城市热岛与冷岛效应：利用MODIS及Landsat 8-9数据研究印度浦那市的热力动态

《Sustainable Cities and Society》：Urban Heat & Cool Island: Investigating Pune’s (India) Thermal Dynamics using MODIS and Landsat 8-9 data

城市热岛效应与冷却岛效应的空间动态及其驱动机制研究，基于2016-2024年MODIS和Landsat数据，整合LST、NDVI、NDMI和NDAISI四指数，揭示COVID-19封锁期间城市热力格局演变规律与植被-湿度-不透水地表协同作用机制。

　　

帕亚尔·莫尔| 达尔纳

印度浦那NICMAR大学建筑与规划学院MUP学生

摘要

城市的热动态包括城市热岛效应（UHI）和城市冷岛效应（UCI），这两种效应都会影响当地气候。本研究采用空间和比较方法，通过分析2016年、2020年和2024年这三个不同年份的情况，来研究浦那的热变化，特别是2020年印度实施新冠封锁期间，人类活动和环境动态变化对热变化的影响。为了评估城市热模式，本研究整合了四个指数：（i）地表温度（LST），（ii）归一化植被指数（NDVI），（iii）归一化湿度指数（NDMI），以及（iv）归一化人为不透水面指数（NDAISI）。空间映射使用Q-GIS完成，展示了所有指数的日变化和季节变化。分析中使用了中分辨率成像光谱辐射计（MODIS）和Landsat 8-9卫星数据，分别对应4月（夏季）和11月（冬季）。统计相关性技术被用来评估LST与其他三个指数之间的相互关系。为了捕捉热量储存和散发的时间差异，研究还评估了这些指数与日变化和季节变化之间的相互作用。地表城市热岛强度（SUHII）的变化通过箱线图进行了展示。结果表明，浦那在白天表现出UCI效应，而在夜晚则表现出UHI效应。在UCI效应期间（白天），LST与NDAISI呈正相关，而NDVI和NDMI与LST呈强负相关，这突显了它们的冷却作用。该研究强调了城市内部的热变化作为城市热扩散（UHS）效应的重要性。这些发现为城市规划者和政策制定者提供了宝贵的见解，有助于他们为浦那及类似城市制定热行动计划和气候适应性城市策略。

引言

城市热岛（UHI）效应是指城市地区的温度高于其周围的农村或非城市地区，主要是由于人为热源、不透水表面的增加以及植被的减少（Duan, Luo, Yang, & Li, 2019）。UHI对空气质量、水质、能源消耗和公共卫生有诸多严重影响（Sadik-Zada & Gatto, 2022）。在人口众多、经济活动活跃的城市或大都市中，UHI的强度更高（Memon, Y.C., & Chunho, 2008）。相反，城市冷岛（UCI）效应是指城市地区比周围农村地区更凉爽，研究表明，由于城市湿度较高，超过60%的印度城市在白天受到这种现象的影响（Kumar, et al., 2017）。UHI效应会在夜间提高温度，从而影响热舒适度和能源消耗，而UCI效应在植被丰富、水体众多且湿度高的地区更为明显（Moffett, Makido, & Shandas, 2019）。

尽管已有大量研究，但UHI研究仍存在关键空白，尤其是像浦那这样中等规模、快速增长的城市，它们的热动态具有独特性（Borbora & Das, 2014）。诸如城市形态、人为热源和微气候变化等重要参数仍缺乏深入探讨（Guo, et al., 2020），而季节性和日变化也几乎未被考虑（Mathew, Khandelwal, & Kaul, 2017; Cheng, Guan, Zhou, Zhao, & Zhou, 2019; Martins, et al., 2016）。最近的研究还指出，植被的冷却效果取决于当地表面类型和遮荫条件（Tan, Belcher, Tan, Menz, & Schroepfer, 2021）。缓解措施仍然主要集中在城市层面，有时忽略了农村景观在UHI缓解中的作用（Yang, et al., 2024）。在全球范围内，UHI研究缺乏综合的空间规划视角，尤其是在地理信息系统（GIS）的帮助下（Halder, Bandyopadhyay, & Banik, 2021）。新的空间建模框架表明，通过综合GIS方法可以更好地评估植被覆盖、水分含量和表面温度之间的相互作用（Gidey & Mhangara, 2025）。填补这些空白需要地理分析、环境科学和城市规划领域的跨学科努力（Assenova, Vitanova, & Petrova-Antonova, 2024）。在印度，研究主要集中在UHI效应上，而UCI现象尚未得到充分探索。UCI效应被视为一种异常现象，而非重要的城市热现象（Ren, He, Pu, & Zheng, 2018）。UCI在气候适应中的应用有限，对其关键驱动因素（包括植被、湿度动态和人造不透水面）的理解也不完整（Moffett, Makido, & Shandas, 2019）。

在全球范围内，UHI研究缺乏综合的空间规划视角。大多数UHI研究集中在中国和美国，而在印度这类研究较为罕见（More & Dhaarna, 2024），仅有一项关于浦那城市的研究（Yadav & Singh, 2024）。浦那存在明显的研究空白，研究发现由于气溶胶负荷和植被覆盖，在白天会出现城市冷岛（UCI）效应（Siddiqui et al., 2021），但影响该效应的因素尚未得到研究。这需要进一步研究UCI的空间和年度效应，以探讨其与地表温度（LST）的关系。

地表温度（LST）是研究城市气候的重要指标，它衡量的是由于各种环境相关活动导致的地表热量排放（Ramachandra, Aithal, & Durgappa, 2012）。LST通常与归一化植被指数（NDVI）、归一化建筑指数（NDBI）和归一化水体指数（NDWI）一起使用，以研究植被、水体和建筑表面（Gupta, Sharma, Singh, & Joshi, 2023）。归一化湿度指数（NDMI）用于量化表面湿度，这对蒸散作用和城市热模型中的UCI形成至关重要（Qiao, Zhang, Xu, & Liu, 2018）。早期研究表明，植被覆盖和NDMI与热景观模式密切相关，表明它们在控制城市温度梯度中的作用（Wang & Guan, 2012）。同样，UCI研究也没有利用归一化人为不透水面指数（NDAISI），该指数通过将不透水面与裸土区分开来，提高了23%的识别精度（Piyoosh & Ghosh, 2017）。遥感指数的最新进展，如改进的不透水面提取方法，进一步提高了城市表面绘制的精度（Fang, Wei, & Dai, 2019）。2018年后关于浦那热动态的研究较少，尤其是在UCI背景下，反映了研究上的巨大空白。

本研究旨在利用MODIS和Landsat 8-9数据，通过分析日变化和季节变化来研究研究区域内的城市热岛（UHI）和城市冷岛（UCI）效应。在浦那这样的城市中，同时展示UHI和UCI效应及其与微气候相互作用的研究非常有限。为了理解UCI效应并建立不同指数之间的相互关系，对地表温度（LST）与归一化植被指数（NDVI）、归一化湿度指数（NDMI）和归一化人为不透水面指数（NDAISI）进行了相关性分析，以测量城市的热动态并评估其驱动因素。本文的目标是：（i）利用遥感技术确定不同年份和季节的UHI或UCI效应的存在；（ii）识别影响UCI效应的关键因素；（iii）分析LST与NDVI、NDMI和NDAISI之间的相关性；（iv）评估选定年份的城市热动态及其空间变化。

研究区域

浦那-潘普里-钦奇瓦德双城（图1）分为两个行政区域（浦那市政公司（PMC）和潘普里钦奇瓦德市政公司（PCMC）），近几十年来经历了快速城市化，是浦那地区最大的城市聚居区，总人口为975万（联合国，2024年）；面积约为665.61平方公里（PMC，2024年；PCMC，2024年）。该地区位于西部山坡的背风坡，海拔560米。

结果

结果分析了浦那在选定研究年份内的空间热动态，涉及LST、NDVI、NDMI和NDAISI。通过分析LST与NDVI、NDMI和NDAISI之间的关系，研究了UCI效应，并使用箱线图分析了SUHII的季节性和日变化。

2020年4月 2024年4月

2020年和2024年4月，LST与NDAISI之间的相关性随时间发生了显著变化。2016年，两个月都表现出强到中等的正相关，NDAISI在4月介于0.2到0.9之间，在11月介于-0.2到0.9之间，表明较高的LST与较高的不透水性密切相关。2020年，尽管NDAISI的变化范围仍为-0.2到0.9，但其对LST的影响减弱，尤其是在11月，LST集中在25°C到30°C之间，与不透水性无关。

结论

浦那展示了表面温度、植被、湿度和不透水面之间的复杂相互作用，这是通过空间多年度分析框架进行评估的。随着土地表面特征的快速演变，观察到城市热模式的变化，植被和水体减少，而不透水面增加。本研究分析了2016年、2020年和2024年浦那的UCI和UHI效应，以探究热动态。

未引用的参考文献

Fang et al., 2019, Hu et al., 2024, IMD 2024, ITDP, 2024, Kumar et al., 2017, Li et al., 2022, Memon et al., 2008, Min et al., 2019, Mohammad et al., 2019, Neinavaz et al., 2020, Borbora and Das, 2014, Piyoosh and Ghosh, 2017, Santamouris et al., 2019, Tan et al., 2021, Yang et al., 2024, Zhou et al., 2017

CRediT作者贡献声明

帕亚尔·莫尔：撰写——审阅与编辑，撰写——初稿，可视化，软件，资源，方法论，调查，正式分析，数据管理，概念化。达尔纳：撰写——审阅与编辑，验证，监督，项目管理，数据管理，概念化。

利益冲突声明

作者声明他们没有已知的财务利益或个人关系可能影响本文所述的工作。