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。     

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。     

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。     

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。     

北京潜在蒸散发量年内-年际的气候变化特征及成因辨识

论文基于北京站1951—2009 年的气象资料,采用Penman-Monteith 公式估算潜在蒸散发,并对其年际年内的变化特征进行辨析。结果表明:北京1951—2009 年年均潜在蒸散发量呈显著上升趋势;气象要素的敏感性从强到弱依次为:空气相对湿度、温度、太阳辐射和风速;论文提出实测变幅均值法,基于此方法考虑气象要素年内变化特征,估算温度、饱和差、风速和太阳辐射的贡献率分别为13%、58%、17%和11%;对气象因子的年际变化趋势进行分析,平均气温在0.05 显著水平下增加趋势显著,太阳辐射和空气相对湿度在0.05 显著水平下减少趋势显著,风速变化趋势没有通过显著性检验;综合考虑年际变化和敏感性的去趋势分析显示:温度增加和空气相对湿度减少是造成潜在蒸散发增加的主要原因,太阳辐射的减少使得其增加趋势有所减弱,但未改变其增加趋势。     

江苏省大气复合污染特征与相关气象驱动

基于2014~2017年江苏省13个市的PM_2.5浓度和O₃_8h_max数据,探讨了其时空分布特征.在此基础上,研究了日益升高的近地层O₃浓度与气象因子的关系.结果表明：江苏省2014~2017年PM_2.5浓度整体上呈下降的趋势,年均浓度减少率为6.06μg/m³,而O₃_8h_max整体上呈上升趋势,年均浓度增长率为3.84μg/m³.总体上,PM_2.5浓度呈现冬春高、夏秋低的V型月变化特征,O₃_8h_max则基本呈现不规则的M型,在5月份达到峰值后逐渐降低,又在7~9月份保持平缓,而后又逐渐下降.空间上,江苏省PM_2.5浓度呈现"内陆高,沿海低"的状态,而O₃_8h_max却呈现"沿海高,内陆低"的状态.与气象因子的相关性表明,O₃浓度与气温和太阳辐射呈正相关关系,与相对湿度呈负相关关系,太阳辐射对O₃浓度的影响最大,其次是温度和相对湿度.当日平均气温在20~30℃、相对湿度在50%~70%、太阳辐射强度高于150w/m²时O₃浓度容易出现超标.     

植被下垫面Z0的估算及其改进影响评估

利用卫星遥感反演数据和多种观测资料,基于形态学-遥感反演的方法,估算我国主要植被下垫面的空气动力学粗糙度长度(Z₀),将其应用于区域大气化学模式(WRF-Chem)中改进模式默认Z₀值,并结合全国气象和污染物观测数据进行改进效果评估,探究Z₀改进对模式气象场和化学场模拟结果的影响.结果表明:(1)Z₀高值主要位于森林类下垫面,可超过1m;农田、草地类下垫面Z₀值较小,低于0.5m,其余植被下垫面的Z₀值基本介于两者之间.(2)Z₀改进后,10m风速(WS10)和地表温度(TSK)的改进效果较好,而2m温度(T2)和相对湿度(RH)的改进效果不明显;从空间分布和不同下垫面结果来看,Z₀对TSK主要是增温作用,对WS10是减小作用;就改进比(各要素改进后的模拟值与改进前的模拟值之差比上改进前的模拟值,下同)而言,Z₀改进对WS10的影响大于TSK.从对污染物浓度效果评估看,Z₀对PM_2.5和PM₁₀模拟改进效果较好,对其它污染物(SO₂、NO₂、O₃)的改进效果不明显.(3)对比气象要素和污染物浓度效果评估可知,Z₀改进对气象要素的影响大于污染物浓度,其主要是通过影响气象场来间接影响污染物浓度.总的来看,Z₀改进影响最大的是气象场的10m风速,考虑其原因在于改进后的Z₀普遍高于改进前模式默认Z₀值,而Z₀是表征地表粗糙度的变量,由于地表粗糙度的增加,增强了对气流的阻碍作用,使得近地层风速减小.     

兰州市大气臭氧与其前体物及气象因子相关性研究

兰州市在"一带一路"建设中发挥着重要的战略支点作用.基于OMI（ozone monitoring instrument,臭氧层监测仪）数据产品,对2006-2015年兰州市对流层O₃柱浓度与前体物及气象因子的相关性进行研究.结果表明:2006-2015年兰州市对流层O₃柱浓度值与HCHO总柱浓度值均随时间的变化呈先增后减的趋势,对流层NO₂柱浓度值呈逐年递减的趋势;相关性分析得出,对流层O₃柱浓度与HCHO总柱浓度、对流层NO₂柱浓度相关性较高的地区范围呈先增后减的趋势.在敏感控制区上,2006-2015年VOCs敏感控制区从有到无,VOCs-NO_x协同敏感控制区范围逐渐缩小,NO_x敏感控制区范围逐渐扩大;在气象因子上,对流层O₃柱浓度与气温、日照时间呈显著正相关,与气压、降水量呈显著负相关.在偏北风向上,风速为1.7~1.9 m/s时,兰州市大气对流层O₃柱浓度相对较高.研究显示,NO_x排放量的减少能有效降低兰州市对流层O₃柱浓度.      

基于数值模拟与资料同化探究长三角地区冬季PM2.5污染过程的气象影响

细颗粒物(PM_2.5)累积主导着长三角地区冬季空气污染,其中,气象要素具有重要的作用.本文结合WRF-Chem模式和WRF-FDDA技术,针对2019年1月12—16日发生在长三角地区的一次典型PM_2.5污染过程进行数值模拟分析.通过敏感性试验,量化分析地面气象因素（温度、风速、相对湿度）对该地区PM_2.5浓度的影响,并利用对自动气象站观测资料的四维资料同化试验,探究气象场改进对PM_2.5模拟的改善.模拟结果表明,长三角地区PM_2.5污染受气象条件影响程度较为显著,PM_2.5浓度与风速和温度呈显著负相关,与相对湿度呈正相关.水平风速减少40%、温度增加3℃、相对湿度增加20%分别造成了+4.68%、-2.82%与+2.2%的PM_2.5浓度变化.而同化气象资料显著地改善了模拟的气象场精度,其均方根误差（RMSE）统计项中相对湿度减小9.68%,温度减小1.02℃,风速减小0.35 m·s^-1,这也使得PM_...     

不同时间尺度气象要素与空气污染关系的KZ滤波研究

空气污染状况受气象要素和污染源排放的共同影响,为了评估大气污染控制措施的效果,需将由污染源排放的浓度数据分离出来.本文利用KZ滤波方法将天津市6个监测站点2015~2017年逐日的O₃、PM_2.5和PM₁₀浓度资料和6个同期气象数据分解为长期分量、短期分量和季节分量,计算各分量对原始时间序列方差的贡献.采用逐步回归法建立O₃及颗粒物3种分量与相应尺度气象要素的线性模型.结果表明,上述3种污染物浓度数据经分解后,季节分量对总方差贡献最大,其次为短期分量;气温和相对湿度是影响O₃季节和短期分量的主要气象因素,其中温度占主导地位,且呈现正相关,与相对湿度呈负相关;风速、气压、降水与颗粒物的短期及季节浓度变化呈负相关,相对湿度与之呈正相关,温度与短期分量呈正相关、与季节分量的变化呈负相关;经逐步回归消除气象影响的PM₁₀的长期分量有波动下降的趋势,PM_2.5浓度在2017年年初有所上升,其余部分有下降趋势,O₃长期分量浓度有所上升;这几年间颗粒物污染控制措施的效果较为显著,O₃污染有所加重.     

三江源区潜在蒸散时空分异特征及气候归因

地面潜在蒸散变化对水分循环与能量平衡的研究具有重要意义。论文利用青藏高原三江源区18 个气象台站的月、年气象资料,基于FAO Penman-Monteith 公式和通过修订的辐射计算模型,估算了该地区的潜在蒸散量,分析了1961—2012 年三江源潜在蒸散的空间分布和时间演变,探讨了影响该区域潜在蒸散时空分异的主导因子,主要结论如下:三江源地区多年平均潜在蒸散的范围在732.0~961.1 mm之间,平均为836.9 mm。分布格局为东北、西南高,中部低。夏秋季与全年的潜在蒸散分布格局相似;1961—2012 年,三江源地区年平均潜在蒸散整体上以0.69 mm/a 的速率增加,年潜在蒸散的增加主要体现在夏季,以0.17 mm/a 的速率上升,其余季节变化不明显;相对湿度、最高气温和年总辐射的差异导致了年潜在蒸散的空间分布差异,三者贡献率分别为59.8%、22.2%、14.4%;最高气温的上升、总辐射的增加和相对湿度的降低是三江源地区年潜在蒸散呈增加趋势的主要原因,三者贡献率分别为56.9%、35.6%、2.7%,影响年潜在蒸散的因子组合和贡献率在不同区域有一定差异。年潜在蒸散影响因子中风速影响较小,是三江源地区潜在蒸散变化有别于国内其他地区的特征之一。     

新安江上游流域径流变化特征与归因分析

开展变化环境下新安江上游流域径流变化及其归因的研究,有助于理解湿润区水循环过程对气候变化和人类活动的响应机制。利用实测径流、气象资料和遥感植被指数（NDVI）数据,基于布迪克假设框架的弹性系数法,分析了新安江上游降水、潜在蒸散发（ET₀）和植被变化对径流的影响。结果表明：（1）实测径流序列转折点发生在1999年左右。2000-2015年径流深较1983-1999年下降了281 mm,相对变化率为20.8%,且21世纪初期径流下降尤为显著。（2）2000-2015年下垫面参数n较1983-1999年增加了52.5%,植被变化对径流影响显著增强。径流对气候变化更加敏感,且对降水敏感性超过潜在蒸散发。（3）气候变化是径流变化的主导因素,其次为植被变化。气候变化和植被变化分别导致径流深下降了145.37 mm和140.96 mm,贡献率分别为50.77%和49.23%。NDVI在2000年后增加显著（P<0.001）,植被变化的水文效应超过了降水和潜在蒸散发,未来长期的植被生态水文效应研究仍需进一步加强。     

北京PM10持续污染及与常规气象要素的关系

北京PM₁₀持续污染已成为重要的污染现象.选用2000年6月─2002年12月北京空气质量日报和2003年1月─2006年2月9个代表站逐日ρ(PM₁₀)监测资料,利用奥林匹克体育中心站的数据分析了2003年以来北京地区空气污染状况,总结了该站近4年的PM₁₀持续污染变化趋势,并统计其与相对湿度、温度、风速和风向等常规气象要素的相关性.结果表明:①北京近几年秋末PM₁₀持续污染有加重趋势,各站点污染具有同步性;②PM₁₀持续污染以春、秋、冬季出现次数多,概率大,相对湿度、风速和风向对其影响较大,其中相对湿度与秋、冬两季持续污染概率的相关系数分别为0.96和0.97,相关性较好.      

2014—2020年河南省PM2.5-O3复合污染特征及气象成因分析

为了解河南省PM_2.5-O₃复合污染特征及气象成因,本文基于2014—2020年河南省18个地级市的空气质量国控点数据及常规地面气象观测数据,对河南省PM_2.5-O₃的复合污染时空特征及关键气象因子影响进行分析.结果表明：(1)在空间分布上,PM_2.5-O₃复合污染天数呈由河南省中北部向周围逐渐减少的特点,而O₃单污染和PM_2.5单污染高发区均主要集中于豫北地区.(2)在时间特征上,2014—2020年PM_2.5-O₃复合污染天数呈先增加后减少的特征,最多为12 d (2014年),2016—2017年未出现复合污染;PM_2.5单污染和O₃单污染天数均呈“M”型变化趋势,PM_2.5单污染天数的2个峰值分别出现在2015年和2019年,分别为174和93 d,O₃单污染天数的2个峰值分...     

沈阳空气质量对到达地面太阳辐射的影响分析

利用沈阳国家基本气象站1961~2017年气象观测数据和沈阳市2013~2017年逐日空气质量监测数据,研究了沈阳市太阳辐射与空气质量变化特征,及空气质量对到达地面太阳辐射的影响.结果表明：20世纪90年代之后沈阳市太阳总辐射“变亮”与日照增多、大气清洁度增加有关,与总云量、水汽压基本不存在线性相关关系.太阳辐射与空气质量的季节特征相反,太阳总辐射总体为春夏季和初秋强、深秋和冬季弱,而SO₂、NO₂、CO、PM₁₀、PM_2.5质量浓度以及AQI指数为春夏季和初秋低、深秋及冬季高.在气象因子差异不大的情况下,空气质量情况是影响太阳辐射偏强或偏弱的关键因素,SO₂、NO₂、CO、PM₁₀、PM_2.5质量浓度偏低是沈阳2017年太阳总辐射、直接辐射异常强的主要原因之一.晴天情况下,沈阳空气质量三级较二级情况下太阳总辐射平均衰减了10%,直接辐射平均衰减了18%.12月下旬的晴天严重污染日,空气污染可导致直接辐射减少67%,总辐射减少34%.PM_2.5的削光作用更为明显,PM_2.5为首要污染物的晴天平均太阳直接辐射衰减明显大于以SO₂和PM₁₀为首要污染物的情况,虽然PM_2.5为首要污染物时的日平均散射辐射大于PM₁₀为首要污染物的情况,但不足以补充其对直接辐射的衰减,进而导致总辐射衰减.     

哈尔滨市臭氧时空分布特征及气象要素的关系

利用2015~2018年哈尔滨市臭氧（O₃）监测数据，与其他典型城市进行对比，详细分析了哈尔滨市O₃的时间和空间分布特征，及其与气象要素的关系。结果表明：哈尔滨市2015~2018年O₃污染程度比北上广及长春，沈阳，大连等城市轻；哈尔滨市O₃污染具有明显的季节特征，春夏季O₃超标率大于秋冬季；月变化趋势呈现倒“U”型，O₃高值集中在5~7月；日变化为单峰分布，在13：00~15：00时浓度维持在全天高值； O₃浓度表现为“周末效应”，工作日O₃浓度略高于周末；空间分布特征表明：哈尔滨市外围郊区O₃浓度普遍高于内围市区；在O₃污染高发的5~7月，太阳辐射强度在800~1200W/m²、气温越高、风速越大和相对湿度越小，O₃超标率越高。     

2013—2018年中国近地面臭氧浓度空间分布特征及其与气象因子的关系

气象因子对近地面臭氧（O₃）浓度有重要影响.为探究O₃与气象因子的关联特征以及O₃的周期性特征,利用反距离权重插值、Kolmogorov-Zurbenko滤波和多元线性回归分析了2013—2018年我国O₃和气象因子数据.结果表明:①2013—2018年中国O₃日最大8 h滑动平均值〔ρ（O₃-max-8 h）〕第90百分位数呈上升趋势,增速为2.6 μg/（m3·a）;ρ（O₃-max-8 h）高值区（≥180 μg/m3）主要分布在华北平原和长江中下游平原一带,高值区范围在华北平原地区呈扩大趋势,在长三角和珠三角地区呈缩小趋势.②ρ（O₃-max-8 h）短期和季节分量的贡献在空间上呈“互补”的分布特征.短期分量的贡献（75%）在东南沿海地区最高,在内陆大部区域较低（< 30%）;季节分量的贡献（15%）在东南沿海地区最低,在内陆大部区域较高（>60%）.③在华北平原至长三角地区一带,长期气象因子变化是ρ（O₃-max-8 h）升高的重要原因;而在华南、西南和东北区域,气象因子变化对ρ（O₃-max-8 h）的影响并不显著.④ρ（O₃-max-8 h）与温度、太阳总辐射量的相关性（r>0.86）均在四川盆地至湖北省一带最高,ρ（O₃-max-8 h）与相对湿度在中部和西部区域呈正相关（r>0.64）,ρ（O₃-max-8 h）与风速在华北平原呈强正相关（r>0.89）.研究显示,中国近地面O₃具有显著的时空分布特征,气象因子与太阳总辐射量对O₃空间分布的影响具有较大的区域差异.