德里及其周边地区城市热污染相互作用的时空动态:一种遥感与GAM建模方法
《Environmental Research》:Spatio-Temporal Dynamics of Urban Thermal-Pollution Interactions in Delhi and Its Surrounding Areas: A Remote Sensing and GAM Modelling Approach
【字体:
大
中
小
】
时间:2026年08月06日
来源:Environmental Research 8.2
编辑推荐:
摘要:城市热力动态受空气污染和气象变化的影响,对于评估快速城市化大城市的韧性至关重要。地表温度是理解在不断变化的气候和环境条件下这些相互作用的重要指标。本研究利用广义加性模型,探讨了地表温度及关键空气污染物的长期时空变化特征、它们与气象参数的关联,以及影响地表温度变化的主要因素。
摘要:城市热力动态受空气污染和气象变化的影响,对于评估快速城市化大城市的韧性至关重要。地表温度是理解在不断变化的气候和环境条件下这些相互作用的重要指标。本研究利用广义加性模型,探讨了地表温度及关键空气污染物的长期时空变化特征、它们与气象参数的关联,以及影响地表温度变化的主要因素。研究采用了MODIS获取的地表温度和光谱指数、ERA5气象数据以及中国环境监测总站的污染物数据。结果表明,2014年至2023年间,雨季前的白昼和夜间地表温度分别介于33.88-36.53℃和19.57-21.72℃之间。UTFVI分析显示,城市核心区域在夜间属于“较严重”和“最严重”的热应力类别(>0.020)。Sen斜率分析表明,二氧化硫在各个季节都呈现持续上升趋势,冬季的上升速率尤为明显,为每年4.58微克/立方米。气温与雨季前的白昼地表温度呈正相关(r=0.86),而风速则与雨季夜间的地表温度呈负相关(r=-0.95)。广义加性模型对白昼和夜间的地表温度都具有很好的预测能力(R2>0.93)。在所有季节中,SMI都是影响白昼地表温度的主要因素(ΔR2≈0.004-0.018),而在雨季,夜间地表温度主要受二氧化硫影响(ΔR2=0.024),雨季前后则分别受EVI影响(ΔR2=0.014和0.020)。在冬季夜间,各类污染物对地表温度的影响程度相近(ΔR2≈0.005-0.006)。本研究揭示了城市热力、污染与气象之间的相互作用机制,为基于气候变化的都市规划、热岛效应缓解措施以及空气质量管理提供了重要参考。
引言:城市化给环境系统带来了巨大压力,影响着生态系统、生物多样性、空气质量以及地表热状况(Hirschmann等人,2018;Li等人,2021)。在那些发展迅速的城市中,这种变化更为严峻,因为不断升高的地表温度和日益严重的空气污染对环境的可持续性以及人类健康构成了严重威胁。地表温度是反映城市气候的关键指标,其数值受植被覆盖度、土壤湿度、太阳辐射以及地表物质特性等多种因素的影响(Naserikia等人,2022;Tan等人,2020)。它还在理解能量平衡和气候系统方面发挥着重要作用(Li等人,2023)。与此同时,空气污染主要源于车辆排放、工业活动以及发电厂,这在印度等发展中国家已成为长期存在的问题(Yadav等人,2020)。长期接触PM2.5会对人体健康造成严重影响,降低预期寿命并增加死亡率(Sharma等人,2019;Halim等人,2020)。地表温度与空气污染物之间的复杂相互作用,会显著影响城市气候动态和环境健康状况(Han等人,2024)。颗粒物、气溶胶以及其他污染物可通过影响太阳辐射的吸收和散射来改变地球的能量平衡,进而加剧地表升温,推动城市热岛效应的发展。升高的地表温度还会改变大气稳定性,影响污染物的扩散和垂直运动,加速光化学反应,进一步加重空气污染(Mathew等人,2025)。这种双向互动会形成一种反馈循环,使得人口密集地区的温度极值和污染水平愈发严重(Shen等人,2025)。了解这些相互作用对于制定综合性的城市规划策略非常重要,这样的策略能够同时应对快速发展城市中所面临的熱应力问题和空气质量恶化问题(Yu等人,2024)。因此,不断升高的地表温度与日益恶化的空气质量共同凸显出,亟需通过综合性的城市环境管理和政策来保护生态环境和公众健康。已有不少研究探讨了全球范围内不同城市中地表温度与空气污染之间的复杂关系,研究地点包括广州、首尔、台湾海峡、美国以及南亚地区(Azizi & Azizi,2024;Fuladlu and Altan,2021;Miah等人,2024;Ngarambe等人,2021)。Ngarambe等人(2021)发现,各类污染物(PM、NO2、SO2和CO)通常与地表温度呈正相关,这说明较高的污染水平会导致地表温度上升,而臭氧由于独特的光化学形成过程,与地表温度呈现负相关关系。PM、SO2、NO2和CO都与城市热岛效应存在正相关关系(Hereher等人,2022)。在植被覆盖率较低的密集城区,这些相互作用会进一步加剧城市热岛效应。卫星数据分析有助于我们更好地了解城市和农村地区之间地表温度和城市热岛效应的时空差异,以及空气污染物是如何进一步加剧热应力的(Aghazadeh等人,2023)。在美国和南亚地区的对比研究也表明,绿色植被覆盖度和污染水平是决定城市热力动态的关键因素(Miah等人,2024)。在印度,也有许多研究探讨了污染物如何影响城市热力状况(Bala等人,2024;Mishra & Mathew,2022;Nahid & Kumar,2024;Suthar等人,2024)。Suthar等人(2024)指出,地表温度的变化会对空气污染物的日变化规律产生深远影响。研究表明,地表温度与空气污染物之间存在较强的相关性,且这种相关性在冬季比夏季更为明显,存在较大的季节差异(Suthar等人,2023a;Bala等人,2024发现,2022年,在印度四个不同气候区的城市中,地表温度、归一化建筑指数以及归一化植被指数都会显著影响空气污染物浓度,其中气溶胶指数和二氧化氮的相关性最为显著,相关系数分别大于0.61和0.59。Mishra和Mathew(2022)发现,地表温度与从MODIS数据中得出的气溶胶光学厚度之间只有较弱的相关性,这表明较高的温度和城市热岛效应会增强大气层的垂直混合,使气溶胶能够扩散到更高的大气层中。Kumari等人(2021)进一步证实,较高的PM2.5浓度与城市热岛效应的强度存在正相关关系,因为细小颗粒物能够吸收和储存热量,从而加剧地表升温。在印度恒河平原地区开展的研究也发现了二氧化氮和二氧化硫与城市热岛效应之间存在类似的相关关系,这进一步证明了气态污染物在加剧城市热岛效应中的作用(Nair and Babu,2024)。特别是在雨季前,德里地区容易出现热量积聚现象,这是一个难以避免的环境问题。较高的太阳辐射强度加上空气中较低的湿度,会在雨季前到雨季初期引发强烈的城市热岛效应。尽管由于排放量减少,印度主要城市的地表温度总体上有所下降(Parida等人,2021),但德里地区仍然存在城市热岛效应问题。通过卫星图像估算德里的地表温度可知,该地区夏季的平均地表温度为31.08℃,冬季则降至16.30℃左右(Mallick等人,2008;Zhou等人,2019;Das等人,2025)。作为印度的首都,德里在过去二十年里土地用途和土地覆盖类型发生了频繁变化(Nahid等人,2025)。一方面,城市规模的不断扩大会促使城市热岛效应的形成;另一方面,作为热岛效应缓解措施的一部分,各种植树造林项目也使得该地区的植被覆盖度逐年提高(Lin,2025)。有研究指出,像NDVI和增强型植被指数这类光谱植被指数由于具有降温作用,与地表温度呈负相关,而像NDBI这样的建筑指数则因为具有保热作用而与地表温度呈正相关(Taloor等人,2024)。因此,植被覆盖区与无植被覆盖区的比例变化,使得热量积聚的空间分布变得更加复杂(Alademomi等人,2022)。此外,随着城市人口的增长和工业化进程的推进,再加上跨区域的交通运输活动,使得地表热结构变得极为复杂,很难对其进行准确研究。多年来,用于研究地表热结构变化的方法从线性回归逐渐发展到基于机器学习的非线性回归模型(Pande等人,2024)。与线性模型相比,基于机器学习的回归模型能够更灵活地捕捉地表温度与多种环境变量之间的非线性关系,这些环境变量包括各种光谱指数、空气污染物以及气象条件(Wood,2017)。有一些研究应用了机器学习和人工智能技术来分析德里地区地表温度的时空变化规律。随机森林和支持向量机这类模型被用来估算德里全城的地表温度变化情况。这些研究指出,NDVI之类的植被指标以及NDBI之类的建筑指标在影响城市地表温度方面起着重要作用,能够解释大部分地表温度的时空变化现象(Parashar等人,2024)。然而,由于数据分布的复杂性,要完整地构建地表热结构模型往往是一项极具挑战性的任务(Zhao等人,2021)。由于因变量在自变量取值范围内的行为十分复杂,基于机器学习的方法往往无法得到理想的结果。鉴于地表温度在不同影响因素作用下的表现十分复杂,因此很有必要研究地表温度与不同大气条件之间的函数关系。我们没有采用基于机器学习的非线性方法,而是选择了广义加性模型,该模型可以通过拟合一组加权基函数来应对各种复杂的情形,这也是目前用于分析响应变量复杂行为的最有效的统计建模方法之一。本研究的目标分别是:第一,分析地表温度及空气污染物的长期时空变化趋势;第二,评估地表温度、污染物与气象变量之间的相关性;第三,运用广义加性模型这一半参数建模方法,确定影响地表温度变化的主要因素,并对地表温度进行预测。
研究区域:德里及其周边地区位于印度恒河平原的西部。该区域的总面积约为13,299平方公里,其中德里市的面积约为1,484平方公里。德里还涵盖了哈里亚纳邦的古鲁格勒姆、法里达巴德、索尼帕特、贾贾尔,以及北方邦的高塔姆·布达·纳加尔和加济阿巴德等卫星城市(Kumar等人,2024)。该地区的气候属于半干旱到亚湿润气候类型(Attri and Tyagi,2010)。夏季天气炎热干燥,气温极高。
昼夜地表温度变化趋势:图3展示了2014年至2023年间,白昼和夜间季节性地表温度的日变化情况。我们发现地表温度的分布存在明显的季节性差异。冬季时,白昼的地表温度在19.10至22.11℃之间波动,平均值为20.54℃(±0.99)。在雨季前,白昼温度较高,范围在33.88至36.53℃之间,平均值为35.43℃(±0.89)。进入雨季后,白昼地表温度略有下降,波动范围在32.71℃左右。
昼夜地表温度变化趋势:研究还发现,不同季节夜间地表温度均呈现持续上升的趋势。这一结果表明,随着城市建筑密度的增加、不透水表面的增多以及人为热源的排放,城市的热量滞留现象愈发严重。混凝土和沥青等城市建筑材料在白天会吸收太阳能量,然后在夜间缓慢释放,从而导致夜间温度上升,这是城市热岛效应的典型特征(Voogt & Oke,2003)。夜间温度也呈现出类似的上升趋势。
结论:本研究分析了德里及其周边地区地表温度与空气污染物、气象条件以及光谱指数之间的复杂相互作用关系。研究结果表明,在研究期间,白昼地表温度的季节性变化幅度要大于夜间地表温度,这就导致了白昼时段的热量积聚更为严重,而夜间地表温度则相对较为稳定。在所有的季节性变化趋势中,只有雨季后的白昼地表温度呈现出统计学上显著的下降趋势(τ = -0.60,p < 0.05)。
CRediT作者贡献说明:Shadman Nahid:负责原始稿件的撰写、可视化处理、结果验证、软件使用、资源获取、方法设计、正式分析、数据整理以及概念构思工作。Prasenjit Acharya:负责稿件的审阅与编辑、可视化处理、结果验证以及正式分析工作。Krishan Kumar:负责稿件的审阅与编辑、可视化处理以及结果验证工作。拉姆·普拉维什·库马尔:写作——审阅与编辑、可视化、验证、监督、资源管理、调查、概念构建。未引用的参考文献:Das等人,2023年;Dhawan等人,2023年;Ghude等人,2016年;Gupta和Singh,2023年;Guttikunda等人,2019年;Hereher等人,2022年;Junger和De Leon,2015年;Kaskaoutis等人,2021年;Kota等人,2018年;Li等人,2020年;Li等人,2020年;Liu等人,2019年;Malhotra和Aulakh,2023年;Mallick等人,2020年;Mallick等人,2024年;Mitra和Chakraborty,2024年;Nahid和Pravesh Kumar,2024年;Naim和Kafy,2021年;Naserikia等人,2023年;Parida等人,2021年;Patel和Singh,2023年;Peng等人,2021年;Raj。
利益冲突声明:作者声明在本文发表过程中不存在任何利益冲突。
竞争性利益声明:作者声明自己没有已知的可能影响本文所述工作的财务利益或个人关系。
致谢:我们感谢CPCB、USGS和MODIS提供了本研究所使用的数据。Shadman Nahid感谢UGC-SRF提供的博士奖学金以支持这项研究。同时,我们衷心感谢新德里贾瓦哈拉尔·尼赫鲁大学环境科学学院为开展这项研究所提供的必要设施和条件。
Shadman Nahid | Prasenjit Acharya | Krishan Kumar | Ram Pravesh Kumar
新德里贾瓦哈拉尔·尼赫鲁大学环境科学学院,邮编110067
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号