二十年的夜间表面城市热岛强度分析印度人口超过9个主要城市和对热应力的影响
Madhavi耆那教徒的- 贾瓦哈拉尔·尼赫鲁大学环境科学学院的新德里,印度
全球气候变暖,城市热岛(热岛)交互,通过加剧热浪和增加高温天在城市。在城市环境中添加热应力的影响由于强化表面热岛(SUHIs)是最大的问题。季节性,年和10年的夜间SUHI强度(SUHIIs),从2001年到2020年,印度9稠密的大城市进行了分析。这包括五个大城市——德里、孟买、加尔各答、班加罗尔和金奈,和四个初期的特大城市海德拉巴,艾哈迈达巴德,苏拉特,浦那。增加城市化的关键作用(pre -和post - 2010)在印度的扩张和强化夜间SUHIs突出显示。为所有城市(MAM)或冬季(要么前季风时期该型号;DJF)季节显示SUHII最强的发展。在2001 - 2010,2011 - 2020年的十年中,夜间SUHII最大值的分别(i)为2.1°C和2.5°C德里,(ii) 1.3°C和1.5°C孟买,(iii) 1.3°C和1.5°C加尔各答(iv) 0.6°C和1.0°C班加罗尔(v)为1.7°C和1.9°C钦奈,(vi) 1.8°C和2.3°C海得拉巴(七)2.8°C和3.1°C,艾哈迈达巴德(八)1.9°C和2.4°C苏拉特,和(ix) 0.8°C和1.3°C是浦那。进一步,所有的大城市显示夜间SUHII的年平均增长率超过0.007°C /年,远远大于在大城市。SUHII震级高、SUHII的更大增长,和巨大的人口,印度城市的脆弱性严重化合物高温暴露风险,特别是在老妈的热浪。 Lastly, the implications of nighttime SUHII findings from the present study, on the increase in heat stress, the loss of labor productivity and the rise in heat-related mortality rate is emphasized. The study recommends implementation of city-specific action plans to mitigate the heat stressed urban environment. Targeted use of cooling strategies in localized hotspots within the urban areas where high intensity SUHIs are likely to form is also suggested.
1。介绍
全球人口过80亿在2022年年底,根据最新的联合国(UN)出版的“世界人口前景,”全球人口预计将增加另一个十亿到2030年(联合国(UN), 2022年)。2022年,只有两个国家——中国和印度占超过28亿人,在2023年,印度人口将超过16亿,预计将推翻中国成为世界上人口最多的国家(联合国(UN), 2022年)。目前,印度有五个大城市(即。,cities with population >10 million) viz., Delhi (28.5 million), Mumbai (19.9 million), Kolkata (14.6 million), Bangalore (11.4 million), and Chennai (10.4 million) (联合国(UN), 2018)。除了这五个大城市,印度也有四个超大城市快速发展的初期即。,海德拉巴(940万),艾哈迈达巴德(760万),苏拉特(650万),和浦那(620万)。最近的研究指出,把大城市——班加罗尔和钦奈,跟着老印度大城市的城市化模式,例如,德里和孟买非常好(Taubenbock et al ., 2009,2012年;Jain et al ., 2016;Ghosh和Das, 2017)。类似的趋势在城市增长也将是紧随其后的是其他早期印度的大城市,在接下来的十年里,(Taubenbock et al ., 2010;联合国(UN), 2018)。
的巨大的人口在这九级印度城市——德里,孟买、加尔各答、班加罗尔、钦奈,海德拉巴,艾哈迈达巴德,苏拉特,和浦那(可以从他们居住在2018年共有11亿人。这大约占世界总人口的七分之一,并进一步这九印度城市预计将超过15亿人居住在2030年(联合国(UN), 2018)。从气候风险和减灾的角度来看,这样的巨大无比的城市人口本质上是脆弱的生命和财产的巨大损失事件自然灾害、极端事件发生,或在任何气候变化相关的灾害(政府间气候变化专门委员会(IPCC), 2012年;蒂,2018;联合国(UN), 2018 b;Eckstein et al ., 2019;国家灾害管理研究所(NIDM), 2019年;耆那教的,2022)。在二十年里从1999年到2018年,Eckstein et al。(2019)发现的记录超过12000全球极端事件发生,导致的直接损失约500000人的生命,和金融损失总计大约3.5万亿美元。
研究发现显著增加频率、严重程度和强度极端气候如干旱、热浪、野火、飓风、洪水;这可能会加剧未来的生命和财产损失,造成粮食短缺和疾病的增加导致病原体(罗宾逊,2001;黑色et al ., 2004;李et al ., 2009;戴,2011;政府间气候变化专门委员会(IPCC), 2012年,2014年;Mishra et al ., 2017;Hawcroft et al ., 2018;Bisht et al ., 2019;长谷川et al ., 2021;Jain, 2021,2022年;Jain et al ., 2021;气候透明度,2022)。与其他气候极端事件,热浪造成死亡并不明显,但领先全球的天气原因死亡(Hajat Kosatky, 2010;彼得森et al ., 2013;世界卫生组织(世卫组织),2020年)。热浪事件是特别感兴趣的城市,随着城市化的城市(或组合)地区,通常情况下,温暖的1 - 4°C比附近的农村环境,城市热岛现象广为记载的热岛效应(好的,1973;Voogt没问题的,2003;帕克,2010年;彭et al ., 2012;Nuruzzaman 2015;Shastri et al ., 2017;周和陈,2018年;Anjos et al ., 2020)。2015年,超过1.75亿人,在全球范围内,遭受热浪暴露的平均数相比人们暴露在前几年热浪(世界卫生组织(世卫组织),2020年)。此外,95年th百分位全球热浪暴露预计(RCP8.5-SSP3场景)18-37倍比世纪前2071 - 2100年期间(1971 - 2000)(刘et al ., 2017)。新德里,印度内陆城市,比如,艾哈迈达巴德和海得拉巴,印度和沿海城市,如、孟买、加尔各答和清奈被热浪严重影响了。臭名昭著的2015印度次大陆的热浪死亡超过2500和7,分别在印度和巴基斯坦,00人(韦娜et al ., 2016)。此外,Mishra et al。(2017)强调,全球气温上升2°C会导致一个巨大的增加发生严重的热浪,如2015年的印度次大陆的热浪,近15倍,未来30年,惊人到本世纪末的92倍。在不断的背景下全球气温上升和极端高温事件增加,进一步加剧了这种热应力在城市空间扩张和热岛强度增加,尤其是在夜间(政府间气候变化专门委员会(IPCC), 2012年,2014年;Jain, 2021 b,2022年;Shreevastava et al ., 2021)。
传统上,热岛强度(UHII)计算的差异2 m的空气温度,测量两个单独的气象站,每个位于一个公平的距离彼此,这样他们可以明显被称作“城市”或“农村”,然而,在相同的地理和气候组织(好的,1973,1997年;Arnfield 2003;Voogt没问题的,2003)。然而,随着自由访问遥感和卫星数据的可用性,它已成为城市气象学家和城市气候科学家更容易研究,日间和夜间热岛世界各地(彭et al ., 2012;周et al ., 2014;Shastri et al ., 2017;刘et al ., 2021;西迪基et al ., 2021)。由于基于卫星的热岛估计使用地表温度(LST)而不是2 m空气温度,这个词表面热岛(或SUHI)是用来代替热岛。SUHI在热岛的一个主要好处是,基于卫星的LST数据是基于二维(网格数据)而气象站2 m气温是一维的(数据)。因此,SUHI评估问题时派上用场俯瞰——(1)映射SUHI SUHI足迹和空间扩张的城市,(2)识别小气候SUHI热点在市区内,(3)季节性,每年,和年代际变化SUHI强度,(4)比较SUHI分析(没有仪器和方法偏差)和其他城市出现。在大多数的研究中,人们已经发现,SUHII最强在清晰的夜晚,在平静的日子或没有风,在夏天季节(好的,1981,1997年;Arnfield 2003;Voogt没问题的,2003;帕克,2010年;彭et al ., 2012;Nuruzzaman 2015;Santamouris 2016;Anjos et al ., 2020)。夜间LST比白天更敏感对城市化导致热加热LST和优先SUHI估计(西迪基et al ., 2021)。
一个相当长期的记录超过二十年的中分辨率成像光谱仪(MODIS)夜间LST数据最近来实现。从气候科学的角度来看,一个长期LST记录是至关重要的在城市SUHII分析变化趋势,及其对城市气候的影响大,热应力和热死亡率。在全球范围内彭et al。(2012)用5年MODIS LST数据评估季节和昼夜SUHII 419大城市Chakraborty和李(2019)使用15年的MODIS LST计算日,季节性,超过9500年度SUHII城市集群。通过卫星观测LST (2002 - 2021),刘et al。(2022)发现每十年平均地表变暖趋势世界上超过2000的城市集群,其中最高的是指出亚洲的大城市,由于快速的城市化严重了。在季节和昼夜热岛变化101年亚洲和澳大利亚城市,探索了Santamouris (2015),城市规模和UHII之间的关系进行了分析。利用区域气候模式和MODIS LST数据的城市在美国,Sarangi et al。(2021)指出在城市热岛效应主导着昼夜变化热应力强度,在高峰在夜间,热应力暴露在夜间加剧了每天3 - 5小时。Raj et al。(2020)发现增加44个主要城市的夜间SUHIIs印度利用卫星气温数据从2000年到2017年。Kumar et al。(2017)在他们的研究中超过89印度城市强调夜间SUHI强烈相关的百分比在城市地区不透水性。Shastri et al。(2017)计算中日间和夜间SUHII两seasons-pre-monsoon (MAM)和冬季(DJF), 84年在印度城市地区,利用MODIS LST数据从2003年到2013年。然而,这项研究是基于城市聚类算法依赖于人口估计,而不是不透水面积估计,描绘城市和农村的边界;后者是一个更好的标准,尤其是在印度这样的人口大国。在这方面,本文首次评估夜间SUHIs的20年(2001 - 2020),在所有四个季节冬天(型号;(DJF),前季风时期高于3;老妈),季风(6;环流和post-monsoon (9;的儿子),所有印度即九稠密的大城市。,德里孟买, Kolkata, Bangalore, Chennai, Hyderabad, Ahmedabad, Surat, and Pune. Moreover, the study provides an insight into the SUHII variability and trends at a decadal, annual, and at a seasonal time scale for the nine Indian cities. The paper also discusses the far-reaching implications of nighttime SUHI expansion and the increasing severity of SUHII, in worsening the heat stress and discomfort of city dwellers of India. Ramifications of increasing SUHIIs during pre-monsoon (or summer; MAM season) in synergy with increasing global temperatures and increasing heatwaves on the human mortality rate are also discussed. Lastly, a call to action通过针对SUHI缓解策略和发展特色行动计划提出了减少热应力集中。
2。方法
2.1。城市的选择
过去(2000)、现代(2018)和未来(2030)人口估计(联合国(UN), 2018)被用来确定印度的密集的9个主要城市。五个城市,在2018年,即,德里(2850万)、(1990万),孟买加尔各答(1460万),班加罗尔(1140万),和钦奈(1040万)的人口超过1000万,而四个城市,即,海德拉巴(940万),艾哈迈达巴德(760万),苏拉特(650万),和浦那(620万)的人口超过500万。人口统计数据,包括人口的年增长率变化在2000 - 18和2018 - 2030提供了这些城市表1。据估计,到2030年,海德拉巴,艾哈迈达巴德可能发展成为特大城市,虽然两个城市的人口——苏拉特和普纳可能会增加到970万和840万年,分别几乎触手可及的大城市状态(表1;联合国(UN), 2018)。每个印度的九个城市的地理位置,选择目前研究中所示图1。每个城市的图也显示(图1一个- - - - - -我),显示了每个城市的城市化程度。2010年的不透水面积的比例(王et al ., 2017城市区段)已经被用于映射。在2.2节详细阐述了数据集。
表1。人口统计的9个主要研究印度城市选择填充。过去(2000)、现代(2018)和未来(2030)人口(百万)提供的表,连同人口变化的平均年增长率(%)从2000年到2018年,和2018年到2030年[来源:联合国(UN), 2018]。
图1。研究区域显示地理位置填充9个主要城市的印度在其国家边界(灰色阴影)。城市是由一个红点周围100公里内盒(黄色阴影;在黑框轮廓)标记感兴趣的地区。不透水面积(%)基于gmi公司2010年的数据集(王et al ., 2017)城市(一)德里(B)孟买,(C)加尔各答,(D)班加罗尔,(E)钦奈,(F)海德拉巴,(G)艾哈迈达巴德(H)苏拉特,(我)浦那是一起提供的。与ArcMap版本生成的数据。10.6。
选择这些特定的两个主要原因九印度城市——(1)他们庞大的人口规模(> 500万),本质上增加他们的脆弱的生命损失的极端事件或气候灾害,和(2)的中心地位国家、金融、技术、科学、文化的重要性,因为它本身就增加了他们易受更大的损失的国内生产总值(GDP)在这样的事件。
2.2。界定城乡区段
全球人为不透水表面(gmi)数据集用于2010年在1公里分辨率(王et al ., 2017),从社会经济数据和应用程序访问中心(SEDAC) (https://sedac.ciesin.columbia.edu/data/set/ulandsat-gmis-v1)。gmi 2010数据集来自全球土地调查(gl)陆地卫星图像存档和地图构造城市不通透性使用“人类组合结算程度”(HBASE)的方法。gmi数据集的限制包括可能错误的去除小面积的城市由HBASE像素,和一些像素错误分类“NoData后”的类别,云/阴影区域和陆地卫星7 ETM + SLC图像数据差距存在(布朗德Colstoun et al ., 2017)。即使有这些限制,gmi HBASE数据集对2010年被发现有良好的(0.91)kappa系数在欧洲(Zhang et al ., 2020),被认为是一个有价值的全球许多城市不透水面积数据集基础研究(Yoo et al ., 2019;曹et al ., 2020;梅纳康et al ., 2021;申雪和赵宏博,2021年)。
与此同时,金和棕色(2021)强调仍有普遍缺乏协议分类标准估计SUHI时所需。这是由于这样的事实,没有明确的国际定义什么是“城市”,一个城市的行政边界可能不会准确地代表城市程度(特别是由于创建新的卫星城镇行政限制之外的城市)。然而,许多研究表明,不透水面积的使用比例是一个很好的城市范围和描写的人可以用来有效地量化SUHI (李et al ., 2018)。gmi 2010数据集内,类值的范围从0到100,分别代表不透水面积的比例在1公里网格,并作为主要数据集描述的本研究城乡区段。
gmi 2010数据集是定性相互参照的市区区段Bhuvan state-wise土地利用土地覆盖数据集(2011 - 12;https://bhuvan-app1.nrsc.gov.in/thematic/thematic/index.php)和谷歌地球意象为9 2010年的印度城市。回顾辅助信息,如城市地图、主计划和可用的城市规划文件也是这样一个好的参考执行城乡区段可以建立。基于这些细致的定性评估的城市化模式在印度,gmi数据在整个印度大陆分为四类——(1)所有网格不透水面积< 10%,“农村”,(2)网格有不透水面积10至24%,“城郊,”(3)网格不透水面积25到49%,“低密度城市”,和(4)网格不透水面积> 50%为“高密度城市。“此外,成立,所选9个印度城市,一条100公里的边界框(的)是足够的(1)大到足以包含完整的“高密度城市”“低密度城市”和“城市周边”的地区,(2)足以充分包括周围的“农村”为SUHII估计领域,与此同时,和(3)足够小,限制了地形相关的当地天气变化以及SUHII温度偏差。每100公里的质心点边界框是叠加在城市中心。市中心点矢量数据在ArcGIS ver.10.6准备,从现有的地理坐标(经度和纬度)每个城市的信息(图1)。每个城市的边界框的位置是由满足上面的条件,同时也确保他们不重叠与附近城市。在沿海城市的情况下,印度大陆以外的地区。,the Arabian Sea or the Bay of Bengal, was not considered in the SUHII estimations.
2.3。估计SUHII
质量检查每月夜间MODIS LST产品0.05°的空间分辨率(MOD11C3v006;https://giovanni.gsfc.nasa.gov/giovanni/)下载2001年- 2020年在印度大陆。每年的平均数据是季节性DJF,老妈,环流,儿子。每年季节性晚上LST的子集(剪)九城市域边界框(100公里)和四类即城乡。进一步,“农村”,“城市周边”,“低密度城市”和“高密度城市”在每个城市正如2.2节中阐述。
为了估计SUHII LST的像素分配类“高密度城市”减去意味着LST的像素分配类为“农村。“类”城郊”和“低密度城市“被忽视的SUHII的计算。这些类都有一个混合的比例城乡元素在不同程度上;“低密度城市”的城市偏向类和农村“城郊”类偏见,因此将这两个“缓冲区”类会破坏真正SUHII估计(Voogt没问题的,2003)。
3所示。结果与讨论
3.1。时空夜间SUHI足迹
地对空的相互作用中发挥重要作用在城市气候,尤其是在管理城市供暖(Jain et al ., 2017;Jain, 2021 b,2022年)。此外,夜间LST的发现是一个更好的指标比白天SUHII LST由于其高灵敏度对城市化(西迪基et al ., 2021)。图2- - - - - -4显示了季节性夜间LST的2001 - 2010和2011 - 2020年,在印度的密集的9个主要城市。形成独特的夜间SUHI地区更大的不透水面积百分比从这个图显然是明显的。形成夜间SUHI发现城市大小关系非常好,和主要是明显的类即“高密度城市”。,像素不透水面积的50%以上。
图2。夜间LST [°C;蓝色,红色(阴影部分)]计算季节性对该型号(DJF),高于3(老妈),6(环流),和9(儿子)的城市(一)德里(B)孟买,(C)加尔各答。对于每个城市所示,上面板代表夜间LST的2001 - 2010年的十年中,和较低的面板代表夜间LST的2011 - 2020年的十年。SUHI形成夜间城市显然是明显的地区更大的不透水面积百分比。不透水面积2010年(来源:王et al ., 2017)分为四类(1)0 - 9 %作为“农村”,(2)10 - 24 %作为“城市周边,”(3)25-49 %”低密度城市”,和(4)50 - 100 %”在本研究高密度城市”。与ArcMap版本生成的数据。10.6。
所有的9个印度城市中,德里,这既是——最大的印度,密集的城市和最大的城市化城市(面积“高密度城市”类),显示了最大的夜间SUHI足迹(图2一个)。其他大城市,即孟买图2 b),加尔各答(图2 c),班加罗尔(图3一)和钦奈(图3 b)也表现出显著的全年夜间SUHI,在2001 - 2010和2011 - 2020年。另一方面,初期的超大城市与城市规模更大,例如,海德拉巴(图3 c)和艾哈迈达巴德(图4一),显示一个大大大夜间SUHI足迹,小型初期的大城市,比如,苏拉特(图4 b)。SUHI发现削弱了“城市周边”和“低密度城市”类。这是特别是在浦那(图4 c),一个初期的大城市,城市规模大到足以媲美一些大城市,然而大部分地区陷入“城郊”或“低密度城市”类。最合理的解释观察到的SUHI削弱这些城乡混合类更大的大量的热冷却类例如,森林和水体比高密度城市地区(Arnfield 2003;Anjos et al ., 2020;Jain, 2021 b)。应该注意的是,某些“农村”类土地利用土地覆盖,如贫瘠的土地、岩石地形,和不文明的农业土地,有时,在夜间发出更高比例的热辐射,结果显示更高比城市LST (Jain et al ., 2017)。几个孤立的农村地区附近的城市德里,加尔各答,海德拉巴显示更高的夜间LST在目前的研究(图2,3)。这样的场景是严重依赖于内在的热性能如比热容、热导率和发射率(陈et al ., 2006;西安和起重机,2006年;Bowler et al ., 2010;华et al ., 2017等领域)的材料中发现,导致更高的夜间LST。
图3。一样图2,但对于城市(一)班加罗尔,(B)钦奈,(C)海得拉巴。
图4。一样图2,但对于城市(一)艾哈迈达巴德(B)苏拉特,(C)浦那。
本研究的所有城市夜间SUHI的季节性变化的足迹。从图2- - - - - -4,最激烈的形成(MAM)和夜间SUHI指出在前季风时期冬天(DJF)季节。类似的结果的季节性最大值在老妈和DJF一直强调在夜间SUHII此前的一项研究表明超过印度Shastri et al。(2017)。对于大多数引用,夜间SUHI post-monsoon期间(儿子)季节是没有观察到一样强烈DJF期间或在老妈的季节。此外,所有城市表明,夜间SUHI形成在季风季节即是最弱的。,环流。印度季风季节,当城市体验最大降水,以及强烈的对流风和郁郁葱葱的植被;所有因素,减轻SUHI形成。基于均值季节性SUHI二十年,艾哈迈达巴德是观察作为唯一的城市展示一个城市的存在酷岛,明显的环流季节期间2001 - 2010 (图4一)。增加城市化进程的重大影响(pre -和2010年之后的场景)在夜间SUHI也很明显图2- - - - - -4。相比2001 - 2010年的十年中,夜间SUHI大小在2011 - 2020年十年发现有显著增长的印度的9个主要城市。这种夜间SUHI扩张期间观察到的所有的季节,然而,大多数在老妈强烈明显。夜间SUHI径向向外发展的模式是一致的与城市扩张的模式目睹这些印度城市(Taubenbock et al ., 2009,2012年;Jain et al ., 2016;Ghosh和Das, 2017)。
3.2。季节性、年度和年代际夜间SUHII趋势
SUHII可变性的特征和趋势是首要的为了理解过程热应力有关的人类(Anjos et al ., 2020)。夜间SUHI强度最高的季节,对于每一个城市,在每一个十年,在目前的研究中突出显示。九个印度城市,DJF或者老妈赛季显示了夜间SUHII最强的流行。在2001 - 2010和2011 - 2020年,夜间SUHII级的分别(i) 2.1°C和2.5°C (MAM)德里,(ii) 1.3°C和1.5°C (DJF)孟买,(iii) 1.3°C和1.5°C (DJF),加尔各答(iv) 0.6°C和1.0°C (DJF和老妈)班加罗尔(v) 1.7°C和1.9°C (DJF)钦奈,(vi) 1.8°C和2.3°C(海德拉巴DJF),(七)2.8°C和3.1°C (DJF),艾哈迈达巴德(八)1.9°C和2.4°C (DJF)苏拉特,和(ix) 0.8°C和1.3°C (MAM)浦那(表2)是最强的。
表2。意思是夜间SUHII季节DJF (°C),老妈,环流,和儿子在2001 - 2010年期间,和2011 - 2020及其年代际变化印度的密集的9个主要城市。表中的这些城市被表示为德里(DEL),孟买(妈妈),加尔各答(KOL),班加罗尔(禁止),钦奈(切),海德拉巴(海德拉巴),艾哈迈达巴德(AHM),苏拉特(SUR)和浦那(双关语)。
从2003年到2008年的年平均夜间SUHII多数(95%)的419 > 100万人口的大城市的世界发现介于0和2°C (彭et al ., 2012)。在另一项研究在印度,老妈和DJF夜间SUHII,从2003年到2013年,84年城市位置指出介于0 - 1°C之间,0 - 1.5°C,分别为(Shastri et al ., 2017)。图5描绘了20年的年度趋势夜间SUHII九个印度城市。每年,平均夜间SUHII季节DJF,老妈,环流和儿子。目前的研究发现,平均十年夜间SUHII从2001年到2020年,大部分的九(人口> 500万)印度城市范围在0 - 2.5°C (表2),略高于全球平均水平。此外,在2001 - 2020年之间,平均十年夜间SUHII DJF增加了0.2 - -0.4°C,由0.1 - -0.4°C的老妈,0.0 - -0.4°C的环流,0.1 - -0.3°C的儿子,在印度的大城市(表2)。有趣的是,更高的年代际增加DJF 0.2 - -0.6°C, 0.4 - -0.5°C的老妈,0.4 - -0.7°C在环流,在儿子和0.2 - -0.5°C,在印度的四个初期大城市而著称。
图5。20年(2001 - 2020)年平均夜间表面城市热岛强度(SUHII;°C;实线)趋势印度的密集的9个主要城市(一)德里、孟买和加尔各答(B)班加罗尔、钦奈和海德拉巴,(C)苏拉特,艾哈迈达巴德和浦那。在每年平均夜间SUHI DJF强度估计,老妈,环流,儿子的季节。从2001年到2020年,所有的城市展示越来越线性趋势(虚线)的年平均夜间SUHII。
夜间SUHII的平均年增长率从2001年到2020年被发现(i)为0.0057°C /年和德里,孟买(ii) 0.0026°C /的一年,(iii) 0.0042°C /年加尔各答(iv) 0.0069°C /班加罗尔,钦奈(v) 0.0047°C /的一年,(vi) 0.0093°C /海德拉巴,(七)0.0073°C /年艾哈迈达巴德(八)0.0076°C /苏拉特,和浦那(ix) 0.0105°C /年(图5)。有趣的是,每一个初期的大城市都有夜间SUHII的年平均增长率超过0.007°C /年,尽管所有大城市仍低于这个阈值。原因之一大SUHII超大城市的增长率可能是由于在这些城市(城市增长速度越快报告Taubenbock et al ., 2009)。这可能会导致一个明显高于城市升温速率、更高的城市LST SUHII走强,在热应力显著增加。
3.3。在印度城市对热应力的影响
全球气候变暖,城市热岛,交互通过加剧热浪和增加在夏季酷热天(金和布朗,2021年;耆那教的,2022)。在城市,极高的白天还是晚上气温由于这种协同效应可以直接导致热发病率和死亡率的增加(Santamouris 2016;Kumar et al ., 2017;金和布朗,2021年)。老妈平均温度经历了2017 - 2021年期间,印度为0.4°C的温暖比全球平均气温平均在1986 - 2005 (气候透明度,2022)。此外,12个最热的15年印度记录,在过去的120年里,发生在2006年和2020年之间;2016 (+ 0.71°C), 2009 (+ 0.55°C), 2017 (+ 0.54°C), 2010 (+ 0.54°C)和2015 (+ 0.42°C)是最热的5年(印度气象部门(IMD), 2021)。
印度城市特别是更受到热浪的影响,发现了比农村地区由于热岛(或SUHI)发展,此外,热浪在印度(老妈也显著增加Shastri et al ., 2017)。在印度一些最值得注意的严重的热浪事件发生在2002年(4),2015(5),2016(4),2019(5)和2022年(高于3),最高记录温度在每个51热浪事件范围从49°C。德里和艾哈迈达巴德的印度北部的两个著名城市,面临严重的老妈季节,白天(最大值)和夜间(最小)气温经常跨越40°C和25°C,分别。在这种情况下,一个2.1 - -2.8°C和2.5 - -3.1°C的意思是夜间SUHII老妈期间,观察到在过去的二十年里,分别在新德里和艾哈迈达巴德(表2)非常有关;期间更严重的事件在夏天热。同样关于夜间SUHII极大值超过1.5°C目睹其他印度城市,例如,钦奈,海德拉巴,苏拉特。这种化合物在城市面临的热应力,特别是在情节严重的热浪在夏天,热死亡并导致更高的发病率,例如,由于热中风死亡。
根据最近的一份报告气候透明度(2022)1.5°C的变暖,大约1.42亿更多的印度人,每年预计将受到热浪比平均暴露在1986 - 2006年,和2.8倍曝光的变暖3°C。利用1980 - 2010年基期,每年的最小和最大空气温度异常(°C;实线;主轴)在过去的50年中(1971 - 2020)在印度大陆表面(印度气象部门(IMD), 2021 b)策划(图6)。随着空气温度异常,报告(年度)中暑死亡人数(固体酒吧;二级轴;图6)在印度这些50年也显示。前面的25年期间从1971年到1995年,主要显示了一个消极的空气温度异常的患病率,最低和最高气温。然而,后者在1996 - 2020年,一般符合快速城市化的发生在印度城市(Taubenbock et al ., 2009,2012年)显示明显更高的最小和最大空气温度异常(+ 0.5 + 1.0°C;图6)。此外,图中黑色箭头用于马克严重的热浪事件的发生(例如,1995,1998,2003,2010,2012,2015,2016和2019年)在印度近年来。
图6。(一)年度最小和最大空气温度异常(°C;实线;在印度大陆(主轴)印度气象部门(IMD), 2021 b)和报告(年度)中暑死亡人数(固体酒吧;二级轴)在印度在过去的50年(1971 - 2020)。基本期从1981年到2010年是用来计算年度气温异常。国家犯罪记录局(国家犯罪记录局(NCRB), 2022年在印度)意外死亡和自杀(ADSI)个别报告从1971年到2020年被用来提取中暑死亡数据。黑色的箭头标志的发生严重的热浪事件(如1995、1998、2003、2010年,2012年,2015年,2016年和2019年)在印度近年来。(B)散点图显示相关的年平均气温异常(°C)在印度大陆和报道在印度每年中暑死亡50年(1971 - 2020)。显著急剧增加报道中暑死亡是观察到的年平均气温异常+ 0.2°C和更高。
大同小异的越来越积极的空气温度(最小和最大)异常,随着出现严重的热浪事件和增加中暑死亡(报道)在印度被高亮显示。谨慎,需要注意的是,实际的中暑死亡人数,和其他热发病率在印度,是很难估计的,甚至个别城市。此外,普遍认为中暑死亡是多(甚至很多次)高于官方数据公布在国家犯罪记录局(国家犯罪记录局(NCRB), 2022年在印度)意外死亡和自杀(ADSI)年度报告,和官方热发病率数据是完全不可用(Hajat Kosatky, 2010;Tran et al ., 2013;爱资哈尔et al ., 2014;《印度时报》,2015年版;求爱者et al ., 2019)。甚至还明显大幅增加中暑死亡(每年报道)在印度是观察,年平均气温异常时(对1980 - 2010年基准)+ 0.2°C以上,发生在印度大陆(图6 b)。热应力的影响,包括超额死亡由于热中风,将会增加在印度的大城市和特大城市的,其中,目前研究显示高的存在意味着夜间SUHIIs (3.1°C),高的增加意味着十年夜间SUHIIs (0.4°C),和高的年平均增长率夜间SUHIIs (0.0105°C /年)从2001年到2020年。
此外,研究表明,在环境温度每增加1°C,死亡率已观察到增加1 - 3%,临界热阈值以上的死亡率上升指数(Hajat Kosatky, 2010)。在地中海的死亡率增加了3.12% 1°C的环境温度高于热阈值增加(Santamouris 2016)。新德里(印度),死亡率在1991 - 1994年的研究增加了3.94%环境温度每升高1°C以上29°C (Hajat Kosatky, 2010)。在2018年和2019年,印度观察到世界上最大的热量增加相关的死亡率(Romanello et al ., 2021)。此外,在2021年估计有1670亿潜在损失工时和1590亿美元的GDP减少由于高温导致劳动能力报告(气候透明度,2022)。越来越温暖的几十年,增加SUHIIs的年平均增长率,并增加频率长期严重的热浪,之间的差距将继续扩大环境空气温度和热阈值温度大城市如德里和初期的大城市如艾哈迈达巴德。这使得数以百万计的城市居民在印度的大城市和初期的大城市的风险严重热发病率和死亡率在不久的将来。
4所示。结论和建议
从热应力的角度来看,有增无减的三重打击,全球气温上升,增加UHIIs(或SUHIIs),并且越来越频繁的长期热浪的极端严重性(MAM)在前季风时期的季节是印度最大关注的城市世界卫生组织(世卫组织),2020年;印度气象部门(IMD), 2021;Jain, 2021 b,2022年;Jain et al ., 2021)。许多因素,如城市地区(如不透水面积、建筑密度、建筑高度、等等),城市形态(如天空视角系数,峡谷宽度、建筑材料属性,存在热冷却类,等等),气象条件(如风速、风向,边界层高度、降水、等等),人为热通量(车辆排放、空调热功率、工业排放,人类新陈代谢,等等)影响环境温度,SUHI形成,最终热应力在城市。在印度的九个最高密集的城市,提高城市化的关键作用(pre -和post - 2010)在夜间SUHI扩张和强化在当前研究中突出显示。两个赛季中,老妈和DJF最强的夜间SUHII患病率在印度城市,一段与越来越多的严重的热浪在印度。
研究还强调,印度大城市的初期表现出显著的年平均增长率比大城市夜间SUHII这个率仍低于0.007°C /年。在过去的二十年里,平均夜间SUHII 2.1 - -2.8°C时目睹了老妈在德里,一个拥有2850万人口的大城市(和2030年预计的3900万人口)和平均夜间SUHII 2.5 - -3.1°C时目睹了老妈在艾哈迈达巴德,一个初期SUHII最高的大城市的印度城市。这种情况是非常有关的环境中增加热应力,热发病率和死亡率。一个例子是2010年(5月)艾哈迈达巴德的热浪导致超过1340人非正常死亡(爱资哈尔et al ., 2014)。夜间SUHII极大值超过1.5°C,目睹了在印度其他城市,例如,钦奈,海德拉巴,苏拉特,也同样有关。一般来说,夜间SUHIs目睹的强度在印度的所有9个城市都大幅高导致显著降低热舒适和生活质量。
为了减少因高温引发的死亡率在印度的城市,高强度SUHI热点需要识别的关键。这些过度加热的火锅在最大的城市应该专注实现目标策略旨在减少热应力。在前一个局部范围行横断面研究在德里,热冷却类的存在以及人口组合城市地区被发现显著降低LST (Jain et al ., 2017)。研究表明,增加战略包含蓝绿色基础设施(即。,“blue” infrastructure e.g., rivers, ponds, watersheds, tanks, other waterbodies, etc. and “green” infrastructure e.g., forests, parks, gardens, etc.) significantly reduces ambient temperature, lowers UHII (or SUHII), and mitigates heat stress (Nuruzzaman 2015;华et al ., 2017;Jain, 2021;撒努斯和贾利勒,2021年)。城市绿化策略如垂直花园、屋顶和阳台花园、社区森林,都市农业是审美愉悦的同时提供热舒适heat-stressed城市环境(Anjos et al ., 2020;Jain, 2021 b)。此外,包含蓝绿色的基础设施也会导致更大的能源节约由于降低电力(如空调)的要求,同时减少人为热通量(阿克巴里et al ., 1997)。其他策略,如降温屋顶,很酷的人行道,绿色建筑,水喷雾系统也显示出巨大的潜力大大减少热应力在夏季极端高温事件(华氏温标et al ., 2020;哈雷et al ., 2021;撒努斯和贾利勒,2021年)。
建议所有的印度人口大城市应该制定特色行动计划将缓解热岛(或SUHIs)和极端高温事件在未来气候变暖。目前,艾哈迈达巴德的印度是唯一的城市和一个复杂的战略行动计划,叫做“艾哈迈达巴德热2019年行动计划,制定应对高死亡率目睹了在频繁发生的极端高温事件。有针对性的特色缓解和行动计划有一个重要的角色在打击在印度城市面临的越来越多的热应力。政策应该关注识别最强的热岛的局部热点(或SUHI)内形成高强度的城市和UHIIs(或SUHIIs)可能发展(金和布朗,2021年;撒努斯和贾利勒,2021年)。通过采取紧急行动的实施有针对性的冷却策略和热量行动计划,印度的城市将是一个一步实现可持续发展目标(西班牙13)2030年投入使用。
数据可用性声明
最初的贡献提出了研究中都包含在本文/辅料,可以针对相应的作者进一步询问。
作者的贡献
乔丹研究的概念框架,设计方法,访问和处理数据,进行形式分析,包括数据可视化和写的手稿。
确认
作者承认国家航空和宇宙航行局(NASA)乔凡尼(https://giovanni.gsfc.nasa.gov/giovanni/夜间)的访问(中分辨率成像光谱仪(MODIS)地表温度(LST)产品(MOD11C3v006)和社会经济数据和应用中心(SEDAC) (https://sedac.ciesin.columbia.edu/data/set/ulandsat-gmis-v1)的访问全球人造数据集不透水表面(gmi)。这些数据集都是本研究的关键。作者承认审稿人和编辑的努力提供自己的见解,帮助改进的手稿。
的利益冲突
作者说,这项研究是在没有进行任何商业或金融关系可能被视为一个潜在的利益冲突。
出版商的注意
本文表达的所有索赔仅代表作者,不一定代表的附属组织,或出版商、编辑和审稿人。任何产品,可以评估在这篇文章中,或声称,可能是由其制造商,不保证或认可的出版商。
引用
阿克巴里,H。,Kurn, D. M., Bretz, S. E., and Hanford, J. W. (1997). Peak power and cooling energy savings of shade trees.能源建设。25日,139 - 148。doi: 10.1016 / s0378 - 7788 (96) 01003 - 1
Anjos, M。,Targino, A. C., Krecl, P., Oukawa, G. Y., and Braga, R. F. (2020). Analysis of the urban heat island under different synoptic patterns using local climate zones.构建。环境。185年,107268年。doi: 10.1016 / j.buildenv.2020.107268
Arnfield, a . j . (2003)。二十年的城市气候研究:回顾动荡,能源和水,和城市热岛。Int。j . Climatol。23日,1-26。doi: 10.1002 / joc.859
爱资哈尔,g S。,Mavalankar, D., Nori-Sarma, A., Rajiva, A., Dutta, P., Jaiswal, A., et al. (2014). Heat-related mortality in India: excess all-cause mortality associated with the 2010 Ahmedabad heat wave.《公共科学图书馆•综合》9,e91831。doi: 10.1371 / journal.pone.0091831
Bisht, d S。,Sridhar, V., Mishra, A., Chatterjee, C., and Raghuwanshi, N. S. (2019). Drought characterization over India under projected climate scenario.Int。j . Climatol。39岁,1889 - 1911。doi: 10.1002 / joc.5922
黑色,E。,Blackburn, M., Harrison, G., Hoskins, B., and Methven, J. (2004). Factors contributing to the summer 2003 European heatwave.天气。59岁,217 - 223。doi: 10.1256 / wea.74.04
圆顶礼帽,d E。,Buyung-Ali, L., Knight, T. M., and Pullin, A. S. (2010). Urban greening to cool towns and cities: a systematic review of the empirical evidence.Landsc。城市规划。97年,147 - 155。doi: 10.1016 / j.landurbplan.2010.05.006
布朗德Colstoun e . C。黄,C。王,P。,Tilton, J. C., Tan, B., Phillips, J., et al. (2017).全球人为不透水表面(gmi)从陆地卫星数据集。栅栏,纽约州:NASA社会经济数据和应用程序中心(SEDAC)。doi: 10.7927 / H4P55KKF(2021年11月11日通过)。
Chakraborty, T。,and Lee, X. (2019). A simplified urban-extent algorithm to characterize surface urban heat islands on a global scale and examine vegetation control on their spatiotemporal variability.j: Int。地球观察。Geoinf。74年,269 - 280。doi: 10.1016 / j.jag.2018.09.015
陈,x L。,Zhao, H. M., Li, P. X., and Yin, Z. Y. (2006). Remote sensing image-based analysis of the relationship between urban heat island and land use/cover changes.快速眼动。参议员包围。104年,133 - 146。doi: 10.1016 / j.rse.2005.11.016
曹,D。,柳,C。,我m, J., Lee, Y., and Lee, J. (2020). Improvement of spatial interpolation accuracy of daily maximum air temperature in urban areas using a stacking ensemble technique.GISci。Rem Sens。。57岁,633 - 649。doi: 10.1080 / 15481603.2020.1766768
气候透明度(2022)。气候透明度报告- 20国集团(G20)应对能源危机:1.5°C的关键。网上:https://www.climate-transparency.org/g20-climate-performance/g20report2022 # 1542188493496 - 385 - f4162 - 3 - o(2022年10月25日通过)。
Eckstein D。,Hutfils, M. L., and Winges, M. (2019).2020年全球气候风险指数:从极端天气事件折磨的人最多?“德国观察”Nord-Sud倡议电动车。网上:https://www.germanwatch.org/en/16046(2020年8月26日访问)。
c大调,J。,Kinab, E., Ginestet, S., and Adolphe, L. (2020). Impact of urban heat island mitigation measures on microclimate and pedestrian comfort in a dense urban district of Lebanon. Sustain.城市Soc。61年,102375年。doi: 10.1016 / j.scs.2020.102375
Ghosh, S。,and Das, A. (2017). Exploring the lateral expansion dynamics of four metropolitan cities of India using DMSP/OLS night time image.争吵。正Res。。25日,779 - 789。doi: 10.1007 / s41324 - 017 - 0141 - 3
Hajat, S。,and Kosatky, T. (2010). Heat-related mortality: a review and exploration of heterogeneity.j .论文。社区卫生。64年,753 - 760。doi: 10.1136 / jech.2009.087999
长谷川,T。,Sakurai, G., Fujimori, S., Takahashi, K., Hijioka, Y., and Masui, T. (2021). Extreme climate events increase risk of global food insecurity and adaptation needs.Nat。食物。2,587 - 595。doi: 10.1038 / s43016 - 021 - 00335 - 4
Hawcroft, M。沃尔什,E。,Hodges, K., and Zappa, G. (2018). Significantly increased extreme precipitation expected in Europe and North America from extratropical cyclones.环绕。卷。十三12,124006年。1748 - 9326 . doi: 10.1088 / / aaed59
华,W。,Chen, H., Zhou, L., Xie, Z., Qin, M., Li, X., et al. (2017). Observational quantification of climatic and human influences on vegetation greening in China.Rem Sens。。9日,425年。doi: 10.3390 / rs9050425
印度气象部门(IMD) (2021)。声明在2020年印度的气候。新闻发布会上,中国地球科学(西红柿),印度政府。网上:https://www.imdpune.gov.in/statement%20of%20climate%20of%20india - 2020. - pdf(2022年8月19日访问)。
印度气象部门(IMD) (2021 b)。2021年的年度报告。地球科学(西红柿),印度政府。网上:https://mausam.imd.gov.in/imd_latest/contents/ar2021.pdf(2022年11月25日访问)。
政府间气候变化专门委员会(IPCC) (2012)。“管理极端事件和灾害风险的提前适应气候变化,”工作小组的特别报道I和II的政府间气候变化专门委员会,eds。场,C.B.,Barros, V., Stocker, T.F., et al. (New York, UK: Cambridge University Press), 1–583.
政府间气候变化专门委员会(IPCC) (2014)。“2014年气候变化:综合报告”工作组的贡献I, II和III的第五次评估报告政府间气候变化专门委员会,eds。帕乔里,上面,Meyer, L.A. (Geneva: IPCC), 1–151.
耆那教徒,m (2021 a)。“潜在的影响气体空气污染物对全球作物产量在气候变化的不确定性和城市化,”空气污染及其并发症,eds。女子,S。,Saxena, P。(Cham: Springer) 109–127.
耆那教徒,m (2021 b)。“缓解城市化不良反应通过都市农业纳入城市”新形式的城市农业:城市生态学的视角,eds。发,J。,and Kaur, H. (Singapore: Springer) 39–56.
Jain, m (2022)。“提高大气极端事件和灾害风险管理的作用:维度和方法”极端大气过程和现象:评估、影响和缓解,eds。Saxena, P。,Shukla, A., and Gupta, A. K. (Singapore: Springer) 303–328.
Jain, M。,Dimri, A. P., and Niyogi, D. (2016). Urban sprawl patterns and processes in Delhi from 1977 to 2014 based on remote sensing and spatial metrics approaches.地球Int。1至29。doi: 10.1175 / ei - d - 15 - 0040.1
Jain, M。,Dimri, A. P., and Niyogi, D. (2017). Land-air interactions over urban-rural transects using satellite observations: analysis over Delhi, India from 1991–2016.Rem Sens。。9日,1283年。doi: 10.3390 / rs9121283
Jain, M。,Saxena, P。,Sharma, S., and Sonwani., S. (2021). Investigation of forest fire activity changes over the central India domain using satellite observations during 2001–2020.GeoHealth。5、12。gh000528 doi: 10.1029/2021
哈雷v R。Vajpai,。,and Gupta, D. (2021). A big picture of urban heat island mitigation strategies and recommendation for India.这一城市。100845年37岁。doi: 10.1016 / j.uclim.2021.100845
金,s W。,and Brown, R. D. (2021). Urban heat island (UHI) intensity and magnitude estimations: a systematic literature review.科学。总环境。779年,146389年。doi: 10.1016 / j.scitotenv.2021.146389
Kumar R。,Mishra, V。,Buzan, J., Kumar, R., Shindell, D., and Huber, M. (2017). Dominant control of agriculture and irrigation on urban heat island in India.科学。代表。7日,14054年。doi: 10.1038 / s41598 - 017 - 14213 - 2
李,H。,Zhou, Y., Li, X., Meng, L., Wang, X., Wu, S., et al. (2018). A new method to quantify surface urban heat island intensity.科学。总环境。624年,262 - 272。doi: 10.1016 / j.scitotenv.2017.11.360
李,Y。,Ye, W., Wang, M., and Yan, X. (2009). Climate change and drought: a risk assessment of crop-yield impacts.爬。Res。39岁的脉络。doi: 10.3354 / cr00797
刘,H。,Huang, B., Zhan, Q., Gao, S., Li, R., and Fan, Z. (2021). The influence of urban form on surface urban heat island and its planning implications: evidence from 1288 urban clusters in China.维持。城市Soc。71年,102987年。doi: 10.1016 / j.scs.2021.102987
刘,Z。,Anderson, B., Yan, K., Dong, W., Liao, H., and Shi, P. (2017). Global and regional changes in exposure to extreme heat and the relative contributions of climate and population change.科学。代表。7日,43909年。doi: 10.1038 / srep43909
刘,Z。,Zhan, W., Bechtel, B., Voogt, J., Lai, J., Chakraborty, T., et al. (2022). Surface warming in global cities is substantially more rapid than in rural background areas.Commun。地球环境。3,219。doi: 10.1038 / s43247 - 022 - 00539 - x
梅纳康,a . M。,Molthan, A. L., Griffin, R. E., Mecikalski, J. R., Schultz, L. A., and Bell, J. R. (2021). Random forest classification of inundation following hurricane florence (2018)通过l波段合成孔径雷达和辅助数据集。Rem Sens。。十三24,5098年。doi: 10.3390 / rs13245098
Mishra, V。,Mukherjee, S., Kumar, R., and Stone, D. A. (2017). Heat wave exposure in India in current, 1.5 C, and 2.0 C worlds.环绕。卷。12日,124012年。1748 - 9326 . doi: 10.1088 / / aa9388
国家犯罪记录局(NCRB) (2022)。意外死亡和自杀在印度(ADSI)报告1971 - 2020。民政部门(尼古拉斯),印度政府。网上:https://ncrb.gov.in/en/accidental-deaths-suicides-india-adsi(2022年12月2日通过)。
国家灾害管理研究所(NIDM) (2019)。印度气候风险管理(CRM)的框架:解决损失和损害(LandD)。国家灾害管理学院,印度政府。https://nidm.gov.in/PDF/pubs/GIZ_NIDM_Climate%20RiskManagementFramework.pdf(2020年8月25日,访问)。
Nuruzzaman, m (2015)。城市热岛:原因、影响和缓解测量审核。Int。j .包围。班长。分析。3,67 - 73。doi: 10.11648 / j.ijema.20150302.15
彭,S。,Piao, S., Ciais, P., Friedlingstein, P., Ottle, C., Bréon, F. M., et al. (2012). Surface urban heat island across 419 global big cities.环绕。科学。抛光工艺。46岁,696 - 703。doi: 10.1021 / es2030438
彼得森,t . C。海姆,R R。赫希,R。,Kaiser, D. P., Brooks, H., Diffenbaugh, N. S., et al. (2013). Monitoring and understanding changes in heat waves, cold waves, floods, and droughts in the United States: state of knowledge.公牛。阿米尔。Meteorol。Soc。94年,821 - 834。doi: 10.1175 / bams - d - 12 - 00066.1
Raj, S。,Paul, S. K., Chakraborty, A., and Kuttippurath, J. (2020). Anthropogenic forcing exacerbating the urban heat islands in India.j .包围。等内容。257年,110006年。doi: 10.1016 / j.jenvman.2019.110006
罗宾逊,p . j . (2001)。在热浪的定义。j:。Meteorol。40岁,762 - 775。1520 - 0450 . doi: 10.1175 / (2001) 040 < 0762: OTDOAH > 2.0.CO; 2
Romanello, M。,McGushin, A., Di Napoli, C., Drummond, P., Hughes, N., Jamart, L., et al. (2021). The 2021 report of the lancet countdown on health and climate change: code red for a healthy future.《柳叶刀》。398年,1619 - 1662。doi: 10.1016 / s0140 - 6736 (21) 01787 - 6
Santamouris, m (2015)。分析热岛级和一百年亚洲和澳大利亚的城市和地区的特征。科学。总环境。512年,582 - 598。doi: 10.1016 / j.scitotenv.2015.01.060
Santamouris, m (2016)。创新为零建筑行业在欧洲:最小化能耗,消除贫困和减轻当地的气候变化的能量。索尔。释放埃拉。128年,61 - 94。doi: 10.1016 / j.solener.2016.01.021
撒努斯,R。,and Jalil, M. (2021). Blue-Green infrastructure determines the microclimate mitigation potential targeted for urban cooling.IOP相依,爵士。地球环境。918年,012010年。1755 - 1315/918/1/012010 doi: 10.1088 /
Sarangi C。钱,Y。李,J。,Leung, L. R., Chakraborty, T. C., and Liu, Y. (2021). Urbanization amplifies nighttime heat stress on warmer days over the US.地球物理学。卷。48岁的e2021GL095678。gl095678 doi: 10.1029/2021
Shastri, H。,Barik B。Ghosh年代。,Venkataraman, C., and Sadavarte, P. (2017). Flip flop of day-night and summer-winter surface urban heat island intensity in India.科学。代表。7,1 - 8。doi: 10.1038 / srep40178
沈,P。,and Zhao, S. (2021). 1/4 to 1/3 of observed warming trends in China from 1980 to 2015 are attributed to land use changes.爬。改变。164年,-。doi: 10.1007 / s10584 - 021 - 03045 - 9
Shreevastava,。、Prasanth年代。,Ramamurthy, P., and Rao, P. S. C. (2021). Scale-dependent response of the urban heat island to the European heatwave of 2018.环绕。卷。16日,104021年。1748 - 9326 . doi: 10.1088 / / ac25bb
西迪基,一个。,Kushwaha, G., Nikam, B., Srivastav, S. K., Shelar, A., and Kumar, P. (2021). Analysing the day/night seasonal and annual changes and trends in land surface temperature and surface urban heat island intensity (SUHII) for Indian cities.维持。城市Soc。75年,103374年。doi: 10.1016 / j.scs.2021.103374
求爱者,S。,Bhattacharya, S., Dutta, A., Pati, S., and Nanda, L. (2019). Vulnerability and adaptation to extreme heat in Odisha, India: a community based comparative study.Int。j .包围。公共卫生》16:24,5065年。doi: 10.3390 / ijerph16245065
Taubenbock, H。每,T。,Felbier, A., Wiesner, M., Roth, A., and Dech, S. (2012). Monitoring urbanization in mega cities from space.快速眼动。参议员包围。117年,162 - 176。doi: 10.1016 / j.rse.2011.09.015
Taubenbock, H。Wegmann, M。罗斯,。梅尔,H。,and Dech, S. (2009). Urbanization in India–Spatiotemporal analysis using remote sensing data.第一版。环绕。城市系统。33岁,179 - 188。doi: 10.1016 / j.compenvurbsys.2008.09.003
Taubenbock, H。Wegmann, M。玉木,M。,Ullmann, T., and Dech, S. (2010). The Global trend of urbanization: spatiotemporal analysis of megacities using multi-temporal remote sensing, Landscape metrics, and gradient analysis.有快速眼动。Sens。7831年,135 - 154。doi: 10.1117/12.864917
《印度时报》(2015)。你正在经历全球第五的致命热浪。报纸的文章。网上:http://timesofindia.indiatimes.com/articleshow/47485972.cms?utm_source=contentofinterestandutm_medium=textandutm_campaign=cppsthttps: / /timesofindia.indiatimes.com/india/youre-experiencing-worlds-5th-deadliest-heatwave-ever/articleshow/47485972.cms(2022年12月8日访问)。
Tran, k V。,爱资哈尔,g S。Nair, R。,Knowlton, K., Jaiswal, A., Sheffield, P., et al. (2013). A cross-sectional, randomized cluster sample survey of household vulnerability to extreme heat among slum dwellers in Ahmedabad, India.Int。j .包围。公共卫生》。10日,2515 - 2543。doi: 10.3390 / ijerph10062515
联合国(UN) (2018)。世界城市在2018年数据手册。经济和社会事务部人口司。网上:https://www.un.org/development/desa/pd/sites/www.un.org.development.desa.pd/files/files/documents/2020/Jan/un_2018_worldcities_databooklet.pdf(2022年6月19日访问)。
联合国(2018 b)。世界城市化前景的修订。纽约的联合国。网上:https://population.un.org/wup/Publications/Files/WUP2018-Report.pdf(2020年8月8日通过)。
联合国(UN) (2022)。2022年世界人口前景:总结的结果。经济和社会事务部人口司。网上:https://www.un.org/development/desa/pd/sites/www.un.org.development.desa.pd/files/wpp2022_summary_of_results.pdf(2022年7月17日,访问)。
Voogt, j . A。,and Oke, T. R. (2003). Thermal remote sensing of urban climates.快速眼动。参议员包围。86年,370 - 384。doi: 10.1016 / s0034 - 4257 (03) 00079 - 8
王,P。,Huang, C., de Colstoun, E. C. B., Tilton, J. C., and Tan, B. (2017).文档为全球人类组合和结算程度(HBASE)从陆地卫星数据集。栅栏,纽约州:NASA社会经济数据和应用程序中心(SEDAC)。doi: 10.7927 / H4DN434S(2021年4月23日通过)。
韦娜,M。,Stone, D., Krishnan, H., AchutaRao, K., and Castillo, F. (2016). The deadly combination of heat and humidity in India and Pakistan in summer 2015.公牛。阿米尔。Meteorol。Soc。97年,S81-S86。doi: 10.1175 / bams - d - 16 - 0145.1
世界卫生组织(世卫组织)(2020)。信息和公共卫生建议:热量和健康。https://www.who.int/globalchange/publications/heat-and-health/en/(2020年9月16日访问)。
西安,G。,and Crane, M. (2006). An analysis of urban thermal characteristics and associated land cover in Tampa Bay and Las Vegas using Landsat satellite data.快速眼动。参议员包围。104年,147 - 156。doi: 10.1016 / j.rse.2005.09.023
柳,C。,Han, D., Im, J., and Bechtel, B. (2019). Comparison between convolutional neural networks and random forest for local climate zone classification in mega urban areas using Landsat images.ISPRS j . Photogramm。Rem Sens。。157年,155 - 170。doi: 10.1016 / j.isprsjprs.2019.09.009
张X。刘,L。吴,C。,Chen, X., Gao, Y., Xie, S., et al. (2020). Development of a global 30 m impervious surface map using multisource and multitemporal remote sensing datasets with the Google Earth Engine platform.地球系统。科学。数据。12日,1625 - 1648。doi: 10.5194 / essd - 12 - 1625 - 2020
周,D。,Zhao, S., Liu, S., Zhang, L., and Zhu, C. (2014). Surface urban heat island in China's 32 major cities: spatial patterns and drivers.快速眼动。参议员包围。152年,51 - 61。doi: 10.1016 / j.rse.2014.05.017
关键词:表面城市热岛强度(SUHII),夜间SUHII,城市气候,全球变暖,热应力,热死亡率,遥感,印度城市
引用:耆那教的M(2023) 20年的夜间表面城市热岛强度分析印度人口超过9个主要城市和对热应力的影响。前面。维持。城市5:1084573。doi: 10.3389 / frsc.2023.1084573
收到:2022年10月30日;接受:2023年1月27日;
发表:2023年2月16日。
编辑:
弗洛伦特·路易法国里尔大学,版权©2023耆那教的。这是一个开放分布式根据文章知识共享归属许可(CC)。使用、分发或复制在其他论坛是允许的,提供了原始作者(年代)和著作权人(s)认为,最初发表在这个期刊引用,按照公认的学术实践。没有使用、分发或复制是不符合这些条件的允许。
*通信:Madhavi Jain,
madhavijain.90@gmail.com