خلاصه

در این مطالعه، یک تحلیل گذشته‌نگر از رابطه بین تغییر کاربری زمین/پوشش زمین (LULC) و اثر جزیره حرارتی شهری سطحی (SUHI) در هفی بزرگ در حال رشد سریع بین سال‌های 1995 و 2016 انجام شد. نتایج ما الگوهای ناهمگن تغییر LULC را نشان می‌دهد. تجزیه و تحلیل شیب شهری-روستایی مبتنی بر بافر متحدالمرکز نشان می‌دهد که بیشتر زمین‌های توسعه‌یافته تازه در حال ظهور در مرکز شهر هفی رخ داده‌اند. در مقابل، در سه حوزه حومه شهر/شهرستان، تغییر کلی مساحت در زمین های توسعه نیافته بسیار کمتر بود، اما افزایش خالص در زمین های توسعه یافته قابل توجه است. در همین حال، الگوهای مکانی-زمانی SUHI با الگوهای سرزمین توسعه یافته تطابق خوبی دارد. همانطور که توسط افزایش قابل توجه در شدت SUHI (SUHII) سطوح و وسعت فضایی SUHI (SUHISE) در پاسخ به گسترش سریع شهری، به ویژه در طول راهروهای حمل و نقل مشهود است. علاوه بر این، مدل‌های رگرسیون حداقل مربعات جزئی (PLSR) نشان می‌دهند که پیش‌بینی‌کننده‌های مبتنی بر بافر/متغیرهای مستقل به طور قابل‌توجهی با پاسخ‌ها (SUHII و SUHISE) مرتبط هستند و تقریباً 61.3 درصد از واریانس در SUHII و 79.8 درصد از واریانس را توضیح می‌دهند. SUHISE، به ترتیب. علاوه بر این، قدرت نسبی متغیرهای مستقل در تعیین رابطه به صورت کمی مورد بررسی قرار گرفت. یافته های این مطالعه شواهد روشنی برای تصمیم گیری برای توسعه پایدار زمین و کاهش اثر SUHI ارائه می دهد. مدل‌های رگرسیون حداقل مربعات جزئی (PLSR) نشان می‌دهند که پیش‌بینی‌کننده‌های مبتنی بر بافر/متغیرهای مستقل به طور قابل‌توجهی با پاسخ‌ها (SUHII و SUHISE) مرتبط هستند، که تقریباً 61.3 درصد واریانس در SUHII و 79.8 درصد از واریانس در SUHISE را توضیح می‌دهند. به ترتیب. علاوه بر این، قدرت نسبی متغیرهای مستقل در تعیین رابطه به صورت کمی مورد بررسی قرار گرفت. یافته های این مطالعه شواهد روشنی برای تصمیم گیری برای توسعه پایدار زمین و کاهش اثر SUHI ارائه می دهد. مدل‌های رگرسیون حداقل مربعات جزئی (PLSR) نشان می‌دهند که پیش‌بینی‌کننده‌های مبتنی بر بافر/متغیرهای مستقل به طور قابل‌توجهی با پاسخ‌ها (SUHII و SUHISE) مرتبط هستند، که تقریباً 61.3 درصد واریانس در SUHII و 79.8 درصد از واریانس در SUHISE را توضیح می‌دهند. به ترتیب. علاوه بر این، قدرت نسبی متغیرهای مستقل در تعیین رابطه به صورت کمی مورد بررسی قرار گرفت. یافته های این مطالعه شواهد روشنی برای تصمیم گیری برای توسعه پایدار زمین و کاهش اثر SUHI ارائه می دهد. علاوه بر این، قدرت نسبی متغیرهای مستقل در تعیین رابطه به صورت کمی مورد بررسی قرار گرفت. یافته های این مطالعه شواهد روشنی برای تصمیم گیری برای توسعه پایدار زمین و کاهش اثر SUHI ارائه می دهد. علاوه بر این، قدرت نسبی متغیرهای مستقل در تعیین رابطه به صورت کمی مورد بررسی قرار گرفت. یافته های این مطالعه شواهد روشنی برای تصمیم گیری برای توسعه پایدار زمین و کاهش اثر SUHI ارائه می دهد.

کلید واژه ها:

کاربری زمین/تغییر پوشش زمین ; اثر جزیره حرارتی شهری سطحی ; رگرسیون حداقل مربعات جزئی ; هفی بزرگ ; چین

 

چکیده گرافیکی

1. معرفی

در طول دو قرن گذشته، مناطق شهری سکونتگاه های انسانی غالب در سطح جهان بوده اند و تقریباً 68 درصد از ساکنان شهرها در سال 2050 در شهرها زندگی خواهند کرد [ 1 ]. با این حال، در میان پیامدهای ناشی از تغییر مصنوعی گردش خون هیدرولوژیکی، تنظیم آب و هوا، حفاظت از خاک، و حفظ تنوع زیستی [ 2 ، 3 ، 4 ، 5 ، 6 ، 7 ، 8 ، 9 ]، اثر جزیره گرمایی شهری (UHI) است که مرتبط با فعالیت های انسانی و تغییرات آب و هوایی [ 10 ، 11 ، 12]، نگرانی فزاینده ای را به خود جلب کرده است. مناطق شهری، که در معرض اثر گرمایش محلی، یا ترکیب اثرات گرمایش محلی و جهانی هستند، واحدهای اساسی برای سازگاری و کاهش تغییرات آب و هوا هستند [ 13 ]. بنابراین، چگونگی کنار آمدن شهرها با اثر UHI، به ویژه بهینه سازی الگوهای کاربری زمین برای حفظ اکوسیستم های منطقه ای، به طور قابل توجهی بر کاهش UHI و سازگاری با تغییرات آب و هوا تأثیر می گذارد [14 ، 15 ، 16 ، 17 ، 18 ، 19 ، 20 ] .
از اواخر دهه 1970، چین بزرگترین کشور شهرنشین در جهان بوده است. اثر UHI یکی از مشکلات زیست محیطی بارز بوده است که باعث افزایش نگرانی در بین مردم شده است. اگرچه وقوع اثر UHI لزوماً متناسب با اندازه شهری نیست [ 21 ]، مطالعات متعددی در مورد اثر UHI بر روی کلان شهرهای پیشرو در امتداد مناطق ساحلی شرقی متمرکز شده است که میلیون ها مهاجر را در خود جای داده و رشد شهری چشمگیری را تجربه کرده اند. در مقایسه، مطالعات موردی در شهرهای کمتر توسعه‌یافته غربی و مرکزی نسبتاً کمیاب است [ 22 ]. اخیراً با اجرای استراتژی های ملی چین در جهت کاهش توسعه نامتوازن بین مناطق توسعه یافته و کمتر توسعه یافته [ 23 ،24 ]، برای شهرهای بزرگ با رشد سریع در مناطق کمتر توسعه یافته غربی و مرکزی، ارتباط بین فعالیت های اقتصادی پررونق آنها و اثر برجسته UHI توجه بیشتری را به خود جلب کرده است [ 25 ، 26 ، 27 ].
دو نوع اثر UHI در تحقیقات قبلی مورد بررسی قرار گرفته‌اند: اثر تاج پوشش UHI (CUHI)، که تفاوت دمای هوای روستایی-شهری را از ایستگاه‌های هواشناسی درجا اندازه‌گیری می‌کند. و اثر سطحی UHI (SUHI)، که تفاوت دمای سطح زمین روستایی- شهری (LST) را اندازه‌گیری می‌کند. نظارت بر اثر UHI با داده های بازیابی شده از تصاویر ماهواره ای مادون قرمز حرارتی سنجش از راه دور (TIR) ​​انجام شده است [ 28 ، 29]]. رویکرد قبلی مزیت یک سری زمانی نسبتا طولانی از داده های ثبت شده و وضوح زمانی بالا را دارد. متأسفانه، با توجه به مورفولوژی پیچیده شهری و عوامل ریزاقلیمی متغیر، توزیع پراکنده ایستگاه های هواشناسی با پوشش فضایی کم نمی تواند به اندازه کافی اثر CUHI کل شهر را نشان دهد. بنابراین، این رویکرد می‌تواند برای تحلیل گذشته‌نگر و پیش‌بینی اثر CUHI در مقیاس خوب مفید باشد، اما در سطح شهر مغرضانه است. متناوبا، تصاویر ماهواره‌ای TIR، که می‌تواند سیگنال‌های TIR سطح زمین را با پوشش فضایی وسیع به تصویر بکشد، به طور گسترده‌ای برای بررسی اثرات تغییر کاربری/پوشش زمین (LULC) بر اثر SUHI در سطح شهر و منطقه استفاده شده است [30] . ، 31 ، 32 ، 33, 34 , 35 , 36 , 37 , 38 , 39 , 40 , 41 , 42 , 43 , 44]. مطالعات موجود بیشتر بر روابط بین تغییر LULC و اثر SUHI، با استفاده از تحلیل همبستگی کیفی یا روش‌های کمی (مانند رگرسیون خطی دو متغیره و رگرسیون چندگانه) تأکید می‌کنند. بدون شک روش های کمی می توانند نتایج متقاعد کننده و قانع کننده تری ارائه دهند. با این حال، برخی از سوالات از کاربرد روش های کمی و الزامات عملی تصمیم گیری ناشی می شود. اولاً، از آنجایی که اکثر روش‌های کمی رایج مبتنی بر مدل حداقل مربعات معمولی (OLS) هستند، آشکار کردن روابط کمی بین تغییر LULC و اثر SUHI یک چالش باقی می‌ماند، با توجه به اینکه این مدل‌های رگرسیون خطی ساده ممکن است از چند خطی بودن بین رنج ببرند. متغیرها در چنین شرایطی، رگرسیون گام به گام نمی تواند راه حلی باشد زیرا حذف متغیرهای مستقل لازم ممکن است باعث از بین رفتن قدرت آماری شود. ثانیاً، برای یک مدل رگرسیون معین که حاوی متغیرهای متعددی است که با واحدهای مختلف اندازه‌گیری می‌شوند، موضوع کمی کردن اهمیت نسبی هر متغیر مستقل و تأثیر آن بر اثر SUHI هنوز به طور رضایت‌بخشی بررسی نشده است. بنابراین، این بحث ها باید قبل از اینکه تغییر کمی LULC در مقابل رابطه اثر SUHI توسط تصمیم گیرندگان درگیر در توسعه پایدار زمین شهری و سازگاری آب و هوایی اتخاذ شود، روشن شود. موضوع کمی کردن اهمیت نسبی هر متغیر مستقل و تأثیر آن بر اثر SUHI هنوز به طور رضایت بخشی مورد توجه قرار نگرفته است. بنابراین، این بحث ها باید قبل از اینکه تغییر کمی LULC در مقابل رابطه اثر SUHI توسط تصمیم گیرندگان درگیر در توسعه پایدار زمین شهری و سازگاری آب و هوایی اتخاذ شود، روشن شود. موضوع کمی کردن اهمیت نسبی هر متغیر مستقل و تأثیر آن بر اثر SUHI هنوز به طور رضایت بخشی مورد توجه قرار نگرفته است. بنابراین، این بحث ها باید قبل از اینکه تغییر کمی LULC در مقابل رابطه اثر SUHI توسط تصمیم گیرندگان درگیر در توسعه پایدار زمین شهری و سازگاری آب و هوایی اتخاذ شود، روشن شود.
در این مطالعه، هفی بزرگ، یکی از شهرهای ستاره‌ای در مرکز چین و به عنوان یکی از ده شهر نماینده چین شناخته می‌شود که از اثر برجسته UHI تابستانی [45] رنج می‌برد، برای بررسی کمی رابطه بین تغییر LULC و تابستان مناسب است. اثر SUHI. هدف این مطالعه دستیابی به درک بهتری از رابطه بین تغییر LULC و اثر SUHI، و ارائه تجربیات ارزشمند بیشتر برای برنامه‌ریزان شهری و تصمیم‌گیرندگانی است که درگیر کاهش اثر SUHI و سازگاری آب و هوا برای توسعه پایدار زمین هستند.

2. منطقه مطالعه

هفی بزرگ، مرکز استان آنهویی، در مرکز چین بین عرض‌های جغرافیایی 30 درجه و 56 دقیقه شمالی تا 32 درجه و 32 دقیقه و طول‌های جغرافیایی 116 درجه و 40 دقیقه شرقی تا 117 درجه و 58 دقیقه شرقی واقع شده است ( شکل 1) .). این منطقه دارای آب و هوای نیمه گرمسیری مرطوب موسمی است که دارای دمای ملایم در بهار و پاییز است. تابستان گرم؛ و یک زمستان سرد دمای شدید ثبت شده طولانی مدت آن حداکثر 37.8 تا 39.1 درجه سانتیگراد در طول تابستان (از اواخر ژوئن تا اوایل سپتامبر) و حداقل -9.9 تا -13.5 درجه سانتیگراد در طول زمستان (از دسامبر تا فوریه بعدی) است. با متوسط ​​دمای سالانه 15.7 درجه سانتی گراد. میانگین بارندگی آن 1000 میلی متر در سال است که بیشتر آن در ماه های می و آگوست رخ می دهد. از نظر توپوگرافی، این شهر بر روی زمین تپه ای بین رودخانه یانگ تسه و رودخانه Huaihe واقع شده است. ارتفاع از سطح دریا بین 12 تا 45 متر است.
هفی یک شهر مهم به دلیل مزیت جغرافیایی خود در مرکز چین است و تاریخ ثبت شده 2200 ساله دارد. این یکی از سه شهری بود که برای اولین بار به دلیل چشم انداز طبیعی و میراث فرهنگی باشکوهش به عنوان باغ شهرهای ملی چین ثبت شد [ 46 ، 47 ]. در سال 2011، منطقه بزرگ هیفی با ادغام با شهر سابق چائوهو، مرز خود را تغییر داد. مساحت اداری آن تقریباً دو برابر شد و جمعیت آن نزدیک به 2 میلیون نفر افزایش یافت. مرز اداری کنونی آن شامل چهار منطقه (لویانگ، شوشان، بائوهه و یائوهای)، یک شهرداری (چاهو)، و چهار شهرستان (فیدونگ، فیکسی، چانگ فنگ و لوجیانگ) است. مساحت آن تقریباً 11430 کیلومتر مربع با جمعیت کل 7965000 نفر است [ 48]]. در طول دهه گذشته، این منطقه یک انتقال بی‌سابقه روستایی به شهری را تجربه کرده است. با اجرای ارتقای صنعتی و جابجایی فرا استانی، پارک‌های صنعتی فشرده و شهرک‌های جدید در حاشیه توسعه یافتند. با این حال، موضوع هماهنگی برنامه‌های توسعه زمین، رشد جمعیت و کاهش اثر UHI با توجه به رویدادهای گرمای شدید تابستان در اسناد رسمی برنامه‌ریزی اصلی شهری وجود ندارد.

3. مواد و روشها

3.1. منابع اطلاعات

این مطالعه بر روی تصاویر سری Landsat برای بازیابی داده های LST که نشان دهنده اثر SUHI تابستانی در هفی بزرگ است، تکیه دارد. به دلیل محدودیت شرایط آب و هوایی، تصاویر موجود از سری لندست با کیفیت بالا و فواصل سالانه یکسان برای این مطالعه کمیاب است. بنابراین، تصاویر سریال چندزمانی لندست (سطح-1T، مسیر 121/ردیف 38) در طول دوره تابستان به دست آمد، از جمله سه تصویر لندست تماتیک Mapper (TM) به تاریخ 1 اوت 1995، 11 جولای 2002، و 2 اوت 2007، و یک تصویر عملیاتی Landsat. تصویرگر زمین (OLI)/سنسور مادون قرمز حرارتی (TIRS) به تاریخ 25 جولای 2016، به عنوان مجموعه داده اصلی استفاده شد. تمام تصاویر سری Landsat عاری از آلودگی ابر/مه بودند و با تصحیح زمین منتشر شدند [ 49]. مجموعه داده های کمکی شامل نقشه های تجاری LULC 30 متری (که در سال های 1995، 2002، 2007 و 2016 مورد نیاز بود) خریداری شده از شرکت فناوری فضای دیجیتال پکن، داده های اجتماعی-اقتصادی محلی، و اسناد برنامه ریزی شهری [46، 47 ، 50 ، 5 ، و ].

3.2. مواد و روش ها

برای ارائه واضح رویه‌های ضروری برای این مطالعه، یک فلوچارت کار کلی، شامل پردازش داده‌ها، طبقه‌بندی LULC، اندازه‌گیری تغییر LULC، بازیابی LST و تجزیه و تحلیل آماری، در شکل 2 نشان داده شده است .

3.2.1. پردازش تصاویر ماهواره ای

برای به دست آوردن اطلاعات کلی LULC برای منطقه مورد مطالعه، باندهای 5، 4 و 3 Landsat TM برای تولید تصاویر با رنگ کاذب ترکیب شدند. برای تصویر Landsat OLI/TIRS، باندهای 6، 5، و 4 ترکیب شدند. بر اساس دانش قبلی از مواد برنامه ریزی شهری هفی و بررسی های میدانی ما، بر اساس راهنمای طبقه بندی ملی LULC [ 52 ]، دسته بندی های LULC این منطقه مورد مطالعه، یعنی زمین توسعه یافته، جنگل، زمین زراعی، بدنه آبی و زمین بایر بودند. تصویب شد ( جدول 1 ). با همپوشانی نقشه‌های تجاری 30 متری LULC (1995-2016)، برای هر نوع LULC، حداقل 50 سایت آموزشی برجسته با توجه به روش نمونه‌گیری طبقه‌ای تصادفی انتخاب شدند. پس از آن، روش طبقه بندی حداکثر درستنمایی نظارت شده برای انجام طبقه بندی LULC استفاده شد [53 ]. نقشه‌های تجاری LULC 30 متری به‌دست‌آمده در سال‌های 1995-2016 و داده‌های بررسی میدانی در سال‌های 2012-2016 برای اعتبارسنجی نتایج طبقه‌بندی استفاده شد. برای ارزیابی صحت نتایج طبقه بندی شده، برای هر تصویر 250 نمونه به طور تصادفی انتخاب شد. دقت کلی نقشه های LULC در طول دوره مطالعه در محدوده 73.7٪ تا 92.6٪ تعیین شد و آماره کاپا از 0.87 تا 0.90 متغیر بود که ارزش توصیه شده توسط Jassen و همکاران را برآورده کرد. [ 54 ].
3.2.2. اندازه گیری تغییر LULC
در این مطالعه، تشخیص تغییر LULC از طریق همپوشانی سری‌های زمانی نقشه‌های LULC و محاسبه پیکسل‌های تغییر/بدون تغییر در هر دسته LULC انجام شد. برای اندازه‌گیری تغییر LULC تحت فشار شهرنشینی سریع، به‌ویژه آنچه که به فعالیت‌های انسانی و توسعه اجتماعی-اقتصادی در امتداد شیب روستا-شهر نسبت داده می‌شود، یک سری از حائل‌های ناحیه‌ای متحدالمرکز با شعاع‌های متفاوت از مرکز شهر، بر اساس قبلی ما ترسیم شد. آگاهی از گذار روستایی به شهری و رشد جمعیت منطقه مورد مطالعه با تجزیه و تحلیل روندهای تاریخی در رشد جمعیت و تجاوز شهری در هفی بزرگ، بافرهای ناحیه ای در 0-1.5، 1.5-3.0، 3.0-6.0، 6.0-12، 12.0-21.0، 21.0-33.0، 30.0-3.0، 30.0-3.0 ترسیم شدند. 66.0 و > 66.0 کیلومتر (66-100 کیلومتر) از مرکز شهر ( جدول 2)).
3.2.3. بازیابی LST

در این مطالعه، روش مبتنی بر تصویر، که شرایط جوی یکنواخت را فرض می‌کند و نیازی به اصلاح حرارتی باند TIR [ 55 ، 56 ] ندارد، برای بازیابی LST استفاده شد، با توجه به اینکه تمام تصاویر ماهواره‌ای عاری از آلودگی ابر بودند. روش های دقیق برای بازیابی LST شامل مراحل زیر است. اولا، برای تصاویر Landsat TM، قبل از بازیابی LST، یک مدل درجه دوم برای تبدیل عدد دیجیتال ( DN ) باند TM لندست 6 به دمای روشنایی استفاده شد [ 57 ]:

تیب= 209.831 + 0.834 D N− 0.00133 Dن2،تیب=209.831+0.834�ن-0.00133�ن2،

برای باندهای Landsat OLI TIR، چون باند 11 به دلیل اختلال نور سرگردان تلسکوپ در معرض عدم قطعیت بالایی است [ 58 ، 59 ]، از باند 10 برای ایجاد دماهای تابشی به شرح زیر استفاده شد:

Lλ= g a i n × D N+ o ffs e t _��= �آمن�×�ن+���سهتی،

که در آن L λ تابش پیکسل های باند حرارتی بر حسب W/(m2 ster μm)، بهره شیب تابع تبدیل تابش/ DN است ، و افست شیب تبدیل تابش/ DN است .

ثانیاً، برای باندهای Landsat TM و Landsat 8، تابش طیفی با فرض انتشار یکنواخت به دمای روشنایی در ماهواره تبدیل شد [ 60 ].

تیب=ک2ln ( 1 +ک1Lλ)،تیب=ک2لوگاریتم(1+ک1��)،

که در آن TB دمای موثر در ماهواره بر حسب کلوین (K) است، و K1 و K2 هر دو ثابت کالیبراسیون قبل از پرتاب هستند.

ثالثاً، از آنجایی که مقادیر T B به جای اجرام زمین واقعی به یک جسم سیاه ارجاع شده است، تصحیح تابش طیفی باید برای بازیابی LST زمین واقعی انجام شود. در حال حاضر اندازه گیری مقادیر انتشار انواع LULC با تغییرات قابل توجه یک چالش است. برای انعکاس انتشار ناهمگن سطح زمین از نظر فضایی، انتشار مواد سطحی ( ε ) به صورت زیر محاسبه شد [ 61 ]:

نD Vمن= (ρN I R–ρR e dρN I R+ρR e d)ن��من=(�NIR-�قرمز�NIR+�قرمز)
پv=(نD Vمن– نD VمندقیقهنD Vمنحداکثر– نD Vمندقیقه)2پ�=(ن��من-ن��مندقیقهن��منحداکثر-ن��مندقیقه)2
ε = mپv+ n�=مترپ�+�
m = (εv–εس) − ( 1 −εس) افεvمتر=(��-�س)-(1-�س)اف��
n =εس+ ( 1 –εس) افεv�=�س+(1-�س)اف��

که در آن NDVI نشان دهنده شاخص گیاهی تفاوت نرمال شده است، و ρ NIR و ρ قرمز به ترتیب نشان دهنده بازتاب باند مادون قرمز نزدیک و نوار قرمز هستند. Pv نشان دهنده نسبت پوشش گیاهی، NDVI min نشان دهنده حداقل مقدار NDVI و NDVI max نشان دهنده حداکثر مقدار NDVI [ 62 ] است . εv��نشان دهنده انتشار پوشش گیاهی و εس�سنشان دهنده انتشار خاک است. مقادیر m و n به نتایج Sobrino و همکاران ارجاع داده شد. [ 61 ].

علاوه بر این، LST تصحیح شده انتشار به صورت زیر محاسبه شد [ 63 ]:

تیس=تیب1 + ( λ ×تیب/ α )lnε،تیس=تیب1+(�×تیب/�)لوگاریتم�،

که در آن Ts دمای تابش سطح بر حسب کلوین (K)، T B دمای بدن سیاه بر حسب کلوین (K)، λ طول موج مرکز تابش ساطع شده است ( λ = 11.5 میکرومتر برای باند TM Landsat 6 و 10.895 میکرومتر برای Landsat باند OLI/TIRS 10)، α = hc/K (1.438 × 10-2 mK )، h ثابت پلانک است (6.626 × 10-34 Js – 1 )، c سرعت نور است (2.998 × 108 ms −1 )، K ثابت بولتزمن است (1.38 × 10-23 JK – 1 )، و ε تابش سطحی است.

3.2.4. اندازه گیری شاخص های اثر UHI تابستانی

در مناطقی که به سرعت در حال شهرنشینی هستند، اندازه گیری شدت UHI معمول بر اساس اختلاف دمای هوا بین مناطق شهری و روستایی مشکل ساز است، که عمدتاً به دلیل تحول چشمگیر روستا-شهر است که به شدت دمای هوای پس زمینه را تغییر داد [64 ، 65 ] . به طور مشابه، شدت SUHI اندازه گیری شده توسط تفاوت LST بین مناطق شهری و روستایی نیز مشکل ساز است. متناوبا، با الهام از مفهوم منطقه آب و هوایی محلی [ 65]، اندازه‌گیری تفاوت LST بین سطح خنک‌کننده (زمین‌های پوشش گیاهی و بدنه‌های آبی) و سطح غیرقابل نفوذ می‌تواند شدت SUHI و وسعت فضایی تحت تأثیر اثر SUHI تابستانی را بهتر نشان دهد. بنابراین، بر اساس LST بازیابی شده، دو شاخص مهم اثر SUHI تابستانی، یعنی شدت SUHI (SUHII) و وسعت فضایی تحت تأثیر اثر SUHI (SUHISE)، به شرح زیر اندازه‌گیری شد:

SUHII = LST IS – LST CS ،

در جایی که SUHII با درجه سانتی گراد نشان داده می شود، LST IS میانگین LST سطح غیرقابل نفوذ در یک بافر ناحیه ای معین است و LST CS میانگین LST سطح خنک کننده در یک بافر ناحیه ای معین است.

اسUاچمناسE=پ⋅ الف106،اس�اچمناس�=پ·آ106،

در جایی که SUHISE با کیلومتر 2 نشان داده می شود ، P تعداد کل پیکسل ها (رزولوشن 30 متر) با SUHII ≥ 0 است، و A ناحیه خاص پیکسل است.

متعاقبا، بر اساس درک کلی ما از الگوی مکانی – زمانی شاخص‌های SUHI منطقه مورد مطالعه، SUHII با توجه به آستانه صدک‌های مشخص شده بر روی منحنی توزیع نرمال، یعنی سطح 1: بسیار کم (≤5) به شش سطح تقسیم شد. %)؛ سطح 2: کمی پایین (5 تا 25 درصد)؛ سطح 3: کم تا کمی زیاد (25~50%). سطح 4: متوسط ​​بالا (50 تا 75 درصد)؛ سطح 5: بسیار زیاد (75 تا 95 درصد)؛ و سطح 6: بسیار زیاد (≥95%). به طور مشابه، SUHISE با توجه به آستانه صدک های مشخص شده در منحنی توزیع به شش سطح تقسیم شد.
3.2.5. تحلیل آماری

روش‌هایی برای تجزیه و تحلیل داده‌ها، از جمله آمار توصیفی، آزمون نرمال بودن، و همبستگی محصول-لحظه پیرسون، قبل از کمی کردن رابطه فرضی بین شاخص‌های اثر SUHI و متغیرهای مستقل استفاده شد. چند خطی بودن بین متغیرها با توجه به نتیجه تحلیل همبستگی شناسایی شد (به پیوست A جدول A1 مراجعه کنید ). بنابراین، برای پرداختن به مشکل چند خطی بودن که ممکن است باعث نتایج گمراه‌کننده شود، یک مدل رگرسیون حداقل مربعات جزئی (PLSR) که ویژگی‌ها را از تجزیه و تحلیل مؤلفه‌های اصلی (PCA) و رگرسیون خطی چندگانه ترکیب می‌کند و تعمیم می‌دهد [66 ]]، برای تعیین کمیت رابطه مفروض بین شاخص‌های اثر SUHI و متغیرهای مستقل استفاده شد. علاوه بر این، برای جلوگیری از مشکل بیش از حد برازش و تعیین مدلی معقول با تعداد مناسب مؤلفه‌ها که توانایی پیش‌بینی خوبی داشته باشد، با توجه به معیارهای انتخاب، از روش ترک یک بیرون (LOO) برای اعتبارسنجی متقاطع استفاده شد. مدل هایی با بالاترین میانگین پیش بینی شده R2 و کمترین میانگین مجموع پیش بینی مربعات (PRESS) [ 66 ]. مدل های معتبر PLSR به صورت زیر نوشته شده اند:

SUHII = α 1 + β 1 · X 1 + β 2 · X 2 + β 3 · X 3 + β 4 · X 4 + β 5 · X 5 + β 6 · X 6 + ε 1 ،

که در آن α 1 نقطه قطع است. β 1 ~ β 6 ضرایب جزئی هستند. و X 1 ~ X 6 به ترتیب نسبت مساحت زمین توسعه یافته، جنگل، بدنه آبی، زمین زراعی و زمین برهنه در یک منطقه حائل مشخص هستند. X 6 میانگین تراکم جمعیت (Pop_density، واحد: 1000 نفر در کیلومتر مربع ) در یک بافر ناحیه ای معین است. ε 1 عبارت خطا است.

SUHISE = α 2 + β’ 1 · X 1 + β’ 2 · X 2 + β’ 3 · X 3 + β’ 4 · X 4 + β’ 5 · X 5 + β’ 6 · X 6 + ε 2 ،

در جایی که α 2 نقطه قطع است، β’ 1 ~ β’ 6 ضرایب جزئی هستند. و تعاریف X 1 ~ X 6 مانند معادله (12) است. ε 2 عبارت خطا است.

فرآیندهای آماری مورد استفاده در این مطالعه با R 3.6 [ 67 ] و کتابخانه pls [ 68 ] انجام شد.

4. نتایج

4.1. تجزیه و تحلیل سینوپتیک تغییر LULC در سطح منطقه ای

شکل 3 تغییر LULC در هفی بزرگ را نشان می دهد. زمین های زراعی 14.26 درصد از 9019.55 کیلومتر مربع در سال 1995 به 7732.96 کیلومتر مربع در سال 2016 کاهش یافت. در همین حال، چهار دسته دیگر LULC روند افزایشی نابرابر را نشان می دهند که با رشد قابل توجه در زمین های توسعه یافته نشان می دهد که با رشد 126.8.8.8 درصدی به 8.8.8.8٪ از 8.8.8٪ از 126.8.8٪ به 2016. 2 در سال‌های 1995-2016، و پس از آن جنگل، که با رشد 66.62 درصدی از 719.41 به 1198.67 کیلومتر مربع رسید . زمین برهنه با 21.44 درصد رشد از 35.49 به 46.75 کیلومتر مربع ، با تغییرات سالانه قابل توجهی در مساحت آن. در مقابل، توده‌های آبی نرخ تغییر نسبتاً آهسته اما پایدار (7.82%) را نشان می‌دهند که از 1082.01 به 1166.65 کیلومتر مربع افزایش یافته است .در طول دوره مطالعه در سطح منطقه‌ای، افزایش چشمگیر در زمین‌ها و جنگل‌های توسعه‌یافته، و افزایش جزئی در زمین‌های خالی و بدنه‌های آبی، همراه با کاهش شدید زمین‌های زراعی، باید نگران‌کننده باشد.
علاوه بر این، ناهمگونی تغییر LULC بین مناطق اداری هفی بزرگ قابل توجه است. همانطور که مشاهده می شود، بیشتر زمین های توسعه یافته تازه در حال ظهور در محدوده مرکز شهر هفی رخ داده است. به استثنای مرکز شهر قدیمی تقریباً بدون تغییر در بافر اول و دوم، وسعت جدید مرکز شهر هفی، که بین بافرهای سوم و پنجم قرار می‌گیرد، تغییر چشمگیری LULC را تجربه کرد، همانطور که 31.75 درصد از زمین‌های توسعه‌یافته جدید نشان می‌دهد. 29.59٪ از جنگل، و 20.28٪ از بدنه های آبی از دیگر دسته های LULC. این نتیجه را می توان با اهمیت مناطق اداری و فاصله آنها تا مرکز شهر هفی توضیح داد، زیرا شهر سابق خود هیفی بر گسترش بیرونی زمین های توسعه یافته مسلط بود. و در نتیجه باعث تجاوز شهری به زمین های به شدت توسعه یافته در فیدونگ و فیکسی همسایه شد. در مقابل، برای شهرستان‌ها و نواحی برون‌شهری که بین حایل‌های ششم و نهم قرار دارند، اهمیت اداری کوچک، محدودیت‌های زمین، و فاصله دور تا مرکز شهر هیفی، رشد شدید زمین‌های توسعه‌یافته را در محدوده‌هایشان محدود می‌کند. بنابراین، تغییرات کلی مساحت در زمین های توسعه نیافته به طور قابل توجهی کمتر بود.

4.2. تغییر SUHII تابستانی و وسعت فضایی تحت تأثیر اثر SUHI

شکل 4 و شکل 5 نشان می دهد که الگوهای مکانی-زمانی SUHI تابستانی مطابقت خوبی با زمین های توسعه یافته دارد ( شکل 2 را ببینید.). افزایش قابل توجه سطوح SUHII و SUHISE را می توان به تغییر شکل شهری و پیوند فضایی با حوزه های قضایی شهرستان های همسایه نسبت داد. همانطور که نشان داده شده است، در سال های 1995-2000، شهر به طور مناسب بر الگوی فضایی زمین به شدت توسعه یافته در سطح منطقه ای تسلط دارد. شهر مناسب سطوح SUHII بسیار بالاتری (4-6 سطح در محدوده 0-6 بافر) نسبت به بقیه منطقه مورد مطالعه (سطح 1-6) نشان می دهد. قابل توجه است که از سال 2007، مخلوطی از پر کردن و گسترش محوری در حاشیه شهر اتفاق افتاد و در نهایت منجر به مرکز شهر هفی شد که با افزایش سطوح SUHII و SUHISE در مناطق حائل (6 تا 21 کیلومتر) همراه بود. علاوه بر این، در حوزه‌های قضایی حاشیه‌ای شهرداری/شهرستان (مانند چائوهو، لوجیانگ و چانگ‌فنگ) و شهرها و روستاهای درون دالان‌های حمل‌ونقل، افزایش قابل توجهی در سطوح SUHII تابستانی و SUHISE را می توان مشاهده کرد. این نشان می‌دهد که پیوند فضایی نزدیک بین زمین‌های توسعه‌یافته شهری و روستایی اثر گرم شدن سطح را در سطوح منطقه‌ای و محلی اعمال می‌کند. بعلاوه،شکل 4 روند کلی SUHII ناحیه ای و SUHISE را در امتداد شیب شهری – روستایی نشان می دهد. همانطور که نشان داده شده است، مناطق شهری و شهری در مناطق حایل 6 تا 21 کیلومتری SUHII و SUHISE تابستانی نسبتا بالاتری نسبت به مناطق حائل دورتر (بیش از 21 کیلومتر) نشان می دهند. به نظر می رسد محدوده SUHII در امتداد شیب شهری – روستایی کوچکتر از SUHISE است. الگوی فضایی زمین توسعه‌یافته می‌تواند این نتیجه را توضیح دهد زیرا بیشتر زمین‌های توسعه‌یافته در محدوده ۶ تا ۲۱ کیلومتری مناطق حائل قرار دارند. در مقابل، نسبت مساحت زمین های توسعه یافته در حوزه های قضایی شهرستان های همسایه نسبتا کم است و زمین های طبیعی و نیمه طبیعی غالب می توانند به خنک شدن سطح زمین کمک کنند.

4.3. تجزیه و تحلیل عوامل محرک رابطه بین تغییر LULC و شاخص های اثر SUHI

جدول 3روابط کلی بین متغیرهای پیش‌بینی‌کننده/مستقل مبتنی بر بافر و پاسخ‌ها (SUHII و SUHISE) را در سال‌های 1995-2016 نشان می‌دهد. نتایج مدل‌های PLSR نشان می‌دهد که متغیرهای مستقل به طور قابل‌توجهی با پاسخ‌ها مرتبط هستند و تقریباً 30/61 درصد واریانس در SUHII و 80/79 درصد واریانس در SUHISE در منطقه مورد مطالعه را توضیح می‌دهند. با این حال، علاوه بر تغییرات سالانه و فصلی آب و هوای منطقه، واحدهای مختلف بین نسبت‌های مساحت LULC مبتنی بر بافر و تراکم جمعیت، مقایسه مستقیم نقش پیش‌بینی‌کننده‌ها در تعیین واریانس پاسخ‌ها را دشوار می‌کند. متناوبا، ضرایب رگرسیون استاندارد شده می‌تواند قدرت نسبی روابط بین متغیرهای مستقل/پیش‌بینی‌کننده مبتنی بر بافر و پاسخ‌ها را بهتر نشان دهد. در اینجا،
هنگام تمرکز بر روابط بین پیش‌بینی‌کننده‌های مبتنی بر بافر/متغیرهای مستقل و SUHII تابستان، برای پیش‌بینی‌کننده‌های با ضرایب مثبت، ترتیب ترتیب اهمیت نسبی Developed land > Bare land > Pop_density است. همانطور که نشان داده شد، هنگام کنترل سایر متغیرهای مستقل، با افزایش هر یک از انحراف معیار در زمین های توسعه یافته، زمین برهنه و تراکم پاپ، افزایش حاصل در سطح انحرافات استاندارد SUHII به ترتیب 0.627، 0.221 و 0.098 بود. با توجه به اینکه SUHII با تفاوت LST بین دسته‌های LULC اندازه‌گیری شد، اهمیت نسبی Pop_density را نمی‌توان مستقیماً از طریق ضریب استاندارد شده آن تجسم کرد، اگرچه همبستگی بسیار معنی‌داری بین زمین توسعه‌یافته و Pop_density وجود دارد. متقابلا، برای پیش بینی کننده های دارای ضرایب منفی، ترتیب ترتیب اهمیت نسبی زمین زراعی > بدنه آبی > جنگل است. هنگام کنترل سایر متغیرهای مستقل، با افزایش هر یک از انحراف معیار در زمین زراعی، بدنه آبی و جنگل، کاهش حاصل در سطح انحرافات استاندارد SUHII به ترتیب 106/1، 16/0 و 104/0 بود. روابط کلی بین متغیرهای پیش‌بینی‌کننده مبتنی بر بافر و SUHISE بسیار شبیه به پیش‌بینی‌کننده‌های مبتنی بر بافر در بالا در مقابل روابط SUHII بود، با این تفاوت که اهمیت نسبی Pop_density کمی از اهمیت زمین لخت فراتر می‌رود. چنین تغییری در اهمیت نسبی زمین لخت را می توان با ویژگی حرارتی آن اما نسبت مساحت کوچک آن در دسته های LULC توضیح داد. ترتیب ترتیب اهمیت نسبی زمین زراعی > بدنه آبی > جنگل است. هنگام کنترل سایر متغیرهای مستقل، با افزایش هر یک از انحراف معیار در زمین زراعی، بدنه آبی و جنگل، کاهش حاصل در سطح انحرافات استاندارد SUHII به ترتیب 106/1، 16/0 و 104/0 بود. روابط کلی بین متغیرهای پیش‌بینی‌کننده مبتنی بر بافر و SUHISE بسیار شبیه به پیش‌بینی‌کننده‌های مبتنی بر بافر در بالا در مقابل روابط SUHII بود، با این تفاوت که اهمیت نسبی Pop_density کمی از اهمیت زمین لخت فراتر می‌رود. چنین تغییری در اهمیت نسبی زمین لخت را می توان با ویژگی حرارتی آن اما نسبت مساحت کوچک آن در دسته های LULC توضیح داد. ترتیب ترتیب اهمیت نسبی زمین زراعی > بدنه آبی > جنگل است. هنگام کنترل سایر متغیرهای مستقل، با افزایش هر یک از انحراف معیار در زمین زراعی، بدنه آبی و جنگل، کاهش حاصل در سطح انحرافات استاندارد SUHII به ترتیب 106/1، 16/0 و 104/0 بود. روابط کلی بین متغیرهای پیش‌بینی‌کننده مبتنی بر بافر و SUHISE بسیار شبیه به پیش‌بینی‌کننده‌های مبتنی بر بافر در بالا در مقابل روابط SUHII بود، با این تفاوت که اهمیت نسبی Pop_density کمی از اهمیت زمین لخت فراتر می‌رود. چنین تغییری در اهمیت نسبی زمین لخت را می توان با ویژگی حرارتی آن اما نسبت مساحت کوچک آن در دسته های LULC توضیح داد. هنگام کنترل سایر متغیرهای مستقل، با افزایش هر یک از انحراف معیار در زمین زراعی، بدنه آبی و جنگل، کاهش حاصل در سطح انحرافات استاندارد SUHII به ترتیب 106/1، 16/0 و 104/0 بود. روابط کلی بین متغیرهای پیش‌بینی‌کننده مبتنی بر بافر و SUHISE بسیار شبیه به پیش‌بینی‌کننده‌های مبتنی بر بافر در بالا در مقابل روابط SUHII بود، با این تفاوت که اهمیت نسبی Pop_density کمی از اهمیت زمین لخت فراتر می‌رود. چنین تغییری در اهمیت نسبی زمین لخت را می توان با ویژگی حرارتی آن اما نسبت مساحت کوچک آن در دسته های LULC توضیح داد. هنگام کنترل سایر متغیرهای مستقل، با افزایش هر یک از انحراف معیار در زمین زراعی، بدنه آبی و جنگل، کاهش حاصل در سطح انحرافات استاندارد SUHII به ترتیب 106/1، 16/0 و 104/0 بود. روابط کلی بین متغیرهای پیش‌بینی‌کننده مبتنی بر بافر و SUHISE بسیار شبیه به پیش‌بینی‌کننده‌های مبتنی بر بافر در بالا در مقابل روابط SUHII بود، با این تفاوت که اهمیت نسبی Pop_density کمی از اهمیت زمین لخت فراتر می‌رود. چنین تغییری در اهمیت نسبی زمین لخت را می توان با ویژگی حرارتی آن اما نسبت مساحت کوچک آن در دسته های LULC توضیح داد. به ترتیب. روابط کلی بین متغیرهای پیش‌بینی‌کننده مبتنی بر بافر و SUHISE بسیار شبیه به پیش‌بینی‌کننده‌های مبتنی بر بافر در بالا در مقابل روابط SUHII بود، با این تفاوت که اهمیت نسبی Pop_density کمی از اهمیت زمین لخت فراتر می‌رود. چنین تغییری در اهمیت نسبی زمین لخت را می توان با ویژگی حرارتی آن اما نسبت مساحت کوچک آن در دسته های LULC توضیح داد. به ترتیب. روابط کلی بین متغیرهای پیش‌بینی‌کننده مبتنی بر بافر و SUHISE بسیار شبیه به پیش‌بینی‌کننده‌های مبتنی بر بافر در بالا در مقابل روابط SUHII بود، با این تفاوت که اهمیت نسبی Pop_density کمی از اهمیت زمین لخت فراتر می‌رود. چنین تغییری در اهمیت نسبی زمین لخت را می توان با ویژگی حرارتی آن اما نسبت مساحت کوچک آن در دسته های LULC توضیح داد.

5. بحث

5.1. در مورد رابطه بین تغییر LULC و اثر SUHI تابستانی

در مقیاس های محلی و منطقه ای، وقوع اثر SUHI در پاسخ به تغییر LULC باید در زمینه گسترده فعالیت های انسانی به جای خود تغییر LULC دیده شود. هر دو ویژگی های بیوفیزیکی سطح زمین و سطوح اجتماعی-اقتصادی مناطق مورد مطالعه نقش مهمی در ایجاد تغییر LULC و اثر SUHI مرتبط دارند. اکثر مطالعات موجود بر روی رابطه بین ویژگی های بیوفیزیکی سطح زمین (به عنوان مثال، NDVI، MNDWI، و NDBI) و اثر SUHI مرتبط تمرکز کرده اند [ 69 ، 70 ]. معمولاً به دلیل در دسترس نبودن و عدم قطعیت متغیرهای اجتماعی-اقتصادی، مطالعات کمی بر روی نقش متغیرهای اجتماعی-اقتصادی در تعیین اثر SUHI متمرکز شده است [ 44 ، 71 ، 72] .]. در برخی از مطالعات موجود، مدل‌های رگرسیون خطی تک متغیره و چندگانه مبتنی بر حداقل مربعات معمولی (OLS) و مدل‌های رگرسیون غیر خطی برای بررسی روابط ساده و پیچیده بین تغییر LULC و اثر SUHI، بسته به در دسترس بودن داده‌ها و تحقیقات مختلف، مورد استفاده قرار گرفتند. اهداف همانطور که قبلا ذکر شد، مدل‌های رگرسیون خطی/غیرخطی تک متغیره گاهی بهتر عمل می‌کردند، اما نتایج مدل‌های رگرسیون خطی چندگانه با در نظر گرفتن همه متغیرهای بالقوه که در ساختمان مدل‌ها منطقی فرض می‌شدند تفسیر ضعیفی داشتند [ 15 , 73]. اما این به معنای شکست مدل های جامع در این حوزه نیست. PLSR یک رویکرد صریح است که قادر به حذف چند خطی بودن بین متغیرها با استخراج از پیش بینی کننده ها مجموعه ای از عوامل متعامد به نام متغیرهای پنهان است که بهترین قدرت پیش بینی را دارند [ 66] .]. در این مطالعه، ما از مدل‌های PLSR برای بررسی روابط معنی‌دار آماری بین متغیرهای مستقل مبتنی بر بافر و متغیرهای وابسته (SUHII و SUHISE)، علاوه بر اهمیت نسبی متغیرهای مستقل در تعیین روابط پیچیده استفاده کردیم. با این وجود، اهمیت نسبی Pop_density در کمک به شاخص‌های اثر SUHI تابستانی را نمی‌توان مستقیماً تشخیص داد و بنابراین ممکن است دست کم گرفته شود، زیرا تفاوت LST به سادگی اندازه‌گیری شده بین سطح نفوذناپذیر و سطح خنک‌کننده، و عدم توجه به فعل و انفعالات LULC ها و Pop_density. بدین ترتیب،

5.2. پیامدها برای توسعه پایدار زمین از یک محیط حرارتی شهری بهتر

مشابه مورد سایر شهرهای بزرگ در مرکز چین، از اواخر دهه 1970، توسعه اجتماعی و اقتصادی هفی از کلان شهرهای ساحلی عقب مانده است. این وضعیت در سال 2002 زمانی تغییر کرد که Greater Hefei استراتژی‌های توسعه خود را برای پیوستن به یکپارچگی اقتصادی منطقه‌ای حوضه رودخانه یانگ تسه، از طریق برنامه‌ریزی توسعه فضایی، تراکم شهری، بازسازی صنعتی، و حفاظت از محیط زیست اجرا کرد [74 ] . تا به امروز، بیشتر این اهداف با موفقیت به دست آمده اند و پایه و اساس گسترش بزرگ هیفی در حوضه رودخانه یانگ تسه را گذاشته اند. در این مطالعه همانطور که در شکل 2 نشان داده شده استتغییر چشمگیر در گسترش مرکز شهر هفی، که دارای راهروهای حمل و نقل متراکم و الگوی پرکننده زمین های به شدت توسعه یافته بود، تا حد زیادی منعکس کننده تغییر LULC در پاسخ به فشار توسعه زمین برای پارک های نوظهور با فناوری پیشرفته و ارتقای صنعتی بود. خوشه ها، امکانات حمایتی و جوامع مسکونی.
بر اساس نتایج ما، به نظر می‌رسد که عدم تعادل توسعه زمین و تجمع جمعیت بین مرکز شهر هیفی و حوزه‌های قضایی حاشیه‌ای شهرداری/شهرستان باید مسئول ناهمگونی تغییر LULC و اثر SUHI تابستانی منطقه مورد مطالعه باشد. بنابراین، ما استدلال می‌کنیم که رابطه بین تغییر LULC و اثر SUHI مرتبط باید در اقدامات برنامه بلندمدت و استراتژی‌های توسعه مقامات محلی تاکید شود. برای مثال، مقامات محلی می‌توانند از فرصت بی‌سابقه‌ای که توسط استراتژی‌های ملی مانند «ظهور چین مرکزی»، «ادغام حوضه رودخانه یانگ تسه» و «ساخت چین ۲۰۲۵» ارائه می‌شود، استفاده کند، که به نفع خوشه‌های صنعتی رقابتی بین‌المللی خواهد بود. مانند مدارهای مجتمع، انرژی نو، وسایل نقلیه متصل هوشمند، و ارتباطات کوانتومی، علاوه بر صنعت سوم در هفی بزرگ. با این حال، قابل توجه است که برنامه اخیر مقامات محلی (2018-2035) برای این خوشه های صنعتی پیشرو [75 ] انتخاب مکان را ترجیح می دهد (491 کیلومتر مربع) در محدوده 6 تا 21 کیلومتری مناطق حائل مرکز شهر هفی، با توجه به راحتی زندگی و مدیریت. با این وجود، هیچ نگرانی خاصی در مورد تغییر LULC و اثر SUHI در گزارش برنامه ریزی مقامات محلی گنجانده نشده است، و همچنین به یک رویکرد عملی برای سرکوب اثر حرارتی نامطلوب احتمالی اشاره نشده است. می توان پیش بینی کرد که چنین الگوی توسعه زمین فشرده نه تنها رقابت کاربری اراضی برای توسعه تجاری و حفاظت از محیط زیست را تشدید می کند، بلکه در شکل گیری یک الگوی توسعه زمین متوازن بین مرکز شهر هیفی و حوزه های قضایی حاشیه ای شهرداری/شهرستان نیز مفید نخواهد بود. در نتیجه،
بنابراین، برای کاهش اثر SUHI تابستانی در رویدادهای گرمای شدید، برنامه‌ریزی شهری آینده باید شکل شهری را برای سرکوب توسعه بیش از حد فشرده در مرکز شهر هفی و ایجاد فضایی برای خنک‌کننده سطوح، با انتشار شیوه‌های انعطاف‌پذیری اکولوژیکی و بازیابی برای بازسازی رنگ آبی تغییر دهد. -فضاهای سبز در سراسر راهروهای شهری- روستایی. بر اساس تجزیه و تحلیل ما از طرح زمین اکولوژیکی فعلی، ما برنامه ریزی پارک های تالاب و پارک های جنگلی در بخش های جنوب شرقی و شمال غربی هیفی بزرگ، به ویژه برای تقویت منطقه حفاظتی دریاچه چائوهو و بهینه سازی توسعه کم تأثیر منطقه را پیشنهاد می کنیم. . علاوه بر این، کریدورهای اکولوژیکی اصلی، مانند کریدور اکولوژیکی رودخانه نانفی و کریدور اکولوژیکی رودخانه پای،شکل 6 ).

5.3. محدودیت های این مطالعه و اظهارات

چندین محدودیت جزئی در این مطالعه وجود دارد. از نظر تئوری، سری زمانی تصاویر ماهواره‌ای موجود ممکن است اطلاعات کافی برای درک بهتر فرآیند تغییر LULC و سطوح حاصل از SUHII و SUHISE، که برای تصمیم‌گیری برای توسعه پایدار زمین، سازگاری آب و هوا، و مدیریت اکوسیستم بسیار مهم هستند، فراهم کند. متاسفانه به دلیل آلودگی ابرها و فاصله 16 روزه بازدید مجدد ماهواره های لندست، امکان دسترسی به تصاویر ماهواره ای با کیفیت رضایت بخشی محدود شده است. بنابراین، نتایج این مطالعه تنها می تواند تا حدی رابطه بین تغییر LULC و اثر SUHI در طول روز را نشان دهد. علاوه بر این، دمای هوای محل خاص ثبت‌شده در ایستگاه‌های هواشناسی نیز باید برای نمایش بهتر الگوهای مکانی و زمانی اثر SUHI تابستان مرتبط با تغییر LULC ارجاع شود. معمولاً تجاوز شهری در مناطق حومه و روستایی باعث تعصب در دمای هوا در ایستگاه های هواشناسی محلی می شود که به پدیده «ورود شهر» ایستگاه ها معروف است.64 ]. با این حال، هنگام همپوشانی نقشه‌های شاخص LULC و تابستانی SUHI با نقشه ایستگاه‌های آب‌وهوا، و سپس طبقه‌بندی مجدد این ایستگاه‌های آب‌وهوا به منطقه صحیح حومه یا روستایی، رابطه کمی بین تغییر LULC و اثر SUHI مورد بحث در این مطالعه قانع‌کننده‌تر خواهد بود.
محدودیت دیگر وضوح نسبتاً درشت محصولات نشانگر SUHI است. محصولات نشانگر SUHI 30 متری بازیابی شده برای نشان دادن اثر حرارتی تغییر LULC در مقیاس های متوسط ​​و بزرگ با مناظر ساده (مانند جنگل، بدنه های آبی، زمین های زراعی و موزاییک آنها) مناسب هستند، اما برای توصیف واگرایی در حرارت کافی نیستند. اثر زمین های به شدت توسعه یافته، به ویژه در محیط های ساخته شده شهری در مقیاس کوچک با اجزای پیچیده LULC و مورفولوژی پیچیده شهری. اگرچه هیچ محصول باند TIR با وضوح بالا توسط پلت فرم های ماهواره ای سری لندست ارائه نمی شود،76 ، 77 ، 78 ]. علاوه بر این، دمای هوا اندازه گیری شده در محل و اثر CUHI را نمی توان به طور مستقیم با اثر SUHI مقایسه کرد. با این حال، ترکیبی از شاخص‌های اثر SUHI تیز شده حرارتی و عوامل ریزاقلیمی اندازه‌گیری شده در محل می‌تواند برای تولید شاخص‌های CUHI شبیه‌سازی شده از طریق دینامیک سیالات محاسباتی (CFD)، که می‌تواند با شاخص‌های CUHI واقعی مقایسه شود، استفاده شود. بنابراین، برای افزایش کاربرد و امکان‌سنجی محصولات TIR سنجش از دور ماهواره‌ای در برنامه‌ریزی شهری برای کاهش UHI و سازگاری با آب و هوا، مطالعات موردی بیشتری با استفاده از این فناوری تیز کردن حرارتی یا روش‌های مشابه باید تشویق شود.

6. نتیجه گیری

در این مطالعه، عمده ترین یافته ها را می توان به شرح زیر خلاصه کرد.
(1) به طور کلی، در هفی بزرگ، الگوهای ناهمگن تغییر LULC، به ویژه تفاوت های قابل توجه در الگوهای رشد زمین توسعه یافته بین مرکز شهر هفی و شهرداری ها/شهرستان های حاشیه ای، مشاهده می شود. تجزیه و تحلیل شیب شهری-روستایی مبتنی بر حائل مرکزی نشان می‌دهد که بیشتر زمین‌های توسعه‌یافته تازه در حال ظهور در مرکز شهر هفی رخ داده است، که نشان دهنده انتقال این شهر از یک مرکز استانی معمولی به یک ابرشهر ستاره‌ای در مرکز چین در دو دهه گذشته است. در نتیجه، افزایش چشمگیر زمین‌های توسعه‌یافته و افزایش جزئی جنگل‌ها و بدنه‌های آبی باعث کاهش شدید زمین‌های زراعی شد. در مقابل، در سه حوزه قضایی حاشیه ای شهرداری/شهرستان، تغییر کلی مساحت در زمین های توسعه نیافته بسیار کمتر بود.
(2) الگوهای مکانی-زمانی SUHI تابستانی با الگوهای زمین توسعه یافته مطابقت دارد. گسترش سریع زمین توسعه یافته منجر به افزایش قابل توجه سطوح SUHII تابستانی و SUHISE شد. اینها با مخلوطی از پر کردن و انبساط محوری در امتداد راهروهای حمل و نقل یا صرفاً با انبساط محوری مشخص شدند. نتایج مدل‌های PLSR نشان می‌دهد که متغیرهای پیش‌بینی‌کننده/مستقل مبتنی بر بافر ناحیه‌ای به طور قابل‌توجهی با پاسخ‌ها (SUHII و SUHISE مرتبط هستند)، که تقریباً 61.3 درصد از واریانس در SUHII و 79.8 درصد از واریانس در SUHISE را در منطقه مورد مطالعه توضیح می‌دهد. . علاوه بر این، قدرت نسبی متغیرهای مستقل در تعیین روابط فوق به صورت کمی مورد بررسی قرار گرفت. از این رو،
به طور خلاصه، یافته‌های این مطالعه شواهد روشنی برای تصمیم‌گیری به سمت توسعه پایدار زمین و کاهش اثر برجسته UHI در تابستان ارائه می‌کند.

پیوست اول

جدول
جدول A1. ماتریس همبستگی که چند خطی بودن بین متغیرها را نشان می دهد.

منابع

  1. سازمان ملل. 2018 بازنگری چشم انداز شهرنشینی جهان. در دسترس آنلاین: https://www.un.org/development/desa/publications/2018-revision-of-world-urbanization-prospects.html (دسترسی در 20 نوامبر 2018).
  2. کای، ی.-بی. لی، اچ.-م. بله، X.-Y. ژانگ، اچ. تحلیل الگوهای سه دهه ای تغییر کاربری/پوشش زمین و خدمات اکوسیستم منطقه ای در سطح چشم انداز: مطالعه موردی دو منطقه شهری ساحلی، شرق چین. Sustainability 2016 , 8 , 773. [ Google Scholar ] [ CrossRef ][ Green Version ]
  3. کیم، جی جی. ریو، JH مدلسازی پیامدهای هیدرولوژیکی و زیست محیطی تغییرات آب و هوایی و شهرنشینی در حوضه آبخیز رودخانه بویز، آیداهو. مربا. منبع آب دانشیار 2019 ، 55 ، 133-153. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  4. دوان، AM; یاماگوچی، ی. تغییر کاربری زمین و پوشش زمین در داکای بزرگ، بنگلادش: استفاده از سنجش از دور برای ترویج شهرنشینی پایدار. Appl. Geogr. 2009 ، 29 ، 390-401. [ Google Scholar ] [ CrossRef ]
  5. پادشاه، RS; اسکاگینز، ام. Porras، A. تنوع زیستی جریان به طور نامتناسبی به دلیل شهرنشینی از بین می رود زمانی که پایداری جریان کاهش می یابد: شواهد از جنوب غربی آمریکای شمالی. تازه علمی 2016 ، 35 ، 340-352. [ Google Scholar ] [ CrossRef ]
  6. نگوین، اچ. رکنگل، اف. مایر، دبلیو. اثرات شهرنشینی پیش‌بینی‌شده و تغییرات آب و هوایی بر جریان و بارهای مغذی یک حوضه آبریز مدیترانه در استرالیای جنوبی. اکوهیدرول هیدروبیول. 2019 ، 19 ، 279-288. [ Google Scholar ] [ CrossRef ]
  7. Mati، BM; موتی، اس. گاداین، اچ. صفحه اصلی، پ. Mtalo، F. اثرات تغییرات کاربری/پوشش زمین بر هیدرولوژی رودخانه فرامرزی مارا، کنیا/تانزانیا. ذخیره گاه دریاچه ها Res. مدیریت 2008 ، 13 ، 169-177. [ Google Scholar ] [ CrossRef ]
  8. پیکارد، BR; ون برکل، دی. پتراسووا، آ. Meentemeyer، RK پیش‌بینی‌های سناریوهای شهرنشینی مبادلات بین تغییر منظر و خدمات اکوسیستم را نشان می‌دهد. Landsc. Ecol. 2017 ، 32 ، 617-634. [ Google Scholar ] [ CrossRef ]
  9. ریرز، بی. O’Farrell, PJ; Cowling، RM; Egoh, BN; لو ماتر، دی سی; Vlok، خدمات اکوسیستم JHJ، تغییر پوشش زمین، و ذینفعان: یافتن جای پایی پایدار برای یک کانون تنوع زیستی نیمه خشک. Ecol. Soc. 2009 ، 14 ، 38. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  10. مک مایکل، ای جی؛ وودراف، RE; Hales, S. تغییرات آب و هوا و سلامت انسان: خطرات حال و آینده. Lancet 2006 ، 367 ، 858-869. [ Google Scholar ] [ CrossRef ]
  11. جنرت، جی دی. هارلان، اس ال. بویانتویف، آ. استفانوف، WL; دکلت-بارتو، جی. رادل، BL; Myint، SE; کاپلان، اس. لی، ایکس. دمای سطح شهری در مقیاس میکرو به ویژگی‌های پوشش زمین و اثرات بهداشتی مرتبط با گرمای مسکونی در فینیکس، AZ ایالات متحده مرتبط است. Landsc. Ecol. 2016 ، 31 ، 745-760. [ Google Scholar ] [ CrossRef ]
  12. لوان، ایکس. یو، ز. ژانگ، ی. وی، اس. میائو، ایکس. هوانگ، ZYX؛ تنگ، SN; Xu, C. داده‌های سنجش از دور و سنجش اجتماعی نقاط قوت وابسته به مقیاس و سیستم خاص تعیین‌کننده‌های جزیره گرمایی شهری را آشکار می‌کنند. Remote Sens. 2020 , 12 , 391. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  13. جورجسکو، ام. Morefield، PE; Bierwagen، BG; بافنده، CP انطباق شهری می تواند گرمایش مناطق نوظهور کلان شهری را کاهش دهد. Proc. Natl. آکادمی علمی ایالات متحده آمریکا 2014 ، 111 ، 2909-2914. [ Google Scholar ] [ CrossRef ] [ PubMed ][ نسخه سبز ]
  14. لیو، جی. شائو، کیو. یان، ایکس. فن، جی. ژان، جی. دنگ، ایکس. کوانگ، دبلیو. Huang, L. اثرات آب و هوایی استفاده از زمین و تغییر پوشش زمین در مقایسه با کشورها. جی. جئوگر. علمی 2016 ، 26 ، 889-903. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  15. 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 ]
  16. پولیدوروس، ا. ماوراکو، تی. Cartalis، C. کمی کردن روند دمای سطح زمین و شدت جزیره گرمایی شهری سطحی در شهرهای مدیترانه ای با توجه به شهرنشینی هوشمند. علوم شهری 2018 ، 2 ، 16. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  17. ژانگ، اچ. لی، T.-T. لیو، ی. هان، J.-J. گوا، ی.-جی. درک سهم ویژگی‌های قطعه زمین در شدت و بزرگی جزیره گرمایی درون سطحی: مطالعه در مرکز شهر شانگهای، چین. تخریب زمین توسعه دهنده 2020 . [ Google Scholar ] [ CrossRef ]
  18. گیل، اس. هندلی، جی. انوس، آ. Pauleit, S. سازگاری شهرها برای تغییر آب و هوا: نقش زیرساخت سبز. محیط ساخته شده 2007 ، 33 ، 115-133. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  19. روزانه، جی. خدمات طبیعت: وابستگی اجتماعی به اکوسیستم های طبیعی . مطبوعات جزیره: واشنگتن، دی سی، ایالات متحده آمریکا، 1997. [ Google Scholar ]
  20. دیسانایکه، دی. موریموتو، تی. مورایاما، ی. Ranagalage، M. تاثیر ساختار منظر بر تغییر دمای سطح زمین در منطقه زیر صحرا: مطالعه موردی آدیس آبابا با استفاده از داده های Landsat (1986-2016). پایداری 2019 ، 11 ، 2257. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  21. Oke، اندازه شهر TR و جزیره گرمایی شهری. اتمس. محیط زیست 1973 ، 7 ، 769-779. [ Google Scholar ] [ CrossRef ]
  22. Ren, CY; وو، دی.تی. دونگ، SC تأثیر شهرنشینی بر محیط آب و هوای شهری در شمال غربی چین. Geogr. Res. اوست 2006 ، 25 ، 233-241. [ Google Scholar ]
  23. کنگره ملی خلق چین طرح کلی برنامه پنج ساله دهم چین برای توسعه ملی اقتصادی و اجتماعی. در دسترس آنلاین: https://www.gov.cn/gongbao/content/2001/content_60699.htm (در 1 نوامبر 2017 قابل دسترسی است).
  24. شورای دولتی چین یازدهمین برنامه ریزی پنج ساله برای استراتژی توسعه بزرگ غرب. در دسترس آنلاین: https://xbkfs.ndrc.gov.cn/qyzc/200901/t20090118_256835.html (در 1 نوامبر 2017 قابل دسترسی است).
  25. وانگ، جی پی؛ لیو، جی. Du، JS; ژانگ، ایکس. Xue، CF; گائو، WY تغییرات بین دهه‌ای دما و تأثیر رشد شهری بر دما در منطقه شیان. صعود محیط زیست Res. 2009 ، 14 ، 434-444. [ Google Scholar ]
  26. کای، ز. Han, GF ارزیابی دمای سطح زمین در شهر کوهستانی با فرم فضایی شهری متفاوت بر اساس طرح منطقه آب و هوایی محلی. Mt. Res. 2018 ، 4 ، 617-627. [ Google Scholar ]
  27. ژائو، اچ. ژانگ، اچ. میائو، سی. بله، X. Min, M. پیوند الگوهای چشم انداز منبع گرما – سینک با تجزیه و تحلیل جزایر گرمایی شهری: مطالعه بر روی شهر سریع رشد ژنگژو در مرکز چین. Remote Sens. 2018 , 10 , 1268. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  28. Voogt، JA; Oke, TR سنجش از دور حرارتی آب و هوای شهری. سنسور از راه دور محیط. 2003 ، 86 ، 370-384. [ Google Scholar ] [ CrossRef ]
  29. 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 ]
  30. آدینه، EN; کریستین، EI; Okolie، AT ارزیابی جزیره گرمایی شهری و سازگاری‌های احتمالی در شهر Enugu با استفاده از landsat-ETM. جی. جئوگر. Reg. برنامه ریزی کنید. 2009 ، 2 ، 30-36. [ Google Scholar ]
  31. Keeratikasikorn، سی. Bonafoni، S. تجزیه و تحلیل جزیره گرمایی شهری بر روی طرح پهنه بندی کاربری زمین بانکوک با استفاده از تصاویر landsat 8. Remote Sens. 2018 , 10 , 440. [ Google Scholar ] [ CrossRef ]
  32. روزنزوایگ، سی. Solecki، WD; پرشال، ال. لین، بی. کاکس، جی. گلدبرگ، آر. هاجز، اس. گافین، اس. اسلسبرگ، آر.بی. ساویو، پی. و همکاران کاهش جزیره گرمایی شهر نیویورک: ادغام دیدگاه های ذینفعان و ارزیابی علمی گاو نر صبح. هواشناسی Soc. 2009 ، 90 ، 1297-1312. [ Google Scholar ] [ CrossRef ]
  33. سیمواندا، م. راناگالاج، ام. Estoque، RC; مورایاما، Y. تجزیه و تحلیل فضایی جزایر حرارتی شهری سطحی در چهار شهر آفریقایی که به سرعت در حال رشد هستند. Remote Sens. 2019 ، 11 ، 1645. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  34. روستا، من. Sarif, MO; گوپتا، RD; اولافسون، اچ. راناگالاج، ام. مورایاما، ی. ژانگ، اچ. موشور، TD تحلیل فضایی-زمانی کاربری/پوشش زمین و اثرات آن بر سطح جزیره حرارتی شهری با استفاده از داده‌های لندست: مطالعه موردی کلانشهر تهران (1988-2018). Sustainability 2018 , 10 , 4433. [ Google Scholar ] [ CrossRef ][ Green Version ]
  35. سودودی، س. شاهمحمدی، پ. ولاک، ک. کوباش، U. چه آنی، هوش مصنوعی کاهش اثر جزیره گرمایی شهری در کلان شهر تهران. Adv. هواشناسی 2014 , 2014 . [ Google Scholar ] [ CrossRef ]
  36. لو، ال. ونگ، کیو. شیائو، دی. گوا، اچ. لی، کیو. Hui، W. تغییرات فضایی و زمانی جزایر حرارتی شهری سطحی در رابطه با ترکیب و پیکربندی پوشش زمین: مطالعه موردی چند مقیاسی شیان، چین. Remote Sens. 2020 , 12 , 2713. [ Google Scholar ] [ CrossRef ]
  37. هوانگ، Q. هوانگ، جی. یانگ، ایکس. نیش، سی. لیانگ، ی. کمی کردن سهم فصلی انواع کاربری زمین شهری در جزیره گرمایی شهری با استفاده از شاخص مشارکت زمین: مطالعه موردی در ووهان، چین. حفظ کنید. جامعه شهرها 2019 ، 44 ، 666-675. [ Google Scholar ] [ CrossRef ]
  38. کیائو، ز. لیو، ال. Qin، Y. خو، X. وانگ، بی. لیو، ز. تأثیر نوسازی شهری بر تغییرات دمای سطح زمین: مطالعه موردی در شهر اصلی گوانگژو، چین. Remote Sens. 2020 , 12 , 794. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  39. 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 ]
  40. طارق، ع. ریاض، من. احمد، ز. یانگ، بی. امین، م. کوثر، ر. اندلیب، اس. فاروقی، م. رفیق، م. رابطه دمای سطح زمین با شاخص‌های نرمال‌شده ماهواره‌ای برای تخمین روندهای مکانی-زمانی دما در بین طبقات مختلف کاربری اراضی یک منطقه خشک پوتوهر با استفاده از داده‌های لندست. محیط زیست علوم زمین 2020 ، 79 ، 40. [ Google Scholar ] [ CrossRef ]
  41. یانگ، سی. او، X. یان، اف. یو، ال. بو، ک. یانگ، جی. چانگ، ال. ژانگ، اس. نقشه‌برداری از تأثیر تغییر کاربری/پوشش زمین بر اثر جزیره گرمایی شهری-مطالعه موردی چانگچون، چین. Sustainability 2017 , 9 , 312. [ Google Scholar ] [ CrossRef ][ Green Version ]
  42. ژانگ، ی. Sun، L. اثرات مکانی- زمانی پوشش زمین کاربری زمین شهری بر دمای سطح زمین: مطالعات موردی دو منطقه شهری کانادا. بین المللی J. Appl. زمین Obs. 2019 ، 75 ، 171-181. [ Google Scholar ] [ CrossRef ]
  43. لیو، ی. پنگ، جی. Wang, Y. کاربرد رگرسیون حداقل مربعات جزئی در تشخیص شاخص‌های مهم منظر تعیین‌کننده تغییرات دمای سطح زمین شهری. Landsc. Ecol. 2018 ، 33 ، 1133-1145. [ Google Scholar ] [ CrossRef ]
  44. ژانگ، اچ. Qi، ZF; بله، X.-Y. Cai، YB; ما، WC; چن، ام.-ن. تحلیل کاربری زمین/تغییر پوشش زمین، تغییر جمعیت و اثرات آنها بر الگوهای مکانی و زمانی جزایر گرمایی شهری در کلانشهر شانگهای، چین. Appl. Geogr. 2013 ، 44 ، 121-133. [ Google Scholar ] [ CrossRef ]
  45. اداره هواشناسی چین (CMA). روند رو به افزایش شهرهای داغ در چین. در دسترس آنلاین: https://www.cma.gov.cn/2011xwzx/2011xqhbh/2011xdtxx/201208/t20120816_182112.html (در 11 نوامبر 2017 قابل دسترسی است).
  46. دولت شهرداری هیفی برنامه ریزی جامع شهری هفی (2011–2020) ; دولت شهرداری هیفی: هفی، چین، 2012.
  47. دولت شهرداری هیفی طرح کلی برای بهره برداری از زمین هفی (2006-2020) ؛ دولت شهرداری هیفی: هفی، چین، 2012.
  48. اداره آمار شهرداری هیفی گزارش 2017 سرشماری جمعیتی در هفی. در دسترس آنلاین: https://tjj.hefei.gov.cn/8726/8730/201802/t20180223_2481649.html (دسترسی در 5 سپتامبر 2019).
  49. USGS. در دسترس آنلاین: https://www.usgs.gov/centers/eros/science/usgs-eros-archive-landsat-archives-landsat-8-oli-operational-land-imager-and?qt-science_center_objects=0#qt -science_center_objects (در 1 اوت 2019 قابل دسترسی است).
  50. اداره آمار استان آنهویی سالنامه آماری سالانه استان آنهویی. در دسترس آنلاین: https://tjj.ah.gov.cn/tjjweb/web/tjnj_view.jsp?strColId=13787135717978521&_index=1 (دسترسی در 3 سپتامبر 2019).
  51. اداره آمار شهرداری هیفی سالنامه آماری سالانه هیفی. در دسترس آنلاین: https://tjj.hefei.gov.cn/8688/8689/18nj/ (دسترسی در 5 سپتامبر 2018).
  52. کمیته ملی بخش کشاورزی چین آیین نامه فنی بررسی وضعیت کاربری اراضی ; انتشارات نقشه برداری و نقشه برداری: پکن، چین، 1984.
  53. چن، دی. استو، دی. تأثیر راهبردهای آموزشی بر طبقه‌بندی نظارت شده در تفکیک‌پذیری‌های فضایی مختلف. فتوگرام مهندس Remote Sens. 2002 , 68 , 1155-1162. [ Google Scholar ]
  54. Jassen، LIF; فرانس، جی.ام. Wel, VD ارزیابی دقت داده‌های پوشش زمینی حاصل از ماهواره: یک بررسی. فتوگرام مهندس Remote Sens. 1994 , 60 , 410-432. [ Google Scholar ]
  55. آهنگ، سی. Woodcock، CE; Seto، KC; لنی، نماینده مجلس؛ Macomber، SA طبقه بندی و تشخیص تغییر با استفاده از داده های Landsat TM: چه زمانی و چگونه اثرات جوی را اصلاح کنیم؟ سنسور از راه دور محیط. 2001 ، 75 ، 230-244. [ Google Scholar ] [ CrossRef ]
  56. Weng، Q. ارزیابی سنجش از راه دور-GIS گسترش شهری و تأثیر آن بر دمای سطح در دلتای ژوجیانگ، چین. بین المللی J. Remote Sens. 2001 ، 22 ، 1999-2014. [ Google Scholar ]
  57. مالارت، ای. بارتولوچی، لس آنجلس؛ لوزانو، دی اف. آنوتا، PE; تجزیه و تحلیل کیفیت داده های McGillem، CD Landsat-4 و Landsat-5 Thematic Mapper. فتوگرام مهندس Remote Sens. 1985 ، 51 ، 1407-1416. [ Google Scholar ]
  58. برسی، ج.ا. Schott, JR; هوک، اس جی; راکونو، NG; مارکهام، BL; رادوچینسکی، سنسور مادون قرمز حرارتی RG Landsat-8 (TIRS) کالیبراسیون رادیومتری جانشین. Remote Sens. 2014 , 6 , 11607–11626. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  59. مونتانارو، ام. گراس، آ. لونسفورد، ا. رویتر، دی. مصنوعات نور سرگردان در تصاویر حسگر مادون قرمز حرارتی Landsat 8. Remote Sens. 2014 , 6 , 10435–10456. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  60. وزارت کشور / سازمان زمین شناسی ایالات متحده (DOI/USGS). کتاب راهنمای کاربران داده لندست 8 (L8) (نسخه 4.0). EROS Sioux Falls، داکوتای جنوبی. 2019. در دسترس آنلاین: https://prd-wret.s3-us-west-2.amazonaws.com/assets/palladium/production/atoms/files/LSDS_1574_L8_Data_Users_Handbook_v4.pdf (در 12 مه 2019 قابل دسترسی است).
  61. 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 ]
  62. کارلسون، TN; Ripley، DA در مورد رابطه بین NDVI، پوشش گیاهی کسری، و شاخص سطح برگ. سنسور از راه دور محیط. 1997 ، 62 ، 241-252. [ Google Scholar ] [ CrossRef ]
  63. آرتیس، دی. کارناهان، WH بررسی تنوع انتشار در ترموگرافی مناطق شهری. سنسور از راه دور محیط. 1982 ، 12 ، 313-329. [ Google Scholar ] [ CrossRef ]
  64. یانگ، YJ; Wu، BW; شی، CE; ژانگ، جی اچ. لی، YB; تانگ، WA; Wen, HY; ژانگ، مقر; شی، تی. تأثیرات شهرنشینی و جابجایی ایستگاه بر سری دمای هوای سطحی در استان آنهویی، چین. Pure Appl. ژئوفیز. 2013 ، 170 ، 1969-1983. [ Google Scholar ] [ CrossRef ]
  65. استوارت، ID; Oke، TR مناطق آب و هوایی محلی برای مطالعات دمای شهری. گاو نر صبح. هواشناسی Soc. 2012 ، 93 ، 1879-1900. [ Google Scholar ] [ CrossRef ]
  66. عبدی، ح. رگرسیون حداقل مربعات جزئی و طرح ریزی بر رگرسیون ساختار نهفته (رگرسیون pls). Wiley Interdiplinary Rev. Comput. آمار 2010 ، 2 ، 97-106. [ Google Scholar ] [ CrossRef ]
  67. تیم اصلی R. R: زبان و محیطی برای محاسبات آماری. بنیاد R برای محاسبات آماری، وین، اتریش. 2019. در دسترس آنلاین: https://www.R-project.org/ (در تاریخ 1 مه 2019 قابل دسترسی است).
  68. میویک، B.-H. Wehrens, R. بسته pls: مؤلفه اصلی و رگرسیون حداقل مربعات جزئی در R. J. Stat. نرم افزار 2007 ، 18 ، 1-24. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  69. ونگ، کیو. لو، دی. Schubring، J. برآورد رابطه دمای سطح زمین و فراوانی پوشش گیاهی برای مطالعات جزیره گرمایی شهری. سنسور از راه دور محیط. 2004 ، 89 ، 467-483. [ Google Scholar ] [ CrossRef ]
  70. Xu, H. تحلیل سطح غیرقابل نفوذ و تأثیر آن بر محیط گرمای شهری با استفاده از شاخص سطح غیرقابل نفوذ نرمال شده تفاوت (NDISI). فتوگرام مهندس Remote Sens. 2010 ، 76 ، 557-565. [ Google Scholar ] [ CrossRef ]
  71. 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 ]
  72. Guo، YJ; هان، جی جی. ژائو، ایکس. دای، XY; ژانگ، اچ. درک نقش بهینه استفاده از زمین / اجزای پوشش زمین در کاهش اثر جزیره گرمایی شهری درون سطحی تابستان: مطالعه ای در مرکز شهر شانگهای، چین. Energies 2020 , 13 , 1678. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  73. تانگ، جی. دی، ال. شیائو، جی. لو، دی. ژو، ی. تأثیرات استفاده از زمین و الگوهای اجتماعی-اقتصادی در جزیره گرمایی شهری. بین المللی J. Remote Sens. 2017 , 38 , 3445–3465. [ Google Scholar ] [ CrossRef ]
  74. Cai, Z. برنامه ریزی استراتژیک برای توسعه فضایی شهر Hefei. طرح شهری. مسئول خبر. 2005 ، 14-15. [ Google Scholar ]
  75. هوانگ، QH; لی، ام سی; لیو، YX; هو، دبلیو. لیو، ام. چن، ZJ; Li، FX با استفاده از مناطق تنظیمی گسترش ساخت و ساز برای مدیریت رشد شهری در شهر هفی، چین. ج. طرح شهری. توسعه دهنده 2012 ، 139 ، 62-69. [ Google Scholar ] [ CrossRef ]
  76. بونافونی، س. آنیبال، آر. گیولی، بی. Toscano, P. Downscaling Landsat دمای سطح زمین در ناحیه شهری فلورانس. یورو J. Remote Sens. 2016 ، 49 ، 553-569. [ Google Scholar ] [ CrossRef ]
  77. ژانگ، اچ. جینگ، XM; چن، جی. لی، جی جی. Schwegler، B. مشخص کردن ویژگی‌های بافت شهری و اثر حرارتی آنها با استفاده از تصویر QuickBird و داده‌های مادون قرمز حرارتی Landsat 8 (TIR): مورد مرکز شهر شانگهای، چین. Remote Sens. 2016 ، 8 ، 541. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  78. Li، YY; دنگ، YY; چن، YS; ژانگ، اچ. خصوصیات اثرات محیطی حرارتی فضای سبز شهری بر اساس سنجش از دور ماهواره ای: مطالعه موردی هفی، چین. Ecol. محیط زیست علمی 2018 ، 27 ، 40-49. [ Google Scholar ]
Ijgi 09 00568 g001 550
شکل 1. موقعیت منطقه مورد مطالعه.
Ijgi 09 00568 g002 550
شکل 2. نمودار جریان کار کلی برای این مطالعه.
Ijgi 09 00568 g003 550
شکل 3. تغییر کاربری زمین/پوشش زمین (LULC) در هفی بزرگ در طول دوره مطالعه. ( الف – د ) LULCها را به ترتیب در سالهای 1995، 2002، 2007 و 2016 نشان می دهد. ( ه ) مساحت LULCها را در سال‌های 1995-2016 نشان می‌دهد. و ( f ) تبدیل LULC را از سایر دسته‌ها به LULCهای مقصد در سال‌های 1995-2016 نشان می‌دهد (توجه: بافرهای متحدالمرکز طبق تعریف ارائه شده در جدول 2 ترسیم شده‌اند ).
Ijgi 09 00568 g004 550
شکل 4. آمار منطقه ای تابستان SUHII ( a ) و SUHISE ( b ) در هفی بزرگ در طول دوره مطالعه.
Ijgi 09 00568 g005 550
شکل 5. الگوهای فضایی و زمانی سطوح شدت جزیره گرمایی شهری (SUHII) در تابستان در هفی بزرگ مورخ ( a ) 1 اوت 1995. ( ب ) 11 ژوئیه 2002; ( ج ) 2 اوت 2007; و ( د ) 25 جولای 2016; و ( ه ) رشد متوالی گستره فضایی SUHI (SUHISE) در هفی بزرگ در طول دوره مطالعه. (توجه: پیکسل های تیره نشان دهنده زمین های توسعه نیافته و مناطق پوشیده شده خارج از منطقه مورد مطالعه است).
Ijgi 09 00568 g006 550
شکل 6. چارچوب شبکه اکولوژیکی پیشنهادی برای کاهش اثر SUHI.

مقالات داخلی و بین المللی

مطالب مرتبط ...

بدون دیدگاه

دیدگاهتان را بنویسید