全球變暖、快速城市化和社會(huì)發(fā)展不平衡的背景下,高溫?zé)崂藢Τ鞘芯用窠】导吧鐣?huì)經(jīng)濟(jì)影響越來越大,成為城市面臨的最重要的氣象災(zāi)害之一。本文以氣象站點(diǎn)觀測數(shù)據(jù)、AQUA/MODIS地表溫度遙感數(shù)據(jù)、NPP/VIIRS夜間燈光遙感數(shù)據(jù)和社會(huì)統(tǒng)計(jì)數(shù)據(jù)等多源信息為基礎(chǔ)構(gòu)建危險(xiǎn)性、暴露性、脆弱性評估指標(biāo)對北京市高溫?zé)崂孙L(fēng)險(xiǎn)進(jìn)行定量計(jì)算。利用高溫?zé)崂似贏QUA/MODIS地表溫度和站點(diǎn)觀測日最高氣溫之間的相關(guān)性從遙感地表溫度估算日最高氣溫,計(jì)算平均日最高氣溫和高溫持續(xù)天數(shù)作為高溫?zé)崂宋ｋU(xiǎn)性評估因子;利用NPP/VIIRS夜間燈光數(shù)據(jù)、土地覆蓋數(shù)據(jù)、人口統(tǒng)計(jì)數(shù)據(jù)等,采用隨機(jī)森林算法對北京市人口統(tǒng)計(jì)數(shù)據(jù)進(jìn)行降尺度,得到500米空間分辨率的人口密度圖,結(jié)合植被指數(shù)、建筑指數(shù)、水體指數(shù)作為高溫?zé)崂吮┞缎栽u估因子;利用社會(huì)統(tǒng)計(jì)數(shù)據(jù)提取老年人口比重、建筑工人比重、空調(diào)擁有率作為脆弱性評估因子。分析遙感數(shù)據(jù)的特點(diǎn),提出在首次四分位拉伸后加入數(shù)據(jù)數(shù)量級檢驗(yàn)的方法,自動(dòng)尋找合適的分位點(diǎn)進(jìn)行數(shù)據(jù)變換,實(shí)現(xiàn)對四分位數(shù)據(jù)標(biāo)準(zhǔn)化方法進(jìn)行改進(jìn);利用專家打分法和熵權(quán)法,實(shí)現(xiàn)主觀賦權(quán)方法與客觀賦權(quán)方法的結(jié)合得到綜合權(quán)重,對北京市進(jìn)行高... 

【文章來源】：南京信息工程大學(xué)江蘇省

【文章頁數(shù)】：75 頁

【學(xué)位級別】：碩士

【部分圖文】：

研究區(qū)示意圖

南京信息工程大學(xué)碩士學(xué)位論文因素，能夠?yàn)樵摰貐^(qū)預(yù)報(bào)預(yù)防高溫災(zāi)害、制定防災(zāi)抗災(zāi)措施提供科學(xué)依據(jù)。2010 年 7 月 2 日至 6 日，北京市發(fā)生一次高溫?zé)崂耸录�，北京觀象臺(tái)站（站點(diǎn)編號(hào)54511）連續(xù) 5 日最高氣溫超過 35℃，最高氣溫達(dá)到 40.6℃。該段時(shí)期的平均日最高氣溫為北京市 1951 年以來連續(xù) 5 日平均日最高氣溫的最高值。圖 2.2 給出了北京觀象臺(tái)站2010 年 7 月 1 日至 7 日逐小時(shí)氣溫變化曲線�？梢�，7 月 2 日至 6 日連續(xù) 5 天日最高溫達(dá)到 35℃以上，7 月 5 日的日最高氣溫甚至達(dá)到 40.5℃。熱浪期間每天暴露于熱浪中的時(shí)間至少 5 小時(shí)，平均暴露時(shí)長達(dá)到 8 小時(shí)，7 月 5 日、6 日全天暴露在 35℃以上的時(shí)間超過 10 小時(shí)，分別處于 10:00~20:00 和 9:00~20:00 時(shí)間段，嚴(yán)重影響城市人口的工作和生活。

本研究采用的氣象數(shù)據(jù)為北京市 2010 年 7 月 2 日至 6 日期間 225 個(gè)氣象站點(diǎn)的逐小時(shí)觀測氣象數(shù)據(jù)，包括氣溫、相對濕度、氣壓、風(fēng)速、降水量等指標(biāo)，其中溫度數(shù)據(jù)的精度為 0.1℃。圖 2.3 給出了所有氣象站點(diǎn)的空間分布信息。

【參考文獻(xiàn)】：
期刊論文
[1]2018年7月北半球極端天氣氣候事件及環(huán)流特征分析[J]. 王倩,翟盤茂,余榮.  大氣科學(xué)學(xué)報(bào). 2019(01)
[2]基于模糊Borda法的木質(zhì)林產(chǎn)品國際競爭力組合評價(jià)研究[J]. 許薇,吳德,胡彥蓉,吳劍,馮海林,賀超.  數(shù)學(xué)的實(shí)踐與認(rèn)識(shí). 2019(02)
[3]基于博弈論指標(biāo)綜合賦權(quán)的物流服務(wù)績效評價(jià)[J]. 崔春生,王怡,李群.  數(shù)學(xué)的實(shí)踐與認(rèn)識(shí). 2019(02)
[4]基于組合賦權(quán)理論的泥石流孕災(zāi)因子分析[J]. 郎秋玲,張以晨,張繼權(quán),楊揚(yáng).  災(zāi)害學(xué). 2019(01)
[5]中國大陸夏季高溫?zé)崂耸录奶卣骷皟深怑l Ni?o事件對其影響[J]. 李艷,馬百勝,楊宣,張金玉.  蘭州大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(06)
[6]基于波士頓矩陣的夜光遙感電力消費(fèi)估算方法[J]. 李熙,薛翔宇.  武漢大學(xué)學(xué)報(bào)(信息科學(xué)版). 2018(12)
[7]2011—2017年上海市松江區(qū)夏季高溫天氣特點(diǎn)和居民中暑發(fā)病的關(guān)系[J]. 俞龑韜,孫中興,蔣元強(qiáng),江松,盛峰松.  上海預(yù)防醫(yī)學(xué). 2018(10)
[8]基于主客觀綜合賦權(quán)的礦業(yè)遺跡可拓學(xué)評價(jià)[J]. 李小偉,徐以艷,郭飛,張業(yè)明.  三峽大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(06)
[9]基于熵權(quán)法和模糊層次分析法的審計(jì)風(fēng)險(xiǎn)評估[J]. 倪寧,張少泉,陳曉云,張?bào)阌?  軟件. 2018(10)
[10]基于MODIS數(shù)據(jù)的黃淮海夏玉米高溫風(fēng)險(xiǎn)空間分布[J]. 劉哲,汪雪瀅,劉帝佑,昝糈莉,趙祖亮,李紹明,張曉東.  農(nóng)業(yè)工程學(xué)報(bào). 2018(09)

碩士論文
[1]近30年中國主要農(nóng)業(yè)氣象災(zāi)害典型場時(shí)空格局及干旱風(fēng)險(xiǎn)評估[D]. 桑婧.南京信息工程大學(xué) 2018
[2]基于老年小鼠實(shí)驗(yàn)探討熱浪對心腦血管疾病的影響[D]. 周妍妍.南京信息工程大學(xué) 2015
[3]熱浪對心血管疾病影響的機(jī)理研究[D]. 劉昊辰.南京信息工程大學(xué) 2015
[4]華東地區(qū)高溫災(zāi)害風(fēng)險(xiǎn)評估研究[D]. 張書娟.上海師范大學(xué) 2011
[5]專題地圖數(shù)據(jù)分級模型的研究[D]. 孫娟娟.解放軍信息工程大學(xué) 2007



本文編號(hào)：3379513