Machine Translated by Google

ARTIKEL RISET doi: ScienceAsia 46 (2020): 213–223

10.2306/scienceasia1513-1874.2020.024

Analisis pulau panas perkotaan untuk Bangkok:

variasi temporal multiskala, faktor terkait,
ketergantungan arah, dan kondisi pulau dingin
Tidak Ada Yang Seperti,b, Tidak Ada Yang Seperti,b,ÿ , Nishit Amana, b, Tara Thongkamdeec ,
Surawut Chuangchoted , Sebastien Bonneta, b

A
Sekolah Pascasarjana Bersama Energi dan Lingkungan, Universitas Teknologi Raja Mongkut
Thon Buri, Thailand
B
Pusat Unggulan Teknologi Energi dan Lingkungan, Kementerian Pendidikan Tinggi, Sains,
Riset dan Inovasi, Thailand
C
Departemen Meteorologi Thailand, Kementerian Ekonomi Digital dan Masyarakat, Thailand
D
Jurusan Teknik Alat dan Bahan, Fakultas Teknik, King Mongkut's University of
Teknologi Thonburi, Thailand

ÿPenulis koresponden, email: kasemsan.jgsee@gmail.com

Diterima 26 Februari 2019
Diterima 15 Februari 2020

ABSTRAK: Studi ini menganalisis karakteristik pulau panas perkotaan di Bangkok, yang diamati selama periode 10 tahun (2006–2015) dengan penekanan
pada musim kemarau ketika pulau panas perkotaan meningkat pada siang dan malam hari dibandingkan dengan musim hujan. Desember-Januari
ditemukan sebagai bulan puncak intensitas pulau panas perkotaan (UHII) dalam hal rata-rata. Intensitasnya relatif besar pada malam hari karena laju
pendinginan yang lebih cepat pada sore hari di lokasi pedesaan yang penerimaan termal permukaan tanahnya lebih rendah daripada lokasi perkotaan.
UHII sedikit lebih besar selama hari kerja daripada akhir pekan, menunjukkan tingkat pengaruh panas antropogenik tertentu yang dipancarkan di daerah
perkotaan. UHII berkorelasi negatif dengan sebagian besar variabel hujan, awan, kelembaban relatif, dan kecepatan angin. Penilaian plot kutub
menunjukkan ketergantungan UHII pada arah angin. Model regresi statistik yang mengaitkan UHII dengan variabel meteorologi terpilih mampu menjelaskan
variabilitas data asli sebesar 82% untuk UHII siang hari dan 66% untuk malam hari. Arah dan persistensi angin barat daya ditemukan penting dalam
memodulasi UHII, dan keduanya muncul dalam model regresi akhir. Kehadiran peristiwa pulau sejuk musim kemarau juga diselidiki, dan ditemukan bahwa
kejadian tersebut umumnya disebabkan oleh tingginya intensitas hujan perkotaan-sendiri/perkotaan-pedesaan, awan, kelembapan relatif, atau kecepatan
angin perkotaan (atau gabungan). Secara keseluruhan, temuan dari studi ini memberikan perspektif yang lebih baik, yang dapat mendukung kebijakan
dan perencanaan perkotaan terkait cuaca untuk wilayah studi.

KATA KUNCI: urbanisasi, suhu, iklim perkotaan, pulau sejuk, Thailand

PERKENALAN
Urbanisasi melibatkan modifikasi tutupan lahan dengan
memperluas area terbangun (yaitu urban sprawl), peningkatan
populasi disertai dengan aktivitas manusia, dan konsumsi
energi yang lebih banyak. Di daerah atau kota yang sangat
urban, kehadiran daerah maju, bangunan tinggi, dan jalan
raya padat dengan beton permukaan/pengaspalan aspal
sering datang dengan berkurangnya area hijau, membuat
kontras topografi antara daerah perkotaan dan daerah
pedesaan di dekatnya. Emisi panas antropogenik yang
sebagian besar disebabkan oleh penggunaan energi
(pembakaran bahan bakar dan listrik) mungkin relatif besar di
daerah perkotaan [1, 2]. Faktor-faktor tersebut dapat
menyebabkan terjadinya perubahan kondisi iklim antar perkotaan dalam perhitungan UHI, data direkam
dan pedesaan. Urban heat island (UHI) telah dikenal sebagai
fenomena dimana suhu perkotaan lebih tinggi dari suhu
pedesaan [1, 3]. Intensitas UHI (UHII) didefinisikan sebagai
selisih antara suhu udara perkotaan (Tu ) dan suhu udara
pedesaan (Tr ) yaitu ÿTuÿr = Tu ÿ Tr .
Suhu udara umumnya
direferensikan pada tingkat dekat permukaan dalam kanopi
perkotaan. Namun demikian, suhu permukaan tanah dan
suhu udara di atas juga dapat digunakan untuk mendefinisikan
UHII [3–5]. Dengan kata lain, definisi UHI yang dipertimbangkan
di sini adalah untuk lapisan kanopi perkotaan, yang secara
umum mewakili kondisi skala mikro yang dipengaruhi oleh
bangunan, vegetasi, dan ruang-ruang yang mengintervensi
[3]. Karena suhu udara dekat permukaan hanya digunakan

www.scienceasia.org
Machine Translated by Google
214
Gambar 1 (a – c) Bangkok Raya (GBK) (termasuk Bangkok dan lima provinsi tetangga). Naungan abu-abu menunjukkan daerah perkotaan atau daerah
terbangun. (d–f) Foto pemandangan langit (diambil pada Desember 2016) di stasiun S1 (perkotaan di Bangkok), S2 (perkotaan di Bangkok), dan S3
(pedesaan di Nakhon Pathom).
di stasiun cuaca standar dapat dengan mudah diakses dan
digunakan, dan karakteristiknya saling terkait dengan
keseimbangan energi permukaan, turbulensi dekat permukaan,
dan panas antropogenik. Namun, peran angin sinoptik dan
perpindahan panas jarak jauh tidak dapat dijelaskan dengan
baik oleh jenis UHI ini.
Suhu perkotaan cenderung lebih tinggi daripada suhu
pedesaan karena sifat fisik permukaan perkotaan, terutama
albedo yang lebih rendah dan penerimaan panas yang lebih
besar [6]. Dengan demikian, permukaan perkotaan cenderung
menyerap lebih banyak radiasi matahari dan menyimpan lebih
banyak panas pada siang hari dan melepaskan panas yang
tersimpan kembali ke atmosfer pada malam hari sementara
Pembangunan Ekonomi dan Sosial Nasional.
permukaan pedesaan menghangat dan mendingin relatif lebih cepat.
Ini menyebabkan UHI paling intensif di malam hari.
Selama kondisi angin tenang, lapisan konvektif yang dangkal
dapat terbentuk di atas inti perkotaan dan kemudian
menyebabkan udara mengalir dari area luarnya menuju dan
berkumpul di inti perkotaan, yang mengurangi ventilasi
polutan udara. Selain itu, UHI diketahui mengintensifkan
selama periode panas atau gelombang panas yang
berkepanjangan, membuat penduduk perkotaan di kota-kota
besar lebih rentan terhadap panas atau polusi termal [7].
Suhu, masalah kesehatan, dan kematian telah ditemukan
terkait dalam studi perkotaan [8].
Dari sudut pandang makroskopis, UHI berkorelasi dengan
www.scienceasia.org
ScienceAsia 46 (2020)
ukuran populasi dan tingkat urbanisasi [9, 10]. Di musim
panas, suhu yang relatif hangat menyebabkan permintaan
daya yang lebih tinggi untuk AC dan dengan demikian lebih
banyak panas yang dipancarkan ke atmosfer. Oleh karena
itu, isu UHI memiliki implikasi langsung terhadap keberlanjutan
perkotaan dalam kebijakan dan perencanaan lingkungan,
energi, dan kesehatan. Padahal, UHI merupakan subjek
sentral dalam bidang iklim perkotaan, yang telah dipelajari
secara luas [11-13].
Bangkok adalah ibu kota Thailand (Gbr. 1) dan provinsi
terbesar dalam hal jumlah penduduk dan urbanisasi. Ini
adalah pusat ekonomi strategis yang menyumbang sebanyak
46% dari total PDB (per tahun 2015), menurut Kantor Dewan
Bahkan, pertumbuhannya yang berkelanjutan tidak terbatas
pada Bangkok tetapi meluas ke daerah tetangganya [14],
digabungkan sebagai aglomerasi perkotaan besar yang
disebut Greater Bangkok (GBK) (Gbr. 1b). Secara
administratif, GBK terdiri dari enam provinsi: Bangkok, Samut
Prakan, Samut Sakhon, Nonthaburi, Nakhon Pathom, dan
Pathum Thani. Mengingat pentingnya Bangkok, kondisi
iklimnya tak pelak menjadi isu penting bagi publik. Sejumlah
studi terkait UHI telah dilakukan untuk provinsi tersebut tetapi
sangat bervariasi dalam jenis UHI, objek
Machine Translated by Google

ScienceAsia 46 (2020) 215

intensif, metode, dan analitis. Sebagai perintis penyelidikan

UHI, Boonjawat et al [15] menggunakan data suhu udara
yang diukur pada tahun 1998 dari jaringan pribadi stasiun
otomatis untuk menilai UHI di Bangkok dan melengkapi
diskusi dengan menggunakan beberapa citra lanskap dan
satelit. Jong tanom et al [16] melaporkan hasil awal rata-rata
variasi harian dan bulanan UHII di tiga provinsi utama terpilih
(termasuk Bangkok).

Pakarnseree et al [17] mengaitkan perubahan suhu udara

musiman dalam hal laju pendinginan untuk berbagai sub
divisi di kota hingga properti lanskap fisiknya (jalan/taman/air/
ruang bangunan dan luas lantai bangunan) dalam empat
tahun terpisah mulai dari 2000. Data suhu permukaan tanah
berbasis satelit dapat digunakan untuk menentukan
perluasan perkotaan dan pulau panas perkotaan permukaan
(SUHI), berpotensi berguna untuk perencanaan kota dan
mengembangkan strategi mitigasi UHI. Data berbasis satelit
tersebut diterapkan ke Bangkok oleh beberapa penelitian
[5, 18]. Sepengetahuan kami, belum ada studi yang
ditemukan untuk karakterisasi komprehensif UHI dan asosiasi
meteorologinya untuk Bangkok, dan belum ada yang
membahas kondisi pulau yang sejuk di provinsi tersebut.
Pulau sejuk adalah fenomena kebalikan dari UHI yaitu suhu
pedesaan lebih besar dari suhu perkotaan (yaitu negatif
UHII). Dalam literatur, pulau sejuk belum banyak diiklankan
atau sering disebutkan secara singkat [19, 20]. Oleh karena
itu, saat ini menarik untuk meneliti pulau keren ini lebih
detail. Banyak studi UHI yang disebutkan di atas untuk
Bangkok menggunakan data pengamatan dengan periode
terbatas dan tidak memberikan perhatian pada pemilihan
referensi situs perkotaan dan pedesaan, yang dapat
mengakibatkan kurang dapat diandalkannya temuan mereka
yang dilaporkan. Untuk studi UHI, sangat penting untuk
memilih lokasi perkotaan dan pedesaan referensi dengan Gambar 2 (a) Siklus tahunan suhu klimatologis dan hujan di lokasi
benar [18, 21]. perkotaan pada tahun 2006–2015, (b) tren suhu rata-rata, dan (c) siklus
tahunan siang dan malam hari UHII pada tahun 2006–2015, menunjukkan
Upaya kami di sini bertujuan untuk mengisi kesenjangan kotak- plot kumis. Dalam (a,b), bilah vertikal rata-rata±SD. Dalam (c),
tersebut dan, yang penting, meningkatkan pemahaman UHI palang horizontal atas dan bawah masing-masing menandai maksimum
yang ada untuk Bangkok, yang dapat menjadi informasi dan minimum. Garis horizontal bawah, tengah, dan atas dari setiap kotak
berguna untuk mendukung kebijakan dan perencanaan persegi panjang masing-masing menunjukkan kuartil ke-1, ke-2 (atau
lingkungan menuju tujuan keberlanjutan perkotaan di masa depan.
median), dan ke-3. Setiap lingkaran menunjukkan rata-rata atau rata-rata.

BAHAN DAN METODE

Area studi

Bangkok (13°45 lat. dan 100°28 lon.) secara geografis
terletak di dataran tengah Thailand, yang merupakan
cekungan aluvial Sungai Chao Phraya. Itu berbatasan
dengan Teluk Thailand di selatan, dengan jarak 25 km dari
pusat kota dan pantai. Ketinggian medan umumnya datar
dan rata-rata 1,5 m m dpl (di atas permukaan laut rata-rata).
Bangkok secara administratif dibagi menjadi 50 distrik dan
mencakup luas total 1.568,7 km2 . Menurut Kantor Statistik
Nasional Thailand, ia memiliki total populasi terdaftar 5,5 juta
dan populasi laten (tidak terdaftar) besar yang diperkirakan
sekitar 40% lebih. Seperti disebutkan sebelumnya, aglomerasi
Greater Bangkok (GBK).

www.scienceasia.org
Machine Translated by Google
216
asi terdiri dari Bangkok dan lima provinsi sekitarnya dengan
luas total 7762 km2 dan populasi lebih dari 10 juta. Di bagian
selatan GBK (khususnya Samut Prakan dan Samut Sakon)
banyak terdapat pabrik-pabrik industri. Iklim GBK secara umum
seperti sebagian besar Thailand Hulu, yang dipengaruhi oleh
monsun timur laut dan barat daya [22, 23]. Musim hujan
sebelumnya terjadi selama Nov–Feb dan membawa massa
udara kering yang sejuk dari daratan China, sesuai dengan
musim dingin. Pada Mar–Apr, muson timur laut melemah, dan
suhu udara mulai meningkat, menghasilkan periode terhangat
dalam setahun (yaitu, musim panas). Mengingat tidak ada
pengaruh kuat dari dua bulan segera selama dua bulan ini,
angin selatan dari Teluk Thailand secara sinoptik menang.
Musim barat daya kira-kira dimulai pada bulan Mei dan
berlangsung hingga Oktober, membawa kelembapan yang
melimpah dari Samudra Hindia dan Teluk Thailand di sepanjang
jalurnya dan dengan demikian hujan lebat. Menurut fitur
musiman yang berbeda ini (Gbr. 2a), musim kemarau (Nov–
Apr) dan musim hujan (Mei–Okt) dipertimbangkan dalam
penilaian UHI kami. Musim hujan menyumbang lebih dari 80%
dari total curah hujan tahunan, berdasarkan data curah hujan
yang diperoleh. Karena musim kemarau melintasi dua tahun
kalender, musim kemarau pada tahun tertentu dibentuk pada
Nov–Des tahun sebelumnya dan Jan–Apr tahun itu.
Data
Beberapa stasiun cuaca Departemen Meteorologi Thailand
(TMD) yang berlokasi di GBK awalnya dipertimbangkan.
Namun, pemantauan mereka berbeda dalam cakupan temporal
(misalnya, 8-35 tahun), rentang jam-hari (misalnya, siang hari
saja dibandingkan dengan waktu siang dan malam hari), dan
frekuensi pengambilan sampel (misalnya, per jam, tiga jam,
dan harian), sehingga menimbulkan kesulitan dalam memilih
sepasang referensi situs perkotaan dan pedesaan. Awalnya,
data tiga jam (termasuk suhu, hujan, tutupan awan, kelembaban
relatif, dan kecepatan/arah angin) dari delapan stasiun diperoleh
dan juga diperiksa untuk cakupan waktu, nilai yang tidak masuk
akal, dan kecukupan data untuk setiap variabel (di sini, suhu,
hujan, tutupan awan, kelembaban relatif, dan angin). Jumlah
nilai yang tidak hilang (yaitu valid) ditemukan setidaknya 85%.
Mengingat data jangka panjang yang digunakan dalam
penelitian ini, kami melakukan pemeriksaan data tambahan
sebagai berikut: (a) nilai valid dalam rentang 0–50 °C untuk
suhu dan 0–100% untuk kelembapan relatif, dan (b) non- outlier
berada dalam kisaran rata-rata ± 5 kali standar deviasi. Perlu
dicatat bahwa suhu dan kelembaban diukur pada 1,5 m agl (di
atas permukaan tanah),
www.scienceasia.org
ScienceAsia 46 (2020)
dan pengukuran angin pada 10 m agl.
Dalam memilih lokasi referensi untuk analisis, lokasi
tersebut pada prinsipnya tidak boleh dekat dengan badan air
atau sungai yang besar. Dalam studi tersebut, kami melakukan
kunjungan lapangan ke setiap stasiun cuaca (total enam) yang
terletak di dalam wilayah studi untuk memeriksa lingkungan aktualnya.
Kami menghitung total jumlah bangunan yang sesuai dengan
masing-masing stasiun menggunakan radius 10 km
menggunakan database tutupan lahan dari Departemen
Pengembangan Lahan (LDD) untuk tahun 2009 ( Gbr. 1). Perlu
dicatat bahwa tidak ada ukuran atau radius yang diusulkan
secara universal untuk digunakan untuk mengklasifikasikan
jenis stasiun dalam studi pulau panas perkotaan. Sebagai
contoh, Yang et al [24] mencoba satu set radius (berkisar 1-20
km) dan memilih 7 km sebagai ambang batas. Menurut
prosedur di atas, kami menemukan S1 dan S2 (dipisahkan
sejauh 8 km) di Bangkok sebagai lokasi perkotaan dan S3 di
Nakhon Pathom sebagai lokasi pedesaan secara representatif.
Baik S1 maupun S2 memiliki latar belakang yang sama, yaitu
kawasan bisnis dengan bangunan, rumah, taman, dan jalan.
Total area terbangun mereka sekitar 80% (Gbr. 1d dan e).
Foto mata ikan juga diambil selama kunjungan stasiun
menggunakan kamera all-sky yang dipasang pada ketinggian 1
m agl untuk memperkirakan sky-view factor (SVF), yang
didefinisikan sebagai rasio area bagian langit dengan belahan
bumi. Nilai SVF pada S1 dan S2 adalah >60% (di sini, masing-
masing 63% dan 80%)
(Gbr. 1d dan e), menunjukkan tidak ada obstruksi parah atau
pemblokiran ventilasi udara dan radiasi. Karena data di kedua
stasiun cenderung berkorelasi baik (misalnya, >0,9 untuk suhu
dan kelembapan relatif tiga jam), nilai rata-rata dari kedua
stasiun kemudian digunakan, dan lokasi tengah antara kedua
stasiun ditetapkan sebagai referensi resmi. situs perkotaan
(Su ). Stasiun S3 adalah situs pedesaan referensi (Sr ). Latar
belakangnya adalah area hijau terbuka dengan total area
terbangun 22% dan SVF 82% (Gbr. 1f). Jarak antara Su dan
Sr sekitar 70 km. Kami selanjutnya memperkirakan secara
kasar jumlah total yang dibangun berdasarkan kumpulan data
alternatif (citra satelit Google Earth) tetapi pada jarak yang
lebih dekat (radius 2 km) untuk tahun 2010 dan menemukan
93% di S1, 85% di S2, dan 25% di S3 sebagai hasilnya (tidak
ditampilkan), yang juga konsisten dengan yang didasarkan
pada data LDD. Diperdebatkan, jumlah yang wajar dari total
area terbangun di S3 mungkin secara teoritis tidak
mengklasifikasikannya sebagai lokasi pedesaan yang ideal.
Dalam konteks saat ini, itu tetap digunakan sebagai kandidat
lokasi pedesaan terbaik kami. Mengingat klasifikasi zona iklim
lokal [6], mengingat informasi yang tersedia, Su tampaknya
cocok dengan zona iklim lokal (LCZ) Tipe 2 (compact midrise)
sementara Sr kira-kira cocok dengan LCZ Tipe 9 (terbentuk
jarang).
Machine Translated by Google

ScienceAsia 46 (2020) 217

Cakupan temporal dari data tiga jam di Su dan Sr

adalah dari 2006–2015 (10 tahun). Jumlah nilai yang
tidak hilang (yaitu valid) ditemukan setidaknya 85%
untuk setiap variabel (di sini, suhu, hujan, tutupan
awan, kelembapan relatif, dan angin) di setiap stasiun.
Mengingat data tiga jam, 10–19 LT (waktu setempat)
digunakan sebagai jam siang hari sedangkan jam
malam hari terdiri dari 22 LT (hari ini) dan 01–07 LT
(hari berikutnya).
Selain data tiga jam, data suhu maksimum dan
minimum harian jangka panjang (35 tahun, 1981–
2015) diperoleh dan dirata-ratakan sebagai suhu rata-
rata harian. Kedua stasiun umumnya memiliki tren
suhu positif yang signifikan (0,41 °C/dekade pada Su
dan 0,24 °C/dekade pada Sr , Gambar 2b), yang
dikaitkan dengan hasil gabungan dari urbanisasi dan
perubahan iklim (yaitu, pemanasan global) . Studi
sebelumnya [22, 25] melaporkan tren pemanasan
suhu di seluruh Thailand selama beberapa dekade
terakhir sebagai akibat dari perubahan iklim.
Mengingat kedua lokasi terletak di GBK, tren yang
lebih besar ditemukan di Su karena pengaruh
urbanisasi yang relatif tinggi.

HASIL DAN DISKUSI

Variasi bulanan dan diurnal dan perbedaan

akhir pekan hari kerja

Variasi bulanan (atau siklus tahunan) UHII menunjukkan

musiman untuk UHII siang dan malam hari (Gbr. 2c),
yang lebih besar (lebih kecil) pada musim kemarau
(basah) dalam hal rata-rata UHII. Pulau panas perkotaan
paling intensif selama Des–Jan. UHII maksimum
berdasarkan data tiga jam adalah sekitar 10 °C pada
bulan April. Menurut hal ini, musim kemarau adalah
penekanan utama dari penelitian ini. Perlu dicatat bahwa
musim hujan memiliki lebih banyak curah hujan,
menyebabkan kompleksitas mengingat tanah dan
kelembaban permukaan ada dengan baik dan dapat Gambar 3 (a) Siklus diurnal UHII, (b) siklus suhu diurnal di situs perkotaan
bertahan lama karena ingatannya yang panjang [31] dan (Su ) dan pedesaan (Sr ), (c) sama dengan (b) tetapi untuk laju pemanasan.
kemudian mempengaruhi kondisi iklim, termasuk suhu, Semua angka adalah musim kemarau tahun 2006–2015.
melalui proses permukaan tanah. Analisis UHI untuk
musim hujan mungkin tidak sesederhana itu dan
memerlukan penanganan yang hati-hati, yang berada di
luar cakupan penelitian ini. UHII malam hari umumnya menjadi hangat setelah matahari terbit dan puncaknya pada
lebih kuat daripada rekan siang hari seperti yang sore hari (Gbr. 3b). Seperti yang terlihat, permukaan pedesaan
dilaporkan dalam [10, 16, 19, 27, 28]. Pulau sejuk (yaitu, (atau udara) biasanya lebih cepat panas di siang hari dan lebih
pulau panas perkotaan negatif) juga hadir setiap bulan. cepat dingin di malam hari. Untuk menjelaskan hal ini, laju
UHII bervariasi dengan jam dalam sehari, seperti yang pemanasan udara permukaan di setiap lokasi perkotaan dan
terlihat pada Gambar 3a untuk musim kemarau. pedesaan diperiksa (Gbr. 3c), yang didefinisikan sebagai berikut:
Intensitasnya relatif tinggi, mulai dari 22 LT hingga 7 LT.
Rata-rata UHII di Kota Singapura memuncak pada 21 ÿT
= Tn ÿ Tnÿ3 ,
LT (yaitu, beberapa jam setelah matahari terbenam) [19]. Secara umum, baik permukaanÿt perkotaan maupun pedesaan
N tn ÿ tnÿ3

www.scienceasia.org
Machine Translated by Google

218 ScienceAsia 46 (2020)

dari situs perkotaan dan pedesaan ditemukan di 18 LT.

5
Hari kerja Akhir pekan Apakah pulau panas perkotaan bergantung pada panas
4 antropogenik (yang dihasilkan manusia) merupakan
3
kepentingan tambahan karena daerah perkotaan biasanya
mengkonsumsi energi yang cukup besar, yang akhirnya
2
SUHU
( °C)
terdisipasi menjadi panas. Sumber panas antropogenik di
1 daerah perkotaan meliputi transportasi, pendinginan dan
pemanasan gedung, manufaktur dan penerangan [1, 2, 29].
0
Dalam konteks keseimbangan energi permukaan, panas
ÿ1 tersebut dapat menambah panas sensitif, meningkatkan
ÿ2 suhu udara permukaan. Di sini, UHII dan suhu selama hari
Hari Malam kerja (yaitu, hari kerja) dan periode akhir pekan dibandingkan.
Sen–Jum ditetapkan sebagai hari kerja, dan Sabtu–Minggu
36
Hari kerja
ditetapkan sebagai akhir pekan. Diperkirakan penggunaan
34 Pedesaan Perkotaan Akhir pekan energi atau emisi panas menjadi lebih besar selama hari kerja
32 baik di perkotaan maupun pedesaan, menyebabkan suhu
hari kerja lebih tinggi daripada akhir pekan untuk semua
30
Perkotaan
kasus (Gbr. 4b). Namun, untuk pulau panas perkotaan, hanya
28
Suhu
( °C)

Pedesaan
UHII malam hari yang menunjukkan kontras 0,1 °C (signifikan
26 pada tingkat 0,1) antara dua periode (Gbr. 4a). Hal ini
24 sebagian disebabkan karena pada malam hari, akhir pekan
perkotaan mengalami penurunan aktivitas manusia yang lebih
22
nyata daripada akhir pekan pedesaan. Dengan demikian,
20
dapat dikatakan bahwa UHII dan suhu bergantung pada
Hari Malam
panas antropogenik tetapi pada tingkat yang kecil sedangkan
Gambar 4 UHII dan suhu selama periode hari kerja (Senin–Jumat) dan tutupan lahan merupakan faktor utama yang mempengaruhi
akhir pekan (Sabtu–Minggu). Semua angka adalah musim kemarau tahun UHII untuk wilayah studi. Perlu dicatat bahwa uji jumlah
2006–2015. peringkat Wilcoxon non-parametrik digunakan untuk menguji
signifikansi statistik perbedaan rata-rata dua sampel.

di mana suku sebelah kiri adalah laju pemanasan pada jam

saat ini tn , Tn adalah suhu pada tn , dan Tnÿ3 adalah suhu
pada tiga jam sebelumnya (diberikan data tiga jam). Di kedua
lokasi, laju pemanasan (suhu pada 10 LT dikurangi pada 7
LT) memuncak pada 10 LT (5,8 °C/3 jam) sedangkan laju
pendinginan maksimal (ÿ4,5 °C/3 jam) adalah pada 19 LT,
tetapi dengan magnitudo yang lebih besar di lokasi pedesaan.
Hal ini dapat dijelaskan dengan konsep penerimaan termal.
Dari sub-bagian sebelumnya (Data), lokasi perkotaan dan
pedesaan masing-masing didekati dengan LCZ tipe 2 dan 9,
yang memiliki nilai penerimaan termal yang sesuai sebesar
1200–2200 dan 1000– 1800 Jmÿ2 s ÿ0.5K ÿ 1 , masing-
masing (sebagai nilai yang disarankan diberikan dalam
Stewart dan Oke [6]). Penerimaan termal adalah properti
permukaan atau material untuk menyerap / melepaskan dan
menyimpan panas. Nilai yang lebih kecil di lokasi pedesaan
sesuai dengan waktu yang lebih pendek (yaitu, lebih cepat)
dari permukaan pedesaan untuk menanggapi dan menyimpan
radiasi matahari yang diserap sebagai panas, yang terutama
disebabkan oleh adanya area yang lebih terbuka dengan lebih sedikit
Dibandingkan dengan studi Kota Singapura menggunakan
data per jam [19], laju pendinginan paling maksimal
Faktor meteorologi dan ketergantungan arah
UHII diketahui
dipengaruhi oleh variabel meteorologi lainnya seperti hujan
(R), tutupan awan (CC), dan kelembaban relatif (RH). Dua
variabel pertama diketahui terkait dengan keseimbangan
energi permukaan, di mana mereka memodulasi radiasi
matahari dan mempartisi panas dari permukaan ke atmosfer
menjadi panas sensibel dan laten [30]. Kelembaban relatif
adalah ukuran kelembaban yang tersedia di udara relatif
terhadap kondisi jenuh, yang bergantung pada suhu mengikuti
hubungan Clausius-Clapeyron dimana kelembaban relatif
menurun dengan peningkatan suhu. Secara umum,
kelembaban relatif juga dikaitkan dengan hujan dan awan
dalam arah yang sama. Selain kondisi cuaca perkotaan di
lokasi perkotaan, dimungkinkan untuk memasukkan perbedaan
perkotaan-pedesaan dari variabel meteorologi karena UHII
juga dapat dipengaruhi oleh kondisi cuaca pedesaan. Liu et
al [31] menemukan bahwa urbanisasi cenderung menurunkan
kelembapan di wilayah Beijing, menyebabkan kontras
kelembapan
perkotaan-pedesaan. Untuk angin, besar
bangunan.

www.scienceasia.org
Machine Translated by Google

ScienceAsia 46 (2020) 219

Tabel 1 Korelasi antara UHII musim kemarau siang dan malam hari dengan variabel meteorologi dan hasil MLR.

(a) Korelasi

Variabel
UHIIday Malam
Ru (mm/3 jam) ÿ0,24 (N = 1748) ÿ0,32 (N = 1750)
ÿRuÿr (mm/3 jam) ÿ0,28 (N = 1748) ÿ0,21 (N = 1750)
CCu (deka, dalam sepersepuluh) ÿ0,22 (N = 1750) ÿ0,42 (N = 1750)
ÿCCuÿr (deka, dalam sepersepuluh) ÿ0,14 (N = 1750) 0,16 (N = 1750)
RHu (%) ÿ0,66 (N = 1750) ÿ0,46 (N = 1750)
ÿRHuÿr (%) ÿ0,87 (N = 1750) ÿ0,65 (N = 1750)
WSu (m/dtk) 0,00 (N = 1742) ÿ0,09 (N = 1419)

(b) MLR R2

UHIIhari ( °C) = 0,384 ÿ 0,024ÿRuÿr ÿ 0,108ÿRHuÿr ÿ 0,225WDu (SW) + 0,366 Koefisien PER 0,83
(kesalahan standar, nilai-p): Perpotongan
(0,039, < 0,01), ÿRuÿr (0,003, < 0,01), ÿRHuÿr (0,003, < 0,01), WDu (SW) (0,042, < 0,01), (N = 1727)
PER (0,013, < 0,01)

UHIImalam ( °C) = 1,234 ÿ 0,101ÿRHuÿr ÿ 0,109 CCu ÿ 0,120 WSu + 0,323 WDu (SW) + 0,353 PER Koefisien 0,65
(kesalahan standar, nilai p): Intersepsi
(0,085, < 0,01), ÿRHuÿr (0,003, < 0,01), CCu (0,009, < 0,01), WSu (0,041, < 0,01), WDu (SW) (0,060, < 0,01), (N = 1338)
PER (0,019, < 0,01)

N adalah jumlah pasangan atau record yang digunakan dalam perhitungan. Semua hasil korelasi secara statistik signifikan pada tingkat
0,05. WDu (·) adalah arah angin rata-rata vektor perkotaan yang nilainya 0 dan 1. WDu (SW) sesuai dengan angin barat daya, diwakili
oleh kuadran ketiga seperti yang terlihat pada plot kutub (Gbr. 5a). PER (°C) adalah persistensi kondisi UHI.

N N turun oleh kekasaran permukaan yang relatif besar karena

10 10 adanya struktur yang dibangun tinggi atau cukup besar, yang
8 8

6 wsp 4 6 wsp merupakan kasus daerah perkotaan di Bangkok [32].

4
2 2 Dengan demikian, angin perkotaan pada dasarnya merupakan variabel
DI DALAM DAN
DI DALAM DAN

penting.

Di sini, analisis korelasi dilakukan untuk memeriksa

hubungan umum UHII pada musim kemarau dan hujan (R),
S S tutupan awan (CC), dan kelembaban relatif (RH) di lokasi
perkotaan serta perbedaan perkotaan-pedesaan, dan kecepatan
ÿ6 ÿ4 ÿ2 0 2 4 6 ÿ6 ÿ4 ÿ2 0 2 4 6 angin perkotaan (Tabel 1), dilambangkan dengan Ru , ÿRuÿr ,
50%
SUHU (°C) 50%
SUHU (°C)

N N
CCu , ÿCCuÿr , RHu , ÿRHuÿr , dan WSu .
40% 40%

30% 30%
Ditemukan bahwa UHII (siang dan
20% 20% malam) secara signifikan berkorelasi negatif dengan semua
10%
10%
variabel untuk sebagian besar kasus (12 dari 14). Untuk Ru dan
DI DALAM DAN DI DALAM DAN

ÿRuÿr , korelasi berkisar dari ÿ0.32 hingga ÿ0.21. Hujan membawa

S S
0 sampai 2 2 sampai 4 4 sampai 6 6 sampai 8 8 sampai 10 > 10
Kecepatan Angin (m sÿ1 )
Gambar 5 Plot kutub UHII dan diagram mawar angin berdasarkan
angin perkotaan pada musim kemarau tahun 2006–2015.
kecepatan angin (WS) dapat mendorong panas keluar kota dan
meningkatkan pencampuran panas vertikal, mengurangi UHII [27].
Tapi angin di dalam kota bisa sangat diperlambat
0 sampai 2 2 sampai 4 4 sampai 6 6 sampai 8 8 sampai 10 > 10
Kecepatan Angin (m sÿ1 )
lebih banyak uap air ke permukaan, dan kemudian permukaan
mengeluarkan lebih banyak panas laten dan panas yang kurang
masuk akal ke udara, kemudian menurunkan suhu. Untuk CCu ,
korelasinya negatif (ÿ0,22) untuk siang hari. Pada siang hari,
awan memantulkan radiasi gelombang pendek kembali ke
atmosfer, menyebabkan lebih sedikit radiasi matahari di
permukaan yang tersedia untuk panas yang masuk akal. Di sisi
lain, pada malam hari, radiasi gelombang panjang yang
dipancarkan dari permukaan dapat ditangkap oleh awan dan
dipancarkan kembali ke permukaan, menghangatkan udara
permukaan. Sebaliknya, negatif

www.scienceasia.org
Machine Translated by Google
220
korelasi terlihat untuk malam hari (ÿ0,42), yang mungkin
disebabkan oleh efek bersih dari awan perkotaan dan
pedesaan. Namun, korelasi dengan ÿCCuÿr sejalan dengan
penjelasan fisika di atas yaitu negatif (ÿ0.14) untuk siang hari
dan positif (0.16) untuk malam hari. Korelasi dengan RHu
dan ÿRHuÿr adalah kuat secara negatif (>0,5), yang dapat
dijelaskan oleh efek gabungan dari hubungan Clausius
Claperon dan hubungan antara kelembapan, awan, dan
hujan (yaitu, semakin banyak kelembapan cenderung
menghasilkan lebih banyak awan /hujan, dan sebaliknya).
Dengan memeriksa korelasi untuk sembarang pasangan
Ru , CCu , dan RHu , hasilnya positif, mulai dari 0,2–0,6 (tidak
ditampilkan). Untuk WSu , tidak ada korelasi dengan UHII
yang teramati pada siang hari; korelasi malam hari negatif
kecil (ÿ0,09) tetapi masih signifikan. Perlu dicatat bahwa WSu
dihitung sebagai kecepatan angin rata-rata vektor sepanjang
siang/malam hari.
Ketergantungan arah UHII untuk musim kemarau di
siang dan malam hari diselidiki menggunakan plot kutub [33]
(Gbr. 5). Diagram mawar angin yang merespons kor juga
diberikan. Perlu dicatat bahwa plot kutub menampilkan
kuantitas yang menarik (di sini, UHII) sebagai fungsi kecepatan
(digunakan dalam plot kutub) juga dimasukkan sebagai
dan arah angin, sedangkan diagram mawar angin menampilkan variabel faktor (yang nilainya 0 atau 1). Di sini, empat sektor
frekuensi kemunculan angin berdasarkan sektor angin dan atau kuadran angin utama dipertimbangkan, yaitu NE (timur
interval kecepatan. Baik plot kutub maupun diagram mawar laut), SE (tenggara), SW (barat daya), dan NW (barat laut).
angin menggunakan definisi standar arah angin yaitu angin
bertiup ke arah tengah dan sudutnya searah jarum jam dari
sumbu utara. Diagram angin naik untuk siang dan malam hari
serupa, menunjukkan dua angin yang berlaku (timur laut timur
dan selatan-barat daya). Yang pertama terutama disebabkan
oleh musim timur laut, tetapi yang terakhir adalah kombinasi
dari angin laut dan angin Teluk musim panas. Angin laut
umumnya hadir dengan baik di sepanjang wilayah pesisir di
sebelah timur dan tengah Thailand di tengah musim kemarau
[32, 34].
Angin Teluk regional (nama lokal: angin Tapao) bertiup dari
tengah Teluk Thailand ke arah utara pada akhir musim
kemarau. UHII siang hari relatif kuat di kuadran pertama
(yaitu, timur laut) tetapi relatif lemah di kuadran ketiga (barat
daya). Intensitas yang lebih lemah di kuadran ketiga mungkin
sebagian disebabkan oleh angin selatan yang sejuk dari
Teluk atau udara hangat dari inti kota yang bergerak ke utara
ke daerah pedesaan oleh angin selatan. Yang pertama
menurunkan suhu perkotaan sedangkan yang kedua
menaikkan suhu pedesaan, yang masing-masing menurunkan
UHII. Hipotesis ini tetap tunduk pada penyelidikan lebih lanjut,
yang tidak dalam ruang lingkup penelitian ini. UHII malam
hari cenderung kuat dan lebih seragam ke segala arah
www.scienceasia.org
ScienceAsia 46 (2020)
dibandingkan dengan rekan siang hari dengan kuadran ketiga
(barat daya) dan keempat (barat laut) menjadi yang paling
intens.
Hubungan statistik
Umumnya berguna untuk merumuskan hubungan statistik
UHII dan faktor-faktor terkaitnya, yang dapat membantu
mengidentifikasi seperangkat variabel yang mempengaruhi
lahan panas perkotaan. Regresi linier berganda (MLR) telah
diterapkan dalam studi pulau panas perkotaan [28, 35]. Itu
diadopsi di sini karena kesederhanaan dan kekuatan penjelas
yang dapat diterima untuk varian total (seperti yang
ditunjukkan nanti). Dalam penelitian ini, tujuh variabel
teorologis harian yang dibahas sebelumnya (Tabel 1a)
dipertimbangkan. Selain itu, UHII per sisten (PER) sehari-
hari dimasukkan untuk mewakili kemungkinan pengaruh
kondisi masa lalu terhadap kondisi saat ini (yaitu, memberikan
status latar belakang), yang kemudian dapat meningkatkan
prediktabilitas UHII dari MLR. Persistensi UHII ditetapkan
sebagai nilai UHII pada hari sebelumnya, yang ternyata
berkorelasi baik dengan UHII hari ini (0,8 untuk siang hari
dan 0,7 untuk malam hari). Arah angin perkotaan (WD)
Oleh karena itu, total sembilan digunakan sebagai input awal
atau variabel penjelas untuk MLR di bawah ini:
N
KOLEKSI = aXi + b,
saya=1
di mana ai dan b masing-masing adalah koefisien dari variabel
penjelas (Xi ) dan intersep. Dalam pemodelan MLR, variabel
awal tertentu yang berkorelasi kuat dengan yang lain
dikeluarkan untuk menghindari masalah kolinearitas.
Penghapusan bertahap mundur diterapkan pada pemilihan
variabel untuk mencapai sekumpulan variabel akhir yang
hemat dalam regresi. Kecukupan masing-masing model
regresi juga diperiksa menggunakan plot diagnostik (untuk
linieritas, normalitas, kesalahan konstan, dan outlier yang
berpengaruh), dan ternyata dapat diterima. Variasi total dalam
data UHII siang hari asli ditangkap setinggi 82% sedangkan
UHII malam hari dijelaskan oleh 66% (Tabel 1b). Sebagian
besar variabel meteorologi pada model akhir memiliki koefisien
negatif, sesuai dengan hasil korelasi pada Tabel 1a.
Sedangkan untuk arah angin, hanya angin barat daya yang
akhirnya dipertahankan. Koefisiennya negatif (ÿ0,23 °Cÿ1 )
Machine Translated by Google

ScienceAsia 46 (2020) 221

dan intens (< ÿ1 °C). Ditemukan bahwa sekitar 19% dan 9%

dari total catatan tiga jam masing-masing terdaftar sebagai
dua kasus (Gbr. 6a). Sebagian besar kejadian (> 90%)
ditemukan pada siang hari (10-19 LT, dengan frekuensi puncak
terlihat pada 16 LT) untuk kedua kasus (Gbr. 6b). Bentuk
sebaran intensitas pulau sejuk pada setiap jam (Gbr. 6c)
cenderung miring (berekor panjang) tidak seperti UHII (Gbr.
3a) yang tampak kurang miring atau lebih berdistribusi normal.
Pada sore hari (13–16 LT), pulau sejuk lebih terlihat, dengan
intensitas rata-rata dan maksimalnya masing-masing lebih
besar dari 1 °C dan 8 °C (dalam magnitudo). Apa yang
menyebabkan atau mempengaruhi pulau sejuk siang hari
seperti itu? Untuk menjawabnya, tujuh variabel yang tercantum
pada Tabel 1a dikunjungi kembali. Hipotesis kami adalah
bahwa pulau sejuk sebenarnya tidak terjadi seperti peristiwa
yang diharapkan secara normal, dan pergeseran ke UHII
negatif lebih disebabkan oleh pergeseran intens kontras
perkotaan-pedesaan (berlawanan dengan variabel perkotaan-
sendiri). Dengan demikian, nilai rata-rata Ru , ÿRuÿr , CCu ,
ÿCCuÿr , RHu , dan WSu dinilai untuk ÿRHuÿr berikut , dalam
tiga kasus UHII (positif atau 0, negatif atau < 0, dan negatif
semua besar atau < ÿ1) (Gbr. 7). Terlihat jelas bahwa
variabel perkotaan dan perkotaan-pedesaan berubah ke arah
yang sama (dari nilai rendah ke tinggi) dengan kasus UHII,
yang sesuai dengan hasil korelasi. Dengan demikian, dapat
dikatakan bahwa cool island diinduksi oleh peningkatan
intensitas dari satu atau lebih variabel tersebut.

KESIMPULAN

Temuan utama dari studi saat ini adalah sebagai berikut: (a)
Pulau
Gambar 6 (a) Histogram UHII negatif, (b) variasi diurnal frekuensi UHII
panas perkotaan meningkat pada musim kemarau, terutama
negatif, dan (c) siklus diurnal UHII negatif (musim kemarau tahun 2006–
pada Des–Jan. UHII relatif besar pada malam hari karena
2015).
laju pendinginan yang lebih cepat pada sore hari di lokasi
pedesaan di mana penerimaan panas permukaan lebih
rendah daripada di lokasi perkotaan.
untuk model siang hari tetapi positif (0,32 °Cÿ1 ) pada model
malam hari, yang sesuai dengan hasil plot kutub di mana UHII
(b) UHII sedikit lebih besar selama hari kerja daripada akhir
masing-masing tampak ditekan dan diperkuat di kuadran ketiga.
pekan, menunjukkan pengaruh tertentu dari panas
Ketekunan juga terbukti menjadi variabel penting lainnya dalam
antropogenik dan tutupan lahan sebagai faktor utama
model regresi.
yang mempengaruhi UHII. Dengan demikian, perhatian
harus diberikan pada tutupan lahan dalam mitigasi pulau
panas
Kondisi pulau yang sejuk
perkotaan. (c) UHII berkorelasi negatif dengan hujan perkotaan,
Telah ditunjukkan sebelumnya (Gbr. 2c dan Gbr. 3a) bahwa hujan perkotaan-pedesaan, dan kecepatan angin
pulau sejuk (UHII < 0 °C) terdapat di Bangkok. perkotaan. Pada siang hari, korelasi negatif antara awan
Di sini, pulau sejuk di musim kemarau diinvestigasi, melengkapi larangan dan awan perkotaan-pedesaan berpotensi
pulau panas perkotaan musim kemarau yang telah dibahas disebabkan oleh lebih banyak radiasi gelombang pendek
selama ini. Dua kondisi pulau sejuk dipertimbangkan: all- yang dipantulkan oleh awan. Pada malam hari, korelasi
inclusive (UHII < 0 °C) positif dengan awan perkotaan-pedesaan diamati karena kemungkinan

www.scienceasia.org
Machine Translated by Google
222
SAYA II III SAYA
SAYA
SAYA II III
Gambar 7 Perbedaan tutupan awan perkotaan-pedesaan, hujan, dan kelembaban relatif dengan kasus UHII. Hasilnya didasarkan pada
data tiga jam selama 10–19 LT, musim kemarau 2006–2015.
radiasi gelombang panjang yang terperangkap oleh
awan dan dipancarkan kembali ke bawah. Kelembaban
relatif perkotaan dan kelembaban relatif perkotaan-
pedesaan berkorelasi negatif dengan
UHII. (d) Model regresi UHII siang dan malam dapat
menjelaskan variabilitas data asli dan dengan demikian
memiliki potensi pemanfaatan dalam peramalan harian
permintaan energi atau listrik terkait cuaca. (e)
Fenomena pulau sejuk umumnya disebabkan
oleh kontras perkotaan-pedesaan tertentu yang
menguntungkan dalam hal hujan, tutupan awan, dan
kelembapan relatif.
Aspek lain yang terkait dengan pulau panas perkotaan
di Bangkok didorong untuk studi masa depan misalnya,
penerapan pemodelan numerik, pola atmosfer sinoptik, dan
perubahan tutupan lahan dengan penilaian spasial. Polutan
udara (terutama partikulat) juga dapat mempengaruhi urban
heat island karena mempengaruhi radiasi matahari dan
visibilitas [36], kemudian memodulasi suhu udara. Terakhir,
mengingat Thailand juga mengalami suhu yang sangat tinggi
[37], pengembangan pulau panas perkotaan dalam kondisi
panas seperti itu menjadi perhatian tambahan.
www.scienceasia.org
ScienceAsia 46 (2020)
II III
SAYA II III SAYA II III
II III
AKU II III
Ucapan Terima Kasih: Para penulis dengan tulus berterima
kasih kepada Departemen Meteorologi Thailand untuk data
pengamatan. Studi ini didukung secara finansial terutama
oleh Joint Graduate School of Energy and Environment dan
Postgraduate Education and Research Development Office,
dan sebagian oleh National Research Council of Thailand dan
Asahi Glass Foundation.
REFERENSI
1. Oke TR (1987) Iklim Lapisan Batas, edisi ke-2,
Routledge Press, London, Inggris.
2. Grimmond CSB (1992) Neraca energi pinggiran kota:
pertimbangan metodologis dan hasil untuk kota pantai barat
garis lintang tengah di bawah kondisi musim dingin dan
musim semi. Int J Climatol 12, 481–497.
3. Roth M (2013) Pulau panas perkotaan. Dalam: Fernando
HJS (ed) Handbook of Environmental Fluid Dynamics, CRC,
hal 143–159.
4. Schwarz N, Schlink U, Franck U, Groÿmann K (2012)
Hubungan permukaan tanah dan suhu udara dan
implikasinya untuk mengukur indikator pulau panas
perkotaan – Aplikasi untuk kota Leipzig (Jerman). Ecol
Indic 18, 693–704.
5. Srivanit M, Hokao K, Phonekeo V (2012) Menilai dampak
urbanisasi terhadap lingkungan termal perkotaan
Machine Translated by Google
ScienceAsia 46 (2020)
ronment: Studi kasus Bangkok Metropolitan. Int J Appl Sci
Technol 9, 83–100.
6. Stewart ID, Oke TR (2012) Zona iklim lokal untuk studi suhu
perkotaan. Banteng Am Meteorol Soc 12, 1879–1900.
7. Li D, Bou-Zeid E (2013) Interaksi sinergis antara pulau panas
perkotaan dan gelombang panas: The
dampak di kota-kota lebih besar daripada jumlah bagian-bagiannya.
J Appl Meteorol Climatol 52, 2051–2064.
8. McMichael AJ, Wilkinson P, Kovats RS, Pattenden S, Hajat S,
Armstrong B, Vajanapoom N, Niciu EM, dkk (2008) Studi
internasional tentang suhu, panas, dan kematian perkotaan:
Proyek ISOTHURM. Int J Epidemiol 37, 1121–1131.
9. Oke TR (1973) Ukuran kota dan pulau panas perkotaan.
Lingkungan Atmos 7, 769–779.
10. Liu W, Ji C, Zhong J, Jiang X, Zheng Z (2007)
Karakteristik temporal dari pulau panas perkotaan Beijing.
Theor Appl Climatol 87, 213–221.
11. Roth M (2007) Review penelitian iklim perkotaan di daerah
(sub)tropis. Int J Climatol 27, 1859–1873.
12. Stewart ID (2011) Tinjauan sistematis dan kritik ilmiah terhadap
metodologi dalam literatur urban heat island modern. Int J
Climatol 31, 200–217.
13. Santamouris M (2015) Menganalisis besarnya dan karakteristik
pulau panas di seratus kota dan wilayah Asia dan Australia.
Sci Total Lingkungan 512–513, 582–598.
14. BMA (2018) Bangkok saat ini (bagian: sejarah dan urbanisasi).
Administrasi Metropolitan Bangkok, Thailand. Tersedia di:
203.155.220.230/m. info/nowbma. [dalam bahasa Thailand]
15. Boonjawat J, Niitsu K, Kubo S (2000) Pulau panas perkotaan:
polusi termal dan perubahan iklim di Bangkok. J Sembuhkan
Sci 9, 49–55.
16. Jongtanom Y, Kositanont C, Baulert S (2011) Variasi temporer
intensitas pulau panas perkotaan di tiga kota besar, Thailand.
Mod Appl Sci 5, 105–110.
17. Pakarnseree R, Chunkao K, Bualert S (2018) Karakteristik fisik
Bangkok dan fenomena urban heat island. Bangun Lingkungan
143, 561–569.
18. Ongsomwang S, Dasananda S, Prasomsup W (2018)
Fenomena pulau panas perkotaan spatio-temporal sebagai
penilaian menggunakan citra Landsat: studi kasus Metropolitan
Bangkok dan sekitarnya, Thailand. Di lingkungan Nat Resource
J 16, 29–44.
19. Chow WTL, Roth M (2006) Dinamika temporal pulau panas
perkotaan Singapura. Int J Climatol 26, 2243–2260.
20. Camilloni I, Barrucand M (2012) Variabilitas temporal Buenos
Aires, Argentina, pulau panas perkotaan.
Theor Appl Climatol 107, 47–58.
21. Mohsin T, Gough WA (2012) Karakterisasi dan estimasi pulau
panas perkotaan di Toronto: Dampak pemilihan lokasi
pedesaan. Theor Appl Climatol 108, 105–117.
223
22. Torsri K, Octaviani M, Manomaiphiboon K, Towpray oon, S
(2012) Rerata regional dan karakteristik variabilitas suhu dan
curah hujan di atas tanah Thailand pada tahun 1961–2000
dengan model iklim regional dan evaluasinya . Theor Appl
Climatol 113, 289–304.
23. TMD (2017) Iklim Thailand, Departemen Meteorologi Thailand,
Thailand. Tersedia di: www.tmd. go.th/en/archive/
thailand_climate.pdf.
24. Yang X, Hou Y, Chen B (2011) Mengamati pemanasan
permukaan yang disebabkan oleh urbanisasi di Cina timur. J
Geophys Res 116, ID D14113.
25. Limjirakan S, Limsakul A (2012) Mengamati tren suhu udara
permukaan dan ekstremnya di Thailand dari tahun 1970 hingga
2009. J Meteor Soc Japan 90, 647–662.
26. Jin MS, Mullens T (2014) Sebuah studi tentang hubungan antara
kelembaban tanah, suhu tanah, dan suhu permukaan
menggunakan pengamatan ARM dan simulasi CLM4 offline.
Iklim 2, 279–295.
27. Kim YH, Baik JJ (2002) Intensitas pulau panas perkotaan
maksimum di Seoul. J Appl Meteorol 41, 651–659.
28. Memon RA, Leung DYC, Liu CH (2009) Investigasi intensitas
pulau panas perkotaan (UHII) sebagai indikator pemanasan
perkotaan. Atmos Res 94, 491–500.
29. Taha H (1997) Iklim perkotaan dan pulau panas: albedo,
evapotranspirasi, dan panas antropogenik.
Bangun Energi 25, 99–103.
30. He BJ (2018) Potensi karakteristik meteorologi dan kondisi
sinoptik untuk memitigasi efek urban heat island. Iklim
Perkotaan 24, 26–33.
31. Liu W, You H, Dou J (2009) Kelembaban perkotaan dan
perbedaan suhu di wilayah Beijing. Theor Appl Climatol 96,
201–207.
32. Paton C, Manomaiphiboon K (2013) Kajian sumber daya angin
metropolitan untuk Bangkok, Thailand bagian 1: pemetaan
sumber daya angin. J Lingkungan Energi Berkelanjutan 4, 69–
76.
33. Carslaw DC, Ropkins K (2012) Openair – paket R untuk analisis
data kualitas udara. Perangkat Lunak Model Lingkunganw 27–
28, 52–61.
34. Phan TT, Manomaiphiboon K (2012) Mengamati dan
mensimulasikan karakteristik angin laut di wilayah pesisir
Rayong , Thailand. Meteorol Atmos Phys 116, 98–111.
35. Hoffmann P, Krueger O, Schlünzen KH (2012) Model statistik
untuk pulau panas perkotaan dan penerapannya pada
skenario perubahan iklim. Int J Climatol 32, 1238–1248.
[ Artikel gratis PMC ] [ PubMed ] 36. Aman N, Manomaiphiboon K,
Pengchai P, Suwanathada P, Srichawanae J, Assareh N (2019).
Visibilitas yang diamati jangka panjang di Thailand Timur:
Variasi temporal, asosiasi dengan polutan udara dan faktor
meteorologi, dan tren. Suasana 10, nomor 122.
37. Christidis N, Manomaiphiboon K, Ciavarella A, Stott PA (2018)
April 2016 yang panas dan kering di Thailand.
Bul Amer Bertemu Soc 99, S128–S132.
www.scienceasia.org