سیروس هاشمی دره بادامی

افزایش دمای سطح زمین و شکل گیری جزایر حرارتی در کلان شهرها به یکی از معضلات زیست محیطی تبدیل شده است که در نتیجه گسترش برنامه ریزی نشده این شهرها پدید آمده است. امروزه استفاده از تصاویر ماهواره ای در مطالعات محیط زیست شهری به دلیل فراهم آوردن دید یکپارچه و کاهش هزینه و زمان انجام مطالعات، رشد فزاینده ای داشته است. هدف از این مطالعه بررسی تغییرات دمایی و گسترش جزیره حرارتی در شهر مشهد به دنبال گسترش این شهر در دهه های اخیر است. در این تحقیق با استفاده از تصاویر چندزمانه لندست (TM 1987، ETM+ 2000 و OLI/TIRS 2014) و روش حد آستانه NDVI و قانون پلانک برای تصاویر TM و ETM+ و الگوریتم دو پنجره برای تصاویر OLI/TIRS، دمای سطح زمین استخراج شد. سپس دمای سطح زمین نرمال گردید و رابطه آن با کسر پوشش گیاهی و تغییرات کاربری - پوشش زمین بررسی شد. نتایج نشان داد که حدود 2500 هکتار از اراضی کشاورزی و فضای سبز به کاربری ساخته شده تبدیل شده که تقریباً برابر با افزایش مساحت طبقه دمایی بسیار گرم بوده است. این موضوع نشان می دهد که کاهش پوشش گیاهی، مهم ترین عامل در گسترش جزایر حرارتی شهر مشهد بوده است. بررسی تعییرات دمای سطح زمین و جزیره حرارتی نشان داد با از بین رفتن پوشش گیاهی داخل و اطراف شهر طبقه دمایی بسیار خنک (29- 25 درجه سانتیگراد)، جای خود را به طبقه دمایی متوسط (37 – 33 درجه) داده است. همچنین با دستکاری دامنه های اطراف شهر، دمای آنها افزایش یافته و به طبقه دمایی گرم (41 – 41 درجه) و بسیار گرم (45 – 41 درجه) تغییر یافته اند. نتایج تغییرات توزیع دمای سطح نشان داد که چندین خوشه دمایی در شمال غرب، جنوب و جنوب غرب مشهد توسعه یافته اند. این تغییرات در شمال غرب به دلیل دستکاری اراضی متصل به شهر برای آماده سازی این اراضی برای گسترش آتی شهر و در جنوب به دلیل توسعه فرودگاه بوده است. همچنین دامنه های رو به آفتاب در غرب و جنوب غرب به دلیل دستکاری این دامنه ها گرم تر شده اند. علاوه بر این، تبدیل اراضی کشاورزی در شرق و شمال شرق باعث تغییر دما از طبقه دمایی خیلی خنک و خنک (33 - 29 درجه) به متوسط و تا حدودی گرم شده است.

با توسعه شهرها، چشم اندازها تغییر می کند. ساختمان ها، جاده ها و دیگر زیرساخت ها، جایگزین زمینهای روباز و پوشش گیاهی می شوند. این توسعه منجر به شکل گیری جزیره حرارتی شهری شده که به موجب آن مناطق شهری دماهای گرمتری را نسبت به مناطق روستایی اطراف شهر تجربه می کنند. این تغییرات دمایی باعث پایین آمدن کیفیت زندگی شهری، بویژه در مسایل مربوط به آسایش دمایی می شود. از آنجایکه بیشتر سطوح شهری را بام ها، خیابان ها و پیاده رو ها تشکیل می دهند توجه به این سطوح شهری در کاهش اثر جزیره حراتی می تواند موثر باشد. هدف این تحقیق بررسی نقش بام های انعکاسی در کاهش اثر جزیره حرارتی شهری می باشد. در این تحقیق با استفاده از تصاویر چند زمانه لندست TM ، تاثیر استفاده از بام های انعکاسی (ایزوگام) بروی تغییرات بازتاب، جذب و دمای سطح شهر کرمانشاه بین سالهای 1987 تا 2011 مورد بررسی قرار گرفت. برای بدست آوردن دمای سطح زمین از الگوریتم تک باندی کین و همکاران استفاده شد. نتایج بررسی های آماری نشان داد که میزان قابلیت انعکاس در دوره زمانی مورد مطالعه به طور میانگین 8 درصد افزایش داشته است و این افزایش انعکاس موجب افزایش مساحت طبقه دمایی خنک که توزیع آن بروی ساختمانهای مسکونی است، شده است. این در حالیست که با توسعه شهر و کاهش پوشش گیاهی داخل شهر و اطراف رودخانه قره سو، مساحت طبقه دمایی بسیار خنک کاهش زیادی داشته است و مساحت طبقه دمایی بسیار گرم افزایش داشته است. بررسی تغییرات فضایی بازتاب و دمای سطح زمین در دوره مورد مطالعه نشان داد که در مکانهایی که بازتاب افزایش یافته است دمای سطح با کاهش همراه بوده است و استفاده از بام های انعکاسی در کاهش اثر جزیره حرارتی می تواند موثر باشد.

بررسی و تحلیل گسترش شهر با استفاده از داده های چندزمانه از جمله مباحثی است که در مطالعات شهری و برنامه ریزی برای آینده شهر اهمیت زیادی دارد. هدف از این مطالعه، بررسی میزان گسترش کالبدی شهر مشهد، شناسایی ماهیت اراضی تغییریافته به کاربری شهری، تعیین جهات اصلی رشد و همچنین بررسی الگوی رشد این شهر در بازه زمانی 1366 تا 1392 است. بدین ترتیب، با استفاده از تصاویر ماهواره ای لندست (1366، 1379 و 1392) طبقات پوشش و کاربری زمین برای شهر مشهد و اطراف آن استخراج شد و با استفاده از تکنیک کشف تغییرات به روش مقایسه پس از طبقه بندی تصاویر، تغییرات اراضی کشاورزی و اراضی بایر به کاربری شهری شناسایی گردید. سپس با استفاده ار تکنیک های آمار منطقه ای میزان گسترش شهر و ماهیت تغییرات در جهات جغرافیایی مختلف به دست آمد. از سال 1366 تا 1392، بر اساس نتایج، 67/3343 هکتار از اراضی کشاورزی و 11/6964 هکتار از اراضی بایر به کاربری شهری تبدیل شده است. جهات اصلی گسترش شهر در این بازه زمانی، به ترتیب جهات شمال غرب، غرب و شرق بوده است. جهات شمال غرب، شرق و شمال به ترتیب جهاتی اند که بیشترین میزان تغییر اراضی کشاورزی به کاربری شهری در آنها اتفاق افتاده است. از سوی دیگر، در جهات شمال غرب، غرب و جنوب، تبدیل اراضی بایر به کاربری شهری بیشتر از جهات دیگر بوده است. بررسی میزان تراکم و نحوه پراکنش رشد شهر نشان می دهد که گسترش شهر از الگوی رشد افقی و پراکنده پیروی کرده است. توجه به نتایج، نقشه های ارائه شده و تصاویر ماهواره ای شهر مشهد نشان می دهد که مناسب ترین جهت برای رشد آینده این شهر جهت شمال غرب است. زیرا در این قسمت نسبت اراضی بایر به اراضی کشاورزی در مقایسه با جهات دیگر بیشتر است و همچنین مانع طبیعی محدودکننده ای در این جهت وجود ندارد.

اصطلاح جزیره حرارتی شهری ( UHI )، پدیده تغییر دمای مناطق شهری در مقایسه با مناطق پیرامون آن را توصیف می کند. اثرات UHI شامل: افزایش مصرف انرژی و آب، افزایش آلودگی هوا و تداخل در آسایش حرارتی می باشد. جزیره حرارتی سطوح شهری ( SUHI ) در برگیرنده الگوهای دمای سطح زمین ( LST ) درمناطق شهری است که با UHI در لایه تاج پوشش شهری و لایه مرز شهری ( UBL ) در ارتباط است و با سنجش از دور حرارتی قابل بررسی است . با توجه به اینکه SUHI دارای نوسانات روزانه و فصلی می باشد لذا نیاز به داده های چند زمانه در تحلیل SUHI ، دور از انتظار نیست. در این تحقیق از داده های چند زمانه MODIS (آکوا و ترا)، به منظور تحلیل SUHI در شب و روز در کلانشهر تهران استفاده شد. خواص فیزیکی و بیوفیزیکی سطح زمین از قبیل کاربری اراضی، ارتفاع، آلبدو، شاخص پوشش گیاهی NDVI و شاخص سطوح نفوذناپذیر NDBI به منظور تفسیر تغییرات LST و SUHI استفاده شد. نتایج نشان داد که SUHI در تهران، دارای نوسانات مکانی و زمانی روزانه و فصلی است به طوریکه در ایام گرم سال در طول روز جزیره سرمایی سطوح شهری ( SUCL ) در سطح شهر تهران تشکیل می شود. در شب مقدار شاخص SUHI بین 2 تا 5 درجه سانتی گراد (حداکثر در بهار) متفاوت است. همچنین نتایج نشان داد که ویژگی های حرارتی متفاوت پوشش های زمین، آلبدو و ارتفاع مهمترین عوامل تغییرات روزانه SUHI تهران است در حالی که تغییرات فنولوژیکی پوشش گیاهی و آلبدو، مهمترین عوامل تغییرات فصلی SUHI تهران می باشد. [1] . Surface urban Cool Island

بهره برداری بی رویه از منابع آب های زیرزمینی در سال های اخیر باعث بروز مشکلات جدی در کشور شده است. تراز آب زیر زمینی متغیری است که در طول زمان و مکان متغیر است؛ بنابراین می توان آن را به عنوان یک مجموعه داده زمانی- مکانی در نظر گرفت. هدف این پژوهش، مدل سازی زمانی-مکانی تغییرات تراز آب زیرزمینی دشت جاسک طی سال های 1376 الی 1392 و بررسی روند تغییرات آن است. ابتدا براساس روش زمین آماری کریجینگ و روش جبری توابع پایه شعاعی (RBF) درون یابی از سطح تراز آب صورت گرفته و سپس میزان خطای مدل ها با استفاده از آماره های MBE، MAE و RMSE ارزیابی شده است. یافته ها حاکی از آن است که روش کریجینگ در مقایسه با روش RBF با خطای کمتری سطح تراز آب های زیرزمینی در محدوده مورد مطالعه را برآورد کرده است؛ بنابراین با استفاده از روش کریجینگ برای هر دوره زمانی یک نقشه از سطح تراز آب ایجاد شد که در فرایند روندیابی زمانی- مکانی مورد استفاده واقع شد. برای روندیابی تغییرات از روند خطی R 2 و همچنین روند من-کندال استفاده شده است. نتایج آماره R 2 حاکی از نوسان چشم گیر تغییرات تراز آب بوده است. همچنین نتایج آزمون من-کندال نشان داد که در حاشیه شمال شرقی تا شمال غربی روندی کاهشی با شدت بالا و نزدیک به 1- وجود داشته است. به طورکلی، در بخش های مختلف محدوده مطالعاتی روند تغییرات دارای الگوی خاص و معناداری است.

آلودگی هوای شهری یک نگرانی عمده زیست محیطی و بهداشت عمومی در سراسر جهان است. هرروزه بر جمعیت شهر تهران به عنوان پایتخت ایران افزوده می شود که مشکلاتی از قبیل آلودگی هوا را به دنبال داشته و هرسال بر شدت آن نیز افزوده می شود. ازاین رو هدف این مطالعه یافتن ارتباط شاخص های سنجش ازدوری با آلاینده های هوا در سطح شهر تهران است. شاخص های مورداستفاده در این مطالعه شامل: دمای سطح زمین (LST)، شاخص نرمال شده تفاضلی پوشش گیاهی (NDVI)، اینرسی حرارتی ظاهری (ATI) و شاخص تفاضلی نرمال شده مناطق ساخته شده (NDBI) استخراج شده از داده های تصاویر سنجنده OLI و مودیس، همچنین پارامترهای آلاینده هوا شامل CO،  NO2و SO2 طی ماه های آگوست، جولای و آوریل سال 2017 است. برای بررسی ارتباط بین شاخص های سنجش ازدور و آلاینده ها از ضریب همبستگی پیرسون استفاده شد. نتایج نشان داد در فصل بهار بالاترین مقدار همبستگی مثبت بین LST و SO2 (24/0) و بیشترین میزان همبستگی منفی بین NDVI و SO2 (36/0-) مشاهده شد. همچنین در فصل بهار بالاترین همبستگی مشاهده شده بین ATI و CO (24/0) و NDBI و SO2 (27/.) وجود داشت. علاوه براین ارتباط قوی و منفی بین NDBI و NDVI به ترتیب در فصل بهار و تابستان (84/0-،91/0-) وجود دارد.