复杂地形下降水的高空间分辨率插值方法研究

复杂地形山区降水格局在多种地形要素的综合影响下呈现出显著异质性特征,弱化了降水站点观测资料的空间代表性,限制了遥感及再分析产品的适用性及传统插值方法的准确性。常用的PRISM降水插值算法通过提取并权重化地形要素,借助加权最小二乘算法对降水站点观测数据进行空间插值,被广泛应用于降水产品制备。本文针对PRISM算法对中小地形地貌刻画能力不足的问题,在解析影响复杂地形降水模式的地形要素的基础上,改进了PRISM的地形要素计算与权重化过程,同时,考虑到实际日降水量的随机性,将改进后的PRISM嵌入到“平均态日降水—比值”插值框架,构建了适用于复杂地形的日降水插值算法MPRISMR。随后,以具有复杂地形特征的元江流域为例,通过交叉验证及与ERA5-Land和TRMM_3B42降水产品的对比分析,发现该算法具有较高的准确性与可靠性。结果表明,在元江流域23个气象站点上,MPRISMR的插值结果与观测值的相关系数、相对偏差的中位数分别为0.72、0.98%,总体上优于ERA5-Land和TRMM_3B42日降水产品。另外,MPRISMR插值结果的精度随时间变化更小,更为稳定。最后,研究基于MPRISMR制备了空间分辨率约3 km的元江流域日尺度降水格网数据。本文可为复杂地形的陆面模式或流域水文水质模型提供高精度降水驱动场数据产品,从而支持流域可持续管理决策。     

基于PRISM和泰森多边形的地形要素日降水量空间插值研究

以黑河流域河西走廊中段地区为例,利用该研究区年、月降水与地形间较强的相关性特点,在PRISM方法的基础上对该地区日降水量进行了空间插值计算。文章提出了以月降水量的PRISM空间插值结果为该月逐日降水空间分布的参考本底,利用泰森多边形方法确定空间日降水的概率,从而实现黑河流域河西走廊中段地区日降水的空间制图方法,并对该方法得到的日降水时空数据集进行了误差分析和评估。分析结果表明,这一方法简单可靠,满足分布式水文模型或相关陆表过程分布式模拟对分布式日降水数据时空精度的要求。     

CMIP3气候模式对北疆气候变化模拟评估及未来情景预估

利用北疆地区1961～2000年气温、降水观测数据和CMIP3(phase 3of the CoupledModel Inter-comparison Project)提供的20个海气耦合模式在该地区的模拟结果,评估了各气候模式对北疆地区降水、气温的模拟效果。结果表明:各气候模式对气温、降水模拟效果差异较大。从对气候平均态的模拟来看,有5个模式对降水的模拟相对较好,2个模式对气温的模拟相对较好;所有模式均能模拟出气温的年内变化特征,其中MPI_ECHAM5模式结果与观测数据结果最为接近;但各模式对降水的模拟效果均较差。在月尺度上,一些模式结果与降水观测数据呈负相关性,但对于月气温,大多数模式与其相关性较好,且各模式间月气温均方根误差变化幅度相对较小。综合来看,大部分气候模式在该地区模拟能力比中国东部地区要弱;气候模式的降水数据包括多模式集合数据还不适合用于未来北疆地区降水变化预估分析。最后,采用累计分布函数法(CDF_S)仅对北疆地区2011～2050年时段的气温进行偏差校正与预估分析,结果表明未来40年北疆地区气温在三种排放情景下均呈上升趋势。     

基于DEM的地理要素PRISM空间内插研究

利用PRISM模型基于DEM、站点数据和其它空间数据图层内插了气象要素,以便准确表达其空间分布特征。为了比较PRISM空间内插结果,采用GIS常用的Kriging内插、Spline内插等方法分别对降水和气温站点数据进行空间插补,并对内插结果进行精度分析、DEM空间分辨率的影响分析和各个权重因子的影响分析。分析表明,PRISM方法比其它内插方法能够更加精确地表达气象要素的空间分布,更适合于在地形复杂地区地表参数的空间内插。由于气象要素空间分布的复杂性,PRISM内插方法不能完全表达地表参数空间异质性。以后研究中,应在更小的站点影响单元内考虑更多因子利用PRISM方法进行气象要素的空间内插。     

多源再分析降水数据在拉萨河流域应用对比研究

针对资料稀缺地区水文模拟计算难题,开展多源再分析降水数据在拉萨河流域应用对比研究,本文基于HIMS系统构建了拉萨河流域分布式水文模型,以气象站实测数据为参照,对比分析了中国区域地面降水格点日值数据集和中国区域高时空分辨率地面气象要素驱动数据集两套遥感再分析数据集的气象数据在拉萨河流域的径流模拟效果。结果表明：在日和月时间尺度上,气象站实测降水数据的径流模拟精度最好,驱动集降水数据径流模拟结果要好于网格点降水数据。总体上,基于气象站实测降水数据的径流模拟纳西效率系数为0.86(日过程)和0.93(月过程),相关系数均在0.9以上。基于两类再分析数据的降水径流模拟纳西效率系数均在0.7(日过程)和0.8(月过程)以上,相关系数均在0.9左右。对于资料稀缺地区,多源再分析降水数据是重要的可用数据来源。借助于降水—径流模型,探讨多源再分析降水数据对径流模拟精度的影响,是完善多源再分析降水数据产品质量的一个重要环节。     

GeoSFM水文模型在西藏拉萨河流域的应用

基于物理过程的半分布式水文模型USGS Geo SFM(Geospatial Stream Flow Model)对拉萨河2005年1—12月日径流量进行了模拟,并与同期的观测资料进行了对比。结果表明,Geo SFM模型在拉萨河流域的模拟效果较好,Nash-Sutcliffe效率系数为0.72,模拟和观测值之间的线性相关系数达0.89。由于Geo SFM模型输入参数较少,很多可以从应用广泛的全球或大尺度数据中获取,尤其是卫星遥感降水估算产品直接可以作为模型的降水驱动参数,所以在没有或缺少水文气象观测资料的地区应用前景广阔。     

中国天气发生器的降水模拟

天气发生器是气候影响评价研究的重要工具,在气候变化、地球生态系统及极端气候事件发生的风险分析等方面有着广泛的应用。为了建立一个适用于中国广大地区的天气发生器,需要对各种模拟模型及其参数的估计进行深入的研究。其中降水的模拟及其参数的估计是关键,因为气温、辐射等其他气候要素的模拟依赖于降水的发生。本文重点介绍了常用的随机降水模拟模型：两状态一阶马尔科夫链和两参数GAMMA分布。根据中国672个气象站点1961~2000年的逐日降水资料,计算了降水转移概率P (WD)、P (WW) 及GAMMA分布参数ALPHA和BETA,并分析了4个参数在中国各地的空间分布特征与不同地区各参数的季节分布特征。最后根据各地不同月份计算的四个降水模拟参数对中国各地的逐日降水进行模拟,并利用1971~2000年的实测数据对30年模拟结果在统计意义上进行了检验,模拟结果较好。     

2014年中国城市PM_(2.5)浓度的时空变化规律

大气霾污染因其对人体健康、生态环境和气候变化的影响而成为全球关注的严重环境问题,PM2.5是中国霾污染频繁的主要原因。过去对国家尺度上PM2.5时空分布的认识主要基于卫星观测,因其反演方法的局限性,卫星资料难以真实反映近地面PM2.5浓度的时空变化规律。本文基于中国2014年190个城市中的945个监测站的PM2.5浓度观测数据,采用空间数据统计模型,揭示了中国PM2.5的时空格局。结果显示,2014年中国城市PM2.5平均浓度61μg/m3,具有显著的冬秋高、春夏低的"U"型逐月变化规律和周期性U-脉冲型逐日变化规律;中国城市PM2.5浓度呈现显著的空间分异与集聚规律,以及两次南北进退的空间循环周期;胡焕庸线和长江是中国PM2.5浓度高值区和低值区的东西和南北分界线,胡焕庸线以东和长江以北的环渤海城市群、中原城市群、长三角城市群、长江中游城市群和哈长城市群等地区是2014年PM2.5的高污染城市聚集地,京津冀城市群是全年污染核心区;以珠三角为核心的东南沿海地区是稳定的空气质量优良区。     

西北地区大气降水δ18O的特征及水汽来源

根据2005年各月在中国大气降水同位素观测网(CHNIP)位于西北地区的阜康、策勒、临泽、海北、沙坡头、长武和安塞观测站点收集的降水样品,对其中的同位素的组分进行测定,分析了西北地区大气降水中δ18O的时空分布特征.所建立的局地大气降水线方程δD=7.05δ18O-2.17,反应了西北地区独特的局地气候特点.降水δ18O的温度效应显著,而降水量效应只在夏季(6-8月)间存在.δ18O的空间分布特征可以很好地反映西北地区的大气环流背景.应用瑞利分馏模型及动力分馏模型对阜康-安塞沿线降水δ18O的定量模拟结果,揭示了西北地区降水水汽的分馏主要以动力分馏为主,雨滴在降落过程中历经了一定的二次蒸发过程,其降水水汽中也混入一定量的由局地再蒸发的水汽.此外,利用西北地区在全球大气降水同位素观测网络(GNIP)中的乌鲁木齐、和田、张掖、兰州、银川和西安6个站点的长时间序列的δ18O与降水量、温度等气候因子建立的多元线性回归关系可以对降水δ18O进行定量估算;基于乌鲁木齐站点12年的δ18O资料对该地区的温度拟合,为历史气候的定量恢复提供了依据.     

利用MODIS影像和气候数据模拟青藏高原草地地上生物量（英文）

精确量化高寒区域的草地地上生物量在精确量化全球碳循环方面起着非常重要的作用。本研究利用月尺度的归一化植被指数、增强型植被指数、平均空气温度、≥5℃积温、总降水、降水积温比模拟了青藏高原高寒草地地上生物量。本研究对比分析了三种多重逐步回归模型,即地上生物量与归一化植被指数和增强型植被指数的逐步回归模型,地上生物量与空气温度、积温、降水和降水积温比的逐步回归模型,地上生物量与归一化植被指数、增强型植被指数、空气温度、积温、降水和降水积温比的逐步回归模型。结果表明,在高寒草甸,归一化植被指数模拟的地上生物量与观测的地上生物量间的平均绝对误差和均方根误差分别为31.05 g m~(-2)和44.12 g m~(-2);在高寒草原,归一化植被指数模拟的地上生物量与观测的地上生物量间的平均绝对误差和均方根误差分别为95.43 g m~(-2)和131.58 g m~(-2)。在高寒草原,积温模拟的地上生物量与观测的地上生物量间的平均绝对误差和均方根误差分别为33.61g m~(-2)和48.04 g m~(-2)。在高寒草甸,植被指数和气象数据模拟的地上生物量与观测的地上生物量间的平均绝对误差和均方根误差分别为28.09 g m~(-2)和42.71 g m~(-2);在高寒草原,植被指数和气象数据模拟的地上生物量与观测的地上生物量间的平均绝对误差和均方根误差分别为35.86 g m~(-2)和47.94 g m~(-2)。因此,植被指数和气候数据同时参与的逐步回归模型比植被指数或气候数据单独参与的逐步回归模型的精度高;不同高寒草地类型的回归模型精度不同。     

2007—2020年西藏草面温度时空分布特征

利用2007—2020年西藏38个气象站点平均草面温度（简称草温）、平均气温、平均地表温度、云量、降水量等观测资料,采用气候统计诊断方法分析了西藏草面温度的时空分异特征及其影响因素,以期科学研究当地草地生态系统和开展专业气象服务。结果表明：西藏年平均草温呈自东南向西北递减的分布。草温与海拔高度存在显著的负相关,海拔高度每升高100 m,季平均草温降低0.44~0.70 ℃,年平均草温降低0.58 ℃;与纬度有着显著的曲线关系,29.3°N以南（北）地区,随着纬度增加,草温随之升高（降低）。各站草温呈一峰一谷的日变化特征,日最低值出现在07:00—08:00（北京时间）,日最高值均出现在14:00;草温月平均最低值都出现在1月,月平均最高值出现在6月或7月;76%的站点草温的变化为夏季>春季>秋季>冬季的气候特征。西藏草温年较差为21.4 ℃,较气温年较差偏大3.1 ℃;草温日较差达35.7 ℃,远高于气温日较差,偏大21.6 ℃。草温与气温之差以夏季最大,其次是春季、冬季两者比较接近;草温与地表温度之差以春季最大,夏季次之,冬季最小。在空间分布上,月平均草温与气温、地表温度均呈显著的正相关,与平均风速、积雪日呈显著的负相关;积雪深度对草温的影响,除冬季外二者存在显著的负相关;大部分月份平均草温与总云量、低云量、降水量的关系不显著。86.8%的站点5—9月平均逐小时草温与降水量存在显著的负相关关系。     

巴丹吉林沙漠周边地区近50 a来气候变化特征

 利用巴丹吉林沙漠周边9个气象站的1960—2009年逐月平均气温、平均最高气温、平均最低气温、降水量、平均相对湿度和日照时数及1960—2008年逐月平均风速的观测资料,运用线性回归、滑动平均和Mann-Kendall突变检验分析了该区近50 a来气候变化特征。结果表明,近50 a来,巴丹吉林沙漠周边地区年平均气温以0.40 ℃/10a的速率显著升高;四季平均气温的升高亦很显著,以冬季的升温速率最大;年、季节平均最高气温和平均最低气温均呈显著升高趋势;年、季平均日较差则显著减小,且以最低气温的升温速率大于最高气温的升温速率为特点。年降水量以0.87 mm/10a的速率呈不显著增加趋势;各季节降水量变化略有差异且均不显著,春季降水量略有减少,夏、秋和冬季略有增加。湿润指数的变化不明显,总体来看,年和冬季湿润指数略有增大,春、夏和秋季湿润指数略有减小。年日照时数以34.8 h/10a的速率显著增加,各季节日照时数亦均有增加趋势,其中春季增加最为明显。年平均风速以-0.092 m·s-1·(10a)-1的速率呈显著减小趋势;各季节平均风速均显著减小,以冬季的减小速率最大。     

Spatio-temporal changes in agricultural hydrothermal conditions in China from 1951 to 2010

Based on the daily observation data of 824 meteorological stations during 1951- 2010 released by the National Meteorological Information Center, this paper evaluated the changes in the heat and moisture conditions of crop growth. An average value of ten years was used to analyze the spatio-temporal variation in the agricultural hydrothermal conditions within a 1 km² grid. Next, the inter-annual changing trend was simulated by regression analysis of the agricultural hydrothermal conditions. The results showed that the contour lines for temperature and accumulated temperatures (the daily mean temperature ≥0°C) increased significantly in most parts of China, and that the temperature contour lines had all moved northwards over the past 60 years. At the same time, the annual precipitation showed a decreasing trend, though more than half of the meteorological stations did not pass the significance test. However, the mean temperatures in the hottest month and the coldest month exhibited a decreasing trend from 1951 to 2010. In addition, the 0°C contour line gradually moved from the Qinling Mountains and Huaihe River Basin to the Yellow River Basin. All these changes would have a significant impact on the distribution of crops and farming systems. Although the mechanisms influencing the interactive temperature and precipitation changes on crops were complex and hard to distinguish, the fact remained that these changes would directly cause corresponding changes in crop characteristics.     

1961-2010年武威市气温日较差变化趋势及影响因子分析

利用1961-2010年武威市5个气象站逐日地面最高气温、最低气温及年平均气温、日照时数、蒸发量、降水量、相对湿度、平均风速等观测资料,运用趋势系数法系统分析了该区域近50年气温日较差的时空分布及强度特征,采用多元线性回归中的标准化回归系数分析了影响气温日较差的气象因子。结果表明：受天气系统、地形地貌以及海拔等影响,武威市气温日较差低海拔地区大于高海拔地区。各地年、年代气温日较差总体呈减小趋势,民勤县、古浪县的减小趋势尤为显著,年平均气温日较差的时间序列存在着6～8年的准周期变化;各季节气温日较差变化趋势不太一致,总体上呈减小趋势;月气温日较差变化也存在差异,除天祝藏族自治县外,3月和9月为两个低谷,4-6月和10月为两个高峰。年气温日较差极大值和极小值均呈减小趋势。年最高、最低气温均呈升高趋势,年气温日较差与年最高、最低气温呈相反的变化趋势,最低气温的快速升高和最高气温的缓慢升高是气温日较差减小的直接原因,最低气温显著升高的季节气温日较差的减小趋势更大。影响武威市气温日较差的主要因子是蒸发量、平均气温、平均风速、日照时数,关联性最强的是蒸发量,其次是平均气温,其中气温日较差与日照时数、蒸发量、相对湿度以及平均风速呈正相关,与平均气温和降水量呈负相关。影响各地气温日较差的主要因子有所不同。     

国家基本/基准站地面气温资料城市化偏差订正

城市化偏差是中国地面气温观测记录中最大的系统性偏差,订正该偏差可为大尺度气候变化监测和研究提供准确的基础资料。论文介绍了用于单站地面月平均气温序列城市化偏差订正的一个方法,并利用该方法订正了685个国家基本/基准站1961—2015年地面年及月平均气温序列中的城市化偏差。采取自东往西迭代订正的方法,即从东往西逐经度订正,订正完的目标站也可作为参考站。首先,规定目标站的参考站在300 km范围内,并利用2站的去线性趋势年均气温的相关系数作为标准,规定相关系数最大且通过信度水平为0.005显著性检验的4个候选参考站作为该目标站的参考站;然后,对各个参考站年均气温与其对应目标站年均气温求相关,并以其平方为权重计算各参考站月和年均气温的平均值序列,即为各目标站年和月平均地面气温参考序列;其次,利用目标站气温序列趋势及其参考序列趋势之差作为总的订正值,订正目标站气温序列中包含的城市化偏差。较大的城市化偏差出现在华北地区、华中部分地区、东北北部、西南及西部部分地区,介于0.1~0.3 ℃/10 a;在中国西北部分地区、西藏西部及南部、东北南部、华南沿海、华东及华中个别站存在负偏差;对整个中国而言,相对城市化偏差为19.6%。以北京、武汉、银川、深圳作为华北、华中、西北和华南地区的大城市代表站,发现其在过去55 a的相对城市化偏差分别为67.0%、75.4%、32.7%和50.3%,与前人针对单站评估城市化影响的结果基本一致,说明论文的订正方法较为合理。论文介绍的城市化偏差订正方法,可用于订正中国等快速城市化地区地面气温观测资料的系统偏差,订正后的气温数据在很大程度上消除了城市化因素引起的不确定性。     

青藏高原春季植被变化特征及其对夏季气温的影响

分析1982~2001年NDVI和青藏高原地区台站气温资料,得到结论:近20年来春季高原植被总体呈明显的增加趋势,其中以高原北部、西北部和南部日喀则附近地区的植被增加最明显。高原NDVI与季节同期和滞后的气温以正相关为主。春季NDVI与滞后0~3季气温都表现为正相关,尤以高原春季NDVI与夏季气温的相关更为显著。高原春季NDVI如果处于异常偏小(或偏大) 状态,同时高原的北部和中西部是较明显的NDVI负距平(或正距平)分布时,则高原地区夏季气温具有整体上(或大部分地区)偏低(或偏高)的倾向,平均气温和最高气温在高原西部和北部表现明显,对最低气温的影响的关键区位于高原的中南部和东南部。     

山区月降水量的短序列订正方法

山区降水量数据非常有限,而且它们的时间序列长短不一,需要将短时间序列的降水量数据延长到统一的长时间序列,才能进行相互比较,这是山区气候研究中的一项重要的基础工作。以浙江省仙居县为例,通过分析月降水量的时间分布类型,选择了县内10个降水量测站,分别以上张水文站和苗寮水文站为基本站,以其它7个水文站和括苍山气象站为订正站,对基本站和订正站的月降水量之间进行相关分析,并采用月降水量相对系数的稳定性特征对各订正站的月降水量进行了时间序列订正,然后,从订正误差的角度分别对订正结果进行了分析。结果表明：基本站与订正站月降水量之间的相关系数越大,则订正站月降水量的订正误差越小。此外,当基本站与订正站月降水量之间的相关系数相差不大时,则订正站月降水量的订正误差与月降水量的时间分布类型有关,月降水量属于同一类型的订正误差比不属于同一分布类型的订正误差小。     

IPCC A1B情景下中国西南地区气候变化的数值模拟

利用ECHAM5/MPI-OM 全球海气耦合模式模拟的当代(1986-2000 年)和IPCC A1B情景下未来(2011-2025 年)2×15a 的模拟输出格点场资料,驱动20 km高水平分辨率区域气候模式RegCM3 进行西南地区气候变化的数值模拟,主要分析未来地面温度和降水的可能变化。结果表明：①通过与32 个地面气象站观测资料和CRU资料对比分析,RegCM3 能够很好的模拟研究区基准时段地面温度和降水的局地分布特征。②A1B情景下未来西南地区年、四季平均温度均明显增加,北部温度变化幅度大于南部。③最高/最低温度一致升高,冬季最高/最低温度变化幅度大于夏季;年、秋冬季降水有所增加,冬季降水增加明显,而春夏季降水略有减少。④研究区未来春夏季温度升高、降水减少的趋势可能导致局部地区高温、干旱等极端天气的可能性增大;同时冬季降水增加,可能加重局部地区洪涝灾害的风险。     

1960~2015年中国天山南、北坡与山区极端气温时空变化特征

基于中国天山地区35个气象站点1960~2015年逐日最高、最低气温实测资料,应用Mann-Kendall趋势检验分析法, 空间分析法等研究了极端气温的时空变化特征,并探讨了气温指数的环流背景因素。结果表明：① 近56 a来,年平均最高、最低气温均呈上升趋势,而日较差呈下降趋势; 暖指数和日最低(高)气温极小值均呈上升趋势,而其他冷指数呈减小趋势;从季节变化看,除暖昼、暖夜之外,大部分气温指数的冬季变暖幅度均明显高于夏季。② 空间分布上,天山山区年平均最低气温和日较差以及大部分冷指数的变暖幅度大于南北坡,而暖指数则表现为南坡大于北坡和山区。③ 高温和低温指数变化幅度表现出明显不对称性变化,年平均最低温的变暖幅度明显大于年平均最高温,冷指数变暖幅度大于暖指数,夜指数变暖幅度显著大于昼指数。④ 天山地区年平均最高(低)气温和极端气温冷指数受环流指数北极涛动(AO)、北大西洋涛动(NAO)和厄尔尼诺-南方涛动(ENSO)的影响较大,而北太平洋涛动(NPO)、东亚夏季风(EASMI)、南亚夏季风(SASMI)和南海夏季风(SCSMI)是暖指数变化的重要因素。     

秦岭—大巴山高分辨率气温和降水格点数据集的建立及其对区域气候的指示

本文建立了秦岭—大巴山高分辨率(～29 m×29 m)的气候格点数据集,包括逐月气温和降水、年均温和年降水、春夏秋冬气温和降水。空间插值方法采用国际上较为先进的ANUSPLIN软件内置的薄盘光滑样条函数,以经度、纬度和海拔为独立变量。空间插值结果与流行的WorldClim 2.0气候格点数据集具有一致性,但是比后者更精确、分辨率更高、细节更突出。本文揭示和证实:秦岭南麓是最冷月气温的0℃分界线。秦岭—大巴山气温具有明显的垂直地带性。6月气温直减率最大,为0.61℃/100 m;12月气温直减率最小,为0.38℃/100 m;年均气温直减率为0.51℃/100 m。夏季和秋季降水从西南向东北递减,强降水中心出现在大巴山西南坡。冬季降水从东南向西北递减。大巴山是年降水1000 mm分界线,夏季降水500mm分界线;秦岭是年降水800 mm分界线,夏季降水400 mm分界线。与大尺度大气环流对比揭示:秦岭—大巴山气温和降水空间分布主要受到东亚季风和地形因子的控制。本文进一步明确了秦岭和大巴山的气候意义:大巴山主要阻挡夏季风北上,影响降水空间分布;秦岭主要阻挡冬季风南下,影响冬季气温空间分布。本文建立的高分辨率气候格点数据集,加深了对区域气候的认识,并将有多方面的用途。