Xintang, Guangzhou
Xintang (新塘) | |
Xintang, Suntong, 新塘街道 | |
Grannskap | |
Land | Kina |
---|---|
Provins | Guangdong |
Stad | Guangzhou |
Stadsdistrikt | Tianhe |
Höjdläge | 28 m ö.h. |
Koordinater | 23°09′45″N 113°24′25″Ö / 23.16257°N 113.40685°Ö |
Folkmängd | 41 207 (2010)[1] |
Tidszon | CT (UTC+8) |
Geonames | 7504574 |
Läge i Kina
|
Xintang (kinesiska: 新塘) är ett grannskap i Kina.[2] Den ligger i provinsen Guangdong, i den sydöstra delen av landet, 1 900 km söder om huvudstaden Peking. Xintang ligger 28 meter över havet[2] och antalet invånare är 41 207.[1] Befolkningen består av 17 802 kvinnor och 23 405 män. Barn under 15 år utgör 5,0 %, vuxna 15-64 år 93 %, och äldre över 65 år 1,0 %.[1]
Terrängen runt Xintang är platt söderut, men norrut är den kuperad. Terrängen runt Xintang sluttar söderut.[a] Den högsta punkten i närheten är 303 meter över havet, 3,5 km nordväst om Xintang.[b] Runt Xintang är det mycket tätbefolkat, med 3 249 invånare per kvadratkilometer.[4] Närmaste större samhälle är Guangzhou, 16,8 km väster om Xintang. Trakten runt Xintang består till största delen av jordbruksmark.[5]
Klimatet i området är fuktigt och subtropiskt.[6] Årsmedeltemperaturen i trakten är 22 °C. Den varmaste månaden är juli, då medeltemperaturen är 28 °C, och den kallaste är januari, med 16 °C.[7] Genomsnittlig årsnederbörd är 2 375 millimeter. Den regnigaste månaden är maj, med i genomsnitt 451 mm nederbörd, och den torraste är januari, med 32 mm nederbörd.[8]
Xintang | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
Klimatdiagram (förklaring) | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
Kommentarer
[redigera | redigera wikitext]- ^ Framräknat ur variansen i alla höjduppgifter (DEM 3") från Viewfinder Panoramas, inom 10 km radie.[3] Mer om algoritmen finns här: Användare:Lsjbot/Algoritmer.
- ^ Framräknat ur höjduppgifter (DEM 3") från Viewfinder Panoramas.[3] Mer om algoritmen finns här: Användare:Lsjbot/Algoritmer.
Källor
[redigera | redigera wikitext]- ^ [a b c] ”中国2010年人口普查分乡、镇、街道资料》xls (Folkräkning 2010 Kina)”. Baidu.com. http://pan.baidu.com/share/link?uk=2922733136&shareid=2553664090&third=0&adapt=pc&fr=ftw#path=%252F%25E3%2580%258A%25E4%25B8%25AD%25E5%259B%25BD2010%25E5%25B9%25B4%25E4%25BA%25BA%25E5%258F%25A3%25E6%2599%25AE%25E6%259F%25A5%25E5%2588%2586%25E4%25B9%25A1%25E3%2580%2581%25E9%2595%2587%25E3%2580%2581%25E8%25A1%2597%25E9%2581%2593%25E8%25B5%2584%25E6%2596%2599%25E3%2580%258Bxls. Läst 23 april 2016.
- ^ [a b] Xintang hos Geonames.org (cc-by); post uppdaterad 2012-06-06; databasdump nerladdad 2016-03-31
- ^ [a b] ”Viewfinder Panoramas Digital elevation Model”. http://www.viewfinderpanoramas.org/dem3.html. Läst 21 juni 2015.
- ^ ”NASA Earth Observations: Population Density”. NASA/SEDAC. Arkiverad från originalet den 9 februari 2016. https://web.archive.org/web/20160209064446/http://neo.sci.gsfc.nasa.gov/view.php?datasetId=SEDAC_POP. Läst 30 januari 2016.
- ^ ”NASA Earth Observations: Land Cover Classification”. NASA/MODIS. Arkiverad från originalet den 28 februari 2016. https://web.archive.org/web/20160228161657/http://neo.sci.gsfc.nasa.gov/view.php?datasetId=MCD12C1_T1. Läst 30 januari 2016.
- ^ Peel, M C; Finlayson, B L; McMahon, T A (2007). ”Updated world map of the Köppen-Geiger climate classification”. Hydrology and Earth System Sciences 11: sid. 1633-1644. doi:. http://www.hydrol-earth-syst-sci.net/11/1633/2007/hess-11-1633-2007.html. Läst 30 januari 2016.
- ^ [a b] ”NASA Earth Observations Data Set Index”. NASA. Arkiverad från originalet den 7 april 2019. https://web.archive.org/web/20190407091601/https://neo.sci.gsfc.nasa.gov/dataset_index.php. Läst 30 januari 2016.
- ^ ”NASA Earth Observations: Rainfall (1 month - TRMM)”. NASA/Tropical Rainfall Monitoring Mission. Arkiverad från originalet den 19 april 2019. https://web.archive.org/web/20190419091014/https://neo.sci.gsfc.nasa.gov/view.php?datasetId=TRMM_3B43M&year=2014. Läst 30 januari 2016.