GeoHelper

✍ علی زارعی 🌎نقشه تهیه شده، زمان سفر زمینی از هر نقطه به نزدیک‌ترین منطقه با جمعیت متراکم را در سال ۲۰۱۵ نشان می‌دهد. مناطق با جمعیت متراکم به عنوان نواحی پیوسته با تراکم حداقل ۱۵۰۰ نفر در هر کیلومتر مربع یا مناطقی با پوشش غالب شهری و جمعیت حداقل ۵۰,۰۰۰ نفر تعریف شده‌اند. 📉📈این اطلاعات جهانی توسط پروژه نقشه‌برداری مالاریا دانشگاه آکسفورد، گوگل، مرکز تحقیقات مشترک اتحادیه اروپا (JRC) و دانشگاه توئنته، هلند تولید شده است. داده‌های پایه شامل جاده‌ها (با استفاده از داده‌های OpenStreetMap و Google Roads)، راه‌آهن، رودخانه‌ها، دریاچه‌ها، اقیانوس‌ها، شیب و ارتفاع زمین، پوشش زمین و مرزهای کشوری هستند. به هر لایه داده، بر اساس نوع عارضه و شرایط فیزیکی زمین، سرعت سفر مشخصی برای عبور از هر پیکسل اختصاص داده شده است. سپس تمامی لایه‌ها با یکدیگر ترکیب شدند تا یک «سطح مقاومت حرکتی» ایجاد شود؛ به‌گونه‌ای که هر پیکسل، سرعت یا هزینه زمانی کلی سفر را بر اساس نوع پوشش و شرایط زمین نشان می‌دهد. ✅ این نقشه برای تحقیقات سلامت، مدیریت بحران و امدادرسانی، برنامه‌ریزی توسعه شهری و منطقه‌ای، تحقیقات محیطی و توسعه پایدار، بسیار مفید است و می‌تواند تصمیم‌گیری‌های فضایی و سیاست‌گذاری در ایران را بهبود دهد. Follow us 👇 Telegram : https://t.me/GeoHelperData

✍علی زارعی (دانشجوی دکتری اقلیم شناسی در دانشگاه تهران) 🌡️ جزیره گرمایی شهری (Urban Heat Island - UHI) پدیده‌ای است که در آن مناطق شهری نسبت به نواحی اطراف دمای بیشتری دارند. این وضعیت به طور کلی به دلیل گسترش سطوح مصنوعی، ساختمان‌ها، آسفالت و کاهش پوشش گیاهی ایجاد می‌شود. شاخص UHI (سطحی) از اختلاف دمای سطح زمین (LST) بین مناطق شهری و غیرشهری (پیرامون) محاسبه می‌شود؛ مقادیر مثبت بیانگر جزیره گرمایی و مقادیر منفی نشان‌دهنده جزیره سرمایی شهری هستند. 🚨نکته مهم این است که جزیره گرمایی شهری عمدتاً یک پدیده شبانه محسوب می‌شود، زیرا سطوح شهری گرمای جذب‌شده در طول روز را در شب آزاد می‌کنند. بنابراین بخش هایی با دمای سطحی بالاتر که در تصاویر روزانه مشاهده می شود، بیشتر «لکه‌های داغ» (Hot Spots) هستند و لزوماً جزیره گرمایی شهری به شمار نمی‌آیند. 📍 نقشه ارائه‌شده شاخص UHI شهر تهران را نشان می‌دهد که با استفاده از تصاویر MODIS (LST Night) در سامانه Google Earth Engine محاسبه و استخراج شده است. این نقشه بر اساس میانگین سالانه ۲۰ سال داده تهیه شده و الگوی بلندمدت جزایر گرمایی شهر تهران را نمایش می‌دهد. Follow us 👇 https://t.me/GeoHelperData

✍علی زارعی (دانشجوی دکتری اقلیم شناسی در دانشگاه تهران) دمای سطح زمین (Land Surface Temperature (LST)) یکی از مهم‌ترین متغیرهایی است که استفاده فراوانی در مطالعات محیطی و شهری دارد. این متغیر بیانگر دمای سطوح مختلف از جمله پوشش‌های گیاهی، خاک، آسفالت، بتن، بام ساختمان‌ها و سایر عوارض سطحی است و از طریق سنجنده‌های حرارتی ماهواره‌ای اندازه‌گیری می‌شود. به دلیل نقش اساسی LST در تبادل انرژی میان سطح زمین و جو، این شاخص در مطالعات تغییر اقلیم، جزیره حرارتی شهری، ارزیابی تنش گرمایی، مدیریت منابع آب، کشاورزی، پایش خشکسالی و برنامه‌ریزی شهری کاربرد گسترده‌ای دارد. نکته‌ای که اغلب موجب برداشت نادرست می‌شود، یکسان دانستن دمای سطح زمین با دمای هوا است؛ در حالی که این دو کمیت از نظر مفهوم و روش اندازه‌گیری کاملاً متفاوت هستند. دمای هوا همان دمایی است که ایستگاه‌های هواشناسی به‌طور استاندارد در ارتفاع نزدیک به دو متری از سطح زمین و درون محفظه‌های مخصوص اندازه‌گیری می‌کنند اما LST، دمای خود سطح زمین و عوارض موجود بر روی آن را نشان می‌دهد که توسط سنجنده‌های حرارتی ماهواره‌ای ثبت می‌شود. به همین دلیل، به‌ویژه در روزهای گرم و آفتابی، دمای سطح زمین می‌تواند اختلاف قابل‌توجهی با دمای هوا داشته باشد و معمولاً مقادیر بالاتری را نشان دهد. نقشه‌های ارائه‌شده، میانگین سالانه دمای سطح زمین (Annual LST) را برای شهر تهران و حومه در دوره ۲۰۰۶ تا ۲۰۲۵ (میانگین ۲۰ ساله) نشان می‌دهند. این نقشه‌ها با استفاده از محصولات دمای سطح زمین سنجنده MODIS نصب‌شده بر روی ماهواره Aqua تهیه شده‌اند. نقشه LST روز مربوط به عبور روزانه ماهواره در حدود ساعت ۱۳:۳۰ به وقت محلی و نقشه LST شب مربوط به عبور شبانه در حدود ساعت ۰۱:۳۰ بامداد به وقت محلی است. این داده‌ها امکان بررسی الگوی مکانی دمای سطح زمین و تحلیل تغییرات حرارتی شهر تهران را در یک دوره بلندمدت فراهم می‌کنند. Follow us 👇 https://t.me/GeoHelperData

✍️علی زارعی (دانشجوی دکتری اقلیم شناسی در دانشگاه تهران) 📊 اعتبارسنجی چیست و چرا اهمیت دارد؟ 🌍 یکی از مهم‌ترین مراحل در پژوهش‌هایی که در آن‌ها از مدل‌های اقلیمی استفاده می‌شود، اعتبارسنجی (Validation) است. در این مرحله، خروجی مدل‌ها با داده‌های مرجع مقایسه می‌شود تا میزان دقت و قابلیت اعتماد آن‌ها مشخص شود. اعتبارسنجی به ما کمک می‌کند تا مناسب‌ترین مدل را برای مطالعات اقلیمی و پیش‌آگاهی از تغییرات آینده انتخاب کنیم. ✅یکی از بهترین روش‌ها برای نمایش نتایج اعتبارسنجی، نمودار تیلور (Taylor Diagram) است. این نمودار به‌صورت هم‌زمان سه شاخص آماری مهم را نمایش می‌دهد و امکان مقایسه عملکرد چندین مدل را در یک شکل فراهم می‌کند. 🔹 اجزای مختلف نمودار تیلور : 📌 انحراف معیار (Standard Deviation): قوس‌های مشکی (در شکل ارائه شده) نشان‌دهنده انحراف معیار (Standard Deviation) هستند و میزان تغییرپذیری داده‌های هر مدل را نمایش می‌دهند. هرچه انحراف معیار مدل به مقدار داده‌های مرجع نزدیک‌تر باشد، مدل توانسته تغییرات واقعی را بهتر شبیه‌سازی کند. 📌 ضریب همبستگی (Correlation Coefficient): خطوط آبی رنگ (در شکل ارائه شده) ضریب همبستگی را نشان می‌دهند. هرچه مقدار همبستگی به عدد ۱ نزدیک‌تر باشد، شباهت الگوی تغییرات مدل با داده‌های مرجع بیشتر است. 📌ریشه میانگین مربعات اختلاف (Root Mean Square Difference): کمان‌های سبزرنگ (در شکل ارائه شده) مقدار RMSD را نشان می‌دهند. این شاخص میزان اختلاف کلی بین خروجی مدل و داده‌های مرجع را بیان می‌کند؛ بنابراین هرچه مقدار RMSD کمتر باشد، عملکرد مدل بهتر است. 📌داده‌های مرجع یا مشاهداتی Observation: نقطه Observation نمایانگر داده‌های مرجع است و مدل‌هایی که به این نقطه نزدیک‌تر باشند، از دقت بیشتری برخوردارند. 🔹 جمع‌بندی به‌طور کلی، در نمودار تیلور بهترین مدل، مدلی است که: ✅ ضریب همبستگی بالاتری (نزدیک به ۱) داشته باشد. ✅ مقدار RMSD کمتری داشته باشد. ✅ انحراف معیار آن به داده‌های مشاهده‌ای نزدیک‌تر باشد. 📖 منبع: نمودار ارائه شده برگرفته از مقاله زارعی و مقبل (2025) است. در بخش اعتبارسنجی این مقاله، عملکرد ۹ مدل گردش عمومی جو (GCM) به‌صورت منفرد و همچنین میانگین چندمدلی (MME) در شبیه‌سازی شاخص ACDD برای ایران، با استفاده از داده‌های مرجع ارزیابی شده … خواندن کامل ←