青海省东部农业区参考作物蒸散量的变化及对气象因子的敏感性分析

使用FAO推荐的Penman-Monteith公式计算了青海省东部农业区7个气象代表站的逐日参考作物蒸散量(ET₀),运用多窗谱方法(MTM)对青海省东部代表站的ET₀的变化周期进行了分析,同时,分析了影响ET₀的主要气象要素的变化趋势,运用基于偏导数的敏感系数法分析了生长季ET₀对气温、日照时数、相对湿度、风速的敏感性,结果表明,青海省东部农业区的7个站点有比较一致的19.23~22.22 a的周期;整个东部农业区的气温(最高温度、最低温度、平均温度)呈明显的上升趋势,日照时数、风速、相对湿度则随纬度的变化而趋势不同,北纬36°以南的两个站日照时数、风速均有增加的趋势,相对湿度则减小,以北的5个站则呈相反的变化;ET₀对日照时数最为敏感,其次是气温、相对湿度和风速;敏感系数在整个生长季随气象因子的变化而变化,日照时数敏感系数呈波动状,最大值出现在4月,最小值出现在9月,气温敏感系数呈现单峰型变化,最大值出现在7月,风速敏感系数则呈单谷型变化,最小值出现在7月。     

黑河流域参考蒸散量的时空变化特征及影响因素的定量分析

利用黑河流域及周边地区14个气象站的1960—2009年逐日气象资料,基于FAO推荐的 Penman-Monteith模型分析了黑河流域近50 a来潜在年、 季参考蒸散量ET₀的时空分布特征,同时利用敏感分析计算了流域内不同区域典型气象站ET₀对各气候要素的敏感系数,并结合各气候要素的多年相对变化定量探讨了导致ET₀变化的主导因素。结果表明:黑河流域年ET₀表现出明显的南北差异,亦即从南到北呈增大趋势,上游祁连山区年ET₀约568~700 mm,中游走廊平原约800~900 mm,下游的金塔、 鼎新一带约1 000 mm,额济纳地区则高达1 150 mm以上。各季节ET₀亦呈北多南少特征,且ET₀的年内分布以夏季最多,春季次之,秋冬最少。近50 a来,黑河流域年、 季平均ET₀整体呈减小趋势,但亦存在区域差异,其中上游ET₀略有增加,而中下游以减小趋势为主。就年平均敏感系数而言,上游的托勒站和中游的高台站皆对相对湿度敏感性最强,而下游的额济纳旗对平均风速最为敏感。不同站点各季节/月ET₀对气候要素的敏感性有所差异。风速是引起ET₀变化的主导因素,相对湿度和日照时数的贡献则较小。     

基于ANFIS的陕西省参考作物蒸散量计算

为有效提高陕西省参考作物蒸散量(ET₀)的计算精度,选取陕西省6个气象站点57 a(1960—2016年)每日气象资料,构建8种基于自适应神经模糊推理系统(ANFIS)的ET₀计算模型,将其与Hargreaves-Samani、Makkink和Iramk等三种在陕西省ET₀计算精度较高的模型进行比较。结果表明:ANFIS模型能较好地反映气象因子与ET₀之间的复杂非线性关系,在仅有气温数据时,ANFIS模型具有足够的精度(平均R²=0.894,平均R_MSE=0.558 mm/d,平均MRE=18.258%),ANFIS模型的精度随着气象因子数量的增加而增加;在相同气象条件下,ANFIS模型模拟效果最好;ANFIS模型具有较强的泛化能力,基于不同站点也有较高的精度(平均R²=0.974,平均R_MSE=0.276 mm/d,平均MRE=8.608%),具有很好的可移植性。因此,在缺少气象数据时,ANFIS可以作为陕西省...     

影响山东参考作物蒸散量变化的气象因素定量分析

根据山东省1961-2010 年90 个气象站的逐日气象观测数据,采用计算参考作物蒸散量(ET₀)的Penman-Monteith 模型方法,分析了山东省ET₀对最高气温、最低气温、风速、日照时数、相对湿度的敏感性,并结合各气象要素的多年相对变化定量探讨了影响ET₀变化的主导因素。结果表明:近50 a 来,山东平均ET₀以-1.818 mm/a的趋势减少,夏季减少趋势最显著,1983 年前后ET₀发生突变。各气象要素对ET₀变化的敏感区域、与ET₀相关性地域差异明显。虽然平均风速和日照时数的敏感系数较低,但其减小趋势极显著,多年相对变化较大,使平均风速成为ET₀变化负贡献最大的气象要素,日照时数次之,最高气温贡献最低,相对湿度在沿海地区的正贡献较大。年、春、秋和冬季对ET₀变化的主导因子是平均风速,夏季是日照时数,半岛大部分地区一年四季的主导因子是相对湿度。突变后主导因子是平均风速的站点明显减少,主导因子为相对湿度的站点明显增多,由于夏季日照时数极显著减少,导致突变后夏季大多数站点对ET₀变化的主导因子为日照时数。     

长江口崇西湿地生态系统的二氧化碳交换及潮汐影响

河口湿地具备不同于其他生态系统的典型的生物化学特征. 利用开路式涡度相关系统,对长江口崇西湿地净生态系统CO₂交换(NEE)进行了初步研究. 结果表明,生长季CO₂交换呈V字型特征,平均CO₂交换量为-0.06 mg/(m2>/sup>·s);非生长季无明显特征,平均CO₂交换量为0.025 mg/(m2>/sup>·s). 这与其他生态系统CO₂交换特征相符合,主要是生长季的植被光合固碳作用所致. 非生长季的净生态系统CO₂交换比生长季受土壤温度的影响更大. 大潮期和小潮期的CO₂交换表明,无论是生长季还是非生长季,小潮期从生态系统释放到大气的CO₂均高于大潮期,潮汐高度与CO₂释放量呈负相关,暗示着高水位抑制生态系统呼吸和阻碍CO₂的传输,从而减少了CO₂的释放. 通过分析大潮期和小潮期的植被净光合速率发现,同一地点的植被固碳过程受潮汐的影响不很明显. 潮汐对净生态系统CO₂交换的影响主要是减少了土壤呼吸释放CO₂的过程. 总体而言,崇西湿地在年周期内表现为CO₂的汇.      

1996~2016年湖北省氨排放时空差异及影响因素

搜集10类氨（NH₃）的人为源活动水平数据,采用排放因子法,计算了1996~2016年湖北省NH₃排放量,利用GIS进行1km×1km的空间分配.分析了不同地理单元（西部山区城市、中部平原城市、东部特大城市和东部中小城市）的NH₃排放源结构和单位排放量的差异.结果表明,湖北省NH₃排放量由1996年的375.0kt增长至2016年的475.4kt,年均增长率为1.2%.西部山区城市NH₃排放增加最快,年均增长率为3.5%,高于全省平均水平.农业源是最主要贡献源,畜禽养殖和氮肥施用排放的NH₃分别占总排放量的71.6%和15.8%.除畜禽养殖和氮肥施用外,废弃物处理和生物质燃烧分别是东部特大城市和中部平原城市NH₃的重要排放源,分别占全省该类源NH₃排放总量的76.1%和41.5%.值得注意的是,东部特大城市的工业生产、人体排泄、机动车尾气排放和化石燃料燃烧等排放的NH₃占比均高于其它3种地理单元,需引起关注.     

近地层O3污染对作物产量与经济损失的影响——以江苏省冬小麦和水稻为例

利用2015年冬小麦和水稻主要生长季期间江苏省各城市逐时O₃浓度观测资料,分析了O₃浓度和AOT40的变化特征,评估了O₃对冬小麦和水稻产量的影响,并估算了其造成的经济损失.结果表明：①冬小麦和水稻主要生长季期间,江苏省平均O₃浓度分别为80.1μg/m³和83.8μg/m³,呈单峰型的日变化规律.空间上,O₃呈现南低北高,东部沿海地区高于西部内陆地区的特征.②冬小麦主要生长季期间,江苏省各市AOT40指数范围为3.08~14.47μL/L·h.水稻主要生长季期间,江苏省各市AOT40指数范围为10.79~21.67μL/L·h.③在当前O₃浓度水平下,近地层O₃对江苏省冬小麦和水稻平均相对产量的损失率分别为23.9%和16.5%,产量总损失分别为368.7万t和385.8万t,经济总损失分别为87.01亿元和106.48亿元.因此,急需采取有效控制措施,降低O₃污染造成的农业损失.     

基于多源碳卫星融合产品的中国地区XCO2与人为CO2排放时空变化

准确评估大气CO₂浓度和人为CO₂排放时空变化对于减缓温室气体排放导致的气候变化至关重要,因此,本文基于GOSAT和OCO-2卫星数据融合生成的全球长时间序列、时空连续的Mapping-XCO₂产品,研究2010～2020年中国大气CO₂柱浓度(XCO₂)时空变化特征以及卫星监测人为CO₂排放能力.结果表明:Mapping-XCO₂与中国大气本底站观测存在较高的一致性,具有良好的适用性;2010～2020年中国XCO₂呈现东高西低的空间分布,年均XCO₂为400.4×10^-6,年增长速率为2.47×10^-6;非生长季XCO₂异常可刻画人为CO₂排放时空变化,各省级行政区非生长季XCO₂异常与人为排放清单EDGAR和ODIAC的相关系数分别为0.71、0.67;2010～2020年京津...     

基于KZ滤波分析气象对珠三角臭氧趋势的影响

基于2015～2021年珠三角臭氧(O₃)监测数据以及再分析的气象资料,利用Kolmogorov-Zurbenko(KZ)滤波和逐步多元线性回归方法分析O₃长期趋势和气象因素之间的关系,量化气象和非气象对珠三角O₃日最大8h平均浓度(MDA8O₃)长期趋势的贡献.结果表明:2015～2021年珠三角MDA8O₃增长明显,夏季和秋季O₃污染尤为严重.KZ滤波分离出的MDA8O₃短期、季节和长期3个分量分别占原始序列方差的60.84%、24.96%和4.33%,各分量之间相互独立,3个分量均与太阳辐射、温度和边界层高度呈正相关,与云量、相对湿度、风速和850hPa经向风呈负相关.此外,气象和非气象影响能分别解释大约64.3%(2.77μg/(m³·a))和35.7%(1.53μg/(m³·a))的MDA8O₃长期趋势的增长率(4.29μg/(m³·a)...     

卫星遥感监测海南地区对流层CO2浓度时空变化特征

为了探索海南地区对流层CO₂浓度[以φ(CO₂)计]时空变化特征,采用2002年9月—2012年2月AIRS反演的对流层中层CO₂产品,利用北半球全球本底站瓦里关站和飞机观测φ(CO₂)对该产品进行验证,结合统计分析方法对海南地区φ(CO₂)的月、季、年平均值的时空变化特征进行了研究.结果表明:AIRS反演φ(CO₂)与地基和不同纬度带海洋上空飞机观测数据对比均具有很好的一致性,并且与飞机观测验证偏差更小,二者相关系数均在0.9以上,总体月均值偏差小于2×10-6;全国φ(CO₂)呈现北高南低的分布规律,并且存在较为明显的分界线,形成4个高值中心(塔克拉玛干沙漠、塔里木盆地、内蒙古西部和东北平原)和2个低值中心(青藏高原西南部和云南地区),海南地区平均φ(CO₂)为382.67×10-6,略高于云南低值中心的381.45×10-6;全国φ(CO₂)呈现明显逐年增加趋势,其年均增长速率为2.16×10-6,而海南地区亦呈现显著增加趋势,年均增长速率为2.11×10-6,低于全国水平;φ(CO₂)呈季节性波动特性,全国φ(CO₂)最高值出现在春季,而海南地区为夏季,最低值均出现在秋季;海南地区西部海域、陆地和东部海域上空φ(CO₂)年增长速率分别为2.09×10-6、2.14×10-6和2.11×10-6,表明海南陆地上空增速略大于海洋地区,西部和东部海域上空增长速率基本保持一致.      

1957—2012年中国参考作物蒸散量时空变化及其影响因子分析

根据1957—2012年全国608个气象站的逐日气象资料,利用Penman-Monteith公式计算作物潜在蒸散量,对全国及水资源一级分区潜在蒸散量时空分布特征、变化趋势进行分析;基于Arc GIS及SPSS软件,采用主成分分析方法,对潜在作物蒸散量的影响因子及其分布特征进行探讨。结果表明:近56 a来,全国年潜在蒸散量在616~2 128 mm之间,河西走廊、南部岭南地区、海南岛以及华南沿海作物潜在蒸散量较大,而在黑龙江一带、四川盆地及西南地区东部,潜在蒸发量较小。各分区年均潜在蒸发量均呈现减少趋势,西北诸河区倾向率最大,为-12.22 mm/10 a;影响潜在蒸散量的因子中,第1主成分为热力学因子,第2主成分为水分因子和辐射因子,第3主成分为地理因子和空气动力学因子,第4主成分为高程因子。     

基于AI指数的新疆干湿时空变化及其影响因素分析

论文基于新疆53个气象站点1961-2013年逐日气温、降水、风速、日照时数、相对湿度、大气环流指数和太阳黑子数据,应用Penman-Monteith模型、ArcGIS反距离加权插值、Mann-Kendall（M-K）检验、Morlet小波和主成分分析方法,分析其降水量、潜在蒸散量和AI指数时空变化及影响因素。结果表明：近53 a来,新疆降水量呈上升趋势,潜在蒸散量在波动中呈下降趋势,倾向率分别为8.81 mm/10 a和-28.73 mm/10 a,AI指数在波动中呈下降趋势,倾向率为 -0.05/10 a,多年平均值为0.5,表明新疆气候有变湿趋势。从年内分布看,降水量和潜在蒸散量呈单峰型分布,峰值分别出现在7月和8月,分别为24.58和137.12 mm;AI指数最大值滞后于降水量（7月）和潜在蒸散量（8月）,出现在9月,为0.9,最小值出现在1月,为0.46。新疆潜在蒸散量空间分布为南疆大于北疆,东部大于西部;降水量北疆大于南疆;AI指数的空间分布与降水量相反,总体表现为南疆大于北疆,盆地大于山区,M-K趋势介于0~-0.02/a之间,且北疆AI指数减小趋势较南疆更显著,与北疆比南疆更湿润的事实相符。新疆降水量和潜在蒸散量分别在1987和1981年发生突变,AI指数在1981和1984年存在两个明显的突变点。Morlet小波及其功率谱分析表明,降水量存在6.49、5.71和4.35 a（p≤0.05）的周期,蒸散量存在21.37 a（p≤0.2）的周期,AI指数存在6.62、3.45 a（p≤0.1）的周期,表明AI指数可能受大气环流和厄尔尼诺的影响。主成分分析表明,AI指数与气温呈正相关,与降水量呈负相关,且南疆比北疆对降水更敏感。此外,AI指数与维尔霍扬斯克-奥伊米亚康（WYMI）、ENSO关系密切,相关系数分别为0.46（p≤0.05）和-0.34（p≤0.05）。     

基于临近台站气象数据的参考作物蒸散量估算方法

参考作物蒸散量（ET₀）是评估区域植被耗水进而指导水资源优化管理所需的主要参数之一,但我国大部分地区标准化气象台站稀疏、部分研究点的气象资料通常难以获取,给ET₀的计算带来了很大困难。以地处内陆旱区的内蒙古河套灌区为例,利用该区4个标准气象站1981-2006年的气象资料,讨论了研究点在没有历史气象数据且现有气象数据不完备的情况下,采用临近台站气象数据估算ET₀的可靠性。估算方法分别为估算未知气象数据的FAO56 Penman-Monteith方程（PM56）、基于临近台站气象数据校正的经验公式以及利用临近台站气象数据训练的人工神经网络模型。结果表明：（1）在完全没有气象数据的条件下,可采用临近站点的气象数据估算研究点的ET₀,平均绝对误差（MAE）为0.43~0.52 mm d^-1,均方根误差（RMSE）为0.56~0.63 mm d^-1;估算精度与台站间的距离有关,利用维度信息校正太阳辐射值可提高估算精度。（2）仅有最高和最低气温数据时,估算气象数据的PM56方程计算误差较大,且站点之间表现不稳定,人工神经网络模型的估算精度最高,MAE和RMSE分别为0.14~0.22 mm d^-1和0.17~0.29 mm d^-1;校正后的Hargreaves公式的估算效果次之,MAE和RMSE分别为0.23~0.26 mm d^-1和0.30~0.31 mm d^-1。（3）在已知温度和辐射数据时,利用临近台站气象数据训练的人工神经网络模型依然表现最好,MAE和RMSE分别为0.13~0.19 mm d^-1和0.17~0.25 mm d^-1,其他两种方法误差较大。在内陆干旱条件下,利用研究点的气温数据结合临近台站的历史气象信息可有效估算参考作物蒸散发。     

地形和土地利用对黄土丘陵沟壑区表层土壤有机碳空间分布影响

研究地形和土地利用类型共同作用下表层土壤有机碳空间分布特征,对准确评估区域土壤有机碳的空间分布和变异特征具有重要意义。以黄土丘陵沟壑区燕沟流域3种地形部位(峁顶、峁坡、沟底)和8种土地利用类型(农田、果园、天然与人工草地、天然与人工灌木林、天然与人工乔木林)为研究对象,采集表层(0~20 cm)314个土壤样品用于研究地形和土地利用方式对黄土丘陵沟壑区小流域表层土壤有机碳空间分布的影响。地形和土地利用方式极显著(P0.000 1)影响小流域表层土壤有机碳含量与分布,并且交互作用显著(P=0.051 1)。地形影响下,土壤有机碳空间分布表现为沟底峁坡峁顶的变化趋势,土壤有机碳含量沟底(8.0 g/kg)、峁坡(7.1 g/kg)分别是峁顶(4.2 g/kg)的1.9、1.7倍。土地利用方式影响下,土壤有机碳空间分布表现为天然乔木天然灌木人工乔木天然草地人工灌木人工草地农田果园的分布变化规律。地形和土地利用交互作用下,农田、果园、天然草地在坡面水土流失条件下显示出土壤有机碳在沟底逐渐富集的特征,沟底有机碳含量农田(6.9 g/kg)、果园(8.8 g/kg)、天然草地(9.3 g/kg)分别是峁顶的1.9、2.0、1.9倍。林地(灌木林和乔木林)却表现为峁坡土壤有机碳含量远远高于沟底,天然乔木林且达到了显著水平,天然乔木峁坡土壤有机碳含量(24.6 g/kg)是沟底(16.4 g/kg)的1.5倍。     

黄土高原不同生态系统水土保持服务功能评价

以土壤保持量为评估指标,应用修正通用土壤流失方程,评估了黄土高原水土保持生态系统服务功能,分析了近20 a 来的黄土高原土壤保持量的空间分布及其动态变化,对于揭示全球气候变化背景下黄土高原林草植被建设的生态成效具有重要的科学价值和现实意义。结果表明：1990-2010 年黄土高原平均单位面积土壤保持量为305 t·hm^-2·a^-1,年均土壤保持总量为190×10⁸ t。1990-2000 年农田、草地和林地生态系统平均单位面积土壤保持量分别为249、285 和640 t·hm^-2·a^-1,2000-2010 年平均单位面积土壤保持量分别增加了14.6%、2.9%和7.4%。黄土高原草地和林地的土壤保持率分别为83%~88%和94%~97%。农田生态系统土壤保持量的空间分布特征表现为黄土丘陵沟壑区和黄土高塬沟壑区较大,农灌区和河谷平原区偏低;草地和林地生态系统土壤保持量的空间分布特征表现为沿东南向西北减少的变化趋势。与1990-2000 年不同,2000-2010 年农田、草地和林地生态系统土壤保持量的空间变化特征表现为较为明显的增长趋势,尤其是黄土丘陵沟壑区陕西榆林、延安地区和山西吕梁山区一带。     

南亚高压对四川盆地夏季区域持续性O3污染的影响

基于2015~2020年四川盆地臭氧（O₃）浓度监测数据,构建O₃区域性持续性污染过程个例库,并进一步时空匹配高低空气象资料,探究夏季南亚高压系统对四川盆地地面气象要素及O₃污染生成的影响机制.结果表明：（1）2015~2018年四川盆地O₃区域性持续性污染（ORPP）逐年加重,2018~2020年保持相对稳定的污染态势,且ORPP多集中于春、夏两季.盆地中南部成都、重庆、泸州等城市O₃污染形势最为严峻,且高值区逐渐向南北方向转移.（2）基于南亚高压（系统存在率、中心离散度与东西振荡量）对地面气象要素的影响阐释ORPP的生成机制：系统存在率均值偏低且位置偏东时,平均气温、气温日较差及日照时数偏高,相对湿度偏低,利于O₃生成;南亚高压东模态中心显著聚集时,气温日较差与日照时数激增,易造成O₃异常高值;西模态剧烈振荡时,气温日较差、日照时数及相对湿度改变,易使O₃浓度波动.（3）对比清洁期与污染期,南亚高压系统存在率、中心离散度与东西振荡量综合作用于清洁期,而污染期则主要受中心离散度与东西振荡量影响.当南亚高压西模态剧烈振荡与东模态显著聚集配合出现时,极易诱发四川盆地内ORPP二级过程.     

1961—2019年黄土高原植被潜在蒸散及影响因子

研究潜在蒸散对于深刻了解区域的生态环境问题及水文循环过程具有重要的理论与现实意义.该研究基于Penman-Monteith模型对1961—2019年黄土高原潜在蒸散的时空变化特征进行了分析,再结合土地利用数据探究了各植被类型潜在蒸散的差异及其影响因素.结果表明:①1961—2019年黄土高原区域呈暖干化趋势,其中平均最高温度、平均最低温度与平均温度均呈显著增加趋势;平均相对湿度、平均风速、日照时数均呈显著降低趋势;降水量非显著减少.②在空间分布格局上,黄土高原区域年均、生长季、春季、夏季和秋季潜在蒸散均呈南北高、东西低的分布特征;1961—2019年春季潜在蒸散以0.41 mm/a的速率显著增加(P < 0.05).③1981—2019年黄土高原区域潜在蒸散平均变化趋势为1.35 mm/a,其中62.98%的区域呈显著增加趋势(P < 0.05),多分布在东部和西部地区.④1961—2019年黄土高原区域各植被类型潜在蒸散变化均表现为不显著上升趋势,多年平均潜在蒸散大小表现为草原>农田>针叶林>草甸>阔叶林>灌丛,其中,1981—2019年各植被类型潜在蒸散增加趋势大小表现为阔叶林>针叶林>灌丛>农田>草甸>草原.⑤影响黄土高原区域各植被类型潜在蒸散的主要气象因子为平均风速与平均相对湿度,其次为日照时数.潜在蒸散随着平均风速和日照时数的增加而增加,随着平均相对湿度的增加而减小.研究显示,各植被类型潜在蒸散的增加与区域降水的减少可能会加剧水资源短缺态势,建议黄土高原地区在开展植被恢复工作时,应优先考虑耗水较少的树种,优化群落植被结构,充分利用光水热资源,修建蓄水设施,支撑区域生态环境的可持续发展.      

运用地理探测器研究京津冀城市群PM2.5浓度变化及影响因素

研究京津冀城市群PM_2.5浓度时空格局变化和影响因素,对区域大气环境保护和经济可持续发展具有十分重要的意义.基于PM_2.5遥感数据、地面站点气象数据、DEM数据、MODIS NDVI数据、夜间灯光数据、人口密度数据、土地利用类型数据和路网数据,利用Theil-Sen Median趋势分析、Mann-Kendall显著性检验和Getis-Ord G_i*分析,运用地理探测器分析京津冀城市群PM_2.5浓度时空变化和空间聚集特征,并探究影响其空间分异的影响因素.结果表明：(1)2000—2021年京津冀城市群PM_2.5污染严重,全年平均PM_2.5浓度为59.94μg/m³,冬季是京津冀城市群PM_2.5污染的高发季,但京津冀城市群PM_2.5浓度总体呈下降趋势,变化斜率为–0.85μg/(m³·a).(2)PM_2.5浓度在空间上呈东南高、西北低的分布格局,且P...