‌های تغییرپذیری پوشش زمین (LCV) بر LST تمرکز دارد، زیرا دومی به عنوان یک شاخص خوب شناخته می‌شود. شاخص اثر گلخانه ای و همچنین وضعیت محصولات و پوشش گیاهی [ 15 ].

با توجه به در دسترس بودن تصاویر ماهواره ای چندزمانی با وضوح بالا و تکنیک های تحلیل فضایی مبتنی بر GIS پیچیده، مطالعه تاثیر تغییرات LULC بر محیط حرارتی به طور گسترده در سطح جهانی انجام می شود [ 16 ] [ 17 ] [ 18 ]. [ 19] نشان داد که افزایش سکونتگاه‌های شهری بین سال‌های 1989 و 2015 در شهرستان ناکورو، کنیا، LST منطقه را افزایش داد. علاوه بر این، تجزیه و تحلیل مبتنی بر رگرسیون نشان داد که توسعه شهری منطقه در طول دوره‌های مورد مطالعه دارای رابطه مثبت قوی با شاخص ایجاد اختلاف نرمال شده (NDBI) و رابطه منفی با شاخص تفاوت نرمال شده گیاهی (NDVI) است. تأثیر تغییرات LULC بر LST منطقه کلانشهری Chattogram در جنوب شرقی بنگلادش بین سال‌های 1990 و 2018 توسط [ 20 ] مورد مطالعه قرار گرفت.]. این مطالعه نشان داد که شهرنشینی در منطقه با نرخ 2.25٪ در سال افزایش یافته است و میانگین LST در طول دوره های مورد مطالعه 5.66 درجه سانتیگراد افزایش یافته است. نویسندگان تشخیص دادند که گسترش مناطق ساخته شده عامل اصلی افزایش LST در منطقه بود که منجر به تشکیل UHI در 15 تن از منطقه مورد مطالعه شد. علاوه بر این، تغییرات مکانی و زمانی در تغییرات LULC و اثرات آن بر LST دو شهر هندی سورات و بهارچ توسط [ 21 ] مورد مطالعه قرار گرفت.]. نتایج مطالعه آنها نشان داد که بین سال‌های 2008 و 2016 هر دو شهر با کاهش قابل توجه فضای سبز، رشد گسترده‌ای را در مساحت ساخته شده تجربه کردند که منجر به افزایش LST در مناطق مورد مطالعه شد. این نوع مطالعات به برنامه‌ریزان شهری، تنظیم‌کننده‌های سیاست‌گذاری و متخصصان مدیریت زمین کمک می‌کند تا نقاط بالقوه توسعه شدید شهری را شناسایی کنند که باید کنترل و برنامه‌ریزی شوند تا از تخریب بیشتر محیط‌زیست جلوگیری شود و از این طریق شیوه‌های برنامه‌ریزی شهری مناسب را در منطقه بگنجانند.

با این حال، مطالعات زیادی با تمرکز بر ارزیابی تأثیر تغییر LULC بر شاخص‌های LCV که منجر به تغییر شرایط آب و هوایی در شهرهای آفریقا می‌شود، گزارش نشده است. این برای شهرهای ساحلی مانند آکرا بسیار مهم است زیرا ثابت شده است که افزایش دمای شهرها منجر به مخاطرات طبیعی مختلفی از جمله خشکسالی ناشی از گرما، سیل، بارندگی شدید جدا از ناراحتی انسان به دلیل محیط حرارتی بیش از حد می شود [ 22 ] [ 23 ]]. در این زمینه، اهداف مطالعه حاضر تجزیه و تحلیل شهرنشینی منطقه بزرگ آکرا، غنا از طریق داده‌های چند زمانی Landsat 7 ETM در سال‌های 2002، 2013 و 2020 و شناسایی الگوی توسعه شهری بر اساس تحلیل آنتروپی شانون بین سال‌های 2002 و 2020. این مطالعه بیشتر با هدف شناسایی تأثیر توسعه شهری منطقه مورد مطالعه بر شاخص‌های LCV شامل NDBI، NDVI، و NDWI (شاخص تفاوت نرمال شده آب) از طریق تکنیک تحلیل رگرسیون فضایی در سال‌های 2002، 2013 و 2020 انجام شد.

2. منطقه مطالعه

منطقه آکرا بزرگ ( شکل 1 ) کوچکترین منطقه از 10 منطقه اداری از نظر مساحت است که مساحت کل زمین 3696 کیلومتر مربع ^یا 1.4 درصد از کل مساحت غنا را به خود اختصاص داده است. با این حال، از نظر جمعیت، این منطقه پرجمعیت‌ترین منطقه است، با جمعیتی معادل 5،455،692 در سال 2021، که 17.69٪ از کل جمعیت غنا را تشکیل می‌دهد [ 24 ]. بنابراین این منطقه دارای بالاترین تراکم جمعیت در کشور است. خط ساحلی آن تقریباً 130 کیلومتر است که از کوکروبیت در غرب تا آدا در شرق امتداد دارد.

این منطقه نسبتاً خشک است زیرا در منطقه آب و هوایی خشک ساحلی استوایی با دمای بین 20 درجه سانتی گراد تا 30 درجه سانتی گراد و بارندگی سالانه از 635 میلی متر در امتداد ساحل تا 1140 میلی متر در قسمت های شمالی قرار می گیرد. دو اوج بارندگی به ویژه در ژوئن و اکتبر وجود دارد. باران‌ها عمدتاً طوفان‌های کوتاه و شدیدی هستند که معمولاً در اکثر نقاط منطقه باعث سیل می‌شوند [ 25 ]. بزرگترین مرکز شهری منطقه بزرگ آکرا، منطقه شهری آکرا بزرگ است که از گروهی از دهکده های ماهیگیری ساحلی به قطب اقتصادی غنا تبدیل شده است و 25 درصد از تولید ناخالص داخلی و تولید ناخالص ملی را تامین می کند.

جذب افراد از سراسر کشور و سایر نقاط جهان [ 26 ].

3. داده ها و روش ها

در مطالعه حاضر، برای تخمین تاثیر شاخص‌های LCV (NDVI، NDBI، NDWI) بر LST و تحلیل الگوی رشد شهری منطقه مورد مطالعه، از مجموعه داده‌های زیر استفاده شده است.

1) نقشه‌های پوشش زمین در سال‌های 2002، 2013 و 2020 با استفاده از تصاویر ماهواره‌ای با وضوح 15 متر (Multispectral PAN ادغام شده) از Landsat 7 ETM که به ترتیب در طی 26 دسامبر 2002، 6 ژانویه 2013 و 26 ژانویه 2020 به دست آمده‌اند (https://ar. usgs.gov/).

2) باند 6 از Landsat 7 ETM (رزولیشن 100 متر) سال های 2002، 2013 و 2020 برای استخراج نقشه های LST منطقه مورد مطالعه استفاده شده است.

3) باندهای 3، 4 و 5 با وضوح 15 متر (Multispectral PAN merged) در تخمین شاخص های LCV (NDVI، NDBI و NDWI) منطقه مورد مطالعه در طول دوره های مورد مطالعه استفاده می شوند.

4) نقشه های شهری تهیه شده از نقشه های پوشش زمین در شناسایی الگوهای پراکندگی شهری سال های 1381، 1392 و 2020 در منطقه مورد مطالعه استفاده می شود.

5) گوگل ارث به همراه اطلاعات میدانی در اعتبار سنجی نقشه های پوشش زمین منطقه مورد مطالعه استفاده می شود.

3.1. تأثیر شاخص های تغییرپذیری پوشش زمین بر LST

تأثیر شاخص های LCV (NDVI، NDBI و NDWI) بر LST در منطقه مورد مطالعه برای سال های 2002، 2013 و 2020 تجزیه و تحلیل شده است ( شکل 2 ) و در بخش 3.1.1 – 3.1.4 مورد بحث قرار گرفته است. بخش 3.2 شناسایی الگوی شهری منطقه مورد مطالعه بین سال های 2002 و 2020 را توضیح می دهد.

3.1.1. نقشه های پوشش زمین

ماشین بردار پشتیبان (SVM) تکنیک طبقه‌بندی نظارت شده برای تهیه نقشه‌های پوشش زمین منطقه مورد مطالعه در سال‌های 2002، 2013 و 2020 اجرا شده است. آب و زمین آزاد

3.1.2. اعتبار سنجی

اعتبار سنجی فرآیند مهمی است که از طریق آن کاربران دقت نقشه های پوشش زمین تهیه شده از طریق تکنیک طبقه بندی [ 28 ] [ 29 ] را درک می کنند. ماتریس خطا یا جدول اقتضایی متداول‌ترین روشی است که برای اعتبارسنجی نقشه‌های پوشش زمین از طریق دقت کلی (OA) و مقدار ضریب کاپا ( k ) استفاده می‌شود. در تحقیق حاضر، دقت نقشه های پوشش اراضی منطقه مورد مطالعه بر حسب OA و K بیان شده است.

3.1.3. تخمین دمای سطح زمین

تخمین LST از طریق Landsat 7 ETM [ 30 ] بر اساس معادلات (1)، (2) و (3) است.

تبدیل شماره دیجیتال (DN) به Radiance

Lλ=LMAX λ–LMIN λسCALMAX–سآرام∗ (سCAL–سآرام) +LMIN λLλ=LMAXλ−LMINλQCALMAX−QCALMIN∗(QCAL−QCALMIN)+LMINλ(1)

که در آن، L _λ تابش طیفی بر حسب وات بر متر مربع ^* srad*µm است.

Q _CAL مقدار پیکسل کالیبره شده کوانتیزه شده در DN است.

Q _CALMAX حداکثر مقدار پیکسل کالیبره شده کوانتیزه شده مربوط به L _MAX λ در DN است ( Q _CALMAX = 255).

Q _CALMIN حداقل مقدار پیکسل کالیبره شده کوانتیزه شده مربوط به L _MIN λ در DN است.

L _MAX λ تابش طیفی است که به Q _CALMAX در وات بر متر مربع ^* srad* میکرومتر مقیاس شده است.

L _MIN λ تابش طیفی است که به Q _CALMIN در وات بر متر مربع ^* srad* میکرومتر مقیاس شده است.

تبدیل درخشندگی به دمای روشنایی

بتی=ک2ln (ک1Lλ+ 1 )BT=K2ln(K1Lλ+1)(2)

که در آن، B _T دمای روشنایی بر حسب کلوین است.

K ₁ و K ₂ ثابت های کالیبراسیون هستند و به ترتیب 666.09 وات / ( ^m2.srad.μm ) و 1282.71 کلوین داده می شوند. B _T تخمین زده شده نشان دهنده LST است که همچنین می تواند در درجه سانتیگراد (˚C) مطابق با معادله (3) بیان شود.

بتی( ˚ C ) =بتی( کلوین ) – 273.15BT(˚C)=BT(kelvin)−273.15(3)

3.1.4. برآورد شاخص های تغییرپذیری پوشش زمین

شاخص های LCV شامل NDVI، NDBI و NDWI منطقه مورد مطالعه بر اساس معادلات (4)-(6) برآورد شده است. NDVI شاخصی است که معمولاً برای اندازه گیری سبزی پوشش گیاهی یک منطقه استفاده می شود [ 31 ]. با اندازه‌گیری تفاوت بین نوارهای مادون قرمز نزدیک و قرمز داده‌های Landsat، پوشش گیاهی موجود در یک منطقه را کمی می‌کند.

نD Vمن=B a n d 4 – B a n d 3B a n d 4 + B a n d 3NDVI=Band 4−Band 3Band 4+Band 3(4)

که در آن، باند 4 و باند 3 نوارهای فروسرخ نزدیک (NIR) و قرمز داده های Landsat 7 ETM هستند.

تخمین NDBI به استخراج مناطق ساخته شده در منطقه مورد مطالعه [ 32 ] کمک می کند و اندازه گیری تفاوت بین باندهای مادون قرمز موج کوتاه و باندهای مادون قرمز نزدیک است. NDBI مطابق با معادله (5) محاسبه می شود.

نD B I=B a n d 5 – B a n d 4B a n d 5 + B a n d 4NDBI=Band 5−Band 4Band 5+Band 4(5)

در اینجا، باند 5 مربوط به باند مادون قرمز موج کوتاه داده های ماهواره لندست 7 است.

نD Wمن=B a n d 2 – B a n d 4B a n d 2 + B a n d 4NDWI=Band 2−Band 4Band 2+Band 4(6)

NDWI (در معادله (6) ارائه شده است) ویژگی‌های آب آزاد موجود در منطقه مورد مطالعه را بر اساس نور سبز مرئی (باند 2) و نوارهای مادون قرمز نزدیک ترسیم می‌کند [ 33 ].

3.1.5. تغییرات زمانی تاثیر شاخص های تغییرپذیری پوشش زمین بر دمای سطح زمین

تأثیر شاخص‌های LCV (NDVI، NDBI و NDWI) بر LST تا حد زیادی به تغییرات زمانی پوشش زمین و فصلی که در طی آن داده‌های Landsat به دست می‌آیند بستگی دارد [ 34 ]. در مطالعه حاضر، تکنیک تحلیل رگرسیون برای تجزیه و تحلیل تأثیر شاخص‌های LCV (تهیه شده همانطور که در بخش 3.1.4 مورد بحث قرار گرفت) بر روی نقشه‌های LST و (برآورد بر اساس بخش 3.1.3) برای سال‌های 2002، 2013 و 2020 به کار گرفته شد. .

NDVI متداول‌ترین شاخصی است که برای اندازه‌گیری تراکم پوشش گیاهی استفاده می‌شود و بین ۱- تا ۱+ متغیر است. هر چه مقدار NDVI بالاتر باشد، پوشش گیاهی موجود در منطقه متراکم تر است. شاخص NDBI برای تجزیه و تحلیل منطقه ساخته شده یک منطقه معین استفاده می شود. مقادیر NDBI با مقادیر مثبت بالاتر، وجود زمین های ساخته شده یا زمین های آزاد را در یک منطقه برجسته می کند. به طور کلی، مقدار NDWI برای آب‌ها بیشتر از 0.5 است [ 35 ].

3.2. تحلیل رشد شهری از طریق تحلیل آنتروپی شانون

برای شناسایی الگوی پراکندگی شهری منطقه مورد مطالعه، روش آنتروپی شانون نرمال شده با استفاده از نقشه‌های شهری سال‌های 2002، 2013 و 2020 اجرا شده است [ 36 ]. منطقه مورد مطالعه بر اساس مرکز اداری به پنج زون فاصله محور (0-5 کیلومتر، 5-25 کیلومتر، 25-50 کیلومتر، 50-75 کیلومتر و 75-100 کیلومتر) تقسیم می شود. بر اساس توسعه شهری در هر یک از این پنج ناحیه، آنتروپی نرمال شده ( HN ) _{همانطور} که در رابطه (7) نشان داده شده است محاسبه می شود.

اچن=1n∑i = 1np (ایکسمن) ∗ ثبت نام {1p (ایکسمن)}HN=1n∑i=1np(xi)∗log{1p(xi)}(7)

که در آن، n تعداد مناطق و در مطالعه حاضر، n = 5. p ( x ) احتمال ایجاد شده در هر منطقه است. مقادیر H _N بین 0 و log _e ( n ) متغیر است. مقدار H _N نزدیک به 0 نشان دهنده نوع فشرده یا همگن پراکندگی شهری است. پراکندگی شهری یک منطقه می تواند به عنوان پراکنده یا ناهمگن شناسایی شود که مقادیر HN به مقدار log _e ( _n ) نزدیکتر باشد .

4. نتایج و بحث

نتایج مطالعه حاضر در بخش های زیر (4.1 – 4.5) توضیح داده شده است.

4.1. نقشه برداری پوشش زمین

نقشه های پوشش زمین منطقه مورد مطالعه تهیه شده به شرح بخش 3.1 در شکل 3 نشان داده شده است. نتایج اعتبار سنجی نقشه های پوشش زمین، OA را به ترتیب 93.01، 85.87 و 86.01 درصد با مقادیر k 0.90، 0.8337 و 0.836 برای سال های 2002، 2013 و 2020 نشان می دهد. نقشه های پوشش زمین افزایش قابل توجهی در مساحت ساخته شده و کاهش در زمین های باز را بین سال های 2002 تا 2020 نشان می دهد. منطقه مورد مطالعه مساحتی معادل 3696 کیلومتر مربع را پوشش می دهد ^که 244.19 کیلومتر مربع ⁽ 6.6%)، 644.85 کیلومتر مربع ⁽ 17.45 درصد) و 970.5 کیلومتر مربع ⁽ 26.16٪) به ترتیب در سال های 2002، 2013 و 2020 ساخته شده است. کاهش قابل توجهی در زمین آزاد از 2176.36 کیلومتر مربع ^در سال 2002 به 1988.88 کیلومتر وجود دارد.² در سال 2020 به 58.88٪ و 53.81٪ در منطقه مورد مطالعه ( شکل 4 ) اختصاص دارد. منطقه مورد مطالعه در سال 2002 دارای 3 میلیون نفر جمعیت بود که در سال 2020 به 5.5 میلیون نفر افزایش یافت و انتظار می رود تا سال 2030 به 13.1 میلیون نفر برسد [ 24 ]. این افزایش جمعیت در منطقه به همراه نرخ مهاجرت بیشتر مردم به منطقه در جستجوی فرصت های شغلی و سبک زندگی بهتر می تواند مناطق ساخته شده را از سال 2002 تا 2020 چهار برابر کرده و سطح پوشش گیاهی را از سال 2002 به نصف کاهش دهد (1131.84). کیلومتر ² ) تا 2020 (633.99 کیلومتر مربع ⁾ . این نتایج با تجزیه و تحلیل پوشش زمین مشابه منطقه شهری آکرا بزرگ توسط [ 12] با استفاده از تصاویر Landsat از 1991، 2000، 2009 و 2015. در این منطقه شهری که متراکم ترین بخش شهری منطقه بزرگ آکرا است، نتایج آنها نشان داد که مساحت ساخته شده بین سال های 1991 و 2015 277 درصد افزایش یافته است در حالی که در این منطقه چهار برابر شده است. مورد ما نقشه کاربری اراضی پیش‌بینی‌شده در سال 2025 آنها نیز الگوی کاملاً مشابهی از گسترش شهری را نسبت به ما نشان می‌دهد. جمعیت و رشد اقتصادی عمده است

عوامل این تغییرات در پوشش زمین [ 10 ]. در واقع، سرمایه‌گذاری هنگفتی در بخش مسکن در سال‌های اخیر انجام شده است [ 12 ] به دلیل افزایش تقاضا توسط مهاجران، مهاجران غنای مقیم خارج و طبقه متوسط ​​رو به رشد. این عمدتاً یک توسعه کاربری خصوصی کنترل نشده است که توسط بازار سرمایه هدایت می شود. [ 37 ] همچنین نشان داده است که این توسعه کاربری خصوصی زمین توسط روسای سنتی که زمین های مرسوم را در امانت برای جوامع خود نگه می دارند ممکن می شود. این زمین ها که در اصل به عنوان کالای مشترک توسط اعضای جوامع برای اهداف کشاورزی استفاده می شود، امروزه به توسعه دهندگان خصوصی فروخته می شود زیرا مالکیت و تملک زمین بسیار رقابتی شده است.

4.2. نقشه برداری دمای سطح زمین

نقشه های LST منطقه مورد مطالعه برآورد شده از طریق باند 6 داده های Landsat 7 ETM همانطور که در بخش 3.2 توضیح داده شده است در شکل 5 نشان داده شده است. LST منطقه مورد مطالعه به طور قابل توجهی بین سال های 2002 و 2020 افزایش یافته است که از افزایش میانگین مقدار LST 10.01 درجه سانتی گراد در سال 2002 به 11.24 درجه سانتی گراد در سال 2013 و 11.49 درجه سانتی گراد در سال 2020 مشهود است. جدول 1 نشان می دهد که در 720 درصد منطقه مورد مطالعه دارای LST مشاهده شده بین 25-30 درجه سانتیگراد بود در حالی که دسته LST بالاتر (بیشتر از 35 درجه سانتیگراد) کمتر از 1 درصد از منطقه مورد مطالعه را اشغال می کرد. با این حال، در سال 2013، 1448.4 کیلومتر مربع ^مربوط به 39٪ از منطقه مورد مطالعه مشاهده شد که دارای LST بین 25 درجه سانتیگراد تا 30 درجه سانتیگراد است، در حالی که حدود 58٪ از منطقه مورد مطالعه (2132.39 کیلومتر مربع ⁾تخمین زده می شود که دارای رده LST بالاتر (30˚C – 35˚C) باشد. لازم به ذکر است که در سال 2020، 69 درصد از منطقه مورد مطالعه LST 30-35 درجه سانتیگراد و 1 درصد در بالاترین رده LST (بیشتر از 35 درجه سانتیگراد) مشاهده کرده اند. این امر می تواند به دلیل وجود مواد متعارف مصنوعی مورد استفاده در محیط شهری از جمله جاده ها، سنگ فرش ها، مصالح سقف و عدم وجود پوشش گیاهی و بدنه های آبی در زمین های باز باشد. دسته‌های ساخته‌شده و زمین‌های باز در مقایسه با دسته‌های پوشش گیاهی یا پوشش‌های آبی بدنه، به دلیل ساطع و جذب تشعشعات خورشیدی بالاتر، مقادیر LST بیشتری دارند. نتایج این تحلیل نشان می دهد که افزایش چهار برابری مساحت ساخته شده می تواند میانگین را افزایش دهد

LST با 1.48 درجه سانتیگراد بین سالهای 2002 و 2020 در منطقه مورد مطالعه.

تأثیر تغییر پوشش زمین بر دمای سطح زمین

تأثیر تغییرات زمانی پوشش زمین بر LST منطقه مورد مطالعه در سال های 2002، 2013 و 2020 در شکل 6 نشان داده شده است . مشاهده می شود که حداقل و حداکثر LST منطقه مورد مطالعه در سال 1381 به ترتیب 14.63 درجه سانتی گراد و 48.92 درجه سانتی گراد است. با این حال، میانگین LST رده پوشش زمین ساخته شده در سال 2002 بیشتر از سایر دسته های پوشش زمین (28.32 درجه سانتی گراد) است. به طور مشابه، در سال‌های 2013 و 2020، میانگین LST در دسته‌های ساخته‌شده (31.38 درجه سانتی‌گراد در سال 2013 و 31.51 درجه سانتی‌گراد در سال 2020) در مقایسه با LST پوشش گیاهی، بدنه آبی و دسته‌های زمین آزاد بالاتر است. منطقه مطالعه

در کنار دسته ساخته شده، زمین آزاد ارزش بالاتر LST را در منطقه مورد مطالعه نشان می دهد. میانگین LST در رده زمین آزاد 04/28 درجه سانتی گراد در سال 2002 مشاهده شد که به 92/30 درجه سانتی گراد در سال 2013 و 40/31 درجه سانتی گراد در سال 2020 افزایش یافت ( شکل 6 ). در منطقه مورد مطالعه، رده بدنه آبی مشاهده می‌شود که مقادیر LST نسبتاً کمتری در طول دوره‌های مورد مطالعه دارد (24.11 درجه سانتی‌گراد در سال 2002، 27.67 درجه سانتی‌گراد در سال 2013 و 28.29 درجه سانتی‌گراد در سال 2020). از این رو، نتایج تجزیه و تحلیل این واقعیت را برجسته می کند که دسته های ساخته شده و زمین های باز مقادیر LST بالاتری را در منطقه مورد مطالعه نسبت به دسته های پوشش گیاهی و بدنه آبی نشان می دهند. این واقعیت را ثابت می کند که

هنگامی که منطقه مورد مطالعه در معرض شهرنشینی قرار می گیرد، دسته های پوشش زمین غیر ساخته شده (پوشش گیاهی، بدنه آبی) پاکسازی شده و به دسته های زمین باز و ساخته شده تبدیل می شوند. از آنجایی که مناطق ساخته شده از ویژگی های مواد مصنوعی ساخته شده توسط انسان هستند و زمین های باز فاقد فضای سبز هستند، LST بالاتری را در منطقه مورد مطالعه در سال های 2002، 2013 و 2020 نشان دادند.

آمارهای موجود LST به وضوح برای شهرهای گرمسیری تأیید می کند که مناطق شهری بیشتر منجر به مقادیر بالاتر LST می شود و همچنین LST در طول سال ها با کاهش مناطق پوشش گیاهی افزایش می یابد. [ 38 ] برای مثال با مطالعه ای در مقیاس کوچکتر شهر آکرا نشان داد که شهری ترین و صنعتی ترین مناطق محصور آکرا مانند Kwedonu، Accra central، Teshie و Spintex مقادیر دمای بسیار بالایی را عمدتاً 35 درجه سانتیگراد و بالاتر برای سال ثبت کردند. بین سال‌های 2005 تا 2017، در حالی که دماهای پایین‌تری در مکان‌هایی با پوشش گیاهی متراکم مانند جنگل اکولوژیکی آچیموتا، GIMPA و اطراف دانشگاه غنا ثبت شد.

یک مطالعه تطبیقی ​​توسط [ 39 ] روی آکرا، پایتخت، و کوماسی، شهری در منطقه اشانتی، همچنین محدوده‌های دمایی را نشان می‌دهد که معمولاً برای کوماسی نسبت به آکرا و متراکم‌ترین آن‌ها کمتر است.

4.3. همبستگی بین دمای سطح زمین و شاخص های تغییرپذیری پوشش زمین

رابطه بین LST و شاخص های تغییرپذیری پوشش زمین، دانشمندان بیشتری را به خود جذب می کند [ 40 ] [ 41 ]. انواع مختلف کاربری زمین و پوشش زمین تحت تحلیل LST به طور متفاوتی واکنش نشان می دهند و باعث می شود LST در محیط شهری [ 41 ] [ 42 ] [ 43 ] به طور گسترده ای متفاوت باشد، به ویژه در مناطق شهری بزرگتر مانند آنچه در مطالعه حاضر مورد تجزیه و تحلیل قرار گرفته است. از آنجایی که استفاده از زمین و انواع پوشش زمین از طریق فرآیند تبدیل زمین تکامل می یابد، زمان یک عامل مهم در نظارت LST است. مطالعات موجود نیز تغییرات فصلی را در نظر گرفته اند زیرا ارتفاع خورشید و آزیموت خورشید با فصول تغییر می کنند، اما این برای آکرا، غنا ضروری نبود.

نقشه‌های شاخص‌های LCV (NDVI، NDBI و NDWI) منطقه مورد مطالعه که همانطور که در بخش 3.1 توضیح داده شد، در شکل 7 نشان داده شده‌اند . تغییرات زمانی در تأثیر NDBI، NDWI و NDVI بر LST بین سال‌های 2002 و 2020 تجزیه و تحلیل شده است ( شکل 8 ). از شکل 8 ، مشهود است که NDBI با LST رابطه مثبت دارد، در حالی که پوشش گیاهی و شاخص های بدنه آبی (NDVI و NDWI) با LST رابطه منفی گزارش شده است. رابطه مثبت بین LST و NDBI در سال 2020 بیشتر از سال 2002 مشهود است همانطور که در مقدار R ² نشان داده شد که در سال 2002 0.52 و در سال 2020 0.76 گزارش شد. علاوه بر این، رابطه منفی بین LST و NDVI، NDWI در سال 2020 قوی تر است. (R ² _LST و NDVI: 0.44؛ R ²_LST و NDWI: 0.76) نسبت به سال 2002 (R ² _LST و NDVI: 0.37؛ R ² _LST و NDWI: 0.52). این امر بیانگر این واقعیت است که با افزایش شهرک‌ها و زمین‌های آزاد، LST منطقه مورد مطالعه نیز افزایش می‌یابد. با این حال، افزایش پوشش گیاهی و بدنه آبی LST را بین سال‌های 2002 و 2020 در منطقه مورد مطالعه کاهش می‌دهد.

این نتایج ثابت کرده است که همبستگی قوی بین گسترش مناطق ساخته شده و زمین های آزاد به عنوان مشکوک وجود دارد. بنابراین ضروری است که

در چارچوب برنامه ریزی شهری اقدام کنند. چالش ها در دوگانگی سیستم های مدیریت زمین مرسوم و مدرن و همچنین در رویکردهای برنامه ریزی شهری و تحول نهفته است. بحث در مورد طرح جامع منطقه بزرگ آکرا باید به جلو کشیده شود تا عموم مردم از هدایت بهتر توسعه فضایی اطمینان حاصل کنند. پروژه‌های محوطه‌سازی کوچک‌تر و دقیق‌تر درون شهری نیز ممکن است تأثیراتی بر آسایش شهری داشته باشند.

4.4. تجزیه و تحلیل الگوی رشد ساخته شده از طریق آنتروپی شانون

از شکل 3 ، مشاهده می شود که مناطق ساخته شده در منطقه مورد مطالعه از سال 2002 تا 2020 در حال افزایش است. منطقه مورد مطالعه به پنج منطقه مبتنی بر فاصله از مرکز اداری تقسیم شده است ( شکل 9 ). مقادیر آنتروپی ساخته شده در سال های 2002، 2013 و 2020 به ترتیب 0.8193، 1.5355 و 1.7035 است. حداکثر مقدار آنتروپی با پنج ناحیه 1.6094 است (log _e 5). مقادیر آنتروپی از سال 2002 تا 2020 افزایش می یابد که نشان می دهد شهرنشینی در طبیعت پراکنده در منطقه مورد مطالعه است. مشاهده می شود که پهنه 5 تا 25 کیلومتری مرکز اداری بیشترین شهرنشینی را در دوره های مورد مطالعه 1389، 1392 و 1399 به ترتیب با 51، 43 و 46 درصد داشته است.

5. نتیجه گیری

در مطالعه کنونی، تغییرات کاربری اراضی/پوشش زمین در آکرا بزرگ، غنا در سال‌های 2002، 2013 و 2020 از طریق تصاویر ماهواره‌ای چندزمانی Landsat 7 ETM مورد تجزیه و تحلیل قرار گرفت. نتایج نشان داد که مساحت ساخته شده در منطقه در سال 2002 244.19 کیلومتر مربع مشاهده شد ^که چهار برابر شد و در سال 2020 به 970.5 کیلومتر مربع ^رسید . همچنین بر اساس آنتروپی شانون، مقادیر آنتروپی نرمال شده برای منطقه مورد مطالعه 0.82 بود ، 1.54 و 1.7 در سال های 2002، 2013 و 2020. این نشان می دهد که منطقه در حال توسعه شهری پراکنده یا ناهمگن است.

نتایج این مطالعه اطلاعات بسیار مهمی برای برنامه ریزی شهری است که قرار است با تخصیص مساحت و کارکردها، آسایش شهری و حفاظت از محیط زیست و همچنین فعالیت های اقتصادی را تامین کند. اقدامات شجاعانه و فوری برای کاهش اثرات نامطلوب تغییرات آب و هوایی در منطقه مورد نیاز است.

منابع

[ 1 ]	سازمان ملل متحد، وزارت امور اقتصادی و اجتماعی (2019) با سرعت آهسته تر رشد می کند، انتظار می رود جمعیت جهان در سال 2050 به 9.7 میلیارد نفر برسد و در حدود سال 2100 به اوج خود نزدیک به 11 میلیارد برسد. https://www.un.org/development/ desa/fa/news/population/world-population-prospects-2019.html
[ 2 ]	آژانس بین‌المللی انرژی (2021، 2 مارس) بررسی جهانی انرژی: انتشار CO2 در سال 2020. https://www.iea.org/articles/global-energy-review-co2-emissions-in-2020
[ 3 ]	Kuddus, MA, Tynan, E. and McBryde, E. (2020) شهرنشینی: مشکلی برای ثروتمندان و فقرا؟ بررسی های بهداشت عمومی، 41، مقاله شماره 1. https://doi.org/10.1186/s40985-019-0116-0
[ 4 ]	زیستگاه سازمان ملل (برنامه اسکان بشر سازمان ملل متحد) (2019) برنامه استراتژیک 2020-2023. برنامه اسکان بشر سازمان ملل متحد، نایروبی. https://unhabitat.org/sites/default/files/documents/2019-09/strategic_plan_2020-2023.pdf
[ 5 ]	وزارت امور اقتصادی و اجتماعی (2020) گزارش اجتماعی جهانی 2020: نابرابری در جهان به سرعت در حال تغییر. سازمان ملل متحد، نیویورک. https://www.un.org/development/desa/dspd/wp-content/uploads/sites/22/2020/02/World-Social-Report2020-FullReport.pdf
[ 6 ]	Zullo, F., Fazio, G., Romano, B., Marucci, A. and Fiorini, L. (2019) اثرات الگوی فضایی رشد شهری (UGSP) بر دمای سطح زمین (LST): مطالعه ای در پو دره (ایتالیا). Science of the Total Environment, 650, 1740-1751. https://doi.org/10.1016/j.scitotenv.2018.09.331
[ 7 ]	Mallick, SK and Rudra, S. (2021) تغییرات کاربری زمین و تأثیر آن بر محیط زیست بیوفیزیکی: مطالعه بر روی ساحل رودخانه. مجله مصری سنجش از دور و علوم فضایی، 24، 1037-1049. https://doi.org/10.1016/j.ejrs.2021.11.002
[ 8 ]	USGS (United States Geological Survey) (2013) غرب آفریقا: استفاده از زمین و دینامیک پوشش زمین: رشد سکونتگاه ها. https://eros.usgs.gov/westafrica/settlements-growth
[ 9 ]	Guneralp، B.، Lwasa، S.، Masundire، H.، Parnell، S. و Seto، KC (2018) شهرنشینی در آفریقا: چالش ها و فرصت ها برای حفاظت. نامه تحقیقات محیطی، 13، شناسه مقاله: 015002. https://doi.org/10.1088/1748-9326/aa94fe
[ 10 ]	گروه آروپ (2016) شهرهای اثبات کننده آینده: غنا-شهرهای متروپولیتن. https://www.arup.com/perspectives/publications/research/section/future-cities-africa
[ 11 ]	سرویس آماری غنا (2013) گزارش ملی تحلیلی سرشماری نفوس و مسکن (PHC) 2010. خدمات آماری غنا، آکرا. https://statsghana.gov.gh/gssmain/fileUpload/pressrelease/2010_PHC_National_Analytical_Report.pdf
[ 12 ]	Addae, B. and Oppelt, N. (2019) تجزیه و تحلیل تغییر کاربری/پوشش زمین و مدل‌سازی رشد شهری در منطقه شهری آکرا بزرگ (GAMA)، غنا. علوم شهری، 3، مقاله شماره 26. https://doi.org/10.3390/urbansci3010026
[ 13 ]	Kouassi, J., Gyau, A., Diby, L., Bene, Y. and Kouamé, C. (2021) ارزیابی استفاده از زمین و تغییر پوشش زمین و برداشت کشاورزان از جنگل زدایی و تخریب زمین در جنوب غربی Cote d’ عاج، غرب آفریقا زمین 10 مقاله شماره 429 https://doi.org/10.3390/land10040429
[ 14 ]	Adepoju، A. (2006) مهاجرت داخلی و بین المللی در آفریقا. در: Kok, P., Gelderblom, D., Oucho, JO and Zyl, JV, Eds., Migration in South and Southern Africa, HSRC Press, Cape Town, 26-45.
[ 15 ]	Yu, Y., Liu, Y., Yu, P., Liu, Y. and Yu, P. (2018) توسعه محصول با دمای سطح زمین 5.12 برای ماموریت های JPSS و GOES-R. سنجش از دور جامع، 5، 284-303. https://doi.org/10.1016/B978-0-12-409548-9.10522-6
[ 16 ]	Ren, Z., Li, Z., Wu, F., Ma, H., Xu, Z., Jiang, W., Wang, S. and Yang, J. (2022) تکامل مکانی-زمانی اثر محیط حرارتی شهری و عوامل مؤثر بر آن: مطالعه موردی پکن، چین. مجله بین المللی اطلاعات جغرافیایی 11 مقاله شماره 278 https://doi.org/10.3390/ijgi11050278
[ 17 ]	Akinbobola، A. (2019) شبیه سازی تغییرات پوشش زمین و تأثیرات آنها بر دمای سطح زمین در اونیتشا، جنوب شرقی نیجریه. علوم جوی و آب و هوا، 9، 243-263. https://doi.org/10.4236/acs.2019.92017
[ 18 ]	Qian, L., Cui, H. and Chang, J. (2006) تأثیرات استفاده از زمین و تغییر پوشش بر دمای سطح زمین در دلتای ژوجیانگ. پدوسفر، 16، 681-689. https://doi.org/10.1016/S1002-0160(06)60103-3
[ 19 ]	Kimuku, CW and Ngigi, M. (2017) مطالعه روندهای جزیره گرمایی شهری برای کمک به برنامه ریزی شهری در شهرستان ناکورو-کنیا. مجله نظام اطلاعات جغرافیایی، 9، 309-325. https://doi.org/10.4236/jgis.2017.93019
[ 20 ]	Roy, S., Pandit, S., Eva, EA, Bagmar, MSH, Papia, M., Banik, L., Dube, T., Rahman, F. and Razi, MA (2020) بررسی پیوند بین سطح زمین دما و رشد شهری در منطقه شهری Chattogram بنگلادش با استفاده از داده های بلند مدت سری Landsat. اقلیم شهری، 32، شناسه مقاله: 100593. https://doi.org/10.1016/j.uclim.2020.100593
[ 21 ]	Mukherjee, F. and Singh, D. (2020) ارزیابی تغییر کاربری زمین-پوشش زمین و تأثیر آن بر دمای سطح زمین با استفاده از داده های LANDSAT: مقایسه دو منطقه شهری در هند. سیستم های زمین و محیط، 4، 385-407. https://doi.org/10.1007/s41748-020-00155-9
[ 22 ]	Son, NT, Chen, CF and Chen, CR (2020) گسترش شهری و تأثیرات آن بر دمای محلی در سن سالوادور، السالوادور. اقلیم شهری، 32، شناسه مقاله: 100617. https://doi.org/10.1016/j.uclim.2020.100617
[ 23 ]	سازمان ملل متحد، تغییر آب و هوا (2020) تغییرات آب و هوا تهدیدی فزاینده برای آفریقا است. https://unfccc.int/news/climate-change-is-an-increasing-threat-to-africa
[ 24 ]	سرویس آماری غنا (2021) انتشار گزارش عمومی سرشماری نفوس و مسکن (PHC) 2021. خدمات آماری غنا، آکرا. https://census2021.statsghana.gov.gh/
[ 25 ]	Hayward، DF و Oguntoyinbo، JS (2021) اقلیم شناسی غرب آفریقا. روتلج، لندن
[ 26 ]	کمیسیون اقتصادی آفریقا (2021) مطالعه جدید نشان می دهد که آکرا یک سوم تولید ناخالص داخلی غنا را تولید می کند. https://uneca.org/?q=stories/new-study-shows-accra-generates-one-third-of-ghana%E2%80%99s-gdp
[ 27 ]	Din, SU and Mak, HWL (2021) بازیابی نقشه‌های کاربری زمین/تغییر پوشش زمین (LUCC) و دینامیک گسترش شهری حیدرآباد، پاکستان از طریق مجموعه داده‌های Landsat و چارچوب ماشین بردار پشتیبانی. سنجش از دور 13 شماره مقاله 3337 https://doi.org/10.3390/rs13163337
[ 28 ]	Chughtai, AH, Abbasi, H. and Karas, IR (2021) مروری بر روش تشخیص تغییر و ارزیابی دقت برای پوشش زمین کاربری. کاربردهای سنجش از دور: جامعه و محیط زیست، 22، شناسه مقاله: 100482. https://doi.org/10.1016/j.rsase.2021.100482
[ 29 ]	Rwanga, SS and Ndambuki, JM (2017) ارزیابی دقت کاربری زمین/طبقه بندی پوشش زمین با استفاده از سنجش از دور و GIS. مجله بین المللی علوم زمین، 8، 611-622. https://doi.org/10.4236/ijg.2017.84033
[ 30 ]	Ndossi, MI and Avdan, U. (2016) کاربرد فن‌آوری‌های کدگذاری منبع باز در تولید نقشه‌های دمای سطح زمین (LST) از Landsat: یک افزونه PyQGIS. سنجش از دور 8 مقاله شماره 413 https://doi.org/10.3390/rs8050413
[ 31 ]	ابوطالب، ک.، مودده، MF، نکونگولو، N. و نیوت، SW (2021) برآورد شاخص سبز بودن شهری با استفاده از داده‌های سنجش از دور: مطالعه موردی حومه‌های مرفه در مقابل فقیر در شهر ژوهانسبورگ. مجله مصری سنجش از دور و علوم فضایی، 24، 343-351. https://doi.org/10.1016/j.ejrs.2020.07.002
[ 32 ]	Zheng, Y., Tang, L. and Wang, H. (2021) یک رویکرد بهبود یافته برای نظارت بر مناطق ساخته شده شهری با ترکیب NPP-VIIRS Nighttime Light، NDVI، NDWI و NDBI. مجله تولید پاکتر، 328، شناسه مقاله: 129488. https://doi.org/10.1016/j.jclepro.2021.129488
[ 33 ]	Zha, Y., Gao, J. and Ni, S. (2003) استفاده از شاخص ایجاد شده با تفاوت عادی در نقشه برداری خودکار مناطق شهری از تصاویر TM. مجله بین المللی سنجش از دور، 24، 583-594. https://doi.org/10.1080/01431160304987
[ 34 ]	Yang, H., Xi, C., Zhao, X., Mao, P., Wang, Z., Shi, Y., He, T. and Li, Z. (2020) اندازه گیری تغییرات دمایی سطح زمین شهری تحت گسترش شهر ژنگژو با استفاده از داده های مشابه Landsat. سنجش از دور 12 مقاله شماره 801 https://doi.org/10.3390/rs12050801
[ 35 ]	Sharma, R. and Joshi, PK (2016) نگاشت اثرات زیست محیطی شهرنشینی سریع در منطقه پایتخت ملی هند با استفاده از ورودی های سنجش از دور. آب و هوای شهری، 15، 70-82. https://doi.org/10.1016/j.uclim.2016.01.004
[ 36 ]	Patra، PK و Goswami، S. (2022) رویکرد آنتروپی شانون نسبی برای کمی کردن رشد شهری با استفاده از سنجش از دور و GIS: مطالعه موردی شهر کاتک، اودیشا، هند. مجله انجمن هندی سنجش از دور، 50، 747-762. https://doi.org/10.1007/s12524-022-01493-z
[ 37 ]	Yankson، PWK and Gough، KV (1999) تأثیر محیطی شهرنشینی سریع در منطقه پیرامون شهری آکرا، غنا. Geografisk Tidsskrift-Danish Journal of Geography, 99, 89-100. https://doi.org/10.1080/00167223.1999.10649426
[ 38 ]	Mensah, E. (2017) پوشش زمین، دمای سطح زمین و اثرات جزیره گرمایی شهری در شهر گرمسیری زیر صحرای آکرا. مجموعه مقالات در کنفرانس ICGE 2017: نوزدهمین کنفرانس بین المللی مهندسی ژئوماتیک، لیسبون، 18-20 اکتبر 2017، 1-9.
[ 39 ]	Twumasi، YA، Merem، EC، Namwamba، JB، Mwakimi، OS، Ayala-Silva، T.، Frimpong، DB، Ning، ZH، و همکاران. (2021) تخمین دمای سطح زمین از داده های ماهواره مادون قرمز حرارتی Landsat-8 OLI. تحلیل تطبیقی ​​دو شهر در غنا. پیشرفت در سنجش از دور، 10، 131-149. https://doi.org/10.4236/ars.2021.104009
[ 40 ]	Qihao, W., Lu, D. and Schubring, J. (2004) تخمین رابطه دمای سطح زمین – فراوانی گیاهی برای مطالعات جزیره گرمایی شهری. سنجش از دور محیط زیست، 89، 467-483. https://doi.org/10.1016/j.rse.2003.11.005
[ 41 ]	Guha، S. و Govil. H. (2020) رابطه بین دمای سطح زمین و تفاوت عادی شده با شاخص گیاهی: مطالعه فصلی در یک شهر گرمسیری. SN علمی کاربردی 2 مقاله شماره 1661 https://doi.org/10.1007/s42452-020-03458-8
[ 42 ]	قبادی، ی.، بیسوجیت، ص.، حلمی، ZMS و کبیری، ک. (1394) ارزیابی رابطه فضایی بین دمای سطح زمین و بازیابی کاربری/پوشش از داده های سنجش از دور چند زمانی در زیرحوضه کرخه جنوبی، ایران. مجله عربی علوم زمین، 8، 525-537. https://doi.org/10.1007/s12517-013-1244-3
[ 43 ]	Estoque، RC، Yuji، M. and Soe، WM (2017) اثرات ترکیب و الگوی منظر بر دمای سطح زمین: مطالعه جزیره گرمایی شهری در کلان شهرهای آسیای جنوب شرقی. علم محیط زیست کل 577، 349-359. https://doi.org/10.1016/j.scitotenv.2016.10.195.