Как снизить метеозависимость: Как избавиться от метеозависимости — Российская газета

4. Обсуждение

В этом исследовании использовался подход, основанный на связках, для определения внутренней сезонной зависимости между средней температурой и общим ненулевым количеством осадков при суточном разрешении на юге Онтарио. Мы обнаружили положительную корреляцию между температурой и осадками во всем регионе. Наши аналитические результаты согласуются с предыдущими исследованиями, опубликованными в литературе, которые указывают на положительную корреляцию между осадками и температурой в этом регионе (например,g., [21, 78]), но с другим выводом, как в работе Тренберта и Ши [28], в которой они объединяют все «более теплые» месяцы с мая по сентябрь. Исаак и Стюарт [21] вычислили индекс температуры-осадков, который рассчитывает процент осадков на основе температур ниже средней дневной температуры для 51 канадской метеорологической станции. Они сообщают о положительной корреляции зимой для всех станций, расположенных в южном Онтарио и Квебеке.

Результаты этого исследования являются важным шагом вперед для характеристики и количественной оценки нелинейной зависимости между осадками и температурой в районе, который склонен к возникновению экстремальных погодных явлений и имеет глубокое социальное и экономическое значение для Канады.Предлагаемый подход, продемонстрированный здесь, является гибким и свободным от предположений. Фактически, смоделированная структура зависимости не требует нормальности предельных распределений переменных, что обеспечивает гибкость в коррелирующих переменных, а также предотвращает необходимость подобных предельных распределений.

Мы обнаружили, что связки Гамбеля и Клейтона являются наиболее подходящими для описания зависимости между температурой и осадками зимой и летом, соответственно. Гамбель и Клейтон представляют собой две асимметричные связки с правой (Гамбель) и левой (Клейтон) хвостовой зависимостью [79].Это объясняет значительную корреляцию между экстремальной температурой и экстремальными осадками в этом регионе в эти сезоны. Механически это показывает, что в холодную погоду зимой обычно выпадает меньше осадков, а осенью в теплую погоду выпадает больше. Асимметричные связки лучше подходят для выявления нелинейной корреляции между температурой и осадками в этой области.

5. Заключение

В этой статье был представлен подход, основанный на связках, для моделирования сезонного совместного или смешанного распределения температуры и осадков.Предлагаемый подход является гибким и свободным от предположений. Пять членов копул, принадлежащих к трем семействам, были приспособлены к 1699 сеткам (разрешение ∼10 км × 10 км) в южном Онтарио. Для каждой сетки был вычислен информационный критерий с использованием эмпирических и теоретических связок, и наиболее подходящая связка была выбрана на основе силы нелинейных корреляций. Моделирование совместного распределения осадков и температуры поможет улучшить моделирование погодных явлений, что может помочь повысить точность оценок риска.

Результаты показали, что ни одна связка не работала стабильно как лучшая связка для всех четырех сезонов и для всего региона. Гамбель выглядел как наиболее подходящая связка на зиму, а связка Клейтона — как наиболее подходящая связка на лето. Большая изменчивость с точки зрения наилучшей связки была обнаружена весной и осенью, что может быть связано с колебаниями температуры во время определенных событий или пороговых значений (например, около 0 ° C) между точками сетки и смешением типов осадков, что может привести к различным связям. с температурой (как отмечено в [28]).Путем извлечения многомерных и одномерных квантилей, относящихся к заранее выбранному риску, было обнаружено, что игнорирование совместного или смешанного / комбинированного распределения осадков и температуры может привести к недооценке риска экстремального события. Эта недооценка может привести к неверному истолкованию и неправильному выводу о сроках возврата. Наше исследование также показывает, что взаимосвязи и физика совместного возникновения осадков и температурных явлений должны приниматься во внимание при интерпретации климатических изменений и в анализе климатических рисков.

Экстремальные метеорологические переменные могут оказывать значительное влияние на экосистемы и общество в результате возникновения экстремальных погодных явлений. Оценка потенциального риска экстремальных климатических переменных имеет решающее значение для политики устойчивости и смягчения негативных последствий изменения климата. Потенциально ценным продолжением этого исследования является анализ трехкомпонентной связки, позволяющий связать количество осадков и температуры с планированием растениеводства, экономикой сельского хозяйства и оценкой паводков.Такое исследование может быть использовано при разработке стратегий снижения рисков для фермеров и лиц, принимающих решения, которые будут приобретать все большее значение перед лицом изменения климата и связанных с ним изменений в экстремальных условиях, круговороте воды и гидрометеорологических опасностях.

Доступность данных

Ежедневные данные CanGrid, используемые в этом исследовании, получены со следующего веб-сайта: ftp://ftp.nrcan.gc.ca/pub/outgoing/canada_daily_grids.

Конфликт интересов

Авторы заявляют об отсутствии конфликта интересов.

Благодарности

Финансовая поддержка этого исследования была предоставлена ​​Советом по естественным и инженерным исследованиям (NSERC) Канады в рамках проекта FloodNet. Авторы также благодарят исследователей из Министерства природных ресурсов Канады и Министерства охраны окружающей среды и изменения климата Канады за их вклад в предоставление наборов климатических данных.

Влияние погодных режимов на производство и спрос на возобновляемые источники энергии в Европе

Для смягчения последствий изменения климата в будущем необходим энергетический переход на источники энергии с низким или нулевым содержанием углерода (например,грамм. Matthews et al 2009, Meinshausen et al 2009). По этой причине во многих местах увеличивается доля возобновляемых источников энергии ветра и солнца в общем объеме производства электроэнергии. Эта растущая доля переменных возобновляемых источников энергии увеличивает чувствительность энергосистем к метеорологическим условиям и их изменчивости. Производство ветровой и солнечной электроэнергии, а также спрос на электроэнергию зависят от погоды и, следовательно, демонстрируют изменчивость в почасовом, дневном, недельном, сезонном и годовом масштабах (например,грамм. Кавак Акпинар и Акпинар 2005, Прайор и др. 2006, Синден 2007, Сури и др. 2007, Бессек и Фуко 2008, Блумфилд и др. 2016). При проектировании и эксплуатации будущих энергосистем с высокой долей возобновляемых источников крайне важно учитывать пространственные и временные изменения в производстве энергии и спросе на энергию (Armaroli and Balzani 2011, Zeyringer et al 2018).

Чтобы гарантировать непрерывное и безопасное энергоснабжение будущей системы возобновляемой энергии, критические ситуации требуют особого внимания.В Европе крупномасштабные системы высокого давления могут привести к неудачному сочетанию низкого производства ветровой и солнечной энергии и высокого спроса на энергию, что приведет к чрезвычайно высокому дефициту энергии (Bloomfield и др. 2018, Van der Wiel и др. 2019a) . Требования к гибкости энергосистемы частично определяются такими событиями (Huber et al 2014). Анализ адекватности системы, например способность удовлетворить пиковый спрос с учетом всего диапазона метеорологической изменчивости и характеристик энергосистемы, таким образом, имеет важное значение для выявления и проектирования критических событий (Armaroli and Balzani 2011).

Чтобы удовлетворить потребность общества в информации о зависимости производства энергии и спроса на энергию от погоды и климата, быстро развивается междисциплинарная научная дисциплина: «энергетическая метеорология». Метеорологическое сообщество внесло свой вклад в понимание влияния межгодовой метеорологической изменчивости на производство и спрос энергии (Klink 2002, Pryor et al 2006, Davy and Troccoli 2012, Haupt et al 2016, Kumler et al 2018), влияние Североатлантического колебания (NAO, e.грамм. Посо-Васкес и др. 2004, Брейшоу и др. 2011, Эли и др. 2013, Херес и др. 2013, Кертис и др. 2016, Зубиат и др. 2017, Равестейн и др. 2018 ), ожидаемые изменения в связи с дальнейшим изменением климата (Pryor and Barthelmie 2010, Hueging et al 2013, Jerez et al 2015b, Haupt et al 2016, Reyers et al 2016, Craig et al 2019) и сезонная предсказуемость переменных, связанных с энергией (Clark et al 2017, Thornton et al 2019).Однако взаимосвязь между метеорологией, энергетическими воздействиями и критическими событиями сложна и поэтому требует специальных исследований.

Это исследование направлено на изучение того, адекватно ли погодные режимы отражают влияние метеорологических колебаний на европейский энергетический сектор. Погодные режимы представляют собой классификацию общих режимов атмосферной циркуляции (рисунок 1) и доказали свою полезность в приложениях для прогнозирования погоды и изменения климата (например, Reinhold 1987, Ferranti et al 2015, Neal et al 2016, Matsueda and Palmer 2018) .Они влияют на погоду на поверхности (например, Trigo и DaCamara 2000, Plaut and Simonnet 2001, Yiou and Nogaj 2004, Santos et al 2005, Yiou et al 2008, Donat et al 2010), тем самым влияя на возобновляемые источники энергии. производство и спрос на электроэнергию (Grams et al 2017, Thornton et al 2017). Метеорологические и энергетические прогнозы представляют ценность для энергетического сектора, который планирует операции и достаточность ресурсов, а также торговлю на рынках электроэнергии, частично основанную на этой информации (Pinson et al 2013).В частности, это исследование отвечает на два вопроса: (i) каково среднее влияние погодных режимов на энергетические переменные? и (ii) связаны ли экстремальные значения энергии с определенным погодным режимом? Мы количественно оцениваем повседневную изменчивость энергетических переменных и риск экстремальных или критических событий в каждом погодном режиме. Наше внимание уделяется зимнему сезону, когда погодные режимы (Санчес-Гомес и др. 2009 г., Lavaysse и др. 2018 г.) и изменчивость общего производства и спроса на ветровую и солнечную энергию (Ван дер Виль и др. 2019а, их цифра 8) наиболее выражены.Мы используем комплексный системный подход, принимая во внимание комбинированное воздействие производства энергии ветра и солнца, а также спроса на энергию.

Увеличить Уменьшить Сбросить размер изображения

Рис. 1. Четыре режима атмосферной циркуляции в Североатлантико-Европейской области: (a) положительное значение САК, (b) отрицательное значение САК, (c) Скандинавское блокирование, (d) Атлантический хребет. Цвета показывают аномалию высоты 500 гПа (м), контурные линии показывают высоту 500 гПа (м, интервал 100 м), указывающую направление потока.Процентные значения обозначают процент от общего числа дней, отнесенных к категории в каждом режиме. Рисунок основан на данных ERA5 (DJF, 1979–2018 гг.).

Загрузить рисунок:

2.1. Метеорологические данные

Мы использовали продукт реанализа ERA5 (Copernicus Climate Change Service 2017) для представления наблюдаемых исторических метеорологических условий (Olauson 2018, Urraca et al 2018, Ramon et al 2019). Использовалась полная запись ERA5, доступная на момент анализа, с 1979 по 2018 год, что дает данные за 40 лет.Анализ изменчивости, в частности возникновения экстремальных явлений, затруднен из-за ограниченной продолжительности наблюдаемой записи (Bloomfield et al 2016, Van der Wiel et al 2019a). В 40-летнем отчете ERA5 можно выбрать всего четыре экстремальных события один раз в 10 лет. Поэтому мы также использовали данные двух больших ансамблевых экспериментов, созданных с использованием двух глобальных климатических моделей (GCM): EC-Earth (v2.3, Hazeleger et al 2012) и HadGEM2-ES (Martin et al 2011).Каждый большой ансамблевой эксперимент содержит моделирование погоды за 2000 лет для современных условий. Это позволяет анализировать, как 200 экстремальных явлений в каждом наборе данных модели с периодом повторяемости 10 лет и более распределяются по различным погодным режимам. Подробная информация об экспериментальной установке большого ансамбля GCM представлена ​​в Van der Wiel et al (2019b) и Blackport and Screen (2019). ГЦМ воспроизводят наблюдаемое временное явление, удары поверхности и изменчивость погодных режимов / в пределах их (см. Вспомогательную информацию SI, которая доступна в Интернете на стеках).iop.org/ERL/14/094010/mmedia).

2.2. Классификация погодных режимов

Каждый зимний день (декабрь, январь, февраль (DJF)) в записи ERA5 был отнесен к одному из четырех погодных режимов Северной Атлантики (Vautard 1990, Michelangeli et al 1995) в соответствии с методом классификации Кассу. (2008). Кластеризация проводилась на основе ежедневных карт аномальной геопотенциальной высоты 500 гПа (единицы: м) в Североатлантическо-Европейском регионе (90 ^◦ W-30 ^◦ E, 20 ^◦ -80 ^◦ N).Были вычислены первые четырнадцать паттернов эмпирических ортогональных функций (EOF) (Dawson, 2016), которые охватили 89% общей дисперсии. Связанные временные ряды основных компонентов (ПК) использовались в качестве координат сокращенного фазового пространства. Кластеризация K-средних затем использовалась для вычисления четырех центроидов и для присвоения каждой дневной карты центроиду. Алгоритм K-средних нацелен на разделение карт на группы с равной дисперсией и минимизирует внутрикластерную сумму квадратов (Pedregosa et al 2011).

Кластеризация данных GCM была выполнена немного измененным способом. Вместо вычисления шаблонов EOF из самих смоделированных суточных карт использовались шаблоны EOF из ERA5, и для каждого GCM были вычислены четырнадцать псевдо-ПК. Эти псевдо-ПК затем использовались для назначения каждой дневной карты центриоду, как определено на основе данных ERA5. Как и ожидалось, пространственная картина результирующих погодных режимов аналогична, временное проявление каждого режима не ограничено и показывает согласие между ERA5 и GCM (рисунок S1 в SI).Модифицированный метод применялся для обеспечения максимального пространственного сходства погодных режимов между данными ERA5 и данными GCM. Физически это важно, потому что небольшие различия в расположении систем высокого / низкого давления в режиме могут иметь большее влияние на поверхностные удары и, следовательно, могут влиять на интересующее здесь отношение погодного режима к энергии.

2.3. Энергетическая модель

Чтобы связать погодные режимы с воздействиями, актуальными для энергетического сектора, были рассчитаны ежедневное производство ветровой и солнечной энергии и спрос на электроэнергию.Здесь кратко описывается энергетическая модель, использованная для выполнения этих расчетов; за полным описанием модели, включая уравнения модели, мы отсылаем читателя к Van der Wiel et al (2019a).

Были рассмотрены пространственные модели суточных потенциалов энергии ветра и солнца (единицы:%), величина, которая зависит только от метеорологического состояния, а не от установленной мощности ветряных турбин или солнечных батарей. Потенциал энергии ветра был рассчитан с использованием профиля кривой мощности, зависящего от скорости ветра (Jerez и др. 2015a), высота ступицы была принята соответственно 80 и 120 м для береговых и морских участков.Потенциал солнечной энергии был рассчитан с использованием входящего солнечного излучения и показателя производительности солнечного элемента, основанного на температуре, который зависел от температуры, приходящей солнечной радиации и скорости ветра (TamizhMani et al 2003), наклон солнечной панели не учитывался. Для расчета общего производства электроэнергии в Европе (единицы: ТВтч в сутки ⁻¹ ), прогнозируемое пространственное распределение установленной мощности по пятнадцати западноевропейским странам ⁷ предполагалось (Van der Wiel et al 2019a).

Потребление энергии (единицы: ТВтч в сутки ⁻¹ ) было рассчитано с использованием регрессионной модели, откалиброванной с использованием исторических данных о спросе и средневзвешенного значения температуры в Европе (Van der Wiel et al 2019a). Ежедневная разница между потреблением энергии и производством возобновляемой энергии ветра и солнца называется дефицитом энергии или остаточной нагрузкой.

2.4. Анализ

Для каждого из погодных режимов средняя метеорологическая поверхность и энергетические воздействия были определены посредством комплексного анализа, т.е.е. среднее значение за все дни, классифицированные в режиме. Аномалии — отклонения от нормальных условий — рассчитывались путем вычитания климатологического значения, среднего по DJF. Длина записи ERA5 позволила нам надежно вычислить составные средние образцы, поэтому анализ и рисунки в основной рукописи основаны на данных ERA5. Эквивалентные цифры для экспериментов GCM служили подтверждением смоделированных данных (SI рисунки S2, S3).

Далее мы рассмотрели изменчивость энергетических переменных в пределах каждого погодного режима.Для этого было проведено систематическое сравнение четырех режимов друг с другом и с полной выборкой во все зимние дни. Поскольку здесь возникают проблемы с выборкой, мы показываем как данные ERA5, так и данные GCM в основной рукописи. Мы рассматривали экстремальные события с периодом повторяемости не менее 10 лет, предполагалось, что таких событий четыре в 40-летнем отчете ERA5 и 200 событий в каждом 2000-летнем эксперименте GCM. Оценки изменения риска возникновения экстремального события основывались на соотношении рисков (или соотношении вероятностей), метрике, обычно используемой в исследованиях климатической атрибуции:

с P _WR вероятность экстремального события учитывая погодный режим, и P _высота вероятность экстремального события в полной выборке. RR = 1 указывает на отсутствие изменений риска, RR > 1 указывает на повышенный риск возникновения экстремального явления с учетом этого погодного режима, RR <1 указывает на снижение риска с учетом этого погодного режима. Отношения рисков, указанные в тексте, являются средними для двух GCM.

3.1. Погодные режимы и средние метеорологические и энергетические воздействия

Модели атмосферной циркуляции для четырех погодных режимов Северной Атлантики показаны на рисунке 1. Два режима напоминают положительную и отрицательную фазы САК (Hurrell et al 2003): ‘режим (рисунок 1 (a), 33% дней), характеризующийся системой аномально низкого давления над Исландией и более высоким, чем нормальное давление в полосе к югу, и режимом’ отрицательного NAO ‘(рисунок 1 (b), 20% дней) с аномально высоким давлением над Гренландией / Исландией и более низким, чем обычно, давлением на юге.Третий режим, «Скандинавская блокировка» (рис. 1 (c), 28% дней), характеризуется аномально высоким давлением над Скандинавией и более низким, чем обычно, давлением на юге и западе. Наконец, четвертый режим отличается положительной аномалией давления над Северной Атлантикой и отрицательной аномалией над Европой (рисунок 1 (d), 20% дней), этот режим называется «Атлантическим хребтом». Эти закономерности соответствуют аналогичным классификациям в более ранних исследованиях (например, Vautard 1990, Michelangeli et al 1995, Cassou 2008).

Аномальное положение систем давления увеличивает или нарушает типичный зональный поток с запада на восток. Контурные линии на рисунке 1 показывают направление потока на высоте 500 гПа. Дни, классифицируемые как положительные по САК, обычно имеют более сильный, чем нормальный, зональный поток, в других режимах нормальный зональный поток ослабляется на некоторых частях европейского континента.

Для энергетических применений актуально влияние погодных режимов на поверхности. Обсуждаемый выше поток при 500 гПа влияет на развитие погодных систем на континенте и, таким образом, влияет на приземные переменные, такие как скорость и температура приземного ветра.На рисунке 2 показан типичный отпечаток четырех погодных режимов на соответствующих метеорологических переменных, а на рисунке 3 показано влияние на потенциал ветра и солнечной энергии. Эти аномалии энергетического потенциала приводят к изменениям в производстве электроэнергии только в том случае, если ветряные турбины или солнечные батареи устанавливаются в зоне ударов с поверхности. В разделах 3.1.1–3.1.4 описываются средние пространственные метеорологические и энергетические характеристики каждого режима.

Увеличить Уменьшить Сбросить размер изображения

Рисунок 2. Среднее метеорологическое воздействие на поверхность четырех погодных режимов. Цвета показывают аномалии (a) — (d) скорости ветра 10 м (ms ^-1 ), (e) — (h) приходящей солнечной радиации (W m ^-2 ), (i) — (l) 2 м температура воздуха (° С). Каждый погодный режим в столбце, помеченный вверху слева направо: NAO положительный, NAO отрицательный, Скандинавское блокирование, Атлантический хребет. Рисунок основан на данных ERA5 (DJF, 1979–2018 гг.).

Загрузить рисунок:

Увеличить Уменьшить Сбросить размер изображения

Рисунок 3. То же, что и на рисунке 2, но здесь для среднего воздействия на производство электроэнергии в четырех погодных режимах. Цвета показывают аномалии (a) — (d) потенциала энергии ветра (%), (e) — (h) потенциала солнечной энергии (%). Каждый погодный режим в столбце, помеченный вверху слева направо: NAO положительный, NAO отрицательный, Скандинавское блокирование, Атлантический хребет. Рисунок основан на данных ERA5 (DJF, 1979–2018 гг.).

Загрузить рисунок:

3.1.1. NAO положительный

Усиленный зональный сток в дни с положительным NAO приводит к более сильным, чем обычно, 10-метровым ветрам над Северным морем, Данией, Ирландией, Нидерландами и Соединенным Королевством (рисунок 2 (a)).Западные ветры с относительно теплых поверхностей океана приводят к повышению температуры на 2 м выше нормы в центральной и северной Европе (рис. 2 (i)). Поступающая солнечная радиация близка к норме для времени года (рисунок 2 (е)).

Эти условия приводят к более высокому, чем обычно, потенциалу ветровой энергии в районе Северного моря (рисунок 3 (а)). В южной части Северного моря, в Великобритании и Дании потенциал ветроэнергетики увеличивается на 15%. Потенциал ветроэнергетики в Средиземном море несколько ниже нормы.Существенных изменений в потенциале солнечной энергии нет (рис. 3 (е)).

3.1.2. NAO отрицательные

NAO отрицательные дни характеризуются омега-блоком над Гренландией и Исландией, что приводит к уменьшению зонального стока над северной половиной европейской территории (рисунок 1 (b)). В результате скорость ветра 10 м ниже нормы в северной части Северного моря и Северной Атлантики (рис. 2 (b)) и немного выше нормы в южной части Европы. Входящая радиация ниже нормы в южной Европе (рис. 2 (f)).В Северной Европе намного холоднее, чем обычно (рис. 2 (j)). Потенциал энергии ветра выше нормы над Средиземным морем, Испанией и западом Испании и ниже нормы на 5–20% над Северным морем и Северной Атлантикой (рис. 3 (b)). Потенциал солнечной энергии в Средиземноморье ниже, чем обычно (рисунок 3 (f)).

3.1.3. Скандинавская блокировка

Система аномального высокого давления над Скандинавией (рисунок 1 (c)) снижает нормальный зональный поток во время событий Скандинавской блокировки.Скорость ветра 10 м над Северным морем, Кельтским морем и Бискайским заливом ниже нормы (рисунок 2 (c)), приходящая солнечная радиация выше нормы (рисунок 2 (g)). Температуры над континентальной частью Европы ниже нормы, на севере Скандинавии теплее, чем обычно (рисунок 2 (k)). Пространственная картина 10-метровых аномалий скорости ветра в режиме Скандинавского блокирования несколько напоминает противоположность аномалий в положительном режиме САК ( r = -0,68).

Снижение скорости ветра ограничивает потенциал ветроэнергетики в большом регионе от западной Атлантики до Балтийского моря (рисунок 3 (c)).Потенциалы ветроэнергетики над Северным морем, Соединенным Королевством и Ла-Маншем ниже более чем на 20%. Потенциал солнечной энергии выше обычного, особенно во Франции (рисунок 3 (g)).

3.1.4. Атлантический хребет

Четвертый режим имеет самое слабое воздействие на поверхность для переменных, представляющих интерес для энергетического сектора. Скорость ветра 10 м и температура 2 м близки к норме (рисунки 2 (d), (l)), приходящая солнечная радиация выше нормы над Пиренейским полуостровом (рисунок 2 (h)).Потенциал энергии ветра немного выше, чем обычно, над Средиземным морем и Северным морем (рисунок 3 (d)), потенциал солнечной энергии выше, чем обычно, над Пиренейским полуостровом (рисунок 3 (h)).

3.2. Изменчивость, связанная с энергией в погодных режимах

Для исследования изменчивости в погодном режиме мы сокращаем пространственные данные о потенциале энергии ветра и солнечной энергии (как на рисунке 3) до европейских итогов, что приводит к временным рядам для производства энергии ветра и солнца, спрос на энергию и дефицит энергии (см. раздел 2.3). В среднем общая выработка ветровой и солнечной энергии выше нормы в режимах положительного САК и Атлантического хребта и ниже нормы в режимах отрицательного САК и скандинавском блокировании (рисунок 4 (а)). Спрос на энергию ниже нормы в положительном NAO, но выше нормы в заблокированных режимах (рисунок 4 (b)). Эти результаты логически вытекают из типичных пространственных схем метеорологических переменных и энергетических потенциалов, рассмотренных в предыдущем разделе.

Увеличить Уменьшить Сбросить размер изображения

Рисунок 4. (a) — (c) Гистограммы, показывающие нормализованное среднее значение выработки / спроса / дефицита энергии для каждого погодного режима по отношению ко всем зимним дням (нормализованное среднее = 0, нормализованное стандартное отклонение = 1) (без единиц). (d) — (f) Распределение общего производства / спроса / дефицита энергии в Европе за все зимние дни (сплошная черная линия) с разбивкой по погодным режимам (цветные пунктирные линии, цвета такие же, как на других панелях) (ТВтч d ^-1 ) . Серым цветом обозначен порог экстремального события 1 из 10 лет.(g) — (i) Коэффициент риска возникновения экстремальных явлений на 1 год из 10, обусловленных погодным режимом для производства / спроса / дефицита энергии (без единиц). Черные вертикальные линии показывают 95% доверительный интервал, основанный на повторной выборке бутстрапа ( N = 10 000), сплошная линия, когда изменение риска не является статистически значимым, пунктирная линия, когда изменение статистически значимо. На рисунках (d) — (f) на основе данных ERA5 (DJF, 1979–2018), на других рисунках (a) — (c), (g) — (i) данные ERA5 выделены жирным шрифтом, а данные моделирования большого ансамбля — более светлым цветом. цвета (DJF, 2000 лет).

Загрузить рисунок:

Абсолютная изменчивость для производства энергии ветра и солнца больше, чем для спроса на энергию, со стандартными отклонениями 1,1 и 0,3 ТВтч на ^–1 , соответственно. Следовательно, дефицит энергии больше напоминает реакцию производства энергии ветра и солнца, чем реакцию спроса на энергию, в соответствии с Bloomfield et al (2016). Однако более низкое, чем обычно, производство совпадает с более высоким, чем обычно, спросом в дни с отрицательным NAO и скандинавским блокированием.Таким образом, дефицит энергии в этих режимах выше обычного (рисунок 4 (c)), а также выше, чем можно было бы оценить только по выработке энергии ветра и солнца. Положительные дни для NAO обычно сочетаются с производительностью, превышающей нормальную, с уровнем спроса ниже нормы, что приводит к более низкому, чем обычно, дефициту энергии. В режиме Атлантического хребта и производство, и спрос выше, чем обычно, в результате чего дефицит энергии близок к норме.

Эти средние изменения энергетических переменных в каждом погодном режиме скрывают изменчивость этих переменных внутри режима.Рисунки 4 (d) — (f) (и рисунок S5 SI для данных GCM) показывают распределение каждой энергетической переменной для всех зимних дней с разбивкой по режимам. Распределение производства энергии ветра и солнца имеет положительный перекос, что указывает на длинный хвост для высоких значений производства (Brayshaw et al 2011, Zubiate et al 2017). Это распределение меняется для каждого погодного режима: в режиме скандинавского блокирования распределение смещается к более низким значениям с повышенной асимметрией; во время положительного NAO распределение сдвигается к более высоким значениям и больше не искажается.Распределение спроса на энергию является нормальным, при этом каждый погодный режим приводит к сдвигу среднего значения, как обсуждалось выше. Дефицит энергии имеет отрицательный перекос в полном распределении. Также здесь самые большие изменения в распределении относятся к положительному NAO (более низкий средний дефицит, отсутствие перекоса) и скандинавскому блокированию (более высокий средний дефицит, повышенный перекос).

3.2.1. Экстремальные энергетические явления

Далее мы исследуем изменение риска экстремальных явлений для каждого погодного режима. Для этого анализа мы полагаемся на эксперименты с большим ансамблем GCM, как отмечалось в разделе 2.1. Повышенный риск экстремально слабой ветровой и солнечной энергии обнаружен для режима скандинавского блокирования и для отрицательного NAO ( RR = 2,2 и 1,3, соответственно, рисунок 4 (g)). Снижение риска обнаружено для положительного режима САК и режима Атлантического хребта ( RR, = 0,1 и 0,6, соответственно), хотя в каждом GCM есть некоторые из экстремальных явлений, происходящих в этих режимах. Повышенный риск чрезвычайно высокого спроса на энергию обнаружен для отрицательного NAO и скандинавского блокирования ( RR = 2.3 и 1.4, соответственно, рисунок 4 (з)). В дни Атлантического хребта наблюдается небольшое снижение риска ( RR = 0,9). Ни одно из отобранных событий экстремально высокого спроса не произошло в положительном режиме NAO, это не означает, что события экстремально высокого спроса невозможны в этом режиме, просто очень маловероятны и здесь не отбираются.

Риск события экстремально высокой нехватки энергии удваивается в отрицательные дни NAO и увеличивается на 50% в дни скандинавской блокады ( RR = 2.0 и 1,5 соответственно, рисунок 4 (i)). В режиме Атлантического хребта ГКМ расходятся во мнениях относительно знака небольшого изменения риска, в среднем нет никакого изменения риска. В положительном NAO вероятность экстремально высокой нехватки энергии близка к нулю, хотя в экспериментах GCM три события произошли в этом режиме за 4000 смоделированных лет.

Ограниченная длина записи ERA-Interim препятствует возможности адекватно анализировать возникновение экстремальных событий и оценивать изменения в риске. Для экстремально низкого производства энергии ветра и солнца четыре выбранных события равномерно распределены по скандинавскому блокирующему режиму и отрицательному режиму NAO (рисунок 4 (g)), это согласуется с увеличением риска, вычисленным на основе данных GCM.Это может привести к ошибочному заключению, что такие события не происходят в дни положительных изменений САК или Атлантического хребта. Эксперименты GCM с помощью улучшенной выборки показывают, что чрезвычайно низкое производство энергии ветра и солнца может иметь место во всех режимах. Аналогичные эффекты ограниченной выборки на оценки риска обнаруживаются для событий с чрезвычайно высоким спросом на энергию и событий с экстремально высокой нехваткой энергии (рисунки 4 (h), (i)).

3.3. Метеорология событий экстремально высокой нехватки энергии

Далее мы более подробно исследуем метеорологические условия, которые вызывают события экстремально высокой нехватки энергии (рисунок 4 (i)), и сравним их с типичными моделями, связанными с погодными режимами (раздел 3.1). Циркуляция 500 гПа для выборки смоделированных событий экстремального дефицита показана на рисунке 5. Сходство между циркуляцией событий и центроидом режима меняется от события к событию. В общем, крупномасштабная картина несколько совпадает с картиной центроида режима, более высокие корреляции паттернов обнаруживаются для негативных событий САК, чем для тех, которые классифицируются в других режимах. Однако нельзя не учитывать синоптические особенности меньшего масштаба.

Увеличить Уменьшить Сбросить размер изображения

Рисунок 5. Характер атмосферной циркуляции для шести наиболее экстремально высоких явлений нехватки энергии в каждом погодном режиме (одно событие для положительного режима NAO из-за меньшего количества проб). Цвета показывают аномалию геопотенциальной высоты 500 гПа [м] (обратите внимание на другой масштаб, чем на рисунке 1), контурные линии показывают высоту 500 гПа (м, интервал 100 м), указывающую направление потока. Каждый погодный режим в столбце, помеченный вверху слева направо: NAO положительный, NAO отрицательный, Скандинавское блокирование, Атлантический хребет. Значения в процентах вверху указывают процент экстремальных событий, попадающих в режим, значения справа от каждой карты показывают коэффициент корреляции модели между показанной картиной и центроидом режима (рисунок SI S1).Рисунок основан на эксперименте с большим ансамблем ЕС-Земля.

Загрузить рисунок:

Чтобы проверить, похожа ли циркуляция во время экстремальных явлений систематически на центроиды режима больше / меньше, чем на циркуляцию в нормальные дни в режиме, мы сравниваем распределения закономерностей корреляций и величин аномалий между суточными моделями циркуляции и центроидами режима (рисунки SI S6, S7 ). С учетом всех зимних дней корреляции паттернов меняются в пределах −0.17 и 0,95 при среднем значении 0,48. Аналогичный расчет, основанный только на событиях экстремально высокой нехватки энергии, дает сопоставимое распределение (среднее значение 0,53, диапазон от -0,02 до 0,88). Также для магнитуд аномалий, сравниваемых с помощью проекции на центроид режима, распределение экстремальных явлений близко к таковому для всех зимних дней. Таким образом, в рамках режима дни экстремально высокой нехватки энергии не различаются с точки зрения атмосферной циркуляции. События экстремально высокой нехватки энергии не вызваны экстремальными версиями атмосферной циркуляции, связанными с четырьмя погодными режимами.

Несмотря на разные схемы циркуляции при 500 гПа, все события на рисунке 5 приводят к чрезвычайно высокой нехватке энергии. Это связано с тем, что воздействие этих событий на поверхность очень похоже (рис. 6). Каждое из показанных событий характеризуется более слабыми, чем обычно, ветрами над большими частями континента и мелководными морями из-за низких градиентов приземного давления. В большинстве случаев температуры над континентом ниже нормы. Хотя точная картина и сила аномалий ветра и температуры варьируются в зависимости от событий, очевидно, что все метеорологические состояния приводят к более низкому, чем обычно, производству ветровой энергии и более высокому, чем обычно, потреблению энергии, что в совокупности приводит к чрезвычайно высокому дефициту энергии.

Увеличить Уменьшить Сбросить размер изображения

Рис. 6. Метеорологические условия на поверхности для событий, показанных на рисунке 5. Фиолетовый / зеленый цвета показывают аномалии скорости ветра 10 м (мс ^-1 ), синие / красные цвета показывают аномалии температуры воздуха 2 м (° C) (обратите внимание на масштаб, отличный от рисунка 2). Рисунок основан на эксперименте с большим ансамблем ЕС-Земля.

Загрузить рисунок:

Нет никаких систематических различий между погодными режимами (столбцы на рисунке 6), если мы рассматриваем приземные метеорологические условия в условиях экстремального дефицита энергии.Это подтверждается анализом модели корреляции моделей поверхностных аномалий приземного давления, скорости ветра 10 м и температуры 2 м во время событий экстремально высокой нехватки энергии над Европой (рисунки 7 (b) — (d)). Эти события более похожи друг на друга (составная средняя картина показана в Van der Wiel и др. 2019a, их рисунок 9), чем на связанную с ними модель среднего режима (как на рисунке 2). Для циркуляции 500 гПа над Североатлантическим европейским регионом метеорологический параметр, который лег в основу классификации погодных режимов, сходство между центроидом явления и режима, а также совокупное среднее значение события и экстремального события сопоставимы (рисунок 7 (a )).

Увеличить Уменьшить Сбросить размер изображения

Рис. 7. Распределение корреляций моделей для событий экстремально высокой нехватки энергии для аномалий: (a) геопотенциальная высота 500 гПа, (b) приземное давление, (c) скорость ветра 10 м, (d) температура воздуха 2 м. Черные линии показывают распределение коэффициентов корреляции для 200 событий по сравнению со средним значением для соответствующего режима (как на рисунках 1 и 2), красные линии показывают распределение коэффициентов корреляции для 200 событий по сравнению со средним суммарным экстремальным явлением.Корреляции, основанные на аномалиях в (а) Североатлантического и Европейского региона (90 ^◦ W-30 ^◦ E, 20 ^◦ -80 ^◦ N), (b) — (d) европейский регион ( 15 ^◦ W-35 ^◦ E, 25 ^◦ -70 ^◦ N). Рисунок основан на экспериментах с большим ансамблем EC-Earth (сплошные линии) и HadGEM2-ES (пунктирные линии).

Загрузить рисунок:

Погодные режимы Северной Атлантики и Европы оказывают значительное влияние на метеорологические условия поверхности, имеющие значение для энергетического сектора.В среднем выработка ветровой и солнечной энергии выше нормы в положительных режимах САК и Атлантического хребта и ниже нормы в режимах Скандинавского блокирования и отрицательных режимах САК. Спрос на энергию выше обычного в режимах Скандинавского блокирования, отрицательного САК и Атлантического хребта. Сочетание низкого производства и высокого спроса приводит к более высокому, чем обычно, дефициту энергии или остаточной нагрузке в скандинавских блокирующих режимах и отрицательных режимах NAO. Эти результаты согласуются с предыдущими исследованиями, в которых изучались средние воздействия САК, Восточной Атлантики и Скандинавии, а также погодные режимы на выработку ветровой энергии (например,грамм. Brayshaw et al 2011, Ely et al 2013, Grams et al 2017, Zubiate et al 2017) и потребности в энергии (Thornton et al 2019) отдельно. Аналогичные результаты получены при повторении анализа с использованием данных ERA-Interim (Dee et al 2011).

Однако за этими средними эффектами скрывается большая изменчивость метеорологических условий и энергетических воздействий в пределах каждого погодного режима. Для каждого погодного режима изменения полного распределения трех рассмотренных энергетических переменных были проанализированы и использованы для количественной оценки результирующего изменения риска экстремальных явлений.В течение дней, классифицируемых как скандинавское блокирование и отрицательное значение NAO, возрастает риск чрезвычайно низкого производства энергии ветра и солнечной энергии и чрезвычайно высокого спроса на энергию, что приводит к увеличению риска чрезвычайно высокой нехватки энергии (в 1,5 и 2,0 раза, соответственно) . Несмотря на это предпочтение блокированным режимам (как было охарактеризовано в Bloomfield и др. 2018 и Van der Wiel и др. 2019a), события экстремально высокой нехватки энергии происходят во всех четырех режимах. Наконец, показано, что метеорологические приземные условия, приводящие к экстремальным явлениям дефицита, больше похожи друг на друга, чем на типичную картину соответствующего режима.Явления экстремально высокой нехватки энергии вызваны редкими типами циркуляции и синоптическими особенностями меньшего масштаба, а не экстремальными величинами общих типов циркуляции (то есть погодными режимами).

Целью этого исследования было выяснить, отражают ли погодные режимы, часто используемый показатель для упрощения метеорологической изменчивости, влияние метеорологической изменчивости на европейский энергетический сектор. Наш анализ показывает, что некоторая повседневная изменчивость энергетических переменных может быть объяснена погодными режимами, и, следовательно, они могут быть информативными для энергетического сектора.Например, вероятность данного режима может быть рассчитана на основе метеорологических прогнозов в сезонных и субсезонных временных масштабах, на основе которых могут быть количественно определены ожидаемые энергетические аномалии или изменения риска. Это расширяет сезонную предсказуемость на основе NAO для энергетического сектора (Clark et al 2017, Thornton et al 2019).

Однако анализ также показывает, что существует значительная изменчивость энергетических переменных в пределах погодных режимов. Экстремальные энергетические явления являются результатом редких типов циркуляции или мелкомасштабных особенностей, не охватываемых этими крупномасштабными погодными режимами.Таким образом, существует предел точности прогнозов энергии, основанных на погодных режимах. Поэтому мы бы посоветовали использовать точную метеорологию для прогнозов энергетических переменных в более короткие сроки или, например, для анализа адекватности системы.

Требуется дальнейшая работа для улучшения научного понимания связи между погодой и энергетическими системами. Логическим шагом после этого анализа было бы попробовать анализ, ориентированный на воздействие, или восходящий анализ, в котором режимы определяются на основе их воздействия на энергетические переменные, а не на долю объясненной дисперсии циркуляции (с центром на метеорологии или сверху вниз).Мы предполагаем, что такие основанные на ударах режимы циркуляции будут демонстрировать меньшую изменчивость внутри режимов и обеспечат лучшую категоризацию экстремальных явлений. Если можно будет показать, что такие закономерности предсказуемы с использованием существующих систем метеорологического прогнозирования, это, вероятно, повысит ценность для энергетического сектора по сравнению с прогнозированием, основанным на погодных режимах, как описано выше. С метеорологической точки зрения дальнейшие улучшения могут быть возможны при использовании европейских погодных режимов меньшего масштаба на синоптической основе (например,грамм. 29 Großwetterlagen, James 2007) или с помощью неконтролируемого машинного обучения (например, как это было сделано для Японии, Ohba et al 2016). Наконец, основываясь на настоящем анализе, будущая работа может исследовать, как устойчивость этих четырех режимов влияет на продолжительность событий с высокой нехваткой энергии. Более продолжительные события создают большую нагрузку на энергетические системы (Van der Wiel et al 2019a).

Эта работа является частью проекта HiWAVES3, финансирование предоставлено Нидерландской организацией научных исследований (NWO) под номером гранта ALWCL.2 016,2. HCB финансируется грантом h3020-EU.3.5.1 776787. RWL финансируется грантом NERC NE / P00678 / 1 в рамках проекта InterDec. LPS финансируется NWO в рамках гранта № 647.003.005. И HiWAVES3, и InterDec финансировались в рамках совместного конкурса JPI Climate и Belmont Forum (2015). Результаты были получены с использованием информации Службы по изменению климата Copernicus за 2019 год, ни Европейская комиссия, ни ЕЦСПП не несут ответственности за заявления, выводы, заключения и рекомендации. Авторы благодарят двух анонимных рецензентов за их комментарии.

Данные ERA5, использованные в этом исследовании, можно загрузить из хранилища климатических данных службы изменения климата Copernicus https://cds.climate.copernicus.eu/cdsapp#!/home. Данные климатической модели доступны по обоснованному запросу у соответствующего автора.

Влияние экстремальных погодных условий на качество яблок

Зависимость изменений от погоды

Неблагоприятные погодные условия были признаны важным фактором, влияющим на планы путешественников в отношении времени отправления, вида транспорта, выбранного маршрута или отмены.Во время шторма заболачивание дорог снижает пропускную способность дорожных сетей и качество услуг транзитных систем, что в дальнейшем может повлиять на предложение и спрос на транзит. Основываясь на типичном случае в Шанхае, когда пассажиры не имеют легкого доступа к метро, ​​этот документ направлен на изучение того, как транзитные пассажиры адаптируются к различным ситуациям во время шторма и какие планы действий в чрезвычайных ситуациях следует принимать соответственно. На основе результатов опроса выявленных предпочтений (RP) и заявленных предпочтений (SP) для опытных транзитных пассажиров была разработана модель вложенного логита (NL) для описания поведения транзитных пассажиров в поездках.В этом случае для транзитных пассажиров были установлены шесть альтернатив: прямой автобус, автобус + автобус, метро, ​​автобус + метро, ​​такси и отмена поездки, а также три сценария шторма. Расчетные параметры показывают, что в штормовую погоду пассажиры меньше принимают во внимание транзитные пассажиры, а время пересадки, время ходьбы, время в транспортном средстве и время ожидания отрицательно влияют на выбор соответствующей альтернативы, в то время как стоимость проезда в такси положительно, поскольку более высокая стоимость проезда обычно сопровождается ухудшением погоды и дорожных условий.Анализ чувствительности показывает, что время ходьбы до станции метро, ​​время в автомобиле и время ожидания на автобусной остановке являются наиболее важными факторами, ведущими к сокращению пассажиропотока во время шторма. В соответствии с этим моделируются и сравниваются три возможных плана для транзитного оператора: маршрутный автобус до станции метро (P1), информационное объявление (P2) и корректировка маршрута (P3). Мы рекомендуем использовать P2, P2 + P3 и P1 + P2 + P3 по очереди с увеличением заболачивания дорог. Эти результаты имеют важное практическое значение для разработки планов управления транзитными аварийными ситуациями и служат справочными материалами для транзитных агентств и операторов.

Влияние зависимости плотности и погоды на размер популяции поливольтинных видов на JSTOR

Выявление факторов, определяющих динамику популяций поливольтинных видов, было сложной задачей в экологии, поскольку динамика популяций может содержать внутригодовую и межгодовую изменчивость, а также потому, что временной масштаб, в котором факторы влияют на популяцию, часто неизвестен. Мы создали комплексную модель популяции, чтобы определить, как зависимость плотности (линейная, нелинейная и с задержкой по времени) и погодные условия влияют на скорость роста популяции белоногих мышей (Peromyscus leucopus) на изолированном лесном участке.Мы изучили этот поливольтинный вид без вспышки, используя набор данных за 257 месяцев за 23 года, который включает подробную внутригодовую и долгосрочную динамику, и мы использовали эту модель для прогнозирования размера популяции в будущем. Затем мы оценили, помогает ли трехлетний интервал ежемесячных данных или 22-летний интервал годовых данных определить ключевые детерминанты, определяющие динамику населения, и определили, какой тип данных позволяет создавать более точные прогнозы. Всесторонняя модель за 257 месяцев определила, что внутригодовой цикл был вызван сезонно изменяющимися внутренними темпами роста и зависимостью от плотности в масштабе 1-2 месяца, и показала, что пиковая численность популяции за один год не повлияла на популяцию в следующем году.Межгодовая изменчивость пиковой и минимальной плотности была вызвана влиянием погоды на месячные темпы роста с временной задержкой 0–2 мес., За исключением двух засух. Эти засухи отрицательно сказались на населении в течение 9 месяцев; эффекты, вероятно, были опосредованы снижением урожая семян. Эта модель объяснила 81% изменчивости плотности. Поскольку погода определяла межгодовую изменчивость плотности, прогнозы, в которых не использовались известные погодные данные в течение периода прогноза, были плохими. Когда использовались данные о погоде, прогнозы были точными в пределах 1-3 животных (10%) наблюдаемой плотности на срок до 8 месяцев в будущем, но были неточными после 8 месяцев.Мы обнаружили, что краткосрочные ежемесячные данные выявляют больше факторов, влияющих на население, и создают более точные прогнозы, чем долгосрочные годовые данные, потому что все факторы, влияющие на население (кроме засух), происходят в ежемесячном масштабе. Годовая модель не обнаружила никаких погодных эффектов, кроме засух, и обнаружила зависимость годовой плотности, которая представляет собой отложенную во времени зависимость плотности у поливольтинных видов. Мы утверждаем, что это годовое соотношение является ложным и вызвано изучением этого поливольтинного вида в неподходящем временном масштабе.Наша работа предполагает, что временной масштаб анализа может повлиять на выводы о том, какие типы факторов определяют размер популяции и с какой временной задержкой. Это также предполагает, что, даже когда колебания численности населения могут быть объяснены, точное прогнозирование плотности в будущем может оказаться невозможным, если колебания вызваны погодой.

Видение экологических монографий заключается в том, что они должны стать местом для публикации комплексных, синтетических статей, которые разрабатывают новые направления в области экологии.В этом мире стремительного научного прогресса и нескончаемых изменений окружающей среды должно быть место для продуманной интеграции научных идей, данных и концепций, которые питают разум и направляют развитие развивающейся науки об экологии. «Экологические монографии» предоставляют эту комнату с обширным обзором устойчивого будущего.

Wiley — глобальный поставщик контента и решений для рабочих процессов с поддержкой контента в областях научных, технических, медицинских и научных исследований; профессиональное развитие; и образование.Наши основные направления деятельности выпускают научные, технические, медицинские и научные журналы, справочники, книги, услуги баз данных и рекламу; профессиональные книги, продукты по подписке, услуги по сертификации и обучению и онлайн-приложения; образовательный контент и услуги, включая интегрированные онлайн-ресурсы для преподавания и обучения для студентов и аспирантов, а также для учащихся на протяжении всей жизни. Основанная в 1807 году компания John Wiley & Sons, Inc. уже более 200 лет является ценным источником информации и понимания, помогая людям во всем мире удовлетворять их потребности и реализовывать их чаяния.Wiley опубликовал работы более 450 лауреатов Нобелевской премии во всех категориях: литература, экономика, физиология и медицина, физика, химия и мир. Wiley поддерживает партнерские отношения со многими ведущими мировыми сообществами и ежегодно издает более 1500 рецензируемых журналов и более 1500 новых книг в печатном виде и в Интернете, а также базы данных, основные справочные материалы и лабораторные протоколы по предметам STMS. Благодаря растущему предложению открытого доступа, Wiley стремится к максимально широкому распространению и доступу к публикуемому контенту, а также поддерживает все устойчивые модели доступа.Наша онлайн-платформа, Wiley Online Library (wileyonlinelibrary.com), является одной из самых обширных в мире междисциплинарных коллекций онлайн-ресурсов, охватывающих жизнь, здоровье, социальные и физические науки и гуманитарные науки.

Взаимодействие между покровом кроны деревьев и непроницаемыми поверхностями в зависимости от масштаба снижает дневную городскую жару летом

Значение

В городах по всему миру наблюдаются рекордные летние температуры воздуха, что имеет серьезные последствия для людей.Увеличение древесного покрова предлагается в качестве стратегии адаптации к изменению климата, но объем лесного покрова, необходимый для противодействия более высоким температурам, связанным с непроницаемым поверхностным покровом, неизвестен. Мы использовали установленную на велосипеде систему измерения, чтобы количественно оценить влияние покрытия навеса и непроницаемого поверхностного покрытия на температуру городского воздуха. Температура воздуха в дневное время была существенно снижена за счет большего покрытия растительного покрова (≥40%) в масштабе типичного городского квартала (60–90 м), особенно в самые жаркие дни.Однако уменьшение количества непроницаемых поверхностей оставалось важным для снижения ночных температур. Результаты могут помочь в разработке стратегий увеличения лесного покрова для уменьшения дневной городской жары и улучшения благосостояния жителей.

Abstract

По мере того, как в городах становится теплее и возрастает потребность в стратегиях адаптации к изменению климата, для принятия управленческих решений необходимо более детальное понимание охлаждающего воздействия земного покрова в различных пространственных масштабах. Мы спросили, как древесный полог и непроницаемый поверхностный покров взаимодействуют, чтобы влиять на дневную и ночную температуру воздуха летом, и как эффекты меняются в зависимости от пространственного масштаба, в котором анализируются данные о растительном покрове (10, 30, 60 и 90 метров). радиусы).Установленная на велосипеде система измерения использовалась для измерения температуры воздуха через каждые 5 м на 10 трансектах (длина ∼7 км, выборка 3–12 раз на каждой), охватывающих диапазон непроницаемого покрытия и покрытия кроны деревьев (0–100%, каждое) в город среднего размера в Верхнем Среднем Западе США. Колебания дневной температуры воздуха в пределах городского ландшафта в среднем составляли 3,5 ° C (диапазон 1,1–5,7 ° C). Температура снижалась нелинейно с увеличением покрытия купола, с наибольшим охлаждением, когда покрытие купола превышало 40%. Величина дневного похолодания также увеличивалась с увеличением пространственного масштаба и была максимальной при размере типичного городского квартала (60–90 м).Дневная температура воздуха линейно увеличивалась с увеличением непроницаемого покрытия, но величина потепления была меньше, чем охлаждение, связанное с увеличением покрытия полога. Колебания ночной температуры воздуха в среднем составляли 2,1 ° C (диапазон 1,2–3,0 ° C), при этом температура повышалась с непроницаемой поверхностью. Ночью действие навеса было ограничено; таким образом, уменьшение количества непроницаемых поверхностей остается критически важным для снижения уровня ночной городской жары. Результаты предлагают стратегии управления структурами городского земного покрова для повышения устойчивости городов к потеплению климата.

Эффект городского острова тепла (UHI), при котором температуры в городах выше, чем в окружающей сельской местности (1, 2), представляет собой серьезную проблему устойчивости для городов. В основном из-за замены растительности непроницаемыми поверхностями, высокие температуры в городах повышают уязвимость городских жителей к периодам жары и потеплению климата и приводят к глобальному росту спроса на энергию и затрат в городах (3⇓⇓ – 6). Об экстремально высоких температурах все чаще сообщается в городах по всему миру, а летом 2018 года во многих городах северного полушария была зафиксирована рекордная жара (7).Стратегии повышения устойчивости городов к будущему климату имеют решающее значение по мере расширения городских территорий, роста городского населения и увеличения частоты экстремальных жарких явлений в условиях потепления в мире (8, 9).

Хотя широкомасштабные причины, величина и пространственная протяженность разницы температур между городом и деревней были тщательно изучены (2, 4), мало известно о том, как неоднородность ландшафта в городах влияет на местные колебания температуры. Исследования, связывающие структуру земного покрова и температуру поверхности земли (e.g., из спутниковых снимков) показывает, что UHI является скорее «архипелагом», чем «островом», где разница температур между локализованными горячими и прохладными точками равна разнице температур вдоль градиента между городом и деревней (6, 10). Однако пространственно распределенные измерения местной температуры воздуха, ключевой метрики для результатов общественного здравоохранения (11), в масштабах города, относящихся к адаптации (например, от 10 до 100 метров), ограничены.

Исследования температуры внутригородского воздуха в основном сосредоточены либо на непроницаемых поверхностях, которые поглощают и удерживают тепло (1), либо на эффекте «прохладного острова в парке», когда зеленые зоны, такие как парки, холоднее, чем застроенные территории.Температура внутри парков дополнительно зависит от размера, формы и типа участков с растительностью (12, 13). Однако города четко не разделены на зеленые и непроницаемые пространства. Скорее, естественные и построенные элементы интегрированы в мелком масштабе в пределах городов (14, 15), и элементы могут даже встречаться вместе (например, кроны деревьев над тротуаром). Исследования, позволяющие количественно оценить влияние земного покрова на температуру воздуха в городах во всем диапазоне пространственных масштабов, учитывающих эту неоднородность, могут обеспечить прочную основу для разработки стратегий адаптации к изменению климата в городах.Кроме того, такие исследования должны изучить потенциальные взаимодействия между непроницаемым покровом и структурой растительности, поскольку они не обязательно исключают друг друга в мелком масштабе.

Городские деревья могут дать важную возможность снизить воздействие высоких температур в повседневной жизни городских жителей. Деревья распространены во многих городах, и, в отличие от парков относительно статичных размеров и форм, навесы города постоянно меняются. Покровный покров изменяется по мере взросления деревьев и в ответ на политику, социальные предпочтения, беспокойство, вредителей или болезни (16⇓ – 18).Широко признана способность деревьев регулировать температуру: в лесных зеленых насаждениях температура значительно ниже, чем у их нетронутых собратьев (12, 13, 19). Однако во многих исследованиях ландшафтного масштаба деревья группируются вместе с другой растительностью (например, нормализованный разностный индекс растительности; другие показатели «зелености»), несмотря на потенциально большее охлаждение, обеспечиваемое деревьями по сравнению с растительностью более низкого роста (20). Деревья и непроницаемые поверхности также могут иметь одинаковое покрытие в одном и том же месте, например, когда дороги, тротуары и крыши покрыты закрытым навесом.Пониманию величины и масштаба, в котором деревья влияют на местную температуру воздуха в городах, затруднено из-за нехватки данных о непрерывных градиентах, а также о комбинациях навеса и непроницаемой поверхности.

Достижения в области сенсорных методов и, в частности, мобильных сенсоров, предоставляют возможности для количественной оценки температуры воздуха в внутригородских масштабах с недостаточным количеством данных (21). Хотя стационарные сенсорные сети отлично подходят для описания широких закономерностей и временной динамики UHI (22⇓ – 24), мобильные датчики облегчают доступ к участкам, которые в противном случае трудно отобрать, и позволяют проводить измерения вдоль непрерывных градиентов земного покрова.Мы использовали специальный велосипедный датчик (рис.1), чтобы охарактеризовать внутригородскую жару в городе среднего размера с умеренным климатом, уделяя особое внимание взаимодействию между протяженностью кроны деревьев и непроницаемой поверхностью, а также проверяя потенциальные эффекты других переменных, таких как относительная высота и близость к озерам. Хотя другие использовали велосипеды для изучения UHI (25⇓ – 27), мы расширяем этот метод несколькими способами: повторный отбор проб на многих трансектах в течение нескольких дней, с учетом непрерывных изменений земного покрова, а не присвоение дискретных категорий, оценка воздействия земельного покрова. в нескольких пространственных масштабах и с учетом сложной пространственно-временной природы мобильных данных в наших статистических моделях.Мы спросили: как изменчивость кроны деревьев и непроницаемого покрытия влияет на дневную и ночную летнюю температуру воздуха? Как эти эффекты меняются в зависимости от пространственного масштаба, в котором анализируются данные о земном покрове? Изменится ли влияние земного покрова или масштабов, при которых они имеют наибольшее значение для температуры воздуха, в условиях особенно высокой жары?

Мобильный датчик использовался для измерения изменчивости температуры воздуха в Мэдисоне, штат Висконсин. ( A ) В летние дни отбирали пробы на десяти трансектах.Розовые и желтые трансекты (отмеченные буквой «N») также отбирались ночью. Белые точки представляют собой стационарные эталонные датчики. ( Врезка ) Пример навеса и непроницаемого покрытия. ( B ) Приборы, включая высокоточный и быстродействующий датчик температуры, были установлены на задней стойке для велосипедов для облегчения непрерывного отбора проб в мелких пространственных масштабах и возможности обмена между велосипедами. ( C ) Необработанные данные о температуре (1 измерение в секунду) вдоль части одной трансекты (такие же, как A , вставка ), демонстрирующие мелкомасштабные изменения температуры воздуха с изменением земного покрова.На фотографиях показан растительный покров в различных местах (обозначен стрелками).

Мы провели исследование в Мэдисоне, штат Висконсин, городе с населением 255 000 человек на севере и центральной части Соединенных Штатов Америки (28), с населением городской агломерации 455 000 человек (29). Мэдисон является представителем многих городов среднего размера на Среднем Западе и прилегающих районах и имеет отчетливый UHI (22). В течение лета 2016 г. мы отобрали 10 городских трансект (протяженностью около 7 км), по крайней мере, по три раза на каждой в наиболее жаркую часть дня (например,g., ∼16: 00–18: 00 по местному времени), собирая данные с интервалом в 1 с или примерно каждые 5 м, при заданной скорости велосипеда. Мы также отобрали четыре трансекты ночью (например, минимум через 2 часа после захода солнца, ∼22: 00–24: 00 по местному времени; Рис. 1 A ). Чтобы можно было сравнивать измерения, полученные в разное время, мы преобразовали все измерения температуры воздуха в температурные аномалии относительно фиксированных эталонных датчиков в центре города. Мы использовали обобщенные аддитивные модели (30), чтобы проверить влияние процентного содержания навеса и непроницаемого покрытия (рис.1 A , Inset ) и расстояние до ближайшего из трех городских озер Мэдисона по летней температуре воздуха в четырех шкалах: 10-, 30-, 60- и 90-метровый радиус вокруг каждого измерения температуры. В диапазоне от приблизительного размера отдельного объекта недвижимости в центре города (10 м) до городского квартала (90 м), эти шкалы лучше, чем обычно оцениваются в исследованиях UHI, и являются репрезентативными для масштабов, в которых действуют местные (например, от человека к району). для смягчения воздействия высоких температур воздуха.

Результаты

Температура воздуха в черте города существенно менялась (рис. 1 C ). Средний дневной температурный диапазон внутри поездки (то есть разница между самыми жаркими и самыми холодными участками каждой трансекты) составлял 3,5 ° C (SE, 0,13 ° C; диапазон 1,1–5,7 ° C), тогда как температура варьировалась всего на 0,2 ° C, в среднем для фиксированных эталонных датчиков в те же периоды измерения. Ночью изменчивость была ниже, при средней разнице температур внутри поездки 2,1 ° C (SE, 0,13 ° C; диапазон, 1.2–3,0 ° С). Различия между дневной или ночной температурой воздуха на 10 разрезах (т. Е. В разных географических районах города) были незначительными, но существенные различия между отдельными поездками в разные дни (т. Е. Обусловлены метеорологическими условиями в период отбора проб; SI Приложение , Таблица S1).

Дневная городская жара.

Температура воздуха нелинейно снижалась с увеличением покрытия кроны деревьев (Рис. 2 A — D ), и эффекты были сильнее при рассмотрении в более широком масштабе по сравнению с более мелкими масштабами.Увеличение покрытия полога с 0% до 100% в радиусе 10 м соответствовало среднему снижению дневной температуры воздуха на 0,7 ° C (рис. 2 A ) по сравнению с уменьшением на 1,3 ° C при рассмотрении радиуса 30 м. (Рис.2 B ) и> 1,5 ° C для радиуса 60 или 90 м (Рис.2 C и D ). Взаимосвязь становилась все более нелинейной в более широких масштабах, в частности 60 и 90 м, с покровным покровом> 40%, что приводило к значительно более низким температурам (Рис.2 C и D ; см. Приложение SI для дальнейшего объяснения основных взаимосвязей) .

Расчетные гладкие кривые для эффекта увеличения навеса ( A — D ) и непроницаемого покрытия ( E — H ) в пределах окружающего радиуса 10, 30, 60 и 90 м от дневной летней температуры воздуха в Мэдисоне, штат Висконсин. Черные линии представляют собой среднее значение, а заштрихованные области представляют собой ± 2 SE, оба значения усреднены по 100 моделям, каждая из которых содержит 1% данных. Среднее значение и SE были сгенерированы с использованием типа «iterms» в mgcv, так что SE, возвращенные для гладких компонентов, включают неопределенность в отношении точки пересечения / общего среднего (31).Edf представляет собой эффективные степени свободы, усредненные по всем 100 моделям.

Температура воздуха линейно увеличивалась с увеличением непроницаемой крышки (рис. 2). Эффекты снова были сильнее, если рассматривать контекст окружающего ландшафта в более широком масштабе; увеличение непроницаемого покрытия с 0% до 100% в радиусе 10 м соответствовало среднему увеличению на 0,5 ° C (рис. 2 E ) по сравнению с 0,7 ° C, 1,0 ° C и 1,3 ° C при рассмотрении окружающей среды. площади радиусом 30, 60 и 90 м соответственно (рис.2 F — H ; см. SI Приложение для дальнейшего объяснения лежащих в основе отношений).

При совместном рассмотрении древесного полога и непроницаемого поверхностного покрытия, навесное покрытие снижает дневную температуру воздуха для всех количеств непроницаемого поверхностного покрытия во всех рассмотренных масштабах, и, в частности, относительная выгода от увеличения навесного покрова в окружающем ландшафте превышает выгоду от уменьшения непроницаемой поверхности крышка (рис. 3). Величина похолодания в любом заданном месте зависела от относительного количества покровного покрова и непроницаемой поверхности в окружающем ландшафте (рис.3). Например, в самом мелком масштабе (10 м) температура воздуха в местах с водонепроницаемой поверхностью> 50% снизилась на 1–1,3 ° C при покрытии полога> 75% (рис. 3 A ). Однако с менее непроницаемой поверхностью такой же охлаждения в 1 ° C можно было добиться только с 60% -ным покрытием купола. На самом большом масштабе (90 м) охлаждение> 2,5 ° C могло быть достигнуто на участках с низкой непроницаемостью и> 75% покрытия навеса, но такие сильные охлаждающие эффекты были недостижимы при высоком процентном покрытии непроницаемых поверхностей (рис.3 D ).

Разница дневной температуры городского воздуха, достигаемая за счет изменения водонепроницаемого покрытия и навеса в радиусе ( A ) 10 м, ( B ) 30 м, ( C ) 60 м и () D ) 90 м, из ответов обобщенной аддитивной модели. На изображениях справа на каждой панели показан масштаб измерений на примере района со средней плотностью населения в Мэдисоне, штат Висконсин. Модели показали сильную взаимосвязь между наблюдаемыми и подобранными значениями, при этом меры соответствия модели [скорректированная R ² , среднеквадратичная ошибка (RMSE), обозначенная под масштабной линейкой] согласовывались как между 100 моделями в каждой шкале, так и в разных масштабах.

Взаимодействие между навесом и непроницаемой поверхностью также стало более нелинейным на больших масштабах (например, 60 и 90 м; Рис. 3 C и D ). В местах с непроницаемой поверхностью> 25% (например, в большинстве жилых районов) температура воздуха снижалась наиболее быстро, когда покрытие навеса превышало 40%, даже несмотря на то, что абсолютные уровни охлаждения были самыми высокими, когда покрытие непроницаемой поверхности было низким. Например, в типичном жилом районе с 30% непроницаемым покрытием увеличение покрытия навеса с 0% до 40% в радиусе 90 м приведет к незначительному изменению температуры, тогда как увеличение покрытия с 40% до 80% обеспечит полная степень охлаждения (рис.3 D ). В области с менее непроницаемым покрытием (например, в парке с травой) увеличение покрытия растительного покрова в окружающем радиусе 90 м с 0% до 40% приведет к увеличению охлаждения на ∼0,3 ° C, тогда как увеличение навеса с 40% до 80% приведет к приводят к дополнительному охлаждению на ~ 0,8 ° C. Обратите внимание, что хотя полное покрытие навеса и полное непроницаемое покрытие часто встречаются одновременно в мелких пространственных масштабах (Рис. 3 A , черные точки в правом верхнем углу; например, асфальтированная дорога с закрытым навесом над головой), это трудно для высоких непроницаемых и растительный покров сосуществуют в более крупных пространственных масштабах (рис.3 D , справа вверху отсутствуют черные точки; например, большие площади непроницаемого покрытия редко оставляют достаточно места для роста деревьев, необходимого для достижения высокого укрытия полога).

Положительный эффект от увеличения покрова кроны деревьев для смягчения дневной жары был наиболее заметен в самые жаркие дни (температура воздуха> 30 ° C). Взаимодействие между покровом растительного покрова и непроницаемыми поверхностями в масштабе в жаркий день было таким же, как и для полного набора данных, но среднее охлаждение увеличилось на 0,2–0.6 ° C (см. SI Приложение , Рис. S4 и Рис. 3). Таким образом, выгода от выращивания городского навеса может быть усилена в дни с более сильной жарой.

Другие особенности городского пейзажа мало повлияли на дневную температуру городского воздуха. Присутствие озер снизило температуру в прилегающих районах в среднем всего на ∼0,25 ° C, а воздействие озер в основном ограничивалось участками береговой линии. Влияние быстро уменьшалось с увеличением расстояния от озера, при этом влияние не сохранялось на расстояниях более ∼700 м от берега ( SI Приложение , рис.S5). Влияние относительной высоты не было значимым для дневной температуры воздуха во всех моделях.

Ночная городская жара.

Температура воздуха в городе ночью была значительно менее изменчивой ( SI Приложение , рис. S6). Влияние покрытия козырька было ограничено, с увеличением козырька от 0% до 100%, что соответствовало линейному уменьшению на 0,3–0,5 ° C (величина увеличивается с увеличением масштаба; SI Приложение , рис. S6 A — D ). Воздействие непроницаемого укрытия на ночную температуру воздуха было таким же или более важным, чем укрытие навеса.Увеличение непроницаемого покрытия в окружающем ландшафте от 0% до 100% соответствовало линейному увеличению на 0,3–0,7 ° C (величина увеличивается с увеличением масштаба; SI Приложение , рис. S6 E — H ). Как следствие, изменение кроны деревьев и непроницаемого поверхностного покрытия привело к средней разнице температур в ночное время от 0,5 ° C (радиус 10 м) до 1,1 ° C (радиус 90 м) по всему городскому ландшафту (промежуточные значения радиуса 30 и 60 м). при 0,7 и 0,9 ° C соответственно; SI Приложение , рис.S7).

Обсуждение

Мы количественно оценили существенные колебания летней температуры воздуха в городском ландшафте умеренной зоны, обнаружив сильное влияние структуры земного покрова на температуру воздуха в различных масштабах, а также нелинейные взаимодействия между кронами деревьев и непроницаемым поверхностным покровом. Наши результаты показывают, что наиболее эффективные стратегии смягчения последствий жары в городах будут включать модификации как зеленой, так и серой инфраструктуры. Что касается дневной температуры воздуха, то согревающему эффекту непроницаемых поверхностей эффективно противодействовал охлаждающий эффект деревьев, особенно когда полог составлял ≥40% в радиусе 60–90 м, или примерно в масштабе городского квартала.Таким образом, городское лесное хозяйство имеет большой потенциал для улучшения услуг по регулированию дневной температуры (13, 31), что становится все более важным в городах по всему миру, поскольку климат продолжает нагреваться. Тем не менее, нижнее покрытие непроницаемых поверхностей по-прежнему имеет решающее значение для снижения летних температур воздуха в ночное время, учитывая количество тепла, накопленного и излучаемого обратно в ночное время (4). Снижение жары в ночное время особенно важно с точки зрения здоровья, поскольку высокие ночные температуры в значительной степени способствуют возникновению тепловых заболеваний и смертности (32, 33), поскольку организм не имеет возможности восстановиться после воздействия дневной жары.

Повышенный охлаждающий эффект покрытия кроны деревьев в самые жаркие дни, когда здоровье человека (например, страдающих астмой) и энергетические воздействия (например, кондиционирование воздуха) являются наиболее значимыми (5, 34⇓⇓ – 37), еще больше подчеркивает важность адаптационных усилий. Наши результаты дают представление о вероятной изменчивости городских температур в будущем, в котором такие жаркие дни будут все более распространенными, и будущая работа должна более подробно проверять взаимодействие между метеорологическими условиями (включая дополнительные переменные, такие как ветер и облачный покров) и температурой. регулирование в городах.

Наблюдаемый порог влияния растительного покрова на дневную температуру воздуха имеет важное значение для адаптации городского климата. Эта нелинейная зависимость может также объяснить расхождения в величине охлаждения растительности, наблюдавшиеся в предыдущих исследованиях, особенно в районах с относительно низким покровом растительного покрова. Более глубокое понимание механизмов, лежащих в основе этой нелинейности, является важным направлением для будущих исследований. Мы ожидаем, что эта взаимосвязь вызвана, по крайней мере частично, увеличением индекса площади листьев на более высоких уровнях полога, что увеличивает тени и затенение.Дополнительные объяснения нелинейности могут включать взаимодействие между покрытием купола и природой поверхности под куполом. Покрытие навеса> 40% может с большей вероятностью затенять большее количество непроницаемой поверхности, вызывая больший охлаждающий эффект. Напротив, может случиться так, что области с высоким пологом, как правило, связаны с большими зелеными насаждениями, и именно такая комбинация наземной растительности и полога приводит к усиленному охлаждению. Необходимы дальнейшие исследования для явной проверки этих гипотез.

Хотя в литературе по городскому отоплению основное внимание уделяется различиям между городом и деревней, наши результаты ясно продемонстрировали, что величина колебаний температуры воздуха в городах может быть такой же большой, как и в случае с UHI. Обнаруженные нами колебания дневной температуры воздуха в городе Мэдисон были сопоставимы по величине с разницей температур между городской центральной частью города и окружающим сельским ландшафтом (22). То, что колебания температуры в городе были наибольшими во время сильной жары, также согласуется с общим UHI, который сильнее во время волн тепла (38).Однако, в отличие от сильных различий между городом и деревней в ночное время в Мэдисоне (22) и в других местах (4), разница в ночной температуре внутри города уменьшилась (6). Навес обеспечивает охлаждение как за счет затенения (блокируя входящее тепловое излучение и предотвращая его поглощение и повторное излучение непроницаемыми поверхностями), так и за счет эвапотранспирации. Уменьшение эффекта растительного покрова в ночное время, вероятно, частично связано с отсутствием эвапотранспиративного охлаждения после прекращения фотосинтеза. Этот эффект также можно частично объяснить совокупным воздействием тепла, накопленного в непроницаемых поверхностях по всему городскому ландшафту, с ночным излучением, потенциально улавливаемым в пределах города построенной инфраструктурой (особенно узкими «городскими каньонами») и даже городскими кронами деревьев.Эти различия в дневных и ночных результатах подчеркивают важность более глубокого понимания мелкомасштабных факторов, влияющих на городскую жару, а также предполагают, что с высокими дневными температурами легче справиться с помощью модификаций земного покрова (например, увеличения лесного покрова), чем ночных температур. . Таким образом, хотя наши результаты дают представление о приоритетах посадки деревьев для снижения дневных температур, мы выступаем за сокращение непроницаемых поверхностей в качестве компонента любого плана адаптации городского климата.

Потенциал смягчения последствий, присущих структурам земного покрова в городах, дает городским заинтересованным сторонам на различных уровнях управления (например, жители, управляющие недвижимостью, городские планировщики) свободу действий по снижению дневных летних температур. Где выделить ограниченные ресурсы для посадки деревьев, будет зависеть от многих факторов, помимо регулирования температуры. Однако результаты этого исследования могут быть использованы для определения областей, в которых посадка новых деревьев может наиболее эффективно снизить уровень городской жары.

Где лучше всего сажать деревья, чтобы охладить город?

Покрытие навеса, превышающее ∼40%, в большей степени влияет на снижение температуры.Более того, перепады температур были самыми сильными, и увеличение полога имело наибольший эффект в масштабе ∼60–90 м (сравнимо в Мэдисоне с площадью типичного городского квартала). Таким образом, районы с промежуточным количеством непроницаемой поверхности и ≥40% навеса могут предложить городским жителям наибольшее предельное улучшение смягчения последствий изменения климата. Районы с высоким пологом, где в будущем ожидается значительная потеря растительного покрова, например, из-за инвазивных насекомых, таких как изумрудный ясень ( Agrilus planipennis , исх.39) или стареющая популяция деревьев, также будут приоритетными областями. В этом масштабе соседства значительное увеличение (или поддержание) полога потребует сотрудничества с участием многих заинтересованных сторон; постоянный вызов городской экологии (40). Например, деревья, посаженные вдоль улиц, в частных владениях и в общественных парках, возможно, должны быть стратегически расположены так, чтобы покрыть кроны деревьев выше порогового значения, чтобы вызвать значительное снижение летних температур.

Несмотря на то, что приоритезация участков с кроной ≥40% может в наибольшей степени усилить охлаждение, важно обеспечить, чтобы усилия по посадке не проводились исключительно в тех областях, в которых древесный покров уже высок.Усилия по адаптации к изменению климата должны также учитывать социальные и экологические проблемы (несправедливости), присущие многим городам. История классового и расового неравенства и угнетения привела к значительному неравенству в доступе к зеленым насаждениям и экологическим удобствам в современных городах (41, 42). Древесный покров часто наиболее высок в богатых, преимущественно белых районах (43), тогда как в густо застроенных районах и в районах с самым низким растительным покровом часто проживает население, для которого доступ к ресурсам позволяет бороться с повышенной жарой (например,г., кондиционер) отсутствует (44, 45). Уязвимость общества к экстремальной жаре необходимо учитывать наряду с ландшафтным контекстом в любой инициативе планирования.

Когда важны местные посадки?

Охлаждающий эффект навеса слабее в мелком масштабе, чем в более широком, так как очень небольшая часть полога не может быть изолирована от окружающих метеорологических условий (дальнейшее объяснение в SI Приложение ). Аналогично, океан оказывает более сильное влияние на погоду в центре острова шириной 10 км по сравнению с островом шириной 100 км.Тем не менее, увеличение площади кроны деревьев в пределах всего лишь 10–30-метрового радиуса [площадь, сравнимая в Мэдисоне с одним участком в центре города (10 м) или двумя-тремя загородными домами (30 м)] все же дало ощутимое охлаждение. Таким образом, есть роль посадки деревьев в целевых местах, где люди получат прямую выгоду; например, рядом с домом или двором, или вдоль хорошо используемой пешеходной дорожки. Однако при принятии этих решений по посадке следует учитывать, что выгоды могут быть небольшими, если прилегающая территория невысока.

Сильный и нелинейный эффект кроны деревьев также предполагает, что в городском планировании и проектировании необходим баланс между компактной урбанизацией, предлагаемой для поддержания многих экосистемных услуг, и несколько менее плотной урбанизацией, в которой застроенные и природные пространства чередуются (46). Более компактные следы городских зданий, вероятно, ограничивают возможность роста кроны деревьев, учитывая ограниченное пространство и доступ к почвам в самых густонаселенных городских районах (что объясняет отсутствие эмпирических данных в категории «высокий полог, высокая непроницаемость» в более крупных масштабах) , требующие новаторских планировочных и дизайнерских решений.Хотя важно осознавать негативные экологические последствия разрастания городов (46, 47), борьба с городской жарой там, где живут люди, также требует включения достаточного количества зеленых насаждений в наших городах для достижения эффективных уровней покрытия навесом, что может быть особенно сложно. в густонаселенных кварталах или районах, подлежащих засыпке.

Из-за долговечности деревьев и стойкости тротуара текущие решения (от предпочтений домовладельцев до выбора городского планирования и городской лесной политики) создают картину рисков, связанных с теплом в городах в будущем (19).Сегодня необходимо сделать продуманный выбор, чтобы обеспечить устойчивость наших городов будущего, и он будет опираться, по крайней мере, частично на городские программы, образование домовладельцев или другие стимулы. Дальнейшие исследования температуры воздуха в городах в мелком масштабе также необходимы для подтверждения общности наших выводов и дальнейшего прояснения основных механизмов. Наши методы обеспечивают руководство для доступного измерения внутригородского теплового острова с низким уровнем воздействия и могут быть воспроизведены для тестирования стратегий смягчения последствий в городах, которые различаются по городской форме, населению или географическому региону.Методы также могут быть подобраны для программ выборки гражданских ученых, предлагая механизм для дальнейшего вовлечения городского населения в разработку мер по адаптации к изменению климата, которые будут иметь решающее значение в условиях потепления в наших городах.

Методы

Область исследования.

Мэдисон, штат Висконсин, — город среднего размера, расположенный на двух озерах в северо-центральной части США (43,0731 ° с.ш., 89,4012 ° з.д.). Климат влажно-континентальный, с теплым влажным летом и холодной зимой [средняя температура 1981–2010 гг .: 22 ° C в июле, –7 ° C в январе; годовое количество осадков, 87.6 см (48)]. Мэдисон, в котором преобладает жилье с низкой плотностью застройки, также включает застройку средней и высокой плотности, а также зеленые зоны, включая леса, водно-болотные угодья и прерии (49). Окружающий ландшафт в основном является сельскохозяйственным, но включает остатки местной растительности (леса и луга), водно-болотные угодья и несколько озер (50).

Мобильные измерения.

Мы построили два установленных на велосипеде датчика температуры (рис. 1 B ), оснащенных приборами для количественной оценки теплового воздействия на человека.Быстродействующий и высокоточный датчик температуры (Campbell Scientific 109SS), оснащенный солнцезащитным экраном, был установлен на высоте 1,5 м с временем отклика <7,5 с при ветре 3 м / с и точностью ± 0,1 ° C. Этот датчик и устройство GPS (Campbell Scientific GPS16X-HVX) были напрямую интегрированы с регистратором данных (Campbell Scientific CR-850) и герметичной свинцово-кислотной аккумуляторной батареей, что позволяло одновременно регистрировать температуру и местоположение во время езды.

Для географического покрытия города было выбрано десять городских трансект (рис.1 A ) и охватывают широкий диапазон вариантов навеса и непроницаемого покрытия. Средняя длина трансекты составила 7 км (среднее время цикла 28 мин), чтобы избежать больших изменений фоновой температуры во время периодов измерений. Летом 2016 г. (30 мая — 6 сентября) на каждой трансекте брали пробы не менее трех (но до 12) раз в течение самого жаркого периода дня (всегда между 13:30 и 19:00, но обычно между 16:00 и 18:00). , на 64 дневных поездки. Четыре разреза (рис. 1 A ) также были отобраны ночью (минимум через 2 часа после захода солнца, ∼10 PM – 12 AM), всего 12 поездок в ночное время.Максимальная дневная температура составляла в среднем 29 ° C в дни отбора проб (диапазон 22–34 ° C). Другие метеорологические условия менялись в разные периоды отбора проб (средняя скорость ветра, 12,5 км⋅ч, ⁻¹ , от штиля до 35 км⋅ч, ⁻¹ ; средняя относительная влажность, 58%, от 35% до 94%; облачность). (от ясного до пасмурного, с наиболее частым сочетанием солнца и облаков), с ночными условиями, как правило, более влажными и менее ветреными.

Данные собирались с интервалом в 1 с, что соответствует наблюдениям температуры воздуха примерно каждые 5 м.Повторные измерения в любом конкретном месте (например, на светофоре) были удалены, чтобы избежать возможных ошибок измерения; например, из-за выхлопных газов или тепла двигателя от окружающих автомобилей. Чтобы облегчить сравнение измерений, собранных в разное время, измерения были преобразованы в температурные аномалии с использованием средней температуры в данный момент времени пяти стационарных датчиков в центре города, где температуры обычно самые высокие, в качестве набора справочных данных (рис. 1 ). A ; более подробную информацию см. В приложении SI ).Таким образом, температурная аномалия -1 ° C соответствует температуре в месте измерения на 1 ° C ниже, чем средняя температура эталонных датчиков в то же время.

Ландшафтная конструкция.

Мы рассчитали процентное соотношение навеса и непроницаемого покрытия (Рис. 1 A , Вставка ) в пределах ряда буферов (радиусом 10, 30, 60 и 90 м), окружающих каждое измерение температуры. Покровный покров был рассчитан на основе растра городского земельного покрова с разрешением 1 м, полученного на основе данных Национальной программы сельскохозяйственных изображений.Непроницаемое укрытие было рассчитано на основе пользовательского слоя, состоящего из (полученных с помощью LiDAR) следов зданий и открытых данных города Мэдисон для участков, непроницаемых для ливневой воды, дорог и велосипедных дорожек (https://data-cityofmadison.opendata.arcgis.com). Этот слой был вручную скорректирован со ссылкой на спутниковые снимки высокого разрешения и растеризован с разрешением 1 м. Для каждого измерения мы также рассчитали расстояние до воды и относительную высоту (относительно средней высоты соответствующего разреза; из 10-метровой цифровой модели рельефа из Национального набора данных о высоте).Анализ проводился с использованием QGIS.

Анализ данных.

Чтобы оценить влияние навеса и водонепроницаемого покрытия на летние температуры воздуха на каждом интересующем уровне, мы использовали обобщенные аддитивные модели (GAMs, использующие функцию «bam» в R-пакете «mgcv» версии 1.8.17; 30). GAM — это гибкий непараметрический метод, в котором используются штрафные сплайны регрессии для соответствия гладким отношениям между откликом и независимыми переменными. Мы предположили, что температура имеет нормальное (гауссовское) распределение.

Процентное непроницаемое покрытие, покрытие купола и их взаимодействие были включены как плавные термины, как и расстояние от воды. Сглаживания для одиночных переменных были подобраны с использованием тонких пластинчатых шлицев со штрафом на нулевое пространство (30). Член взаимодействия был подогнан с использованием члена взаимодействия тензорного произведения (ti). Мы ограничили максимальные степени свободы ниже значений MGCV по умолчанию (позволяя три базисных функции на один гладкий член и девять для взаимодействия), чтобы учесть тот факт, что GAM могут переоценивать нелинейность функциональных отношений при наличии сильной пространственной автокорреляции (30).Пространственные координаты также были включены в качестве плавного термина для учета неопределенной пространственной структуры, помимо той, которая объясняется переменными земного покрова. Этот термин соответствовал использованию сплайна процесса Гаусса с ковариационной функцией Матерна по умолчанию (51), с использованием 29 базисных функций, чтобы обеспечить значительную гибкость в форме этого отношения. Высота над уровнем моря не была существенным фактором температуры в нашей системе с низким рельефом рельефа и была исключена из окончательных моделей. Для всех моделей поездки были вложены в трансект как случайный эффект (пересечение), чтобы учесть различия в основных погодных условиях в разные периоды отбора проб.Модели были подобраны с использованием метода быстрого ограничения максимального правдоподобия (52).

Из-за частоты измерений значительная временная автокорреляция присутствовала в остатках модели, когда модель GAM была подогнана с использованием всего набора данных. Чтобы учесть тот факт, что положительная пространственная или временная автокорреляция уменьшает эффективный размер выборки (53), данные были разделены на 100 подмножеств по 1% данных, каждая из которых состоит из измерений, равномерно распределенных во времени (например, первая модель включала измерения 1, 101 , 201…; модель два включала измерения 2, 102, 202 …). Мы усреднили прогнозы каждой модели, чтобы определить реакцию температуры на объясняющие переменные (рис. 2). Включение только каждой сотой точки в каждую модель значительно снизило остаточную автокорреляцию (на основе оценки графиков pacf), тогда как усреднение ответов по 100 моделям обеспечило полное использование доступной информации и включило межмодельные вариации в нашу оценку неопределенности в форме функциональных ответов.

Мы повторили этот подход для самых жарких дней (когда средняя температура за 4 часа до отбора проб превышала 30 ° C), чтобы определить, усугублялись ли эффекты UHI в условиях высокой температуры.Мы также повторили наш подход с ночными измерениями (исключая расстояние от воды, поскольку эффект не был значительным в ночное время).

Доступность данных и кода.

Все данные и коды доступны через Environmental Data Initiative (54).

Благодарности

Мы благодарим C. Gratton, E. Damschen, S. Carpenter и J. Schatz за полезные комментарии по развитию этих идей. Мы ценим материально-техническую поддержку со стороны производителя приборов Джоэла Лорда из Университета Висконсина в Мэдисоне, полевую помощь со стороны Хлои Уордроппер и Оливию Коуп, а также доступ к подробным данным о куполе от Тедварда Эркера.Мы признательны за финансирование со стороны Национального научного фонда США, особенно программ долгосрочных экологических исследований (DEB-1440297) и устойчивости водных ресурсов и климата (DEB-1038759), а также поддержку M.G.T. от Университета Висконсин-Мэдисон Vilas Trust. C.D.Z. благодарит за поддержку докторскую стипендию Совета по естественным наукам и инженерным исследованиям Канады и стипендию Garden Club of America Zone VI в области городского лесного хозяйства.