近30年来三江源典型区湿地变化驱动力分析

基于三江源典型区(索加-曲麻河自然保护区)1977—2007年的遥感影像解译数据和统计资料,采用偏相关分析筛选与湿地变化显著相关的因子,通过主成分分析、灰色关联度分析驱动因子对湿地变化的贡献率大小。结果表明:近30年来湿地变化的驱动因素主要为气候因素,其中以年平均气温、年蒸发量和年平均相对湿度为重要影响因子。通过计算主要影响因子对湿地变化的灰色关联度,认为年平均相对湿度和年蒸发量对河流湿地变化的贡献率最大,年平均温度与湖泊湿地、沼泽湿地和河滩地动态变化的关联程度最高。     

1999-2013年民勤绿洲地下水埋深年际变化动态及影响因素

为探究内陆河下游绿洲地下水动态变化规律,以民勤绿洲1999-2013年实测数据,在对绿洲地下水年际尺度埋深动态及潜在影响因素进行描述性统计分析的基础上,运用主成分分析法提取12个影响地下水埋深的主要因素,并采用灰色关联度方法分析了地下水埋深对各影响因子的敏感程度。结果表明：（1）绿洲地下水埋深总体呈逐年增加趋势,且不同区域、不同时期有明显差异;（2）民勤绿洲地下水埋深动态对12个因子的敏感程度依次为化肥使用量 >农膜覆盖面积 >年平均气温 >年末耕地总面积 >人口规模 >经济作物种植面积 >有效灌溉面积 >森林面积 >降水量 >蒸发量 >生产用电度数 >大牲畜年存栏量。     

近50年来城市化对西安局地气候影响的研究

运用R/S(Rescaled Range Analysis)方法,对1951—2000年过去50年西安市的气温、降水、相对湿度和日照百分率等气候因子的冬(12、1、2月)、夏(6、7、8月)和年平均值进行了分析计算,各因子的Hurst指数H均大于0.5,说明了4个因子存在明显的Hurst现象,反映出西安市过去50年来气候变化存在趋势性成分。过去50年气候资料统计表明,西安市气温呈现升高趋势,而降水、相对湿度和日照百分率则呈下降趋势,城市化效应已经对西安局地气候产生显著的影响。     

青海省巴音河流域LUCC遥感调查及驱动分析

利用1988年、2006年的LandSat-TM遥感数据及气候因子数据,用灰色关联度法分析了青海省巴音河流域土地利用/土地覆盖现状、18 a来的变化趋势及其气候驱动,并定性分析了社会驱动。结果表明,1980-2007年间年降水量以12.9 mm/10a的幅度波动增加;日照时数以83.3 h/10a的幅度减少;年平均气温、地温分别以0.6 ℃/10a和0.8 ℃/10a的幅度波动升高。在这样的气候背景下,未利用土地分布最广,占面积的71.43%。1988年至2006年间,土地利用/土地覆盖变化为城镇用地、农业用地和天然草地面积增加;未利用土地面积也增加,其中裸岩、荒地、盐碱地、沙地面积明显增加,分别增加6.28 km2·a-1、5.82 km2·a-1 、2.76 km2·a-1 和0.21 km2·a-1;而不同类型的湿地生态面积呈退缩趋势,其中冰川、湖泊、苇地、沼泽、河流的面积退缩明显,分别减少12.13 km2·a-1、0.43 km2·a-1、0.41 km2·a-1、0.27 km2·a-1和0.21 km2·a-1。可以看出,生态环境呈退化趋势。日照时数和降水与各类型生态面积的关联度变化大,分别在0.667～0.997和0.668～0.986之间,气温次之,关联度在0.669～0.835之间,地温最小,在0.667～0.856之间。大部分类型的生态面积变化其驱动因素主要为降水,其次为日照时数,气温和地温影响较小。不合理的社会用水促进了土地的荒漠化。     

长春市耕地动态变化及其驱动力分析

利用1988~2007年统计数据和土地详查与变更调查资料,分析了长春市19a间耕地总量动态变化情况,并在此基础上运用主成分分析进一步探讨了影响长春市耕地变化的主要驱动因素。结果表明:①1988~2007年长春市耕地数量总体呈下降趋势;②经济发展是长春市耕地数量变化的主要驱动因素;③主成分分析中各因子的因子载荷除林牧渔业占农林牧渔业总产值为0.575外,其他均大于0.9;④耕地产出率与林牧渔业占农林牧渔业总产值的比例因子载荷相对较高。影响长春市耕地总量动态变化的驱动因子可归纳为社会经济发展、人口增长、农业科技进步三大因素。     

天山乌一号冰川物质平衡特征的统计分析

利用天山乌鲁木齐河源一号冰川物质平衡的多年观测资料,通过数学统计方法提取主成分,获得影响该冰川物质平衡的主要因素,通过成分矩阵的旋转获得表示冰川物质平衡特征的两个主因子,其中第一主因子为影响冰川物质平衡的常年因子,代表该冰川的多年持续变化方向与趋势,第二主因子为影响冰川物质平衡的年际因子,代表该冰川在平衡年内的物质平衡变化特征。常年因子的持续下降反映了冰川持续后退的现实,年际因子在上世纪80年代中期以后突然强劲上升,实际上是冰川物质平衡水平提高,平衡年内积累量和消融量都增加的表现,清晰地指示了西北地区气候由暖干向暖湿的转型。常年因子是冰川物质平衡变化的主导因子,控制了冰川变化的方向。常年因子具有较好的周期性,以6年周期最为明显,但其形成原因尚不明。年际因子周期性不明显,但可以看出其周期与太阳黑子变化具有相关性,同时受到常年因子的影响。     

地理因子在北疆极端气温趋势变化中的作用

论文利用1961—2017年北疆地区37个观测站的逐日气温资料以及高程数据,选取了3类(冷指数、暖指数和极值指数)15项极端气温指数,采用相关分析和灰色关联度统计分析方法,研究了地理因子在北疆极端气温趋势变化中的作用。结果表明：① 北疆地区气候变暖显著,极端气温冷指数呈非常显著的下降趋势,暖指数及极值指数呈显著或非常显著的上升趋势;气候变暖主要体现为极端冷事件频次降低、夜间温度以及极端低温升高,具有白天和夜间变化的不对称性以及低温和高温变化的不平衡性等特征。② 极端气温指数在北疆中部盆地地区上升(下降)趋势最强,在北疆北部及南部山区地带,上升(下降)趋势相对较小。地形分布对气候趋势的影响程度暖指数大于冷指数,海拔高度对极端气温事件的出现频次有较大影响。③ 极端气温指数趋势的经向分布是其空间分布的主导模态。北疆地区极端气温指数趋势性变化北部大于南部、西部大于东部,南北趋势性变化差异最大处位于北疆中部地区。极端气温指数趋势性变化的南北差异与海拔高度呈负相关,在山地地区,纬度对于极端气温指数的气候趋势影响较小,而在盆地地区,纬度为影响极端气温指数气候趋势的重要因子。经向上,除炎热夜数增加趋势与海拔高度的相关性较低外,北疆东部极端气温指数的趋势性变化与海拔高度相关性高于北疆西部。④ 地理因子对极端气温指数的趋势变化具有显著的影响(灰色关联度均大于0.6,为高度关联),影响程度暖指数大于冷指数。地理因子对冷指数的影响在山地、丘陵地区较强,而对暖指数的影响主要为地势较为平缓的丘陵和盆地地区。     

近49a古尔班通古特沙漠南缘地区沙尘暴变化特征初探

运用小波分析、累积距平、滑动t检验及灰色关联度分析等方法对1961 - 2009年古尔班通古特沙漠南缘沙尘暴年日数序列的变化趋势、周期特征、突变特征及与气候因子的关系进行了分析.结果表明:(1)49 a间,古尔班通古特沙漠南缘沙尘暴年日数呈波动式减少的趋势,趋势系数为-0.565.(2)沙尘暴年日数序列存在多个周期;在...     

近50年鄱阳湖流域径流变化特征研究

利用鄱阳湖流域1955-2003年3个主要水文站(外洲、李家渡、梅港)月径流实测资料,采用统计方法和小波方法,分析近50年该流域径流的年内、年际和周期变化特征.结果表明:鄱阳湖流域年内最大径流主要出现在4月、5月或6月;就季节变化而言,春季径流量最大,夏季次之,秋季和冬季较小.径流年际变化在开始较长时段呈增长趋势,1998年出现转折,之后递减,下降速度略低于前期增长速度.外洲等3水文站存在25～26 a的第一主周期,8 a和3～4 a的次主周期,周期变化基本一致.通过对相应影响因素的分析,发现该流域径流变化是气候、流域覆被和水利工程等多种因素共同作用的结果,而气候因素中的降水和蒸发起着主要作用.     

2000-2015年石羊河流域植被覆盖度及其对气候变化的响应

内陆河流域植被覆盖度的敏感性是预测未来生物多样性变化的重要指标,是植被应对气候变暖的重要反馈。分析了2000-2015年MODIS-NDVI数据反演的植被覆盖度时空动态变化趋势,结合平均气温、降水量、日照时数、相对湿度、地面温度和蒸发量数据,研究了流域及各生态功能区的植被覆盖度与气候因子的相关性,探讨植被覆盖度变化过程中的气候因素制约方式,了解不同时空尺度下内陆河流域植被覆盖度在全球暖湿化过程中对气候的响应。结果表明：（1）石羊河流域平均植被覆盖度较低,上游的植被覆盖度59.4%,下游13.6%;2000-2015年,流域植被呈现改善趋势的面积远远大于退化的面积,盆地绿洲区植被覆盖度增加趋势最明显。流域植被总体恢复较好,但高海拔地区、城市和民勤绿洲的周边地区植被有不同程度的退化。（2）2000-2015年,石羊河流域各气候因子对植被覆盖度表现为不显著的相关关系,其中与降水量呈正相关的面积最大,与蒸发量呈负相关的面积最大;从上游到下游,植被生长与热量的相关程度逐渐变弱,与水分的相关程度则逐渐增强。（3）石羊河流域的植被覆盖度与气候因子的样条函数存在极显著的线性相关,水原涵养区和荒漠区的植被覆盖度对气候因子的响应较高;绿洲区的植被覆盖度对气候因子的响应相对较低。地面温度的变化是影响石羊河流域植被覆盖度空间格局变化的主要气候制约因素。     

Spatial trends of dustfall over northern China in the spring and their influencing factors

The spatial trends of dustfall of different sizes over northern China during April and May 2001,and March 2002,and their influencing factors,were analyzed.We divided the dustfall into seven grades based on particle size.Total dustfall and dustfall for each grade were highest in desert regions then in regions undergoing desertification,and the total dustfall,dustfall 100 μm and dustfall 250 μm were higher in western agricultural regions closer to desert areas than in eastern agricultural regions.The spatial trends in dustfall 300 μm in diameter were most strongly correlated with dust events,and the content of coarse particles increased with increasing severity of dust events.Because the spatial trend for dust events appears to be controlled by geomorphic conditions,vegetation coverage,soil moisture,and the distance from dust source,dustfall 300 μm in diameter appears to have the same controlling factors as dust events,but the control decreases with increasing particle size.Wind,the driving force for dust emissions,also influenced the spatial trends in dustfall 200 μm in diameter,and especially for dustfall 50 to 100 μm in diameter.Although dustfall 300 μm in diameter and precipitation were not strongly spatially correlated,there is some evidence that high precipitation decreased deposition by restraining blowing sand.The coarser the dustfall,the weaker the correlation with wind speed;however,transport of larger particles still occurs,and further research will be required to test the possibility that this dust is entrained mainly by the small-scale dust devils that are commonly observed in the study area.     

青海湖周边年代际气候振动及其对青海高原气候变化的响应

利用青海高原1958—2005年常规气象观测资料,统计了青海高原、青海湖周边的降水、气温序列,应用气候诊断方法分析了其年代际的变化规律及其成因。结果表明：青海湖周边1958年以来年度和四季平均气温均呈明显的上升趋势,秋、冬两季和20世纪90年代升温比较明显。降水量除秋季呈减少趋势外,年度和其他季节均呈增加的趋势。60—90年代青海湖周边除70年代冬季、80年代秋季、90年代夏季气候类型与青海高原不一致外,其他年代和季节气候类型均与青海高原完全一致,该区域年代际气候的振动主要是由青海高原自然的气候波动和人类活动引起的。     

近50年安徽省气候年景评估方法

利用安徽省1961～2010年气象观测资料和气象灾情资料,依据极端气候事件及主要气象灾害评估技术规范和相关标准,挑选主要气候事件及气象灾害评估指标。应用主成分分析方法确定各指标权重,通过综合加权分别构建年干旱、雨涝、低温冷冻害、高温、风雹及雾霾等气候异常指数评估模型和灾损模型。在此基础上,利用灰色关联方法构建气候年景模型,反演近50a安徽省年景指数序列,参照世界气象组织推荐的百分位数法划分气候年景等级阈值,分别取0～10%,10%～30%,30%～70%,70%～90%,90%～100%为好、较好、一般、较差和差气候年景。近50a来,1965年、1973年、1975年、1993年和1997年为好气候年景;1966年、1969年、1991年、1996年和1998年气候年景差。通过综合灾损模型以及相关气象灾害文献资料验证表明,气候年景评估方法和等级标准可以较好地反映年度气候的真实状况,可为省、市、县级区域的气候年景评估提供科技支撑。     

柴达木盆地表土与大气降尘粒度Weibull组成及其环境意义

柴达木盆地北部现代地表不同沉积环境沉积物粒度分析结果显示,多数盆地地表沉积物质呈Weibull三峰分布,具有超细粒、细粒、粗粒3个组分,个别样品包含沙粒组分,绝大多数的样品匮乏细粒-超细粒组分,以高含量分选性较好的粗粒组分和低含量分选性差的细粒-超细粒组分为总体特征。现代沙尘暴天气降尘粒度分布模式较为单一,以高含量窄峰态的粗粒组分为显著特征。依据含量最高主峰所在Weibull粒度组分,本研究将全部粒度分布分为3种类型:以高含量细粒组分主导的F型、以高含量粗粒组分主导的C型和以高含量沙粒组分主导的S型。比较沙尘暴降尘、季节降尘和年降尘粒度分布模式的结果表明,研究区全年和季节大气降尘主要由沙尘暴天气降尘贡献,在细粒和超细粒组分上,同时混合有尘暴释放和正常天气条件下大气本底粉尘沉降两种来源的风尘成分。分析冬季研究区湖泊（苏干湖）冰层粉尘粒度分布模式发现,细粒组分含量显著偏高,可达70.6%,明显有别于其他沉积环境粒度组成,对比年降尘细粒-超细粒组分成因我们初步认为,细粒组分可用于指示冬季风盛行季节近地面大范围风场搬运风尘物质的状况。     

沙尘天气、尘卷风对沙漠地区起沙量的贡献

降尘量能很好地反映整层沙尘气溶胶的信息。基于WRF/Chem沙尘暴模式及大气边界层的观测资料,获得了包括尘卷风起沙过程的日、月和年总起沙量,进而分析它们与自然降尘量之间的关系。结果表明:(1)半定量的沙尘天气日数与逐月降尘量呈极显著的正相关,但无法更精细地量化降尘量的来源;(2)模式量化计算的沙尘天气起沙量与降尘量的变化大体一致,它对总起沙量的平均贡献率为76%;(3)尘卷风对总起沙量的贡献达到了24%,在无沙尘天气的时段,降尘量100%来自尘卷风的起沙量;(4)沙尘天气和尘卷风构成的总起沙量和降尘量在月、年变化都有极其显著的正相关,均通过了0.001极显著检验。     

流域水热条件和植被状况对青海湖水位的影响

湖泊是陆地水资源的重要组成部分，也是局地气候和全球环境变化的敏感指示器之一。湖泊面积增加和水位的变化直接反映了流域内水量平衡变化过程，对区域和全球的气候变化的反映较为敏感。利用线性趋势法对青海湖流域长时间序列气象、水文资料以及流域水热条件和植被生长状况进行分析研究，利用皮尔逊相关系数法计算了各因素与湖水位的相关关系，旨在定量评估区域气象、水文、植被等要素的变化对和湖泊水位变化过程的贡献，开展细致的青海湖水位变化特征的影响因子探讨与分析。结果表明：该流域气候呈现显著的暖湿化趋势，其中流域年降水量总体上呈现弱的增加态势，气候倾向率为10.8 mm·（10 a）^-1；流域年平均气温呈显著的升高趋势（P <0.01）。流域年可能蒸散率和年实际蒸散波动较大，年实际蒸散虽有波动但增加趋势非常明显（P <0.01）。流域净第一性生产力（P）平均值为2.86 t DM·hm^-2·a^-1，呈现显著的增加趋势（P <0.01）。从1961年开始湖水位呈现逐年波动下降的趋势，到2004年水位最低（P<0.01）；2004—2015年的近10 a连续上升，上升速率达14.4 m·（10 a）^-1（P <0.01）。流域气温升高、降水量增加，流域气候呈显著的暖湿化特征，入湖河流径流量也呈现出弱的增加态势；气候暖湿化特征导致流域生物温度增加，植被生长状况得到改善，[WTBX]NPP[WTBZ]显著增加。年降水量增多，河流径流量增大，湖水位抬升；前一年的降水量、≥0 ℃积温、温度、径流量、NPP和蒸发量对湖水位的影响更大；NDVI和NPP的增加反映流域植被生长状况得到好转，从而增加了流域植被水土保持和水源涵养能力，对湖水位产生间接的影响。降水量、≥0 ℃积温、温度、径流量和NPP对青海湖水位起到正反馈效应，而蒸发量对湖水位主要起负反馈效应，年降水量和年径流量是湖水位变化的最直接的影响因子。     

Inter-annual variations in vegetation and their response to climatic factors in the upper catchments of the Yellow River from 2000 to 2010

To understand the variations in vegetation and their correlation with climate factors in the upper catchments of the Yellow River, China, Normalized Difference Vegetation Index（NDVI） time series data from 2000 to 2010 were collected based on the MOD13Q1 product. The coefficient of variation, Theil–Sen median trend analysis and the Mann–Kendall test were combined to investigate the volatility characteristic and trend characteristic of the vegetation. Climate data sets were then used to analyze the correlation between variations in vegetation and climate change. In terms of the temporal variations, the vegetation in this study area improved slightly from 2000 to 2010, although the volatility characteristic was larger in 2000–2005 than in 2006–2010. In terms of the spatial variation, vegetation which is relatively stable and has a significantly increasing trend accounts for the largest part of the study area. Its spatial distribution is highly correlated with altitude, which ranges from about 2000 to 3000 m in this area. Highly fluctuating vegetation and vegetation which showed a significantly decreasing trend were mostly distributed around the reservoirs and in the reaches of the river with hydropower developments. Vegetation with a relatively stable and significantly decreasing trend and vegetation with a highly fluctuating and significantly increasing trend are widely dispersed. With respect to the response of vegetation to climate change, about 20–30% of the vegetation has a significant correlation with climatic factors and the correlations in most areas are positive： regions with precipitation as the key influencing factor account for more than 10% of the area; regions with temperature as the key influencing factor account for less than 10% of the area; and regions with precipitation and temperature as the key influencing factors together account for about 5% of the total area. More than 70% of the vegetation has an insignificant correlation with climatic factors.