《Dynamics of Atmospheres and Oceans》：Spatial–temporal analysis of land surface temperature in Ahmedabad city using Landsat-derived indices and machine learning–based regression assessment (1995–2025)
编辑推荐：
Poornima Suthar|Bina Birenkumar Patel印度古吉拉特技术大学L.D.工程学院环境工程系，艾哈迈达巴德摘要由于快速的城市化进程，地表温度（LST）显著上升，加剧了环境压力，并对公共健康构成了威胁。本研究利用Landsat衍生的多光谱指数（包括LST
Poornima Suthar|Bina Birenkumar Patel
印度古吉拉特技术大学L.D.工程学院环境工程系，艾哈迈达巴德
摘要
由于快速的城市化进程，地表温度（LST）显著上升，加剧了环境压力，并对公共健康构成了威胁。本研究利用Landsat衍生的多光谱指数（包括LST、NDBI、NDMI、NDWI和SAL）对艾哈迈达巴德市过去几十年（1995–2025年）的地表温度变化进行了时空分析，分别针对夏季和冬季进行了研究。季节性和十年间的数据分析显示，地表温度持续升高，夏季平均温度从36.47°C（1995年）上升至39.87°C（2025年），冬季温度从23.14°C上升至29.53°C。通过对选定指数进行相关性分析，评估了它们之间的相互关系及其对地表温度的影响。研究结果发现地表湿度、建筑密集度与地表温度之间存在强烈的非线性关联。这一结论通过三维散点交互分析得到了进一步验证，强调了制定多变量热韧性规划的重要性。研究结果表明NDBI和NDMI是影响地表温度的主要因素，而植被和水体则具有局部降温作用。此外，还对比了多种机器学习回归模型（人工神经网络（ANN）、随机森林（RF）和线性回归）在预测地表温度方面的性能，发现随机森林模型（R2=0.90）的预测效果最佳。研究为气候响应型城市发展提供了一些关键的政策和规划建议，特别是建议实施蓝绿基础设施以减少半干旱地区的热岛效应。
引言
在过去的几十年里，许多全球城市经历了快速的城市化进程，建筑面积不断扩大，人口密度增加，农业和开阔土地被转化为住宅区、商业区和工业区，城市景观发生了显著变化（Mohammad等人，2019年；Halder等人，2022年；Dutta等人，2021年）。根据联合国的报告，超过一半的人口居住在城市地区，预计到2050年这一比例将达到近70%。这些变化影响了自然地表，如植被、水体和农业用地，取而代之的是沥青和混凝土等高反照率的材料（Weng等人，2004年；Lal，2023年）。高反照率建筑区的出现导致热量吸收和滞留增加，从而显著改变了城市的热量分布、温度模式和植被覆盖情况，使得城市生态系统变得不可持续。因此，由于城市热动态失衡，地表能量平衡的变化加剧了对空间冷却的需求，加重了地面空气污染，并扰乱了城市水文循环（Lal，2023年；Maheriya和Patel，2025年；Yang等人，2020年）。结果是城市地区的温度明显高于周边较凉爽的农村地区。这种现象通常被称为城市热岛（UHI）效应（Tewari等人，2019年；Bala等人，2024年）。其主要原因是地表温度（LST）的升高。长期暴露在高温环境中会加剧人类热应激、呼吸系统疾病、心血管疾病和与热相关的死亡风险（Chen等人，2022年；Parmar和Patel，2025年）。
卫星获取的地表温度（LST）及相关地球物理多光谱指数是影响UHI变化的关键指标，因此被广泛用于区域、国家和全球层面的地表热状况和陆地与大气能量交换的评估（Yadav和Singh，2024年；Guha等人，2019年）。这些数据还用于模拟气候变化现象（如全球变暖）和评估温室气体排放（Mathew和Khandelwal，2022年；Mohammad和Goswami，2021a）。对于快速发展的城市而言，地表温度的升高对当地气候的热特性具有重要的社会经济和环境影响（Jiang等人，2025年；Saini等人，2024年）。
现有的主要研究通常依赖于单一的土地覆盖指标，如基于植被的指数，但这些指标无法充分反映城市热过程的复杂性（Yadav和Singh，2024年；Guha和Govil，2021年）。最近的研究还强调了城市形态在塑造热模式中的作用，揭示了形态指标与地表温度之间的密切关系（Chen等人，2022年；Zhang等人，2023年；Sun等人，2024年）。因此，有必要研究各种城市参数（城市形态、土地覆盖变化和地表能量平衡）之间的复杂关系，多变量评估成为制定有效热韧性规划策略的关键（Bala等人，2024年；Parmar和Patel，2025年；Trigo等人，2008年）。
艾哈迈达巴德是印度古吉拉特邦最大的快速城市化城市。这座历史悠久且建筑密集的大都市拥有显著的商业和工业发展（Suwandaru等人，2023年），因此热岛效应加剧，导致地表温度上升，对环境产生了不利影响。这使得艾哈迈达巴德成为进行时空城市热分析的重要案例（Mohammad等人，2019年；Mohammad和Goswami，2021b；Birenkumar和Sonali，2023年）。本研究通过检索1995至2025年间艾哈迈达巴德的地表温度及其他地球物理指数，评估了植被、不透水表面、水分含量、太阳反射率及其温度模式的变化。此外，还结合机器学习回归方法来捕捉地球物理指数与地表温度之间的复杂非线性关系，以验证这些参数预测地表温度的可靠性（Mohammad和Goswami，2021b）。这些基于卫星的指数包括归一化差异建筑指数（NDBI）、归一化差异湿度指数（NDMI）、归一化差异水分指数（NDWI）、归一化差异植被指数（NDVI）和地表反照率（SAL）（Weng等人，2004年；Jimenez-Munoz等人，2009年；Alexander，2020年）。这些指数曾在世界各地的多项研究中单独使用。一些印度城市（如德里、海得拉巴和巴特那）仅评估了NDBI与地表温度之间的相关性，以及基于NDVI的降温效果，但这些方法在理解时空变化中的局部降温效应方面仍存在不足（Alexander，2020年；Singh和Sarma，2023年；Banerjee等人，2024年；Lin等人，2023年）。表1总结了以往的地表温度研究，指出了其局限性，包括时间覆盖范围短、依赖单一或有限的光谱指数、缺乏基于机器学习的预测评估以及考虑不足等问题。
先前的城市气候研究表明，植被覆盖、水体和城市结构对长期地表温度变化具有重要影响（表1）。然而，这些研究受限于单一指数方法、时间范围狭窄以及缺乏将城市规划与基于机器学习的预测分析相结合的方法（Zhang等人，2023年）。因此，当前的城市热动态复杂性不足以应对当前的城市规划方法，这些方法仍无法构建全面的多变量热韧性框架。
基于这些研究空白，本研究对艾哈迈达巴德市的地表温度进行了长达数十年的时空分析（1995–2025年）。本研究的新颖之处在于：（i）评估了长期的热变化（1995-2025年）；（ii）整合了综合的多指数框架（NDVI、NDBI、NDMI、NDWI和SAL）；（iii）应用机器学习方法（如随机森林和神经网络）来识别非传统的主要热驱动因素（例如NDMI的作用）（G?owienka和Kucza，2026年）；（iv）通过社区级别的热点分析将科学发现与微观层面的城市治理和气候韧性规划联系起来。通过解决这些局限性，本研究增进了对长期热动态的理解，有助于推动符合可持续发展目标（SDG）11和13的气候韧性城市规划。
章节摘录
材料与方法
本研究针对印度艾哈迈达巴德的城市区域进行了分析，采用了包括数据收集、预处理、空间分析、统计评估和可视化在内的多阶段研究方法。图1展示了研究的各个阶段。
结果与讨论
本研究评估了1995至2025年间艾哈迈达巴德地表温度的时空变化及其主导环境因素。研究重点关注建筑密集度的增加、水分含量的减少和植被破碎化如何共同导致地表温度上升，并塑造了城市热环境。
结论
本研究提供了艾哈迈达巴德地表温度的全面时空分析（1995-2025年），以及其与关键Landsat衍生指数（NDBI、NDMI、NDWI、NDVI和SAL）之间的相互关系。同时，还利用机器学习方法评估了多光谱指数之间的非线性、多维相互作用。结果表明，由于城市化进程，夏季和冬季的地表温度分别上升了3.4°C和6.39°C。
未来研究方向
本研究的局限性包括空间分辨率较低（30米）、缺乏日变化分析以及缺乏地面验证数据，这些因素可能影响结果的精细解释。未来的研究可以结合地面测量和高分辨率数据集（≤10米），以提高地表温度测量的准确性。通过结合日变化和季节性数据，可以更准确地评估热-水分动态和城市热岛（SUHI）效应。
Gupta等人（2023年）；Mathew等人（2015年）；Mousavi（2026年）；Ma等人（2020年）
Bina Birenkumar Patel：撰写——审稿与编辑、监督、数据分析、概念构思。Poornima Suthar：撰写——初稿撰写、资源获取、方法论制定、数据整理、数据分析、概念构思。
作者声明他们没有已知的可能影响本文研究的财务利益或个人关系。
