איי חום עירוניים Investigating spatial and seasonal variations of urban heat island effect over Jaipur city and its relationship with vegetation, urbanization and elevation

חקר וריאציות מרחביות ועונתיות של אפקט איי חום עירוניים בעיר ג’איפור והקשר שלהן לפרמטרים של צמחייה, אורבניזציה וגובה

תקציר

טמפרטורת שטח הקרקע (LST) היא אחד הפרמטרים העיקריים לניתוח של אפקט שטח איי חום עירוניים (SUHI). ניתוח של נתוני LST במשך 8 לילות מראה כי קיים SUHI מובהק באזור המחקר בעיר ג’איפור. האינטנסיביות המקסימאלית הממוצעת של UHI מ- 2003 עד 2015 נעה בין 5.12 K ל- 10.37 K, כאשר האינטנסיביות המקסימאלית הממוצעת הכוללת של UHI היא 7.86 K. נמצאה קורלציה שלילית בין LST לבין מדדי צמחיה. היחסים בין LST לבין אחוז שטח הפנים האטום (%ISA) הוא כמעט זהה במהלך העונה עם מגמת עלייה עקבית. נמצאה קורלציה חיובית בין LST לבין מדד הבנייה המנורמל (NDBI), במיוחד בעונת המונסון. המגמה של יחסי LST ו- NDBI במהלך העונות השונות היא שונה, תוצאה המלמדת בבירור כי היחסים בין LST ל- NDBI הם תלויי-עונה. ה- NDBI אינו מהווה אינדיקאטור מוצלח למחקרי SUHI שבהם קרקע חשופה הינה דומיננטית, בעיקר לגבי עונת הקיץ. לפיכך ה- %ISA הינו פרמטר טוב יותר למחקרי SUHI בהשוואה ל- NDBI. כאשר קיימת עלייה בגובה, נרשמת מגמת עלייה ב- LST באזור המחקר. דיאגראמות פיזור של LST-גובה מציגות יחסים שליליים באזורים גבוהים, בעיקר במהלך עונת המונסון.

1. מבוא

אורבניזציה גורמת להמרה של חיפוי הקרקע הטבעי, הכולל בעיקר צמחיה ושטחים חדירים, לשטחי בנייה אוטמים. שטח פנים אטום זה (ISA) נגרם בעיקר בשל שימוש בחומרים שונים כמו בטון, לבנים, מרצפות, אספלט, ביטומן וכדומה, בבניינים, כבישים ומגרשי חנייה. מאפייני קרינה, תרמיות, לחות, חספוס ופליטה של שטח הקרקע והאטמוספרה משתנים כתוצאה מהשימוש בחומרי שטח חדשים לצד הפליטה של חום, לחות ומזהמים. אזורים עירוניים הופכים חמים יותר בהשוואה לאזורי הכפר/פרברים הסמוכים, מה שמוביל לאפקט איי חום עירוניים (UHI). ה- UHI נובע בעיקר מההבדל בין חיפויי הקרקע (LC), כלומר, ההבדל בקומפוזיציה של שטח הקרקע במיקומים עירוניים וכפריים. לשטחים עירוניים בדרך כלל יש אידוי מופחת ותכונות של אי-טרנספירציה.

שיטות חישה-מרחוק מאפשרות פרספקטיבה חדשה להבנת אפקט UHI כאשר טמפרטורת שטח הקרקע (LST) משמשת בכדי להגדיר את SUHI. ה- LST, טמפרטורת העור של הקרקע, היא אחד הפרמטרים החשובים ביותר לניתוח של UHIs. נתוני LST מחיישנים המורכבים על גבי לוויינים הפכו זמינים, ומגוון מחקרי SUHI הקשורים ב- LST נערכו בערים שונות.

ניתן לבטא את סדרי הגודל של UHI במונחים של אינטנסיביות UHI, כלומר הפער בין טמפרטורות עירוניות וכפריות. ההיקף המרחבי של UHI נמצא קשור לאוכלוסייה העירונית הכוללת, וסדר הגודל של UHI נמצא כקשור יותר לצפיפות האוכלוסייה העירונית מאשר לאוכלוסייה הכוללת. השונות באינטנסיביות UHI הקשורה בגורמים מקומיים ואירועי חום קיצוניים מביאים להעצמה בלתי-פרופורציונאלית באינטנסיביות UHI. טמפרטורת השטח מושפעת מצמחיה כתוצאה מהשפעות קירור וצל. לעומת זאת, באזורים עירוניים, גם הכיסוי וגם הצפיפות של הצמחייה הם נמוכים יותר (בדרך כלל באזור המינימום), ושטחי הבנייה הם מקסימאליים, באזורי העסקים המרכזיים של העיר (CBD). שטחי הבנייה הגדולים ורמת הצמחייה הנמוכה הם הסיבות המרכזיות לטמפרטורות המקסימאליות ב- CBD. שטחי הבניה הם בדרך כלל מוגדרים היטב בדימות הטמפרטורות ויוצרים נקודות חמות (HS). בדומה, נקודות קרות (CS) מאופיינות בשטחים פתוחים ומלאי צמחייה, הנקראים איים קרים. יאמאשיטה, סקין, שודה, יאמאשיטה ו- הארה הציעו כי אינטנסיביות ה- UHI נוטה לעלות עם התרחבות הערים.

קורלציה חיובית ליניארית נמצאה בין LST לבין %ISA. ה- ISA נמצא כאחד המניעים העיקריים לעלייה בטמפרטורות, כאשר הוא מסביר 70% מהשונות הכוללת ב- LST. שינויים בחיפוי קרקע/שימוש קרקע (LU-LC), התרחבות עירונית, ושינויי אוכלוסייה הובילו לווריאציה מובהקת בדפוסים המרחביים-טמפוראליים של UHIs, כתוצאה מחיסול של שטחי צמחייה ומקווי מים. אינטראקציות האנרגיה בין האטמוספרה ושטחים שעברו מודיפיקציות גרמו לעלייה ב- LST הנשלטת על ידי תנודות חום בפני השטח, המושפעות בעיקר מאורבניזציה. אאו ו-אנגו זיהו כי אזורים עם צפיפות בנייה גבוהה הם בעלי הטמפרטורות הגבוהות ביותר, הקשורות בתכונות התרמיות של המבנים הקיימים והגיאומטריה של הרחוב. ה- %ISA המשולב עם LST ו- NDBI יכולים להסביר כמותית את ההתפלגות המרחבית והשונות העונתית של דפוסי החום העירוניים ותנאי LU-LC קשורים.

מספר מדדי צמחייה וחיפוי מקטעי צמחייה שימשו בכדי לזהות את השפעות ה- UHI. פו, גונג, מיצ’ישיטה ו- סאסאגאווה ניתחו את היחסים בין מדד הצמחייה המנורמל (NDVI) לבין LST עבור 5 סוגי LU-LC באמצעות דימות MODIS ונתונים לווייניים,  ומצאו קורלציה שלילית חזקה בין LST ל- NDVI בכל סוגי ה- LU-LC. הם מצאו כי זמינות הלחות של חיפוי הצמחייה מאפשרת למקטע גדול של תנודות הנטו בקרינה להתאזן על ידי האידוי-טרנספירציה ועל ידי תנודות החום הלטנטיות, ובכך להפחית את תנודות החום הממשיות ואת ה- LST. סוגי או מדדי ה- LC מציגים קורלציה חיובית עם LST, להוציא צמחייה. שינויים ב- LC (התכונה הביו-פיזית של קרקע כדור הארץ) וב- LU (השימוש בשטח הקרקע עבור מטרה אנושית כלשהי) נמצאו כמניעים העיקריים של שינויים סביבתיים, בעוד ששינוי האקלים ושונות האקלים עשויים להשפיע באופן שונה על העדפות שימושי הקרקע באזורים שונים בעולם. לו ועמיתיו חקרו שינויים בתגובות התרמיות של סוגי LC עירוניים ומצאו קורלציה שלילית חזקה בין NDVI לבין הקרנה בסוגי LC למגורים, חקלאות, וריקים/מעבר, תוצאה המלמדת כי הקרינה של סוג ה- LC מושפעת באופן מובהק מכמות הצמחייה באותו אזור. גאלו ו- אוון מצאו מגמות עונתיות ב- NDVI ובטמפרטורה ומצאו כי בערך 40% מהווריאציות בהבדל הטמפרטורות עיר-כפר, כלומר אינטנסיביות UHI, מוסברות על ידי ההבדל ב- NDVI ו- LST.

וריאציה ב- LST  הנובעת מהבדלי גובה בין אזורים שונים נמצאה כשונה ממפל הטמפרטורה בסביבה, ונמצאה קורלציה שלילית בין LST לגובה. ההשפעה של ווריאציות ב- LSTs כתוצאה משינויים בגובה נשקלת גם היא כאשר מחקרי LSא נערכים על פני אזורים נרחבים שבהם תוואי הקרקע אינו שטוח.

אזור המחקר הנוכחי הוא העיר ג’איפור, הבירה של המדינה הגדולה ביותר בהודו (ראג’אסטן). שיעור הצמיחה הצפוי של ג’איפור הוא גבוה בהרבה מזה של מטרופולינים אחרים בהודו. שיעור צמיחה גבוה זה גורם לעומס רב על התשתיות של העיר, ונדרשים פרויקטים גדולים עבור האוכלוסייה הגדלה. אם בנוסף לעקרונות תכנון שונים, המידע הזמין לגבי UHI ייושם גם הוא במהלך הפיתוח, הוא עשוי לאפשר למתכנני העיר לעצב את התוואי העירוני הפיזי באופן שיאפשר להכיל את ה- UHI הקשור בפיתוח. לפיכך, הבנה מעמיקה יותר לגבי אפקט ה- UHI והקשר שלו לפרמטרים שונים בנוף העירוני הינה חיונית עבור יישום אפקטיבי של התכנון העירוני. המחקר הנוכחי שואף לשפר את ההבנה לגבי ההשפעות של LST ופרמטרים שונים על דפוסים מרחביים וטמפוראליים של UHI, בעזרת מקרה בוחן של העיר ג’איפור. מטרת המחקר הנוכחי היא לבחון את ההשפעה של צמחייה, אורבניזציה וגובה על LST, באמצעות NDVI ומדד הצמחייה המשופר (EVI) בתור פרמטרים של צמחייה ו- %ISA ו- NDBI בתור פרמטרים של אורבניזציה.

איור 1: אזור המחקר בג’איפור והמיקום הגיאוגרפי.

איור 2: תמונת Google Earth של אזור המחקר.

2. אזור המחקר

ג’איפור היא עיר הבירה של ראג’אסטן בצפון הודו. לפי מפקד האוכלוסין של 2011, אוכלוסיית אזור המטרופולין של ג’איפור היא 3,646,590. אזור המחקר ממוקם בין קווי אורך 26o42’57.44″ ל- 27o04’39.13″ צפון ו- 75o40’12.26″ ל- 75o51’37.02″ מזרח. איור 1 מציג את המיקום הגיאוגרפי של אזור המחקר. האקלים של האזור הוא צחיח למחצה ומאופיין בכמות גשמים נמוכה, טמפרטורות שנתיות ויומיות קיצוניות ולחות נמוכה. הטמפרטורה מגיעה ל- 46oC בקיץ וקיימת עלייה משמעותית בצריכת החשמל. קיים שימוש נרחב במזגנים הצורכים כמות רבה של מים לשם הורדת הטמפרטורה באוויר, החיונית בתוך חללי המגורים, על ידי מעבר האוויר דרך סירקולציית המים. השימוש במזגנים גורם ללחץ נוסף על הזמינות המוגבלת של חשמל ומים. העיר ג’איפור נחשבת כאחת הערים בעלות הצמיחה המהירה ביותר בעולם. אזור המחקר כולל 3 עונות בשנה: עונת החורף מנובמבר עד פברואר (לילות קרים עם טמפרטורה ממוצעת הצונחת עד 3oC), עונת הקיץ ממרץ עד יוני (חום קיצוני במשך היום עם טמפרטורת אוויר מקסימאלית המגיעה עד 46oC) ועונת המונסון מיולי עד אוקטובר (עם תנודות גדולות בטמפרטורת האוויר היומית הממוצעת בשל תנאי האטמוספרה). אזור המחקר כולל כמות מועטה של מים, ומקור המים העיקרי הוא גשמים במהלך עונת המונסון. החקלאות באזור המחקר תלויה בגשמים בעונת המונסון. בשאר העונות החקלאות מתמקדת בגידולים עם ביקוש מים נמוך, כאשר ההשקיה נעשית באמצעות מי תהום. חיפוי הצמחייה והחקלאות באזור המחקר תלויים בגשם של עונת המונסון, הפוחת באופן משמעותי במהלך הקיץ. כמות הגשמים השנתית הממוצעת באזור המחקר היא בערך 54 cm.

גבולות האזור העירוני של ג’איפור נקבעו על ידי המצולע העירוני של דימות סוג LC שנתי של MODIS של 2011. האורך והרוחב של מצולע השטח העירוני הם בערך 21 km ו- 13 km בהתאמה, בכיוון צפון-דרום ומזרח-מערב. אזור המחקר כולל כמות מספקת של אזורים כפריים ועירוניים וערי-לוויין של העיר. יצרנו חוצץ של 8 ק”מ מסביב לתחום העירוני בכדי לסמן את גבולות אזור המחקר. אזור המחקר מכסה שטח של 887 km2 בקירוב. איור 2 מציג תמונה של אזור המחקר מ- Google Earth.

3. נתונים ומתודולוגיה

המחקר נערך במשך 3 עונות – קיץ, חורף ומונסון. נתונים של 13 שנים, 2003-2015, משמשים במחקר הנוכחי. 46 תמונות LST של 8 ימים ו-23 תמונות מדד צמחייה (VI) של 16 ימים הינן זמינות במשך שנה. טבלה 1 מציגה את נתוני החישה-מרחוק המשמשים במחקר.

ניתוח ספקטראלי ליניארי מעורב (LSMA) יושם עבור איסוף שטחים אטומים באמצעות תוכנת ENVI 5.0. ה- %ISA שנאסף מ- Landsat זמין ברזולוציית קרקע של 30 m בקירוב, בעוד שתמונות LST לילה שנאספו מ- MODIS הן ברזולוציה של 926.6 m  בקירוב. לפיכך תמונות ה- %ISA ו- VI קובצו לאותה רזולוציה של שכבת ה- LST.

הגובה של הפיקסלים של אזור המחקר נאסף ממפת GDEM של רדיומטר ASTER בשנת 2011. תוצרים סטנדרטיים של נתוני ASTER DEM מוצגים עם postings של 30 m ויש להם דיוקי Z עם סטיית שורש ממוצע ריבועים של בין 10 m  ל- 25 m (RMSE).

טבלה 1: נתוני חישה-מרחוק שיושמו במחקר.

טבלה 2: מקרא שדה bit לשימוש בדגלי איכות עבור LST.

3.1. טרום-עיבוד של נתוני חישה-מרחוק

הטרום-עיבוד של נתוני MODIS ויצירת קבוצות-משנה של תמונות MODIS לאזור הקטן יותר נערכו באמצעות כלי ההיטל של MODIS (MRT). הנתונים עברו היטל-מחדש ממערכת היטל סינוסית למערכת היטל UTM Zone 43N עם WGS84 בתור דייטום ועברו שינוי פורמט מ- HDF-EOS ל- GeoTIFF. הטרום-עיבוד של נתוני Landsat נערך באמצעות תוכנת ENVI 5.0. תוצרי ה- MYD11A2 ו- MYD13Q1 זמינים עם דגל איכות הכולל נתונים באיכות גבוהה בלבד עבור הניתוח. הפרטים של אמודן האיכות של נתוני MODIS LST מתוארים מטה.

תוצר ה- MYD11A2 כולל דגל איכות, QC_Night ל- LST לילה, בצורת שכבת SDS. דגל איכות זה מספק מידע לגבי תוצאות אלגוריתם המוצגות בקונטקסט מרחבי עבור כל פיקסל. דגל האיכות, באמצעות מידע QC, יכול לשמש לניתוח תוצאות האלגוריתם בכדי לדעת אם תוצאות האלגוריתם של LST מסוים היא נומינלית, אבונרמלית או אם נמצא מצב מוגדר אחר עבור הפיקסל. מידע ה- QC נאסף באמצעות קריאת הדגלים המאוחסנים על אינטגר 8-bit לא-חתום (טבלה 2). דגל האיכות מאפשר למשתמש לקבוע את איכות תוצאות ה- LST ולהשתמש רק בנתונים העונים על דרישות האיכות שנקבעו מראש. מידע ה- QC שימש בכדי לקבוע את התועלת של נתוני ה- LST במחקר הנוכחי ורק הפיקסלים באיכות הגבוהה ביותר (ערך 0 במספרי ביט 0, 2 ו- 6 מצביע על סטיה של ≤ 2 K בחישוב של LST) משמשים עבור מחקר זה.

3.2. חישוב NDVI, EVI ו- NDBI

ה- NDVI ו- EVI משמשים בכדי להבחין ברצועות ירוקות באזור המחקר. ה- NDVI הוא אינדיקאטור של כמות חיפוי הצמחייה על הקרקע. הערך של NDVI נע בין -1 ל- +1. ניתן לאמוד את NDVI באמצעות המשוואה הבאה:

(1) NDVI = NIR – RED/NIR + RED

כאשר RED  = רפלקטיביות אדום; NIR = רפלקטיביות תת-אדום קרוב.

ה- EVI מחושב באמצעות משוואה 2:

(2)

כאשר p הוא רפלקטיביות מוכוונת “נראית” (החלק העליון של האטמוספרה) או “שטחית”, L  הוא איבר התאמת רקע, ו- C1 ו- C2 שוקלים את היישום של הערוץ הכחול בתיקון האירוסול של הערוץ האדום.

ה- NDBI משמש להדגשת אזורי בנייה, וניתן לחשבו באמצעות המשוואה הבאה:

(3) NDBI = SWIR – NIR/SWIR + NIR

כאשר SWIR = רפלקטיביות תת-אדום גל קצר.

3.3. שטחים אטומים של אזור המחקר

איסוף שטחים אטומים ברמת התת-פיקסל נעשה באמצעות LSMA. במודל ה- unmixing של הפיקסלים, יש להסתיר מקווי מים מהנתונים הספקטראליים מכיוון שלא ניתן להחשיב אותם בתור מרכיבי-קצה בשל האלבדו הנמוך שלהם. התהליך האנליטי של LSMA מתואר מטה.

3.3.1. מיסוך מקווי מים

מדד מים מנורמל מותאם (MNDWI) משמש לזיהוי מקווי מים מנתוני חישה-מרחוק. במחקר הנוכחי, ה- MNDWI משמש להסרת מאפייני מים מנתוני ה- TM/ETM + /OLI הספקטראליים לפני ביצוע LSMA. המשוואה המתמטית של MNDWI מוצגת מטה.

(4)

כאשר RGREEN = רפלקטיביות בפס ירוק; RMIR = רפלקטיביות במרכז פס תת-אדום.

3.3.2 טרנספורמציית MNF

טרנספורמציית מקטע הרעש המקסימאלי (MNF) מתקנת את רוב השונות של הפסים הספקטראליים לתוך 2-3 הרכיבים הראשונים הנוצרים. זוהי וריאציה מותאמת של ניתוח גורמים ראשיים (PCA) המסדרת את הרכיבים לפי יחס אות/רעש (SNR).

3.3.3. unmixing ספקטראלי ליניארי

על מנת לבצע מודל unmixing ליניארי, נבחרו 4 סוגים של מרכיבי-קצה במחקר הנוכחי: צמחייה, אלבדו נמוך, אלבדו גבוה ואדמה, על ידי חישוב דיאגראמת פיזור באמצעות שני רכיבי ה- MNF הראשונים. לבסוף, ניתוח ספקטראלי מעורב מאולץ משמש בכדי לעבד את ערכי הפיקסלים של התמונה המוסתרת עם הספקטרום של מרכיבי-הקצה.

במודל ה- unmixing הספקטראלי הליניארי, הערך הספקטראלי של הפיקסל נחשב כשילוב ליניארי של סוגים שונים של מרכיבי-קצה.

(5)

(6)

כאשר Rb = רפלקטיביות בפס b; fi = מקטע של מרכיב-קצה בפס b; Ri,b = רפלקטיביות של מרכיב-קצה בפס b; eb = סטייה בפס; N = המספר הכולל של מרכיבי-קצה; M = המספר הכולל של פסים.

3.3.4. מקטעי מרכיבי-קצה

באמצעות פתרון של ה- LSMA (משוואה (5)) בשיטת השגיאה הפחותה, ניתן להפריד את ערכי הפיקסל של תמונות ה- TM/ETM + /OLI המוסתרות למקטעים של 4 מרכיבי-הקצה. בתור אזורים עירוניים עם מגוון של תכונות ספקטראליות, שטחים אטומים כוללים ערכי אלבדו גבוהים ונמוכים. לפיכך, תערובת ליניארית של אלבדו גבוה ונמוך נחשבת כמייצגת מוצלחת של אטימות (משוואה (7)), ומקטע השטח האטום בכל פיקסל נאמד כסכום של מקטעי האלבדו הנמוך והגבוה.

(7)

כאשר Rimp,b, Rlow,b, Rhigh,b = רפלקטיביות של שטחים אטומים, אלבדו נמוך ואלבדו גבוה בפס b; flow, fhigh = מקטע של אלבדו נמוך ואלבדו גבוה; eb = שגיאה בפס b.

4. תוצאות ודיון

4.1. דפוס LST ו- UHI בג’איפור

כל שנה מתוך 13 השנים של המחקר התחלקה לחורף, קיץ ומונסון, ונערך ניתוח עונתי של LST ו- UHI. תמונות LST של ג’איפור בעונות השונות מוצגות באיור 3. ניתן לראות בתמונות כי ה- LST של האזור בתוך התחום העירוני (האזור העירוני) הוא גבוה יותר מה- LST של האזורים הכפריים או הפרברים הסמוכים, כלומר קיים SUHI מובהק בג’איפור. מתוך 3 העונות, מפת ה- LST בחורף מציגה אפקט SUHI בולט עם קונטרסט ברור בטמפרטורה בין האזור העירוני לכפרי. האזור הצפון-מזרחי של ג’איפור, הכולל גבעות (גבעות אראוואלי), מציג LST גבוה יותר בשל אינטראקציות האנרגיה המתרחשות באזור זה. הצבע האדום בתמונות ה- LST מצביע על טמפרטורות גבוהות יותר במרכז העיר, וצבע כחול בהיר מצביע על ה- LST הנמוך בגבולות אזור המחקר, סמוך לרצועה הכפרית, בשל הרצועות הירוקות. בתוך אזור המחקר בעיר, ה- LSTs המינימאליים נמצאים סמוך לקצה אזור המחקר, במיוחד בצד המערבי. ה- LST של החלק המזרחי והדרומי של האזורים הכפריים הוא גבוה יותר מה- LST של האזור המערבי והצפוני של האזורים הכפריים. התמונות מחלוקות ל- 3 העונות באזור המחקר. איור 3 מציג תמונות LST של 8 ימים באזור המחקר, בעונות השונות. התמונות נבחרו באופן אקראי מתוך נתונים של שנים שונות, בהן נערך המחקר.

4.1.1. מגמת LST ממוצעת בעונות שונות

איור 4 מציג את הווריאציה הטמפוראלית של LST ממוצע באזורי הכפר והעיר. האזור העירוני מציג LSTs ממוצעים גבוהים יותר בהשוואה לאזורים הכפריים. נמצאה מגמת עלייה עקבית של LSTs ממוצעים גם באזורים הכפריים וגם בעירוניים בכל העונות. ה- SUHI הינו חזק במיוחד במהלך הקיץ והחורף, בהשוואה לעונת המונסון.

ה- LSTs הממוצעים בקיץ, מונסון וחורף נעים בין 294.47 K ל- 295.36 K, 294.50 K ל- 297.91 K, ו- 283.31 K ל- 286.31 K, בהתאמה, באזורים העירוניים. בדומה, באזורים הכפריים, ה- LSTs הממוצעים בקיץ, מונסון וחורף נעים בין 291.85 K ל- 293.67 K, 292.32 K ל- 296.26 K, ו- 280.32 K ל- 283.22 K, בהתאמה. ה- LSTs הממוצעים בקיץ, מונסון וחורף הם 295.50 K, 296.69 K, ו- 285.18 K, בהתאמה, עבור האזורים העירוניים, ו- 292.57 K, 294.84 K ו- 282.13 K, בהתאמה, עבור האזורים הכפריים. לפיכך, עונת החורף מציגה הבדלים גדולים ב- LSTs של אזורי הכפר והעיר בהשוואה לשאר העונות. ה- LSTs השנתיים הממוצעים בשעות הלילה הם 292.46 K ו- 289.98 K, בהתאמה, עבור אזורי העיר והכפר.

איור 3: תמונות LST של אזור המחקר בעונות שונות.

4.1.2. דפוס אינטנסיביות UHI

טבלה 3 מציגה את אינטנסיביות ה- UHI המקסימאלית הממוצעת (ההפרש בין ה- LST הגבוה והנמוך ביותר של תמונה מסוימת המתאים לתקופת זמן ספציפית) במהלך העונות השונות במחקר. אינטנסיביות ה- UHI מציגה מחזורים שנתיים ויומיים והיא מאופננת על ידי תנאים מטאורולוגיים, כמו עננות, רוח ופליטת חום אנתרופוגני. אינטנסיביות ה- UHI המקסימאלית הכוללת נרשמה ב- 14.18 K במהלך עונת המונסון של 2013. אינטנסיביות ה- UHI המקסימאלית של אזור המחקר במהלך העונות השונות נעה בין 6.26 K ל- 14. 18 K. אינטנסיביות ה- UHI המינימאלית במהלך העונות השונות נעה בין 1.52 K ל- 8.20 K. אינטנסיביות ה- UHI המקסימאלית נעה בין 9.56 K ל- 12.34 K בקיץ ו- 6.26 K ל- 14.18 K בעונת המונסון, ו- 9.24 K ל- 12.92 K בחורף. בדומה, אינטנסיביות ה- UHI המינימאלית נעה בין 3.68 K ל- 5.64 K, 1.52 K ל- 4.28 K, ו- 6.04 K ל- 8.20 K בקיץ, מונסון וחורף, בהתאמה. נמצא כי הגשמים בעונת המונסון מגבירים את תכולת הלחות באדמה כך שהיא סופגת יותר חום במהלך שעות היום והטמפרטורה בסביבה זו תעלה כך שלעתים ה- LST הוא גבוה יותר במהלך עונת המונסון באזורים הכפריים מסביב לג’איפור. אינטנסיביות ה- UHI המקסימאלית הממוצעת בעונות השונות נעה בין 5.12 K ל- 10.37 K. אינטנסיביות ה- SUHI המקסימאלית הממוצעת הכוללת של אזור המחקר במהלך המונסון, הקיץ והחורף היא 6.36 K, 8.01 K ו- 9.21 K, בהתאמה. אינטנסיביות ה- SUHI המקסימאלית הממוצעת הכוללת של אזור המחקר בכל העונות היא 7.86 K.

טבלה 4 מציגה את הווריאציה הטמפוראלית של אינטנסיביות ה- UHI הממוצעת (ההפרש בין ה- LST הממוצע של האזור העירוני לבין ה- LST הממוצע של האזור הכפרי) בעיר ג’איפור. התצפיות מראות תמונה ברורה של קיום SUHI בשעות הלילה במהלך הקיץ, המונסון והחורף, עם LST מרחבי פוחת מהאזור העירוני לאזור הכפרי, כלומר האזור העירוני הוא חם יותר מאזורי הכפר הסמוכים. האינטנסיביות העונתית הממוצעת בשעות הלילה בעונת הקיץ נעה בין 2.17 K ל- 2.81 K עם אינטנסיביות UHI ממוצעת בשעות הלילה של 2.54 K. האינטנסיביות העונתית הממוצעת בשעות הלילה במהלך עונת המונסון נעה בין 1.40 K ל- 2.20 K עם אינטנסיביות UHI לילית ממוצעת של 1.85 K. האינטנסיביות העונתית הממוצעת בשעות הלילה במהלך החורף נעה בין 2.69 K ל- 3.37 K עם אינטנסיביות UHI לילית ממוצעת של 3.05 K. ה- SUHI נמצא כחזק ביותר וחלש ביותר בחורף ובעונת המונסון, בהתאמה, בשעות הלילה. אינטנסיביות ה- SUHI הממוצעת הכוללת של אזור המחקר בכל העונות היא 2.48 K.

הטמפרטורות המקסימאליות והמינימאליות בתקופות שונות בשנים שונות הן מגוונות ביותר, ותלויות בעונה. בדומה, אינטנסיביות ה- UHI במיקום ספציפי גם היא משתנה באופן משמעותי. בשל כך, קשה ביותר להשוות את אינטנסיביות ה- UHI במיקום ספציפי בתקופות שונות. בנוסף, בלתי אפשרי לחשב את אפקט ה- UHI המצטבר באזור המחקר מנתוני ה- LST במשך תקופה ארוכה. בכדי לאפשר חישובים כאלו, ערכי ה- LST של כל הפיקסלים בתמונה עבור נורמליזציה בין 0 ל- 1, באמצעות UHIINDEX, המחושב לפי:

(8)

כאשר LSTi הוא ה= LST של הפיקסל עבור תמונה ספציפית, LSTMAX הוא ערך המקסימאלי של LST ו- LSTMIN הוא הערך המינימאלי של LST של אותה תמונה כמו LSTi.

ה- UHIINDEX של כל הפיקסלים באזור המחקר חושב עבור כל תקופת המחקר (495 תמונות ב- 13 שנים, 2003-2015) ובנוסף חושב ממוצע של UHIINDEX  של כל התמונות. איור 5 מציג את אינטנסיביות ה- UHI הממוצעת המנורמלת (UHIINDEX) באזור המחקר. הערך המקסימאלי של UHIINDEX  ממוצע הוא 0.95, וכל הפיקסלים באדום באיור 5 תואמים את ערך ה- UHIINDEX הממוצע של מעל 0.90. פיקסלים אלו הם חלק מרובע העסקים המרכזי (CBD) של ג’איפור, והם נמצאים במרכז אי החום. פיקסלים נוספים של טמפרטורה גבוהה ממוקמים מסביב לפיקסלים אלו. ה- UHIINDEX הממוצע של 12 פיקסלים הנמצאים ב- CBD הוא מעל 0.90, תוצאה המצביעה על כך ש- LST גבוה מתרחש בדרך כלל בפיקסלים אלו וניתן להחשיב אותם בתור נקודות חמות (HS). ה- HS הן למעשה מרכז ה- UHI של ג’איפור, ושאר הפיקסלים של הטמפרטורות הגבוהות ממוקמים מסביב לפיקסלים אלו.

האזור העירוני מכיל רק פיקסלים של טמפרטורות גבוהות והערך המינימאלי של UHIINDEX ממוצע באזור העירוני הוא 0.40 וה- UHIINDEX הממוצע באזור העירוני הוא 0.72. הערכים המקסימאליים והמינימאליים של UHIINDEX ממוצע באזור הכפר הם 0.87 ו- 0.09, בהתאמה. למרות שערכי ה- UHIINDEX הממוצעים בחלקים מסוימים של האזור הכפרי הם גם גבוהים, מרבית הפיקסלים הללו הם באזור גבעות אראוואלי, והטמפרטורות הגבוהות בפיקסלים אלו נובעות מסלעים חשופים. ערך ה- UHIINDEX המינימאלי הממוצע של 0.09 מראה כי הפיקסלים של הטמפרטורות הנמוכות באזור המחקר אינם זהים במשך תקופות שונות. הממוצע של UHIINDEX באזור הכפרי הוא 0.41. דפוס הטמפרטורות הכללי הוא דומה לזה שהוזכר קודם, וניתן להשתמש ב- UHIINDEX לצורך השוואה של אינטנסיביות UHI במיקום מסוים בתקופות שונות, או אינטנסיביות UHI במיקומים שונים בתקופות שונות.

איור 4: וריאציות LST ממוצע טמפוראליות באזור העירוני והכפרי.

טבלה 3: אינטנסיביות UHI מקסימאלית ממוצעת (K) בעונות שונות.

טבלה 4: אינטנסיביות UHI ממוצעת (K) בעונות שונות.

4.2. גידול האוכלוסין העירוני בג’איפור

אוכלוסיית העיר גדלה בכ- 16 לקים (lakhs, 100,000) בעשור האחרון עם שיעור צמיחה של 54%. טבלה 5 מציגה את אוכלוסיית העיר באינטרוולים של 5 שנים. גידול האוכלוסין בג’איפור נאמד ב- 55% בקירוב מ- 2001 עד 2011 (גידול של 13 לאקים). תחזית האוכלוסין של העיר ב- 2025 היא בערך 65 לקים, כלומר פי 2.8 מהאוכלוסייה של 2001. גידול אוכלוסין מהיר זה מצביע על ההתפתחות המהירה של האזורים הסמוכים לעיר.

4.3. גידול בשטח הקרקע העירוני (בטון, מדרכות) כסדרת זמן בג’איפור

ג’איפור תחומה בגבעות אראוואלי במזרח וצפון-מזרח העיר. בתוך אילוצים טופוגראפיים אלו, הגידול בשטחי הבנייה מתמקד בדרום, מערב ודרום-מערב העיר. הגידול בשטחי הבנייה העירוניים בתור סדרת זמן (2000 עד היום) חושב באמצעות תמונות Landsat על בסיס סיווג מפוקח בעל סבירות מקסימאלית, המוצג בטבלה 6. נמצא גידול אוכלוסין מהיר בעיר מ- 2000 עד 2017. שטח הקרקע העירוני הנוכחי של ג’איפור הוא בערך 230 km2, פי 2.3 מהגודל בשנת 2000. נמצא גידול עירוני מהיר ומובהק (גידול של 62.34 km2) בג’איפור בעשור שבין 2001-2011. נמצא גידול של 58.06 km2 בשטחים העירוניים בין 2011 ל- 2017, המעיד על ההתרחבות העירונית המהירה באזור המחקר.

טבלה 5: 5 אומדנים שנתיים של האוכלוסייה הצפויה.

4.4. מגמת שיקוע שנתית ממוצעת בג’איפור

מחקר זה בחן בנוסף את היחסים בין המשקעים השנתיים לבין LST ממוצע באזור המחקר. איור 6 מציג את כמות הגשמים השנתית הממוצעת בעיר מ- 2003 עד 2015. כמות הגשמים השנתית הממוצעת באזור המחקר היא 54 cm בקירוב במהלך תקופת המחקר. כמות הגשמים השנתית הממוצעת נעה בין 14 cm ל- 126 cm, עם דפוס פוחת במהלך תקופת המחקר. נמצאה קורלציה הפוכה בין כמות הגשמים השנתית הממוצעת לבין LST ממוצע באזור המחקר. מקדם הדטרמינציה, בין השניים, הוא רק 0.26 (איור 6), כלומר ההשפעה של הגשמים על LST בתקופת המחקר היא נמוכה.

איור 5: תמונת UHIINDEX ממוצע של אזור המחקר.

4.5. דפוס מדדי הצמחייה

הצמחייה והחקלאות באזור המחקר תלויות בעיקר בגשמי המונסון, ולכן צפיפות הצמחייה היא שונה במהלך תקופות זהות בשנים שונות. על מנת לנתח את הדפוסים העונתיים והמרחביים של מדדי הצמחייה (Vis) באזור המחקר, השתמשנו בתמונות NDVI ו- EVI של 16-יום בתקופות שונות, המייצגות את 3 העונות, המוצגות באיורים 7 ו- 8, בהתאמה.

אזורים בעלי צמחייה דלילה מציגים ערכי VI נמוכים ביותר ונראים סגולים, בעוד שאזורים בעלי צמחייה צפופה מוצגים בצבע ירוק באיורים 7 ו- 8. האזור העירוני מציג כמות קטנה של נקודות סגולות ונקודות ירוקות בעלות אינטנסיביות שונה, המייצגות צמיחה מגוונת של הצמחייה. הזריעה נערכת לפני עונת המונסון, והשדות החקלאיים באזור המחקר תורמים לערכי ה- VI. מרכז האזור העירוני מציג נקודות סגולות כהות ביותר, המייצגות ערכי NDVI נמוכים, בהשוואה לחלקים אחרים של האזור העירוני המציגים סגול בהיר. חלק גדול של האזור העירוני הוא בצבע סגול, בשל כמות הצמחייה הקטנה ותהליכי האורבניזציה. איור 8 מראה מגמה דומה בתמונות EVI. ערכי EVI הם דרך כלל נמוכים יותר מערכי NDVI, בשל השיפור בחישובי EVI.

הצמחייה באזור העירוני ובאזור הגבעות היא דלילה יותר במידה משמעותית במהלך החורף בהשוואה לעונת המונסון (איורים 7 ו- 8). זריעת גידולי ה- Rabi (גידולי חורף) מתבצעת באוקטובר-נובמבר, וניתן לראות את השפעת צמיחת הגידולים בתמונות ה- VI מדצמבר עד פברואר, כאשר מתרחשת עלייה רציפה בערכי VI באזור הכפרי. קיימת ירידה רציפה בצמחייה באזור המחקר ממרץ עד מאי לאחר קציר ה- Rabi, וניתן לזהות טלאים מבודדים של צמחייה. הטמפרטורות הגבוהות וזמינות המים הנמוכה בזמן חודשי הקיץ מובילות לירידה בצפיפות הצמחייה באזור המחקר. הטווח של ערכי ה- VI הוא נמוך ביותר במהלך חודשי הקיץ. עונת גידולי ה- Kharif (גידולי סתיו) מתחילה בגשמי טרום-מונסון במאי-יוני כאשר הזריעה מתבצעת לאחר מכן. ניתן לראות את ההשפעה של גשמי טרום-מונסון והגידולים הקשורים בתמונות ה- VI עם עלייה מסוימת בערכי ה- VI במרבית האזור הכפרי ובחלקים מסוימים באזור העירוני.

טבלה 6: הגידול בשטח של ג’איפור כסדרת זמן.

איור 6: היחסים בין כמות הגשמים ל- LST ממוצע. a) סדרת זמן של כמות גשמים ממוצעת בג’איפור. b) LST ממוצע מול כמות גשמים שנתית ממוצעת.

איור 7: תמונות NDVU נגזרות MODIS של אזור המחקר בעונות שונות.

4.5.1. יחסי LST מול VI

דיאגראמות הפיזור של יחסי LST-NDVI בעונות השונות מוצגות באיור 9. דיאגראמות הפיזור של LST-EVI מוצגות באיור 10. בעונת הקיץ, דיאגראמות הפיזור של LST מול NDVI מציגות דפוס בלתי אחיד ודחוס וניתן לזהות מגמה אנכית. בעונות החורף והמונסון, דיאגראמות הפיזור של LST מול NDVI מציגות פיזור משולש. הצמחייה היא פרמטר מובהק המראה את ווריאציות ה- LST באזור הנובעות משינוי ההתנהגות של סוגי LU-LC. הווריאציה בטמפרטורה בתמונות הקיץ והחורף היא גבוהה יותר עבור ערכי VI נמוכים בהשוואה לערכי VI גבוהים. מיקומי הצמחייה המועטה/לא קיימת מציגים וריאציות נרחבות בטמפרטורות השטח הנובעות מהבדלי ההתנהגות של סוגי LU שונים, מכיוון שחיפוי ה- LU-LC במיקומים אלו הוא מגוון ביותר. בניגוד לכך, הווריאציה בטמפרטורות הקרינה של השטח במיקומים בעלי צמחייה צפופה היא נמוכה בהרבה. חיפוי הצמחייה באזור המחקר הוא מגוון ביותר. בדומה, תכולת המים באדמה גם היא מגוונת, ותלויה בגורמים שונים כמו גשמי המונסון, פרקטיקות חקלאיות, וכדומה. כתוצאה מכך, המגמה של יחסי LST ו- VI במהלך העונות השונות היא שונה, תוצאה המלמדת בבירור כי הקורלציה בין LSא ל- VI היא לא-ליניארית ומושפעת באופן משמעותי מהעונה.

הווריאציות ב- LST הן נמוכות בהרבה באזורים בעלי צמחייה צפופה. המגמה של יחסי LST ו- VI בעונות השונות היא שונה, כלומר הקורלציה בין LST ל- VI היא לא-ליניארית וגם היא תלויה בעונה. קווי המגמה של דיאגראמות הפיזור מצביעים על קורלציה הפוכה בין LST ל- VIs. עם זאת, הרעיון הכללי לפיו יחסים אלו הם טובים רק בעונת הקיץ אינו נכון לחלוטין, והאקלים באזור המחקר שולט במובהקות היחסית של יחסי LST ו- VI בעונות השונות.

ניתן לראות באיור 11 כי הקורלציה של LST ממוצע עם NDVI ו- EVI היא לא-ליניארית. ייתכן ומצב זה נובע מהעבודה כי למרות שהצמחייה משפיעה על LST, השפעה זו אינה זהה לגבי הטווח המלא של הצמחייה. ההשפעה המצננת של הצמחייה על ה- LST של אזור מסוים נובעת מכך שהצמחייה מעלה את זמינות הלחות באותו אזור, ובנוסף היא מספקת אפקט צל הנובע מהצל אותו מטילה הצמחייה על הקרקע באותו אזור ובכך משנה את אינטראקציות האנרגיה, שהיו שונות באופיין בהיעדר אותה צמחייה. זו הסיבה העיקרית לירידה ב- LST בשל קיומה של צמחייה במיקום מסוים. ניתן לצפות כי כאשר תתרחש עלייה בצפיפות הצמחייה, שיעור הירידה ב- LST יאט מעבר לרמה מסוימת של צמחייה.

ערכי R2 של יחסי LST-NDVI בעונת החורף של תקופת המחקר נעים בין 0.80 ל- 0.93 עם ערך ממוצע של 0.86 (טבלה 7). ערך ה- R2 בקיץ נע בין 0.58 ל- 0.93 עם ערך ממוצע של 0.84. ערך ה- R2 הממוצע של עונת המונסון הוא 0.85, עם טווח של 0.77-0.95. תוצאה זו מלמדת בבירור כי באזור המחקר, היחסים בין NDVI ל- LST הם טובים יותר בחורף מאשר בקיץ. ערך ה- R2 הממוצע הכולל של יחסי LST-NDVI הוא 0.85.

ערך ה- R2 של יחסי LST-EVI בעונת החורף בתקופת המחקר נע בין 0.85 ל- 0.96, עם ערך ממוצע של 0.91 (טבלה 8). ערך ה- R2 של עונת הקיץ נע בין 0.66 ל- 0.96 עם ערך ממוצע של 0.89. ערך ה- R2 הממוצע בעונת המונסון 0.90, עם טווח של 0.82-0.98. ערך ה- R2 הממוצע הכולל של יחסי LST-EVI הוא 0.90. יחסים אלו הם טובים יותר במידה שולית מהיחסים התואמים עם NDVI, בכל העונות. היקף הצמחייה מיוצג טוב יותר על ידי EVI מאשר NDVI, ובשל כך נרשמים יחסים טובים יותר של LST ממוצע עם EVI בהשוואה ל- NDVI.

איור 11 מציג את הקורלציה בין LST ממוצע ל- VIs בכל העונות. ניתן לראות בבירור כי היחסים בין LST ממוצע ל- EVI או NDVI מיוצגים באופן הטוב ביותר על ידי קו מגמה פולינומיאלי מאשר יחסים ליניאריים. לפיכך, יחסים פולינומיאליים מהסדר השני בין מדדי צמחייה ל- LST יושמו במחקר הנוכחי. השיפוע של הקורלציה הפולינומיאלית הוא חד יותר בתמונות החורף מאשר בשתי העונות האחרות, כלומר ה- SUHI הוא גדול יותר במהלך החורף. באזור המחקר, הקורלציה בין LST ל- NDVI היא טובה יותר בחורף ובמונסון מאשר בקיץ. המספר הכולל של פיקסלים או נקודות נתונים ששימשו בניתוח הוא 1033. מספר נקודות הנתונים המשמש באיורים 9 ו 10 הוא זהה. עם זאת, בשל השימוש בטווח שונה של VIs בתמונות VI שונות באיורים 7 ו- 8, קיימת שונות ברורה בנקודות הנתונים בגרפים של LST ממוצע מול VIs. טווח הערכים בתמונות השונות גם הוא מגוון. לפיכך, מספר נקודות הנתונים של LST ממוצע גם הוא משתנה בהתחשב בטווח של ערכי NDVI ו- EVI. בשל ווריאציות אלו, נקודות הנתונים באיור 11 הן שונות.

היקף הצמחייה הירוקה מיוצג באופן מוצלח יותר על ידי EVI מאשר NDVI ולפיכך LST ממוצע עם EVI מציג יחסים מוצלחים יותר מאשר NDVI. ניתן לראות כי אזורי צמחייה צפופה מיוצגים באופן טוב יותר על ידי EVI מאשר NDVI, ההופך לרווי בתנאים אלו. בדומה, האפקטיביות של EVI בהפחתת אותות רקע בולטת גם היא בתמונות ה- EVI וה- NDVI של אותה תקופה. לפיכך, ה- EVI מהווה אינדיקאטור מוצלח יותר מאשר NDVI עבור מחקרי SUHI.

המחקר הנוכחי ניתח את היחסים של LST עם NDVI ו- EVI. רק הפרמטרים העונים על קריטריוני האיכות נכללו בניתוח. נמצאו יחסים הפוכים בין LST ל- VIs. נמצאה שונות גבוהה ב- LST במיקומים בעלי צמחייה מועטה/לא קיימת, הנובעת מהשונות ב- LU באזורים אלו, בעוד שווריאציות אלו באזורים בעלי צמחיה צפופה הן נמוכות בהרבה. ניתן לראות כי דיאגראמות הפיזור של יחסי LST ו- VIs מציגות מגמות שונות במהלך עונות שונות, כלומר יחסים אלו הם תלויי-עונה, תוצאה הדומה לממצאים של מחקרים רבים קודמים. עם זאת, רוב המחקרים האלו נערכו באקלים קר, והראו כי היחסים בין LST ל- NDVI הם טובים רק במהלך הקיץ ותחילת הסתיו, בעוד שבמחקר הנוכחי הנערך באקלים צחיח-למחצה, היחסים בין LST ל- NDVI נמצאו כטובים יותר במהלך החורף והמונסון מאשר בקיץ. לפיכך, הקונספט הכללי לפיו יחסי LST-NDVI הם טובים רק במהלך הקיץ אינו נכון לחלוטין, כאשר האקלים של אזור המחקר הוא זה השולט במובהקות של יחסי LST ו- VI בעונה ספציפית.

איור 8: תמונות EVI של MODIS של אזור המחקר בעונות שונות.

4.6. דפוס %ISA

תוצאת הסיווג מספקת טווח רצוף של %ISA מ- 0 עד 100%. ה- %ISA הוא פרמטר שאינו תלוי בעונה, המייצג אורבניזציה. בכדי לנתח את הדפוס המרחבי של שטחים אטומים באזור המחקר, תמונות %ISA של תקופות שונות באזור המחקר מוצגות באיור 12.

אזורים עירוניים מציגים ערכים גבוהים יותר של %ISA בהשוואה לאזורים כפריים, בשל הנוכחות של משטחים אטומים כמו בניינים, כבישים, מגרשי חנייה וכדומה. שטחים חקלאיים ואזורי צמחייה באזורי הכפר מציגים 0% של שטחים אטומים. אדמה חשופה באזורי הכפר מציגה ערכים נמוכים ביותר של %ISA בהשוואה לאזורים עירוניים.

ערכי %ISA חושבו ברזולוציית Landsat TM/OLI של 30 m וברזולוציית אגרגציה של m 926.6 . ערכי המקסימום והמינימום האבסולוטיים הכוללים של %ISA באזור המחקר הם 0 ו- 100, בהתאמה. הממוצע הכולל של %ISA באזור המחקר נע בין 10.13% ל- 49.76%. איור 12 מציג את תמונת %ISA המקורית (רזולוציה 30 m) ותמונת %ISA באגרגציה (רזולוציה 926.6 m). ניתן לראות בתמונות כי אפילו לאחר האגרגציה, פרופיל ה- %ISA הכללי נותר זהה.

איור 9: דיאגראמות פיזור של LST מול NDVI בעונות שונות.

איור 10: דיאגראמות פיזור של LST מול EVI בעונות שונות.

4.6.1. יחסי LST מול %ISA

דיאגראמות הפיזור של יחסי LST-%ISA בעונות השונות מוצגות באיור 13. היחסים בין %ISA ל- LST הם דומים בכל 3 העונות עם מגמת עלייה עקבית (איור 13). למרות שניתן לראות וריאציה גבוהה בדיאגראמות הפיזור המציגות מגמה חלשה בערכי %ISA נמוכים, המגמה היא חזקה עבור ערכי %ISA גבוהים. בדרך כלל, ערכי %ISA הם נמוכים בהרבה באזורים עירוניים בהשוואה לאזורי הכפר, בשל המחסור בשטחים אטומים כמו כבישים, שטחי בנייה וכדומה, המובילים למגמה חלשה, וכמו גם הנוכחות של אדמה חשופה, צמחייה ושדות חקלאיים מציגים ערכי %ISA נמוכים ביותר באזורי הכפר המובילים לטמפרטורות שטח נמוכות. מגמה חלשה זו עשויה לנבוע מהעובדה כי בערכי %ISA נמוכים, האורבניזציה אינה משפיעה באופן משמעותי ולפיכך וריאציות ה- LST נשלטות על ידי ההשפעה המשולבת של מספר פרמטרים אחרים כמו חיפוי הצמחייה והדיס פוזיציה שלה, הסוג, והיקף אטימות השטח, המצב של פיקסלים סמוכים, וכן הלאה. המגמה המשופרת עבור ערכי %ISA גבוהים יותר מצביעה על כך כי עבור אזורים עירוניים, ה- %ISA, בהשוואה לפרמטרים אחרים, משפיע במידה רבה יותר על LST. מגמה דומה בעונות שונות מצביעה על כך בשונה מ- VIs, היחסים של %ISA ו- LST אינם תלויים בעונה. יואן ובאואר תיעדו יחסים חזקים בין כמות השטח האטום לבין טמפרטורות השטח, או אפקט UHI, לו נמצא תוקף גם במחקר הנוכחי. ה- %ISA מספק מדידה אובייקטיבית של ההיקף והאינטנסיביות של הפיתוח העירוני. ה- %ISA הוא אינדיקאטור של אורבניזציה הגדל יחד עם ההתפתחות של העיר. בנוסף, הוא לוקח בחשבון, במידה מסוימת, את ההשפעה של חום אנתרופוגני הנוצר בשל פעילויות שונות המתרחשות באזורים עירוניים כמו תעשייה, מיזוג אוויר, תנועת כלי רכב וכדומה. לפיכך הניתוח של SUHI באמצעות %ISA לא רק שוקל את השטחים האטומים אלא גם מתחשב, במידה מסוימת, בהשפעה של חום אנתרופוגני, שהוא אחד התורמים העיקריים לאפקט UHI. זה מסביר את הדפוס העולה העקבי בין LST ל- %ISA.

איור 14 מציג את הקורלציה בין LST ממוצע לבין %ISA בכל 3 העונות לצד מקדם הקורלציה (R2). נמצא כי הגרף בין LST ממוצע לבין %ISA מציג מגמת עלייה בכל העונות. מקדם הקורלציה בחורף נמצא כגבוה יותר בהשוואה לקיץ ולמונסון. לפיכך באזור המחקר בג’איפור, הקורלציה בין LST ממוצע ל- %ISA היא טובה יותר בחורף מאשר בקיץ ובמונסון. נמצאה קורלציה חיובית בין LST ל- %ISA, ויחסים אלו נמצאו כדומים באופן עקבי בכל 3 העונות. תוצאה ו מלמדת כי היחסים בין LST ל- %ISA אינם תלויים בעונה. מגמה דומה בעונות שונות מראה כי בניגוד ל- VIs, היחסים של %ISA עם LST אינם תלויים בעונה. למרות שהצמחייה תלויה באורבניזציה והיא בדרך כלל פוחתת עם העלייה באורבניזציה, באזור המחקר היא תלויה בנוסף בגשמים של עונת המונסון. ה- %ISA כולל את ההשפעה העקיפה של העלייה בטמפרטורה כתוצאה מחום אנתרופוגני לצד ההשפעה הישירה של אטימות השטחים העירוניים.

איור 11: יחסי LST  ממוצע ו- VI בעונות שונות.

4.7. הדפוס של NDBI

במהלך עונת המונסון, האזורים העירוניים מציגים ערכי NDBI גבוהים יותר בהשוואה לאזורים הכפריים. בדרך כלל אזורי צמחייה מציגים ערכי NDBI נמוכים ביותר בכל העונות. במהלך הקיץ והחורף, נמצא כי אזורים כפריים מציגים ערכי NDBI גבוהים יותר בהשוואה לאזורים עירוניים מכיוון שהאדמה החשופה באזורים הכפריים מציגה רפלקטיביות ספקטראלית גבוהה יותר בפס SWIR בהשוואה לאזורי הבנייה בעיר.

הערכים של NDBI חושבו ברזולוציית Landsat TM/OLI של 30 m ובתוצאת אגרגציה של 926.6 m. הערכים המקסימאליים והמינימאליים הכוללים האבסולוטיים של NDBI באזור המחקר הם 0.58 ו- -0.72 בהתאמה. ערך ה- NDBI הכולל הממוצע באזור המחקר הוא 0.16. איור 15 מציג את תמונת ה- NDBI המקורית (רזולוציה של 30 m) ותמונת NDBI באגרגציה (רזולוציה 926.6 m). ניתן לראות בבירור מהתמונות כי גם לאחר האגרגציה, פרופיל ה- NDBI הכללי נותר דומה.

טבלה 7: מקדם קורלציה עבור יחסי LST ממוצע ו- NDVI.

טבלה 8: מקדם קורלציה עבור יחסי LST ממוצע ו- EVI.

4.7.1. יחסי LST מול NDBI

דיאגראמות הפיזור הנוגעות ליחסי LST-NDBI בעונות שונות מוצגות באיור 16. דיאגראמות הפיזור של NDBI מול LST מציגות דפוס בלתי רגיל ומגמה אופקית בכל העונות. בעונות שונות, קו המגמה של דיאגראמות הפיזור מציג יחס חיובי בין LST ל- NDBI. אך בעונת הקיץ, קווי המגמה של דיאגראמות הפיזור מציגים יחסים ליניאריים ושליליים בין LST ל- NDBI. בדרך כלל אדמה חשופה באזורי הכפר מציגה רפלקטיביות ספקטראלית גבוהה בפס SWIR בהשוואה לשטחי בנייה בעיר. צמחייה יבשה או חסרה יכולה גם היא להציג רפלקטיביות גבוהה בטווח אורך-גל SWIR בהשוואה לטווח NIR, המובילה לערכים חיוביים בדימות NDBI עבור צמחים אלו. לפיכך בקיץ ובחורף האזורים הכפריים מציגים ערכי NDBI גבוהים יותר בהשוואה לשטחים העירוניים. מאיור 15 ניתן לראות בבירור כי אדמה וצמחייה יבשה באזורים הכפריים מציגות ערכי NDBI גבוהים יותר. לפיכך ה- NDBI אינו יכול לשמש כאינדיקאטור מוצלח עבור מחקרי SUHI שבהם אדמה חשופה, כולל צמחייה יבשה, היא דומיננטית באזורים הכפריים. בעונת המונסון, האזורים העירוניים מציגים ערכי NDBI גבוהים יותר בהשוואה לאזורי הכפר. האזורים הכפריים מציגים ערכי NDBI נמוכים יותר בשל צפיפות הצמחייה בזמן המונסון. לפיכך דיאגראמות הפיזור מציגות קווי מגמה חיוביים בזמן עונת המונסון. המגמה של יחסי LST  ו- NDBI בזמן העונות השונות היא שונה, תוצאה המלמדת כי היחסים בין LST ל- NDBI הם תלויי-עונה. ביצועי ה- NDBI עשויים להיות מושפעים באופן שלילי ועקיף מנוכחות של חיפויים אחרים בעלי רפלקטיביות עונתית, כמו צמחייה, אדמה וכדומה. שטחי צמחייה באזורי הכפריים מציגים ערכי NDBI נמוכים ביותר. לפיכך בעונת המונסון האזורים הכפריים מציגים ערכי NDBI נמוכים.

איור 17 מציג את הקורלציה בין LST ממוצע ל- NDBI בכל 3 העונות לצד מקדם הקורלציה (R2) נמצא כי הגרף בין LST ממוצע לבין NDBI מציג מגמת עלייה במונסון ובחורף. נמצאו יחסים שליליים או נמוכים מאוד בין LST ממוצע לבין NDBI במהלך הקיץ. מקדם הקורלציה בזמן המונסון נמצא כגבוה יותר בהשוואה לחורף ולקיץ. לפיכך באזור המחקר בג’איפור, הקורלציה בין LST ממוצע לבין NDBI היא טובה יותר בעונת המונסון מאשר בקיץ ובחורף. הניתוח הכללי של היחסים בין LST לבין פרמטרים שונים מלמד כי היחסים של %ISA עם LST הם טובים יותר מהיחסים של NDBI עם LST. אסוציאציות אלו בין LST ל- NDBI כוללות מגבלות בכל הנוגע לעונה וליחסים בין LST ממוצע לבין NDBI, מפני שלמרות שהן מציגים מגמות שונות בעונות השונות, הן פחות טובות מהיחסים בין LST ממוצע לבין %ISA. ה- %ISA יכול לשמש לייצוג התנודות העונתיות והטמפוראליות בדפוסים ליניאריים דומים, אך עם משוואות יחסיות שונות של מקדם הקורלציה העדיף. לפיכך, ה- %ISA מהווה אינדיקאטור טוב יותר עבור ניתוח של אפקט SUHI, ללא תלות בעונה.

איור 12: תמונות %ISA של אזור המחקר בעונות שונות.

4.8. היחסים של LST וגובה

קיימים מספר הבדלי גובה ברחבי אזור המחקר. איור 18 מציג את מודל הגובה הדיגיטלי (DEM) של אזור מחקר בו ניתן לראות גבעות בגבהים שונים. ניתן לראות בנוסף מספר גבעות מבודדות באזור המחקר. החלק הגבוה ביותר והנמוך ביותר באזור המחקר מציגים פער של 326 m בקירוב. איור 18 מציג את ה- DEM של אזור המחקר בג’איפור. אזור המחקר הוא הררי עם גובה מינימאלי ומקסימאלי של 330 m ו- 656 m. השיפוע הכללי של הקרקע הוא מצפון-מערב לדרום-מזרח. גבעות אראוואלי נמשכות לכיוון צפון וצפון-מזרח. תמונת ASTER נדגמה-מחדש באותה רזולוציה (926.6 מ’) כמו תמונת ה- MODIS LST. לאחר הדגימה-מחדש, הגובה המקסימאלי פחת ל- 605 m, והגובה המינימאלי עלה ל- 340 m, בשל מיצוע של פיקסלים סמוכים. וריאציות מרחביות של מדדי צמחייה לא רק כפופות להשפעה של כמות הצמחייה, אלא גם לטופוגרפיה, גובה, זמינות של קרינה סולארית, וגרומים אחרים. בתמונות חישה-מרחוק של האזורים ההרריים, בשל ההשפעה של שיפוע הקרקע, מתועדת צפיפות גבוהה של צמחייה על פני אזורים אלו. לפיכך תוואי הקרקע והטופוגרפיה של אזור ספציפי הם גורמים משמעותיים עבור מחקרי UHI.

איור 13: דיאגראמות פיזור של LST מול %ISA בעונות שונות.

איור 14: יחסי LST ממוצע ו- %ISA בעונות שונות.

איור 15: תמונות NDBI של אזור המחקר בעונות שונות.

4.8.1. יחסי LST מול גובה

אזור המחקר הוא הררי וקיימות וריאציות בגובה של חלקים שונים. דיאגראמות הפיזור של יחסי LST-גובה בעונות השונות מוצגות באיור 19. השוואה של 4 התמונות של אזור המחקר למדת כי במהלך עונת המונסון, מספר קטן יותר של פיקסלים נכלל באזור הטמפרטורה הגבוהה, ולאחר מכן עונת החורף כאשר בקיץ יש מקסימום פיקסלים באזור הטמפרטורה הגבוהה. נמצאה מגמה ליניארית חיובית עקבית בין LST לגובה בכל העונות. נמצא כי דיאגראמות הפיזור של LST-גובה מציגות יחסים שליליים באזורים הגבוהים בזמן המונסון בהשוואה לקיץ ולחורף. ניתi לשייך זאת לעובדה כי במהלך עונת המונסון האדמה מכוסה בצמחייה ירוקה ולפיכך גורמת לאפקט קירור על LST בעדו שבקיץ חיפוי הצמחייה הוא מינימאלי ולפיכך ה- LST הוא גבוה. נמצא כי ערכי האמיסיביות של דגימות הסלע מגבעות אראוואלי הם גדולים יותר מאלו של דגימות אדמה חשופה של ראג’אסטן. לפיכך לסלעים חשופים יהיה  LST גבוה יותר, בשל האמיסיביות הגבוהה, בהשוואה לאדמה חשופה ושטחי צמחייה. דיאגראמות הפיזור מציגות דפוס ליניארי עקבי בין הגובה ל- LST בכל 3 העונות. כאשר הגובה עולה, בדרך כלל ה- LST מציג מגמה יורדת. אך במחקר זה, כאשר הגבוה העולה נרשמת מגמת עלייה ב- LST מכיוון שה- LST מושפע מפרמטרים רבים כמו קרינה סולארית, זווית הקרינה הסולארית, מאפייני קרקע כמו חספוס, לחות, היקף הצמחייה וכדומה בתוצאות אלו בפיזורים השונים בעונות השונות.

נמצא בנוסף כי השונות ב- LST הנובעת משינויים בגובה היא שונה ממפל הטמפרטורה באטמוספרה הרלוונטי כאשר בוחנים טמפרטורות אוויר לאורך עמודות אוויר מעל פני הקרקע. הירידה ב- LST נעה בין 3.5 K ל- 4.6 K בכל 1000 m שינוי בגובה כאשר השינוי בגובה קשור במרחק האופקי בין נקודות העניין. לפיכך וריאציות ה- LST כתוצאה משינויים בגובה בשני מיקומים הן כמעט מחצית מאלו של מפל הטמפרטורה באטמוספרה. תוצאה זו מלמדת כי לצד גורמים נוספים, גם הגובה ממלא תפקיד משמעותי בדינאמיקות של טמפרטורות הקרקע ובכל מחקר הקשור להתפלגות המרחבית של LST על פני שטח גדול, יש לשקול את ההשפעה של שינוים בגובה.

איור 16: דיאגראמות פיזור של LST מול NDBI בעונות שונות.

איור 17: יחסי LST ממוצע ו- NDBI בעונות שונות.

5. סיכום

ה- LST של 8-יום בשעות הלילה יושם במחקר הנוכחי, עבור ניתוח של אפקט UHI בעיר ג’איפור, שנערך בקיץ, בחורף ובעונת המונסון. נמצא SUHI מובהק באזור המחקר מניתוח של נתוני LST של 13 שנים מ- 2003 עד 2015. החלק המזרחי של האזור העירוני של ג’איפור המהווה את ה- CBD של העיר מציג LST מקסימאלי בשל השטחים הבנויים והסלולים הרבים. ה- UHIINDEx הממוצע של 12 פיקסלים הנכללים ב- CBD הוא מעל 0.90, תוצאה המלמדת כי LST  גבוה מתרחש בדרך כלל בפיקסלים אלו וניתן להחשיב אותם בתור HS עם UHIINDEX ממוצע מקסימאלי של 0.95. ה- HS מתפקדות בתור המרכז של ה- UHI בג’איפור ושאר הפיקסלים של הטמפרטורות הגבוהות ממוקמים מסביב לפיקסלים אלו. נמצאו וריאציות מובהקות באינטנסיביות UHI על פני כל אזור המחקר. אינטנסיביות ה- UHI הממוצעת המקסימאלית של עונות שונות נעה בין 5.12 K ל- 10.37 K. אינטנסיביות ה- UHI  המקסימאלית הממוצעת הכוללת של אזור המחקר במהלך המונסון, הקיץ והחורף היא 6.36 K, 8.01 K ו- 9.21 K בהתאמה. אינטנסיביות ה- UHI המקסימאלית הממוצעת הכוללת באזור המחקר בכל העונות היא 7.86 K.

נמצאו יחסים שליליים בין LST ל- NDVI ו- EVI בכל העונות. הגרף של LST ממוצע מול VI מציג יחסים טובים יותר במהלך החורף בהשוואה לקיץ. ההיקף של צמחייה ירוקה מיוצג טוב יותר על ידי EVI מאשר NDVI ולפיכך ה- LST  הממוצע מציג יחסים טובים יותר עם EVI מאשר עם NDVI. כלומר ה- EVI הוא אינדיקאטור טוב יותר מאשר NDVI עבור מחקרי SUHI. היחסים בין LST ל- %ISA הם כמעט זהים בכל העונות עם מגמת עלייה עקבית.למרות שניתן לזהות שונות גבוהה בדיאגראמות הפיזור המציגות מגמה חלשה עבור ערכי %ISA נמוכים, המגמה היא חזקה עבור ערכי %ISA גבוהים. ביחסי ה- LST הממוצע מול %ISA, נמצא כי מקדם הקורלציה בחורף הוא גבוה יותר בהשוואה למונסון ולקיץ. מגמה דומה בעונות השונות מלמדת כי בשונה מ- VIs, היחסים בין %ISA ל- LST אינם תלויים בעונה. למרות שהצמחייה תלויה בהיקף האורבניזציה, והיא בדרך כלל פוחתת עם העלייה באורבניזציה, באזור המחקר היא תלויה בנוסף בגשמים של עונת המונסון.

נמצאו יחסים חיוביים בין LST ל- NDBI, בעיקר בעונת המונסון. המגמה של יחסי LST ו- NDBI במהלך העונות השונות היא שונה, תוצאה המלמדת כי הקורלציה בין LST ל- NDBI תלויה בעונה. ביחסי LST ממוצע מול NDBI, נמצא כי מקדם הקורלציה בעונת המונסון הוא גבוה יותר בהשוואה לחורף ולקיץ. בדרך כלל, ה- NDBI מציג ערכים טובים יותר בעונת המונסון, כך שיחסי LST-NDBI הם טובים יותר בעונת המונסון בהשוואה לקיץ ולחורף. בדרך כלל, אדמה חשופה באזורים הכפריים מציגה רפלקטיביות ספקטראלית גבוהה ב- SWIR בהשוואה לשטחי בנייה עירוניים. צמחייה יבשה ודלילה יכולה גם היא להציג רפלקטיביות גבוהה ב- SWIR בהשוואה ל- NIR, מה שמוביל לערכי NDBI חיוביים עבור צמחייה זו בתמונות NDBI. לפיכך ה- NDBI אינו מהווה אינדיקאטור מוצלח עבור מחקרי SUHI שבהם קיימים שטחים רבים שלאדמה חשופה או צמחייה דלילה ויבשה באזורים כפריים, במיוחד בעונת הקיץ. בקיץ, קווי המגמה של דיאגראמות הפיזור מציגים קורלציה שלילית או ליניארית בין LST ל- NDBI. לפיכך, %ISA מהווה פרמטר אורבניזציה טוב יותר במחקרי SUHI בהשוואה ל- NDBI. נמצאה מגמה ליניארית חיובית עקבית בין LST לגובה בכל העונות. דיאגראמות הפיזור של LLST-גובה מציגות יחסים שליליים בגובה רב במהלך המונסון בהשוואה לקיץ ולחורף. זאת מכיוון שבעונת המונסון האדמה מכוסה בצמחייה ירוקה הגורמת לאפקט קירור ב- LST בעוד שבקיץ חיפוי הצמחייה הוא מינימאלי ולפיכך ה- LST הוא גבוה.

הניתוח הכולל של היחסים של LST עם הפרמטרים השונים מלמד כי קיימים יחסים מורכבים ביותר ביניהם. למרות ש- %ISA, NDVI, EVI – NDBI הם פרמטרים בלתי-תלויים המשפיעים באופן ייחודי על LST, הם בכל זאת משפיעים במידה מסוימת זה על זה. מרבית המחקרים הקודמים ניתחו את וריאציות LST בתור השפעה של פרמטר אינדיבידואלי ולא בדקו את ההשפעה הסימולטנית של מספר פרמטרים. נדרש לקבוע את ההשפעה הקולקטיבית של כל הפרמטרים הללו על LST. בהתחשב בווריאציות העונתיות והטמפוראליות ב- LST, UHIINDEX שימש לחקר של ההשפעות הסימולטניות של מספר פרמטרים על LST.

איור 18: מודל גובה דיגיטלי של אזור המחקר.

איור 19: דיאגראמות פיזור של LST מול גובה בעונות שונות.