积雪变化对中国森林凋落物分解影响研究进展

森林凋落物的分解对于维持生态系统物质循环和养分平衡具有重要意义,并受到不同积雪厚度下冻融格局的影响。冻融期（包括冻结过程期、完全冻结期、融化过程期）是冻土区凋落物分解的重要时期,该时期分解的凋落物量约占全年分解总量的一半。积雪减少通常会导致土壤温度降低、冻融循环次数增加,进而影响凋落物分解。通过综述近10年来积雪变化对我国森林凋落物分解影响的研究成果发现,积雪厚度减少在冻融期通常会抑制凋落物质量损失、碳元素释放和纤维素降解,生长季则起到促进作用,从全年来看多数表现为抑制作用。因此,冻融作用造成凋落物的物理破坏,对其分解的促进作用主要发生在后续生长季。积雪厚度减少在冻融期通常抑制氮元素释放,生长季和全年则无明显规律;磷元素和木质素目前研究还存在很大差异。最后,进一步阐述了积雪变化对凋落物分解影响研究存在的问题及未来研究发展方向。     

汕头市PM2.5的气象要素影响分析及预报研究

利用2014—2017年汕头市PM_2.5的日浓度资料、以及汕头市国家基准气象观测站的同期地面气象资料,重点分析了汕头市PM_2.5浓度的变化特征以及风、混合层厚度、降水等气象条件对PM_2.5浓度的影响,同时探讨了污染物浓度变化的成因。在此基础上,根据汕头市的气候特点,采用BP （Back-Propagation）人工神经网络方法针对汛期和非汛期分别建立了PM_2.5质量浓度预报模型。结果表明：与多数内陆城市不同,汕头市PM_2.5浓度日变化为单峰型,这与汕头地处沿海受海陆风影响有关;PM_2.5浓度日峰值出现在08时左右,除早高峰污染物排放增加的因素外,与早晨时段的低风速环境有关;PM_2.5日均浓度随着风速的增大呈现减小趋势,PM_2.5日均浓度与08时混合层厚度显著相关（相关系数为-0.143）;汕头市非汛期PM_2.5浓度比汛期高,这与汕头市的亚热带季风气候特征有关,汛期各量级降水（暴雨以上除外）对PM_2.5的清除效果无明显差别,而非汛期降水对PM_2.5浓度有明显清除作用;BP人工神经网络模型的预报效果表明,汛期和非汛期的PM_2.5级别命中率TS分别为100%和90.3%,准确指数分别为87.7%和89.9%,总体预报效果良好。不同时期预报模型出现正误差的数量和程度均大于负误差,汛期预报模型在有强降水发生时误差较大,而非汛期预报模型在有冷空气入侵时误差较大。     

气象因素对汕头市大气O3污染的影响

利用2014年到2016年汕头市O_3的逐日浓度资料,分析了O_3污染的时间变化特征,并结合汕头市国家基准气象观测站的同期地面气象资料,分析了风、混合层厚度、降水、大气环流等气象因素对O_3污染的影响,同时探讨了影响污染物浓度变化的原因。结果表明:不同于北方多数城市夏季O_3污染严重,汕头市的O_3污染秋季(9—11月)最严重,初夏(6月)污染较小,这与汕头的地理位置和气候条件有关。O_3浓度呈单峰型日变化,午后15:00左右浓度最高,夜间浓度较低。风速对O_3既有扩散作用,又有混合作用,当日均风速为1.7 m/s时O_3的平均浓度最大;O_3日均浓度与14时混合层厚度呈显著正相关,午后混合层厚度对O_3日内峰值有很大影响;O_3平均浓度在相对湿度60%时达到最大,高相对湿度不利于O_3体积分数的积累;降水对O_3的去除效果随着降水量级的增大而增大,汛期降水的去除效果与总体去除效果基本一致,而非汛期强降水(中雨以上)去除效果更加显著;出现轻雾时O_3浓度接近平均,出现霾时O_3浓度较高,出现大雾时不利于O_3的生成;当汕头市地面为冷高压脊、850 hPa为东北风场、500 hPa为副热带高压控制时,有利于光化学反应,易造成O_3污染。     

降水相态转换机制及积雪深度预报技术研究

利用2014—2017年山西省地面和高空气象观测资料、NCEP/NCAR FNL再分析资料、山西及周边地区多普勒天气雷达资料,对山西冬半年雨转雪过程进行归类与分析,探讨地面气温在降水相态转换中的作用,提取降水相态转换的前兆信息。针对降雪过程,统计分析降雪量和积雪深度增量的关系,总结提炼积雪深度预报指标。最后,选取气候特征相似的两次雨转雪过程进行对比分析,揭示降水相态转换的物理机制。结果表明:(1)山西省11月发生雨转雪的站次最多,其次为2月。地面气温作为降水相态变化的重要指标,其与气候和天气(如冷空气强度和路径)特征、地理位置等有关。(2)山西冬半年积雪深度增量与降雪量比值约0.68 cm·mm~(-1),且比值随着气温降低而增大,因此存在明显的时空差异。(3)在雨转雪的不同时段,随着对流层低层降温,冰雪层厚度在总云层的比例有所增加,且云中固态凝结物下落路径缩短,使得固态凝结物在下落过程中融化概率减小,造成相态变化。     

全球冰川冰厚度分布

瑞士等多国学者利用5个模式给出了南极和格陵兰以外全球大约21.5万个冰川冰厚度的估计。研究表明,这些冰川的总体积为(158±41)×10^3千米^3因为其中大约15%位于目前海平面之下,这些冰相当于(0.32±0.08)米海平面变化。     

黄河源区多、少雪年土壤冻融特征分析

利用2011年10月至2017年12月黄河源区鄂陵湖野外观测数据,对比分析多雪年与少雪年土壤冻结与消融时间、土壤温湿度、地表能量分量的变化特征。结果表明:多雪年地表反照率偏高,净辐射偏低,地表感热输送偏低,土壤由热“源”转为热“汇”的时间晚于少雪年。积雪可减少土壤吸收辐射能量,减少地表感热通量,在土壤完全冻结期与消融期增大地表潜热通量,在完全冻结期,减少土壤向大气的热输送,在消融期,减少大气向土壤的热输送。积雪在冻结期有降温作用,使得多雪年土壤较早发生冻结,且同一时期土壤温度偏低;在完全冻结期有保温作用,使得土壤温度偏高;在消融期有保温(“凉”)作用,使得消融较晚,且同一时期土壤温度偏低。在整个积雪年内,多雪年浅层土壤湿度高于少雪年,积雪对浅层土壤有保湿作用。积雪使土壤开始冻结时间有所提前,开始消融的时间有所滞后,可延长该年土壤完全冻结持续天数。     

青藏高原积雪对陆面过程热量输送的影响研究

利用1979-2016年中国区域长时间序列逐日雪深资料,分析了青藏高原积雪深度与积雪日数的分布及变化特征,并将积雪期划分为三个阶段(积累期、鼎盛期和消融期),结合ERA-Interim月平均再分析资料,分析了积雪与地表热状况(气温、地表和土壤温度)和能量输送量(地表净短波辐射、地表净长波辐射、感热通量、潜热通量、地表热通量和土壤热通量)的相关关系,初步探讨了积雪在高原陆面过程中的作用。结果表明:研究时间范围内青藏高原积雪(深度和日数)主要呈减少趋势,仅在黄河源区及高原边缘地区为增加趋势,积雪鼎盛阶段(1-2月)的减少趋势最显著;高原积雪对地表主要起降温作用,深层土壤温度对积雪的响应存在滞后性,积雪的减少抑制了土壤向上的热量输送进而不利于冻土的发育;高原积雪与地表感热和地表热通量主要呈现负相关关系,潜热通量与积雪也呈负相关特征但比感热通量的相关性小。由于ERA-Interim资料对高原积雪深度的描述与本研究使用的卫星遥感积雪深度存在较大偏差(包括空间分布、气候倾向率、年际变化以及绝对大小等),导致本研究中积雪与地表热状况和热通量的相关度不高,需要通过陆面模式模拟做进一步探讨。     

利用H/V谱比法研究长江中下游地区沉积层厚度

利用地脉动数据可以确定地震动对地表介质产生的响应,传统的H/V谱比法是针对于地脉动数据而发展起来的,本文将H/V谱比法应用于处理宽频带地震数据.本研究以长江中下游地区为研究对象,对68个宽频地震台站采集到的数据去除地震波形事件后的时间序列进行H/V谱比处理,得到了长江中下游不同区域的沉积厚度.河淮盆地的沉积层厚度大于3000 m.铜陵与安庆,庐棕三个矿区及其附近邻区其卓越频率位于0.05～0.1 Hz,沉积厚度3000 m左右,由西向东逐渐减薄为2000 m左右,且矿区沉积层横向变化大.江汉盆地的沉积层较厚,其边缘沉积层厚度可达3000 m.     

滇中地区的岩石圈结构及其动力学意义

虽然地球化学和地质学的研究确信峨眉山大火成岩省的形成与二叠纪地幔柱活动有关,但从二叠纪至今,峨眉山大火成岩省所在的华南板块至少向北漂移了3000 km,以致大火成岩省与地幔柱的空间位置不再对应．本研究使用川滇地区75个宽频固定台记录的远震事件计算P、S波接收函数,并利用参考地球模型把单个接收函数从时间域变换到深度域,最后从叠加道上读取地壳厚度和岩石圈厚度．结果表明,Moho面深度从云南南部的33 km向北逐渐增厚,在青藏高原东部可达约66km,滇中地区地壳厚度变化剧烈,在攀枝花附近明显增厚．在金沙江—红河断裂西侧的印支块体下方,岩石圈厚度仅为70～80km,但在滇中地区从约70 km变化约到120 km,最薄处发生于攀枝花附近,仅约为70 km．另外,滇中地区部分台站的S波接收函数显示Moho面的Sp转换相一致性较差,而P波接收函数则表明在Moho面附近存在一个正极性的转换界面．综合已有的研究结果,我们推测Moho面附近这一正极性界面是地幔柱岩浆底侵的结果．     

新公式计算岩层真厚度的Excel算法

使用软件1,将岩层序号、导线的方位和倾角、岩层的倾向、倾角和两层面切割导线处的读数分别输入A、F、G、H、I、J、K列,先后分别沿M、N列从第2行单元格开始拖动鼠标,岩层真厚度数据和累积厚度即刻计算出来,进一步可计岩组或岩性段的真厚度;将导线的序号、方位、倾角、长度分别输入W、X、Y、Z列,先后分别沿AB、AC、AD、AE、AF、AG、AH列,从第2行单元格开始拖动鼠标,导线的水平投影长度、纵座标增量及其累积值、横座标增量及其累积值、高程增量及其累积值即刻计算出来。使用软件2,在输入原始数据的同时,结果便计算出来。