تحلیل سنجش از دور تغییرات زمانی و مکانی دمای سطح زمین در کلانشهر کالابار، نیجریه

این مطالعه تغییرات زمانی و مکانی دمای سطح زمین (LST) را در کلانشهر کالابار، نیجریه (2002 تا 2016) بررسی کرد. LST بیش از کلانشهر کالابار از تجزیه و تحلیل تصاویر Landsat از سال های مورد بررسی (2002، 2006، 2008، 2010، 2012، 2014 و 2016) مورد مطالعه قرار گرفت. نتایج تصویربرداری LST با استفاده از انحراف معیار طبقه بندی شد. GIS بیشتر برای استخراج نسبت پوشش هر کاربری در زمینه پیکسل های دمای سطح زمین (LST) استفاده شد و نتایج بر حسب درجه سانتیگراد ارائه شد. نتایج این مطالعه تفاوت زیادی را در میانگین LST برای دوره انتخابی نشان داد. بالاترین میانگین LST 25.38 درجه سانتیگراد در سال 2016 مشاهده شد و پس از آن در سال 2002 با میانگین LST 25.32 درجه مشاهده شد.C در حالی که کمترین LST در سال 2010 مشاهده شد. این مطالعه نشان داد که تغییر الگوی کاربری اراضی منطقه می تواند بر ویژگی های خاصی از محیط مانند دمای سطح تأثیر بگذارد. این مطالعه توصیه می کند که دولت باید برای افزایش پوشش گیاهی شهری به منظور کاهش احتمال افزایش در آینده در LST تلاش کند.

کلید واژه ها

تصاویر لندست ، کالابار ، دمای سطح زمین ، تغییرات مکانی

1. مقدمه

دمای سطح زمین (LST) که توسط تعادل انرژی سطح، حالت جوی و خواص حرارتی سنگ‌های سطحی/زیر سطحی کنترل می‌شود، یکی از پارامترهای مهم در چندین مدل محیطی است [ 1 ]. همانطور که توسط [ 2]، LST اندازه گیری دقیقی برای نشان دادن تعادل تبادل انرژی بین زمین و جو ارائه می دهد. مطالعات روی LST برای مطالعات زیست محیطی و مدیریت منابع زمین به دلیل توانایی آن در تعیین دمای تابش موثر سطح زمین مهم است. همچنین، LST عامل اصلی تعیین تقسیم انرژی موجود به شار حرارتی محسوس و نهان است. به عنوان مثال، نرخ تغییر LST به ویژگی های سطح زمین مانند رطوبت خاک، کاربری زمین و پوشش گیاهی حساس است [ 3 ].

با ظهور فناوری سنجش از دور حرارتی، مشاهده LST با استفاده از سکوهای ماهواره و هواپیما [ 4 ] امکان پذیر شده است که جهت جدیدی را برای مشاهدات بازتاب حرارتی و مطالعه اثرات آن از طریق ترکیب سنجش از دور حرارتی و ریز هواشناسی شهری [ 5 ] . ماهواره‌های مختلف و روش‌هایی مانند باند TM Landsat در دسترس هستند که می‌توان برای بررسی LST [ 6 ] [ 7 ] [ 8 ] [ 9 ] استفاده کرد. باندهای TM Landsat داده هایی هستند که بیشترین استفاده را برای این مطالعات دارند [ 6 ] [ 7 ] [ 8 ] [ 9 ]] . مطالعات قبلی نشان داده اند که محصول LST بازیابی شده از حسگرهای مادون قرمز حرارتی (TIR) ​​می تواند برای نظارت بر توزیع دما در یک منطقه استفاده شود [ 5 ] [ 10 ] [ 11 ] [ 12 ] [ 13 ] [ 14 ]. چندین محقق دمای هوا را با استفاده از تصاویر Landsat TM [ 7 ] [ 15 ] – [ 20 ] تخمین زده اند. این مقاله تغییرات زمانی و مکانی LST را در کلانشهر کالابار، نیجریه ارزیابی می‌کند.

2. مواد و روش

2.1. منطقه مطالعه

کلان شهر کالابار، منطقه مورد مطالعه، مرکز ایالت کراس ریور نیجریه است که در بخش جنوبی ایالت واقع شده است. این منطقه شامل شهرداری کالابار و مناطق دولتی محلی کالابار جنوبی است و بین عرض‌های جغرافیایی 4˚50’N و 5˚10’N و طول جغرافیایی 8˚17’E و 8˚20’E قرار دارد. از شمال به منطقه دولت محلی Odukpani (LGA) و از شرق توسط Akpabuyo LGA محدود می شود. کلان شهر کالابار بین رودخانه بزرگ کوا در شرق و رودخانه کالابار در غرب قرار گرفته است. حال حاضر منطقه شهری در کرانه شرقی رودخانه کالابار است که رشد آن در قسمت جنوبی توسط باتلاق های حرا مانع می شود. مساحت زمینی در حدود 274.593 کیلومتر مربع را پوشش می دهد ⁽ شکل 1 ).

کالابار در اقلیم استوایی استوایی (Af) با دمای بالا، رطوبت نسبی بالا و بارندگی سالانه فراوان قرار می گیرد [ 21 ]. میزان بارندگی سالانه 2750 میلی متر و میانگین دمای سالانه 26.1 درجه سانتی گراد است. منطقه مورد مطالعه شاهد افزایش چشمگیر جمعیت 10000 نفری تخمین زده شده در دوران پیش از استعمار بوده است که در سال 1993 به 99352 نفر رسید. 328876 نفر در سال 1991. آخرین سرشماری در سال 2006 جمعیت را به 371022 نفر رساند [ 22 ]. رشد جمعیت کالابار با گسترش مرزهای فیزیکی آن همراه بوده است. این افزایش در مرزهای فیزیکی حاکی از از بین رفتن پوشش گیاهی و زمین در منطقه است که در نتیجه تأثیر مستقیمی بر آب و هوای خرد دارد [ 22 ].

2.2. تصویر و پیش پردازش

تصاویر بدون ابر Landsat از وب سایت ناسا به دست آمده است

متشکل از تصویر نقشه‌برداری موضوعی (TM)، تصویر نقشه‌بردار موضوعی (ETM ⁺ ) و تصویرگر زمین عملیاتی (OLI) برای تعیین LST در کلانشهر کالابار بین سال‌های 2002 و 2016. تصاویر دانلود شده یک دوره 15 ساله در فاصله زمانی 2 ساله را پوشش می دهند. نرم افزار مورد استفاده برای تحلیل دسکتاپ ArcGIS بود. شناسایی منطقه مورد مطالعه اولین گام این تحقیق بود که با استفاده از نقشه اداری کالابار که شهرداری کالابار و LGA جنوبی کالابار را نشان می‌دهد، به دست آمد.

2.3. بازیابی دمای سطح زمین

دمای سطح زمین با استفاده از روش‌های مختلفی تخمین زده شد که از کالیبراسیون رادیومتری، تبدیل DN به درخشندگی، تصحیح جذب اتمسفر، انتشار مجدد و انتشار سطحی که در [ 23 ] به شرح زیر استفاده شده است، برآورد شد:

تبدیل اعداد دیجیتال (DN) باندها به تابش طیفی

Lλ= ⌊Lحداکثر–LMINسسیa l m ax –سسیA L Mمنن⌋ × ( D N− 1 ) +LMINLλ=⌊LMAX−LMINQCalmax−QCALMIN⌋×(DN−1)+LMIN(1)

جایی که،

L _MAX = تابش طیفی که به Q _CALMAX در W/(m ² * sr * μm) مقیاس می شود L _MIN = تابش طیفی که به Q _CALMIN در W/(m ² * sr * μm) مقیاس می شود Q _CALMAX = حداکثر مقدار پیکسل کالیبره شده کوانتیزه شده (مرتبط با L _MAX ) در DN = 255 Q _CALMIN = حداقل مقدار پیکسل کالیبره شده کوانتیزه شده (مرتبط با L _MIN ) در DN = 1.

تبدیل از تابش طیفی به دمای روشنایی در ماهواره [ 23 ]

تی=ک2منn (ک1Lλ+ 1 )– 273.15T=K2In(K1Lλ+1)−273.15(2)

که در آن، T = دمای روشنایی در ماهواره، _Ll = تابش طیفی (به دست آمده از معادلات – و -)، K1 ₌ ثابت تبدیل حرارتی باند خاص از ابرداده، x عدد باند حرارتی است)، K2 ₌ حرارتی خاص باند ثابت تبدیل از فراداده، -273.15 = ثابت برای تبدیل از کلوین به درجه سانتیگراد همانطور که در [ 23 ] نشان داده شده است.

تصحیح برای انتشار سطح زمین (LSE) [ 23 ]

مقادیر دما به دست آمده با استفاده از رابطه (2) به یک جسم سیاه اشاره دارد. بنابراین، اصلاحات برای نشر طیفی (ε) با توجه به ماهیت پوشش زمین ضروری شد (معادله (3))

e = 0.004پV+ 0.986e=0.004PV+0.986(3)

که در آن، e = انتشار سطح زمین، 0.004 و 0.986 = ثابت برای تخمین انتشار، P _V = نسبت پوشش گیاهی [ 23 ] که توسط معادله ارائه شده است.

پV(نD Vمن– نD VمندقیقهنD Vمنحداکثر– نD Vمندقیقه)PV(NDVI−NDVIminNDVImax−NDVImin)(4)

که در آن، NDVI = شاخص گیاهی دیفرانسیل عادی شده با معادله (1) برای هر یک از سال ها محاسبه می شود، NDVI _min = حداقل مقدار NDVI برای آن سال، NDVI _max = حداکثر مقدار NDVI برای آن سال [ 23 ].

تخمین دمای سطح زمین [ 23 ]

ال استی=بتی1 + W×بتیپ× منn ( ∑ )LST=BT1+W×BTP×In(∑)(5)

که در آن، LST = دمای سطح زمین، B _T = دمای روشنایی در ماهواره، W = طول موج تشعشع ساطع شده (µm) [ 23 ] به صورت:

پ= h ×جس( 1.438 ×10– 2m K) =14380P=h×cs(1.438×10−2mK)=14380(6)

h = ثابت پلانک ( 6.626 ×10– 34Js6.626×10−34JsS = ثابت بولتزمن ( 1.38 ×10– 23J / K1.38×10−23J/K، C = سرعت نور ( 2.998 ×108متر بر ثانیه2.998×108m/s) e = LSE.

3 ارائه نتایج و بحث

تجزیه و تحلیل دمای سطح زمین (LST).

بر اساس الگوریتم بازیابی LST که قبلاً ذکر شد، هفت نقشه LST در فاصله زمانی دو ساله (2002 تا 2016) برای اندازه‌گیری بزرگی و کمی کردن LST صریح فضایی در کل منطقه مورد مطالعه ایجاد شد. به منظور نمایش واضح نقشه LST، تابع برش چگالی ArcGIS برای تشخیص مناطق LST با رنگ های مختلف استفاده شد. LST بیش از کلانشهر کالابار از تجزیه و تحلیل تصاویر Landsat در سال های مورد بررسی (2002، 2006، 2008، 2010، 2012، 2014 و 2016) مورد مطالعه قرار گرفت. نتایج تصویربرداری LST با استفاده از انحراف معیار طبقه بندی شد. LST برای سالهای مختلف نیز استخراج و بر حسب درجه سانتیگراد ارائه شد ( شکل 2 و جدول 1 ).

نتیجه نقشه‌های LST تغییرات زیادی را در دمای تابش سطح برای دوره‌های انتخاب شده نشان داد ( شکل 2 و جدول 1). با مقایسه دمای تابشی برای دوره های انتخاب شده مشاهده کردیم که در سال 2002، دمای تابشی در محدوده 14.19 درجه سانتی گراد تا 31.4 درجه سانتی گراد با میانگین 25.32 درجه سانتی گراد محدود شده است. در حالی که دمای تابشی سال 2006 در محدوده 18.77 درجه سانتیگراد تا 30.52 درجه سانتیگراد با میانگین 23.76 درجه سانتیگراد قرار دارد. همچنین، در سال 2008، دمای تابشی در محدوده 18.92 درجه سانتیگراد تا 32.14 درجه سانتیگراد با میانگین 24.63 درجه سانتیگراد قرار دارد در حالی که دمای تابشی سال 2010 در محدوده 14.18 درجه سانتیگراد تا 24.77 درجه سانتیگراد با 18.72 درجه سانتیگراد قرار دارد. به عنوان میانگین نتایج همچنین تغییرات زیادی را در میانگین LST برای سال‌های 2008، 2006 و 2002 نشان داد. با مقایسه میانگین LST در سال 2008 با سال‌های 2002 و 2006، تفاوت منفی خفیف 0.69 درجه سانتی گراد و اختلاف مثبت 1.26 درجه سانتی گراد و در سال 200 مشاهده شد. 2006 به ترتیب ( جدول 1 ).

علاوه بر این، نتیجه نقشه LST در سال 2012 نشان می دهد که بالاترین میانگین دمای تابشی در سال 2012 30.25 درجه سانتیگراد و پس از آن 21.12 درجه سانتیگراد با میانگین 25.07 درجه سانتیگراد است که بالاتر از سال 2010 است. در سال 2014، دمای تابشی به داخل کاهش می یابد. محدوده 17.64 درجه سانتی گراد تا 30.00 درجه سانتی گراد با میانگین 23 درجه سانتی گراد ( جدول 1 ). نتیجه نقشه LST 2014 نشان داد که میانگین LST در سال 2014 بیشتر از میانگین LST در سال 2010 است، اما کمتر از سایر سال های مورد مطالعه کمتر است. با مقایسه میانگین LST در سال 2014 و 2012، مشاهده کردیم که میانگین LST در سال 2012 بیشتر از سال 2014 بود ( جدول 1 ).

از یافته های این مطالعه مشخص می شود که بیشترین میانگین تابش 25.38 درجه سانتیگراد در سال 2016 و پس از آن در سال 2002 با میانگین LST 25.32 درجه سانتیگراد مشاهده شد، در حالی که کمترین دمای تابشی در سال 2010 مشاهده شد ( جدول 1 ). میانگین پایین دمای تابشی در سال 2010 نسبت به سال های دیگر را می توان به شرایط نامساعد جوی مانند گرد و غبار و مه گزارش شده توسط [ 24 ]، طی ماه های ژانویه تا مارس، نوامبر تا دسامبر 2010، خشک شمال نسبت داد. بادهای شرقی بر بخش‌هایی از غرب آفریقا در نتیجه فشار سطحی ایجاد شده بر روی بیابان‌های صحرا و منطقه ساحل که ذرات گرد و غبار ناشی از هوا را به سمت جنوب منتقل می‌کرد، غلبه کرد، بنابراین دید افقی را به کمتر از 1000 متر کاهش داد.

یافته‌های این مطالعه همچنین نشان داد که از پنج طبقه کاربری شناسایی‌شده در منطقه مورد مطالعه (بدنه آبی، پوشش گیاهی کم، پوشش گیاهی متراکم، منطقه ساخته‌شده و زمین بایر) [ 25 ]، کلاس‌های LULC ساخته‌شده و زمین بایر. بالاترین میانگین مقادیر LST را نشان داد. میانگین مقدار LST 32.14 درجه سانتیگراد در اطراف کلاس بایرلند مشاهده شد در حالی که کمترین دمای تابشی 14.19 درجه سانتیگراد در اطراف کلاسهای بدنه آبی مشاهده شد ( جدول 1 ).

4. نتیجه گیری

این مطالعه نشان داده است که مقادیر دمای سطح زمین (LST) از سال 2002 به اندازه سال 2016 افزایش یافته است و وسعت فضایی آنها با تشدید شهرنشینی بزرگتر می شود. نتیجه نشان داد که منطقه ساخته شده مقوله کاربری زمین است که به طور قابل توجهی با میانگین بالا و LST بالا مرتبط است. این مطالعه همچنین نشان داد که کمترین میانگین LST مربوط به مناطق تحت پوشش آب است و پس از آن مناطق بیش از جنگل. حذف پوشش گیاهی، سطح زمین را در معرض تابش تابشی قرار می دهد که به صورت بازتابی بیان می شود که نشان دهنده سیستم های سطح گرم یا سرد است. دنباله نشان می دهد که آب فراوان در بافر جزایر گرمایی شهری (UHIS) مفید است. پوشش های گیاهی باید محافظت شوند تا UHIS بالقوه آینده در اطراف ترانزیت های حاشیه شهری از طریق یک سیستم گرمایش حومه شهری کاهش یابد.

منابع

[ 1 ]	Becker, F. and Li, Z. (1990) به سوی یک روش پنجره تقسیم محلی بر روی سطح زمین. مجله بین المللی سنجش از دور، 3، 17-33.
[ 2 ]	لیو، ال. و ژانگ، ی. (2011) تجزیه و تحلیل جزیره گرمایی شهری با استفاده از داده های Landsat TM و داده های ASTER. مطالعه موردی در هنگ کنگ. سنجش از دور، 3، 1535-1552. https://doi.org/10.3390/rs3071535
[ 3 ]	Fabrizi, R., Bonafoni, S. and Biondi, R. (2010) سنسورهای ماهواره ای و زمینی برای تجزیه و تحلیل جزیره گرمایی شهری در شهر رم. سنجش از دور، 2، 1400-1414. https://doi.org/10.3390/rs2051400
[ 4 ]	Ema، K.، Nengah، IS و Widiatmaka، J. (2016) تخمین دمای سطح زمین مبتنی بر ماهواره شهرداری بوگور، اندونزی. مجله اندونزی مهندسی برق و علوم کامپیوتر، 2، 221-228. https://doi.org/10.11591/ijeecs.v2.i1.pp221-228
[ 5 ]	Vought، JA و Oke، TR (2003) سنجش از دور حرارتی مناطق شهری. سنجش از دور محیط زیست، 86، 370-3884. https://doi.org/10.1016/S0034-4257(03)00079-8
[ 6 ]	Sekertekin, A., Kutoglu, SH and Kaya, S. (2016) ارزیابی تغییرپذیری مکانی-زمانی در دمای سطح زمین: مطالعه موردی Zonguldak، ترکیه. پایش و ارزیابی محیط زیست، 188، 1-15. https://doi.org/10.1007/s10661-015-5032-2
[ 7 ]	Wang, F., Qin, ZH, Song, CY, Tu, LL, Karnieli, A. and Zhao, SH (2015) الگوریتم تک پنجره ای بهبود یافته برای بازیابی دمای سطح زمین از داده های سنسور مادون قرمز حرارتی Landsat 8. سنجش از دور، 7، 4268-4289. https://doi.org/10.3390/rs70404268
[ 8 ]	روش‌های بازیابی دمای سطح زمین از داده‌های سنسور مادون قرمز حرارتی Landsat-8. IEEE Geoscience and Remote Sensing Letters، 11، 1840-1843. https://doi.org/10.1109/LGRS.2014.2312032
[ 9 ]	Yu، XL، Guo، XL و Wu، ZC (2014) بازیابی دمای سطح زمین از Landsat 8 TIRS-مقایسه بین روش مبتنی بر معادله انتقال تابشی، الگوریتم پنجره تقسیم و روش تک کانال. سنجش از دور، 6، 9829-9852. https://doi.org/10.3390/rs6109829
[ 10 ]	Lin, SP, Moore, NJ, Messina, JP, DeVisser, MH and Wu, JP (2016) ارزیابی برآورد حداکثر و حداقل دمای روزانه هوا با داده های MODIS در شرق آفریقا. مجله بین المللی مشاهده کاربردی زمین و اطلاعات جغرافیایی، 18، 128-140. https://doi.org/10.1016/j.jag.2012.01.004
[ 11 ]	He, F., Liu, JY, Zhuang, DF, Zhang, W. and Liu, ML (2007) Assessing the effect of Land-Use/Landover Change on the Urban Heat Island Intensity. اقلیم شناسی نظری و کاربردی، 90، 217-226. https://doi.org/10.1007/s00704-006-0273-1
[ 12 ]	Adinna، EN، Enete، IC و Okolie، AT (2009) ارزیابی UHI و سازگاری‌های احتمالی در شهر Enugu با استفاده از Landsat-ETM. مجله جغرافیا و برنامه ریزی منطقه ای، 2، 030-036.
[ 13 ]	Imhoff، ML، Zhang، P.، Woife، RE و Bounoua، L. (2010) سنجش از دور اثر جزیره گرمایی شهری در سراسر زیست توده ها در قاره ایالات متحده. سنجش از دور محیط زیست، 114، 504-513. https://doi.org/10.1016/j.rse.2009.10.008
[ 14 ]	Weng, Q. (2008) سنجش از دور مادون قرمز حرارتی برای مطالعات اقلیم شهری و محیطی: روش ها، کاربردها و روندها. ISPRS مجله فتوگرامتری و سنجش از دور، 64، 335-344. https://doi.org/10.1016/j.isprsjprs.2009.03.007
[ 15 ]	Awuh، ME (2017) ارزیابی تأثیر الگوی کاربری زمین/پوشش زمین در جزیره گرمای شهری در کلانشهر کالابار. Ph.D منتشر نشده پایان نامه، دانشگاه ننامدی آزیکیوه.
[ 16 ]	Enete، IC، Awuh، ME و Ikekpeazu، FO (2014) ارزیابی وضعیت جزیره گرمایی شهری (UHI) در کلانشهر دوآلا کامرون. مجله جغرافیا و علوم زمین، 2، 35-40.
[ 17 ]	ابوطالب، ک.، نگی، ا.، درویش، ا.، احمد، م.، عرفات، س. و احمد، ف. (2015) ارزیابی جزیره گرمایی شهری با استفاده از تصاویر سنجش از دور در قاهره بزرگ، مصر. پیشرفت در سنجش از دور، 4، 35-47. https://doi.org/10.4236/ars.2015.41004
[ 18 ]	آلگرینی، جی.، دورر، وی و کارملیت، جی (2015) تأثیر مورفولوژی ها بر ریزاقلیم در محله های شهری. مجله مهندسی باد و آیرودینامیک صنعتی، 144، 108-117. https://doi.org/10.1016/j.jweia.2015.03.024
[ 19 ]	Keramitsoglou, I., Kiranoudis, CT, et al. (2011) شناسایی و تجزیه و تحلیل الگوهای دمای سطح شهری در آتن بزرگ، یونان، با استفاده از تصاویر MODIS. سنجش از دور محیط زیست، 115، 3080-3090. https://doi.org/10.1016/j.rse.2011.06.014
[ 20 ]	Inyang, PEB (1980) Calabar Environs: Geographical Studies. دانشگاه کالابار، کالابار
[ 21 ]	کمیسیون ملی جمعیت (NPC) نیجریه (2006) سرشماری جمعیت جمهوری فدرال نیجریه. گزارش تحلیلی در سطح ملی، لاگوس.
[ 22 ]	Eni، DD و Ukpong، BJ (2014) تأثیر رشد جمعیت بر استفاده از زمین مسکونی در کالابار، ایالت عبور رودخانه. پژوهشی در علوم انسانی و اجتماعی، 4، 68-74.
[ 23 ]	Zaharaddeen, I., Ibrahim, IB and Zachariah, A. (2016) برآورد دمای سطح زمین کلانشهر کادونا، نیجریه با استفاده از تصاویر Landsat. مجله دنیای علم، 11، 36-42.
[ 24 ]	سازمان هواشناسی نیجریه (NIMET) (2010) تغییرپذیری و تغییر آب و هوا: تأثیر، علم، نوآوری و سیاست. بولتن بررسی آب و هوا، 1-24.
[ 25 ]	Awuh، ME، Officha، MC، Okolie، AO و Enete، IC (2018) دینامیک کاربری زمین/پوشش زمین در کلانشهر کالابار با استفاده از رویکرد ترکیبی سنجش از دور و GIS. مجله نظام اطلاعات جغرافیایی، 10، 398-414. https://doi.org/10.4236/jgis.2018.104021