泾惠渠灌区潜在蒸散发量的敏感性及变化成因

潜在蒸散发量(ET₀)是计算作物需水量的关键因子和制定灌溉制度的依据,敏感性分析对评估气候变化对ET₀的影响至关重要.根据泾惠渠灌区4 个气象站1961—2011 年逐日气象资料,采用Penman-Monteith 公式计算日ET₀,应用Mann-Kendall 趋势检验方法研究气象因子变化趋势,采用无量纲的相对敏感系数分析ET₀对4 个主要气象因子的敏感性,结合气象因子的多年变化定量分析ET₀的变化成因.结果表明,泾惠渠灌区风速和日照时数呈显著下降趋势,气温呈显著上升趋势,相对湿度在南部和东南部呈显著下降趋势,而西部和东北部呈不显著的上升趋势,ET₀呈显著下降趋势;ET₀对相对湿度、太阳辐射、风速和气温的敏感系数分别为-0.77、0.41、0.16 和0.08;风速和太阳辐射的显著下降是灌区ET₀下降的主要原因.     

基于GTWR-XGBoost模型的四川省PM2.5小时浓度估算

卫星气溶胶光学厚度(AOD)和气象数据已被广泛用于估算空气动力学直径≤2.5μm的地表颗粒物(PM_2.5)浓度.研究高时间分辨率、高精度的PM_2.5浓度估算方法,对及时准确的空气质量预报和大气污染的预防及缓解具有重要意义.使用Himawari-8 AOD小时产品和ERA5气象再分析资料作为估算变量,提出GTWR-XGBoost组合模型,对四川省PM_2.5小时浓度进行估算.结果表明：(1)提出的组合模型运用于全数据集的性能优于KNN、 RF、 AdaBoost、 GTWR、 GTWR-KNN、 GTWR-RF和GTWR-AdaBoost模型,拟合精度指标R²、 MAE和RMSE分别为0.96、 3.43μg·m^-3和5.52μg·m^-3,验证精度指标R²、 MAE和RMSE分别为0.9、 4.98μg·m^-3和7.92μg·m^-3.(2)该模型作用于PM_2.5浓度小时估算...     

光照、流速和水温对大型人工输水渠道自净影响

以南水北调中线总干渠为对象,通过实验室模拟培养测定污染物降解系数,分析了光照、流速和温度对渠道自净能力的影响.结果显示,避光和光照条件下,高锰酸盐指数的降解系数分别为0.026和0.022d^-1,无显著性差异（P>0.05）;氨氮的降解系数分别为0.006和0.012d^-1,差异极显著（P<0.01）.各流速条件下高锰酸盐指数降解系数分别为0.027d^-1（0.2m/s）、0.029d^-1（0.3m/s）、0.029d^-1（0.4m/s）,氨氮降解系数分别为0.014d^-1（0.2m/s）、0.017d^-1（0.3m/s）、0.018d^-1（0.4m/s）,不同流速之间无显著性差异,但均显著高于0m/s实验组（P<0.05）.各温度条件下高锰酸盐指数降解系数分别为0.014d^-1（10℃）、0.018d^-1（15℃）、0.022d^-1（20℃）、0.029d^-1（25℃）和0.031d^-1（30℃）,25~30℃差异不显著（P>0.05）,其他各温度梯度之间均存在显著性差异;氨氮降解系数分别为0.002d^-1（10℃）、0.003d^-1（15℃）、0.010d^-1（20℃）、0.012d^-1（25℃）和0.020d^-1（30℃）,10~15℃、15~20℃和20~25℃差异不显著,其他温度梯度之间均具有显著差异.高锰酸盐指数和氨氮的温度校正系数θ值分别为1.047和1.079.研究结果可为中线工程水质管理提供依据.     

基于LME/BME的珠江三角洲PM2.5星地融合技术研究

收集并处理了遥感反演的气溶胶光学厚度（AOD）、归一化植被指数（NDVI）和气象数据,采用贝叶斯最大熵（BME）结合线性混合模型（LME）估算了2015年10月~2016年3月珠江三角洲地区近地表旬平均PM_2.5质量浓度.结果表明,LME+BME模型的预测精度比LME模型有较大提升,LME+BME模型的交叉验证结果R²为0.751,RMSE为6.886μg/m³,MAE为4.52μg/m³,而LME模型的交叉验证结果R²为0.703,RMSE为7.546μg/m³,MAE为4.927μg/m³.空间分布看,PM_2.5高浓度地区主要集中在广州、佛山、东莞等地区,低浓度地区主要集中在肇庆、惠州、江门的南部等地区;时间变化看,PM_2.5污染比较严重的时间为2015年10月中旬、2015年11月下旬以及2016年3月下旬,而2015年10月上旬、2015年12月上旬和2016年1月下旬污染则相对较低.     

基于混合效应模型的京津冀地区PM2.5日浓度估算

利用2016年182d的MODIS 3km AOD数据与地面监测数据,评估了混合效应模型不同参数组合的模拟性能,得出模型在解释AOD-PM_2.5关系时,对时间序列变异的解释能力要比空间差异更佳.在此基础上,利用混合效应模型建立京津冀地区每日的AOD-PM_2.5关系,模型拟合R²为0.92,交叉验证调整R²为0.85,均方根误差（RMSE）为12.30 μg/m³,平均绝对误差（MAE）为9.73 μg/m³,说明模型拟合精度较高.基于此模型估算的2016年京津冀地区年均PM_2.5浓度为42.98 μg/m³,暖季（4月1日~10月31日）为43.35 μg/m³,冷季（11月1日~3月31日）为38.52 μg/m³,与同时期的地面监测数据差值分别为0.59,0.7,5.29 μg/m³.空间上,京津冀地区的PM_2.5浓度呈现南高北低的特征,有一条明显的西南-东北走向的高值区.研究结果表明,基于每日混合效应模型可以准确评估京津冀地区的地面PM_2.5浓度,且模型估算的PM_2.5浓度分布状况为区域大气污染防治提供了基础的数据支撑.     

基于支持向量机回归和小波变换的O3预报方法

使用南京工业区2016年6月1日~8月15日的臭氧（O₃）、O₃前体物及常规气象数据，结合多元线性回归（MLR）方法和小波变换（WT）改进支持向量机回归（SVR）对O₃小时浓度的预报精度.结果表明，通过WT方法将一个高变异性的序列转化为多个低变异性的序列后再处理可提高预报精度，M-WT-SVR预报的决定系数（R²）达到0.90，平均绝对误差（MAE）、平均绝对百分误差（MAPE）和均方根误差（RMSE）分别为3.86×10^-9、28.26%和5.57×10^-9，优于M-SVR和SVR.低层细节序列主要与NO、NO₂和芳香烃有关，而更高层的近似序列受到气象条件、前体物和O₃前期浓度共同影响.与经典的MLR方法相比，M-WT-SVR对O₃小时浓度的预报有明显优势.     

粤港澳大湾区大气PM2.5浓度的遥感估算模型

PM_2.5对大气环境和人类健康危害极大,及时准确地掌握高时空分辨率的PM_2.5浓度对空气污染防治起着重要作用.基于粤港澳大湾区2015～2020年多角度大气校正算法(MAIAC)1 km AOD产品、 ERA5气象资料和站点污染物浓度(CO、 O₃、 NO₂、 SO₂、PM₁₀和PM_2.5),分别建立了估算PM_2.5浓度的时空地理加权模型(GTWR)、 BP神经网络模型(BPNN)、支持向量机回归模型(SVR)和随机森林模型(RF).结果表明,RF模型的估算能力优于BPNN、 SVR和GTWR模型,BPNN、 SVR、 GTWR和RF模型的相关系数依次为0.922、 0.920、 0.934和0.981,均方根误差(RMSE)分别为7.192、 7.101、 6.385和3.670μg·m^-3,平均绝对误差(MAE)分别为5.482、 5.450、 4.849和2.323μg·m^-...     

基于机器学习的珠三角秋季臭氧浓度预测

基于2015～2022年珠三角地区的臭氧(O₃)日最大8 h浓度平均值[MDA8-O₃,ρ(O₃-8h)]的观测数据和气象再分析数据,运用支持向量回归(SVR)、随机森林(RF)、多层感知机(MLP)和轻量级梯度提升机(LG)这4种机器学习方法,建立MDA8-O₃预测模型.结果表明,对于全年MDA8-O₃预测而言,SVR模型的效果最好,决定系数(R²)达0.86,均方根误差(RMSE)和平均绝对误差(MAE)分别为16.3μg·m^-3和12.3μg·m^-3;对于秋季MDA8-O₃预测而言,SVR模型的效果依然略优于LG和MLP,其R²、 RMSE和MAE分别为0.88、 19.8μg·m^-3和16.1μg·m^-3,RF模型在秋季的预测效果最差.采用全年数据构建的模型对秋季MDA8-O₃的预测效果比仅采用秋...     

鸡粪中高温厌氧甲烷发酵产气潜能与动力学特性

采用富含氮素的鸡粪为原料,包括原料鸡粪、鸡粪固相部分和鸡粪液相部分,选取以鸡粪为原料连续稳定运行超过90d的中高温厌氧反应器新鲜出料为接种污泥,在中温（35℃）和高温（55℃）条件下开展动力学和产甲烷潜能试验.采用Gompertz模型、一级动力学模型和两阶段模型对鸡粪中高温累积产甲烷量进行拟合.结果表明,鸡粪中高温甲烷发酵均呈现明显的快速产气期和慢速产气期两阶段特征,快速产气期的动力学常数K₁分别为0.4174和0.2104d^-1,快速产气分别在4.5和6.5d结束,快速产气量占到总产气量的69%和58%.原料鸡粪和液相部分的中温发酵动力学常数（K₁）分别为0.4177和0.2330d^-1,均高于高温的0.1721,0.2214d^-1,发酵产气速率较快.鸡粪固相部分中温发酵的动力学常数为0.1960d^-1,低于液相中温发酵的0.2330d^-1和固相高温的0.2310d^-1,中温条件下,水解过程是限制鸡粪甲烷发酵速率的主要因素之一.鸡粪固体和鸡粪液体高温发酵的动力学常数K分别为0.2310,0.22214d^-1,鸡粪固体发酵产甲烷的速率快于液相部分,水解过程不是限制鸡粪高温发酵产甲烷速率的最主要因素.产甲烷潜能试验表明鸡粪在中温和高温下产甲烷潜能分别为212,177mL/gTS.因此,仅从发酵效率的角度考虑,鸡粪中温发酵比高温发酵的产甲烷潜能更高,产甲烷速率更快.     

基于XGBoost算法的近地面臭氧浓度遥感估算

本文采用XGBoost机器学习算法,融合臭氧浓度地面监测数据、欧洲中期天气预报中心的ERA5数据集、中国多尺度排放清单模型构建的排放清单数据集、高分辨率遥感影像（TROPOMI＿NO₂、OMI＿NO₂）以及人口数据和DEM数据,构建训练估算数据集,开展近地面臭氧浓度估算研究.模型构建采用递归式特征消除法进行特征变量的选择,并对其进行十折交叉和自建模验证,R²分别为0.871和0.955,RMSE分别为12.8μg·m^-3和7.514μg·m^-3.同时进行了高分辨率遥感影像对估算结果的贡献分析,结果表明引入TROPOMI＿NO₂因子参与建模可校正近地面臭氧浓度普遍被低估现象.模型模拟结果显示臭氧浓度回归估算结果层次更加分明、条带现象消失、连续性和平滑性明显改善.     

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ET₀的计算模型,为农业用水管理及水资源优化配置提供帮助。     

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。     

基于岭估计的青海省东部农业区ET_0遥感反演研究

论文利用青海东部农业区内的12个气象站2003—2005年气象资料,应用Penman-Monteith公式计算得到各站逐旬的ET_0值,并进一步研究其与高程(DEM)、地表温度(LST)及归一化植被指数(NDVI)3个因子之间的关系,提取遥感数据并耦合到时间分辨率为旬,空间分辨率为1 km,将其与计算所得ET_0建立多元反演模型。由于3个自变量因子之间存在着很强的相关关系,LST与NDVI间判定系数R2平均在0.7左右,不能直接用最小二乘回归方法建立模型。为有效避免自变量间相关性对模型的影响,研究中采用岭估计方法建模。结果表明,通过岭估计建立2003年10~33旬区域二元模型反演最低精度达76.19%,区域三元模型反演最低精度也有83.54%。与传统方法所建模型相比,检查点均方根误差减小约1.1,反演最低精度提高11%左右,能满足实际应用需求。     

黄土塬面保护区潜在蒸发量时空变化及其与气象、环流因子关系分析

黄土塬面是黄土高原地区主要的农业分布区和人口聚居地,地位十分重要。黄土塬面潜在蒸发量（ET₀）的研究对于区域水循环研究、水土流失防治及农业的可持续发展具有重要意义。基于黄土塬面保护区1960—2017年的气象数据,利用Penman-Monteith模型、小波分析、Mann-Kendall非参数检验等方法研究了黄土塬面保护区ET₀的变化规律及其与气象、环流因子间的关系。结果表明：（1）黄土塬面保护区多年平均ET₀为1173.4 mm,总体呈现增长趋势,增长率为21.1 mm/10 a;其生长季平均ET₀值及增长率均高于非生长季平均ET₀。（2）该区多年平均ET₀空间分布特征表现为东部高西部低,西部甘肃塬区多年平均ET₀远低于东部山西塬区。（3）过去58年来,区域年均、生长季、非生长季ET₀均呈现出增长趋势,但空间差异明显;研究区年均ET₀存在着10年、30年和50年的震荡周期,其中以30年周期为主周期。（4）气温是控制区域ET₀变化的最重要的气象因子,但气温对ET₀的影响具有明显的空间差异,在整个研究区内最低气温影响最显著;而甘肃塬区和陕西塬区的ET₀变化主要受平均气温变化的控制,在山西塬区最高气温的变化是区域ET₀变化的主要控制因子。（5）遥相关分析结果显示太平洋/北美指数（PNA）与北大西洋年代尺度振荡（AMO）对该区域ET₀变化有一定影响,西太平洋海温指数（WPI）的变化影响区域非生长季ET₀变化。     

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）。     

基于优化参数的陕西省气温、降水栅格化方法分析

基于统计、地统计基本原理,运用传统插值法、地统计插值法、多元回归法和模拟气象站点法4 大类11 种方法,对陕西省2003-2012 年平均气温、降水量数据进行栅格化。结果表明:① 多元回归法和模拟气象站点法均能大幅提高气温数据的估测准确度,且多元回归法对气温的表示更加精细,其中以“回归+残差IDW(Inverse Distance Weighting)”法精度最高,MAE、RMSE、R²分别为0.498、0.775 和0.954 8;② OK(Ordinary Kriging)法对降水数据的估测准确度最高,MAE、RMSE、R²为46.934、69.251 和0.947 8;③ 气温、降水栅格化方法具有明显的区域性,不存在绝对普适的最优方法,应根据数据类型、地域特征对原始数据进行探索性分析,从而获得区域最适合的栅格化方法;④ 陕西2003-2012 年多年平均气温为10.925 ℃,标准差2.221 ℃,气温随纬度、海拔的增加而降低,具有鲜明的纬度和垂直地带性;平均降水量为664.446 mm,标准差213.226 mm,降水呈现由南向北逐渐递减的趋势,纬度地带性较强。     

基于MRMR-HK-SVM模型的PM2.5浓度预测

以赣州市2017年全年的空气质量和气象数据为研究对象,通过最大相关最小冗余算法（MRMR）提取出最优的特征子集,并将其作为预测模型的输入数据,同时构造混合核函数（HK）对传统的支持向量机模型（SVM）进行改进,最终建立MRMR-HK-SVM模型.实验结果表明,MRMR-HK-SVM模型有着更低的平均绝对误差（MAE）、平均绝对百分比误差（MAPE）和均方根误差（RMSE）,相较于传统SVM模型,预测结果平均绝对误差下降了26.9%,且能更加准确的追踪到PM_2.5浓度的突变时刻.可见,MRMR-HK-SVM模型具有更好的泛化能力,能够更加精确地预测PM_2.5浓度.