استخراج پوشش گیاهی و ساخت‌‌وساز شهر مشهد با استفاده از چندجمله‌ای نیوتن و رابطۀ آنها با دمای سطح زمین

نوع مقاله : علمی - پژوهشی

نویسندگان

1 مربی مرکز پژوهشی علوم جغرافیایی و مطالعات اجتماعی دانشگاه حکیم سبزواری

2 استادیار دانشکدۀ جغرافیا، دانشگاه حکیم سبزواری

چکیده

آگاهی از توزیع زمانی و مکانی دمای سطح زمین (LST) Land Surface Temperature برای تعیین بیلان انرژی، در مطالعات اقلیم‌شناسی، بررسی وضعیت پوشش گیاهی و تعیین چگونگی ساختار شهری کاربرد بسیاری دارد. در این مطالعه، مسئلۀ اصلی استخراج LST از منطقۀ مورد مطالعه و بررسی رابطۀ آن با ساخت‌وساز شهری و پوشش گیاهی است. شرایط اقلیمی به‌ویژه باد، چگونگی ساخت‌وساز شهری و پوشش گیاهی از عوامل مهم و تأثیرگذار در LST به‌شمار می‌رود. در این مطالعه، با توجه به اهمیت جزایر حرارتی در مقیاس پیکسل و توانایی چندجمله‌ای‌های درونیاب نیوتن در این زمینه، ساخت‌وساز شهری و پوشش گیاهی با این چندجمله‌ای‌ها استخراج، و رابطۀ آن با LST بررسی شده است. همچنین، آن نواحی که جزایر حرارتی را تشکیل داده‌اند، شناسایی شدند. از اهداف اصلی این مقاله استفاده از تکنیک‌های ریاضی در سنجش از دور و میزان کارآیی و دقت آنهاست. چندجمله‌ای‌های درونیاب نیوتن، با استفاده از DN دریافتی از دویست نقطه از سطح تصویر که دارای پوشش گیاهی و مناطق با ساخت‌وساز شهری است، دو معادله از درجۀ هفت ارائه کرده که با پیاده‌سازی این معادلات بر سطح تصویر، مناطق دارای پوشش گیاهی و ساخت‌وساز شهری را جداگانه استخراج کرده است. میزان خطای حاصل از استخراج پوشش گیاهی با استفاده از چندجمله‌ای درونیاب نیوتن، در صد نقطۀ برداشتی در سطح منطقۀ مورد مطالعه، 1/10 و برای ساخت‌وساز شهری 02/12 محاسبه شد. شایان ذکر است که تاکنون کار مشابهی با الگوریتم دوجمله‌ای‌های نیوتن انجام نگرفته است. 

کلیدواژه‌ها


عنوان مقاله [English]

Extracting Vegetation and the Urban Structure of Mashhad Using Newton Interpolation Polynomial and its Relationship with Land Surface Temperature (LST)

نویسندگان [English]

  • K Aliabadi 1
  • H Soltanifard 2
1 Instructor of Research Center of Geographic Sciences and Social Studies in Hakim Sabzevari University
2 Assistant Prof. of Geography Faculty in Hakim Sabzevari University
چکیده [English]

Knowledge of temporal and spatial distribution of LST to determine the amount of earth energy is much applicable for climatology studies, examination of vegetation and also determination of urban structure. With respect to deriving LST from the studied area and its relationship with urban structure and vegetation, the present study illustrates that climate conditions specially wind, urban structure and vegetation are some of the effective factors on LST. According to the importance of heat islands at pixel scale in this study, and the ability of Newton Interpolation Polynomial in this respect, urban construction and vegetation are derived by the stated polynomial and their relationship with LST is examined and the areas concluding heat island are known. In this study, Newton Interpolation Polynomials have presented two equations of grade 7 by received DN from 200 points of image including vegetation and the areas with urban structure. The produced error rate from deriving vegetation by using Newton Interpolation Polynomial in 100 locations of the studied area and in urban construction are calculated as 10.1 and 12.02 respectively. It should be stated that no research with similar method has been done yet. The use of mathematical techniques in remote sensing and the amount of accuracy and ability of them are considered some of the main purposes in this research

کلیدواژه‌ها [English]

  • Climate conditions (LST)
  • Newton Interpolation Polynomial
  • Urban Structure
  • Mashhad
  1. دشتی، سولماز، سبزقبایی، غلامرضا، هدایت‌زاده، فریبا، محسنی، فخریه،1393،کاربردهای فناوری سنجش از دور در ارزیابی و مدیریت محیط‌زیست، اولین کنفرانس بین‌المللی یافته‌های نوین در علوم کشاورزی، منابع طبیعی و محیط زیست، اهواز.
  2. معروف‌نژاد، عباس، 1390، تأثیر کاربریهای شهری در ایجاد جزایر حرارتی (مطالعۀ موردی: شهر اهواز) ، فصلنامۀ آمایش محیط، دورۀ 4، شمارۀ 14، صص. 83-65.
  3. ملک‌پور، پیمان، طالعی، محمد، رضایی، یوسف، خوش‌گفتار، مهدی، 1389، بررسی درجۀ حرارت سطح زمین و ارتباط آن بـا کلاس‌های پوشش کاربری زمین شهری با استفاده از دادۀ سنجندۀ ETM+، مطالعۀ موردی شهر تهران، نشریۀ علمی-پژوهشی سنجش از دور و GIS ایران، شمارۀ 7.
  4. Amiri, R., Weng, Q., Alimohammadi, A. & Alavipanah, S.K. 2009, Spatial-temporal Dynamics of Land Surface Temperature in Relation to Fractional Vegetation Cover and Land Use/Cover in the Tabriz Urban Area, Iran, Remote Sensing of Environment, Vol. 113, No. 12, PP. 2606-2617.
  5. Artis, D.A. & Carnahan, W.H., 1982, Survey of Emissivity Variability in Thermography of Urban Areas, Remote Sensing of Environ-ment, 12(4), PP. 313–329.
  6. Barsi, J.A., Schott, J.R., Palluconi, F.D., Helder, D.L., Hook, S.J., Markham, B.L., Chander, G. & O'Donnell, E.M., 2003, Landsat TM and ETM+ Thermal Band Calibration, Canadian Journal of Remote Sensing, 29(2), PP. 141–153.
  7. Chander, G. & Markham, B., 2003, Revised Landsat-5 TM Radiometric Calibration Procedures and Post Calibration Dynamic Ranges, IEEE Transactions on Geosciences and Remote Sensing, 41(11), PP. 2674–2677
  8. Chander, G. & Groeneveld, D.P., 2009, Intra-annual NDVI Validation of the Landsat 5 TMradiometric Calibration, International Journal of Remote Sensing, 30(6), PP. 1621–1628.
  9. Chander, G., Markham, B.L. & Helder, D.L., 2009, Summary of Current Radiometric-calibration Coeficients for Landsat MSS, TM, ETM+, and EO-1 ALI Sensors, Remote Sensing of Environment, 113(5), PP. 893–903.
  10. Heidt, V. & Neef, M., 2005, Benefits of Urban Green Space and Urban Climate, viewed: http://www.regiocomun.uni-mainz.de .
  11. Jiang, J. & Ti, G., 2010, Analysis of the Impact of Land Use/Land Cover Change on Land Surface Temperature with Remote Sensing, Proceeded Environmental Sciences, Vol. 2. PP. 571-575.
  12. Junxiang Li, Conghe Song, Lu Cao, Feige Zhu, Xianlei Meng & Jianguo Wu, 2011, Impacts of Landscape Structure on Surface Urban Heat Islands, Remote Sensing of Environment, 115(2011), PP. 3249–3263.
  13. Li, Junxiang, Song, Conghe, Cao, Lu, Zhu, Feige, Meng, Xianlei, Wu, Jianguo, 2011, Impacts of Landscape Structure on Surface Urban Heat Islands: A Case Study of Shanghai, China, Remote Sensing of Environment, (115), PP. 3249–3263.
  14. Liu, Lin, Zhang, Yuanzhi, 2011, Urban Heat Island Analysis Using the Landsat TM Data and ASTER Data: A Case Study in Hong Kong, Remote Sensing, (3), PP. 1535-1552, www.mdpi.com/journal/remotesensing
  15. Liu, Lin, Zhang, Yuanzhi, 2011, Urban Heat Island Analysis Using the Landsat TM Data and ASTER Data: A Case Study in Hong Kong, Remote Sensing, (3), PP. 1535-1552, www.mdpi.com/journal/remotesensing
  16. Sobrino, J.A., Caselles, V. & Becker, F., 1990 Significance of the remotely sensed thermal infrared measurements obtained over a citrus orchard. ISPRS Journal of Photo-grammetric and Remote Sensing, 44(6), 343–354.
  17. Sobrino, J.A., Jimenez-Muñoz, J.C. & Paolini, L., 2004, Land Surface temperature retrieval from LANDSAT TM 5. Remote Sensing of Environment, 90(4), 434–440.
  18. Songa, Juer, Dua, Shihong, Fenga, Xin, 2014, The Relationships between Landscape Compositions and Lan Surface Temperature: Quantifying their Resolution Sensitivity with Spatial Regression Models, Landscape and Urban Planning 123, PP. 145– 157.
  19. Tian G., Jiang J., Yang Z., Zhang Y., 2011, The Urban Growth, Size Distribution and Spatio-Temporal Dynamic Pattern of the Yangtze River Delta Megalopolitan Region, China, Ecol. Model. 2011, (222), PP. 865–878. doi: 10.1016/j.ecolmodel.2010.09.036
  20. U.S.EPA. (2007). Basic Information about Heat Island. Available online from following website: www.epa.gov/heat-islands
  21. Weng Q., Lu D. & Schubring J., 2004, Estimation of Land Surface Temperature-Vegetation Abundance Relationship for Urban Heat Island Studies, Remote Sensing of Envi-ronment, (89), PP. 467-483.
  22. Xiao, R. et al., 2007, Spatial Pattern of Imper-vious Surfaces and their Impacts on Land Surface Temperature in Beijing, China, Journal of Environ. Science, (19), PP. 250- 256.