关中地区人类活动强度与地表温度的时空关联特征及其驱动作用

人类活动对全球温度升高的促进作用愈加明显,如何科学衡量人类活动强度并探究其与地表温度的时空关联性成为当前研究热题。以关中地区为例,整合人口密度、地区生产总值、夜间灯光强度、建设用地面积比例、电量消耗5个指标表征人类活动强度,分析关中地区人类活动强度与地表温度时空变化规律,探究人类活动强度与地表温度关联性及其驱动作用。结果表明:(1)2001—2020年关中地区平均地表高温、低温区域分别呈现总体增大、减少的趋势,地表高温区域范围不断扩大。(2)2000—2020年关中地区的人类活动强度逐渐增加,特别是在各地级市的市辖区和主要居民点,高强度区域范围不断扩大,而低强度区域主要位于秦岭山区。(3)2000—2020年关中地区人类活动强度与地表温度呈显著正相关性和空间上的集聚性,正相关区域面积呈现增大趋势,主要由不显著及负相关转化为正相关区域,高-高类型集聚区主要分布在各城市主城区,低-低类型集聚区主要分布在秦岭山区。(4)影响地表温度的人类活动强度指标中,夜间灯光强度、人口密度、建设用地面积比例对地表温度的驱动作用最为显著;且夜间灯光强度与建设用地面积比例、人口密度与建设用地面积比例交互作用对地表温度的解释力最强。

基于MODIS数据的中国东部地区海陆温差时空变化特征

海陆温差是海-陆间热力对比的重要表征,对区域乃至全球气候产生重要影响。研究基于2001—2021年中分辨率成像光谱仪(MODIS)遥感数据,研究了中国东部地区地表温度、海表温度以及海陆温差的时空变化及区域差异特征。结果表明:2001—2021年中国东部地区地表温度和海表温度均呈显著上升趋势,上升幅度分别为0.34℃/10a和0.32℃/10a;夜间地表温度和海表温度的上升态势更突出;各季节中,冬季地表温度和夏季海表温度增幅最大,分别达0.45℃/10a和0.43℃/10a(P<0.05);空间上,中国东部地表温度总体呈南高北低的格局特征,海表温度则表现出从东北向西南递增、近岸低于远岸的特征。研究时段内,中国东部地区海陆温差通常为负值,海表温度总体高于地表温度,且离海岸线越近的缓冲区范围内海陆温差越小;100 km、200 km和300 km缓冲区范围内年际海陆温差总体呈减小趋势,其中100 km缓冲区范围内的降幅最大;各季节中,春季和冬季海陆温差呈减小趋势,夏季和秋季的呈增大趋势;空间上,以30°N为界,以北和以南区域的海陆温差分别呈减小和增大趋势。

风云气象卫星-4A陆表温度数据在四川省境内的真实性评价

陆表温度数据是地球环境监测的重要指标,是衡量地球表面与大气层之间稳定性的重要参数。基于FY-4A陆表温度产品,结合8个地面站点温度数据、MODIS陆表温度产品的66组数据,探究FY-4A陆表温度产品在四川地区的精度及其影响因素。结果显示:与地面站点温度数据的平均误差、平均绝对误差、均方根误差和相关系数分别为-6.39 K、6.81 K、9.10和0.945,其中地形平缓区优于地形起伏区。FY-4A陆表温度产品与MODIS陆表温度产品的平均误差、平均绝对误差、均方根误差和相关系数分别为-0.585 K、2.625 K、3.49和0.931,其中夜间优于日间,各季节相关性不同,且普遍存在低估现象;在空间差异上整体呈现东部优于西部的特征,成都平原精度高,在四川省西部地形起伏明显地区的精度有所下降。对17种土地利用类型验证结果表明,农田与自然植被类型的陆表温度产品精度明显优于常绿阔叶林类型。

青海湖流域不同下垫面类型对地表温度的生物物理影响

本研究选取青海湖流域亚高山灌丛和温性草原两个不同土地覆盖类型的站点,利用湍流通量数据和自动气象站数据对比生长季和非生长季两个站点的微气象要素和地表能量平衡收支,评估土地利用/土地覆盖变化(Land Use/Land Cover Changes,LULCC)对地表温度的生物物理影响。亚高山灌丛相比温性草原具有更低的地表温度、气温和土壤温度,在生长季两个站点的地表温度、气温和土壤温度的差异更为明显,而非生长季相对湿度的差异更为明显。根据直接分解温度理论(Direct Decomposed Temperature Metric,DTM),分析不同下垫面对地表温度的生物物理影响。结果表明:白天灌丛相比草原的冷却作用主要贡献因素是短波辐射、地表土壤热通量和感热通量项,其中短波辐射在灌丛的冷却中起到正反馈作用,而后两者起到负反馈作用。夜间灌丛的冷却作用主要贡献因素是地表土壤热通量项。在相同气候和天气背景下,不同下垫面确实会对地表温度有明显的生物物理反馈作用。

复杂山区地表温度模拟及影响——以内蒙古大青山为例

地表温度(LST)是影响植物分布和生态系统过程的重要因素。本研究利用天气研究与预测模式(WRF)模拟大青山保护区的高时空分辨率LST,通过气象站点观测值和MODIS LST值对比验证模拟结果的准确性,并通过综合影响因素和单一影响因素分析LST与环境因子之间的关系。综合影响因素分析是基于区域模拟LST和区域环境因子进行的分析;单一影响因素分析是首先固定其他环境因子,然后分析LST和单一环境因子的关系。结果表明:模拟值与3个站点观测值相关系数均超过0.97(P<0.001),与MODIS LST空间相关性为0.73(P<0.05),表明WRF在山区有很好的实用性。经综合影响因素分析,年均LST与高程的相关性最大(R>0.97),与2 m气温和2 m水汽混合比次之(R>0.8),与植被覆盖度和坡度较小(R>0.3),其他因素影响微弱。经单一影响因素分析,在春夏秋冬4个季节,随高程升高LST下降速率分别为0.83 K·(100m)^(-1)、0.79 K·(100m)^(-1)、0.80 K·(100m)^(-1)、0.32 K·(100m)^(-1);坡度每增加10°,LST在春夏秋冬分别升高-0.05 K、0.17 K、-0.14 K、0.02 K;植被覆盖度每增加10%,LST在夏冬两季分别升高0.31 K、1.41 K,其他季节则没影响;坡向对4个季节平均LST的影响均为南>西南>东南>西>东>西北>东北>北;年均LST与2 m水汽混合比呈对数关系,与2 m气温呈指数关系。研究结果可为大青山自然保护区管理提供基础数据,也为山地研究提供可借鉴的方法。

西藏阿里地区地表温度反演及其影响因素响应特征

地表温度是衡量区域生态环境的重要指标之一。西藏自治区阿里地区地处青藏高原西北部,属全球气候变化敏感区,探究阿里地区地表温度的时空分布及相关影响因素,对研究该地区热环境变化过程、监测基础生态变化具有重要意义。文章以2000—2020年间阿里地区TRIMSLST-TP产品为数据源,采用归一化分级方法将LST划分为5个等级,进而采用趋势分析及重心迁移等方法研究阿里地区20年间地表温度时空演变特征,同时选取DEM、NDVI及草地覆盖度3个地表参数,探讨LST影响因子的作用效力。结果表明:(1)阿里地区LST除中温区面积减少外,其余温区面积均有所增加,增加面积由小到大依次为:低温区<次低温区<高温区<次高温区;(2)2000—2020年阿里地区LST年际变化规律为波动下降-迅速上升-小幅下降-缓慢上升,年均温度增长0.06℃;(3)2000—2020年阿里地区低温区、次低温区及中温区重心呈现从东北向西南迁移趋势,次高温区与高温区重心呈现西南向东北方向迁移的趋势;(4)影响因素中,DEM对LST影响为负向,NDVI和草地覆盖度对LST影响为正向。

高光谱遥感土壤湿度信息提取研究

精准农作管理中土壤水分、土壤养分等的空间信息分布 ,可通过高光谱遥感传感器获得。本文通过对土壤的光谱反射率与土壤的表面湿度进行分析 ,比较 5种方法在反演土壤表面湿度的能力 ,并对小汤山精准农业试验区的土壤表面湿度进行高光谱填图 ,建立了较为精细的土壤水分空间分布图 ,对高光谱遥感在精准农业中深入应用进行了有效探索。

青藏高原地气温差变化分析

利用青藏高原及其临近区域的99个气象站1960￣2000年地表温度和气温资料,利用主成分分析和功率谱分析方法,分析了青藏高原地气温差的空间分布及时间演变特征。结果表明:青藏高原地气温差6月份最大,12月份最小。青藏高原冷、暖季和年均的地气温差空间分布前三个载荷向量场大致可表现三种分布型:西北-东南反向变化型、地形海拔反映型、冻土分布反映型;载荷所对应的时间演变型:单调上升、单调下降型、基本平稳型和具有极小值的下凹抛物线型。高原地气温差的周期振荡在不同区域的显著性不同,普遍出现的是2年左右的周期。依据温差冷季第三主分量载荷的空间分布型,可将高原划分为两大区,即多年冻土影响气温区和季节冻土影响气温区。

南京地区冬季路面结冰天气标准及其预测

本文通过对南京地区1984—2003年20 a 110个降水结冰样本当日温度的统计分析,讨论了南京地区结冰时间变化和各影响温度的变化规律,总结了对结冰预报具有指示意义的关键因子;同时利用支持向量机方法探讨了南京地区结冰预报方法,该方法具有显著的预报价值。在此基础上根据Norrman提出的路面打滑分类,结合南京地区具体情况得出了南京雨雪天气路面结冰的类别、标准和预测预报方法。

MODIS数据反演地表温度劈窗算法比较

利用劈窗算法反演地表温度最早主要应用于NOAA-AVHRR数据,随着MODIS传感器的升空,其数据正在得到越来越广泛的应用.由于MODIS传感器自身具有水汽观测能力,可以为劈窗算法提供实时的水汽含量以及大气透过率等参数,更加方便了劈窗算法的应用.本文选用了Becker(1987),Sobrino(1991)以及覃志豪(2005)3种劈窗算法,应用MODIS 1B数据进行地表温度的反演,并利用MODTRAN进行算法精度检验,结果表明Becker算法在不同水汽含量以及地表温度情况下,都保持了较高的精度,适用性较广.同时选取了冬季和夏季两景MODIS图像,将反演结果与NASA的地表温度产品进行比较,结果表明Becker算法更接近标准产品值.综合这2种比较方法,认为Becker算法较其他2种算法更有优势.

基于Landsat-8/TIRS的红沿河核电基地海表温度反演算法比对

文章以红沿河核电基地周围海域为研究区,利用Landsat-8热红外遥感影像(thermal infrared sensor,TIRS),分别对辐射传输方程法、单窗算法、普适性单通道法和Qin劈窗算法等四种算法进行海表温度反演模型参数修订与数据处理。通过与实际观测温度数据进行精度验证与比对分析,寻求基于Landsat-8/TIRS数据的区域最佳温度反演算法。结果表明,辐射传输方程法均方根误差在1K以内,反演精度最高;Qin劈窗算法次之,均方根误差达到3K左右,反演精度较差,整体反演温度偏高;单窗算法和普适性单通道法均方根误差高于3K,反演精度最差,整体反演温度偏低。辐射传输方程法可作为红沿河核电海域温排水遥感监测首选算法。

夏季晴空金塔绿洲温度场的初步分析

利用2004年6～8月在甘肃省酒泉金塔地区开展的“绿洲-沙漠能量和水分循环的野外观测试验（JTEX）”的温度场资料，分析了该地区的温度场结构。结果表明：绿洲在白天（夜晚）相比周围环境是冷（暖）中心。沙漠和绿洲的相互影响同沙漠与绿洲的边缘和形状有关。由于各观测点所处的位置和站点的土壤特性不同，地表温度的量值有较大差别，但总体来说，绿洲的地表温度比沙漠的低；土壤温度的垂直变化一直可活跃到大约20cm深处，40cm深土壤温度基本无日变化，不同层间的土壤温度在一天内有两次相交。深度越深，出现的时间越靠后，沙漠上出现不同深度间温度交叉的时间比绿洲靠后。沙漠上各层的温度都始终高于绿洲上的，沙漠的日变化也大于绿洲上的。

应用静止卫星热红外遥感亮温资料反演地表温度的方法研究

双通道多时相反演方法在提取地表温度场时可把地表温度与地表发射率分离计算,是利用静止卫星热红外遥感资料研究地表温度场变化的一种有效方法。该方法计算简单,易于实现海量资料处理,基本满足红外遥感资料在地震预报中的应用要求。

MODIS资料用于塔克拉玛干沙漠地表温度计算方法初探

用热红外通道的遥感数据计算陆地表面温度是MODIS资料的重要应用之一。陆地表面温度(LST)是表征地球表面能量平衡和气候变化的很好指标,也是研究区域或全球陆地物理过程的关键参数。特别是对于面积广大、人烟罕至的沙漠地区,用遥感资料反演其地表温度更显得非常必要。作者主要介绍MODIS资料用于塔克拉玛干沙漠地表温度的计算方法。

稀疏植被地表反照率及土壤热传导率特征研究

利用“敦煌试验”稀疏植被站2002年典型晴天的资料，分析了与地表能量平衡最密切的两个参数：地表反照率和土壤热传导率的特征。分析发现稀疏植被下垫面的地表反照率日变化具有明显的不对称特征，这与以往在戈壁或沙漠上的地表反照率的研究明显不同，这可能是由于早晨的露水造成的。另外分别用定义法和加权平均法分别计算得到典型晴天敦煌稀疏植被的平均地表反照率基本为0．25，两种方法计算得到的地表反照率非常接近，得到的地表反照率的值与敦煌戈壁的值较接近，但比“黑河试验”的结果大。这也从一个侧面反映出稀疏植被区是一个气候敏感区。得到的稀疏植被下垫面的地表反照率应该可以作为遥感反演和陆面过程模式的一个参考值。另外还得到了敦煌稀疏植被干燥土壤的热传导率的平均值为0．20W·m^-1·K^-1，在晴天，干燥土壤的执传导率基本分布在0．164-0．24W·m^1·K^1范围内，平均值与敦煌戈壁2．5cm处的土壤执传导率接近，但稍大一些；比“黑河试验”在戈壁观测的值小近一倍，而比权威的文献给出的干燥沙漠的值要小一些。

基于MODIS数据的近8年长三角城市群热岛特征及演变分析

利用MODIS hdf数据来反演地表温度,首先通过数据挑选少云覆盖图像,再经多波段综合法去云,用近8年的MODIS历史资料选择劈窗算法反演计算给出了长三角平均地表温度分布图,以长三角作为区域整体研究热岛效应,分析了城市群热岛分布特征,指出主要城市热岛分布呈"Z"字型分布格局。长三角地区热岛强度季节变化是夏季最强,春季次之,秋冬季除少数地区为较强热岛外,大部分地区都显示为弱热岛或无热岛。采用GIS地理统计方法比较16城市的强热岛面积分布,分析了2001—2008年夏季各城市热岛强度的年际变化趋势。

基于AVHRR和VIRR数据的改进型Becker“分裂窗”地表温度反演算法

为了将基于NOAA-9/AVHRR数据提出的Becker和Li的"分裂窗"地表温度算法成功地应用于长序列NOAA/AVHRR和FY-3A/VIRR数据的地表温度反演,为气候变化研究提供长序列、高精度、高分辨率的地表温度数据集,从辐射传输方程出发,首先利用MODTRA4.1模式模拟了多种地表和大气状态下的光谱辐亮度数据,并结合AVHRR和VIRR通道4、5的光谱响应函数建立了温度数据集(TS,T4,T5);然后,基于该数据集采用最小二乘法重新计算了Becker和Li算法中的各参数,提出了一个适用于NOAA/AVHRR和FY-3A/VIRR数据的改进型Becker和Li分裂窗地表温度反演算法;并利用改进型算法对2008年4月27日03时12分(世界时)观测的一景覆盖北京地区的NOAA-17/AVHRR数据进行了地表温度的反演,将反演结果与日本东京大学提供的同地区、同时相的MODIS地表温度产品进行了对比分析。结果表明,两种地表温度产品的相关系数为0.88,均方根偏差(RMSD)为2.1K;在两种地表温度差值图像的频率直方图上有69.6%的像元的值在±2K之内,37%的像元的值在±1K之内。

近几十年我国极端气温变化特征分区方法探讨

采用聚类统计检验分析和旋转主分量分析相结合确定中心站的方法,利用我国多年极端气温资料,对我国最高和最低气温年际变化型态进行区划。结果表明,这两种方法结合可以互相补充,使分区结果更具客观性。中国极端高温和极端低温年际变化分别可划为12和11个不同类型的区域,分别计算了各区域第一主成分的方差贡献率以及各区域之间的两两相关系数,检验证明分区是合理的。

中国大陆卫星红外亮温与海拔高度关系的研究

海拔高度与卫星热红外亮温的关系是尚待深入研究的能反映地球表面热状态的重要信息,也是影响地震热红外异常分析的主要因素之一,文中把海拔高度每增加100m亮温降低的幅度称为亮温梯度,在系统筛选处理卫星热红外遥感数据的基础上,把中国大陆划分为西北、青藏、川滇、东北、华北和华南6个地区分别进行研究,取得了一些初步的结果:1)不同地区、不同月份亮温梯度的总体趋势相似,但又存在细节上的差异;2)各个地区的亮温梯度都小于前人根据气温资料计算得到的气温直减率(0.64℃/(100m)),而且在绝大多数情况下都<0.4℃/(100m),变化范围主要集中在0.15～0.35℃/(100m)之间;3)除青藏地区以外,其它5个地区的亮温梯度总体上表现为夏大冬小的特点。分析认为冬季冷空气的作用、大气对地面辐射的吸收衰减以及地理环境的差异等是影响亮温梯度时空动态的主要因素。

一种基于TMI观测结果的海表温度反演算法

基于星载微波仪器观测结果反演海表温度,能很好地克服云对反演结果的干扰,实现对海表温度全天候的监测。文中利用热带测雨卫星所搭载的微波成像仪的观测结果,建立了一种新的适用于非降水条件下的海表温度反演算法。作为一种半经验统计算法,它以辐射传输方程为基础,通过理论模拟计算,建立海表温度与微波成像仪多通道亮温之间的关系,较好地反演海表温度。该算法最大的特点是选择了合适的5个微波成像仪通道,并通过这5个通道亮温的对数线性组合方式提取海表温度信息,从而有效地避开了其他环境参数对反演结果的影响。海表温度的反演结果与地基浮标观测结果的比较表明,二者间的均值相差0.116K、均方根误差为0.665K。在不同的风速、风向及天空状态(有无云)情况下,二者的相关系数均在0.95以上,均值差异小于0.2K,均方根误差在0.65K左右。在全球尺度上海表温度的反演结果与现有海表温度产品的比较显示,二者的差异一般不超过1K,且差异不随其他环境参数发生明显变化;与多年月平均海表温度产品对比研究结果表明,本算法反演获得的海表温度在全球大部分地区(除高风速高水汽区外)与其他海表温度资料的差异在1K范围以内。上述结果表明,该反演算法不仅适用于实时反演,亦能用于气候尺度研究。