《Geocarto International》：A remote sensing-based surface thermal stress index for assessing urban heat dynamics in Greater Cairo
编辑推荐：
快速的城市增长重塑了大开罗地区的地表热状况。本研究应用地表热应力指数（Surface Thermal Stress Index, STSI），该指数整合了来自Landsat 8年度合成影像的归一化地表温度（Land Surface Temperature, L
快速的城市增长重塑了大开罗地区的地表热状况。本研究应用地表热应力指数（Surface Thermal Stress Index, STSI），该指数整合了来自Landsat 8年度合成影像的归一化地表温度（Land Surface Temperature, LST）、归一化植被指数（Normalised Difference Vegetation Index, NDVI）和归一化建筑指数（Normalised Difference Built-up Index, NDBI），影像在Google Earth Engine中处理，覆盖2015年和2025年。较高的STSI值表示较有利的地表状况，而非生理热舒适度。采用共同空间支持、固定合并归一化边界及0.35/0.30/0.35的权重，平均LST从33.61°C降至31.62°C，而平均STSI从0.44646升至0.48248。由固定2015年五分位数截断值定义的最低得分等级面积从20.00%缩减至5.23%。替代权重地图与基线保持强相关（r = 0.984–0.999），尽管优先区域边界有所变化。年份匹配的人口叠加、MODIS比较及Landsat土地覆盖转变提供了人口、热力及地表背景信息。STSI为初步白天地表筛查提供了一个可复现的框架，并附有组分图及敏感性结果。
**城市热环境遥感评估与STSI指数的提出**
城市热环境受土地利用模式、人为改造与气候动态之间复杂交互作用的影响。城市扩张改变植被、反照率及地表材料，进而扰动地表能量平衡。地表城市热岛描述了地表温度的城市—乡村对比，这种对比随观测时间和周围土地覆盖而变化。在干旱城市中，裸露干燥土地在白天可能比城市开发区更温暖，而夜间热量留存可能逆转这一对比。因此，空间异质性要求对观测时段和城市环境进行综合解释。
全球气候变化和热浪加剧使得理解城市热动态愈发紧迫。在干旱和半干旱地区，有限的水分制约了蒸发冷却效应。植被可通过遮荫和蒸腾作用调节地表温度，而反射率、发射率、储热能力、材料组成和水分可用性则影响建成地表和裸地的响应。卫星地表温度观测是对这些交互条件的采样，不能与气温或人体热应变等同。生理热舒适指数如通用热气候指数（Universal Thermal Climate Index, UTCI）和生理等效温度（Physiologically Equivalent Temperature, PET）整合气温、湿度、风速和辐射以表征人体热响应，但其城市尺度应用常受限于空间密集气象观测的缺乏。本研究采用的STSI目的不同：它是基于卫星的地表生物物理条件指标，不估算人体热感觉。因此，应将其解释为地表热模式的景观尺度筛查层，而非热舒适指数。
遥感提供城市和区域尺度上地表温度与土地覆盖特征的连续空间测量。LST描述地表热强度，NDVI表征植被及其潜在冷却影响，NDBI描述通常与建成地表相关的光谱对比。在不同城市中，这些关系随气候、形态和土地覆盖配置而变化。在干旱环境中，裸土、水分和地表混合物也影响NDBI，因此它并非直接的建成区面积比例。大开罗已有成熟的实证热力研究文献。El Kenawy等人（Citation2020）考察了2003–2019年夜间MODIS记录；Athukorala和Murayama（Citation2021）证明了昼夜城市—乡村模式的对比；Abd-Elmabod等人（Citation2022）将土地覆盖和夏季LST变化与尼罗河和环形公路的不同环境联系起来。当前的问题不在于城市热力异质性是否存在，而在于一个透明的三组分得分如何响应一致的归一化处理，以及其绘制的筛查优先级有多稳健。
已有的综合热评估涵盖地表暴露、生理响应和脆弱性制图。其输入要求和解释不同，因此遥感地表得分必须与舒适度和社会脆弱性指数区分开来。相关遥感比较指标包括LST相对的城市热场变异指数（Urban Thermal Field Variance Index, UTFVI）、热—植被干旱度指标如温度植被干旱指数（Temperature Vegetation Dryness Index, TVDI），以及多组分遥感生态指数（Remote Sensing Ecological Index, RSEI）。这些指标在目标量和权重上存在差异：UTFVI仍源自LST，TVDI关注与水分相关的热—植被结构，RSEI通常通过主成分分析结合绿度、湿度、干度和热度。STSI作为一种固定权重的表面得分，不宣称在这些替代方案上具有经验优越性。现有城市热评估从单指标LST制图到绿色基础设施遥感框架、卫星与局地气象联合评估以及多维脆弱性制图不等。对于数据稀缺的干旱特大城市，当范围明确且权重敏感性被报告时，一个可复现的纯地表得分仍是有用的。
STSI的方法论贡献在于其操作设计，而非LST、NDVI或NDBI本身的创新性。三个变量被方向性地协调为一个地表状况得分；人口暴露作为独立的背景层保留；年度Landsat合成影像在云计算工作流中实现；替代权重和组分关联诊断被明确报告。本研究应用并评估STSI以表征大开罗两个十年端点（2015年和2025年）的地表状况，围绕三个问题展开：(1) 一致归一化的端点得分与其原始组分变化有何关系？(2) 制图筛查优先级对归一化、权重和等级阈值有多敏感？(3) 独立地表温度观测、土地覆盖模式和年份匹配的人口估计为解释和规划应用提供了哪些补充信息？该框架旨在用于空间筛查和气候响应规划，而非生理热舒适评估。
研究区大开罗是埃及主要的行政、经济和人口中心。其大都市景观包括紧凑的历史街区、人口密集的社区、工业区、非正规住区、尼罗河谷沿线的灌溉农田以及不断扩张的沙漠开发项目。超干旱环境、强太阳辐射和有限降水在灌溉、建成和裸露干燥地表之间产生显著对比。分析足迹由研究边界和六个分量栅格的共同有效支持定义，而非开罗、吉萨和盖勒尤比耶省的全部行政区域。该足迹包含2,064,017个像元，覆盖1,603.06 km2，大约位于29.709–30.200°N和31.116–31.806°E的边界矩形内。这种多样化的地表组成适合考察空间热模式，包括开罗已记录的白天和夜间对比行为。
在方法上，研究使用USGS Landsat 8 Collection 2 Tier 1 Level 2地表反射率和地表温度产品，轨道号为WRS-2 path 176/row 039和path 177/row 039。Google Earth Engine用于构建2015和2025两个完整日历年的年度平均合成影像。在每个年份内，LST、NDVI和NDBI均来自相同的选定场景和相应的采集日期。QA_PIXEL用于掩膜云和云阴影像元。光学反射率以比例因子0.0000275和偏移量-0.2进行转换；ST_B10使用比例因子0.00341802和偏移量149.0 K，随后减去273.15转换为摄氏度。输出裁剪至研究边界。六个沉积分量栅格构成数值分析的起点。所有分量数组共享1,821 × 2,561的WGS84地理网格（EPSG:4326），角间距为0.000269494585°。对角对齐检查确认直接对应，无需数组重采样。六个有效数据掩膜的交集定义了配对支持。算术平均值和总体标准差描述这些像元。
三个代表城市地表热力和生物物理特征的指标被推导：LST从TIRS热红外波段提取，代表空间地表热强度；NDVI代表植被覆盖及其相关地表冷却效应；NDBI代表与建成和其他非植被地表相关的短波红外/近红外光谱对比。NDVI = (NIR ? red)/(NIR + red)，使用B5和B4波段；NDBI = (SWIR1 ? NIR)/(SWIR1 + NIR)，使用B6和B5波段。每个指标使用两年合并的共同有效足迹上的一组最小值和最大值重新缩放到[0, 1]。这些固定边界消除了单位差异，同时保留相同的时间参考。合并边界为：LST为22.215609和43.464577°C，NDVI为-0.429463和0.757799，NDBI为-0.614552和0.433411。这些是经验参考界限，而非普遍物理边界。年度、特定时期的归一化作为敏感性测试另行评估。
STSI通过加权线性组合整合地表温度、植被和建筑强度。LST和NDBI被反转，使所有项具有相同方向：STSI = (0.3 × NDVI_norm) + (0.35 × (1 ? LST_norm)) + (0.35 × (1 ? NDBI_norm))。所得STSI表示为地表状况得分：较高值表示较低相对地表应力，较低值表示较高相对地表应力。制图等级中使用的标签遵循此方向，不涉及人体热舒适。基线权重提供三个组分的近平衡表示，LST为0.35，NDBI为0.35，NDVI为0.30。它们是预先指定的筛查权重，而非校准的物理系数。五个有序等级使用2015年基线得分五分位数截断点0.39584683、0.40810828、0.42921523和0.48112378，对2025年和所有权重情景保持固定。分位数在有序观测之间使用线性插值。等级1低于第一截断点；中间区间包含其下界但不包含上界；等级5包含最终截断点。
内部稳健性通过替代权重、Pearson和Spearman地图相关性、低得分面积和空间重叠、组分关联以及平均得分变化的精确核算进行评估。在权重情景分析中，基线STSI在等权重（各三分之一）、LST主导配置（LST/NDVI/NDBI为0.45/0.20/0.35）和NDVI增强配置（0.30/0.40/0.30）下重新计算。Pearson和Spearman相关性分别量化线性一致性和秩一致性。等级1的面积、其与基线等级1的面积加权Jaccard重叠（交集面积除以并集面积）以及改变任何等级的比例直接评估边界敏感性。所有情景使用相同的固定等级截断点。在Pearson相关分析中，逐年计算STSI与NDVI、LST和NDBI之间的像元级Pearson相关系数。符号表示关联方向，大小总结对齐栅格网格上的线性关联。所有相关性均从共同分析网格上的像元级栅格堆栈计算。它们是描述性的：组分—得分关联部分在代数上源于指数，空间自相关阻止将相邻像元视为独立重复。在平均得分变化的组分核算中，在固定边界和权重下，平均得分差异被精确分解为三个加权组分差异：ΔSTSI均值 = -0.35ΔLST均值/R_LST + 0.30ΔNDVI均值/R_NDVI - 0.35ΔNDBI均值/R_NDBI，其中Δ表示2025年减去2015年，R为相应原始组分的合并范围。此恒等式描述得分算术，而非对温度的独立因果贡献。
人口密度作为外部背景层而非STSI输入保留。WorldPop Global2 R2025A版本1的2015和2025约束人口计数栅格在其原生3弧秒栅格上使用。这些模拟的1月1日估计使用基于人口普查的插值/投影和空间再分配；它们不是采集日期的人口观测值。计数通过面积分数重叠分配给足迹和精细得分等级，假设每个原生像元内均匀分布。分配检查计数守恒。NoData像元被排除，而非分配零人口。独立的表面温度比较使用MODIS/Terra MOD11A2 Collection 6.1八天白天和夜间LST（2015–2025）进行跨传感器比较和时间背景。QC = 0的观测值使用0.02 K比例转换，随后减去273.15转换为摄氏度，并按周期持续时间加权。年度平均值要求至少30个有效周期，且每个日历季节组中至少6个。STSI和Landsat LST在相关前聚合到原生MODIS像元。主要比较保留至少80%共同域覆盖率并在两个端点年份支持白天和夜间值的像元。
土地覆盖从2015和2025两个完整日历年的Landsat 8 Collection 2 Tier 1 Level 2反射率进行分类，每年45个场景，来自WRS-2 path 176和177，row 039。QA_PIXEL位0–5和非零QA_RADSAT值在缩放反射率前被排除。年度平均和中间光学波段导出到分量栅格，每像元/年至少8个有效观测。使用四个类别：开放水域、植被、建成或不透水覆盖、裸地或稀疏植被地面。高分辨率Esri World Imagery Wayback影像提供像元级参考证据。160个配对训练点中，148个年份特定记录在98个点满足精确年份、五点日期一致性、高置信度、≥75%等级主导性和年度代表性标准。一个合并年份的随机森林（Breiman Citation2001）使用500棵树和13个预测因子：平均和中间B3–B7反射率以及中间合成NDVI、NDBI和MNDWI。LST和STSI被排除。在训练前，472个占据的2 km区块中的94个被保留。模型和地图冻结后，在287.499 km2域内的七个制图转变层中采样了120个配对评估点，使用中性标识符和随机化解译顺序。面积校准的设计权重保留所有采样点，并报告合格参考覆盖率以及条件一致性。
在结果方面，两个年度合成影像显示地表温度的空间重组。在共同支持上，平均LST从2015年的33.6083°C降至2025年的31.6217°C，绝对差为-1.9865°C。最大值从43.46降至42.39°C，而最小值从22.22升至22.62°C。NDVI在大片干旱城市肌理中保持低位，区域平均值从0.144247小幅增加至0.145938，绝对变化为+0.001692。有限的平均变化掩盖了显著的空间对比：增加占据54.18%的面积，减少占据45.82%。NDBI表现出异质性变化。其平均值从2015年的0.016776降至2025年的0.008177，绝对差为-0.008598，而标准差在两年中保持约0.095。NDBI增加占据41.27%的面积，减少占据58.73%。
STSI地图显示两个端点之间的空间再分配。平均STSI从2015年的0.44646增至2025年的0.48248，差值为+0.03602。得分在86.16%的分析面积上增加，在13.84%上减少。在所述指数方向下，这是平均地表状况得分的增加，与较低的平均LST和NDBI以及略高的NDVI一致。最低得分等级（STSI < 0.39584683）在2015年占据约20.00%的面积，在2025年占据5.23%。初始份额源于基线五分位数定义。两年中相同的截断点允许与此固定参考值进行比较，而非强制相等的年度等级份额。
内部稳健性和敏感性结果显示，替代权重地图与基线STSI保持强相关（Pearson r = 0.9840–0.9994）。然而，等级1面积在2015年为11.26%至25.25%，在2025年为4.08%至6.16%；最小Jaccard重叠为0.5623。因此，广泛模式一致性伴随着阈值定义的筛查边界敏感性。在具有相同预期权重的年度归一化下，平均得分为0.45102和0.47535；正端点差异持续存在。像元级相关性显示，STSI在两年中与NDVI正相关，与LST和NDBI负相关。平均STSI增加的+0.036020包括LST项的+0.032721、NDVI的+0.000428和NDBI的+0.002872（四舍五入）。三项在全精度下精确求和。较低的平均LST在固定边界和权重下提供最大的算术贡献。
在人口比较方面，分析足迹内保留的模拟人口在2015年为1720万，在2025年为2050万。人口覆盖率分别为得分足迹的81.49%和84.40%。分配给最低得分等级的模拟份额在2015年为15.58%，在2025年为2.80%；人口加权平均STSI为0.42927和0.45841。密度—得分Spearman相关性较弱（2015年为+0.1112，2025年为-0.0585）。配对支持分析保留了1,306.28 km2，并产生相同的四舍五入最低等级份额。这些结果描述了模拟居民与地表得分之间的空间重合，既未建立因果密度效应，也未提供社会脆弱性或地区排名模型。
独立地表温度比较中，在59个占据空间块的894个匹配原生MODIS像元上，STSI与白天MODIS LST负相关（2015年r = -0.712，2025年-0.784）。相应的Landsat-MODIS白天LST相关性为+0.729和+0.777。夜间MODIS LST具有正的STSI关联（+0.254和+0.251），表明有利的白天地表得分并不暗示较低的夜间温度。多年固定时间支持包括854个白天像元和938个夜间像元。在采样端点中，白天MODIS均值为36.22和32.24°C，夜间均值为18.96和21.49°C。平均局地观测时间也发生变化，白天从10.92变为9.73小时，夜间从22.19变为21.06小时。
土地覆盖转变方面，Landsat地图将605.44 km2分类为2015年的建成或不透水覆盖，2025年为783.66 km2，净制图增加178.22 km2。植被从191.22变为170.07 km2，裸地/稀疏覆盖从778.27变为620.92 km2。总转变包括183.47 km2从裸地/稀疏到建成，39.98 km2从植被到建成。这些是未调整的地图估计，而非误差校正的真实转换面积。制图裸地到建成像元显示平均ΔNDVI = +0.03873和ΔNDBI = -0.05995；植被到建成像元分别显示-0.14910和+0.11508。在所有16个组中，面积加权贡献对NDVI求和为+0.00168858，对NDBI为-0.00859424。
在讨论中，区域统计数据与基于地图的解释分开。平均LST降低1.99°C，而平均STSI增加0.03602。在固定归一化和权重下，此关系直接源于组分平均值：较低的LST和NDBI以及略高的NDVI均增加得分。STSI在其LST、NDVI和NDBI地图一起阅读时信息量最大，因为区域平均值不能识别局部减少或区分其地表特征。区域NDVI平均值仅略有变化，尽管存在相反的空间变化。制图建成覆盖的增加与负的区域NDBI差异共存：制图裸地到建成像元的平均ΔNDBI = -0.05995，而植被到建成像元为+0.11508。裸露土壤、建筑材料、水分、阴影和混合植被可以改变光谱对比，特别是在沙漠开发中。这些观察解释了为什么NDBI不是建成区比例。内部诊断支持多组分解释，但区分得分一致性与决策稳定性。高权重选择相关性不意味着相同的低得分边界；报告的面积和重叠范围量化了该区别。独立MODIS白天关联与初步白天地表筛查作用一致，Landsat LST单独的白天对应性相当，且未证明复合指标的优越性。相反的夜间得分关联排除了全天解释。不同晴空支持、过境时间和空间分辨率也限制了跨传感器比较。
STSI的实际作用是提供透明的纯地表筛查层。将人口排除在指数之外防止生物物理得分与社会暴露混淆，并允许其与不同人口数据集结合。操作规划序列是识别在合理权重和截断点下持续存在的低得分区域，检查组分地图，叠加同年人口，添加单独记录的社会脆弱性指标，并验证候选地点。本分析实施了人口阶段，而非脆弱性阶段。大都市调查优先排序得到支持；紧急热警报、行人舒适度、个人风险和街道级干预绩效需要额外的观测和模型。应用应区分开罗的城市环境。在紧凑的历史和非正规区域，后续研究将检查行人遮荫、屋顶遮荫以及受限街道布局中的降温通道。沿尼罗河和农业边缘，将检查植被走廊连续性和农业缓冲区保护。在新的沙漠定居点，裸地、活跃建设和已占用社区应首先分离，然后再评估遮荫或种植。绿化提案需要局地水资源、土壤、维护和植被适宜性证据。
时间设计包括两个年度Landsat端点，无法解析中间的STSI轨迹。全年合成影像减少了对单个场景的依赖，但不能消除天气年或季节性采样不均的影响。2015–2025年MODIS序列仅增加地表温度背景，而非中间STSI观测或过境时间校正的气候趋势。补充性实地评估协议将跨得分等级采样灌溉、裸地、建成和混合环境，在卫星过境附近获取校准的地表辐射测量，记录发射率和测量足迹，并使用空间留出比较。近地表气温、湿度、风和辐射需要为生理应用单独评估。本研究的经验外部评估使用卫星观测。土地覆盖解释取决于训练代表性、参考影像配准以及日期视图是否代表年度合成影像。大气处理版本和晴空覆盖不均也在端点之间不同。因此，转变地图提供背景证据。
结论部分指出，本研究使用年度Landsat 8合成影像将LST、NDVI和NDBI整合为大开罗的地表热应力筛查框架。在共同支持和固定合并归一化下，平均STSI从2015年的0.44646增至2025年的0.48248，而平均LST降低1.99°C。最低固定参考得分等级从20.00%缩减至5.23%的面积，局部得分在13.84%的面积上降低。替代权重保持了广泛的制图一致性，但改变了筛查边界。年份匹配的人口、独立MODIS比较和制图土地覆盖转变提供了补充背景，而未建立生理有效性或因果驱动因素。该框架可指导选择更详细的热力和规划评估地点。进一步应用可延伸Landsat时间序列，加强独立土地覆盖参考证据，并结合现场测量以评估时间轨迹和局地规划决策。
