چکیده

:

شاخص اکولوژیکی سنجش از دور (RSEI)، که با سبزی، رطوبت، خشکی و گرما ساخته شده است، به طور فزاینده ای برای استفاده از آن در ارزیابی کیفیت محیط زیست شهری شناخته شده است. برای بهبود قابلیت اطمینان چنین ارزیابی، ما یک روش جدید ارزیابی کیفیت محیط زیست شهری مبتنی بر RSEI را پیشنهاد می‌کنیم که در آن تأثیر شاخص‌های RSEI بر کیفیت محیط زیست و تغییر فصلی RSEI بررسی و در نظر گرفته می‌شود. شهر شمالی تیانجین چین به عنوان مطالعه موردی برای آزمایش روش پیشنهادی انتخاب شد. تصاویر Landsat به‌دست‌آمده در بهار، تابستان، پاییز و زمستان برای سه سال مختلف (1992، 2005 و 2018) برای تجزیه و تحلیل چند زمانی به‌دست آمدند و پردازش شدند. نتایج حاصل از مطالعه موردی نشان می‌دهد که هر دو سهم شاخص‌های RSEI در کیفیت محیط زیست و مقادیر RSEI با فصل متفاوت است و این تنوع فصلی باید با عادی‌سازی معیارهای شاخص به‌ترتیب و با استفاده از تصاویر سنجش از دور نماینده‌تر در نظر گرفته شود. کیفیت زیست محیطی ارزیابی شده تیانجین به طور کلی به دلیل اقدامات دولتی حفاظت از محیط زیست در حال بهبود بود، اما آسیب ناشی از گسترش سریع شهری و احیای دریا در منطقه جدید بینهای هنوز باید مورد توجه قرار گیرد. نتیجه گیری می شود که روش ارزیابی کیفیت محیط زیست شهری پیشنهادی ما قابل اجرا است و می تواند یک نتیجه ارزیابی قابل اعتماد ارائه دهد که به دستیابی به درک دقیق تری از تکامل کیفیت محیط زیست شهری در فصول و سال کمک می کند. بهبود با توجه به اقدامات دولتی حفاظت از محیط زیست، اما آسیب ناشی از گسترش سریع شهری و احیای دریا در منطقه جدید بینهای هنوز باید مورد توجه قرار گیرد. نتیجه گیری می شود که روش ارزیابی کیفیت محیط زیست شهری پیشنهادی ما قابل اجرا است و می تواند یک نتیجه ارزیابی قابل اعتماد ارائه دهد که به دستیابی به درک دقیق تری از تکامل کیفیت محیط زیست شهری در فصول و سال کمک می کند. بهبود با توجه به اقدامات دولتی حفاظت از محیط زیست، اما آسیب ناشی از گسترش سریع شهری و احیای دریا در منطقه جدید بینهای هنوز باید مورد توجه قرار گیرد. نتیجه گیری می شود که روش ارزیابی کیفیت محیط زیست شهری پیشنهادی ما قابل اجرا است و می تواند یک نتیجه ارزیابی قابل اعتماد ارائه دهد که به دستیابی به درک دقیق تری از تکامل کیفیت محیط زیست شهری در فصول و سال کمک می کند.

 

1. مقدمه

محیط زیست به عنوان «کمیت و کیفیت کل منابع آب، منابع زمین، منابع بیولوژیکی و منابع آب و هوایی که بر بقا و توسعه انسان تأثیر می گذارد» تعریف می شود. [ 1 ]. این یک سیستم ترکیبی اجتماعی-اقتصادی-طبیعی و یک عنصر ضروری برای امرار معاش انسان است [ 1 ]. بر خلاف محیط، که فقط شامل عوامل غیربیولوژیکی است، محیط زیست یک سیستم کل نگر با روابط اکولوژیکی پیچیده است [ 2 ]. امروزه کیفیت محیط زیست شهری نقش مهمی را در فرآیندهای زیست محیطی شهری، تغییرات اقلیمی، کاربری زمین و سلامت انسان ایفا می کند [ 1 ، 2 ، 3 ].]. در حالی که شهرنشینی سریع با رونق اقتصادی همراه است، اثرات منفی آن که توسعه پایدار شهری را تهدید می کند را نمی توان نادیده گرفت، از تخریب زمین تا گرم شدن آب و هوا [ 4 ]. چگونگی تعیین علمی وضعیت کیفیت محیط زیست شهری و همچنین ارائه تحلیل کمی از اولویت‌های اصلی است و مورد توجه روزافزون قرار گرفته است.
به طور سنتی، روش های نیمه کمی مانند فرآیند تحلیل سلسله مراتبی (AHP) و ترکیب خطی وزن دار (WLC) برای ارزیابی کیفیت محیط زیست استفاده می شود [ 5 ، 6 ]. زمانی که شاخص های زیادی مورد نیاز است، آنها ذهنی در نظر گرفته می شوند و کمتر قابل اجرا هستند [ 7]. با این حال، می توان تا حدی با سنجش از دور بر این محدودیت ها غلبه کرد. سنجش از دور با توانایی خود در تصویربرداری از مناطق بزرگ به روشی مکرر، اکنون به طور گسترده در انواع مطالعات و کاربردهای کیفی محیط زیست شهری از جمله ارزیابی کیفیت محیط زیست شهری استفاده شده است. بسیاری از شاخص های مورد نیاز در ارزیابی را می توان به طور مستقیم یا غیرمستقیم از داده های تصویر سنجش از دور در وضوح سنسورهای مختلف در طول یک دوره طولانی استخراج کرد، که به ارزیابی اجازه می دهد در مقیاس های مکانی و زمانی مختلف انجام شود [ 8 ]. به همین دلیل، در طول دو دهه گذشته، سنجش از دور اغلب با روش های مختلف ارزیابی ترکیب شده است [ 9 ، 10 ].
برخی از مطالعات از سنجش از دور برای به دست آوردن یک عامل ارزیابی زیست محیطی واحد، مانند شاخص پوشش گیاهی یا دمای سطح زمین، برای ارزیابی کیفیت زیست محیطی شهری در مناطقی مانند جنگل ها، تالاب ها و شهرها استفاده کردند [ 11 ، 12 ، 13 ]. اما یک عامل ارزیابی زیست محیطی واحد برای توصیف کیفیت زیست محیطی پیچیده شهری کافی نیست و نقش بسیاری از عوامل دیگر ارزیابی زیست محیطی را در یک اکوسیستم در نظر نمی گیرد. در پاسخ به آن چالش ها، خو و همکاران. یک شاخص اکولوژیکی سنجش از دور (RSEI) با چهار شاخص به ترتیب نشان دهنده سبزی، رطوبت، گرما و خشکی پیشنهاد کرد و آن را در منطقه جدید Xiong’an، Fuzhou و بسیاری از مناطق دیگر در چین آزمایش کرد [ 14 ]., 15 , 16 ]. آنها دریافتند که گسترش شهری تا حد زیادی مسئول افزایش سطوح غیرقابل نفوذ و بدتر شدن کیفیت زیست محیطی شهری سطحی است [ 17 ]. در مقایسه با شاخص بوم‌شناختی اصلی در معیار فنی چین برای ارزیابی وضعیت اکوسیستم (آزمایشی) (HJ192-2015)، RSEI برای کاربرد آسان‌تر و راحت‌تر برای به‌روزرسانی در نیاز به نظارت بر کیفیت محیط زیست شهری در حال تغییر در نظر گرفته می‌شود [ 18 ] ].
در سال‌های اخیر، RSEI محبوبیت زیادی پیدا کرده است و اغلب برای ارزیابی کیفیت محیط زیست شهری در شهرهای منفرد مانند منطقه آزمایشی جامع پینگتان [ 19 ] در چین، مناطقی مانند منطقه پکن-تیانجین-هبی [ 20 ] به کار گرفته شده است. منطقه خلیج گوانگدونگ-هنگ کنگ-ماکائو [ 21 ]، حوضه چائوهو [ 22 ، 23 ]، و ساحل کانال پکن-هانگژو [ 24 ]، و حتی در مقیاس ملی [ 25 ]. همچنین توسط محققان بین المللی، به عنوان مثال، در شهر گائومیشان در ایران [ 26 ]، منطقه سامارا روسیه [ 27 ] و همچنین شهرهای مختلف ایالات متحده [ 27] اعمال شده است.28 ] و اروپا [ 29 ]. این مطالعات معمولا RSEI سالانه را از روی تصاویر سنجش از راه دور منفرد محاسبه می‌کردند و سپس یک تحلیل چند ساله از تغییر شرایط محیطی زیست محیطی انجام می‌دادند [ 30 ]. از آنجایی که شرایط محیطی زیست محیطی در یک منطقه معین لزوماً در طول یک سال یکسان نمی ماند، در صورت دسترسی به داده های تصویر سنجش از دور، نیاز به در نظر گرفتن تغییر فصلی و حتی ماهانه RSEI وجود دارد. علاوه بر این، روش تجزیه و تحلیل مؤلفه اصلی (PCA) یک فناوری فشرده‌سازی داده‌های چند بعدی است که می‌تواند هر گونه تأثیر هم‌خطی بین چهار متغیر را حذف کند [ 31 ].]، و این مطالعات به ندرت ماهیت سهم شاخص‌ها را در کیفیت محیط زیست قبل از اجرای تجزیه و تحلیل مؤلفه اصلی بررسی می‌کردند، و مدل RSEI ممکن است برای اصلاح نکردن جهت بردارهای ویژه نامناسب ساخته شود [ 22 ].
بنابراین، در این مطالعه، ما یک روش جدید ارزیابی کیفیت محیط زیست شهری را با استفاده از RSEI پیشنهاد می‌کنیم که در آن تنوع فصلی در نظر گرفته می‌شود. این روش در تیانجین، شهری در شمال چین آزمایش شد. داده‌های Landsat در بهار، تابستان، پاییز و زمستان سه سال مختلف (یعنی 1992، 2005 و 2018 برای در دسترس بودن و کیفیت داده‌های تصویر) به‌دست‌آمده و برای یک تحلیل چند زمانی پردازش شدند. سال‌های انتخاب‌شده می‌توانند به ایجاد جدول زمانی برای تغییر کیفیت زیست‌محیطی تیانجین در فواصل 13 ساله کمک کنند. اهداف خاص این مطالعه به شرح زیر است: (1) بهینه سازی عادی سازی شاخص های فردی مدل RSEI. (2) بررسی تنوع فصلی RSEI و تأثیر آن بر ارزیابی.

2. منطقه مطالعه

به عنوان یکی از چهار شهرداری چین، تیانجین (38°34′–40°15′ غربی، 116°43′-118°04′ شرقی) منطقه جغرافیایی به وسعت 11916.85 کیلومتر مربع را پوشش می دهد که در شمال چین در ساحل بوهای واقع شده است. دریا و از شمال، غرب و جنوب با استان هبی و پکن هم مرز است ( شکل 1 الف). تیانجین به طور کلی مسطح با ارتفاع متوسط ​​3.3 متر است، اما در شمال دور تپه ای است – بلندترین نقطه آن قله جیودینگ در ناحیه جیژو با ارتفاع 1078.5 متر است. تیانجین با توجه به موقعیتش بین منطقه انتقالی ساحلی عرض جغرافیایی میانی و منطقه انتقال داخلی، دارای یک آب و هوای معمولی گرم معتدل نیمه مرطوب قاره ای موسمی با میانگین حداکثر دمای سالانه 18.6 درجه سانتی گراد، میانگین حداقل دمای سالانه 9.7 درجه سانتی گراد و میانگین است. میزان بارندگی سالانه 43.2 میلی متر [ 32]. فصل ها در تیانجین با تابستان های گرم و بارانی و زمستان های سرد و خشک متمایز هستند ( شکل 2 ).
از سال 2016، تیانجین دارای صلاحیت قضایی بر 16 منطقه شهرداری است که به طور سنتی به چهار گروه تقسیم می شوند ( شکل 1 ب)، یعنی منطقه شهری مرکزی، منطقه اطراف مرکز، منطقه جدید بینهای و منطقه دورافتاده حومه ( جدول 1 ). به لطف توسعه سریع اقتصادی و گسترش شهری خود در سال‌های اخیر، تیانجین به عنوان یکی از 15 شهر جدید چین از 337 شهر چین در سال 2019 رتبه‌بندی شده است [ 33 ، 34 ]. جمعیت آن از 9.204 میلیون در سال 1992 به 15.596 میلیون در سال 2018 افزایش یافت و اقتصاد آن با اندازه گیری تولید ناخالص داخلی (تولید ناخالص داخلی) از 41.124 میلیارد به 1880.964 میلیارد یوان در مدت مشابه افزایش یافت [ 35 ، 36 ].]. با این حال، چنین رونق اقتصادی-اجتماعی به قیمت مصرف فوق العاده منابع و تخریب چشمگیر محیط زیست تمام شد. به این ترتیب، توسعه پایدار تیانجین تحت فشار فزاینده ای قرار داشت. گزارش شده است که محیط زیست به طور کلی بهبود یافته است [ 37 ]. بررسی آنچه تیانجین در سه دهه گذشته تجربه کرده است به آشکار شدن تغییر محیط زیست در یک شهر معمولی چین کمک می کند.

3. داده ها و روش ها

3.1. داده های سنجش از دور

در مجموع 42 تصویر ماهواره‌ای Landsat 5 و Landsat 8 برای هر فصل سال‌های 1992، 2005 و 2018 ( جدول 2 ) برای استخراج معیارهای مختلف برای RSEI در این مطالعه جمع‌آوری شد. آنها بیشتر در ماه مارس برای بهار، در اواخر ماه مه و اوایل ژوئن برای تابستان، بیشتر در سپتامبر برای پاییز و همه در دسامبر برای زمستان به دست آمدند. اگر تصاویر در تاریخ‌های مشابه یا بسیار مشابه در سال‌های مختلف به‌دست آیند، ایده‌آل خواهد بود، اما واقع بینانه نیست زیرا تصاویر با کیفیت خوب کافی برای منطقه وسیعی مانند تیانجین در دسترس نیست. در همین حال، داده های تصویری لندست 7 در این مطالعه در نظر گرفته نشد، زیرا آنها از ماه می 2003 به دلیل یک مشکل فنی دارای شکاف داده ای هستند. تصاویر فهرست شده در جدول 2بهترین انتخابی بود که در زمان مطالعه انجام شد.
قبل از استخراج اقدامات مورد نیاز برای ساخت RSEI، این تصاویر برای تصحیح اتمسفر (FLAASH)، ارجاع جغرافیایی (تصویر به تصویر)، و موزاییک بدون درز و برش تصویر از پیش پردازش شدند [ 28 ، 38 ، 39 ]. اگرچه داده‌های مختلف تصویر Landsat در این مطالعه استفاده شد، اما اعتقاد بر این است که این حداقل تأثیر را بر محاسبه شاخص دارد [ 38 ، 39 ].

3.2. شاخص های اکولوژیکی سنجش از دور (RSEI).

شاخص اکولوژیکی سنجش از دور (RSEI) یک شاخص جامع برای تشخیص سریع شرایط محیطی زیست محیطی یک منطقه جغرافیایی تنها با استفاده از داده های سنجش از دور است. این شامل سبزی، رطوبت، خشکی و گرما است که هر کدام جنبه‌های مختلف محیط زیست، یعنی پوشش گیاهی سبز، رطوبت خاک، مناطق ساخته شده و دمای محیط را نشان می‌دهند [ 14 ]. هر یک از شاخص ها با معیاری که می تواند از تصاویر سنجش از راه دور بدست آید، کمی سازی می شود. سبزی، رطوبت و خشکی با شاخص پوشش گیاهی نرمال شده (NDVI)، مولفه مرطوب تبدیل کلاهک منگوله ای (رطوبت)، و شاخص تفاوت نرمال شده ساختمان-خاک (NDBSI) نشان داده می شود که میانگین شاخص مبتنی بر شاخص است. شاخص ساخته شده (IBI) و شاخص خاک (SI) [ 16] به ترتیب. در همین حال، گرما با دمای سطح زمین (LST) مشخص می شود. هر یک از اقدامات در زیر توضیح داده شده است.

3.2.1. سبزی – شاخص گیاهی تفاوت عادی (NDVI)

شاخص تفاوت نرمال شده گیاهی (NDVI) توسط Rouse و همکاران ارائه شد. (1974) [ 40 ] و به پرکاربردترین شاخص گیاهی در سنجش از دور برای تشخیص وجود و میزان پوشش گیاهی سبز در سطوح زمین تبدیل شده است [ 41 ، 42 ، 43 ]. در اینجا توسط [ 17 ] برای مشخص کردن سبزی در شاخص اکولوژیکی سنجش از دور، با معادله (1) زیر استفاده شد:

NDVI=(ρنمنآر–ρrهد)/(ρنمنآر+ρrهد).

جایی که ρنمنآرو ρrهدبه ترتیب بازتاب در نوارهای مادون قرمز نزدیک (NIR) و قرمز داده های تصویر لندست هستند.

3.2.2. رطوبت – رطوبت (جزء مرطوب)

رطوبت را می‌توان از داده‌های تصویر Landsat با تبدیل کلاهک منگوله‌ای استخراج کرد و با مولفه مرطوب حاصل نشان داد [ 17 ]. با این حال، ضرایب چنین جزء با سنسور متفاوت است. مؤلفه مرطوب (از این پس به عنوان Wetness) برای داده های Landsat TM با استفاده از معادله (2) توسط Crist، Eric P. [ 44 ] و معادله (3) توسط Baig MHA و همکاران محاسبه شد. [ 45 ]. برای داده های Landsat OLI:

دبلیوهتیتیم=ρبلتوه×0.0315+ρgrههn×0.2021+ρrهد×0.3102+ρنمنآر×0.1594–ρاسدبلیومنآر1×0.6806–ρاسدبلیومنآر2×0.6109
دبلیوهتیOLمن=ρبلتوه×0.1511+ρgrههn×0.1973+ρrهد×0.3283+ρنمنآر×0.3407–ρاسدبلیومنآر1×0.7117–ρاسدبلیومنآر2×0.4559

جایی که ρمنبازتاب در باندهای مختلف داده های TM و OLI است (SWIR مخفف مادون قرمز موج کوتاه است).

3.2.3. خشکی – تفاوت عادی شده شاخص ساختمان – خاک (NDBSI)

شاخص تفاوت نرمال شده خاک-ساختمان (NDBSI)، که در اندازه گیری خشکی [ 16 ] موثر گزارش شده است، با میانگین گیری شاخص ساختمانی مبتنی بر شاخص (IBI) و شاخص خاک (SI) [ 46 ، 47 ] محاسبه می شود. هر کدام شرایط مناطق ساخته شده و زمین های بایر را مشخص می کنند. این سه شاخص به وسیله:

IBI=2ρاسدبلیومن1ρاسدبلیومن1+ρنمنآر–ρنمنآرρنمنآر+ρآرهد–ρجیrههnρجیrههn+ρاسدبلیومن12ρاسدبلیومن1ρاسدبلیومن1+ρنمنآر+ρنمنآرρنمنآر+ρآرهد+ρجیrههnρجیrههn+ρاسدبلیومن1.
SI=(ρاسدبلیومن1+ρآرهد)–(ρنمنآر+ρبلتوه)(ρاسدبلیومن1+ρآرهد)+(ρنمنآر+ρبلتوه)
NDBSI=منبمن+اسمن2

جایی که ρبازتاب در باندهای مختلف داده های تصویر لندست است.

3.2.4. گرما- دمای سطح زمین (LST)

دمای سطح زمین (LST) که نشانگر گرما را نشان می‌دهد، می‌تواند با روشی که توسط Jiménez-Muñoz و همکاران ارائه شده است، تخمین زده شود. [ 48 ]، که در بسیاری از مطالعات برای استخراج دمای سطح زمین از داده های تصویر Landsat استفاده شده است [ 27 ، 29 ]. فرمول معادله (7) است:

تی=تیب1+λتیبρلوگاریتمε

که در آن T LST در K است، T B دمای روشنایی در K در سنسور است، λ. طول موج موثر باند مادون قرمز حرارتی است،  εانتشار سطح زمین (LSE) [ 49 ] است، و ρ=1.438 ×10-2 mK . برای جزئیات این روش، خوانندگان به Sobrino و همکاران مراجعه می کنند. [ 49 ، 50 ، 51 ] و هو و خو [ 17 ].

3.3. مدل RSEI

3.3.1. عادی سازی اقدامات

از آنجایی که هر یک از چهار معیار در واحدهای مختلف به دست آمد (مثلاً LST بر حسب سانتیگراد)، توصیه می‌شود برای جلوگیری از ناسازگاری ابعادی، آنها را عادی کنید. در این مطالعه، روش نرمال سازی حداقل حداکثر [ 14 ] اتخاذ شد که در آن همه مقادیر نرمال شده بین 0 و 1 قرار دارند. در حالی که معادله (8) برای مشارکت کنندگان مثبت در کیفیت محیط زیست شهری اعمال شد، معادله (9) استفاده شد. به مشارکت کنندگان منفی:

Yمن=ایکسمن–ممنnمنمآایکسمن–ممنnمن
Yمن=مآایکسمن–ایکسمنمآایکسمن–ممنnمن

که در آن X i و Y i به ترتیب مقادیر اصلی و نرمال شده اندازه گیری ها و Max i و Min i به ترتیب حداکثر و حداقل مقادیر اندازه گیری ها هستند. این روش در مطالعات قبلی برای عادی سازی معیارهای مختلف استفاده شد [ 22 ، 52 ]. همانطور که یانگ و همکاران. [ 53] نشان داده اند که سبزی هم عامل مثبت و هم بزرگترین عامل در کیفیت محیط زیست شهری است، معیار سبزی به عنوان یک معیار در اینجا در نظر گرفته شد و همبستگی آن با سایر اقدامات به تعیین ماهیت مشارکت آنها در محیط زیست شهری کمک کرد. -کیفیت محیط به همین دلیل، تحلیل همبستگی بین معیارها انجام شد. معیارهایی که با سبزی همبستگی مثبت دارند با استفاده از معادله (8) به طور مثبت به کیفیت اکولوژیکی شهری کمک می کنند و معیارهایی که با سبزی همبستگی منفی دارند با استفاده از رابطه (9) به کیفیت اکولوژیکی شهری کمک می کنند.

3.3.2. پوشش آب

از آنجا که جزء مرطوب به دست آمده از تبدیل کلاهک منگوله ای عمدتاً با رطوبت پوشش گیاهی و خاک مرتبط است [ 54 ] و از آنجایی که RSEI برای سطوح خشکی مناسب تر از مناطق آبی بزرگ است، بدنه های آبی باید از تصاویر منطقه مورد مطالعه پنهان شوند. . با توجه به اینکه مرزهای رسمی آب همیشه برای آب های تاریخی در دسترس نیستند و عمدتاً شامل توده های آبی کوچک نیستند، بلکه دارای حجم های بزرگ مانند رودخانه ها و دریاچه ها هستند، تصمیم گرفته شد که شاخص تفاوت نرمال شده آب اصلاح شده (MNDWI) [ 14 ] برای پوشاندن اعمال شود. آب در منطقه مورد مطالعه

MNDWI=ρgrههn–ρاسدبلیومنآر1ρgrههn+ρاسدبلیومنآر1

جایی که ρgrههnو ρاسدبلیومنآر1به ترتیب بازتاب در باند سبز و SWIR1 تصویر لندست هستند.

3.3.3. ادغام اقدامات

با توجه به اینکه مدل RSEI چگونه ساخته شد، Xu و همکاران. [ 14 ] روش‌های سنتی مبتنی بر وزن مانند فرآیند تحلیل سلسله مراتبی (AHP) را حذف کرد زیرا ممکن است سوگیری مبتنی بر پیشینه دانش خود محقق معرفی شود و استفاده از تجزیه و تحلیل مؤلفه اصلی (PCA) را پیشنهاد کند. از طریق PCA، بیشتر اقدامات نرمال شده توسط اولین جزء اصلی (PC1) توضیح داده می شود. به همین دلیل می توان از PC1 برای نشان دادن RSEI استفاده کرد. اهمیت هر معیار نرمال شده با بارگذاری مربوطه آنها به PC1 وزن می شود:

RSEI=کامپیوتر1=آ×nNDVI+ب×n مرطوبی+ج×nNDBSI+د×nLSI

که در آن a، b، c، و d، بارهای معیارهای نرمال شده به PC1 هستند که با تجزیه ماتریس کوواریانس به دست می آیند، که می تواند به عنوان وزن متناظر آنها برای محاسبه RSEI استفاده شود. PC1 بزرگترین بردار ویژه است که با ادغام معیارهای چند بعدی از طریق تجزیه و تحلیل مؤلفه اصلی به دست می آید و سهم آن اغلب می تواند به بیش از 80٪ برسد [ 14 ]. با این حال، اشاره شده است که وزن های فوق با تصاویر متفاوت است، که اجازه مقایسه مستقیم RSEI چند زمانی را نمی دهد [ 22 ]. برای رسیدگی به این نگرانی، ما از یک روش ساده برای تعیین وزن برای RSEI فصلی [ 22 ] استفاده کردیم. به عنوان مثال، وزن بهار به صورت زیر ارائه می شود:

آسپrمنng=آ1992 سپrمنng+آ2005 سپrمنng+آ2018 سپrمنng3
آسپrمنngمیانگین بهار است nNDVIوزن در طول 3 سال وزن های تابستان، پاییز و زمستان را می توان به طور مشابه به دست آورد.
RSEI حاصل نیز در محدوده 0-1 نرمال شد. به این ترتیب، یک مقدار RSEI بالاتر نشان دهنده کیفیت محیط زیست بهتر است و بالعکس. پس از تولید نقشه‌های فصلی RSEI، نقشه‌های سالانه RSEI با میانگین چهار نقشه RSEI فصلی تولید شد. برای تجزیه و تحلیل مقایسه ای، RSEI به پنج سطح، یعنی 0.0-0.2 (ضعیف)، 0.2-0.4 (عادلانه)، 0.4-0.6 (متوسط)، 0.6-0.8 (خوب) و 0.8-1.0 (عالی) طبقه بندی شد. روش طبقه بندی بازه ای مانند [ 14 ، 27 ، 55 ]. این روش اجازه می دهد تا داده های تولید شده در سال های مختلف به طور مستقیم برای یک تحلیل چند زمانی مقایسه شوند [ 14 ، 27 ].

4. نتایج و بحث

قبل از تجزیه و تحلیل نتایج، باز هم تاکید بر این نکته حائز اهمیت است که داده های مورد استفاده در این مطالعه کامل نیستند و چندان معرف نیستند، اما با توجه به محدودیت های مختلف بهترین راه حل است.

4.1. شاخص های RSEI

با روش های شرح داده شده در بخش 3.2 ، شاخص های RSEI استخراج شد و مقادیر میانگین آنها در کل منطقه مورد مطالعه در هر فصل از هر سال در شکل 3 نشان داده شده است. تنوع فصلی این اقدامات از شکل 3 مشخص است. در حالی که NDVI، رطوبت، و LST در ابتدا افزایش و سپس در طول فصل کاهش یافت، NDBSI روند مخالف را نشان داد. پاییز بالاترین NDVI و رطوبت اما کمترین NDBSI را داشت. جای تعجب نیست که بالاترین LST در تابستان رخ داد. سالانه این اقدامات روند افزایشی یا کاهشی ساده ای را نشان ندادند، اما بدیهی است که اقدامات در سال 2018 بیشتر از سال های قبل بوده است.
نتایج تحلیل همبستگی در جدول 3 نشان داده شده است. همبستگی بین NDVI و سایر معیارها بین چهار فصل متفاوت بود. NDVI با رطوبت در فصول گرم (تابستان و پاییز) و در فصول سرد (بهار و زمستان) همبستگی منفی داشت. با این حال، NDVI با NDBSI و LST در فصول گرم و در فصول سرد رابطه مثبت داشت. بدیهی است که توزیع مقادیر مثبت و منفی در بهار و زمستان با تابستان و پاییز متفاوت است. این نشان می دهد که سهم رطوبت، خشکی و گرما در کیفیت محیط زیست شهری با فصل متفاوت است. این یافته با مطالعات قبلی متفاوت است [ 14 ، 17 ، 55] که سهم ثابتی را در نظر گرفت.
شکل 4 توزیع های مختلف چهار معیار نرمال شده را در بهار و زمستان در مقایسه با تابستان و پاییز در تیانجین نشان می دهد. از آنجایی که روش عادی سازی برای اندازه گیری ها به همبستگی های نشان داده شده در جدول 3 بستگی دارد ، برای جلوگیری از تکرار چنین مشاهداتی، پاییز و زمستان 2005 به طور جداگانه از فصولی که در آن روش عادی سازی یکسان برای ارائه استفاده شده است، انتخاب شدند.
در نقشه های نرمال شده NDVI ( شکل 4 a,c)، مقادیر nNDVI در منطقه مرکزی شهری صرف نظر از دوره نسبتاً کم بود، که می تواند به پوشش گیاهی کمتر در آن منطقه نسبت داده شود. کل منطقه مورد مطالعه در سپتامبر نسبت به دسامبر سبزتر بود. این با تنوع آب و هوایی فصلی در تیانجین مطابقت دارد: آب و هوای سپتامبر برای رشد پوشش گیاهی مناسب‌تر است، در حالی که دسامبر خشک و سرد معمولاً برای گیاهان مضر است و بنابراین باعث کاهش چشمگیر پوشش گیاهی می‌شود. جالب توجه است که مقادیر کمتر nWetness در ناحیه مرکزی شهری نشان می دهد که در ماه دسامبر مرطوب تر از بسیاری از مناطق دیگر بوده است ( شکل 4 f). در مورد خشکی ( شکل 4 ج) و گرما ( شکل 4د)، آنها در منطقه شهری مرکزی بالاتر از سایر مناطق در ماه سپتامبر بودند که با مطالعات قبلی مطابقت دارد [ 16 ، 55 ]. با این حال، برای دسامبر که مناطق دیگر خشک‌تر و گرم‌تر از ناحیه مرکزی شهری بودند، اینطور نیست. ما معتقدیم که این ممکن است مربوط به زمین های کشاورزی خشک در مناطق حاشیه شهر در بهار و زمستان باشد. با وجود اینکه پوشش گندم در دو فصل وجود داشت اما کمکی به خنک کننده و مرطوب کنندگی نکردند. در تصویر گرمای سپتامبر 2005 ( شکل 4 د)، منطقه ای با دمای پایین تر در جنوب تیانجین به دلیل لایه نازکی از ابرها وجود داشت.

4.2. توزیع RSEI

با استفاده از روش توضیح داده شده در بخش 3.3.3 برای یکپارچه سازی اقدامات، مقادیر RSEI سالانه منطقه مورد مطالعه را محاسبه کردیم. نقشه های سطح RSEI تولید شد ( شکل 5 ) و تجزیه و تحلیل آماری نیز انجام شد ( جدول 4) .). به طور کلی، بیشتر تیانجین در سطوح متوسط ​​(0.4-0.6) و خوب (0.6-0.8) RSEI با بخش های کوچک (همه <1٪) در سطوح ضعیف (0.0-0.2) و عالی (0.8-1.0) قرار داشتند. جالب است بدانید که منطقه مرکزی شهری در طول 26 سال در سطح متوسط ​​(0.4-0.6) باقی مانده است. این نتایج مشابه ارزیابی امنیت زیست محیطی در منطقه پکن-تیانجین-هبی برای دوره 2000-2015 با استفاده از شاخص امنیت زیست محیطی است که به این نتیجه رسیده است که ضریب امنیتی تیانجین بالاتر از 0.8 در سال است که بالاترین سطح در منطقه است. که تیانجین سطح بالایی از کیفیت زیست محیطی را حفظ کرده است [ 14 ].
در سال 1992، مناطق با سطح متوسط ​​RSEI (53.271٪) بیشتر در Baodi و Wuqing متمرکز بودند، 9.613٪ بیشتر از مناطق سطح خوب. منطقه قرمز به معنای بدترین منطقه با کیفیت زیست محیطی است که در مرکز منطقه بائودی مشهود است و ما معتقدیم که این مربوط به فعالیت معدنی در این منطقه در این دوره است که در تصویر اصلی به عنوان یک منطقه نشان داده شده است. پوشیده از خاک برهنه منطقه ضعیف نیز در بائودی یافت شد، که ما معتقدیم ممکن است با فعالیت معدنکاری آن زمان در آن منطقه مرتبط باشد. در سال 2005، کل منطقه مورد مطالعه تحت سلطه سطح خوب (52.850%) بود که 8.237% بیشتر از سطح متوسط ​​بود که عمدتاً در منطقه اطراف مرکز یافت شد. این نشان می دهد که گسترش شهری در این منطقه از دهه 2000 آغاز شده است. علاوه بر این، نواحی قرمز رنگ دوره مشخص نیستند و عمدتاً پراکنده هستند و تجزیه و تحلیل آنها دشوار است. در سال 2018، درصد اختلاف بین مناطق متوسط ​​و خوب به تنها 1.798٪ کاهش یافت. در همین حال، در بخش جنوبی منطقه جدید بینهای، یک منطقه قرمز رنگ کاملاً خوشه‌ای وجود دارد که، همانطور که در تصویر اصلی مشاهده می‌شود، از یک تکه زمین برهنه سرچشمه می‌گیرد که به تازگی با تکمیل احیا ایجاد شده بود. با وجود ادامه گسترش شهری و احیای دریا، تلاش های بی وقفه دولت محلی برای حفاظت از محیط زیست در این میان به تعدیل تفاوت کمک کرد. در بخش جنوبی منطقه جدید بینهای، یک منطقه قرمز رنگ کاملاً خوشه‌ای وجود دارد که، همانطور که در تصویر اصلی مشاهده می‌شود، از یک تکه زمین برهنه که به تازگی با تکمیل احیا ایجاد شده بود، سرچشمه می‌گیرد. با وجود ادامه گسترش شهری و احیای دریا، تلاش های بی وقفه دولت محلی برای حفاظت از محیط زیست در این میان به تعدیل تفاوت کمک کرد. در بخش جنوبی منطقه جدید بینهای، یک منطقه قرمز رنگ کاملاً خوشه‌ای وجود دارد که، همانطور که در تصویر اصلی مشاهده می‌شود، از یک تکه زمین برهنه که به تازگی با تکمیل احیا ایجاد شده بود، سرچشمه می‌گیرد. با وجود ادامه گسترش شهری و احیای دریا، تلاش های بی وقفه دولت محلی برای حفاظت از محیط زیست در این میان به تعدیل تفاوت کمک کرد.

4.3. تغییر RSEI

4.3.1. تغییر فصلی و سالانه RSEI

مقادیر RSEI فصلی و سالانه برای تجزیه و تحلیل زمانی محاسبه شد ( شکل 6 ). در طول هر سال، RSEI در طول فصل تغییر کرد، در ابتدا به شدت کاهش یافت و سپس به تدریج با کمترین مقادیر در تابستان و بالاترین مقدار در زمستان افزایش یافت. RSEI فصلی در طول 26 سال تغییر چندانی نکرد، به جز RSEI تابستان – که به تدریج از 0.456 در سال 1992 به 0.545 در سال 2018 افزایش یافت. شرایط زیست محیطی در تیانجین این با نتایج گزارش شده توسط Yue و همکاران مطابقت دارد. [ 37] که اکوسیستم تیانجین را با استفاده از شاخصی متفاوت ارزیابی کرد. این ممکن است مربوط به اجرای اخیر تیانجین از پروژه سد اکولوژیکی فضای سبز دو شهر و پروژه اکو شهر تیانجین چین-سنگاپور باشد. علاوه بر تلاش‌های سبز در شهر، این پروژه‌ها همچنین به احیای تالاب‌ها و بهبود سیستم‌های آبی و محیط زیست سکونتگاهی کمک کردند. اگرچه بدنه‌های آبی در ارزیابی RSEI پوشانده شدند، اما گسترش بدنه‌های آب شهری به طور موثری دمای محیط را پایین‌تر می‌آورد [ 56 ] و در نتیجه محیط زیست شهری را بهبود می‌بخشد.
تغییرات جالب در میانگین RSEI فصلی و سالانه در شکل 6 نشان داده شده استاهمیت استفاده از تصاویر سنجش از دور بیشتر به جای کمتر در ارزیابی مبتنی بر RSEI را برجسته کنید. اگر فقط از تصاویر بهار استفاده می شد، می توان نتیجه گرفت که کیفیت محیط زیست شهری ابتدا بهبود یافته و سپس بدتر شده است. اگر فقط از تصاویر تابستانی استفاده می شد، ممکن بود بهبود تدریجی در کیفیت محیط زیست شهری پیدا کنیم. اگر فقط از تصاویر پاییزی استفاده می شد، به راحتی می توان ادعا کرد که کیفیت محیط زیست شهری ابتدا کاهش یافته و سپس بهبود یافته است. اگر فقط از تصاویر زمستانی استفاده می شد، ممکن بود باور کنیم که تقریباً هیچ تغییری وجود نداشته است. با این حال، وقتی تغییر سالانه RSEI را بررسی می‌کنیم، یافته‌ای مشابه با آن چیزی است که فقط در مورد تصاویر تابستانی وجود دارد. این نشان می‌دهد که انتخاب تصاویر سنجش از دور برای نمایش شرایط زیست محیطی کل سال‌ها می‌تواند نتایج مختلفی ایجاد کند، بنابراین تصمیم‌گیرندگان را سردرگم کند.57 ]. به عنوان مثال، کاربری زمین/-پوشش هر 10-1 سال تغییر می کند و تغییرات ماهانه یا فصلی محدودی به جز دایره های فنولوژیکی پوشش گیاهی وجود دارد، بنابراین بررسی تغییر کاربری/-پوشش با چندین تصویر (موزائیک شده) قابل قبول است. در تاریخ های مشابه یا نزدیک اما در سال های مختلف به دست آمده است [ 58 ، 59 ، 60 ]. با این حال، متغیرهای سنجش از راه دور (NDVI، Wetness، NDBSI، و LST) برای استخراج RSEI می‌توانند به صورت فصلی، ماهانه و حتی روزانه تغییر کنند و شرایط زیست محیطی یک روز برای نشان دادن یک سال کامل کافی نیست. به همین دلیل، توصیه می شود از چنین عملی اجتناب شود، که اغلب در بسیاری از مطالعات یافت می شود [ 14 ، 17 ، 55 ، 61 ]]، و استفاده از تصاویر سنجش از دور تا حد امکان برای توصیف شرایط زیست محیطی یک سال، که به تولید یک نتیجه ارزیابی قابل اعتمادتر کمک می کند.

4.3.2. توزیع فضایی تغییر RSEI

توزیع فضایی تغییر RSEI از 1992-2005، 2005-2018 و 1992-2018 در شکل 7 نشان داده شده است و تجزیه و تحلیل آماری نیز انجام شده است ( جدول 5 ). در سه نقشه شکل 7 ، منطقه شهری مرکزی که عمدتاً سفید باقی مانده است و سایر مناطق مانند Jizhou، و Baodi، و Wuqing که دارای مناطق سفید بزرگ بودند، اکثریت منطقه بدون تغییر در جدول 5 را تشکیل می دهند.
از سال 1992 تا 2015 ( شکل 7 الف)، مناطق بهبود یافته (23.08٪) 10.47٪ بیشتر از مناطق تخریب شده (12.61٪) بود ( جدول 5 ). اشاره شده است که اکثر جینان و دونگلی، که منطقه شهری مرکزی و منطقه جدید بینهای را به هم متصل می‌کنند، شاهد تخریب آشکار زیست‌محیطی بودند که ناشی از شهرنشینی در این مناطق در طول دوره بود [ 62 ]. با این حال، به نظر می رسید که این وضعیت از سال 2015 تا 2018 تغییر کرده است ( شکل 7 ب). به طور خاص، اکثر جینان بهبودهای زیست محیطی را در نتیجه ساخت پروژه سد اکولوژیکی فضای سبز دو شهر تیانجین نشان دادند [ 63]. همانطور که منابع زمین در دسترس در منطقه بین منطقه مرکزی شهری و منطقه جدید بینهای به طور فزاینده ای در دسترس قرار گرفت، تقاضا برای زمین سپس به جنوب غربی تیانجین افزایش یافت. اگرچه اقدامات حفاظت از محیط زیست در این مناطق وجود داشت، اما ظاهراً آنها به اندازه یک پروژه بزرگ مانند پروژه مانع اکولوژیکی فضای سبز دو شهر مؤثر نبودند [ 62 ]. این توضیح می دهد که چرا تخریب زیست محیطی در Xiqing و Jinghai قابل توجه بود. در نتیجه، در 13 سال اخیر تفاوت کمتری بین منطقه بهبود یافته (17.50٪) و منطقه تخریب شده (17.00٪) مشاهده شد ( جدول 5 ). تغییر کلی 26 ساله ( شکل 7ج) نشان می دهد که کیفیت کلی زیست محیطی منطقه حومه دورافتاده در حال بهبود بود، در حالی که بیشتر منطقه اطراف مرکز در سطح تخریب (-1) بود، که نشان می دهد اشغال مناطق شهری ساخته شده در این منطقه این منطقه همچنان باعث تخریب اکولوژیکی خفیف به طور کلی شده است، اما بدون اقدامات حفاظت از محیط زیست، اعتقاد بر این است که کیفیت زیست محیطی این مناطق حتی بدتر خواهد بود. این امر در مطالعه‌ای که به بررسی پراکندگی شهری در پکن، تیانجین و شیجیاژوانگ می‌پردازد مشهود است، که نرخ رشد شهری عادی سالانه 5.2 را برای تیانجین از سال 1990 تا 2010 محاسبه می‌کند، که بسیار بیشتر از پکن 3.6 و شیجیاژوانگ 4.0 [ 62 ].
برای آشکارسازی ویژگی‌های تغییر RSEI در مقیاس ناحیه، مقادیر RSEI 16 ناحیه گروه‌بندی شده در چهار دسته را رسم کردیم ( شکل 8).). ارزش RSEI منطقه مرکزی شهری همیشه کمتر از سه منطقه دیگر در طول 26 سال بوده است. با توجه به سطوح غیرقابل نفوذ با تراکم بالا در این بخش پرجمعیت شهر، تعجب آور نیست. علیرغم نوسانات، RSEI این منطقه در سالهای اخیر نسبت به سال 1992 افزایش یافته است. در میان نواحی در منطقه اطراف مرکز، تغییرات RSEI قابل توجه و به طور کلی مثبت بود به جز برای Beichen. مناطق در منطقه حومه دوردست نیز دارای مقادیر کلی افزایش RSEI از سال 1992 تا 2018 بوده اند، اما با مقداری کاهش در 13 سال اخیر. تغییر برای منطقه جدید بینهای در طول 26 سال به طور مداوم منفی بود. ما فرض می‌کنیم که گسترش شهری در منطقه و زمین‌های لخت ایجاد شده از برنامه‌های احیای دریا در طول دوره، مسئول چنین تخریب زیست‌محیطی بوده است.

4.4. نوآوری ها و محدودیت ها

نکته برجسته این مطالعه بهبود قابلیت اطمینان ارزیابی کیفیت محیط زیست شهری با در نظر گرفتن تغییرات فصلی در هر دو سهم شاخص‌های RSEI به کیفیت محیط زیست و ارزش‌های RSEI است. اگرچه ادعا می شود که سبزی و رطوبت به طور مثبت و گرما و خشکی به طور منفی بر شرایط زیست محیطی تأثیر می گذارد [ 22 ]، این مطالعه نشان می دهد که تأثیرات آنها با فصل متفاوت است. به این ترتیب، این به تعیین اینکه چگونه معیارهای شاخص RSEI باید بر این اساس نرمال شوند کمک می کند. همچنین، مطالعات قبلی RSEI [ 14 ، 17 ، 55] از تصاویر سنجش از دور که عمدتاً بین آوریل تا اکتبر به دست آمده استفاده کرد و فرض کرد که RSEI از چنین انتخاب مغرضانه ای از تصاویر می تواند برای توصیف شرایط زیست محیطی سالانه شهری کافی باشد. با این حال، یافته‌های ما نشان می‌دهد که اینطور نیست – RSEI از ماه به ماه و فصل به فصل متفاوت است. بنابراین تصاویر سنجش از دور بیشتری برای نشان دادن RSEI فصلی و سالانه مورد نیاز است.
با این حال، ما همچنین می خواهیم به محدودیت های مطالعه توجه کنیم. همانطور که در بخش 3.1 ذکر شد ، انتخاب تصاویر سنجش از دور در این مطالعه ایده آل نبود. ما معتقدیم که ارزیابی کیفیت زیست محیطی شهری در صورت استفاده از تصاویر بهتر (از نظر زمان) و بیشتر (مثلاً یک تصویر برای هر ماه) بهبود می یابد. علاوه بر این، مانند سایر مطالعات RSEI [ 14 ، 17 ، 55 ]، بدنه های آبی پوشانده می شوند و ارزیابی را به سطوح خشکی محدود می کنند. یک راه برای کارهای آینده ممکن است شامل آنها برای تکمیل منطقه مورد بررسی در ارزیابی باشد.

5. نتیجه گیری ها

این مطالعه یک روش جدید ارزیابی کیفیت محیط زیست شهری مبتنی بر RSEI را با در نظر گرفتن تنوع فصلی پیشنهاد می‌کند و آن را در تیانجین با تصاویر سنجش از دور به‌دست‌آمده در چهار فصل 1992، 2005 و 2018 آزمایش می‌کند. یافته‌های کلیدی و نتیجه‌گیری‌های اصلی به این صورت خلاصه می‌شوند. به شرح زیر است:
  • هر دو سهم شاخص های RSEI در کیفیت محیط زیست و مقادیر RSEI با فصل متفاوت است. چنین تنوع فصلی را باید به ترتیب عادی سازی معیارهای شاخص و استفاده از تصاویر سنجش از دور بیشتر برای بهبود ارزیابی در نظر گرفت.
  • اگرچه با گسترش سریع شهری، تیانجین بهبود تدریجی کیفیت محیط زیست شهری را طی 26 سال از سال 1992 تا 2018 حفظ کرد. این را می توان با اجرای پروژه هایی توضیح داد که فضای سبز شهری را افزایش می دهد.
  • در 13 سال اخیر شاهد بهبود شرایط زیست محیطی در منطقه مشترک بین منطقه شهری مرکزی و منطقه جدید بینهای به دلیل بازسازی زیست محیطی بودیم، اما این شرایط همچنین به تدریج در منطقه جدید بینهای به دلیل گسترش شهری و احیای دریا بدتر شد.
روش پیشنهادی در این مطالعه ثابت می‌کند که ابزاری مناسب برای محققان و مدیران محیط‌زیست است که ارزیابی قابل اعتمادتری را تولید می‌کند، بنابراین درک دقیق‌تری از تکامل کیفیت محیط زیست شهری در طول زمان به دست می‌آورد. برای تجزیه و تحلیل چند زمانی، ما استفاده از تصاویر سنجش از راه دور تا حد امکان را تشویق می کنیم که شرایط ماهانه یا فصلی زیست محیطی را نشان می دهند. در عین حال، ما پیشنهاد می کنیم که تصمیم گیرندگان در تیانجین به حفاظت اکولوژیکی منطقه Xiqing و منطقه جدید Binhai توجه کنند و برنامه ریزی اکولوژیکی باید در پروژه های احیای زمین گنجانده شود.

مشارکت های نویسنده

مفهوم سازی، روئیکینگ یانگ، تینگ ژانگ و لانگ لی. روش، Ruiqing یانگ، تینگ ژانگ، ییبو یانگ و لانگ لی. نرم افزار Ruiqing Yang، Ting Zhang و Yibo Yang. اعتبارسنجی، روئیکینگ یانگ و تینگ ژانگ. تحلیل رسمی، روئیکینگ یانگ و تینگ ژانگ. تحقیق، روئیکینگ یانگ، تینگ ژانگ و ییبو یانگ. منابع، لانگ لی و لانگ کیان چن. سرپرستی داده، روئیکینگ یانگ، تینگ ژانگ و ییبو یانگ. نوشتن – آماده سازی پیش نویس اصلی، روئیکینگ یانگ، تینگ ژانگ و ییبو یانگ. نوشتن – بررسی و ویرایش، لانگ لی و لانگ کیان چن. تجسم، روئیکینگ یانگ و تینگ ژانگ. نظارت، لانگ لی و Longqian چن. مدیریت پروژه، لانگ لی و لانگ کیان چن. کسب بودجه، تینگ ژانگ، لانگ لی و Longqian چن. همه نویسندگان نسخه منتشر شده نسخه خطی را خوانده و با آن موافقت کرده اند.

منابع مالی

این تحقیق توسط «صندوق تحقیقات بنیادی برای دانشگاه‌های مرکزی» حمایت شده است (شماره گرنت: 2018QNB06).

بیانیه هیئت بررسی نهادی

قابل اجرا نیست.

بیانیه رضایت آگاهانه

قابل اجرا نیست.

بیانیه در دسترس بودن داده ها

داده ها در صورت درخواست معقول از نویسنده مربوطه در دسترس است.

قدردانی

نویسندگان می خواهند از سازمان زمین شناسی ایالات متحده (USGS) و اداره هواشناسی چین برای ارائه رایگان داده های Landsat و داده های آب و هوا تشکر کنند. نویسندگان همچنین مایلند از Junyu Zhao با دانشگاه معدن و فناوری چین برای کمک او در مراحل اولیه کار و چهار بازبین ناشناس برای نظرات سازنده آنها که به بهبود مقاله کمک کردند تشکر کنند.

تضاد علاقه

نویسندگان هیچ تضاد منافع را اعلام نمی کنند.

منابع

  1. اشنایدر، الف. نظارت بر تغییر پوشش زمین در مناطق شهری و حومه شهری با استفاده از پشته های زمانی متراکم داده های ماهواره لندست و یک رویکرد داده کاوی. سنسور از راه دور محیط. 2012 ، 124 ، 689-704. [ Google Scholar ] [ CrossRef ]
  2. Wolch، JR; بیرن، جی. نیوول، JP فضای سبز شهری، بهداشت عمومی و عدالت محیطی: چالش ایجاد شهرها “به اندازه کافی سبز”. Landsc. طرح شهری. 2014 ، 125 ، 234-244. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  3. فیروزجایی، م.ک. فتحعلومی، س. کیاورز، م. ارسنجانی، ج. همایی، م. علوی پناه، SK مدل‌سازی تأثیر قرنطینه‌های COVID-19 بر وضعیت اکولوژیکی سطح شهری: مطالعه موردی شهرهای میلان و ووهان. جی. محیط زیست. مدیریت 2021 ، 286 ، 112236. [ Google Scholar ] [ CrossRef ]
  4. لی، ی. جیا، ال. وو، دبلیو. یان، جی. لیو، ی. شهرنشینی برای پایداری روستایی – بازاندیشی در استراتژی شهرنشینی چین. جی. پاک. تولید 2018 ، 178 ، 580-586. [ Google Scholar ] [ CrossRef ]
  5. پسومیادیس، ای. پاپازاخاریو، ا. سولیس، KX; الکسیو، دی اس. Charalampopoulos، I. نقشه برداری زمین لغزش و ارزیابی حساسیت با استفاده از تجزیه و تحلیل جغرافیایی و داده های مشاهده زمین. Land 2020 , 9 , 133. [ Google Scholar ] [ CrossRef ]
  6. کولی، م. لوپاساکیس، سی. سوپیوس، پ. Vallianatos، F. پهنه بندی خطر زمین لغزش در مناطق پرخطر استان Rethymno، جزیره کرت، یونان. نات. خطرات 2010 ، 52 ، 599-621. [ Google Scholar ] [ CrossRef ]
  7. کومار، پی. تاکور، PK؛ Bansod، BK; ارزیابی چند معیاره Debnath، SK پارامترهای هیدروژئولوژیکی و انسانی برای ارزیابی آسیب‌پذیری آب‌های زیرزمینی. محیط زیست نظارت کنید. ارزیابی کنید. 2017 ، 189 ، 564. [ Google Scholar ] [ CrossRef ]
  8. ویلیس، KS تشخیص تغییر سنجش از دور برای نظارت بر محیط زیست در مناطق حفاظت شده ایالات متحده. Biol. حفظ کنید. 2015 ، 182 ، 233-242. [ Google Scholar ] [ CrossRef ]
  9. او، اف. گو، ال. وانگ، تی. Zhang، Z. ارزیابی زیست محیطی ژئو-اکولوژیکی مصنوعی یک شهر معدنی زغال سنگ ساحلی با استفاده از داده های بزرگ فضایی و زمانی: مطالعه موردی در Longkou، چین. جی. پاک. تولید 2017 ، 142 ، 854-866. [ Google Scholar ] [ CrossRef ]
  10. لی، اس. بینگ، ز. جین، جی. نقشه برداری صریح فضایی خدمات حفاظت از خاک در واحدهای پولی به دلیل تغییر کاربری/پوشش زمین برای منطقه مخزن سه دره، چین. Remote Sens. 2019 , 11 , 468. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  11. ژانگ، ال. لیو، ال. شیا، ز. لی، دبلیو. فن، Q. پیش بینی مسیر پراکنده بر اساس معیارهای آنتروپی چندگانه. Entropy 2016 , 18 , 327. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  12. لی، جی. آهنگ، سی. کائو، ال. زو، اف. منگ، ایکس. Wu, J. تأثیرات ساختار چشم‌انداز در جزایر حرارتی شهری سطحی: مطالعه موردی شانگهای، چین. سنسور از راه دور محیط. 2011 ، 115 ، 3249-3263. [ Google Scholar ] [ CrossRef ]
  13. بویانتویف، آ. وو، جی. جزایر گرمایی شهری و ناهمگونی چشم‌انداز: ارتباط تغییرات مکانی-زمانی در دمای سطح به پوشش زمین و الگوهای اجتماعی-اقتصادی. Landsc. Ecol. 2010 ، 25 ، 17-33. [ Google Scholar ] [ CrossRef ]
  14. خو، اچ. وانگ، ام. شی، تی. گوان، اچ. نیش، سی. لین، زی. پیش‌بینی اثرات اکولوژیکی جمعیت بالقوه و افزایش سطح غیرقابل نفوذ با استفاده از یک شاخص اکولوژیکی مبتنی بر سنجش از دور (RSEI). Ecol. اندیک. 2018 ، 93 ، 730-740. [ Google Scholar ] [ CrossRef ]
  15. خو، اچ. وانگ، ی. گوان، اچ. شی، تی. هو، X. تشخیص تغییرات اکولوژیکی با یک شاخص زیست‌محیطی مبتنی بر سنجش از دور (RSEI) سری‌های زمانی و تحلیل بردار تغییر تولید کرد. Remote Sens. 2019 , 11 , 2345. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  16. هو، ایکس. Xu, H. یک شاخص سنجش از دور جدید بر اساس چارچوب فشار-وضعیت-واکنش برای ارزیابی تغییرات اکولوژیکی منطقه ای. محیط زیست علمی آلودگی Res. 2019 ، 26 ، 5381–5393. [ Google Scholar ] [ CrossRef ]
  17. هو، ایکس. Xu، H. یک شاخص سنجش از راه دور جدید برای ارزیابی ناهمگونی فضایی در کیفیت اکولوژیکی شهری: موردی از شهر فوژو، چین. Ecol. اندیک. 2018 ، 89 ، 11-21. [ Google Scholar ] [ CrossRef ]
  18. شان، دبلیو. جین، ایکس. رن، جی. وانگ، ی. خو، ز. فن، ی. گو، ز. هونگ، سی. لین، جی. ژو، ی. ارزیابی کیفیت محیط زیست بر اساس داده های سنجش از دور برای یکپارچه سازی زمین. جی. پاک. تولید 2019 ، 239 ، 118126. [ Google Scholar ] [ CrossRef ]
  19. ون، ایکس. مینگ، ی. گائو، ی. هو، X. پایش و تحلیل پویا کیفیت اکولوژیکی منطقه آزمایشی جامع پینگتان، نوع جدیدی از شهر جزیره‌ای دریایی، بر اساس RSEI. پایداری 2020 ، 12 ، 21. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  20. جی، جی. وانگ، اس. ژو، ی. لیو، دبلیو. Wang, L. مطالعه تغییرات کیفیت محیطی زیست محیطی تجمع شهری Jing-Jin-Ji و عوامل محرک آن در مناطق مختلف خدمات اکوسیستم از سال 2001 تا 2015. دسترسی IEEE 2020 ، 8 ، 154952.1542. [ Google Scholar ] [ CrossRef ]
  21. ژو، ز. دو، ج. لیو، ی. تکامل، توسعه و ارزیابی حمل و نقل زیست محیطی در منطقه خلیج بزرگ گوانگدونگ-هنگ کنگ-ماکائو. سیستم علمی کنترل. مهندس 2020 ، 8 ، 97-107. [ Google Scholar ] [ CrossRef ]
  22. وانگ، بی. چن، ال. لی، ال. زی، اچ. Zhang، Y. پاسخ اکولوژیکی به تغییر کاربری زمین: مطالعه موردی از حوضه دریاچه Chaohu، چین. برآمدگی شیمی. اشتراک. 2017 ، 49 ، 200-206. [ Google Scholar ]
  23. گوو، بی. نیش، ی. جین، ایکس. ژو، ی. نظارت بر اثرات یکپارچه سازی زمین بر کیفیت زیست محیطی زیست محیطی بر اساس سنجش از دور: مطالعه موردی حوضه دریاچه چائوهو، چین. خط مشی استفاده از زمین 2020 , 95 , 104569. [ Google Scholar ] [ CrossRef ]
  24. لی، ی. وو، ال. هان، س. وانگ، ایکس. زو، تی. Fan, C. برآورد شاخص اکولوژیکی مبتنی بر سنجش از دور در طول کانال بزرگ بر اساس روش PCA-AHP-TOPSIS. Ecol. اندیک. 2021 ، 122 ، 107214. [ Google Scholar ] [ CrossRef ]
  25. لیائو، دبلیو. جیانگ، دبلیو. ارزیابی تغییرات مکانی و زمانی در کیفیت زیست محیطی در چین بر اساس شاخص اکولوژیکی سنجش از دور. Remote Sens. 2020 , 12 , 2462. [ Google Scholar ] [ CrossRef ]
  26. قریشی، س. علوی پناه، SK; کونیوشکووا، م. میجانی، ن. فتحعلومی، س. فیروزجایی، م.ک. همایی، م. حمزه، س. کاکرودی، AA ارزیابی سنجش از دور تغییرات اکولوژیکی سطحی بر روی تالاب گمیشان، ایران. Remote Sens. 2020 , 12 , 2989. [ Google Scholar ] [ CrossRef ]
  27. بوری، ام اس; چودری، ک. پرینگر، آر. تحلیل آسیب‌پذیری اکولوژیکی فضایی و زمانی با همبستگی آماری بر اساس سنجش از دور ماهواره‌ای در سامارا، روسیه. جی. محیط زیست. مدیریت 2021 ، 285 ، 112138. [ Google Scholar ] [ CrossRef ]
  28. فیروزجایی، م.ک. کیاورز، م. همایی، م. ارسنجانی، ج. علوی پناه، SK روشی جدید برای تعیین کمیت منطقه فقیر اکولوژیکی سطح شهری: مطالعه موردی چندین شهر اروپایی. علمی کل محیط. 2021 ، 757 ، 143755. [ Google Scholar ] [ CrossRef ]
  29. کریمی فیروزجایی، م. فتح العلومی، س. کیاورز، م. بیسواس، ع. همایی، م. علوی پناه، شاخص ترکیب وضعیت اکولوژیکی سطح زمین SK (LSESCI): یک تکنیک جدید مبتنی بر سنجش از دور برای مدل‌سازی وضعیت اکولوژیکی سطح زمین. Ecol. اندیک. 2021 ، 123 ، 107375. [ Google Scholar ] [ CrossRef ]
  30. یو، اچ. لیو، ی. لی، ی. Lu, Y. ارزیابی کیفیت زیست محیطی در 35 شهر بزرگ چین بر اساس شاخص اکولوژیکی سنجش از دور. دسترسی IEEE 2019 ، 7 ، 51295–51311. [ Google Scholar ] [ CrossRef ]
  31. Seddon، AWR; ماسیاس-فاوریا، م. طولانی، روابط عمومی؛ بنز، دی. ویلیس، KJ حساسیت اکوسیستم های زمینی جهانی به تنوع آب و هوا. طبیعت 2016 ، 531 ، 229-232. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  32. آب و هوای تیانجین در دسترس آنلاین: https://weather.cma.cn/web/weather/54517 (در 11 مه 2021 قابل دسترسی است).
  33. یی، پی. لی، دبلیو. ژانگ، دی. ارزیابی پایداری و شناسایی عوامل کلیدی شهرهای درجه اول در چین. جی. پاک. تولید 2021 ، 281 ، 125369. [ Google Scholar ] [ CrossRef ]
  34. فهرست رسمی شهرهای جدید درجه اول 2019: رتبه شهر شما کجاست؟ در دسترس آنلاین: https://www.yicai.com/news/100200192.html (در 11 مه 2021 قابل دسترسی است).
  35. دولت مردمی شهرداری تیانجین. سالنامه اقتصادی تیانجین 1992 ، چاپ اول؛ انتشارات سالنامه آماری تیانجین: تیانجین، چین، 1992; پ. 700. [ Google Scholar ]
  36. دولت مردمی شهرداری تیانجین. سالنامه تیانجین 2019 ، چاپ اول؛ انتشارات سالنامه آماری تیانجین: تیانجین، چین، 2019؛ پ. 50. [ Google Scholar ]
  37. یو، اس. یانگ، ی. Pu, Z. کارایی اکولوژی عامل کل مناطق در چین. Ecol. اندیک. 2017 ، 73 ، 284-292. [ Google Scholar ] [ CrossRef ]
  38. میشرا، ن. Haque, MO; لی، ال. هارون، دی. هلدر، دی. Markham، B. کالیبراسیون متقاطع رادیومتری Landsat 8 Operational Land Imager (OLI) و landsat 7 mapper thematic plus (ETM+). Remote Sens. 2014 , 6 , 12619–12638. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  39. کوسیاس، ن. Pleniou، M. مقایسه سیگنال طیفی سطوح سوخته بین سنسورهای Landsat 7 ETM+ و Landsat 8 OLI. بین المللی J. Remote Sens. 2015 , 36 , 3714–3732. [ Google Scholar ] [ CrossRef ]
  40. Rouse, JW; هاس، RH; Scheel، JA; Deering، DW نظارت بر سیستم های پوشش گیاهی در دشت های بزرگ با ERTS. Proc. سومین علامت ERTS 1973 ، 1 ، 48-62. [ Google Scholar ]
  41. لی، ال. باکلانتز، ال. سولانا، سی. کانترز، اف. Kervyn, M. تاریخ یابی جریان های گدازه آتشفشان های گرمسیری با استفاده از مدل سازی فضایی بازیابی پوشش گیاهی. زمین گشت و گذار. روند. Landf. 2018 ، 43 ، 840-856. [ Google Scholar ] [ CrossRef ]
  42. ژو، ایکس. لی، ال. چن، ال. لیو، ی. کوی، ی. ژانگ، ی. ژانگ، تی. تشخیص انواع جنگل های شهری از داده های تصویر Sentinel-2A از طریق تجزیه و تحلیل مخلوط طیفی خطی: مطالعه موردی Xuzhou، شرق چین. Forests 2019 , 10 , 478. [ Google Scholar ] [ CrossRef ][ Green Version ]
  43. لی، ال. ژو، ایکس. چن، ال. چن، ال. ژانگ، ی. لیو، ی. برآورد زیست توده پوشش گیاهی شهری از داده های تصویری نگهبان-2A. جنگل‌ها 2020 ، 11 ، 125. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  44. تبدیل معادل Crist، EP A TM Tasseled Cap برای داده های ضریب بازتاب. سنسور از راه دور محیط. 1985 ، 17 ، 301-306. [ Google Scholar ] [ CrossRef ]
  45. بیگ، MHA؛ ژانگ، ال. شوایی، تی. تانگ، Q. استخراج تبدیل کلاهک منگوله‌ای بر اساس بازتاب لندست 8 در ماهواره. سنسور از راه دور Lett. 2014 ، 5 ، 423-431. [ Google Scholar ] [ CrossRef ]
  46. Xu, H. یک شاخص جدید برای ترسیم ویژگی های زمین ساخته شده در تصاویر ماهواره ای. بین المللی J. Remote Sens. 2008 , 29 , 4269-4276. [ Google Scholar ] [ CrossRef ]
  47. عیسی، دبلیو. وربایرن، بی. ون در کواست، جی. ون دو وورد، تی. Batelaan، O. ارزیابی روش تیز کردن حرارتی DisTrad برای مناطق شهری. بین المللی J. Appl. زمین Obs. Geoinf. 2012 ، 19 ، 163-172. [ Google Scholar ] [ CrossRef ]
  48. Jimenez-Munoz، JC; کریستوبال، جی. سوبرینو، جی. سوریا، جی. نینیرولا، ام. Pons, X. بازبینی الگوریتم تک کانالی برای بازیابی دمای سطح زمین از داده‌های مادون قرمز حرارتی Landsat. IEEE Trans. Geosci. Remote Sens. 2009 , 47 , 339-349. [ Google Scholar ] [ CrossRef ]
  49. سوبرینو، جی. Jiménez-Muñoz، JC; Paolini، L. بازیابی دمای سطح زمین از LANDSAT TM 5. Remote Sens. Environ. 2004 ، 90 ، 434-440. [ Google Scholar ] [ CrossRef ]
  50. Weng، Q. سنجش از دور مادون قرمز حرارتی برای مطالعات آب و هوای شهری و محیطی: روش‌ها، کاربردها و روندها. ISPRS J. Photogramm. Remote Sens. 2009 , 64 , 335-344. [ Google Scholar ] [ CrossRef ]
  51. Nichol, J. سنجش از دور جزایر گرمایی شهری در روز و شب. فتوگرام مهندس Remote Sens. 2005 ، 71 ، 613-621. [ Google Scholar ] [ CrossRef ]
  52. لیو، دبلیو. لی، ال. چن، ال. ون، ام. وانگ، جی. یوان، ال. لیو، ی. لی، اچ. آزمایش یک ارزیابی جامع خطر آتشفشانی تنریف با شبیه سازی خطر آتشفشانی و تجزیه و تحلیل آسیب پذیری اجتماعی. ISPRS Int. J. Geo-Inf. 2020 ، 9 ، 273. [ Google Scholar ] [ CrossRef ]
  53. یانگ، سی. زنگ، دبلیو. یانگ، X. ارزیابی هماهنگی جفت و الگوی توسعه پایدار محیط ژئواکولوژیکی و شهرنشینی در شهرداری چونگ کینگ، چین. حفظ کنید. جامعه شهرها 2020 , 61 , 102271. [ Google Scholar ] [ CrossRef ]
  54. مصطفی، ج. چانگ، N.-B. تبدیل کلاهک منگوله‌ای برای ارزیابی تأثیر ریزش طوفان بر روی یک حوزه آبخیز ساحلی. بین المللی J. Appl. زمین Obs. Geoinf. 2018 ، 73 ، 736-745. [ Google Scholar ] [ CrossRef ]
  55. یوان، بی. فو، ال. زو، ی. ژانگ، اس. چن، ایکس. لی، اف. دنگ، ز. Xie، Y. تشخیص تغییر فضایی و زمانی کیفیت اکولوژیکی و عوامل مؤثر مرتبط با آن در حوضه دریاچه دانگ‌تینگ، بر اساس RSEI. جی. پاک. تولید 2021 , 302 , 126995. [ Google Scholar ] [ CrossRef ]
  56. سان، ایکس. تان، ایکس. چن، ک. آهنگ ها.؛ زو، ایکس. Hou، D. کمیت کردن اثرات متریک چشم انداز بر روی فضاهای سبز شهری و اثر خنک کننده آب بدن: مطالعه نانجینگ، چین. شهری برای. سبز شهری. 2020 ، 55 ، 126838. [ Google Scholar ] [ CrossRef ]
  57. جنسن، JR سنجش از دور محیط زیست. In Remote Sensing of the Environment: Pearson New International Edition: An Earth Resource Perspective , 2nd ed.; Pearson Education Limited: Essex, UK, 2013; صفحات 17-19. [ Google Scholar ]
  58. کوی، ی. لی، ال. چن، ال. ژانگ، ی. چنگ، ال. ژو، ایکس. یانگ، X. برآورد انتشار کربن استفاده از زمین برای تراکم شهری دلتای رودخانه یانگ تسه با استفاده از داده‌های تصویر لندست 1994-2016. Remote Sens. 2018 , 10 , 1334. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  59. لی، اچ. لی، ال. چن، ال. ژو، ایکس. کوی، ی. لیو، ی. لیو، دبلیو. نقشه برداری و مشخص کردن دینامیک فضایی و زمانی سطوح غیرقابل نفوذ با استفاده از تصاویر Landsat: مطالعه موردی Xuzhou، شرق چین از سال 1995 تا 2018. پایداری 2019 ، 11 ، 1224. [ Google Scholar ] [ CrossRef ][ Green Version ]
  60. هو، اس. چن، ال. لی، ال. ژانگ، تی. یوان، ال. چنگ، ال. وانگ، جی. Wen, M. شبیه سازی تغییر کاربری زمین و پویایی ارزش خدمات اکوسیستم تحت محدودیت های زیست محیطی در استان آنهویی، چین. بین المللی جی. محیط زیست. Res. بهداشت عمومی 2020 , 17 , 4228. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  61. یونس، AP; فن، ایکس. تانگ، ایکس. جی، دی. خو، Q. Huang, R. جانشینی پوشش گیاهی دهگانه از MODIS، تکامل مکانی-زمانی زمین لغزش پس از لرزه پس از زلزله ونچوان در سال 2008 را نشان می دهد. سنسور از راه دور محیط. 2020 , 236 , 111476. [ Google Scholar ] [ CrossRef ]
  62. وو، دبلیو. ژائو، اس. زو، سی. جیانگ، جی. مطالعه تطبیقی ​​گسترش شهری در پکن، تیانجین و شیجیاژوانگ در سه دهه گذشته. Landsc. طرح شهری. 2015 ، 134 ، 93-106. [ Google Scholar ] [ CrossRef ]
  63. پروژه حصار اکولوژیکی فضای سبز دو شهر در حال شکل گیری است. در دسترس آنلاین: https://www.tj.gov.cn/sy/zwdt/bmdt/202007/t20200730_3236789.html (در 11 مه 2021 قابل دسترسی است).
Ijgi 10 00475 g001 550
شکل 1. منطقه مورد مطالعه: ( الف ) تیانجین از شمال، غرب و جنوب با هبی و پکن مرز دارد. ( ب ) تیانجین متشکل از 16 ناحیه است که بر اساس مکان به چهار منطقه گروه بندی شده اند (اسامی کامل جدول بندی شده در جدول 1 ).
Ijgi 10 00475 g002 550
شکل 2. آب و هوای تیانجین در ماه های مختلف (1981-2010) [ 32 ].
Ijgi 10 00475 g003 550
شکل 3. میانگین شاخص پوشش گیاهی تفاوت نرمال شده (NDVI)، رطوبت، شاخص تفاوت نرمال شده ساختمان-خاک (NDBSI) و دمای سطح زمین (LST) منطقه مورد مطالعه در هر فصل از هر سال.
Ijgi 10 00475 g004 550
شکل 4. NDVI نرمال شده برای سبزی، رطوبت نرمال شده برای رطوبت، NDBSI نرمال شده برای خشکی، و LST نرمال شده برای گرمای منطقه مورد مطالعه. ( a – d ) برای پاییز 2005 و ( e – h ) برای زمستان 2005. توجه داشته باشید که در نتیجه اعمال فرآیندهای عادی سازی مختلف، رنگ نشان دهنده مقادیر حداقل یا حداکثر با فصل برای nWetness، nNDBSI، و nLST تغییر می کند.
Ijgi 10 00475 g005 550
شکل 5. نقشه های سطح RSEI 1992 ( a )، 2005 ( b ) و 2018 ( c ). منطقه جدید بینهای در تصویر 2018 دارای حجم زیادی از مساحت است که در مقایسه با دو تصویر دیگر پوشیده از آب نیست که به دلیل احیای دریا در سال های اخیر به آن است. مناطق خشکی نزدیک دریا به ویژه در منطقه جدید بینهای در سال‌های 1992 و 2005 توسط آب پوشانده شدند، اما در سال 2018 به دلیل ساخت اسکله در سال‌های اخیر ظاهر شدند.
Ijgi 10 00475 g006 550
شکل 6. تغییرات میانگین فصلی و سالانه RSEI منطقه مورد مطالعه.
Ijgi 10 00475 g007 550
شکل 7. نقشه های تغییر سطح RSEI از 1992-2005 ( a )، 2005-2018 ( b )، و 1992-2018 ( c ). افسانه به معنای تغییر در سطح RSEI در طی یک دوره است. به عنوان مثال، تغییر (+2) به این معنی است که سطح RSEI یک ناحیه معین که با یک پیکسل نشان داده شده است، دو سطح افزایش یافته است، به عنوان مثال، از ضعیف به متوسط.
Ijgi 10 00475 g008 550
شکل 8. تغییر RSEI در هر منطقه از 1992-2018.

دسته‌بندی نشده

مطالب مرتبط ...

بدون دیدگاه

دیدگاهتان را بنویسید