简介:城市重霾污染事件的发生除排放源内在原因之外,气象条件是最直接的客观外因。本文以2013年2月21~28日北京地区典型细颗粒物(即PM2.5)重污染过程为例,基于颗粒物水平和垂直监测数据,常规及加密自动气象站数据和高时间分辨率风廓线数据,分析了重污染过程中不同尺度环流形势以及边界层结构的变化对细颗粒物重度污染形成、累积和消散的影响。结果表明:弱低压场或弱高压场控制下,局地西南风和东南风输送与北部山区偏北风在山前的汇聚,配合边界层低层顺时针方向的风切变,易发生大气中细颗粒物的爆发性增长;而均压场控制和近地层持续偏南气流输送,配合高层持续稳定的西北风,是污染长时间持续稳步增长的主因。此外,近地层低风速、高湿度和逆温的维持是区域霾污染爆发增长和长时间持续增长的关键气象因素。高压前部的系统性西北大风是污染得以驱散的直接外部动力。
简介:基于呼伦贝尔地区16个气象站1961—2016年生长季逐候降水资料,统计分析了呼伦贝尔不同生态区降水集中度(PCD)和集中期(PCP)的时空变化特征及其与干旱发生的关系。结果表明:(1)呼伦贝尔地区PCD与PCP空间分布特征明显,PCD总体表现为由东北向西南递增,PCP总体由西北向东南递减;(2)1961年以来,呼伦贝尔大部分地区PCD和PCP均表现为下降趋势,即整体上降水趋于均匀、最大降水出现时间趋于提前;(3)PCD无明显突变现象,PCP在1978年发生突变;(4)PCD、PCP与干旱灾情发生一致率为牧区〉林区〉农区,其中牧区PCD、PCP与干旱的一致率均达80%以上,说明牧区干旱发生与降水集中程度关系最为密切。
简介:监测半干旱区作物的旱情对合理灌溉有重要意义。本文以黄土高原半干旱雨养农业区春小麦为研究对象,以模型模拟光谱对输入参数的响应、模型输入参数与干旱程度的关系以及不同旱情下光谱模拟精度为切入点,探讨基于PROSAIL模型反演参数指征春小麦旱情的可行性。结果表明:春小麦冠层光谱对于PROSAIL模型主要输入参数具有不同的光谱响应区间,其中叶绿素含量Cab的光谱响应区间为476~730nm,叶面积指数LAI的主要响应区间为400~750nm、800~1000nm和1330~2500nm,等效水厚度EWT的响应区间在1874~1891nm,干物质含量LMA的主要响应区间在2331~2356nm。PROSAIL模型的输入参数与干旱程度有显著相关性。模型模拟的半干旱区春小麦冠层光谱的误差在1400nm前后差异显著,在1400nm之前模拟误差为11.5%,1400nm之后模拟误差为69%,总体误差约30%。模型对于等效水厚度和干物质含量的解释不够充分是导致模拟误差的主要原因之一。以PROSAIL模型反演参数监测黄土高原半干旱区春小麦旱情值得商榷。
简介:针对WRF模式中各非绝热物理过程,选用不同的参数化方案,对2009年6月29—30日一次梅雨锋暴雨过程做24h降水预报的敏感性试验,并组成18个成员做物理集合预报,分析了实况与模拟的24h降水量及其TS评分和离散度。结果表明,WRF模式的物理集合预报可成功模拟出3个暴雨中心的位置及强度;选用Linetal微物理方案、MRF行星边界层方案和Betts-Miller-Janjic积云对流方案对湖北省西南部地区暴雨中心的位置及强度的模拟最好;3个暴雨中心均对应于离散度的大值中心,在降水较强时段其离散度也较大;不同集合成员在某时段预报的降水量可较好体现该时段的降水概率,而由物理集合预报得到的逐时降水量则可为定时降水预报提供依据。
简介:选用1964~2013年青海省43个气象站常规观测资料,分析4个生态功能区蒸发皿蒸发量的时空变化特征,并采用完全相关法进行蒸发皿蒸发量变化趋势的成因分析。结果表明:近50a来,青海省4个生态功能区蒸发皿蒸发量的年和季节变化特征明显,柴达木盆地和三江源区年蒸发量整体分别呈显著下降和上升趋势,而环青海湖区和东部农业区变化趋势不明显;4个生态功能区年蒸发量均呈先降后升的阶段性变化特征,但转换时间不尽一致。青海省春、夏、秋季和年蒸发量均从西北向东南逐渐减小,冬季从南向北逐渐减小。柴达木盆地和东部农业区年蒸发量突变时间分别是1998年和2002年;环青海湖区和三江源区突变不明显。影响青海省4个不同生态功能区年蒸发量的主要气象因子不同:柴达木盆地为风速、日照时数、平均气温和气温日较差,环青海湖区为平均气温、风速和气温日较差,东部农业区为风速和相对湿度,平均气温、相对湿度和气温日较差是三江源区蒸发量上升的主要因素。
简介:利用卫星遥感归一化植被指数(NDVI)时间序列数据和站点气象数据,从农作物生长发育过程的角度,分析了1981~2008年华北平原农田在12个生长发育期(冬小麦8个、夏玉米4个)对降水和温度不同的响应特征。研究区农田植被指数对降水响应的滞后性强于对温度的滞后性,其中对降水最为敏感的是前1和前2个生长发育期,对温度最为敏感的是同期和前1个生长发育期。不同种类作物在不同时期对气候因子响应不同:冬小麦发育中后期、夏玉米发育中期,绝大多数站点植被指数与降水呈正相关;冬小麦生长发育前中期植被指数与温度呈显著甚至极显著正相关。冬小麦出苗期温度、返青期温度和返青期降水分别与不同时期植被指数显著相关,出苗期和返青期为研究区农田长势对气候因子响应的敏感期。
简介:利用HadCM2模式的模拟结果,比较了温室气体排放综合效果相当于CO2浓度逐年递增1%和0.5%两种不同情景下,中国区域21世纪地面气温和降水量的变化趋势.结果表明,随着温室气体浓度的持续增加,中国地面气温也持续升高.到21世纪末期,地面气温在上述两种排放情景下可分别升高约5℃和3℃.两种排放情景的增温趋势对比表明:即使从1990年开始温室气体等效排放逐年递增率减少一半,增温仍然很明显;直到21世纪中期,才能显示出减少温室气体排放量对减缓增温趋势的效果.降水量的年际变化较大,但随着温室气体浓度的持续增加,降水量总的趋势也是增加的.减排温室气体对降水量变化趋势的影响与地面气温相似.此外,地面气温增量和降水量变化百分率均显示出明显的季节变化,地面气温增量在秋、冬季较大而在春、夏季较小,降水变化百分率在夏、秋季较小而在冬、春季较大.
简介:利用吉林通榆半干旱区农田站和退化草地站2008年的外场试验观测资料,对比分析了不同土地利用方式对蒸散和地表水分收支的影响。结果表明:从全年来看,尽管两个站点相距仅5km,但农田站的全年总蒸散量比代表自然土地覆盖状况的退化草地站高28.2mm;且生长季两种下垫面的蒸散量较为接近,差异主要发生在非生长季。同时,农田站的年水分收支总量为51.1mm,比退化草地站低35.6%。具体来说,生长季,两个站点的水分收支均有盈余;但在非生长季,退化草地站的水分收支仍有盈余,而农田站则处于水分亏损状态。这说明在半干旱区,代表人为土地利用状况的农田站面临着更大的水分供给压力,人类活动导致的土地利用会加剧该地区的干旱化趋势。进一步的分析表明,水分盈余并不代表地表的水分状况良好。从Prietley—Taylor系数来看,两个站点的Priestley-Taylor系数均远小于1.0,说明在半干旱区,由于表层土壤水分条件的限制,实际蒸散量远未达到平衡蒸散量,土壤面临着水分供给的压力。其可能的原因是,对半干旱区而言,尽管水分收支有盈余,但是由于土壤沙化严重,土壤孔隙度大,大气降水很容易下渗,并以地下水的形式存储起来,使得表层土壤水分供应反而不足。
简介:利用东亚地区逐日降水资料,评估了17个CMIP5气候模式对中国东部夏季不同强度降水的时空分布、不同强度降水对1970年代末中国东部夏季总降水量年代际转折的贡献的模拟能力。从夏季不同强度降水占总降水的比重来看,在中国东北和华北地区,小雨和中雨占主导;而在华南和江淮地区,大雨和暴雨则相对更为重要。CMIP5模式可大致模拟出中国东部小雨、大雨和暴雨占总降水比重的空间分布,但对中雨占比的空间分布模拟较差。总体说来,多数CMIP5模式高估了小雨和中雨的比重,但低估了大雨和暴雨的比重,从而导致大多数模式高估东北和华北的总降水量,而低估华南和江淮的总降水量。对1970年代末我国华北和江淮地区夏季降水量的年代际转折,观测资料表明该转折主要体现为大雨和暴雨雨量的年代际转折;仅有少数CMIP5模式能模拟出华北大雨和暴雨年代际减少的特征,使得这些模式对华北地区总降水的年代际变化也有较好的模拟能力。对于江淮区域,由于大雨和暴雨的比重被严重低估,尽管部分模式能模拟出夏季总降水量年代际增加的特征,但却多以小雨、中雨的年代际变化为主。多模式集合并不能显著提高模式对不同强度降水的空间分布的模拟能力,尤其是降水年代际变化的模拟能力。
简介:本文搜集了2014年4月最新提交的附件B35个主要缔约方报告的2008—2012年土地利用、土地利用变化与林业(LULUCF),能源,工业过程,溶剂使用,农业及废弃物6个领域的温室气体(GHG)排放与吸收的数据,估算了第一承诺期各领域的相对减排贡献及各缔约方在各领域做出的减排努力。结果表明,各领域减排量占所有领域总减排量比例由大到小依次为:能源62.6%、工业过程13.9%、农业13.4%、LULUCF7.4%、废弃物2.6%和溶剂使用0.1%;各缔约方在各领域的减排量相当于其基准年总排放量的平均值由大到小分别为:能源8.7%、农业3.0%、LULUCF2.5%、工业过程1.3%、废弃物0.5%和溶剂使用0.1%。总体而言,能源领域是GHG减排的主导领域,农业和LULUCF起到辅助减排的作用;多数缔约方选择的LULUCF活动产生的核算结果表现为弱GHG吸收汇,其利用LULUCF活动履约的减排贡献相对较小,仅相当于能源领域减排量的12%,但对于新西兰和冰岛的贡献较大,其LULUCF活动产生的汇清除抵消了两国在其他5个领域GHG排放量的50%以上。