Projections of wind changes for 21st century in China by three regional climate models

This paper examines the capability of three regional climate models(RCMs),i.e.,RegCM3(the International Centre for Theoretical Physics Regional Climate Model),PRECIS(Providing Regional Climates for Impacts Studies)and CMM5(the fifth-generation Pennsylvania State University-the National Center for Atmospheric Research of USA,NCAR Mesoscale Model)to simulate the near-surface-layer winds(10 m above surface)all over China in the late 20th century.Results suggest that like global climate models(GCMs),these RCMs have the certain capability of imitating the distribution of mean wind speed and fail to simulate the greatly weakening wind trends for the past 50 years in the country.However,RCMs especially RegCM3 have the better capability than that of GCMs to simulate the distribution and change feature of mean wind speed.In view of their merits,these RCMs were used to project the variability of near-surface-layer winds over China for the 21st century.The results show that 1)summer mean wind speed for 2020-2029 will be lower compared to those in 1990-1999 in most area of China; 2)annual and winter mean wind speed for 2081-2100 will be lower than those of 1971-1990 in the whole China; and 3)the changes of summer mean wind speed for 2081-2100 are uncertain.As a result,although climate models are absolutely necessary for projecting climate change to come,there are great uncertainties in projections,especially for wind speed,and these issues need to be further explored.     

全球土地覆被数据集中哈萨克斯坦草地分布的异同及其成因

受社会制度变迁和气候变化的影响,哈萨克斯坦是中亚地区生态退化和草畜矛盾问题最为突出的国家。近百年来,放牧方式的改变、农业开垦的占用、加之暖干化的气候变化影响,使得哈萨克斯坦各类草地生态系统变化的时空格局具有鲜明的特点。因此,研究哈萨克斯坦草地退化的过程与机制对认识中亚地区草地生态系统对气候变化和人类活动的响应尤为重要,也是对绿色丝路建设过程中区域生态可持续发展的科学支撑。土地覆被数据是生态变化研究的基础数据,但目前广泛使用的各套全球数据集间往往存在很大的差异,这会导致对生态变化成因的认知以及对未来变化的模型模拟产生更大的不确定性。本研究从对草地类型识别的定义、空间分布的一致性和空间分布差异的原因3方面对比5类全球土地覆被数据（UMD 1992-1993、MCD12Q1 2001、GLC 2000、CCI-LC 2000、Glob Cover 2005）中哈萨克斯坦草地分布的异同,以期为哈萨克斯坦的相关研究中土地覆被数据集的选择提供依据。研究结果表明：① 分类系统中对草地类型的界定、遥感数据源、辅助分类数据、分类方法、验证数据和方法的不同是5套数据草地资源分布差异的主要原因,其中MCD12Q1数据与其他4套数据的草地分布面积相差最大;② 5套数据中草地分布都重叠（完全一致）或四套数据重叠（高度一致）的区域仅占39.66%,主要位于哈萨克斯坦典型草原带和部分半荒漠草原带;围绕典型草地分布区,空间一致性由内向外逐渐降低。5套数据完全不一致区域占26.78%,主要位于荒漠草原带;③ CCI-LC2000数据与其他几类数据的重叠区域最高,有76%的草地与5套数据的完全一致以及高度一致区重叠;在分布不一致区域中,极易造成混淆的土地覆被类型主要为旱作耕地、灌溉耕地、耕地与自然植被镶嵌体、裸地以及灌丛。     

基于频度统计和神经网络的北太平洋柔鱼渔场预报模型比较

利用2004~2010年北太平洋鱿钓船队生产数据和海洋环境数据,以海表温度(SST)1℃、海面高度(SSH)为1 cm、叶绿素a浓度(CHL-a)为0.1 mg/m3的间距,分析作业产量、CPUE与SST、SSH、CHL-a的关系,得到柔鱼渔场适宜环境因子范围,并将生产数据和环境数据匹配组成样本集,建立北太平洋柔鱼空间分布BP神经网络模型;利用2011年环境数据预报柔鱼渔场,并与2011年实际生产数据进行对比。结果表明,6~10月各月实际作业位置落入基于频度统计方法预报渔场的概率达90%以上;而BP模型预报的平均精度为79.2%,最低精度为52.5%。基于多环境因子的频度统计柔鱼渔场预报模型优于神经网络模型。     

基于夜间灯光和土地利用数据的云南沿边地区GDP空间差异性分析

云南沿边地区包括8个地州,共56个县,其中有25个县市与老挝、缅甸和越南直接毗邻,具有重要的地缘位置。本研究利用土地利用数据和夜间灯光数据在实现云南沿边地区GDP空间化的基础上,对GDP的空间分布格局进行深入探讨,这对缩小区域经济差异及促进地区共同发展具有一定的指导意义。采用土地利用数据对国内生产总值（Gross Domestic Product, GDP）数据的第一产业进行空间化拟合,采用DMSP/OLS夜间灯光数据对GDP的第二、三产业进行拟合,将第一产业和第二、三产业空间化拟合的结果相加,实现云南沿边地区1992-2013年的GDP的空间化拟合。在此基础上对云南沿边地区GDP空间分布差异进行分析。结果表明：① 土地利用数据对第一产业建模的效果较好,拟合的多期数据的相对误差均低于1.12%,采用夜间灯光数据,基于“分类回归”方法对第二、三产业拟合相对误差最大仅为6.404%,最终二者之和拟合的GDP拟合精度都较好,相对误差最大仅为4.241%;② 22期GDP数据在空间分布上均呈现正的相关性,且均为显著集聚;③ GDP空间分布局部集聚的高值-高值区域集中在开远、蒙自等县域,低值-低值地区集中在绿春、西蒙等地区;④ 云南沿边地区县域之间的经济差异在1992-1996年逐渐增强,1996年之后,经济差异波动缩小,空间关联效应呈现波动式的增强和减弱;⑤ 云南沿边地区的三维插值结果均呈现出西北至东南一线的“洼地-丘陵-平地-高峰”地势变化格局,沿边地区的东南角地区即红河州的建水、个旧和开远等县市的GDP最高,“丘陵”地势主要集中在腾冲、保山市以及最南部的景洪地区,“洼地-平地”地势主要分布在沿边地区西北角的贡山和福贡等县域、西南角的西蒙和孟连等县及中部区域的绿春和江城县等地区。