贵州省参考作物蒸散发量的时空变化分析

利用1960～2009年贵州省18个气象站的逐日气象资料,应用FAO Penman-Monteith方程,计算了参考作物蒸散发量(ET0),分析了贵州省参考作物蒸散发量时空变化特征以及主要影响因素。结果表明:贵州省各个地区年均ET0在634～936mm之间;从1960年到2009年,年参考作物蒸散发量总体呈下降趋势,年际变化率为-1.70mm/a;从20世纪60年代起,各年代ET0呈减小趋势;春季、夏季和冬季的ET0下降趋势显著,秋季的下降趋势不明显;对全年和各个季节的ET0影响最大的气候因素都是日照时数。贵州省显著减小的日照时数可能是ET0呈减小趋势的原因。     

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。     

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。     

东北地区参考蒸散量的变化特征及其成因分析

蒸散是水分运动过程中地表热量平衡和水分平衡的组成部分,是影响气候变化的重要一项。进行蒸散量变化的研究,对了解气候变化、探讨水分循环变化规律具有十分重要的意义。论文利用东北地区124个气象站1961—2007年的日气象数据,采用Penman-Monteith方程计算了参考蒸散量,分析了参考蒸散量的变化趋势及其变化原因。结果表明,在这47 a间,东北地区年平均气温以0.38℃/(10 a)的趋势递增,但是参考蒸散量总体上却以4.4 mm/(10 a)的速度递减。在地区分布上,三分之二的地区参考蒸散量呈下降趋势,显著下降的地区集中在辽宁朝阳地区,三分之一的地区参考蒸散量呈上升趋势,主要集中在辽宁南部和吉林东部地区。对有关各气象因子分析表明,影响参考蒸散量的主要因子为日照时数和风速。     

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。     

内蒙古典型草原作物系数和实际蒸散量的时空分布特征

利用内蒙古典型草原21个气象站点的气象和牧草观测资料,结合潜在蒸散量和改进的作物系数计算方法,模拟计算了2009年草原植被作物系数和实际蒸散量.在GIS软件的支持下,分析了二者的时空分布特点,并通过反映牧草长势的NDVI变化趋势予以验证.结果表明:5-8月间随着月份的增加作物系数Kc_x最大值的变化趋势由0.6→1.2→1.4→1.4,平均值是0.28→0.36→0.40→0.38.4个时期的Kc_x值以0.2~0.6之间的区域占主体,为55%以上.实际蒸散量在时间变化和空间分布上与Kc_x值基本一致.随着月份的增加实际蒸散量低值级的区域面积逐渐缩小,相对应的高值级的面积逐渐增大,整个生长季以30~90 mm的蒸散量为主.5-8月牧草实际蒸散量和NDVI值的相关系数达到0.446,通过了0.01水平的显著性检验.     

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...     

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。     

贵州喀斯特地区土壤中微生物量碳的季节性变化

对于贵州喀斯特地区土壤中微生物量碳，气温，土壤水份和土壤可溶性有机碳的为时一年的研究结果表明，土壤微生物量碳与气温和土可溶性有机碳之间均存在负的相关性。夏季频繁的土壤干湿循环加快了土壤微生物量碳转换成可溶性有机碳的速度，并不断地消耗微生物量碳，从而使微生物量碳含量降低，而可溶性有机碳含量增加。冬季的情况则与此相反。     

坡改梯的损益分析——以贵州省喀斯特地区为例

用广义的效益-成本分析法,运用价值流量概念,对坡改梯的效益和成本进行了分析,结果表明,坡改梯是喀斯特地区农业可持续发展的重要途径,可增加耕地面积、提高水资源利用率和利用效率,可有效增进抗御灾害能力,可增加农产品产量,可同时提高经济、资源、生态环境和社会效益。     

山东省O3时空分布及影响因素分析

为认识山东省环境空气中O3的污染现状,基于2015～2019年国省控环境空气自动监测站的O3监测数据、2019～2020年4～9月气象代表站的气象数据及邻近环境空气站的O3监测数据,探究了山东省O3时空分布特征及与气象因素的关系.结果表明,山东省O3污染日益突出,年均ρ(O3-8h)(90百分位)和ρ(Ox)(O3 与NO2之和)升高速率分别为7.6μg·(m3·a)-1和7.0μg·(m3·a)-1,年均ρ(PM2.5)、ρ(CO)(95百分位数)和ρ(NO2)均逐步下降,下降速率均小于ρ(O3)上升速率.03污染呈现夏季高冬季低的"M型"或"倒V型"月变化特征,在6月或9月达到峰值,且污染月呈提前出现趋势.山东省年均ρ(O3-8h)(90百分位)呈现"内陆高,沿海低"的特点,并有区域均匀性发展趋势.相关性分析表明,山东省ρ(O3-8h)总体与日最高温度呈正相关,与相对湿度、气压和风速呈负相关,其中日 最高温度和相对湿度是O3-8h主控气象因子,气象因素对不同城市O3-8h超标率的影响具有显著差异.     

贵州省水土流失时空变化特征

查明贵州省水土流失的时空变化特征,对指导水土保持和生态环境建设具有重要意义。基于贵州省2000、2010、2015年3期水土流失数据,采用水土流失比率和水土流失综合指数方法,探讨了贵州省水土流失时空变化规律。研究表明:(1)2000～2015年贵州省水土流失得到了明显改善,不同分区水土流失呈现西部重、东部轻、北部重、南部轻的空间格局;(2)黔西分区以轻度、中度、强度侵蚀为主,黔西南、黔北、黔中分区以轻度、中度侵蚀为主,黔南、黔东分区以轻度侵蚀为主,呈现"阶梯状"区域性特征;(3)各分区水土流失总体呈下降趋势,黔东、黔西南、黔西分区仍是水土流失重点关注区域。本研究揭示了贵州省水土流失总体呈好转趋势,水土流失的扩张趋势得到了初步遏制,潜在水土流失风险逐渐降低。     

广东英德宝晶宫洞穴微环境时空变化特征及其主要影响因素探究

为进一步了解洞穴微环境与气候环境指标之间的相互联系,本文以广东英德宝晶宫溶洞为研究对象,对洞穴空气温度、相对湿度、CO_2浓度进行了为期42个月(2011年12月~2015年5月)实地监测,结果发现宝晶宫洞穴微环境存在明显的时空变化:近洞口处洞穴微环境季节性变化特征明显,而洞穴深处微环境季节变化显著变弱。洞穴微环境的变化主要受到外界气候和天气的变化以及通风效应的影响,前者是导致洞穴微环境季节性变化的主要原因,后者是导致洞穴微环境变化具有空间差异性的主要原因。此外洞穴结构和旅游活动也会对洞穴微环境变化产生影响。本研究结果表明,洞穴通风作用是影响洞穴微环境变化的重要过程之一,其对洞穴沉积气候环境指标的影响可能值得今后进一步深入研究。     

黔中喀斯特石漠化地区土壤温室气体浓度的时空分布特征

2006~2007年对喀斯特石漠化地区土壤剖面中CO2、N2O和CH4的浓度分布进行观测.结果表明,土壤剖面中CO2、N2O和CH4浓度分别介于530.2~31512.6、0.27~0.67和0.1~3.5μL.L-1.总体上,自地表向下,CO2和N2O浓度逐渐增大,CH4浓度则为逐渐减小,但在阴冷潮湿的10、11月和1月,15cm以下土层中CO2和N2O浓度随着深度的增加逐渐减小,CH4浓度则明显增加.土壤温度、水分同时影响剖面中CO2、N2O和CH4的时空分布,但影响效应以及作用的土层深度有所不同.相关分析结果表明,土壤中CO2和N2O浓度的时空分布显著正相关(r为0.780~0.894,p0.05~0.01),相关关系受环境因子的影响;CO2和CH4的时空分布则呈显著负相关关系(r=330,p0.01);N2O和CH4的空间分布为互逆关系,但只在土壤水分较大月份达到显著水平(r为-0.829~-0.956,p0.05~0.01).     

小型养殖塘水体中CH4、CO2和N2O浓度的时空变化特征及影响因素

养殖塘作为重要的温室气体排放源,水体中温室气体浓度的变化不仅是准确量化温室气体排放量的基础,还是明确其影响因素的重要依据.基于顶空平衡-气相色谱仪法对长三角一处典型的小型养殖塘水体中CH₄、CO₂和N₂ O浓度的时空变化特征以及影响因素进行了分析.结果表明,除春季外,在水温影响下,CH₄和N₂ O浓度在午间或午后出现高值;受水温和水生植物光合作用影响,CO₂浓度的高值出现在晨间光合作用较弱的时候.养殖塘水体中CH₄和CO₂浓度呈现秋季最高、冬季最低的季节变化特征,c（CH₄）在秋季和冬季的均值分别为176.34 nmol·L^-1和32.75 nmol·L^-1,主要受气温、水温和溶解氧（DO）影响;c（CO₂）秋季和冬季的均值分别为134.37 μmol·L^-1和23.10 μmol·L^-1,主要受水生植物光合作用和pH影响;c（N₂ O）在夏季最高,冬季最低,均值分别为97.05 nmol·L^-1和19.41 nmol·L^-1,主要受气温和水温影响.在空间上,垂直方向上,夏季养殖塘c（CH₄）随水深的加深而降低,表层与底层、中间层的浓度差值为71.28 nmol·L^-1和42.80 nmol·L^-1,秋季随水深的加深而升高,底层与表层的浓度差值为163.94 nmol·L^-1.c（CO₂）在夏季和秋季都表现为随着水深的加深而升高,其底层与表层的浓度差值分别为18.69 μmol·L^-1和29.90 μmol·L^-1.N₂ O浓度在垂直方向上无明显变化规律.水平方向上,夏季饲料及春季鸡粪投放的区域会出现CH₄、CO₂和N₂ O浓度的高值,春季和夏季CH₄浓度约为其他区域的1.34~1.98倍和1.95~2.42倍,春季N₂ O浓度和夏季CO₂浓度约为其他区域的1.13~1.26倍和1.39~1.74倍.     

基于LUR模型的中国PM2.5时空变化分析

土地利用回归(LUR)模型是模拟大气污染物浓度时空分异最主要、最体系化的方法之一,为了探索LUR模型在中国国家尺度空气污染物模拟的适应性,挖掘中国2015年空气细颗粒物(PM_(2.5))的时空变化特征及其与不同地理要素相关关系,以2015年国家控制监测站点PM_(2.5)数据为因变量,土地利用类型、地形地貌、人口、道路交通与气象要素等影响因素为自变量,构建基于地理加权的LUR模型,通过模型回归制图得到2015年全国月均与年均PM_(2.5)浓度分布图,以胡焕庸线为参考线分析中国2015年PM_(2.5)浓度的时空变化特征.结果表明,引入地理加权算法的LUR模型残差Moran'sⅠ显著降低,残差空间自相关性明显减弱,判别系数R2明显提高,更好地揭示出PM_(2.5)空间分布和各影响因子间的复杂关系;耕地、林地、草地和城镇居民工矿用地以及气象要素、主干道路对PM_(2.5)浓度的影响比较显著.不同地理要素的不同空间分布对PM_(2.5)影响作用不同;胡焕庸线两侧PM_(2.5)表现出明显的时空差异,人口规模大、工业化水平高的发达城市PM_(2.5)浓度较高; PM_(2.5)浓度在冬季月份较高,秋季、春季、夏季月份污染情况逐渐减弱.