Мониторинг влияния на температуру поверхности суши динамики землепользования, изменения растительного покрова
- Авторы: Сереке Т.Э.1,2, Тесфай Т.3,4, Братков В.В.1, Мохамед Э.С.3,5, Куин Д.Т.1
-
Учреждения:
- Московский государственный университет геодезии и картографии
- Колледж бизнеса и социальных наук
- Российский университет дружбы народов
- Сельскохозяйственный колледж Дамельмало
- Национальное управление по дистанционному зондированию и космическим наукам
- Выпуск: Том 25, № 3 (2024)
- Страницы: 308-318
- Раздел: Статьи
- URL: https://journals.rcsi.science/2312-8143/article/view/327549
- DOI: https://doi.org/10.22363/2312-8143-2024-25-3-308-318
- EDN: https://elibrary.ru/ZMCNKM
- ID: 327549
Цитировать
Полный текст
Аннотация
Рост населения и урбанизация привели к изменениям в растительном покрове, которые влияют на температуру поверхности суши, что способствует глобальному потеплению. Цель исследования - выявление изменений в растительном покрове в Мендефере, Эритрея, за период с 2002 по 2022 г. и изучение их влияние на температуру поверхности суши. Были использованы два снимка Landsat-7 ETM и один снимок Landsat OLI_TRI-8, сделанные в 2002, 2012 и 2022 гг. Для классификации изменений в растительном покрове применен алгоритм управляемой векторной обработки. Рассчитаны коэффициенты достоверности и коэффициент Каппа. Для отображения взаимосвязи между нормализованным вегетационным индексом и температурой поверхности суши сгенерирована линейная регрессия. В ходе исследования отмечены значительные изменения растительного покрова в исследуемой области в 2002-2022 гг. Площадь застройки и сельскохозяйственных угодий увеличилась на 113,5 и 64,4 % соответственно, в то время как естественная растительность и открытые пространства сократились на 77,6 и 24,8 % соответственно. Самый высокий и самый низкий средние значения изменений в растительном покрове отмечены в населенных пунктах (35 °C) и естественной растительности (29,7 °C) соответственно, но в целом средние значения изменений в растительном покрове снизились на 3,3 °C в исследуемой области с 2002 по 2022 г., и наблюдалась отрицательная корреляция между нормализованным вегетационным индексом и изменениями в растительном покрове. Таким образом, сделан вывод о том, что урбанизация приводит к деградации растительности, резкому росту застройки и появлению городских островов тепла. Исследование поможет специалистам по планированию и лицам, принимающим решения, разработать соответствующие механизмы для планирования землепользования и смягчения последствий изменения климата.
Ключевые слова
Об авторах
Темесген Эйяссу Сереке
Московский государственный университет геодезии и картографии; Колледж бизнеса и социальных наук
Автор, ответственный за переписку.
Email: temesghensereke@gmail.com
ORCID iD: 0009-0001-1748-6479
SPIN-код: 2370-2028
аспирант географического факультета, Московский государственный университет геодезии и картографии; преподаватель, Колледж бизнеса и социальных наук
Москва, Россия; Ади Кейх, ЭритреяТумузги Тесфай
Российский университет дружбы народов; Сельскохозяйственный колледж Дамельмало
Email: tumuzghitesfay7@gmail.com
ORCID iD: 0000-0002-0771-5522
аспирант кафедры экологического менеджмента, Институт инженерной экологии, Российский университет дружбы народов; преподаватель, Сельскохозяйственный колледж Хамельмало
Москва, Россия; Керен, ЭритреяВиталий Викторович Братков
Московский государственный университет геодезии и картографии
Email: vbratkov@mail.ru
ORCID iD: 0000-0001-5072-1859
SPIN-код: 9691-2510
доктор географических наук, заведующий кафедрой географии
Москва, РоссияЭльсайд Саид Мохамед
Российский университет дружбы народов; Национальное управление по дистанционному зондированию и космическим наукам
Email: salama55@gmail.com
ORCID iD: 0000-0001-5703-4621
профессор кафедры экологического менеджмента, специалист по почвоведению и дистанционному зондированию, Институт инженерной экологии, Российский университет дружбы народов; научный сотрудник департамента почвоведения, Национальное управление по дистанционному зондированию и космическим наукам
Москва, Россия; Каир, ЕгипетДинь Туен Куин
Московский государственный университет геодезии и картографии
Email: quyendinhtuyen97@gmail.com
ORCID iD: 0000-0002-6577-0087
аспирант кафедры космического мониторинга и экологии
Москва, РоссияСписок литературы
- Amini S, Saber M, Rabiei-Dastjerdi H, Homayouni S. Urban Land Use and Land Cover Change Analysis Using Random Forest Classification of Landsat Time Series. Remote Sens. 2022;14(11):2654. https://doi.org/10.3390/rs14112654
- Dissanayake DMSLB. Land use change and its impacts on land surface temperature in Galle city, Sri Lanka. Climate. 2020;8(5):65. https://doi.org/10.3390/CLI8050065
- Dissanayake DMSLB, Morimoto T, Murayama Y, Ranagalage M. Impact of landscape structure on the variation of land surface temperature in Sub-Saharan Region: A case study of Addis Ababa using Landsat Data (1986-2016). Sustainability. 2019;11(8):2257. https://doi.org/10.3390/su11082257
- Opelele OM, Yu Y, Fan W, et al. Analysis of the impact of land-use/land-cover change on land-surface temperature in the villages within the luki biosphere reserve. Sustainability. 2021;13(20). https://doi.org/10.3390/su132 011242
- Arsiso BK, Mengistu Tsidu G, Stoffberg GH, Tadesse T. Influence of Urbanization-Driven Land Use/Cover Change on Climate: The Case of Addis Ababa, Ethiopia. Physics and Chemistry of the Earth. 2018;10:212-223. https://doi.org/10.1016/j.pce.2018.02.009
- Ibrahim GRF. Urban land use/land cover changes and their effect on land surface temperature: Case study using Dohuk City in the Kurdistan Region of Iraq. Climate. 2017;5(1). https://doi.org/10.3390/cli5010013
- Hashim H, Latif ZA, Adnan NA. Land use land cover analysis with pixel-based classification approach. Indonesian Journal of Electrical Engineering and Computer Science. 2019;16(3):1327-1333. https://doi.org/10.11591/ijeecs.v16.i3.pp1327-1333
- Basheer S, Wang X, Farooque AA, Nawaz RA, Liu K, Adekanmbi T, Liu S. Comparison of Land Use Land Cover Classifiers Using Different Satellite Imagery and Machine Learning Techniques. Remote Sens (Basel). 2022; 14(19):4978. https://doi.org/10.3390/rs14194978
- Measho S, Chen B, Pellikka P, Trisurat Y, Guo L, Sun S, Zhang H. Land Use/Land Cover Changes and Associated Impacts on Water Yield Availability and Variations in the Mereb-Gash River Basin in the Horn of Africa. J Geophys Res Biogeosci. 2020;125(7):e2020JG005632. https://doi.org/10.1029/2020JG005632
- Saharan MA, Vyas N, Borana SL, Yadav SK. Classification and Assessment of the Land Use - Land Cover Changes in Jodhpur City Using Remote Sensing Technologies. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences. 2018;XLII-5:767-771. https://doi.org/10.5194/isprs-archives-xlii-5-767-2018
- Rousta I, Sarif MO, Gupta RD, Olafsson H, Ranagalage M, Murayama Yu, Zhang H, Darlington Mushore T. Spatiotemporal analysis of land use/land cover and its effects on surface urban heat Island using Landsat data: A case study of Metropolitan City Tehran (1988-2018). Sustainability. 2018;10(12);4433. https://doi.org/10.3390/su10124433
- Javaid K, Ghafoor GZ, Sharif F, Shahid MG, Shahzad L, Ghafoor N, Hayyat MU, Farhan M. Spatiotemporal analysis of land use/land cover change and its impact on land surface temperature of Sialkot City, Pakistan. Nature/Scientific Reports. 2023;13(1):22166. https://doi.org/10.1038/s41598-023-49608-x
- Sam SC, Balasubramanian G. Spatiotemporal detection of land use/land cover changes and land surface temperature using Landsat and MODIS data across the coastal Kanyakumari district, India. Geodesy and Geodynamics. 2022;14(2023):172-181. https://doi.org/10.1016/j.geog.2022.09.002
- Xue J, Su B. Significant Remote Sensing Vegetation Indices: A Review of Developments and Applications. Journal of Sensors. 2017(1):1-17. https://doi.org/10.1155/2017/1353691
- Tewolde MG, Cabral P. Urban sprawl analysis and modeling in Asmara, Eritrea. Remote Sens (Basel). 2011; 3(10):2148-2165. https://doi.org/10.3390/rs3102148
- Priyankara P, Ranagalage M, Dissanayake DMSLB, MorimotoT , Murayama Y. Spatial process of surface urban heat island in rapidly growing Seoul metropolitan area for sustainable urban planning using landsat data (1996-2017). Climate. 2019;7(9):110. https://doi.org/10.3390/cli7090110
- Sereke T, Bratkov V, Aristarkhova V. Allocation of land categories using the maximum likelihood algorithm based on landsat 8 images (using the example of the mendefera subzone, Eritrea). Мonitoring. Science & technologies. 2023;2(56):63-69. https://doi.org/10.25714/MNT.2023.56.009
- Anandababu D, Purushothaman BM, Suresh BS. Estimation of Land Surface Temperature Using LANDSAT 8 Data. International Journal of Advance Research, Ideas and Innovations in Technology. 2018;4(2):177–186. Available from: https://www.ijariit.com/manuscripts/v4i2/V4I2–1195.pdf (accessed:22.02.2024).
- Sekertekin A, Bonafoni S. Land surface temperature retrieval from Landsat 5, 7, and 8 over rural areas: Assessment of different retrieval algorithms and emissivity models and toolbox implementation. Remote Sens. 2020; 12(2):294. https://doi.org/10.3390/rs12020294
Дополнительные файлы
