O impacto da urbanização (ilhas de calor urbano) sobre as Tendências de temperatura da Terra

Por Zeke Hausfather, Steven Mosher, Menne Mateus, Claude Williams, e Nick Stokes Watts Up With That [Nota: este é um cartaz AGU exibido na reunião anual, disponível aqui em formato PDF. Eu já convertido para texto simples e imagens para o seu prazer de leitura.Estou fornecendo-la sem comentar exceto para dizer que Steven Mosher tem feito um grande trabalho na criação de um banco de dados muito útil que melhor define estações rurais e urbanas melhor do que os metadados que temos disponível agora. – Anthony] Introdução

Em larga escala reconstruções de temperatura da superfície dependem de medições a partir de uma rede global de instrumentos. Com a exceção de sensores remotos automatizados, as localizações dos instrumentos tendem a ser correlacionados com as áreas habitadas. Isto significa que as áreas urbanas [sic] são, provavelmente, oversampled nos registros da temperatura da superfície em relação à superfície total de terra que é realmente urbanizadas.Há muito tempo se sabe que áreas urbanizadas tendem a ter temperaturas mais altas que cercam áreas menos desenvolvidas (ou rural), devido à a concentração de superfícies de alta massa térmica impermeável (Oke, 1982). Isto levou a uma certa preocupação de que as mudanças na ilha de calor urbana (UHI) Efeitos devido à rápida urbanização em muitas partes do mundo ao longo das últimas três décadas pode ter sido responsável por uma parte do rápido aumento da medem a temperatura da superfície global da terra. Essa preocupação é reforçada pela menor tendências observadas em algumas interpretações de medições por satélite da temperatura mais baixa troposférico em áreas de terra durante o mesmo período (Klotzbach et al 2009). Uma análise do impacto da urbanização sobre as tendências de temperatura múltiplas faces fatores de confusão. Por exemplo, um instrumento originalmente instalado em uma cidade com freqüência terão aumento da temperatura absoluta de um em uma área próxima rural (especialmente à noite), mas não necessariamente mostram uma maior tendência ao longo do tempo, a menos que os arredores mudar de tal forma que a UHI sinal é alterado nas imediações do instrumento. Da mesma forma, as características microsite que pode ser relacionada com o maior ambiente urbano pode ter efeitos notáveis ​​sobre as tendências de temperatura e agir contra ou em conjunto com o ambiente UHI sinal.

Além disso, a definição de áreas urbanas está sujeita a alguma incerteza, tanto em termos de como a forma urbana é caracterizada ea que distância das superfícies urbanas construídas relacionadas efeitos persistem. Metadados estação publicada muitas vezes inclui indicações ultrapassada de uma estação se é urbana ou rural, e os dados de geolocalização instrumento pode ser imprecisa, fora da data, ou de outra forma incorreta. Existe também uma incerteza sobre o quanto a correção explícita é necessária para o aquecimento urbano nas reconstruções da temperatura global , e como técnicas de homogeneização, recentemente introduzida em GHCN-Mensal versão 3 tanto para detectar e corrigir heterogeneidades decorrentes de alterações na forma urbana. Para abordar estas questões e obter uma estimativa mais precisa do impacto da urbanização sobre as tendências da temperatura da terra, examinamos diferentes proxies urbanidade em múltiplas resoluções espaciais e critérios de selecção urbanidade, tanto através de ponderação espacial e técnicas simples emparelhamento estação. Este estudo limita-se a não ajustados os dados de temperatura média, que iremos analisar os dados homogeneizados no futuro para ver o quanto do sinal UHI é removido. Métodos Examinamos GHCN-Daily versão 2.80, dados de temperatura e não o mais comumente usado GHCN-mensal de dados pois contém estações significativamente mais, particularmente durante os últimos 30 anos, e permite a análise separada de temperaturas máximas e mínimas. A densidade relativamente alta de estações espaciais é útil para permitir a amostragem em vários subconjuntos estação urbana e rural, minimizando preconceitos devido à perda de cobertura espacial. Após a exclusão de estações que têm menos de 36 meses a qualquer momento no período de registro ou, pelo menos, um ano completo de dados durante o período de 1979 a 2010, ficamos com 14.789 postos.

Um conjunto completo de metadados é calculado para cada estação utilizando as informações fornecidas localização da estação em estação de inventários e bases de dados GIS publicamente disponíveis. Esses conjuntos de dados incluem: Distância da costa (0,1 graus), Hyde 3,1 histórica de dados da população (5arc minuto), 2000AD densidade populacional Grump (30 segundos de arco), Grump Extensão Urbana, classes de uso da terra a partir do inventário Harmonizado de Uso da Terra (5 minutos de arco) , radiância calibrada Nightlights (30 segundos de arco), o ISA-Global superfícies impermeáveis ​​(30 segundos de arco), classes Modis Ocupação do solo (15 segundos de arco), e distância do aeroporto mais próximo (30 segundos de arco). Além disso, estatísticas da área de raios progressiva são calculados em torno de cada localização do site putativa. estações são divididas em duas classes com base em vários limites de urbanidade e dois métodos analíticos são utilizados para estimar o viés de tendência devido à urbanidade: um método espacial e um emparelhado abordagem estação. O método baseia-se em média espacial na resolução de um conjunto de equações lineares para as estações em cada classe. Para cada grupo de estações, urbanas e rurais, uma série de tempo de compensações temperatura média foi criado pelo ajuste do modelo:

onde T representa a temperatura observada para cada estação, mês e ano, L é uma temperatura local média para cada estação para cada mês (incorporando variação sazonal) e G é o desejado global (ou regional) média, variando por ano. Este está equipado com uma ponderação que é inversamente proporcional a uma medida de densidade estação. Com um G calculado para tanto urbanas como rurais, as tendências podem ser comparados. Os recursos método pairwise com a mesma classificação de estações e as seguintes etapas são tomadas.Um par de bases urbanas é selecionado com base no comprimento do registro. Para se qualificar como um par de bases urbanas uma estação deve ter 30 anos completos de dados na janela de 1979-2010. Dez dos 12 meses de dados são obrigados a contar como um ano completo. Para cada estação de base urbana, rural pares são selecionados com base na distância e sobreposição de dados. Para cada estação de base urbana, as estações rural são exaustivamente pesquisados ​​e todos aqueles pares rural dentro de 500 quilômetros são atribuídos para a estação base. Desde estações rurais podem ter registros de curto todo o grupo rural é avaliado para dados coincidem com o par de bases urbanas. 300 meses de sobreposição são obrigatórios. Se a coleção de estações rurais tem menos de 300 meses de sobreposição com seu par urbano, ele é descartado da análise. Uma função de ponderação é deÞned na vizinhança de cada estação urbana, o que diminui com a distância e é igual a zero fora de um determinado raio. Uma tendência média é calculada para as estações rural dentro desse raio de ajuste do modelo, onde t é o tempo em anos, e B é o gradiente. Esta tendência é, então, comparada com a tendência OLS para a estação central urbana. As diferenças nas formas das distribuições das tendências é uma função do número de estações que formam a estimativa de tendência.

Tendências urbanas são as tendências para as estações individuais, enquanto as tendências rural são o resultado de uma tendência de computação para todos os pares rural tomado como um conjunto completo. Discussion Enquanto o aquecimento urbano é um fenômeno real, é com sobrepeso nas reconstruções terra temperatura devido à oversampling de áreas urbanas em relação à sua cobertura terrestre do mundo. A rápida urbanização ao longo das últimas três décadas tem contribuído provavelmente para um viés modesta quente em unhomogenized reconstruções da temperatura global da terra, com estações de aquecimento urbano cerca de dez por cento mais rápido do que as estações rurais no período de 1979 a 2010. Estações urbanas estão se aquecendo mais rapidamente do que as estações rurais, em média, em todos os proxies urbanidade, cortes, e resoluções espaciais examinadas, embora os dados subjacentes é ruidoso e há muitos casos individuais de arrefecimento urbano. Nossa estimativa para o viés devido à UHI no registro da terra é da ordem de dez por 0.03C para estações urbanas.

Este resultado é consistente com ambos assinar a espera do efeito e estimativas regionais cobrindo o mesmo período de tempo (Zhou et al 2004) e difere de alguns trabalhos recentes sugerindo zero ou negativo UHI viés (Wickham et al, submetido). proxies mais rigorosas urbanidade que resultar em um conjunto menor de estações rurais mostram maiores diferenças urbano-rural na tendência. O limite superior em UHI viés entre as estações rurais e urbanas é da ordem de 0,06 a 0.1C por década. No entanto, estes casos são claramente problemática a partir do aspecto da cobertura espacial, como o número de estações rurais torna-se muito pequeno quando os filtros mais rigorosos são aplicadas. Adotar cortes que definem menos estritamente rural leva a mais razoável cobertura espacial e uma estimativa de viés UHI no registro que converge para a 0.02C 0.04C por década em todo o proxies. A abordagem par estação evita esse problema, limitando a análise às áreas com ambas as estações rurais e urbanas disponíveis, mas limitou a cobertura global e exclui grandes áreas na Índia e na China costeiras, onde a rápida urbanização vem ocorrendo nas últimas décadas. É provável que a homogeneização irá reduzir ainda mais o viés UHI relacionados observados, como vieses urbanidade muitos são detectáveis ​​através de break point-análise via comparação com estações vizinhas rural. Estamos atualmente no processo de usar o algoritmo de homogeneização Pairwise (Menne e Williams 2009) sobre GHCN-Daily dados para examinar os efeitos em mais detalhes. No entanto, ele continua a ser visto até que ponto UHI viés pode ser removido através de homogeneização em áreas costeiras, como a China ea Índia, onde há poucas estações rurais e onde a densidade da estação não são particularmente elevadas na versão atual do GHCN-Daily. Em qualquer caso, a aquisição de dados estação adicional fora das áreas urbanas nestas partes do mundo provavelmente seria benéfico. Adquirir dados de localização mais exata da estação vai permitir-nos utilizar de resolução mais alta ferramentas de sensoriamento remoto para identificar as características urbanas abaixo dos 5 km limite, e melhores efeitos de teste de site-specifc vs meso-escala sobre características preconceitos aquecimento urbano. Além disso, os locais do site validado permite maior refinamento na definição das estações rurais em função da distância de núcleos urbanos de vários tamanhos.

Referências

Center for International Earth Science Information Network (CIESIN), Columbia University; International Policy Food Research Institute (IFPRI), O Banco Mundial e Centro Internacional de Agricultura Tropical (CIAT). 2004. Projeto de Mapeamento Global Rural-Urban, Versão 1 (GRUMPv1): Grid Densidade Demográfica. Palisades, NY: Os dados socioeconômicos e Applications Center (SEDAC), Columbia University. Disponível emhttp://sedac.ciesin.columbia.edu/gpw. [14 de agosto de 2011].

Elvidge, CD, BT Tuttle, PC Sutton, KE Baugh, AT Howard, C. Milesi, B. Bhaduri e R. Nemani de 2007 “, de distribuição global e densidade de construção superfícies impermeáveis”, Sensors, 7, 1962-1979

Fischer, G., F. Nachtergaele, S. Prieler, HT van Velthuizen, L. Verelst, D. Wiberg, 2008.Globais Agro-ecológico Avaliação Zonas de Agricultura (GAEZ 2008). IIASA, Laxenburg, Áustria e FAO, em Roma, Itália.

Klein Goldewijk, K., A. Beusen e P. Janssen (2010). Modelagem dinâmica de longo prazo da população global e área construída de uma forma espacialmente explícitos, HYDE 3 .1. O Holocene20 (4) :565-573.

Klotzbach, P., R. Pielke Sr., R. Pielke Jr., J. Christy, e RT McNider de 2009. Uma explicação alternativa para as tendências diferencial de temperatura na superfície e na baixa troposfera. J. Geophys. Res.

Menne, MJ, I. Durre, RS Vose, BE Gleason, e TG Houston, 2011: Uma visão geral do banco de dados de rede Historical Climatology Global Diária. Journal of Atmospheric and Technology Oceanic, submetidos.

Menne, MJ, e CN Williams, Jr., 2009. Homogeneização das séries de temperatura através de comparações pairwise. J. Clima, 22, 1700-1717.

Schneider, A., MA Friedl e D. Potere (2009) Um novo mapa da extensão urbana global a partir de dados MODIS. Ambientais Research Letters, volume 4, artigo 044003.

Schneider, A., MA Friedl e D. Potere (2010) Monitoramento áreas urbanas globalmente usando dados MODIS 500m: Novos métodos e conjuntos de dados com base em ecorregiões urbana.Sensoriamento Remoto do Ambiente, vol. 114, p. 1733-1746.

TR Oke (1982). “A base energética da ilha de calor urbano”. Quarterly Journal of Royal Society de Meteorologia 108: 1-24.

Wickham, C., J. Curry, D Groom, R. Jacobsen, R. Muller, S. Perlmutter, R. Rohde, A. Rosenfeld e J. Wurtele, 2011. Inßuence de aquecimento urbano na média global da temperatura da Terra Usando Sites Rural IdentiÞed de ClassiÞcations MODIS.

Submetidos.

Zhou, L., R. Dickinson, Y. Tian, ​​J. Fang, Q. Li, R. Kaufmann, C. Tucker, e R. Myneni, 2004.Evidências para um efeito da urbanização sobre o clima signiÞcant na China. Proceedings of the National Academy of Sciences.

Ziskin, D., K. Baugh, F. Chi Hsu, T. Ghosh, e C. Elvidge, 2010, “Os métodos utilizados para o 2006 Luzes Radiance”, Anais do 30 Encontro da Rede Ásia-PaciÞc Avançado, 131-142