地球信息科学学报 2018 , 20 (11): 1613-1621 https://doi.org/10.12082/dqxxkx.2018.180222

地理空间分析综合应用

南京市高温热浪时空分布研究

周洋¹^,, 祝善友¹^,^*^,, 华俊玮², 刘祎¹, 向嘉敏¹, 丁文³

1. 南京信息工程大学遥感与测绘工程学院,南京 210044
2. 滁州市气象局,滁州 233299
3. 南京长天测绘技术有限公司, 南京 211100

Spatio-temporal Distribution of High Temperature Heat Wave in Nanjing

ZHOU Yang¹^,, ZHU Shanyou¹^,^*^,, HUA Junwei², LIU Yi¹, XIANG Jiamin¹, DING Wen³

1. School of Remote Sensing & Geomatics Engineering, Nanjing University of Information Science＆Technology, Nanjing 210044, China;
2. Chuzhou meteorological bureau, Chuzhou 233299, China
3. Nanjing Changtian Surveying and Technology Co, Nanjing 211100, China

通讯作者: *通讯作者：祝善友（1977-）,男,博士,教授,主要从事热红外遥感基础理论与应用研究。E-mail: zsyzgx@163.com

收稿日期: 2018-05-7

修回日期: 2018-08-22

网络出版日期: 2018-11-20

基金资助: 国家自然科学基金项目(41571418、41401471)江苏省“青蓝工程”项目

作者简介:

作者简介：周洋（1994-）,男,汉,江苏南京人,硕士生,主要研究方向热红外遥感与气象应用。E-mail: zhouyangnuist@163.com

展开

摘要

在全球气候变暖的背景下,城市夏季高温热浪已经成为城市最严重的气象灾害之一,给城市居民健康和经济发展带来了巨大的影响。以2013年8月7日-13日的南京高温热浪灾害事件为例,基于Landsat 8 OLI 卫星遥感数据、MODIS卫星遥感数据和气象站点数据,在MODIS地表温度降尺度基础上,估算近地表气温,进而结合空气相对湿度的空间插值数据计算南京地区100 m分辨率的炎热指数和高温热浪指数,分析其时空分布特征。结果表明：在这次高温热浪演变过程中,南京炎热指数呈现先升高后降低的变化趋势,8月11日炎热指数最高,平均达到86.99,12日降到最低值,平均值为85.05;高温热浪强度主要集中于轻度热浪与中度热浪,随着时间的推移,其范围也呈现先扩大后减小的趋势;在空间分布上,南京北部及中心城区的炎热指数较高,主要表现为中度热浪,而南部地区及中心城区周边郊区较低,主要为轻度热浪,山体和水域炎热指数则最低,多为无热浪。

关键词： 南京 ; 高温热浪 ; 炎热指数 ; 高温热浪指数 ; 时空分布

Abstract

Under the background of global warming, the urban heat wave in summer has become one of the most serious meteorological disasters, which has brought tremendous impact on the health and economic development of urban residents. Taking the heat wave disaster event occurred in Nanjing from August 7 to 13, 2013 as an example, the near-surface air temperatures were estimated based on the downscaled MODIS land surface temperature using the Landsat 8 OLI image data, MODIS data products, and field-measurement meteorological data. Combined with the spatial interpolation data of the relative humidity, the hot index and the high temperature heat-wave index at the resolution of 100m were calculated, and then their spatial and temporal distribution characteristics were analyzed. The results show that during the evolution of the high temperature heat wave in Nanjing, the hot index increased firstly and then decreased with time. The hot index was highest on Aug. 11th with an average of 86.99, and it fell off to the lowest value of 85.05 on Aug. 12th; the heat wave intensity mainly concentrates on mild and moderate degrees, and its range also shows a tendency of expanding firstly and then decreasing with time. In terms of spatial distribution, the hot index is higher in northern region and central urban areas and mainly display as a moderate heat wave, while the heat index in the southern suburbs and central suburbs is lower and the heat wave is mild, and the mountain and the water areas have the lowest heat index.

Keywords： Nanjing ; heat waves ; hot index ; high temperature heat-wave index ; spatial and temporal distribution

PDF (9135KB) 元数据多维度评价相关文章收藏文章

本文引用格式导出 EndNote Ris Bibtex

周洋, 祝善友, 华俊玮, 刘祎, 向嘉敏, 丁文. 南京市高温热浪时空分布研究[J]. 地球信息科学学报, 2018, 20(11): 1613-1621 https://doi.org/10.12082/dqxxkx.2018.180222

ZHOU Yang, ZHU Shanyou, HUA Junwei, LIU Yi, XIANG Jiamin, DING Wen. Spatio-temporal Distribution of High Temperature Heat Wave in Nanjing[J]. Journal of Geo-information Science, 2018, 20(11): 1613-1621 https://doi.org/10.12082/dqxxkx.2018.180222

1 引言

在全球气候变暖和城市化进程不断加快的背景下,城市热岛效应不断加强,夏季高温热浪逐渐成为一种严重的城市气象灾害,对城市居民健康和经济发展构成严峻的挑战^[1,2,3]。高温天气不仅是人体心血管、呼吸系统、消化系统等疾病的重要发病诱因之一,且在极端情况下还可能会引发人体死亡;同时会造成城市水电供应紧张,给居民正常生活生产造成严重影响^[4]。因此,进行高温热浪时空分布遥感监测与研究对于减轻极端高温事件带来的影响、改善人居环境以及城市可持续发展具有重要意义。

目前,全球范围内并没有完全统一的高温热浪定义与标准。中国采用中国气象局高温热浪定义与标准：日最高气温≥35 ℃时,称为高温日,连续3 d以上的高温天气过程称为高温热浪^[5]。近年来,国内外学者对高温热浪的研究多以气象站点数据、人口统计数据和社会经济数据为基础,集中于高温热浪形成原因及其机理^[6,7]、高温热浪测度以及指标^[8,9,10]、高温热浪时空分布规律^[11,12]、高温热浪危害以及预防措施^[13,14]和高温热浪风险评估^[15,16,17]。其中,典型研究有,张曦等^[18]利用1960-2014年6-8月湖南省77个气象站逐日最高气温资料,分析研究该地区高温热浪的时空分布特征,研究结果表明湖南省大部分地区常年遭受高温热浪袭击;范碧航等^[19]利用长春市1951-2008年的气象资料,分析其高温热浪时空分布,并总结了长春市温度变化与城市人口数量、GDP 及供电量之间的关系,最终建立了长春市高温灾害性天气影响及危害评估的指标体系。

常规气象观测数据具有观测精度高,准确可靠等优点,但无法获取空间连续分布的观测数据,这不利于高温热浪时空分布的研究与分析。相比而言,卫星遥感技术可以提供连续而准确的大面积观测数据,在高温热浪监测中发挥着越来越重要的作用。地表温度作为高温热浪监测的重要指标,可以利用热红外遥感数据反演,反演方法主要分为单通道算法、多通道算法、多角度算法、多时相算法和高光谱反演算法5类^[20]。董立新等^[21]基于FY-3A/VIRR数据,反演得到逐日地表温度,对2009年一次高温天气过程进行动态监测,并分析了不同下垫面的热环境变化;辜晓青等^[22]利用地表观测数据和极轨气象卫星资料,计算出耕地高温干旱面积,实现了高温干旱的动态监测。

在利用遥感影像进行高温热浪监测研究中,由于很难同时获得高时间与高空间分辨率的遥感图像,这限制了单一遥感图像在高温热浪动态监测中的应用。同时,以往研究大多基于遥感反演的地表温度、气象站点气温插值结果来分析高温热浪,这 2种来源数据并不能准确监测高温热浪的时空分布。因此,需要进一步发挥多源遥感数据在时、空分辨率互为补充方面的作用,同时需要建立地表温度与近地表气温之间的关系,获得可靠的气温空间分布结果,以定量监测高温热浪时空变化特征。基于此,本研究以南京市2013年8月的一次高温热浪过程为例,结合气象站点数据与多源遥感影像数据,获得高空间和高时间分辨率的近地表气温分布。在此基础上,本研究以炎热指数和高温热浪指数来表征高温热浪的强度,分析高温热浪的时空分布情况,从而实现高温热浪遥感监测与研究。

2 研究区概况与数据源

2.1 研究区概况

本研究选择江苏省南京市作为研究区（图1）。南京市（31°14″~32°37″ N, 118°22″~119°14″ E）位于长江下游中部地区,全市下辖11个区,总面积 6597 km²。南京属亚热带季风湿润气候,雨量充沛,年降水1200 mm,四季分明,年平均温度15.4 ℃,年极端气温最高39.7 ℃,最低-13.1 ℃,年平均降水量1106 mm。南京是国家区域中心城市,江苏省会城市,经济发达城市化水平高。随着经济与科技的发展,南京城市不断扩张,用地日趋紧张,城市热岛现象加剧,城市高温灾害发生频繁,从而对城市发展和居民生活带来不良影响。

显示原图| 下载原图ZIP| 生成PPT

图1 南京高程及观测站点分布

Fig. 1 Elevation distribution and locations of observation sites in Nanjing

2.2 研究数据

（1）2013年8月11日Landsat 8 卫星OLI传感器获取的晴空无云数据,空间分辨率为30m,行列号为120-038,成像区域为南京市,该数据可为低分辨率地表温度数据降尺度提供降尺度因子,由美国地质勘探局官网下载（http://landsat.usgs.gov/）。

（2）2013年8月7-13日每日地表温度产品MYD11A1,空间分辨率为1 km;每日地表反射率产品数据MOD09GA,空间分辨率为500 m。数据可由NASA官网免费下载（https://ladsweb.modaps.eosdis.nasa.gov/）。

（3）气象数据。选取南京市126个自动气象站的2013年8月7-13日站点数据,站点分布如图1所示,包括气温、相对湿度以及瞬时风速等数据。

3 研究方法

本研究技术路线如图2所示。

显示原图| 下载原图ZIP| 生成PPT

图2 研究技术路线图

Fig. 2 Schematic flow chart for the produce in this study

3.1 MODIS地表温度降尺度

陆地表面温度（LST）降尺度方法的初衷是克服不同传感器之间空间-时间分辨率的矛盾,以期获取高时空分辨率的LST产品。本文结合Landsat OLI数据,将1000 m分辨率的MYD11A1/LST产品降尺度至100 m。LST降尺度转换方法的本质是在高空间分辨率地表参数的辅助作用下提高原有LST产品的空间分辨率,其基本思想是在不同尺度下,LST和地表参数之间的定量关系保持不变,即在低空间分辨率尺度下LST与地表参数间的关系模型仍能应用于高空间分辨率的LST。获取高空间分辨率LST（T_HR）的模型为：

$T_{HR} = f (S_{H R}) + Δ T_{LR}$ （1）

$Δ T_{LR} = T_{LR} - f (S_{LR})$ （2）

式中：S_HR和S_LR分别为高空间分辨率和低空间分辨率下的地表参数; $f$ 为高（低）空间分辨率下,地表温度T_HR（T_LR）与地表参数S_HR（S_LR）间的映射关系;ΔT_LR为残差。

在降尺度过程中采用NDBI和NDVI双因子模型^[23],同时加入土壤调节植被指数SAVI、改进的土壤调节植被指数MSAVI、非线性植被指数NLI和裸土植被指数BI,建立多因子模型进行地表温度降尺度。分别利用Landsat 8 OLI和MODIS数据计算各遥感指数^[24,25,26],获得降尺度因子。

利用SPSS中的逐步多元回归分析工具,用以确定降尺度最优模型,模型分析结果如表1所示。

表1 地表温度降尺度逐步回归模型

Tab. 1 The stepwise regression models for downscaling of surface temperature

模型	因子	相关系数R	决定系数R²	随机误差估算值
a	NDBI	0.823	0.677	1.24
b	NDBI, MSAVI	0.839	0.703	1.19
c	NDBI, MSAVI, BI	0.843	0.711	1.16
d	NDBI, MSAVI, BI, NLI	0.844	0.713	1.17
e	NDBI, BI, NLI	0.844	0.713	1.17

新窗口打开

由表1可看出,分别使用NDBI、MSAVI、BI、NLI和NDBI、BI、NLI这2组参量作为降尺度地表参数因子进行降尺度模拟精度最高,因此在降尺度过程中选取NDBI、BI、NLI这3种分别表征建筑物、裸土和植被的3种地表参数作为降尺度因子。

3.2 近地表气温空间估算与模拟

近地表气温遥感反演方法包括单因子统计方法、多因子统计方法、温度-植被指数法（TVX法）、地表能量平衡法和大气廓线外推法等。大气廓线外推法因大气廓线数据较难获得,温度-植被指数法在城市区域应用的精度较低,地表能量平衡方法因其复杂性实现较为困难,因此研究中使用多因子统计方法估算瞬时近地表气温空间分布。

在利用统计方法进行气象要素高精度空间化过程中,需要进行气象要素和影响因子之间的相互关系研究。利用降尺度后的MODIS地表温度结果,结合研究区DEM数据、归一化植被指数NDVI、归一化建筑物指数NDBI和地表光谱反照率albedo等遥感参数,建立近地表气温估算模型,即

$\begin{array}{l} T_{a} = a_{0} + a_{1} \times LST + a_{2} \times NDVI \\ + a_{3} \times NDBI + a_{4} \times albedo + a_{5} \times DEM \end{array}$ （3）

式中： $T_{a}$ 表示是遥感成像时刻的瞬时气温。DEM通过ASTER GDEM裁切和重采样得到,地表反照率albedo的计算公式如下：

$\begin{array}{l} albedo = 0.356 α_{1} + 0.13 α_{3} + 0.373 α_{4} \\ + 0.085 α_{5} + 0.072 α_{7} \end{array}$ （4）

式中：albedo对应的是短波地表光谱反照率,其中 $α_{1}$ 、 $α_{3}$ 、 $α_{4}$ 、 $α_{5}$ 、 $α_{7}$ 分别对应Landsat 8 OLI数据的第2、4、5、6和7波段。

考虑到MODIS影像过境时间为13时30分（北京时间）,因此本研究对每日13时和14时的气温观测数据作平均,用以建模和验证。针对研究区126个自动气象站点,选取其中的82个站点用于建模,剩余44个气象站点数据用于验证气温估算精度。

3.3 相对湿度空间插值

研究中选取气温和相对湿度作为影响因子分析高温热浪的时空分布,因此需要获得相对湿度的空间分布结果,由于气象站点观测数据是离散分布的,当需要获取区域内连续的气象参数时,可通过空间插值方法实现。在地统计插值方法中,克里金插值方法是理论体系最为完善的一种插值方法。克里金插值( Kriging) 又称为空间自协方差最佳插值法,是一种空间局部插值法,以变异函数理论和结构分析为基础,在有限区域内对区域化变量进行无偏最优估计。根据MODIS影像成像时刻,对13时和14时的相对湿度数据作平均,获取13:30的相对湿度,进而选取82个站点进行普通克里金插值,剩余44个气象站点数据用于验证插值精度。

3.4 高温热浪表征指标

本研究选取黄卓等^[9]提出的炎热指数和热浪指数为指标,分析南京市高温热浪的时空分布特征。

（1）炎热指数。该指标综合考虑了气温和相对湿度2个气象参数,可用于解释高温天气中空气湿度较高产生的闷热感对人体舒适度的影响程度。炎热指数计算公式如式（5）所示。

$ET = 1.8 T_{a} - 0.55 (1.8 T_{a} - 26) \times (1 - RH) + 32$ （5）

式中： $T_{a}$ 为近地表气温/℃; $RH$ 为空气相对湿度/%。

（2）热浪指数。热浪指数作为评价高温炎热天气的一个综合性气象指标,在炎热指数的基础上考虑到了高温热浪灾害在持续过程中的累积效应,计算公式如式（6）所示。

$\begin{array}{l} H_{i} = 1.2 (E_{T} - {E^{'}}_{T}) + 0.35 \overset{N - 1}{\sum_{i = 1}} \frac{1}{n d_{i}} \\ \times (E_{Ti} - {E^{'}}_{T}) + 0.15 \overset{N - 1}{\sum_{i = 1}} \frac{1}{n d_{i}} + 1 \end{array}$ （6）

式中： $E_{T}$ 为该日期下的炎热指数; $E_{T}^{'}$ 炎热指数的临界值; $n d_{i}$ 为热浪开始时距离当日的日期数; $E_{Ti}$ 表示为当日之前对应的每一日天气炎热指数;N为整个高温热浪过程的持续时间。根据热浪指数,可对高温热浪进行分析,分级标准如表2所示^[9]。

表2 热浪分级标准

Tab. 2 Grading standards of heat waves

	无热浪	轻度热浪	中度热浪	重度热浪
热浪指数	$H_{i} < 2.8$	$2.8 \leq H_{i} < 6.5$	$6.5 \leq H_{i} < 10.5$	$H_{i} \geq 10.5$

新窗口打开

4 结果与讨论

4.1 近地表气温估算结果分析

利用南京市区域内去除异常值后43个气象站点气温数据验证多因子统计方法估算近地表气温空间分布的精度,选取本次高温热浪过程开始（8月7日）、中间（8月11日）和结束（8月13日）3个时间段分析近地表气温估算精度。图3为43个气象站点实测气温值与估算气温值的估算误差。

显示原图| 下载原图ZIP| 生成PPT

图3 气温估算误差散点分布

Fig. 3 Error distribution of the air temperature retrievals

由图3可看出,3个时间段的估算与实测气温误差绝大多数位于-2~2 ℃之间,其中每一日均有38个站点误差在-2~2 ℃之间,个别站点误差在2 ℃以上,误差较大的站点出现在下垫面结构复杂的中心城区位置,地表覆盖几乎为不透水面,建筑群密布、高度不一,城市景观破碎,地表覆盖高度异质^[27],受周边环境和下垫面结构的影响,这些站点的气温估算误差较大。3个时间段近地表气温估算的均方根误差（RMSE）分别为1.35、1.38和1.33 ℃,不同日期的近地表气温估算误差较为一致,总体精度能够非常好地满足高温热浪监测需要。

4.2 相对湿度空间插值结果及验证

本研究提取每一天对应验证站点的相对湿度插值结果与气象站点数据进行对比验证,计算其平均误差（ME）、平均绝对误差（MAE）和均方根误差（RMSE）,如表3所示。

表3 相对湿度插值结果误差统计（%）

Tab. 3 Error statistics of the spatial interpolation of the relative humidity

	8月7日	8月8日	8月9日	8月10日	8月11日	8月12日	8月13日
ME	1.90	0.89	1.37	-0.30	-0.35	-0.40	0.95
MAE	4.21	4.56	3.86	4.31	3.93	3.32	4.71
RMSE	5.03	5.51	4.64	5.35	4.61	4.25	5.65

新窗口打开

由表3可以看出,相对湿度的插值的平均误差在-0.4%~1.9%之间,平均为0.58%;平均绝对误差在3.32%~4.71%之间,平均为4.13%;均方根误差在4.25%~5.65%之间,平均为5.01%,说明普通克里金插值方法总体精度较高,其插值结果可以代表区域内相对湿度的空间分布。

4.3 南京高温热浪时空分布分析

利用式（5）、（6）,综合近地表气温和相对湿度数据计算每天13:30的炎热指数（图4）和高温热浪分区（图5）,分析南京地区高温热浪时空分布特征。

显示原图| 下载原图ZIP| 生成PPT

图4 南京市8月7日至8月13日炎热指数分布图

Fig. 4 The distributions of hot index in Nanjing from August 7 to 13

显示原图| 下载原图ZIP| 生成PPT

图5 南京市8月7日至8月13日高温热浪分区

Fig. 5 Division distributions of high temperature heat-wave in Nanjing from August 7 to 13

根据图4,南京市炎热指数总体呈先升高后降低的趋势,在11日达到最高值,每日的炎热指数平均值分别为85.81、86.10、86.69、86.51、86.99、85.05和85.69。其中12日的炎热指数相对较低,虽然12日气温与其他日期接近,但相对湿度相对较低,综合考虑了气温和相对湿度的炎热指数较小。

在空间上,南京北部地区和中部地区炎热指数较高,且多集中于长江沿岸及中心城区,而南京南部地区炎热指数较低,主要原因是南京中部及北部地区,位于长江沿岸,交通发达,人口众多,建筑密集,城市化水平高,热岛强度更大,因而这些地区气温更高,炎热指数更大;在北部与中部地区,炎热指数又呈现以中心城区为中心,向四周（农村及郊区）辐射降低的趋势,城区山体以及公园（如紫金山、玄武湖）等地炎热指数低于中心城区,水体则最低。根据图4,位于南京北部郊区的六合化工园区（图4圈中区域）炎热指数始终处于高值,且明显高于中心城区,主要原因是由于化工园区人口众多,空气污染严重,废热排放量大;而这几天中心城区的空气相对湿度低于六合化工园区,炎热指数低于化工园区。

对比图4、5可知,在时间变化上,南京热浪强度与炎热指数具有相同的变化趋势,高温热浪程度主要集中于轻度和中度,随着热浪过程的持续,热浪程度逐渐增强,中度热浪区域逐渐扩大,至11日达到顶峰,部分区域出现重度热浪,随后热浪强度开始减弱。由图5中热浪强度空间分布的变化可知,南京北部及中部地区热浪强度较强,南部地区热浪强度较弱。长江沿岸及各区县中心城区热浪强度较强,多为轻度热浪和中度热浪,六合化工园区及市中心长江沿岸区域出现了重度热浪;南京郊区则主要为轻度热浪,水体区域无热浪。

为了研究不同地表类型高温热浪的时间分布特征,本研究选取具有代表性的典型区域：商业区（新街口）、山体区（中山陵）、水体区（石臼湖）、城市居住区（瑞金北村小区）及乡村居住区（马鞍）,提取对应位置的炎热指数、气温和相对湿度,分析不同典型区域的高温热浪变化特征,如图6所示。

由图6知,无论何种地表类型,其高温强度均遵循着先增强后减弱的过程,主要原因是高温热浪是一个持续性过程,具有过程累积效应,不同性质的人为活动通过交互协同作用使得高温热浪在时空尺度上产生累积的环境效应。城市中人为活动密集,不同的人为活动（工业生产、交通和新陈代谢等）释放的人为热和地表吸收的热量大于自然疏散的热量,高温就会在空间、时间上产生累积现象,这种累积效应使高温强度不断增强。

显示原图| 下载原图ZIP| 生成PPT

图6 典型区域炎热指数、气温和相对湿度时间变化图

Fig. 6 Time series of the hot index, temperature, and relative humidity in the selected typical areas

在上述典型区域中,瑞金北村是城市中心的居住区,新街口属于商业中心区,气温较高,炎热指数相对最高;马鞍属于郊区与农村居住区,人口密集程度较低,虽然近地表气温较低,但相对湿度比其他地区大,其炎热指数与中心城区和商业区相近;石臼湖和中山陵作为自然景区,炎热指数相对更低,尤其水体始终处于最低值。

造成上述现象的主要原因是,南京地处中纬度地区,受太平洋副热带高压影响,属于亚热带季风湿润气候,夏季炎热湿润,气压稳定,风力微弱,7-8月极端最高气温有时高达40 ℃,易发生高温热浪灾害事件。南京城市化水平高,城市区域人口众多,建筑密集,下垫面复杂,其导热率和热容量大,增加了城市太阳辐射的吸收与热量的存储;城市下垫面不透水面积较大,水分少,城市潜热输送较小,感热输送较大,城市近地表气温高于周围郊区及农村地区;同时城市热岛效应也是造成高温热浪的重要原因^[28]。

由此可见,城市化水平和热岛强度是引发高温热浪灾害的重要人为因素,为减少高温灾害的发生,需要采取一定措施,如大力发展城市绿化,增加绿地面积,改进城市地表材料,减少不透水性材料的铺装,改善能源结构,减少人为热排放等,降低城市化和城市热岛对高温的影响。高温热浪作为一种严重的城市气象灾害,高温热浪的精细化预告以及高温热浪风险评估和区划,是减轻高温热浪灾害的前提与基础。

5 结论

结合Landsat 8 OLI和MOD09GA地表反射率数据,本研究对MYD11A1地表温度产品进行降尺度处理,以获取高时空分辨率的南京市地表温度分布结果。在此基础上,采用多因子统计方法获取南京市近地表气温时空分布,进而结合空间插值的近地面相对湿度分布,深入分析了南京高温热浪时空分布特征。主要结论如下：

（1）研究充分发挥了多源遥感数据在时、空分辨率互为补充的作用,通过降尺度、近地表气温估算等遥感手段和空间插值方法,准确表征了研究区高温热浪的时空分布与变化特点。

（2）在8月7-13日的高温热浪事件中,南京炎热指数呈现先升高后降低的趋势,11日达到最高值;其热浪指数也呈现同样的趋势,轻度热浪和中度热浪范围逐渐扩大,在11日达到最大后开始缩小直至热浪事件结束。

（3）南京高温热浪空间分布整体表现为中心城区炎热指数高,热浪等级强,郊区城镇虽然气温低,但相对湿度高,炎热指数也较高;农村地区炎热指数低,热浪等级弱,炎热指数最低的区域则为水域以及山体区域。城市化水平和城市热岛强度是影响高温热浪时空分布的主要人为因素,城市地表性质增加了太阳辐射吸收和热量存储,城市生产生活产生大量人为热,不断加热城市近地表气温,使高温热浪强度不断增强。

（4）在高温热浪遥感监测研究过程中,只考虑了温度和相对湿度影响,除此以外,高温热浪也与风环境、城市热岛效应和地形等因素存在联系,在后续研究中,将进一步开展综合多因子的高温热浪监测与影响分析研究。

The authors have declared that no competing interests exist.

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]	王遵娅,丁一汇,何金海,等. 近50年来中国气候变化特征的再分析 [J].气象学报,2004,62(2):228-236. https://doi.org/10.3321/j.issn:0577-6619.2004.02.009 URL [本文引用: 1] 摘要利用国家气象中心最近整编的中国740个站逐日资料，通过对中国温度、降水、湿度、风速、气压这5个基本气象要素变化特征较为全面的分析，揭示了近50a来中国气候变化的一些新特征。得到的新结果有：(1)近50a来，全国平均气温在20世纪80年代以后上升更为明显；西南低温区在90年代以后温度也处于上升状态；夏季的长江中上游出现明显的降温趋势。(2)全国平均年总降水量波动略有减少，但90年代以后夏季降水增加明显，尤其是长江以南地区，而华北、东北地区降水显著减少，体现了夏季风的减弱。(3)全国平均相对湿度的变化和降水相似。(4)中国几乎全部地区的风速都在显著减小，冬、春季和西北西部最明显，该区90年代的年平均风速比50年代减少约29％。风速大幅减小主要是由于亚洲冬、夏季风的减弱。(5)全国平均的海平面气压在增高，尤其是北方的冬季，这和中国风速的大幅减小有关。 [ Wang Z Y, Ding Y H, He J H, et al. An updating analysis of the climate change in China in recent 50 years [J]. Journal of Meteorology, 2004,62(2):228-236. ] https://doi.org/10.3321/j.issn:0577-6619.2004.02.009 URL [本文引用: 1] 摘要利用国家气象中心最近整编的中国740个站逐日资料，通过对中国温度、降水、湿度、风速、气压这5个基本气象要素变化特征较为全面的分析，揭示了近50a来中国气候变化的一些新特征。得到的新结果有：(1)近50a来，全国平均气温在20世纪80年代以后上升更为明显；西南低温区在90年代以后温度也处于上升状态；夏季的长江中上游出现明显的降温趋势。(2)全国平均年总降水量波动略有减少，但90年代以后夏季降水增加明显，尤其是长江以南地区，而华北、东北地区降水显著减少，体现了夏季风的减弱。(3)全国平均相对湿度的变化和降水相似。(4)中国几乎全部地区的风速都在显著减小，冬、春季和西北西部最明显，该区90年代的年平均风速比50年代减少约29％。风速大幅减小主要是由于亚洲冬、夏季风的减弱。(5)全国平均的海平面气压在增高，尤其是北方的冬季，这和中国风速的大幅减小有关。
[2]	Huang J, Wang R, Shi Y. Urban climate change: A comprehensive ecological analysis of the thermo-effects of major Chinese cities [J]. Ecological Complexity, 2010,7(2):188-197. https://doi.org/10.1016/j.ecocom.2009.11.001 URL [本文引用: 1] 摘要 Using 89 major Chinese cities which comprise the case study area, this article computed the urban thermo-effect of summer in the 1990s and 2000s compared to that in the 1950s, using the database of highest monthly temperatures recorded by national weather stations from 1951 to 2007. We conducted a temporal鈥搒patial analysis of the calculated urban thermo-effect, after which we carried out grey correlation degree analysis, system core and coritivity computation of the 22 selected indicators that could affect the urban thermo-effect. These were performed in order to determine the main factors for comprehensive analysis of urban thermo-effect. Finally, we conducted multiple regression analysis between the computed urban thermo-effect and the main factors to create the comprehensive ecological model of the urban thermo-effect. The results indicate that the urban thermo-effect in the 2000s compared to that in the 1950s is stronger than that in the 1990s. Meanwhile, the respective maximum urban thermo-effects in the 2000s and in the 1990s compared to that in the 1950s are 1.97 K and 1.50 K, respectively. The strong positive urban thermo-effect occurred mainly in the northeastern Chinese cities during the 1990s, while it occurred in the northwestern cities and southeastern coastal cities during the 2000s. The six main factors of the urban thermo-effect are the total size, the Gross Domestic Product (GDP), the green area, and the population of the built-up area, as well as the gross of freight and annual electricity consumption. The multiple comprehensive ecological model of the urban thermo-effect is reliable because the residual error of the created model is smaller than 0.5 K. The study discovers that the mitigation of urban temperature increase is possible with the adjustment of these controllable factors. Moreover, the findings in this article could provide references to decisions made while carrying out urban planning and while implementing policies in the national and local scale. Our findings can also provide references to the urban planning and construction of other developing countries with high levels of urbanization and economic development.
[3]	张尚印,张德宽,徐祥德,等. 长江中下游夏季高温灾害机理及预测 [J].大气科学学报,2005,28(6):840-846. https://doi.org/10.3969/j.issn.1674-7097.2005.06.017 URL [本文引用: 1] 摘要 Based on Monthly high temperature data in summer(JJA) from 1961 to 2003 at Nanjing,Hangzhou and Nanchang stations,quite complete time series of severe high temperature are established,and the climatic characteristics and disaster mechanism of high temperature in these areas are analyzed.The observed data in these areas show that oppressive weather lasted for a long time,extreme high temperature was high,daily average wind speed relatively low and daily average humidity higher during the high temperature process.The subtropical high over East Asia is the main climatic system that induced the summer high temperature disaster in these areas.A forecasting model of high temperature days is established using the methods of mean generating function and optimal subset regression.The varification of the 42 years historical records shows that the model can forecast high temperature in these areas successfully.Therefore it can be applied in climate operation. [ Zhang S Y, Zhang D K, Xu X D, et al. Study on the mechanism and forecasting method of Higu temperature disaster in summer in the large cities of the Yangtze River Basin [J]. Transactions of Atmospheric Sciences, 2005,28(6):840-846. ] https://doi.org/10.3969/j.issn.1674-7097.2005.06.017 URL [本文引用: 1] 摘要 Based on Monthly high temperature data in summer(JJA) from 1961 to 2003 at Nanjing,Hangzhou and Nanchang stations,quite complete time series of severe high temperature are established,and the climatic characteristics and disaster mechanism of high temperature in these areas are analyzed.The observed data in these areas show that oppressive weather lasted for a long time,extreme high temperature was high,daily average wind speed relatively low and daily average humidity higher during the high temperature process.The subtropical high over East Asia is the main climatic system that induced the summer high temperature disaster in these areas.A forecasting model of high temperature days is established using the methods of mean generating function and optimal subset regression.The varification of the 42 years historical records shows that the model can forecast high temperature in these areas successfully.Therefore it can be applied in climate operation.
[4]	Smargiassi A, Goldberg M S, Plante C, et al. Variation of daily warm season mortality as a function of micro-urban heat islands [J]. Journal of Epidemiology & Community Health, 2009,63(8):659-664. https://doi.org/10.1136/jech.2008.078147 URL PMID: 19366997 [本文引用: 1] 摘要 Background: Little attention has been paid to how heat-related health effects vary with the micro-urban variation of outdoor temperatures. This study explored whether people located in micro-urban heat islands are at higher risk of mortality during hot summer days. Methods: Data used included (1) daily mortality for Montreal (Canada) for June ugust 1990-2003, (2) daily mean ambient outdoor temperatures at the local international airport and (3) two thermal surface images (Landsat satellites, infrared wavelengths). A city-wide temperature versus daily mortality function was established on the basis of a case-crossover design; this function was stratified according to the surface temperature at decedents' place of death. Results: The risk of death on warm summer days in areas with higher surface temperatures was greater than in areas with lower surface temperatures. Conclusions: This study suggests that measures aimed at reducing the temperature in micro-urban heat islands (eg, urban greening activities) may reduce the health impact of hot temperatures. Further studies are needed to document the variation of heat-related risks within cities and to evaluate the health benefits of measures aimed at reducing the temperature in micro-urban heat islands.
[5]	中国气象局. 高温科普五:什么是高温热浪[R] .北京:中国气象报社,2011. [本文引用: 1] [ China Meteorological Administration. High temperature science five: What is high temperature heat wave[R] . Beijing: China Meteorological News, 2011. ] [本文引用: 1]
[6]	张尚印,张海东,徐祥德,等. 我国东部三市夏季高温气候特征及原因分析 [J].高原气象, 2005,24(5):829-835. https://doi.org/10.3321/j.issn:1000-0534.2005.05.026 URL Magsci [本文引用: 1] 摘要利用1961-2000年夏季(6~8月)月高温资料,探讨了石家庄、南京、福州的高温气候特征,给出了高温天气过程原因分析及东亚副热带高压(下称东亚副高)的活动特点。结果表明,石家庄测站强高温过程期间干热和闷热天气持续时间不长,极端气温高,日平均风速小,日平均相对湿度小;南京和福州测站强高温过程期间闷热天气持续时间长,极端气温不高,日平均风速小,日平均相对湿度大。我国东部地区近40年来夏季月平均日照时数在减少。东亚副高和大陆变性高压是造成我国东部地区城市夏季危害性高温的主要影响系统,强盛并持续副高和大陆变性高压控制是我国东部地区高温日数和强高温过程偏多的主要原因。 [ Zhang S Y, Zhang D K, Xu X D, et al. Climatic character and cause analysis of summer high temperature in main cities of east china [J]. Plateau Meteorology, 2005,24(5):829-835. ] https://doi.org/10.3321/j.issn:1000-0534.2005.05.026 URL Magsci [本文引用: 1] 摘要利用1961-2000年夏季(6~8月)月高温资料,探讨了石家庄、南京、福州的高温气候特征,给出了高温天气过程原因分析及东亚副热带高压(下称东亚副高)的活动特点。结果表明,石家庄测站强高温过程期间干热和闷热天气持续时间不长,极端气温高,日平均风速小,日平均相对湿度小;南京和福州测站强高温过程期间闷热天气持续时间长,极端气温不高,日平均风速小,日平均相对湿度大。我国东部地区近40年来夏季月平均日照时数在减少。东亚副高和大陆变性高压是造成我国东部地区城市夏季危害性高温的主要影响系统,强盛并持续副高和大陆变性高压控制是我国东部地区高温日数和强高温过程偏多的主要原因。
[7]	杨辉,李崇银. 2003年夏季中国江南异常高温的分析研究 [J].气候与环境研究,2005,10(1):80-85. [本文引用: 1] [ Yang H, Li C Y. Diagnostic study of serious high temperature over south china in 2003 summer [J]. Climatic and Environmental Research, 2005,10(1):80-85. ] [本文引用: 1]
[8]	唐云辉,阳华. 重庆市高温分类与指标及其发生规律研究 [J].西南农业大学学报,2003,25(1):88-91. https://doi.org/10.3969/j.issn.1673-9868.2003.01.025 URL [本文引用: 1] 摘要全面系统地总结提出了重庆市的各类高温指标,据此,对重庆市高温进行了深入地研究,揭示了重庆市高温的发生、分布和变化规律。 [ Tang Y H, Yang H. The research of chongqing's high temperature classification index and its regularity [J]. Journal of Southwest Agricultural University, 2003,25(1):88-91. ] https://doi.org/10.3969/j.issn.1673-9868.2003.01.025 URL [本文引用: 1] 摘要全面系统地总结提出了重庆市的各类高温指标,据此,对重庆市高温进行了深入地研究,揭示了重庆市高温的发生、分布和变化规律。
[9]	黄卓,陈辉,田华. 高温热浪指标研究 [J].气象,2011,37(3):345-351. [本文引用: 3] [ Huang Z, Chen H, Tian H. Research on the heat wave index [J]. Meteorological Monthly, 2011,37(3):345-351. ] [本文引用: 3]
[10]	Yagtou C P. A method for improving the effective temperature index [J]. ASHVE Trans, 1947,53:307-309. URL [本文引用: 1] 摘要 The effective temperature index of environmental warmth was developed in 1923. In recent years, various workers have found that this index overestimates the influence of atmospheric humidity on sensations of warmth at ordinary temperatures, and under-estimates the effect at temperatures which approach the limit of human endurance. The author of the present paper, who took a leading part in the ...
[11]	康晋闽,杨贤栋. 福建省高温热浪时空分布特征 [J]. 农技服务,2016,33(3):153-154. URL [本文引用: 1] 摘要高温热浪是我国大部分地方的灾害性天气，特别是近几年，高温强度有所增强，对人类生活和生产均有不同程度的影响。本文选取福建省66个气象站1961－2012年的日数据资料，对福建省出现的高温热浪时空分布特征进行了统计分析。阐述了福建省高温热浪的地域分布特征，高温热浪逐月的分布情况以及近52a发生频次的变化趋势。 [ Kang J M, Yang X D. Spatio-temporal distribution of high temperature heat wave in fujian [J]. Agricultural Technology Service, 2016,33(3):153-154. ] URL [本文引用: 1] 摘要高温热浪是我国大部分地方的灾害性天气，特别是近几年，高温强度有所增强，对人类生活和生产均有不同程度的影响。本文选取福建省66个气象站1961－2012年的日数据资料，对福建省出现的高温热浪时空分布特征进行了统计分析。阐述了福建省高温热浪的地域分布特征，高温热浪逐月的分布情况以及近52a发生频次的变化趋势。
[12]	贾佳,胡泽勇. 中国不同等级高温热浪的时空分布特征及趋势 [J].地球科学进展,2017,32(5):546-559. https://doi.org/10.11867/j.issn.1001-8166.2017.05.0546 URL [本文引用: 1] 摘要针对近年来中国区域高温热浪日数日趋增加的问题,利用1961—2013年中国区域719个基准站逐日气温数据,并根据持续时间将高温热浪分为弱、中强、强3种等级,对比分析3种不同等级高温热浪发生频次、起始及结束时间的变化特征及区域差异。结果表明：在分析时段,中国区域整体平均高温日数呈现显著的先减后增的变化趋势,转折点为1993年。高温日数变化趋势存在显著区域差异,其中西南、华南地区的高温热浪增速最快,趋势系数均通过95%显著性检验;3种等级高温热浪所发生的区域不同,其中,弱高温热浪主要发生在中国西北、华中地区,强高温热浪主要分布在华南、西南地区,且3种等级的高温热浪发生频次均呈上升趋势。从发生的起始时间看,弱高温热浪开始日期最早,平均开始于每年的7月3日,而中强和强高温热浪开始时间相近,分别为7月13日和7月14日;从区域上来看,3种等级高温热浪均最早在西南爆发,而华中、华东、华南地区爆发最晚。除西南地区外,3种等级高温热浪的起始时间呈提前趋势,而7个区域结束日期的变化趋势存在南北差异：30°N以南地区弱、中强高温热浪结束日期均呈推后趋势,强高温热浪结束日期在30°-35°N地区显著推后,而在北方呈提前趋势。 [ Jia J, Hu Z Y. Spatial and temporal features and trend of differentlevel heat waves over China [J]. Advances in Earth Science, 2017,32(5):546-559. ] https://doi.org/10.11867/j.issn.1001-8166.2017.05.0546 URL [本文引用: 1] 摘要针对近年来中国区域高温热浪日数日趋增加的问题,利用1961—2013年中国区域719个基准站逐日气温数据,并根据持续时间将高温热浪分为弱、中强、强3种等级,对比分析3种不同等级高温热浪发生频次、起始及结束时间的变化特征及区域差异。结果表明：在分析时段,中国区域整体平均高温日数呈现显著的先减后增的变化趋势,转折点为1993年。高温日数变化趋势存在显著区域差异,其中西南、华南地区的高温热浪增速最快,趋势系数均通过95%显著性检验;3种等级高温热浪所发生的区域不同,其中,弱高温热浪主要发生在中国西北、华中地区,强高温热浪主要分布在华南、西南地区,且3种等级的高温热浪发生频次均呈上升趋势。从发生的起始时间看,弱高温热浪开始日期最早,平均开始于每年的7月3日,而中强和强高温热浪开始时间相近,分别为7月13日和7月14日;从区域上来看,3种等级高温热浪均最早在西南爆发,而华中、华东、华南地区爆发最晚。除西南地区外,3种等级高温热浪的起始时间呈提前趋势,而7个区域结束日期的变化趋势存在南北差异：30°N以南地区弱、中强高温热浪结束日期均呈推后趋势,强高温热浪结束日期在30°-35°N地区显著推后,而在北方呈提前趋势。
[13]	谢德寿. 城市高温灾害及其预防 [J]. 灾害学, 1994(3)29-33. URL [本文引用: 1] [ Xie D S. The hazard of megatherm and its preventive measures [J]. Journal of Catastrophology, 1994(3):29-33. ] URL [本文引用: 1]
[14]	李莎莎,翟国方. 城市高温灾害研究[A].“中国视角的风险分析和危机反应”——中国灾害防御协会风险分析专业委员会第四届年会论文集 [C].中国灾害防御协会风险分析专业委员会,2010:8. [本文引用: 1] [ Li S S, Zhai G F. A literature review on urban heat calamity[A].“Risk Analysis and Crisis Response of Chinese Perspective” Proceedings of the Fourth Annual Conference of China Disaster Prevention Association Risk Analysis and Professional Committee [C]. China Disaster Prevention Association Risk Analysis and Professional Committee, 2010:8. ] [本文引用: 1]
[15]	Johnson D P, Tanforth A, Ulla V, et al. Developing an applied extreme heat vulnerability index utilizing socioeco-nomic and environmental data [J]. Applied Geography, 2012,35(1):23-31. https://doi.org/10.1016/j.apgeog.2012.04.006 URL [本文引用: 1] 摘要 Extreme heat is a leading cause of weather-related fatalities worldwide. Emphasis is currently being placed on the development of spatially specific vulnerability models, which are useful for decision support during extreme heat events (EHE). Research results concerning such spatially-explicit models lead efforts in preparation and mitigation of heat-related vulnerability and potential adaptation. The presented research analyzes the 1995 Chicago EHE in the context of a socio-environmental hazards approach, and fosters the development of an extreme heat vulnerability index (EHVI). The EHVI is a fused dataset consisting of census data and remotely sensed variables, which are examined in relation to geocoded mortality data. The presented analysis combines 25 well-known indicators of extreme heat-health risk into an applied index utilizing a principal components analysis. The developed EHVI presented a trend of higher rates of death in the highest risk zones to lower rates in lower zones of risk. The model explains nearly 80% of the total variance in the heat-health vulnerability variables utilized. This index could be utilized by city officials to assist in the mitigation of extreme heat events and is a further evolution of previously developed efforts. Our findings indicate extreme heat vulnerability models should likely be developed on a local level for a specific location, taking into account local variations in social and environmental vulnerability.
[16]	Füssel H M. Vulnerability: A generally applicable conceptual framework for climate change research [J]. Global Environmental Change, 2007,17(2):155-167. https://doi.org/10.1016/j.gloenvcha.2006.05.002 URL [本文引用: 1] 摘要 The term ulnerability is used in many different ways by various scholarly communities. The resulting disagreement about the appropriate definition of vulnerability is a frequent cause for misunderstanding in interdisciplinary research on climate change and a challenge for attempts to develop formal models of vulnerability. Earlier attempts at reconciling the various conceptualizations of vulnerability were, at best, partly successful. This paper presents a generally applicable conceptual framework of vulnerability that combines a nomenclature of vulnerable situations and a terminology of vulnerability concepts based on the distinction of four fundamental groups of vulnerability factors. This conceptual framework is applied to characterize the vulnerability concepts employed by the main schools of vulnerability research and to review earlier attempts at classifying vulnerability concepts. None of these one-dimensional classification schemes reflects the diversity of vulnerability concepts identified in this review. The wide range of policy responses available to address the risks from global climate change suggests that climate impact, vulnerability, and adaptation assessments will continue to apply a variety of vulnerability concepts. The framework presented here provides the much-needed conceptual clarity and facilitates bridging the various approaches to researching vulnerability to climate change.
[17]	Dousset B, Gourmelon F. Satellite multi-sensor data analysis of urban surface temperatures and land cover [J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2003,58(1-2):43-54. https://doi.org/10.1016/S0924-2716(03)00016-9 URL [本文引用: 1] 摘要 Multiple satellite sensors are used to analyze physical processes that determine energy fluxes and their interaction at the urban surface. The study is based on summertime microclimate analyses of the Los Angeles and Paris metropolises. The method consists of deriving some parameters governing the surface heat fluxes, constructing statistics of thermal infrared images, and using a GIS to combine them with a landcover classification from SPOT-HRV multispectral images, and with data from intensive in-situ experiments. The average images reveal spatial and temporal variations of land surface temperature (LST), and distinct microclimatic patterns. The combined interpretation of the statistics images and of the landcover classification shows: (i) the effect of surface physical properties, especially in downtown business and industrial districts that display heat-islands larger than 7 C; (ii) the temperating influence of water; (iii) the negative correlation between afternoon land surface temperature and normalized vegetation index, which confirms the cooling effect of urban parks; (iv) the correlation between variations of surface temperature and ozone concentration at diurnal and longer time scales.
[18]	范碧航,李宁,张继权,等. 城市高温灾害性天气影响分析与危害评估——以长春市为例 [J].灾害学,2011,26(4):93-97. [本文引用: 1] [ Fan B H, Li N, Zhang J Q, et al. Impact analysis and hazard assessment of urban disastroushigh temperature weather: A case study on Changchun city [J]. Journal of Catastrophology, 2011,26(4):93-97. ] [本文引用: 1]
[19]	张曦,黎鑫. 湖南省夏季高温热浪时空分布特征及其成因 [J].气候与环境研究,2017,22(6):747-756. https://doi.org/10.3878/j.issn.1006-9585.2017.17025 URL [本文引用: 1] 摘要利用1960-2014年夏季（6-8月）湖南省77个气象站逐日最高气温资料,对该地区高温热浪的时空分布特征进行分析研究。研究结果表明：湖南省大部分地区常年遭受高温热浪袭击,年均发生1.53次,部分地区年均出现2次以上。高频次、高强度的高温热浪主要集中于湘中偏东（衡阳盆地一带）地区,株洲、长沙、益阳等地为次大值区,湘西地区高温热浪的发生频次及强度则低于全省平均值。近年来,湖南高温热浪的影响范围不断扩大,炎热程度不断增强。近55年高温热浪频次及强度具有显著的阶段性特征,20世纪80年代以前呈减少（减弱）趋势,此后呈增多（增强）趋势,21世纪以来高温热浪增多增强尤其明显。对一次持续时间长、影响范围广的极端高温热浪过程研究发现：南亚高压东伸扩展,西太副高异常偏西、偏北且稳定少动,下沉运动强盛等条件的配合有利于湖南省持续性高温的发生。 [ Zhang X, Ni X. Spatial-temporal characteristics and causes of summer heat waves in Hunan province [J]. Climatic and Environmental Research, 2017,22(6):747-756. ] https://doi.org/10.3878/j.issn.1006-9585.2017.17025 URL [本文引用: 1] 摘要利用1960-2014年夏季（6-8月）湖南省77个气象站逐日最高气温资料,对该地区高温热浪的时空分布特征进行分析研究。研究结果表明：湖南省大部分地区常年遭受高温热浪袭击,年均发生1.53次,部分地区年均出现2次以上。高频次、高强度的高温热浪主要集中于湘中偏东（衡阳盆地一带）地区,株洲、长沙、益阳等地为次大值区,湘西地区高温热浪的发生频次及强度则低于全省平均值。近年来,湖南高温热浪的影响范围不断扩大,炎热程度不断增强。近55年高温热浪频次及强度具有显著的阶段性特征,20世纪80年代以前呈减少（减弱）趋势,此后呈增多（增强）趋势,21世纪以来高温热浪增多增强尤其明显。对一次持续时间长、影响范围广的极端高温热浪过程研究发现：南亚高压东伸扩展,西太副高异常偏西、偏北且稳定少动,下沉运动强盛等条件的配合有利于湖南省持续性高温的发生。
[20]	李召良,段四波,唐伯惠,等. 热红外地表温度遥感反演方法研究进展 [J].遥感学报,2016,20(5):899-920. [本文引用: 1] [ Li Z N, Duan S B, Tang B H, et al. Review of methods for land surface temperature derived from thermal infrared remotely sensed data [J]. Journal of Remote Sensing, 2016,20(5):899-920. ] [本文引用: 1]
[21]	董立新,杨虎,张鹏,等. FY-3A陆表温度反演及高温天气过程动态监测 [J].应用气象学报, 2012,23(2):214-222. [本文引用: 1] [ Dong L X, Yang H, Zhang P, et al. Retrieval of land surface temperature and dynamic monitoring of a high temperature weather process based on FY-3A/VIRR data [J]. Journal of Applied Meteorological Science, 2012,23(2):214-222. ] [本文引用: 1]
[22]	辜晓青,王怀清,聂秋生,等. 利用极轨气象卫星资料动态监测2003年江西夏季高温干旱 [J]. 江西气象科技, 2005(2):41-43. [本文引用: 1] [ Gu X Q, Wang H Q, Nie Q S, et al. Using NOAA-AVHRR data to dynamic monitor high temperature and drought of Jiangxi province in summer [J]. Meteorology and Disaster Reduction Research, 2005(2):41-43. ] [本文引用: 1]
[23]	王祎婷,谢东辉,李亚惠. 光谱指数趋势面的城市地表温度降尺度转换 [J].遥感学报, 2014,18(6):1169-1181. https://doi.org/10.11834/jrs.20144115 URL [本文引用: 1] 摘要针对城市及周边区域建造区和自然地表交织分布的特点,探讨了利用归一化植被指数(NDVI)和归一化建造指数(NDBI)构造趋势面的地表温度(LST)降尺度方法,以北京市市区及周边较平坦区域为例实现了LST自960m向120 m的降尺度转换。分析了LST空间分布特征及NDVI、NDBI对地物的指示性特征;以北京市四至六环为界分析NDVI、NDBI趋势面对地表温度的拟合程度及各自的适用区域;在120 m、240 m、480 m和960 m 4个尺度上评价了NDVI、NDBI和NDVI+NDBI趋势面对LST的拟合程度和趋势面转换函数的尺度效应;对NDVI、NDBI和NDVI+NDBI等3种方法的降尺度结果分覆盖类型、分区域对比评价。实验结果表明结合两种光谱指数的NDVI+NDBI方法降尺度转换精度有所改善,改善程度取决于地表覆盖类型组合。 [ Wang Y T, Xie D H, Li Y H. Downscaling remotely sensed land surface temperature over urban areasusing trend surface of spectral index [J]. Journal of Remote Sensing, 2014,18(6):1169-1181. ] https://doi.org/10.11834/jrs.20144115 URL [本文引用: 1] 摘要针对城市及周边区域建造区和自然地表交织分布的特点,探讨了利用归一化植被指数(NDVI)和归一化建造指数(NDBI)构造趋势面的地表温度(LST)降尺度方法,以北京市市区及周边较平坦区域为例实现了LST自960m向120 m的降尺度转换。分析了LST空间分布特征及NDVI、NDBI对地物的指示性特征;以北京市四至六环为界分析NDVI、NDBI趋势面对地表温度的拟合程度及各自的适用区域;在120 m、240 m、480 m和960 m 4个尺度上评价了NDVI、NDBI和NDVI+NDBI趋势面对LST的拟合程度和趋势面转换函数的尺度效应;对NDVI、NDBI和NDVI+NDBI等3种方法的降尺度结果分覆盖类型、分区域对比评价。实验结果表明结合两种光谱指数的NDVI+NDBI方法降尺度转换精度有所改善,改善程度取决于地表覆盖类型组合。
[24]	李喆,胡蝶,赵登忠,等. 宽波段遥感植被指数研究进展综述 [J].长江科学院院报,2015,32(1):125-130. https://doi.org/10.3969/j.issn.1001-5485.2015.01.026 URL Magsci [本文引用: 1] 摘要植被指数是地表资源环境管理和定量评价中的一个关键性指标,能有效地描述绿色植物长势和生物量信息。从绿色植被遥感光谱特性分析出发,系统介绍几种具有代表性的宽波段植被指数模型,将其划分为3大类型,即数值计算型、土壤调节型和大气调节型。数值计算型主要包括比值植被指数、差值植被指数、归一化差值植被指数等,其计算值的物理意义不清楚。土壤调节型主要包括垂直植被指数、土壤调节植被指数、全球环境监测指数等,通过引入土壤调节因子来突出植被信息,减少土壤背景的干扰。大气调节型主要包括抗大气植被指数、大气影响抗阻植被指数、增强型植被指数等,通过引入大气调节因子来突出植被信息,减少大气气溶胶的影响。最后,对各类模型存在的问题和下一步的发展方向进行了较为深入的探讨。 [ Li Z, Hu D, Zhao D Z, et al. Research advance of broadband vegetation index using remotely sensed images [J]. Journal of Yangtze River Scientific Research Institute, 2015,32(1):125-130. ] https://doi.org/10.3969/j.issn.1001-5485.2015.01.026 URL Magsci [本文引用: 1] 摘要植被指数是地表资源环境管理和定量评价中的一个关键性指标,能有效地描述绿色植物长势和生物量信息。从绿色植被遥感光谱特性分析出发,系统介绍几种具有代表性的宽波段植被指数模型,将其划分为3大类型,即数值计算型、土壤调节型和大气调节型。数值计算型主要包括比值植被指数、差值植被指数、归一化差值植被指数等,其计算值的物理意义不清楚。土壤调节型主要包括垂直植被指数、土壤调节植被指数、全球环境监测指数等,通过引入土壤调节因子来突出植被信息,减少土壤背景的干扰。大气调节型主要包括抗大气植被指数、大气影响抗阻植被指数、增强型植被指数等,通过引入大气调节因子来突出植被信息,减少大气气溶胶的影响。最后,对各类模型存在的问题和下一步的发展方向进行了较为深入的探讨。
[25]	肖凡,朱明雅. 归一化遥感指数的应用发展研究 [J].农村经济与科技,2016,27(1):47-48. https://doi.org/10.3969/j.issn.1007-7103.2016.01.020 URL [本文引用: 1] 摘要植被、建筑、水体和不透水面作为影响城市热环境的主要因素,其归一化遥感指数一直是广大学者研究的重点内容。从不同方向分析研究归一化遥感指数的产生和发展,为应用研究提供借鉴。 [ Xiao F, Zhu M Y. Research on application and development of normalized remote sensing index [J]. Rural Economy and Science-Technology, 2016,27(1):47-48. ] https://doi.org/10.3969/j.issn.1007-7103.2016.01.020 URL [本文引用: 1] 摘要植被、建筑、水体和不透水面作为影响城市热环境的主要因素,其归一化遥感指数一直是广大学者研究的重点内容。从不同方向分析研究归一化遥感指数的产生和发展,为应用研究提供借鉴。
[26]	吴志杰,赵书河. 基于TM图像的“增强的指数型建筑用地指数”研究 [J].国土资源遥感,2012,24(2):50-55. https://doi.org/10.6046/gtzyyg.2012.02.10 URL Magsci [本文引用: 1] 摘要以Landsat TM/ETM<sup>+</sup>图像为数据源,研究城镇和农村建筑用地信息的提取方法。首先利用TM 7,4,2波段创建归一化差值裸地与建筑用地指数(normalized difference bareness and built-up index, NDBBI ); 然后根据裸地在裸土指数(bare doil index, BSI)图像上的亮度值最高、在改进型归一化差值水体指数(modified normalized difference water index, MNDWI)图像的亮度值最低的特征,提出了增强型裸土指数(enhanced bare soil index, EBSI); 最后选用NDBBI,EBSI,MNDWI和SAVI(soil adjustment vegetation index, SAVI)4个指数,构建一种新型的建筑用地指数,称为"增强的指数型建筑用地指数"(enhanced index-based built-up index,EIBI),可快速地提取建筑用地信息。实验结果表明,用EIBI提取的建筑用地信息客观,人为干预少,可信度高,提取精度可达90%以上,适合于同时提取城市和农村建筑用地信息。 [ Wu Z J, Zhao S H. A study of enhanced index-based built-up index based on Landsat TM imagery [J]. Remote Sensing for Land & Resources, 2012,24(2):50-55. ] https://doi.org/10.6046/gtzyyg.2012.02.10 URL Magsci [本文引用: 1] 摘要以Landsat TM/ETM<sup>+</sup>图像为数据源,研究城镇和农村建筑用地信息的提取方法。首先利用TM 7,4,2波段创建归一化差值裸地与建筑用地指数(normalized difference bareness and built-up index, NDBBI ); 然后根据裸地在裸土指数(bare doil index, BSI)图像上的亮度值最高、在改进型归一化差值水体指数(modified normalized difference water index, MNDWI)图像的亮度值最低的特征,提出了增强型裸土指数(enhanced bare soil index, EBSI); 最后选用NDBBI,EBSI,MNDWI和SAVI(soil adjustment vegetation index, SAVI)4个指数,构建一种新型的建筑用地指数,称为"增强的指数型建筑用地指数"(enhanced index-based built-up index,EIBI),可快速地提取建筑用地信息。实验结果表明,用EIBI提取的建筑用地信息客观,人为干预少,可信度高,提取精度可达90%以上,适合于同时提取城市和农村建筑用地信息。
[27]	王薇. 城市高度异质下垫面监测及热环境分析[D] .上海:华东师范大学,2016. [本文引用: 1] [ Wang W. Underlying surface monitoring and thermal environment analysis in highly heterogeneous urban areas[D] . Shanghai: East China Normal University, 2016. ] [本文引用: 1]
[28]	郑祚芳,范水勇,王迎春. 城市热岛效应对北京夏季高温的影响 [J]. 应用气象学报, 2006(S1):48-53. https://doi.org/10.3969/j.issn.1001-7313.2006.z1.007 URL [本文引用: 1] 摘要应用1998—2002年北京地区自动气象站观测资料,探讨了城市热岛效应对夏季高温的增幅作用。结果表明:北京地区夏季平均热岛指数随着环境温度的升高呈上升趋势,城市热岛效应对高温强度有明显的增幅作用。并应用中尺度MM5模式,对2000年7月一次典型高温天气过程进行了数值模拟。试验表明:模式对于北京地区夏季高温及城市热岛的范围和强度均有较好的模拟能力。 [ Zheng Z F, Fan S Y, Wang Y C. Effects of urban heat island on summer high temperatures in Beijing [J]. Journal of Applied Meteorological Science, 2006(S1):48-53. ] https://doi.org/10.3969/j.issn.1001-7313.2006.z1.007 URL [本文引用: 1] 摘要应用1998—2002年北京地区自动气象站观测资料,探讨了城市热岛效应对夏季高温的增幅作用。结果表明:北京地区夏季平均热岛指数随着环境温度的升高呈上升趋势,城市热岛效应对高温强度有明显的增幅作用。并应用中尺度MM5模式,对2000年7月一次典型高温天气过程进行了数值模拟。试验表明:模式对于北京地区夏季高温及城市热岛的范围和强度均有较好的模拟能力。

近50年来中国气候变化特征的再分析

2004

... 在全球气候变暖和城市化进程不断加快的背景下,城市热岛效应不断加强,夏季高温热浪逐渐成为一种严重的城市气象灾害,对城市居民健康和经济发展构成严峻的挑战^[1,2,3].高温天气不仅是人体心血管、呼吸系统、消化系统等疾病的重要发病诱因之一,且在极端情况下还可能会引发人体死亡;同时会造成城市水电供应紧张,给居民正常生活生产造成严重影响^[4].因此,进行高温热浪时空分布遥感监测与研究对于减轻极端高温事件带来的影响、改善人居环境以及城市可持续发展具有重要意义. ...

近50年来中国气候变化特征的再分析

2004

Urban climate change: A comprehensive ecological analysis of the thermo-effects of major Chinese cities

2010

长江中下游夏季高温灾害机理及预测

2005

长江中下游夏季高温灾害机理及预测

2005

Variation of daily warm season mortality as a function of micro-urban heat islands

2009

高温科普五:什么是高温热浪[R]

2011

... 目前,全球范围内并没有完全统一的高温热浪定义与标准.中国采用中国气象局高温热浪定义与标准：日最高气温≥35 ℃时,称为高温日,连续3 d以上的高温天气过程称为高温热浪^[5].近年来,国内外学者对高温热浪的研究多以气象站点数据、人口统计数据和社会经济数据为基础,集中于高温热浪形成原因及其机理^[6,7]、高温热浪测度以及指标^[8,9,10]、高温热浪时空分布规律^[11,12]、高温热浪危害以及预防措施^[13,14]和高温热浪风险评估^[15,16,17].其中,典型研究有,张曦等^[18]利用1960-2014年6-8月湖南省77个气象站逐日最高气温资料,分析研究该地区高温热浪的时空分布特征,研究结果表明湖南省大部分地区常年遭受高温热浪袭击;范碧航等^[19]利用长春市1951-2008年的气象资料,分析其高温热浪时空分布,并总结了长春市温度变化与城市人口数量、GDP 及供电量之间的关系,最终建立了长春市高温灾害性天气影响及危害评估的指标体系. ...

高温科普五:什么是高温热浪[R]

2011

我国东部三市夏季高温气候特征及原因分析

2005

我国东部三市夏季高温气候特征及原因分析

2005

2003年夏季中国江南异常高温的分析研究

2005

2003年夏季中国江南异常高温的分析研究

2005

重庆市高温分类与指标及其发生规律研究

2003

重庆市高温分类与指标及其发生规律研究

2003

高温热浪指标研究

2011

... 本研究选取黄卓等^[9]提出的炎热指数和热浪指数为指标,分析南京市高温热浪的时空分布特征. ...

... 式中：

E_{T}

为该日期下的炎热指数;

E_{T}^{'}

炎热指数的临界值;

n d_{i}

为热浪开始时距离当日的日期数;

E_{Ti}

表示为当日之前对应的每一日天气炎热指数;N为整个高温热浪过程的持续时间.根据热浪指数,可对高温热浪进行分析,分级标准如表2所示^[9]. ...

高温热浪指标研究

2011

... 本研究选取黄卓等^[9]提出的炎热指数和热浪指数为指标,分析南京市高温热浪的时空分布特征. ...

... 式中：

E_{T}

为该日期下的炎热指数;

E_{T}^{'}

炎热指数的临界值;

n d_{i}

为热浪开始时距离当日的日期数;

E_{Ti}

表示为当日之前对应的每一日天气炎热指数;N为整个高温热浪过程的持续时间.根据热浪指数,可对高温热浪进行分析,分级标准如表2所示^[9]. ...

A method for improving the effective temperature index

1947

福建省高温热浪时空分布特征

2016

福建省高温热浪时空分布特征

2016

中国不同等级高温热浪的时空分布特征及趋势

2017

中国不同等级高温热浪的时空分布特征及趋势

2017

城市高温灾害及其预防

1994

城市高温灾害及其预防

1994

城市高温灾害研究[A].“中国视角的风险分析和危机反应”——中国灾害防御协会风险分析专业委员会第四届年会论文集

2010

城市高温灾害研究[A].“中国视角的风险分析和危机反应”——中国灾害防御协会风险分析专业委员会第四届年会论文集

2010

Developing an applied extreme heat vulnerability index utilizing socioeco-nomic and environmental data

2012

Vulnerability: A generally applicable conceptual framework for climate change research

2007

Satellite multi-sensor data analysis of urban surface temperatures and land cover

2003

城市高温灾害性天气影响分析与危害评估——以长春市为例

2011

城市高温灾害性天气影响分析与危害评估——以长春市为例

2011

湖南省夏季高温热浪时空分布特征及其成因

2017

湖南省夏季高温热浪时空分布特征及其成因

2017

热红外地表温度遥感反演方法研究进展

2016

... 常规气象观测数据具有观测精度高,准确可靠等优点,但无法获取空间连续分布的观测数据,这不利于高温热浪时空分布的研究与分析.相比而言,卫星遥感技术可以提供连续而准确的大面积观测数据,在高温热浪监测中发挥着越来越重要的作用.地表温度作为高温热浪监测的重要指标,可以利用热红外遥感数据反演,反演方法主要分为单通道算法、多通道算法、多角度算法、多时相算法和高光谱反演算法5类^[20].董立新等^[21]基于FY-3A/VIRR数据,反演得到逐日地表温度,对2009年一次高温天气过程进行动态监测,并分析了不同下垫面的热环境变化;辜晓青等^[22]利用地表观测数据和极轨气象卫星资料,计算出耕地高温干旱面积,实现了高温干旱的动态监测. ...

热红外地表温度遥感反演方法研究进展

2016

FY-3A陆表温度反演及高温天气过程动态监测

2012

FY-3A陆表温度反演及高温天气过程动态监测

2012

利用极轨气象卫星资料动态监测2003年江西夏季高温干旱

2005

利用极轨气象卫星资料动态监测2003年江西夏季高温干旱

2005

光谱指数趋势面的城市地表温度降尺度转换

2014

... 在降尺度过程中采用NDBI和NDVI双因子模型^[23],同时加入土壤调节植被指数SAVI、改进的土壤调节植被指数MSAVI、非线性植被指数NLI和裸土植被指数BI,建立多因子模型进行地表温度降尺度.分别利用Landsat 8 OLI和MODIS数据计算各遥感指数^[24,25,26],获得降尺度因子. ...

光谱指数趋势面的城市地表温度降尺度转换

2014

宽波段遥感植被指数研究进展综述

2015

宽波段遥感植被指数研究进展综述

2015

归一化遥感指数的应用发展研究

2016

归一化遥感指数的应用发展研究

2016

基于TM图像的“增强的指数型建筑用地指数”研究

2012

基于TM图像的“增强的指数型建筑用地指数”研究

2012

城市高度异质下垫面监测及热环境分析[D]

2016

... 由图3可看出,3个时间段的估算与实测气温误差绝大多数位于-2~2 ℃之间,其中每一日均有38个站点误差在-2~2 ℃之间,个别站点误差在2 ℃以上,误差较大的站点出现在下垫面结构复杂的中心城区位置,地表覆盖几乎为不透水面,建筑群密布、高度不一,城市景观破碎,地表覆盖高度异质^[27],受周边环境和下垫面结构的影响,这些站点的气温估算误差较大.3个时间段近地表气温估算的均方根误差（RMSE）分别为1.35、1.38和1.33 ℃,不同日期的近地表气温估算误差较为一致,总体精度能够非常好地满足高温热浪监测需要. ...

城市高度异质下垫面监测及热环境分析[D]

2016

城市热岛效应对北京夏季高温的影响

2006

... 造成上述现象的主要原因是,南京地处中纬度地区,受太平洋副热带高压影响,属于亚热带季风湿润气候,夏季炎热湿润,气压稳定,风力微弱,7-8月极端最高气温有时高达40 ℃,易发生高温热浪灾害事件.南京城市化水平高,城市区域人口众多,建筑密集,下垫面复杂,其导热率和热容量大,增加了城市太阳辐射的吸收与热量的存储;城市下垫面不透水面积较大,水分少,城市潜热输送较小,感热输送较大,城市近地表气温高于周围郊区及农村地区;同时城市热岛效应也是造成高温热浪的重要原因^[28]. ...

城市热岛效应对北京夏季高温的影响

2006

〈

〉

南京市高温热浪时空分布研究

Spatio-temporal Distribution of High Temperature Heat Wave in Nanjing

1 引言

2 研究区概况与数据源

2.1 研究区概况

2.2 研究数据

3 研究方法

3.1 MODIS地表温度降尺度

3.2 近地表气温空间估算与模拟

3.3 相对湿度空间插值

3.4 高温热浪表征指标

4 结果与讨论

4.1 近地表气温估算结果分析

4.2 相对湿度空间插值结果及验证

4.3 南京高温热浪时空分布分析

5 结论

参考文献 文献选项 原文顺序 文献年度倒序 文中引用次数倒序 被引期刊影响因子

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子