編輯：侯美亭 張萌

“城市氣象”主題

來源數(shù)據(jù)庫：SCI-E和CAJD，檢索時段：2017—2019年

土地利用、土地覆被變化與地表溫度的關(guān)系——Characterizing the relationship between land use land cover change and land surface temperature.ISPRS Journal of Photogrammetry and Remote Sensing, 2017, Vol. 124.

探索土地利用和土地覆蓋的變化（LULC），對于了解城市熱島效應(yīng)（UHI）對發(fā)展中國家的社區(qū)和地方政府具有重要意義，因為在發(fā)展中國家，城市化和工業(yè)化往往發(fā)生得很快，但往往沒有實施連貫的城市規(guī)劃和控制政策。為此，越南河內(nèi)國立教育大學(xué)的Tran等分析了城市化背景下LULC變化與地表溫度（LST）之間的關(guān)系。首先利用歸一化植被指數(shù)和各LULC類型的建成區(qū)指數(shù)，探討了LST與植被、人為特征和耕地之間的關(guān)系。然后，使用熱點分析（Getis Ord Gi*）和城市景觀分析評估了UHI中LULC變化和城市化的影響。最后，提出了一個應(yīng)用非參數(shù)回歸的模型，利用預(yù)測的LULC來估計未來城市氣候模式。研究結(jié)果為UHI表征提供了一種有效的方法，表明LST與LULC類型之間具有非線性關(guān)系，利用Getis Ord Gi*進行的熱點分析可以分析LST格局隨時間的變化，UHI受到城市景觀和城市發(fā)展類型的影響。研究還利用非線性回歸模型和模擬的LULC變化場景，進行了LST格局預(yù)測和UHI效果檢驗。本研究所提出的方法可廣泛應(yīng)用于其他表現(xiàn)出類似動態(tài)增長的城市，研究結(jié)果可為決策者和社區(qū)認(rèn)識提供有用的工具，為可持續(xù)城市規(guī)劃和管理提供科學(xué)依據(jù)。

景觀組成與格局對陸地表面溫度的影響：東南亞大城市城市熱島研究——Effects of landscape composition and pattern on land surface temperature:an urban heat island study in the megacities of Southeast Asia. Science of the Total Environment, 2017, Vol. 577.

由于UHI對城市生態(tài)環(huán)境和城市整體宜居性的不利影響，其已成為城市氣候?qū)W、城市生態(tài)學(xué)、城市規(guī)劃、城市地理學(xué)等多個相關(guān)領(lǐng)域的主要研究熱點。日本筑波大學(xué)的Estoque等為此探討了曼谷、雅加達和馬尼拉都市地區(qū)的陸地表面溫度（LST）與不透水表面和綠地的豐度和空間格局之間的關(guān)系。Landsat-8 OLI/TIRS數(shù)據(jù)和各種地理空間方法，包括城鄉(xiāng)梯度、基于多分辨率網(wǎng)格和基于空間尺度的技術(shù)，被用于分析。研究發(fā)現(xiàn)，在三個城市的城鄉(xiāng)梯度上，平均LST與不透水面密度（正）和綠地密度（負(fù)）之間存在顯著的強相關(guān)性，呈現(xiàn)出典型的UHI剖面。在較大的網(wǎng)格點上，不透水表面密度與LST的相關(guān)性往往會增加，而綠色空間密度與LST的相關(guān)性往往在較小的網(wǎng)格上會有所增加，顯示出不透水表面和綠色空間分別在較大和較小區(qū)域?qū)ST變率的影響力。不透水面和綠地斑塊的大小、形狀復(fù)雜程度和聚集性與平均LST也有顯著關(guān)系，但聚集性的影響最強。平均來看，不透水表面的平均LST比綠地高約3 ℃，突出了綠地在緩解城市重要生態(tài)系統(tǒng)服務(wù)UHI效應(yīng)中的重要作用。研究建議，在景觀和城市規(guī)劃中應(yīng)考慮城市不透水面和綠地的密度和空間格局，使城市區(qū)域和城市擁有更健康、更舒適的居住環(huán)境。

城市氣候適應(yīng)的綠色基礎(chǔ)設(shè)施：居民對氣候影響和綠色基礎(chǔ)設(shè)施的看法如何塑造適應(yīng)偏好?——Green infrastructure for urban climate adaptation: how do residents’views on climate impacts and green infrastructure shape adaptation preferences? Landscape and Urban Planning, 2017, Vol. 157.

城市特別容易受到氣候變化的影響。城市適應(yīng)氣候變化的一種方式是加強其綠色基礎(chǔ)設(shè)施（GI），以減輕熱浪和洪水的影響。GI設(shè)計選項類型豐富，但是關(guān)于公眾對各種選項的支持還有許多未知之處。荷蘭阿姆斯特丹自由大學(xué)的Derkzen等旨在通過執(zhí)行包含多個維度的社會文化價值的城市氣候適應(yīng)來填補這一空缺：人們對氣候影響擔(dān)憂的認(rèn)知、人們對GI緩解這些影響的好處的了解程度、人們對不同GI措施的喜好以及支付意愿（WTP）。研究通過與荷蘭鹿特丹居民的面對面調(diào)查（n=200）收集了有關(guān)數(shù)據(jù)，并與GI GIS數(shù)據(jù)相關(guān)聯(lián)。調(diào)查發(fā)現(xiàn)，受訪者對氣候影響有一定的概念和擔(dān)憂，但并不一定承認(rèn)GI可能有助于解決這些問題。然而，當(dāng)居民被告知不同GI措施的適應(yīng)能力時，他們的偏好轉(zhuǎn)向了最有效的選擇。然而，人們對GI的WTP沒有明確的結(jié)論，主要與收入和種族有關(guān)。研究表明，僅憑經(jīng)濟價值就會忽略本研究所應(yīng)用的社會文化價值所能揭示的細(xì)微差別。該方法揭示了對特定適應(yīng)設(shè)計的偏好，并有助于發(fā)現(xiàn)為什么氣候適應(yīng)政策可能受到阻礙。了解人們對氣候影響和適應(yīng)選擇的看法，對于優(yōu)先考慮應(yīng)對氣候變化的有效政策反應(yīng)至關(guān)重要。

（以上由侯美亭選編）

南昌市空氣PM2.5和PM10的時空動態(tài)及其影響因素——《應(yīng)用生態(tài)學(xué)報》2017年第28卷第1期

蘇維等通過分析南昌市2013—2015年的空氣PM2.5和PM10質(zhì)量濃度、氣象因素、交通流量的監(jiān)測數(shù)據(jù)，探討了空氣顆粒物污染的時空動態(tài)規(guī)律以及氣象、交通對顆粒物濃度變化的影響。結(jié)果表明：2013、2014和2015年，南昌市PM2.5濃度（70.92 μg·m-3＞53.70 μg·m-3＞4 3.6 5 μ g·m-3）、P M10濃度（119.72 μg·m-3＞86.11 μg·m-3＞73.32 μg·m-3）逐年降低，并呈現(xiàn)出夏季低（PM2.5和PM10平均濃度分別為36.74、69.20 μg·m-3）、冬季高（PM2.5和PM10平均濃度分別為74.29、111.64 μg·m-3）的季節(jié)動態(tài)和由城市中心向郊區(qū)遞減的城鄉(xiāng)梯度變化；PM2.5/PM10值（0.595＞0.584＞0.557）逐年降低，并且表現(xiàn)出城市中心高、城市邊緣低的空間分布格局；PM2.5、PM10濃度受到多種氣象因素的影響，與氣壓、溫度、相對濕度、風(fēng)速、降水量、日照時數(shù)顯著相關(guān)，各種氣象因子對PM2.5、PM10濃度的影響存在差異；車流量會顯著提高周邊PM2.5濃度，但對PM10濃度影響不明顯。

2015年長三角地區(qū)城市PM2.5時空格局及影響因素分析——《長江流域資源與環(huán)境》2017年第26卷第2期

毛婉柳等采用2015年長三角地區(qū)監(jiān)測數(shù)據(jù)，運用探索性空間數(shù)據(jù)分析法和相關(guān)系數(shù)法，分析長三角地區(qū)城市PM2.5污染的時空格局和影響因素，結(jié)果表明：1）2015年長三角地區(qū)城市PM2.5年均濃度值為54.54 μg/m3，季節(jié)變化總體呈現(xiàn)春冬高、夏秋低的季節(jié)性周期變化規(guī)律，1和12月為一年中PM2.5污染最嚴(yán)重的月份，污染范圍最廣，5—9月是PM2.5濃度值優(yōu)良時段，日均值春季和冬季的波動周期較短而劇烈，夏季和秋季波動周期相對較長而平緩。2）2015年長三角地區(qū)城市PM2.5年均濃度值整體上從江蘇到浙江呈減少趨勢，具有北高南低，局部突出的特征。3）長三角地區(qū)城市PM2.5濃度空間上存在集聚現(xiàn)象，低值集聚主要分布在浙江沿海地區(qū)，高值集聚主要分布在蘇南地區(qū)。4）燃燒排放的煙塵和前體物的二次轉(zhuǎn)化對長三角地區(qū)PM2.5濃度有顯著影響。風(fēng)速和降水量是影響PM2.5濃度的兩個重要氣象因素。

基于增強回歸樹的城市PM 2.5日均值變化分析：以常州為例——《環(huán)境科學(xué)》2017年第38卷第2期

葛躍等利用2014年12月—2015年11月常州市區(qū)6個國控監(jiān)測站空氣污染物濃度逐時數(shù)據(jù)，分析了PM2.5濃度季節(jié)變化特征，采用增強回歸樹模擬分析了PM10、4種氣態(tài)污染物和7個氣象因子對ρ（PM2.5）日變化的貢獻。結(jié)果表明，常州市區(qū)PM2.5污染季節(jié)差異明顯，冬季污染嚴(yán)重且持續(xù)時間長，夏季污染較輕。四季ρ（PM2.5）空間分布特征存在一定差異，但各季內(nèi)不同監(jiān)測站差異較小。增強回歸樹對ρ（PM2.5）日均值進行模擬和驗證得到，訓(xùn)練數(shù)據(jù)的相關(guān)性為0.981，交叉驗證的相關(guān)性為0.957。此外，模擬值與實測值的標(biāo)準(zhǔn)化平均偏差為1.80%，標(biāo)準(zhǔn)化平均誤差為10.41%，可見模型擬合效果較好。PM10、氣態(tài)污染物、氣象因子和區(qū)域輸送及擴散這4種影響類型對全年ρ（PM2.5）日均值差異的貢獻率分別為23.4%、28%、36.2%和12.6%，表明在對ρ（PM2.5）日均值差異的影響上，氣象因子＞二次形成＞一次源＞區(qū)域輸送及擴散。在對ρ（PM2.5）日均值差異貢獻率大于5%的因子中，ρ（PM2.5）日均值與PM10、相對濕度、CO和O3正相關(guān)，與溫度、SO2和混合層高度負(fù)相關(guān)，與大氣壓和NO2關(guān)系較復(fù)雜。區(qū)域輸送及擴散方面，東南風(fēng)向、偏西風(fēng)向和偏北風(fēng)向等上風(fēng)向周邊城市的污染物輸送對常州市區(qū)PM2.5污染存在較大的負(fù)面影響。

中國臭氧濃度的時空變化特征及分區(qū)——《中國環(huán)境科學(xué)》2017年第37卷第11期

程麟鈞等采用旋轉(zhuǎn)經(jīng)驗正交函數(shù)（REOF）法分析了2016年中國338城市臭氧濃度的時空變化特征，根據(jù)2016年污染季節(jié)（5—10月）的REOF分析結(jié)果，確定出10個具有明顯同比變化的區(qū)域，不同區(qū)域間臭氧濃度的時間變化趨勢彼此獨立，受到當(dāng)?shù)氐匦我蛩?、氣象條件、光化學(xué)反應(yīng)等因素的影響。10個區(qū)域中，除華南地區(qū)和青藏高原外其他地區(qū)2014—2016年臭氧日最大8 h濃度（O3-8 h）均呈上升趨勢。臭氧分區(qū)受到地形地貌特征的影響較大，顯示出地形和地貌對臭氧空間相關(guān)性的重要影響。黃淮平原、華北平原、長江中下游地區(qū)等3個人口稠密區(qū)域臭氧濃度較高，應(yīng)該作為臭氧污染控制戰(zhàn)略的重點區(qū)域。

2015年中國近地面臭氧濃度特征分析——《環(huán)境科學(xué)》2017年第38卷第12期

段曉瞳等根據(jù)2015年全國189個城市的近地面臭氧濃度數(shù)據(jù)，使用ArcGIS等軟件處理，從不同時空、地形特征、溫度等方面分析得出中國近地面臭氧濃度的變化特征。2015年中國近地面的臭氧濃度變化呈先增高后降低的趨勢，各季節(jié)中濃度大小關(guān)系呈夏季＞秋季＞春季＞冬季的變化規(guī)律，且在7月達到全年最高值。中國各行政區(qū)中，華東、華南、華北地區(qū)的臭氧污染較為嚴(yán)重。在經(jīng)緯度變化的影響方面，經(jīng)度變化對近地面臭氧濃度的影響不大，而緯度變化使臭氧濃度變化明顯；在同一緯度的3種不同地形對比中發(fā)現(xiàn)，不同的地形給近地面臭氧濃度帶來的影響微乎其微。溫度和近地面臭氧濃度的變化呈現(xiàn)良好的正相關(guān)關(guān)系。