New publication in “Climate”

See full article/ Veure l’article complet

English:

Meteorological and climate prediction models at the urban scale increasingly require more accurate and high-resolution data. The Local Climate Zone (LCZ) system is an initiative to standardize a classification scheme of the urban landscape, based mainly on the properties of surface structure (e.g., building, tree height, density) and surface cover (pervious vs. impervious). This approach is especially useful for studying the influence of urban morphology and fabric on the surface urban heat island (SUHI) effect and to evaluate how changes in land use and structures affect thermal regulation in the city. This article will demonstrate three different methodologies of creating LCZs: first, the World Urban Database and Access Portal Tools (WUDAPT); second, using Copernicus Urban Atlas (UA) data via a geographic information system (GIS) client directly; and third via Google Earth Engine (GEE) using Oslo, Norway as the case study. The WUDAPT and GEE methods incorporate a machine learning (random forest) procedure using Landsat 8 imagery, and offer the most precision while requiring the most time and familiarity with GIS usage and satellite imagery processing. The WUDAPT method is performed principally using multiple GIS clients and image processing tools. The GEE method is somewhat quicker to perform, with work performed entirely on Google’s sites. The UA or GIS method is performed solely via a GIS client and is a conversion of pre-existing vector data to LCZ classes via scripting. This is the quickest method of the three; however, the reclassification of the vector data determines the accuracy of the LCZs produced. Finally, as an illustration of a practical use of LCZs and to further compare the results of the three methods, we map the distribution of the temperature according to the LCZs of each method, correlating to the land surface temperature (LST) from a Landsat 8 image pertaining to a heat wave episode that occurred in Oslo in 2018. These results show, in addition to a clear LCZ-LST correspondence, that the three methods produce accurate and similar results and are all viable options.

Català:

Els models meteorològics i de predicció climàtica a escala urbana requereixen cada vegada dades més precises i d’alta resolució. Les Zones Climàtiques Locals (LCZ) són una iniciativa per estandarditzar un esquema de classificació del paisatge urbà, basat principalment en les propietats de l’estructura superficial (per exemple, l’edificació, l’alçada dels arbres, la densitat) i la coberta superficial (permeable o impermeable). Aquest enfocament és especialment útil per estudiar la influència de la morfologia urbana i el teixit en l’efecte de l’illa de calor urbana superficial (SUHI) i per avaluar com els canvis en l’ús del sòl i les estructures afecten la regulació tèrmica a la ciutat. Aquest article demostrarà tres metodologies diferents per crear LCZ: en primer lloc, la World Urban Database and Access Portal Tools (WUDAPT); en segon lloc, utilitzant directament les dades de Copernicus Urban Atlas (UA) a través d’un client del sistema d’informació geogràfica (GIS); i tercer, a través de Google Earth Engine (GEE) utilitzant Oslo, Noruega com a cas d’estudi. Els mètodes WUDAPT i GEE incorporen un procediment de “machine learning” (bosc aleatori) utilitzant imatges Landsat 8, i ofereixen la major precisió, alhora que requereixen el major temps i familiaritat amb l’ús de GIS i el processament d’imatges de satèl·lit. El mètode WUDAPT es realitza principalment utilitzant múltiples clients GIS i eines de processament d’imatges. El mètode GEE és una mica més ràpid de realitzar, amb treballs generats íntegrament en els entorns de Google. El mètode UA o GIS es realitza únicament a través d’un client GIS i és una conversió de dades vectorials preexistents a classes LCZ mitjançant scripting. Aquest és el mètode més ràpid dels tres; no obstant això, la reclassificació de les dades vectorials determina la precisió de les LCZ produïdes. Finalment, com a il·lustració d’un ús pràctic de LCZ i per comparar encara més els resultats dels tres mètodes, mapegem la distribució de la temperatura segons les LCZ de cada mètode, correlacionant-se amb la temperatura de la superfície terrestre (LST) d’una imatge de Landsat 8 pertanyent a un episodi d’onada de calor que va tenir lloc a Oslo el 2018. Aquests resultats mostren, a més d’una clara correspondència LCZ-LST, que els tres mètodes produeixen resultats precisos i similars i són opcions viables.

Figure: The LCZs resulting from the three methods: WUDAPT (a), UA/GIS (b), and Google Earth Engine (c), with the LCZ type classification in the legend on the left. / LCZ resultants dels tres mètodes: WUDAPT (a), UA/GIS (b) i Google Earth Engine (c), amb la classificació de LCZ a la llegenda de l’esquerra.