文摘
致命的热浪与气候变化正在增加。公众预测和警告是一个主要的公共卫生策略来处理这样的极端天气事件;然而,温度可以相差很大在行政单位用于发出警告,特别是在城市景观。更频繁的出现和广泛分布的城市温度数据来源提供机会调查当前的特异性国家气象局(NWS)警告和改善他们的准确度和精密度。在这个工作,从分布式公共气象站气温,NWS热警告和警告,和地表温度图像在两个大都市,亚特兰大和芝加哥,在2006 - 2012年夏季。我们研究的空间变异性危险温度对NWS报告和他们的协议。第二,我们检查潜在的热影像复制国家气象局警告。从气象站观测与NWS报告表现出不同程度的协议。不同水平的协议站,不存在与车站直接土地覆盖。气温估计从卫星图像与NWS咨询区域和状态可以使创造更多精炼公共警告关于危险温度和保护措施
1。介绍
潜在的未来极端高温事件对人类健康构成危险增加与全球气候变化。汉森和他的同事在美国宇航局戈达德太空研究所所说,我们已经加载气候骰子在过去的30年里,增加气象事件的可能性使用过几百年发生一次(1]。模型和最近历史记录回波与数据和最近的新闻,这种情绪大气CO2通过浓度400 ppm 300万年来首次暗示这些趋势可能会继续下去。早期、准确预警是一个至关重要的组件为适应更频繁的危险热事件。
频率、持续时间、区域范围和强度的热浪将增加最密集的地方,因为全球气候变化(2,3]。此类事件造成重大情景死亡率,包括2003年估计有70000人非正常死亡在欧洲(4),55000多人在俄罗斯在2010年7月和8月(5,6]。高温强度和季节性等特点也正在改变的方式,增加对健康的潜在危险(7]。在许多地方,早期预警系统是关键,如果不是主,组件的措施避免与热有关的死亡和疾病。在美国国家气象局(NWS)问题这些警告。在这个工作我们关心的空间分辨率和特异性发出警告。尤其是城市地区的预测,可以改善,城市通常温度比周围地区,集中人,并展示伟大的变化在温度和人口的漏洞。
(一)适应策略。热量和健康之间的关系是理解和知道随时间变化以及位置和人口特征(8]。未来气候变化将会增加不良健康影响(9,10]。适应极端高温事件的变化在很大程度上遵循三个策略:确定弱势群体、确保机械冷却(空调),并实现早期预警系统(11,12]。
几项研究使用大量数据集和一些夏天的气温数据展示一个积极的关系和全因死亡率在过剩相比长期夏季天气异常温暖的地区(13- - - - - -15]。公众对热量的预警系统是面向管理这些事件。热事件的应对活动制度化,在一些城市相对近期的努力的一部分,包括芝加哥、密尔沃基和费城后致命的热浪在1990年代早期和中期(16,17]。
致命的热事件导致了更大的关注个人和人口水平热脆弱性影响因素(18]。这些包括年龄、社会隔离、住房类型,收入,种族(19,20.]。个人适应能力也是一个关键因素在是否以及在多大程度上危险的气候变化将导致不良的健康影响(21]。了解漏洞热量导致了人口普查等易感人群和上门拜访期间热事件已被证明成功的减少相关的死亡率(17,22]。这些方法往往是昂贵的实现,依赖于显著扩大人力资源。
在极端天气下最有效的防止高热是空调(AC)。患病率的增加这种技术在美国因高温引发的死亡率下降的一个原因,尽管越来越频繁的热事件(23]。然而,依赖能源密集型的适应策略交流导致更大的能源消耗和废热的生产。因此这种适应措施对全球气候变化有积极反馈,会加剧城市热岛效应(24]。
公众熟悉与天气有关的灾害预警系统包括洪水、龙卷风,风,和严重的风暴。作为一个适应策略,快速达到警告是重要的在低成本和大量的人提供有针对性的信息,可以帮助减少损失。高温预警系统已经被证明在极端高温(拯救生命16),但热浪收到比其他自然灾害的关注更少,在某种程度上,因为有更少的后果(特别是财产损失)。即使公众意识到警告和气候条件,通常远意识应该采取的保护措施(25]。
美国国家气象局(b)警告。目前NWS使用四个产品基于热量指数(HI),一个度量相结合的温度和相对湿度来描述热应力和不适,发行风险通知。热索引值预计三至七天,是基于一个模型和人类的预测。第三天的预测是基于网格模型输出数据(MOS)温度和露点温度的预测。预测通过七天四依赖最小和最大24小时温度和露水点00和12 UTC提供的天气预报中心(WPC)汉诺威分辨率网格数据产品。热索引值超过阈值概率也提供颜色的形式显示。概率是通过从一个建模的预测不确定性信息和遵循正态分布的意思是金属氧化物半导体或女警官值评估经常从分辨率网格(26]。
NWS产生极端天气条件和有潜在危险的条件。
过热前景可能发行前3 - 7天热的热事件要求发行警告,预报员提供自信是相对较高的。
过热的手表可能发行12 - 48小时前50%或更高的热事件白天热指数等于或大于110°F连续至少两天。
热咨询是发行的第一和/或第二时期有80%的机会或更高的白天热指数等于或大于105°F (40.6°C)至少连续两天。
过热警告是在第一和/或第二时期发行的80%或更大的白天热指数等于或大于110°F (43.3°C)至少连续两天。
这些标准可以修改特定区域和城市当地的办事处。例如,芝加哥城市使用额外的标准与夜间低温引发警告。
NWS咨询指导,默认情况下,统一申请在全国不同的地方。在这方面他们没有代表地区适应行为和实践。这导致警告和报告在一些地区可能过于频繁或不够频繁和歪曲实际天气风险。在这两种情况下的发行可能会导致怀疑和忽视NWS通知和减少它们的有效性。近年来一些地区,如城市芝加哥,更加积极主动地定义他们自己的标准不仅在白天高以及夜间低嗨。其他城市,像费城,宾夕法尼亚州,雇佣自己的热表和预警系统27]。
其他担忧NWS警告和警告与城市地区人为土地覆盖修改甚至可能提高温度危险高以外的地区极端天气。危险的热环境也可能存在于城市景观的小口袋,它显示在温度变化很大空间。当前NWS通知系统是基于低分辨率预测模型网格,相对于城市景观异质性和表面温度,和发布警告和报告县级。因为县大小不同从一个地方到另一个地方,可能不完全包含主要人口中心,NWS产品可能无法提供具体的警告和大量的人有意义的指导。即使产品是准确预测地区天气炎热,细节在该地区气温的空间分布可以提高警告,个人适应措施,更大的应对工作。
以前的工作有检查是否使用HI值表明健康威胁通过比较嗨值和死亡率不同位置(28]。像NWS产品HI值通常是收集在一个网站,用来代表整个地区。地区代表的温度和湿度组合也被与死亡率和患病率相比的地方(29日]。这些研究的结果表明,你好可以是一个有用的度量在某些地点通知决定保护公众健康。选择基于天气分类,比如天气空间分类(SSC),也被检查与死亡率变化的协议。NWS系统是针对公众的热风险相比,一个决定因素是否采取预防性行动,并发现不同地区之间和跨年龄、收入、性别和种族地区内(30.]。
(c)的新数据源。就地和远程传感器的温度达到或接近地球表面提供了潜在的改善当前预警系统通过增加其特异性,特别是关于位置。这些都是新数据源,众多。他们提供数据和更大的空间范围,频繁的重新审视,和低成本。分布式气象站可能比可靠的长期历史较短站气候研究中使用,但可以有效地描述整个城市景观空间模式的温度。卫星数据产品,如地表温度(LST)的中分辨率成像光谱仪(MODIS)传感器提供1公里的空间分辨率数据领域在全球范围内每天四次(31日]。此类产品系统加工去除不一致和扭曲,以及计算可用温度输出。虽然目前这些数据不能提供预测天气信息,他们仍然有用的分析和描述空间变化和模式,结合目前使用预测模型时,可以提高信息向公众和适应性反应。
(d)调查。在这个工作我们考虑温度从分布式公共气象站,NWS热警告和警告,和地表温度图像在两个大都市,亚特兰大和芝加哥,在夏天从2006年到2012年。我们第一次调查的空间变异性与警告危险温度和协议出具NWS,其次我们检查潜在的广泛使用热影像产品复制国家气象局警告。
在这里,我们测试两个主要假说。首先,测量数据从本地电台将展示热警告的条件在同一时间和地点NWS预测预警。我们希望发现NWS警告错过一些情况危险地点在县热条件得到满足。我们将检查这些位置的特点,他们应该存在。
第二,我们检查特定的高温天哪里有一些证据在NWS或表面站记录。这些天来帮助描述是否估计表面附近的空气温度在县下决议可以提高识别危险的热环境。我们研究估计来自卫星收集的LST加上站测量。我们希望发现LST和站记录好相关,特别是在NWS-determined咨询天。这将表明,卫星数据可以提供一种识别危险的热环境站不存在和在尺度上更好的预报模型。这些测试的结果预计将改善现有的国家热预警系统通过展示县下规范的必要性,当前系统失误和通过提供证据对现有数据源可以用来补充当前NWS系统。
2。方法
2.1。研究地点
本研究着重于两个大都市地区不同气候区域的美国:亚特兰大,乔治亚州,和芝加哥,IL(见图1)。亚特兰大是一个内陆城市在美国东南部(集中在84.37 W, 33.74 N)。亚特兰大市中心的历史性和中心城市位于主要在富尔顿县。部分城市坐落在迪富尔顿东部。其他三个县(两个城市的北部和南部)被包含在分析覆盖市区的核心:克莱顿,柯布和昆内特。芝加哥是在中西部地区,位于密歇根湖的大型水体(集中在87.63 W, 41.89 N)。这座城市坐落在芝加哥库克县。周边四县(杜佩奇西方,湖,北,将西南,和湖,在东南)也包括在芝加哥市区的分析。
2.2。热咨询数据
作为历史记录的高温警报,我们使用NWS-issued热警告和过热警告。NWS站点发布的语句的文本记录存档,由美国国家海洋和大气管理局(NOAA)的国家气候数据中心(NCDC)。数据存储在分层数据存储系统(hds),其中包括一个磁带机器人系统进行数据归档在磁带上。美国国家气象资料中心提供直接在线访问这些数据通过hds访问系统(已经)。天气声明发出两个NWS站点负责亚特兰大(KFFC,桃树城,猎鹰,GA)和芝加哥(路易斯大学KLOT IL)大都市地区。具体来说,记录中包含热警告和过热警告Non-Precipitation手表,警告,警告公告(公告ID WWUS7)和通过服务访问记录保留系统(从)文本/公告选择界面(可用的产品http://has.ncdc.noaa.gov/pls/plhas/HAS.StationYearSelect)。文本文件编译的公告了5月1日为2006年- 2012年9月30日。单个文本文件梳理辨认提到“热”,进一步检查,以确定热的day-county警告或过热的警告。
2.3。气象站的数据
从气象站测量作为诊断是否危险的热事件实际发生对于一个给定的位置。两个数据源用于气象站数据。首先,从美国国家气象资料中心的表面温度和湿度数据数据,每小时全球(DS3505)数据获得亚特兰大Hartsfield国际机场(USW00013874)和芝加哥奥黑尔国际机场(USW00094846)美国国家气象资料中心网站(http://www.ncdc.noaa.gov/cdo-web/datasets/)。第二,天气地下商业气象服务提供者,建立个人气象站网络,他们用来通知BestForecast系统。地下气象网络允许个人分享实时天气信息记录下个人气象站。测量时间间隔范围1到60分钟和不同的车站。温度(°F)和相对湿度(%)从64年站在五个县144年亚特兰大市区和站在五个县在芝加哥市区(见图1从地下气象网站(获得)http://www.wunderground.com/在2013年9月- 10月访问)。站在十县查询每小时温度和湿度数据回到2006年5月。因为天气地下网络不断发展,电台使用的分析可能不同于那些组装时正在阅读本文。
控制数据的质量和消除异常值,为每一个城市,我们观察超出平均值±5个标准偏差的范围。对于每一个车站,天每小时少于16小时有效数据和年不到75%有效的日常数据也被排除,消除可能的抽样偏差。每小时平均温度和相对湿度值处理计算嗨NWS提供的基于算法(http://www.hpc.ncep.noaa.gov/html/heatindex_equation.shtml)。评估如果站经历危险的热环境,NWS热咨询使用的定义,这样如果有至少连续两天至少有一个小时嗨大于105°F (40.6°C)在每一天,这些天被标记为热浪天。
2.4。地表温度图像
潜在的定期收集卫星数据提供更多信息within-county可变性的危险温度检测通过图像从5月到9月,2011 - 2012年在亚特兰大和芝加哥大都会内核。
每日1公里地表温度(LST)数据(32从MODIS在国家航空和宇宙航行局(NASA)地球观测系统(EOS) Aqua和Terra卫星,贴上MYD11_A1 MOD11_A1,得到从戈达德太空飞行中心(http://ladsweb.nascom.nasa.gov)。我们1号提取参数“LST_Day_1公里”和“LST_Night_1公里”1×1公里空间分辨率在亚特兰大和芝加哥。检索与质量的旗帜“公平一致性”和“好一致性”是包含在以下分析。每月1公里MODIS归一化植被指数(NDVI)产品(MOD13 A3)获得的戈达德太空飞行中心(http://ladsweb.nascom.nasa.gov)。
将空气温度测量、空间预测、LST的检索,我们预计所有数据MODIS正弦网格。每个天气地铁站1号被分配到像素相同的网格单元。NDVI值、平均高程值,不透水面积百分比值建立了基于相同的网格。
后发表的方法(33我们建立了一个线性混合效应模型来估计每日平均气温从LST的检索。模型由day-specific随机拦截和随机LST斜坡如下: 在哪里(°F)是测量空气温度在网格单元天;表示固定拦截;表示day-specific随机拦截;LST的固定斜坡,海拔高度,impervPCT,和归一化植被指数,分别;是day-specific随机LST的斜率;地表温度检索在网格单元吗天;网格单元的百分比是不透水区在哪里;每月的NDVI值在网格单元吗月的哪一天瀑布;(米)的平均海拔在网格单元;网格单元的误差项吗天。
我们还考虑风速的预测模型;然而,初步结果表明它不显著,从模型中删除。我们使用日间和夜间LST检索来自泰拉和阿卡卫星预测和评估模型的性能,分别。晚上LST平均被选为决赛的预测模型,因为它提供了最高的精度和最大覆盖。夜间LST平均被定义为夜间LST从浅绿色或晚上LST Terra如果只有其中一个是可用的;如果水和Terra晚上LST,晚上LST平均这两个值的平均值。5倍交叉验证(CV)是用于验证我们的模型的性能。我们随机将数据分为训练数据集(80%)和测试数据集(20%),然后让测试数据集使用预测模型拟合训练数据集。模型的训练和测试五次不同的训练和测试数据集,以确保每个数据点的最终测试数据集完全一次。这个过程重复了1000次和均方根(RMSPE)和预测错误据报道估计模型预测精度。的RMSPE计算如下: 在哪里是观察和的数量吗和是分别th预测和观测值。
3所示。结果
3.1。数据描述
记录从机场和地下气象从May-September气象站2006 - 2012有26943个和70312个有效station-day数据记录总共亚特兰大,芝加哥,1172年和1499年分别站天被标记为热浪天。这是4.3%的每日观察会议咨询热条件在亚特兰大在芝加哥和2.14%。在2011年和2012年在电台中缺失的数据少得多。这些年来有14086年和34347年的观察与694年(4.9%)和1143年(3.3%)超过热站天咨询的标准。
2011年和2012年出现几个NWS热两个地铁区域报告。几年前出现没有NWS-issued热量报告核心地铁县。2006年亚特兰大,2008年和2009年没有警告,和在芝加哥县2006 - 2008年报告(参见图没有热量2)。在亚特兰大,热量报告主要是应用于五个县在核心城市一致。天这一个顾问是发布适用于所有县。只有三个实例克莱顿县其他县并不时发出警告。在2011年有两个热报告在每个月的7月和8月,2012年,有四个并发报告,6月和7月。在芝加哥有更多变化发行NWS警告,特别是2011年7月。在那个月库克和杜佩奇县发行六警告,湖,伊利诺斯州有四个,两个湖,印第安纳州和县经历了八个。所有五个芝加哥地区县经历了相同数量的报告在其他个月:2011年8月,两个2012年6月,2012年7月和7。
大多数Wunderground站在“发达”的土地覆盖类型。亚特兰大的57个站,大多数位于高,中期,低强度和开放空间开发土地。只有9站位于土地覆盖不考虑发达(四个常绿森林,四个落叶森林,和一个木本湿地)。在芝加哥的137(7.3%)站在陆地上发现了包括某种形式的“发达。“库克县的所有44站被发现在低收入,中等,或高强度开发土地(见表1和2)。
3.2。比较NWS和站数据
测试协议的车站与NWS警告危险的热环境,我们对待车站测量诊断金标准的NWS通知比较。假阴性测试,因此,描述了一个实例,在车站每日热量指数测量符合热的标准没有官方NWS-issued咨询咨询。在都市区假阴性和假阳性的平均数显著不同于完美的协议(见表1和2)。这是真正的2011年和2012年,在不同的土地覆盖有超过10的例子。
假阳性的平均数量每年每站在芝加哥(4.80)远高于假阴性的平均数(1.96),这是真阳性的数量略低于几天,电台和NWS通知同意(2.92),而在亚特兰大,假阳性(1.98)的平均数量是每站的数量远低于假阴性(5.28),这两个大于天/年station-NWS协议(1.87)。结果表明NWS-issued热警告在芝加哥覆盖许多情况下当危险状况从未到达车站时,并在亚特兰大危险状况的报告更有可能错过实例在特定的位置。一些站在每一个都会区表现出高度的分歧站和NWS(见图3);然而,没有出现模式与土地覆盖或位置来解释这些变化。
3.3。比较卫星图像和温度
三个特定类别的夏日更密切的调查在每个大都市LST上使用卫星数据。这些类别确定的情况下使用热咨询地位和总体趋势在地铁的气象站。在亚特兰大,例如,2012年7月1日NWS发出热量咨询所有五个县的市区和几乎所有的电台(87.7%)会见了咨询的条件。一个核国家身份咨询也发布了6月29日,2012;然而只有约一半(47.4%)的站点遇到咨询条件。在第三的情况下,2012年7月25日,只有不到一半(48.3%)的站点展示咨询条件但没有NWS热咨询发布。2012年7月6日在芝加哥是一个NWS热咨询协议从93.8%的电台。2012年7月17日,是另一个NWS热咨询,但只有42.1%的站在协议。最后,2012年7月2日的一个例子是几个电台(49.6%)表现出没有NWS-issued咨询顾问的条件。
我们详细研究这些6天使用MODIS图像产生估计每日平均气温。混合效应模型平均晚LST预测和日平均气温作为因变量的数据集,提供了较高的预测精度。模型配件的分别是0.71和0.74在芝加哥和亚特兰大。5倍的简历,在芝加哥和RMSPE 0.697和1.92°F,分别;和在亚特兰大和RMSPE 0.711和1.75°F,分别。我们使用这个模型来预测平均每日温度在芝加哥和亚特兰大典型三天,分别。
在市区,有高的天协议站和NWS估计气温较高(见图4(一)和4(b))。即使中间有每日的争议站((c) - (f)),估计温度NWS热咨询天((c)和(d))高于时候没有咨询((e)和(f))。结果支持每个数据集的优点:NWS报告似乎对应较高的区域温度从LST估计,和站数据帮助识别特定位置的危险,尤其是在日子没有NWS热咨询。
4所示。讨论
这个作品描述了一些热NWS预警系统的基本特征。NWS系统捕获地区气候运动导致危险的温暖的天气,它提供早期信息庞大的人口。这项工作的情况下突显出缺乏更仔细地通知有针对性的干预措施的空间精度区域热事件期间可以拯救生命。NWS热的广泛适用性警告和警告使他们警告危险的存在热量条件的地方在夏天的时候没有这样的条件和错过几个实例的危险状况在都市区天区域气候模式可能不会触发一个警告。这项工作相对较新,使用快速增长数据集不受监管和noncentralized气象站以及每日卫星图像来演示如何报道和解决地铁区域内的热量条件可能是更好的代表和研究。
前进,增加注意力应该致力于发现司机non-NWS咨询热点城市。城市热岛的存在和机制理解但是很大程度上被认为是只有通过科学研究和社区,而不是地方规划实体(34]。数据集的存在,比如那些用在这项研究中,现在城市的机会了解和确定在哪里以及如何当地地形、气候和人口统计数据交互创建高架与气候相关的健康风险。这样的实践已经被领养的一个例子是芝加哥的可持续发展办公室,他们利用陆地卫星图像识别热点,然后作为一个新的绿色基础设施投资的优先位置(库存http://news.satimagingcorp.com/2006/10/chicago_uses_satellite_images_to_determine_citys_true_hot_spots.html)[35]。
机会来改善现有的NWS预警系统是相当大的,尤其是考虑到越来越多的网络在城市地区气象站。Wunderground网络电台不过是几个网站之一从分布式环境监测系统等聚合信息。天气错误是另一个使用网络,在最初的研究中,利用MODIS数据生成一个估计表面空气温度(33]。意象的能力提供增加覆盖率和解决城市气温继续探索和完善(36]。新的处理技术,比如那些用在这里,结合遥感热数据与原位温度读数提供潜在的城市获得重复的描述intraurban温度变化。模式,摆脱多年来研究城市热环境可以帮助改善公共支出减少城市热岛,例如,通过增加绿色空间。这些投资可能是重要的部分城市应对气候变化的策略和改善生活质量通过这些策略提供的多个cobenefits37]。
对自然灾害预警系统改善了大多数non-heat-related威胁(38]。例如,在2007年NWS开发了storm-based警告龙卷风代替全县警告。新数据源可以提高热建模和预测的精度,在大城市,可能帮助接待的警告消息。尤其如此,通过互动更多的公众获取天气信息显示和接口。与消息传递通过无线电相比,或静态地图、气象信息越来越可用location-smart设备和动画可视化描述最近的历史和近期的天气气候条件与提高精度(39,40]。当用户习惯于这种形式的天气信息,更具体的预测局部加热可以提高个人反应和公众信任的警告41]。位置和时间信息从这些网络也可以搭配移动技术为用户提供有针对性的警告在一定的距离站时表现出危险的条件。移动天气应用程序已经开始使用位置感知设备的能力提高交付和一些信息,如天气地下的移动应用程序,允许用户为他们的当前位置提供“风险报告”破译信息条件如停电、道路关闭,和洪水。
在我们的分析,我们发现,估计气温产生LST结合车站观察捕捉NWS描述的通用模式还警告分类,我们找不到它捕获所有的异质性气象站数据。这可能是由于LST-produced估计无法反映湿度在决定人类健康风险的重要性,将注释作为实现热量的因素。在所有情况下检查(6天)没有显著差异估计像素之间的平均温度与电台展示Advisory-like条件和对于那些站测量热索引值低于105°F。这也许表明的重要性的调查方法估算热量指数从卫星图像来源,验证车站测量更彻底,检查本地司机的湿度的重要性。
我们承认,这依赖于从气象站测量数据分析,没有像其他长期密切关注质量控制气象站大国家和全球网络的一部分。我们限制我们的分析,因为我们认为2011 - 2012年Wunderground气象站数据比早些年我们完成调查。亚特兰大,日常观察危险状况表现出相似的分数在7(4.3%)和2(4.9%)的数据集。芝加哥的分数更发散,2.1%,2006 - 2012年为3.3%,只有2011年和2012年;然而,我们注意到,在2006 - 2010年包含更少的危险天气热在所有的数据集(NWS和Wunderground)。虽然我们收集的数据从一个多年没有使用的分析,我们希望我们的发现没有异常的描述NWS和气象站测量之间的协议。
5。结论
个人气象站的记录显示,当时的条件危险热暴露存在许多地方在县,即使在预测条件不要求应用于县发出警告。进一步分析更大的、长期的数据集需要产生一个更健壮的理解之间的交互区域天气和地方土地覆盖条件,结合县内特定位置产生危险的条件。这些因素可能随时间变化,城市正在考虑。
利益冲突
作者宣称没有利益冲突有关的出版。
确认
刘和肖的工作部分由NASA应用科学项目(赠款NNX11AI53G NNX14AG01G, PI:刘)。作者还要感谢政府气候学家和科学家包括布拉德·皮尔斯,埃德·霍普金斯,巴里·古登,律师吉姆·奥尔索普和生锈的为他们的谈话Kapela作者开发的这项研究。