지표면 온도 동향: 아메다바드와 델리()
- Linda Hamilton원래의
- 2024-12-31 12:57:20121검색
저는 인도에서 자랐고 14살쯤에 미국으로 이주했습니다. 이사한 후 우리는 거의 6~7년 동안 인도를 방문하지 않았습니다. 최근 우리 가족은 2023년 5월부터 7월까지 여름 동안 다시 돌아오기로 결정했습니다. 우리가 도착했을 때 한 가지 사실이 즉시 눈에 띄었습니다. 기억했던 것보다 훨씬 더 더웠다는 것입니다. 주위를 둘러보면서 그 이유를 깨달았습니다. 제가 자라면서 보았던 녹지의 대부분이 사라지고 우뚝 솟은 건물과 거대한 아파트 단지로 대체되었습니다. 이는 풍경이 얼마나 많이 변했는지를 극명하게 상기시켜 주었고 급속한 도시화가 환경과 기후에 미치는 영향에 대해 생각하게 했습니다.
자세한 내용부터 살펴보겠습니다!
최근 인도를 방문했을 때 저는 마음에 가까운 두 도시인 아메다바드와 델리의 지표면 온도(LST)를 분석하여 도시 열섬(UHI) 효과를 탐구하기로 결정했습니다. 아래는 무대를 설정할 도시의 스냅샷입니다.
이 분석을 위해 제가 선택한 타임라인은 다음과 같습니다.
2013년: 나의 출발점, 10년의 공부기간.
2016년: 인도를 떠나 미국으로 가던 해.
2023년: 이 프로젝트에 영감을 준 가장 최근 방문입니다.
이 연구를 위해 저는 두 가지 주요 데이터 소스에 의존했습니다.
- 구름 및 온도 데이터를 검색하기 위한 Google Earth Engine의 위성 데이터입니다.
- 교차 검증을 위해 공항 기상 데이터베이스의 날씨 기록입니다.
1부: 데이터 수집 및 준비:
이 프로젝트에서는 다양한 소스의 데이터를 사용하여 아메다바드와 델리의 도시 열섬(UHI) 효과를 연구했습니다. 저는 주로 Google Earth Engine을 사용하여 수집한 지표면 온도(LST)와 구름 데이터, 공항의 날씨 기록에 집중했습니다.
Google Earth Engine 사용
자세한 과거 날씨 기록을 제공하는 플랫폼인 WeatherSpark에서 온도 데이터를 수집했습니다. 저는 아마다바드와 델리 관련 데이터를 사용하여 2013년부터 2023년까지 5월에 집중했습니다. 왜냐하면 5월은 일반적으로 두 도시에서 일년 중 가장 더운 달이기 때문입니다. 이를 통해 지난 10년간 여름철 최고 기온이 어떻게 변했는지 분석할 수 있었습니다.
-
Weatherspark.com
델리의 5월 온도: 2013, 2016, 2023
아마다바드의 5월 온도: 2013, 2016, 2023
또한 온도 결과가 정확한지 확인하기 위해 클라우드 데이터를 사용했습니다. 구름은 위성 판독을 차단하고 정확한 지표면 온도를 얻기 어렵게 만들 수 있습니다. 이 문제를 해결하기 위해 Google Earth Engine을 사용하여 구름이 많은 지역을 필터링했습니다. 이를 통해 데이터를 정리하고 명확한 판독값에만 집중할 수 있어 결과의 신뢰성이 더욱 높아졌습니다.
클라우드 데이터를 추출하는 데 사용한 코드의 예는 다음과 같습니다. Google Earth Engine에서 이 코드를 사용할 계획이라면 경도와 위도, 날짜 범위(365일 중) 및 버퍼 존을 조정해야 합니다. 취향에 따라:
//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);
아래는 클라우드 커버리지 데이터 사진입니다
델리의 5월 클라우드 데이터: 개요(2013년, 2023년 및 10년 분석)
아마다바드의 5월 클라우드 데이터: 개요(2013년, 2023년 및 10년 분석)
날씨 기록 활용
위성 데이터가 정확한지 확인하기 위해 아메다바드와 델리 공항의 기상 기록과 비교했습니다. 이 기록을 통해 실제 온도 판독값을 얻을 수 있었고 이는 위성 데이터가 정확하다는 것을 확인하는 데 도움이 되었습니다.
2부: ArcGIS Pro를 사용한 데이터 시각화
Google Earth Engine에서 구름 및 온도 데이터를 처리한 후 다음 단계는 고급 시각화를 위해 이 데이터를 ArcGIS Pro로 가져오는 것이었습니다. 원시 데이터는 해석하기 어려울 수 있기 때문에 이는 프로젝트의 필수적인 부분이었지만 히트맵을 만들면 누구나 쉽게 이해할 수 있습니다.
시각화를 만들기 위해 먼저 Google Earth Engine에서 구름 필터링된 지표면 온도(LST) 데이터를 ArcGIS Pro로 가져왔습니다. 상세한 온도 판독값이 포함된 이 데이터는 구름으로 인한 간섭을 제거하기 위해 이미 정제되었습니다. 이러한 전처리를 통해 정확한 시각화를 생성할 수 있는 깨끗하고 안정적인 데이터가 보장되었습니다.
데이터를 가져온 후 ArcGIS Pro를 사용하여 히트 맵을 생성했습니다. 이러한 맵은 다양한 온도 범위를 나타내기 위해 색상 그라데이션을 적용하여 생성되었습니다. 예를 들어, 더 시원한 지역은 주황색(70°F 이하), 연한 파란색(80°F 이하), 녹색(90°F 이하)과 같은 색상으로 표시되었습니다. 온도가 증가함에 따라 노란색(120°F 이하)과 140°F를 초과하는 온도에는 빨간색과 같이 따뜻한 색상이 사용되었습니다. 지도와 함께 제공되는 키 또는 범례는 이러한 색상으로 구분된 온도 범위를 명확하게 표시하므로 시각화를 쉽게 해석할 수 있습니다.
아래는 레전드 사진입니다
저는 각 도시의 기온이 어떻게 다른지 보여주기 위해 아메다바드와 델리에 대한 히트맵을 만들었습니다. 산업 지역이나 도심과 같은 시가지 지역은 훨씬 더 뜨겁게 나타나 빨간색으로 표시되는 반면, 공원과 녹지 공간은 더 시원해 녹색 또는 파란색으로 표시됩니다. 이 히트맵은 도시화와 녹지가 표면 온도에 미치는 영향을 명확하게 보여줍니다.
그런 다음 ArcGIS Pro를 사용하여 온도 색상을 조정하고 방향에 북쪽 화살표를 추가하여 열 지도를 개선했습니다. 이러한 변화로 인해 아메다바드와 델리 전역의 열 분포를 더 쉽게 이해할 수 있게 되었습니다.
아래는 아마다바드 시각화 사진입니다
아래는 델리의 시각화 사진입니다
결론: 아메다바드와 델리의 열 추세
이 프로젝트의 결과에 따르면 지난 10년 동안 아메다바드가 훨씬 더워졌으며, 특히 일년 중 가장 더운 달인 5월에는 더욱 더워졌습니다. ArcGIS Pro의 히트 맵을 사용하여 건물이 많고 녹지가 적은 지역이 가장 더운 지역(진한 빨간색으로 표시)인 반면, 공원과 녹지 공간은 더 시원한 지역(녹색 또는 파란색으로 표시됨)을 발견했습니다. 온도는 화씨로 분석되었습니다.
아메다바드는 급속한 도시화와 녹지 공간 감소로 인해 성장하는 도시이기 때문에 특히 뜨겁습니다. 히트맵에서 눈에 띄는 특징 중 하나는 도시를 가로지르는 시원한 파란색 선으로 보이는 사바르마티 강입니다. 대조적으로, 수도인 델리는 인구 밀도가 높고 건물이 밀집되어 있음에도 불구하고 더 발전되어 기온이 약간 낮습니다. 포스터에 포함된 이미지에서 볼 수 있듯이 두 도시 모두 밀집된 도시화와 높은 인구를 보여주고 있습니다.
또한 데이터는 녹지 공간과 초목이 도시를 시원하게 만드는 데 어떻게 도움이 되는지 강조했습니다. 구름이 없는 맑은 날에는 특히 나무나 공원이 없는 지역에서는 기온이 더 높았습니다. 이는 도시를 시원하게 유지하는 데 녹지가 얼마나 중요한지 보여줍니다.
결론적으로 아메다바드는 성장할수록 더워지고 있는 반면, 델리는 밀집된 인구와 인프라로 인해 여전히 따뜻한 상태를 유지하고 있습니다. 도시를 살기 좋은 도시로 만들려면 더 많은 공원을 만들고, 나무를 심고, 녹지 공간을 보호하는 데 집중해야 합니다. 이러한 조치는 도시 지역의 열을 줄이고 삶의 질을 향상시키는 데 도움이 될 수 있습니다.
아래는 결과 포스터입니다
위 내용은 지표면 온도 동향: 아메다바드와 델리()의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!