Numerical simulation of the impact of vegetation index on the interannual variation of summer precipitation in the Yellow River Basin

Two sets of numerical experiments using the coupled National Center for Environmental Prediction General Circulation Model （NCEP/GCM T42L18） and the Simplified Simple Biosphere land surface scheme （SSiB） were carried out to investigate the climate impacts of fractional vegetation cover （FVC） and leaf area index （LAI） on East Asia summer precipitation, especially in the Yellow River Basin （YRB）. One set employed prescribed FVC and LAI which have no interannual variations based on the climatology of vegetation distribution; the other with FVC and LAI derived from satellite observations of the International Satellite Land Surface Climate Project （ISLSCP） for 1987 and 1988. The simulations of the two experiments were compared to study the influence of FVC, LAI on summer precipitation interannual variation in the YRB. Compared with observations and the NCEP reanalysis data, the experiment that included both the effects of satellite-derived vegetation indexes and sea surface temperature （SST） produced better seasonal and interannual precipitation variations than the experiment with SST but no interannual variations in FVC and LAI, indicating that better representations of the vegetation index and its interannual variation may be important for climate prediction. The difference between 1987 and 1988 indicated that with the increase of FVC and LAI, especially around the YRB, surface albedo decreased, net surface radiation increased, and consequently local evaporation and precipitation intensified. Further more, surface sensible heat flux, surface temperature and its diurnal variation decreased around the YRB in response to more vegetation. The decrease of surface-emitting longwave radiation due to the cooler surface outweighed the decrease of surface solar radiation income with more cloud coverage, thus maintaining the positive anomaly of net surface radiation. Further study indicated that moisture flux variations associated with changes in the general circulation also contributed to the precipitation interannual variation.     

北运河水系底栖动物群落结构与水环境质量评价

为全面了解北运河水系的底栖动物群落结构和水环境质量,于2015年5月对北运河水系33个样点的底栖动物和水体理化性质进行了调查,分别采用综合水质标识指数法和底栖动物BI指数法对北运河水系进行水质评价,并通过Kolmogorov-Smirnov检验判断正态性,用Pearson相关分析方法对两种评价结果进行比较和分析.结果表明:北运河水系共采集到底栖动物23种,隶属于3门4纲6目11科11属,以水生昆虫和软体动物为主,整个水系底栖动物群落结构单一;底栖动物BI指数法的评价结果显示,72%的采样点水质为中污染(Ⅳ)或重污染(Ⅴ);综合水质标识指数法的评价结果显示,超过57%的采样点水质为Ⅳ类及以下;根据K-S检验,两组评价得分均符合正态分布;Pearson相关分析显示两种评价结果呈显著正相关.两种评价结果总体上呈现出相同的趋势,均显示北运河水系整体水质状况较差,干流水质状况优于支流,上游水质状况优于下游,温榆河上游、坝河下游、通惠河上游和凉水河的水质状况较差,温榆河源头和坝河上游的水质状况较好.两种评价结果在个别点位存在一定差异,具体表现为基于水体理化因子的评价结果稍优于水质生物评价结果,造成这种差异的原因是两种评价方法在时空尺度上存在差异.针对城市化水平较高、人类活动干扰较强的北运河水系,同时采用这两种评价方法有助于全面了解其复杂的水环境质量.     

丹江口水库叶绿素a浓度的时空特征及影响因子分析

2017年5月—2019年10月,对"南水北调"中线水源水库——丹江口水库库区水体7个监测位点、0～20 m间4个水层的垂向叶绿素a (Chl.a)浓度与水质因子进行了季度性调查,以期了解不同位点、不同水层Chl.a分布的主要驱动因子.结果表明,丹江口水库各位点营养状态指数(TSI)均为中营养化状态.水体Chl.a浓度具有逐年增加的趋势,且极高值有逐渐增加的趋势.营养盐和Chl.a浓度均存在较大的空间异质性,入库区具有较高的总磷和氨氮浓度,汉江库区具有最高的Chl.a浓度,源头污染源控制和监测仍然是丹江口水库管理的重中之重.不同位点Chl.a浓度的驱动因子存在较大差异,汉江入库和大坝区Chl.a浓度分别受到硝态氮和p H的影响,而出水口大坝位点主要受到了水深、水温和氨氮的影响.丹江入库区Chl.a浓度受到了水深、氨氮、总磷和水温的影响,但丹江库区表现出了与其他生态区较大的区别,其Chl.a浓度主要受到水深和有机质输入的影响.因此,对丹江口水库各位点的管理,应该分不同生态区采取针对性的管理措施.本研究旨在为南水北调中线工程可持续的生态调度提供基础生态数据支持,为完善水库水源地的有效管理提供理论支撑.     

近200年来黑河下游天鹅湖湖泊沉积记录的环境变迁

根据2002-2004年洞庭湖水质监测数据,参照GB3838-2002中Ⅲ类水质标准,选用内梅罗水污染指数法和黄浦江污染指数对洞庭湖水质现状进行评价,结果表明:(1)洞庭湖水体的主要污染指标是总磷,总氮和粪大肠菌群;(2)黄浦江污染指数平均值为0．27,所以洞庭湖12个断面水质无黑臭现象发生;(3)枯水期西洞庭湖和南洞庭湖水质污染最严重,平水期西洞庭湖水质污染最严重,洞庭湖丰水期的污染程度小于平水期;(4)洞庭湖的大部分水体的水质主要处于轻度污染的状态,局部水体的水质在枯水期达到重污染的状态．     

1950s以来鄱阳湖流域降水变化趋势及其持续性特征

以鄱阳湖流域1950s至2005年10个台站的日降水量为基础,采用距平分析、Mann-Kendall非参数检验对鄱阳湖流域1950s以来的年、季降水特征和变化趋势进行分析,并以此为基础,结合Hurat指数,从3年、5年、10年三个时间尺度上分析该流域未来降水的变化趋势.结果表明,鄱阳湖流域年内降水分配不均,年际变化较为...     

2006-2015年内蒙古呼伦湖富营养化趋势及分析

以内蒙古呼伦湖为研究对象,20062015年水质数据为基础,分析呼伦湖的富营养化变化趋势及其影响因素.结果表明,20062015年呼伦湖各水质指标都有不同程度的变幅,其中盐度变化范围为0.75~1.71 ng/L,均值为1.32 ng/L,2010年达到峰值1.71 ng/L,随后呈现逐年递减趋势;pH的变化范围为8.78~9.40,水体偏碱性;透明度的变化范围为0.17~0.26 m,近三年来透明度持续下降;溶解氧浓度变化范围为4.05~10.62 mg/L,均值为7.12 mg/L.总氮浓度的变化范围为1.16~3.53 mg/L,总磷浓度的变化范围为0.13~0.25 mg/L,叶绿素a浓度的变化范围为3.31~10.36 mg/m³,N/P比变化范围为4.92~15.35,水质已经达到地表水环境质量Ⅳ~Ⅴ类水体标准,是磷限制性湖泊.利用综合营养状态指数法对呼伦湖水体富营养化进行评价,2006-2015年呼伦湖水体表现出中度—重度—中度—轻度的变化趋势.通过分析呼伦湖富营养化的影响因素,结果表明,影响呼伦湖富营养化的可能因素为外源输入和入湖径流量,同时水深和水温也是呼伦湖发生富营养化的驱动因素,pH、透明度和溶解氧是呼伦湖富营养化影响水质的最主要表现指标.     

淮河流域春季浮游植物群落结构特征及其水质评价

浮游植物是内陆水体生态系统的主要初级生产者,其群落结构能反映水体的水质状况.为了全面了解淮河流域内浮游植物群落结构及水质现状,于2013年5月在流域内设置217个样点采集浮游植物样品.共鉴定浮游植物244种(含变种和变型),隶属于8门104属,绿藻门和硅藻门的种类最丰富.浮游植物生物量为3.93 mg/L,在0.04~83.62 mg/L之间变动,生物量组成主要为甲藻门、硅藻门和隐藻门.浮游植物种类数和生物量在河流的中游较高,溪流以及下游入江入海河道较低.浮游植物优势种主要为隐藻门的啮蚀隐藻(Cryptomonas erosa)、尖尾蓝隐藻(Chroomonas acuta),硅藻门的梅尼小环藻(Cyclotella meneghiniana),甲藻门的角甲藻(Ceratium hirundinella),其相对生物量均大于5%.淮河流域浮游植物多样性指数较低,流域内多数样点处于中-重污染状态.     

基于CMIP5模式鄱阳湖流域未来参考作物蒸散量预估

预测未来气候情境下鄱阳湖流域参考作物蒸散量(Reference crop Evapotranspiration,ET0)的时空分布可为流域水资源的优化管理,为科学应对气候变化对农业生产的影响提供基础数据支撑.利用鄱阳湖流域14个气象站点1961-2014年逐日气象数据,采用Penman-Monteith公式计算出历史ET0;基于同期美国环境中心(NCEP)再分析数据及2006-2100年CMIP5中CNRM-CM5模式在RCP4. 5和RCP8. 5情景下的预测数据,经统计降尺度模型(statistical downscaling model,SDSM)模拟和偏差校正,预测流域未来ET0;通过Mann-Kendall检验、普通克里金插值和空间自相关法分析了流域1961-2100年ET0的时空演变特征.结果表明:NCEP再分析资料与流域ET0建立的逐步回归降尺度模型模拟效果较好,CNRMCM5模式降尺度模拟结果经偏差校正后,精度明显提高,适宜流域未来ET0的预估.鄱阳湖流域在基准期1961-2010年ET0整体上呈减小趋势,空间分布上呈南北高、中间低的特点,表现出明显的空间差异性.RCP4.5、RCP8.5情景下未来3个时期鄱阳湖流域ET0较基准期均呈不同程度的增加趋势,其空间分布整体表现为东高西低、局地略有突出;无论是在基准期或是未来情景下的3个时期,ET0均具有较强的空间自相关性.在RCP8.5情景下,鄱阳湖1961-2100年干旱指数呈现出较为明显的上升趋势,流域的干旱状况随时间加剧,2011-2100年间流域绝大部分地区由湿润区转为半湿润区,干旱指数自南向北递减,赣江流域将是鄱阳湖流域未来干旱风险的重点防范区.     

基于贝叶斯方法的贵州高原百花水库水体营养盐变化及评价(2014—2018年)

为了确定百花水库营养盐变化特征,选取百花水库5个监测点2014年1月-2018年7月共28个月份的水质实测数据,分析溶解氧、高锰酸盐指数、氨氮、总磷和总氮的年际变化特征.采用基于熵权法赋权的贝叶斯理论对5个监测点的水质综合状况进行评价,并结合水库的实际状况,从生态修复、工业污染源、沉积物中营养盐、水库季节性热分层及农业与生活污染源5个方面对其水质变化的影响因素进行分析.结果表明:2014-2018年水体环境波动较大;除总氮外,各污染指标浓度均有不同程度的下降;综合水质后验概率表明百花水库水质有逐渐变差的趋势;总氮和总磷治理应成为百花水库污染治理的主要方面;生态修复工程的开展和工业污染源的削减是百花水库水质转好的主要影响因素,农业与生活污染源的增加是百花水库水质转差的主要影响因素.     

MODIS遥感监测滇池蓝藻水华分布

以中分辨率的MODIS数据作为遥感影像源,运用蓝藻水华在蓝波段、红波段和近红外波段的光谱特征,使用假彩色合成法（RGB：6-2-1）和归一化植被指数法对滇池的蓝藻水华进行遥感监测。通过星地同步试验,证明了该两种方法的正确性。其中假彩色合成法通过色彩差异表现蓝藻水华,具有视觉效果较好的优点,归一化植被指数法则以数值大小的方式区别水华浓度,该方法建立反演模型后可用于定量研究。