<address id="japib"><nav id="japib"></nav></address>

<cite id="japib"></cite>

        基于遙感數據的北回歸線云南段旅游氣候適宜性評價研究

        劉錢威 王金亮 玉院和

        引用本文:
        Citation:

        基于遙感數據的北回歸線云南段旅游氣候適宜性評價研究

          作者簡介: 劉錢威(1997?),男,安徽人,碩士生,主要從事資源與環境遙感應用研究. E-mail: 1193372513@qq.com;
          通訊作者: 王金亮, jlwang@ynnu.edu.cn
        • 中圖分類號: P467

        Evaluation of tourism climate suitability in the Tropic of Cancer area in Yunnan based on remote sensing data

          Corresponding author: WANG Jin-liang, jlwang@ynnu.edu.cn ;
        • CLC number: P467

        • 摘要: 以云南省北回歸線地區為研究區,以MODIS遙感數據為基礎,反演地表溫度和歸一化水汽指數(NDMI),并結合氣象插值數據,改進溫濕指數(MTHI)、風寒指數(WCImod)、風效指數(WEImod)和綜合舒適度(CCImod),重新構建人體健康舒適指數(BHCI),進而分析評價2018年研究區旅游氣候舒適度. 結果表明:①MTHI、WCImod、WEImod和CCImod均能較好地反映氣候舒適情況,表明研究區具有寒暑短促、舒適長連的特點. ②BHCI和MTHI、WEImod具有相似的時空分布,能清晰地反映氣候交替對人體健康帶來的影響. ③研究區3—11月處于舒適期,其對應春季、夏季和秋季,均適合作為長期旅游的最佳時間,而1—2月和12月,研究區處于較舒適期,人們也可以考慮進行短期活動.
        • 圖 1  云南省北回歸線沿線地區高程

          Figure 1.  DEM of the area along the Tropic of Cancer in Yunnan Province

          圖 2  云南省北回歸線沿線地區氣候舒適度指數分布

          Figure 2.  Distribution of climate comfort index along Tropic of Cancer in Yunnan Province

          圖 3  云南省北回歸線沿線地區氣候舒適性指數均值分布

          Figure 3.  Mean distribution of climate comfort index along Tropic of Cancer in Yunnan Province

          表 1  傳統氣候適宜性指數計算方式

          Table 1.  Traditional climate comfort index calculating method

          傳統氣候適宜性指數經驗方程
          溫濕指數(THI) $ \mathrm{T}\mathrm{H}\mathrm{I}=t-0.55(1-R)(t-14.4) $
          風寒指數(WCI) $ \mathrm{W}\mathrm{C}\mathrm{I}=(33-t)(9+10.9{v}^{\frac{1}{2}}-v) $
          風效指數(WEI) $ \mathrm{W}\mathrm{E}\mathrm{I}=-\left(33-t\right)\left(10\sqrt{v}+10.45-v\right)+8.55S $
          綜合舒適度(CCI) $ \mathrm{C}\mathrm{C}\mathrm{I}=0.6\left|t-24\right|+0.07\left|R-70\right|+0.5\left|v-2\right| $
          t為氣溫(單位:℃);R為相對濕度(單位:%);v為風速(單位:m·s?1);S為日照時間(單位:h·d?1
          下載: 導出CSV

          表 2  改進的氣候適宜性指數計算方式

          Table 2.  Improve climate comfort index calculating method

          改進的氣候適宜性指數經驗方程
          改進溫濕指數(MTHI) $ \mathrm{M}\mathrm{T}\mathrm{H}\mathrm{I}={L}_{\mathrm{s}\mathrm{t}}-0.55(1-N)({L}_{\mathrm{s}\mathrm{t}}-14.4) $
          改進風寒指數(WCImod $ {\mathrm{W}\mathrm{C}\mathrm{I}}_{\mathrm{m}\mathrm{o}\mathrm{d}}=(33-{L}_{\mathrm{s}\mathrm{t}})(9+10.9{v}_{i}^{\frac{1}{2}}-{v}_{i}) $
          改進風效指數(WEImod $ {\mathrm{W}\mathrm{E}\mathrm{I}}_{\mathrm{m}\mathrm{o}\mathrm{d}}=-\left(33-{L}_{\mathrm{s}\mathrm{t}}\right)\left(10\sqrt{{v}_{i}}+10.45-{v}_{i}\right)+8.55{S}_{i} $
          改進綜合舒適度(CCImod $ {\mathrm{C}\mathrm{C}\mathrm{I}}_{\mathrm{m}\mathrm{o}\mathrm{d}}=0.6\left|{L}_{\mathrm{s}\mathrm{t}}-24\right|+0.07\left|N-0.7\right|+0.5\left|{v}_{i}-2\right| $
          Lst為地溫(單位:℃);N為NDMI值;vi為風速的插值(單位:m·s?1);Si為日照時間的插值(單位:h·d?1
          下載: 導出CSV

          表 3  插值精度對比和BHCI分級表

          Table 3.  Interpolation precision comparison and BHCI classification table

          插值方法差值平均值差值標準差RMSEBHCI分級舒適度
          普通克里金 ?0.41 1.40 1.40 <0 寒冷,生病風險增加,值越高患病越危險,甚至死亡
          反距離權重 0.34 1.48 1.45 0~1a 較冷,有較低的生病風險,可能引起輕度感冒、凍瘡等
          自然鄰域 ?0.41 1.51 1.46 1a~2a 舒適,無生病風險
          規則樣條函數 ?0.43 1.61 1.45 2a~3a 較熱,有較低的生病風險,可能引起輕度中暑、頭暈等
          趨勢面 ?0.41 2.50 2.45 >3a 炎熱,生病風險增加,值越高患病越危險,甚至死亡
          下載: 導出CSV

          表 4  改進氣候舒適度指數分級表

          Table 4.  Adjusted climate comfort index table

          MTHI范圍舒適度WEImod范圍舒適度WCImod范圍舒適度CCImod范圍舒適度
          <19.5 冷,不舒適 <?200 冷,不舒適 <?100 熱,不舒適 <0.8 非常舒適
          19.5~22.5 涼,較舒適 ?200~100 涼,較舒適 ?100~50 暖,較舒適 0.8~3.5 舒適
          22.5~31 適中,舒適 ?100~100 適中,舒適 50~330 適中,舒適 3.5~7.0 較舒適
          31~33 暖,較舒適 100~200 暖,較舒適 330~560 涼,較舒適 7.0~10.0 不舒適
          >33 熱,不舒適 >200 熱,不舒適 >560 冷,不舒適 >10.0 非常不適
          下載: 導出CSV

          表 5  旅游人次統計數據

          Table 5.  Statistics of tourists

          地區春節/萬人次勞動節/萬人次中秋節/萬人次國慶節全年/萬人次是否同比增長
          臨滄市 123.35 48.28 37.35 ? 2506.14
          普洱市 75.22 28.76(端午節) 25.41 ? 3487.28
          玉溪市 232.16 26.8 (澄江縣) 50.42 159.52 4290.23
          紅河州 382.90 145.61 77.37 298.93 5718.56
          文山州 138.65 23.13 42.9 69.03 2929.86
          下載: 導出CSV
          幸运快三
        • [1] 蔚丹丹, 李山. 氣候舒適度的體感分級: 季節錨點法與中國案例[J]. 自然資源學報, 2019, 34(8): 1 633-1 653. Wei D D, Li S. Scale of human thermal sensation using seasonal anchor method: A Chinese case study[J]. Journal of Natural Resources, 2019, 34(8): 1 633-1 653.
          [2] 張狄, 史嵐, 丁滸, 等. 華東地區氣候舒適度精細化估算及其分布特征研究[J]. 云南大學學報: 自然科學版, 2015, 37(5): 695-704. DOI:  10.7540/j.ynu.20150278. Zhang D, Shi L, Ding H, et al. The regional climate comfort levels fine estimation and its distribution characteristics in East China[J]. Journal of Yunnan University: Natural Sciences Edition, 2015, 37(5): 695-704.
          [3] 曹云, 孫應龍, 吳門新. 近50年京津冀氣候舒適度的區域時空特征分析[J]. 生態學報, 2019, 39(20): 7 567-7 582. Cao Y, Sun Y L, Wu M X. Spatial and temporal characteristics of the periods of climate comfort in the Beijing-Tianjin-Hebei region from 1966 to 2015[J]. Acta Ecologica Sinica, 2019, 39(20): 7 567-7 582.
          [4] 李志龍. 考慮氣候因子的旅游需求模型構建[J]. 統計與決策, 2019, 35(12): 79-82. Li Z L. Construction of tourism demand model considering climate factors[J]. Statistics & Decision, 2019, 35(12): 79-82.
          [5] 潘仕梅, 張琦, 衣淑玉, 等. 山東省海陽市旅游氣候資源評價[J]. 西南大學學報: 自然科學版, 2018, 40(4): 125-131. Pan S M, Zhang Q, Yi S Y, et al. Evaluation of climate resources for tourism in Haiyang, Shandong[J]. Journal of Southwest University: Nature Science Edition, 2018, 40(4): 125-131.
          [6] 馬遵平, 謝澤氡, 吳青蕓. 四川省主要旅游目的地氣候舒適度研究[J]. 西南師范大學學報: 自然科學版, 2018, 43(2): 57-63. Ma Z P, Xie Z D, Wu Q Y. Assessment on climate comfort degree for main tourism destinations in Sichuan Province[J]. Journal of Southwest China Normal University: Nature Science Edition, 2018, 43(2): 57-63.
          [7] 曾瑜皙, 鐘林生, 劉漢初, 等. 國外氣候變化對旅游業影響的定量研究進展與啟示[J]. 自然資源學報, 2019, 34(1): 205-220. Zeng Y X, Zhong L S, Liu H C, et al. Implications of overseas quantitative studies of climate change impact on tourism for domestic research[J]. Journal of Natural Resources, 2019, 34(1): 205-220.
          [8] 孔欽欽, 葛全勝, 席建超, 等. 中國重點旅游城市氣候舒適度及其變化趨勢[J]. 地理研究, 2015, 34(12): 2 238-2 246. Kong Q Q, Ge Q S, Xi J C, et al. Thermal comfort and its trend in key tourism cities of China[J]. Geographical Research, 2015, 34(12): 2 238-2 246.
          [9] 任健美, ??〗? 胡彩虹, 等. 五臺山旅游氣候及其舒適度評價[J]. 地理研究, 2004, 36(6): 856-862. DOI:  10.3321/j.issn:1000-0585.2004.06.016. Ren J M, Niu J J, Hu C H, et al. Tourism climate and evaluation of comfortableness in Wutai Mountain[J]. Geographical Research, 2004, 36(6): 856-862.
          [10] Hill L, Griffith O W, Flack M. The measurement of the rate of heat loss at body temperature by convection, radiation and evaporation[J]. Philosophical Transaction of Royal Society, 1916, 207: 183-220.
          [11] 劉逸, 盧展晴, 陳欣諾. 避暑旅游氣候舒適度模型構建與應用[J]. 中山大學學報: 自然科學版, 2019, 58(3): 22-31. Liu Y, Lu Z Q, Chen X N. The climate comfort model for evaluating heat-avoiding resorts in China[J]. Acta Scientiarum Naturalium Universitatis Sunyatseni, 2019, 58(3): 22-31.
          [12] Houghten F C, Yaglou C P. Determining lines of equal comfort[J]. Transactions of the American Society of Heating and Ventilating Engineers, 1923, 29: 163-176.
          [13] Yaglou C P. A method for improving the effective temperature index[J]. ASHRAE Transactions, 1947, 53: 307.
          [14] Wu J, Gao X J, Giorgi F, et al. Changes of effective temperature and cold/hot days in late decades over China based on a high resolution gridded observation dataset[J]. International Journal of Climatology, 2017, 37: 788-800. DOI:  10.1002/joc.5038.
          [15] 毛政旦. 論風寒指數和風寒相當溫度[J]. 湖南師范大學自然科學學報, 1991, 14(1): 84-87. Mao Z D. The wind chill index and wind chill equivalent temperature[J]. Journal of Natural Science of Hunan Normal University, 1991, 14(1): 84-87.
          [16] Terjung W H. Physiologic climates of the conterminous United States: A bioclimatic classification based on man[J]. Annals of the Association of American Geographers, 1966, 5(1): 141-179.
          [17] Oliver J E. Climate and man’s environment: An introduction to applied climatology[M]. New York: John Wiley & Sons Inc, 1973: 195-206.
          [18] 廖善剛. 福建省旅游氣候資源分析[J]. 福建師范大學學報: 自然科學版, 1998, 14(1): 93-97. Liao S G. The climate resources for tourism in Fujian[J]. Journal of Fujian Normal University: Natural Science Edition, 1998, 14(1): 93-97.
          [19] 謝雯, 任黎秀, 姜立鵬. 基于MODIS數據的旅游溫濕指數時空分布研究[J]. 地理與地理信息科學, 2006, 22(5): 31-35. DOI:  10.3969/j.issn.1672-0504.2006.05.006. Xie W, Ren L X, Jiang L P. A study on spatial and temporal distribution of temperature-humidity index in China based on MODIS data[J]. Geography and Geo-Information Science, 2006, 22(5): 31-35.
          [20] 錢樂祥, 崔海山. 歸一化水汽指數與地表溫度的關系[J]. 地理研究, 2008, 27(6): 1 358-1 366. DOI:  10.3321/j.issn:1000-0585.2008.06.015. Qian L X, Cui H S. Relationship between normalized difference moisture index and land surface temperature[J]. Geographical Research, 2008, 27(6): 1 358-1 366.
          [21] 李仕峰, 錢樂祥, 王瑾. 基于陸地衛星TM/ETM+改進的溫濕指數及其對不透水表面的響應[J]. 地理與地理信息科學, 2013, 29(2): 112-115. Li S F, Qian L X, Wang J. Improved temperature-humidity index based on landsat TM/ETM+ and its response to impervious surface[J]. Geography and Geo-Information Science, 2013, 29(2): 112-115.
          [22] 張威, 紀然. 遼寧省地表溫度時空變化及影響因素分析[J]. 生態學報, 2019, 39(18): 6 772-6 784. Zhang W, Ji R. Analysis of spatio-temporal variation and factors influencing surface temperature in Liaoning Province[J]. Acta Ecologica Sinica, 2019, 39(18): 6 772-6 784.
          [23] 張煥平, 張占峰, 汪青春, 等. 近40年青海淺層地溫的變化特征[J]. 中國農業氣象, 2013, 34(2): 146-152. DOI:  10.3969/j.issn.1000-6362.2013.02.004. Zhang H P, Zhang Z F, Wang Q C, et al. Variation characteristics of shallow soil temperature in Qinghai Province in last 40 years[J]. Chinese Journal of Agrometeorology, 2013, 34(2): 146-152.
          [24] 趙璊璊, 馮莉, 郭松, 等. 景觀格局影響下的南京市熱舒適度動態變化[J]. 長江流域資源與環境, 2018, 27(8): 1 712-1 724. Zhao M M, Feng L, Guo S, et al. Impacts of landscape patterns on the dynamic changes of thermal comfort in Nanjing City[J]. Resources and Environment in the Yangtze Basin, 2018, 27(8): 1 712-1 724.
          [25] 中華人民共和國國家質量監督檢驗檢疫總局, 中國國家標準化管理委員會. 人居環境氣候舒適度評GB/T27963—2011[S]. 北京: 中國標準出版社, 2011.

          The State Administration of Quality Supervision, Inspection and Quarantine of the People's Republic of China, China National Standardization Management Committee. Climate suitability evaluating on human settlement GB/T27963—2011[S]. Beijing: China Standard Press, 2011.
          [26] 周建琴, 黃瑋, 朱勇, 等. 云南氣候舒適度分布和變化特征及未來變化趨勢預估[J]. 氣候變化研究進展, 2018, 14(2): 144-154. Zhou J Q, Huang W, Zhu Y, et al. Climate comfort distribution change and projection in Yunnan Province[J]. Climate Change Research, 2018, 14(2): 144-154.
          [27] 云南省人民政府. 云南省人民政府辦公廳關于印發云南省旅游文化產業發展規劃及實施方案的通知〔2016〕129號[Z]. http://www.yn.gov.cn/, 2016?12?08.

          People’s Government of Yunnan Province. Circular of the General Office of Yunnan Provincial People’s Government on the issuance of plans and implementation programs for the development of tourism and culture industry in Yunnan Province〔2016〕129 [Z]. http://www.yn.gov.cn/, 2016?12?08.
          [28] 云南省文化和旅游廳. 云南省旅游產業“十三五”發展規劃[Z]. http://www.ynta.gov.cn, 2016?10?18.

          Yunnan Provincial Department of Culture and Tourism. The 13th five-year development plan of Yunnan tourism industry [Z]. http://www.ynta.gov.cn, 2016?10?18.
          [29] 孫美淑, 李山. 氣候舒適度評價的經驗模型: 回顧與展望[J]. 旅游學刊, 2015, 30(12): 19-34. DOI:  10.3969/j.issn.1002-5006.2015.12.007. Sun M J, Li S. Empirical indices evaluating climate comfortableness: Review and prospect[J]. Tourism Tribune, 2015, 30(12): 19-34.
          [30] 占明錦. 全球升溫背景下高溫對城市能源消耗和人體健康的影響研究[D]. 北京: 中國氣象科學研究院, 2018.

          Zhan M J. Impact of high temperature on human health and energy consumption in southern cities under global warming[D]. Beijing: Chinese Academy of Meteorological Sciences, 2018.
          [31] 徐大海, 朱蓉. 人對溫度、濕度、風速的感覺與著衣指數的分析研究[J]. 應用氣象學報, 2000, 11(4): 430-439. DOI:  10.3969/j.issn.1001-7313.2000.04.006. Xu D H, Zhu R. The sensation of human to temperature、humility and wind speed and the clothing[J]. Journal of Applied Meteorological Science, 2000, 11(4): 430-439.
          [32] 鄭山, 王敏珍, 史瑩瑩, 等. 低溫寒潮對人體健康影響研究進展[J]. 蘭州大學學報: 自然科學版, 2011, 47(4): 44-48. Zheng S, Wang M Z, Shi Y Y, et al. Research progress in the impact of cold wave chilling on human health[J]. Journal of Lanzhou University: Natural Sciences, 2011, 47(4): 44-48.
          [33] 李召良, 段四波, 唐伯惠, 等. 熱紅外地表溫度遙感反演方法研究進展[J]. 遙感學報, 2016, 20(5): 899-920. Li Z L, Duan S B, Tang B H, et al. Review of methods for land surface temperature derived from thermal infrared remotely sensed data[J]. Journal of Remote Sensing, 2016, 20(5): 899-920.
          [34] 覃志豪, 高懋芳, 秦曉敏, 等. 農業旱災監測中的地表溫度遙感反演方法——以MODIS數據為例[J]. 自然災害學報, 2005, 14(4): 64-71. DOI:  10.3969/j.issn.1004-4574.2005.04.011. Qin Z H, Gao M F, Qin X M, et al. Methodology to retrieve land surface temperature from MODIS data for agricultural drought monitoring in China[J]. Journal of Natural Disasters, 2005, 14(4): 64-71.
          [35] 崔曉臨, 程贇, 張露, 等. 基于DEM修正的MODIS地表溫度產品空間插值[J]. 地球信息科學學報, 2018, 20(12): 1 768-1 776. Cui X L, Cheng Y, Zhang L, et al. Spatial interpolation of MODIS land surface temperature products based on DEM correction[J]. Journal of Geoinformation Science, 2018, 20(12): 1 768-1 776.
          [36] 廖要明, 陳德亮, 劉秋鋒. 中國地氣溫差時空分布及變化趨勢[J]. 氣候變化研究進展, 2019, 15(4): 374-384. DOI:  10.12006/j.issn.1673-1719.2018.199. Liao Y M, Chen D L, Liu Q F. The spatiotemporal characteristics and long-term trends of surface-air temperatures difference in China[J]. Climate Change Research, 2019, 15(4): 374-384.
        • [1] 葉輝王金亮趙娟娟 . 基于多源數據的北回歸線(云南段)地質旅游資源調查與開發潛力評價. 云南大學學報(自然科學版), 2020, 42(6): 1-11. doi: 10.7540/j.ynu.20190725
          [2] 朱永莉 . 2013年度教育部人文社科課題“云南省海拔高度與少數民族學生體質健康相關性研究”.. 云南大學學報(自然科學版), 2013, 35(S2): 420-. doi: 10.7540/j.ynu.20130735
          [3] 姬紅利周文君張一平沙麗清 . 云南土壤色度與海拔及氣候的關系研究. 云南大學學報(自然科學版), 2013, 35(S2): 352-. doi: 10.7540/j.ynu.20130801
          [4] 彭貴芬趙爾旭周國蓮 . 云南春夏連旱氣候變化趨勢及致災成因分析. 云南大學學報(自然科學版), 2010, 32(4): 443-448 .
          [5] 陶云張萬誠段長春陳艷任菊章邢冬何群 . 云南2009—2012年4年連旱的氣候成因研究. 云南大學學報(自然科學版), 2014, 36(6): 866-874. doi: 10.7540/j.ynu.20140312
          [6] 楊洪福李春青陳艷艷李維賢 . 云南金線鲃屬魚類一新種——文山金線鲃. 云南大學學報(自然科學版), 2017, 39(3): 507-512. doi: 10.7540/j.ynu.20160534
          [7] 姚啟倫楊克誠潘光堂榮廷昭 . 云南和貴州玉米地方品種遺傳多樣性的比較分析. 云南大學學報(自然科學版), 2008, 30(4): 408-414.
          [8] 羅燕田永麗戴敏陳新梅 . 云南近50年極端氣溫及降水事件變化特征與區域氣候變暖的關系. 云南大學學報(自然科學版), 2015, 37(6): 870-877. doi: 10.7540/j.ynu.20140395
          [9] 王艷霞丁琨周汝良 . 基于地形、水熱指標的陸地生物多樣性富集度評估——以云南為例. 云南大學學報(自然科學版), 2017, 39(3): 481-493. doi: 10.7540/j.ynu.20160333
          [10] 蔡文婧陸樹剛 . 大暗鱗鱗毛蕨與狹鱗鱗毛蕨的分類訂正研究. 云南大學學報(自然科學版), 2014, 36(1): 128-131. doi: 10.7540/j.ynu.20120497
          [11] 傅竹武劉建華胥頤文麗敏續外芬馬紅虎 . 利用接收函數方法研究大盈江斷裂兩側S波速度結構. 云南大學學報(自然科學版), 2007, 29(6): 607-612,616.
          [12] 瞿夢茹徐曉雅 . 云南地震活動的時序特征. 云南大學學報(自然科學版), 2012, 34(S2): 40-42.
          [13] 馬志敏楊素雨王治國牛法寶連鈺朱莉 . 云南局地暴雨分型研究. 云南大學學報(自然科學版), 2020, 42(1): 108-118. doi: 10.7540/j.ynu.20190031
          [14] 張滋第和兆榮 . 云南蓮座蕨科植物葉表皮形態特征研究. 云南大學學報(自然科學版), 2009, 31(3): 302-303, .
          [15] 李維賢卯衛寧盧宗民陶進能 . 云南鯉科魚類二新種記述. 云南大學學報(自然科學版), 2002, 24(5): 385-387.
          [16] 鐘愛華李慶紅黃慧君周泓 . 2012.8.6云南省大雨過程診斷分析. 云南大學學報(自然科學版), 2013, 35(S1): 261-269. doi: 10.7540/j.ynu.20120746
          [17] 陶云段旭段長春段瑋任菊章 . 云南近50a霧的變化特征. 云南大學學報(自然科學版), 2011, 33(3): 308-316 .
          [18] 楊明陶云 . 亞洲夏季風對云南暴雨空間分布特征的影響. 云南大學學報(自然科學版), 2004, 26(3): 227-232.
          [19] 王曉霞魏杰劉勁蕓陰耕云徐世濤 . 云南食用玫瑰精油化學成分的GC/MS分析及其應用研究. 云南大學學報(自然科學版), 2011, 33(S2): 414-417.
          [20] 李麗輝陳明偉王寶祿 . 近10年來云南省物化探工作進展與主要成果. 云南大學學報(自然科學版), 2012, 34(S2): 125-133.
        • 加載中
        圖(3)表(5)
        計量
        • 文章訪問數:  430
        • HTML全文瀏覽量:  463
        • PDF下載量:  14
        • 被引次數: 0
        出版歷程
        • 收稿日期:  2019-12-23
        • 錄用日期:  2020-03-30
        • 網絡出版日期:  2020-07-30
        • 刊出日期:  2020-09-22

        基于遙感數據的北回歸線云南段旅游氣候適宜性評價研究

          作者簡介:劉錢威(1997?),男,安徽人,碩士生,主要從事資源與環境遙感應用研究. E-mail: 1193372513@qq.com
          通訊作者: 王金亮, jlwang@ynnu.edu.cn
        • 1. 云南師范大學 旅游與地理科學學院,云南 昆明 650500
        • 2. 云南省高校資源與環境遙感重點實驗室,云南 昆明 650500
        • 3. 云南省地理空間信息技術工程技術研究中心,云南 昆明 650500

        摘要: 以云南省北回歸線地區為研究區,以MODIS遙感數據為基礎,反演地表溫度和歸一化水汽指數(NDMI),并結合氣象插值數據,改進溫濕指數(MTHI)、風寒指數(WCImod)、風效指數(WEImod)和綜合舒適度(CCImod),重新構建人體健康舒適指數(BHCI),進而分析評價2018年研究區旅游氣候舒適度. 結果表明:①MTHI、WCImod、WEImod和CCImod均能較好地反映氣候舒適情況,表明研究區具有寒暑短促、舒適長連的特點. ②BHCI和MTHI、WEImod具有相似的時空分布,能清晰地反映氣候交替對人體健康帶來的影響. ③研究區3—11月處于舒適期,其對應春季、夏季和秋季,均適合作為長期旅游的最佳時間,而1—2月和12月,研究區處于較舒適期,人們也可以考慮進行短期活動.

        English Abstract

        • 氣候適宜性指人體在不同氣候條件下感受舒適的程度[1]. 氣候是否讓人感到舒適,受氣溫、空氣濕度、風速和日照時間等氣象要素影響[2-3],其作為重要的旅游資源之一[4],直接影響著出游人們的數量、出游時間和對出游地點的選擇[5-6],合理的分析氣候適宜性將為人們出行旅游和旅游大健康產業發展規劃提供參考和建議[7]. 云南北回歸線沿線地區地理條件獨特,東連珠江三角洲、西接南亞東南亞,橫跨滇東南巖溶風光跨境旅游區、滇中國際旅游城市圈和滇西南瀾滄江?湄公河國際旅游區,包含了3個國家級自然保護區、7個省級自然保護區、1個國家公園、1個國家級風景名勝和4個省級風景名勝區,是人們出行旅游的不二選擇. 通過進行云南北回歸線沿線地區的旅游氣候適宜性分析,為人們旅游選擇地點和時間提供參考,對促進云南省旅游業發展具有重大意義.

          氣候適宜性評價研究起源于國外20世紀20年代,發展至今已有近百年歷史[8]. 早期研究主要是通過儀器測量環境中的氣象因子作為評價指標,如濕球溫度[9]、卡他溫度[10]等;后期研究開始注重分析氣象因子與人體熱量平衡的關系,通過構建經驗模型分析人體對周圍環境的適應程度[11],如有效溫度(Effective Temperature,ET)[12-13],通過描述氣溫、濕度和風速的變化評價熱環境對人體舒適度的影響,是人體熱感受的指標[14];風寒指數(Wind-chill Index,WCI)[15],用于評價寒冷環境下人體舒適度情況,常作為輔助指標;風效指數(Wind Effect Index,WEI)[16],在WCI的基礎上,增加日照時間對人體的影響,注重寒冷天氣下太陽輻射對人體的影響;溫濕指數(Temperature-humidity Index,THI)[17],是人們感受溫度變化的首要指標[11],但是其考慮的氣象因素較少,很少單獨使用. 除此之外,還有綜合舒適度(Comprehensive Comfort Index,CCI)[18]等等. 傳統的氣候舒適性分析,均需要搜集和整理大量的地面氣象資料,進行空間插值,將會產生以點替代面、轉換空間尺度等問題[19],而遙感技術所具有的范圍廣的優點將在一定程度上彌補傳統氣候適宜性分析的缺點. 錢樂祥等[20]通過研究地表溫度與歸一化水汽指數(Normalized Vegetation Moisture Index,NDMI)的關系發現,NDMI能有效表征區域水汽特征,這與氣象學中對相對濕度的描述十分接近[21];地溫和氣溫擁有相同的量綱,已有文獻表明兩者都是影響氣候變化的重要指標,它們相互聯系且呈正相關[22-23]. 這些研究使得用遙感數據對氣候適宜性指數的改進提供了可能,對此國內已有多位學者做出研究,謝雯等[19]使用地溫(Land Surface Temperature,LST)代替氣溫,并用馬格努斯經驗公式變形替代相對濕度,計算溫濕指數(THI)分析2003年全國氣候適宜情況;李仕峰等[21]用地溫替代氣溫,用NDMI的平均值替代相對濕度,以此改進溫濕指數(THILI),發現THILI比傳統的溫濕指數高,但是總體分布未受影響;趙璊璊等[24]使用地溫替代氣溫,用NDMI替代相對濕度,改進溫濕指數(Moisture Temperature-humidity Index,MTHI),并對其進行歸一化處理,新建分級標準. 這些研究均采用遙感數據對THI改進,注重分析溫度和濕度對人體舒適度的影響,但是隨著技術的發展,可獲取氣象要素增多,近年研究已經較少單獨使用THI作為研究依據[11],單一的指數難以全面地說明一個區域氣候變化情況,結合多個氣象因子,構建合適數量的氣候適宜性指數將會使研究更具有說服力. 并且,在以往的研究中多分析氣候變化過程中人體的舒適程度,卻忽略氣候改變對人體健康造成的影響,氣象因子在變化的同時也會對人體健康產生隱患,通過氣候舒適度指數描述氣候變化對人體健康造成的影響還有待深入研究.

          本研究依據中華人民共和國國家標準規定[25-26],選用THI和WEI指數,并選取多年最常用的WCI和CCI進行改進. 針對研究區范圍廣的特點,采用2018年的MODIS數據,反演地表溫度和NDMI,結合相關氣象數據,對云南北回歸線沿線地區的氣候適宜性進行評價分析;同時采用改進后的THI和WEI構建人體健康舒適指數(Body-Healthy Comfort of Index,BHCI),說明氣候變化對人體健康的影響.

          • 研究以云南省北回歸線(23°26′21″N)穿過的市(州)作為研究區(圖1),地理位置介于98°48′~106°12′E,22°02′~24°10′N之間,分布于滇中、滇南、滇西南、滇東南,包含臨滄、玉溪、普洱、紅河和文山5個市(州),含富寧、西疇、麻栗坡、硯山、文山、蒙自、個舊、石屏、紅河、建水、元江、墨江、寧洱、景谷、雙江、滄源、耿馬17縣(市),總面積達150308 km2,常住人口總計1585.8萬人(2018年末),研究區海拔80~3485 m. 該地區氣候類型為亞熱帶季風氣候,夏季高溫多雨,冬季溫和少雨,年均溫16~24 ℃,干濕分明. 研究區群峰縱橫,山巒連綿起伏,植被覆蓋率高,生態環境優美,是傣族、哈尼族、佤族、彝族、苗族、布朗族等少數民族的重要聚居地,盛產三七、石斛、紅花、天麻、重樓、龍膽草、八角等中藥材,以普洱茶聞名,有著雄厚的旅游資源. 近年云南省人民政府出臺的《云南省旅游文化產業發展規劃及實施方案》[27]和《云南省旅游文化產業“十三五”發展規劃》[28]中指出要大力發展跨境旅游、培育瀾滄江旅游帶和促進旅游文化產業轉型升級等,促進旅游大健康的發展,這將是該地區旅游業發展的重大機遇.

            圖  1  云南省北回歸線沿線地區高程

            Figure 1.  DEM of the area along the Tropic of Cancer in Yunnan Province

          •  ?。?)遙感數據 研究所采用的MODIS遙感數據為一級產品數據MOD02L1B,均來自于美國國家航空航天局(NASA)官網(https://search.earthdata.nasa.gov/),擁有36個離散光譜波段,光譜范圍為0.4~14.4 μm(熱紅外),覆蓋全光譜,地面分辨率對應不同波段分別為250 m(1~2波段)、500 m(3~7波段)和1000 m(8~36波段),時間分辨率為1 d. 獲取數據為2018年1—12月每月選取一景,總計12景,均采用MCTK(Modis Conversion Toolkit)插件進行重采樣(使各個波段的空間分辨率保持一致)、坐標系轉換和雙眼皮處理;提取研究區;基于數字高程模型(Digital Elevation Model,DEM)做去云處理.

            (2)氣象數據 氣象資料來自中國氣象局國家氣象中心氣象數據網(http://data.cma.cn/)—中國地面氣候資料日值數據集(V3.0)的平均氣溫、相對濕度、風速、日照時間內容,包含研究區內景東、玉溪、瀘西、耿馬、臨滄、瀾滄、思茅、元江、江城、硯山、廣南等11個國家氣象站點,選取和MODIS數據相同的時間. 數據各項要素實有率普遍在99%以上,數據正確率均接近100%. 獲取數據后,根據各氣象點的經緯度,制作成數據點.

          • 研究選取并改進THI、WEI、WCI和CCI 4個指數,由溫度、濕度、風速、日照時間4個要素描述氣象因子變化對人體舒適度的影響,同時構建BHCI,評價氣候變化對人體健康情況的影響.

          • 傳統氣候適宜性指數計算方式[15-18]表1所示.

            傳統氣候適宜性指數經驗方程
            溫濕指數(THI) $ \mathrm{T}\mathrm{H}\mathrm{I}=t-0.55(1-R)(t-14.4) $
            風寒指數(WCI) $ \mathrm{W}\mathrm{C}\mathrm{I}=(33-t)(9+10.9{v}^{\frac{1}{2}}-v) $
            風效指數(WEI) $ \mathrm{W}\mathrm{E}\mathrm{I}=-\left(33-t\right)\left(10\sqrt{v}+10.45-v\right)+8.55S $
            綜合舒適度(CCI) $ \mathrm{C}\mathrm{C}\mathrm{I}=0.6\left|t-24\right|+0.07\left|R-70\right|+0.5\left|v-2\right| $
            t為氣溫(單位:℃);R為相對濕度(單位:%);v為風速(單位:m·s?1);S為日照時間(單位:h·d?1

            表 1  傳統氣候適宜性指數計算方式

            Table 1.  Traditional climate comfort index calculating method

            通過使用地溫替代氣溫,NDMI替代相對濕度[20-21],并結合氣象插值數據改進傳統氣候適宜性指數,改進的指數由表2所示.

            改進的氣候適宜性指數經驗方程
            改進溫濕指數(MTHI) $ \mathrm{M}\mathrm{T}\mathrm{H}\mathrm{I}={L}_{\mathrm{s}\mathrm{t}}-0.55(1-N)({L}_{\mathrm{s}\mathrm{t}}-14.4) $
            改進風寒指數(WCImod $ {\mathrm{W}\mathrm{C}\mathrm{I}}_{\mathrm{m}\mathrm{o}\mathrm{d}}=(33-{L}_{\mathrm{s}\mathrm{t}})(9+10.9{v}_{i}^{\frac{1}{2}}-{v}_{i}) $
            改進風效指數(WEImod $ {\mathrm{W}\mathrm{E}\mathrm{I}}_{\mathrm{m}\mathrm{o}\mathrm{d}}=-\left(33-{L}_{\mathrm{s}\mathrm{t}}\right)\left(10\sqrt{{v}_{i}}+10.45-{v}_{i}\right)+8.55{S}_{i} $
            改進綜合舒適度(CCImod $ {\mathrm{C}\mathrm{C}\mathrm{I}}_{\mathrm{m}\mathrm{o}\mathrm{d}}=0.6\left|{L}_{\mathrm{s}\mathrm{t}}-24\right|+0.07\left|N-0.7\right|+0.5\left|{v}_{i}-2\right| $
            Lst為地溫(單位:℃);N為NDMI值;vi為風速的插值(單位:m·s?1);Si為日照時間的插值(單位:h·d?1

            表 2  改進的氣候適宜性指數計算方式

            Table 2.  Improve climate comfort index calculating method

            人體健康舒適指數BHCI模型. 人們夏季中暑、生病受溫度、濕度影響較大,因此THI能較好的評價熱環境對人體舒適度的影響. “曬太陽”會增加人體在寒冷時的舒適感,而風速會增強體表散熱,加劇人體對低溫的感覺,考慮日照時間和風速、溫度的WEI則能較好的評價冷環境對人體舒適度的影響[9, 29],通過將兩者結合,能更好地說明氣候冷熱交替對人體健康的影響,因此構建BHCI,公式如下:

            $ \mathrm{B}\mathrm{H}\mathrm{C}\mathrm{I}=A\left(\mathrm{M}\mathrm{T}\mathrm{H}\mathrm{I}-a\right)+\left(1-A\right)\left({\mathrm{W}\mathrm{E}\mathrm{I}}_{\mathrm{m}\mathrm{o}\mathrm{d}}-b\right), $

            式中,BHCI為人體健康舒適指數;A為溫室指數的權重值;a為該地區高溫致病的THI臨界值. 占明錦[30]通過研究全球升溫背景下高溫對人體健康的影響,發現存在一個溫度臨界值(36.6 ℃),當超過這個臨界值時,會導致人體生病,甚至致死,由溫度和致病/致死的人數所構建的強度脆弱性曲線確定系數為0.74,代表受高溫致病人數約有74%由溫度部分所決定,這和徐大海等[31]的研究結果較為一致. 本研究A以0.74作為權重,取徐大海等[31]研究的部分臨界值(36.5 ℃溫度、44%相對濕度)計算a得到29.69;b代表該地區低溫致病的WEI臨界值,研究采用了寒潮低溫4 ℃[32],以及研究區年風速平均值1.5 m·s?1和年平均日照時間8.6 h,計算b得到?541.18. 當人們處于戶外時,穿著飽和的衣服將會降低人們對低溫的感覺[15],因此賦予WEI較低的權重0.26,最終構成適合研究區的BHCI,公式如下:

            $ \begin{split} &{\rm{B}}{\rm{H}}{\rm{C}}{\rm{I}}=0.74\left(\rm{M}\rm{T}\rm{H}\rm{I}-26.69\right)+\\ &0.26\left({\rm{W}\rm{E}\rm{I}}_{\rm{m}\rm{o}\rm{d}}-(-541.18)\right). \end{split}$

          • (1)地溫LST. 李召良等[33]通過綜述詳細說明熱紅外遙感數據反演地表溫度的研究進展,以及各個方法的優缺點,研究通過對比各種方法的精度和可行性,選擇劈窗算法[34]反演地表溫度. 該算法反演精度相對較高,且僅需要大氣透過率和地表輻射率兩個因素就可以反演地表溫度[19].

            $ {L}_{\mathrm{s}\mathrm{t}}={A}_{0}+{A}_{1}{T}_{31}-{A}_{2}{T}_{32}, $

            式中,Lst為地表溫度(單位:K);T31T32表示MODIS數據的第31和32波段的亮度溫度(單位:K),由第31、32波段的DN值轉換為輻射強度后,并通過Plank方程計算;A0、A1、A2是分裂窗算法的參數. 對于受大面積云層干擾的數據,研究選擇相近時間的MODIS數據鑲嵌和插值,借鑒崔曉臨等[35]插值方法消除云層影響.

            $ \left\{\begin{array}{c}{T}_{s}={L}_{\mathrm{s}\mathrm{t}}+\dfrac{\gamma H}{100}, \\ T={T}_{i}-\dfrac{aD}{100}, \end{array}\right.$

            式中,Lst為地溫(單位:K);Ts代表反演的地溫轉換到大地水準面的地表溫度(單位:℃);$\gamma $代表氣溫垂直遞減率,取值0.6 ℃/100 m;H表示地溫像元點的高程值;D表示DEM值,Ti即為Ts插值結果,T(單位:℃)為最終結果.

            (2)風速vi和日照時數Si. 風速和日照時間采用普通克里金法、規則樣條函數法和反距離權重法3個插值方法進行處理;通過對比后發現反距離權重法精度更高,因此采用此方法.

          • 為保證研究結果的可靠性,需要對插值后的地溫數據進行精度驗證,并依據改進后的氣候適宜性指數的特征進行分級,以2018年1月份為例進行對比分析.

            地表溫度反演結果分別采用普通克里金法、反距離權重法、自然鄰域法、規則樣條函數法和趨勢面法插值,通過使用MOD11A1數據和結果相減,計算兩者的差值平均值、差值標準差和均方根誤差(Root Mean Square Error of Prediction,RMSE),如表3所示. 由表3可知,5個插值方法精度相似,普通克里金插值在RMSE上有著微弱的優勢,這和崔曉臨等[35]的結論一致,因此,研究選取精度較好的普通克里金插值法.

            插值方法差值平均值差值標準差RMSEBHCI分級舒適度
            普通克里金 ?0.41 1.40 1.40 <0 寒冷,生病風險增加,值越高患病越危險,甚至死亡
            反距離權重 0.34 1.48 1.45 0~1a 較冷,有較低的生病風險,可能引起輕度感冒、凍瘡等
            自然鄰域 ?0.41 1.51 1.46 1a~2a 舒適,無生病風險
            規則樣條函數 ?0.43 1.61 1.45 2a~3a 較熱,有較低的生病風險,可能引起輕度中暑、頭暈等
            趨勢面 ?0.41 2.50 2.45 >3a 炎熱,生病風險增加,值越高患病越危險,甚至死亡

            表 3  插值精度對比和BHCI分級表

            Table 3.  Interpolation precision comparison and BHCI classification table

          • 采用上述方法獲得研究區旅游氣候舒適度相關指數,并進行等級劃分.

            (1)改進氣候舒適度指數分級. 在反演地溫過程中,發現地溫比氣溫高,且隨著月份的改變,差異的大小也隨之變化,最高出現4 ℃以上,這和廖要明等[36]的研究結果一致. 由于地氣溫差的存在,導致改進的氣候舒適度指數相較于傳統氣候舒適指數有所差異,因此根據兩者間的差異調整分級標準(表4).

            MTHI范圍舒適度WEImod范圍舒適度WCImod范圍舒適度CCImod范圍舒適度
            <19.5 冷,不舒適 <?200 冷,不舒適 <?100 熱,不舒適 <0.8 非常舒適
            19.5~22.5 涼,較舒適 ?200~100 涼,較舒適 ?100~50 暖,較舒適 0.8~3.5 舒適
            22.5~31 適中,舒適 ?100~100 適中,舒適 50~330 適中,舒適 3.5~7.0 較舒適
            31~33 暖,較舒適 100~200 暖,較舒適 330~560 涼,較舒適 7.0~10.0 不舒適
            >33 熱,不舒適 >200 熱,不舒適 >560 冷,不舒適 >10.0 非常不適

            表 4  改進氣候舒適度指數分級表

            Table 4.  Adjusted climate comfort index table

            (2)人體健康舒適指數(BHCI). BHCI分級采用等間距法-均值法[24],分級結果見表3,其中BHCI表示平均值.

          • 本研究以3個月為間隔,將2018年劃分成1—3月、4—6月、7—9月和10—12月4個時段,通過最大值法對每個時段進行合成,得到云南省北回歸線段氣候舒適度分布圖(圖2).

            圖  2  云南省北回歸線沿線地區氣候舒適度指數分布

            Figure 2.  Distribution of climate comfort index along Tropic of Cancer in Yunnan Province

            不難發現,MTHI、WEImod和WCImod3個指數時空變化十分相似;1—9月均表現出大面積區域舒適;10—12月時期研究區則整體趨向于較舒適的涼爽氣候;這和CCImod所呈現出現來的分布情況較為一致. 而BHCI在該時期整體表現為舒適,沒有生病的風險;舒適程度與其他指數有所區別;不過依然能包含其余4個指數的大部分特征.

            研究統計MTHI、WCImod、WEImod和CCImod各個市(州)的平均值(圖3),發現MTHI的平均值主要集中在15.09~28.46之間,處于不舒適到舒適之間,5月出現最高平均值28.46,12月出現最低平均值15.09,MTHI呈現先升后降的趨勢,隨月份的推移而發生冷暖交替,沒有顯著的區域變化;WCImod的平均值集中在26.09~358.67之間,5月出現最低平均值26.09,12月出現最高平均值358.67,平均值曲線先降后升,隨月份變化而發生顯著變化,呈明顯的冷到暖,再到冷的轉換過程;WEImod的平均值集中在?282.54~70.26之間,5月出現最高平均值70.26,12月出現最低平均值?282.54,處于不舒適到舒適之間,平均值曲線變化趨勢和MTHI近似,但是文山州東部在10月出現最低值,與紅河州、玉溪市、普洱市及臨滄市有著明顯區域性區別,這是由于獲取數據當日,文山州日照時間相對較少,持續的降水導致氣溫驟降,從而造成氣候不舒適的情況. 而由MTHI和WEImod構成的BHCI和前兩者表現一致,不再贅述. CCImod的平均值集中在1.17~5.31之間,10月出現最低平均值1.17,12月出現最高平均值5.31,處于較舒適到舒適之間,平均值曲線在1—2月向舒適變化,而3—5月則向較舒適變化,這是由于天氣由冷回暖變得舒適,隨后又逐漸升高;6—9月曲線再一次向舒適變化,10—12月向較舒適變化,這是由于本該炎熱的時期受雨季影響,使得溫度下降變得舒適,而隨月份推移,氣溫又慢慢降低;平均值曲線呈現“W”形狀,與其它氣候舒適指數相比,CCImod對氣候的變化更為敏感. 顯然,研究區寒冷和炎熱的持續時間短;適中而舒適的持續時間長. 統計發現,研究區舒適月份占全年的58%,而較舒適以上的時間則占比更大;這與周建琴等[26]對云南氣候的研究結果較為一致.

            圖  3  云南省北回歸線沿線地區氣候舒適性指數均值分布

            Figure 3.  Mean distribution of climate comfort index along Tropic of Cancer in Yunnan Province

            通過分析研究區旅游氣候的時空分布,發現1—3月出現較舒適的涼環境和不舒適的冷環境以普洱市居多. 研究區整體呈現無致病風險,出行的人們可帶輕薄的外衣,選擇文山州、紅河州等地進行短期的旅游活動,如觀光等;4—6月出現不舒適的區域主要在分布在臨滄市、紅河州地區,短期的活動會有較低的致病風險,而長期的活動則會加劇風險和病情,此時出行旅游的人們可選擇玉溪市偏北地區,如澄江縣等,可以進行釣魚、漂流、游船等活動,將取得舒適的體驗;7—9月紅河州整體表現好,無致病風險,建議人們出行帶傘和外衣,進行一些短期的活動,如登山望遠等;10—12月氣溫相對較低,而紅河州、玉溪市仍然出現大面積較舒適區域,雖然BHCI表現無致病風險,但是研究區內各市晝夜溫差較大,建議人們出行時帶毛衣或者其它保暖衣物,選擇泡溫泉等旅游活動.

          • 本研究從12個月份中找出春節、“五一”勞動節、中秋節和國慶節作為研究劃分4個時段的代表節日,在云南省文化和旅游廳(http://www.ynta.gov.cn/)和云南省統計局(http://stats.yn.gov.cn/)以及多個日報查找、計算和統計各市(州)每個小長假的旅游人次(表5).

            地區春節/萬人次勞動節/萬人次中秋節/萬人次國慶節全年/萬人次是否同比增長
            臨滄市 123.35 48.28 37.35 ? 2506.14
            普洱市 75.22 28.76(端午節) 25.41 ? 3487.28
            玉溪市 232.16 26.8 (澄江縣) 50.42 159.52 4290.23
            紅河州 382.90 145.61 77.37 298.93 5718.56
            文山州 138.65 23.13 42.9 69.03 2929.86

            表 5  旅游人次統計數據

            Table 5.  Statistics of tourists

            表5中(臨滄市和普洱市未找到相應數據)不難發現,春節以玉溪市、紅河州旅游人次居多,而此時期2個地區氣候表現均為舒適,沒有致病風險. 涼環境區域的普洱市則人次較少;中秋節和國慶節旅游人次都以紅河州位居首位,顯然,紅河州在7—12月能保持舒適的氣候,避暑、避寒均是最佳選擇,這與本文研究結果表現一致;“五一”勞動節時期,雖然紅河州表現部分為熱環境區域,會導致人體不適,但旅游人次最多;而玉溪市在查詢資料過程中僅有澄江縣的人次,依然表現很好. 縱觀全局,玉溪市、紅河州在2018年均適合作為旅游的地點,這與表5中統計的全年旅游人次結果較為一致;而普洱市、文山州和臨滄市則可以根據月份選擇合適的地方出行. 綜合而言,研究結果能較好地與人們假日旅游選點相結合,為人們出行提供有效的氣候舒適度和氣候對健康影響程度的信息.

          • 研究以MOIDS遙感數據和地面站氣象資料為數據源,反演地表溫度、NDMI并進行氣象數據插值,改進了溫濕指數(MTHI)、風寒指數(WCImod)、風效指數(WEImod)和綜合舒適度(CCImod),并構建人體健康舒適指數(BHCI),分析2018年云南省北回歸線沿線地區旅游氣候舒適度. 通過對比研究結果,得出結果如下.

            (1)MTHI、WCImod和WEImod均能很好地反映云南省北回歸線沿線地區多種氣象因素對人體舒適度的影響,它們的時空變化較為一致;CCImod也呈現相似的分布特征,并且它對氣候變化更為敏感.

            (2)由MTHI和WEImod構建的BHCI能很好地反映氣候變化對人體健康產生的影響,其包含前兩者的大部分特征,可以直接為人們出行提供參考建議.

            (3)紅河州全年表現良好,是旅游的最佳地點;玉溪市4—9月呈現舒適,是避暑旅游的最佳地點. 而普洱市、文山州和臨滄市可以根據喜好、時間選擇合適的區域進行旅游活動.

        參考文獻 (36)

        目錄

          /

          返回文章
          返回