《Sustainable Cities and Society》:Integrated remote sensing and machine learning approach for LST trend analysis and SUHI detection in the semi-arid climate of Kabul province using Google Earth Engine
编辑推荐:
本研究整合多源卫星数据与气候、地形及生物物理变量,分析2000-2024年喀布尔省地表温度(LST)与城市热岛强度(SUHI)的时空特征。结果显示夏季SUHI热点集中于高城市化、低植被区(如喀布尔市、德赫萨布兹等),冬季因积雪影响较弱。随机森林模型预测精度高(RMSE=2.33-2.46,r=0.61-0.88),为半干旱地区城市热岛效应评估提供新方法。
Mohammad Jawed Nabizada | ümran K?ylü
埃尔吉耶斯大学,自然与应用科学研究生院,地理信息工程系,凯塞里,土耳其
摘要
本研究通过整合多源卫星数据与气候、地形和地表生物物理变量,探讨了2000–2024年间阿富汗喀布尔省地表温度(LST)和城市热岛(SUHI)强度的时空动态,以识别环境驱动因素并预测空间模式。月度LST时间序列经过标准化处理后,使用Mann–Kendall检验和Sen斜率估计器进行分析;同时应用随机森林(RF)模型对不同土地利用类型(LULC)下的LST进行分类和预测。2023年7月LST达到最高值47°C,而2006年1月降至最低值–4°C。白天平均LST在裸地上最高(41°C),其次是城市地区(38°C),水域(34°C)和植被(32°C);夜间城市表面仍是最温暖的(23°C)。Mann–Kendall检验显示长期趋势不显著(p = 0.145,Z = –1.459),表明存在短期季节性波动。热点分析发现,在高度城市化且植被稀少的地区(如喀布尔市、Deh Sabz、Bagrami、Surobi)夏季SUHI现象明显;由于积雪覆盖和较高的地表反照率,冬季SUHI效应较弱。RF模型在MODIS、Landsat和ERA5数据集上的表现优异(RMSE = 2.33–2.46;r = 0.61–0.88)。这种结合遥感和机器学习的框架为监测城市热环境提供了可扩展的方法,并有助于半干旱地区的气候适应性城市规划和可持续土地管理。
引言
城市热岛(UHI)是与快速城市化相关的重要环境问题之一,建成区表面吸收并重新辐射热量,导致温度高于周边农村地区(Fadhil等人,2023年;Mirzaei,2015年)。这种现象的地表表现称为城市热岛(SUHI),与土地利用变化、植被减少和地表物质组成变化密切相关(dos Santos等人,2017年)。根据政府间气候变化专门委员会(IPCC,2021年)的研究,由于城市热岛效应,城市地区通常比农村地区更温暖。联合国人居署(UN-Habitat,2022年)也指出,快速城市化的城市面临更大的热负荷和更高的热应力。Mentaschi等人(2022年)报告称,夏季城市与农村之间的温差约为1–3°C,在极端情况下可达10–15°C,具体取决于气候、城市形态和植被覆盖情况。由于景观和人类活动的剧烈变化,城市的环境温度高于周边农村地区(Jain等人,2020年)。人类活动,如城市景观改变和人为热源的产生,是城市温度高于周边农村地区的主要原因,这些活动影响城市与郊区之间的能量平衡(Wei & Sobrino,2024年)。随着不透水表面的增加,城市热岛效应加剧。联合国数据显示,全球城市人口比例从1950年的29%增加到2018年的55%,预计到2050年将达到68%(联合国,2018年)。UHI效应是这些变化带来的最常见城市问题之一(Hou等人,2023年)。多项研究表明,UHI对土壤物理化学性质(Shi等人,2012年)、局部气候条件(Gaur等人,2018年)、空气污染(Li等人,2018年)、健康(Zhong等人,2024年)以及城市水文和能量循环(Santamouris等人,2015年)等社会经济和环境因素有负面影响。这些变化加剧了局部升温、能源需求和公共卫生风险,尤其是在适应措施有限的发展中地区。因此,理解SUHI的时空行为及其与LST的关系对于推进气候适应性城市规划和可持续土地管理至关重要,特别是在对温度极端和快速土地覆盖变化高度敏感的半干旱地区。
过去二十年里,遥感技术的进步使得能够在各种空间和时间尺度上准确监测LST和SUHI模式。许多研究评估了全球主要城市的SUHI强度及其驱动因素(Kara等人,2025年;Meng等人,2024年;Moazzam & Lee,2024年;Rees等人,2024年;Zhang等人,2024年);然而,在数据稀缺和监测系统薄弱的发展中地区,此类分析仍然有限。Lazzarini等人(2013年)在阿布扎比的研究发现,夏季市中心区域的SUHI趋势出现反转,比周边地区低5–6K,冬季低2–3K。(Yin等人,2023年)利用2001至2020年美国纽约和新泽西的气候、气象数据、DEM和LU数据集分析了UHI现象,发现纽约的UHI现象比新泽西更显著,最高值出现在7月。他们还指出,UHI与低洼水域呈正相关,与水体、植被和土壤等自然表面呈负相关。SUHI与土地利用和土地覆盖(LULC)的关系,尤其是城市化,是众多研究的主题。例如,Jamarkattel等人(2025)在尼泊尔Pokhara大都市区进行的研究使用了Landsat影像和LST、归一化植被指数(NDVI)和归一化建筑指数(NDBI)等指标来研究SUHI模式,评估了城市化对植被损失和温度波动的长期影响。研究结果表明,城市扩张导致LST与NDBI呈显著正相关(R = 0.82),与NDVI呈强负相关(R = –0.58)。Peng等人(2024年)使用MODIS,Dale等人(2025年)使用Landsat,Dewa等人(2025年)使用MODIS、Sentinel-2、可见光红外成像辐射计套件(VIIRS)和数字高程模型(SRTM)评估了LULC变化对SUHI的影响。
阿富汗位于半干旱气候区,经历了广泛的土地覆盖变化和未经规划的城市扩张,尤其是在喀布尔省。尽管如此,利用多源数据集和现代分析框架量化LST变化和SUHI强度的相关研究仍然不足。近年来,喀布尔的城市快速增长和无计划的城市扩张导致植被覆盖面积大幅减少,不透水表面增加。根据H. Ahmadi等人(2024年)的研究,2000至2022年间喀布尔的LULC变化呈持续城市化趋势:植被面积减少了约200公顷,建成区面积从2000年的5800公顷增加到2022年的17,000公顷;水域面积增加了约100公顷,但与城市扩张直接相关的裸地面积减少了17,300公顷。据预测,到2040年,建成区面积将增加18,100公顷,裸地面积减少21,700公顷,植被面积增加3,400公顷,水域面积增加100公顷。2005至2015年间喀布尔的城市化进程最快。这些变化使SUHI效应更加明显,城市地区的LST明显高于周边农村地区。Qutbudin等人(2019年)指出,喀布尔的气候为半干旱型,夏季炎热干燥,冬季寒冷多雪。喀布尔的年平均气温为12.1°C,7月最高可达40°C,1月最低可达–10°C。由于热吸收增加和蒸散作用减少,喀布尔的干旱至半干旱气候以及城市广泛的岩石和裸露土壤表面加剧了SUHI效应。城市设计不足和建筑物、工业及汽车产生的大量人为热排放进一步恶化了城市热环境。尽管面临这些挑战,仍很少有研究利用基于卫星的遥感数据来描述喀布尔SUHI的时空动态。有效的气候适应、环境管理和公共卫生规划受到数据不足的制约。因此,研究喀布尔SUHI的范围、季节性变化和主要原因对于促进气候适应性和可持续城市发展至关重要。
本研究的主要目标是通过整合多源卫星数据(MODIS、Landsat和ERA5)、气候、地形和生物物理变量,评估阿富汗首都喀布尔的LST和SUHI强度的时空动态。具体目标包括:
1.分析LST趋势:利用多种数据源(MODIS、Landsat、ERA5)和Mann-Kendall方法分析长期(2000–2024年)的时空趋势、季节性模式和LST变化。
2.分析SUHI:使用RF模型对城市和农村地区的LST进行分类,并通过比较昼夜变化量化SUHI效应。
3.验证数据集:通过统计交叉验证比较不同卫星和再分析产品(MODIS vs. Landsat vs. ERA5)获得的LST数据。
4.建立LST模型:利用预测因子(NDVI、NDBI、MNDWI、SAVI、反照率、降水量、海拔、人口)组合开发RF回归模型来预测LST。
5.识别热点:识别SUHI热点并分析其时空变化。
6.确定驱动因素:整合研究结果,识别并讨论影响LST和SUHI现象的主要因素(如植被、建成区、人口和海拔)。
本研究的新颖之处在于其综合方法,结合了多源卫星数据与气候、地形和地表生物物理变量,以识别LST和SUHI的环境驱动因素。所有分析均在Google Earth Engine(GEE)平台上进行,为数据稀缺的半干旱环境提供了全面且可扩展的SUHI评估框架。该研究不仅增强了对喀布尔城市热动态的理解,还为其他具有类似气候和数据限制的快速城市化地区提供了可复制的方法论框架。研究结果有望为阿富汗及全球类似半干旱环境的气候适应性城市设计、可持续土地管理和环境规划提供参考。
研究区域
研究区域
阿富汗的首都喀布尔位于该国中东部,纬度34°25′–34°36′N,经度69°02′–69°23′E(图1)。该市的海拔从Surobi区的795米到Istalif、Gul Dara和Shakar Dara区的4685米不等。喀布尔行政区划为22个区,总面积约为4,468平方公里(Wafa等人,2020年)。根据2024年的LULC地图(图1a),约306.22平方公里为植被覆盖区,219.13平方公里为
方法论
为了监测、建模和预测喀布尔市的LST和SUHI,本研究使用了GEE以及多源遥感数据集(MODIS、Landsat、ERA5、CHIRPS)和地表生物物理参数(NDVI、NDBI、MNDWI、SAVI、反照率、海拔、人口)。遵循了以下综合分析流程(图3):首先对数据集应用云遮蔽、过滤和季节性聚合等预处理技术;
趋势分析
图4显示了2000–2024年间基于四种不同数据集(Landsat、MODIS日间、MODIS夜间和ERA5)的月度LST变化情况。所有数据集中的LST在夏季达到最高值(约30–45°C),冬季降至最低值(低至–15°C),显示出明显的季节性周期。根据Landsat观测,2023年7月LST达到最高值47°C,2006年1月降至最低值–4°C,标准差为
讨论
本研究利用Landsat、MODIS和ERA5卫星及气候再分析数据集,研究了2000–2024年间喀布尔LST的时空动态及其受地表生物物理特征的影响。结果显示,喀布尔的LST具有明显的季节性变化,夏季最高,其次是秋季、春季和冬季。这些结果表明,喀布尔的LST动态受到自然和人为因素的显著影响
结论
本研究有效结合了多源遥感数据集(MODIS、Landsat和ERA5)与先进的统计和机器学习方法,评估了2000–2024年间阿富汗喀布尔SUHI的时空动态。通过云遮蔽、重采样和关键生物物理指数(NDVI、NDBI、MNDWI、SAVI、反照率)的推导,确保了数据输入的可靠性和一致性。与ERA5的交叉验证提高了结果的可靠性
数据可用性
本研究中未生成任何数据集
资金支持
本研究未获得外部资金支持。
作者贡献声明
Mohammad Jawed Nabizada:撰写 – 审稿与编辑、初稿撰写、可视化、验证、正式分析、数据管理、概念构思。ümran K?ylü:撰写 – 审稿与编辑、监督、方法论设计、正式分析、概念构思。
利益冲突声明
作者声明没有已知的财务利益或个人关系可能影响本文的研究结果。
致谢
作者感谢埃尔吉耶斯大学、巴米扬大学和Yurtd??? Türkler ve Akraba Topluluklar Ba?kanl???(YTB)在本研究中的宝贵支持。