地表面温度の傾向: アーメダバード対デリー ()

私はインドで育ち、14 歳くらいのときに米国に移住しました。移住後、ほぼ 6 ～ 7 年間インドを訪れていませんでした。最近、私の家族は、2023 年の 5 月から 7 月までの夏に帰国することにしました。到着すると、すぐに気づいたことが 1 つありました。それは、記憶よりもはるかに暑く感じられたということです。周囲を見回すと、その理由が分かりました。私が子供の頃に見ていた緑の多くは失われ、代わりに高層ビルや広大な集合住宅が建っていました。それは風景がどれほど変わったかをはっきりと思い出させ、急速な都市化が環境と気候に及ぼす影響について考えさせられました。

詳細を見ていきましょう!

最近のインド訪問中、私は、私の心に近い 2 つの都市、アーメダバードとデリーの地表面温度 (LST) を分析することで、アーバン ヒート アイランド (UHI) 効果を調査することにしました。以下は舞台となるこれらの都市のスナップショットです:

この分析のために私が選択したタイムラインは次のとおりです。

2013: 私の出発点、10 年間の学習期間をマーク。
2016: 私がインドを離れて米国に渡った年。
2023: このプロジェクトのきっかけとなった私の最近の訪問。

この調査では、次の 2 つの主要なデータ ソースに依存しました。

• 雲と温度のデータを取得するための Google Earth Engine からの衛星データ。
• 相互検証のための空港気象データベースからの気象記録。

パート 1: データの収集と準備:

このプロジェクトでは、さまざまなソースからのデータを使用して、アーメダバードとデリーにおける都市ヒート アイランド (UHI) の影響を研究しました。私の主な焦点は、Google Earth Engine を使用して収集した地表面温度 (LST) と雲のデータ、および空港からの気象記録でした。

Google Earth エンジンの使用

詳細な過去の気象記録を提供するプラットフォームである WeatherSpark から気温データを収集しました。アーメダバードとデリーに特有のデータを使用して、2013 年から 2023 年までの 5 月に焦点を当てました。これは、両都市では通常 5 月が一年で最も暑い月であるためです。これにより、過去 10 年間の夏のピーク時に気温がどのように変化したかを分析することができました。

• ウェザースパーク.com

デリーの 5 月の気温: 2013、2016、2023

アーメダバードの5月の気温: 2013, 2016, 2023

体温の結果が正確であることを確認するためにクラウド データも使用しました。雲は衛星の測定値を妨げ、正確な地表温度を取得するのを難しくする可能性があります。これを修正するために、Google Earth Engine を使用して厚い雲のあるエリアを除外しました。これにより、データをクリーンアップし、明確な読み取り値のみに焦点を当てることができ、結果の信頼性が高まりました。

これは、クラウド データを抽出するために使用したコードの例です。このコードを Google Earth Engine で使用する場合は、経度と緯度、日付範囲 (365 日のうち)、および バッファ ゾーンを必ず調整してください。 好みに応じて:

//area of study
var ahmedabad = ee.Geometry.Point([72.5713621, 23.022505]).buffer(30000); // buffer zone
var delhi = ee.Geometry.Point([77.1025, 28.7041]).buffer(30000); //buffer zone         

//Date
var DATE_RANGE = ee.Filter.dayOfYear(121, 151); 
var YEAR_RANGE = ee.Filter.calendarRange(2013, 2023, 'year');

var L8 = ee.ImageCollection('LANDSAT/LC08/C02/T1_L2') //Might want to change statelite according to your needs
  .select(['ST_B10', 'QA_PIXEL']) // Temperature and QA bands
  .filter(DATE_RANGE)
  .filter(YEAR_RANGE);

// Cloud masking function
function cloudMask(image) {
  var qa = image.select('QA_PIXEL');
  var mask = qa.bitwiseAnd(1 << 3).or(qa.bitwiseAnd(1 << 4)); // Cloud and shadow bits
  return image.updateMask(mask.not());
}

// cloud mask and filter by region
var L8_filtered = L8.map(cloudMask);

// Temperature conversion (Kelvin to Fahrenheit)
function kelvinToFahrenheit(image) {
  return image.select('ST_B10')
    .multiply(0.00341802) // Scale factor
    .add(149.0)          // Offset
    .subtract(273.15)    // Convert Kelvin to Celsius
    .multiply(9 / 5)     // Convert Celsius to Fahrenheit
    .add(32)             // Add Fahrenheit offset
    .rename('LST_Fahrenheit');
}

var ahmedabadLST = L8_filtered.filterBounds(ahmedabad).map(kelvinToCelsius).mean().clip(ahmedabad);
var delhiLST = L8_filtered.filterBounds(delhi).map(kelvinToCelsius).mean().clip(delhi);

// Visualization parameters //change the colors as you like
var visualizationParams = {
  min: 20, max: 45,
  palette: ['blue', 'yellow', 'red']
};

Map.centerObject(ahmedabad, 8);
Map.addLayer(ahmedabadLST, visualizationParams, 'Ahmedabad LST');
Map.addLayer(delhiLST, visualizationParams, 'Delhi LST');

// Export results to Google Drive
Export.image.toDrive({
  image: ahmedabadLST,
  description: 'Ahmedabad_LST_2013_2023',
  region: ahmedabad,
  scale: 30,
  maxPixels: 1e13,
  fileFormat: 'GeoTIFF'
});

Export.image.toDrive({
  image: delhiLST,
  description: 'Delhi_LST_2013_2023',
  region: delhi,
  scale: 30,
  maxPixels: 1e13,
  fileFormat: 'GeoTIFF'
});

// Calculate and print summary statistics
var ahmedabadStats = ahmedabadLST.reduceRegion({
  reducer: ee.Reducer.minMax().combine(ee.Reducer.mean(), null, true),
  geometry: ahmedabad,
  scale: 30
});
print('Ahmedabad Temperature Stats:', ahmedabadStats);

var delhiStats = delhiLST.reduceRegion({
  reducer: ee.Reducer.minMax().combine(ee.Reducer.mean(), null, true),
  geometry: delhi,
  scale: 30
});
print('Delhi Temperature Stats:', delhiStats);

以下は雲量データの写真です

デリーの 5 月のクラウド データ: 概要 (2013 年、2023 年、および 10 年間の分析)

アーメダバードの 5 月の雲データ: 概要 (2013 年、2023 年、および 10 年間の分析)

気象記録の使用
衛星データが正しいことを確認するために、アーメダバードとデリーの空港の気象記録と比較しました。これらの記録から実際の温度測定値が得られ、衛星データが正確であることを確認するのに役立ちました。

パート 2: ArcGIS Pro を使用したデータの視覚化

Google Earth Engine で雲と温度のデータを処理した後、次のステップは、高度な視覚化のためにこのデータを ArcGIS Pro に取り込むことでした。生データは解釈が難しい場合があるため、これはプロジェクトの重要な部分でしたが、ヒート マップを作成すると誰でも理解しやすくなります。

ビジュアライゼーションを作成するために、まず雲でフィルター処理された地表面温度 (LST) データを Google Earth Engine から ArcGIS Pro にインポートしました。このデータには詳細な温度測定値が含まれており、雲量による干渉を除去するためにすでに調整されていました。この前処理により、データがクリーンで信頼性が高く、正確なビジュアライゼーションを作成できることが保証されました。

データをインポートしたら、ArcGIS Pro を使用してヒート マップを生成しました。これらのマップは、さまざまな温度範囲を表す色のグラデーションを適用することによって作成されました。たとえば、涼しいエリアはオレンジ (≤70°F)、水色 (≤80°F)、緑 (≤90°F) などの色でマークされました。温度が上昇するにつれて、黄色 (≤120°F) や 140°F を超える温度では赤などの暖色が使用されました。マップに付属のキーまたは凡例には、これらの色分けされた温度範囲が明確に示されているため、視覚化が理解しやすくなっています。

以下はレジェンドの写真です

各都市の気温がどのように変化するかを示すために、アーメダバードとデリーのヒート マップを作成しました。工業地帯や都市中心部などの市街地は非常に暑く見え、赤で表示されますが、公園や緑地は気温が低く、緑または青で表示されます。これらのヒート マップは、都市化と緑が地表温度に及ぼす影響を明確に浮き彫りにしました。

次に、ArcGIS Pro を使用して温度の色を調整し、方向を示す北向き矢印を追加して、ヒート マップを調整しました。これらの変更により、アーメダバードとデリーにわたる熱の分布を理解しやすくなりました。

以下はアーメダバードの視覚化の写真です

以下はデリーの視覚化の写真です

結論: アーメダバードとデリーの暑さの傾向

このプロジェクトの結果、アーメダバードは過去 10 年間で、特に 1 年で最も暑い 5 月にさらに暑くなっていることがわかりました。 ArcGIS Pro のヒート マップを使用すると、建物が多く緑がほとんどないエリアが最も暑く (濃い赤で表示)、公園や緑地は涼しく、緑または青で表示されていることがわかりました。温度は華氏で分析されました。

アーメダバードは、急速な都市化と緑地の縮小により成長を続ける都市であるため、特に暑いです。ヒート マップで注目すべき特徴の 1 つはサバルマティ川で、都市を貫く冷たい青い線として表示されます。対照的に、首都としてのデリーは、依然として人口密度が高く、建物が密集しているにもかかわらず、より発展しており、気温はわずかに低くなります。ポスターに含まれている画像に見られるように、どちらの都市も密集した都市化と人口の多さを示しています。

データはまた、緑地と植生が都市の冷却にどのように役立つかを強調しました。雲のない晴れた日には、特に樹木や公園のない地域では気温が高くなりました。これは、都市を涼しく保つために緑がいかに重要であるかを示しています。

結論として、アーメダバードは成長するにつれて暑くなっていますが、デリーは人口密度とインフラストラクチャのおかげで依然として暖かいままです。都市をより住みやすくするには、より多くの公園を作り、木を植え、緑地の保護に注力する必要があります。これらの措置は、都市部の暑さを軽減し、生活の質を向上させるのに役立ちます。

以下は結果のポスターです

以上が地表面温度の傾向: アーメダバード対デリー ()の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。