高温胁迫对爪哇稻剑叶光合特性和渗透调节物质的影响

以耐热能力不同的两个爪哇稻Oryza stavia L. ssp.javanica品种IRAT109(耐热)和19 D(热敏感)为试验材料,对两种水稻在人工气候室进行日平均气温为33.5℃的高温处理,研究了高温胁迫对耐热能力不同的两个爪哇稻光合特性和渗透调节物质的影响,旨在揭示全球气候变暖的大背景下,耐热能力不同的爪哇稻品种对高温热害的生理代谢变化规律及响应机制。试验结果显示,高温胁迫引起爪哇稻气孔导度下降,胞间CO2浓度升高,叶绿素含量降低,最终导致净光合速率下降,并随着胁迫时间延长而呈现逐渐下降的趋势,但耐热品种IRAT109与热敏感品种19 D相比仍能维持较高的光合作用。两种水稻中气孔导度,胞间CO2浓度,叶绿素含量,净光合速率在高温胁迫12 d后与自然温度下的植株相比差异显著。同时,高温胁迫造成两爪哇稻中可溶性糖、可溶性蛋白含量降低,且随着高温胁迫时间的延长而逐渐降低,热稳定蛋白随高温胁迫时间的延长而逐渐升高,脯氨酸含量随高温胁迫时间延长呈现先升高后降低的变化趋势。耐热品种IRAT09在高温胁迫过程中可溶性糖和可溶性蛋白的下降幅度小于热敏感品种19 D,热稳定蛋白和脯氨酸含量的上升水平高于热敏感品种19 D。高温胁迫6 d后两爪哇稻中的可溶性糖,可溶性蛋白和热稳定蛋白含量与自然温度下植株相比差异显著,在高温胁迫第3、6和9天两爪哇稻中脯氨酸含量与自然温度下的植株相比差异显著。研究结果表明,耐热爪哇稻品种在高温胁迫下维持较高的光合特性和较高的渗透调节物质含量是其耐热的生理基础。     

偏东风输送导致的关中地区冬季PM2.5重污染个例研究

关中地区是我国大气污染的重点监测区域,为探究偏东风输送对关中地区冬季PM_2.5重污染的影响,重点分析了2018年1月12-18日在偏东风输送影响下关中地区ρ（PM_2.5）日均值的变化过程;利用WRF和CAMx模式对PM_2.5重污染过程进行模拟并讨论其消长原因.结果表明:①冬季关中地区在高压脊和西南槽的控制下,偏东风将污染物输送至关中地区,加之关中地区地形阻滞,致使关中地区的ρ（PM_2.5）上升.②研究期间,关中地区ρ（PM_2.5）日均值范围为103~240 μg/m3,偏东风输送是导致此次重污染过程的重要原因.重污染的发生还与气象要素的变化有关,其中ρ（PM_2.5）日均值与气温、相对湿度均呈滞后相关性.在ρ（PM_2.5）日均值相等的情况下,相对湿度越大,能见度越低;随着ρ（PM_2.5）日均值和相对湿度的升高,能见度下降的速率逐渐变慢.③根据WRF-CAMx的模拟结果,此次重污染过程中关中地区PM_2.5污染输送关系不均衡,宝鸡市和咸阳市均以本地贡献为主,其本地贡献率超过45.00%,而渭南市接收关中地区其他城市及关中地区以外区域污染输送占比为69.82%;位于盆地中东部的咸阳市、西安市和渭南市的ρ（PM_2.5）月均值均大于关中地区ρ（PM_2.5）平均值;渭南市、西安市、运城市以及关中地区以外城市是此次关中地区跨市PM_2.5污染输送的主要来源.研究显示,偏东风输送是关中地区此次大气重污染过程的重要原因.      

基于机器学习方法的西安市数值模拟优化研究

为提高西安市ρ(PM_2.5)及ρ(O₃)预报准确率,更好地服务西安市预报预警工作,以CAMx模式预报结果为基础,结合中尺度WRF气象预报数据、ρ(PM_2.5)及ρ(O₃)观测数据,基于多元线性回归、岭回归、lasso回归、决策树、随机森林以及支持向量机6种机器学习优化模型,对西安市2019年PM_2.5及O₃模拟结果进行优化.结果表明:①CAMx模式对污染物的预报存在偏差,优化模型明显修正了CAMx模式的系统性偏差,提高了预报精度.②ρ(PM_2.5)及ρ(O₃)的均方根误差(RMSE)由174.00、37.11 μg/m3分别降至34.36~39.37、24.77~28.82 μg/m3,相关性系数(R)由0.63、0.78分别提至0.70~0.78、0.83~0.88.③不同模型对模拟值的订正优势不同,随机森林对PM_2.5优化效果显著,优化提高率为80%;支持向量机对O₃的优化效果最理想,优化提高率为36%;线性回归方法对O₃的优化效果较好,但对PM_2.5的优化效果相对较差.研究显示,机器学习模型显著优化了CAMx模拟结果,反映了利用机器学习修正空气质量数值模式预报结果的研究意义和可行性.      

持续鞍型场导致的西安市PM2.5重污染过程分析

为了解鞍型场对西安市PM_2.5重污染过程的影响.以西安市2016年2月6—14日重污染过程ρ（PM_2.5）及气象要素的小时变化为研究对象,综合分析了此次重污染过程特征、天气型以及气象要素变化.结果表明:①西安市此次重污染过程可分为污染上升阶段（6—7日）、污染维持阶段（8—11日）及污染减轻阶段（12—14日）,3个阶段分别处于均压场、鞍型场、高压前部等天气型的影响下.②此次鞍型场发生时,天气持续静稳,气压梯度力小,且西安市处于气流的辐合地带,导致污染物的形成和积累,ρ（PM_2.5）最高值达198 μg/m3.③在鞍型场的控制下,西安市日均气温维持在偏高的水平（最高达7.2℃）,相对湿度呈上升的趋势,最高达86.5%;而风速和能见度则波动下降,平均风速和能见度最低值分别为0.8 m/s和0.5 km.高温、高湿、小风的气象条件有利于污染物的吸湿增长从而导致PM_2.5重污染.④受鞍型场的影响,西安市边界层高度较低,最低时只有55 m,且逆温层较厚,强度较大,最大值达3.8℃/（100 m）,极低的边界层高度和较厚的逆温层削弱了污染物的垂直扩散能力,污染物被抑制在近地面,形成较严重的污染.研究显示,鞍型场天气型导致的均压场、暖湿、静风、低边界层及强逆温层是此次西安市PM_2.5重污染过程的重要原因.      

西安市“阶梯型”持续污染过程演变及PM2.5区域输送分析

为探究2016年11月西安市阶梯型持续污染过程的动态演变规律,利用NCEP再分析数据分析了2016年11月7日—22日的天气形势演变过程,结合CAMx-PSAT模型及化学组分在线监测数据,分析了“阶梯型”演变过程中的区域输送以及大气颗粒物的化学组分变化.结果表明：(1)由于西安市特殊的盆地地形因素及独特的天气形势变化,导致本次“阶梯型”污染过程出现“谷-峰-峰-峰-谷”的时序变化特征,3个上升阶段的天气形势演变主要为“高压脊-内蒙古低压东移-鞍形场”;(2)“阶梯型”演变过程中,主要有3条PM2.5输送通道：偏东北输送、偏北输送以及偏东输送,其中偏东北输送来自渭南、运城、洛阳、临汾、吕梁、晋中,约占输送总量的45%;偏北输送主要为本地积累及咸阳输送,约占总输送量的90%;偏东输送的主要城市为渭南、运城、洛阳及其他地区,输送占比最高上升至70%左右;(3)3个上升阶段污染物浓度峰值期间,二次无机盐（sulfate-nitrate-ammonium,SNA）分别占PM2.5的50%、41%、52%,其中第三上升阶段中污染物的二次转化最为强烈.研究表明,西安市“阶梯型”污染演变是由于独特的地...