Efekt chłodzenia miejskich wysp ciepła w odniesieniu do jednostek krajobrazowych i funkcjonalnych obszarów miejskich

W niniejszym zagadnieniu przedstawiono proponowaną metodę oceny i mapowania efektu chłodzenia miejskiej wyspy ciepła w województwie lubuskim. Analiza koncentruje się na Zielonej Górze i Gorzowie Wielkopolskim, ich funkcjonalnych obszarach miejskich (ang. Functional Urban Areas – FUA) oraz jednostkach krajobrazowych wykorzystywanych jako podstawowa warstwa agregacyjna do oceny usług ekosystemowych.

1. Miejska wyspa ciepła

Miejskie wyspy ciepła należą do najbardziej widocznych skutków klimatycznych urbanizacji. Powstają one tam, gdzie naturalne lub półnaturalne powierzchnie są zastępowane gęstą zabudową i materiałami nieprzepuszczalnymi, które magazynują ciepło, ograniczają ewapotranspirację i zmieniają lokalny bilans energetyczny powierzchni (Oke, 1982; Voogt & Oke, 2003). Badania przeprowadzone w polskich miastach, w tym w Łodzi, Warszawie, Krakowie i Poznaniu, pokazują, że intensywność i rozkład przestrzenny miejskich anomalii termicznych zależą od użytkowania terenu, gęstości zabudowy, cyrkulacji atmosferycznej, rzeźby terenu, struktury roślinności oraz szerszego otoczenia krajobrazowego (Kłysik & Fortuniak, 1999; Bokwa et al., 2015; Kuchcik et al., 2014; Półrolniczak i in., 2017). Temperatura powierzchni ziemi (ang. Land Surface Temperature – LST) uzyskana z danych satelitarnych, zwłaszcza z obrazów termicznych Landsat, umożliwia ocenę powierzchniowej miejskiej wyspy ciepła (ang. Surface Urban Heat Island – SUHI) w odniesieniu do pokrywy roślinnej, powierzchni uszczelnionych oraz funkcjonalnych typów pokrycia terenu (Weng i in., 2004; Majkowska i in., 2017; Renc i in., 2022). Tereny zielone, gleby odkryte oraz niebiesko-zielona infrastruktura ograniczają przegrzewanie się głównie poprzez zacienienie, ewapotranspirację oraz chłodzące właściwości wody i roślinności (Bowler i in., 2010; Kumar i in., 2024).

W tym kontekście analiza dla województwa lubuskiego, obejmująca Zieloną Górę, Gorzów Wielkopolski i ich funkcjonalne obszary miejskie stanowi podstawę przestrzenną do określenia, gdzie potencjał naturalnego chłodzenia jest największy i gdzie należy nadać priorytet działaniom adaptacyjnym.

2. Chłodzenie miejskiej wyspy ciepła jako usługa ekosystemowa


Chłodzenie miejskiej wyspy ciepła oznacza zdolność naturalnych i półnaturalnych elementów miejskiego i podmiejskiego krajobrazu do obniżania nadmiernych temperatur powierzchni i powietrza. Efekt ten wytwarzany jest głównie przez roślinność, powierzchnie zacienione, ewapotranspirację, wilgotność gleby, niebieską infrastrukturę oraz ciągłość korytarzy wentylacyjnych. Jest to zatem regulacyjna usługa ekosystemowa o bezpośrednim znaczeniu dla adaptacji do zmian klimatu, zdrowia publicznego oraz jakości życia w miastach narażonych na fale upałów.

W województwie lubuskim usługa chłodzenia ma szczególne znaczenie dla dwóch regionalnych systemów miejskich: Zielonej Góry i Gorzowa Wielkopolskiego. Oba miasta mają odmienną strukturę krajobrazową. Zielona Góra charakteryzuje się wysokim odsetkiem terenów zielonych, podczas gdy Gorzów Wielkopolski ma większy udział powierzchni nieprzepuszczalnych. Ten kontrast sprawia, że oba FUA stanowią przydatne przykłady do interpretacji tego w jaki sposób struktura krajobrazu wpływa na intensywność i przestrzenną trwałość miejskich wysp ciepła.

3. System odniesienia przestrzennego: jednostki krajobrazowe i FUA

W ocenie wykorzystuje się dwa wzajemnie uzupełniające się poziomy odniesienia przestrzennego. Pierwszy poziom obejmuje jednostki krajobrazowe określone w regionalnym audycie krajobrazowym. Jednostki te stanowią spójne ramy interpretacji wpływu pokrycia terenu, użytkowania gruntów oraz struktury krajobrazu na efekt chłodzenia. Ma to istotne znaczenie, ponieważ efekt chłodzenia wynika głównie z fizycznej struktury krajobrazu, a nie wyłącznie z granic administracyjnych.

Drugi poziom to FUA. W schemacie działania SUHI FUA reprezentuje szerszy system miejsko-wiejski otaczający każde główne miasto i stanowi tło odniesienia do obliczania różnic temperatur. Wyniki na poziomie FUA pokazują w jaki sposób efekt chłodzenia rozkłada się w szerszym obszarze funkcjonalnym oraz w jaki sposób lasy podmiejskie, krajobrazy rolnicze, wody i tereny otwarte łagodzą przegrzanie w centrum miasta.

4. Podstawa metodologiczna, dane satelitarne i dane przestrzenne

Metodologia łączy dane LST uzyskane z satelitów z wektorowymi danymi przestrzennymi oraz statystykami dotyczącymi jednostek krajobrazowych. LST zostało uzyskane przede wszystkim z obrazów Landsat 8, ponieważ ich rozdzielczość przestrzenna jest odpowiednia do wykrywania kontrastów termicznych w obrębie miast. Dane MODIS zostały wykorzystane jako źródło uzupełniające w celu wypełnienia luk w obrazach Landsat, gdzie zachmurzenie spowodowało pojawienie się wartości NoData. Google Earth Engine wspierało automatyczne pozyskiwanie i wstępne przetwarzanie danych natomiast QGIS zostało wykorzystane do modelowania przestrzennego, integracji danych rastrowych i wektorowych oraz ostatecznych obliczeń SUHI.

Grupa danychŹródło lub warstwaRola w analizie
Dane LSTLandsat 8; MODISWyznaczenie LST, uzupełnianie luk w danych oraz określenie warunków termicznych dla obliczeń wskaźnika SUHI.
Maski administracyjne i FUABDOT10k / granice z GeoportaluWyznaczenie obszarów miejskich oraz większych referencyjnych miejskich obszarów funkcjonalnych.
Maski obszarów wodnych i terenów podmokłychPTWP, OIMK, SWRS, SWKN z BDOT10kWyeliminowanie chłodzącego wpływu wody w kontrolnym wariancie jakości SUHI 2.
Jednostki krajobrazoweRegionalny audyt krajobrazuAgregacja wskaźnika SUHI i zmiennych wyjaśniających do jednostek istotnych z punktu widzenia planowania.
Struktura pokrycia terenuTereny zielone i powierzchnie nieprzepuszczalneInterpretacja mechanizmów chłodzenia i przegrzania w skali miasta oraz FUA

Tab. 1. Dane wejściowe wykorzystywane w procesie

Rozważono dwa warianty wskaźnika SUHI. SUHI 1 jest głównym wskaźnikiem i wyraża różnicę między temperaturą powierzchni w mieście a średnią temperaturą powierzchni otaczającego obszaru FUA / pozamiejskiego obszaru odniesienia. SUHI 2 stanowi powtórzenie obliczeń po wyłączeniu z analizy wód powierzchniowych, terenów podmokłych i rzek z buforami. Celem SUHI 2 jest sprawdzenie czy naturalne chłodzenie niebieskiej infrastruktury zniekształca ocenę środowiska zabudowanego. Porównanie wykazało jedynie niewielkie różnice więc SUHI 1 można traktować jako główny reprezentatywny wskaźnik odniesienia.

5. Wyniki dla Zielonej Góry i jej FUA

Zielona Góra wykazuje duży naturalny potencjał chłodzący. Tereny zielone zajmują ponad 60 procent powierzchni miasta podczas gdy powierzchnie nieprzepuszczalne stanowią około 7 procent. Taki układ znacznie obniża średnią intensywność wskaźnika SUHI i wyjaśnia, dlaczego efekt chłodzenia jest bardziej zauważalny tu niż w Gorzowie Wielkopolskim. Niemniej jednak w mieście nadal występują wyraźne ogniska przegrzewania się związane z gęstą zabudową mieszkaniową, obszarami przemysłowymi i magazynowymi, zwartym układem urbanistycznym oraz innymi powierzchniami o wysokim stopniu uszczelnienia.

W skali FUA większy obszar miejsko-wiejski wokół Zielonej Góry pełni rolę chłodzącego tła. Tereny leśne, krajobrazy rolnicze i jeziora tworzą regionalny bufor termiczny podczas gdy wybrane jednostki krajobrazowe zurbanizowane lub przemysłowe pozostają cieplejsze. Wynik FUA ma duże znaczenie, ponieważ pokazuje, że efekt chłodzący nie ogranicza się do granic administracyjnych miasta. Zależy on od ciągłości zielonej i niebieskiej infrastruktury w całym regionie funkcjonalnym.

Związek między średnią wartością wskaźnika SUHI a terenami zielonymi jest wyraźnie ujemny zarówno w samym mieście jak i w FUA Zielonej Góry. Jednostki krajobrazowe o wysokim udziale lasów, gruntów rolnych i innych terenów zielonych wykazują zazwyczaj niższe wartości SUHI. Najwyższe średnie wartości SUHI występują w dużych kompleksach przemysłowych, kompleksach hotelowo-sportowych oraz osadach miejskich o zachowanym układzie historycznym. To potwierdza, że udział i ciągłość roślinności mają kluczowe znaczenie dla łagodzenia skutków upałów.

Powierzchnie nieprzepuszczalne wykazują odwrotną zależność. W FUA Zielonej Góry jednostki krajobrazowe o większym udziale powierzchni uszczelnionych zazwyczaj odnotowują wyższe średnie wartości SUHI. Zależność ta pozwala zidentyfikować miejsca, w których działania adaptacyjne powinny koncentrować się na ograniczeniu uszczelniania gruntu, wprowadzeniu drzewostanu, poprawie przepuszczalności gleby oraz ochronie istniejących korytarzy chłodzących.

6. Wyniki dla Gorzowa Wielkopolskiego i jego FUA

Na poziomie FUA otaczający krajobraz częściowo łagodzi przegrzanie, jednak efekt chłodzący jest mniej wyraźny niż w Zielonej Górze. Ujemna korelacja między terenami zielonymi a wskaźnikiem SUHI jest słabsza. Może to wynikać z rozproszonego położenia terenów zielonych, ich mniejszej ciągłości oraz silniejszego oddziaływania uszczelnionych powierzchni miejskich i przemysłowych.

Obszary leśne, duże nekropolie i jeziora należą do jednostek krajobrazowych o najwyższym udziale elementów zielonych lub chłodzących, podczas gdy mozaikowe krajobrazy podmiejskie i obszary przemysłowe charakteryzują się wyższymi średnimi wartościami wskaźnika SUHI. Rola powierzchni nieprzepuszczalnych jest szczególnie widoczna: zarówno w mieście, jak i w obszarze FUA wzrost powierzchni zabudowanych przekłada się na wzrost średniej wartości wskaźnika SUHI.

7. Interpretacja porównawcza i wykorzystanie w planowaniu

Porównanie obu obszarów FUA pokazuje, że efekt chłodzący miejskiej wyspy ciepła można traktować jako usługę ekosystemową na poziomie krajobrazu. Zielona Góra charakteryzuje się silniejszą i bardziej spójną strukturą zieleni, co ogranicza zjawisko (SUHI i zapewnia szersze tło chłodzące na obszarze FUA. Gorzów Wielkopolski ma bardziej rozdrobnioną strukturę zieleni i większy udział powierzchni nieprzepuszczalnych, co sprawia, że zjawisko miejskiej wyspy ciepła jest bardziej wyraźne i trwałe w przestrzeni.

ObszarGłówny czynnik chłodzącyGłówny czynnik nagrzewającyKonsekwencje dla planowania
Zielona Góra (miasto)Wysoki udział terenów zielonych (>60%)Lokalne skupiska przemysłowe i gęsto zabudowane obszary mieszkalneOchronić ciągłość lasów, parków, ogródków działkowych i miejskich korytarzy zielonych.
Zielona Góra (FUA)Regionalne tereny leśne, rolnicze i jeziorneWybrane obszary przemysłowe i zwarte obszary miejskieWykorzystywać tereny podmiejskie jako bufor chłodzący oraz ograniczać rozrost powierzchni nieprzepuszczalnych.
Gorzów Wielkopolski (miasto)Lokalne tereny zielone, cmentarze i lasyWysoki udział powierzchni nieprzepuszczalnych (~18%) oraz terenów przemysłowychW miejscach szczególnie narażonych na upały priorytetowo traktować usuwanie nawierzchni, zapewnianie cienia oraz działania w ramach strategii zielono-niebieskiej.
Gorzów Wielkopolski (FUA)Obszary leśne, jeziora i regionalne przestrzenie otwarteMozaika podmiejska, obszary przemysłowe i zwarte obszary miejskieWzmocnić łączność między terenami zielonymi i utrzymać korytarze wentylacyjne.

Tab. 2. Wyniki

W przypadku Zielonej Góry głównym celem planistycznym powinno być utrzymanie ciągłości i jakości istniejącej zielonej infrastruktury. Za priorytet należy uznać zapobieganie fragmentacji lasów, ogródków działkowych, parków i podmiejskich korytarzy zielonych, zwłaszcza w jednostkach krajobrazowych położonych w pobliżu obszarów o wysokiej wartości wskaźnika SUHI. W przypadku Gorzowa Wielkopolskiego priorytetem powinno być ograniczenie wpływu terenów uszczelnionych oraz wprowadzenie działań chłodzących w strefach przemysłowych, magazynowych i zwartych osiedlach mieszkaniowych.

Perspektywa FUA ma zasadnicze znaczenie dla adaptacji do zmian klimatu, ponieważ pokazuje, że usługa chłodzenia jest generowana nie tylko w obrębie miasta, ale także przez otaczający je krajobraz funkcjonalny. Lasy, jeziora, grunty rolne, tereny otwarte i korytarze wentylacyjne położone poza administracyjnymi granicami miasta mogą zmniejszyć kontrast termiczny obserwowany w centrum miasta. Jednocześnie uszczelnianie przedmieść i ekspansja przemysłowa mogą osłabić tą regionalną funkcję chłodzenia.

Proponowane podejście jest odpowiednie do monitorowania. Powtarzające się obserwacje z Landsat, wspierane przez wypełnianie luk danymi z MODIS oraz wektorowe dane przestrzenne z BDOT10k i audytu krajobrazu mogą być wykorzystane do śledzenia zmian w usługach chłodzących w czasie. Ponieważ wyniki są agregowane do jednostek krajobrazowych i FUA, mogą one wspierać regionalne planowanie przestrzenne, programy adaptacji do zmian klimatu, wycenę usług ekosystemowych oraz ustalanie priorytetów lokalnych środków adaptacyjnych.

W praktyce wyniki te należy wykorzystać do wyznaczenia jednostek krajobrazowych, w których należy chronić, przywrócić lub wzmocnić usługę chłodzenia. Jednostki o niskim udziale terenów zielonych i wysokim udziale powierzchni nieprzepuszczalnych należy traktować jako obszary priorytetowe pod kątem działań adaptacyjnych. Jednostki o wysokim potencjale chłodzenia należy chronić w ramach regionalnego systemu zielono-niebieskiej infrastruktury, zwłaszcza tam, gdzie przyczyniają się one do poprawy komfortu termicznego w sąsiednich obszarach miejskich.

Bibliografia

Bokwa, A., Hajto, M. J., Walawender, J. P., & Szymanowski, M. (2015). Influence of diversified relief on the urban heat island in the city of Kraków, Poland. Theoretical and Applied Climatology, 122, 365–382. https://doi.org/10.1007/s00704-015-1577-9

Bowler, D. E., Buyung-Ali, L., Knight, T. M., & Pullin, A. S. (2010). Urban greening to cool towns and cities: A systematic review of the empirical evidence. Landscape and Urban Planning, 97(3), 147–155. https://doi.org/10.1016/j.landurbplan.2010.05.006

Kłysik, K., & Fortuniak, K. (1999). Temporal and spatial characteristics of the urban heat island of Łódź, Poland. Atmospheric Environment, 33(24–25), 3885–3895. https://doi.org/10.1016/S1352-2310(99)00131-4

Kuchcik, M., Błażejczyk, K., Milewski, P., & Szmyd, J. (2014). Urban climate research in Warsaw: The results of microclimatic network measurements. Geographia Polonica, 87(4), 491–504. https://doi.org/10.7163/GPol.2014.33

Kumar, P., Debele, S. E., Sahani, J., Aragão, L., Barisani, F., Basu, B., Bucchignani, E., Charizopoulos, N., Di Sabatino, S., Domeneghetti, A., Edo, A. S., Finér, L., Gallotti, G., Juch, S., Leo, L. S., Loupis, M., Mickovski, S. B., Panga, D., Pilla, F., … Zieher, T. (2024). Urban heat mitigation by green and blue infrastructure: Drivers, effectiveness, and future needs. The Innovation Geoscience, 2(2), 100071. https://doi.org/10.59717/j.xinn-geo.2024.100071

Majkowska, A., Kolendowicz, L., Półrolniczak, M., Hauke, J., & Czernecki, B. (2017). The urban heat island in the city of Poznań as derived from Landsat 5 TM. Theoretical and Applied Climatology, 128, 769–783. https://doi.org/10.1007/s00704-016-1737-6

Oke, T. R. (1982). The energetic basis of the urban heat island. Quarterly Journal of the Royal Meteorological Society, 108(455), 1–24. https://doi.org/10.1002/qj.49710845502

Półrolniczak, M., Kolendowicz, L., Majkowska, A., & Czernecki, B. (2017). The influence of atmospheric circulation on the intensity of urban heat island and urban cold island in Poznań, Poland. Theoretical and Applied Climatology, 127, 611–625. https://doi.org/10.1007/s00704-015-1654-0

Renc, A., Drobniak, A., & Ogrodnik, K. (2022). Spatial structure of the surface heat and cold islands in summer based on Landsat 8 imagery in southern Poland. Ecological Indicators, 145, 109645. https://doi.org/10.1016/j.ecolind.2022.109645

Voogt, J. A., & Oke, T. R. (2003). Thermal remote sensing of urban climates. Remote Sensing of Environment, 86(3), 370–384. https://doi.org/10.1016/S0034-4257(03)00079-8

Weng, Q., Lu, D., & Schubring, J. (2004). Estimation of land surface temperature–vegetation abundance relationship for urban heat island studies. Remote Sensing of Environment, 89(4), 467–483. https://doi.org/10.1016/j.rse.2003.11.005