BỘ KHOA HỌC VÀ CÔNG NGHỆ
HỆ THỐNG THÔNG TIN KHOA HỌC VÀ CÔNG NGHỆ

Lọc theo danh mục
  • Năm xuất bản
    Xem thêm
  • Lĩnh vực
liên kết website
Lượt truy cập
 Lượt truy cập :  24,605,743
  • Công bố khoa học và công nghệ Việt Nam

Kỹ thuật môi trường và địa chất, địa kỹ thuật

Nguyễn Kiều Diễm, Phan Kiều Diễm(1)

Theo dõi đảo nhiệt bề mặt đô thị tại thành phố Cần Thơ giai đoạn 2014-2020

Spatiotemporal variation of surface urban heat island effect in Can Tho city in the period of 2014-2020

Khoa học (Đại học Cần Thơ)

2022

4

35-44

1859-2333

Độ lớn đảo nhiệt, Landsat, Nhiệt độ bề mặt

Heat island intensity, Landsat, Land surface temperature

Nghiên cứu nhằm theo dõi sự thay đổi nhiệt độ bề mặt (land surface temperature-LST) và đảo nhiệt bề mặt đô thị (surface urban heat island - SUHI) tại thành phố Cần Thơ (TPCT) giai đoạn 2014-2020. LST được phân tích từ ảnh hồng ngoại nhiệt của Landsat, hiện trạng phủ bề mặt được giải đoán từ phương pháp phân loại hướng đối tượng (object-based approach). Độ lớn SUHI xác định bởi chênh lệch LST trung bình vùng đô thị so với ngoại ô. Với độ chính xác toàn cục (T=90%), kết quả cho thấy tỉ lệ diện tích đô thị tăng 1,33% (1.915 ha) và LST trung bình tăng 1,25oC trong 5 năm. SUHI phát triển với xu hướng tăng nhanh về không gian và thời gian. Năm 2020, đảo nhiệt tối đa là 8,96oC xảy ra ở 87,4 ha trong khi năm 2014 chỉ ở 6,98oC với 42,8 ha. Đảo nhiệt phân bố tại khu công nghiệp, nhà máy nhiệt điện, khu dân cư mật độ xây dựng cao. Các giải pháp giảm thiểu đảo nhiệt, bảo vệ môi trường đô thị nên được tích hợp trong chiến lược xây dựng đô thị bền vững thời gian tới.

This research aimed to monitor the variation of land surface temperature (LST) and surface urban heat island (SUHI) in Can Tho city in the period 2014-2020. LST was analyzed using Landsat thermal infrared band, an object-based approach was also used for land cover classification. SUHI intensity was determined as a difference between the LST of the urban areas and the temperature in rural areas. The result of accuracy assessment (T=90%) revealed that the urban areas increased about 1.33% (1,915 ha) and the average of LST rose about 1.25oC in 5 years. SUHI was analyzed in both spatial and temporal extent, the SUHI tended to increase in the period 2014-2020. In 2020, the maximum of SUHI was found at 8.96oC, covering about 87.39 ha while its value was about 6.98oC, about 42.8 ha in 2014. The highest SUHI was distributed mostly in the industrial zone, thermal power station, and high density contruction sites. The SUHI mitigation solutions to protect the urban environment should be integrated into sustainable urban planning and strategies in long term.

TTKHCNQG, CVv 403

Xem toàn văn
  • [1] Zhang, Y., Murray, A. T., & Turner Ii, B. L. (2017), Optimizing green space locations to reduce daytime and nighttime urban heat island effects in Phoenix, Arizona,Landscape and Urban Planning, 165, 162-171. https://doi.org/10.1016/j.landurbplan.2017.04.009
  • [2] Zhang, X., Estoque, R.C., & Murayama, Y. (2017), An urban heat island study in Nanchang City, China based on land surface temperature and social-ecological variables,Sustain. Cities Soc., 32, 557–568. https://doi.org/10.1016/j.scs.2017.05.005
  • [3] Zha, Y., Gao, Y., & Ni, S. (2003), Use of normalized difference built-up index in automatically mapping urban areas f-rom TM imagery,International Journal of Remote Sensing, 24, 583–594. https://doi.org/10.1080/01431160304987
  • [4] Yang, X., Peng, L. L. H., Jiang, Z., Chen, Y., Yao, L., &He, Y. (2020), Impact of urban heat island on energy demand in buildings: local climate zones in Nanjing,Appl. Energy, 260, 114279. https://doi.org/10.1016/j.apenergy.2019.114279
  • [5] Ya, M., Kuang, Y., & Huang, N. (2010), Coupling urbanization analyses for studying urban thermal environment and its interplay with biophysical parameters based on TM/ETM+ imagery,International Journal of Applied Earth Observation and Geoinformation, 12(2), 110– 118. https://doi.org/10.1016/j.jag.2009.12.002
  • [6] Xu, Y., & Shen, Y. (2013), Reconstruction of the land surface temperature time series using harmonic analysis,Computers & Geosciences, 61, 126-132. https://doi.org/10.1016/j.cageo.2013.08.009
  • [7] Xu, H. (2010), Analysis of impervious surface and its impact on Urban heat environment using the normalized difference impervious surface index (NDISI),Photogramm. Eng. Remote Sensing, 76, 557–565. https://doi.org/10.14358/PERS.76.5.557
  • [8] Wulder, M. A., White, J. C., Loveland, T. R., Woodcock, C. E., Belward, A. S., Cohen, W. B., Fosnight, E. A., Shaw, J., Masek, J. G.,& Roy, D. P. (2016), The global Landsat archive: Status, consolidation, and direction,Remote Sensing of Environment, 185, 271-283. https://doi.org/10.1016/j.rse.2015.11.032
  • [9] Wu, H. J., Yuan, Z. W., Zhang, L., & Bi, J. (2012), Life cycle energy consumption and CO2 emission of an office building in China,Int. J. Life Cycle Assess. 17, 105–118. https://doi.org/ 10.1007/s11367-011-0342-2
  • [10] Wang, Z., Gang, C., Li, X., Chen, Y., & Li, J. (2015), Application of a normalized difference impervious index (NDII) to extract urban impervious surface features based on Landsat TM images,International Journal of Remote Sensing, 36(4), 1055-1069 https://doi.org/10.1080/01431161.2015.1007250
  • [11] Wan, Z., Zhang, Y., Wang, R., & Li, Z. L. (2001), Early land-surface temperature product retrieved f-rom MODIS data,International Geoscience and Remote Sensing Symposium (IGARSS), 3(C), 1067–1069. https://doi.org/10.1109/igarss.2001.976748
  • [12] Vân, T. T., Bảo, H. D. X., Phượng, Đ. T. K., Mai, N. T. T., & Nhung, Đ. T. M. (2017), Đặc điểm môi trường nhiệt và diễn biến đảo nhiệt đô thị bề mặt khu vực bắc thành phố Hồ Chí Minh,Tạp chí Khoa học Trường Đại học Cần Thơ, 49, 11-20. https://doi.org/10.22144/ctu.jvn.2017.002
  • [13] Vân, T. T., Lan, H. T., & Trung, L. V. (2010), Nghiên cứu thay đổi nhiệt độ bề mặt dưới tác động của quá trình đô thị hóa ở thành phố Hồ Chí Minh bằng phương pháp viễn thám,Tạp chí các khoa học về Trái Đất, 33(3), 347-359
  • [14] USGS. (2022), USGS EROS Archive - Landsat Archives - Landsat 8 OLI (Operational Land Imager) and TIRS (Thermal Infrared Sensor) Level-1 Data Products,Available online: https://www.usgs.gov/centers/eros/science/usgseros-archive-landsat-archives-landsat-8-olioperational-land-imager-and (accessed on 12 February 2022)
  • [15] (2016), Landsat 8 (L8) Data Users Handbook (LSDS-1574 version 2.0). USGS Landsat User Services. U.S. Geological Survey,
  • [16] Tucker, C. J. (1979), Red and photographic infrared linear combinations for monitoring vegetation,https://doi.org/10.1016/0034-4257(79)90013-0
  • [17] Trung, P. D. V. (2014), Nghiên cứu quá trình đô thị hóa và ảnh hưởng của nó đến sự phát triển kinh tế - xã hội thành phố Cần Thơ,Luận án tiến sĩ ngành Địa lý học, trường Đại học Sư phạm thành phố Hồ Chí Minh
  • [18] Tong, Z., Chen, Y., & Malkawi, A. (2017), Estimating natural ventilation potential for highrise buildings considering boundary layer meteorology,Appl. Energy, 193, 276-286. https://doi.org/10.1016/j.apenergy.2017.02.041
  • [19] Thạch, N. N. (2009), Cơ sở viễn thám,
  • [20] Schowengerdt, R. A. (2007), Correction and calibration,Remote Sensing (Third edition), 285–354, XVI-XXIII. doi:10.1016/B978- 012369407-2/50010-3
  • [21] Stojanovic, M., Liberato, M. L. R., Sorí, R., Vázquez, M., Phan, V. T., Duong, V. H., Hoang, C. T., Nguyen, P. N. B., Nieto, R., & Gimeno, L. (2020), Trends and Extremes of Drought Episodes in Vietnam Sub-Regions during 1980– 2017 at Different Timescales,Water. 12(3):813. https://doi.org/10.3390/w12030813
  • [22] Stathopoulou, M., & Cartalis, C. (2007), Daytime urban heat islands f-rom Landsat ETM+ and Corine land cover data: An application to major cities in Greece,Sol. Energy, 81, 358–368. https://doi.org/10.1016/j.solener.2006.06.014
  • [23] Son, N. T., & Thanh, B. X. (2018), Decadal assessment of urban sprawl and its effects on local temperature using Landsat data in Cantho city, Vietnam,Sustainable Cities and Society, 36, 81–91. https://doi.org/10.1016/j.scs.2017.10.010
  • [24] Rizwan, A. M., Dennis, L. Y. C., and Liu, C. (2008), A review on the generation, determination and mitigation of Urban Heat Island,J. Environ. Sci. 20, 120–128. https://doi.org/10.1016/S1001- 0742(08)60019-4
  • [25] Oke, T. R. (1973), City size and the urban heat island,Atmospheric Environment (1967), Volume, 7(8), 769-779, ISSN 0004-6981, https://doi.org/10.1016/0004-6981(73)90140-6
  • [26] Mohajerani, A., Bakaric, J., & Jeffrey-bailey, T. (2017), The urban heat island effect, its causes, and mitigation, with reference to the thermal properties of asphalt concrete,Journal of Environmental Management, 197, 522–538. https://doi.org/10.1016/j.jenvman.2017.03.095
  • [27] Li, Y.Y., Zhang, H., & Kainz, W. (2012), Monitoring patterns of urban heat islands of the fast-growing Shanghai metropolis, China: Using time-series of Landsat TM/ETM+ data,Int. J. Appl. Earth Obs. Geoinf., 19, 127–138. https://doi.org/10.1016/j.jag.2012.05.001
  • [28] Kok, R. D., Schneider, T., & Ammer, U. (1999), Object based classification and applications in the Alpine forest environment,International Archives of Photogrammetry and Remote Sensing, 32(7), 4-3
  • [29] Kotharkar, R., Ramesh, A., & Bagade, A. (2018), Urban Heat Island studies in South Asia: A critical review,Urban Climate, 24, 1011-1026. https://doi.org/10.1016/j.uclim.2017.12.006
  • [30] Kaufman, Y. J., & Sendra, C. (1988), Automatic atmospheric correction,Int. J. Remote Sensing, 9, 1357-1381. https://doi.org/10.1080/01431168808954942
  • [31] Kikon, N., Singh, P., Singh, S. K., & Vyas, A. (2016), Assessment of urban heat islands (UHI) of Noida City, India using multi-temporal satellite data,Sustain. Cities Soc., 22, 19–28. https://doi.org/10.1016/j.scs.2016.01.005
  • [32] Jiang, H., Deng, Y., Chen, H., Tao, L., Sha, Q., Chen, J., Tsai, C., & Zhang, S. (2004), Joint analysis of two microarray gene expression data sets to se-lect lung adenocarcinoma marker genes,BMC bioinformatics, 5(1), 1-12. https://doi.org/10.1186/1471-2105-5-81
  • [33] Golub, T. R., Slonim, D. K., Tamayo, P., Huard, C., Gaasenbeek, M., Mesirov, J. P., Coller, H., Loh, M. L., Downing, J. R., Caligiuri, M. A., Bloomfield, C. D., & Lander, E. S. (1999), Molecular classification of cancer: class discovery and class prediction by gene expression monitoring,Science, 286 (5439), 531–537. https://doi.org/10.1126/science.286.5439.531
  • [34] Estoque, R. C., Murayama, Y., & Myint, S. W. (2017), Effects of landscape composition and pattern on land surface temperature: An urban heat island study in the megacities of Southeast Asia,Sci. Total Environ, 577, 349–359. https://doi.org/10.1016/j.scitotenv.2016.10.195
  • [35] Effat, H. A., Taha, L. G., & Mansour, K. F. (2014), Change detection of land cover and urban heat islands using multi-temporal landsat images, application in Tanta City, Egypt,Open Journal of Remote Sensing and Positioning, 1(2), 2374– 6386. DOI: 10.15764/RSP.2014.02001
  • [36] (2020), Niên giám thống kê TPCT năm 2019.,
  • [37] Chen, D., Xu, X., Sun, Z., Liu, L., Qiao, Z., & Huang, T. (2020), Assessment of Urban Heat Risk in Mountain Environments: A Case Study of Chongqing Metropolitan Area, China,Sustainability, 12(1), 309. https://doi.org/10.3390/su12010309
  • [38] Chen, Y., Chen, Q., & Jing, C. (2019), Multiresolution segmentation parameters optimization and evaluation for VHR remote sensing image based on meanNSQI and discrepancy measure,Journal of Spatial Science, 66(2), 253-278. DOI: 10.1080/14498596.2019.1615011
  • [39] Asgarian, A., Amiri, B. J., & Sakieh, Y. (2015), Assessing the effect of green cover spatial patterns on urban land surface temperature using landscape metrics approach,Urban Ecosyst, 18, 209–222. https://doi.org/10.1007/s11252-014- 0387-7