TY - THES A1 - Li, Yunfei T1 - On the influence of density and morphology on the Urban Heat Island intensity N2 - The urban heat island (UHI) effect, describing an elevated temperature of urban areas compared with their natural surroundings, can expose urban dwellers to additional heat stress, especially during hot summer days. A comprehensive understanding of the UHI dynamics along with urbanization is of great importance to efficient heat stress mitigation strategies towards sustainable urban development. This is, however, still challenging due to the difficulties of isolating the influences of various contributing factors that interact with each other. In this work, I present a systematical and quantitative analysis of how urban intrinsic properties (e.g., urban size, density, and morphology) influence UHI intensity. To this end, we innovatively combine urban growth modelling and urban climate simulation to separate the influence of urban intrinsic factors from that of background climate, so as to focus on the impact of urbanization on the UHI effect. The urban climate model can create a laboratory environment which makes it possible to conduct controlled experiments to separate the influences from different driving factors, while the urban growth model provides detailed 3D structures that can be then parameterized into different urban development scenarios tailored for these experiments. The novelty in the methodology and experiment design leads to the following achievements of our work. First, we develop a stochastic gravitational urban growth model that can generate 3D structures varying in size, morphology, compactness, and density gradient. We compare various characteristics, like fractal dimensions (box-counting, area-perimeter scaling, area-population scaling, etc.), and radial gradient profiles of land use share and population density, against those of real-world cities from empirical studies. The model shows the capability of creating 3D structures resembling real-world cities. This model can generate 3D structure samples for controlled experiments to assess the influence of some urban intrinsic properties in question. [Chapter 2] With the generated 3D structures, we run several series of simulations with urban structures varying in properties like size, density and morphology, under the same weather conditions. Analyzing how the 2m air temperature based canopy layer urban heat island (CUHI) intensity varies in response to the changes of the considered urban factors, we find the CUHI intensity of a city is directly related to the built-up density and an amplifying effect that urban sites have on each other. We propose a Gravitational Urban Morphology (GUM) indicator to capture the neighbourhood warming effect. We build a regression model to estimate the CUHI intensity based on urban size, urban gross building volume, and the GUM indicator. Taking the Berlin area as an example, we show the regression model capable of predicting the CUHI intensity under various urban development scenarios. [Chapter 3] Based on the multi-annual average summer surface urban heat island (SUHI) intensity derived from Land surface temperature, we further study how urban intrinsic factors influence the SUHI effect of the 5,000 largest urban clusters in Europe. We find a similar 3D GUM indicator to be an effective predictor of the SUHI intensity of these European cities. Together with other urban factors (vegetation condition, elevation, water coverage), we build different multivariate linear regression models and a climate space based Geographically Weighted Regression (GWR) model that can better predict SUHI intensity. By investigating the roles background climate factors play in modulating the coefficients of the GWR model, we extend the multivariate linear model to a nonlinear one by integrating some climate parameters, such as the average of daily maximal temperature and latitude. This makes it applicable across a range of background climates. The nonlinear model outperforms linear models in SUHI assessment as it captures the interaction of urban factors and the background climate. [Chapter 4] Our work reiterates the essential roles of urban density and morphology in shaping the urban thermal environment. In contrast to many previous studies that link bigger cities with higher UHI intensity, we show that cities larger in the area do not necessarily experience a stronger UHI effect. In addition, the results extend our knowledge by demonstrating the influence of urban 3D morphology on the UHI effect. This underlines the importance of inspecting cities as a whole from the 3D perspective. While urban 3D morphology is an aggregated feature of small-scale urban elements, the influence it has on the city-scale UHI intensity cannot simply be scaled up from that of its neighbourhood-scale components. The spatial composition and configuration of urban elements both need to be captured when quantifying urban 3D morphology as nearby neighbourhoods also cast influences on each other. Our model serves as a useful UHI assessment tool for the quantitative comparison of urban intervention/development scenarios. It can support harnessing the capacity of UHI mitigation through optimizing urban morphology, with the potential of integrating climate change into heat mitigation strategies. N2 - Der städtische Wärmeinseleffekt (engl. Urban Heat Island – UHI) beschreibt höhere Temperaturen in städtischen Gebieten im Vergleich zur natürlichen Umgebung, was zu einer erhöhten Hitzebelastung für städtische Bewohner führt. Das Verständnis der UHI-Dynamik im Zusammenhang mit der Urbanisierung ist entscheidend für die Entwicklung effektiver Strategien zur Minderung von Hitzestress und für eine nachhaltige städtische Entwicklung. Es bleibt jedoch herausfordernd, die Einflüsse verschiedener Faktoren zu trennen. Diese Arbeit stellt eine systematische und quantitative Analyse dar, inwieweit die Eigenschaften einer Stadt wie Dichte und Form die UHI-Intensität beeinflussen können. Zu diesem Zweck kombinieren wir das Modellieren des Stadtwachstums und des Stadtklimas, um den Einfluss städtischer Faktoren von der Hintergrundklimatologie zu trennen und den Fokus auf die Auswirkungen der Urbanisierung auf den UHI-Effekt zu legen. Mittels des Stadtklimamodels mit kontrollierten Einstellungen können die Auswirkungen verschiedener treibender Faktoren bewertet werden, während das Stadtwachstumsmodell detaillierte 3D-Strukturen für verschiedene Stadtentwicklungsszenarien erzeugt. Wir stellen ein physikalisches Stadtwachstumsmodell vor, das 3D-Strukturen mit unterschiedlicher Größe, Form, Dichte und Verteilung erzeugen kann. Wir überprüfen die Genauigkeit des Modells, indem wir seine Eigenschaften mit denen realer Städte vergleichen. Mit den generierten 3D-Strukturen führen wir mehrere Simulationen unter den gleichen Wetterbedingungen durch, um zu untersuchen, wie Veränderungen in städtischen Faktoren wie Größe, Dichte und Form die UHI-Intensität beeinflussen. Die Studie zeigt, dass die Dichte der bebauten Fläche und die Wechselwirkungen zwischen städtischen Standorten direkt mit der UHI-Intensität zusammenhängen. Um den Einfluss der Nachbarschaftserwärmung zu messen, führen wir einen Indikator namens Gravitational Urban Morphology (GUM) ein. Darüber hinaus entwickeln wir ein Regressionsmodell, das die UHI-Intensität anhand der Stadtgröße, des gesamten Gebäudevolumens und des GUM-Indikators schätzt. Des Weiteren untersuchen wir, wie bestimmte Faktoren in Städten den durch die Landoberflächentemperatur gemessenen städtischen Wärmeinseleffekt (engl. Surface Urban Heat Island – SUHI) in den 5.000 größten städtischen Ballungsräume in Europa beeinflussen. Hierbei stützen wir uns auf mehrjährige durchschnittliche Landoberflächentemperaturen während des Sommers. Wir stellen fest, dass ein ähnlicher GUM-Indikator ein effektiverer Vorhersagefaktor für die SUHI-Intensität. Um die Intensität der städtischen Wärmeinsel genauer vorhersagen zu können, berücksichtigen wir auch andere städtische Faktoren wie den Zustand der Vegetation, die Höhe, die Wasserfläche und Klimaparameter. Hierfür entwickeln wir verschiedene Regressionsmodelle. Das nichtlineare Modell, das Klimaparameter einbezieht und die Wechselwirkung zwischen städtischen Faktoren und dem Hintergrundklima berücksichtigt, erzielt bessere Ergebnisse als lineare Modelle bei der Bewertung der städtischen Wärmeinsel. Die Arbeit beleuchtet die Bedeutung der Dichte und Form einer Stadt für die Entstehung ihrer eigenen thermischen Umgebung. Dabei wird die Annahme infrage gestellt, dass größere Städte zwangsläufig einen stärkeren UHI-Effekt haben. Stattdessen wird die Bedeutung der 3D-Struktur der Stadt hervorgehoben. Die Studie betont die Notwendigkeit, Städte als Ganzes und aus einer 3D-Perspektive zu betrachten. Der Einfluss der Stadtformen kann nicht einfach von kleineren Bestandteilen aufaddiert werden. Unser Modell ist ein nützliches Werkzeug, um verschiedene Stadtplanungsszenarien und ihre Auswirkungen quantitativ zu vergleichen. Es unterstützt auch die Bemühungen, den UHI-Effekt durch Optimierung der städtischen Morphologie zu reduzieren und den Klimawandel in Strategien zur Bekämpfung von Hitze einzubeziehen. KW - urban heat island KW - simulation, size KW - density KW - morphology KW - Dichte KW - Morphologie KW - Simulation, Größe KW - städtisch KW - städtischer Wärmeinseleffekt Y1 - 2024 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:kobv:517-opus4-621504 ER - TY - THES A1 - Svirejeva-Hopkins, Anastasia T1 - Urbanised territories as a specific component of the global carbon cycle N2 - Wir betrachten folgende Teile: die zusätzlichen Kohlenstoff(C)-emissionen, welche aus der Umwandlung von natürlichem Umland durch Stadtwachstum resultieren, und die Änderung des C-Flusses durch 'urbanisierte' Ökosysteme, soweit atmosphärisches C durch diese in umliegende natürliche Ökosysteme entlang der Kette “Atmosphäre -> Vegetation -> abgestorbene organische Substanzen” gepumpt wird: d.h. C-Export; für den Zeitraum von 1980 bis 2050. Als Szenario nutzen wir Prognosen der regionalen Stadtbevölkerung, welche durch ein 'Hybridmodell' generiert werden für acht Regionen. Alle Schätzungen der C-Flüsse basieren auf zwei Modellen: das Regression Modell und das sogenannte G-Modell. Die Siedlungsfläche, welche mit dem Wachstum der Stadtbevölkerung zunimmt, wird in 'Grünflächen' (Parks, usw.), Gebäudeflächen und informell städtisch genutzte Flächen (Slums, illegale Lagerplätze, usw.) unterteilt. Es werden jährlich die regionale und globale Dynamik der C-Emissionen und des C-Exports sowie die C-Gesamtbilanz berechnet. Dabei liefern beide Modelle qualitativ ähnliche Ergebnisse, jedoch gibt es einige quantitative Unterschiede. Im ersten Modell erreicht die globale Jahresemission für die Dekade 2020-2030 resultierend aus der Landnutzungsänderung ein Maximum von 205 Mt/a. Die maximalen Beiträge zur globalen Emission werden durch China, die asiatische und die pazifische Region erbracht. Im zweiten Modell erhöht sich die jährliche globale Emission von 1.12 GtC/a für 1980 auf 1.25 GtC/a für 2005 (1Gt = 109 t). Danach beginnt eine Reduzierung. Vergleichen wir das Emissionmaximum mit der Emission durch Abholzung im Jahre 1980 (1.36 GtC/a), können wir konstatieren, daß die Urbanisierung damit in vergleichbarer Grösse zur Emission beiträgt. Bezogen auf die globale Dynamik des jährlichen C-Exports durch Urbanisierung beobachten wir ein monotones Wachstum bis zum nahezu dreifachen Wert von 24 MtC/a für 1980 auf 66 MtC/a für 2050 im ersten Modell, bzw. im zweiten Modell von 249 MtC/a für 1980 auf 505 MtC/a für 2050. Damit ist im zweiten Fall die Transportleistung der Siedlungsgebiete mit dem C-Transport durch Flüsse in die Ozeane (196 .. 537 MtC/a) vergleichbar. Bei der Abschätzung der Gesamtbilanz finden wir, daß die Urbanisierung die Bilanz in Richtung zu einer 'Senke' verschiebt. Entsprechend dem zweiten Modell beginnt sich die C-Gesamtbilanz (nach annähernder Konstanz) ab dem Jahre 2000 mit einer fast konstanten Rate zu verringern. Wenn das Maximum im Jahre 2000 bei 905MtC/a liegt, fällt dieser Wert anschliessend bis zum Jahre 2050 auf 118 MtC/a. Bei Extrapolation dieser Dynamik in die Zukunft können wir annehmen, daß am Ende des 21. Jahrhunderts die “urbane” C-Gesamtbilanz Null bzw. negative Werte erreicht. N2 - We calculate the additional carbon emissions as a result of the conversion of natural land in a process of urbanisation; and the change of carbon flows by “urbanised” ecosystems, when the atmospheric carbon is exported to the neighboring territories, from 1980 till 2050 for the eight regions of the world. As a scenario we use combined UN and demographic model′s prognoses for regional total and urban population growth. The calculations of urban areas dynamics are based on two models: the regression model and the Gamma-model. The urbanised area is sub-divided on built-up, „green“ (parks, etc.) and informal settlements (favelas) areas. The next step is to calculate the regional and world dynamics of carbon emission and export, and the annual total carbon balance. Both models give similar results with some quantitative differences. In the first model, the world annual emissions attain a maximum of 205 MtC/year between 2020-2030. Emissions will then slowly decrease. The maximum contributions are given by China and the Asia and Pacific regions. In the second model, world annual emissions increase to 1.25 GtC in 2005, beginning to decrease afterwards. If we compare the emission maximum with the annual emission caused by deforestation, 1.36GtC per year, then we can say that the role of urbanised territories (UT) is of a comparable magnitude. Regarding the world annual export of carbon by UT, we observe its monotonous growth by three times, from 24 MtC to 66 MtC in the first model, and from 249 MtC to 505 MtC in the second one. The latter, is therefore comparable to the amount of carbon transported by rivers into the ocean (196-537 MtC). By estimating the total balance we find that urbanisation shifts the total balance towards a “sink” state. The urbanisation is inhibited in the interval 2020-2030, and by 2050 the growth of urbanised areas would almost stop. Hence, the total emission of natural carbon at that stage will stabilise at the level of the 1980s (80 MtC per year). As estimated by the second model, the total balance, being almost constant until 2000, then starts to decrease at an almost constant rate. We can say that by the end of the XXI century, the total carbon balance will be equal to zero, when the exchange flows are fully balanced, and may even be negative, when the system begins to take up carbon from the atmosphere, i.e., becomes a “sink”. T2 - Urbanised territories as a specific component of the global carbon cycle KW - Urbanisierung KW - C-Senke KW - Bilanz KW - Kohlenstoffzyklus KW - Städte KW - C-Fluss KW - Slums KW - Vegetation KW - Verteilung KW - urban KW - land conversion KW - carbon KW - sink KW - cities KW - urbanisation KW - emissions KW - favela KW - regional KW - population KW - density KW - distribution KW - flux KW - vegetation Y1 - 2004 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:kobv:517-0001512 ER -