集成气候模式下黄河中游未来气候变化研究

随着经济发展,全球气温持续变暖,改变了气候特征,影响区域水文循环。这一现象会使得黄河中游流域生态保护、水土保持、水资源保护等面临严重挑战。采用一种综合评价体系对黄河流域中游20个全球气候模式（GCM）在历史时期（1961-2005年）的优劣性进行了评估,筛选出了适应性较好的前6种气候模式,采用加权平均的方法,生成了一种集成气候模式（EGCM）。基于地面观测资料对EGCM在研究区降水和温度的预测性能进行了评价。在代表性浓度路径RCP4.5和RCP8.5下,采用EGCM对未来时期（2021-2065年）的气候变化进行了预测。结果表明,相较于其他气候模式,ACCESS1.3、CSIRO–Mk3–6–0、IPSL–CM5A–LR、IPSL–CM5A–MR、MIROC5和MRI–CGCM3等6种气候模式可以较好的反映黄河中游流域的气候特征。EGCM可以较好的重现研究区气候要素的整体变化。与历史时期相比,EGCM预测黄河中游未来时期多年平均降水量和年极端降水量将分别增加约5%和12.5%。研究还显示,在RCP4.5和RCP8.5情景下,温度将分别增加1.94和2.41℃。     

星地数据融合的日降水产品及其径流模拟研究

降水作为连接着大气过程与地表过程的一个水分通量,在水文、气象、生态等方面具有重要意义。由于降水较强的时空变异性,使其成为目前最不易准确测量的水文变量之一。准确、高效地获取高时空分辨率、高精度的降水数据对于水文以及气象分析研究是十分有意义的。以汉江流域为研究区,提出了两步降尺度融合方案,利用雨量站观测降水和卫星反演降水数据在可用性和准确性方面具有互补的特点,通过融合雨量站观测值和全球降水观测任务（GlobalPrecipitationMeasurement,GPM）卫星降水产品,生成0.01°的空间分辨率高精度的日降水产品。将获得的融合降水产品驱动分布式水文模型WASMOD-D来模拟降雨—径流过程,验证其径流模拟效果。结果表明：①基于随机森林模型的降尺度算法不仅显著提高了GPM降水的空间分辨率,而且也保持了较好的精度。②基于协同克里金法的降水数据线性融合模型,融合方法大大提高了GPM降水的估算精度,平均绝对误差和均方根误差分别降低了32.38%和21.38%,偏差下降到了1%以下;③综合两种不同情景下的日径流模拟效果来看,由于结合了卫星降水数据和站点降水数据的优势,融合降水数据的整体模拟效果最好,整体改善效果较为显著。研究为基于卫星—地面雨量站（Satellite-Gauge,S-G）降水数据融合的方法提供了新思路,研究结果可作为获取高分辨率、高精度的降水数据方法的参考。     

基于统计降尺度模型的河西走廊未来气温和降水的时空变化

【目的】预测未来大气环流模式HadCM3下,河西走廊在人口较快增长、温室气体高排放情景(A2)和区域可持续发展、温室气体低排放情景(B2)下气温和降水的变化趋势。【方法】选取河西走廊14个气象站的日平均气温、日最低气温、日最高气温和日降水量作为预报量,以全球大气NCEP再分析资料作为预报因子,采用统计降尺度模型(SDSM)预测研究区未来气温和降水的变化。【结果】SDSM对河西走廊气温和降水模拟的解释方差分别为0.54~0.85和0.09~0.64。2070-2099年A2情景下,河西走廊日平均气温、日最低气温、日最高气温分别增加4.8,2.4和5.4℃,B2情景下分别增加3.5,2.0和4.0℃;河西走廊西部部分地区2070-2099年A2情景年降水量增加20.0%,B2情景增加6.7%,而中东部地区2070-2099年A2情景年降水量减少22.0%,B2情景年降水量减少15.4%。未来河西走廊极端最低气温和极端最高气温均有所增加,极端降水事件发生的频率有所减小。【结论】SDSM对气温的模拟效果明显优于降水;河西走廊未来A2、B2情景下日最低气温、日最高气温、日平均气温总体呈上升趋势,其中日最低气温的增幅小于日最高气温和日平均气温的增幅;河西走廊未来降水量的变化趋势具有区域特征,西部部分地区呈增加趋势,而中东部地区呈减少趋势。     

基于红光波段冠层SIF降尺度的小麦条锈病遥感监测

为减弱冠层几何结构等因素对传感器探测到的冠层日光诱导叶绿素荧光（Solar-induced chlorophyll fluorescence, SIF）的影响,探讨了条锈病胁迫下红光波段荧光（Red SIF,RSIF）的响应特性,并以RSIF为自变量构建了小麦条锈病遥感监测的线性回归（Simple linear regression, SLR）及非线性回归（Non-linear regression, NLR）模型。结果表明：叶片尺度RSIF在小麦条锈病遥感监测中具有较大优势,其与小麦条锈病病情严重度（Severity level, SL）间相关系数较远红光波段SIF（Far-red SIF,FRSIF）提高13.2%,以叶片尺度RSIF为自变量构建的SLR及NLR模型预测D_SL与实测D_SL之间R²较FRSIF分别增加9.8%、38.9%,RMSE分别降低23.1%、36.4%。此外,降尺度处理能够提高RSIF监测小麦条锈病的精度,叶片尺度RSIF与D_SL之间R²较冠层尺度增加126.3%,以叶片尺度RSIF为自变量构建的SLR和NLR模型预测D_SL与实测D_SL间R²较冠层尺度分别提高114.3%和233.3%,RMSE分别降低16.7%、15.4%。本文提出方法可提高小麦条锈病遥感监测精度,同时对其它胁迫的遥感监测具有一定的参考价值。     

CMIP6全球气候模式对山东极端气温模拟能力评估

利用Delta法统计降尺度处理第6次国际耦合模式比较计划（CMIP6）情景数据,基于中心化均方根误差（RMSE）、相关系数（R）、标准差（STD）和年际变率技巧评分（Ts）,综合评估10个CMIP6模式的情景数据对山东极端气温指数的模拟能力,筛选模拟效果较好的气候模式。结果表明：对表征强度的极端气温指数TXx和TNx模拟中,在降尺度后有超过50%的模式模拟山东地区两个极端气温指数的绝对偏差中位数比降尺度前更接近观测值,对表征频次的极端气温指数TR、SU、FD和ID模拟中,有超过60%的模式绝对偏差中位数比降尺度前更接近观测值;使用等级排序法,比较10个模式的模拟能力得出,CMCC-ESM2得分为178分、NorESM2-MM得分为191分,TaiESM1得分为191分,将这3个模式作为优选模式;优选模式集合平均模拟各极端气温指数的误差百分率低于所有模式的集合平均,经优选后,指数TXx、TNx、TR和ID的误差百分率绝对值平均分别由4.2%、2.2%、28.67%和14.3%降至3.3%、1.8%、23.58%和9.7%,优选前后指数SU的误差百分率均在±1％内。     

结合光谱降维的IPSO-SVR水体总磷浓度预测模型

[目的]选择最优模型对水体中总磷浓度进行预测,为准确、实时、高效检测水资源状况提供支持。[方法]以2021年在长江中下游武汉—安徽地区采集的水质样本作为研究对象,首先,对采集到的长江光谱数据进行最大最小归一化和均值中心化两种预处理操作以便统一数据的范围和均值点,并使用核主成分分析（KPCA）技术对预处理后的光谱数据进行降维操作。选取方差解释率为99.6%下的6个特征向量进行后续预测模型的训练,接着在原有粒子群算法的基础上引入自适应惯性权重更新公式和遗传—模拟退火变异思想,提高算法的寻优能力。使用改进的粒子群优化算法对支持向量回归模型中的超参数组合进行寻优,对支持向量回归模型使用输出的结果进行预测模型的训练,最后使用测试集数据进行总磷浓度的预测。[结果]提出了一种结合光谱降维的改进粒子群优化算法（IPSO）结合支持向量回归（SVR）的水体总磷含量预测模型。通过和当前预测性能较好的几种机器学习模型进行精度的比较发现,该试验模型对长江水体总磷浓度进行预测时决定系数（R²）为0.973 920,均方根差（RMSE）为0.003 012,平均绝对误差（MAE）为0.002 105。[结论]使用光谱数据结合降维技术、粒子群优化算法和机器学习模型的算法融合模型检测水体总磷浓度可行性强,精确度高,且拟合效果良好。     

遥感降水数据空间降尺度及干旱时空监测

在全球气候变暖的背景下,干旱灾害日趋频发。为全面精细研究华中地区降水的时空变化,结合水汽(PWV)、增强型植被指数(EVI)等数据,基于地理加权回归模型,结合克里金插值分别对2010—2019年的GPM IMERG和TRMM 3B43数据进行空间降尺度,并利用区域内53个气象站数据进行精度评价。对优选的降尺度数据采用变异系数法、Theil-Sen Median趋势分析耦合Mann-Kendall显著性检验方法及Hurst指数法,分析了华中地区的降水时空变化特征及其可持续性特征,并对未来降水趋势进行预测,最后构建归一化降水距平百分率(NPA)、标准化降水蒸散指数(SPEI₁₂)来实现研究区的干旱时空监测。结果表明:降尺度处理后降水细节增强,能有效改善原始数据的高估现象,GPM数据降尺度数据比TRMM降尺度数据更接近实测数据;近10年华中地区降水时空分布差异较大,降水较高波动变化和高波动变化共占全区69.21%;10年间降水变化以非显著变化为主,其中,轻微增加地区占全区54.88%,轻微减小地区占全区40.41%;10年间降水变化趋势以弱(27.33%)、中(34.9...     

基于不同植被指数的TRMM数据降尺度及误差校正研究

[目的]对不同时间尺度的热带测雨卫星(TRMM)数据进行空间降尺度及误差校正研究,为华中地区洪涝灾害监测等提供科学参考.[方法]主要借助增强型植被指数(EVI)和归一化植被指数(NDVI)分别运用地理加权回归(GWR)模型实现2001-2019年华中地区TRMM数据的空间降尺度,并结合地理差异分析(GDA)和地理比率分...     

秦岭地区气温变化统计降尺度研究

运用统计降尺度模型（SDSM）及秦岭地区7个站点1961-2011年的日平均气温、日最低气温和日最高气温资料,采用逐步线性回归方法（SMLR）选取NCEP大气环流预报因子中的最优因子,建立了预报量与预报因子之间的定量统计关系,对秦岭地区未来气温变化进行适用性分析,并对未来3个不同时期（2011-2040年、2041-2070年、2071-2099年）气温变化趋势进行预测。结果表明：SDSM模型对秦岭地区气温模拟效果良好,秦岭地区未来气温增幅明显,不同时间尺度增幅呈现明显时间差异,3个预报量在月尺度、季尺度呈现相似的时间变化特征：月尺度呈现8月增温最大,12月增温最小;季尺度呈现冬<春<秋<夏的趋势。2011-2040年气温的空间分布呈现秦岭北坡增幅大于秦岭南坡。