Utility of Single Channel Algorithm in Heat Island Analysis

Document Type : Original Article

Authors

1 Professor, Sari University of Agricalture and Natural Resources

2 M.Sc. in Remote Sensing & GIS, Haraz Higher Education Institute, Iran.

3 Assistant Prof., RS & GIS Centre, Sari University of Agric.&Natural Res., Sari-Iran

4 M.Sc. in Urban Planning, Shahid Beheshti University, Tehran, Iran

Abstract

The increase in population and the development of urbanization and, consequently, diforested areas have caused an increase in the surface temperature in urban areas, which results in an urban heat island. The heat islands of the city is one of the factors that has become important at the same time with the development of the city and today it can be calculated and evaluated using satellite images. The objectives of this study are to evaluate the points of temperature changes, land use, vegetation, traffic and soil types relationship with surface temperature in Sari and the trend of its spatial changes during the two time periods of 1988 and 2018. For this purpose, TIRS and Landsat 5 and 8 TM images in a period of 30 years (1988-2018) were used to study the heat island changes and calculate the surface temperature with a single-channel algorithm. The results showed that during a period of 30 years with a decrease of 235.3 hectares of green space and a 34% increase in land occupation in Sari, the area of heat islands increased by 21.83%. Also, considering the value of P-value less than 0.05, it showed that there is a significant relationship between vegetation index and city occupation level with land surface temperature and it can be argued that land use change, vegetation and traffic due to population growth and land use change is one of the main factors in increasing spatial changes in the heat islands of Sari.

Keywords


احمدی، م.، عاشورلو، د.، نارنگی‌فرد، م.، 1391، تغییرات زمانی‌ـ مکانی الگوهای حرارتی شهر شیراز با استفاده از داده‌های سنجندةTM  و ETM، سنجش از دور و GIS ایران، سال 4، شمارة 4 (پیاپی 16)، صص. 68-55.
ادارة هواشناسی استان مازندران، 2018.
پیرنظر، م.، روستایی، ش.، فیضی‌زاده، ب.، رئیسی نافچی، ف.، 1397، بررسی درجة حرارت سطح زمین و ارتباط آن با کلاس‌های پوشش کاربری زمین شهری با استفاده از داده‌های سنجندة لندست 8- مطالعة موردی شهر تهران، مجلة آمایش جغرافیایی فضا، دورة 8، شمارة 29، صص. 240-227.
جهانبخش، س.، زاهدی، م.، ولیزاده کامران، خ.، 1390، محاسبة دمای سطح زمین با استفاده از روش سبال و درخت تصمیم‌گیری در محیط RS، GIS در بخش مرکزی منطقة مراغه، مجلة جغرافیا و برنامه‌ریزی، سال 16، شمارة 38، صص. 42-19.
حجازی‌زاده، ز.، ضیائیان، پ.، شیرخانی، ع.، 1392، مقایسة تخمین دمای سطح با استفاده از داده‌های باند حرارتی سنجنده‌های ماهواره‌ای در غرب استان تهران و قزوین، فصلنامة بین‌المللی انجمن جغرافیای ایران، دورة 11، شمارة 38، صص. 49-33.
خسروی، م.، قبادی، ا.، 1392، بررسی مقایسة تأثیر جمعیت بر سازمان‌یابی فضایی نقاط شهری با تأکید بر عملکرد جزیرة گرمایی (نمونة موردی: استان تهران و البرز)، نخستین کنفرانس آب‌وهواشناسی، کرمان، دانشگاه تحصیلات تکمیلی و صنعتی و فنّاوری پیشرفته.
سازمان مرکز آمار ایران، 1395.
سلیمانی، ک.، 1399، تحلیل روند تغییرات مکانی و زمانی کاربری اراضی شهر ساری با استفاده از سنجش از دور، فصلنامة مطالعات ساختار و کارکرد شهری، سال 7، شمارة 24، صص. 72-57.
صادقی‌نیا، ع.، علیجـانی، ب.، ضـیائیان، پ.، 1391، تحلیل فضایی‌ـ زمانی جزیرة حرارتی کلان‌شهرتهران با استفاده از سنجش از دور و سیسـتم اطلاعـات جغرافیایی، جغرافیا و مخاطرات طبیعی، دورة 1، شمارة 4، صص. 17-1.
صــالحی، ا.، 1387، ویژگی‌های محیطــی فضاهای شـهری امـن، مرکـز مطالعـات و تحقیقات شهرسازی و معماری ایران، تهـران.
طرح تفصیلی شهر ساری، 1365.
طرح تفصیلی شهر ساری، 1385.
 
ـــــــــــــــــــــــــــــــــــــــــــــــــــــــــــ
[1]. Xingping
علی‌طالشی، م.، ستوده، ا.، صبوحی، م.، نیازی، ی.، 1393، ارزیابی اثرات پوشش زمین بر دمای سطح زمین با کاربرد سنجش از دور حرارتی: مطالعة موردی در تهران، پژوهش‌های محیط‌زیست، پیاپی 10، صص. 78-69.
مجرد، ف.، ناصریه، م.، هاشمی، س.، 1397، بررسی تغییرات دوره‌ای و فصلی جزیرة گرمایی شهر کرمانشاه در شب و روز با استفاده از تصاویر ماهواره‌ای، فیزیک و فضا، شمارة 2، صص. 494-479.
مرکز کنترل ترافیک سازمان مدیریت و مهندسی شبکة حمل‌ونقل شهرداری ساری، 1398.
موسوی بایگی، م.، اشرف، ب.، فریـد حسـینی، ع.، میان‌آبادی، آ.، 1391، بررسی جزیـرةحرارتی شهر مشهد با استفاده از تصاویر ماهواره‌ای و نظریة فرکتال، مجلـة جغرافیـا و مخـاطرات محیطی، شمارة 1، صص. 49-35.
ولیزاده کامران، خ.، غلام‌نیا، خ.، عینالی، گ.، موسوی، م.، 1396، برآورد دمای سطح زمین و استخراج جزایر حرارتی با استفاده از الگوریتم پنجرة مجزا و تحلیل رگرسیون چندمتغیره (مطالعة موردی: شهر زنجان)،پژوهش و برنامه‌ریزی شهری، شمارة 30، صص. 50-35.
Alavipanah, S.K., Darrehbadami, S.H. & Kazemzadeh, A., 2015, Spatial-Temporal Analysis of Urban Heat-Island of Mashhad City due to Land Use/Cover Change and Expansion.
Alavipanah, S.K., Saradjian, M., Savaghebi, Gh.R., Komaki, Ch.B., Moghimi, E., Karimpur Reyhan, M., 2007, Land Surface Temperature in the Yardang Region of Lut Desert (Iran) Based on Field Measurements and Landsat Thermaldata, Journal of Agriculturalscience and Technology (JAST), 9, PP. 287-303.
Birtwistle, A.N., Laituri, M., Bledsoe, B. & Friedman, J.M., 2016, Using NDVI toMeasure Precipitation in Semi-AridLandscapes, Journal of Arid Environments, 131, PP. 15-24.
Carlson, T.N., Ripley, D.A., 1997, On the Relation between NDVI, Fractional Vegetation cover, and Leaf Area Index, Remote Sens. Environ., 62, PP. 241-252.
Dhar, R. B., Chakraborty, S., Chattopadhyay, R., & Sikdar, P. K. (2019). Impact of Land-Use/Land-Cover Change on Land Surface Temperature Using Satellite Data: A Case Study of Rajarhat Block, North 24-Parganas District, West Bengal. Journal of the Indian Society of Remote Sensing, 47(2), 331-348.
Faria Peresa, L., Lucenab, A., Rotunno Filhoc, O. & Almeida França, J., 2018, The Urban Heat Island in Rio de Janeiro, Brazil, in the Last 30 Years Using Remote Sensing Data, Int. J. Appl. Earth Obs. Geoinformation, 64, PP. 104-116.
Jiménez-Muñoz, J.C. & Sobrino, J.A., 2003, A Generalized Single-Channel Method for Retrieving Land SurfaceTemperature from Remote Sensing Data, J. Geophys. Res., 108.
Kong, T.M., Marsh, S.E., van Rooyen, A.F., Kellner, K. & Orr, B.J., 2015, AssessingRangeland Condition in the KalahariDuneveld through Local EcologicalKnowledge of Livestock Farmers and RemotelySensed Data, Journal of Arid Environments, 113, PP. 77-86.
Lakra, K. & Sharma, D., 2019, Geospatial Assessment of Urban Growth Dynamics and Land Surface Temperature in Ajmer Region, India, Journal of the Indian Society of Remote Sensing, 47, PP. 1073-1089.‏
 
Mehmood, R. & Butt, M.A., 2019, Appraisal of Urban Heat Island Detection of Peshawar Using Land Surface Temperature and Its Impacts on Environment,Journal of the Indian Society of Remote Sensing, PP. 1-6.‏
Ndossi, M.I. & Avdan, U., 2016, Application of Open Source Coding Technologies in the Production of Land Surface Temperature (LST) Maps from Landsat: A PyQGIS Plugin, Journal Remote Sens, 8, P. 413.
USGS. Frequently Asked Questions about the Landsat Missions, Available online: http://landsat.usgs.gov/ how_is_radiance_calculated.php (accessed on 24 March 2016).
Vandegriend, A., Owe, M., Vugts, H. & Ramothwa, G., 1992, Botswana Water and Surface Energy Balance Research Program, Part 1: Integrated Approach and Field Campaign Results, NASA Goddard Space Flight Center: Greenbelt, MD, USA.
Wan, Z. & Dozier, J., 1996, A generalized Split-Window Algorithm for Retrieving Land-Surface Temperature from Space, Geoscience and Remote Sensing, 34(4), PP. 892-905.
Wang, S.L.L., 2012, Land-Surface Temperature and Thermal Infrared Emissivity, In Advanced Remote Sensing, Wang, S.L.L., (Ed.), Academic Press: Boston, FL, USA.
Xingping, W., Xiaofeng, Y. & Guangdao, Hu., 2011, Relationship between Land Cover Ratio and Urban Heat Island from Remote Sensing and Automatic Weather Stations Data, J. Indian Soc. Remote Sens, 39(2), PP. 193-201.
Yu, X., Guo, X. & Wu, Z., 2014, Land Surface Temperature Retrieval from Landsat 8 TIRS—Comparison betweenRadiative Transfer Equation-Based Method, Split Window Algorithm and Single Channel Method,Remote Sens., 6, PP. 9829-9852.