炎热干旱城市大气脆弱性的时空演变：提出城市微气候空气胁迫指数 (UMASI)

《BUILDING AND ENVIRONMENT》：Spatiotemporal dynamics of atmospheric vulnerability in hot arid cities: Introducing the Urban Microclimate Air Stress Index (UMASI)

　　

## 摘要

城市环境，尤其是在监测能力有限的发展中国家，因快速城市化而日益面临不断恶化的空气质量。本研究提出了城市微气候空气应力指数（UMASI），这是一种用于评估环境脆弱性的空间决策支持工具。"空气应力"被定义为大气动力学、环境条件和城市形态对城市微气候产生的综合压力。UMASI整合了八个指标，这些指标来源于遥感和开源数据集，包括大气、环境和城市形态变量。其中包括气溶胶光学深度（AOD）和修正归一化差值雾指数（mNDHI），用于表征颗粒物污染和雾强度；归一化差值植被指数（NDVI）、地表温度（LST）、归一化差值建成区指数（NDBI）和土地利用/土地覆盖（LULC），用于捕捉植被、热条件和建成区表面；以及街道网络整合度和城市密度，用于反映影响污染物扩散的空间连通性和紧凑性。UMASI将空气应力分为七个等级，并应用于2013年、2018年和2023年的阿斯尤特市和新阿斯尤特市。结果显示，两个城市的空气应力水平均从较低向较高等级转变。阿斯尤特市呈现渐进式恶化，超过20%的区域在每个五年间隔内持续恶化。相比之下，新阿斯尤特市的恶化速度更快，降级区域从8.78%增加到17.6%，高应力区域从3.11%上升到4.5%，时间跨度为2013年至2023年。UMASI提供了一个实用的框架，用于监测空气应力动态变化，以支持数据匮乏城市环境中的政策干预。

## 引言

城市中不同区域的地表覆盖、建成形态和地表材料的变化，塑造了所谓的城市微气候，形成与周边区域气候不同的局部条件，并影响温度、湿度、风流和污染物扩散[19]。城市微气候还影响空气污染物的分布和持续存在，在快速发展的城市中尤为如此。城市形态、地表温度和植被的局部差异会困住污染物。这加剧了日益被称作"城市空气应力"的现象，即影响城市空气质量的综合热力和大气负担。由于空气污染源于大气条件与地表属性之间的复杂相互作用，单一指标不足以诊断城市空气应力。气溶胶和雾被广泛认为是空气污染和大气应力的关键指标，反映环境中细颗粒物的高浓度水平（[53,94]）。此外，地表温度（LST）、植被、建成区密度和土地利用/土地覆盖（LULC）模式等环境因素塑造了污染物的沉降和扩散潜力[18,72]。进一步地，以街道网络布局、峡谷效应和城市密度为代表的城市形态调节了污染物的气流运动，高度紧凑的街道网络被证明会困住PM2.5（[26]；[51]）。这些发现表明，空气应力是一个多维现象，无法通过单一指标进行评估。相反，需要一个综合评估框架，整合大气、环境和形态变量，以捕捉城市微气候中的空气应力。此处将空气应力定义为一个多维构念，捕捉大气动力学、环境条件和城市形态的综合影响，它们共同对城市微气候施加压力，导致局部环境脆弱性。空气应力不同于传统的"空气质量"，后者衡量的是污染物浓度（即症状）。相反，空气应力作为一个诊断性概念，评估的是城市微气候的结构脆弱性（即根本条件）。它能够识别潜在的环境风险，即使在污染物水平仍在监管限值范围内时，形态和热力因素也可能制造不稳定的条件。

许多国家，尤其是发展中国家，缺乏地面空气质量监测网络，这使它们依赖于已被证明是有效替代方案的卫星遥感[58,65,89]。卫星辐射计和光谱仪记录从地球-大气系统反射的电磁辐射，这些辐射通过散射和吸收过程被气溶胶修改，从而实现气溶胶光学深度（AOD）的提取（[41,43,90,102]）。AOD是大气中总气溶胶浓度的度量，已被证明与地表观测到的颗粒物污染PM2.5和PM10高度相关[13,34,49,104]。同样，由烟雾和灰尘等细颗粒物高浓度造成的雾，可以通过多种遥感光谱指数检测，如归一化差值雾指数（NDHI）[97,105]。尽管NDHI已被证明能有效捕捉大气中的雾浓度，但最初仅限于水体上的雾。然而，已开发出NDHI的修正版本（mNDHI），以实现在所有土地利用类型上的雾检测。mNDHI已被证明与PM2.5的相关性比NDHI更强[36]。因此，反映气溶胶负荷和减少太阳及紫外线辐射的雾状况的AOD和mNDHI，是评估城市空气应力的关键大气变量，可以通过卫星遥感轻松获取。

遥感还可以检测影响城市热条件和空气质量的LULC变化。随着城市扩张，自然地表被不透水建成区取代，进而减少植被覆盖，增加LST[4,14,33]。道路和屋顶等不透水表面吸收短波辐射并保留热量，限制长波辐射发射并抬升地表温度，这种现象被称为城市热岛效应（UHI）[27,48,57,96]。高LST不仅增加能源消耗和热不适，还通过加速产生二次污染物（如地面臭氧）的化学反应来恶化空气质量[91,96]。反映空气质量状况不佳的植被下降，也可以通过遥感利用归一化差值植被指数（NDVI）进行评估。显示低NDVI的区域通常表现出更高的LST和更高的空气应力，特别是在半干旱和干旱环境中，植被丧失迅速转化为干燥表面和加剧的热量（[62,76]；[99]）。另一方面，城市不透水性可以通过归一化差值建成区指数（NDBI）进行评估，该指数与LST正相关[9,108]。较高的NDBI值表示密集建成区，困住热量并增加PM2.5积累[82]。

城市形态也影响大气中空气污染物的积累，从而影响空气应力。随着城市增长，城市密度增加，影响排放率和气流动力学。高城市密度与更大的交通量、能源使用和人类活动正相关，这些都有助于污染物排放。同时，密集开发通过创造狭窄的城市峡谷破坏自然通风，限制扩散并增加污染物积累[6,85]。狭窄的城市峡谷被证明会减少天空视野并阻断自然通风，使污染物在大气中停留更长时间[3,92]。街道网络布局为城市形态对空气应力的影响增加了另一个维度。高度整合的街道网络集中了车辆运动，充当主要出行走廊。这些走廊引导大量交通，沿着这些主干道产生排放。因此，具有高空间句法整合度值的街道往往与空气污染热点重合[5,26,75]。相反，具有混合土地利用模式和植被覆盖的城市密度可以创造连通网络并减少机动出行距离，从而允许渗透性街道网络并降低人均排放。因此，城市密度和街道网络布局可能加剧或缓解空气应力，这取决于城市形态与环境变量（如LULC和NDVI）之间的动态关系[12,69,77,107]。为了在细空间尺度上有效分析这些动态关系，整合遥感大气和环境数据以及城市形态分析至关重要。这种多维方法为旨在改善城市空气质量的政策和指导高密度城市土地利用规划提供了强有力的见解。

本研究的主要目标是：

1）开发城市微气候空气应力指数（UMASI），这是一个集成分析框架，旨在利用完全开源和遥感数据评估城市空气应力。UMASI旨在提供一个实用且广泛可获取的决策支持工具，可应用于数据匮乏地区，特别是缺乏地面空气质量监测网络的发展中国家。这将使决策者能够在无需昂贵仪器或专门监测系统的情况下评估空气应力状况以制定政策。

2）为了展示UMASI的适用性，所提出的框架被应用于埃及的阿斯尤特市和新阿斯尤特市，这两个城市区域具有不同的空间配置、发展模式景观特征。位于炎热干旱气候区内的这些城市，是考察微气候条件、土地利用动态和城市形态如何相互作用影响空气应力的理想案例。

3）为了捕捉这些相互作用的时间变化，进行了为期十年（2013年至2023年）的比较分析，UMASI计算针对参考年份2013年、2018年和2023年进行。

4）通过这种比较方法，本研究不仅旨在验证UMASI，还旨在提供关于不同城市形态如何经历和放大空气应力的见解，为缓解政策和气候响应型城市规划提供有价值的指导。

## 材料与方法

UMASI整合了一个多维变量集，代表影响城市空气应力的三个主要维度（图1）：

1）**大气变量**（AOD和mNDHI），代表气溶胶浓度和雾条件；

2）**环境变量**（NDVI、LST、NDBI和LULC），捕捉地表特征和热属性；

3）**城市形态变量**（城市密度和街道网络整合度），影响气流和污染物扩散。

这些指标被组合形成……

**UMASI框架的统计评估**

为确保UMASI框架的稳健性，在ArcGIS Pro 3.5中执行了系统抽样和数据清洗过程。最初，为每个时间数据集在研究区域内生成了5000个随机点。随后使用"多值提取到点"工具，将这些环境指标的值和相应的最终UMASI分数提取到这些点上。为保持分析的高数据完整性，包含空值的点被排除在外，这……

## 结论

城市空气应力是一个多层现象，由大气变量、环境因素和城市形态驱动。为了量化这种复杂性，本研究开发了UMASI，一个综合框架，将多个变量（包括AOD、mNDHI、NDVI、LST、NDBI、LULC、城市密度和街道网络整合度）整合为统一的空间度量，范围从最低到关键应力。

通过将该指数应用于埃及阿斯尤特市和新阿斯尤特市的城市环境，这……

## CRediT作者贡献声明

Ahmed M.S. Mohammed：撰写——审阅与编辑，撰写——原稿，可视化，验证，监督，软件，资源，项目管理，方法论，调查，正式分析，数据整理，概念化。

Ahmed M.S. Mohammed
埃及阿斯尤特大学