多时间序列求关联维D_2

在利用Ｇ．Ｐ．法由单一时间序列计算关联维Ｄ_２的基础上，引入矩阵范数，提出了多时间序列数据联合计算关联维Ｄ_２的算法。这一算法是Ｇ．Ｐ．法的推广。验算结果表明这一算法正确、可行，能提高计算结果的可靠性。     

影响中国的热带气旋极端事件年代际变化

利用1949—2009年影响中国的热带气旋风雨资料以及登陆信息,研究影响热带气旋极端事件的年代际变化特征。结果表明：热带气旋登陆极端偏早或偏晚事件在1970和2000年代发生较少。热带气旋登陆强度（中心附近最大风力和最低气压）极端事件在2000年代发生频数最高。热带气旋降水影响时间极端事件在1970年代频数最多,大风影响时间极端事件在1980年代频数最多。日降水量和过程降水量的极值站数在1960年代最多,日最大风速极值站数在1980年代最多。     

水力类泥石流冲出规模模拟实验

在物源条件一定的情况下,通过实验模拟,研究水力类泥石流在不同流速、流量和纵比降组合条件下的沟道启动、揭底机理和运动特征。用Herschel-ulkley模型分析泥石流运动时的受力情况,整理实验数据获得侵蚀高度与纵比降的关系和流量与揭底距离的关系。     

ENSO冷暖事件与郑州地区汛期气候异常关系

利用1951—2000年郑州站汛期气温和降水资料，分析了ENSO冷暖事件与郑州地区汛期气候异常的关系。结果发现：ENS0冷暖事件对郑州地区汛期降水和气温均有较大影响，对降水异常的影响更显著。暖事件出现当年，郑州地区汛期易出现降水异常偏少，次年则易出现降水异常偏多；冷事件出现当年，郑州地区汛期降水易出现异常偏多，次年降水出现异常的几率较小。     

季节变化对全球气候变化的响应——以湖北省为例

根据湖北省10个代表站1951(或建站)~2006年逐日平均气温,计算分析了四季初日和长度及其变化趋势,以揭示气候季节对全球气候变暖的响应。结果表明:(1)湖北省平均春、夏、秋、冬四季初日分别为3月22日、5月27日、9月27日、11月27日,四季长度分别为65.7、122.8、60.9、115.6d,且时空差异明显;(2)56a来湖北省平均入春、入夏分别提前2.8、1.6d,入秋、入冬分别推后4.0、6.1d;(3)56a来湖北省平均冬季缩短8.9d,夏季延长6.3d,秋季延长2.0d,春季无变化;荆州夏季延长21.1d,武汉冬季缩短17.0d。     

沙纹弹道成因理论评析

运用风沙地貌蚀积原理对长期风靡于风沙地貌学研究领域的R·A·拜格诺跃移质冲击起动学说进行了评析,在肯定该学说正确方面和历史贡献的同时,对其中的沙纹弹道成因理论提出了异议。在分析弹道理论特点后认为,跃移质等量、等高、等距的三等特性是拜氏冲击起动学说在沙纹成因上的具体运用和观点的集中体现。分析认为沙粒跃移特性轨迹只存在于少量的跃移质中,且很少具有连续性;它不能取代普遍存在于风沙移动之中沙粒的3种运动形式,也无法体现沙粒两种起动的相互关系和沙粒在移动中所表现出来的高低不一,移距长短不同的差异性和分选性。评析强调沙粒起动和沙粒运移的多样性,在寻求它们的规律时,不应简化其多样性,或追求运动的单一性和特殊性。实验证明,沙纹无论在初始的形成阶段,还是在后续的演进阶段,均有风力起动和冲击起动的参与,而不是跃移质单一冲击的结果。沙纹有规则的排列主要是贴地夹沙气流周期性脉动的反映,而不是跃移质特性轨迹的重演。     

1736-2010年华南前汛期始日变化

根据清代华南雨雪分寸记载的内容、特点,参照华南地区前汛期降水特征,提出了利用雨雪分寸记载重建华南前汛期开始时间的方法,重建了1736-1911 年福州与广州前汛期开始日期变化序列;并利用福州与广州（分别始于1953 和1952 年）逐日降水观测记录辨识了器测时期两地前汛期的逐年开始时间;据此分析了过去300 年华南前汛期开始日期的年-年代际变化特征。结果表明：1736-2010 年间,福州、广州两地前汛期开始时间平均为5 月第1 候;但存在显著的年际和年代际波动,其中重建时段（1736-1911 年）的主周期为2~3 年、准10 年和准40年,器测时段的主周期为2~3 年、准10 年和准22 年。在年际尺度,重建时段福州和广州前汛期开始时间最早的年份均为4 月第4 候,最晚的年份则分别为5 月第6 候和6 月第1 候;而器测时段两地前汛期开始时间的最早年、最晚年均为4 月第4 候和6 月第1 候。在年代际尺度,重建时段福州和广州相邻年代最大变幅分别为2.2 候和1.6 候;器测时段福州和广州相邻年代最大变幅则分别为2.5 候和2.4 候。     

基于面板数据的中国R&D投入对城镇化影响分析

利用中国30个省区2002-2012年R&D投入和城镇化水平的面板数据,通过单位根检验、协整性检验和面板数据模型,探讨中国R&D投入对地区城镇化发展水平的影响。结果表明：①中国各省区城镇化水平与R&D投入存在长期稳定关系,但城镇化水平的科技支撑基础仍处于较低水平,并且不同省区的R&D投入产出存在较大差异。②总体上看来,R&D人员投入产出弹性高于R&D经费投入,说明城镇化对R&D人员投入的依赖性更大。③R&D投入对城镇化的作用与其所处的城镇化阶段有关,同时,R&D投入与城镇化的协调度也是影响R&D投入产出的关键因素。④误差修正模型结果表明,R&D短期投入对城镇化的影响存在一定的滞后效应。     

1961～2007年青藏高原四季开始日期的变化趋势分析

利用中国气象局国家气象信息中心提供的青藏高原60个测站1961～2007年逐日气温度资料,分析了青藏高原近47年来四季开始日期的时空变化特征和年代际变化趋势.结果表明,青藏高原的四季开始日期变化主要表现为春季和夏季的提前趋势,秋季和冬季的推后趋势,其中春季、冬季的变化显著,夏季、秋季的变化相对春季、冬季变化较小,四季开始日期的这种变化在增温明显的1990年代和21世纪初最为明显,并且春季和冬季开始日期的年代变化较大,而夏季和秋季开始日期的年际变化较大.这种变化趋势在空间分布上有所差异,春季和冬季开始日期变化的空间分布相似,春季和冬季开始日期的变化在空间上有相当的同步性而且都属于“中间高两边低”的分布状态,夏季和秋季开始日期变化的空间分布相似.此外,春季丌始日期在1990年代之前整体相对平稳并没有表现出明显的提早趋势,从1990年代开始变得较明显;夏季开始日期的提早变化相对平稳但年际变化较大;秋季开始日期的推迟相对平稳但是年际变化较大,1990年代有较明显的推迟趋势;冬季在1990年代表现出推迟趋势但是并不明显,但是到21世纪初表现出强烈的推迟.     

A comparative analysis of the NDVIg and NDVI3g in monitoring vegetation phenology changes in the Northern Hemisphere

Phenology is a sensitive and critical feature of vegetation and is a good indicator for climate change studies. The global inventory modelling and mapping studies (GIMMS) normalized difference vegetation index (NDVI) has been the most widely used data source for monitoring of the vegetation dynamics over large geographical areas in the past two decades. With the release of the third version of the NDVI (GIMMS NDVI3g) recently, it is important to compare the NDVI3g data with those of the previous version (NDVIg) to link existing studies with future applications of the NDVI3g in monitoring vegetation phenology. In this study, the three most popular satellite start of vegetation growing season (SOS) extraction methods were used, and the differences between SOSg and SOS3g arising from the methods were explored. The amplitude and the peak values of the NDVI3g are higher than those of the NDVIg curve, which indicated that the SOS derived from the NDVIg (SOSg) was significantly later than that derived from the NDVI3g (SOS3g) based on all the methods, for the whole northern hemisphere. In addition, SOSg and SOS3g both showed an advancing trend during 1982–2006, but that trend was more significant with SOSg than with SOS3g in the results from all three methods. In summary, the difference between SOSg and SOS3g (in the multi-year mean SOS, SOS change slope and the turning point in the time series) varied among the methods and was partly related to latitude. For the multi-year mean SOS, the difference increased with latitude intervals in the low latitudes (0–30°N) and decreased in the mid- and high-latitude intervals. The GIMMS NDVI3g data-sets seemed more sensitive than the GIMMS NDVIg in detecting information about the ground, and the SOS3g data were better correlated both with the in situ observations and the SOS derived from the Moderate Resolution Imaging Spectroradiometer NDVI. For the northern hemisphere, previous satellite measures (SOS derived from GIMMS NDVIg) may have overestimated the advancing trend of the SOS by an average of 0.032 d yr^–1.