【Environmental Science & Technology】量化中国生态修复项目的城市绿化降温效应

文摘   2024-12-08 07:59   湖北  
关注+星标🌟,好文及时看
应众多读者的需求和建议,遥感地理视界创建了学习交流群,想加入交流的可扫描下方二维码添加。请进群后按照群公告备注如“学位-学校(或机构)-昵称”格式(详情请查看公众号置顶推文)。

(一)文章信息
  • 标题:Quantifying the Cooling Effect of Urban Greening Driven by Ecological Restoration Projects in China

  • 期刊:《Environmental Science & Technology》(中科院1区Top, IF=10.9)

  • 作者:Dong Xu, et al.

  • doi:10.1021/acs.est.4c10314

(二)研究背景
随着中国城市化进程的加快,超过60%的人口居住在城市地区,城市建成区在过去二十年间增加了超过30,000平方公里,占全球城市扩张面积的46.67%。这种快速的城市扩张改变了地表属性和能量平衡,导致了空气污染、生物多样性丧失以及城市热岛效应等生态环境问题。城市绿化(UG)通过光合作用有效吸收大气中的二氧化碳,以及通过增加地表粗糙度和蒸散发来改变生物物理属性,从而实现地表降温,对抗全球变暖。然而,大多数研究集中于城市绿地变化对微气候的影响,对于长期UG趋势对本地气候的影响尚不明确。本研究旨在通过设计一个新的统计模型来评估UG的冷却潜力(CPUG),并创建中国首个CPUG地图,以量化UG对中国城市变暖趋势的影响。

(三)研究数据与方法
研究使用了包括行政区划数据、MODIS数据产品中的归一化植被指数(NDVI)、土地覆盖类型数据、地表温度数据、地表反射率数据、ERA5-Land再分析数据集、WorldPop人口密度数据集、不透水表面数据、全球夜间灯光数据集、全球城市边界数据和气候带数据等多个数据集。研究流程包括数据重采样至1公里分辨率、利用全球城市边界数据提取城市边界、通过Savitzky−Golay滤波器去除噪声后合成年UI、UG和UST数据、映射UST对一系列自然和人为因素的敏感性、基于UST、UG和IBI的统计关系构建CPUG评估模型,并使用Theil-Sen中位数消除自然因素的影响。最终,通过模拟无UG情景下的Sen_UST与实际Sen_UST的差异,定义为中国2001至2018年间的CPUG。

(四)研究结果

研究结果显示,过去二十年间,中国UG的冷却潜力(CPUG)为0.20K,减缓了中国城市变暖趋势的14.17%。CPUG在城市核心区和扩张区之间存在显著差异,城市核心区的CPUG约为1.01K,对抑制城市变暖的贡献为56.08%,是扩张区的7.2倍,后者的CPUG仅为0.14K,对抑制城市变暖的贡献为9.93%。研究还发现,城市化和主要生态恢复项目是影响CPUG的关键因素,强调了人为植被管理在抑制城市变暖中的必要性。在空间分布上,CPUG高的区域包括京津冀、长三角、珠三角等城市群,以及新疆的阿克苏、克拉玛依和沈阳等城市。全国平均Sen_UST和Sen_IBI分别增加了1.13±11.20×10−2 K/yr和3.40±45.94×10−3 /yr,在无UG情景下(以2001年为基准)。这表明UG不仅对本地气候产生了广泛积极影响,而且对城市灰色空间也有显著影响。此外,研究还评估了79个面积大于500平方公里的城市的CPUG,并发现42个城市的UG具有冷却潜力,主要集中在华北地区和珠三角城市群。

(五)研究结论

本研究提供了一个有力的工具,用于定量评估长期UG趋势对城市变暖的影响。研究结果对于建设气候适应性城市具有重要的参考价值。研究发现,UG在抑制城市变暖方面发挥了重要作用,尤其是在城市核心区。此外,生态恢复项目(ERPs)对中国UG的贡献显著,但对城市变暖的影响尚未得到有效量化。研究强调了人为植被管理在抑制城市变暖中的重要性,并指出了城市绿化在不同气候背景下对城市变暖的缓解作用。尽管研究提供了关于UG冷却潜力的有价值见解,但也存在一些局限性,如使用NDVI数据量化城市绿地密度、紧凑度和分布形状的空间变化存在挑战,且不同的植被指数可能会影响CPUG的评估。未来的研究需要更高精度的数据来进行多领域交叉合作研究,以进一步提高对UG冷却效应的理解。

文章来源 :

Xu, D., Bai, T., Yang, L., Zhou, Y., Chen, B., Xu, H., ... & Ciais, P. (2024). Quantifying the Cooling Effect of Urban Greening Driven by Ecological Restoration Projects in China. Environmental Science & Technology.

免责声明 :

本公众号发布的内容仅供学习交流使用,内容版权归原作者所有。如有侵犯您的权益,请及时与我们联系。


END

点击关注

| 回复“1092获取全文

关注后记得加🌟

| 期待下一次相遇


往期推荐

【JAG好文推荐】基于Sentinel-1 SAR图像的极化与空间信息多尺度机器学习洪水映射方法

2024-12-05

TGRS好文推荐】MGPACNet: 用于图像融合分类的多尺度几何先验感知跨模态网络

2024-12-04

【ISPRS好文推荐】PolyR-CNN:用于端到端多边形建筑物轮廓提

2024-12-03

遥感地理视界
致力于分享遥感科学、地理科学、深度学习相关的最新前沿的顶刊文章。分享数据建模/软件操作/论文绘图等相关知识。文章和科研学术推广欢迎来稿,联系方式:eco_rs_gis@163.com或VX: ECO_RS_GIS 感谢您的关注!
 最新文章