暴发生长期菹草（Potamogeton crispus）附着生物膜成为城市河流反硝化作用热点

富营养化河流中水生植物丰富的浅水区通常是氮素转化的热区,沉水植物菹草暴发性生长可能会加速河流生态系统的反硝化进程,但菹草附着生物膜的反硝化作用变化特征及其脱氮贡献尚不清楚。为探究菹草暴发生长期间附着生物膜的反硝化作用潜力及环境效应,以沂河临沂市城区段菹草为研究对象,在菹草暴发生长期间定期采样分析菹草生物量、菹草附着生物膜养分含量及反硝化细菌,同时采用15N同位素添加流动培养结合薄膜进样质谱技术测定菹草附着生物膜的反硝化速率。结果表明：暴发生长期菹草生物量和盖度迅速增加,监测点最大生物量为1817～3334 g/m²;菹草附着生物膜干重、总有机碳、总氮、反硝化功能菌等均明显增加,为附着生物膜反硝化作用提供了丰富的物质和微环境条件;菹草暴发生长期附着生物膜反硝化速率显著升高,监测点最大反硝化作用速率达到424.18～1728.39μmol/(m²·h),是表层沉积物的17.29～29.09倍;附着生物膜反硝化产氮气(N₂)贡献相对较高,对生物膜产N₂(反硝化+厌氧氨氧化)的贡献为77%～96%,对河流反...     

苦草(Vallisneria natans)和黑藻(Hydrilla verticillata)对沉积物各形态磷垂直分布的影响

采用沉水植物苦草(V.natans)和黑藻(H.verticillata)作为研究对象,在其旺盛生长期测定群落内外上覆水及沉积物各形态磷的含量,以探究不同根系特点的沉水植物对沉积物中各形态磷垂直分布的影响.结果表明:实验进行30 d后苦草和黑藻组沉积物总磷(TP)、无机磷(IP)和氢氧化钠提取磷(NaOH-P)含量在垂直方向均呈现不同程度的降低.苦草和黑藻组沉积物TP的含量在4.5 cm深度处降低幅度最大,较对照组分别下降了58.91和36.46 mg/kg;IP含量分别在沉积物6.0和3.0 cm深度处降低幅度最大,较对照组分别降低了85.41和57.41 mg/kg.总体来看,沉水植物苦草对沉积物各形态磷含量降低的影响大于黑藻.     

基于机器学习的华北气温多模式集合预报的订正方法

模式预报的订正是决定局地天气预报结果的一个重要步骤,基于机器学习的后处理模型近年来开始崭露头角。本文发展了基于岭回归（Ridge）、随机森林（Random Forest,RF）和深度学习（Deep Learning,DL）的3种后处理模型,基于中国气象局（CMA）的BABJ模式、欧洲中期天气预报中心（ECMWF）的ECMF模式、日本气象厅（JMA）的RJTD模式和NCEP的KWBC模式这4个数值天气预报模式2014年2月至2016年9月（训练期）近地面2 m气温预报和实况资料确定各模型参数,进而对2016年10月至2017年9月（预报期）华北地区（38°N~43°N,113°E~119°E）的逐日地面2 m气温预报进行了多模式集合预报分析。采用均方根误差对预报效果进行评估,这3种后处理模型的预报效果和4个数值天气预报模式以及通常的多模式集合平均（Ensemble Mean,EMN）的预报效果的对比表明:1）随着预报时长增加,4个数值预报模式及各种后处理模型的均方根误差均呈上升趋势;但区域平均而言,Ridge、RF和DL的预报效果在任何预报时长上都明显优于EMN和单个天气预报模式;特别是前几天的短期预报DL的预报效果更好,中后期预报Ridge的预报效果略好。2）华北地区的东南部均方根误差较小,其余格点上均方根误差较高,从空间分布而言,DL的订正预报效果最好,3种机器学习模型的误差在1.24~1.26℃之间,而EMN的误差达1.69℃。3）夏季各种方法的预报效果都较好,冬季预报效果都较差;但是Ridge、RF和DL的预报效果明显优于EMN,这3种模型预报的平均均方根误差在2.15~2.18℃之间,而EMN的平均均方根误差达2.45℃。     

GMS-5四通道云图的自动分类及其在定量降水估算中的应用

根据日本地球静止气象卫星（GMS-5）云图的新特点,运用动态分类方法对GMS-5四通道卫星云图进行分类,得到各种云类及地表。并由分类结果,根据一维云模式得到的对流云对流核心云顶温度与降水之间的关系,对层云和对流云做定量降水估算。并用1995年8月31日的云图资料进行对流云和层云的降水估计试验,将估算出的降水率和降水面积与地面1 h的观测降水资料进行比较,结果表明：假如设置40%为降水的允许误差,那么降水估计的准确覆盖率将达到70%。能在业务应用中推广,并且该方法可以应用到即将发射的风云2号气象卫星资料处理