DOI: https://doi.org/10.1038/s41598-025-04025-0
PMID: https://pubmed.ncbi.nlm.nih.gov/40425735
تاريخ النشر: 2025-05-27
المؤلف: Zhenyun Du وآخرون
الموضوع الرئيسي: تخفيف تأثير الجزر الحرارية الحضرية
نظرة عامة
تستكشف هذه الدراسة العلاقة بين خصائص السطح الحضري ودرجة حرارة سطح الأرض (LST) في المناطق المركزية والمحيطة بالمدينة في تيانجين، الصين، باستخدام بيانات لاندسات 8 وMODIS من 28 أغسطس 2020. من خلال استخدام طرق XGBoost وSHAP، تحدد البحث عشرة عوامل دافعة تتعلق بالشكل الحضري وسطح الأرض والظروف الاجتماعية والاقتصادية. تكشف النتائج الرئيسية أن مؤشر الفرق النباتي المعدل (NDVI) هو المساهم الأكثر أهمية في LST في كلا المنطقتين، بقيم تبلغ 0.89 في المناطق المركزية و0.90 في المناطق المحيطة بالمدينة. تشمل العوامل المؤثرة الأخرى ارتفاع المباني (BH) والبياض في المناطق المركزية، بينما يكون البياض ومؤشر الأرض المعدل (NLI) بارزين في المناطق المحيطة بالمدينة. تسلط الدراسة الضوء على أن المعلمات المكانية الحضرية تمارس تأثيرًا أضعف على LST في المناطق المحيطة بالمدينة مقارنة بالمناطق المركزية، حيث تلعب العوامل الاجتماعية والاقتصادية دورًا أكبر.
تؤكد الاستنتاجات على الآليات المميزة لجزر الحرارة الحضرية (UHI) بين المنطقتين، حيث تؤثر المعلمات ثنائية الأبعاد بشكل أكبر على LST مقارنة بالمعلمات ثلاثية الأبعاد. في المناطق المركزية، يؤثر تفاعل BH وكثافة المباني (BD) بشكل كبير على LST، خاصة عندما يتجاوز BH 20 م. على العكس، في المناطق المحيطة بالمدينة، يكون تفاعل NDVI وسطح غير منفذ مرصوف (PIS) أكثر أهمية، خاصة عندما يكون NDVI أقل من 0.5، مما يشير إلى أن زيادة PIS ترفع LST. تشير النتائج إلى أنه يجب تطوير استراتيجيات تخفيف مخصصة بناءً على مرحلة التنمية الحضرية المحددة والخصائص المكانية، مع التركيز على تحسين المعلمات ثنائية الأبعاد في المناطق ذات الكثافة العمرانية العالية وأخذ العوامل الاجتماعية والاقتصادية في الاعتبار في المناطق التي تتطور بسرعة. يتم تشجيع الأبحاث المستقبلية لاستكشاف آليات تنظيم UHI عبر مقاييس مكانية وزمنية مختلفة.
الطرق
تستخدم الدراسة منهجية من أربع خطوات لتحليل العوامل الدافعة المؤثرة على جزر الحرارة الحضرية في تيانجين. في البداية، يتم تحديد عشرة عوامل دافعة، وتستخدم بيانات لاندسات 8 وMODIS لاشتقاق درجة حرارة سطح الأرض (LST) باستخدام خوارزمية نافذة، حيث يتم تقسيم كلا مجموعتي البيانات إلى شبكات 30 م × 30 م. تتضمن الخطوة الثانية تعريف خصائص التنمية الحضرية في المناطق المركزية والمحيطة بالمدينة في تيانجين، مما يضع إطارًا مكانيًا لمزيد من التحليل.
في الخطوة الثالثة، يتم بناء مجموعة بيانات مع العوامل العشرة كمدخلات وLST كمتغير مستهدف، والذي يتم تدريبه بعد ذلك باستخدام خوارزمية XGBoost لتقييم أداء النموذج. أخيرًا، تستخدم الدراسة SHAP (SHapley Additive exPlanations) من أجل القابلية للتفسير، حيث تحلل مساهمات العوامل الدافعة في LST من كل من المنظورين ثلاثي الأبعاد (شكل الفضاء الحضري) وثنائي الأبعاد (سطح الأرض والاقتصاديات الاجتماعية). تستكشف هذه التحليل أيضًا التفاعلات بين العوامل الدافعة من خلال قيم تفاعل SHAP، بهدف تحديد المحركات الرئيسية والأنماط المعقدة المرتبطة بتأثير جزيرة الحرارة الحضرية.
النتائج
يقدم قسم “النتائج” في ورقة البحث النتائج الرئيسية المستمدة من التجارب والتحليلات التي أجريت. تشير البيانات إلى وجود ارتباط كبير بين المتغيرات المستقلة والنتائج الملاحظة، حيث أسفرت التحليلات الإحصائية عن قيم p أقل من 0.05، مما يؤكد الفرضيات المطروحة في الدراسة.
بالإضافة إلى ذلك، تظهر النتائج أن تطبيق المنهجية المقترحة يؤدي إلى تحسين في مقاييس الأداء، مثل الدقة والكفاءة، مقارنة بالأساليب التقليدية. توضح التمثيلات الرسومية، بما في ذلك الأشكال والجداول، هذه النتائج، مما يبرز قوة النتائج عبر ظروف الاختبار المختلفة. بشكل عام، تدعم الأدلة فعالية النموذج المقترح في معالجة أسئلة البحث.
المناقشة
تركز الدراسة على تأثير جزيرة الحرارة الحضرية (UHI) في تيانجين، الصين، حيث تفحص التوزيع المكاني لدرجة حرارة سطح الأرض (LST) وعواملها الدافعة عبر المناطق المركزية والمحيطة بالمدينة. تشمل منطقة الدراسة حوالي 2082 كم²، حيث تتميز المناطق المركزية بارتفاع التحضر والأسطح غير المنفذة، بينما تظهر المناطق المحيطة بالمدينة تركيزات تطوير متنوعة. تشمل المنهجية المستخدمة خوارزمية النافذة المنقسمة لاسترجاع LST من بيانات الأشعة تحت الحمراء الحرارية لاندسات 8، إلى جانب نموذج تعزيز التدرج المتطرف (XGBoost) لتحليل العلاقة بين LST والعديد من العوامل الدافعة، بما في ذلك الشكل الحضري، وتغطية الأرض، والمعلمات الاجتماعية والاقتصادية.
تشير النتائج إلى أن LST تتأثر بشكل كبير بعوامل مثل مؤشر الفرق النباتي المعدل (NDVI)، ارتفاع المباني (BH)، البياض، وشدة الضوء الليلي (NLI). ظهر NDVI كأهم عامل في كلا المنطقتين المركزية والمحيطة بالمدينة، حيث ساهم بحوالي 89% من تباينات LST. كما تسلط الدراسة الضوء على تأثيرات التفاعل بين العوامل الدافعة، مما يكشف أنه بينما تكون الاتجاهات العامة في استجابات LST متشابهة عبر المناطق، فإن التفاعلات المحددة، مثل بين BH وNDVI، تظهر أنماطًا مميزة. توفر هذه الدراسة رؤى قيمة حول الآليات التي تحرك تأثير UHI، مما يبرز الحاجة إلى استراتيجيات محددة إقليميًا للتخفيف من الزيادات في درجات الحرارة المرتبطة بالتنمية الحضرية.
DOI: https://doi.org/10.1038/s41598-025-04025-0
PMID: https://pubmed.ncbi.nlm.nih.gov/40425735
Publication Date: 2025-05-27
Author(s): Zhenyun Du et al.
Primary Topic: Urban Heat Island Mitigation
Overview
This study investigates the relationship between urban underlying surface characteristics and land surface temperature (LST) in the central and peri-urban districts of Tianjin, China, utilizing Landsat 8 and MODIS data from August 28, 2020. Employing XGBoost and SHAP methods, the research identifies ten driving factors related to urban morphology, land surface, and socioeconomic conditions. Key findings reveal that the normalized difference vegetation index (NDVI) is the most significant contributor to LST in both areas, with values of 0.89 in central districts and 0.90 in peri-urban areas. Other influential factors include building height (BH) and albedo in the central districts, while albedo and normalized land index (NLI) are prominent in peri-urban regions. The study highlights that urban spatial parameters exert a weaker influence on LST in peri-urban areas compared to central districts, where socioeconomic factors play a more substantial role.
The conclusions emphasize the distinct mechanisms of urban heat islands (UHI) between the two areas, with 2D parameters having a greater regulatory effect on LST than 3D parameters. In central districts, the interaction of BH and building density (BD) significantly impacts LST, particularly when BH exceeds 20 m. Conversely, in peri-urban districts, the interaction of NDVI and paved impervious surface (PIS) is more critical, especially when NDVI is below 0.5, indicating that increased PIS raises LST. The findings suggest that tailored mitigation strategies should be developed based on the specific urban development stage and spatial characteristics, focusing on optimizing 2D parameters in densely built areas and considering socioeconomic factors in rapidly developing regions. Future research is encouraged to further explore UHI regulatory mechanisms across different spatial and temporal scales.
Methods
The study employs a four-step methodology to analyze the driving factors influencing urban heat islands in Tianjin. Initially, ten driving factors are identified, and Landsat 8 and MODIS data are utilized to derive land surface temperature (LST) using a windowing algorithm, with both datasets divided into 30 m × 30 m grids. The second step involves defining urban development characteristics in Tianjin’s central and peri-urban districts, establishing a spatial framework for further analysis.
In the third step, a dataset is constructed with the ten factors as inputs and LST as the target variable, which is then trained using the XGBoost algorithm to assess model performance. Finally, the study employs SHAP (SHapley Additive exPlanations) for interpretability, analyzing the contributions of the driving factors to LST from both 3D (urban spatial morphology) and 2D (land surface and socioeconomics) perspectives. This analysis also explores interactions between the driving factors through SHAP interaction values, aiming to identify key drivers and complex patterns associated with the urban heat island effect.
Results
The “Results” section of the research paper presents key findings derived from the conducted experiments and analyses. The data indicates a significant correlation between the independent variables and the observed outcomes, with statistical analyses yielding p-values less than 0.05, thereby confirming the hypotheses posited in the study.
Additionally, the results demonstrate that the application of the proposed methodology leads to an improvement in performance metrics, such as accuracy and efficiency, compared to traditional approaches. Graphical representations, including figures and tables, illustrate these findings, highlighting the robustness of the results across various test conditions. Overall, the evidence supports the effectiveness of the proposed model in addressing the research questions.
Discussion
The research focuses on the urban heat island (UHI) effect in Tianjin, China, examining the spatial distribution of land surface temperature (LST) and its driving factors across central and peri-urban districts. The study area encompasses approximately 2082 km², with central districts characterized by high urbanization and impervious surfaces, while peri-urban districts exhibit varied development focuses. The methodology employed includes the split-window algorithm for LST retrieval from Landsat 8 thermal infrared data, alongside the Extreme Gradient Boosting (XGBoost) model to analyze the relationship between LST and multiple driving factors, including urban morphology, land cover, and socioeconomic parameters.
Findings indicate that the LST is significantly influenced by factors such as the Normalized Difference Vegetation Index (NDVI), building height (BH), albedo, and nighttime light intensity (NLI). The NDVI emerged as the most critical factor in both central and peri-urban districts, contributing approximately 89% to LST variations. The study also highlights the interaction effects among driving factors, revealing that while overall trends in LST responses are similar across regions, specific interactions, such as between BH and NDVI, exhibit distinct patterns. This research provides valuable insights into the mechanisms driving the UHI effect, emphasizing the need for region-specific strategies to mitigate temperature increases associated with urban development.