北京平原地下水可持续开采方案分析

地下水过量开采已经引起北京平原地下水位持续下降,降落漏斗逐年扩大以及一系列环境问题。控制地下水开采,增加地下水补给以达到地下水可持续开采应当成为北京市水资源管理的重要任务。本文根据北京市中长期供水规划、水资源特点和地下水开采现状设计了4种地下水开发利用开采方案:即维持现状开采、增加补给量、减少开采量以及联合方案。运用已建北京平原地下水数值模拟模型对4个方案进行了模拟,分析了地下水系统水均衡量变化,地下水流场变化以及地下水动态变化,以此确定可能的可持续开发方案。结果表明,维持现状开采必将使含水层地下水疏干;增补和减开单独实施虽能改善现状,但难以实现。只有应用增补和减开的联合方案,才有可能实现地下水可持续开发。其为北京平原地下水资源的合理开发提供重要的依据。     

基于幕景分析法的土地开发整理规划环境影响评价——以江苏省涟水县为例

土地开发整理规划实施结果对规划区域内的生态环境产生重要影响。有关这方面的研究理论在我国尚少见报导,具体评价的方法、指标体系及模型构建均未形成规范性体系。本文以江苏省涟水县为例,运用幕景分析方法对《涟水县土地开发整理规划》(2000~2010)进行分析,并建立评价模型对规划前后的自然环境效应进行评价。结果表明:1997年涟水县的自然环境效应值低于2000年,其原因在于该县在这三年间,严格控制建设对耕地的占用,通过土地开发整理补充了更多的耕地。2010年自然态将来幕景得出的环境质量是下降的,原因是建设对农用地和未利用地的破碎化,加大了斑块密度。而2010年干扰态将来幕景与自然态相比,其自然生态正效应得到明显提升,增长了0.6736个百分点,表明合理设计土地开发整理规划对促进区域生态环境健康具有十分重要的作用。     

基于CMIP6多模式的长江流域蒸散发预估及影响因素

蒸散发是水文循环和能量传输的中间环节,同时也是联结土壤、植被、大气过程的纽带。基于第六次国际耦合模式比较计划（CMIP6）12个全球气候模式数据,研究了SSP1-2.6、SSP2-4.5和SSP5-8.5三种情景下,长江流域2020-2099年实际蒸散发E_T（Evapotranspiration,简称ET）的时空变化及其影响因素。研究结果表明,在3种气候变化情景下长江流域ET相较基准期（1995-2014年）均存在显著增加趋势,且长江中下游地区增加趋势最为显著;SSP1-2.6情景ET较基准期先快速增加,21世纪60年代之后减缓并趋于平稳,SSP2-4.5和SSP5-8.5情景下均呈持续增加趋势。研究了降水（Precipitation,简称Pr）、气温（Air Temperature,简称T）和叶面积指数L_AI（Leaf Area Index,简称LAI）对长江流域ET的影响;SSP1-2.6和SSP2-4.5情景下,长江流域ET受T影响最为显著,而SSP5-8.5情景下,LAI是影响ET的主导因素。在3种气候情景下,辐射强迫越大,植被增加趋势越显著,对ET的影响越强（SSP5-8.5、SSP2-4.5、SSP1-2.6情景下影响逐渐减弱）,而ET对LAI的敏感性则逐渐降低（SSP1-2.6、SSP2-4.5、SSP5-8.5情景下敏感性逐渐降低）。     

2011—2050年长江流域气候变化预估问题的探讨

利用长江流域1961—2008年观测气象资料,对IPCC 第四次评估报告中12个全球气候模式及所有模式集合平均进行比较验证,结果表明：MIUB_ECHO_G模式对该地区降水模拟能力较强,NCAR_CCSM3模式对温度模拟效果较好。进一步利用MIUB_ECHO_G模式和NCAR_CCSM3模式结果在SRES-A2、-A1B、-B1 3种排放情景下的降水和温度数据,分析2011—2050年3种排放情景下长江流域降水和温度变化特征。结果表明,2011—2050年长江流域降水变化趋势不明显,温度呈增加趋势,增幅在2℃内。     

统计降尺度法对华北地区未来区域气温变化情景的预估

迄今为止,大部分海气耦合气候模式（AOGCM）的空间分辨率还较低,很难对区域尺度的气候变化情景做合理的预测。降尺度法已广泛用于弥补AOGCM在这方面的不足。作者采用统计降尺度方法对1月和7月华北地区49个气象观测站的未来月平均温度变化情景进行预估。采用的统计降尺度方法是主分量分析与逐步回归分析相结合的多元线性回归模型。首先,采用1961～2000年的 NCEP再分析资料和49个台站的观测资料建立月平均温度的统计降尺度模型,然后把建立的统计降尺度模型应用于HadCM3 SRES A2 和 B2 两种排放情景, 从而生成各个台站1950～2099年1月份和7月份温度变化情景。结果表明:在当前气候条件下,无论1月还是7月,统计降尺度方法模拟的温度与观测的温度有很好的一致性,而且在大多数台站,统计降尺度模拟气温与观测值相比略微偏低。对于未来气候情景的预估方面,无论1月还是7月,也无论是HadCM3 SRES A2 还是B2排放情景驱动统计模型,结果表明大多数的站点都存在温度的明显上升趋势,同时7月的上升趋势与1月相比偏低。     

气候变化对中国南方稻区水稻产量影响的模拟和分析

采用了DSSAT作物模式和区域气候模式相连接,模拟分析了A2和B2气候变化情景对中国主要地区灌溉水稻产量的影响。气候变化情景采用了IPCC发布的SRES(Special Report on Emissions Scenarios)系列的最新温室气体排放情景,气候情景值采用区域气候模式PRECIS(Provide Regional Climates for Impact Studies)的模拟值。通过研究站点水稻对A2和B2增温梯度敏感性的分析表明:温度增加,水稻产量呈下降趋势,随着温度增加,产量下降幅度增大。且在同一增温水平下,在南方热带地区的昆明和海口,产量下降幅度大于其他站点。A2和B2的产量相对于基准年(1961~1990年)的变化分别为:气候变化对不同站点的年代际水稻平均产量表现了正面或负面的影响(A2情景下为2.3%~-10.2%,B2情景下为4.0%~-13.6%),在某一些站点,水稻高产年和低产年的概率明显增加,产量分布趋于两极化。     

分布式水文模型SWAT模型在新疆叶尔羌河流域的适用性研究

为定量分析SWAT模型在新疆叶尔羌流域径流模拟的适用性,以叶尔羌河卡群水文站以上集水区域为研究流域,基于卡群水文站2000-2012年水文数据,运用SWAT模型模拟了研究流域的径流量,并设定2种气候变化情景模式,定量分析不同气候变化情景模式对叶尔羌流域径流量的影响。研究结果表明:SWAT模型在叶尔羌河流域具有较好的适用性,模拟的径流深相对误差小于8%,确定性系数均达到0.75以上;在降水不变化的前提下,气温升高2℃,流域径流量增加6.28%;在气温不变前提下,降水量增加5%,流域径流量增加9.50%。研究成果对于新疆叶尔羌河流域水文模拟及预测提供参考价值。     

Spatiotemporal variations of aridity index over the Belt and Road region under the 1.5°C and 2.0°C warming scenarios

Journal of Geographical Sciences - Aridity index reflects the exchanges of energy and water between the land surface and the atmosphere, and its variation can be used to forecast drought and flood...     

综合湿度和温度影响的中国未来热浪预估

地面空气湿度直接影响人体驱散热负荷的效率,持续高温高湿天气将会严重影响人体健康。基于综合考虑温度和湿度协同作用的热胁迫指数——湿球黑球温度(WBGT)指数定义热浪,利用参考时期(1986—2005年)中国824个气象站点逐日平均气温和逐日相对湿度资料以及CMIP5多模式相应模拟数据,论文定量描述了未来时期(2076—2095年)不同排放情景下(RCP2.6、RCP4.5和RCP8.5)中国大陆地区可能遭遇的热浪事件的空间分布特征及其变化。研究结果表明：① 最有效的减排情景(RCP2.6)和高排放情景(RCP8.5)下中国大陆地区的平均热浪日数分别是参考时期的3.4倍和6.6倍,平均热浪强度(一年内所有热浪事件中日平均WBGT指数的最大值)也相对升高了1.6 ℃和4.9 ℃,未来时期RCP8.5情景下中国东部和南部地区的最高年均热浪强度甚至将达到40 ℃;② 虽然青藏高原地区的热浪强度等级低,但是未来时期热浪日数的增加幅度较为显著;③ 华南、长江中下游以及少数西南地区是综合考虑气温和湿度协同作用对人体热舒适的影响下,未来时期可能发生热浪最严重的地区,如果不考虑湿度要素的影响,那么将极有可能低估热浪在中国华南和东部等湿度较高地区的强度和影响。     

Global rainbow distribution under current and future climates

Rainbows contribute to human wellbeing by providing an inspiring connection to nature. Because the rainbow is an atmospheric optical phenomenon that results from the refraction of sunlight by rainwater droplets, changes in precipitation and cloud cover due to anthropogenic climate forcing will alter rainbow distribution. Yet, we lack a basic understanding of the current spatial distribution of rainbows and how climate change might alter this pattern. To assess how climate change might affect rainbow viewing opportunities, we developed a global database of crowd-sourced photographed rainbows, trained an empirical model of rainbow occurrence, and applied this model to present-day climate and three future climate scenarios. Results suggest that the average terrestrial location on Earth currently has 117 ± 71 days per year with conditions suitable for rainbows. By 2100, climate change is likely to generate a 4.0–4.9 % net increase in mean global annual rainbow-days (i.e., days with at least one rainbow), with the greatest change under the highest emission scenario. Around 21–34 % of land areas will lose rainbow-days and 66–79 % will gain rainbow-days, with rainbow gain hotspots mainly in high-latitude and high-elevation regions with smaller human populations. Our research demonstrates that alterations to non-tangible environmental attributes due to climate change could be significant and are worthy of consideration and mitigation.