Over het UHI effect heb ik in het verleden wel vaker geschreven. Aanleiding voor een nieuw artikel is een recente publicatie van Roy Spencer, John Christy en William Braswell getiteld “ Urban Heat Island Effects in U.S. Summer Surface Temperature Data, 1895-2023”.

Het UHI effect is kort gezegd het effect dat verstedelijking heeft op de temperatuur. Het UHI effect op de luchttemperatuur is in zomerse nachten maximaal en voornamelijk te wijten aan de vervanging van vegetatie en luchtdoorlatende bodems door gebouwen en ondoordringbare bestrating. Antropogene hittebronnen zoals airco’s spelen ook een rol.  Daardoor verandert het lokale dag-nacht energiebudget van zon (input) en infrarode straling (output), verdamping en convectie,  in vergelijking met ongerepte omstandigheden.

Fig.1    Bron: Van Hove 2011

Figuur 1 toont de temperatuurverschillen in de stad Rotterdam op de zomeravond van 6 augustus 2009 tussen 22u en 24u. Het maximale temperatuurverschil is ongeveer 6 °C, met de maximum temperaturen in het centrum gemeten. Het maximale UHI-effect van de grote Nederlandse steden wordt geschat op 4 tot 9 °C en is maximaal in zomerse nachten. Het gemiddelde effect op bijvoorbeeld de jaarlijkse temperatuur is uiteraard veel lager.

Een paar jaar geleden heb ik een uitgebreid artikel geschreven over het UHI effect in Nederland. De bakfietsmethode in figuur 1 laat wel fraai het UHI van Rotterdam zien op een bepaalde zomeravond, maar als je dat voor het hele land wilt doen moet je toch een andere methodiek hanteren. Ik maakte daarom in het artikel uit 2022 gebruik van de slimme methodiek bedacht door het RIVM en VITO (Vlaams Instituut voor Technologisch Onderzoek). De kaart van figuur 2 kunt u vinden in de Atlas Natuurlijk Kapitaal.

Fig.2   Bron: Atlas Natuurlijk Kapitaal

De kaart van figuur 2 met cellen van 10x10m  geeft het stedelijk hitte-eiland effect (UHI) weer, het gemiddelde luchttemperatuurverschil tussen de stedelijke en omliggende landelijke gebieden in °C Uit onderzoek blijkt dat het UHI-effect op stadsniveau op basis van twee variabelen goed te voorspellen is: bevolkingsdichtheid in de stad en binnen een straal van 10 km rondom de stad, en de windsnelheid op 10 meter hoogte. Op basis van deze twee variabelen werd in een model gemaakt om de maximale UHI in een stad te bepalen.

Daarna werden de effecten van omgevingsfactoren in het model gebracht. Verharding (bebouwing), groen (vegetatie) en blauw (water) hebben op kleinere schaal invloed op de windsnelheid en de hoeveelheid warmte die wordt vastgehouden. Op basis van verharding en de mate van groen en blauw in een straal van 1km om een locatie werd dan de maximale UHI naar beneden bijgesteld. Voor deze berekening werd gebruik gemaakt van de landgebruikskaart van het CBS op 10m resolutie en de groenkaarten die door RIVM zijn ontwikkeld (% groen per 10m cel). Groen heeft op lokale schaal nog een extra verkoelend effect. Op basis van lokaal groen in een straal van 30m om een locatie is de actuele UHI per locatie bepaald.

Het nadeel van de overigens fraaie methodiek van RIVM en VITO is dat die een momentopname geeft van het UHI, het is statisch. Spencer et al hebben bij hun onderzoek naar het UHI effect in de USA een geheel andere methodiek gevolgd. Zij wilden weten wat het UHI effect is geweest gedurende een lange periode op de temperatuurtrends van meetreeksen. Het kwantificeren van het UHI effect op de luchttemperatuur wordt bemoeilijkt door een grote verscheidenheid aan factoren en hoe deze in de loop der tijd zijn veranderd, zoals bevolkingsdichtheid, hoogte en dichtheid van gebouwen, wegen en parkeerplaatsen, warmtebronnen en de omvang van nederzettingen. Bovendien zijn de data over dergelijke factoren niet overal beschikbaar en als ze beschikbaar zijn beslaan ze een relatief korte periode.

Daarom hebben Spencer et al alleen gebruik gemaakt van bevolkingsdichtheid data, die in de USA al vanaf de 19^e eeuw beschikbaar zijn. Ze gebruikten de gemiddelde temperatuurverschillen tussen nabijgelegen weerstations en relateerden deze aan verschillen in bevolkingsdichtheid tussen de stations.  Op die manier konden ze berekenen hoe het UHI effect in de loop van de tijd is veranderd. De sterkste opwarming treedt op wanneer de bevolking nét begint toe te nemen als mensen zich ergens vestigen, en stabiliseert grotendeels bij zeer hoge bevolkingsdichtheden. De gebruikte classificatie van de bevolkingsdichtheid is rural (0,1-10 inw/km2), peri-rural (10-100 inw/km2), suburban (100-1000 inw/km2) en urban (> 1000 inw/km2).

Fig.3   Bron: Spencer et al 2025

De grafieken in figuur 3 geven voor de 4 dichtheidscategorieën de gemiddelde zomertemperatuur anomalieën vanaf 1895 (blauwe ononderbroken lijn), de lineaire trend van die gemeten temperaturen (rechte blauwe streepjeslijn), de polynominale (6^e orde) trendlijn (gebogen blauwe streepjeslijn) en het berekende UHI effect (rode lijn).

Te zien is dat het relatieve effect van het UHI op het temperatuurverloop 1895-2023 het kleinst is in rurale gebieden (8%) en het grootst in suburbane en urbane gebieden (65%). Dat verschil is natuurlijk niet verwonderlijk, maar dat het UHI effect voor 65% de opwarming van stedelijke gebieden verklaart is opvallend hoog. Het grootste deel van die UHI-effect opwarming vond plaats vóór 1970.

Fig.4  Bron: Spencer et al 2025

Spencer et al maakten voor de temperatuurreeksen gebruik van de ruwe (ongecorrigeerde) GHCN data. Dat zijn de temperatuurmetingen die niet zijn gewijzigd door homogenisatieprocessen van de Amerikaanse NOAA. Die homogenisaties worden in theorie gebruikt om trendbreuken als gevolg van instrumentwisselingen en locatieveranderingen ‘glad’ te strijken. Corrigeren heet dat eufemistisch. In werkelijkheid worden gemeten data vervangen door data die de uitkomst zijn van een statistische berekening en worden daardoor onbruikbaar voor analytisch onderzoek zoals gedaan door Spencer et al.