TRMM卫星降水数据在雅鲁藏布江流域的适用性分析

以雅鲁藏布江流域为研究区,利用16个气象站点的实测降水量在月尺度和日尺度上验证了TRMM(Tropical Rainfall Measurement Mission)卫星降水数据的精度,并在此基础上基于TRMM月降水数据分析了雅鲁藏布江流域的降水时空分布特征。结果表明:在整体上,TRMM月降水数据与站点实测降水量相关系数R=0.902,斜率K=0.849,数据精度较高,数值上比站点实测降水量略微偏低;就单个站点而言,大部分站点相关系数较高,偏差较小,但波密站相关系数相对较低,江孜站和南木林站数据偏差相对较大。TRMM日降水数据与站点实测降水量相关系数R=0.466,斜率K=0.451,数据精度较低,与站点实测降水量一致性较差。在降水空间分布上,雅鲁藏布江流域整体呈现由西向东逐渐递增的趋势,不同区域间差异极其明显;在降水时间分布上,大部分降水集中在6至9月,12月至第二年2月很少有降水发生。     

GPM卫星降水数据在黑河流域的适用性评价

论文分别从时间和空间两个角度对GPM卫星降水数据在黑河流域适用性进行评价。以TRMM卫星的降水产品和气象观测站点实测的降水数据作为参考,选用相关系数（R）、均方根误差（RMSE）、相对误差（BIAS）、平均误差（ME）以及标准偏差（SD）多种统计分析指标进行精度评价。结果表明：1）GPM卫星降水数据具有与观测数据较好的一致性以及良好的时间模式;2）GPM卫星降水数据与观测数据之间有着较高的相关系数（R>0.72）以及较低的误差范围 （-0.59%~1.62%）;3）相比TRMM,GPM具有较低的均方根误差（RMSE<28.76）,尤其是对夏季降水,GPM具有相对更高的相关系数（R>0.76）和更小的相对误差（BIAS<1.14）;4）卫星估测降水量的精度与高程具有明显的相关性。总的来说,GPM卫星降水数据在地形复杂的干旱半干旱区域也能够具有较好的精度,能够较为准确地反映干旱半干旱地区的降水分布。     

基于TRMM订正数据的横断山区降水时空分布特征

鉴于高时空变异地区降水观测的需求,论文提出了基于ISODATA动态聚类法和最大似然法分区逐月回归的TRMM数据订正方法,并以横断山区为例,利用地基台站降水数据对1998-2012 年的TRMM 3B43 V7 数据进行了实验研究,并探讨了过去15 a 横断山区的降水时空分布特征及变化趋势。结果表明,TRMM 3B43 V7 数据在横断山区的总体精度较高,单站精度较低。订正后的TRMM 3B43 数据,与实测值偏差大为减少,降水相对偏差大于10%的站点由原始数据的16 个(42.1%)减少为7 个(18.4%),有81.6%的站点年降水量相对偏差小于10%,且相对偏差大于等于20%的站点仅3 个,能够基本满足横断山区降水时空分布特征研究的精度需要,有效地弥补了有限站点观测的不足。研究区内年降水量从东南向西北递减,与东亚季风在该区域的走向一致;1998-2012 年横断山区的降水量主要呈减少趋势,减少地区主要分布在南部以及中西部地区。夏季降水减少趋势最为突出,秋季次之,冬春变化趋势不明显。横断山区大部分区域的降水量与东亚夏季风指数正相关,与东亚冬季风指数负相关;最近15 a,研究区东亚季风指数持续变小,恰好与研究结果中的降水减少趋势一致。     

基于TRMM降水订正数据的祁连山地区最大降水高度带研究

采用TRMM卫星反演月降水数据和气象台站实测降水数据,通过误差评估等数理统计方法验证数据,并结合Kriging法对TRMM降水数据进行订正,以此研究了祁连山地区最大降水高度带的时空变化。结果表明：（1）TRMM降水数据在祁连山地区的整体适用性较好。其中TRMM降水数据与台站实测值的年均降水量相关系数达0.94;季节平均降水量的相关系数分别为春季（0.87）、夏季（0.89）、秋季（0.88）、冬季（0.70）。（2）祁连山地区27个气象台站实测值与TRMM降水数据的相关性较好,但在个别台站误差较大且存在低值高估、高值低估的现象。（3）祁连山地区年均降水量自东向西呈减少趋势。东、中、西三段最大降水高度带分别为4100 m、4500 m、4700 m,年均降水量的垂直变化率分别为16.6 mm/100 m、10.8 mm/100 m、9.8 mm/100 m。（4）1998-2016年祁连山地区东、中、西三段降水量均呈波动增加,最大降水高度带也呈波动上升趋势,祁连山地区年内各季节最大降水高度带按夏、春、秋、冬的次序降低。     

中亚地区气溶胶时空分布及其对云和降水的影响

中亚地区属干旱半干旱气候区,是水资源缺乏最严重的地区之一,也是全球沙尘气溶胶贡献度较大的区域.利用MODIS气溶胶和云资料以及校准后的TRMM降水数据,可从宏观角度分析中亚地区气溶胶、云、降水的时空分布特征,研究气溶胶与云和降水之间的相互影响关系.结果表明:1中亚地区年平均气溶胶光学厚度表现为春季(0~1)夏季(0~0.8)冬季(0~0.42)秋季(0~0.38),2002—2013年间整体呈现增加趋势;冬季COD量值明显高于其他3个季节,12年间整体表现出下降趋势,夏季变化较小,增幅为-0.876%,冬季最大,增幅为-1.713%;云水路径的区域性和季节性变化较为明显,整体处于降低趋势,其中秋季的新疆塔里木盆地变化最为显著,年变化为-6.607%;利用实测降水数据对TRMM月降水数据进行校准处理,可有效提升数据精度,新疆境内夏季降水占年降水量的比重较大,春、秋次之,咸海地区降水量年内分配相对较均匀,季节性差异不明显,中亚干旱区作为一个整体,降水呈现出增加趋势,其中,冬季降水的增加趋势最明显.2气溶胶光学厚度与云光学厚度呈负相关;与云滴粒子有效半径关系复杂,受水汽影响较大,在云层含水量较低的情况下,云滴粒子与气溶胶光学厚度呈负相关,而在云层含水量较高的情况下,二者呈正相关;云水路径随着气溶胶光学厚度的增加而减小,随AOD的变化的敏感程度在秋季最高,冬季最低.3气溶胶和降水关系复杂,整体来看,中亚地区气溶胶抑制降水.     

GPM卫星降水数据在天山山区的适用性分析

卫星降水产品在山区的适用性具有较高的不确定性。论文基于天山山区2014-2015年167个气象站点数据,应用较为广泛的两套卫星降水产品--TRMM与CMORPH,选用均方根误差（RMSE）、相关系数（R）、相对误差（PB）,以及分类统计分析指标（错报率FAR、探测率POD、公正先兆评分ETS、频率偏差BIAS）等,评估了新一代卫星降水产品--Global Precipitation Measurement（GPM）在天山山区的适用性。结果表明：相对于以上两种产品,GPM在山区的精度最高。具体表现在：1）3套产品在降水较多的夏秋季均表现较好,相对于TRMM与CMORPH,GPM与观测数据的相关系数最高（R≥0.6）,相对误差最小（PB≈10%）;2）在整个天山山区,GPM相对于其他两套产品表现出较低的误差范围（-55%~55%）;3）GPM在不同的高程带内,均表现出同观测站点较低的误差与较高的相关系数;4）3套降水产品均表现出对探测弱降水事件较高的准确性（POD≈0.58）和较低的错误率（FAR≈0.63）,但综合分析4种指数,GPM表现最佳,能够以较准确的精度和较低的误差估测降水系统。     

TRMM多卫星资料在黑河上游降水时空特征研究中的应用

论文利用数字高程模型(DEM),使用多元回归模型对黑河上游2000-2009年TRMM多卫星降水资料的月数据进行了降尺度研究,并用地面气象台站观测数据对降尺度的结果进行了检验,检验结果表明这种降尺度的方法能够在不降低(甚至提高)数据质量的情况下,得到空间精度更高的降水资料。在此基础上,基于降尺度后的月降水数据,对黑河上游2000-2009年降水10 a平均值年总量空间变化,以及年内降水分配、年内降水的空间差异进行了分析。结果表明:①降尺度之后的数据比原始数据能更加表现降水变化的细节和趋势;②坡向对降水的影响表明,在东西方向,东坡的降水要高于西坡,最高可以达到10%,而南北坡的降水差异变化较小;③黑河上游2000-2009年的年平均降水为344 mm,整个上游大多数地区的降水主要分布在250~400 mm之间;④在海拔3 800 m以下,降水随高程的增加而增加,而在3 800 m以上,降水总体平均略有减少,但是降水的最大值出现在这一带;⑤黑河上游的降水具有东南-西北的递减趋势,但递减趋势在不同的月份存在差异;⑥降水量的年内分配极不均匀,冬春季稀少,主要降水集中在6-9月。     

天山山区TRMM降水数据的空间降尺度研究

山区降水是干旱区水资源的重要补给源,但由于山区地形复杂、监测困难造成资料缺乏,水文预报的误差较大。近年来,TRMM3B43降水数据得到了大量应用,但受其较低空间分辨率的影响,使得应用精度受到限制。论文以2001—2010年TRMM3B43数据为基础,结合提取的7个数字地形因子（经度、纬度、坡度、坡向、海拔、地形开阔度、地形起伏度）,构建了天山山区年、季的降水主成分-逐步回归降尺度模型。分析结果表明：主成分-逐步回归降尺度模型有效地将TRMM3B43数据的空间分辨率由0.25°×0.25°提高到1 km×1 km。通过站点实测降水数据对比验证,决定系数均在0.85以上,降尺度后的数据精度显著优于原始TRMM3B43数据。该方法对研究干旱区空间降水精细化具有一定参考意义。     

我国东北地区大气降水稳定同位素特征及其水汽来源

依据全球大气降水同位素观测网络(GNIP)中我国东北地区的月大气降水氢氧稳定同位素资料,并结合相关气象资料,分析了该地区大气降水稳定同位素时空分布特征及其影响因子,并建立了局地大气水线方程.结果表明,东北地区大气降水中δ18O值总体上较低,在时间变化上,表现为冬低夏高;从空间分布来看,由南至北加权平均δ18O值呈减小趋势;降水δ18O与温度线性关系显著,而与降水量则不存在线性关系,利用降水δ18O与温度、降水量、高程、经度和纬度等气候因子建立的多元线性回归关系可以对降水δ18O进行定量估算;采用HYSPLIT 4.9模型对GNIP观测点水汽来源进行追踪,气团聚类轨迹表明,该区全年有两条水汽路径,分别为西风带输送的大西洋、极地北冰洋冷湿水汽和太平洋暖湿水汽.     

2005-2012年沈阳地区降水酸碱度变化特征研究

依据沈阳气象观测站2005-2012年逐日降水观测资料,分别统计四季酸雨频数,p H年均值,四季p H均值和p H月均值,分析其分布特征。用线性回归的方法分析降水p H值与降水量和降水强度的关系。结果表明:沈阳地区的酸雨分布呈现明显的季节变化。夏季酸雨发生频次最高,秋季次之,而采暖季的春季和冬季最低;沈阳地区当阳离子含量也较高时,很可能不表现为酸雨,甚至可能呈碱性降水;从月p H均值变化趋势看,进入夏秋p H值呈现明显下降趋势;2005-2012年沈阳地区降水p H值年平均均未超过5.6;沈阳的p H值年平均低值主要集中在2007-2010年,降水p H值8 a大致的趋势是逐渐升高;沈阳降水p H值与降雨量及降水持续时间呈反相关,降水量越多,酸碱度越趋于酸性;降水p H值和每分钟降水量成正比,每分钟降水越多,p H值就越趋于碱性。     

WRF数值模拟超强台风“凡亚比”路径强度及降水特征分析

采用中尺度数值模式WRF对2010年第1 1号台风“凡亚比”的发生发展过程进行数值模拟.通过设计的模式方案较好地模拟再现了“凡亚比”台风的发展、演变以及登陆过程,并利用台风最佳路径集提供的路径、中心气压、地面最大风速等信息资料,NCEP/NCAR分析资料,TRMM降水资料以及卫星云图、降水观测等各种资料与模式模拟结果开展了较细致的对比分析.模式模拟的台风路径与观测路径较为一致,分析出“凡亚比”台风的移动路径、强度、云系和降水分布等方面的特征.结果表明,台风的高低层环流形式、垂直运动场模拟结构也完全匹配,同时很好地把握住了中国沿海地区由台风造成降水的降水中心位置以及降水强度,但是对台风两次登陆时间的模拟均比真实的情况要迟6h,并且登陆位置偏西南.     

东北强降水时空变化的特征和原因分析

利用东北地区近45 a(1961-2005年)4-9月逐日降水量资料计算了强降水集中度和集中期,分析了强降水集中度和集中期时空变化特征,讨论了影响强降水集中度和集中期的环流特征变化。结果发现,东北强降水集中度与强降水有很好的相关性,对于强降水有着很好的指示作用。从空间分布上看东北雨季强降水集中度由东向西趋于集中。从时间变化方面来看,1960年代中期到1980年代初,强降水集中度处于低值区,而在1991年之后东北地区强降水集中度大多处于高值区。强降水集中期仅在1970年代处于低值偏多的时期。对于东北不同区域大部分地区(除东北西北部外)在1990年代之后集中度都有所增加,集中度大值年出现的频率增加,而东北西北部的变化正好相反。东北地区强降水集中度偏高时,东北地区整层处于低压中心,在东北东部海面上有高压存在。东北地区存在着偏西气流和东南暖湿气流的交汇,在40～50°N纬度范围内高度场呈"+－+"波动。集中度偏高时东北东部地区有上升的垂直速度中心,并且上升速度随高度升高(300 hPa以下)而增强。东北地区水汽主要来源于鄂霍次克海冷湿空气。在东北地区存在着水汽通量散度的负距平中心,形成水汽异常辐合区,有利于强降水的出现。     

2005~2018年东北三省甲醛时空变化及其影响因素分析

基于臭氧监测仪（OMI）遥感数据获取中国东北三省（黑龙江、吉林、辽宁）2005~2018年的甲醛柱浓度,对东北三省近14年来甲醛的时空分布变化规律以及影响因子进行研究。结果表明：近14年来东北三省的甲醛年平均柱浓度呈先增大再减少,再增大的趋势,最大增长率为14.3%,最大降低率为10.1%;甲醛的月、季平均柱浓度变化具有明显规律性,在每年夏季（6~8月）出现最高值,冬季3月左右出现最低值;甲醛的季平均柱浓度水平为：夏季 > 秋季 > 冬季 > 春季;东北三省的甲醛柱浓度在空间上基本呈南高北低分布,高浓度区域主要集中在中部平原较发达的地区。甲醛柱浓度的影响因子包括自然条件和人类活动两个方面。降水和温度等气象因素是甲醛柱浓度变化的重要影响因素,而地形、植被等自然因素对甲醛的分布有一定的影响。交通运输和工业生产等人类活动对甲醛浓度的区域性变化也有重要贡献。     

东北地区植被时空演变及影响因素分析

基于2000~2020年MODIS NDVI遥感数据,辅以气象数据和土地利用数据,通过小波分析、Sen+Mann-Kendall趋势分析、Hurst指数、偏相关分析及残差分析法,以不同地形地貌为单元,对不同周期阶段下东北地区植被时空演变特征及其对气候变化和人类活动的响应机制进行深入解析.结果表明:时间上,21a间东北地区植被NDVI呈速率为0.0308/10a(P<0.001)的上升趋势,以16a第一主周期下10a左右的周期变化最为稳定;空间上,东北地区植被NDVI整体处于较高水平,但空间分异明显,呈“西南低东北高”的格局.各周期阶段均为NDVI改善面积大于退化面积且改善范围不断扩增.NDVI未来变化趋势主旋律为持续改善,占总面积的63.56%;响应机制上,东北地区植被NDVI受气候变化与人类活动共同影响.2000~2020年NDVI与气温、降水和相对湿度呈正相关,与日照时数呈负相关,其中降水对NDVI的影响作用最强,且随周期演替以降水为主导气候因子的面积显著递增.各周期阶段人类活动对NDVI变化均以正向促进为主,林业工程实施是植被状况改善的关键,而建设用地扩张是植被减少的主要原因.     

驱动数据对流域水文模拟中不同结果要素的影响

流域水循环中各要素之间高度的非线性关系,使得驱动数据对模拟结果的影响研究变得复杂。结合站点实测和遥感的降水、温度和潜在蒸散发驱动数据,构建了叶尔羌河流域的8个MIKE SHE模型;根据方差分析模型（ANOVA）对模型“输入”与“输出”之间显著性影响检验的结果,以积融雪过程为例,剖析了驱动数据影响的具体表现。结果表明：相比站点数据,TRMM降水驱动的模型导致积雪输出的空间分布差异性更加明显;MODIS温度数据驱动的模型导致了中低山区的永久性薄层积雪覆盖更广,而高山区的储雪量更少;遥感蒸散发驱动的模型在积雪模拟方面并无显著差异。ANOVA对水文系统中要素之间的显著性假设检验,可为明晰驱动数据对水文过程的具体影响方式提供重要前提。     

中国NO2的季节分布及成因分析

利用OMI卫星观测的对流层NO₂柱浓度和113个重点城市地面ρ(NO₂)监测数据,结合753个监测站降水资料以及中国气象局气象信息综合分析处理系统(MICAPS)气压场数据,研究了中国NO₂的季节分布特征及其影响因素.结果表明:卫星遥感数据和地面监测数据同步显示了中国NO₂浓度冬季峰值、夏季谷值的季节分布特征;月降水量与地面监测的ρ(NO₂)呈负相关,相关系数为0.71.气压场平均结果表明,边界层气压场的特征是影响NO₂浓度季节分布的另一个主要因素.