西安市大气颗粒物PM2.5与降水关系的探讨

对西安市2011年的降水及PM_2.5进行采样,并对其进行了pH及无机水溶性离子测定。结果表明,西安市酸雨的污染类型以硫酸型污染为主,连续性降水对大气颗粒物的去除效果明显,pH随降水量的增加而减小。对采样日降水前和降水后3 h的PM_2.5监测结果表明降水对PM_2.5质量浓度与其中的离子有一定去除作用。西安市的PM_2.5呈酸性,并且与降水的pH有着很好的相关性;另外降水前PM_2.5的质量浓度、SO₄^2-浓度与降水pH呈负相关,NO₃^-与降水pH的相关性不明显。近几年PM_2.5和降水中的SO₄^2-/NO₃^-当量值变化趋势表明西安市大气污染已步入煤烟和机动车尾气混合型污染类型,且机动车污染对大气污染和酸雨的贡献比例有所增加。     

雅鲁藏布江径流变化趋势及原因分析

论文利用1956-2000 年近45a 的天然径流逐月资料, 1956-2004 年近50a 的气温、降水逐 月资料, 分析了20 世纪下半叶雅鲁藏布江流域径流变化特征及其与气候变化的关系。研究表明: 雅 鲁藏布江流域径流的年际变化较稳定, 年内分配极不平衡, 月最大径流量占全年百分比达30.1%, 而月最小径流量只占全年的2.1%, 枯水季节径流量和洪水季节径流量相差较悬殊; 雅鲁藏布江流 域普遍存在升温的变化趋势, 同时流域内降水增加趋势较明显, 变化周期与径流变化周期较一致。 从雅鲁藏布江流域天然径流代际变化的初步分析来看, 流域来水的增加, 主要受制于降水和气温的 变化, 也受到流域地表状况变化的影响, 同时也可能是河流丰枯长周期变化的表现。这种周期变化 还需相关资料的验证和分析。     

青海湖沙柳河河源区降水同位素云下二次蒸发效应

河源地区的水源储蓄和涵养能力,深刻影响河流的水资源补给与供续,研究河源地区降水同位素的二次蒸发效应有助于深入理解河源区降水循环过程。选取2020年5～9月青海湖沙柳河河源地区的逐月降水同位素数据,利用基于稳定同位素的Stewart雨滴蒸发模型,计算了青海湖沙柳河河源地区雨滴蒸发剩余比(f),以及蒸发分馏的氢氧同位素组分(Δδ¹⁸O、ΔδD和Δd),探讨了研究期内Δδ¹⁸O、ΔδD、Δd和f的差异以及影响因素,结果表明：(1)青海湖沙柳河河源区5～9月地面降水同位素δD_p、δ¹⁸O_p和d-excess_p平均值分别为-30.93‰、-6.67‰和22.42‰;云下降水同位素δD_c、δ¹⁸O_c和d-excess_c平均值分别为-49.57‰、-11.16‰和39.70‰。云下二次蒸发效应使降水d-excess值发生贫化。(2)沙柳河河源区5～7月f和Δd均值分别呈上升趋势,7～...     

青海湖流域降水和河水中δ18O和δD变化特征

稳定同位素方法已被广泛用来研究水循环过程中的水汽来源分析、不同水体间补给关系及水量平衡。论文基于青海湖流域2012 年夏季所收集的河水和逐次大气降水中δ¹⁸O和δD 及实测的气象数据,分析了它们的氢氧稳定同位素时空变化特征。结果表明：降水中同位素值组成变化存在两个明显的变化阶段,在8 月中旬之前降水中稳定同位素值较低,而之后明显偏高,这与受夏季风和局地再循环水汽的影响有关;该流域大气降水线（LMWL）的斜率（8.69）和截距（17.5）明显大于全球大气降水线（GMWL）,表明青海湖流域夏季大气降水在一定程度上受夏季风所携带湿润海洋性气团的影响;降水中稳定同位素与降水量及温度之间存在负相关关系,表明青海湖流域夏季降水中稳定同位素存在显著的降水量效应,但却不存在温度效应;该流域内河水受到大气降水、地下水及冰川融水的混合和调节作用,这使得河水中稳定同位素的波动范围比降水小;通过瑞利分馏模型模拟了降水中稳定同位素的变化,降水中δ¹⁸O、δD和过量氘 （d_excess）的值受青海湖湖面再循环水汽补充的影响。因此,这也将为今后展开青海湖流域水循环过程中大气降水-地下水-地表水的研究提供科学依据,掌握该流域不同水体间的转化关系及水资源利用、管理具有重要的意义。     

种植密度和降水对冬小麦田N2O排放的影响

为研究种植密度对农田N2O排放的影响和探讨N2O排放季节性波动的原因，于1999～2000年小麦生长季在南京市郊江宁县进行了不同播种量（0.90、180和270kg/hm^2）和大田试验，观测分析结果表明：在相同的气象条件和田间管理下，播种～越冬阶段的N2O排放不受播种量的影响，近青～成熟阶段的N2O排放通量与播种量成正比，裸地条件下的N2O排放与播量为90kg/hm^2下的排放无明显差异，造成该生长季内N2O排放季节性波动的主要原因是降水，返表～成熟阶段的N2O排放通量随观测日前6d的加权平均降水解呈指数增加。     

2013～2018年武汉市降水和BC的时间演变特征分析

湿清除是大气气溶胶重要的去除机制,由于降水过程和气溶胶本身的复杂性,针对城市地区降水与气溶胶的相互关系还有待开展深入研究。基于2013～2018年武汉市气象要素和黑碳(BC)质量浓度小时数据,分析了不同等级降水和BC的年际、季节等时间演变特征。结果表明：2013～2018年武汉市共出现785个降水日,降水日占总观测日的35.8%,降雨以小雨为主,占总降雨日的72.0%。随着降水强度的增强,BC质量浓度逐渐降低,在大暴雨时最低,为4 001.5 ng/m³,仅为晴天时浓度的42.9%。随着降水强度的增加,吸收?ngstr9m指数(AAE)先减小后增加。武汉市BC气溶胶主要来自化石燃料的燃烧。2013～2018年武汉市暴雨和大雨日数、降雨量逐渐减少,而中雨和小雨天日数、降雨量逐渐增加。暴雨和大雨天数平均每年减少0.7天和0.6天,中雨和小雨天数平均每年增加1.3天和4天。不同降雨等级过程中BC和AAE的年际变化特征和季节分布特征不同。BC质量浓度在春季和夏季,随着降水强度的增加逐渐降低,AAE在秋季随降雨强度的增强而逐渐降低。降水过程对大气污染物的清除作用持续时间较短...     

中国华北地区冬季大气污染物航空测量(Ⅱ)——空中大气气溶胶污染特征研究

大气气溶胶在酸性降水中的作用非常重要。在“八五”期间酸性降水的研究中，进行了华北地区冬季空中大气气溶胶污染特征的分析和研究，填补了国内外相关研究领域的空白。结果表明，华北地区冬季空中大气气溶胶污染比较严重，形成了浓度与地面相近的空中污染区域，大气气溶胶主要来源于煤炭燃烧等人为过程。同时大气气溶胶具有较强的酸性，有利于酸性降水的形成     

兰州市两场典型降水事件稳定同位素特征及其水汽来源

为了加深对短时间尺度下降水同位素变化规律的认识,利用兰州市2019年夏季典型的长历时弱降水(6月26～27日)和短时强降水(7月28日)事件短时间尺度(10 min和30 min)的连续样品,结合HYSPLIT模型对降水氢氧稳定同位素的变化特征及其机制进行分析.结果表明,降水初始阶段,二次蒸发效应使事件内连续降水的大气水线(SMWL)斜率偏小.连续样点大都分布在GMWL和LMWL上方,且SMWL的截距都大于局地年平均过量氘(8.13),说明降水一定程度上经历了水汽再循环. 6月26～27日连续2 d的降水事件,第1 d的δ~(18)O呈"L"型变化,第2 d呈波动变化,δ~(18)O不遵循降雨量效应. 7月28日,δ~(18)O呈平稳下降趋势,变化范围超过9‰. 6月26日, 500 m高度层水汽输送路径整体较短, 27日以局地水汽蒸发为主. 7月28日降水的水汽来源变化不明显,气团较单一,同位素值无明显波动.因此,对于短时间尺度下的单次降水事件,水汽来源的异同也是降水期间同位素变化的原因之一.     

滇南蒙自地区降水稳定同位素特征及其水汽来源

大气降水中δD、δ~(18)O值具有规律性变化特征,与诸多气象要素及水汽来源之间存在密切联系.根据2009年1月至2011年12月对滇南蒙自地区大气降水的连续性采样,结合欧洲中期数值预报中心(ECMWF)以及美国国家环境预报中心/美国国家大气研究中心(NCEP/NCAR)的再分析资料,并利用HYSPLIT_4.8后向轨迹追踪模型,分析了天气尺度下蒙自地区大气降水中δD、δ~(18)O的变化特征,探究了降水稳定同位素与温度、降水量、风速及水汽来源之间的关系.结果表明,蒙自地区降水中δD、δ~(18)O值表现出明显的季节变化,即干季偏高,湿季偏低;降水中δ~(18)O与温度、降水量之间存在显著负相关,但与不同气压层(300、500、700、800 h Pa)风速之间呈现出显著正相关,表明风速也是影响降水中δ~(18)O变化的一个重要因素;随着降雨等级的增加,其大气水线的斜率与截距也增大,说明降水稳定同位素存在一定程度的云底二次蒸发效应;水汽输送轨迹显示,干季降水的水汽主要来自于西风带输送及局地再蒸发水汽,而湿季降水的水汽主要来源于远源海洋水汽的输送,并且在受台风影响期间,降水中δD、δ~(18)O值更加偏负.     

基于SSA-XGBoost方法的降水变化趋势预测模型

全球变暖预期下不同区域的未来降水变化,是政府和公众都关心的重要问题,也是全球变化研究的前沿科学问题。预测模型的建立是预测/预估研究的重点和难点,现今不稳定的气候背景对预测模型的精准度提出了更高的要求。为了解决传统方法对长期时间序列预测效果欠佳的问题,本文以泰国南部洞穴石笋δ¹⁸O重建的过去270多年（公元1773—2004年）的降水记录为数据集,提出了SSA-XGBoost预测模型。对原始数据去趋势预处理后,采用奇异谱分析法（SSA）提取前部分数据（1773—1964年）的振荡成分以确定数据的最佳谐波个数,并进行准确的周期信号分量分解;之后用去趋势数据减去周期信号得到随机信号,再利用XGBoost模型对随机项进行预测;最后将预测的序列、趋势曲线和周期信号延拓结果相叠加得到最终的预测数据（1965—2004年）。与其他四种模型（XGBoost、ARIMA、SSA-ARIMA、LightGBM）的预测结果相比,SSA-XGBoost的预测结果与真实值最相近,且MAE和RMSE均最小,R²也更接近1,说明该模型具有更高的精度和稳定性。该研究对于泰国南部等热带地区未来的降水变化趋势预测具有较好的指导意义,也可为其他长时间序列的预估研究提供借鉴。