重庆市主城都市区热岛效应定量评估

结合夜间灯光数据、高程数据及地表分类数据,提出一种针对山地城市郊区背景划分的方法,并采用城乡二分法定量评估2001—2020年重庆市主城都市区热岛效应时空变化特征。结果显示传统缓冲区法和综合缓冲区法提取的郊区背景存在明显差异。利用传统缓冲区法提取郊区背景估算的热岛存在大量假热岛像元,导致传统缓冲区法估算的热岛面积明显大于综合缓冲区法。综合缓冲区法估算结果表明:主城都市区热岛主要分布在中心城区、长寿区、涪陵区以及各区县驻地附近,冷岛分布在东南部高海拔地区及中心城区部分山脉处。2001—2020年主城都市区热岛面积占比随时间呈波动上升趋势,且具有明显的季节变化特征,夏季最强、冬季最弱。

基于净初级生产力的丘陵山地生态系统水源涵养功能评价——以重庆市为例

以丘陵山地典型城市重庆为例,基于植被净初级生产力(Net Primary Productivity,NPP),改进水源涵养生态功能定量指标评估模型,对生态系统水源涵养功能以及重要性等级空间分布进行分析。结果表明:2019年,重庆市年平均NPP为934 gC·m^(-2),年降水量为500~1400 mm,改进的年平均水源涵养服务能力指数(Water Retention Index,WRI)为0.04。整体看,重庆市水源涵养生态功能呈“东北与东南部高、西部低”的空间分布格局,WRI高值区主要沿山脊呈带状分布。水源涵养功能极重要等级在渝东北和渝东南主要分布在高森林覆盖区域,而在渝西则大多集中在山脉附近呈带状分布;重要等级穿插在极重要等级之间,主要分布在奉节、云阳、忠县、綦江等区县;一般重要等级穿插在重要等级之间,主要分布在渝西。极重要等级面积中,森林、草地占比分别为33.8%、54.8%。改进的WRI综合利用遥感技术优势,耦合了植被和降水的信息,能可靠地对丘陵山地水源涵养功能进行定量化、空间化、精细化的监测。

三峡库区(重庆段)水源涵养功能遥感监测及时空分布特征分析

水源涵养功能是生态系统最重要的功能之一,可以为生态系统和人类保持、提供水资源。本研究根据水源涵养的物理含义,使用叶面积指数、植被覆盖度、蒸散代表植被层的水源涵养能力,使用地表温度、土壤含水量、坡度代表土壤层的水源涵养能力,通过主成分分析法构建水源涵养遥感监测综合指标模型,探索三峡库区水源涵养功能时空分布特征。结果表明,水源涵养生态功能指数(water conservation index,WCI)客观耦合了各个指标信息,能够快速简便地对三峡库区水源涵养生态功能进行评估,合理地代表了评估区域的水源涵养生态能力。2019年,三峡库区水源涵养能力分布不均,呈现下游强、上游弱的空间分布格局,渝东北以森林生态系统为主,水源涵养功能最强。2013—2019年7 a来,三峡库区大部分区域WCI处于略微增加趋势,其中,以丰都、开州、云阳的部分区域增加得较为明显。

复杂地形条件下城市热岛及局地环流特征的数值模拟

应用基于多层城市冠层方案BEP(Building Environment Parameterization)增加室内空调系统影响的建筑物能量模式BEM(Building Energy Model)方案的WRF模式,模拟研究重庆热岛的特征、成因以及局地环流对热岛形成的影响。文中共有两个算例,一为重庆真实下垫面算例,称之为URBAN算例,二为将城市下垫面替换为耕地下垫面的对比算例,称之为NOURBAN算例。结果表明:1)WRF方案模拟结果与观测2 m气温的对比吻合较好,误差主要出现在正午温度峰值和凌晨温度谷值处,由城市下垫面特性及城市内建筑分布误差引起。2)BEP+BEM方案较好地模拟出了重庆地区的热岛分布的空间和时间特征。重庆市温度的分布受地形和城市下垫面的双重影响,越靠近城区,温度的分布受城市化影响就越大,在海拔低处,温度就越高。3)城区立体三维表面对辐射的陷阱作用导致城市表面总体反射率小,向上短波辐射小于郊区约20 W/m^2。城市表面以感热排放为主,而郊区则表现为潜热的作用占主导。夜间城市地表储热以及空调废热向大气释放,是城市热岛形成的重要原因。4)模拟区域背景风场主要为东南风,局地环流呈现出越靠近山区风速越大、城市区域风速较小的特性,体现了城市密集的建筑群对低层大气流场的空气动力学效应,以及复杂山谷地形的山谷风环流特性。在市区的西侧和东南侧均有高大山脉阻挡,山脉对城市出流的阻碍作用、气流越山与绕流运动对城市热岛的形成有一定影响。

西南地区东部大官山温湿梯度变化特征分析

采用西南地区巫溪大官山同一坡面10个不同海拔高度梯度观测站2019~2020年逐小时温湿观测资料,分析了气温、气温直减率、日较差和相对湿度的梯度变化特征。结果表明:观测期间,气温随海拔升高而降低,海拔2000 m以上区域秋、冬季常出现逆温或同温现象;年平均气温递减率为0.57℃/100 m,最大值出现在3月和9月,分别为0.63℃/100 m和0.62℃/100 m,2月最低为0.49℃/100 m;日较差总体随海拔升高而减小,但在海拔1065~1222 m,出现了日较差随海拔升高而快速下降的突变区;年、春季在海拔1222~2180 m,秋季在海拔1222~2550 m,出现了日较差相对稳定层,其它季节不太明显。在海拔1670 m以下区域,年相对湿度为78.5%,夏季最大(85.3%),秋季次之(82%),冬季再次(74.3%),春季最低(72.3%);随着海拔升高云雾出现频率增大,年和各季相对湿度均随之增大;海拔1670~1930 m为突变区间,相对湿度迅速增加,在海拔1930~2550 m,年、春、夏、秋季处于云中的时间较多,相对湿度变化不大;冬季由于云层低,海拔较高的区域常处于云的上方,相对湿度随海拔升高反而有所减小。

基于GF-1数据复杂地区地物类型提取探究

土地利用/土地覆盖作为人类活动对地球环境影响的一个重要指标,其在全球变化和土地覆盖变化监测中发挥着重要作用.以重庆市永川区为例,以国产GF-1 PMS为数据源,分别采用随机森林(Random Forest,RF)、支持向量机法(Support Vector Machine,SVM)和人工神经网络(Artificial Neural Network,ANN)算法实现研究区内地表覆盖类型的提取.对比结果表明:在训练样本相同的条件下,RF算法地物分类精度要优于SVM和ANN算法,尤其是林地、道路和大棚三类地物RF算法分类精度与SVM和ANN算法分类精度之间差异较大.但RF分类结果中依旧存在像元错分和漏分现象,本研究利用易混淆像元在NDVI和形状上的差异,实现了RF分类结果中易混淆像元的修正,提高了地物分类的精度.

基于GRACE数据的长江流域地表水储量变化

基于GRACE RL06 Level-2卫星产品数据,采用高斯滤波、P3M9去相关滤波等方法对2002年4月—2017年6月长江流域地表水储量变化进行了反演。结果表明:近16 a来,长江流域整体水储量处在一个缓慢上升的状态,地表水储量变化速率为4.1±1.1 mm·ɑ^(-1),总体水量在这一期间增加了大约1.1×10^(11) T,基于水文要素的统计分析显示这一结果较为准确的反映了长江流域的水量收支状态。

重庆市城市热岛效应变化特征及减缓措施

利用1961~2016年重庆市逐日气温资料,分析讨论了重庆市主城区56年城市热岛效应的变化趋势和年变化特征,并利用2009~2016年的逐时气温资料分析讨论了城市热岛效应的日变化特征。结果表明:56年来重庆市城市热岛效应总体呈上升趋势,各季节中盛夏上升最明显;重庆市城市热岛效应存在明显的年变化特征,盛夏的热岛效应最强,初春次之,仲春至初夏的热岛效应最弱;重庆市城市热岛效应具有较明显的日变化特征,各季节热岛效应均表现为白天弱,夜间强。重庆市城市热岛效应的形成及其变化,既受到地理位置、气象条件等自然因素的影响,更由城市下垫面变化(绿地和水体的面积及分布)、大气污染、人为热排放等城市化进程因素所决定。结合重庆城市特点综合运用多种措施可以减缓重庆城市热岛效应。

近40a重庆城市热岛特征及其与天气状况的关系

利用1980—2019年重庆市中心城区4个气象站点的气温、降水等观测资料以及典型时段卫星资料,分析重庆市热岛效应的时空变化特征以及不同天气状况对热岛的影响。结果表明:20世纪90年代中期以来,重庆城市热岛效应增强趋势明显,21世纪10年代达最强,近年有减缓迹象。热岛的日、月及季节变化特征分布为:白天弱,夜间强;8月最强,6月最弱;盛夏最强,初春次之,仲春至初夏最弱。卫星遥感显示城市热岛呈东北、西南走向分布,强热岛主要位于人口密集的老城区、商业区、广场、车站、工业园以及城市新区等区域。21世纪10年代,城市热岛效应受雨天、阴天等负向驱动因素的影响以及多云天、晴天等正向驱动因素的影响,重庆市中心城区雨天、阴天、多云天、晴天时的平均热岛强度分别为0.19、0.52、0.69、0.76℃。

西南地区东部大官山山地降水梯度变化特征分析

基于2019年1月~2020年12月西南地区东部大官山降水观测数据,分析了降水随海拔高度的变化特征。结果表明:2019~2020年,大官山降水量总体随海拔升高而增大,多年平均梯度变化率为1.32%/100 m,最大降水高度在海拔1900 m左右。各季降水梯度变化率中,夏、秋季高,冬、春季低,夏季为3.31 mm/100 m,秋季为1.39 mm/100 m,冬季为0.50 mm/100 m,春季为0.67 mm/100 m。各月降水梯度变化率中,7月最高,达5.06 mm/100 m,1月和11月最低,分别为0.23 mm/100 m和0.29 mm/100 m。降水日数和小雨日数随高度的线性变化趋势较明显,平均上升率分别为2.86 d/100 m和2.56 d/100 m。大雨日数在海拔1900 m左右最大,暴雨日数在海拔2500 m左右最大。降水日变化表现出多峰值特征,降水量和降水强度均在06~09时达到最大,降水频率也随海拔高度升高而增大,其中,高海拔降水频率在15时左右达到最大。降水随海拔高度的变化与天气过程密切相关,持续阴雨天气过程降水量的梯度变化较为平缓,暴雨天气过程降水量随海拔的升高而升高,局地阵雨中单次过程降水量与海拔高度相关性不明显。

Study on Emergency Management of Geological and Meteorological Disasters

The damage caused by geological and meteorological disasters was pointed out in this paper through analyzing the features and causes of geological and meteorological disasters.To strengthen emergency management of geological and meteorological disasters,it is suggested to rigorously investigate potential geological hazard points,to strengthen observation and warning system,to take group prevention and group test as a supplementary to professional observation,to build up the last line of defense to geological and meteorological disasters,to set up functional cooperation mechanism,and to publicize disaster prevention and mitigation.

基于地理加权回归模型遥感近地表气温估算

利用地理加权回归模型(Geographically Weighted Regression,GWR),考虑近地表气温与自变量之间的空间非平稳性,实现重庆市近地表气温的估算。并将估算结果与地表温度-植被指数模型(Temperature-Vegetation Index,TVX)和普通线性回归模型(Ordinary Least Square,OLS)估算结果进行对比分析。研究结果表明,3种算法估算的近地表气温与站点实测数据空间分布趋势保持一致,但不同日期GWR算法估算的近地表气温与站点实测值间的RMSE均低于OLS和TVX算法,其中TVX算法估算值与实测值间的RMSE均值为2.83℃;OLS算法RMSE均值为1.65℃;GWR算法RMSE均值为1.58℃。此外,各验证站点处GWR算法估算的近地表气温与实测值间的差值(Temperature Deference,TD)的标准差以及绝对值的均值均小于OLS和TVX算法,体现出GWR算法在复杂地表环境下近地表气温的估算优势。