تولید نقشه کاربری اراضی شهری با تصاویر ماهواره ای لندست بر اساس جزیره حرارتی شهری

جزیره حرارتی شهری ناشی از دو عامل مهم است: تغییر اقلیم و رشد جمعیت. ارزیابی این دو عامل در سال های اخیر به خوبی چرایی افزایش جزایر حرارتی شهری را اثبات می کند. جزیره حرارتی شهری پدیده ای است که تنها کشورهای در حال توسعه را شامل نمی شود بلکه تمامی شهرهای بزرگ جهان در کشورهای گوناگون امروزه با آن درگیر هستند. در این مقاله موضوع جزیره حرارتی و نقش آن در تولید نقشه کاربری اراضی برای مناطق شهری به همراه آموزش رایگان آن تحلیل شده است.

مقدمه

مفهوم جزیره حرارتی شهری نخستین بار در دهه ۱۹۴۰ میلادی مطرح شد. جزیره حرارتی شهری اشاره به گرمای هوای سطح شهر نسبت به محیط پیرامون آن دارد. جزیره حرارتی شهری پدیده ای است که تقریبا در تمامی شهرهای کوچک و بزرگ جهان  با اقلیم های سرد و گرم اتفاق می افتد. همانطور که در بخش قبلی به آن اشاره شد، تغییرات اقلیمی و افزایش جمعیت نقش موثری در ایجاد لایه گرمایی در هوای نزدیک به سطح محیط های شهری ایفا کرده است. لازم بذکر است که شدت جزیره حرارتی شهری در سطح شهر یکسان نیست و از کاربری به کاربری دیگر متفاوت است. امروزه سنجش از دور و تصاویر ماهواره ای حرارتی شرایطی را فراهم آورده اند که بتوان نسبت به شناسایی این پدیده و ارزیابی نوسانات آن بواسطه باندهای حرارتی ماهواره ها در شهرهای گوناگون جهان پرداخت.

میکرو اقلیم های شهری

توسعه فیزیکی و تغییر اقلیم باعث ایجاد جزیره حرارتی شهری و اختلاف دمای محسوس شهر و نواحی مجاور آن شده است. با این حال لایه حرارتی شهری بصورت یکنواخت نبوده و دارای نوسان است. نوسانات لایه حرارتی شهری که در پوشش هوای نزدیک به سطح قابل ارزیابی است متناسب با نوع کاربری ها و فعالیت های انسانی متغیر است. از همین رو تنوع فعالیت های انسانی باعث ایجاد میکرواقلیم های مختلفی داخل محیط شهری شده است. در مطالعات زمین با استفاده از تصاویر ماهواره ای، شهر به عنوان یک پوشش ناهمگون شناخته می شود. پدیده های ناهمگون پدیده هایی هستند که از تنوع بسیار زیادی برخوردار بوده و مطالعه آن ها در تصاویر ماهواره ای در مقایسه با سایر پدیده ها چالش برانگیز تر است. در همین راستا ناهمگونی شهر بدلیل کاربری های متنوع آن است که منجر به ایجاد اقلیم های متفاوتی نیز در آن شده است.

به عنوان مثال اقلیم مناطق مسکونی و مناطق صنعتی با یکدیگر متفاوت است. جنس فعالیت ها و سازه های این دو منطقه به گونه ای است که بر روی تغییرات دمایی لایه گرمایی این مناطق تاثیرات متفاوتی می گذارد که در سنجش از دور حرارتی قابل مطالعه است. وجود چنین ساختاری در محیط شهری باعث ایجاد یک منطق علمی برای جداسازی کاربری ها با استفاده از تصاویر ماهواره ای و سنجش از دور شده است که در ادامه تشریح خواهد شد. 

سنجش از دور شهری

شهر یکی از پدیده های انسان ساختی است که در تصاویر ماهواره ای مورد بررسی قرار می گیرد. شهر در مقایسه با سایر پوشش های سطح زمین از پیچیدگی های بیشتری برخوردار است. دلیل این پیچیدگی ها تنوع کاربری ها و جنس مواد تشکیل دهنده آن است. از سوی دیگر محدودیت جزییات مکانی تصاویر ماهواره ای رایگان و وجود پیکسل های مخلوط باعث افزایش این پیچیدگی ها شده است. 

جنبه های گوناگونی از شهر در تصاویر ماهواره ای مورد ارزیابی قرار می گیرد که مرسوم ترین آن ها عبارت اند از:

• کاداستر شهری
• کاربری شهری
• توسعه فیزیکی
• جزیره حرارتی

در فرایند طبقه بندی تصاویر ماهواره ای و تولید نقشه های موضوعی از جمله نقشه های کاربری اراضی، جداسازی شهر از زمین های بایر کار دشواری است و همواره خطاهای متعددی در این رابطه ایجاد می شود. از سوی دیگر جداسازی کاربری های داخل شهر بدلیل عدم وجود یک استاندارد واحد فرایندی مبهم و نامشخص است. اما این در حالی است که در سال های اخیر یک روش استاندارد و کاملا معتبر به نام  Local Climate Zone Classification در این رابطه ایجاد شده است. استراتژی LCZ به گونه ای است که تمامی استانداردهای معتبر در زمینه طبقه بندی شهری با استفاده از تصاویر ماهواره ای را تعریف کرده و در اختیار کاربران قرار داده است. 

طبقه بندی استاندارد شهر

بسیاری از کارشناسان و متخصصین سنجش از دور تا چند سال پیش عقیده داشتند که تنها تصاویر ماهواره ای توان تفکیک مکانی بالا (تجاری) در زمینه تولید نقشه کاربری شهری کاربردی و مفید هستند و عملا برای تصاویری ماهواره ای رایگان (مانند لندست) سهم قابل توجهی را قائل نمی شدند. از سال ۲۰۱۲ میلادی، رسما روش LCZ در زمینه تولید نقشه های کاربری شهری عرضه شد. در این روش فرض اولیه بر آن است که با استفاده از تصاویر ماهواره ای لندست چند زمانه می توان نقشه های کاربری شهری با ۱۷ کلاس متنوع را تولید کرد! در ابتدا شاید کمی غیر منطقی باشد اما زمانی که بصورت عملی آن را اجرا می کنید به آن ایمان می آورید.  

روش LCZ یک روش کاملا منطقی در زمینه تولید نقشه شهری است که در آن برای تمامی بخش های کار یک استاندارد مشخص تعریف شده است. تصاویر ماهواره ای ورودی، پیش پردازش تصاویر، برداشت نمونه ها، تعیین کلاس ها، نام کلاس ها، رنگ کلاس ها و حتی نرم افزار مورد استفاده همگی در این روش تعریف شده است. استانداردهای ارائه شده در این روش برای تمامی جهان یکسان است و از منطقه ای به منطقه دیگر تغییر نخواهد کرد. 

امروزه از این روش برای بسیاری از شهرهای مهم در سراسر جهان استفاده شده است. ونتایج بسیار با ارزشی را به ارمغان آورده است. مقالات بسیاری در ژورنال های معتبر علمی بر اساس این الگوریتم نوشته شده و تمامی استانداردهای آن بر اساس داده ها و نرم افزارهای متن باز تعریف شده است. مجموعه این عوامل باعث شده تا شما در الگوریتم LCZ با یک سناریو شسته رفته برای انجام یک پروژ علمی با کیفیت مواجه باشید. 

کلاس های روش LCZ

در روش LCZ کلاس های استاندارد شهری نیز تعیین شده است و  در این رابطه یک قانون واحد تعریف شده تا هریک از کاربران بر حسب سلیقه نسبت به انتخاب وجود و عدم وجود برخی از کلاس ها اقدام نکنند. در روش LCZ  هفده کلاس کاربری شهری تعریف شده است که با استفاده از تصاویر ماهواره ای لندست قابل شناسایی است. این ۱۷ کلاس شامل پوشش های متنوعی از ساختمان ها، با تراکم ها و طبقات گوناگون، به همراه کاربری صنعتی و پوشش های طبیعی و زراعی است. 

تصاویر ماهواره ای LCZ

منطق LCZ بر اساس تصاویر ماهواره ای لندست طراحی شده است اما در سال های اخیر مشاهده شده که تصاویر سنتینل نیز بعضا در مواردی بصورت ترکیبی با لندست در این فرایند مورد استفاده قرار گرفته است. دلیل استفاده از لندست آن است که سنجنده های این سری از ماهواره های مشاهده زمین دارای باندهای بازتابی (مرئی و مادون قرمز) و مادون قرمز حرارتی هستند. وجود باندهای بازتابی امکان جداسازی کاربری ها بر اساس بازتاب ها و وجود باند حرارتی امکان جداسازی کاربری ها بر اساس آنومالی های دمایی و میکرواقلیم های حاصل از کاربری های مختلف را به خوبی فراهم می کند. بر همین اساس در فرایند طبقه بندی حتما باید باندهای بازتابی و حرارتی بصورت ترکیبی مورد استفاده قرار بگیرند.

توجه داشته باشید که در این روش تنها از یک تصویر single date استفاده نمی شود بلکه یک سری از تصاویر لندست چندزمانه به عنوان داده های رستری ورودی در نظر گرفته می شوند. عملا روش LCZ مانند بسیاری از موضوعات کاربردی سنجش از دور ارزش استفاده از داده های چند زمانه را به خوبی نشان داده است. 

داده های روش LCZ

در بخش قبلی در ارتباط با داده های ماهواره ای این روش توضیح داده شد. اما برای انجام طبقه بندی نیاز به برداشت داده های train برای هریک از کلاس ها خواهید داشت. با توجه به ماهیت کلاس ها در این روش، شما نیاز به داده های زمینی نیز خواهید داشت. داده های برخی از کلاس ها بصورت دستی با استفاده از گوگل ارث قابل برداشت است اما برای برخی دیگر مانند مناطق مسکونی و صنعتی نیاز به استفاده از داده های زمینی است. 

نرم افزارهای روش LCZ

برای پیاده سازی روش LCZ از ابتدا تا انتها نیاز به دو نرم افزار متن باز دارید. این دو نرم افزار مهم عبارت اند از:

• Google Earth
• SAGA-GIS

گوگل ارث برای برداشت داده های آزمون و اعتبارسنجی در فرایند طبقه بندی مورد استفاده قرار می گیرد اما نرم افزار SAGA بصورت تخصصی الگوریتم طبقه بندی LCZ را پوشش داده است. 

چگونه روش LCZ را اجرا کنیم؟

پاسخ این سوال بسیار ساده است. اخیر آموزش رایگان صفر تا صد این الگوریتم در سایت girs.ir منتشر شده است و از استقبال بسیار گسترده ای برخوردار است. با شرکت در این دوره آموزشی تمامی سوالاتی که در ارتباط با این روش دارید پاسخ داده خواهد شد. هم اکنون شما می توانید از طریق لینک زیر به صفحه این دوره آموزشی رفته و برای دریافت رایگان آموزش آن ثبت نام کنید. 

• آموزش رایگان تولید نقشه ۱۷ کلاسه شهری با تصاویر لندست