شهرنشینی سریع منجر به تغییرات قابل توجهی در دمای سطح زمین (LST) شده است که به نوبه خود بر اثر محیط حرارتی شهری و سلامت ساکنان تأثیر می گذارد. بررسی علل تأثیر محیط حرارتی شهری، راهنمایی هایی را برای ارتقای توسعه پایدار شهری ارائه می دهد. تکامل مکانی-زمانی اثر محیط حرارتی شهری در جاده کمربندی ششم پکن با وارونگی داده های سنجش از دور برای به دست آوردن LST در سال های 2004، 2009، 2014 و 2019 مورد تجزیه و تحلیل قرار گرفت. علاوه بر این، بر اساس داده های فضایی چند متغیره، ما بیضی انحراف استاندارد (SDE)، تجزیه و تحلیل اجزای اصلی فضایی (PCA)، و روش‌های دیگر برای تجزیه و تحلیل و شناسایی روابط بین اثر محیط حرارتی شهری و عوامل مؤثر بر آن. نتایج نشان می دهد که از سال 2004 تا 2019، توزیع فضایی توسعه شهری و LST در جاده کمربندی ششم پکن ارتباط نزدیکی داشتند، منطقه جزیره گرمایی روند افزایشی کمی را نشان داد و تفاوت‌ها در اثر محیط حرارتی بین مناطق مختلف اداری در دوره‌های مختلف آشکار بود. عوامل اصلی مؤثر بر اثر محیط حرارتی شهری، شدت ساخت و ساز شهری، پوشش گیاهی و بدنه آبی، فعالیت‌های اجتماعی-اقتصادی و ژئومورفولوژی بود. قابل ذکر است که عوامل انسانی تأثیر بیشتری نسبت به عوامل طبیعی داشتند. در این میان، اثر مثبت شاخص سطح غیرقابل نفوذ نرمال شده تفاوت (NDBBI) و اثر منفی پوشش گیاهی کسری (FVC) بارزترین بودند.

کلید واژه ها:

اثر محیط حرارتی شهری ; داده های چند منبعی ؛ تجزیه و تحلیل اجزای اصلی فضایی ; پکن

1. مقدمه

فرآیند شهرنشینی تأثیر عمیقی بر محیط زیست محیطی یک منطقه دارد. شهرنشینی ابتدا به صورت مکانی در جایگزینی مناظر طبیعی با مناظر شهری و در تغییرات در وضعیت کلی محیط زیست بوم منطقه ای با تأثیر بر چرخه مواد و جریان انرژی اکوسیستم [ 1 ] منعکس می شود. اثر محیط حرارتی شهری عنصر مهمی است که می‌تواند تبادل انرژی بین فعالیت‌های انسانی و سیستم‌های طبیعی را مشخص کند و جلوه‌ای از تأثیر شهرنشینی بر اقلیم منطقه است [ 2 ]. علاوه بر این، مبنای مهمی برای درک چگونگی واکنش اکوسیستم‌ها در مناطق شهری به تکامل چشم‌انداز ارائه می‌دهد. اولین بار توسط هاوارد در سال 1818 پیشنهاد شد [ 2]، اثر محیط حرارتی شهری به طور خاص در دماهای بسیار بالاتر در شهرها نسبت به حومه‌های بیرونی منعکس می‌شود که معمولاً با اثر جزیره گرمایی شهری (UHI) اندازه‌گیری می‌شود. از زمانی که برای اولین بار پیشنهاد شد، توجه آکادمیک گسترده ای را به خود جلب کرد [ 3 ، 4 ، 5 ].
دمای سطح زمین (LST) به عنوان یک پارامتر مهم در نظر گرفته می شود که به طور مستقیم اثر محیط حرارتی شهری را کنترل می کند. LST تمام فعل و انفعالات سطح- اتمسفر و شار انرژی بین جو و زمین را منعکس می کند و نقش مهمی در مطالعه اثرات محیط حرارتی دارد [ 6 ، 7 ]. از زمان اجرای سیاست اصلاحات و بازگشایی، نرخ شتابان شهرنشینی چین در دهه های اخیر منجر به افزایش LST در مناطق شهری شده است، با تأثیرات مستقیم بر کیفیت هوای شهری [ 8 ، 9 ]، آب و هوای محلی [ 10 ، 11 ]، استفاده از انرژی [ 12 ]، آسایش حرارتی [ 13 ، 14، 15 ] و جامعه بیولوژیکی [ 16 ]. علاوه بر این، یک محیط با دمای بالا می تواند سلامت انسان را از نظر فیزیولوژیکی و روانی تهدید کند. دمای بالا نه تنها دلیل مستقیم گرمازدگی و کم آبی بدن است، بلکه بر کیفیت خواب تأثیر می گذارد و باعث تحریک پذیری و اختلالات سلامت روان در افراد می شود و در نتیجه خطر افسردگی و سایر اختلالات روانی را افزایش می دهد [ 17 ، 18 ، 19 ]. این اثرات باعث کاهش کیفیت محیط حرارتی می شود که به نوبه خود توسعه شهری را کند می کند. ایجاد حفاظت از محیط زیست زیست محیطی و شیوه های زندگی پایدار و سازگار با محیط زیست برای انسان همچنان توجه روزافزونی را به خود جلب می کند.20 ، 21 ]، و کاهش اثر محیط حرارتی و طراحی محیط های زندگی شهری پایدار به اهداف فوری محیط زیست بوم شهری تبدیل شده است [ 22 ، 23 ]. بنابراین، روشن کردن همبستگی بین اثر محیط حرارتی شهری بر سکونتگاه‌های انسانی شهری و عوامل مؤثر مختلف، به پیشبرد درک فعلی در مورد بازخورد متقابل بین الگوی منظر و فرآیندهای اکولوژیکی در مناطق شهری کمک خواهد کرد. این پیشرفت ها نه تنها به توسعه پایدار محیط های شهری کمک می کند، بلکه به بهبود کیفیت زندگی انسان کمک می کند [ 24 ، 25 ].
مطالعات متعددی بر روی تکامل مکانی-زمانی [ 26 ، 27 ]، علل تشکیل [ 28 ، 29 ، 30 ]، مورفولوژی و ساختار [ 31 ]، اثرات زیست محیطی [ 32 ، 33 ]، مکانیسم ها [ 34 ، 35 ] و شبیه سازی ها انجام شده است. 36 ، 37 ] اثر محیطی حرارتی شهری. عوامل مؤثر بر اثرات محیط حرارتی به عنوان [ 38 ] (1) پوشش زمین، از جمله تغییر پوشش کاربری زمین [ 39 ، 40 ] شناسایی شده است.]، شاخص پوشش گیاهی تفاوت نرمال شده (NDVI) [ 41 ، 42 ]، شاخص ایجاد اختلاف نرمال شده [ 43 ، 44 ]، و شاخص سطح غیرقابل نفوذ نرمال شده تفاوت (NDBBI) [ 45 ، 46 ]. (2) توصیف توسعه شهری با استفاده از عوامل اجتماعی-اقتصادی، از جمله تولید ناخالص داخلی (GDP) [ 47 ]، تراکم جمعیت [ 32 ، 48 ]، و فعالیت های تولید صنعتی [ 49 ]]؛ و (3) عوامل طبیعی، عمدتاً از جمله ارتفاع و شیب. با این حال، استفاده از یک عنصر جغرافیایی واحد برای تجزیه و تحلیل جامع اثر محیط حرارتی شهری دشوار است. تجزیه و تحلیل مولفه اصلی فضایی (PCA) می تواند اثرات همبستگی بین شاخص های ارزیابی را حذف کند. علاوه بر این، شاخص‌های رتبه‌بندی متعددی را می‌توان به تعداد کمتری از شاخص‌های یکپارچه ساده کرد و در عین حال اکثریت قریب به اتفاق اطلاعات را حفظ کرد. در تابع ارزیابی یکپارچه، وزن هر جزء اصلی نرخ مشارکت آن است که می تواند نسبت مقدار اطلاعات جزء اصلی حاوی داده های اصلی را به کل اطلاعات منعکس کند، به طوری که تعیین وزن ها عینی باشد. و معقول [ 50]. این روش برای تجزیه و تحلیل جامع رابطه بین عوامل مختلف تأثیرگذار و تأثیر محیط حرارتی شهری مفید است. علاوه بر این، بسیاری از مطالعات بر اهمیت ترکیب و پیکربندی منظر در کاهش اثر محیط حرارتی شهری تاکید کرده‌اند [ 24 ، 51 ، 52 ]. با این حال، فقدان مطالعات تطبیقی ​​مناطق مختلف اداری در داخل شهرها در دوره های زمانی مختلف، ارائه توصیه های خاص برای کاهش اثرات محیط حرارتی در مناطق مختلف را دشوار می کند.
پکن یکی از پرجمعیت ترین مناطق شهری در جهان است. فعالیت های انسانی فشرده و توسعه شهری در جاده کمربندی ششم منجر به افزایش قابل توجه LST شده است که تهدیدی بزرگ برای آسایش انسان و محیط حرارتی است. بنابراین، در این مطالعه، تکامل مکانی و زمانی اثر محیط حرارتی شهری در جاده کمربندی ششم پکن با وارونگی داده های سنجش از دور برای به دست آوردن LST در سال های 2004، 2009، 2014 و 2019 مورد تجزیه و تحلیل قرار گرفت. علاوه بر این، بر اساس چند متغیره داده‌های مکانی (نقشه‌نگار موضوعی Landsat 4-5)، مادون قرمز حرارتی تصویرگر زمین عملیاتی Landsat 8 (OLI TIRS)، مدل ارتفاعی دیجیتال (DEM)، شبکه جاده‌ای، نقطه مورد نظر (POI)، و داده‌های نور شبانه شبانه (NPP/VIIRS) سیستم ماهواره‌ای عملیاتی محیطی عملیاتی مدار قطبی، پروژه آماده‌سازی سیستم ماهواره‌ای محیطی عملیاتی مدار قطبی، ما عوامل مختلف طبیعی و انسانی را به دست آوردیم که ارتباط نزدیکی با اثر محیط حرارتی شهری دارند و بیضی انحراف استاندارد (SDE) را اعمال کردیم. )، PCA فضایی، و روش های دیگر برای شناسایی و تجزیه و تحلیل روابط بین اثر محیط حرارتی شهری و عوامل موثر بر آن. نتایج این مطالعه پشتیبانی نظری را برای کاهش اثر محیط حرارتی شهری و ترویج توسعه پایدار شهری ارائه می‌کند. و روش های دیگر برای شناسایی و تجزیه و تحلیل روابط بین اثر محیط حرارتی شهری و عوامل موثر بر آن. نتایج این مطالعه پشتیبانی نظری را برای کاهش اثر محیط حرارتی شهری و ترویج توسعه پایدار شهری ارائه می‌کند. و روش های دیگر برای شناسایی و تجزیه و تحلیل روابط بین اثر محیط حرارتی شهری و عوامل موثر بر آن. نتایج این مطالعه پشتیبانی نظری را برای کاهش اثر محیط حرارتی شهری و ترویج توسعه پایدار شهری ارائه می‌کند.

2. مواد و روشها

2.1. منطقه مطالعه

پکن در قسمت شمالی دشت چین شمالی واقع شده است و پایتخت جمهوری خلق چین است ( شکل 1 ). این شهر دارای آب و هوای معتدل قاره ای موسمی با میانگین دمای سالانه 12.3 درجه سانتی گراد و میانگین بارندگی سالانه 600 میلی متر است. در 20 سال گذشته، میانگین دما و بارندگی در پکن در نوسان بوده است که روند کلی صعودی را نشان می دهد ( شکل 2 ). بر اساس طرح جامع شهر پکن (2016-2035)، کل منطقه اداری پکن شامل 16410 کیلومتر مربع است .و جمعیت دائمی پکن به 23 میلیون نفر محدود شده است. جاده کمربندی ششم نشان دهنده مرز متمرکزترین منطقه برای فعالیت های مختلف و جمعیت پکن است. منطقه درون جاده کمربندی ششم یک مکان کلیدی برای ساخت زیرساخت های اکولوژیکی شهری است و یک منطقه معقول برای انجام تحقیقات در مورد اثر محیط حرارتی شهری ارائه می دهد.

2.2. منابع اطلاعات

در این مطالعه، تصاویر سنجش از راه دور چندطیفی و حرارتی مادون قرمز Landsat 5 TM و Landsat 8 OLI از مرکز داده سازمان زمین‌شناسی ایالات متحده (USGS) ( https://glovis.usgs.gov/ ، دسترسی به 3 اکتبر 2021) به دست آمد. زمان جمع آوری داده های تصویر سنجش از دور تابستان های گرم با هوای صاف و پوشش ابر در منطقه مورد مطالعه کمتر از 5 درصد بود. داده‌های تصویر سنجش از دور توسط نرم‌افزار ENVI 5.3 با استفاده از کالیبراسیون رادیومتریک، تصحیح اتمسفر و برش ناحیه مورد نظر [ 45 ] پیش پردازش شدند. سپس تصاویر در هفت دسته پوشش زمین، یعنی زمین زراعی، جنگل، درختچه، علفزار، آب، زمین غیر قابل نفوذ و زمین بایر طبقه بندی شدند ( شکل 3).). داده‌های اضافی شامل داده‌های POI، داده‌های DEM، داده‌های شبکه جاده‌ای مختلف، داده‌های نور شبانه NPP/VIIRS، و نقشه برداری از مرزهای اداری در جاده حلقه ششم ( جدول 1 ) بود.

2.3. مواد و روش ها

این مطالعه از داده‌های سنجش از دور به‌دست‌آمده در جاده کمربندی ششم پکن از سال 2004 تا 2019 برای استخراج دمای سطح شهری در سال‌های 2004، 2009، 2014 و 2019 و سپس تحلیل الگوهای تکامل مکانی و زمانی اثر محیط حرارتی شهری استفاده کرد. بر اساس مطالعات قبلی، عوامل مختلف طبیعی و انسانی که ارتباط نزدیکی با محیط حرارتی شهری دارند، از داده‌های فضایی چند متغیره (Landsat 4-5 TM، Landsat 8 OLI TIRS، DEM، شبکه جاده، POI، و NPP/VIIRS داده‌های نور شبانه) به‌دست آمدند. از جمله شاخص سطح غیرقابل نفوذ نرمال شده (NDISI)، پوشش گیاهی کسری (FVC)، شاخص تفاوت نرمال شده آب اصلاح شده (MNDWI)، تفاوت نرمال شده بین شاخص زمین برهنه و ساختمان (NDBBI)، آلبدو سطح، داده های نور شبانه NPP/VIIRS ( NTL)، ارتفاع، شیب، شاخص تراکم شبکه جاده و POI. ما SDE، PCA فضایی و روش‌های دیگر را برای تجزیه و تحلیل و شناسایی روابط بین اثر محیط حرارتی شهری و عوامل مؤثر بر آن به کار بردیم. فلوچارتی که روش بکار گرفته شده در این مطالعه را به تصویر می کشد در ارائه شده استشکل 4 .

2.3.1. بازیابی دمای سطح

LST یکی از پارامترهای مهمی است که به طور مستقیم اثر محیط حرارتی شهری را کنترل می کند. LST تمام فعل و انفعالات سطح- اتمسفر و شار انرژی بین جو و زمین را منعکس می کند و نقش مهمی در مطالعه اثرات محیط حرارتی دارد. در این تحقیق از روش تصحیح جوی برای استخراج LST با استفاده از معادلات (1) و (2) [ 53 ] به شرح زیر استفاده شد:

L = [ ε B (تیاس) + ( 1 – ε )Lدo w n] τ+Lu p�=[�ب(تیاس)+(1-�)�د���]�+�توپ
تیس=ک2/ ln ( 1 +ک1/ B (تیس) )تیس=ک2/لوگاریتم(1+ک1/ب(تیس))

که در آن B( Ts ) روشنایی تابش حرارتی جسم سیاه را نشان می دهد، Ts نشان دهنده دمای سطح است، L پایین و L بالا به ترتیب نشان دهنده روشنایی تابش رو به پایین و رو به بالا جو است، و K1 و K2 ثابت هستند. مقادیر L بالا ، L پایین ، K1 و K2 برای تصویر Landsat 5 TM 0.38 W/(m2 · sr ·μm)، 3.65 W/(m2 · sr·μm)، 607.76، و 1260.56 بود، به ترتیب. ال _مقادیر بالا ، L پایین ، K1 و K2 برای تصویر Landsat 8 OLI به ترتیب 1.25 W/(m2 · sr ·μm)، 2.37 W/(m2 · sr·μm)، 774.89 و 1321.08 بود.

با استفاده از روش انحراف معیار [ 54 ]، منطقه مورد مطالعه بر اساس LST به هفت منطقه کلاس حرارتی تقسیم شد: دمای بسیار بالا، دمای بالا، دمای نسبتاً بالا، دمای متوسط، دمای نسبتاً پایین، دمای پایین و دمای بسیار پایین ( جدول 2 ). از آنجایی که مقادیر LST در مناطق دمای بسیار بالا، دمای بالا، دمای نسبتاً بالا و دمای متوسط ​​منطقه مورد مطالعه عموماً بالاتر از میانگین LST بود، این مناطق به عنوان مناطق جزیره گرمایی شهری در نظر گرفته شدند [ 55 ].
2.3.2. کسب اطلاعات سطح

(1) NDISI شاخص سطح غیرقابل نفوذ نرمال شده است. سطح غیر قابل نفوذ جزء اصلی سطح زیرین یک شهر است. می تواند از نفوذ آب به زمین جلوگیری کند و به صورت زیر محاسبه می شود [ 56 ]:

نD Iاسمن=تیمنآر اس1- ( M _نD Wمن+ نمنR + SدبلیومنR 1 ) /3تیمنآر اس1 + ( MنD Wمن+ نمنR + SدبلیومنR 1 ) /3ن�مناسمن=تیمنآراس1-(من�دبلیومن+نمنآر+اسدبلیومنآر1)/3تیمنآراس1+(من�دبلیومن+نمنآر+اسدبلیومنآر1)/3

که در آن MNDWI شاخص تغییر نرمال شده آب است و NIR ، SWIR 1، و TIRS 1 به ترتیب با باندهای 5، 6 و 10 در تصاویر سنجش از دور Landsat 8 مطابقت دارند.

(2) FVC نسبت مساحت پیش بینی عمودی پوشش گیاهی زمین به کل مساحت محاسبه شده است که به صورت محاسبه می شود.

افVسی=[نD Vمن– نD Vمنm i nنD Vمنm a x– نD Vمنm i n]2���=[����−��������������−�������]2
نD Vمن=نمنR – R e dنمنR + R e dن��من=نمنآر-آرهدنمنآر+آرهد

که در آن NDVI شاخص گیاهی دیفرانسیل نرمال شده است، NDVI min و NDVI max مقادیر شاخص گیاهی نرمال شده خاک و پوشش گیاهی هستند و به ترتیب مقادیر 0.05 و 0.70 را می گیرند و قرمز و NIR به ترتیب با باندهای 4 و 5 مطابقت دارند. تصاویر سنجش از دور لندست 8.

(3) MNDWI پردازش تفاوت نرمال شده ای است که برای نوارهای تصویر حاوی اطلاعات بدنه آب انجام می شود که به صورت محاسبه می شود.

منD Wمن=G r e e n – SدبلیومنR 1G r e e n + SدبلیومنR 1من�دبلیومن=جی�هه�-اسدبلیومنآر1جی�هه�+اسدبلیومنآر1

جایی که گرین و SWIR 1 به ترتیب با باندهای 3 و 6 در تصاویر سنجش از دور لندست 8 مطابقت دارند.

(4) NDBBI پردازش تفاوت نرمال شده تصاویر سنجش از دور حاوی اطلاعاتی مانند زمین برهنه و زمین ساختمانی پس از حذف اطلاعات مربوط به بدنه آبی و پوشش گیاهی است و فرمول مربوطه [ 57 ] است.

نD B B I=1.5 SدبلیومنR 2 – ( NمنR + G r e e n ) /21.5 SدبلیومنR 2 + ( NمنR + G r e e n ) /2ن�ببمن=1.5اسدبلیومنآر2-(نمنآر+جی�هه�)/21.5اسدبلیومنآر2+(نمنآر+جی�هه�)/2

جایی که گرین ، NIR و SWIR 2 به ترتیب با باندهای 3، 5 و 7 در تصاویر سنجش از دور لندست 8 مطابقت دارند.

(5) آلبدوی سطحی نسبت انرژی تابش خورشیدی برخوردی است که می تواند توسط سطح منعکس شود که به صورت [ 58 ] محاسبه می شود.

A l b e do = ( 0.356آ2+ 0.13آ4+ 0.373آ5+ 0.085آ6+ 0.072آ7) / 225 – 0.0018آلبهد�=(0.356آ2+0.13آ4+0.373آ5+0.085آ6+0.072آ7)/225-0.0018

جایی که 2 ، a 4 ، a 5 ، a 6 و a 7 به ترتیب با مقادیر خاکستری نوارهای 2، 4، 5، 6 و 7 در تصاویر سنجش از دور لندست 8 مطابقت دارد.

(6) داده های نور شبانه NPP/VIIRS از اداره ملی اقیانوسی و جوی ایالات متحده ( https://www.ngdc.noaa.gov/ ، دسترسی به 3 اکتبر 2021) با وضوح فضایی تقریباً 500 به دست آمد. متر
(7) ارتفاع، فاصله عمودی از نقطه زمین تا سطح شروع ارتفاع بود.
(8) شیب دامنه نوسان سطح در یک منطقه خاص بود. هم ارتفاع و هم شیب از داده های DEM به دست آمد.
(9) شاخص فعالیت اجتماعی و اقتصادی برای ارزیابی تأثیر فعالیت های اجتماعی و اقتصادی منطقه ای بر یک محیط حرارتی شهری استفاده شد. داده‌های POI و شبکه جاده‌ای منطقه تحقیق برای نشان دادن شاخص فعالیت اجتماعی و اقتصادی استفاده شد [ 55]. POI به داده های نقطه ای در نقشه الکترونیکی اینترنتی اشاره دارد که اساساً شامل چهار ویژگی است: نام، آدرس، مختصات و دسته. این عمدتا شامل انواع رستوران ها، سرگرمی ها، اقامتگاه ها، مراقبت های پزشکی، آموزش و ورزش است که می تواند فعالیت های اجتماعی-اقتصادی را مشخص کند. شبکه راه ها شامل بزرگراه ها، راه های ملی، راه های استانی، راه های شهرستانی، جاده های شهری و سایر راه ها در تمامی سطوح می باشد. ابزار تجزیه و تحلیل تراکم در نرم افزار ArcGIS 10.8 برای پردازش POI و داده های شبکه جاده ای برای استخراج شاخص فعالیت اجتماعی-اقتصادی استفاده شد.
2.3.3. PCA فضایی
PCA فضایی از یک سیستم اطلاعات جغرافیایی (GIS) برای تخصیص هر متغیر مکانی به یک ماتریس استفاده می کند و درجه تأثیر متغیرهای فضایی مربوطه را بر روی متغیرهای وابسته به عوامل مؤلفه اصلی مربوطه از طریق PCA [ 59 ] توزیع می کند. در این مطالعه از SPSS 24.0 و ArcGIS برای تحلیل همبستگی و PCA فضایی عوامل مختلف طبیعی و انسانی استفاده شد.
2.3.4. SDE
SDE برای اولین بار توسط Lefever [ 60 ] برای نشان دادن ویژگی های توزیع فضایی عناصر جغرافیایی پیشنهاد شد و از آن زمان به طور گسترده در زمینه آمار فضایی استفاده شده است. با توسعه سریع فناوری GIS، روش SDE بر اساس اطلاعات جغرافیایی به یک ابزار ماژول آمار فضایی مرسوم تبدیل شده است [ 61 ]. در این مطالعه از روش SDE برای شناسایی مسیر مهاجرت جزیره گرمایی استفاده شد.

3. نتایج

3.1. تکامل اثر محیطی حرارتی شهری

3.1.1. توزیع فضایی محیط حرارتی شهری

جزیره گرمایی در ششمین جاده کمربندی پکن از سال 2004 تا 2019 یک توزیع تجمع نامنظم چند مرکزی را ارائه داد ( شکل 5)). چهار منطقه دمایی (درجه حرارت بسیار بالا، زیاد، نسبتاً بالا و متوسط) که مناطق جزیره گرمایی را نشان می‌دهند در مناطق شهری ساخته شده با ساختمان‌ها و جمعیت متراکم متمرکز شده‌اند. بیشترین دما در مناطق توسعه شهری رخ داده است. مناطق سرد جزیره عمدتاً در رودخانه‌ها، دریاچه‌های داخلی و کوه‌های مرتفع توزیع شده‌اند و کمترین دما در محل اتصال منتوگو و هایدیان مشاهده شده است. منطقه آلپ منطقه مورد مطالعه شامل مناطق کم و بسیار کم دما، با اثر “جزیره سرد” آشکار است. با توجه به مقایسه چهار نقطه زمانی، توزیع جزیره گرمایی از سال 2004 تا 2019 نسبتاً مشابه منطقه ساخته شده بود.
در سال 2004، منطقه جزیره گرمایی نسبتا کوچک بود و عمدتاً در بخش‌های مرکزی و جنوب غربی منطقه تحقیقاتی توزیع شده بود. بیشترین و کمترین دمای سطح به ترتیب به 41.02 درجه سانتیگراد و 21.22 درجه سانتیگراد رسید ( شکل 6 ، جدول 3) .). مناطق جزیره گرمایی در نواحی Chaoyang، Fengtai، Haidian و Daxing با میانگین دمای سطح 32.898 درجه سانتیگراد متمرکز شدند. مناطق با دمای بسیار بالا در جنوب چائویانگ، فنگتای شرقی، داکسینگ مرکزی و شرق فانگشان متمرکز بودند که به ترتیب 24.5٪، 24.43٪، 16.57٪ و 15.63٪ از کل منطقه با دمای بسیار بالا را تشکیل می دهند. مناطق سرد جزیره در هایدیان، چائویانگ، چانگپینگ و تونگژو متمرکز شده بودند. مناطق با دمای بسیار پایین در شرق منتوگو و در مرکز هایدیان و چانگپینگ متمرکز شده‌اند که به ترتیب 43.67%، 31.24% و 22.78% از کل منطقه با دمای بسیار پایین را تشکیل می‌دهند.
در سال 2009، منطقه جزیره گرمایی در مقایسه با سال 2004 گسترش یافت و میانگین دمای سطح منطقه جزیره گرمایی 27.959 درجه سانتی گراد بود. بالاترین دمای سطح در منطقه مورد مطالعه به 51.96 درجه سانتیگراد و کمترین آن به 15.76 درجه سانتیگراد رسید. پس از سال 2004، سرعت توسعه شهری در منطقه تحقیقاتی شتاب گرفت و منجر به توسعه قابل توجهی در مناطق چائویانگ، فنگتای، هایدیان و داکسینگ شد. در نتیجه، مناطق جزیره گرمایی متمرکز نسبتاً در این مناطق حفظ شدند، با نسبت مساحت جزیره گرمایی به طور قابل توجهی در هر منطقه تغییر نکرد، در حالی که مکان مکانی جزیره گرمایی با جهت گسترشی تغییر کرد که مطابق با ساخت و ساز شهری بود. یعنی از جنوب غربی به شمال شرقی امتداد دارد). در همین حال، مناطق جزیره گرمایی Changping، Shunyi و Tongzhou گسترش یافتند و در نتیجه توزیع یکنواخت آنها در سراسر منطقه تحقیقاتی انجام شد. مناطق تجمع دمای بسیار بالا در درجه اول در داکسینگ مرکزی و شرق فانگشان توزیع شده اند که به ترتیب 23.60% و 14.36% از کل منطقه با دمای بسیار بالا را تشکیل می دهند. تغییر در موقعیت مکانی جزیره سرد ناچیز بود و در چائویانگ، هایدیان، چانگپینگ و تونگژو متمرکز شد. نسبت جزیره سرد در چائویانگ افزایش یافت، در چانگپینگ و تونگژو کاهش یافت و در هایدیان ثابت ماند. مناطق تجمع دمای بسیار پایین در هایدیان مرکزی و غربی، منتوگوی شرقی و چانگپینگ مرکزی متمرکز بودند که به ترتیب 53.12٪، 34.60٪ و 7.22٪ از کل منطقه دمای بسیار پایین را تشکیل می دهند. و Tongzhou گسترش یافتند، که منجر به توزیع یکنواخت آنها در سراسر منطقه تحقیقاتی شد. مناطق تجمع دمای بسیار بالا در درجه اول در داکسینگ مرکزی و شرق فانگشان توزیع شده اند که به ترتیب 23.60% و 14.36% از کل منطقه با دمای بسیار بالا را تشکیل می دهند. تغییر در موقعیت مکانی جزیره سرد ناچیز بود و در چائویانگ، هایدیان، چانگپینگ و تونگژو متمرکز شد. نسبت جزیره سرد در چائویانگ افزایش یافت، در چانگپینگ و تونگژو کاهش یافت و در هایدیان ثابت ماند. مناطق تجمع دمای بسیار پایین در هایدیان مرکزی و غربی، منتوگوی شرقی و چانگپینگ مرکزی متمرکز بودند که به ترتیب 53.12٪، 34.60٪ و 7.22٪ از کل منطقه دمای بسیار پایین را تشکیل می دهند. و Tongzhou گسترش یافتند، که منجر به توزیع یکنواخت آنها در سراسر منطقه تحقیقاتی شد. مناطق تجمع دمای بسیار بالا در درجه اول در داکسینگ مرکزی و شرق فانگشان توزیع شده اند که به ترتیب 23.60% و 14.36% از کل منطقه با دمای بسیار بالا را تشکیل می دهند. تغییر در موقعیت مکانی جزیره سرد ناچیز بود و در چائویانگ، هایدیان، چانگپینگ و تونگژو متمرکز شد. نسبت جزیره سرد در چائویانگ افزایش یافت، در چانگپینگ و تونگژو کاهش یافت و در هایدیان ثابت ماند. مناطق تجمع دمای بسیار پایین در هایدیان مرکزی و غربی، منتوگوی شرقی و چانگپینگ مرکزی متمرکز بودند که به ترتیب 53.12٪، 34.60٪ و 7.22٪ از کل منطقه دمای بسیار پایین را تشکیل می دهند. که منجر به توزیع یکنواخت آنها در سراسر منطقه تحقیقاتی می شود. مناطق تجمع دمای بسیار بالا در درجه اول در داکسینگ مرکزی و شرق فانگشان توزیع شده اند که به ترتیب 23.60% و 14.36% از کل منطقه با دمای بسیار بالا را تشکیل می دهند. تغییر در موقعیت مکانی جزیره سرد ناچیز بود و در چائویانگ، هایدیان، چانگپینگ و تونگژو متمرکز شد. نسبت جزیره سرد در چائویانگ افزایش یافت، در چانگپینگ و تونگژو کاهش یافت و در هایدیان ثابت ماند. مناطق تجمع دمای بسیار پایین در هایدیان مرکزی و غربی، منتوگوی شرقی و چانگپینگ مرکزی متمرکز بودند که به ترتیب 53.12٪، 34.60٪ و 7.22٪ از کل منطقه دمای بسیار پایین را تشکیل می دهند. که منجر به توزیع یکنواخت آنها در سراسر منطقه تحقیقاتی می شود. مناطق تجمع دمای بسیار بالا در درجه اول در داکسینگ مرکزی و شرق فانگشان توزیع شده اند که به ترتیب 23.60% و 14.36% از کل منطقه با دمای بسیار بالا را تشکیل می دهند. تغییر در موقعیت مکانی جزیره سرد ناچیز بود و در چائویانگ، هایدیان، چانگپینگ و تونگژو متمرکز شد. نسبت جزیره سرد در چائویانگ افزایش یافت، در چانگپینگ و تونگژو کاهش یافت و در هایدیان ثابت ماند. مناطق تجمع دمای بسیار پایین در هایدیان مرکزی و غربی، منتوگوی شرقی و چانگپینگ مرکزی متمرکز بودند که به ترتیب 53.12٪، 34.60٪ و 7.22٪ از کل منطقه دمای بسیار پایین را تشکیل می دهند. مناطق تجمع دمای بسیار بالا در درجه اول در داکسینگ مرکزی و شرق فانگشان توزیع شده اند که به ترتیب 23.60% و 14.36% از کل منطقه با دمای بسیار بالا را تشکیل می دهند. تغییر در موقعیت مکانی جزیره سرد ناچیز بود و در چائویانگ، هایدیان، چانگپینگ و تونگژو متمرکز شد. نسبت جزیره سرد در چائویانگ افزایش یافت، در چانگپینگ و تونگژو کاهش یافت و در هایدیان ثابت ماند. مناطق تجمع دمای بسیار پایین در هایدیان مرکزی و غربی، منتوگوی شرقی و چانگپینگ مرکزی متمرکز بودند که به ترتیب 53.12٪، 34.60٪ و 7.22٪ از کل منطقه دمای بسیار پایین را تشکیل می دهند. مناطق تجمع دمای بسیار بالا در درجه اول در داکسینگ مرکزی و شرق فانگشان توزیع شده اند که به ترتیب 23.60% و 14.36% از کل منطقه با دمای بسیار بالا را تشکیل می دهند. تغییر در موقعیت مکانی جزیره سرد ناچیز بود و در چائویانگ، هایدیان، چانگپینگ و تونگژو متمرکز شد. نسبت جزیره سرد در چائویانگ افزایش یافت، در چانگپینگ و تونگژو کاهش یافت و در هایدیان ثابت ماند. مناطق تجمع دمای بسیار پایین در هایدیان مرکزی و غربی، منتوگوی شرقی و چانگپینگ مرکزی متمرکز بودند که به ترتیب 53.12٪، 34.60٪ و 7.22٪ از کل منطقه دمای بسیار پایین را تشکیل می دهند. به ترتیب 23.60% و 14.36% از کل منطقه دمای بسیار بالا را تشکیل می دهند. تغییر در موقعیت مکانی جزیره سرد ناچیز بود و در چائویانگ، هایدیان، چانگپینگ و تونگژو متمرکز شد. نسبت جزیره سرد در چائویانگ افزایش یافت، در چانگپینگ و تونگژو کاهش یافت و در هایدیان ثابت ماند. مناطق تجمع دمای بسیار پایین در هایدیان مرکزی و غربی، منتوگوی شرقی و چانگپینگ مرکزی متمرکز بودند که به ترتیب 53.12٪، 34.60٪ و 7.22٪ از کل منطقه دمای بسیار پایین را تشکیل می دهند. به ترتیب 23.60% و 14.36% از کل منطقه دمای بسیار بالا را تشکیل می دهند. تغییر در موقعیت مکانی جزیره سرد ناچیز بود و در چائویانگ، هایدیان، چانگپینگ و تونگژو متمرکز شد. نسبت جزیره سرد در چائویانگ افزایش یافت، در چانگپینگ و تونگژو کاهش یافت و در هایدیان ثابت ماند. مناطق تجمع دمای بسیار پایین در هایدیان مرکزی و غربی، منتوگوی شرقی و چانگپینگ مرکزی متمرکز بودند که به ترتیب 53.12٪، 34.60٪ و 7.22٪ از کل منطقه دمای بسیار پایین را تشکیل می دهند. نسبت جزیره سرد در چائویانگ افزایش یافت، در چانگپینگ و تونگژو کاهش یافت و در هایدیان ثابت ماند. مناطق تجمع دمای بسیار پایین در هایدیان مرکزی و غربی، منتوگوی شرقی و چانگپینگ مرکزی متمرکز بودند که به ترتیب 53.12٪، 34.60٪ و 7.22٪ از کل منطقه دمای بسیار پایین را تشکیل می دهند. نسبت جزیره سرد در چائویانگ افزایش یافت، در چانگپینگ و تونگژو کاهش یافت و در هایدیان ثابت ماند. مناطق تجمع دمای بسیار پایین در هایدیان مرکزی و غربی، منتوگوی شرقی و چانگپینگ مرکزی متمرکز بودند که به ترتیب 53.12٪، 34.60٪ و 7.22٪ از کل منطقه دمای بسیار پایین را تشکیل می دهند.
گزارش 2010 دولت شهرداری پکن بیان کرد که مشکلات زیست محیطی پکن نیازمند توجه فوری است. این سیاست‌های کنترلی سختگیرانه مانند کنترل کلی جمعیت و محدودیت‌های ترافیکی و همچنین اقداماتی برای حفاظت از منابع آب و تقویت محدودیت‌های برنامه‌ریزی را معرفی کرد. این تأثیرات در داده‌های سال 2014 دیده می‌شود، با سطح جزیره گرمایی کمی کاهش می‌یابد، و میانگین دمای سطح منطقه جزیره گرمایی 35.734 درجه سانتی‌گراد بود. در سال 2014، بیشترین و کمترین دمای سطح منطقه تحقیقاتی به ترتیب به 51.96 درجه سانتی گراد و 25.65 درجه سانتی گراد رسید. مناطق جزیره گرمایی عمدتاً در نواحی چائویانگ، فنگتای، هایدیان و داکسینگ متمرکز بودند. نسبت جزیره گرمایی در چائویانگ کمی افزایش یافت، در داکسینگ اندکی کاهش یافت و در هایدیان و فنگتای ثابت ماند. مناطق تجمع دمای بسیار بالا عمدتاً در جنوب چائویانگ و فنگتای مرکزی توزیع شده‌اند که به ترتیب 35.96% و 13.58% از کل منطقه دمای بسیار بالا را تشکیل می‌دهند. مناطق سرد جزیره در هایدیان، چائویانگ، تونگژو، چانگپینگ و داکسینگ متمرکز شده بودند. نسبت جزیره سرد در هایدیان، چائویانگ و چانگپینگ اندکی کاهش یافت، در حالی که در چانگپینگ و داکسینگ به طور قابل توجهی افزایش یافت. مناطق تجمع دمای بسیار پایین در هایدیان مرکزی، فنگتای و تونگژو متمرکز شده‌اند که به ترتیب 32.69، 25.01 درصد و 15.79 درصد از کل منطقه دمای بسیار پایین را تشکیل می‌دهند. از کل منطقه با دمای بسیار بالا. مناطق سرد جزیره در هایدیان، چائویانگ، تونگژو، چانگپینگ و داکسینگ متمرکز شده بودند. نسبت جزیره سرد در هایدیان، چائویانگ و چانگپینگ اندکی کاهش یافت، در حالی که در چانگپینگ و داکسینگ به طور قابل توجهی افزایش یافت. مناطق تجمع دمای بسیار پایین در هایدیان مرکزی، فنگتای و تونگژو متمرکز شده‌اند که به ترتیب 32.69، 25.01 درصد و 15.79 درصد از کل منطقه دمای بسیار پایین را تشکیل می‌دهند. از کل منطقه با دمای بسیار بالا. مناطق سرد جزیره در هایدیان، چائویانگ، تونگژو، چانگپینگ و داکسینگ متمرکز شده بودند. نسبت جزیره سرد در هایدیان، چائویانگ و چانگپینگ اندکی کاهش یافت، در حالی که در چانگپینگ و داکسینگ به طور قابل توجهی افزایش یافت. مناطق تجمع دمای بسیار پایین در هایدیان مرکزی، فنگتای و تونگژو متمرکز شده‌اند که به ترتیب 32.69، 25.01 درصد و 15.79 درصد از کل منطقه دمای بسیار پایین را تشکیل می‌دهند.
به دلیل مخالفت بین توسعه شهری و سیاست‌های حفاظت از محیط زیست محلی، منطقه جزیره گرمایی در سال 2019 در مقایسه با سال 2014 با میانگین دمای سطحی 31.186 درجه سانتی‌گراد افزایش یافت. در سال 2019، بالاترین دمای سطح منطقه مورد مطالعه به 49.34 درجه سانتی گراد و کمترین آن به 20.98 درجه سانتی گراد رسید. مناطق جزیره گرمایی هنوز هم عمدتاً در نواحی چائویانگ، فنگتای، هایدیان و داکسینگ متمرکز بودند. نسبت جزیره گرمایی در چائویانگ اندکی کاهش یافت در حالی که در سایر مناطق نسبتاً ثابت باقی ماند. مناطق تجمع دمای بسیار بالا در درجه اول در Fengtai مرکزی، Chaoyang جنوبی، Daxing شرقی، و Tongzhou جنوبی توزیع شده اند که به ترتیب 19.04٪، 18.17٪، 15.01٪ و 11.11٪ از کل منطقه دمای بسیار بالا را تشکیل می دهند. مناطق سرد جزیره در چائویانگ، هایدیان، چانگپینگ و تونگژو متمرکز بودند. نسبت جزایر سرد در چائویانگ و چانگپینگ اندکی افزایش یافت، در حالی که در تانگژو، داکسینگ و هایدیان اندکی کاهش یافت. مناطق تجمع دمای بسیار پایین در منتوگو شرقی و هایدیان غربی متمرکز شده‌اند که به ترتیب 57.11% و 39.81% از کل منطقه دمای بسیار پایین را تشکیل می‌دهند.
شکل 7 نشان می دهد که محور توسعه فضایی جزیره گرمایی در داخل جاده کمربندی ششم پکن از سال 2004 تا 2019 در جهت شمال شرقی-جنوب غربی باقی مانده است. با این حال، زاویه آزیموت به افزایش ادامه داد، صافی کاهش یافت، جهت SDE کاهش یافت، و پراکندگی افزایش یافت ( جدول 4 ). مرکز جزیره گرما در محل تلاقی مناطق Xicheng و Dongcheng در کنار پارک Beihai قرار داشت. با توجه به بازی های المپیک 2008 پکن و استفاده مکرر از فرودگاه بین المللی پایتخت پکن به عنوان یک مرکز حمل و نقل بین المللی ( شکل 1)ساخت و ساز شهری در شمال شرقی منطقه مورد مطالعه (چائیانگ و شونیی) به سرعت توسعه یافت، که منجر به تغییر 1.21 کیلومتری شمال شرقی مرکز جزیره گرمایی از سال 2004 تا 2009 شد. تحت تأثیر ساخت و ساز شهری در منطقه شمال غربی منطقه مورد مطالعه ( چانگپینگ و هایدیان)، مرکز جزیره گرمایی از سال 2009 تا 2014 1.03 کیلومتر به سمت شمال غربی جابه جا شد. در نهایت، مرکز جزیره گرمایی از سال 2014 تا 2019 0.68 کیلومتر به سمت جنوب شرقی جابجا شد، که عمدتاً به دلیل توسعه داکسینگ و تونگژو بود. مناطق در منطقه جنوب شرقی منطقه مورد مطالعه. به طور کلی، مرکز جزیره گرمایی از سال 2004 تا 2019 1.77 کیلومتر به سمت شمال شرقی جابه جا شد. به طور خلاصه، تغییر در الگوی فضایی محیط حرارتی با تغییر در شدت ساخت و ساز شهری مرتبط بود.
3.1.2. تکامل زمانی محیط حرارتی شهری
از جدول 5 ، منطقه جزیره گرمایی تغییر کوچک و متغیری را در طول زمان نشان می دهد. مساحت کل جزیره گرمایی در سال 2004 1523.5 کیلومتر مربع بود که در سال 2009 به 1570.0 کیلومتر مربع افزایش یافت ، در سال 2014 به 1487.8 کیلومتر مربع کاهش یافت و در سال 2019 دوباره به 1529.2 کیلومتر مربع افزایش یافت. به طور کلی، مساحت تنها 25 افزایش یافت . از سال 2004 تا 2019. با این حال، توزیع فضایی به طور قابل توجهی تغییر کرد، با تمرکز جزیره گرما در مناطق مرکزی و جنوب غربی (Xicheng، Dongcheng، Fengtai، Daxing، Fangshan و Chaoyang جنوب غربی) در سال 2004 و گسترش به سمت شمال غربی و شمال شرقی. تقاطع Haidian و Changping و Shunyi مرکزی) در سال 2019.
در سال‌های 2004، 2009، 2014 و 2019، نسبت مناطق با دمای پایین به ترتیب 34.67، 24.15، 30.30 درصد و 26.96 درصد بوده است. از سال 2004 تا 2019، مساحت و نسبت نواحی نسبتاً کم دمای کاهش یافته است که روندی نوسانی را نشان می‌دهد که ابتدا کاهش، متعاقباً افزایش و در نهایت کاهش یافت که برخلاف مناطق دمای متوسط ​​بود. نسبت نواحی دمای متوسط ​​در سال‌های 2004، 2009، 2014 و 2019 به ترتیب 27.89، 37.80، 35.35 درصد و 36.62 درصد بود که یک روند تکاملی از مناطق دمای نسبتاً کم تا متوسط ​​را نشان می‌داد.
در طول دوره مطالعه، میانگین مناطق جزیره گرمایی Dongcheng و Xicheng از 90٪ مساحت هر منطقه فراتر رفت و اثر جزیره گرمایی قابل توجهی داشت. مساحت جزیره گرمایی ابتدا روند کاهشی و سپس به طور مداوم افزایشی را نشان داد که در کل روند کاهشی جزئی داشت. از سال 2004 تا 2019، نسبت ناحیه دمای متوسط ​​کاهش یافته، در حالی که نسبت ناحیه دمای بالا افزایش یافته است. تغییرات جزئی در سایر مناطق دما رخ داده است ( جدول 6). در Fengtai و Daxing، میانگین مساحت جزیره گرمایی بیش از 80٪ از مساحت هر منطقه در طول دوره مورد مطالعه بود. از سال 2004 تا 2019، مساحت جزیره گرمایی ابتدا روند کاهشی و سپس اندکی افزایشی را نشان داد که در کل روند کاهشی قابل توجهی داشت. از سال 2004 تا 2019، نسبت منطقه دمای متوسط ​​به کل منطقه مورد مطالعه افزایش یافته و نسبت مناطق با دمای نسبتاً بالا و بالا به کل منطقه مورد مطالعه کاهش یافته است. در همین حال، منطقه دمای نسبتاً پایین افزایش یافت و سایر مناطق دمایی حداقل تغییرات را نشان دادند.
میانگین مناطق جزیره گرمایی در فانگشان، چائویانگ و شیجینگشان بیش از 70 درصد از مساحت هر ناحیه را در طول دوره مورد مطالعه به خود اختصاص داده است که نشان دهنده تأثیر جزیره گرمایی قابل توجهی است. مساحت جزیره گرمایی در فانگشان ابتدا افزایش یافت، سپس به طور قابل توجهی کاهش یافت، و به دنبال آن افزایش یافت، با روند کلی کاهش قابل توجهی. از سال 2004 تا 2019، نسبت ناحیه دمای متوسط ​​افزایش یافته، نسبت مناطق با دمای نسبتاً بالا و بالا کاهش یافته و نسبت منطقه دمای نسبتاً پایین افزایش یافته است. سایر مناطق دمایی تغییرات جزئی را نشان دادند. در چائویانگ و شیجینگشان، مساحت جزیره گرما ابتدا کاهش یافت، سپس افزایش یافت، و در نهایت دوباره کاهش یافت، با کاهش کلی. از 2004 تا 2019، نسبت منطقه دمای نسبتاً بالا به کل منطقه مورد مطالعه کاهش یافت، نسبت منطقه دمای پایین در ناحیه شیجینگشان افزایش یافت، و نسبت مناطق دمایی دیگر تغییرات جزئی را نشان دادند. میانگین مناطق جزیره گرمایی Haidian، Tongzhou، Changping و Shunyi همگی از 50٪ در طول دوره مورد مطالعه با روند افزایشی قابل توجهی فراتر رفتند. مناطق جزیره گرمایی Haidian، Tongzhou و Shunyi ابتدا افزایش یافتند، سپس کاهش یافتند، و در نهایت دوباره افزایش یافتند، در حالی که منطقه Changping یک روند افزایشی مداوم را نشان داد. نسبت مناطق با دمای نسبتاً بالا و متوسط ​​به کل منطقه مورد مطالعه افزایش یافت، نسبت مناطق دمای نسبتاً پایین کاهش یافت، و مناطق دمایی دیگر همگی تغییرات جزئی را نشان دادند. نسبت میانگین منطقه جزیره گرمایی Mentougou به کل منطقه در طول دوره مورد مطالعه <30٪ بود. علاوه بر این، منطقه جزیره گرمایی روندی را نشان داد که ابتدا به طور مداوم افزایش و سپس کاهش می یابد، با یک روند کلی کاهشی. نسبت مناطق دمای نسبتاً بالا و متوسط ​​کاهش یافته است، مناطق دمای پایین و بسیار کم افزایش یافته است، و مناطق دیگر مناطق دمایی همگی تغییرات جزئی را نشان می‌دهند.

3.2. عوامل موثر بر محیط حرارتی شهری

3.2.1. تحلیل همبستگی عوامل تأثیرگذار

در این پژوهش، 600 نقطه نمونه در منطقه مورد مطالعه با استفاده از ابزار نمونه‌گیری در ماژول ابزارهای مدیریت داده ArcGIS 10.8 ( شکل 8 ) به‌طور تصادفی انتخاب شدند و عوامل مختلفی به منظور به‌دست آوردن ضرایب همبستگی پیرسون LST و هر کدام استخراج شدند. شاخص ( جدول 7 و جدول 8). در میان آنها، FVC، ارتفاع، شیب، و MNDWI به طور قابل توجهی با LST همبستگی منفی داشتند، که نشان می دهد پوشش گیاهی، زمین و آب می توانند اثر UHI را کاهش دهند. NDIBBI، تراکم شبکه جاده، NTL، تراکم POI، NDISI و سطح زمین به طور قابل توجهی با LST همبستگی مثبت داشتند. به این ترتیب، این شاخص ها منعکس کننده اثرات فعالیت های انسانی و شدت ساخت و ساز شهری بر محیط حرارتی شهری هستند.
3.2.2. PCA فضایی
چهار عامل اصلی مؤثر بر الگوی محیط حرارتی شهری در منطقه مورد مطالعه ( جدول 9 و جدول 10 ) شناسایی شد: شدت ساخت و ساز شهری، پوشش گیاهی و توزیع آب، فعالیت های اجتماعی-اقتصادی و توپوگرافی (مقادیر شاخص 0.525، 0.277، 1.245، و 0.572). ، به ترتیب).

اولین مؤلفه اصلی تأثیر گرمای تولید شده توسط ساخت و ساز شهری را بر محیط حرارتی، از جمله شاخص ساختمان، منعکس می کند، و توزیع فضایی جزیره گرمایی با منطقه ساخته شده شهری سازگار بود. دومین مؤلفه اصلی، تأثیر پوشش گیاهی و بدنه های آبی را بر محیط حرارتی، از جمله شاخص آب و FVC، منعکس می کند. سومین مؤلفه اصلی، تأثیر فعالیت‌های اجتماعی و اقتصادی بر محیط حرارتی شهری، از جمله تراکم POI و شبکه جاده‌ای را منعکس می‌کند. چهارمین مؤلفه اصلی تأثیر شیب و ارتفاع را بر محیط حرارتی منعکس می کند. توپوگرافی پکن در غرب بالا و در شرق پست است و ساختمان های شهری در مناطق کم ارتفاع و مسطح متمرکز شده اند.

اف1= 0.247ایکس∗1+ 0.138ایکس∗2+ 0.100ایکس∗3– 0.059ایکس∗4– 0.095ایکس∗5– 0.231ایکس∗6– 0.166ایکس∗7+ 0.149ایکس∗8+ 0.207ایکس∗9+ 0.235ایکس∗10اف1=0.247ایکس1*+0.138ایکس2*+0.100ایکس3*-0.059ایکس4*-0.095ایکس5*-0.231ایکس6*-0.166ایکس7*+0.149ایکس8*+0.207ایکس9*+0.235ایکس10*
اف2= 0.238ایکس∗1– 0.331ایکس∗2+ 0.217ایکس∗3+ 0.222ایکس∗4+ 0.265ایکس∗5+ 0.163ایکس∗6– 0.367ایکس∗7– 0.122ایکس∗8+ 0.016ایکس∗9– 0.024ایکس∗10اف2=0.238ایکس1*-0.331ایکس2*+0.217ایکس3*+0.222ایکس4*+0.265ایکس5*+0.163ایکس6*-0.367ایکس7*-0.122ایکس8*+0.016ایکس9*-0.024ایکس10*
اف3= 0.146 _ایکس∗1– 0.029ایکس∗2– 0.333ایکس∗3+ 0.39ایکس∗4+ 0.283ایکس∗5+ 0.101ایکس∗6+ 0.128ایکس∗7+ 0.269ایکس∗8+ 0.326ایکس∗9+ 0.256ایکس∗10اف3=-0.146ایکس1*-0.029ایکس2*-0.333ایکس3*+0.39ایکس4*+0.283ایکس5*+0.101ایکس6*+0.128ایکس7*+0.269ایکس8*+0.326ایکس9*+0.256ایکس10*
اف4= 0.057ایکس∗1+ 0.467ایکس∗2+ 0.151ایکس∗3+ 0.376ایکس∗4+ 0.403ایکس∗5– 0.419ایکس∗6+ 0.101ایکس∗7– 0.166ایکس∗8– 0.177ایکس∗9– 0.221ایکس∗10اف4=0.057ایکس1*+0.467ایکس2*+0.151ایکس3*+0.376ایکس4*+0.403ایکس5*-0.419ایکس6*+0.101ایکس7*-0.166ایکس8*-0.177ایکس9*-0.221ایکس10*
3.2.3. رابطه بین شبیه سازی مولفه اصلی و LST

تحلیل برازش رگرسیون خطی برای آزمایش اثر برازش عوامل مؤلفه اصلی بر الگوی فضایی محیط حرارتی شهری انجام شد. از جدول 11 ، معادله رگرسیون برای LST منطقه مورد مطالعه، و همچنین عوامل طبیعی و انسانی فوق الذکر، به خوبی برازنده است. مقدار F معادله رگرسیون 84/288 بود و ضرایب معناداری چهار مؤلفه اصلی اول همگی <1 درصد بود. بنابراین، این چهار مولفه اصلی، همگی از عوامل مهم تأثیرگذار بر محیط حرارتی شهری هستند.

اس= 29.87 + 1.7اف1− 1.5اف2+ 0.24اف3+ 0.71اف4اس=29.87+1.7اف1-1.5اف2+0.24اف3+0.71اف4
اس= 0.068ایکس∗1+ 1.056ایکس∗2– 0.128ایکس∗3– 0.073ایکس∗4– 0.205ایکس∗5– 0.910ایکس∗6+ 0.371ایکس∗7+ 0.383ایکس∗8+ 0.28ایکس∗9+ 0.34ایکس∗10اس=0.068ایکس1*+1.056ایکس2*-0.128ایکس3*-0.073ایکس4*-0.205ایکس5*-0.910ایکس6*+0.371ایکس7*+0.383ایکس8*+0.28ایکس9*+0.34ایکس10*

جایی که ایکس∗1–ایکس∗10ایکس1*–ایکس10*مقدار متغیر استاندارد شده است.

به ازای هر 1 واحد تغییر در 10 عامل تأثیرگذار (NDISI، NDBBI، MNDWI، شیب، DEM، FVC، albedo، NTL، POI، و شاخص تراکم شبکه جاده)، LST ناحیه تحقیق با 0.068، 1.056، – تغییر کرد. بر اساس رابطه (14) به ترتیب 0.128، 0.073، -0.205، 0.910-، 0.371، 0.383، 0.28 و 0.34. همچنین عوامل انسانی اثر محیط حرارتی شهری را تشدید کردند که در این میان NDIBBI با سهم 1.056 بارزترین اثر مثبت و FVC با سهم 0.910 بیشترین تأثیر منفی را داشتند. مقدار NTL، آلبدوی سطح، تراکم شبکه جاده، و تراکم POI اثرات مثبت قابل توجهی داشتند. ارتفاع و MNDWI اثرات منفی معنی‌داری داشتند و NDISI و شیب اثرات جزئی داشتند.
تغییر همزمان در هر یک از عوامل موثر بالا منجر به تغییرات دمایی 2.498 و -1.316 درجه سانتیگراد و افزایش دمای کلی 1.182 درجه سانتیگراد می شود (یعنی عوامل انسانی تأثیر بیشتری نسبت به عوامل طبیعی بر تشدید اثر محیط حرارتی شهری دارند. ).

4. بحث

4.1. تجزیه و تحلیل نتایج

نتایج نشان می‌دهد که توزیع‌های فضایی توسعه شهری و LST در جاده کمربندی ششم پکن از سال 2004 تا 2019 ارتباط نزدیکی با هم داشتند، به طوری که دماهای بالا عمدتاً در بخش مرکزی شهر به خوبی توسعه‌یافته و دماهای پایین عمدتاً در مناطق کمتر رخ می‌دهند. -حاشیه شهری توسعه یافته در سال 2004، جزایر گرمایی در مناطق مرکزی و جنوب غربی منطقه مورد مطالعه متمرکز شدند. در سال 2009، ساخت و ساز شهری شتاب گرفت و منطقه شمال شرقی شهر بسیار توسعه یافت و در نتیجه منطقه جزیره گرمایی از جنوب غربی به شمال شرقی گسترش یافت. با این حال، تا سال 2014، منطقه جزیره گرمایی به دلیل معرفی سیاست های حفاظت از محیط زیست مربوطه کاهش یافته بود. در سال 2019، منطقه جزیره گرمایی گسترش یافته بود، به دلیل مخالفت بین توسعه شهری و سیاست های حفاظت از محیط زیست. برخی مطالعات نشان داده اند که از سال 1994 تا 2013، مقیاس شهری مرکز پکن بزرگتر شد و زمین های ساخت و ساز افزایش یافت.62 ]. دمای سطح نزدیک به 60 درصد از مرکز پکن بیش از 4 درجه سانتیگراد افزایش یافته است [ 63 ]. به طور کلی، منطقه جزیره گرمایی منطقه مورد مطالعه روند افزایشی را از سال 2004 تا 2019 نشان داد. اثر محیط حرارتی در امتداد جهت شمال شرقی-جنوب غربی گسترش یافت و تفاوت ها در امتداد جهت جنوب شرقی- شمال غربی و شمال شرقی- جنوب غربی کاهش یافت.
از سال 2004 تا 2019، منطقه جزیره گرمایی روند افزایشی کمی را نشان داد، در حالی که تغییرات مکانی آشکار بود. مساحت جزیره گرمایی در منطقه مورد مطالعه شمالی افزایش یافته، در حالی که در منطقه مورد مطالعه جنوبی کاهش یافته است. نسبت مساحت جزیره گرمایی به کل مساحت هر منطقه اداری بین دوره های مختلف بسیار متفاوت است، به طوری که نسبت بالایی در مناطق اداری واقع در وسط منطقه مورد مطالعه و نسبت کم در مناطق اداری واقع در لبه منطقه مورد مطالعه قرار دارد. منطقه مورد مطالعه یک مطالعه قبلی اشاره کرد که از سال 2003 تا 2017، منطقه با دمای بالا در پکن افزایش یافته است و مرکز شهر در مرکز شهر متمرکز شده است. در مقابل، مرکز ناحیه دمای پایین به نواحی اطراف پراکنده شد [ 64]، نشان می دهد که اثرات محیط حرارتی در مناطق مختلف شهر به طور قابل توجهی متفاوت است.
عوامل اصلی موثر بر اثر محیط حرارتی شهری عبارتند از شدت ساخت و ساز شهری، پوشش گیاهی و بدنه های آبی، فعالیت های اجتماعی-اقتصادی و ژئومورفولوژی، که در آنها NDBBI بیشترین تأثیر مثبت (سهم 1.056 درجه سانتی گراد) و FVC برجسته ترین منفی را داشته است. ضربه (یک سهم -0.910 درجه سانتیگراد). برخی از محققان اشاره کرده اند که توزیع فضایی دمای سطح ارتباط نزدیکی با NDVI [ 65 ] دارد، در حالی که FVC و تراکم ساختمان بیشترین تأثیر را بر دمای سطح دارند [ 66 ]] که با نتایج این تحقیق مطابقت دارد. علاوه بر این، مقدار NTL، آلبدوی سطح، تراکم شبکه جاده‌ای و چگالی POI اثرات مثبت برجسته، ارتفاع و MNDWI اثرات منفی برجسته و NDISI و شیب اثرات جزئی داشتند. در همین حال، هنگامی که همه عوامل تأثیرگذار به طور همزمان 1 واحد تغییر کردند، دما 2.498 یا -1.316 درجه سانتی گراد تغییر کرد، با افزایش دمای کلی 1.182 درجه سانتی گراد. یعنی عوامل انسانی تأثیر بیشتری نسبت به عوامل طبیعی در تشدید اثر محیط حرارتی شهری داشتند.

4.2. توصیه هایی برای توسعه پایدار

مطالعه حاضر بینش جدیدی در مورد علل تأثیر محیط حرارتی شهری ارائه می دهد و راهنمایی برای برنامه ریزی شهری پایدار ارائه می دهد. نتایج نشان می‌دهد که توزیع فضایی توسعه شهری و LST در جاده کمربندی ششم پکن از سال 2004 تا 2019 ارتباط نزدیکی با هم داشتند و تفاوت‌ها در اثرات محیط حرارتی بین مناطق مختلف اداری و دوره‌های مختلف آشکار بود. عوامل اصلی مؤثر بر الگوی محیط حرارتی، شدت ساخت و ساز شهری، پوشش گیاهی و بدنه آبی، فعالیت های اجتماعی-اقتصادی و ژئومورفولوژی بود. بنابراین، هنگام برنامه ریزی برای مناطق مختلف در داخل شهرها، تحلیل های خاصی باید در ارتباط با این عوامل انجام شود تا استراتژی های مربوطه تعیین شود [ 67 ].]. به عنوان مثال، در مناطقی که صنایع متمرکز هستند، بهینه سازی فضای محله و کاهش انتشار زباله می تواند کاهش LST را تسهیل کند. با این حال، در مناطقی با ساختمان‌های متراکم و فضاهای سبز کم، تغییر ترکیب منظر با افزایش فضای سبز شهری و محدود کردن گسترش سطحی غیرقابل نفوذ، راه مؤثری برای کاهش افزایش دمای سطح شهری نیست. توجه بیشتری باید به ابزارهای مقرون به صرفه مختلف [ 68 ]، مانند خنک سازی جاده ها [ 69 ، 70 ، 71 ]، بام های سبز شهری [ 72 ، 73 ]، خنک سازی مصالح ساختمانی [ 74 ، 75 ]، افزایش سبز شدن عمودی معطوف شود. و تراکم پوشش گیاهی [76 ، 77 ] و تخریب ساختمان های فرسوده برای افزایش گردش هوا. سیاست‌های سبزسازی سخت‌گیرانه‌تر باید در مناطق گسترش‌یافته جدید اجرا شود که همراه با محدوده و مقیاس بهینه خنک‌کننده پارک، به کاهش اثرات محیط حرارتی کمک می‌کند [ 78 ]. در همین حال، نتایج این مطالعه نشان داد که افزایش مساحت سیستم آبی به طور موثر اثرات محیط گرمایی را کاهش می دهد. سیستم های آبی به عنوان عوامل خنک کننده مهم عمل می کنند و تأثیر آنها در کاهش LST می تواند بیشتر از پوشش گیاهی باشد. بنابراین، تقویت مدیریت و بهینه سازی سیستم های آب می تواند نقش مثبتی در کاهش اثرات محیط حرارتی داشته باشد [ 79 ].

4.3. محدودیت ها

این مطالعه شامل تجزیه و تحلیل جامع اثر محیط حرارتی شهری و عوامل مؤثر بر آن در پکن بود. با این حال، کاستی های خاصی باقی مانده است. به دلیل پیچیدگی تغییرات دمای سطح، دسترسی محدود به داده های تحقیقاتی پایه و سایر چالش های عملی، از جمله وضوح زمانی نامناسب بالقوه داده های مقطع مورد استفاده، اجتناب ناپذیر بود. در این مطالعه داده های تصویر سنجش از دور چند روز آفتابی انتخاب شد. اگرچه شرایط هواشناسی روزهایی که داده های نمونه جمع آوری شد مشابه و نسبتا خوب بود، اما داده های این 4 روز به طور کامل نشان دهنده دوره 15 ساله تغییرات دمای سطح شهر نبود. از این رو، برای اطمینان از دقت مدل، مقدار داده های نمونه دما باید در تحقیقات آینده افزایش یابد. در نهایت، وضوح فضایی داده های سنجش از دور باید با استفاده از داده های سنجش از دور با وضوح بالاتر در آینده بهبود یابد.

5. نتیجه گیری ها

تکامل مکانی-زمانی اثرات محیط حرارتی شهری در پکن (تعریف شده به عنوان منطقه در داخل جاده کمربندی ششم) با وارونگی داده های سنجش از دور برای به دست آوردن LST در سال های 2004، 2009، 2014 و 2019 تجزیه و تحلیل شد. علاوه بر این، بر اساس فضای چند متغیره داده ها (Landsat 4-5 TM، Landsat 8 OLI TIRS، DEM، شبکه جاده، POI و NPP/VIIRS داده های نور شبانه)، ما عوامل مختلف طبیعی و انسانی را به دست آوردیم که ارتباط نزدیکی با اثر محیط حرارتی شهری دارند و بیضی انحراف استاندارد را اعمال کردیم. ، PCA فضایی و روش های دیگر برای تجزیه و تحلیل و شناسایی رابطه بین اثر محیط حرارتی سکونتگاه های انسانی شهری و عوامل مؤثر بر آنها. نتایج زیر را می توان خلاصه کرد.
توزیع فضایی توسعه شهری و LST در جاده کمربندی ششم پکن از سال 2004 تا 2019 ارتباط نزدیکی داشت. دماهای بالا عمدتاً در بخش مرکزی شهر به خوبی توسعه یافته و دماهای پایین عمدتاً در حاشیه شهری کمتر توسعه یافته رخ داده است. اثرات محیط حرارتی در امتداد جهت شمال شرقی-جنوب غربی گسترش یافت و تفاوت بین جهت جنوب شرقی-شمال غربی و شمال شرقی-جنوب غربی به طور مداوم کاهش یافت.
از سال 2004 تا 2019، مناطق جزیره گرمایی روند افزایشی کمی با تغییرات فضایی آشکار را نشان دادند. مساحت جزیره گرمایی در قسمت شمالی منطقه مورد مطالعه افزایش و در قسمت جنوبی کاهش یافت. نسبت مناطق جزیره گرمایی به کل مساحت هر منطقه اداری بین دوره های مختلف در داخل شهر بسیار متفاوت است، با نسبت های بالا در مناطق اداری واقع در وسط منطقه مورد مطالعه و نسبت های کم در مناطق اداری واقع در لبه شهر. منطقه مطالعه تفاوت در اثرات محیط حرارتی بین مناطق مختلف اداری در دوره های مختلف آشکار بود.
عوامل اصلی مؤثر بر اثر محیط حرارتی شهری، شدت ساخت و ساز شهری، پوشش گیاهی و بدنه آبی، فعالیت‌های اجتماعی-اقتصادی و ژئومورفولوژی بود و عوامل انسانی تأثیر بیشتری نسبت به عوامل طبیعی داشتند. در میان آنها، اثر مثبت NDBBI با سهم 1.056 درجه سانتیگراد برجسته ترین بود. اثر منفی FVC با سهم -0.910 درجه سانتیگراد برجسته ترین بود. دمای کلی شهر تحت تأثیر عوامل مختلف تأثیرگذار 1.182 درجه سانتیگراد افزایش یافت. بنابراین، هنگام برنامه ریزی برای مناطق مختلف درون شهر، باید تحلیل های خاصی در رابطه با عوامل اصلی موثر بر اثر محیط حرارتی انجام شود تا استراتژی مناسب تعیین شود.

منابع

  1. پارک، RE; پارک، RE شهر: پیشنهادهایی برای بررسی رفتار انسان در محیط شهر. صبح. جی. سوسیول. 1915 ، 20 ، 577-612. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  2. Voogt، JA; Oke, TR سنجش از دور حرارتی آب و هوای شهری. سنسور از راه دور محیط. 2003 ، 86 ، 370-384. [ Google Scholar ] [ CrossRef ]
  3. لی، دبلیو. کائو، کیو. لانگ، ک. وو، جی. پیوند منبع حرارتی بالقوه و سینک به جزیره گرمایی شهری: اثرات ناهمگن الگوی منظر بر دمای سطح زمین. علمی کل محیط. 2017 ، 586 ، 457-465. [ Google Scholar ] [ CrossRef ]
  4. ژانگ، ایکس. Estoque، RC; Murayama، Y. مطالعه جزیره گرمایی شهری در شهر نانچانگ، چین بر اساس دمای سطح زمین و متغیرهای اجتماعی-اکولوژیکی. حفظ کنید. جامعه شهرها 2017 ، 32 ، 557-568. [ Google Scholar ] [ CrossRef ]
  5. دیلمی، ک. کامروززمان، م. لیو، ی. اثر جزیره گرمایی شهری: بررسی سیستماتیک عوامل مکانی-زمانی، داده‌ها، روش‌ها و اقدامات کاهش. بین المللی J. Appl. زمین Obs. Geoinf. 2018 ، 67 ، 30-42. [ Google Scholar ] [ CrossRef ]
  6. کوانگ، دبلیو. چی، دبلیو. لو، دی. دوو، ی. تجزیه و تحلیل مقایسه ای از گسترش کلان شهرها در چین و ایالات متحده: الگوها، نرخ ها و نیروهای محرک. Landsc. طرح شهری. 2014 ، 132 ، 121-135. [ Google Scholar ] [ CrossRef ]
  7. ژو، دی. شیائو، جی. بونافونی، س. برگر، سی. دیلمی، ک. ژو، ی. فرلکینگ، اس. یائو، آر. کیائو، ز. Sobrino، JA ماهواره ای سنجش از دور جزایر حرارتی شهری سطحی: پیشرفت، چالش ها و چشم اندازها. Remote Sens. 2019 ، 11 ، 48. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  8. لو، ایکس. یانگ، جی. سان، دبلیو. وی، ب. مناسب بودن سکونتگاه های انسانی در مناطق کوهستانی از دیدگاه تهویه: مطالعه موردی منطقه اصلی شهری چونگ کینگ. جی. پاک. تولید 2021 ، 310 ، 127467. [ Google Scholar ] [ CrossRef ]
  9. لای، L.-W. چنگ، W.-L. کیفیت هوا تحت تأثیر جزیره گرمایی شهری همراه با الگوهای آب و هوای سینوپتیک. علمی کل محیط. 2009 ، 407 ، 2724-2733. [ Google Scholar ] [ CrossRef ]
  10. ژائو، سی. جنسن، JLR؛ ونگ، کیو. کریت، ن. ویور، آر. استفاده از مناطق آب و هوایی محلی برای بررسی جزایر حرارتی شهری سطحی در تگزاس. GIScience Remote Sens. 2020 , 57 , 1083–1101. [ Google Scholar ] [ CrossRef ]
  11. لیو، ی. لی، کیو. یانگ، ال. مو، ک. ژانگ، ام. لیو، جی. اثرات جزیره گرمایی شهری مورفولوژی های مختلف شهری تحت شرایط آب و هوایی منطقه ای. علمی کل محیط. 2020 , 743 , 140589. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  12. یانگ، ایکس. پنگ، LLH؛ جیانگ، ز. چن، ی. یائو، ال. سلام.؛ Xu، T. تأثیر جزیره گرمایی شهری بر تقاضای انرژی در ساختمان‌ها: مناطق آب و هوایی محلی در نانجینگ. Appl. Energy 2020 , 260 , 114279. [ Google Scholar ] [ CrossRef ]
  13. رن، جی. یانگ، جی. ژانگ، ی. شیائو، ایکس. Xia، JC; لی، ایکس. وانگ، اس. کاوش آسایش حرارتی ساختمان‌های شهری بر اساس مناطق آب و هوایی محلی. جی. پاک. تولید 2022 ، 340 ، 130744. [ Google Scholar ] [ CrossRef ]
  14. یانگ، جی. وانگ، ی. شیائو، ایکس. جین، سی. شیا، جی. Li، X. تمایز فضایی باد شهری و محیط حرارتی در اندازه‌های شبکه‌ای مختلف. اقلیم شهری. 2019 ، 28 ، 100458. [ Google Scholar ] [ CrossRef ]
  15. ژائو، ز. شریفی، ع. دونگ، ایکس. شن، ال. او، B.-J. تغییرپذیری مکانی و ناهمگونی زمانی الگوهای جزیره گرمایی شهری سطحی و مناسب بودن مناطق آب و هوایی محلی برای مشخصه دمای سطح زمین. Remote Sens. 2021 , 13 , 4338. [ Google Scholar ] [ CrossRef ]
  16. لیو، ام. ژانگ، دی. پیتزارکا، یو. Roloff، A. ارزیابی سازگاری گونه‌های درختی شهری با اثرات تغییرات آب و هوایی: مطالعه موردی در شانگهای. شهری برای. سبز شهری. 2021 ، 62 ، 127186. [ Google Scholar ] [ CrossRef ]
  17. نصراللهی، ن. قصوری، ع. خداکرمی، ج. طالقانی، م. راهبردهای کاهش گرما برای بهبود آسایش حرارتی عابر پیاده در محیط‌های شهری: مروری. پایداری 2020 ، 12 ، 10000. [ Google Scholar ] [ CrossRef ]
  18. یانگ، جی. وانگ، ی. شیو، سی. شیائو، ایکس. شیا، جی. جین، سی. بهینه سازی مناطق آب و هوایی محلی برای کاهش اثر جزیره گرمایی شهری در سکونتگاه های انسانی. جی. پاک. تولید 2020 , 275 , 123767. [ Google Scholar ] [ CrossRef ]
  19. Biardeau, LT; دیویس، LW; گرترلر، پی. Wolfram، C. قرار گرفتن در معرض گرما و تهویه مطبوع جهانی. نات حفظ کنید. 2020 ، 3 ، 25-28. [ Google Scholar ] [ CrossRef ]
  20. بای، ایکس. داوسون، آر. اورگه-ورساتز، دی. دلگادو، جی سی. باراو، ع. داکال، س. دادمن، دی. لئوناردسن، ال. ماسون-دلموت، وی. رابرتز، دی سی؛ و همکاران شش اولویت تحقیقاتی برای شهرها و تغییرات آب و هوایی Nature 2018 ، 555 ، 23-25. [ Google Scholar ] [ CrossRef ]
  21. او، B.-J. ژائو، دی. Xiong، K. چی، جی. اولپیانی، جی. پیگناتا، جی. پراساد، د. جونز، پی. چارچوبی برای رسیدگی به چالش‌های گرمای شهری و رفتار تطبیقی ​​مرتبط توسط عموم و موضوع تمایل به پرداخت برای زیرساخت‌های مقاوم در برابر گرما در چونگ کینگ، چین. حفظ کنید. جامعه شهرها 2021 ، 75 ، 103361. [ Google Scholar ] [ CrossRef ]
  22. زی، پی. یانگ، جی. سان، دبلیو. شیائو، ایکس. Xia, J. تجزیه و تحلیل تهویه در مقیاس شهری بر اساس مدل جریان نرمال شده محله. حفظ کنید. جامعه شهرها 2022 ، 80 ، 103746. [ Google Scholar ] [ CrossRef ]
  23. چن، ی. یانگ، جی. یانگ، آر. شیائو، ایکس. Xia, J. سهم مناطق عملکردی شهری در توزیع فضایی محیط حرارتی شهری. ساختن. محیط زیست 2022 ، 216 ، 109000. [ Google Scholar ] [ CrossRef ]
  24. 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 ] [ PubMed ]
  25. یو، اچ. یانگ، جی. لی، تی. جین، ی. Sun، D. ارزیابی ساختار چند مرکزی مورفولوژیکی و عملکردی کلان شهر: یک رویکرد یکپارچه با توزیع و تعامل فضایی. حفظ کنید. جامعه شهرها 2022 ، 80 ، 103800. [ Google Scholar ] [ CrossRef ]
  26. شن، ZJ; Zeng, J. رابطه فضایی توسعه شهری با دمای سطح زمین در سه شهر جنوب فوجیان. Acta Geogr. گناه 2021 ، 76 ، 566-583. [ Google Scholar ] [ CrossRef ]
  27. اومزاکی، ع. ریبیرو، FND؛ دی اولیویرا، AP; سوآرس، جی. De Miranda، RM توصیف عددی تکامل مکانی و زمانی شدت جزیره گرمایی شهری تابستانی در سائوپائولو، برزیل. اقلیم شهری. 2020 ، 32 ، 100615. [ Google Scholar ] [ CrossRef ]
  28. شی، ی. شیانگ، ی. ژانگ، ی. عوامل طراحی شهری مؤثر بر جزیره حرارتی شهری سطحی در شهر پر تراکم گوانگژو بر اساس منطقه آب و هوایی محلی. Sensors 2019 , 19 , 3459. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  29. وانگ، ی. دو، اچ. خو، ی. لو، دی. وانگ، ایکس. Guo، Z. رابطه تغییرات زمانی و مکانی و عوامل تأثیر بر جزیره گرمایی شهری سطحی و آلودگی ازن در دلتای رودخانه یانگ تسه، چین. علمی کل محیط. 2018 ، 631–632 ، 921–933. [ Google Scholar ] [ CrossRef ]
  30. نلسون، FE; انیسیموف، OA; Shiklomanov، NI خطر فرونشست ناشی از ذوب شدن منجمد دائمی. طبیعت 2001 ، 410 ، 889-890. [ Google Scholar ] [ CrossRef ]
  31. یانگ، جی. یانگ، ی. سان، دی. جین، سی. Xiao، X. تأثیر ویژگی های مورفولوژیکی شهری بر محیط حرارتی. حفظ کنید. جامعه شهرها 2021 ، 72 ، 103045. [ Google Scholar ] [ CrossRef ]
  32. پنگ، جی. جیا، جی. لیو، ی. لی، اچ. Wu, J. تضاد فصلی عوامل غالب برای توزیع فضایی دمای سطح زمین در مناطق شهری. سنسور از راه دور محیط. 2018 ، 215 ، 255-267. [ Google Scholar ] [ CrossRef ]
  33. لی، ال. ژا، ی. وانگ، آر. رابطه جزیره گرمایی شهری سطحی با دمای هوا و بارش در شهرهای بزرگ جهانی. Ecol. اندیک. 2020 , 117 , 106683. [ Google Scholar ] [ CrossRef ]
  34. لی، اچ. ژو، ی. وانگ، ایکس. ژو، ایکس. ژانگ، اچ. سودودی، س. کمی کردن شدت جزیره گرمایی شهری و مکانیسم فیزیکی آن با استفاده از WRF/UCM. علمی کل محیط. 2019 ، 650 ، 3110–3119. [ Google Scholar ] [ CrossRef ]
  35. دو، اچ. کای، ی. ژو، اف. جیانگ، اچ. جیانگ، دبلیو. Xu، Y. برنامه ریزی فضای آبی-سبز شهری بر اساس شبیه سازی محیط حرارتی: مطالعه موردی شانگهای، چین. Ecol. اندیک. 2019 ، 106 ، 105501. [ Google Scholar ] [ CrossRef ]
  36. Kazak، JK استفاده از یک سیستم پشتیبانی تصمیم برای شهرنشینی پایدار و آسایش حرارتی در سازگاری با اقدامات تغییر اقلیم – مورد منطقه شهری بزرگتر Wrocław (لهستان). پایداری 2018 ، 10 ، 1083. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  37. شورابه، SN; حمزه، س. شهرکی، SZ; فیروزجایی، م.ک. ارسنجانی، جی جی مدل‌سازی شدت جزیره حرارتی سطحی شهری و پیش‌بینی الگوهای نوظهور: تصاویر چند زمانی لندست و تهران به عنوان مطالعه موردی. بین المللی J. Remote Sens. 2020 , 41 , 7400–7426. [ Google Scholar ] [ CrossRef ]
  38. لیو، دبلیو. منگ، کیو. علام، م. ژانگ، ال. هو، دی. Menenti، M. عوامل محرک دمای سطح زمین در تجمعات شهری: مطالعه موردی در دلتای رودخانه مروارید، چین. Remote Sens. 2021 , 13 , 2858. [ Google Scholar ] [ CrossRef ]
  39. چن، X.-L. ژائو، اچ.-م. لی، P.-X. یین، Z.-Y. 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 ]
  40. دردوری، ع. وانگ، آر. مورایاما، ی. Osaragi، T. درک پیوندهای بین تغییرات LULC و SUHI در شهرها: بینش هایی از مطالعات دو دهه ای (2001-2020). Remote Sens. 2021 , 13 , 3654. [ Google Scholar ] [ CrossRef ]
  41. یائو، ال. لی، تی. خو، ام. Xu، Y. چگونه ویژگی های چشم انداز فضای سبز شهری بر دمای فصلی سطح زمین در مقیاس بلوک شهر تأثیر می گذارد: مطالعه جزیره گرمایی شهری در پکن، چین. شهری برای. سبز شهری. 2020 , 52 , 126704. [ Google Scholar ] [ CrossRef ]
  42. سینگ، پی. کیکن، ن. ورما، ص. تأثیر تغییر کاربری زمین و شهرنشینی در جزیره گرمایی شهری در شهر لاکنو، مرکز هند. برآورد مبتنی بر سنجش از دور حفظ کنید. جامعه شهرها 2017 ، 32 ، 100-114. [ Google Scholar ] [ CrossRef ]
  43. دای، ز. گلدمن، جی.-م. هو، ی. مدل‌های رگرسیون فضایی تأثیرات پارک و کاربری زمین در جزیره گرمایی شهری در مرکز پکن. علمی کل محیط. 2018 ، 626 ، 1136-1147. [ Google Scholar ] [ CrossRef ]
  44. مورابیتو، م. کریسی، آ. گوری، جی. مسری، آ. کونگدو، ال. مونافو، M. جزایر حرارتی شهری سطحی در کلان شهرهای ایتالیا: پوشش درختان و تأثیرات سطح غیرقابل نفوذ. علمی کل محیط. 2021 ، 751 ، 142334. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  45. منگ، کیو. ژانگ، ال. سان، ز. منگ، اف. وانگ، ال. Sun، Y. مشخص کردن روندهای مکانی و زمانی اثر جزیره حرارتی شهری سطحی در یک منطقه اصلی ساخته شده شهری: یک مطالعه موردی 12 ساله در پکن، چین. سنسور از راه دور محیط. 2018 ، 204 ، 826-837. [ Google Scholar ] [ CrossRef ]
  46. 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 ]
  47. لی، ی. سان، ی. لی، جی. گائو، سی. محرک‌های اجتماعی و اقتصادی اثر جزیره گرمایی شهری: شواهد تجربی از شهرهای بزرگ چین. حفظ کنید. جامعه شهرها 2020 , 63 , 102425. [ Google Scholar ] [ CrossRef ]
  48. دوان، ا. کیسلف، جی. بوته، دی. محمود، جی. بوئیان، اچ. حسن، شدت جزیره گرمایی شهری سطح QK در پنج شهر بزرگ بنگلادش: الگوها، محرک ها و روندها. حفظ کنید. جامعه شهرها 2021 ، 71 ، 102926. [ Google Scholar ] [ CrossRef ]
  49. پورتلا، CI; Massi، KG; رودریگز، تی. Alcantara، E. تاثیر ویژگی های شهری و صنعتی بر دمای سطح زمین: شواهد از شاخص های حرارتی ماهواره ای. حفظ کنید. جامعه شهرها 2020 , 56 , 102100. [ Google Scholar ] [ CrossRef ]
  50. Gewers، FL; فریرا، GR; د آرودا، HF; سیلوا، FN; Comin، CH; آمانسیو، DR; کاستا، تجزیه و تحلیل مؤلفه اصلی LDF: یک رویکرد طبیعی برای اکتشاف داده ها. کامپیوتر ACM. Surv. 2022 ، 54 ، 1-34. [ Google Scholar ] [ CrossRef ]
  51. ژو، دبلیو. هوانگ، جی. Cadenasso, ML آیا پیکربندی فضایی اهمیت دارد؟ درک اثرات الگوی پوشش زمین بر دمای سطح زمین در مناظر شهری. Landsc. طرح شهری. 2011 ، 102 ، 54-63. [ Google Scholar ] [ CrossRef ]
  52. Maimaitiyiming، M. غلام، ع. تییپ، تی. پلا، اف. Latorre-Carmona، P. هالیک، Ü. ساووت، م. Caetano، M. اثرات الگوی فضایی فضای سبز بر دمای سطح زمین: پیامدهایی برای برنامه ریزی شهری پایدار و سازگاری با تغییرات آب و هوا. ISPRS J. Photogramm. Remote Sens. 2014 ، 89 ، 59-66. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  53. جین، دی. الگوریتم های گونگ، ZN مقایسه بازیابی دمای سطح زمین از داده های سری Landsat: مطالعه موردی در Qiqihar، چین. فناوری سنسور از راه دور. Appl. 2018 ، 33 ، 830-841. [ Google Scholar ] [ CrossRef ]
  54. لیو، جی. ژانگ، Q. لی، جی. Doronzo، DM پاسخ انواع پوشش زمین به دمای سطح زمین به دست آمده از Landsat-5 TM در منطقه شهری نانجینگ، چین. محیط زیست علوم زمین 2016 ، 75 ، 1386. [ Google Scholar ] [ CrossRef ]
  55. Xiong، Y. ژانگ، اف. اثر سکونتگاه های انسانی بر محیط حرارتی شهری و تحلیل عاملی بر اساس داده های چند منبع: مطالعه موردی شهر چانگشا. جی. جئوگر. علمی 2021 ، 31 ، 819-838. [ Google Scholar ] [ CrossRef ]
  56. Musse، MA; بارونا، دی. رودریگز، LMS ارزیابی کیفیت محیطی شهری با استفاده از سنجش از دور و داده‌های سرشماری. بین المللی J. Appl. زمین Obs. Geoinf. 2018 ، 71 ، 95-108. [ Google Scholar ] [ CrossRef ]
  57. Wu، ZJ; ژائو، SH مطالعه ای در مورد شاخص ارتقا یافته مبتنی بر نمایه ساخته شده بر اساس تصاویر Landsat TM. سنسور از راه دور. 2012 ، 24 ، 50-55. [ Google Scholar ] [ CrossRef ]
  58. فن، XL; Yan، HB; Qu, Y. مقایسه و اعتبار روش‌های تخمین آلبدو سطح از داده‌های HJ-1 A/B CCD. سنسور از راه دور Nat. منبع. 2019 ، 31 ، 123-131. [ Google Scholar ] [ CrossRef ]
  59. پان، J.-H. لیو، X. ارزیابی امنیت اکولوژیکی منظر و بهینه‌سازی الگوی منظر بر اساس تحلیل مؤلفه‌های اصلی فضایی و مدل مقاومت در منطقه خشک داخلی: مطالعه موردی منطقه گانژو، شهر ژانگیه، شمال غربی چین. یانگ یونگ شنگ تای ژو بائو جی. اپل. Ecol. 2015 ، 26 ، 3126-3136. [ Google Scholar ]
  60. Lefever، DW اندازه گیری غلظت جغرافیایی با استفاده از بیضی انحراف استاندارد. صبح. جی. سوسیول. 1926 ، 32 ، 88-94. [ Google Scholar ] [ CrossRef ]
  61. ژائو، ZQ آمار جهانی توزیع فضایی: بررسی ادبیات. Prog. Geogr. 2009 ، 28 ، 1-8. [ Google Scholar ] [ CrossRef ]
  62. یانگ، ی. ما، م. زو، ایکس. Ge, W. تحقیق در مورد ویژگی‌های فضایی توسعه کلان شهرها با استفاده از داده‌های نور شبانه: ویژگی‌های فضایی مبتنی بر NTL پکن. PLoS ONE 2020 , 15 , e0242663. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  63. لی، ز. وو، اف. ما، اچ. خو، ز. وانگ، S. تکامل فضایی و زمانی و رابطه بین نور شبانه و دمای سطح زمین: مطالعه موردی پکن، چین. Land 2022 , 11 , 548. [ Google Scholar ] [ CrossRef ]
  64. کیائو، ز. هوانگ، نیویورک؛ Xu، XL; Sun، ZY; وو، سی. یانگ، جی. الگوی فضایی-زمانی و تکامل چشم‌انداز حرارتی شهری در کلان شهر پکن بین سال‌های 2003 و 2017. Acta Geogr. گناه 2019 ، 74 ، 475-489. [ Google Scholar ] [ CrossRef ]
  65. چن، دبلیو. ژانگ، ی. پنگ وانگ، سی. گائو، دبلیو. ارزیابی دینامیک شهرنشینی و تأثیرات آن بر جزایر حرارتی سطحی: مطالعه موردی پکن، چین. Remote Sens. 2017 , 9 , 453. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  66. چن، دبلیو. ژانگ، ی. گائو، دبلیو. ژو، دی. بررسی شهرنشینی و جزیره گرمایی شهری در پکن بر اساس سنجش از دور. Procedia Soc. رفتار علمی 2016 ، 216 ، 141-150. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  67. یانگ، ال. یو، ک. آی، جی. لیو، ی. یانگ، دبلیو. لیو، جی. عوامل غالب و ناهمگونی فضایی دمای سطح زمین در مناطق شهری: مطالعه موردی در فوژو، چین. Remote Sens. 2022 , 14 , 1266. [ Google Scholar ] [ CrossRef ]
  68. چن، ال. وانگ، ایکس. کای، ایکس. یانگ، سی. لو، ایکس. اثرات ترکیبی سطح مصنوعی و فضای سبز آبی شهری بر دمای سطح زمین در 28 شهر بزرگ چین. Remote Sens. 2022 , 14 , 448. [ Google Scholar ] [ CrossRef ]
  69. کیریاکودیس، جی.-ای. Santamouris, M. استفاده از روسازی های بازتابنده برای کاهش جزیره گرمایی شهری در آب و هوای گرم – نتایج حاصل از یک پروژه کاهش شهری در مقیاس بزرگ. اقلیم شهری. 2018 ، 24 ، 326-339. [ Google Scholar ] [ CrossRef ]
  70. میدل، ا. ترنر، VK؛ اشنایدر، FA; ژانگ، ی. استیلر، ام. روسازی های بازتابنده خورشیدی – نوشداروی سیاستی برای کاهش گرما؟ محیط زیست Res. Lett. 2020 ، 15 ، 064016. [ Google Scholar ] [ CrossRef ]
  71. کوسیس، آی. فابیانی، سی. گبی، ال. روسازی‌های مبتنی بر فسفری Pisello، AL برای مقابله با گرمای بیش از حد شهری – اثبات مفهوم. سول انرژی 2020 ، 202 ، 540-552. [ Google Scholar ] [ CrossRef ]
  72. سوسکا، تی. گافین، اس آر. Dell’Osso، GR اثرات مثبت پوشش گیاهی: جزیره گرمایی شهری و بام های سبز. محیط زیست آلودگی 2011 ، 159 ، 2119-2126. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  73. دونگ، جی. لین، ام. زو، جی. لین، تی. لیو، جی. سان، سی. Luo, J. مطالعه کمی در مورد اثر خنک کننده بام های سبز در یک منطقه شهری با تراکم بالا – مطالعه موردی Xiamen، چین. جی. پاک. تولید 2020 ، 255 ، 120152. [ Google Scholar ] [ CrossRef ]
  74. دولوس، ال. سانتاموریس، ام. لیوادا، I. سرمایش غیرفعال فضاهای شهری در فضای باز. نقش مواد. سول انرژی 2004 ، 77 ، 231-249. [ Google Scholar ] [ CrossRef ]
  75. لی، جی. کوماراسامی، ک. Zingre، KT; یانگ، جی. وان، نماینده مجلس؛ یانگ، ای.-اچ. پوشش رنگی سرد و مواد تغییر فاز به عنوان استراتژی های خنک کننده مکمل برای کاهش بار خنک کننده ساختمان در مناطق استوایی Appl. انرژی 2017 ، 190 ، 57-63. [ Google Scholar ] [ CrossRef ]
  76. اژدری، ع. سلطانی، ع. علیدادی، م. تأثیر مورفولوژی شهری و ساختار منظر بر دمای سطح زمین: شواهدی از شیراز، شهری نیمه خشک. حفظ کنید. جامعه شهرها 2018 ، 41 ، 853-864. [ Google Scholar ] [ CrossRef ]
  77. چن، ام. دای، اف. یانگ، بی. زو، اس. اثرات فضای سبز محله بر کاهش PM2.5: شواهدی از پنج کلان شهر در چین. ساختن. محیط زیست 2019 ، 156 ، 33-45. [ Google Scholar ] [ CrossRef ]
  78. یائو، ایکس. یو، ک. زنگ، ایکس. لین، ی. بله، بی. شن، ایکس. لیو، جی. چگونه می توان پارک های شهری را برای کاهش اثر جزیره گرمایی شهری در “شهرهای کوره” برنامه ریزی کرد؟ دیدگاه انباشت جی. پاک. تولید 2022 ، 330 ، 129852. [ Google Scholar ] [ CrossRef ]
  79. دو، ج. Xiang، X. ژائو، بی. ژو، اچ. تأثیر گسترش شهری بر دمای سطح زمین در فوژو، چین با استفاده از تصاویر Landsat. حفظ کنید. جامعه شهرها 2020 , 61 , 102346. [ Google Scholar ] [ CrossRef ]
Ijgi 11 00278 g001 550
شکل 1. موقعیت جغرافیایی منطقه مورد مطالعه: ( الف ) چین، ( ب ) پکن، و ( ج ) جاده کمربندی ششم پکن.
Ijgi 11 00278 g002 550
شکل 2. میانگین دما و منحنی بارش پکن از سال 2000 تا 2019: ( الف ) دمای متوسط ​​و ( ب ) میانگین بارش.
Ijgi 11 00278 g003 550
شکل 3. طبقه بندی کاربری اراضی در جاده کمربندی ششم پکن در ( الف ) 2004، ( ب ) 2009، ( ج ) 2014، و ( د ) 2019.
Ijgi 11 00278 g004 550
شکل 4. نمودار جریان روش.
Ijgi 11 00278 g005 550
شکل 5. توزیع جزیره گرمایی فضایی در جاده کمربندی ششم پکن در ( a ) 2004، ( b ) 2009، ( c ) 2014، و ( d ) 2019.
Ijgi 11 00278 g006 550
شکل 6. نسبت جزایر سرد و گرما در داخل جاده کمربندی ششم پکن از سال 2004 تا 2019: ( الف ) منطقه جزیره گرمایی و ( ب ) منطقه جزیره سرد.
Ijgi 11 00278 g007 550
شکل 7. جهت توسعه و مهاجرت مرکزی جزیره گرمایی در داخل جاده کمربندی ششم پکن از سال 2004 تا 2019.
Ijgi 11 00278 g008 550
شکل 8. توزیع فضایی عوامل محیطی حرارتی شهری در داخل جاده کمربندی ششم پکن: ( الف ) NDISI، ( ب ) NDBBI، ( ج ) MNDWI، ( د ) شیب، ( e ) DEM، ( f ) FVC، ( g ) ) albedo، ( h ) NTL، ( i ) POI، و ( j ) شاخص تراکم شبکه جاده ای.

مقالات داخلی و بین المللی

مطالب مرتبط ...

بدون دیدگاه

دیدگاهتان را بنویسید