تجزیه و تحلیل روند از شدت جزیره گرمای شهری با توجه به تغییر منطقه شهری در شهرهای مگا آسیا

جزیره هیت هیت (UHI) پدیده ای است که در شهرها در سراسر جهان رخ می دهد. بنابراین ، نیاز به مطالعات در مورد تغییرات شدت UHI و روندهای بلند مدت بر اساس خصوصیات ماکروسکوپی مربوط به شهرنشینی وجود دارد. در این مطالعه ، تغییرات در شدت UHI فصلی بر اساس منطقه شهری برای هشت شهر مگا آسیا از سال های 2012-2012 مورد تجزیه و تحلیل قرار گرفت. نتایج نشان می دهد که تغییر در الگوی شدت UHI برای شهرها و فصول مختلف متفاوت است. با افزایش اندازه منطقه شهری ، شدت UHI افزایش یافت. علاوه بر این ، وابستگی شدت UHI به اوضاع اقتصادی نیز نشان داده شد. با توجه به فصول ، روند به طور قابل توجهی در طول تابستان ظاهر می شود. علاوه بر این ، بسته به ویژگی های شهری مانند جغرافیا و آب و هوا ، افزایش روند در فصول دیگر ظاهر می شود. همچنین با تولید گرمای انسان شناسی ، جمعیت بر شدت UHI تأثیر می گذارد. با این حال ، تأثیر آن به عنوان یک عامل فردی ناچیز به نظر می رسد. این یک مطالعه ماکروسیل است که تأثیر اندازه منطقه شهری بر شدت UHI را تجزیه و تحلیل می کند. مطالعات آینده در مورد عوامل شهرنشینی و سطوح مؤثر بر شدت UHI با استفاده از مواد با وضوح بالاتر مورد نیاز است

1. معرفی

جزیره گرمای شهری (UHI) یک پدیده متداول در سراسر جهان است. این منطقه شهری است که درجه حرارت به طور قابل توجهی بالاتر از مناطق اطراف است. این مسئله باعث ایجاد مشکلاتی مانند تغییر در رطوبت نسبی ، افزایش مصرف انرژی و استرس حرارتی انسان می شود [1،2،3،4]. اثر UHI از اصلاح انسان شناسی مناظر طبیعی و تغییرات ناشی از آن جوی و ترموفیزیکی در لایه مرز شهری ناشی می شود [5]. تشکیل UHI را می توان به طور عمده به افزایش جذب و به دام انداختن اشعه خورشیدی در پارچه های شهری ساخته شده و سایر عوامل از جمله تراکم جمعیت مناطق ساخته شده و بخش های پوشش گیاهی نسبت داد [6]. به طور خاص ، مناطق ساخته شده شهرها می توانند باعث تغییر در آلبیدو ، ظرفیت حرارتی و زبری شوند و می توانند بودجه انرژی سطح را به میزان قابل توجهی تغییر دهند [7]. علاوه بر این ، مناطق شهری منبع اصلی انتشار دی اکسید کربن انسان شناسی است که با سوزاندن سوخت های فسیلی برای اهداف گرمایش و سرمایش ، فرآیندهای صنعتی و حمل و نقل تولید می شود [6]. در این راستا ، اندازه مناطق شهری می تواند یک عامل اصلی در توسعه UHI باشد ، همانطور که توسط OKE توضیح داده شده است [8]. با این حال ، ویژگی های چنین همبستگی به وضوح درک نشده است.

مطالعات UHI را می توان به دو زمینه طبقه بندی کرد. یک نوع شامل مطالعات موردی است که روی یک یا چند شهر متمرکز شده و پدیده UHI را با جزئیات عظیم ارزیابی می کند. در مقابل ، نوع دیگر-مطالعات حساس یا مقطعی-چندین شهر را برای درک خصوصیات مشترک یا تفاوت های اساسی بین آنها بررسی می کند. تعداد مطالعات تجربی سیستماتیک از نوع دوم به دلیل دسترسی به سنجش از دور با پوشش جهانی افزایش یافته است [9] ، و مطالعه ما در این گروه قرار می گیرد. مطالعات متعددی حاکی از آن است که ادامه شهرنشینی به تدریج شدت UHI را افزایش می دهد ، و چندین نفر دیگر نشان داده اند که تأثیر شهری می تواند در روندهای گرمایش اخیر تأثیر بگذارد [10،11،12]. از این رو ، مطالعات تطبیقی در مورد تغییرات UHI برای شهرهایی با موقعیت های مختلف اقلیمی و اقتصادی و اجتماعی و در مورد ویژگی های شهری ، برای محققان و تصمیم گیرندگان ضروری است [6،13،14،15،16].

چندین مطالعه موجود که روی UHI در سطح ماکروسکوپی متمرکز شده اند ، مورد بررسی قرار گرفت. کارل و همکاران.[17] شهرنشینی طبقه بندی شده در شهرهای ایالات متحده بر اساس جمعیت ، و تجزیه و تحلیل سری زمانی را برای هر فصل انجام داد. شدت UHI به عنوان تفاوت دما بین مناطق شهری و حومه با توجه به میزان شهرنشینی تعریف شد. این کار با استفاده از داده های دمای ماهانه از 1901-1984 به دست آمده از 1219 ایستگاه مشاهده شبکه اقلیمی تاریخی انجام شد. اگرچه تفاوت در شهرنشینی و فصلی در مطالعه آنها تأیید شد ، اما محدودیت هایی در تغییرپذیری بر اساس مکان وجود دارد. علاوه بر این ، تفاوت در میزان ساخت داده ها بین مناطق شرقی و غربی وجود دارد.

جونز و همکاران.[13] با استفاده از داده های دمای ایستگاه روستایی برای سه منطقه ، یعنی اتحاد جماهیر شوروی غربی ، شرق استرالیا و شرق چین ، سعی در شناسایی تأثیر افزایش دما به دلیل شهرنشینی داشت. با این حال ، به دلیل تعداد متفاوتی از ایستگاه های مشاهده و دوره های تجزیه و تحلیل ، محدودیتی در مطالعه وجود دارد. علاوه بر این ، روندهای قابل توجهی برای همه مناطق مشاهده نشد. هوآ و همکاران.[18] تجزیه و تحلیل سری زمانی را برای هر فصل بر اساس تفاوت دما مشاهده شده بین مناطق شهری و حومه چین از سالهای 2000 تا 1961 با استفاده از داده های ایستگاه شهری انجام داد. آنها تفاوت در اثرات UHI را بر اساس میزان شهرنشینی و عرض جغرافیایی و همچنین ارتباط مثبت بین اندازه جمعیت و UHI تأیید کردند. با این حال ، این یک تحلیل کمی نبود. علاوه بر این ، محدودیت اصلی تجزیه و تحلیل UHI-Trend با استفاده از داده های ایستگاه این است که به طور متوسط بیش از ایستگاه ها است و به طور متوسط بیش از توزیع زمین نیست ، مانند تغییر دما به دلیل ارتفاع [19]. جین و همکاران.[20] برای شناسایی تفاوت در دمای سطح بین مناطق شهری و حومه شهر پکن ، نیویورک و ققنوس از تصاویر با وضوح تصویربرداری متوسط (MODIS) استفاده کرد ، اما قادر به شناسایی روند تغییر UHI نبودند زیرا آنها تجزیه و تحلیل یک ساله را انجام می دادندبه جای تجزیه و تحلیل بلند مدت. در مطالعه شهرهای بزرگ آسیایی توسط Tran et al.[14] و در شمال غربی سیبری توسط مایلز و اسو [21] ، تغییر شدت UHI بر اساس فصل و همبستگی آن با متغیرهای مرتبط با استفاده از تصاویر MODIS تأیید شد. ژو و همکاران.[9] تفاوت در شدت UHI را بر اساس مساحت هر شهر با استفاده از تصاویر MODIS تجزیه و تحلیل کرد. در مورد مطالعاتی که از مجموعه داده های از راه دور استفاده می کردند ، فقط یک تجزیه و تحلیل کوتاه مدت به دلیل محدودیت وضوح زمانی انجام شد. علاوه بر این ، برای سه مطالعه فوق الذکر [9،14،21] ، از تصاویر دوره های مختلف برای هر شهر استفاده شده است و هیچ روند در مورد تغییر طولانی مدت تأیید نشده است.

در این مطالعه ، داده های مدل سازی آب و هوا جهانی ، که ترکیبی از داده های مشاهده و سنجش از راه دور است ، برای تجزیه و تحلیل مقایسه ای تغییر طولانی مدت در شدت UHI بر اساس شهر و فصل استفاده شد. از داده های اقلیمی با وضوح بالا برای مناطق سطح زمین زمین (چلسا) به عنوان داده های جهانی مدل سازی آب و هوا استفاده شد. برای هشت شهر مگا آسیایی (پکن ، چونگ کینگ ، داکا ، کراچی ، مانیل ، بمبئی ، سئول و توکیو) ، تجزیه و تحلیل سری زمانی از شدت UHI فصلی از سال 1992-2012 برای تجزیه و تحلیل تغییر در شدت UHI انجام شد. علاوه بر این ، تجزیه و تحلیل همبستگی برای تجزیه و تحلیل همبستگی های مختلف بین اندازه منطقه شهری و شدت UHI برای هر شهر انجام شد. هدف اصلی این مطالعه ارائه روندهای بلند مدت شدت UHI برای هر شهر در شرایط یکپارچه و درک نتایج مختلف به دست آمده از ویژگی های هر شهر و فصل است.

2. مواد و روشها

2. 1منطقه مورد مطالعه

در آسیا ، نرخ شهرنشینی از 17 ٪ در سال 1950 به 45 ٪ در سال 2010 افزایش یافته است که عمدتاً توسط ژاپن ، چین و کره هدایت می شود. در سال 2014 ، جمعیت شهری آسیا با 2. 1 میلیارد نفر در جهان بزرگترین در جهان بود. کشورهای در حال توسعه به طور پیوسته شهرنشینی هستند و میانگین شهرنشینی تقریباً 2 ٪ [22]. شهرهای آسیا از نظر جمعیت و اندازه جسمی به دلیل شهرنشینی به طور مداوم در حال رشد هستند. با این حال ، با توجه به ویژگی های مختلف توپوگرافی ، جمعیت و وضعیت اقتصادی ، تغییر در روند و تفاوت در مقادیر شدت UHI بر اساس منطقه شهری مشاهده می شود. برای مقایسه و تجزیه و تحلیل تفاوت بین هشت شهر مگا ، ویژگی های نماینده مانند جغرافیا ، جمعیت ، تولید ناخالص داخلی در خرید برابری قدرت (PPP) و آب و هوا مورد بررسی قرار گرفت. در اینجا ، نرخ رشد تولید ناخالص داخلی به میانگین پیش بینی شده نرخ رشد تولید ناخالص داخلی بین سالهای 2008 و 2025 اشاره دارد (شکل 1) (جدول 1) [23،24].

2. 2داده ها

مطالعه ما از سه مجموعه داده اصلی استفاده می کند: (i) اطلاعات پوشش زمین ، (ب) دمای سطح هوا و (iii) اطلاعات مرزی شهر. برای اطلاعات مربوط به پوشش زمین ، نقشه های سالانه پوشش اراضی (LC) از ابتکار عمل تغییرات آب و هوا (CCI) آژانس فضایی اروپا (ESA) از سال 1992-2012 برای شناسایی و مقایسه تغییرات در پوشش زمین استفاده شد. نقشه های CCI-LC پوشش زمین جهانی مداوم را با وضوح مکانی 300 متر به صورت سالانه ارائه می دهد. این مجموعه داده منحصر به فرد با پردازش مجدد و تفسیر مأموریت های مختلف ماهواره ای (طیف سنج تصویربرداری با وضوح متوسط (MERIS) ، رادیومتر با وضوح بسیار بالا (AVHRR) ، ماهواره ای از پوشش گیاهی (SPOT-VGT) و غیره) تولید شد. بنابراین ، این مجموعه از نقشه های سالانه به طور مستقل تولید نمی شود و جنبه اصلی آن قوام آن با گذشت زمان است [25]. داده های ایجاد شده توسط ESA CCI در دسترس عموم است. در این مطالعه ، ما از نقشه ها از 2012-2012 برای ارزیابی تغییرات در اندازه منطقه شهری استفاده کردیم. منطقه شهری در CCI-LC شامل لایه های جهانی حل و فصل بشر و ردپای جهانی شهری است [25]. جدول A1 مروری بر کلاسهای LC ارائه می دهد (به پیوست A مراجعه کنید). نمونه ای از رشد شهری در پکن در شکل 2 ارائه شده است.

برای داده های دمای هوا در سطح هوا ، از داده های سری زمانی دما از چلسا برای 2012-2012 استفاده شد. داده های چلسا دمای خروجی مدل پایین است و دارای وضوح بالای 30 قوس ثانیه است (~1 کیلومتر). برای پایین آمدن و جذب میانگین دمای ماهانه ، میانگین ماهانه دمای متوسط روزانه به دست آمده از داده های سینوپتیک شش ساعته از تجزیه و تحلیل مجدد ERA-Interim استفاده شد. reanalysis eneralysery دوره ای نتایج مدل سازی را با مشاهدات زمینی و رادیواند و همچنین داده های سنجش از راه دور ارائه شده توسط موسسات ، مانند اداره ملی اقیانوسی و اتمسفر/ ماهواره محیط زیست ملی ، داده ها و خدمات اطلاعاتی (NOAA/ NESDIS) و ژاپن ترکیب می کند. آژانس هواشناسی ، که از یک سیستم جمع آوری داده استفاده می کند [26،27]. علاوه بر این ، داده های دمای چلسا منعکس کننده اختلاف دما به دلیل ارتفاع است که ممکن است بر شدت UHI تأثیر بگذارد. داده های دمای چلسا با استفاده از چندین مجموعه داده مستقل ایستگاه ، مانند شبکه جهانی اقلیم شناسی تاریخی ، تأیید شد و برای مقایسه با رایج ترین مجموعه داده های آب و هوایی برای این منظور ، که WorldClim است ، در مدل سازی توزیع گونه ها استفاده شد. نتایج اعتبار سنجی نشان داد که چلسا می تواند الگوهای مکانی توزیع دما را به خوبی پیش بینی کند و می تواند مقادیر مشاهده شده دما را در مقیاس کوچک به طور دقیق پیش بینی کند. علاوه بر این ، چلسا می تواند یک پیشرفت چشمگیر نسبت به محصولات موجود باشد که در حال حاضر برای مطالعات زیست محیطی به کار می روند [26]. بنابراین ، داده های چلسا برای تجزیه و تحلیل شدت UHI در هر شهر مناسب است.

برای اطلاعات مرزی شهرها ، از داده های مناطق اداری جهانی (GADM) استفاده کردیم. GADM یک بانک اطلاعاتی از محل مناطق اداری جهان (مرزها) است. مناطق اداری در این بانک اطلاعاتی کشورها و زیر مجموعه های سطح پایین مانند استان ها و ادارات هستند. گادم موقعیت مناطق اداری را توصیف می کند ، و برای هر منطقه ویژگی های خاصی را ارائه می دهد ، که مهمترین آن نام است و در برخی موارد ، نام های مختلف (به https://gadm.org/data.html مراجعه کنید).

2. 3روش

اثر UHI از اصلاح انسان شناسی مناظر طبیعی در لایه مرزی شهری ناشی می شود [5]. بنابراین ، با افزایش منطقه شهری ، شدت UHI نیز افزایش می یابد. برای بازتاب این روند ، ما شدت UHI هر شهر را به عنوان تفاوت بین دمای متوسط یک منطقه شهری و مناطق اطراف آن در مرز شهر تعریف کردیم [28]. معادله به دست آوردن شدت UHI به شرح زیر است:

کجا ، t_uو t_sمیانگین دمای منطقه شهری و مناطق اطراف آن در منطقه شهری است (به معادله (1) مراجعه کنید). ما ضمن محاسبه شدت UHI ، اجسام آب را حذف کرده ایم زیرا آنها می توانند بر دما به میزان قابل توجهی تأثیر بگذارند [21].

برای محاسبه میانگین دمای فصلی ، بهار به عنوان مارس - مه ، تابستان به عنوان ژوئن - اوت ، پاییز به عنوان سپتامبر - نوامبر و زمستان به عنوان دسامبر - فوریه تعریف شده است [18،29]. معادله ای که برای استخراج دمای متوسط فصلی (درجه سانتیگراد) با استفاده از داده های چلسا استفاده می شود به شرح زیر است:

کجا ، t₁, T₂، و t₃میانگین دمای هر ماه متعلق به هر فصل را در واحد دمای مطلق (k) ضرب شده توسط 10 [30] نشان دهید.

پس از استخراج اشکال منطقه شهری و مناطق اطراف آن برای مدت 21 سال (2012-2012) برای هر شهر ، میانگین دمای برای هر سال و فصل محاسبه می شود تا شدت UHI را به دست آورد. با استفاده از شدت UHI مشتق شده ، تجزیه و تحلیل سری زمانی برای دوره 21 ساله انجام شد و تغییر در شدت UHI با استفاده از روند مشاهده شده مشخص شد. علاوه بر این ، تجزیه و تحلیل همبستگی پیرسون بین مقادیر سالانه شدت UHI و اندازه منطقه شهری برای تأیید همبستگی کمی انجام شد. برای محاسبه اندازه منطقه شهری ، منطقه جهانی Mercator عرضی برای هر مگس برای تبدیل شهر به یک سیستم مختصات مشخص شد. از طریق تجزیه و تحلیل همبستگی پیرسون ، در صورتی که P-Value کمتر از 0. 05 باشد ، می توان همبستگی معنی داری برقرار کرد.

علاوه بر این ، تفاوت در مقادیر شدت UHI و روند تغییر هر شهر تأیید شد [31]. الگوی تغییر شدت UHI بسته به ویژگی های مکانی مانند چگالی محیط ساخته شده و نسبت پوشش گیاهی در مناطق شهری می تواند متفاوت باشد. این خصوصیات می تواند برای هر شهر متفاوت باشد. علاوه بر این ، شدت UHI تحت تأثیر خصوصیات زمانی مانند سرعت باد و پوشش ابر قرار می گیرد. به دلیل پوشش ابر ، شدت UHI در ماه های گرم تابستان و در ماه های سردتر زمستان کمتر است [32]. بنابراین ، روند تغییر شدت UHI برای هر شهر و فصل در این مطالعه متفاوت است. تمام GIS و داده های سنجش از راه دور با استفاده از نرم افزار ARCGIS 10. 3 پردازش شدند. تجزیه و تحلیل همبستگی با استفاده از برنامه SPSS24 انجام شد و تجزیه و تحلیل سری زمانی با استفاده از برنامه اکسل انجام شد.

3. نتایج

3. 1تجزیه و تحلیل همبستگی

همبستگی مثبت معنی داری در کلیه شهرها با اندازه منطقه شهری بیش از 300 کیلومتر 2 در سال 2010 و با تولید ناخالص داخلی بیش از 100 میلیارد دلار در PPPS در سال 2008 ، به جز Chongqing مشاهده شد. از نظر فصلی ، مهمترین همبستگی مثبت در تابستان مشاهده شد ، و کمترین قابل توجه در زمستان مشاهده شد.

پکن ، با وجود این خصوصیات ، هیچ ارتباطی بین شدت UHI و اندازه منطقه شهری در تابستان نشان نداد. با این حال ، این تنها شهری بود که در زمستان همبستگی مثبت معنی داری نشان داد. به نظر می رسد این نتایج ، مانند نتایج مطالعات قبلی ، مربوط به خصوصیات آب و هوایی و ژئوفیزیکی پکن است [33]. زمستان در پکن خشک تر از تابستان است. در طول فصل خشک ، اثر UHI می تواند در اوج خود باشد و درجه حرارت بالایی را در مناطق شهری ایجاد کند [34]. در یک شهر با عرض جغرافیایی ، شدت UHI احتمالاً در زمستان نسبت به تابستان به دلیل کاهش گرمایش خورشیدی ، که باعث کاهش حمل و نقل آشفتگی عمودی و عمق لایه مرزی می شود [35]. علاوه بر این ، گرمای تولید شده از نظر انسان در زمستان می تواند یکی از عوامل باشد. به نظر می رسد اثر ترکیبی این عوامل الگوی پدیده UHI پکن را تشکیل می دهد.

در موارد داکا و کراچی ، هیچ ارتباطی بین شدت UHI فصلی و اندازه منطقه شهری مشاهده نشد. به گفته اسپنس و همکاران.[36] ، شهرنشینی مربوط به رشد یک شهر از نظر درآمد سرانه و همچنین صنایع و خدمات مستقر در شهر است. در کشورهای توسعه یافته ، نرخ شهرنشینی و رشد مرتبط است. علاوه بر این ، هنگامی که نرخ شهرنشینی نزدیک به 60 ٪ رسید ، درآمد سرانه بسیار سریعتر افزایش یافت. با این حال ، حتی پس از صنعتی سازی تولیدی ، شهرنشینی در کشورهای در حال توسعه مانند بنگلادش مشاهده نشده است. در نتیجه ، شهرهایی که پیشرفت اقتصادی نسبتاً کمتری را تجربه می کنند ، قادر به تغییر ساختاری از فعالیت های روستایی به صنایع مستقر در شهری نیستند. این احتمالاً می تواند دلیل تغییر غیرخطی در شدت UHI با اندازه منطقه شهری باشد.

علیرغم تولید ناخالص داخلی نسبتاً کم در سال 2008 ، Chongqing ، مشابه داکا و کراچی ، همبستگی قابل توجهی و قوی برای شدت بهار و تابستان UHI نشان داد. یکی از عوامل می تواند توپوگرافی حوضه Chongqing باشد. توپوگرافی حوضه می تواند یک جریان هوای حرارتی صعودی در شهر حوضه ای که توسط هوای ناپاک پوشیده شده است ، ایجاد کند تا هوای گرم را به همراه کوه در سد لبه حوضه هدایت کند ، که می تواند در مقایسه با سایر شهرها بر افزایش شدت UHI تأثیر بگذارد [37]. علاوه بر این ، Chongqing بزرگترین شهرداری تحت کنترل دولت مرکزی در چین است و هم اکنون در حال گذر از شهرنشینی سریع است. این سرمایه گذاری به طور قابل توجهی بیشتر سرمایه گذاری خارجی را در دوره اصلاحات چین به خود جلب کرد و میزان صنعتی شدن شهری و شهرنشینی با مقایسه با گذشته افزایش یافته است.[38،39].

در مانیل و بمبئی ، همبستگی بین شدت UHI تابستان و اندازه منطقه شهری قابل توجه و قوی بود و شدت پاییز UHI به نظر می رسد که نسبتاً معنی دار است. در مورد مانیل ، یک مطالعه قبلی گزارش داد که شهرنشینی بر تمایل شار گرمای معقول و بارندگی تابستان تأثیر می گذارد و این پدیده می تواند بر شدت UHI در فصل نسبتاً گرم تأثیر بگذارد [40]. از آنجا که بمبئی همچنین یکی از بزرگترین کلانشهرهای آسیای جنوبی است ، اصلاح سطح زمین ناشی از توسعه شهری مشاهده شد [41]. مطابق ادبیات موجود ، به نظر می رسد UHI بمبئی قوی تر از دهلی است که یک شهر مشابه کلانشهر است. این به دلیل محیط ساحلی بمبئی با پوشش درخت کم و رشد متراکم افقی و عمودی ساختمانها بود [42].

در موارد سئول و توکیو ، همبستگی قابل توجهی و قوی برای شدت تابستان UHI مشاهده شد. علاوه بر این ، برای توکیو ، همبستگی معنی داری برای شدت بهار و پاییز UHI مشاهده شد. همانطور که مگاسیت های توسعه یافته آسیای شرقی ، چندین مطالعه قبلی پدیده UHI در سئول و توکیو را شناسایی کردند [14،43،44]. به طور خاص ، در توکیو ، گرم شدن گسترده شهری ، معروف به جزیره گرمای گسترده ، در تابستان به دلیل افزایش گرمایش سطح در یک منطقه بزرگ شهری و کاهش نفوذ آب در دریا ناشی از افزایش همگرایی سطح ظاهر شد (جدول 2) [45].

3. 2تجزیه و تحلیل سری زمانی از شدت UHI

از نتایج تجزیه و تحلیل سری زمانی ، روند فزاینده ای برای شدت UHI در طول تابستان مشاهده شد. افزایش میزان شدت UHI تابستان برای مانیل و بمبئی به ترتیب 0. 015 درجه سانتیگراد در دهه و 0. 036 درجه سانتیگراد در دهه بود. در موارد سئول و توکیو ، میزان افزایش تقریباً 0. 02 درجه سانتیگراد در دهه و 0. 085 درجه سانتیگراد در دهه به ترتیب بود. علاوه بر این ، در موارد فصول دیگر ، روند به طور قابل توجهی در حال افزایش برای شهرهای مختلف متفاوت بود. این نتیجه شبیه به تجزیه و تحلیل همبستگی است. علاوه بر این ، در مورد پکن ، بیشترین میزان فزاینده برای شدت UHI زمستان مشاهده شد ، که 0. 18 درجه سانتیگراد در دهه است.

در مورد Chongqing ، نتایج مشابه با یک مطالعه قبلی بود. میزان افزایش شدت UHI در تابستان و بهار تقریباً 0. 07 درجه سانتیگراد در دهه و تقریباً 0. 05 درجه سانتیگراد در دهه در پاییز بود. یک مطالعه قبلی همچنین میزان افزایش 0. 10 درجه سانتیگراد در دهه را برای میانگین دمای سالانه در طی سال های 1951-2010 در Chongqing گزارش کرده است [39]. با این حال ، تحقیقات بیشتر در این زمینه مورد نیاز است.

در مورد داکا و کراچی ، ضریب تعیین برای تمام فصول کمتر از 0. 1 بود که نشان دهنده تغییر ناچیز در روند است. به خصوص برای داکا ، تفاوت کمی در دما بین منطقه شهری و مناطق اطراف آن در بهار و پاییز وجود دارد. با این حال ، در تابستان ، پدیده سینک گرمای شهری در هر دو شهر برجسته بود. این پدیده در مقایسه با مناطق اطراف آن به یک منطقه خنک تر شهری منجر می شود. این به عوامل مورفولوژیکی شهری یا خصوصیات سطح فصلی منتسب می شود ، و مطالعات موجود تأیید کرده است که این پدیده در مناطق شهری رخ می دهد که مناطق اطراف آن بیابانی یا زمین های کشاورزی است. علاوه بر این ، این پدیده به ویژه در تابستان برجسته است [46،47]. از سال 2012 ، تقریباً 38. 2 ٪ از مناطق اطراف کراچی مناطق زراعی و لخت بود. در مورد داکا ، این مقدار 96. 4 ٪ بود. این نتایج ممکن است به دلیل ویژگی های شهر یا محدودیت در داده ها مانند وضوح باشد. بنابراین ، تحقیقات بیشتری در این زمینه مورد نیاز است.

شدت UHI افزایش نرخ و مقادیر به دست آمده در این مطالعه ممکن است با مواردی که در مطالعات قبلی به دست آمده است به دلیل تفاوت در دوره زمانی و مقیاس مکانی متفاوت باشد. با این حال ، نتایج به دست آمده در این مطالعه برای کل شهرها است و ممکن است با مقادیر شدت UHI واحدهای اداری کوچکتر در یک شهر معین متفاوت باشد [44].

هنگامی که میانگین شدت UHI با توجه به مقدار رهگیری برای هر شهر در نظر گرفته شد ، شدت UHI برای تمام فصول موجود در پکن و توکیو بالاتر از 2 درجه سانتیگراد بود و در تمام شهرهای دیگر پایین تر از 0. 5 درجه سانتیگراد بود. اندازه های منطقه شهری هر دو این شهر بیش از 1000 کیلومتر 2 است و به طور قابل توجهی بالاتر از سایر شهرها است. این نتیجه همچنین نشان می دهد که شدت UHI و اندازه منطقه شهری همبستگی معنی داری دارند. نمونه هایی از تغییرات شدت UHI تابستانی برای سال های 1992-2012 در شکل 3 نشان داده شده است. در سئول ، تغییر شدت اوی شبیه به رشد مناطق شهری است ، اما در مورد کراچی ، نوسان زیادی وجود دارد و تمایل آشکار وجود ندارد. علاوه بر این ، ظاهر سینک گرمای شهری وجود دارد (جدول 3).

4. نتیجه گیری

ما سعی کردیم روندهای تغییر شدت UHI را بر اساس اندازه منطقه شهری برای هشت شهر مگا آسیایی در فصول مختلف با استفاده از داده های جهانی مدل سازی آب و هوا بدست آوریم. تجزیه و تحلیل ما نشان می دهد که بر اساس ویژگی های هر شهر و فصل ، تفاوت بین اندازه منطقه شهری و شدت UHI وجود دارد. علاوه بر این ، شدت UHI بسته به اندازه و وضعیت اقتصادی منطقه و اقتصادی متفاوت است. اینها فقط در صورت دستیابی به سطح معینی می توانند بر شدت UHI تأثیر بگذارند. بر خلاف صنعتی شدن مبتنی بر شهری ، شهرنشینی فقط با افزایش منطقه شهری تأثیر معنی داری بر شدت UHI و رشد شهر ندارد. بنابراین ، افزایش همزمان در تراکم ساخته شده ضروری است. جغرافیا و آب و هوا می تواند بر شدت UHI مانند مورد پکن و چونگ کینگ تأثیر بگذارد. علاوه بر این ، جمعیت می توانند با تولید گرمای انسان شناسی ، شدت UHI را تحت تأثیر قرار دهند. با این حال ، تأثیر آن به عنوان یک عامل واحد ناچیز به نظر می رسد. از نظر فصلی ، بیشتر شهرها در تابستان با همبستگی قابل توجهی با کمترین همبستگی در زمستان ارتباط معنی داری دارند. علاوه بر این ، به نظر می رسد میزان افزایش شدت UHI در تابستان بالاترین است و نرخ در سایر فصول بر اساس شهر متفاوت است. اگر یک شهر از چگالی منطقه ساخته شده کافی برخوردار نباشد ، ممکن است پدیده سینک گرمای شهری بسته به فصل رخ دهد. در مقایسه با مطالعات قبلی ، تغییرات فصلی در شدت UHI یکسان یا متفاوت بود. بنابراین ، تحقیقات بیشتری در این زمینه مورد نیاز است.

یک مطالعه تطبیقی از پدیده طولانی مدت UHI به دلیل پیچیدگی های مربوط به کسب و ناسازگاری داده ها ساده نیست. این مطالعه ، بنابراین ، معنی دار است زیرا شدت UHI با استفاده از داده ها و روش های یکپارچه و در دسترس برای چندین شهر و فصول مورد تجزیه و تحلیل قرار گرفت. به نظر می رسد داده های دمای چلسا با افزایش مناطق شهری می توانند میانگین افزایش دما را ضبط کنند. با این حال ، ممکن است محدودیت هایی مانند اختلاف میکروسکوپی به دلیل وضوح داده ها و استفاده از متوسط دمای سه ماه وجود داشته باشد. بنابراین ، مطالعات بیشتر در مورد عوامل شهرنشینی و سطوح مؤثر بر شدت UHI با استفاده از مواد و روش های با وضوح بالاتر مورد نیاز خواهد بود.

کمک های نویسنده

این مقاله نتیجه کار تیمی مشترک را نشان می دهد. مفهوم سازی ، K. L. ؛درمان داده ، Y. K. و H. C. S. ؛تجزیه و تحلیل رسمی ، K. L. ؛تحقیقات ، K. I. و Y. K. ؛روش شناسی ، K. L. ؛تجسم ، K. L. و Y. K. ؛نوشتن - پیش نویس Original ، K. L. ؛نوشتن - بررسی و ویرایش ، K. L. ، Y. K. ، H. C. S. ، و J. R. ؛مدیریت پروژه ، نظارت و کسب بودجه ، S. W. J. همه نویسندگان نسخه منتشر شده نسخه خطی را خوانده و موافقت کرده اند.

منابع مالی

این تحقیق توسط کمک هزینه موسسه صنعت محیط زیست و فناوری کره (KEITI) (شماره 2018000210006) که توسط وزارت محیط زیست (MOE) تأمین می شود ، پشتیبانی شد.