全球变化对人类传染病发生与传播的影响

在自然条件与人类活动加速全球变化的驱动下,传染病发生和传播的模式也在发生改变．自然因素尤其是气候变化将直接或间接影响许多传染病的暴发和传播．气温、降水、湿度和光照等气象要素通过影响病原体、宿主和疾病的传播媒介,从而改变传染病的发生和传播;极端气候事件引起的干旱、洪涝等气象灾害会直接对人类造成伤害并影响传染病的发生与传播;地表生态系统包括下垫面类型和植被分布也会间接对传染病的暴发产生影响．人类活动也是影响传染病传播的间接动力．其中,国际化、普遍化的旅行以及农村向城市的人口迁移所造成的人口流动是传染病大规模传播的根本原因;快速城市化伴随的城市基础设施滞后以及城市边缘传染病的高风险将改变传染病及其造成死亡的模式;农业侵占、森林砍伐等土地利用变化,已经引发了一系列疾病暴发并改变了许多地方病的传播方式;飞速发展的航空、公路和铁路交通运输,不但加快了疾病传播的速度,也扩大了疾病传播的范围．另外,频繁的经济贸易增加了传染病暴发的可能性,为病原体远距离扩散、新型病毒随牲畜贸易沿途扩散等提供了途径．     

测风塔风速的长程持续性特征研究

基于中国陆上风能资源专业观测网提供的测风塔风速资料,本文利用去趋势波动分析(Detrended Fluctuation Analysis, DFA)方法,研究了103座测风塔在不同高度处观测的、不同分辨率的风速时间序列的长程持续性特征。结果表明：(1)同一测风塔观测的不同高度处的风速时间序列,存在一致的标度行为,与数据时间分辨率无关;(2)对于6 h平均风速序列而言,103座测风塔观测风速的DFA指数α数值范围基本在0.55～0.91之间,都表现出较强的长程持续性,区域特征不明显;(3)对于10 min平均风速序列,DFA标度指数曲线存在弯折,以24 h尺度为界,呈现出2个明显的独立标度区间：在较大的时间尺度上,标度指数α的数值大小为0.80,而在较小的时间尺度上,α的数值大小约为1.38。     

1901—2016年印太海域海表温度的偏差订正及数据集研制

海表温度系统性观测偏差的订正是开展长历史序列网格化海表温度气候数据产品研制的关键.本文在引入美国SR02海表温度偏差订正方法的基础上,结合国家气象信息中心自主研发的全球海表观测定时值数据集,进行了相关参数的优化改进,从而研制了1901-2016年印度洋-太平洋核心海域月平均2°×2°分辨率的海表温度偏差订正数据集.对海温偏差订正量的时空分布特征分析表明,基于自主研制的基础数据和优化改进的方法求解的偏差订正量能有效反映海表温度观测手段的历史变迁,以及海表温度系统性偏差随季节变化的规律.同时,与ERSST订正量的对比表明,由于优化改进后的方法其阈值计算随空间样本而变,因而其局地变化特征的表现能力更强,且其订正量在观测手段转型期的变化更为明显.相较订正前的海表温度距平(SSTA)场,订正后的SSTA资料与ERSSTv5SSTA间的偏差误差和均方根误差均有明显降低.其中,偏差误差的缩减比例在37.7%~87.9%之间,均方根误差可降低0.06℃.此外,与国际同类产品的对比表明,本文发展的SSTA订正数据集与国际同类SSTA产品序列的相关系数不低于0.97,且变化趋势类似.从差异对比上看,除中高纬东亚大陆近海区域外,本文的偏差订正数据集与国际上同类产品的SSTA差异基本在-0.2~0.2℃之间.