酒泉市城南热岛成因分析

根据遥感资料分析了酒泉市城市热岛的成因。指出建筑空间、污染物、水体都是影响城市热岛的主要因素。     

福州城市热岛精细化时空结构特征研究

利用福州地区139个自动站2012—2020年逐时气温资料，对福州城市热岛时空结构进行研究并探讨其成因。结果表明，加密自动站清晰地展现了福州城市热岛的精细结构表现为“多中心”特征，即除了福州市中心城区的热岛主中心外，在闽清县城区和福清市城区还有两个副热岛中心，热岛强度在0.8 ℃～1.6 ℃之间。此外，除永泰及闽侯等山区呈负热岛外，大部地区呈正热岛。在城市热岛演变趋势上，福州郊区及山区大部呈减少趋势，呈增长趋势的区域仅分布在闽清、罗源沿海、永泰东部、中心城区、闽侯南部、福清北部、长乐南部、连江西部等地区，速率为每10 a 0 ℃~0.25 ℃。     

城市化进程对城市热岛效应因子的对比分析

采用1990～2004年乌鲁木齐市和其郊区的温度差值作为衡量其城市热岛效应的标准,以乌鲁木齐市城市化七项指标作为城市热岛效应的形成因子.通过多元回归模型分析了各热岛效应因子对城市热岛的影响.文章主要结论包括乌鲁木齐市各热岛效应因子时城市热岛的影响是不同的,居民生活条件的改善和公共基础设施的改善减轻了热岛效应的影响,热岛效应也符合环境库兹涅茨曲线规律.     

武汉市热岛强度分区与规划应对策略

城市热岛强度分区是城市通风环境改善的前期准备工作。通过空间信息技术方法,提取不同土地类型,并结合建成区热岛强度指数划分武汉市热岛及冷空气生成区。结果表明:用地类型与地表温度存在明显的相关性,大部分水域处于低温区及次低温区,高温区不存在林草地和耕地,城市建设用地主要分布在高温区内;热岛区域大部分分布在武汉市主城区范围内,冷空气生成区位于城市热岛的周边,主城区范围内的大型湖泊、河流和公园绿地对热岛进行分隔。由此提出,对武汉市各个气候功能片区采取分类规划改善策略。     

基于TM资料对上海区域热环境特征的分析

为了揭示城市热岛(UHI)形成机制,以TM卫星遥感资料为主要数据源,结合地面自动气象站(AWS)实测的气象资料,利用地表能量平衡参数化(SEBAL)的方法估算了净辐射通量和土壤热通量,分析了上海区域热环境特征.结果表明,TM地表温度与AWS实测地表温度具有较好的一致性；不同类型地表其地表温度差异明显,城市道路是城市中重要热量来源,绿地和水体面积的增加能有效地减轻城市热岛强度,同时也表明了卫星遥感资料在城市气候环境研究中的潜在价值.     

济南市局地环流数值预报试验研究

利用多尺度气象耦合模式对济南市城市热岛和山谷风局地环流进行了数值预报试验,其预报和实测日均风速比值总体平均为1.18±0.39,风向差值总体平均为45±30°,温度差值总体平均为0.32±0.25(°C)。     

基于Landsat 7的武汉市热岛效应研究

城市化使得城市数量和规模不断增加,城市作为人类对自然环境改造最为剧烈的部分,具有独特的区域环境,其中城市内部温度显著高于周边郊区的热岛效应是一个突出的城市环境问题,受到了普遍关注和研究。武汉市是长江中游特大城市,城市热岛效应明显,但对其研究很少。利用Landsat TM6波段数据,生成武汉市城市亮温场,分析了武汉市热场的分布、大小,利用亮温场均值、方差和相对温度评价城市热岛强度,并对城市热场的范围及强度变化与城市发展规模及方向进行了分析,取得了较好的效果。     

基于Landsat-8数据和劈窗算法的地表温度反演及城市热岛效应研究

陆地表面温度(Land Surface Temperature,LST)是地表能量平衡组分中的一个重要参数。随着卫星遥感技术的快速发展,遥感反演成为获取区域LST的一个重要手段。目前已有学者提出多种基于遥感数据反演LST的算法,其中劈窗算法被证明是一种精度较高的算法。基于Landsat-8卫星30 m空间分辨率的陆地成像仪(OLI)数据和100 m分辨率的热红外传感器(TIRS)数据,采用劈窗算法计算了无锡地区的LST,并采用地面实测水温数据和同步的MODIS温度产品对Landsat-8的计算结果进行了验证和对比分析。结果表明:基于Landsat-8数据和劈窗算法获取的LST精度较高,误差1K。在计算的LST结果基础上,进一步提取了热场变异指数来分析城市热岛空间分布特征,给出了城市热岛效应的定量化描述,并就不同地表覆盖类型对热岛效应的影响进行了分析。     

PSO和SVM混合算法确定太湖入湖河流水质主要影响因子

以影响太湖入湖河流水质的24个因子值为研究对象，将PSO算法与SVM算法相结合。PSO算法用于优化SVM算法的参数c和g，以利于快速、高效地确定c和g的全局最优值；SVM算法基于最优的c和g，分别以24，21，18，15，12，9和6个因子作为特征向量预测水质的污染程度。结果表明，当特征向量为9个影响因子时预测率最高。其参数c=18.56，g=1.35，对应的预测率为：全局预测率92.59%，重度污染水质预测率88.89%，轻度污染水质预测率94.45%。因此，通过PSO和SVM混合算法，可以确定影响太湖入湖河流水质的主要因子，利用这些主要因子对水质进行预测预警，不但可以节省时间，而且可以得到精确的结果。     

审时度势 创新发展 全方位推进环境监测现代化建设

回顾了环境监测的发展历程，指出环境监测还面临着定位不明、服务单一、投入不足、监测能力建设滞后的问题。阐述了环境监测现代化建设的总体目标和要求，提出面向“十一五”，围绕建设环境友好型社会、构建和谐社会的时代要求，环境监测必须抓住战略发展机遇，努力开拓创新，健全法制，理顺体制，多元投入。激活机制。强化科研。拓展领域，增强能力。发展事业。全方位推进现代化建设。