بررسی ارتباط آلاینده‌های هوا با شاخص‌های سنجش‌ازدور (ndvi،ndbi، lst و ati) در شهر تهران

آلودگی هوای شهری یک نگرانی عمده زیست‌محیطی و بهداشت عمومی در سراسر جهان است. هرروزه بر جمعیت شهر تهران به‌عنوان پایتخت ایران افزوده می‌شود که مشکلاتی از قبیل آلودگی هوا را به دنبال داشته و هرسال بر شدت آن نیز افزوده می‌شود. ازاین‌رو هدف این مطالعه یافتن ارتباط شاخص‌های سنجش‌ازدوری با آلاینده‌های هوا در سطح شهر تهران است. شاخص‌های مورداستفاده در این مطالعه شامل: دمای سطح زمین (lst)، شاخص نرمال شده تفاضلی پوشش گیاهی (ndvi)، اینرسی حرارتی ظاهری (ati) و شاخص تفاضلی نرمال شده مناطق ساخته شده (ndbi) استخراج شده از داده‌های تصاویر سنجنده oli و مودیس، همچنین پارامترهای آلاینده هوا شامل co،  no2و so2 طی ماه‌های آگوست، جولای و آوریل سال 2017 است. برای بررسی ارتباط بین شاخص‌های سنجش‌ازدور و آلاینده‌ها از ضریب همبستگی پیرسون استفاده شد. نتایج نشان داد در فصل بهار بالاترین مقدار همبستگی مثبت بین lst و so2 (0.24) و بیشترین میزان همبستگی منفی بین ndvi و so2 (0.36-) مشاهده شد. همچنین در فصل بهار بالاترین همبستگی مشاهده شده بین ati و co (0.24) و ndbi و so2 (27/.) وجود داشت. علاوه براین ارتباط قوی و منفی بین ndbi و ndvi به ترتیب در فصل بهار و تابستان (0.84-،0.91-) وجود دارد.

investigating the relationship between air pollutants and remote sensing indices (ndvi, ndbi, lst, and ati) in tehran

intra-urban air pollution is a major environmental and public health concern worldwide. as the capital of iran, tehran is increasing its population day by day, and it has caused problems such as air pollution, and its severity is subject to change every year. the aim of this study was to find a relationship between remotely sensed indices with pollutants and air pollution modeling in tehran. pearson correlation coefficient was used to investigate the relationship between independent variables and pollutants and multivariate linear regression model was used to model it. independent variables in this study are land surface temperature (lst), normalized vegetation difference index (ndvi), apparent thermal inertia (ati), and normalized difference built-up index (ndbi). the data obtained from landsat 8 satellite images and modis sensor were used. moreover, air pollution parameters were co, no2 and so2, which were prepared in two spring (april) and summer (august july) of 2017. envi, arcgis and spss software were used to analyze the images and evaluate the relationship between the remotely sensed indices and air pollutants and modeling. the results showed that the highest correlation between lst and so2 is in the spring (0.24), ndvi and so2 is in the spring (-0.36), ati and co is in the summer, and between ndbi and so2 is in the summer. also, the results of the model for the statistical coefficient of determination (r2) showed a value between 0.33 and 0.8, and for the statistical root-mean-square error (rmse) showed a value of 5.05-47.47. it was also found that ndvi and lst are inversely related, and that ndbi was indirectly related to air pollutants.