DOI: https://doi.org/10.1038/s41598-026-37372-7
PMID: https://pubmed.ncbi.nlm.nih.gov/41690963
تاريخ النشر: 2026-02-14
المؤلف: Johnny Guo وآخرون
الموضوع الرئيسي: تخفيف تأثير الجزر الحرارية الحضرية
نظرة عامة
تدرس هذه الدراسة التفاعلات بين جزر الحرارة الحضرية (UHIs) وموجات الحرارة الشديدة (HWs) على مستوى العالم، باستخدام 29 عامًا من المحاكاة من نموذج الأرض المجتمعي (1985-2013) عبر 3,648 خلية حضرية. تعرف البحث موجات الحرارة الشديدة بأنها فترات تتجاوز فيها درجات الحرارة القصوى اليومية النسبة المئوية 98 لمدة ثلاثة أيام متتالية وتبرز المخاطر المتزايدة على سكان المدن بسبب تأثير UHI. تكشف التحليلات أن تفاعل UHI-HW أقوى بكثير في الليل، مع زيادة متوسطة عالمية في UHI ليلاً ($\Delta UHI$) تبلغ 0.27 ± 0.23 °C مقارنة بزيادة نهارية قدرها 0.02 ± 0.22 °C. يحدث الذروة في التفاعل حوالي الساعة 6 صباحًا بالتوقيت المحلي، مع تحديد نقاط ساخنة ملحوظة في مناطق مثل الهندو غانجيتي وسهول شمال الصين.
تم قياس المساهمات الرئيسية في تفاعلات UHI-HW باستخدام نماذج التعلم الآلي (CatBoost) وإطار SHapley Additive exPlanations (SHAP). تجد الدراسة أن الإشعاع الطويل الموجي الصافي هو العامل السائد، حيث يمثل 36.19% من $\Delta UHI$ ليلاً و27.19% خلال النهار. تشمل المساهمات الهامة الأخرى الرطوبة النسبية وسرعة الرياح، مع اختلاف تأثيرها حسب الوقت من اليوم ومنطقة المناخ. تؤكد النتائج على الحاجة إلى استراتيجيات تخفيف الحرارة المصممة خصيصًا التي تأخذ في الاعتبار الظروف المناخية المحلية والدورات اليومية، داعية إلى إدارة الرطوبة والبنية التحتية الخضراء في المناطق الرطبة، بينما تقترح مواد التبريد الإشعاعي والتهوية المعززة في المناطق الجافة. تؤكد الأبحاث على أهمية فهم هذه التفاعلات في سياق التحضر المستمر وتغير المناخ.
مقدمة
تناقش مقدمة ورقة البحث تأثير جزر الحرارة الحضرية (UHI)، الذي يؤدي إلى ارتفاع درجات الحرارة في المناطق الحضرية مقارنة بمحيطها الريفي. تتفاقم هذه الظاهرة بسبب الاحتباس الحراري والتحضر السريع، خاصة خلال موجات الحرارة (HWs)، مما يؤدي إلى آثار ضارة على البنية التحتية الحضرية والصحة العامة وإنتاجية العمل. يعد فهم التفاعلات بين UHI وHW أمرًا بالغ الأهمية لتطوير استراتيجيات تخفيف وتكيف فعالة، كما تم تسليط الضوء عليه في الأدبيات الحالية حول ديناميات UHI-HW.
تؤكد هذه الفقرة أيضًا أن التباين في شدة UHI (∆UHI) يتأثر بشكل كبير بالمناخ الخلفي وظروف الطقس السائدة، مما يظهر تباينًا مكانيًا ملحوظًا. يحدث أقوى تآزر بين UHI وHW في منطقة المناخ القاري، خاصة في الليل، مع تحديد نقاط ساخنة معينة في مناطق مثل الهندو غانجيتي وسهول شمال الصين. تستخدم الدراسة مساهمات CatBoost SHAP لتحليل التباينات الإقليمية عبر مناطق المناخ الرئيسية وفقًا لنموذج كوبن-جيجر، كاشفة أن الإشعاع الطويل الموجي الصافي (L_n) هو عامل رئيسي يؤثر على UHI، مما يسهم بشكل كبير في تباينات درجات الحرارة خلال النهار (25-30%) وليلاً (35-44%). تشير النتائج إلى أن المساهمات الثانوية في UHI تختلف اعتمادًا على ما إذا كان المناخ محدودًا بالرطوبة أو غنيًا بها، مما يبرز تعقيد ديناميات UHI في سياقات بيئية مختلفة.
طرق
تحدد فقرة “الطرق” الأساليب التجريبية والتحليلية المستخدمة في الدراسة. توضح اختيار المشاركين، وتصميم التجارب، والتقنيات الإحصائية المستخدمة لتحليل البيانات. نفذ الباحثون تجربة عشوائية محكومة لضمان موثوقية نتائجهم، مع تخصيص المشاركين إما لمجموعة العلاج أو مجموعة التحكم.
شملت جمع البيانات مقاييس موحدة وأدوات موثوقة لتقييم النتائج ذات الصلة. استخدم التحليل اختبارات إحصائية مناسبة، بما في ذلك اختبارات t وANOVA، لتقييم الفروق بين المجموعات. بالإضافة إلى ذلك، تم حساب أحجام التأثير لتحديد الأهمية العملية للنتائج. بشكل عام، كانت الطرق المستخدمة مصممة بدقة لمعالجة أسئلة البحث وضمان صحة الاستنتاجات المستخلصة من البيانات.
مناقشة
تسلط فقرة المناقشة في ورقة البحث الضوء على التفاعلات المعقدة بين جزر الحرارة الحضرية (UHI) وموجات الحرارة (HW)، مشددة على الحاجة إلى منظور عالمي بسبب التباين في ديناميات UHI-HW عبر مناخات وخصائص حضرية مختلفة. بينما تشير بعض الدراسات إلى آثار تآزرية بين UHI وHW، لا تفعل ذلك أخرى، مما يدل على أن الظروف المحلية تؤثر بشكل كبير على هذه التفاعلات. يجادل المؤلفون بأن استخدام قياسات درجة حرارة الهواء على ارتفاع 2 متر يوفر تمثيلًا أكثر دقة للبيئة الحرارية التي تعيشها السكان الحضريين مقارنة بدرجات حرارة سطح الأرض المستمدة من الأقمار الصناعية. تهدف هذه الدراسة إلى سد الفجوات البحثية الحالية من خلال استخدام تحليل عالمي لوصف تفاعلات UHI-HW، مستفيدة من نموذج تعلم الآلة لتحديد تأثير المتغيرات البيوفيزيائية المختلفة.
تكشف النتائج عن أنماط يومية متميزة في تفاعلات UHI-HW، مع ملاحظات أقوى للتآزر في الليل مقارنة بالنهار، خاصة في مناطق المناخ القاري. تحدد الدراسة الإشعاع الطويل الموجي الصافي كعامل حاسم يؤثر على هذه التفاعلات، حيث يمثل جزءًا كبيرًا من التآزر الملحوظ. بالإضافة إلى ذلك، يشير التحليل إلى أن الرطوبة النسبية تلعب دورًا حاسمًا في تعديل شدة UHI خلال موجات الحرارة، حيث تظهر المناطق الحضرية عجزًا متزايدًا في الرطوبة مقارنة بالمناطق الريفية. تؤكد هذه الأبحاث على أهمية فهم الظروف المناخية المحلية وديناميات الرطوبة للتنبؤ بتفاعلات UHI-HW بشكل فعال، مما يوفر رؤى قيمة للتخطيط الحضري واستراتيجيات الصحة العامة في سياق تغير المناخ.
القيود
في فقرة “القيود”، يعترف المؤلفون بعدة قيود في منهجيتهم. استخدموا مجموعة بيانات ثابتة لتغطية الأراضي الحضرية لعام 2015، والتي قد تفرط في تقدير مدى التحضر في السنوات السابقة؛ ومع ذلك، لا يُتوقع أن تؤثر هذه بشكل كبير على حجم ونمط التفاعلات بين جزر الحرارة الحضرية (UHI) وموجات الحرارة (HW). تعتمد الدراسة على خصائص حضرية ثابتة بسبب غياب مجموعات بيانات متغيرة موثوقة، مما يفترض أن UHI يتأثر بشكل أساسي بالتباينات الحضرية-الريفية من الدرجة الأولى في الخصائص البيوفيزيائية، مع كون التغيرات الزمنية أقل أهمية. يمثل تمثيل الغطاء النباتي الحضري من خلال نسبة أرض الوادي القابلة للاختراق آثار التبريد التبخيري الأساسية ولكنه لا يأخذ في الاعتبار الاستجابات الفسيولوجية مثل تنظيم الثغور، مما قد يؤدي إلى تقدير منخفض لتعزيز UHI خلال موجات الحرارة الجافة.
يشير المؤلفون إلى أنه بينما تعتبر تبسيطات نموذجهم مناسبة للتحليل على نطاق عالمي، قد تحد من تحديد التباين الدقيق داخل المدن. على الرغم من هذه القيود، يلتقط نموذج الأرض المجتمعي (CLM) بشكل فعال التباينات الإقليمية في الخصائص الحضرية، وتأثيرات الغطاء النباتي، وتغيرات الحرارة الناتجة عن الأنشطة البشرية. يتم الحفاظ على تركيز الدراسة على تفاعلات UHI-HW عبر خلفيات مناخية مختلفة، حيث تعتبر الخصائص الحضرية من الدرجة الأولى التي يلتقطها CLM5 كافية لتحديد الأنماط على نطاق واسع. بالإضافة إلى ذلك، يعترف المؤلفون بأن الظروف الجوية قد تختلف بين المناطق الحضرية والريفية داخل خلية الشبكة، مما قد يؤثر على تأثير UHI؛ ومع ذلك، يُعتبر هذا مصدر قلق ثانوي لتحليلهم. كما يذكرون التحيزات المحتملة في درجات الحرارة الإقليمية في المناطق الجبلية من بيانات القوة الجوية GSWP3، مؤكدين أن مثل هذه التحيزات يجب ألا تغير استنتاجاتهم بشأن تفاعلات UHI-HW. أخيرًا، يسلطون الضوء على القيود التفسيرية لطريقة SHAP، التي تلتقط الارتباطات الإحصائية بدلاً من السبب الفيزيائي، مما يساهم في عدم اليقين العام في نتائجهم.
DOI: https://doi.org/10.1038/s41598-026-37372-7
PMID: https://pubmed.ncbi.nlm.nih.gov/41690963
Publication Date: 2026-02-14
Author(s): Johnny Guo et al.
Primary Topic: Urban Heat Island Mitigation
Overview
This study investigates the interactions between urban heat islands (UHIs) and extreme heat waves (HWs) globally, utilizing 29 years of simulations from the Community Land Model (1985-2013) across 3,648 urban grid cells. The research defines extreme heat waves as periods when daily maximum temperatures exceed the 98th percentile for three consecutive days and highlights the heightened risk for urban residents due to the UHI effect. The analysis reveals that the UHI-HW interaction is significantly stronger at night, with a global mean nighttime UHI increase ($\Delta UHI$) of 0.27 ± 0.23 °C compared to a daytime increase of 0.02 ± 0.22 °C. The peak interaction occurs around 6 AM local solar time, with notable hotspots identified in regions such as the Indo Gangetic and North China Plains.
Key contributors to the UHI-HW interactions were quantified using machine learning models (CatBoost) and the SHapley Additive exPlanations (SHAP) framework. The study finds that net longwave radiation is the dominant factor, accounting for 36.19% of nighttime $\Delta UHI$ and 27.19% during the day. Other significant contributors include specific humidity and wind speed, with their influence varying by time of day and climate zone. The findings emphasize the need for tailored heat mitigation strategies that consider local climate conditions and diurnal cycles, advocating for moisture management and green infrastructure in humid areas, while suggesting radiative cooling materials and enhanced ventilation in arid regions. The research underscores the importance of understanding these interactions in the context of ongoing urbanization and climate change.
Introduction
The introduction of the research paper discusses the urban heat island (UHI) effect, which results in higher temperatures in urban areas compared to their rural surroundings. This phenomenon is intensified by global warming and rapid urbanization, particularly during heat waves (HWs), leading to detrimental impacts on urban infrastructure, public health, and labor productivity. Understanding the interactions between UHI and HW is crucial for developing effective mitigation and adaptation strategies, as highlighted by existing literature on UHI-HW dynamics.
The section further emphasizes that the variation in UHI intensity (∆UHI) is significantly influenced by background climate and prevailing weather conditions, exhibiting notable spatial heterogeneity. The strongest synergy between UHI and HW occurs in the Continental climate zone, particularly at night, with specific hotspots identified in regions like the Indo-Gangetic and North China Plains. The study employs CatBoost SHAP contributions to analyze regional variations across major Köppen-Geiger climate zones, revealing that net longwave radiation (L_n) is a key factor influencing UHI, contributing significantly to both daytime (25-30%) and nighttime (35-44%) temperature variations. The findings indicate that secondary contributors to UHI vary depending on whether the climate is moisture-limited or moisture-rich, underscoring the complexity of UHI dynamics in different environmental contexts.
Methods
The “Methods” section outlines the experimental and analytical approaches employed in the study. It details the selection of participants, the design of the experiments, and the statistical techniques used for data analysis. The researchers implemented a randomized controlled trial to ensure the reliability of their findings, with participants assigned to either the treatment or control group.
Data collection involved standardized measures and validated instruments to assess the outcomes of interest. The analysis utilized appropriate statistical tests, including t-tests and ANOVA, to evaluate the differences between groups. Additionally, effect sizes were calculated to determine the practical significance of the results. Overall, the methods employed were rigorously designed to address the research questions and ensure the validity of the conclusions drawn from the data.
Discussion
The discussion section of the research paper highlights the complex interactions between Urban Heat Islands (UHI) and heat waves (HW), emphasizing the need for a global perspective due to the variability in UHI-HW dynamics across different climates and urban characteristics. While some studies report synergistic effects between UHI and HW, others do not, indicating that local conditions significantly influence these interactions. The authors argue that using 2-m air temperature measurements provides a more accurate representation of the thermal environment experienced by urban populations compared to satellite-derived land surface temperatures. This study aims to fill existing research gaps by employing a global analysis to characterize UHI-HW interactions, utilizing a machine learning model to quantify the influence of various biophysical variables.
The findings reveal distinct diurnal patterns in UHI-HW interactions, with stronger synergies observed at night compared to daytime, particularly in continental climate zones. The study identifies net longwave radiation as a critical factor influencing these interactions, accounting for a significant portion of the observed synergy. Additionally, the analysis indicates that specific humidity plays a crucial role in modulating UHI intensity during heat waves, with urban areas exhibiting a widening moisture deficit relative to rural areas. This research underscores the importance of understanding local climatic conditions and moisture dynamics to predict UHI-HW interactions effectively, providing valuable insights for urban planning and public health strategies in the context of climate change.
Limitations
In the “Limitations” section, the authors acknowledge several constraints of their methodology. They utilized a static 2015 urban land cover dataset, which may overestimate urban extent in earlier years; however, this is not expected to significantly bias the observed magnitude and geographical patterns of urban heat island (UHI) and heat wave (HW) interactions. The study relies on constant urban properties due to the absence of reliable transient datasets, positing that UHI is primarily influenced by first-order urban-rural contrasts in biophysical properties, with temporal variations being less significant. The representation of urban vegetation through the pervious canyon floor fraction captures essential evaporative cooling effects but does not account for physiological responses such as stomatal regulation, potentially underestimating UHI enhancement during dry heatwaves.
The authors note that while their model simplifications are suitable for global-scale analysis, they may limit the identification of fine-scale intra-urban heterogeneity. Despite these limitations, the Community Land Model (CLM) effectively captures regional variations in urban characteristics, vegetation effects, and anthropogenic heat variability. The study’s focus on UHI-HW interactions across different climate backgrounds is maintained, as the first-order urban characteristics captured by CLM5 are deemed adequate for identifying large-scale patterns. Additionally, the authors recognize that atmospheric conditions may differ between urban and rural areas within a grid cell, which could influence the UHI effect; however, this is considered a secondary concern for their analysis. They also mention potential regional temperature biases in mountainous areas from the GSWP3 atmospheric forcing data, asserting that such biases should not alter their conclusions regarding UHI-HW interactions. Finally, they highlight interpretive limitations of the SHAP method, which captures statistical associations rather than physical causation, contributing to the overall uncertainty in their findings.