基于MODIS数据的上海市热岛效应研究

采用2003～2005年EOS／MODIS数据，运用分裂窗算法定量反演了上海市地表温度，以间接反映城市热岛的变化规律。研究表明，上海市冬季地表平均最高温度为13．9℃，春季、夏季和秋季分别为32．5℃、45．7℃和29．0℃；地表相对高温区的分布具有明显的季节变化特征，冬季地表相对高温区分布在市区东南方向，春季、夏季地表相对高温区向西北方向移动，秋季地表相对高温区开始向东南方向收缩；冬季市区表现为弱冷岛中心，春季、夏季和秋季均为热岛中心，其中夏季的热岛效应最为显著；冬季弱冷岛中心的地面温度低于郊区温度2．6℃，春季、夏季和秋季的平均热岛强度分别为5．7℃、10．4℃和4．2℃。     

基于多源遥感数据的济南市主要建成区热环境研究

城市热环境是反映城市环境状况的一个重要指标,本研究基于济南市快速城市化时期的Landsat-8遥感影像,利用遥感图像处理软件IDL8.5反演2016年济南市的地表温度(LST),得到济南市地表温度空间分布格局;并利用NPP-VIIRS夜间灯光数据提取济南市主要建成区范围及郊区范围,同时利用MODIS 8天温度产品,根据城郊温差法计算得到济南市主要建成区热岛强度信息,探究热岛强度的月及季节变化规律。研究发现白天热岛强度变化规律比较明显,夜间热岛强度比较稳定。同时,利用2016年谷歌影像提取济南市地表水体的分布数据,并采用剖面取样的方法在地表温度分布图上做出样点与其对应地表温度的分布曲线,研究发现水体和绿化植被的存在能显著地减缓城市热岛效应。     

基于遥感影像的城市热岛容量模型及其应用——以北京地区为例

城市热岛的定量化分析对于客观刻画热岛的物理特征、了解其对城市人居环境质量的影响等具有重要意义.针对区域尺度上城市热岛遥感研究缺乏定量、有效衡量指标的状况,为充分反映热岛信号的空间变化特征,按照热岛检测-热岛信号函数模拟-热岛容量建模的思路,建立了城市热岛容量模型.以北京城市热岛为对象的应用实例证明该模型能够综合热岛强度和热岛面积等多方面信息,满足城市热岛定量化分析的需求.研究结果表明,由于不同主导因子的影响,北京城市热岛存在显著的昼夜和季节差异.     

基于定量遥感的武汉城市热岛强度时空格局演变分析

应用定量遥感揭示武汉市热岛强度在不同季节和不同年份的时空格局演变.首先,选取2002年(1月,3月,7月,10月)及2000年,2004年,2010年7景ETM数据反演地表温度;其次,经热岛强度指数归一化地温数据,使数据间更具可对比性.对比2002年不同季节地温反演数据,分析武汉市热岛强度在不同季节的变化情况及形成原因.比较2000年,2004年,2010年三个不同年份地温数据,探讨热岛强度年际时空格局演变,建立LST与ndvi、城市热岛强度与水域面积间的相关关系,分析武汉市城区多年ndvi均值以及水域面积的时间变化趋势.结果显示:武汉市城市热岛强度存在明显的季节差异;年际热岛强度空间演变格局表现为以沿江地带为中心,以西北和东南两个方向为主向外延展;LST同ndvi呈负相关关系,其中ndvi值下降0.1,则地表温度上升约1.4℃;热岛强度同城市内水域面积大小亦呈负相关;对比分析了城区多年植被覆盖及水体面积变化趋势,总结出绿地等植被覆盖面积逐渐减小及湖泊面积逐步萎缩是造成武汉城市热岛强度增强的主要因素.     

昆明市热岛效应卫星监测研究

昆明市位于低纬度高原地区,东、西和北三面环山,南面为滇池。由于地形复杂,热岛效应与其他城市不同。利用美国极轨气象卫星NOAA/AVHRR1 、2 、4 通道资料研究,指出昆明市热岛最大强度与我国特大城市的热岛接近,可达7 ℃以上。热岛强度以秋冬最强,春季次之。热岛持续稳定性较差,变化较快,常有白昼热岛强度大于夜晚热岛强度现象发生。     

基于MODIS数据的上海市热岛效应的遥感研究

对2000,2005,2011年MODIS L1B数据,采用分裂窗算法定量反演了上海市地表温度,对上海市的热岛空间分布特征及规律,以及季节变化进行研究,分析了植被覆盖指数与地表温度之间的关系。研究结果表明,从2000年到2011年的11年间,上海高温区面积出现先增大后减小的过程。从高温区的四季分布来看,冬季高温区出现面积最小,而春夏高温区的面积最大,约占整个上海面积的一半。上海的春夏秋3季,植被指数与地面温度呈负相关关系,且相关系数大于0.6。因此可以通过增加绿化面积来减缓上海城市热岛效应。     

基于TM/ETM~+影像的绵阳春秋两季城市热环境特征对比分析

选取中等城市——四川省绵阳市为研究对象,以2000年(代表秋季)、2001年(代表春季)TM/ETM+遥感影像为数据源。在基于影像算法反演地表温度的基础上,对研究区春、秋两季热场剖面、建成区范围内热力景观斑块和城市热岛效应进行研究。结果表明:(1)无论春季还是秋季,地表温度高低与下垫面性质具有较大相关性,水体和植被覆盖较好的区域呈现低温,而水泥、沥青等不透水面温度较高;(2)秋季相对春季而言,温度相对较高的热力景观类型面积减少,而温度较低的热力景观类型面积增加。分析热力景观异质性指数发现,优势度指数值春季大于秋季,说明春季存在较明显的优势斑块;(3)运用城乡平均温度对比法和热岛面积指数法,计算春季热岛强度值为1.77℃,秋季热岛强度值为0.78℃,由此说明,在该时段内春季的城市热岛效应强于秋季。     

北京7·21暴雨时空分布特征及热岛-雨岛响应关系

以新中国成立以来北京地区发生单日最大降雨的2012年"北京7·21暴雨事件"作为研究对象,采用热带降雨观测计划(tropical rainfall measuring missio,TRMM)降雨数据、气象观测降雨数据和中分辨率成像光谱仪(MODIS)的地表温度(land surface temperature,LST)产品,利用空间插值、空间降尺度、精度评价及相关分析等方法分析北京7月21日暴雨的时空分布特点,定量研究城市"热岛-雨岛"时空响应关系。结果表明:从空间分布来看,强降雨发生北京南部;从TRMM的3 h降雨数据来看,随着时间推移最强雨带自西向东推进;经气象数据验证,降尺度的TRMM 3B42数据精度有所提高;LST对暴雨的影响表明热岛与雨岛在空间分布上存在一致性,且在雨强最大时段两者相关性最好。     

北京城区及奥林匹克公园热环境遥感动态监测与分析

本文利用MODIS、ASTER和TM等多源、多尺度遥感数据,基于遥感和GIS空间分析技术,从宏观和微观两个层面研究了从2003年到2008年北京城区及奥林匹克公园热岛效应的时空演变,并分析了下垫面(绿地系统、水系统)与热岛效应的关系.研究表明,宏观上,从2003年到2008年,北京城区及奥林匹克公园热岛强度虽然存在一定...     

城市下垫面覆盖类型变化对热岛效应影响的模拟研究

利用Landsat TM/ETM 卫星影像的热红外数据反演了武汉市的地表温度,定量地分析了1988~2002年武汉市热岛的时空分布;结合遥感手段和误差反向传播神经网络方法,动态地模拟了当汉口地区下垫面覆盖类型变化时的热岛分布情况,重点对绿地增加时热岛的变化作了详细的分析。结果显示,1988~2002年,武汉市城市热岛效应明显增强,绿地面积的增加能缓解局部热岛的范围和强度,绿地面积越大,热岛的缓冲范围越大,缓冲强度亦大。     

城区空气质量指数时空分布特征及影响机制分析

济南市是中国雾霾最严重的城市之一,探究该地区大气污染的时空分布及影响机制具有重要意义。利用地统计插值分析了济南市主城区AQI的时空分布特征,并利用地理探测器定量分析了AQI的风险因子及影响机制。研究结果表明,年际尺度上,济南市主城区AQI在时间上呈逐年降低趋势,在空间上大致呈现出东南低西北高的分布态势;季节尺度上,济南市主城区AQI在时间上具有鲜明的季节性差异,从高到低依次为冬季、春季、秋季、夏季,在空间上则呈现出春季和冬季东南低北部高、夏季整个主城区均低、秋季南低北高的分布态势;月尺度上,济南市主城区AQI呈现出典型的“U”形分布特征,最高值为1月和12月、最低值为8月;各因子交互作用的影响力远大于单因子的影响力,其中,土地利用类型∩年均降水量的交互作用对济南市主城区AQI的影响力最大。研究显示,济南市主城区AQI受土地利用类型和年均降水量的共同影响最大。     

Analysis of the Seasonal Variation of CO<Subscript>2</Subscript> Concentration in China Based on GOSAT Satellite Data

Carbon dioxide (CO₂) is one of the major gases that contribute to the global warming. Therefore, studying the distribution of CO₂ can help people understand the carbon cycle. Based on the GOSAT retrieved CO₂ products, the temporal and spatial distribution and seasonal variation of CO₂ concentration were analyzed from 2011 to 2015. CO₂ concentration has obvious seasonal variation. It was low in summer, and was high in spring, and the annual increase was about 2 ppm. Nevertheless, the annual growth rate of CO₂ concentration in summer was higher than that in spring, it was 0.5425% in summer and was 0.46% in spring. CO₂ concentration was low in the northwest and was high in the southeast. The growth rate of CO₂ was 2.8 ppm in the northwest and was 3.42 ppm in the southeast. More human’s activities made CO₂ concentration higher in the southeast than that in other regions.     

基于MODIS数据的长株潭地区城市热岛时空分析

基于MODIS影像,采用分裂窗算法反演的地表温度对长株潭地区城市热岛空间分布与季相变化特征、影响因子进行定量研究。结果表明,长株潭地区春季和夏季存在明显的城市热岛效应,而冬季和秋季城市热岛并不明显;地表覆盖类型对城市热岛的影响十分明显,长株潭地区春、夏、秋季植被绿地状况与城市热岛呈现明显负相关分布,其中以夏季最为明显,夏季地表温度与NDVI相关系数的平方R2达到0.8193,即植被覆盖对城市地表温度的影响显著。因此,城市植被的分布与季节变化影响着城市热岛的强度与时空分布,揭示出植被绿地对降低城市热岛效应具有重要的作用,大范围的绿地建设能有效降低城市热岛效应。     

Effects of vegetation cover on summer climate in China during 1982–2001

In this paper, we apply lagged correlation analysis to study the effects of vegetation cover on the summer climate in different zones of China, using NOAA/AVHRR normalized difference vegetation index (NDVI) data during the time period from 1982 to 2001 and climate data of 365 meteorological stations across China (precipitation from 1982 to 2001 and temperature from 1982 to 1998). The results show that there are positive correlations between spring NDVI and summer climate (temperature and precipitation) in most zones of China; these suggest that, when the vegetation cover increases, the summer precipitation will increase, and the lagged correlations show a significant difference between zones. The stronger correlations between NDVI in previous season and summer climate occur in three zones (Mid-temperate zone, Warm-temperate zone and Plateau climate zone), and this implies that vegetation changes have more sensitive feedback effects on climate in the three zones in China. Supported by the National 973 Program of China (No.2006CB701300), the National Natural Science Foundation of China (No.40721001), the Sino-Germany Joint Project (No. 2006DFB91920), the Open Fund of Shanghai Leading Academic Discipline Project (T0102) and the Open Fund of LIESMARS, Wuhan University.     

卫星遥感中国海域气溶胶特征分析

利用AERONET地基观测,验证MODIS Collection5(MODIS_C005)气溶胶产品在中国海域的适用性。利用其550nm气溶胶光学厚度(AOT550)和小颗粒比例(Fine Mode Fraction,FMF)对中国海域气溶胶分布进行分析,结合气象场对其形成机制进行探讨,结果表明:首先,MODIS_C005气溶胶产品在中国海域有很高精度,适用中国海域;其次,中国海域AOT550与FMF存在明显的时空分布特征。时间上,AOT550在冬、春季最大,在夏、秋季最小;FMF在夏、秋季最大,冬、春季最小。空间上,在经向上,AOT550在30°N—40°N达到最大,向南北递减;FMF从南向北逐渐增加,到达30?N附近后增加减弱。在纬向上,AOT550和FMF随着经度的增加而减小;最后,中国海域气溶胶主要来自于陆源气溶胶,借助风场传输到达中国海域,同时还受到降雨的影响。     

中国东部气溶胶光学厚度季节变化的数值模拟

气候模式对气溶胶光学厚度AOD的合理模拟,是模拟研究气溶胶气候效应的前提。利用在线耦合的区域气候—大气化学—气溶胶耦合模式系统RIEMS-Chem,模拟研究了2010年中国东部地区AOD的季节变化情况。模拟结果与卫星搭载的中分辨率成像光谱仪(MODIS)的反演资料和地基气溶胶观测网(AERONET)的站点观测资料分别进行了一年四季的详细对比,检验结果显示尽管模拟值有所低估,模式仍然能够合理地反映AOD的季节变化情况和空间分布特征,与AERONET站点观测值相比,整体相关系数为0.6。MODIS反演和相应模拟结果均显示,中国东部地区AOD整体水平夏季最大,春季次之,秋、冬季最小,华北平原、四川盆地和华中地区是AOD的主要大值区。只考虑日间AOD时,其季节分布特征略有不同,在华北平原地区,日间AOD夏季最大(1.1—1.5),在长江中下游流域地区,日间AOD则在春季最大(1.1—1.7);在中国东部,日间AOD的大值在夏、冬两季分别主要分布在长江以北、以南地区,而在春、秋两季则主要位于长江中下游流域。     

杭州城区土地利用类型对PM2.5浓度影响分析

针对PM2.5质量浓度空间分布的季节性差异与土地利用分布的定量关系问题,该文以浙江省杭州市为实验区,收集PM2.5质量浓度实测数据和MODIS气溶胶光学厚度(AOT)遥感数据,并对AOT进行标高订正和水汽校正,建立了PM2.5质量浓度和AOT的回归模型,通过模型得出了杭州市各季节的PM2.5质量浓度空间分布图;在此基础上,进一步分析了杭州市PM2.5浓度与土地利用类型(扬尘地表与非扬尘地表)之间的空间分布相关性。结果表明,杭州市2015年PM2.5质量浓度分布的季节性变化特征是冬季春季秋季夏季;建设用地和交通用地等扬尘地表对PM2.5的浓度贡献较大,特别是在冬季和春季两个季节。该研究结果对于认识空气中PM2.5的来源与时空分布特征具有一定的理论和实践意义。     

利用掩星资料分析东亚地区云厚的分布特征

利用2007年1月至2009年1月COSMIC掩星湿空气数据,基于相对湿度廓线出入云层时发生突变反演云边界高度的思想,统计分析了东亚地区云厚的分布特征。结果表明,掩星最低探测高度集中在3km以下,主要影响部分中云和低云云厚的反演。云发生概率沿纬度和经度方向呈现不同的分布特征,各类云概率随高度也有不同的变化规律。东亚地区所有云的平均厚度为1.78km,其中单层云和顶层云分布相似,双层云与其他云层的地理差异不大,单层云在春秋季分布相对均匀,而在夏冬季差异较大。夏季和冬季顶层云云顶高与云厚的二维频率分布各异,主要在于夏季有更多云体较厚且位于对流层上部的高云存在。     

南京市热岛效应的卫星遥感

本文简要介绍利用TM6波段能反映地物辐射温度差异这一特点为基础,通过IHS彩色变换等处理,快速而全面地展示出南京市夏季热量的空间分布状况,为研究城市热岛效应、评估城市环境质量提供了一种有广泛应用前景的新方法。     

Predicting the spatiotemporal chlorophyll-a distribution in the Sea of Japan based on SeaWiFS ocean color satellite data

We developed a new statistical spatiotemporal model for chlorophyll-a (chl-a) distribution over the Sea of Japan, derived from the satellite-based Sea-viewing Wide Field-of-view Sensor (SeaWiFS). Because preliminary analysis showed that the SeaWiFS data exhibit anisotropy in space and autocorrelation in time, we propose a new spatiotemporal model for chl-a distribution and its predictor. Numerical prediction experiments applying the SeaWiFS data showed that the predictor could forecast chl-a distributions in summer and early fall well, although further changes in the model structure will be necessary to predict aspects of the spring and late fall blooms.