1981—2020年北京城市热岛效应时空特征及其影响因素分析

在气候变暖和快速城市化背景下,北京一直面临着城市热岛效应带来的环境问题。基于北京市1981—2020年逐日气温观测资料,采用线性回归、克里金插值和相关性分析等方法,研究了北京市城郊气温变化趋势以及北京市城市热岛强度(Urban Heat Island,UHI)的时空变化特征,并评估了气象因素、人口密度和土地利用/覆盖类型对城市热岛效应的影响。结果表明:近40 a来北京市城郊区的平均气温均呈上升的变化趋势,且城区气温增幅大于郊区,表明北京市UHI上升趋势显著。就季节而言,北京市冬季UHI最强(1.22 ℃),秋季次之,春、夏最弱,其中秋季UHI增幅最大。同时,北京市城市热岛效应范围也在逐渐扩大,其中城六区为高值区,热岛区由西北向东南方向延伸至城市副中心通州区,朝阳区和通州区增温趋势明显。2000年以来,北京市冬季UHI出现了显著的增加趋势,高值区UHI增加至1.6 ℃。此外,主成分分析表明人口、建设用地和气压对城市热岛效应的形成起促进作用,而风速和耕地是缓解城市热岛效应的重要影响因素。     

改进的FY-3B/VIRR OLR反演模式及其应用效果

FY-3B卫星VIRR仪器的向外长波辐射(outgoing long-wave radiation,OLR)产品处理采用与NOAA/AVHRR相同的算法模型,即用窗区通道亮温-通量等效亮度温度的回归关系式计算OLR,但两星的OLR业务产品与目前国际质量最好的云和地球辐射能量系统(cloud and earth’s radiant energy system,CERES)仪器观测OLR产品相比,存在约10 W·m~(-2)的系统负偏差。FY-3B的原因在于OLR反演模式建立过程中红外辐射传输计算软件的精度不够。鉴于此,本文采用美国21世纪开发的逐线辐射传输模型计算软件(LBLRTM),模拟计算了全球2521条大气廓线的大气顶辐射率光谱,在此基础上计算了每条廓线的OLR和FY-3B/VIRR窗区通道亮温,应用最小二乘法统计回归模拟数据,重新建立了由FY-3B/VIRR窗区通道亮温计算OLR的回归关系式及系数。模式应用于FY-3BL1级数据,处理2016年1,3,7和10月的FY-3B逐日全球OLR资料,该资料与AQUA-TERRA卫星的CERES仪器OLR观测产品相比,得到日平均OLR:RMSE=9~15 W·m~(-2),R=0.9834,Bias=-0.3W·m~(-2);月平均OLR:RMSE=4~7W·m~(-2),R=0.9915,Bias=-0.3W·m~(-2),表明改进的模式能处理出无系统偏差的、精度基本与CERES观测相当的OLR产品,尽管单通道反演算法有着固有的模式回归误差。     

FY-3B/VIRR海表温度算法改进及精度评估

该文介绍了卫星观测海表温度 (SST) 算法的发展历程,给出了所用SST算法的回归模型,并在FY-3B/VIRR业务SST算法的基础上进行了改进。基于NOAA-19/AVHRR匹配数据集,进行多算法建模分析及精度评估,白天最优算法为非线性SST (NL) 算法,夜间最优算法为三通道SST (TC) 算法,最优算法的确定与NESDIS/STAR一致。建立2012年8月—2013年3月FY-3B/VIRR匹配数据集,并在此基础上进行多算法回归建模及精度评估,白天和夜间的最优均为NL算法,分析发现夜间TC算法采用匹配数据集版本2(MDB_V2) 时,3.7 μm通道存在类似百叶窗的条带现象。以2012年10—12月FY-3B/VIRR匹配数据集计算回归系数,以2013年1—3月独立样本进行精度评估,与浮标SST相比,NL算法白天和夜间的均方根误差分别为0.41℃和0.43℃。与日平均最优插值海温 (OISST) 相比,NL算法白天和夜间的均方根误差分别为1.45℃和1.5℃; 选择与OISST偏差在2℃以内的样本,NL算法白天和夜间均方根误差分别为0.82℃和0.84℃。     

基于MODIS数据的近10年宜昌城市热岛效应时空变化特征

利用2010-2019年宜昌研究区2、5、8月和11月晴空天气的MODIS地表温度产品,结合GIS技术,分析热岛效应昼夜、季节和年际变化特征.结果表明:(1)热岛空间分布受地形地貌影响较大,热岛区主要分布在主城区至东南部平原地带;(2)热岛区和冷岛区面积白天均多于夜间,热岛强度白天强于夜间;(3)夏季热岛区面积达到最大...     

基于FY-3卫星数据的西安市城市热岛特征分析

基于2011—2017年FY-3B/VIRR气象卫星影像数据及同期气象观测数据,应用改进型贝克尔(Becker)"分裂窗"地表温度反演算法计算地表温度,根据土地利用类型数据进行城郊对比,分析了西安市春、夏、秋三个季节城市热岛总面积、强热岛面积和热岛比例指数。结果表明:1)遥感反演温度与气象站点监测数据变化趋势基本一致,三季地表温度基本以西安市城区为中心呈环状递减;2)各季节强热岛面积占比年际变化明显,夏季强热岛面积占比远高于春、秋两季的,是后者的2倍以上;3)春、夏、秋三季强热岛区域主要集中在西安市城区和长安区,临潼区、长安区、鄠邑区、西安市城区夏季热岛面积占总面积的50%以上,周至县、高陵区的较小;4)总热岛比例指数总体上波动较大,年际上2016年的最大;春、夏季2014年的最大,秋季2016年的最大;总体城郊热岛差异2017年的最大,季节性城郊热岛差异表现为春季2016年的最大,夏、秋季2017年的最大,夏季城郊热岛差异明显高于春、秋季的。     

FY-3B TOU与Aura OMI卫星臭氧总量产品的比对分析

通过FY-3BTOU与Aura OMI卫星臭氧总量产品的比对分析,检验FY-3BTOU臭氧总量产品的适用性.结果显示,两者的相对偏差(RD)在赤道、南北半球中纬度大部分地区为2％～4％,而在南北极区扩到4％～6％和8％～10％,从赤道到两极RD随纬度升高而增大;除南北极区外,其余地区RD月平均值均呈现出明显的季节变化特...     

FY 3A/VIRR云相态业务产品检验与分析

选取简单云状和复杂云状作为分析对象,利用Terra/MODIS云相态产品对FY-3A/VIRR云相态产品的识别结果进行检验。对比分析采用一致性比较、差异图显示以及两种产品识别结果叠加显示等方法。结果表明:(1)简单云状条件下,FY-3A/VIRR云相态产品与Terra/MODIS云相态识别结果具有较好的一致性,一致性接近85%;复杂云状条件下,由于Terra/MODIS云相态识别结果中存在较多的不确定类别使两种数据识别结果的一致性下降。(2)FY-3A/VIRR和Terra/MODIS产品的不一致点主要分布在云边缘或不同云相态交界处。(3)FY-3A/VIRR和Terra/MODIS的云相态产品产生差异的原因主要来自反演算法以及产品相态分类的不同。     

基于FY3\VIRR数据的积雪遥感监测方法研究 -以阿勒泰地区为例

以FY-3可见光与红外辐射计（VIRR）为主要数据,利用FY3\VIRR 1、6、10通道数据,以指数法和光谱阈值相结合的多光谱积雪监测算法对2013年阿勒泰地区卫星数据进行积雪监测处理。处理结果与MODIS积雪监测业务产品对比分析得出：利用FY3\VIRR可以实现对研究区的积雪遥感监测,监测结果与现有MODIS积雪监测业务产品较一致,具有可比性。     

基于FY3B VIRR数据的新疆沙尘天气遥感监测应用研究

新疆是我国沙尘天气多发区,但是地面测站稀少,使用卫星遥感监测沙尘天气有非常大的优势。利用国家卫星气象中心开发并向各省推广的SMART业务系统,以FY-3B/VIRR为数据源,采用以人机交互方式分析区域沙尘遥感监测方法。以2012年数据为例,对沙尘天气进行了遥感监测,结果表明FY-3B/VIRR数据可有效提取沙尘天气信息,具有较好的沙尘监测评估业务应用前景。     

基于FY3/MERSI数据的辽宁省植被指数重建及时空变化分析

为建立中国风云三系列气象卫星长时间序列归一化植被指数数据集,选用滤波和函数拟合方法,针对林地、湿地、水稻、玉米、大豆、城市和水体7类地物开展数据重建效果定量分析,确定最佳数据重建方法,并在辽宁省开展时空变化分析。结果表明：非对称高斯函数拟合法（Asymmetric Gaussians,AG）、Savitzky-Golay滤波法（SG）、双Logistic函数拟合法（Double Logistic,DL）和时间序列谐波分析法（Harmonic Analysis of Time Series,HANTS）四种方法均表现出相对较好的去噪能力。SG方法对噪声比较敏感,HANTS方法在低值区受噪声影响大。AG和DL方法平滑效果较好,DL方法的峰值更接近于原始峰值。在高植被覆盖区和季节性作物区,SG方法相关系数最高（>0.93）、均方根误差最低（< 0.1）;在城市和水体低植被指数区,HANTS方法相关系数最高,为0.87,但四种方法的均方根误差均在0.06左右,差别不大。综合考虑曲线和定量分析结果,选取SG方法进行辽宁省植被指数数据集数据重建。辽宁省植被指数数值高低的空间分布与下垫面植被类型相符合,东部山区林地植被指数最高,达到0.75以上。2009-2020年,辽宁省NDVI年均值存在波动,不同地物植被指数变化存在差别,水体和城市植被指数变化相对较小,旱田作物（玉米、大豆）的植被指数受干旱年的影响植被指数变化稍大。辽宁省主要粮食作物植被指数年内均呈单峰分布,与一年一熟型吻合,均在8月上旬达到最大值。     

海口城市化对热岛效应的影响

随着全球城市化快速发展、城市化水平逐渐提高,城市气候问题日益突出,城市热岛效应的形成机理也成为当前研究的热点。基于海口市2010—2015年社会经济、气象和Landsat卫星遥感数据资料,分析了海口市城市热岛强度变化和城市化发展对城市热岛效应的影响。结果表明,海口市的热岛强度逐渐增强,范围逐渐扩大。城市热岛强度具有明显的季节变化,春季最高,夏季和秋季逐次之,冬季最低。城市热岛强度与归一化建筑指数、人口密度和国内生产总值呈显著正相关,和归一化植被指数呈显著负相关,都通过了信度0.01的显著性检验。城市扩大植被面积在一定程度上有助于缓解城市热岛效应。     

西宁城市热岛效应分析

西宁作为青藏高原最大的城市,近年来随着城市化的发展,城市热岛效应及其所带来的影响日益明显。本文利用西宁市城市和郊区气象观测站逐小时气温观测资料,分析了西宁市平均气温、最高气温和最低气温日内、候平均热岛强度变化特征,结果显示:(1)相对于郊区,西宁城区平均气温日内变化幅度较小,16—17时(北京时,下同)表现为弱的冷岛效应,冷岛强度为0.034℃,日出前的06—07时热岛强度表现最强,热岛强度最高可达3.01℃;(2)春季和夏季一天中均为热岛效应,且热岛效应日内变化幅度较小,分别为2.76℃和2.12℃。秋季和冬季在日出前的07—08时热岛强度最强,分别为2.89℃和4.14℃,秋季16—17时和冬季15—17时表现为冷岛效应,最大冷岛强度分别为0.34℃和0.53℃;(3)西宁城区1月第3候热岛强度最强为3.40℃,7月第2候热岛强度最弱为1.07℃。其中白天在1月第3候热岛强度最强为0.88℃,9月第1候最弱为0.13℃,热岛强度年内变幅较小仅为0.75℃,而夜晚在1月第3候最强为5.93℃,7月第2候最弱为1.62℃,热岛强度年内变化幅度达4.30℃;(4)西宁城区候平均最高气温在春季和夏季表现为热岛效应,热岛强度平均为0.58℃,而在秋冬季表现为冷岛效应,冷岛强度分别为1.84℃。候平均最低气温全年均表现为热岛效应,其中夏季相对较弱为3.22℃,冬季表现最强达到5.11℃。     

苏州夏季城市热岛现状及影响因子分析研究

利用2007年夏季常规和自动站气象观测资料,分析研究苏州城市热岛及其与影响因子关系.气温分布表明,市中心干将桥气温相对较高,而靠近太湖的新区镇湖镇、东山等郊区气温相对较低.苏州城市热岛强度日变化呈现双峰分布,两个峰值分别出现在10时和20时左右,最低值出现在16时左右.热岛强度与气象条件关系分析表明:(1)热岛强度受云量的影响较大;(2)与城区气温分布关系密切,相关系数为0.62;(3)与风向有关,城区风向为西风时的热岛强度大于东风时热岛强度;而城区热岛强度与风速关系不明显.另外相关站点的合理选取对城市热岛研究也十分重要.     

城市景观格局与热岛效应研究进展

概述了城市景观格局和城市热岛效应及城市景观格局对城市热岛效应影响等领域的研究现状,探讨了城市景观格局对城市热岛效应的影响作用,并结合城市景观格局研究中的新领域——景观格局优化,提出了解决城市热岛问题的新思路,即通过优化景观格局来达到缓解甚至消除热岛效应。展望了城市景观格局和城市热岛效应研究领域存在的问题和面临的任务。     

近50a南京市气温和热岛效应变化特征

利用南京市常规气象观测气温资料,分析1951年以来气温的变化趋势、季节特征以及年际特征,通过市区气象站和郊区六合县气象站的统计资料对比分析,了解南京市热岛效应的强度变化,以1985和2000年两期遥感影像探讨南京市热岛效应分布范围的变化特征.结果表明:1951-2000年期间南京市日最高、最低气温和日平均气温的年平均呈现上升趋势;日均气温和日最高气温夏季呈现下降趋势,春季、秋季和冬季表现为上升趋势,日最低气温所有季节都呈现上升趋势;1990s是南京市1951-2000年间增温幅度最大的时期;南京市热岛效应强度呈现增强趋势;分布范围扩大,自1985年以来热岛效应面积共增加了107.88 km2,高强度热岛中心1985年两个,到2000年已增加到3个.     

应用卫星资料分析苏州夏季城市热岛效应

利用苏州2004-2007年自动气象站资料以及购自中国科学院对地观测与数字地球科学中心的Landsat 5卫星(25 m分辨率)资料,分析研究苏州地区城市热岛总体特点以及分布规律,并对可能变化做一些探讨.分析认为,由于城市热岛效应,苏州地区气温呈中间高两侧低的分布特征,气温高值中心呈西北-东南走向,沿太湖及沿江地区气温相对较低;苏州城市地表温度呈明显的放射型分布,以市区中心向四周呈放射状分布.     

2008年南京市热岛效应演变特征及其对城市居民生活影响

利用2008年南京市23个自动气象观测站气温资料,分析南京市城市热岛效应的空间分布及其变化特征。结果表明：南京市的热岛中心主要分布在人口和建筑物密集的鼓楼、白下区和建邺区,下关、江宁和浦口等城区气温较低;2008年南京市平均城市热岛强度为1.6℃,四季热岛强度呈秋季、春季、冬季和夏季依次减弱;南京市城市热岛效应对城市居民生活影响较大。南京市热岛效应的逐渐增强,将导致夏季空调使用量的增加,增加能耗对创建低碳城市、建设和谐城市生活产生消极影响。     

2014-2017年西安市城市热岛、冷岛精细化时空特征分析

选取1971—2017年7个国家级气象站的气温资料,分析年代际气温变化特征及城郊温差、城县温差;选取2014—2017年103个国家考核区域气象站及7个国家级气象站逐时气温资料,利用标准化相对气温法,研究西安市城市热岛、冷岛的年、季平均空间分布特征,以及逐日热岛、冷岛变化规律。结果显示:1971—2017年城区、郊区和郊县气温均呈上升趋势,城区增温速率最大,郊县增温速率最小,进入21世纪后,城市热岛效应较为显著。西安市城市热岛、冷岛现象明显,且均呈"多中心"特征,热岛中心多为老城区及旅游中心,建筑物面积和人口密度占绝对优势;冷岛中心多为地势较高、水域绿被覆盖较大、非人口密集区的秦岭坡脚线附近。城区代表站的年、春季、夏季、秋季基本处于平稳状态,年、春季、夏季06—07时热岛强度最大,秋季、冬季23时热岛强度最大;郊区代表站和郊县代表站的年及四季热岛、冷岛强度均有明显的日变化特征,且变化趋势相反;郊区代表站10时热岛转为冷岛,春、夏季16—17时转为热岛,年及秋、冬两季19—20时转为热岛;郊县代表站年、春季、夏季06—07时冷岛强度最大,秋季、冬季2时冷岛强度最大,08时后冷岛开始减弱,12—13时为最弱后开始增强。     

2008年南京市热岛效应演变特征及其对城市居民生活影响

利用2008年南京市23个自动气象观测站观测的气温资料,分析南京市城市热岛效应的空间分布及其变化特征。结果表明：南京市的热岛中心主要分布在人口和建筑物密集的鼓楼,白下和建邺区,下关、江宁和浦口等城区气温较低;2008年南京市平均城市热岛强度为1.6℃,四季热岛强度呈秋季、春季、冬季、夏季依次减弱;南京市城市热岛效应对城市居民生活影响较大。南京市热岛效应的逐渐增强,将导致夏季空调使用量的增加,增加能耗对创建低碳城市、建设和谐城市生活产生消极影响。