palette
تأثیر فضاهای سبز شهر بوشهر بر دمای سطح زمین و رطوبت محیط پیرامونی

چکیده

سابقه و هدف: افزایش سطوح غیر قابل نفوذ به ­دلیل شهرنشینی، اثرهای نامطلوب بسیاری بر سیستم­ های اکولوژیک شهری، از جمله خطرهای محیط زیستی ناشی از گرمای محیط شهری ایجاد کرده است. تعیین رابطه بین ترکیب کاربری و پوشش زمین­ ها و دمای سطح زمین (LST) 1، می­تواند تأثیر قابل ملاحظه­ ای بر کاهش دما در محیط­ های شهر داشته باشد. در سال­ های اخیر، گسترش شهر بوشهر موجب افزایش سطوح غیر قابل نفوذ، تغییر فضای سبز و تغییر قابل توجه محیط زیست شهری شده است. بنابراین، بررسی تأثیر فضاهای سبز بر محیط پیرامونی در برنامه­ریزی شهر بوشهر ضروری است.

مواد و روش ­ها: به ­منظور آشکارسازی اثرهای فضای سبز در محیط ­های حرارتی شهری، در این تحقیق از تکنولوژی سنجش از دور برای استخراج فضاهای سبز، دمای سطح زمین و پوشش زمین از تصاویر لندست OLI (مرداد 1397) بدون پوشش ابری از آرشیو داده ­های لندست (USGS) 2، استفاده شد. مشاهده­ های میدانی در ماه مرداد سال 1397 انجام شد و تغییرات دما و رطوبت نسبی در محیط پیرامونی 13 محدوده فضای ‌سبز شهر بوشهر اندازه‌گیری و ثبت شد. برای تجزیه و تحلیل داده‌های حاصل از اندازه‌گیری میدانی، مدل رگرسیون خطی چند متغیره بین دما و رطوبت نسبی با سه متغیر جهت، فاصله و اندازه فضاهای سبز تعیین شده و آثار متقابل بین متغیرها بررسی شد. با اجرای مدل رگرسیون چند متغیره، رابطه بین داده‌های دما و رطوبت نسبی مربوط به هر نقطه محاسبه شد. آزمون توکی بین میانگین‌های تغییرهای دمایی و رطوبت نسبی مربوط به هر یک از سه متغیر در سطح اطمینان 95% انجام شد.

نتایج و بحث: نتایج ضریب تبین R2 محاسبه شده از مدل رگرسیون خطی بین سنجه نرمال‌شده تفاوت پوشش گیاهی (NDVI) 3 با دمای سطح زمین برابر با 72/0 نشان دهنده وابستگی بالا بین تغییرهای دما با تغییرات NDVI است. نتایج حاصل از تحلیل تغییرهای دما با تغییر NDVI نشان داد که تغییرات NDVI که در واقع سنجه فراوانی گیاه است از عامل­ های بسیار مهم در کاهش دما و یا در بهبود و افزایش مهمترین کارکرد اکولوژیکی فضای سبز شهری است. نتایج حاصل از داده‌های ثبت شده در فاصله ­ها و جهت­ های متفاوت از فضاهای سبز، نشان دهنده کاهش تدریجی دما و افزایش رطوبت نسبی با کاهش فاصله از محدوده‌های منتخب بوده است. بر این اساس، میزان تأثیر فضاهای سبز بر دما و رطوبت نسبی، تا فاصله 60 متر معنی‌دار به‌دست آمد (05/0p≤). همچنین، جهت جغرافیایی غربی دارای کمترین میزان دما و بیشترین رطوبت نسبی و جهت جغرافیایی شرقی دارای بیشترین میزان دما و کمترین رطوبت نسبی بوده است. میزان R2 به ­دست آمده از مدل خطی بین دما و رطوبت نسبی با روابط متقابل بین سه متغیر (جهت، فاصله و اندازه فضاهای سبز) نیز به ­ترتیب برابر با 88/0 و 95/0 بوده است.

نتیجه­ گیری: نتایج به ­دست آمده نشان داد که فضای سبز شهری نقش مهمی در بهبود محیط حرارتی شهری دارد. با استفاده از تکنولوژی سنجش از دور و مقایسۀ محیط حرارتی، می ­توان گفت موقعیت و فاصله مکانی از فضاهای سبز شهری بر الگوی حرارتی در محیط شهری تأثیر می­ گذارد. ما می توانیم قوانین ویژه­ای را برای توزیع فضاهای شهری و دامنه ­های خنک کننده در فصل­ های گرم در محیط پیرامونی فضاهای سبز شهری داشته باشیم.

واژگان کلیدی
فضاهای‌ سبز شهری، دمای سطح زمین، پوشش زمین، تصویر لندست، بوشهر.

منابع و مآخذ مقاله

Ca, V.T., Asaeda, T. and Abu, E.M., 1998. Reductions in air conditioning energy caused by a nearby park. Energy and Buildings. 29(1), 83-92.

Cao, X., Onishi, A., Chen, J. and Imura, H., 2010. Quantifying the cool island intensity of urban parks using ASTER and IKONOS data. Landscape and Urban Planning. 96(4), 224-231.

Cavan, G., Lindley, S., Jalayer, F., Yeshitela, K., Pauleit, S., Renner, F., Gill, S., Capuano, P., Nebebe, A., Woldegerima, T., Kibassa, D. and Shemdoe, R., 2014. Urban morphological determinants of temperature regulating ecosystem services in two African cities. Ecological Indicators. 42, 43-57.

Chandra, S., Sharma, D. and Dubey, S.K., 2018. Linkage of urban expansion and land surface temperature using geospatial techniques for Jaipur City, India. Arabian Journal of Geosciences. 11(2), 847-861.

Cheng, K.S., Su, Y.F., Kuo, F.T., Hung, W.C. and Chiang, J.L., 2008. Assessing the effect of landcover changes on air temperatu× re using remote sensing images-A pilot study in northern Taiwan. Landscape and Urban Planning. 85(2), 85-96.

Deng, Y., Wang, S., Bai, X., Tian, Y., Wu, L., Xiao, J., Chen, F. and Qian, Q., 2018. Relationship among land surface temperature and LUCC, NDVI in typical karst area. Scientific Reports, 8(1), 1-12.

Di Leo, N., Escobedo, F.J. and Dubbeling, M., 2016. The role of urban green infrastructure in mitigating land surface temperature in Bobo-Dioulasso, Burkina Faso. Environment, development and sustainability. 18(2), 373-392.

Eludoyin, A.O., Omotoso, I., Eludoyin, O.M. and Popoola, K.S., 2019. Remote Sensing Technology for Evaluation of Variations in Land Surface Temperature, and Case Study Analysis from Southwest Nigeria. In Geospatial Challenges in the 21st Century (pp. 151-170): Springer, Germany.

Gorse, C., Parker, J., Thomas, F., Fletcher, M., Ferrier, G. and Ryan, N., 2019. The Planning and Design of Buildings: Urban Heat Islands-Mitigation. In Industry 4.0 and Engineering for a Sustainable Future (pp. 211-225). Springer, Germany.

Guo, L., Liu, R., Men, C., Wang, Q., Miao, Y. and Zhang, Y., 2019. Quantifying and simulating landscape composition and pattern impacts on land surface temperature: a decadal study of the rapidly urbanizing city of Beijing, China. Science of The Total Environment. 654, 430-440.

Hami, A., Abdi, B., Zarehaghi, D. and Maulan, S.B., 2019. Assessing the thermal comfort effects of green spaces: A systematic review of methods, parameters, and plants’ attributes. Sustainable Cities and Society. 49, 101634. DOI: 10.1016/j.scs.2019.101634.

Hart, M.A. and Sailor, D.J., 2009. Quantifying the influence of land-use and surface characteristics on spatial variability in the urban heat island. Theoretical and Applied Climatology. 95(3-4), 397-406.

Huete, A., Didan, K., Miura, T., Rodriguez, E.P., Gao, X. and Ferreira, L.G., 2002. Overview of the radiometric and biophysical performance of the MODIS vegetation indices. Remote Sensing of Environment. 83(1-2), 195-213.

Jenerette, G.D., Harlan, S.L., Buyantuev, A., Stefanov, W.L., Declet-Barreto, J., Ruddell, B.L., Myint, S.W., Kaplan, S. and Li, X., 2016. Micro-scale urban surface temperatures are related to land-cover features and residential heat related health impacts in Phoenix, AZ USA. Landscape Ecology. 31(4), 745-760.

Kabisch, N., Strohbach, M., Haase, D. and Kronenberg, J., 2016. Urban green space availability in European cities. Ecological Indicators. 70, 586-596.

Kaplan, G., Avdan, U. and Avdan, Z.Y., 2018. Urban heat island analysis using the landsat 8 satellite data: A case study in Skopje, Macedonia. In Multidisciplinary Digital Publishing Institute Proceedings. 2(7), 358-367.

Keeley, M. and Benton-Short, L., 2019. Urban Green Space. In Urban Sustainability in the US (pp. 239-279). Springer, Germany.

Li, Z.L., Tang, B.H., Wu, H., Ren, H., Yan, G., Wan, Z., Trigo, Isabel F. and Sobrino, J.A., 2013. Satellite-derived land surface temperature: current status and perspectives. Remote Sensing of Environment. 131, 14-37.

Liu, Y., Peng, J. and Wang, Y., 2017. Diversification of land surface temperature change under urban landscape renewal: a case study in the main city of Shenzhen, China. Remote Sensing. 9(9), 1-19.

Meng, H., Jing, L. and Xin, H., 2019. The Influence of underlying surface on land surface temperature--a case study of urban green space in Harbin. Energy Procedia. 157, 746-751.

Murphy, D.J., 2007. The relation between land-cover and the urban heat island innortheastern Puerto Rico. International Journal of Climatology. 31(8),1222-1239.

NASA, 2008. Landsat 8 science data users handbook. Science 186. Available online at: http://landsathandbook.gsfc.nasa.gov/.

Norton, B. A., Coutts, A.M., Livesley, S.J., Harris, R.J., Hunter, A.M. and Williams, N.S., 2015. Planning for cooler cities: A framework to prioritise green infrastructure to mitigate high temperatures in urban landscapes. Landscape and Urban Planning. 134, 127-138.

Owen, T., Carlson, T. and Gillies, R., 1998. An assessment of satellite remotely-sensed land cover parameters in quantitatively describing the climatic effect of urbanization. International Journal of Remote Sensing. 19(9), 1663-1681.

Peng, J., Ma, J., Liu, Q., Liu, Y., Li, Y. and Yue, Y., 2018. Spatial-temporal change of land surface temperature across 285 cities in China: An urban-rural contrast perspective. Science of the Total Environment. 635, 487-497.

Peng, J., Xie, P., Liu, Y. and Ma, J., 2016. Urban thermal environment dynamics and associated landscape pattern factors: A case study in the Beijing metropolitan region. Remote Sensing of Environment. 173, 145-155.

Rani, M., Kumar, P., Pandey, P. C., Srivastava, P.K., Chaudhary, B., Tomar, V. and Mandal, V.P., 2018. Multi-temporal NDVI and surface temperature analysis for Urban Heat Island inbuilt surrounding of sub-humid region: a case study of two geographical regions. Remote Sensing Applications: Society and Environment. 10, 163-172.

Ren, Y., Qu, Z., Du, Y., Xu, R., Ma, D., Yang, G., Shi, Y., Fan, X., Tani, A. and Guo, P., 2017. Air quality and health effects of biogenic volatile organic compounds emissions from urban green spaces and the mitigation strategies. Environmental Pollution. 230, 849-861.

Şimşek, Ç.K. and Ödül, H., 2019. A method proposal for monitoring the microclimatic change in an urban area. Sustainable Cities and Society. 46, 101407. DOI: https://doi.org/10.1016/j.scs.2018.12.035.

Spangenberg, J., Shinzato, P., Johansson, E. and Duarte, D., 2019. Simulation of the influence of vegetation on microclimate and thermal comfort in the city of São Paulo. Revista da Sociedade Brasileira de Arborização Urbana. 3(2), 1-19.

Sun, S., Xu, X., Lao, Z., Liu, W., Li, Z., García, E.H., He, L. and Zhu, J., 2017. Evaluating the impact of urban green space and landscape design parameters on thermal comfort in hot summer by numerical simulation. Building and Environment. 123, 277-288.

Syariz, M.A., Lin, B.Y., Denaro, L.G., Jaelani, L.M., Van Nguyen, M. and Lin, C.H., 2019. Spectral-consistent relative radiometric normalization for multitemporal Landsat 8 imagery. ISPRS Journal of Photogrammetry and Remote Sensing. 147, 56-64.

Taleai, M. and Yameqani, A.S., 2018. Integration of GIS, remote sensing and Multi-Criteria Evaluation tools in the search for healthy walking paths. KSCE Journal of Civil Engineering. 22(1), 279-291.

Thanh Hoan, N., Liou, Y.A., Nguyen, K.A., Sharma, R., Tran, D.P., Liou, C.L. and Cham, D., 2018. Assessing the effects of land-use types in surface urban heat islands for developing comfortable living in Hanoi City. Remote Sensing. 10(12), 1-20. doi: 10.3390/rs10121965.

Tran, D.X., Pla, F., Latorre-Carmona, P., Myint, S.W., Caetano, M. and Kieu, H.V., 2017. Characterizing the relationship between land use land cover change and land surface temperature. ISPRS Journal of Photogrammetry and Remote Sensing. 124, 119-132.

Vargas-Hernández, J.G., Pallagst, K. and Zdunek-Wielgołaska, J.A., 2019. Urban Green Spaces for Sustainable Community Development: A Strategic Management Approach. In Optimizing Regional Development Through Transformative Urbanization (pp. 271-287): IGI Global, USA.

Wang, S., Ma, Q., Ding, H. and Liang, H., 2018. Detection of urban expansion and land surface temperature change using multi-temporal landsat images. Resources, Conservation and Recycling. 128, 526-534.

Weng, Q., Lu, D. and Schubring, J., 2004. Estimation of land surface temperature–vegetation abundance relationship for urban heat island studies. Remote Sensing of Environment. 89(4), 467-483.

Xu, X., Sun, S., Liu, W., García, E. H., He, L., Cai, Q., Xu, S., Wang, J. and Zhu, J., 2017. The cooling and energy saving effect of landscape design parameters of urban park in summer: a case of Beijing, China. Energy and Buildings. 149, 91-100.

Yahia, M.W., Johansson, E., Thorsson, S., Lindberg, F. and Rasmussen, M.I., 2018. Effect of urban design on microclimate and thermal comfort outdoors in warm-humid Dar es Salaam, Tanzania. International Journal of Biometeorology. 62(3), 373-385.

Yang, J., Sun, J., Ge, Q. and Li, X., 2017. Assessing the impacts of urbanization-associated green space on urban land surface temperature: A case study of Dalian, China. Urban Forestry & Urban Greening. 22, 1-10.

Yang, Y.J., Gao, Z., Shi, T., Wang, H., Li, Y., Zhang, N., Zhang, H. and Huang, Y., 2019. Assessment of urban surface thermal environment using MODIS with a population-weighted method: a case study. Journal of Spatial Science. 64(2), 287-300.

Zhou, D., Xiao, J., Bonafoni, S., Berger, C., Deilami, K., Zhou, Y., Frolking, S., Yao, R., Qiao, Z. and Sobrino, J., 2019. Satellite remote sensing of surface urban heat islands: progress, challenges, and perspectives. Remote Sensing. 11(1), 1-36.

Zölch, T., Maderspacher, J., Wamsler, C. and Pauleit, S., 2016. Using green infrastructure for urban climate-proofing: An evaluation of heat mitigation measures at the micro-scale. Urban Forestry & Urban Greening. 20, 305-316.


DOI: http://dx.doi.org/10.29252/jes.v18i3.29972
ارجاعات
  • در حال حاضر ارجاعی نیست.