江苏省高档花卉生产现状及发展对策

对2008年江苏省蝴蝶兰、红掌、大花蕙兰和凤梨花卉生产状况进行调查.结果表明:蝴蝶兰产地在江苏省分布广泛,主要集中在连云港、宿迁和泰州,生产凤梨的企业主要分布在常州、无锡和苏州等地,红掌主要产地在苏州、淮安和南京等地区,而大花蕙兰在宿迁和无锡地区产量较多.最后提出了江苏省高档花卉产业发展对策.     

华东地区水稻产量与东亚季风的相关分析

采用连续小波变换和交叉小波变换等方法,分析了1951～2006年华东地区水稻产量和同期东亚季风的时频变化特征,探讨了相对气象产量与东亚季风环流指数之间的相关关系.结果表明,华东地区水稻产量与东亚季风环流的变化均存在年际和年代际尺度的变化周期.气象产量与同期亚洲环流经向指数以正相关为主,14年两者的正相关程度最大,少数频率尺度上呈较弱的负相关,如准2、4、6年以及18年之后.气象产量与同期亚洲环流纬向指数在2～4、6～8、10～12年尺度的共振频率上表现为正相关关系,8～10年以及12年之后的尺度上两者表现为负相关,14年左右两者的负相关程度最大 东亚季风环流的变化导致区域气候变暖,进而引起的气象灾害频发以及区域气候资源的改变,是华东地区水稻产量波动的主要原因.     

1970—2019年滁州市降水特征分析

采用具有自适应性的EEMD方法（Ensemble Empirical Mode Decomposition）重点研究滁州市1970—2019年7个国家基本站年降水和汛期降水的非线性变化特征。结果显示,以滁州站为例,其近50年的降水量变化存在年际尺度和年代际尺度,分别为2.3年和8.0年以及16年和32年,同时发现具有2.3年和8.0年时间尺度的年际变化占主导地位;全市7个国家站汛期降水量对年降水量贡献率均在60%以上,且在空间上总体呈东南多西北少的特征;全市7个国家站汛期多年平均暴雨降水量占汛期多年平均降水量的比率均在33%以上。7个国家站近50年汛期暴雨频数除来安站和天长站呈下降趋势外其余皆呈增加趋势,而汛期小雨频数皆呈下降趋势。     

安徽汛期淮北区域性暴雨大尺度环流特征及成因分析

本研究利用合成分析、EOF分解、显著性差异检验、相关分析等方法对1960—2010年安徽淮北地区5—9月25个区域性暴雨个例进行分析来研究安徽地区淮河以北区域性暴雨时空分布、大尺度环流分型及物理量场分布特征,从气候背景角度出发了解其成因分析,为预报提供有益参考。研究表明：安徽淮北区域性暴雨大尺度环流特征主要表现为两脊两槽型。暴雨区多位于高空西风急流入口区南侧和低层低涡辐合中心东南侧、闭合经向垂直环流上升支下方。冷空气分别从高低层同时入侵,高层冷空气以高值位涡柱的形式向下入侵。暴雨区多位于垂直上升速度中心和湿位涡负值中心略偏北,垂直方向上呈现湿位涡正负区叠置的形势,且低层的对流不稳定和中高层的斜压不稳定相结合,使得大气不稳定性增强是造成淮北区域性暴雨的主要原因。     

基于HJ卫星数据的土壤含水量反演及其旱情预测

干旱是影响中国农业生产的重要自然灾害之一。为确定温度植被干旱指数(TVDI)法在苏北地区干旱监测中的适用性,本试验构建基于HJ卫星数据的NDVI-Ts特征空间,提取TVDI并结合实测数据将遥感指数转化为土壤相对湿度。结果显示:特征空间构建时,考虑NDVI0.2区间可提高干、湿边的拟合精度;TVDI与各层土壤含水量均有一定的相关性,其中与10~20 cm土层土壤含水量的相关系数达-0.649~-0.854(P0.01)。结合同期降水数据,可认为基于HJ卫星数据的TVDI法对苏北地区旱情具有较好的监测效果。     

基于HJ 1B遥感数据的冬小麦旱情监测研究

为确定植被干旱指数(TVDI)法在苏北地区冬小麦干旱监测中的适用性,利用HJ-1B星CCD、IRS数据,建立地表温度(Ts)-归一化植被指数(NDVI)特征空间,并提取TVDI,对2012年3月26日宿迁市土壤水分信息进行遥感监测,以地面样点实测数据进行验证,评价了地表温度及植被指数信息对TVDI指数变化的敏感性.结果表明,宿迁市较干旱区域主要集中在市、县的城区附近,较湿润区域主要分布在水体周围;TVDI与土壤湿度的相关性随土层深度增加而降低,其中在10 cm、20 cm深度的相关性达到极显著水平;由于Ts直接影响土壤含水量,而NDVI为间接影响,因此TVDI对Ts的敏感性大于NDVI.基于HJ-1B数据的TVDI指数法对冬小麦干旱具有较好的监测效果.     

基于ARSIS策略的SAR影像与多光谱遥感小波融合

针对南方多云多雨、光学遥感数据不易获取的特点,在江苏省宝应县设置了区域试验,探索了ENVISAT/SAR影像与HJ-1A星多光谱遥感融合的模式与效果。基于ARSIS策略,利用Mallat小波变换和波段间交互构造模型IBSM,对SAR影像和HJ-1A/CCD影像进行小波分解与低频、高频系数重构,然后通过小波逆变换得到信息融合影像。针对低频与高频影像的不同区域特征使用不同的融合规则,以增强融合过程的自适应性。对融合影像进行了主观与相应的定量评价,并与PCA变换、IHS变换等传统方法进行比较。最后,利用GPS矢量样点提取了小波融合前后影像的波段值与NDVI信息,对融合效果做了进一步的分析与说明。结果表明,小波融合、IHS变换、PCA变换影像光谱扭曲度平均值分别为0.1016、0.3261、1.2772,其中小波融合方法的值最小。三者的信息熵平均值分别为14.7015、11.8993和13.2293,以小波融合方法的值最高。说明小波融合方法在提高空间分别率的同时,较好的增强了光谱保持能力,信息解译效果明显优于PCA变换和IHS变换2种方法。     

基于SPI的安徽省1961—2019年干旱演变特征分析

为分析标准化降水指数（SPI）在安徽省干旱监测评估中的适用性,基于SPI从干旱频率、站次比和干旱强度3个方面分析了1961—2019年该地区干旱时空演变特征。结果表明,1961—2019年安徽省各地区干旱频率总体呈南高北低分布,轻旱、中旱、重旱平均频率分别为31.7%、15.7%和6.1%;1961年以来安徽省轻旱以上平均站次比高达31.7%,有15年发生全域性干旱,1978年是干旱发生面积最广的年份,共发生18次全域性春旱、14次全域性夏旱、17次全域性秋旱和16次全域性冬旱;1961年以来安徽省干旱总体以轻旱到中旱为主,且呈微弱下降趋势,最强年份1978年为特旱级别,各季节干旱强度表现为夏旱>秋旱、春旱>冬旱,2011年的春旱、1978年的夏旱、2019年的秋旱和1968年的冬旱是1961年以来各季节性干旱最强年份。SPI可用于安徽省干旱监测评估。     

滁州市空气质量与气象要素的关系及其预报方法研究

利用滁州市2015年1月至2017年5月逐日大气污染物数据及对应的气象观测资料,分析滁州市空气污染状况及其与气象要素的关系并建立基于气象要素的空气质量预报模型。结果表明,该地区空气污染物以细颗粒物PM2.5为主,主要出现在冬、春季,其次为O_3,主要出现在夏季;该地区出现中度以上污染时,上游西北来向的污染输送起重要作用,风速、降水与空气质量指数(AQI)及各类污染物浓度呈显著负相关,气温与PM10、PM2.5、NO_2、CO呈显著负相关,与O_3呈显著正相关,日照时数和相对湿度与颗粒物PM10、PM2.5浓度呈显著正相关;基于气象要素的预报模型对AQI及PM2.5、PM10和O_3的浓度预测效果优良,能满足日常的业务需求,对NO2的预报效果相对较差,标准化平均误差(NME)超过了30%,且对NO_2浓度有一定程度高估。     

江淮区域农田参考作物蒸散量变化特征及其成因分析

为深入了解江淮区域农田参考作物蒸散变化特征及其对气候变化的响应,利用联合国粮食及农业组织(Food and Agriculture Organization of the United Nations,简称FAO)推荐的Penman-Monteith模型和位于江淮区域的安徽省滁州地区7个站点1961—2017年逐日气象观测资料计算该地区的参考作物蒸散量(ET_0),在分析ET_0区域时空变化特征的基础上,探讨影响区域农田ET_0的主导气象因子。结果表明,研究区域ET_0的年平均值为993.8 mm,夏季最大,春、秋季次之,冬季最小,空间上呈西北大东南小的分布特征。ET_0的年际变化呈显著减小趋势,变率为-1.41 mm/年,从季节上看,除春季略有增大外,其余3季均呈减小趋势,其中夏季的减小趋势最明显,ET_0的减小趋势是一个突变现象,突变点为1972年。气温和相对湿度的变化引起ET_0的上升,为正贡献;风速和日照时数的变化引起ET_0下降,为负贡献,其中风速是该地区ET_0变化的主导气象因子。探讨江淮区域农田参考作物蒸散量对气候变化的响应,对加强该区域农业灌溉效率和优化农业水资源配置具有重要参考意义。