司鵬,李慶祥,李偉,殷紅

(1.沈陽農(nóng)業(yè)大學(xué),遼寧沈陽 110161;2.天津市氣象信息中心,天津 300074;3.中國(guó)氣象局國(guó)家氣象信息中心,北京 100081;4.中國(guó)氣象局國(guó)家氣象中心,北京 100081)

0 引言

城市化快速發(fā)展能夠造成土地利用/覆蓋狀況的改變,同時(shí)在一定程度上導(dǎo)致原有局地或區(qū)域氣候特征發(fā)生變化。Kiffle[1]對(duì)亞的斯亞貝巴城市化影響的研究指出,過去15 a中快速的城市建設(shè)消耗了城區(qū)附近大面積的可用地,導(dǎo)致城郊能量平衡改變,使得城市熱島現(xiàn)象正逐步成為亞的斯亞貝巴的城市氣候特征。Gallo和Tarpley[2]研究中發(fā)現(xiàn)位于以城市環(huán)境為主的氣象觀測(cè)站相對(duì)于以鄉(xiāng)村為背景環(huán)境的,通常表現(xiàn)出較低的日較差;同時(shí)Gallo等[3]還指出由以鄉(xiāng)村環(huán)境占主導(dǎo)地位的土地利用轉(zhuǎn)變成城市環(huán)境為主的過程中會(huì)大大影響氣溫的趨勢(shì)變化(特別是會(huì)造成氣溫日較差的降低)。王桂玲等[4]利用衛(wèi)星遙感資料探討了南京城市熱島的形成機(jī)制及其影響因子,結(jié)果表明南京城區(qū)熱島效應(yīng)顯著,并且城鄉(xiāng)植被覆蓋差異是造成城市熱島的主要因素。同樣,肖榮波等[5]、鄭祚芳等[6]研究了城市熱島時(shí)空分布特征,表明城市化等人類活動(dòng)對(duì)熱島效應(yīng)的出現(xiàn)起重要作用。阮蔚琳等[7]、林學(xué)椿和于淑秋[8]、周雅清和任國(guó)玉[9]、Kalnay和Cai[10]、趙宗慈[11]的研究結(jié)果也表明,局地/區(qū)域氣候增暖有很大一部分是由城市化引起的,并且貢獻(xiàn)程度顯著。由此可見,城市化造成的氣候變化影響是不容忽視的。但長(zhǎng)期以來,城市化/城市熱島影響的評(píng)估方法卻很單一,由于缺少高密度的氣候數(shù)據(jù)集,許多研究均利用一個(gè)城市臺(tái)站和周圍個(gè)別鄉(xiāng)村臺(tái)站的對(duì)比來表征城市熱島對(duì)當(dāng)?shù)貧夂蜃兓挠绊懗潭?顯然這種思路會(huì)受到站點(diǎn)選擇上隨機(jī)性的影響;另外,由于我國(guó)長(zhǎng)期氣候觀測(cè)資料序列存在著一定的非均一性,也會(huì)影響這種估計(jì)的精度。

20世紀(jì)80年代以來,作為中國(guó)改革開放“對(duì)外窗口”的深圳,是我國(guó)典型的快速城市化進(jìn)程的城市之一。據(jù)深圳市統(tǒng)計(jì)局(2006)統(tǒng)計(jì),到2005年末全市常住人口827.75萬,人口密度為4 239人/km2(http://www.sztj.com),而1949—1978年全市人口僅為31.4萬。因此,研究深圳城市化進(jìn)程的氣候影響,既有助于當(dāng)前我國(guó)城市建設(shè)的科學(xué)規(guī)劃,也為以后中國(guó)氣溫變化規(guī)律的研究工作提供參考依據(jù)。為此首先從資料的均一性分析入手,確保采用分析數(shù)據(jù)的均一性;為了避免觀測(cè)時(shí)次的影響(有些臺(tái)站是3次觀測(cè),與通常采取的4次觀測(cè)存在一定的差別),本文主要對(duì)逐月平均最高、最低氣溫及日較差資料進(jìn)行較為詳細(xì)的分析,而平均氣溫的趨勢(shì)變化則采用最高、最低氣溫的平均值;另外,氣溫趨勢(shì)的擬合采用魯棒回歸(M估計(jì)),以求更為客觀準(zhǔn)確。

1 資料與研究方法

1.1 資料

本文主要采用地面觀測(cè)和再分析資料:地面觀測(cè)資料為國(guó)家氣象信息中心收集整理的深圳及附近站點(diǎn)地面觀測(cè)的逐月平均最高、最低氣溫資料(1967—2005年);再分析資料為美國(guó)國(guó)家環(huán)境預(yù)報(bào)中心(NCEP)和能源部(DOE)合作研制的再分析資料NCEP/DOE AM IP-ⅡReanalysis(下稱R-2),其時(shí)間段為1979年1月—2005年12月。

均一的長(zhǎng)時(shí)間氣候序列是氣候變化研究的基礎(chǔ)[12],因此為了能夠真實(shí)地反映出局地或區(qū)域氣候的變化特征,尤其是本文的局地情況,研究中必須考慮數(shù)據(jù)中非氣候因素導(dǎo)致的非均一性。本文利用標(biāo)準(zhǔn)正態(tài)檢驗(yàn)方法(SNHT)[13]以及結(jié)合各臺(tái)站遷移數(shù)據(jù),對(duì)深圳及其臨近臺(tái)站(距離最近的10個(gè))1967—2005年地面觀測(cè)最低、最高氣溫資料進(jìn)行均一性分析。具體方法與李慶祥等[14]所采用的方法類似。

圖1 惠東(59492)年平均最高(a)、最低(b)氣溫差值序列Fig.1 Difference series of(a)annualmean daily max imum and(b)minimum temperatures at Huidong(59492)

惠東站(圖1)的序列可以作為一個(gè)典型的例子來說明這種檢驗(yàn)的必要性。從圖中年平均最高、最低氣溫差值序列(待檢序列與利用周圍站點(diǎn)序列構(gòu)建的該站的參考序列的差值)中可以看出,1994年以后的差值明顯突然變小,而且SNHT檢驗(yàn)結(jié)果中也在1994年出現(xiàn)了顯著的間斷點(diǎn),同時(shí)歷史沿革資料顯示,該站在1994年發(fā)生站址遷移。因此,可以斷定該站資料不均一,在分析中不用。

同樣地,將其他臺(tái)站序列用上述方法進(jìn)行檢驗(yàn),最終選取如下幾個(gè)臨近臺(tái)站(表1),值得注意的是這5個(gè)臺(tái)站,所在地環(huán)境均為小城鎮(zhèn)的郊區(qū),因此,可以作為深圳周邊的鄉(xiāng)村背景站點(diǎn),與深圳對(duì)比,研究城市化對(duì)當(dāng)?shù)貧夂蛟雠挠绊懞拓暙I(xiàn)。

1.2 研究方法

1.2.1 背景氣候序列的建立

深圳地區(qū)地面觀測(cè)資料背景氣候序列的構(gòu)造,借鑒Li等[15]建立區(qū)域平均距平序列的方法。具體做法是將經(jīng)過均一性檢驗(yàn)后的5個(gè)臨近臺(tái)站(表1)的年(逐月、季節(jié))平均溫度序列做主分量分析,以展開后的第一主成分的荷載作為權(quán)重系數(shù),對(duì)所有臨近臺(tái)站的溫度序列進(jìn)行加權(quán)平均,得到背景氣候序列;R-2背景氣候序列的構(gòu)造,則是通過反距離加權(quán)插值法,把R-2地面氣溫?cái)?shù)據(jù)中位于深圳站(22°33′N,114°06′E)周圍的4個(gè)格點(diǎn)上的數(shù)據(jù)反插到對(duì)應(yīng)位置處,得到R-2背景氣候序列。

1.2.2 城市化影響的評(píng)估方法

為了與Li等[15]和Zhou等[16]的研究一致,本文分別對(duì)1967—2005年、1979—2005年兩個(gè)時(shí)段的城市化進(jìn)行研究。方法一是利用深圳實(shí)測(cè)氣溫距平序列與對(duì)應(yīng)的背景氣候距平序列的線性趨勢(shì)(M估計(jì))差值來表示城市熱島。方法二類似Zhou等[16]的做法,用深圳實(shí)測(cè)氣溫資料與R-2背景氣候距平序列的線性趨勢(shì)(M估計(jì))差值來代表1979年以來的城市化的影響。

1.2.3 lowess平滑曲線和魯棒回歸

通過計(jì)算和繪制平滑點(diǎn),可以在很大程度上提高散點(diǎn)圖所能表達(dá)出的直觀信息。在氣候要素的趨勢(shì)變化分析中,單從散點(diǎn)圖中很難了解到線性影響的特點(diǎn),但是如果疊合平滑點(diǎn)的波動(dòng)曲線就能夠明顯準(zhǔn)確地揭示變化趨勢(shì)。因此,本文對(duì)近40 a來,深圳及其背景氣候的氣溫距平變化曲線進(jìn)行l(wèi)owess平滑,即魯棒局部權(quán)重回歸(robust locally weighted regression)[17],它是一種非參數(shù)回歸方法,不拘泥于任何理論上的數(shù)學(xué)函數(shù),用來平滑等間距(或非等間距)分布的時(shí)間序列或散點(diǎn)圖的方法,能夠在魯棒擬合過程中有效地避免異常值對(duì)平滑曲線的歪曲,可以很好地描述變量之間關(guān)系的細(xì)微變化。對(duì)于點(diǎn)(xi,yi),i=1,…,n來說其在xk點(diǎn)上的擬合值是利用迭代加權(quán)最小二乘法對(duì)數(shù)據(jù)進(jìn)行多項(xiàng)式擬合得到的,其中如果xi越接近xk,那么點(diǎn)(xi,yi)的權(quán)重就越大,反之越小。主要的計(jì)算步驟如下:

(1)計(jì)算參與平滑擬合的點(diǎn)的數(shù)量(q),即平滑參數(shù)f(0

(2)利用三次函數(shù)進(jìn)行權(quán)重最小二乘擬合。給予點(diǎn)(xk,yk)的權(quán)重:,其中hi是xi離它最近的第q個(gè)點(diǎn)的距離,W是三次權(quán)重函數(shù)。得到的擬合值:,其中d為局部多項(xiàng)式擬合的階數(shù),^βj是加權(quán)最小二乘估計(jì)的回歸系數(shù)。

(3)計(jì)算魯棒權(quán)重。由(2)計(jì)算得到殘差ei=yi-^yi,定義B為二次權(quán)重函數(shù),即

則魯棒權(quán)重為s為|ei|的中位數(shù)。

表1 深圳臺(tái)站及其周圍參考臺(tái)站信息Table1 Information of Shenzhen and its peripheral reference stations

(4)利用加權(quán)最小二乘的d階多項(xiàng)式擬合,對(duì)每個(gè)i進(jìn)行新的^yi計(jì)算,但是對(duì)于點(diǎn)(xk,yk)的權(quán)重由δkwk(xi)取代。

(5)重復(fù)(3)、(4)步t次(一般t取2),最終得到的即為魯棒局部權(quán)重回歸擬合值。

經(jīng)典的分析變量間線性相關(guān)關(guān)系的回歸方法要求應(yīng)變量至少服從正態(tài)分布且等差,而實(shí)際資料中常會(huì)遇到一些不規(guī)則數(shù)據(jù),如離群值、異常值、缺失數(shù)據(jù)和多重共線性等,當(dāng)這些數(shù)據(jù)確實(shí)是由失誤而引起時(shí),可以刪除,但在許多情況下,研究者并無足夠的理由把這些數(shù)據(jù)認(rèn)為是某種失誤;同時(shí),在目前的線性回歸應(yīng)用中,對(duì)其模型提出了若干基本假設(shè),但實(shí)際完全滿足這些基本假設(shè)的情況并不多見,這時(shí)應(yīng)用普通最小二乘法估計(jì)模型就不能得到無偏的、有效的參數(shù)估計(jì)量。因此,本研究將采用迭代加權(quán)最小二乘法(魯棒回歸)[18-19]對(duì)氣溫距平序列的回歸系數(shù)進(jìn)行M估計(jì),力求更加真實(shí)地反映出深圳氣溫的趨勢(shì)變化。

一般回歸模型:

這里β1,…,βp為未知回歸系數(shù),e1,…,en,,…獨(dú)立同分布,均值為0。最小二乘法是找β1,…,βp使表達(dá)式達(dá)到最小作為代價(jià)函數(shù)。而魯棒回歸的最大似然估計(jì)(M估計(jì))的基本思想是采用迭代加權(quán)最小二乘估計(jì)回歸系數(shù),根據(jù)回歸殘差的大小確定各點(diǎn)的權(quán)重wi,以達(dá)到穩(wěn)健的目的,其優(yōu)化的目標(biāo)函數(shù)是

為減少異常點(diǎn)作用,對(duì)不同的點(diǎn)給出不同的權(quán)重,即對(duì)殘差小的點(diǎn)給較大的權(quán)重,而對(duì)殘差較大的點(diǎn)給較小的權(quán)重,據(jù)此建立加權(quán)的最小二乘估計(jì),反復(fù)迭代以改進(jìn)權(quán)重系數(shù),如果用β分別表示第R+1步和第R步的魯棒回歸系數(shù)向量,則可規(guī)定一個(gè)迭代收斂的誤差標(biāo)準(zhǔn)ε,當(dāng)相鄰兩步之間回歸系數(shù)差的最大絕對(duì)值小于ε時(shí),迭代收斂,即

M估計(jì)的關(guān)鍵在于wi的選取,在多種wi函數(shù)中,本文選取文獻(xiàn)[20]推薦的二次加權(quán)函數(shù),即

對(duì)于任意給定的自變量和因變量樣本,總可以建立起一個(gè)回歸方程,但由于抽樣的隨機(jī)性,會(huì)在不同程度上造成回歸方程反映的自變量和因變量的線性關(guān)系存在不真實(shí)性,因此,需要對(duì)回歸方程進(jìn)行統(tǒng)計(jì)假設(shè)檢驗(yàn)。魯棒回歸方法(M估計(jì))的主要作用是縮小因變量中可能存在的異常點(diǎn)的影響,用M估計(jì)代替最小二乘估計(jì)的目的,并不在于縮小殘差,而在于得到回歸系數(shù)的較好估計(jì)[19]。因此,通過對(duì)回歸系數(shù)的顯著性檢驗(yàn),來對(duì)魯棒回歸效果進(jìn)行統(tǒng)計(jì)檢驗(yàn)。假設(shè)統(tǒng)計(jì)量服從t分布,則統(tǒng)計(jì)量其中b為回歸系數(shù)估計(jì)值,Sr(這里n為序列長(zhǎng)度,m=1),因此,在顯著水平α下,根據(jù)一次抽樣得到的樣本計(jì)算值t>tα,則否定原假設(shè)(H0:β=0),即認(rèn)為回歸方程是顯著的。

2 深圳地區(qū)的城市熱島效應(yīng)分析

圖2為1967年以來深圳與背景氣候年平均溫度距平序列變化曲線。很明顯,深圳地區(qū)經(jīng)歷了顯著的氣溫增暖。擬合的lowess平滑曲線顯示,深圳站的年平均最低氣溫與其最高氣溫相比有較大的上升趨勢(shì),從而使得日較差表現(xiàn)出明顯的降低趨勢(shì)(-0.508℃·(10 a)-1);與之相反的是,背景氣候的日較差變化趨勢(shì)并不顯著(-0.008℃·(10 a)-1)。由此,說明近40 a的氣溫增暖過程中很大程度可以歸結(jié)為城市化/城市熱島的影響,并且主要發(fā)生在80年代中后期(如圖2b、c所示)。同樣,在深圳各季節(jié)氣溫趨勢(shì)變化中也體現(xiàn)出了上述特征,尤其是冬季,日較差降低趨勢(shì)為-0.636℃·(10 a)-1,較其他季節(jié)變化明顯;而春季則是氣溫增暖相對(duì)最小的季節(jié),其日較差變化-0.380℃·(10 a)-1。Ren等[21]對(duì)北京地區(qū)的城市熱島研究中同樣指出類似的城市氣候變化特點(diǎn)。

表2給出了兩個(gè)時(shí)間段的城市熱島對(duì)深圳城市氣溫增暖的貢獻(xiàn)。從M估計(jì)的氣溫趨勢(shì)來看,深圳站年/季節(jié)最低氣溫的增暖趨勢(shì)遠(yuǎn)遠(yuǎn)大于最高氣溫的變化,尤其是冬季;而背景氣候則表現(xiàn)得相對(duì)不明顯,說明城市熱島對(duì)城市最低氣溫影響最大,因而能夠?qū)е鲁鞘袣鉁厝蛰^差較背景氣候顯著減少,這一結(jié)果在國(guó)內(nèi)外許多研究中得到證實(shí)[16,22]。同時(shí)表中熱島效應(yīng)顯示,1979年以來,深圳地區(qū)年/季節(jié)日較差趨勢(shì)變化均要比1967—2005年顯著,說明城市熱島的絕對(duì)增暖影響隨時(shí)間而增強(qiáng)。

圖2 1967—2005年深圳實(shí)測(cè)氣溫與背景氣溫距平序列變化曲線 a.年平均最高氣溫;b.年平均最低氣溫;c.年平均日較差Fig.2 Observed and background annual temperature anomaly series in Shenzhen during 1967 to 2005 a.annual mean daily maximum temperature;b.annual mean daily min imum temperature;c.annual mean diurnal range(DTR)

利用年平均最高、最低氣溫?zé)釐u效應(yīng)的平均作為城市熱島對(duì)深圳地面平均氣溫的影響,兩個(gè)時(shí)間段為0.200℃·(10 a)-1、0.243℃·(10 a)-1,分別占深圳地區(qū)實(shí)際氣溫增暖的37.8%、36.3%?？梢姵鞘袩釐u效應(yīng)對(duì)深圳城市氣溫的增暖影響真實(shí)存在,尤其表現(xiàn)在1979年以來的近30 a里。

3 再分析和觀測(cè)對(duì)比方法對(duì)深圳城市化影響的分析

Kalnay和Cai[10]提出通過比較再分析資料(NCEP/NCAR Reanalysis(R-1))與地面觀測(cè)資料的趨勢(shì)變化能夠反映城市化對(duì)氣候增暖影響,由于R-1再分析數(shù)據(jù)主要受大氣垂直探測(cè)風(fēng)速及溫度變化的影響,并且地表溫度資料在擬合過程中也沒有采用地面臺(tái)站的觀測(cè)數(shù)據(jù),所以不會(huì)受到陸地表面變化情況的影響[23],能夠客觀地反映出下墊面背景氣候變化特征。但是,R-1在數(shù)據(jù)擬合、質(zhì)量控制、分析等加工過程中存在許多人為因素產(chǎn)生的誤差;而R-2是經(jīng)過改良的6h全球數(shù)據(jù)分析序列,它訂正和彌補(bǔ)了R-1中存在的不足。因此,在這里類似Zhou等[16]通過比較R-2再分析氣溫?cái)?shù)據(jù)與深圳實(shí)測(cè)氣溫的趨勢(shì)變化,從另一種角度來分析1979年以來城市化對(duì)深圳城市氣溫的影響(統(tǒng)計(jì)結(jié)果見表3)。

表2 深圳與背景氣候氣溫變化趨勢(shì)Table2 Temperature change trends for observation and background in Shenzhen

表3中顯示,城市化導(dǎo)致深圳年平均最低氣溫的增暖趨勢(shì)遠(yuǎn)遠(yuǎn)大于最高氣溫,使得1979年以來的年平均日較差變化為-0.548℃·(10a)-1,而R-2日較差變化為0.147℃·(10a)-1,表現(xiàn)出增暖趨勢(shì),二者差值為-0.695℃·(10a)-1,這一結(jié)果與Zhou等[16]的一致。對(duì)于季節(jié)日較差變化,受城市化影響,冬季趨勢(shì)變化為-0.925℃·(10a)-1,比同一時(shí)間的熱島效應(yīng)影響要大(-0.706℃·(10a)-1);而夏季趨勢(shì)變化-0.604℃·(10a)-1,是所有季節(jié)中變化最小的。同理,利用再分析資料對(duì)比方法得到的平均氣溫增暖的影響,仍然采用年平均最高、最低氣溫的平均值,即0.315℃·(10a)-1,對(duì)深圳地區(qū)實(shí)際增暖貢獻(xiàn)達(dá)47.1%,比1979年以來的熱島效應(yīng)的增暖影響大。

通過上述分析,采用R-2再分析資料可能有效地避免了城市化對(duì)氣溫記錄的影響,較好地代表了背景氣候場(chǎng)條件。但是再分析資料各個(gè)時(shí)期同化所選用的資料不同,所以對(duì)于長(zhǎng)期氣候變化趨勢(shì)的研究存在一定的問題與不確定性[24]。因此,這一評(píng)估結(jié)果應(yīng)該作為其他地區(qū)和短時(shí)期城市化影響的參考值,并不能夠代表長(zhǎng)時(shí)期及區(qū)域范圍的城市化影響。

4 魯棒回歸效果的統(tǒng)計(jì)檢驗(yàn)

表4是對(duì)最低氣溫年平均序列回歸效果的統(tǒng)計(jì)檢驗(yàn)。其中,回歸均方誤差(Sr)是用來衡量回歸效果的數(shù)量指標(biāo)之一,表示實(shí)測(cè)值對(duì)回歸值的偏差,即其越小,回歸效果越好。表中對(duì)兩個(gè)時(shí)間段的深圳、背景氣候及R-2背景氣候年平均最低氣溫序列,統(tǒng)計(jì)得到的回歸均方誤差均小于0.01,說明回歸擬合效果較好。

回歸系數(shù)的顯著性檢驗(yàn),取顯著性水平α=0.05,表中的統(tǒng)計(jì)結(jié)果顯示,t值最小的R-2背景氣候序列為3.284 9,而tα=2.056,因t>tα,并且t概率值(p-值)0.003<0.05,所以魯棒回歸方程的回歸效果是顯著的。同理,這種回歸效果的顯著性也表現(xiàn)在兩個(gè)時(shí)間段其他氣溫時(shí)間序列的回歸方程中。因此,利用魯棒回歸方法對(duì)深圳地區(qū)氣溫趨勢(shì)進(jìn)行擬合,能夠較好地反映出氣溫時(shí)間序列中的線性聯(lián)系。

5 結(jié)論

(1)1967—2005年深圳地區(qū)表現(xiàn)出明顯的氣候變暖現(xiàn)象,尤其是20世紀(jì)80年代中后期。分析表明,城市化/城市熱島效應(yīng)對(duì)局地氣溫增暖有直接影響,突出表現(xiàn)在對(duì)最低氣溫的趨勢(shì)增暖影響,這與國(guó)內(nèi)外許多研究學(xué)者的結(jié)論一致[16,22]。

表3 深圳實(shí)測(cè)氣溫與R-2背景氣溫變化趨勢(shì)Table3 Temperature change trends for observation and R-2background in Shenzhen

表4 回歸系數(shù)顯著性檢驗(yàn)指標(biāo)Table4 Significance test of the regression coefficient

(2)利用地面觀測(cè)和R-2再分析兩種不同氣溫資料,對(duì)近30 a深圳的城市化影響分析表明,城市化進(jìn)程能夠?qū)е職鉁厝蛰^差表現(xiàn)出顯著的趨勢(shì)降低,但R-2再分析資料所得到的影響幅度更明顯。

(3)回歸效果的統(tǒng)計(jì)檢驗(yàn)表明,利用魯棒回歸(M估計(jì))對(duì)深圳地區(qū)氣溫趨勢(shì)進(jìn)行擬合,具有顯著性,反映出氣溫時(shí)間序列存在一定程度的線性相關(guān)。

(4)研究表明,盡管R-2再分析資料的分析結(jié)果僅作為參考值,但是其與實(shí)測(cè)資料反映出了一致的城市化氣溫增暖影響。因此,對(duì)于單個(gè)城市來說,城市化引起的局地氣溫增暖變化是相當(dāng)顯著的。

[1] Kiffle B.Urban heat island and its feature in AddisAbaba:A case study[R].Poland:University ofLodz,2003.

[2] Gallo K P,Tarpley J D.The comparison of vegetation index and surface temperature composites for urban heat-island analysis[J].Int J Remote Sens,1996,17(15):3071-3076.

[3] Gallo K P,Easterling D R,Peterson T C.The influence of land use/land cover on climatological values of the diurnal temperature range[J].J Climate,1996,9(11):2941-2944.

[4] 王桂玲,蔣維楣,魏鳴.城市熱島效應(yīng)的衛(wèi)星遙感分析[J].南京氣象學(xué)院學(xué)報(bào),2007,30(3):298-304.

[5] 肖榮波,歐陽志云,李偉峰,等.城市熱島時(shí)空特征及其影響因素[J].氣象科學(xué),2007,27(2):230-236.

[6] 鄭祚芳,劉偉東,王迎春.北京地區(qū)城市熱島的時(shí)空分布特征[J].南京氣象學(xué)院學(xué)報(bào),2006,29(5):694-699.

[7] 阮蔚琳,錢永甫,程永根.無錫市氣溫變化特征和城市化的影響分析[J].氣象科學(xué),2006,26(1):66-73.

[8] 林學(xué)椿,于淑秋.北京地區(qū)氣溫的年代際變化和熱島效應(yīng)[J].地球物理學(xué)報(bào),2005,48(1):40-45.

[9] 周雅清,任國(guó)玉.華北地區(qū)地表氣溫觀測(cè)中城鎮(zhèn)化影響的檢測(cè)和訂正[J].氣候與環(huán)境研究,2005,10(4):743-753.

[10] Kalnay E,CaiM. Impact of urbanization and land-use change on climate[J].Nature,2003,423(6939):528-531.

[11] 趙宗慈.近39年中國(guó)的氣溫變化與城市化影響[J].氣象,1991,17(4):14-17.

[12] 李慶祥,劉小寧,張洪政,等.定點(diǎn)觀測(cè)氣候序列的均一性研究[J].氣象科技,2003,31(1):3-10.

[13] Tuomenvirta H,Alexandersson H.Review on the methodology of the standard nor mal homogeneity test(SNHT)[R].Budapest:HungarianMeteorological Service,1997.

[14] 李慶祥,江志紅,黃群,等.長(zhǎng)江三角洲地區(qū)降水資料的均一性檢驗(yàn)與訂正試驗(yàn)[J].應(yīng)用氣象學(xué)報(bào),2008,19(2):219-226.

[15] LiQ X,Zhang H Z,Liu X N,et al.Urban heat island effect on annual mean temperature during the last 50 years in China[J].Theor Appl Climatol,2004,79(3/4):165-174.

[16] Zhou L M,Dickinson R E,Tian Y H,et al.Evidence for a significant urbanization effect on climate in China[J].Proc Natl Acad Sci,2004,101(26):9540-9544.

[17] William S C.Robust locally weighted regression and smoothing scatter plots[J].J Am StatA,1979,74(368):829-836.

[18] 施能,王建新.穩(wěn)健回歸的反復(fù)加權(quán)最小二乘迭代解法及其應(yīng)用[J].應(yīng)用氣象學(xué)報(bào),1992,3(3):353-358.

[19] 陳希孺,王松桂.近代回歸分析——原理方法及應(yīng)用[M].合肥:安徽教育出版社,1987.

[20] Cross A M.Confidence intervals for bisquare regression estimates[J].J Am Stat A,1977,72(358):341-354.

[21] Ren G Y,Chu Z Y,Chen Z H,et al. Implications of temporal change in urban heat island intensityobserved at Beijing and Wuhan stations[J].Geophys Res Lett,2007,34,L05711,doi:10.1029/2006GL027927.

[22] Arnfield A J.Review:Two decades of urban climate research:A review of turbulence,exchanges of energy and water,and the urban heat island[J].Int J Climatol,2003,23(1):1-26.

[23] Kanamitsu M,EbisuzakiW,Woollen J,et al.NCEP-DOE AM IP-Ⅱreanalysis(R-2)[J].Bull Amer Meteor Soc,2002,83(11):1631-1643.

[24] 徐影,丁一匯,趙宗慈.美國(guó)NCEP/NCAR近50年全球再分析資料在我國(guó)氣候變化研究中可信度的初步分析[J].應(yīng)用氣象學(xué)報(bào),2001,12(3):337-347.