江苏省倒春寒发生程度评估

选取江苏省13个典型代表站1961—2015年3、4月逐日平均气温资料,分析江苏省倒春寒发生次数变化特征和倒春寒期间最大降温幅度、持续时间和最低日平均气温,结合主成分分析法构建倒春寒评估模型,探讨江苏省倒春寒发生程度。结果表明:55年来,倒春寒发生次数整体呈下降趋势,且20世纪60年代发生次数最多;倒春寒发生期间最大降温幅度各站点间差异较小,整体呈上升趋势;最低日平均气温整体呈下降趋势,且江苏盱眙和盐城下降趋势明显;倒春寒持续时间整体呈上升趋势,但增幅不大。本研究运用构建的倒春寒评估模型对江苏13个代表站点近55年发生过程进行评估,结果表明,江苏省倒春寒等级发生频率整体呈轻级中级重级,且以1962年发生程度最为严重。     

日光诱导叶绿素荧光反演及其在植被环境胁迫监测中的研究进展

日光诱导叶绿素荧光(solar-induced chlorophyll fluorescence,SIF)作为光合作用的直接探针,能对植物的生理状态作出快速、灵敏的响应,与传统监测方法相比具备早期监测植被环境胁迫的能力,弥补了当前植被遥感监测的不足.因此,SIF在植被环境胁迫监测中具有良好的应用前景.然而,有很多因素会对SIF产生影响,使得SIF对植被环境胁迫监测的应用变得更为复杂.本文首先介绍了SIF的来源和反演方法,对比分析了各种反演方法的优缺点,剖析了SIF的影响因素,总结了目前SIF在植被环境胁迫监测中的应用研究,在此基础上指出目前SIF在植被环境胁迫监测应用领域中的不足,最终提出今后可以从SIF的影响因素、反演过程及SIF与植被环境胁迫之间的机制关系等方面开展进一步的研究,旨在为陆地生态系统碳循环及植被胁迫监测等提供理论支持.     

气候变化情景下黄淮海冬麦区降水量及其适宜度变化分析

采用双线性插值法将RegCM3模式模拟的A1B情景下该区域1951-2100年0.25°×0.25°的格点数据插值到各站点位置,然后利用黄淮海冬麦区1971-2000年83个站点逐日气象资料对其进行误差订正,再将情景数据分为1951-1980年、1981-2010年、2011-2040年、2041-2070年和2071-2100年共5个阶段,计算各阶段冬小麦主要生育期降水量及其适宜度,并分析相应的时空变化特点。结果表明：黄淮海冬麦区在暖湿化的气候情景下,冬小麦各主要生育期降水量和降水适宜度总体上呈现南方多北方少的分布特点,返青-拔节期降水量最少,抽穗-成熟期降水量最多,相应各主要生育期的降水适宜度表现为返青-拔节期和抽穗-成熟期较高、拔节-抽穗期较低的特点。分时段分析结果显示,随着时间推延,各主要生育期内降水适宜度与降水量基本呈正相位的变化关系,即降水量越大,适宜度也相应增大。返青-拔节期的降水量和降水适宜度均呈现北部增加、南部明显减少的趋势,拔节-抽穗期降水量和降水适宜度均呈减少-增加-减少-增加的波动变化趋势,抽穗-成熟期降水量和降水适宜度均呈先减少后相对稳定的变化趋势,全生育期内降水量和降水适宜度均呈先减少后增加的趋势。未来全球气候变暖情景下,黄淮海冬麦区北部可以考虑根据实际情况小幅扩大种植规模;南部可以考虑保持现有种植规模或小幅减小种植规模。     

基于格点积温指标的黄淮海冬麦区冬小麦气候生产潜力预估

为宏观了解冬小麦产量及产量稳定度的变化规律,基于1991-2013年黄淮海冬麦区91个有冬小麦种植的农业气象站点的冬小麦发育期及对应年份100个气象站点逐日气象资料,采用格点积温指标划分生育期,通过逐步订正法对冬小麦的气候生产潜力及其变异系数进行估算,之后结合国家气候中心RegCM3模式模拟A1B情景下1951-2100年0.25°×0.25°格点气象资料,对未来情景下冬小麦气候生产潜力及其变异系数进行预估。结果表明,从年际变化看,黄淮海冬麦区冬小麦气候生产潜力总体呈现波动下降的趋势,且该波动逐渐趋稳;各时段气候生产潜力基本介于6 277~7 044kg·hm~(-2),除2011-2040年有21.94kg·hm~(-2)·10a~(-1)的上升趋势外,其余时段均呈明显下降趋势。冬小麦气候生产潜力在空间上总体呈北部低、四周高,在时间上主要呈先平稳后逐渐降低的趋势;其变异系数在空间上总体呈北高南低,在时间上呈北部先增后减、南部先减后增的变化趋势。在实际生产过程中应更加注重冬小麦生长发育过程中光、温、水的匹配程度。     

安徽省植被覆盖度动态变化及其对地形的响应

[目的] 探究安徽省植被覆盖度的时空变化特征与地形的相互关系，为当地资源开发中加强生态环境建设提供理论依据。[方法] 在GIS与RS技术支持下，使用安徽省2001—2019年逐月MODIS/NDVI数据，2001—2019年土地分类数据和安徽省DEM海拔、坡向地形数据，分析植被覆盖度时空变化特征及其与地形因子相互关系。[结果] 安徽省植被覆盖度季节变化特征明显。1月、10—12月，全省植被覆盖度呈现低值，且山区高于平原；2—5月，淮北平原地区植被覆盖度呈现高值，6月迅速减小；7—9月全省范围植被覆盖呈现高值，大部地区植被覆盖度高于0.8，山区平原空间差异最小。全省植被覆盖度年变化率为0.003 9/a，与时间相关性显著（R²=0.814 8）。不同海拔区间内，植被覆盖度四季差异明显。受下垫面地表类型影响，200 m以下植被覆盖度呈现低值，200～350 m植被覆盖度陡然升高，1 250 m以上植被覆盖度呈下降趋势。各坡向四季植被覆盖度夏季>秋季>春季>冬季。北坡、南坡分别为峰值、谷值。南、北向山区植被覆盖度差异呈逐年波动下降趋势，其差异值多年平均值夏季最低（0.009 3），秋季最高（0.014 2），春冬季分别为0.013 9，0.012 5。[结论] 安徽省海拔、坡向显著影响植被覆盖度动态变化特征，需结合地形特点合理开发利用地表资源，并做好生态环境保护工作。     

近30年中国太阳总辐射时空特征及趋势分析

[目的]研究近30年我国太阳总辐射时空分布特征及长期变化趋势。[方法]利用全国62个站点1986—2015年太阳总辐射实测资料,分析了总辐射时空分布以及变化趋势。[结果]我国太阳年总辐射总体呈现出较为明显的波动上升趋势,而季节总辐射上升幅度从大到小依次为春季、夏季、冬季、秋季;太阳总辐射呈现出西北高、东南低,内陆高、沿海低,高原高、平原低,干燥区高、湿润区低的空间分布特征,青藏高原、川黔渝山地分别为我国太阳总辐射高值和低值区;春夏两季太阳总辐射的增加是全年总辐射上升的主要原因;1996—2005年总辐射量的显著增加是导致30年来我国总辐射量增加的重要原因之一。[结论]该研究可为我国太阳能资源的有效利用提供重要科学依据。     

水稻蒸散特征及日尺度作物系数估算

基于南京2012年水稻生长季蒸渗仪水稻实际蒸散数据及相应生物、气象环境资料,对水稻生长季的参考作物蒸散量、实际蒸散量及作物系数进行分析,并建立作物系数估计模型。结果表明：水稻生长季内逐日参考作物蒸散量呈单峰曲线变化,峰值出现在分蘖-拔节期;逐日实际蒸散量变化则表现为双峰型,耗水双高峰发生于分蘖-抽穗期。日参考作物蒸散量和实际蒸散量均有明显的季节性变化特征。水稻生长季内实际作物系数趋势变化特征与FAO修正作物系数较一致,但二者在数值上具有较大差异,建立的水稻作物系数与其影响因子（叶面积指数、气温、净辐射）的关系模型检验表明,其拟合度为0.887,将模型应用于计算水稻农田蒸散量,其拟合度为0.943,说明模型能较精确地估算稻田日蒸散量。该模型基于日尺度影响因子,在一定程度上简化了水稻作物系数的计算过程,明确了不同类型因子对水稻作物系数的影响程度,可应用于水稻作物系数的连续动态估算。     

水稻蒸散特征及日尺度作物系数估算*5

基于南京2012年水稻生长季蒸渗仪水稻实际蒸散数据及相应生物、气象环境资料,对水稻生长季的参考作物蒸散量、实际蒸散量及作物系数进行分析,并建立作物系数估计模型。结果表明：水稻生长季内逐日参考作物蒸散量呈单峰曲线变化,峰值出现在分蘖-拔节期;逐日实际蒸散量变化则表现为双峰型,耗水双高峰发生于分蘖-抽穗期。日参考作物蒸散量和实际蒸散量均有明显的季节性变化特征。水稻生长季内实际作物系数趋势变化特征与FAO修正作物系数较一致,但二者在数值上具有较大差异,建立的水稻作物系数与其影响因子（叶面积指数、气温、净辐射）的关系模型检验表明,其拟合度为0.887,将模型应用于计算水稻农田蒸散量,其拟合度为0.943,说明模型能较精确地估算稻田日蒸散量。该模型基于日尺度影响因子,在一定程度上简化了水稻作物系数的计算过程,明确了不同类型因子对水稻作物系数的影响程度,可应用于水稻作物系数的连续动态估算。     

13种典型参考作物蒸散量估算模型在安徽省的适用性评价

考虑到Penman-Monteith FAO-56(PMF-56)模型在估算参考作物蒸散量(ETref)时受限于对大数据集的要求以及复杂的计算过程,此时迫切需要寻找计算过程简单且输入变量较少的经验模型.首先采用安徽省2001-2014年65个气象站点常规气象观测数据,通过相对均方根误差(RRMSE)、平均绝对误差(MAE)和Nash-Sutcliffe(NS)系数对13种典型ETref估算模型的模拟性能进行系统评价;之后,采用2015-2019年数据,通过线性回归模型对13种经验模型的模拟性能进行验证.结果表明:经验模型在模拟安徽省不同自然区ETref时的模拟性能相当,差异较小.模型校准前,VA3模型表现最佳,而PEN、WMO、TRA和JH模型误差较大.模型在月尺度校准时,基于温度、辐射和组合的模型估算的ETref与PMF-56模型计算值之间拟合的R2值均呈先增后减的变化趋势,而质量传输模型与之相反;尽管质量传输模型整体模拟性能较差,但其在1-3月和11-12月的模拟效果较好,尤其在12月,WMO和TRA模型与PMF-56模型计算值之间拟合的R2值均高达0.972,优于VA3模型.模型校准后,总体模拟效果均较好,仅TRA、MAK和WMO模型在4-8月存在低估现象.因此,若能获得完整的气象数据集,VA3模型可作为PMF-56模型的最佳替代方案;除此之外,则在4-10月推荐使用基于温度和辐射的模型以及VA1和VA2模型,而在其他月份使用质量传输模型.     

安徽省中季稻生育期高温热害发生规律分析

根据安徽省1961-2013年常规气象资料和1980-2011年中稻产量资料,采用数理统计、Morlet小波分析和ArcGIS的空间分析功能,对安徽省各等级高温热害发生时间分布、年际变化、周期性及空间分布规律进行分析。结果表明：（1）1961-2013年,安徽省中季稻生育期高温热害发生频次较高的时段主要集中在7月中、下旬和8月上旬,尤以8月上旬最高,轻、中、重级高温热害平均2.15a、3.81a、4.69a发生1次,且轻度热害发生次数最多;（2）53a来安徽中稻生育期内各级别高温热害发生频次均呈先减少后增加的趋势,其中80年代发生频次最少;（3）各级别高温热害发生次数均有显著的周期性震荡规律,存在48a、28a、12a的变化周期;（4）各级别高温热害发生频次空间分布总体呈南部偏多,并由西南部向周围递减的趋势,尤以安庆最为严重;（5）安徽中稻产量与高温热害频次的相关性并不显著。