تحلیل عامل هندسه شهری بر میزان شدت جزایر گرمایی شبانه شهرها با استفاده از سنجش از دور و سیستم‌های اطلاعات جغرافیایی (مطالعه موردی: شهرک گلستان، منطقه 22 شهر تهران)

صادقی‌نیا علیرضا، علیجانی بهلول، ضیاییان فیروزآبادی پرویز، (1391). تحلیل فضایی- زمانی جزیره حرارتی کلان شهر تهران با استفاده از سنجش از دور و سیستم اطلاعات جغرافیایی، فصلنامه جغرافیا و مخاطرات محیطی، دوره (1) ، شماره (4)، صص17-1. 10.22067/geo.v1i4.16950.

صادقی‌نیا علیرضا، علیجانی بهلول، ضیاییان فیروزآبادی پرویز، خالدی شهریار، (1392). کاربرد تکنیک‌های خودهمبستگی فضایی در تحلیل جزیره حرارتی شهر تهران، فصلنامه تحقیقات کاربردی علوم جغرافیایی، دوره (13) ، شماره (30)، صص90-67. http://jgs.khu.ac.ir/article-1-1623-fa.html

رضایی‌راد هادی، رفیعیان مجتبی، (1396). برآورد تغییرات فضایی- زمانی شدت جزیره حرارتی کلانشهر تهران با استفاده از تصاویر ماهواره‌ای  LANDSAT8  وASTER ، برنامه‌ریزی منطقه‌ای، دوره (7) ، شماره (27)، صص60-47. http://ensani.ir/fa/article/download/376979

علیجانی بهلول، طولابی نژاد میثم، صیادی فریبا، (1396). محاسبه شدت جزیره حرارتی بر اساس هندسه شهری مورد مطالعه: محله کوچه باغ شهر تبریز، نشریه تحلیل فضایی مخاطرات محیطی، دوره (4) ، شماره (3)، صص 112-99. http://jsaeh.khu.ac.ir/article-1-2752-fa.html.

هاشمی دره‌بادامی سیروس، درویشی بلورانی علی، علوی پناه سید کاظم، ملکی محمد، بیات رضا، (1398). تحلیل تغییرات جزیره حرارتی سطوح شهری در روز و شب با استفاده از محصولات چند زمانه سنجنده مادیس (مطالعه موردی: کلانشهر تهران)،  نشریه تحقیقات کاربردی علوم جغرافیایی، دوره (19) ، شماره (۵۲)، صص 128-113. http://jgs.khu.ac.ir/article-1-2745-fa.html

Abrams, M, Hook, S., Ramachandran, B., (2002), ASTER User Handbook, version 2, Jet Propulsion Laboratory: Pasadena, CA, USA. https://lpdaac.usgs.gov/documents/262/ASTER_User_Handbook_v2.pdf.

Carlson, T.N., Ripley, D.A, (1997), On the relation between NDVI, fractional vegetation cover, and leaf area index. Remote Sensing of Environment, 62: 241–252. doi:10.1016/s0034-4257(97)00104-1.

Jiménez-Muñoz J.C., Sobrino J.A., (2003), A generalized single-channel method for retrieving land surface temperature from remote sensing data. Journal of Geophysical Research: Atmospheres, https://doi.org/10.1029/2003JD003480.

Jiménez-Muñoz, J.C., Sobrino, J.A., Gillespie, A., Sabol, D., Gustafson, (2006), W.T. Improved land surface emissivities over agricultural areas using ASTER NDVI. Remote Sensing of Environment, 103: 474–487. doi:10.1016/j.rse.2006.04.012 .

Jiménez-Muñoz J.C., Cristóbal J., Sobrino J.A., Soria G., Ninyerola M.; Pons X., (2009), Revision of the single-channel algorithm for land surface temperature retrieval from Landsat thermal-infrared data. IEEE Transaction in Geoscience and Remote Sensing, 47: 339-349. doi:10.1109/TGRS.2008.2007125.

J. C., Sobrino J. A., (2010), A Single-Channel algorithm for land surface temperature retrieval from ASTER data, IEEE GEOSCIENCE AND REMOTE SENSING LETTERS, 1: 176 – 179. doi:10.1109/LGRS.2009.2029534.

Li W., Putra S. Y., Yang P.P,2004, GIS analysis for the climatic evaluation of 3D urban geometry-The development of GIS analytical tools for sky view factor, Journal Alam Bina,1:175-187

Li H., Liu Q., (2008), Comparison of NDBI and NDVI as indicators of surface urban heat island effect in MODIS imagery, Proceedings Volume 7285, International Conference on Earth Observation Data Processing and Analysis (ICEODPA); 728503.

https://doi.org/10.1117/12.815679.

Liu L., Zhang, Y., (2011), Urban heat island analysis using the Landsat TM data and ASTER data: A case study in Hong Kong. Remote Sensing,3, 1535–1552. https://doi.org/10.3390/rs3071535

Nakata, C.M., Souza, L.C.L, (2013), Verification of the influence of urban geometry on the nocturnal heat island intensity, Journal of Urban and Environmental Engineering, 2:286-292. https://www.jstor.org/stable/26189199.

Nakata O C. M, De Souza L. C. L, Rodrigues D.S., (2015), A GIS extension model to calculate urban heat island intensity based on urban geometry, Proceedings of CUPUM 2015, Conference Cambridge, Massachusetts (USA):1-16. http://ctac.uminho.pt/sites/default/files/biblio/2129-2015_CUPUM_julho_346_nakata-osaki_h.pdf.

Nakata-Osaki, C.M., Souza, L.C.L, Rodrigues, D.S., (2018), THIS – Tool for Heat Island Simulation: A GIS extension model to calculate urban heat island intensity based on urban geometry, Computers, Environment and Urban Systems, 67:157-168. doi:10.1016/j.compenvurbsys.2017.09.007.

Oke T. R., (1981), Canyon geometry and the nocturnal urban heat island: comparison of scale model and field observations. International Journal of Climatology, 1, 237-254. https://doi.org/10.1002/joc.3370010304.

Oke T.R., (1982), The energetic base of urban heat island. Quartely Journal of the Royal Meteorological Society. London. Elsevier Science. 108:1-24. https://doi.org/10.1002/qj.49710845502.

Oke, TR (1984), Towards a prescription for the greater use of climatic principles in settlement planning. Energy and Buildings 7(1):1-10. https://doi.org/10.1016/0378-7788(84)90040-9.

Roth M., (2013), Urban heat islands, Handbook of Environmental Fluid Dynamics, Volume Two, edited by Harindra Joseph Shermal Fernando. CRC Press/Taylor & Francis Group, LLC. ISBN: 978-1-4665-5601-0. http://profile.nus.edu.sg/fass/geomr/roth%20uhi%20hefd13.pdf

Svensson, M., Eliasson, I., Holmer, B., (2002), A GIS based empirical model to simulate air temperature variations in the Göteborg urban area during the night. Climate Research, 22: 215–226. doi:10.3354/cr022215.

Tuan L. M. , Cao T. A. T.,  Tran N. A. Q, Le T. K. C, Sadriavich S. I., huong N. T.K., (2019), Case Study of GIS Application in Analysing Urban Heating Island Phenomena in Tropical Climate Country, IOP Conference Series Materials Science and Engineering, 661:012090. doi:10.1088/1757-899X/661/1/012090.

Urban Heat Island Basics, (2008), “Reducing Urban Heat Islands: Compendium of Strategies”, U.S. EPA. https://www.epa.gov/sites/production/files/2017-05/documents/reducing_urban_heat_islands_ch_1.pdf.

Van de Griend, A., Owe, M., (1993), On the relationship between thermal emissivity and the normalized difference vegetation index for natural surfaces. International Journal of Remote Sensing, 14, 1119. .https://doi.org/10.1080/01431169308904400.