山东半岛及内陆近地表气温直减率场空间格局分析

张刘东,韩芳,乔显娟,高晴,孟晓烨,穆豪祥

山东半岛及内陆近地表气温直减率场空间格局分析

张刘东1,韩芳2*,乔显娟1,高晴1,孟晓烨1,穆豪祥2

1. 山东省林业保护和发展服务中心, 山东 济南 250014 2. 山东理工大学建筑工程学院, 山东 淄博 255049

本研究利用2000-2018年气象站点月均温观测资料与MOD11C3地表温度产品生成气温场，结合数字高程模型（Digital Elevation Model，DEM)，采用窗口差分方法，生成山东半岛及内陆夏季、冬季及年均气温直减率场，结合地貌类型，进行气温直减率的空间格局进行分析。结果表明:①山东半岛及内陆年均气温直减率为0.58 °C/100 m，冬季气温直减率0.55 °C/100 m小于夏季气温直减率0.62 °C/100 m，符合冬小夏大的夏季型分布规律；②年、季气温直减率受河流、山地等地貌影响，空间分布格局显著：一方面沿河流呈条状分布，以黄河、京杭运河直减率条带最为明显，极值集中在黄河三角洲附近（0.60～0.73 °C/100 m）；一方面在山地、丘陵与平原交汇处沿高海拔地貌边缘呈环绕分布（0.55～0.69 °C/100 m），极值大多在鲁中山区与鲁西北平原交界处（0.65～0.69 °C/100 m），鲁南山地丘陵区与鲁西南平原交界处（0.65～0.67 °C/100 m），鲁东半岛丘陵区与胶莱平原交界处集中分布（0.64～0.66 °C/100 m），在海拔1000 m以上山地如泰山、沂山等（0.62～0.72 °C/100 m）边缘零散分布；③不同地貌类型气温直减率变化存在季节差异。平原、湖泊、丘陵、山地气温直减率夏季>冬季，起伏度不同的山地也存在相同的季节变化规律。不同于气温的纬向和垂直分布规律，不同地貌区气温直减率受地形起伏，海拔、坡向等微地形因子影响局地变化规律存在差异性。对不同地貌区气温直减率场的空间格局分析，可为合理利用气候资源，对研究区内森林植被恢复与重建提供科学的气象参考。

地温; 气温直减率场; 空间分布

气温的分布与变化状况是气象预报、大气污染防治、航空、军事和空间科学研究工作中必不可少的资料，更是农作物生长、发育和产量形成必须依赖的关键气象要素[1-3]。常用气温直减率（Temperature Lapse Rate，TLR）来表示气温每升高100 m递减程度，在实际中，气温直减率形成机理非常复杂，分布规律难以把握。

已有较多学者对不同时空的气温直减率开展研究。Rolland、郑成洋、Blandford和谢健等均通过自动气象实测数据与海拔线性关系分析得到山坡气温直减率随海拔与时间的分布规律[4-8]；Kattel、王艳霞、孙从建等采用多元一次回归分析法分析了山区气温直减率随季节变化情况[9-12]；翁笃鸣，方精云，江净超等总结了巨地形下气温直减率随经纬度与自然区划的不同而产生的空间分布及季节变化规律[13-16]。国内外学者大量研究均表明近地表气温直减率随山地或区域的坡度，山谷相对位置和气候环境的差异性呈现出不同的时空分布特征[17-23]。以上研究均是通过计算经纬度、海拔等地形因子与气象站实测气温的线性相关关系，根据斜率得到某个确定数值；或通过计算不同海拔高度气象站的气温差，得到海拔高度带的气温直减率。但有些地区气象站点少且分布不均，有些地区高程代表性不足，用常规方法获取的气温直减率可能会在不同高程范围内产生较大差异，随着遥感技术的发展，已有学者利用遥感技术反演或模拟温度场对气温直减率进行定量估算[24-26]，为连续气温场的精确获取与气温直减率空间分布的定量研究提供了参考。

山东省北邻渤海，东临黄海，地貌复杂多样，气温与降水空间分布呈现一定的海陆差异[27]。此外，由于长期和广泛、多样的人类活动，原始森林植被在山东早已荡然无存，目前占优势的森林植被是各种人工林[28]，2017年山东省第九次森林资源清查数据表明山东省森林覆盖率为17.51%，排在全国第23名，明显低于全国平均水平，黄山秃岭、石漠化生境在鲁中山区和半岛地区非常普遍，森林植被恢复与重建任务艰巨。本文采用气象站点数据与MOD11C3地表温度数据（Land-Surface Temperature，LST）生成连续气温场，结合DEM数据生成山东省气温直减率场，探讨其在不同地貌下，气温直减率的时空分布特点，对气温插值研究、气温空间分布的准确获取、气候资源的开发以及森林植被恢复与重建过程提供气象依据和合理参考。

1 研究区概况

研究区位于中国东部沿海，界于北纬34°22.9′-38°24.01′，东经114°47.5′-122°42.3′之间（图1），地跨淮河、黄河、海河、小清河和胶东五大水系。地形以山地丘陵为主，东部是半岛，西部及北部属华北平原，中南部为山地丘陵，形成以山地丘陵为骨架，平原盆地交错环列其间的地貌。属暖温带季风气候，夏季盛行偏南风，冬季偏北风，年均气温约为13 ℃，年均降水量700 mm左右。

图 1 研究区概况

2 数据与方法

2.1 数据来源及预处理

2.1.1 气象站点温度数据本文所采用气温数据为2000-2018年43个(山东省31个，河北省5个，河南省4个，江苏省3个)国家标准气象站站点数据，主要包含历年月平均气温，各气象站点经度、纬度和监测海拔高度，数据来源于中国气象数据网（http://data.cma.cn/）。对2000-2018年每个气象站点累年逐月气温求平均，记为T。

2.1.2 遥感地表温度数据采用2000-2018年MOD11C3（MODIS/Terra Land-Surface Temperature/Emissivity Monthly Global 0.05Deg CMG）地表温度产品（LST），空间分辨率为0.05°，时间分辨率为月，数据来源于NASA官网（https://ladsweb.modaps.eosdis.nasa.gov/）。影像经转投影、裁剪等预处理后，求得LST月平均气温场TLsa，气象站点对应的地表气温记为T。

2.1.3 数字高程模型数据数字高程模型数据（Digital Elevation Model)，简称DEM，采用GDEMDEM 30 m分辨率数字高程数据，由美国航空航天局与日本经济产业省共同推出的地球电子地形数据ASTER GDEM进行加工得来，是全球空间数据分辨率为30 m的数字高程数据产品，下载自地理空间数据云官网（http://www.gscloud.cn/）。

2.2 研究方法

2.2.1 气温直减率场计算对T与T进行回归分析，建立气温场订正样本集，求其差值（△=T-T），在ArcGIS中用克里金插值法得到研究区内所有像元T与T的差值面，用TLSa减去该差值面，得到订正后的气温场，结合DEM，采用微格局窗口差分方法生成气温直减率场[26,27]。假设图像上任意一点，其气温为0，地面海拔为0，其邻域3×3窗口见图2，其相邻8像元的温度分别为1、2、3……8，海拔为1、2、3……8。使用中心像元邻域3×3窗口内的像元，以0为中心像点的气温直减率见公式（1）。由于邻域3×3窗口内像元会出现海拔相等（近似相等）而使上式分母为0的情况，因此需要检测海拔是否相等（近似相等），邻域窗口内海拔差相等的像元气温直减率为0。

图 2 以T0为中心像元的3×3窗口

2.2.2 不同地貌类型划分及气温直减率的统计分析山东省地貌多样，地形以山地丘陵为主，见图1。根据程维明，李炳元等制定的中国地貌划分标准[29,30]，将研究区高程分为2个等级，低海拔（<1000 m），中海拔（1000～2000 m）；地形起伏分为5个等级，平原（<20 m），丘陵（30～200 m），小起伏山（200～500 m），中起伏山（500～1000 m），大起伏山（1000～2500 m），其中剥蚀平原、冲积平原、洪积平原、低河漫滩均属于平原地貌类型。用ArcGIS Spatial Analyst下Zonal Statistics as Table、Band Collection Statistics、Tabulate Area等工具进行统计分析。

3 结果与分析

3.1 气温可靠性

3.1.1T与T相关性分析建立回归分析模型，探讨气象站点实测温度（T）与遥感反演地表温度（T）之间的关系。去除异常样本点后，不同时间尺度下回归分析模型均通过=42，置信度为95%的统计检验（图3），决定系数2均大于0.7，T与T存在较好的相关性。因此，T与地表反演温度T在空间分布与变化趋势上存在较强一致性，可利用一定方法对T进行精确订正。

图 3 Modis地表温度Ts与气象站点气温Ta相关性分析

3.1.2 气温订正样本集在气温场生成过程中，为确保气温场边缘温度插值准确性，除研究区内31个气象站点数据，在气温订正样本集中加入12个邻省气象站点作为补充，生成更为精确的克里金差值面，气温场订正样本集见表1。

表 1 气温场订正样本集

3.2 不同时间尺度气温直减率场空间分布

全区域栅格像元统计显示年均气温直减率均值为0.58 °C/100 m，像元值范围0～0.730 °C/100 m（图4）；冬季气温直减率均值为0.55 °C/100 m，像元值范围为0～0.708 °C/100 m，标准差为0.172 °C/100 m（图5）；夏季气温直减率均值为0.62 °C/100m，像元值范围为0～0.763 °C/100 m，标准差为0.168 °C/100 m（图6），无像元温度或海拔急剧变化情况，不存在气温直减率异常高像元，较好的反映了研究区内气温直减率变化。

气温直减率季节变化明显，夏季气温直减率高于冬季气温直减率，像元值变化更为明显，符合冬小夏大的夏季型气温直减率规律[13]，这是由于山东省处于东部暖温带，属典型季风区气候，冬天受寒冷冬季风影响使气温直减率减小，夏季则因辐射加热气温直减率增大。图4～图6表明，研究区气温直减率受河流、山地等地貌影响，空间分布格局显著：一方面沿河流呈条状分布，以黄河、京杭运河最为明显，极值集中在黄河三角洲附近（0.60～0.73 °C/100 m）；一方面在山地、丘陵与平原交汇处沿高海拔地貌边缘呈环绕分布（0.55～0.69 °C/100 m），极值大多在鲁中山区与鲁西北平原交界处（0.65～0.69 °C/100 m），鲁南山地丘陵区与鲁西南平原交界处（0.65～0.67 °C/100 m），鲁东半岛丘陵区与胶莱平原交界处集中分布（0.64～0.66 °C/100 m），在海拔1000 m以上山地（泰山、沂山、崂山等0.62～0.72 °C/100 m）边缘零散分布。

图 4 年均气温直减率场

图 5 夏季气温直减率场

图 6 冬季气温直减率场

按照地貌的划分，对研究区不同地貌气温直减率进行统计，见表2。总体上，平原、湖泊、丘陵、山地气温直减率夏季最大，年均略小，冬季次之，不同起伏度山地也存在相同的时间变化规律，其中以湖泊气温直减率变化最为明显，季差值为0.042 °C/100 m。空间变化上，年均、季气温直减率随海拔升高而减小：湖泊>平原>丘陵>山地。山地夏季气温直减率最大为0.595 °C/100 m，冬季气温直减率为0.519 °C/100 m，季差值仅为0.076 °C/100 m，符合气温随海拔升高降低规律，但在数值变化上均小于标准大气直减率0.65 °C/100 m，与研究区无高大山体、海拔高度变化小对近地表气温影响较小有关；不同起伏状况下山地气温直减率有明显差异：年均、冬季与夏季山地气温直减率随起伏度均先减小后增大，即低海拔小起伏山地>中海拔大起伏山地>低海拔中起伏山地。通过年、季气温直减率场可以看出气温的垂直变化受山体影响最大，其中高大山体（泰山、崂山等）对气温直减率的影响更明显，山体上部未受山体遮挡的大气环流和山体上受近地面气温影响较大的气流导致了大起伏山地高气温直减率的产生，地形起伏越大，气温直减率变化越大。

表 2 不同地貌气温直减率

3.3 典型地貌区气温直减率场差异分析

与传统实测数据气温估算的气温直减率相比，气温场结合DEM的窗口差分算法生成的气温直减率场离散程度较高，气温场温度变化多样，不能用简单的几个气温直减率数值来描述，研究区气温直减率场空间分布极为复杂，明显异于气温随纬度南北渐变规律。为进一步探讨研究区内不同地貌气温直减率时空变化及受地形起伏、海拔等地形因子影响产生的局地变化规律，按照胶莱、鲁西南、西北平原区；鲁东半岛、鲁中、鲁南山地丘陵区；河流缓冲区（缓冲半径0.05°）三个典型地貌区分析气温直减率月变化。

3.3.1 河流区气温直减率不同时间尺度河流地貌气温直减率见表3。

表 3 河流气温直减率

空间变化上，卫河、马颊河、徒骇河、黄河气温直减率自北向南逐渐增大，京杭运河、泗河、沂河、沭河气温直减率自西向东依次减小。时间变化上，年尺度气温直减率以黄河最大，为0.656 °C/100 m，徒骇河略小为0.636 °C/100 m，沭河最小为0.536 °C/100 m，除泗河、沂河、沭河气温直减率相对较小，低于0.6 °C/100 m，其余河流相差不大；季尺度上，气温直减率春季最大，夏季次之，秋冬季相差不大，最大值为春季马颊河0.708 °C/100 m，最小值为秋季沭河0.523 °C/100 m，可能是由于河流地貌区夏季辐射增温作用弱于河流水汽蒸发带走热量，导致气温直减率低于气温迅速增加的春季；月尺度上最大值出现在5月份，马颊河最大为0.730 °C/100 m，最小值多出现在12月份，沂河最小为0.518 °C/100 m。出现这种时空变化的原因可能与沂河地处鲁南山地丘陵区，山脉对季风气流产生遮挡，气温垂直变化不大有关。

3.3.2 平原区气温直减率平原区一方面地处内陆远离海上季风、洋流影响，气温变化明显，另一方面地势平坦，海拔差异小，导致气温直减率明显高于山地丘陵区（图7）。胶莱平原区与鲁西北、西南平原区变化趋势基本相同，均为双波峰的“M”型分布。鲁西北西南平原区在5月、8月份气温直减率达到极大值，分别为0.697 °C/100 m、0.641 °C/100 m，最小值出现在12月为0.575 °C/100 m，年变化达到0.122 °C/100 m。与鲁西北、西南平原相比，胶莱平原气温直减率变化区间小，年变化为0.090 °C/100 m，最大值为5月0.616 °C/100 m，由于胶莱平原部分地区处于平原丘陵交界处，海拔变化大，气温直减率总体上小于鲁西北、西南平原区。

图 7 典型地貌气温直减率

3.3.3 山地丘陵区气温直减率鲁中、南山地丘陵区气温直减率总体上高于鲁东半岛丘陵区，但变化趋势有明显差异，见图7。鲁中、南山地丘陵区极大值出现5月与8月，1-5月持续增加，8月后持续下降，最小值出现在12月，呈现“M型”变化特征；鲁东半岛丘陵区气温直减率从1月先增大到7月达到最大值0.535 °C/100 m后开始持续减小到12月达到最小值0.505 °C/100 m，与中国东部典型气温直减率变化趋势相符[31]。

不同坡向导致山地丘陵区气温直减率变化不同（图8）。鲁东半岛丘陵区阴坡年均气温直减率0.453 °C/100 m小于阳坡气温直减率0.527 °C/100 m，而鲁中、南山地丘陵区阴坡年均气温直减率0.579 °C/100 m大于阳坡气温直减率0.532 °C/100 m。鲁东半岛阴阳坡气温直减率季节变化差异明显：阳坡气温直减率秋季>夏季>春季>冬季，阴坡夏季>秋季>冬季>春季；月气温直减率变化趋势差异明显，阳坡从2月份开始逐渐增大到6月为最大值0.696 °C/100 m，随后逐渐降低到10月最小值为0.443 °C/100 m，然后逐渐增大到1月。阴坡从1月起逐渐增大，4月达到极值，4-6月变化不明显，最大值出现在6月为0.582 °C/100 m，7月减小，8月达到极值0.505 °C/100 m后开始减小，12月达到最小值为0.342 °C/100 m。鲁中、南山地丘陵区阴阳坡月、季均呈现相同的变化趋势，气温直减率夏季>秋季>冬季>春季，最大值出现在5月，最小值出现在12月。这是由于阴阳坡各个季节太阳辐射增温效果不同所致，加之鲁东半岛受海上洋流影响，阴阳坡气温变化更为显著，导致了不同山地丘陵区气温直减率变化差异。

图 8 山地丘陵区气温直减率月变化

4 结论

本文利用2000-2018年国家标准气象站站点实测月均温数据与MOD11C3地表温度遥感数据生成研究区气温场，在此基础上，结合DEM数据，采用窗口差分计算方法，定量分析研究区气温直减率场时空分布格局。结论如下：

（1）年均气温直减率为0.58 °C/100 m，冬季气温直减率0.55 °C/100 m小于夏季气温直减率0.62 °C/100 m，且夏季气温直减率变化更为显著，符合冬小夏大的夏季型分布规律；

（2）年、季气温直减率受河流、山地等地貌影响，空间分布格局显著：一方面沿河流呈条状分布，以黄河、京杭运河直减率条带最为明显，极值集中在黄河三角洲附近（0.60～0.73 °C/100 m）；一方面在山地、丘陵与平原交汇处沿高海拔地貌边缘呈环绕分布（0.55～0.69 °C/100 m），极值大多在鲁中山区与鲁西北平原交界处（0.65～0.69 °C/100 m），鲁南山地丘陵区与鲁西南平原交界处（0.65～0.67 °C/100 m），鲁东半岛丘陵区与胶莱平原交界处集中分布（0.64～0.66 °C/100 m），在海拔1000 m以上山地如泰山、沂山等（0.62～0.72 °C/100 m）边缘零散分布；

（3）不同地貌类型气温直减率变化存在季节差异。平原、湖泊、丘陵、山地气温直减率夏季>冬季，起伏度不同的山地也存在相同的季节变化规律。不同于气温的纬向和垂直分布规律，不同地貌区气温直减率受地形起伏，海拔、坡向等微地形因子影响局地变化规律存在差异性。

山东半岛及其内陆由于其地理特殊性，在气温直减率的时空分布上具有典型性，既有季节变化的影响，以夏季最为明显，符合冬小夏大的气温直减率普遍规律，也有不同地貌下，受海拔、坡向等地形因子影响产生的局地变化规律。以上结论与前人研究结果存在较高一致性，是定量研究气温垂直变化的又一次探索，更为连续精细的分析不同时间尺度下不同地貌宏观地理环境的气温变化。文中虽然分析了山东省气温直减率空间分布的一般规律，但是由于MOD11遥感影像温度反演产品分辨率不高，未能将气温的垂直变化精确到某一山体、某一坡面，使用分辨率更高的遥感影像反演气温场，进一步研究不同时空尺度下，微地形地貌的气温垂直变化，生成更为精确立体的气温直减率场是下一步研究的重点。

[1] 陆均天,方翔,张天民,等.2001年春末夏初北方地区旱情监测与成因[J].遥感信息,2010(2):50-51

[2] 袁敏,肖鹏峰,冯学智,等.应用MODIS地表温度产品估计新疆典型区气温[J].遥感信息,2015,30(1):81-89

[3] 裴凤松,王坤,刘小平,等.长江三角洲城市化地区植被初级生产力的时空变化研究[J].地球信息科学学报,2018,20(6):862-870

[4] Rolland C. Spatial and seasonal variations of air temperature lapse rates in alpine regions [J]. Journal of Climate, 2003,16(7):1032-1046

[5] 郑成洋,方精云.福建黄岗山东南坡气温的垂直变化[J].气象学报,2004,62(2):251-255

[6] Blandford TR, Humes KS, Harshburger BJ,. Seasonal and synoptic variations in near-surface air temperature lapse rates in a mountainous basin [J]. Journal of Applied Meteorology and Climatology, 2008,47(1):249-261

[7] 谢健,刘景时,杜明远,等.念青唐古拉山南坡气温分布及其垂直梯度[J].地理科学,2010,30(1):113-118

[8] 田杰,王庆伟,于大炮,等.长白山北坡气温的垂直变化[J].干旱区资源与环境,2013,27(4):65-69

[9] Kattel DB, Yao T, Yang K,. Temperature lapse rate in complex mountain terrain on the southern slope of the central himalayas [J]. Theoretical and Applied Climatology, 2013,113(3):671-682

[10] Wang GY, Zhao MF, Kang MY,. Diurnal and seasonal variation of the elevation gradient of air temperature in the northern flank of the western qinling mountain range, China [J]. Journal of Mountain Science,2 017,14(1):94-105

[11] 王艳霞,黄晓园,赵璠,等.气温场的云南纬度与气温关系分析[J].遥感信息,2016,31(6):44-50

[12] 孙从建,李伟,李新功,等.青藏高原西北部近地表气温直减率时空分布特征[J].自然资源学报,2018,33(7):1270-1282

[13] 翁笃鸣,孙治安.我国山地气温直减率的初步研究[J].地理研究,1984,3(2):24-34

[14] Fang JY, Yoda K. Climate and vegetation in china (I). Changes in the altitudinal lapse rate of temperature and distribution of sea level temperature [J]. Ecological Research, 1988,3(1):37-51

[15] Xu Y, Gao X, Shen Y,. A daily temperature dataset over china and its application in validating a rcm simulation [J]. Advances in Atmospheric Sciences, 2009,26(4):763-772

[16] 江净超,刘军志,秦承志,等.中国近地表气温直减率及其季节和类型差异[J].地理科学进展,2016,35(12):1538-1548

[17] Tang ZY, Fang JY. Temperature variation along the northern and southern slopes of Mt. Taibai, China [J]. Agricultural and Forest Meteorology, 2006,139(4):200-207

[18] Chae H, Lee H, Lee S,. Local variability in temperature, humidity and radiation in the baekdudaegan mountain protected area of Korea [J]. Journal of Mountain Science, 2012,9(5):613-627

[19] Li XP, Wang L, Chen DL,. Near-surface air temperature lapse rates in the mainland china during 1962-2011 [J]. Journal of Geophysical Research:Atmospheres, 2013,118(14):7505-7515

[20] Chiu CA, Lin PH, Tsai CY. Spatio-temporal variation and monsoon effect on the temperature lapse rate of a subtropical island [J]. Terrestrial, Atmospheric & Oceanic Sciences, 2014,25(2):203-217

[21] Guo X, Wang L, Tian L. Spatio-temporal variability of vertical gradients of major meteorological observations around the Tibetan Plateau [J]. International Journal of Climatology, 2016,36(4):1901-1916

[22] Kattel DB, Yao TD, Yang W,. Comparison of temperature lapse rates from the northern to the southern slopes of the Himalayas [J]. International Journal of Climatology, 2015,35(15):4431-4443

[23] Li Y, Zeng ZZ, Zhao L,. Spatial patterns of climatological temperature lapse rate in mainland China: A multi–time scale investigation [J]. Journal of Geophysical Research: Atmospheres, 2015,120(7):2661-2675

[24] Minder JR, Mote PW, Lundquist JD. Surface temperature lapse rates over complex terrain: Lessons from the Cascade Mountains [J]. Journal of Geophysical Research: Atmospheres, 2010,115(D14122):1-13

[25] 王艳霞,周汝良,丁琨.基于MODIS遥感影像的云南山地气温垂直直减率场[J].遥感技术与应用,2014,29(4):616-624

[26] 翟丹平,白红英,冯海鹏,等.基于气象数据和遥感影像的太白山气温直减率[J].山地学报,2016,34(4):496-503

[27] 刘爽,宫鹏.2000-2010年中国地表植被绿度变化[J].科学通报,2012,57(16):1423-1434

[28] 王仁卿.山东森林植被恢复的生态学研究[D].济南:山东大学,2005

[29] 程维明,周成虎,柴慧霞,等.中国陆地地貌基本形态类型定量提取与分析[J].地球信息科学学报,2009,11(6):725-736

[30] 李炳元,潘保田,韩嘉福.中国陆地基本地貌类型及其划分指标探讨[J].第四纪研究,2008,28(4):535-543

[31] 于雪涛,芮小平,张栋,等.中国区域平流层气温垂直变化统计特征[J].中国科技论文,2018,13(3):279-285

Spatial Pattern Analysis of Near Surface Air Temperature Lapse Rates in Shandong Peninsula and Inland

ZHANG Liu-dong1, HAN Fang2*, QIAO Xian-juan1, GAO Qing1, MENG Xiao-ye1, MU Hao-xiang2

1.250014,2.255049,

Accurate temperatures are generated based on monthly mean temperature data of meteorological stations from 2000 to 2018 and MOD11C3 land surface temperatures. In this study, the per-cell level with a custom neighborhood calculation method is combined with a digital elevation model. The per-cell level with a custom neighborhood is used to replace the first derivative calculation for generating TLRs of Shandong Peninsula and Inland at different time scales (January average, July average, and annual average from 2000 to 2018). Spatial TLR is analyzed in combination with landform types. Results show that (1) the average annual TLR is 0.05 °C/100 m. The January TLR is 0.05 °C/100 m, which is less than the July TLR of 0.07 °C/100 m. This feature is in line with the summer distribution pattern of small winter and large summer. (2) The TLR at different time scales is considerably influenced by rivers and mountains, and obvious spatial distribution laws exist. TLR is distributed along the river strip and around the edges of mountains and hills, with TLR in July exhibiting the most obvious response. (3) The seasonal variation of TLR in different geomorphic types varies. The TLR in January is less than that in July in plains and lakes, and the TLR in mountains and hills changes only slightly. Different from the latitudinal and vertical distribution law of air temperature, the TLR at different time scales exhibits the same local variation law under the influence of topographic relief, altitude, aspect, and other microtopographic factors.

Landtemperature; air temperature lapse rates; spatial distribution

P468.0+21

A

1000-2324(2022)04-0584-09

10.3969/j.issn.1000-2324.2022.04.013

2020-04-28

2020-06-22

山东省林业保护和发展服务中心碳中和背景下森林资源碳汇能力评估和提升项目;山东省自然科学基金面上项目(ZR2021MD080);山东省农业科技资金(林业科技创新)项目(2019LY006)

张刘东(1986-),男,硕士研究生,高级工程师,主要从事森林生态、碳评估与碳交易. E-mail:zhangliudong@shandong.cn

Author for correspondence. E-mail:hanfang@sdut.edu.cn