全球FLUXNET站点总初级生产力的年际变化及其主导因子解析

基于耶鲁互动生物圈模式（YIBs）,结合FLUXNET网络观测时间超过8 a的站点的观测数据,研究对不同气象因子影响下总初级生产力（Gross Primary Productivity,GPP）的年际变化进行分析,探讨各植被类型GPP年际变化的主要驱动因子。结果表明,光合有效辐射的变化是落叶阔叶林和常绿针叶林站点GPP年际变化的主要驱动因子,贡献了这些森林类型年际变率的80%。相对湿度变化是作物站点GPP年际变化的主要驱动因子,贡献了作物GPP年际变率的65%。温度是灌木丛站点GPP年际变率的重要因子,其贡献率达到58%。草原站点GPP年际变化的不确定性较大,没有统一的主导因子。研究结果表明,气象要素是全球陆地GPP年际变化的主导因素。在未来气候变化背景下,极端气候事件频发可能会进一步增加GPP的年际变率。     

新冠肺炎疫情期间中国人为碳排放和大气污染物的变化

利用行业经济活动数据、1 580个地面监测站和6套卫星反演数据,分析了我国新冠肺炎疫情期间人为碳排放和主要大气污染物的变化。与2019年第一季度相比,2020年同期我国碳排放降低9.8%,其中交通部门降幅最大达到43.4%。与2019年2-3月相比,疫情期间全国地表臭氧浓度同比升高1.9 nL/L(5%),其中华北平原以降低为主,东南部地区以上升为主。PM2.5浓度同比下降12.6μg·m^-3(24.9%),其中长三角降幅最大。二氧化氮(NO2)的地面浓度和对流层柱浓度在京津冀、珠三角和长三角都降低20%~30%,体现了高低层的一致性。地面一氧化碳(CO)浓度同比降低17%,而对流层CO柱浓度升高2.5%,可能原因是境外生物质燃烧输送提升了我国南方高层大气的CO浓度。中东部地区气溶胶光学厚度显著降低,导致地表晴空短波辐射同比升高11.6 W·m^-2(9.6%)。     

CCM3/NCAR的辐射方案在IAP-AGCM模式中的应用

利用NCAR的CCM3 (The Community Climate Model version 3) 辐射模块, 对IAP9L－AGCM的辐射计算方案进行了替换, 并对改进的结果做了细致的评估。分析表明, 新版本的模式在大多数辐射场的空间平均和分布型的模拟上有了较为明显的改进, 特别是较好地克服了原模式中陆面净辐射场的偏差。在此基础上, 新版本计算的大气温度普遍升高。伴随这种变化, 模式中的海平面气压、 地表温度、 位势高度、 风场、 降水、 比湿等物理量都有了调整, 但是变化并不明显, 从而对模式的进一步发展和完善提出了新的要求。     

基于CMIP6多模式集合的未来中国风功率预估

实现我国2060年“碳中和”目标,需要大力发展包括风能在内的清洁能源,然而气候变化给未来风资源利用带来较大的不确定性。本文利用人工神经网络(Artificial Neural Network,ANN)算法对16个CMIP6气候模式风速数据进行逐一订正,在此基础上预估21世纪30、60年代以及21世纪末这3个不同年代在低(SSP1-2.6)和高(SSP5-8.5)排放情景下中国风功率较当代的变化。结果表明,ANN算法使CMIP6气候模式均方根误差平均降低(39.93％±9.57％),并使多模式集合平均与观测的相关系数从0.56增加到0.83,更好地再现了中国当代风速的空间分布和季节变化。在此基础上,预估的21世纪60年代(2050—2064年)风功率密度在两种情景下分别减少了(1.01±0.94) W·m^-2(2.62％±2.27％)和(1.11±1.45) W·m^-2(1.90％±2.51％)。时间上,春季作为风能密度最大的季节,两种排放情景下风功率分别减少了(1.16±1.14) W·m^-2和(1.43±1.58) W·m^-2。空间上,中国东南部风功率密度在SSP1-2.6情景下降(0.56±0.53) W·m^-2,而SSP5-8.5情景下上升(0.40±0.29) W·m^-2。近期(2025—2039年)全国平均风功率密度在两种情景下分别减少了(0.52±0.83) W·m^-2和(0.54±1.02) W·m^-2,而长期(2085—2099年)风功率密度分别减小了(0.98±1.17) W·m^-2和(1.83±1.17) W·m^-2。利用极度梯度提升(XGB)算法订正CMIP6数据的预估变化量级偏小但趋势一致,表明随着全球变暖幅度的增加,我国风功率降低的趋势将更加显著。     

2019～2020年北极野火极端事件的气象成因解析

利用MERRA-2再分析气象变量（降雪量、降水量、地表风速、相对湿度、2 m气温、日最高气温）和加拿大火险天气指数，通过逐步回归方法构建1997～2020年间北极不同关键区内气象因子与野火碳排放量之间的关系，在此基础上解析北极地区2019～2020年野火极端事件的主导气象因子。结果显示在北极的3个关键区中，野火排放的主导因子都是火险指数之一的粗腐殖质湿度码（Duff Moisture Code, DMC）。2019～2020年北极地区850 hPa位势高度异常偏高，带来极端升高的日最高温和显著减少的降水，共同导致异常偏高的DMC值并促进了野火极端事件的爆发。这一结果表明高温和干旱等气候异常对于目前频发的北极野火有较强的促进作用。