当前位置：首页 > article >正文

GEE数据集：城市热岛强度 (UHII)

article 2024/11/20 9:41:58

简介

城市热岛强度 (UHII)

数据集说明

城市热岛效应（UHI）的特点是城市地区局部变暖，是城市化对气候造成的一个重要后果。传统的估算 UHI 强度（UHII）的方法受到一些限制，例如只关注晴空表面 UHII，而忽略了全天空表面和冠层（气温）UHII。这些方法往往忽略了人为干扰，导致估算结果的不确定性。为了克服这些挑战，本研究引入了一种新的动态等面积（DEA）方法，旨在通过动态循环过程减少干扰因素的影响。通过应用 DEA 方法并整合网格气温数据，建立了一个全面的全球尺度 UHII 数据集，涵盖 10,000 多个城市，时间跨度超过 20 年，具有月度时间分辨率。该数据集提供了多方面的 UHII 估计值，包括晴空表面、全天空表面和冠层 UHII，为分析城市环境中的 UHI 趋势提供了坚实的基础。

空间信息

数据集显示，超过 80% 的研究城市的超高层大气吸入系数大于零，地表超高层大气吸入系数的全球年平均值约为 1.0°C（白天）和 0.8°C（夜间），冠层超高层大气吸入系数约为 0.5°C。此外，60%以上的城市观测到了超高间接辐射的年际上升趋势，地表超高间接辐射的全球平均趋势超过每十年 0.1°C（白天）和 0.06°C（夜间），冠层超高间接辐射的全球平均趋势略高于每十年 0.03°C。此外，还发现超高强辐射指数的大小和趋势之间存在正相关，表明超高强辐射指数较强的城市，超高强辐射指数的增长速度往往较快。由于数据类型（地表温度或气温）、数据采集时间（Terra 或 Aqua）、天气条件（晴空或全天空）和处理方法的不同，该数据集进一步突出了 UHII 估计值的差异。这一全面的数据集和相应的分析为未来的城市气候研究提供了宝贵的见解，可在 https://doi.org/10.6084/m9.figshare.24821538 上公开获取。全球城市热岛数据集采用多种方法，包括空气温度和地表温度的估计值。从 2003 年到 2020 年每月提供一次（来自 MODIS Terra 卫星的数据集从 2001 年开始提供）。

变量

Indicator	Data Source	Period	Description
Surface UHI intensity estimated by the clear-sky LST data	IMod1 (MOD11A1)	2001-2021	Clear-sky surface UHI from the MODIS Terra daily LST (A1) and 8-day LST (A2) products; both corresponding to an equatorial overpass time of 10:30 am local time during daytime and 10:30 pm at night
IMod2 (MOD11A2)
IMyd1 (MYD11A1)	2003-2021	Clear-sky surface UHI from the MODIS Aqua daily LST (A1) and 8-day LST (A2) products; both corresponding to an equatorial overpass time of 1:30 pm local time during daytime and 1:30 am at night
IMyd2 (MYD11A2)
Surface UHI intensity estimated by the seamless clear-sky LST data	ISMod2 (Seamless MOD11A2)	2001-2020	Clear-sky surface UHI based on the seamless LST product DOI
ISMyd1 (Seamless MYD11A1)	2003-2020	Clear-sky surface UHI based on a second seamless LST product DOI
Surface UHI intensity estimated by the seamless all-sky LST data	IAMod2 (All-sky MOD11A2)	2001-2020	All-sky surface UHI based on the seamless all-sky LST product DOI
Canopy UHI intensity estimated by the surface air temperature data	ISAT (Surface air temperature)	2001-2020	Air temperature or canopy UHI based on the global surface air temperature product DOI

代码

var AMOD2 = ee.ImageCollection("projects/sat-io/open-datasets/UHII/AMOD2"),
    MOD1 = ee.ImageCollection("projects/sat-io/open-datasets/UHII/MOD1"),
    MOD2 = ee.ImageCollection("projects/sat-io/open-datasets/UHII/MOD2"),
    MYD1 = ee.ImageCollection("projects/sat-io/open-datasets/UHII/MYD1"),
    MYD2 = ee.ImageCollection("projects/sat-io/open-datasets/UHII/MYD2"),
    SAT = ee.ImageCollection("projects/sat-io/open-datasets/UHII/SAT"),
    SMOD2 = ee.ImageCollection("projects/sat-io/open-datasets/UHII/SMOD2"),
    SMYD1 = ee.ImageCollection("projects/sat-io/open-datasets/UHII/SMYD1");
var snazzy = require("users/aazuspan/snazzy:styles");
snazzy.addStyle("https://snazzymaps.com/style/38/shades-of-grey", "Greyscale");


// Function to calculate and visualize the average UHII from an ImageCollection
function visualizeUHII(collection, title) {
  var uhi = collection.first().mask(collection.first().gt(0));

  Map.addLayer(uhi, {
    min: 1,
    max: 25,
    palette: ['#000004', '#1f0c48', '#550f6d', '#88226a', '#b63655', '#de4968', '#f87d46', '#fdca26', '#f0f921']
  }, title);
}


// Visualize UHII from different collections
visualizeUHII(AMOD2, 'UHII - AMOD2');
visualizeUHII(MOD1, 'UHII - MOD1');
visualizeUHII(MOD2, 'UHII - MOD2');
visualizeUHII(MYD1, 'UHII - MYD1');
visualizeUHII(MYD2, 'UHII - MYD2');
visualizeUHII(SAT, 'UHII - SAT');
visualizeUHII(SMOD2, 'UHII - SMOD2');
visualizeUHII(SMYD1, 'UHII - SMYD1');

代码链接

https://code.earthengine.google.com/?scriptPath=users/sat-io/awesome-gee-catalog-examples:/weather-climate/URBAN-HEAT-ISLAND-INTENSITY

结果

引用

Yang, Qiquan, Yi Xu, T. C. Chakraborty, Meng Du, Ting Hu, Ling Zhang, Yue Liu et al. "A global urban heat island intensity dataset: Generation,
comparison, and analysis." Remote Sensing of Environment 312 (2024): 114343.

Qiquan Yang.Global Urban Heat Island Intensity Dataset. Figshare. https://doi.org/10.6084/m9.figshare.24821538, 2024.