研究论文 网络优先出版 版本 1
下载
中国区域紫外辐射红斑剂量时空变化特征研究
A study on temporal-spatial variations characteristics of UV erythemal dose over China
: 2018 - 07 - 29
: 2018 - 11 - 15
: 2018 - 11 - 24
172 0 0
摘要&关键词
摘要:本文利用大气探测卫星AURA搭载的臭氧观测仪(ozone monitoring instrument,OMI)所获得的紫外辐射红斑剂量数据,分析了2005—2015年中国紫外辐射的时空变化特征。在空间上,紫外线辐射呈现纬度地带性分布,从南向北逐渐减小,大约从4200 J/m2到1500 J/m2递减。紫外辐射与高程呈现明显的负相关,东部、东北的低海拔地区,紫外辐射相对较低。在高海拨的青藏高原区,紫外辐射高,多年年平均值大约为5500 J/m2,有些区域可达6000 J/m2以上。在时间上,紫外辐射红斑剂量存在明显的季节变化,一年中变化大致呈现抛物线分布。在夏季(7月份)达到最大值,多年平均值为5532.9 J/m2,春秋季次之,冬季(12月份)达到最小值,多年平均值为1089.2 J/m2。2005—2015年间年平均紫外线辐射呈上升趋势,但是在2010年出现谷值,多年年平均值大约为3016.5 J/m2。不同区域的变化趋势表现出明显的空间差异,大体呈现两种模式:在高值的青藏高原区,紫外辐射呈现减少的趋势;在低值区,紫外辐射呈现逐渐增大的趋势。
关键词:OMI;紫外辐射;卫星遥感;变异系数;空间插值
Abstract & Keywords
Abstract: Background, aim, and scope With the discovery of the ozone hole, due to the increasingly serious damage of the stratospheric ozone, the ultraviolet radiation reaching the earth's surface has increased. The current situation and the long-term trend of ultraviolet radiation have caused widespread concern in the scientific community. The remote sensing observation of ultraviolet radiation has developed earlier in foreign countries, and there have been a lot of research results on the temporal and spatial variations of ultraviolet radiation. The latest sensor is the OMI, which was mounted on NASA's AURA satellite in 2004. Many studies have verified the accuracy of the ultraviolet radiation data product. The results show that the data can be used for the research of spatial distribution and temporal variation of ultraviolet radiation. Materials and methods The UV radiation measurements from the Ozone Monitoring Instrument (OMI) abroad on AURA are used in this paper for investigating the temporal and spatial variation over China from 2005 to 2015, The data format is HDF-EOS (.he5) with a spatial resolution of 0.25 x 0.25 degrees and a time resolution of 1 day. First, we use MATLAB software to extract ultraviolet radiation erythemal dose data from UV radiation products (HDF-EOS 5 file format), convert the vector point data into monthly, quarter and year. The Interpolation processing is performed using Inverse Distance Weighted (IDW) to regenerate 0.25 x 0.25 degree raster data. Then analyze the temporal and spatial variation characteristics of ultraviolet radiation erythemal dose in China. This paper uses the coefficient of variation to characterize the fluctuations in time and space. The coefficient of variation (CV) is the ratio of the standard deviation (s) to the mean (m). ResultsOn the spatial scale, the UV presents the latitudinal distribution, decreasing from the south to the north, with the value about from 4200 to 1500 J/m2.At low latitudes and high altitudes, such as the Yunnan-Kweichow Plateau, the annual average UV radiation is maintained at a medium level; Over the higher altitude of Tibetan Plateau, the UV erythemal dose has a higher value with the multi-yearly mean value is about 5500 J/m2, and over some regions, the value is up to 6000 J/m2; On the temporal scale, the largest value appears in July of summer with the multi-yearly mean value about 5532.9 J/m2, the moderate values appear in the spring and autumn, and the smallest value is in December of winter with the multi-yearly mean value about 1089.2 J/m2. The yearly mean UV erythemal dose presents an increasing trend during 2005~2015 for the entire region, while there is a valley value in 2010 with about 3016.5 J/m2. Discussion The UV radiation exhibits obvious seasonal variations over China, which are mainly determined by changes of the location of direct solar radiation. The temporal variation of UV radiation is mainly affected by the change of total ozone in the atmosphere. Conclusions There is a negative correlation of the UV erythemal dose and the altitude. The UV erythemal dose values are lower over eastern and northeastern regions with lower altitude. The characteristics of the land type and the climate are also the reasons that affect the change of ultraviolet radiation. Such as Sichuan Basin, more precipitation, heavy fog and heavy rain, and low clouds and cloudy days, so that the ultraviolet radiation reaching the earth's surface decreases with the decrease of total solar radiation, making the annual UV radiation lower than other regions in whole year. On the temporal scale, the UV erythemal dose presents obvious seasonal variation, and the variation as a parabolic curve. The variations of trend of UV erythemal dose are different over different regions, and present mainly two patterns, one is increasing trend in the higher value region of Tibetan Plateau, the other pattern is decreasing trend in the lower value regions except Tibetan Plateau. Recommendations and perspectivesThe mechanism of temporal and spatial changes affecting ultraviolet radiation is very complicated. Revealing the inherent causes and laws of temporal and spatial distribution characteristics requires more in-depth research and comprehensive analysis using multi-source remote sensing data.
Keywords: OMI; surface albedo; satellite remote sensing; coefficient of variation; spatial interpolation
太阳辐射的紫外波长在100—400 nm,可分为三个部分:紫外线A(315—400 nm)、紫外线B(280—315 nm)、紫外线C(200—280 nm)(Madronich et al,1998)。大气臭氧对太阳辐射有强烈的选择性吸收,由于臭氧的吸收作用,波长为200—280 nm的紫外线C几乎被平流层的臭氧完全吸收。平流层臭氧吸收了大部分的紫外线B(280—315 nm),少量的紫外线B(300—320 nm)仍能到达地表。而大部分的紫外线A(320—400 nm)穿透臭氧层到达地表。因此,平流层臭氧量的变化,影响到达地面紫外辐射的含量,从而影响环境和人类健康。然而大气中的光化学反应使得太阳紫外辐射强弱(波长小于240 nm)决定臭氧总量的多少,反过来臭氧总量的大小影响到达地面的紫外辐射(WMO,2007)。Guarnieri et al(2004)的研究表明臭氧和紫外辐射之间存在着线性的相关关系。Mendeva et al(2005)的研究表明,臭氧总量和太阳辐射在305 nm波长处存在强的反相关。随着臭氧空洞的发现,由于平流层臭氧遭到日趋严重的破坏,到达地面的紫外辐射增多,紫外线的现状和长期变化趋势问题已经引起了科学界和国际社会的普遍关注。
紫外辐射地基观测在国外发展较早,已经有大量关于紫外辐射时空变化的研究成果,然而主要侧重于地表的时空演化特征,并充分研究了紫外辐射长期的时间变化特征规律。许多学者利用观测得到总辐射量进行紫外辐射的长期变化特征研究。Robaa(2004)利用在埃及开罗连续4年观测得到的太阳辐射数据,研究得出紫外辐射与总辐射的比值变化范围2.7%—4.9%。何洪林等(2005)利用中国陆地生态系统差减法得到的紫外辐射检测资料,分析了我国紫外辐射与总辐射比值的变化特征,认为紫外辐射与总辐射的比值在5.85%—8.51%(均值为7.28%)。祝青林等(2005)利用中国科学院生态系统研究网络29个生态站数据,包括紫外辐射、总辐射、日照时数、相对湿度和温度等气象因子资料,采用多种方法分析紫外辐射与其他气象因子以及地理因子之间的关系,并分析了年及各月中国紫外辐射的空间分布特征,并对形成这种分布的原因进行了初步探讨。另一方面紫外辐射的遥感监测从1978年开始,主要的传感器包括TOMS-N7、GOME、SCIAMACHY等传感器(Allaart et al,2004;Hassinen et al,2015)。最新的传感器为2004年NASA的AURA卫星上装载的OMI传感器,很多研究对该数据产品的精度进行了验证(Bernhard et al,2015;Zempila et al,2016)。但是,利用遥感观测的数据进行中国紫外辐射的空间分布研究开展较少。本文通过OMI传感器中的卫星遥感反演的数据资料,分析了2005—2015年紫外辐射的时间和空间分布特征。
1   数据和方法
1. 1 数据
本研究利用的紫外辐射数据产品来自装载在AURA卫星上OMI传感器。AURA卫星于2004年7月15日发射升空,是由多个国家的航空航天局共同研制的科学探测卫星,它是继TERRA和AQUA后的又一颗重要对地观测系统(EOS)卫星。其主要任务是开展对地球臭氧层、空气质量和气候变化的观测和研究。AURA是近极地、太阳同步轨道卫星,轨道高度为705 km。OMI传感器观测大气和表面的后向散射辐射,传感器波长范围为270—500 nm,波谱分辨率为0.5 nm。传感器视场角为114°,条带宽度为2600 km,覆盖全球只需要1天(Levelt et al,2006)。该传感器主要监测大气中的臭氧柱浓度和廓线、气溶胶、云、表面紫外辐射,还有其它的痕量气体,如NO2、SO2、HCHO、BrO、OClO等。
本研究利用的OMI传感器反演的紫外辐射产品为OMUVBG,数据格式为HDF-EOS(.he5),空间分辨率为0.25°×0.25°,时间分辨率为1天,时间跨度从2005年1月到2015年12月。首先从OMUVBG栅格数据产品里提取出紫外辐射红斑剂量,然后再分析紫外辐射红斑剂量在中国区域的时空变化特征。
1. 2 方法
利用MATLAB软件从紫外辐射产品(HDF-EOS 5文件格式)中提取出紫外辐射红斑剂量数据,转成矢量点数据后,把矢量点数据合成月、季和年。再使用反距离权重法(Inverse Distance Weighted,IDW)进行插值处理,重新生成0.25°×0.25°的栅格数据。
本文在研究时间和空间上的波动情况时用变异系数来表征。变异系数(CV)为标准差()与平均数()的比值。变异系数是用来衡量数据中各观测值变异程度的一个统计量。当进行两个或多个资料变异程度的比较时,如果度量单位与平均数相同,可以直接利用标准差来比较。如果单位和(或)平均数不同时,比较其变异程度就不能采用标准差,而需采用标准差与平均数的比值(相对值)来比较。变异系数用公式表示为:
CV=σ/μ
2   结果与讨论
2.1   空间分布特征分析
图1为2005—2015年中国大陆多年平均紫外辐射红斑剂量的空间分布。图2为年平均紫外辐射红斑剂量的变异系数在空间上的分布特征。不同地区的经纬度差异和海拔高度形成了不同的紫外辐射空间分布差异。在空间变化上,中国区域的紫外辐射分布呈现南部高、北部低,即是紫外辐射红斑剂量从南向北逐渐减小,大约从4200 J/m2下降到1500 J/m2。另一方面,紫外辐射呈现西部强、东部弱的特点。这种空间格局主要与气候、太阳照射的总辐射量以及地区的海拔有关,纬度较低,太阳总辐射强度一般比较大。经纬度变化使得紫外辐射呈现纬向地带性分布,从低纬向高纬度逐渐递减,与太阳总辐射的空间分布相一致,如图1、2所示。
海拔高度差异对紫外辐射的空间分布特征产生重要影响,呈现相关关系,即是高海拔地区紫外辐射高。平均海拔在4000米以上的青藏高原地区是紫外辐射的高值区,年平均值在5500 J/m2,有些区域可达6000 J/m2以上。在海拔较高的青藏高原地区,大气质量较小,空气稀薄,大气透明度高,对紫外辐射的吸收和散射相对较小,而且臭氧层较薄,吸收紫外辐射的能力较低,因而紫外辐射强度比同纬度其他地区大(Xiao and Jiang,2013)。这两者是青藏高原地区成为紫外辐射高值区的主要原因。青藏高原的大气状况表现为大气本底的特征,大气成份变化较小,而且空气稀薄,臭氧柱浓度较低且季节变化较小,使得达到紫外辐射的波动较小,变异系数大约为0.04,如图2所示。
在北部的内蒙古高原以及黄土高原,虽然海拔较高,但是因为纬度较高,因纬度升高紫外辐射减弱和因海拔升高而增强的紫外辐射作用相抵,使得这些地区全年平均紫外辐射强度维持在一个较低的水平。在西北部的新疆地区,因其海拔较低,纬度也较高,使得当地全年平均紫外辐射强度较低,辐射强度与东南沿海平原地区相近,年平均紫外辐射红斑剂量大约为2300 J/m2。从图2可以得出:尽管平均紫外辐射强度较低,但是波动较大,特别是东北地区,变异系数大约为0.1,有些区域达到0.14以上,主要是由于这个区域平流层臭氧浓度较大,且季节变化较大,而且对流层人为排放的臭氧增多,时间上的排放波动较大;另外,天气、气候特征变化较大,影响到达地表的紫外辐射因素较多,使得这些区域的紫外辐射波动较大。
紫外辐射红斑剂量在川黔地区出现低值区,大约为2500 J/m2,原因主要是受到气候的影响,该地区云雾与阴雨天气持久,以致到达地面的紫外辐射随太阳总辐射减少而减少,从而成为低值区。紧挨着青藏高原和横断山脉的四川盆地,因其海拔低,同时降水较多,雾大湿重,云低阴多,使得该地区全年辐射强度低于其他地区。而云贵高原地区,因其纬度低,海拔在1000—1500 m左右。高原南部冬季不受寒潮影响,在西南暖流的控制下多为晴天,因此紫外辐射相对北部较高,年平均紫外辐射红斑剂量大约为4200 J/m2;高原北部受寒流的滞流与极地大陆气团的影响,形成准静止锋,造成阴雨连绵,使得其比南部紫外辐射强度低。我国东部多平原丘陵,海拔较低,故而平均紫外辐射强度也相对较低。东北地区的纬度较低,紫外辐射强度约为1500 J/m2


图 1   2005—2015年多年平均紫外辐射红斑剂量的空间分布
Fig. 1 Spatial distribution of multi-yearly mean UV erythemal dose from 2005 to 2015 over China


图 2   2005—2015年紫外辐射红斑剂量年际间变异系数的空间分布
Fig. 2 Spatial distribution of interannual coefficient of variation of UV erythemal dose from 2005 to 2015 over China
2.2   季节变化特征分析
图3为2005—2015年区域平均紫外辐射的变化特征,左图和右图分别为区域多年月平均值和月平均值。从图中可以看出,各年紫外辐射强度存在着一致的季节变化特征。一年的变化曲线大致呈现正态分布曲线。紫外辐射强度在7月达到最大值,平均值为5532.9 J/m2;最大值(5878.7 J/m2)和最小值(5161.3 J/m2)出现在2014和2010年。春秋季次之,冬季(12月份左右)最小,平均值为1089.2 J/m2。造成紫外辐射强度季节变化规律的原因是地球的公转,夏季太阳直射点靠近北回归线,中国处于北半球,到达地面的紫外辐射强度比较强,而冬季太阳直射点南移到靠近南回归线,地面接收到的紫外辐射强度比较弱。8月,紫外辐射红斑剂量的变异系数最小,为0.02。说明8月份波动最小。最大的波动出现在1月,变异系数为0.06,主要的原因可能是太阳直射在南半球,紫外辐射较低,而人为排放的气体成份(氮氧化合物,硫化物和气溶胶)较高,变化较大。NO2通过吸收紫外辐射,光解为NO和O,进而使得紫外辐射的波动增大。
图3可以得出2010年4—7月份的紫外辐射与同期相比出现明显的下降,使得紫外辐射红斑剂量出现较大的下降,呈现明显的谷值。主要原因可能是由于降水偏多等气象因素的影响引起的。王遵娅等(2011)研究发现:在2020年4月,全国大部分地区的日照时与常年同期相比偏少。在4月,全国平均降水量为56.1 mm,较常年同期偏多12.3 mm,是自1974年以来最大值。降水天气减少了到达地表的太阳辐射,同时也引起了温度下降。使得紫外辐射明显偏低的状况从4月持续到7月。


图 3   2005—2015年多年区域月平均紫外辐射红斑剂量的变化特征
Fig. 3 Variations of multi-year monthly regional mean UV erythemal dose from 2005 to 2015 over China
2.3   变化趋势分析
图4为2005—2015年中国区域月平均紫外辐射红斑剂量的时间变化特征。图5为2005—2015年青藏高原区域月平均紫外辐射红斑剂量的时间变化特征。图6为2005—2015年除青藏高原外区域月平均紫外辐射红斑剂量的时间变化特征。左图为区域月平均,右图为区域年平均,图中误差棒为标准差,它是根据中国区域内像元的数值计算的,可以反映出数据在空间上的差异特性。图7为2005—2015年紫外辐射的线性增长趋势分析的空间分布特征。整个中国区域的平均紫外辐射红斑剂量呈现明显的周期性变化,而且有上升的趋势,从多年增长趋势来看,2005—2015年大约增长了100 J/m2。这可能与中国区域平均臭氧的减少关系密切,张莹等(2014)的研究认为中国区域的臭氧存在较大的下降趋势。
但是在2010年出现一个低谷,区域年平均大约为1498.02 J/m2。杜君平等(2014)的研究数据显示在2010年臭氧出现了明显的峰值,这可能是紫外辐射下降的主要原因。2005—2008年紫外线辐射量呈上升趋势,2008—2010年呈下降趋势,2010—2014年呈上升趋势。这个变化特征可能受到臭氧变化的影响,由于臭氧对紫外线有吸收作用,紫外辐射和臭氧呈现反相关。杜君平等(2014)的研究结果表明了在2005—2008年臭氧呈下降趋势,2008—2010年呈上升趋势,2011年又出现了下降,这个变化与本研究的紫外辐射红斑剂量相反。
从图5、6和7可以看出紫外辐射的时序变化趋势在不同的区域呈现不同的特征,大体呈现两种模式:一是在高值的青藏高原区,紫外辐射呈现逐渐减小的趋势,2005—2015年间最大的减幅达到1200 J/m2,而且空间的异质性也呈现减小的趋势。二是在低值的东部、南部和北部的大部分低值区呈现明显的增长趋势,2005—2015年间增幅大部分在400 J/m2左右,最大的增幅可达1200 J/m2,而且空间的异质性也呈现增大的趋势,也就是说区域的分异越来越明显。在昆仑山等地略有下降,2005—2015年间大约减少了300 J/m2


图 4   2005—2015年区域月平均紫外辐射红斑剂量的变化特征(左图为区域月平均,右图为区域年平均)
Fig. 4 Variation characteristics of regional monthly mean UV erythemal dose from 2005 to 2015 over China


图5   2005—2015年青藏高原区域月平均紫外辐射红斑剂量的变化特征(左图为区域月平均,右图为区域年平均)
Fig. 5 Variation characteristics of regional monthly mean UV erythemal dose from 2005 to 2015 over Tibetan Plateau


图 6   2005—2015年除青藏高原外区域月平均紫外辐射红斑剂量的变化特征(左图为区域月平均,右图为区域年平均)
Fig. 6 Variation characteristics of regional monthly mean UV erythemal dose from 2005 to 2015 over the region except for Tibetan Plateau


图 7   2005—2015年紫外辐射红斑剂量线性增长趋势的空间分布特征
Fig. 7 Spatial distribution of linear increasing trend of UV erythemal dose from 2005 to 2015 over China
3   结论
(1)紫外线辐射呈现纬度地带性分布,从南向北逐渐减小,大约从4200 J/m2到1500 J/m2递减。紫外辐射与高程呈现明显的负相关,中国东部和东北地区的平原丘陵区域,海拔较低,年均紫外辐射强度也相对较低,在云贵高原等低纬度和高海拔地区,年平均紫外辐射强度维持在一个中等水平,在青藏高原地区的高海拔区域,紫外辐射高,年平均值大约为5500 J/m2,有些区域可达6000 J/m2以上。
(2)中国紫外线辐射呈现明显的季节变化特征,紫外辐射强度在夏季(7月份)达到最大值,平均值为5532.9 J/m2,春秋季次之,冬季(1月份)最小,平均值为1089.2 J/m2,这个特征主要是由太阳直射点的变化所决定的。
(3)区域平均紫外辐射的变化总体呈现上升的趋势,但是在2010年出现谷值,年平均值大约为3016.5 J/m2。2005—2008年紫外线辐射量呈上升趋势,2008—2010年呈下降趋势,2010—2015年呈上升趋势,这个时间上的变化特征主要受到大气中臭氧总量变化的影响。
(4)不同区域变化趋势空间分异明显,大体上呈现两种模式:在高值的青藏高原区,紫外辐射呈现减少的趋势;在低值区,紫外辐射呈现逐渐增大的趋势。
致谢:
本文的OMI数据来自美国戈达地球科学数据和信息服务中心(Goddard Earth Sciences Data and Information Services Center),在此表示感谢。
Allaart M, van Weele M, Fortuin P, et al. 2004. An empirical model to predict the UV-index based on solar zenith angles and total ozone[J]. Meteorological Applications, 11(1): 59–65.
Bernhard G, Arola A, Dahlback A, et al. 2015. Comparison of OMI UV observations with ground-based measurements at high northern latitudes[J]. Atmospheric Chemistry and Physics, 15(13): 7391–7412.
de Laat A T J, van der A R J, Allaart M A F, et al. 2010. Extreme sunbathing: Three weeks of small total O3 columns and high UV radiation over the southern tip of South America during the 2009 Antarctic O3 hole season[J]. Geophysical Research Letters, 37(L14805). DOI: 10.1029/2010GL043699.
Guarnieri R A, Padilha L F, Guarnieri F L, et al. 2004. A study of the anticorrelations between ozone and UV-B radiation using linear and exponential fits in southern Brazil[J]. Advances in Space Research, 34(4): 764–768.
Hassinen S, Balis D, Bauer H, et al. 2015. Overview of the O3M SAF GOME-2 operational atmospheric composition and UV radiation data products and data availability[J]. Atmospheric Measurement Techniques Discussions, 8(7): 6993–7056.
Levelt P F, van den Oord G H J, Dobber M R, et al. 2006. The ozone monitoring instrument[J]. IEEE Transactions on Geoscience and Remote Sensing, 44(5): 1093–1101.
Madronich S, McKenzie R L, Björn L O, et al. 1998. Changes in biologically active ultraviolet radiation reaching the Earth’s surface [J]. Journal of Photochemistry and Photobiology, 46: 5-19.
Mendeva B D, Gogosheva T N, Petkov B H, et al. 2005. The total ozone and UV solar radiation over Stara Zagora, Bulgaria [J]. Advances in Space Research, 35(8): 1366–1368.
Robaa S M. 2004. A study of ultraviolet solar radiation at Cairo urban area, Egypt [J]. Solar Energy, 77(2): 251–259.
van Geffen J, van der A R, van Weele M, et al. 2005. Surface UV radiation monitoring based on GOME and SCIAMACHY [C]// Proceedings of the ENVISAT & ERS Symposium, 6—10 September 2004, Salzburg, Austria. ESA publication SP-572.
WMO. 2007. Scientific assessment of ozone depletion: 2006, global ozone research and monitoring project-report No. 50 [R]. Geneva, Switzerland: WMO.
Xiao Z Y, Jiang H. 2013. A study of spatial and temporal dynamics of total ozone over Southwest China with multi-source remote-sensing data [J]. International Journal of Remote Sensing, 34(1): 128-138.
Zempila M M, Koukouli M E, Bais A, et al. 2016. OMI/Aura UV product validation using NILU-UV ground-based measurements in Thessaloniki, Greece[J]. Atmospheric Environment, 140: 283–297.
杜君平, 朱玉霞, 刘锐, 等. 2014. 基于OMI数据的中国臭氧总量时空分布特征[J]. 中国环境监测, 30(2): 191-196. [Du J P, Zhu Y X, Liu R, et al. 2014. Analysis on spatiotemporal characteristics of total column ozone over China based on OMI product [J]. Environmental Monitoring in China, 30(2): 191-196.]
何洪林, 于贵瑞, 刘新安, 等. 2004. 中国陆地生态信息空间化技术研究(Ⅱ)——太阳辐射要素[J]. 自然资源学报, 19(5): 679–687. [He H L, Yu G R, Liu X A, et al. 2004. Study on spatialization technology of terrestrial eco-information in China (Ⅱ): solar radiation [J]. Journal of Natural Resources, 19(5): 679–687.]
王遵娅, 曾红玲, 高歌, 等. 2011. 2010年中国气候概况[J]. 气象, 37(4): 439–445. [Wang Z Y, Zeng H L, Gao G, et al. 2011. Climatic characters in 2010’ China [J]. Meteorological Monthly, 37(4): 439–445.]
张莹, 高玚, 祝善友, 等. 2014. 近30 a中国上空臭氧总量时空变化遥感监测分析[J]. 地球信息科学学报, 16(6): 971–978. [Zhang Y, Gao Y, Zhu S Y, et al. 2014. Variation of total ozone over China for 30 years analyzed by multi-source satellite remote sensing data [J]. Journal of Geo-information Science, 16(6): 971–978.]
祝青林, 于贵瑞, 蔡福, 等. 2005. 中国紫外辐射的空间分布特征[J]. 资源科学, 27(1): 108–113. [Zhu Q L, Yu G R, Cai F, et al. 2005. Spatialization research on ultraviolet radiation in China[J]. Resources Science, 27(1): 108–113.]
稿件与作者信息
肖钟湧
XIAO Zhongyong
邱小英
QIU Xiaoying
谢伊宁
XIE Yining
赵伯维
ZHAO Bowei
王一琳
WANG Yilin
梁锺英
LIANG Zhongying
陈雅文
CHEN Yawen
陈国强*
CHEN Guoqiang*
陈国强,cgq0420@126.com
基金项目 :福建省教育厅科技项目(JA14183);潘金龙集美大学学科建设基金(ZC2013022);福建省科技厅项目(2017J01659)
出版历史
出版时间: 2018年11月24日 (版本1
参考文献列表中查看
地球环境学报
Journal of Earth Environment