气候变化对安徽省淮北地区夏玉米气象产量的影响

基于安徽省淮北地区24个气象观测站1961～2018年逐日气象资料及对应市(县)1961～2014年夏玉米产量资料,采用气候倾向率、M-K突变检验、相关分析、回归分析等方法,分析了安徽省淮北地区夏玉米生长季太阳总辐射、≥10℃积温、气温日较差、降水量等气候资源时空变化特征及对夏玉米气象产量的影响.结果 表明:(1)1961～2018年安徽省淮北地区夏玉米全生育期、营养生长期、并进期、生殖生长期太阳总辐射和日较差均呈极显著减少趋势(P＜0.01),≥10℃积温和降水量呈不显著增加趋势;空间分布上,太阳总辐射和气温日较差由北向南逐渐减少,≥10℃积温空间差异小,降水量总体呈径向分布,高值区位于淮北东部.(2)近58 a安徽省淮北地区夏玉米生长季太阳总辐射和日较差分别在1981和1982年发生了由多到少的突变,突变后较突变前分别减少了220.1 MJ·m-2和0.7℃;≥10℃积温、降水量无明显突变点.(3)降水量是影响淮北地区夏玉米气象产量的主要因子,并与气象产量呈二次曲线关系;≥10℃积温对夏玉米气象产量影响为负效应,其中并进期达显著水平(P＜0.05);太阳总辐射和气温日较差影响不显著.气候资源变化对夏玉米气象产量综合影响在全生育期和并进期达到显著水平(P＜0.05),在营养生长期达极显著水平(P＜0.01).(4)安徽省淮北地区在夏玉米种植过程中,可以通过加强水利基础设施建设,提升水分调节能力,提高夏玉米气象产量.     

河流水质采样策略与频率对氮磷负荷估算的影响

为探究适合的流域水质监测频率与采样策略,提高氮磷污染物负荷估算的精度,基于云南省洱源县凤羽河流域2011～2013年间逐日流量与总氮、总磷浓度的每日数据,在7d/次,14d/次,21d/次,28d/次4种采样频率下设定了3种不同的采样情景(情景a:普通随机取样、情景b:随机取样的基础上增加降水量超过10mm的水样样品采集,情景c:随机取样的基础上增加降水量超过25mm的水样样品采集).基于采样频率与采样情景的组合,利用LOADEST模型估算的总氮与总磷负荷,并与逐日连续水量水质数据计算的实测值进行比较,评估了不同取样频率和取样情景下LOADEST模型的负荷估算精度.结果表明:在LOADEST模型的估算过程中,同种采样频率下,增加降雨时期的浓度数据将会提高LOADEST模型的模拟精度;在降雨事件期间进行加密采样,不仅加大了工作量,且增加的采样次数过多(如情景b)使总氮的RMSE值由1.92增至2.26,总磷的RMSE值由0.08增至0.19,高估氮磷负荷,模型模拟精度降低.在四种不同的采样频率下,情景c中总氮的RMSE值范围为1.92～2.07,总磷的RMSE值范围为0.06～0.13,...     

基于组合模型的PM2.5浓度预测及其不确定性分析

运用GIS软件及克里金（Kriging）插值等方法分析合肥城市圈PM_2.5浓度的时空分布,根据合肥市环境监测历史数据、地面气象站点数据及历史气象数据,采用多元回归分析、相关分析等方法,研究合肥市PM_2.5浓度的影响因素。结果表明:1）PM_2.5 浓度整体变化情况为冬季 > 秋季 > 春季 > 夏季,大部分城市PM_2.5浓度峰值出现在1月,之后浓度开始逐渐下降,7月达到最低值,此后浓度逐渐升高。2）PM_2.5浓度与CO呈高度正相关,相关系数高达0.875;与PM₁₀、SO₂、NO₂的相关性也较高;与O₃呈负相关。PM_2.5浓度与气压、风速、降雨量以及能见度呈负相关,与温度、相对湿度呈强正相关。基于2018—2019年合肥市地面站点PM_2.5浓度监测数据,构建预测PM_2.5浓度的组合模型:对比三次指数平滑模型,确定模拟退火+遗传+三次指数平滑为优组合模型,拟合度达到95%。通过Kappa及MAPE指数对组合模型不确定性进行分析评价,两者分别为0.654和0.072,说明该模型具有高度稳定性。恰当的预测因子组合和模型不确定性研究有助于模型预测精度的提升和改善,从而为大气环境质量监测和评价提供参考。