共查询到20条相似文献，搜索用时 421 毫秒
1.
2.
珠三角城市集群化发展对热岛强度的影响 总被引：2，自引：2，他引：0
利用珠三角城市发展资料及珠三角地区近28年的气温资料,研究了珠三角城市集群化发展指标与城市热岛效应之间的关系。认为:(1)珠三角城市集群化发展指标在2000年前发展缓慢,2000年后,珠三角城市集群化发展指标增长率比2000年前增长了5~9倍;(2)热岛强度增温率2000年前为0.34℃·(10a)~(-1),而2000年后热岛强度增温率为0.69℃·(10a)~(-1),热岛强度增温率增加了1倍。(3)珠三角地区城市热岛强度逐年增强,年内热岛强度雨季和干季变化明显,雨季热岛强度弱而干季热岛强度强,最弱热岛出现在降水充沛的7月,最强热岛出现在天气干燥的12月。(4)采用灰色关联度分析结果显示:城市建成区面积、工业总产值、全年总用电量和常住人口等指标对气温和热岛强度影响明显;根据城市发展指标对气温和热岛强度的关联度,采用灰色模型拟合了城市集群化发展指标对气温和热岛强度的平均拟合相对误差分别为2.7%和7.0%,说明该模型可以较好地拟合城市集群化发展指标对气温和热岛强度的影响。 相似文献
3.
上海城市热岛的变化特征 总被引：5，自引：1，他引：5
利用上海77个区域站2011—2014年逐时气温资料,运用城乡对比法分析了城市热岛(UHI)的时空变化特征。其次利用长三角20个国家站1961—2013年逐年平均气温资料,运用空间滤波法研究了上海城市化进程对城市热岛强度(IUHI)的影响。结果表明:1961—2013年IUHI整体上呈缓慢上升的趋势,IUHI递增率达0.15~ 0.17 ℃/(10 a),年平均最大IUHI达1.10~1.33 ℃,出现在2006年。上海城市化进程的加快有利于IUHI的增大。21世纪以来IUHI呈现减缓特征与全球气候变暖减缓的趋势一致。近年来,上海城区集中在外环以内,三个城市内部区域(内环区、中环至内环区、外环至中环区)IUHI存在一致的日变化特征,但受到城区内部下垫面差异性影响,IUHI呈现从内环区往外环依次递减的特征,并在夜间强热岛阶段最为明显。冬季IUHI和IUHI日变化均最大,秋季与之相当,春季次之,夏季最小。从IUHI空间分布特征看,春夏季较为一致(即东部气温较低,西部气温较高,强热岛中心集中在西北部)、秋冬季较为一致(即东部气温较高,西部气温较低,强热岛中心稳定在城区附近),这可能与季风有关。 相似文献
4.
《贵州气象》2015,(6)
利用1961—2014年朝阳、密云、上甸子3个站气温地面观测数据,对朝阳区与郊区温度年际变化、热岛强度年际变化进行了分析,并利用卫星反演数据分析了热岛效应的空间分布特征,得到以下主要结论:1朝阳区在20世纪70年代末城市热岛效应不太明显,之后城市热岛效应开始显现,热岛强度逐年增强,80年代末到90年代初略有减弱,2000年以后热岛强度有明显增强。2朝阳与郊区平均温差达1.5℃左右,为强热岛效应。热岛效应增强使得夏季高温日数增加,冬季低温日数减少。冬季为一年中热岛强度最强的季节。3朝阳区的热岛效应表现为西强东弱,热岛强度逐渐有向东、向南发展的趋势。强热岛区域集中在三环以内的城区。弱热岛区域集中在奥林匹克森林公园等下垫面多为大面积的水体和植被的地区。 相似文献
5.
成都、重庆城市热岛效应特征对比 总被引：1，自引：0，他引：1
随着我国内陆地区城市化进程的加快,部分城市热岛效应的强度及范围都显著增强。应用MODIS地表温度数据从时空两个角度对成都、重庆两市的城市热岛效应现状及其演变进行对比分析。研究结果表明：①成都和重庆市的城市热岛效应明显,成都和重庆市热岛强度分别可达到4.32 ℃和3.11 ℃。空间上,成都市的城市热岛效应呈现环状分布特征;而重庆市呈现西北高东南低的分布特征;②4个季节中,春季成都、重庆的热岛强度分别为4.32 ℃和3.11 ℃,远高于其他3季的热岛强度;而春、秋、冬季成都的热岛强度都强于重庆;③年际变化来看,成都、重庆两地城市热岛效应范围在10年间呈现扩大趋势。其中成都弱热岛和中等热岛的范围有所减小,强热岛和极强热岛分布范围则有明显扩大;相反,重庆弱热岛和中等热岛的范围扩大,强热岛和极强热岛分布范围则明显减小。 相似文献
6.
利用Landsat卫星数据分别反演了2005年和2014年临沂市的地表温度和不透水层指数，分析了城市化进程对临沂市热岛效应的影响。结果表明，2005年临沂市表现为中等强度的热岛效应，2014年表现为强热岛效应。利用地面站点资料统计分析来看，2005～2014年，临沂市热岛强度总体呈波动增加的趋势,冬季最强，春秋季次之，夏季较弱。分析城市化因子发现，城市经济、人口、用电消耗、城市房屋面积增量等多个因素对城市热岛强度变化的影响，其相关系数分别为0.86、0.82、0.67、0.81，其中房屋面积增量与热岛强度增强密切相关。从不透水层指数分布图的动态变化来看，也说明了城市化进程中城镇建筑和硬化的路面的增多导致了热岛强度的增强。 相似文献
7.
8.
上海城市集群化发展显著增强局地高温热浪事件 总被引：8，自引：1，他引：7
上海作为中国城市集群化发展的典型代表,经过30余年圈层式、集群化扩张,城市建设用地面积比例高达47.9%,接近50%的生态阈值。城市群快速扩张诱发了一个以徐家汇为中心覆盖周边40 km的区域性热岛,影响高温热浪的时空分布。基于DMSP/OLS遥感夜间灯光数据构建的城市发展指数,客观地反映出1992—2013年上海西郊嘉定、青浦和东郊的浦东集群化发展特征最凸出。利用Chow检验最优分段建模法,研究发现高温热浪期间城市群热岛突变转折与区县城市发展指数超过60%的年份相对应。城市发展指数超过60%后,近郊城市继续扩张将缩小城、郊气象站的温差,诱发更大范围热岛,增强高温热浪。1977—2000年近郊区县城市发展指数低于60%,高温热浪各要素项城郊差值显著上升,而2000年西郊城市发展指数超过60%后,和市中心差值减小,快速城市化明显增强西郊高温热浪强度和持续时间。1978年以来上海西郊与远郊高温日数差值增加了1.6倍,平均气温差值增加了34.4%,平均最高气温差值增加了41.7%。高温热浪期间遥感数据显示,向西郊伸展的城市群地表温度高值区规模扩大了32.8%,是西郊高温热浪增强的驱动因子。 相似文献
9.
10.
基于Landsat/TM资料研究广州城市热岛现象 总被引：2，自引：1，他引：1
利用Landsat/TM卫星资料及气象观测资料,基于覃志豪单窗算法对地表温度进行反演,根据热岛强度定义进行热岛强度、热岛范围的定量计算。研究结果表明,在考虑初始地温、总辐射量、植被状况等因素的影响之后,2000年至2005年间,广州市热岛现象呈现明显增强趋势,2000年11月1日、2002年11月7日、2005年11月23日热岛强度指数分别为1.15、1.20、2.89,热岛面积分别为235.44 km~2、261.09 km~2、381.42 km~2。人口增长刺激城市化加剧、温室效应增强使得地表蓄积热量增加是导致广州城市热岛效应增强的主要原因。 相似文献
11.
12.
利用2011～2017年遂宁市主城区气温观测资料、MODIS卫星遥感资料,Landsat TM影像资料,结合遂宁市海绵城市建设,对遂宁市主城区城市热岛效应进行评估,得到以下结论:气象观测资料显示遂宁市主城区存在城市热岛效应,且从2011～2016年,其热岛效应总体呈下降趋势;遂宁主城区夏季热岛强度最强,春季次之。基于MODIS卫星资料分析得到:2011～2014年,遂宁主城区的城市热岛范围逐渐扩大;强热岛和极强热岛主要集中市中心,2016年到2017年,城市热岛出现了一定的缓解,强热岛和极强热岛被消除。2017年极端高温下的遂宁市主城区城市热岛效应比2006年的弱。海绵城市建设增加了遂宁市主城区绿地面积、水域面积、改变了城市路面、合理规划了城市建设,使遂宁市主城区热岛效应得到了一定的缓解。 相似文献
13.
14.
柳州市暴雨渍涝气象预警系统 总被引：3，自引：2，他引：3
介绍柳州市暴雨渍涝气象预警系统的技术路线及原理，该系统利用城市暴雨内涝灾害仿真模型，并结合了柳州市的地理特征、城市规划、排水系统、防洪工程等多方面的非气象资料，具备一定的暴雨渍涝动态监测预报能力，对拓展城市灾害预报服务领域，提高城市暴雨渍涝灾害监测、预报、灾害风险评估水平具有一定的参考作用。 相似文献
15.
16.
17.
太原市气温变化规律研究 总被引：12，自引：2，他引：10
根据太原市1916~2000年气温资料,利用周期图等方法分析太原市近85 a气温变化得出,85a来,太原市的年和冬季平均气温呈上升趋势,春、夏和秋季平均气温呈下降趋势;发现年平均气温存在17、13 a周期,春季平均气温存在17、14、45 a周期,夏季平均气温存在48、15 a周期,秋季平均气温存在48、42、18、13 a周期,冬季平均气温存在43、17、13 a周期;年和春、夏、秋季的平均气温经历了高、低、高3个阶段,冬季平均气温经历了低、高2个阶段;各季的平均气温在20世纪末都处在上升阶段。 相似文献
18.
Temperature trends of Chennai City, India 总被引：1，自引：1，他引：0
Anushiya Jeganathan Ramachandran Andimuthu 《Theoretical and Applied Climatology》2013,111(3-4):417-425
Chennai is the fourth largest metropolitan city in India, and it is one of India's chief industrial and economic growth centers. The temperature change in Chennai is studied in this research by analyzing the mean maximum temperature (MMaxT), mean minimum temperature (MMinT), and mean annual temperature (MAT) from 1951 to 2010. Data are analyzed in three parts by running linear regression and by taking anomalies of all time periods: (a) the whole period from 1951 to 2010; (b) phase 1, 1951–1980; and (c) phase 2, 1981–2010. The trends have been evaluated by Student's t statistics and supported by Mann Kendall rank statistics. The observed change in temperature is positive, which has been clear increasing trends in MMaxT, MMinT, and MAT. MAT has increased 1.3°C since the last 60 years. MMaxT has increased up to 1.6°C, in which the second phase accounts for 75 % of the total change during the last 60 years. MMinT over Chennai has increased 1.0°C. There is a high rise in temperature during winter season. 相似文献
19.
20.