2017, Vol. 36
2. 中国气象局-南京大学气候预测研究联合实验室/气候与全球变化研究院, 南京大学大气科学学院, 南京 210023;
3. 江苏省气候中心, 南京 210002;
4. 苏州市气象局, 苏州 215021
地表温度(Land Surface Temperature, LST)是综合了地-气相互作用过程中物质和能量交换的结果, 是决定地面长波辐射的主要因子, 通过加热低层大气, 影响地表感热通量和大气温度, 从而影响居民生活舒适度(Andersson-Sköld et al, 2015)。了解LST时空变化特征及其与下垫面的关系, 对研究城市热岛(Urban Heat Island, UHI)和区域气候有重要作用(武坚等, 2009; Neteler, 2010)。环太湖地区是长三角地区经济文化中心, 城市发展迅速, 形成以苏州-无锡-常州为代表的城市群。由于城市用地面积扩张, 土地利用变化影响地表反照率、辐射通量和湍流通量等, 引起LST和UHI的空间分布发生改变(刘振等, 2013)。分析环太湖地区LST和UHI的时空变化对研究城市化带来的局地环流和区域气候变化具有重要的意义。
受地面观测条件限制, 目前LST的反演主要依赖热红外遥感卫星(Wan et al, 2004; 朱焱等, 2010)。遥感图像不仅能得到整个区域的LST分布, 而且能够准确区分下垫面类型, 为研究城市土地类型以及城市功能区划对UHI的影响提供有力的观测依据(Wang et al, 2012; Patel et al, 2012)。由于遥感卫星只能获取过境时间的LST, 且易受天气影响, 所以当云、雾或者水汽等在遥感信号传播路线上形成一定规模时, 会导致图像不准确或被遮盖(Frey et al, 2008)。因此分裂窗方法、单窗算法和单通道法等算法(Sobrino et al, 1991; Wan and Li, 1997; Jiménez-Muñoz and Sobrino, 2003)被用来重建NOAA/AVHRR、Landsat/TM、EOS/MODIS、Envisat/AATSR等卫星数据(马耀明等, 2004; Pinheiro et al, 2006), 为研究LST及UHI提供了重要的技术支持。例如, Cheval et al(2009)用MODIS图像研究了极端高温天气下的UHI特征。近年来遥感图像被越来越多地运用到LST长时间序列的研究中(Nguyen et al, 2015; Hengl et al, 2012), 但遥感难以获得连续的观测图像, 为此一些学者研究了重建LST时间序列的方法。例如, Xu and Shen(2013)运用调和分析的方法重建了LST时间序列。柯灵红等(2011)提出了一种基于高程-温度回归关系的空间重建算法, 对2008年青藏高原MODIS影像中异常低值像元进行了重建, 得到空间完整的LST时间序列。
本文应用MODIS/Aqua地表温度产品分析LST和UHI的时空变化特征, 并研究2003-2013年环太湖城市圈UHI与大气稳定度和土地利用类型的关系。
2 研究区域太湖是中国五大淡水湖之一, 位于119°52′32″E -120°36′10″E和30°55′40″N-31°32′58″N之间, 横跨江苏省的苏州、无锡和常州(下称苏锡常)三座城市。太湖流域属亚热带季风气候, 夏季在西太平洋副热带高压控制下盛行东南风, 气候炎热多雨; 冬季受西伯利亚大陆冷气团侵袭, 多偏北气流, 气候寒冷干燥(黄俊雄和徐宗学, 2009)。因具有深厚的文化底蕴和优越的投资环境, 苏锡常成为江苏省乃至全国生产力布局的重点地区和基本经济区。近10年来苏锡常工业化、城镇化发展迅速, 城镇化面积显著增加, 逐渐向中大型城市转变, 体现出连片发展的趋势(马晓冬等, 2004; 刘文超和董金玮, 2009)。根据研究区域的土地利用情况, 将下垫面分为林地、农田、水体、裸土和城市5种类型, 由于该地区水汽充沛, 云和降水对遥感图像的影响较大, 因此利用Landsat TM5得到研究区域2004年和2010年下垫面类型分布(图 1)可以看出, 2010年苏锡常以及昆山、常熟、张家港等城镇的城市用地面积较2004年增加明显, 城市范围扩大。
|
图 1 2004(a)和2010(b)年研究区域下垫面类型 Figure 1 Land covers in the study area in 2004 (a) and 2010 (b) |
MODIS/Aqua卫星约于13:30(地方时, 下同)和01:30过境, MYD11A1每日地表温度产品的空间分辨率为1 km。为获得真实的LST信息, 需要对2003-2013年MODIS图像进行筛选, 剔除反演失真的图像。首先规定当像元温度高于450 K或低于260 K时为无效像元, 若图像内无效像元数多于总像元数30%, 则判断该图像不可用, 由此可初步剔除大部分LST失真的图像。其次在剩下的图像中将受云、降水干扰或有条带出现的图像剔除, 即得到较精确的MODIS图像, 称为可用图像。
通过对所有的MODIS可用图像进行验证, 将对应时刻和格点的LST与文中3个气象站(吴中站、无锡站、东山站)2 m气温进行相关性分析, 发现白天LST与3个气象站2 m气温的时间变化的相关系数分别为0.91, 0.89和0.93。将2010年5月24日MODIS与Landsat TM5遥感图像进行对比(图 2)发现, 两者反演的LST空间分布差异很小, 由于Landsat约于10:00过境, 受太阳辐射影响, MODIS反演的LST比Landsat整体上偏高约2 ℃, 由于城市地区升温快, LST偏高3~4 ℃。经验证筛选后可以得到较为精确的LST资料。
|
图 2 Landsat TM5 (a)和MODIS (b)反演得到的2010年5月24日LST空间分布 Figure 2 Spatial distribution of LST derived from Landsat TM5 (a) and MODIS (b) on 24 May 2010 |
以东山站(120°26′E, 31°4′N)所在格点作为郊区, 图像中每个格点与郊区LST的差即为UHI。尽管可以选择图像中其他格点作为郊区参考点, 而选取东山站所在的格点有助于将来进一步研究地表城市热岛和大气城市热岛的关系。
大气稳定度采用Pasquill-Turner稳定度分类方法。Pasquill and Smith(1983)按照辐射强度、云量、云状和风速将大气稳定度分为极不稳定、不稳定、弱不稳定、中性、较稳定和稳定六级, 分别用A、B、C、D、E、F表示。A类表示极不稳定天气, 常出现在白天湍流发展旺盛时; D类为中性天气, 多见于阴天或大风天气; F类表示稳定天气, 常见于夜间逆温发展之时。由于太阳辐射观测数据少, 不便于推广, 且此方法只适用于平原地区, 对粗糙度大的地区以及城市地区还需修正。Turner(1964, 1997)为消除Pasquill方法中确定辐射强度的主观性, 提出根据太阳高度角、云量和风速确定大气稳定度。此方法通常称为Pasquill-Turner法, 简称P-T法, 其数据获取方法简单, 在国内得到了广泛应用(徐大海和俎铁林, 1983; 李琼等, 1996; 杨勇杰等, 2006)。
根据苏州市气象局提供的2003-2013年每日14:00的总云量、低云量和风速资料, 可得到研究区域的大气稳定度。首先由公式(1)、(2) 求得吴中站(120°38′E, 31°16′N)14:00的太阳高度角h0 > 65°, 再由表 1(GB/T3840-91, 1991) 结合云量确定太阳辐射等级, 最后由表 2根据太阳辐射等级和风速得到对应的大气稳定度。表 2中A-B、B-C、C-D表示介于两种稳定度之间。为便于统计各稳定度等级出现的频率, 将白天稳定度分为三大类讨论, 不稳定类(包括A、A-B、B)、弱不稳定类(包括B-C、C、C-D)和中性类(D)。
| $ {h_0} = \arcsin \left({\sin \mathit{\Phi }\sin \delta + \cos \mathit{\Phi }\cos \delta \cos \omega } \right), $ | (1) |
| $ \omega = \left({t - 12} \right){\rm{ \times }}15, $ | (2) |
|
表 1 根据云量确定的太阳辐射等级 Table 1 Solar radiation levels determined by cloudiness |
|
|
表 2 根据太阳辐射等级和风速得到的大气稳定度分类 Table 2 Classification of atmospheric stability classes derived from solar radiation levels and wind speeds |
式中: Φ为纬度; δ为太阳倾角; ω为时角; t为观测时间。
4 结果分析 4.1 MODIS图像利用率对2003-2013年MODIS日间图像进行筛选后, 最终得到687幅可用图像, 可用图像比例为17.1%。如表 3所示, 午后太阳辐射强, 热力对流旺盛, 环太湖地区14:00的大气稳定度以不稳定类和弱不稳定类为主, 频率分别为48.8%和47.2%, 具体为C类最多, B类其次, D类(中性类)频率只有4.0%。MODIS可用图像比例总体上随不稳定度降低而减少, 不稳定类的可用图像比例最多(17.4%~28.8%), 中性类的可用图像比例最低(8.8%)。中性稳定度通常反映大风或阴雨天气, 这两种天气对MODIS图像的质量影响较大。
|
|
表 3 2003-2013年14:00各稳定度出现的天数和可用图像数 Table 3 Distribution of days and available images across each stability classes at 14:00 from 2003 to 2013 |
从14:00各稳定度出现的天数和MODIS可用图像数(图 3)可以看出, 三类稳定度天数的年变化明显, 2003-2010年不稳定类天数呈增加趋势, 2010年后天数有所下降。弱不稳定类和中性类天数与不稳定类天数的年变化趋势相反。2008-2010年受春冬季节A类和B类不稳定类天数增加的影响, 不稳定类天数均在200天以上, 明显多于其他年份。每年有50~70幅MODIS可用图像, 不稳定类的可用图像数最多, 中性类的可用图像数最少。对于中性类天数少的年份, 如2008-2010年无中性类的可用图像。
|
图 3 2003-2013年14:00各稳定度出现的天数(a)和MODIS可用图像数(b) Figure 3 Number of days (a) and available images (b) across each stability classes at 14:00 from 2003 to 2013 |
对比环太湖地区2004年和2010年日间年均LST空间分布(图 4)看出, 2004年苏州城区LST最高, 高温范围呈向外辐射状, 市中心LST约32 ℃; 无锡和常州的高温范围集中在市中心, 约30 ℃。LST空间分布与城市经济结构一致, 高温由市中心向周围递减, UHI特征显著。随着城市用地面积向周围扩张, 2010年三座城市的高温范围均扩大, 结合图 1可以看出, 无锡和常州城市用地面积增加明显, 对应地区的LST升高约1 ℃, 部分新城区的LST升高了3 ℃以上。苏州由于城市发展较为完善, 2004-2010年城市下垫面改变相对较少, LST变化不明显。此外常熟和张家港等城镇发展迅速, 城市用地面积增加, LST相应升高了1~2 ℃。由此看出, LST和UHI的空间分布与下垫面的改变和经济发展密切相关。一方面环太湖地区城镇化发展迅速, 使原为郊区的常熟和张家港的LST增加, 减弱了苏锡常的UHI强度; 另一方面, 苏锡常形成一条环绕太湖的西北-东南走向的高温带, 城市化带来的城市群效应明显。高温带的形成对区域大气环流和天气、气候有重要影响(苗曼倩和唐有华, 1998)。
|
图 4 日间LST空间分布(单位: ℃) (a) 2004年, (b) 2010年, (c) 2010年与2004年LST的差 Figure 4 Spatial distribution of LST.Unit: ℃.(a) 2004, (b) 2010, (c) difference of LST between 2010 and 2004 |
为了解不同下垫面的LST时间变化特征, 分析了城市、郊区和水体三种下垫面2003-2013年日间LST的时间序列, 其中吴中站为苏州城市站, 代表城市下垫面, 东山站为苏州郊区站, 代表郊区下垫面, 选取太湖中心水面, 代表水体下垫面, 三者位置见图 1, 吴中站与东山站所在格点的LST之差定义为UHI。从2003-2013年不同下垫面的LST和UHI时间序列(图 5)看出, 日间, 城市下垫面的LST最高, 郊区次之, 水体最低。UHI时间序列与LST相似, 表现出夏季最强、冬季最弱的特征。这可能是由于夏季太阳辐射强烈, 城市下垫面储热大, LST高, 而此时郊区植被生长旺盛, 蒸腾作用带走一部分热量, LST相对较低, 从而使城郊地表温差增大, UHI较强。
|
图 5 2003-2013年不同下垫面的LST和UHI时间序列 Figure 5 Time series of LST of different land covers and UHI from 2003 to 2013 |
Tomlinson et al(2012)研究表明, 不同下垫面的LST差异明显, 而受地理位置、地形高度和气象条件等影响, 同种下垫面的LST也会存在较大的差异。利用2003-2013年期间MYD11A1日间LST数据, 得到各稳定度的平均LST, 并结合图 1中2010年下垫面信息, 统计出同种下垫面的LST分散情况。从各稳定度天气条件, 不同下垫面对应的LST箱盒图(图 6)中可以看出, 当某一格点的LST与同种下垫面其他格点相差较大时, 则会被标记为离群值, 图中用“+”表示。与图 5结果对应, 各类稳定度均为城市下垫面LST最高, 其次为裸土和树林, 植被和水体的LST最低。城市、裸土和林地的离群值较多, 水体的离群值最少。城市的离群高值在A类稳定度下最多, 其中83.3%的格点位于苏锡常的市中心, 其余格点位于张家港和常熟两座经济发展较快的县级市。在B类和C类稳定度下, 城市离群高值均位于苏锡常市中心; 由于日间水表温度低, 有利于降低周边的LST, 城市离群低值均为紧挨长江的城市用地。
|
图 6 各稳定度天气条件, 不同下垫面对应的LST箱盒图 (a) A类稳定度, (b) B类稳定度, (c) C类稳定度, (d) D类稳定度 Figure 6 Boxplots of LST for each land use type across Pasquill-Gifford stability classes. (a) class A, (b) class B, (c) class C, (d) class D |
近年来环太湖地区城市用地面积增加迅速, 下垫面类型的改变影响了LST空间结构, 进而影响UHI分布特征。Tran et al(2006)研究发现, UHI与城市发展水平有关, 人口密集、商业发达的城市区域对应的UHI强。图 7为2003-2013年日间平均UHI的空间分布, 在各类稳定度天气条件下苏锡常均存在不同程度的热岛现象。由图 7可知, 苏州UHI由市中心向周围逐渐减弱, 且UHI最高值比无锡和常州高; 常州UHI则表现为由南向北逐渐减弱的分布特征, 与其城市规划和经济发展结构一致。对比四幅图发现, UHI与稳定度关系密切, 在A类和B类天气条件下, UHI特征明显, 市中心最强约为9 ℃; D类天气条件下, UHI强度减弱且范围缩小。不稳定天气由于云量少、风速小, 强烈的太阳辐射使苏锡常始终存在强UHI特征; 中性天气由于云量和风速增加, UHI强度减弱。图 6中也可看出随着不稳定度降低, 城市下垫面LST离群值逐渐减少, 说明高温中心的范围缩小。
|
图 7 各稳定度对应的2003-2013年平均UHI空间分布(单位: ℃) (a) A类稳定度, (b) B类稳定度, (c) C类稳定度, (d) D类稳定度 Figure 7 Spatial distribution of mean UHI across Pasquill-Gifford stability classes from 2003 to 2013.Unit: ℃. (a) class A, (b) class B, (c) class C, (d) class D |
图 8给出了UHI强度随稳定度变化的季节性差异, 各季节时间段定义为3-5月为春季、6-8月为夏季、9-11月为秋季、12月和次年1-2月为冬季。由图 8可知春季UHI随不稳定度降低而减弱的规律最明显。夏季由于太阳辐射强烈, 在各类稳定度天气条件下UHI强度均在5 ℃以上, 市中心可达8 ℃。夏季A类天气条件下易存在大范围的高温过程, 城郊LST均非常高, 城郊温差减小, 使UHI强度减弱, 范围缩小。秋季UHI随稳定度的变化规律主要表现在UHI强度逐渐减弱但热岛范围并没有明显缩小。冬季MODIS可用图像数较少, 缺少D类可用图像, 但仍能看出UHI范围随不稳定度降低而减小的趋势。总体而言, UHI强度表现为春夏季强、冬季弱, 不稳定类最强、中性类最弱的特征。UHI范围可覆盖大部分城区。此外, 提高冬季和D类稳定度的MODIS图像质量, 对更准确地认识城市热岛效应有重要意义。
|
图 8 2003-2013年各季节不同稳定度对应的UHI空间分布(单位: ℃) (a)~(d)春季, (e)~(h)夏季, (i)~(l)秋季, (m)~(p)冬季, 其中(p)冬季无D类稳定度的可用图像, 第1~4列分别表示A类、B类、C类、D类稳定度 Figure 8 Spatial distribution of UHI across Pasquill-Gifford stability classes in different seasons from 2003 to 2013.Unit: ℃. (a)~(d) spring, (e)~(h) summer, (i)~(l) autumn, (m)~(p) winter, (p) there is no available image under class D in winter.The column 1~4 represents Pasquill-Gifford class A, class B, class C, class D |
利用MODIS日间LST产品分析了近10年环太湖地区LST和UHI的时空变化特征, 探讨了UHI与大气稳定度和下垫面类型之间的关系。得到以下主要结论:
(1) 2003-2013年日间大气稳定度以不稳定和弱不稳定为主, 中性稳定度出现的频率较低。中性类与不稳定类天数的年变化位相相反, 与弱不稳定类天数的年变化位相大致相同。受云、降水等天气条件影响, MODIS日间可用图像数随不稳定度降低而减少。
(2) 环太湖地区LST与下垫面类型、城市经济发展关系密切, 高温中心与城市经济中心一致。环太湖城市圈形成的过程中, 苏锡常地区2010年比2004年LST普遍升高约1 ℃, 部分新城区升高3 ℃以上, 升温区域与城市用地增加的范围一致。城市高温范围由市中心向周边扩展, 形成一条西北-东南走向的环太湖高温带, 对区域大气环流和局地气候影响显著。
(3) 不同下垫面物理属性的差异使得环太湖地区UHI现象显著。UHI与LST时间序列变化趋势一致, 存在明显的夏季强, 冬季弱的季节变化特征。UHI强度和空间分布与城市发展水平和经济结构一致。
(4) 在各类稳定度条件下, 城市下垫面LST始终高于其他下垫面, UHI特征明显。随着大气不稳定度减弱, 同种下垫面及不同下垫面之间的LST差异减小。不稳定类的UHI强, 范围广, 中性类的UHI弱。春季UHI强度随大气不稳定度降低而减弱的特征最为明显。夏季在各类稳定度天气条件下UHI强度均较高, 其中A类稳定度易存在大范围的高温天气, 使得城郊温差减小, UHI强度没有其他稳定度天气强。
由于MODIS受云和降水干扰, 难以获得连续的LST时间序列, 时间平滑方法虽可以得到LST大致的变化曲线, 但仍需要探索更有效地重建LST时间序列的算法, 为今后分析LST与大气温度的相关性以及提高LST预测能力提供有效的数据支持。
Andersson-Sköld Y, Thorsson S, Rayner D, et al. 2015. An integrated method for assessing climate-related risks and adaptation alternatives in urban areas[J]. Climate Risk Management, 7: 31–50.
DOI:10.1016/j.crm.2015.01.003 |
|
Cheval S, Dumitrescu A, Bell A. 2009. The urban heat island of Bucharest during the extreme high temperatures of July 2007[J]. Theor Appl Climatol, 97(3-4): 391–401.
DOI:10.1007/s00704-008-0088-3 |
|
Frey R A, Ackerman S A, Liu Y, et al. 2008. Cloud detection with MODIS. Part Ⅰ:Improvements in the MODIS cloud mask for collection 5[J]. J Atmos Ocea Technol, 25(7): 1057–1072.
DOI:10.1175/2008JTECHA1052.1 |
|
Hengl T, Heuvelink G B M, Tadić M P, et al. 2012. Spatio-temporal prediction of daily temperatures using time-series of MODIS LST images[J]. Theoretical & Applied Climatology, 107(1): 265–277.
DOI:10.1007/s00704-011-0464-2 |
|
Jiménez-Muñoz J C, Sobrino J A. 2003. A generalized single-channel method for retrieving land surface temperature from remote sensing data[J]. J Geophys Res, 108(D22): 2015–2023.
DOI:10.1029/2003JD003480 |
|
Neteler M. 2010. Estimating daily land surface temperatures in mountainous environments by reconstructed MODIS LST data[J]. Remote Sensing, 2(1): 333–351.
DOI:10.3390/rs1020333 |
|
Nguyen O V, Kawamura K, Trong D P, et al. 2015. Temporal change and its spatial variety on land surface temperature and land use changes in the Red River Delta, Vietnam, using MODIS time-series imagery[J]. Environmental Monitoring and Assessment, 187(7): 1–11.
DOI:10.1007/s10661-015-4691-3 |
|
Pasquill F, Smith F B. 1983. Atmospheric diffusion, third edition[M]. Ellis Horwood Limited, Chichester, England: .
|
|
Patel N R, Parida B R, Venus V, et al. 2012. Analysis of agricultural drought using vegetation temperature condition index (VTCI) from Terra/MODIS satellite data[J]. Environmental Monitoring and Assessment, 184(12): 7153–7163.
DOI:10.1007/s10661-011-2487-7 |
|
Pinheiro A C T, Mahoney R, Privette J L, et al. 2006. Development of a daily long term record of NOAA-14 AVHRR land surface temperature over Africa[J]. Remote Sens Environ, 103(2): 153–164.
DOI:10.1016/j.rse.2006.03.009 |
|
Sobrino J, Coll C, Caselles V. 1991. Atmospheric correction for land surface temperature using NOAA11 AVHRR channels 4 and 5[J]. Remote Sens Environ, 38(1): 19–34.
DOI:10.1016/0034-4257(91)90069-I |
|
Tomlinson C J, Chapman L, Thornes J E, et al. 2012. Derivation of Birmingham's summer surface urban heat island from MODIS satellite images[J]. Int J Climatol, 32(2): 214–224.
DOI:10.1002/joc.2261 |
|
Tran H, Uchihama D, Ochi S, et al. 2006. Assessment with satellite data of the urban heat island effects in Asian mega cities[J]. International Journal of Applied Earth Observation and Geoinformation, 8(1): 34–48.
DOI:10.1016/j.jag.2005.05.003 |
|
Turner D B. 1964. A diffusion model for an urban area[J]. J Appl Meteor, 3(1): 83–91.
DOI:10.1175/1520-0450(1964)0032.0.CO;2 |
|
Turner D B. 1997. The long lifetime of the dispersion methods of pasquill in U. S. regulatory air modeling[J]. J Appl Meteor, 36(8): 5–9.
DOI:10.1175/1520-0450(1997)0362.0.CO;2 |
|
Wan Z, Li Z L. 1997. A physics-based algorithm for retrieving land-surface emissivity and temperature from EOS/MODIS data[J]. IEEE Trans Geosci Remote Sens, 35(4): 980–996.
DOI:10.1109/36.602541 |
|
Wan Z, Zhang Y, Zhang Q, et al. 2004. Quality assessment and validation of the MODIS global land surface temperature[J]. Int J Remote Sens, 25(1): 261–274.
DOI:10.1080/0143116031000116417 |
|
Wang M, Nim C J, Son S H, et al. 2012. Characterization of turbidity in Florida's Lake Okeechobee and Caloosahatchee and St. Lucie estuaries using MODIS-Aqua measurements[J]. Water Research, 46(16): 5410–5422.
DOI:10.1016/j.watres.2012.07.024 |
|
Xu Y, Shen Y. 2013. Reconstruction of the land surface temperature time series using harmonic analysis[J]. Computers and Geosciences, 61(4): 126–132.
DOI:10.1016/j.cageo.2013.08.009 |
|
GB/T 3840-91. 1991. 制定地方大气污染物排放标准的技术方法[S]. 中国标准出版社.
GB/T 3840-91. 1991. Technical methods for making local emission standards of air pollutants[S]. Standards Press of China.
|
|
黄俊雄, 徐宗学. 2009. 太湖流域1954~2006年气候变化及其演变趋势[J]. 长江流域资源与环境, 18(1): 33–40.
Huang Junxiong, Xu Zongxue. 2009. Spatial-temporal characteristics of long-term trends for climate change in the Taihu basin during 1954 to 2006[J]. Resources and Environment in the Yangtze Basin, 18(1): 33–40.
|
|
柯灵红, 王正兴, 宋春桥, 等. 2011. 青藏高原东北部MODIS地表温度重建及其与气温对比分析[J]. 高原气象, 30(2): 277–287.
Ke Linghong, Wang Zhengxing, Song Chunqiao, et al. 2011. Reconstruction of MODIS land surface temperature in Northeast Qinghai-Xizang Plateau and its comparison with air temperature[J]. Plateau Meteor, 30(2): 277–287.
|
|
李琼, 叶燕翔, 李福娇, 等. 1996. 广东各地Pasquill稳定度频率的分布特征[J]. 热带气象学报(2): 181–187.
Li Qiong, Ye Yanxiang, Li Fujiao, et al. 1996. The Characteristics of frequency distribution of Pasquill stability for different areas of Guangdong[J]. J Trop Meteor(2): 181–187.
|
|
刘文超, 董金玮. 2009. 近20年来苏锡常地区建设用地扩展及耕地占用态势的遥感分析[J]. 地球信息科学学报, 11(4): 549–555.
Liu Wenchao, Dong Jinwei. 2009. Remote sensing-based analysis for expansion of construction land and cultivated land cut in recent 20 years[J]. Journal of Geo-Information Science, 11(4): 549–555.
|
|
刘振, 潘益农, 张润森, 等. 2013. 环太湖地区土地利用变化的局地气候效应[J]. 气象科学, 33(6): 619–626.
Liu Zhen, Pan Yinong, Zhang Runsen, et al. 2013. Local climate response to land use change in Taihu lake area[J]. J Meteor Sci, 33(6): 619–626.
|
|
马晓冬, 马荣华, 徐建刚. 2004. 基于ESDA-GIS的城镇群体空间结构[J]. 地理学报, 59(6): 1048–1057.
DOI:10.11821/xb200406029 Ma Xiaodong, Ma Ronghua, Xu Jiangang. 2004. Spatial structure of cities and towns with ESDA-GIS framework[J]. Acta Geographica Sinica, 59(6): 1048–1057.
DOI:10.11821/xb200406029 |
|
马耀明, 刘东升, 苏中波, 等. 2004. 卫星遥感藏北高原非均匀陆表地表特征参数和植被参数[J]. 大气科学, 28(1): 23–31.
Ma Yaoming, Liu Dongsheng, Su Zhongbo, et al. 2004. Land surface variables and vegetation variables estimated from satellite remote sensing over inhomogeneous land surface of the North Tibetan Plateau[J]. Chinese J Atmos Sci, 28(1): 23–31.
|
|
苗曼倩, 唐有华. 1998. 长江三角洲夏季海陆风与热岛环流的相互作用及城市化的影响[J]. 高原气象, 17(3): 280–289.
Miao Manqian, Tang Youhua. 1998. Interaction between sea and land breeze and heat island circulation during the summer over the delta region of the Yangtze River and urbanization effect on climate[J]. Plateau Meteor, 17(3): 280–289.
|
|
武坚, 孟宪红, 吕世华. 2009. 基于MODIS数据的金塔绿洲地表温度反演[J]. 高原气象, 28(3): 523–529.
Wu Jian, Meng Xianhong, Lü Shihua. 2009. Land surface temperature retrieved from MODIS data in Jinta Oasis Area[J]. Plateau Meteor, 28(3): 523–529.
|
|
徐大海, 俎铁林. 1983. 我国大气稳定度频率的分布[J]. 环境科学学报, 3(1): 52–61.
Xu Dahai, Zu Tielin. 1983. Percentage occurrence of atmospheric stability classes and division into regions in China[J]. Acta Scientiae Circumstantiae, 3(1): 52–61.
|
|
杨勇杰, 谈建国, 郑有飞, 等. 2006. 上海市近15a大气稳定度和混合层厚度的研究[J]. 气象科学, 26(5): 536–541.
Yang Yongjie, Tan Jianguo, Zhen Youfei, et al. 2006. Study on the atmospheric stabilities and the thickness of atmospheric mixed layer during recent 15 years in Shanghai[J]. Sci Meteor Sinica, 26(5): 536–541.
|
|
朱焱, 朱莲芳, 徐永明, 等. 2010. 基于Landsat卫星资料的苏州城市热岛效应遥感分析[J]. 高原气象, 29(1): 244–250.
Zhu Yan, Zhu Lianfang, Xu Yongming, et al. 2010. Study on the urban heat island of Suzhou city based on Landsat remote sensing data[J]. Plateau Meteor, 29(1): 244–250.
|
2. CMA-NJU Joint Laboratory for Climate Prediction Studies, Institute for Climate and Global Change Research, School of Atmospheric Sciences, Nanjing University, Nanjing 210023, China;
3. Jiangsu Climate Center, Nanjing 210002, China;
4. Suzhou Meteorological Bureau, Suzhou 215021, China