一、不同时间分辨率对气象要素月平均值统计的影响（论文文献综述）
黄春艳[1]（2021）在《黄河流域的干旱驱动及评估预测研究》文中进行了进一步梳理干旱是分布面积广大且造成经济损失比较严重的自然灾害之一。气候变化及人类活动的影响使得干旱越来越突出。我国频发的旱灾严重威胁着我国人民群众的生产生活安全。2019年9月18日习近平总书记在黄河流域生态保护和高质量发展座谈会上指出:“保障黄河长治久安、促进全流域高质量发展、改善人民群众生活、让黄河成为造福人民的幸福河”,并强调黄河流域生态保护和高质量发展是重大国家战略,充分体现了作为中华民族“母亲河”的黄河在生产生活与生态安全中的重要地位。气候变化与人类活动的影响加剧了黄河流域的干旱威胁,制约着黄河流域的社会经济的发展与生态保护,对黄河两岸人民群众的正常生活也造成了严重影响。因而迫切需要开展流域干旱评估,驱动和预测研究,以期为流域内科学防旱、有效抗旱和高效统筹协调黄河流域生态保护和高质量发展提供科学理论指导。本文以黄河流域为研究对象,从气象、水文与农业干旱入手,依据生态学、水文学与统计学的相关理论框架,借助相关统计指标、Mann Kendall检验、连续小波变换、Copula理论框架、经验模态分解与随机优化算法等工具,剖析黄河流域各个分区的气象、水文与农业干旱的多尺度时空演变规律,并借此评估流域干旱情势;探究流域陆地生态系统的干旱胁迫机制,分析不同分区生态系统受旱后的恢复时间;厘清流域不同类型干旱的驱动、形成与发展机制,研究气象干旱与水文干旱的动态响应机理;借助数值预测模型与未来气候模式,预测黄河流域干旱演变态势。主要研究内容和取得的成果如下:（1）揭示了黄河流域气象、水文与农业干旱的时空演变规律,探究了流域陆地生态系统的干旱胁迫机制,明确了不同区域生态系统受旱后的恢复时间。以气象干旱为例,流域整体上处于干旱化趋势,不同分区站点的干湿演变趋势存在明显差异;上游的多数站点趋向湿润化,尤以源区湿润化趋势最为显着;中下游地区多数站点趋向干旱化,渭河流域南部与部分汾河流域干旱化趋势显着;黄河流域干湿演变的整体趋势的空间分布呈现东—西反向分布的特点。流域植被净初级生产力（NPP）的演变趋势具有一定的时空差异性。随着时间的推移,上游NPP值逐渐增加,中游和下游区逐渐减少并趋于稳定;流域陆地生态系统受旱后的恢复时间存在差异性,上游、中游和下游的恢复时间分别为4个月、3.8个月和4.5个月。（2）探究了干旱驱动机制及气象干旱与水文干旱的动态响应关系界定气象干旱和水文干旱的概念,探讨干旱的发生、发展、高峰与衰退全过程,阐明气象干旱和水文干旱的驱动机制;分别采用滑动窗口 Copula熵方法和滞时灰色关联度方法深入探究气象干旱与水文干旱之间的动态非线性响应关系,厘清水文干旱对气象干旱的滞后时间。结果表明,上、中、下游水文干旱对上游气象干旱响应时间分别为2个月、8-9个月和11个月;中、下游水文干旱对中游气象干旱响应时间分别是1个月、9个月,下游水文干旱对下游气象干旱存在1个月的滞后时间。（3）识别并量化了流域气象干旱的主要驱动因子采用敏感性分析方法探究了气象干旱不同驱动因子的敏感性,结果表明降水和气温是影响气象干旱的最敏感因素,其次是平均风速和平均水汽压,而日照百分率的敏感性较低。采用分位数法和皮尔逊三型概率分布方法量化了不同干旱等级下降水与气温的临界阈值,结果表明不同区域的干旱因子阈值存在差异:上游、中游和下游在重度干旱等级下的降水阈值区间分别为[186.22mm,339.53mm],[295.98mm,458.74 mm]和[449.72 mm,657.81 mm],气温阈值区间分别为[5.51℃,7.32℃],[9.37℃,12.82℃]和[9.36℃,15.42℃]。（4）基于EEMD-FOA-SVR干旱预测模型,预测未来气象干旱基于分解-优化-集成数值预测模型,结合集合经验模态分解法进行分解操作,将干旱指数分解为多个模态分量,随后耦合支持向量回归方法预测模态分量,最后引入果蝇智能算法对耦合模型的相关参数进行优化,进而建立基于EEMD-FOA-SVR的分解-优化-集成耦合的干旱预测模型,并应用于黄河流域的各个分区的气象干旱预测中。结果表明:采用EEMD多尺度分解的序列经过果蝇优化后的支持向量回归算法,而后再进行集成预测的结果较其它预测模型拟合度好,误差小,可实现较高精度的干旱预测。（5）基于降尺度的黄河流域未来旱涝演变特征的时空规律分析基于2个全球气候模式（GCMs）下的三种气候变化情景（RCPs）数据、结合数据（NCEP）和实测气象数据（降水、气温等）,利用统计降尺度方法（SDSM）将全球大尺度预测因子降尺度到黄河流域,采用SPI干旱指标预测黄河流域上中下游未来时期2020—2050年气象干旱的演变特征,结果表明流域未来干旱整体呈现出“先减少后增加”的态势,且流域中游流域干旱最为严重。
沙桐[2]（2021）在《WRF-Chem模式中土壤NOx排放和气溶胶化学机制改进及其对空气质量影响研究》文中进行了进一步梳理空气质量模式是研究大气污染成因、模拟与预报大气污染的重要工具。由于目前对大气污染物排放、物理过程和化学形成机理的认识还存在一定局限性,以WRF-Chem、WRF-CMAQ等为代表的空气质量模式模拟和预报还存在很大的不确定性。本论文围绕WRF-Chem模式低估土壤NOx排放（soil NOx emissions,SNOx）,以及对PM2.5化学成分（硫酸盐sulfate、硝酸盐nitrate、铵盐ammonium,统称为SNA）模拟偏差较大（低估硫酸盐,高估硝酸盐）这两个问题,通过改进模式中相应的参数化方案和化学机制,从而提高模式的模拟效果,进而重点研究了SNOx排放和不同化学机制对空气质量模拟的影响。主要结论如下:（1）相比WRF-Chem模式中原始的SNOx方案,新的SNOx参数化方案Berkeley Dalhousie Iowa Soil NO Parameterization（BDISNP）能够更好地表征不同陆地覆盖类型、土壤温湿度和土壤脉冲对SNOx的影响,并且考虑了氮肥施用和大气氮沉降对SNOx的贡献。利用新方案模拟了美国加州和中国东部对流层NO2柱浓度,模拟值与TROPOMI观测均显示出更好的一致性。此外,使用新方案模拟能够再现观测的土壤脉冲现象,提高对地面NO2、O3以及PM2.5浓度的模拟效果。（2）基于BDISNP方案,定量估算了SNOx对大气NOx的贡献。结果表明,美国加州夏季NOx总排放中40%来自于土壤贡献;在农田地区,SNOx贡献量与人为排放相当,占比51%。如此大量的SNOx使得加州（农田）地区月平均NO2柱浓度增大了35%（53%）,地面NO2浓度增加了177%（114%）,从而导致地面O3浓度增加了23.0%（23.2%）。对于中国东部（农田）地区,夏季SNOx对NOx总排放的贡献为34%（39%）,这些SNOx使得月平均NO2柱浓度增大了33%（43%）,地面NO2浓度增加了68%（69%）,进而导致白天时段（13:00-16:00）O3浓度增大14.6%（14.8%）。尽管SNOx对中国东部地区O3浓度的影响小于美国加州,但是高SNOx会加重该地区气溶胶污染,导致硝酸盐浓度增大27%-33%,PM2.5浓度增大11%-16%。（3）WRF-Chem模式对南京地区总PM2.5模拟效果较好,同时能够再现雾霾发生的起止时间,但是普遍存在低估硫酸盐浓度而高估SO2的问题。研究发现,SO2氧化效率（SO2 oxidation rate,SOR）偏低是造成这一偏差的主要原因。本论文通过敏感性试验探究了不同的化学机制对SNA模拟的影响。结果表明,即使SO2与OH的气相反应速率提高3倍,对硫酸盐浓度没有明显影响,且无明显的日变化特征,说明该反应机制可能不是造成硫酸盐浓度低估的主要原因。然而,在模式中添加SO2在气溶胶粒子表面的非均相反应使得模拟的硫酸盐浓度较基准试验增大了近1-2倍,且能够再现观测的硫酸盐浓度的日变化特征。虽然考虑非均相反应机制后,模拟的硫酸盐浓度依然较观测偏低50%左右,但是能够整体提高对SNA的模拟效果。（4）液相氧化反应作为生成硫酸盐的重要途径,模式中云水含量的低估会导致液相反应生成量的不足。通过对长三角地区一次大范围的雾霾事件中SNA模拟进行评估发现,模式明显低估硫酸盐浓度,且无法再现观测的硫酸盐浓度的日变化特征,即峰值浓度出现在对应雾消散的正午时分。同时,模式明显低估云水含量。通过利用MODIS卫星反演的LWP对模拟的云水含量进行校正,结果发现,相比于基准试验,校正后的云水含量能够明显提高硫酸盐的模拟效果,使其质量浓度增大了3倍,且能够模拟出中午时分的浓度峰值。硫酸盐模拟效果的提高也同时减小了硝酸盐的模拟偏差,使其显示出与观测一致的日变化特征。此外,SNA的模拟偏差也明显降低,从基准试验的77%下降为14%。
宋佳琨[3]（2021）在《基于气溶胶资料同化的气溶胶-气象要素相互影响研究》文中研究表明气象和气溶胶在大气中相互影响,二者存在密切联系,并且随着冬季污染减排力度的不断加强和冬季极端污染事件的减少,秋季大气污染事件也越来越受到重视。为了更好地开展中国地区气象和气溶胶模式研究,本文使用大气研究和预报（WRF）模型与在线化学模式（WRF-Chem）以及格点统计差值（GSI）三维变分（3DVAR）同化（DA）系统,选取一次中国秋季污染过程,开展了以下研究内容:（1）使用WRF-Chem v3.6分别耦合MOSAIC和GOCART两种气溶胶化学机制,对一次秋季个例进行模拟。WRF-Chem模式可以较好的模拟气象条件,但是PM2.5浓度模拟准确性受排放清单等不确定性影响;GOCART机制对于我国西北地区PM10、沙尘以及沿海地区海盐浓度的模拟效果较好;MOSAIC机制对我国中东部地区PM2.5以及气体污染物浓度的模拟效果较好。（2）基于WRF-Chem v3.6耦合MOSAIC气溶胶化学机制,使用GSI进一步开展了气溶胶-气象资料联合同化研究。单独同化PM2.5后,西北地区排放源缺失导致的模拟浓度过低得到较好的提高,华北地区、长三角等高PM2.5浓度地区的模式过高估计得到降低,并且显着提高了模式结果与观测的相关性;单独同化气象资料能够有效修正由于气象条件模拟的不准确带来的PM2.5峰值-清除过程模拟的迟滞或错峰问题;在PM2.5同化基础上,气象资料同化带来的气象条件变化对PM2.5浓度变化影响表达更加准确,气象同化对PM2.5浓度的影响与浓度本身有关,PM2.5浓度高,则影响大。联合同化可以得到最优的模拟结果。（3）基于联合同化试验得到的气溶胶初始场,设计了是否考虑气溶胶-辐射相互作用的48小时预报对比试验,探究二者相互影响机理。气溶胶-辐射相互作用导致到达地面辐射减小,T2降低、RH2提高、PBLH降低,RH2提高导致与湿度相关的非均相过程增强,导致了硝酸盐、铵盐和硫酸盐浓度的提高,从而导致了PM2.5模拟浓度的提高,而PM2.5浓度的提高,又通过气溶胶-辐射相互作用导致到达地面的辐射减小,进一步加强反馈过程。以上研究均表明气溶胶资料同化和气溶胶-辐射相互作用对秋冬季的大气污染和气象模拟存在较大影响,需要在模式系统中予以考虑。
仲峻霆[4]（2021）在《气象-污染双向反馈效应的时空特征》文中研究指明不利气象条件与累积的气溶胶污染之间双向反馈效应是北京地区累积阶段颗粒物爆发性增长的控制性因素。然而,双向反馈效应在不同时期、不同地区的变化特征仍不确定。基于PM2.5、垂直气象要素、辐射等多源观测数据及时间聚类分析、Light GBM等机器学习技术,本研究着重分析了双向反馈效应的时空特征,并构建PM2.5历史数据集为反馈效应的历史特征分析提供科学基础。从北京地区典型个例反馈效应的时间变化上看,在减排和有利气象条件控制下2017/18冬季双向反馈效应较先前冬季大幅减弱,污染日反馈引起的近地面温度、比湿及湿度偏差分别只占先前冬季气溶胶引起的气象变化的38%、65%和36%;最严重的前10%污染日中2017/18年冬季因气象反馈导致的PM2.5增加仅是前一冬季的49%。与2017/18年冬季相反,大尺度环流变化导致2018年3月北京气溶胶污染加剧,而双向反馈效应进一步加剧污染。结果表明有效的污染控制和更有利的气象条件使得PM2.5出现额外降低,排放增加、气象条件转差会导致PM2.5额外增加。在典型个例分析的基础上,本文评估了北京地区2013年以来冬季不同气象条件下的双向反馈效应。聚类分析结果表明随边界层上层变暖、下沉变冷的演变过程,气象条件不利程度持续增加,而双向反馈效应在低层的降温效应越发显着。对比2017年前后气象条件的变化,发现2017～2019年冬季中度和重度不利条件比例从18.8%下降到13.3%,特别是使双向反馈效应最显着的重度不利条件下降了63%,其中较为有利的气象条件对2017～2019年冬季PM2.5下降的贡献率为40%。从基于1991年以来长期气球观测时间变化序列的预测模型上看,双向反馈效应最显着的重度不利条件的比例将从2019年冬季的3.4%增加到2020年冬季的4.8%。下一个冬季的PM2.5减排目标需要考虑气象条件转差的因素,不宜定得过高。在我国不同霾区的双向反馈效应空间特征研究中,发现除四川盆地双向反馈效应受中高层云影响外,我国重点区域均出现不同程度的反馈效应,其中华北平原、关中平原、东北平原的反馈程度要高于两湖地区、长三角和珠三角。在大部分区域,累积的污染导致气象条件转差的反馈作用主导了大多数PM2.5爆发性增长。由于历史特征研究需要PM2.5历史数据集,因此本文还基于国家级气象站观测数据,通过抽取单个环境监测站点周边19个气象站的统计特征融合空间气象效应,并结合先进的机器学习模型Light GBM,构建了能够在小时时间尺度上准确预测PM2.5的机器学习模型,在小时、日、月和年尺度上预测与观测的R2分别为0.75、0.84、0.88和0.87。该模型在反演PM2.5历史数据集中具有巨大应用潜力,能够建立1960年代以来6小时分辨率的PM2.5长期历史数据集,为双向反馈历史特征分析打下不可或缺的基础。
马海云[5]（2020）在《植被变绿及其影响要素分析 ——以东北农业区为例》文中进行了进一步梳理植被在地球系统中具有十分重要的作用,植被通过光合作用、蒸腾作用和呼吸作用等显着影响地面与大气系统的能量平衡,在气候、水文与生物循环等方面具有重要的作用,是人文和气候因素对地球环境影响的敏感性指标。最新研究表明,全球植被呈变绿趋势,即基于遥感的植被指数呈现正的年际变化趋势。量化变绿的归因常见方法包括基于模式的多情景对比分析,以及基于观测的统计分析推断。模式的优点具有归因明确和易量化各要素贡献,但是往往受限制于模式自身设置限制。而基于观测的统计分析更具有客观性,但很难进行归因量化分析。基于模式模拟的结果表明全球变绿的主要原因是CO2的施肥效应。然而,观测分析的结果表明全球农田对于变绿贡献为主,这一点与CO2的施肥效应预期不同,更倾向于土地管理的作用。为了探讨如何在观测中进行有效的归因分析、并由此推动模式的改进这一问题,本论文选择中国东北农业区作为研究对象。该区是我国9大农业综合区划之一,是我国农田分布最为集中和广泛的地区。并且该地区生长季较短,主要以一年一季种植为主。本文分析了该地区的变绿趋势的特征,特别关注自然植被与农田植被的差异性。并进一步从气候要素与土地管理要素两个方面分析了其变绿的潜在归因问题。研究期为2000-2015年,其中气候要素主要考虑温度、降水和干旱指数所指代的干湿气候变化。农田管理指的是指在同种土地利用类型情况下的管理活动。（1）植被变绿现象分别基于MOD13C2 EVI和AVHRR GIMMS NDVI3g遥感数据,对东北农业区的植被进行分析。依据前人研究,习惯上定义植被指数增加为变绿,植被指数降低为变褐。EVI与NDVI描述的季节形态基本一致,农田6-9月数值最高,而自然植被在5月份就出现了显着的上升,并高于农田数值,反映出农田与自然植被的物候差异。从2000至2015年,东北农业区的EVI整体上呈上升趋势。（2）植被变绿的气候因素首先从气候要素角度分析了植被变化的潜在影响,选择温度与降水这两个核心气候要素,而大气的CO2是相对稳定增加的,同时计算了干旱指数所表征的区域干湿程度变化。2000-2015年间,东北农业区温度呈轻微下降趋势,年平均温度的多年变化率为-2.6×10-4°C yr-1,在生长季温度反而出现了轻微下降趋势。2000-2015年降水量整体呈上升趋势(0.72 mm yr-1),其中生长季为1.35 mm yr-1。对于SPEI,2000-2015年间,SPEI01、SPEI06、SPEI12均呈显着上升趋势,年均变化率分别为3.6×10-2yr-1,6.9×10-2yr-1和10.5×10-2yr-1。对应生长季的变化率分别为4.6×10-2yr-1,9.0×10-2yr-1和10.4×10-2yr-1。因此,研究区呈现出了变湿润的趋势。进一步分析了各气候要素与农田和自然植被EVI的相关性。气温、降水的单一指标与EVI无论是农田还是自然植被都比较低,并不显着。而通过气温与降水拟合发现,拟合后的相关性能够分别达到0.548和0.279。同时SPEI与农田、自然植被相关系数较高,其中SPEI12与EVI在农田、自然植被的相关性分别达到0.409和0.438。因此,气候变化能够在一定程度上能够解释EVI的年际变化。但是,气候变化的特征无法有效解释前述的农田与自然植被在季节形态上的趋势差异。（3）植被变绿的土地管理因素由上述分析可知,农田与自然植被在季节的趋势差异很难由气候变化单方面解释。而该地区经历了快速的农业现代化发展,因此从农田土地管理角度分析造成这种差异的可能性。本研究的所涉及的农田管理主要包括农作物类型的变化、农业机械化和化肥与农药的使用量等。农田管理数据采用的国家统计局省级数据,包括黑龙江、吉林和辽宁三省的整体数据,并不包括内蒙古自治区。该地区经历了快速的农业种植类型变化,小麦播种面积快速下降,而玉米和水稻的播种面积增加较快,这三类作物在2000-2015年变化率分别为-90.64%,168.11%和92.75%。从植被高度和生产力角度来讲,玉米是典型的C4植物,其植株的高度和生物量在生长季都远高于小麦。其次,该地区经历了快速的农业机械化,农业机械总动力、农用大中型拖拉机数量和大中型拖拉机配套农具这三个指标变化率分别为187.44%、1101.87%和710.01%。由此可见,该地区的农业机械化速度非常快,其直接的影响是能够在较短时间内完成播种。由于生长期的限制,快速的播种对于作物生长十分重要,同时能够更加有效的进行土地的平整。再次,该地区的化肥与农药的施用量在研究期间增长了85.98%和141.86%。农药的使用对于病虫害防治可以起到直接的关键作用,同时,化肥使用量的增加,更是直接促进了农田作物的生长。综合以上三点要素,农业的快速机械化带来土地平整和播种速度的改善,而玉米与水稻的扩张对小麦种植的替代,即出现了高大植株作物对低矮植株的取代,同时玉米与水稻的收获季节要明显迟于小麦。而农药和化肥的用量增加,则会直接刺激和保障农作物的长势。因此,农田管理对于农作物生长季的促进作用会十分的显着。这也进一步解释了,为何农田在6-10月份变绿的速率远超自然植被。综上所述,研究区植被,无论是农田还是自然植被,都呈现出了变绿趋势,EVI的年际变化率的量级相同。然而,与前人研究不同,本文进一步探讨了EVI变化的季节特征,发现农田变化集中在6-10月,并且数值上比自然植被整体大很多。这种农田和自然植被的季节变化差异,很难从气候变化角度进行解释。同时发现该地区农田管理发生了剧烈的变化,这些变化包括种植类型演化、农业机械化和农药与化肥施用量的快速增长,从而快速促进了农田植被指数的快速增长。因此,除了气候变化要素之外,农田管理是该地区农田植被变绿的主要影响要素。这一机制需要进一步在模式中进行体现,而当前模式并没有包含这一过程。
谢晓栋[6]（2020）在《中国地区大气污染—植被—二氧化碳的相互影响研究》文中认为二氧化碳（CO2）是一种重要的温室气体,能够通过改变辐射来影响区域气候,是导致全球气候变暖的重要因素。CO2作为植物光合作用的重要原料,其浓度的变化对于生物源挥发性有机物（BVOC）的排放过程有着一定的调节作用,从而影响大气中的臭氧和颗粒物浓度。另一方面,臭氧对植物细胞的损伤以及颗粒物的散射施肥效应能够影响植被的生长发育,从而改变陆地生态系统对大气中CO2的吸收过程。中国作为世界上最大的能源消耗和温室气体排放国,CO2浓度逐年上升。同时,近年来以颗粒物和臭氧为主的大气复合污染问题造成空气质量下降,危害人体健康,引起越来越多的学者关注。因此研究中国地区CO2与臭氧、颗粒物的相互影响对于缓解区域气候变化、改善空气质量有着重要的科学意义。本文以数值模拟为主要研究手段,发展区域气候-化学-生态耦合模式RegCM-CHEM-YIBs,模拟中国地区CO2浓度和陆地碳通量的时空分布特征,定量估算陆地碳通量对CO2浓度的影响。进一步研究臭氧和颗粒物污染对我国陆地植被生产力和碳通量的影响,以及由此引起的大气CO2浓度的变化特征。此外,还定量评估了区域CO2浓度升高和全球气候变化对植被BVOC排放量以及大气中臭氧、二次有机气溶胶（SOA）浓度的影响。主要研究结果如下:首先,发展了区域气候-化学-生态耦合模式RegCM-CHEM-YIBs。在区域气候化学模式RegCM-CHEM的基础上新增了CO2物种,引入陆地生态系统模式YIBs,在线计算陆地植被CO2和BVOC排放通量。改进了模式中有关SOA浓度的计算过程,使用实时模拟的CO2浓度替换辐射模块和YIBs模块中原有的CO2浓度,使得RegCM-CHEM-YIBs模式具有研究区域气候、大气化学和陆地生态系统间相互作用的能力。模拟结果与再分析资料、站点监测数据、卫星遥感产品之间具有很好的一致性,表明耦合模式的结果合理可信。其次,给出了中国地区陆地碳通量和大气CO2浓度的时空分布特征。2006–2015年间,陆地碳通量整体呈现由北向南递增的趋势,高值区出现在西南地区,净生态系统碳交换量（NEE）的绝对值最大超过1000 g C m-2 yr-1。不同地区的陆地碳通量均存在明显的季节变化特征。夏季陆地生态系统是重要的CO2汇,NEE为负值,且占全年总NEE的60%左右;冬季陆地生态系统为弱的CO2源,NEE以正值为主。NEE的季节变化趋势与温度、降水间均存在明显的负相关性,且与温度的相关性大于降水。NEE的年际变化和厄尔尼诺-南方涛动（ENSO）事件呈现较强的相关性,厄尔尼诺事件期间的温度增加、降水减少能够削弱陆地生态系统对CO2的吸收。我国CO2浓度的年均增长率为2.2 ppm yr-1,高于全球平均水平。高值中心位于京津冀、长三角、珠三角和四川盆地等城市群地区,最大值超过430 ppm。CO2浓度整体呈现冬春高,夏秋低的季节特征。南方地区CO2峰值出现在2月,谷值出现在6月;而北方地区的峰值和谷值出现时间相对较晚,分别在4月和7月。陆地碳通量是造成CO2浓度季节变化的主要因素,夏季由于植被对CO2的吸收,大部分地区CO2浓度降低约612 ppm;冬季CO2浓度有所升高,最大增幅约为4 ppm。再次,定量评估了臭氧和颗粒物污染对大气中CO2浓度的影响。由于臭氧对植被的损伤,我国年平均总初级生产力（GPP）和陆地碳通量分别降低0.76±0.27 Pg C yr-1和112.2±22.5 Tg C yr-1。臭氧对植被的影响存在明显的季节差异,主要集中在4–9月,占全年的90%以上。陆地碳通量的削弱使得更多的CO2残留在大气中,我国大部分地区的年均CO2浓度增加约0.72.5 ppm,云南和贵州省的部分地区最大可达6 ppm。颗粒物通过改变散射辐射比例、区域气候和水循环过程来影响陆地植被的生长和碳同化能力。模拟结果表明,颗粒物导致我国GPP和陆地碳通量分别增加约0.36 Pg C yr-1（5%）和0.06 Pg C yr-1（21%）。GPP的增加主要发生在西南、东南和华北地区,而陆地碳通量的变化主要来自西南和华中地区。颗粒物引起的散射辐射比例的增加是导致GPP和NEE变化的主要原因,其占主导地位的区域分别占我国陆地总面积的59%和62%。陆地碳通量的增加能够降低大气中的CO2浓度,我国西南地区的CO2浓度降低最为明显。颗粒物对CO2浓度的影响存在较强的季节差异,主要集中在6–10月。夏季全国平均CO2浓度减少约0.62 ppm,最大降低幅度发生在四川盆地地区,可达4 ppm。最后,定量研究了区域CO2浓度升高和全球气候变化对臭氧和SOA浓度的影响。区域CO2浓度升高和全球气候变化的影响下,我国陆地植被的光合作用速率和生产力明显增加。不同情景下BVOC排放的变化存在较强的季节差异,夏、秋季明显增强,冬、春季有一定的减小。全年平均来看,异戊二烯排放增加1.40 TgC yr-1（17%）,单萜烯排放减少0.14 Tg C yr-1（5%）。由于区域CO2浓度升高和全球气候变化的共同影响,我国的臭氧和SOA浓度分别减小0.5 ppb和0.3μg m-3。全球气候变化导致华北地区夏季的臭氧和SOA浓度显着降低（最大减少7 ppb和3.4μg m-3）,华南地区明显增加（最大增加5 ppb和2.6μg m-3）。全球气候变化引起的大气环流的改变增强了夏季污染物由北向南的输送过程,从而增加了华南地区的臭氧、SOA及其前体物的浓度。相反,CO2施肥效应引起的BVOC排放变化则导致夏季华北地区臭氧和SOA浓度增加（最大增加3.5 ppb和5μg m-3）,华南地区减少（最大减少5.5 ppb和4.5μg m-3）。华北地区CO2施肥效应导致的光合作用速率增强对BVOC排放的影响占主导作用,BVOC排放的增强进一步增加臭氧和SOA浓度。而华南地区CO2浓度升高导致的植被气孔关闭对BVOC排放的影响更为明显,BVOC排放的削弱降低了臭氧和SOA浓度。通过以上几个方面的研究,本文揭示了近年来我国地面CO2浓度以及陆地碳通量的时空分布特征及其影响因素,定量分析了CO2与臭氧、颗粒物通过陆地植被发生的相互影响规律,对于理解区域气候、大气化学和陆地植被间的相互反馈有一定的参考价值,同时可以为我国未来的气候政策制定和空气污染治理提供合理的科学依据。
朱栩辉[7]（2020）在《坝上高原及华北北部山地森林植被变化及其生态功能分析》文中研究指明坝上高原及华北北部山地位于农牧交错带重要区域,生态环境脆弱,水土流失严重。地区自1999年开始实施生态治理,生态系统得到一定改善,但地区森林植被退化、草地减少等威胁因素仍然显着。因此选取植被净初级生产力（Net Primary Productivity,NPP）、植被覆盖度（Fraction Vegetation Cover,FVC）、叶面积指数（Leaf Area Index,LAI）三个因子,对地区森林植被变化进行分析,探究与气候要素的相关性,评估地区主要生态功能变化,为生态环境恢复和资源管理优化提供科学依据。采用CASA模型、一元线性回归、Hurst指数、偏相关分析等方法分析各因子2000-2018年时空分布特征及对气候变化的响应,并通过In VEST（Integrated Valuation of Ecosystem Services and Tradeoffs）模型评估主要生态功能变化,所取得主要结论如下:（1）1990-2018年平均降水为462.28mm,总体呈波动下降的趋势,变化速率为10.8mm/10yr;年平均温度为8.97℃,总体呈波动上升趋势,上升速率为0.16℃/10yr;平均风速为2.38m/s,总体呈波动下降的趋势,下降速率为0.01m/s。（2）FVC年际年平均值为57.65%,以0.89%/yr的速率呈波动上升;FVC年内分布不均,7月份达到最大值为57.52%,夏季增长最快;空间分布为由西向东逐步增加,年际增加速率为0.01/yr,呈增加趋势的面积为38.79%,减小趋势的面积为23.03%;FVC变异系数为0.32,年际变化较小;未来FVC持续增加面积占24.70%;与降水和温度的偏相关系数为0.21、-0.10,呈正相关区域面积分别占92.07%、32.84%,降水、温度和风速复相关系数解释50%的FVC变化;人类活动为促进作用的面积占62.19%,残差值变化趋势为0.004,说明人类活动有利于森林植被增加。（3）LAI年际平均值为2.63,年内7、8月份LAI值最大,占年内LAI的44.12%,夏季增长最快;LAI空间分布为由西向东逐步增加,平均增加速率为0.06/yr,呈减小趋势面积占8.59%,呈增加趋势面积占56.63%;LAI变异系数平均值为0.59,年际变化较大;未来LAI持续增加面积占39.32%;与降水和温度的偏相关系数为0.38、0.08,呈正相关区域面积占94.83%、66.12%,降水、温度和风速复相关系数解释58%LAI变化。（4）通过对CASA模型模拟结果和MODIS数据对比发现,模型模拟NPP数据结果较好,具有可靠性;NPP年平均值为367.99 g C/m2·yr,以10.74 g C/m2·yr的速率呈波动上升;年内NPP分布不均,5-9月占全年NPP总量的89.91%,年内变化主要以夏季为主。其空间分布为由西往东逐渐增加,年际增加速率为9.04g C/m2·yr,呈增加趋势的面积占95.98%;年际NPP变异系数的平均值为0.20,年际变化较小;未来NPP持续增加的区域面积占32.14%;与降水和温度偏相关系数分别为0.47、0.11,降水、温度和风速复相关系数解释67%的NPP变化。（5）生境质量指数增加0.04,四年年生境质量指数高和较高的区域面积变化为主,增加14.81%、减小13.36%。四年水源涵养量分别为35.90mm、44.49mm、61.94mm、58.58mm,增加了22.68mm,增加总量为34.06×108m3。平均土壤侵蚀模数为32.15t/hm2、22.91 t/hm2、22.58 t/hm2、26.11 t/hm2,土壤侵蚀量分别为4.96×108t、3.53×108t、3.48×108t、4.03×108t,土壤侵蚀量减少了18.75%。土壤保持量为4.18×108t、7.16×108t、10.09×108t、13.50×108t,土壤保持量增加了9.32×108t,单位平均土壤保持量为56.60t/hm2。
赵会超[8]（2020）在《不同类型干旱的时空变化规律及其关系研究》文中研究表明干旱是全球都普遍存在的一种气候现象,同时也是会对人类社会造成损失和影响极为严重的一种自然灾害。干旱不仅能造成大范围的粮食减产、水资源短缺和生态环境的恶化,而且会引发饥荒、经济失调、战争、社会动荡乃至政府的更迭。此外,干旱的发生还会引起社会自然资源的恶化,进而引发一系列社会经济环境生态问题。因此干旱问题不仅仅涉及生态环境,还涉及社会经济方面,更是与人类的发展息息相关,干旱已经成为各国关注的重点问题。论文结合全球陆地同化数据和遥感数据,在对我国进行气候分区的基础上,进行了水循环相关要素的时空变化分析、干旱遥感监测分析和不同类型干旱的特征上分析。首先运用Mann-Kendall趋势检验检验和小波分析方法对比分析了降水、土壤含水率和地下水基流等于干旱有直接关联的水循环要素的时空演变特征。其次,分析了各层的土壤水分、温度、地表温度和植被指数的时空特征,通过干、湿边方程的拟合计算了两种温度植被干旱指标TVDI（Temperature Vegetation Drought Index）,并分析了两种TVDI在不同区域和不同深度土壤水分监测中的适用性。对降水、土壤湿度和地下水径流进行了多种概率密度函数的分布特征分析,选择了最优的概率密度函数,并进行了参数估计,在此基础上计算了标准化降水指数（SPI）、标准化土壤水分指数（SSI）和标准化径流指标（SRI）,借助皮尔逊相关性分析和游程理论分析了SPI、SSI和SRI的时空特征及干旱发展关系。最后采用游程理论基于SPI、SSI和SRI得出了相应的干旱变量即干旱频次、干旱持续时间和干旱等级,并对比了各干旱变量的变化规律。论文得出了以下主要结论:（1）在不同气候区之间,这些气候变量的时间变化特征存在有较大的不同,在干旱半干旱地区,年降水量与蒸散发量十分的接近。此外年内降水量、土壤储水量和地下水径流量之间存在一定的滞后关系。在年值的空间分布特征上,多年平均年降水量、蒸散发、土壤储水量和地下水径流在空间上均呈现出由西北到东南逐渐递增的特点。依据气象干旱指数AWD,初步分析气象条件对土壤和水文等方面的影响。结果显示这种影响是具有区域性的,且气象条件对中国湿润地区的土壤储水量和地下水径流有较大的影响。（2）在土壤各层的水分,温度,地表温度,植被指数的时空变化上,在华中和华南地区,各层之间的土壤水分变化过程明显一致,统一呈现为先增加再减少的变化样式,并且可以明显的看出随着深度的增加,土壤水分也表现为增加状态。土壤地表温度明显高于其他各个分层的土壤温度,各个气候区各个层土壤温度均呈现为峰值曲线样式。在冷季,深层土壤温度高于浅层土壤温度,在暖季,浅层土壤温度高于深层土壤温度。植被指数的日序列变化表明,在西北和内蒙古地区,NDVI（Normalized Differential Vegetation Index）和EVI（Enhanced Vegetation Index）的变化呈明显的均匀性单峰曲线,且峰值出现在一年中的225天左右,大约在一年中的七月中旬。青藏高原和东北地区的变化类型与西北和内蒙古地区相似,但是峰值略微有所提前。月值变化特征表现为:在西北,内蒙古和东北地区,NDVI和EVI的时间序列变化有着高度的一致性,且NDVI的峰值高于EVI的峰值。（3）土壤水分监测指标TVDI的适用性分析结果表明:在土壤水分适宜深度的监测效果上,基于NDVI的TVDI(即TVDINDVI)及基于EVI的TVDI(即TVDIEVI)在0-10 cm土壤水分监测的适用性方面最好。TVDIEVI在0-10cm土壤水分条件下的适用性好于TVDINDVI,且在西北地区有显着效果,而在其他分区TVDINDVI表现相对较好。全国范围内0-10 cm范围内土壤水分与TVDINDVI(或TVDIEVI)的相关系数大多为负相关,但是区域之间存在显着差异。在不同深度的土壤水分监测上,土层越深,相关性越差,监测效果越不好,总之相应土层含水量的监测最好选用相应土层的温度作为计算TVDI参数。（4）不同类型干旱的对比结果表明:气象干旱主要集中在西南地区,农业和水文干旱主要集中在西北地区。农业干旱和水文干旱的主周期大于气象干旱,农业干旱和水文干旱的主周期的空间分布特征相似。中国西北地区SPI与SSI（或SRI）（Standardized Precipitation/Soil Moisture/Runoff index）的相关性较低,表明西北干旱和半干旱地区的短期气象干旱与农业/水文干旱之间的相关性较低。此外,西北地区的SSI和SRI之间的滞后时间比华南地区要长,这表明干旱和半干旱地区的气象干旱和水文干旱传递缓慢。华南地区气象干旱的快速蔓延,意味着干旱防治不仅要重视气象干旱,更要重视农业干旱和水文干旱。（5）通过不同时间尺度的干旱指标对比分析发现:随着时间尺度的增加,SPI、SSI和SRI的干旱频次和持续时间明显增加。然而,随着时间尺度的增加,SPI、SSI和SRI的平均干旱等级逐渐减小,这说明在发生干旱时,长期干旱虽然持续时间长、频率高,但其干旱等级也会相应减弱。在干旱变量的累积频率分析上,任何分区任何时间尺度下,相同干旱持续时间下SPI所具有的累积频率最高。此外在各个气候区的干旱等级与干旱持续时间的关系上,内蒙古地区的干旱持续时间与等级的相关关系（即决定系数R2）与其他气候区相比是较低的,但是均大于0.8。
华珊[9]（2020）在《青藏高原气溶胶-云相互作用及云辐射效应研究》文中研究表明青藏高原素有“亚洲水塔”之称,对区域乃至全球水循环和气候有着重要影响。近年来,卫星频繁观测到发生在青藏高原上空的大气污染事件,主要源于污染物的局地排放和远距离输送。随着人类活动的加剧,青藏高原地区局地排放的大气气溶胶也逐渐增多;而且,受高原大地形热力作用的影响,高原周边几大沙漠和人为污染物源区的气溶胶被输送至高原边坡,并被进一步抬升至高原上空。同时,夏季青藏高原周边洋面的水汽受季风影响可辐合至高原周围,进而在高原热力作用下进一步汇聚至高原上空形成空中湿岛。夏季充沛的水汽使得高原上空对流云的形成和发展旺盛,并与抬升至高原上空的沙尘等大气气溶胶发生混合,气溶胶粒子可对云物理特性产生影响。因此,青藏高原地区气溶胶、云特性及其相互作用是青藏高原影响区域和全球气候变化研究中的重要前沿科学问题,也是该领域研究所面临的新挑战。由于青藏高原特殊的地理位置和地形,地面观测资料的缺乏成为限制高原大气气溶胶、云及相关研究的重要因素。因此,目前仍缺乏对青藏高原气溶胶-云相互作用全面系统的认识,尤其对高原上空冰云的研究更为稀缺。针对上述问题,本文联合多种卫星观测资料、再分析资料、耦合气溶胶三维辐射传输模式的非静力二十面体大气变网格模式（NICAM-SPRINTARS）以及耦合模式比对计划第五阶段（CMIP5）的数值模式,系统研究了青藏高原上空气溶胶、云特性以及气溶胶对水云和冰云的影响等,以期为理解青藏高原上空气溶胶-云相互作用和改进高原数值模式提供科学依据。主要结论如下:（1）利用卫星观测资料分析了2000-2015年期间青藏高原上空气溶胶和云的特性分布。研究发现,气溶胶主要集中分布在青藏高原北坡上空。其中,气溶胶光学厚度（AOD）自南而北呈现逐渐增加的分布特征,Angstr?m指数（AE）则自南而北逐渐减小。最大气溶胶指数（AIn）（0.01）位于青藏高原南坡,最小AIn（0.62）则位于高原北坡。另一方面,尽管冰云和水云的云分数高值区位于高原东南部,但二者在高原边缘区域的出现频次高。其中,与水云相比,冰云在高原上的出现频次更高,尤其是在高原北坡上。同时,结合云-气溶胶激光雷达和红外探测卫星观测（CALIPSO）和CloudSat卫星数据,发现气溶胶-云混合出现频次在高原边缘区域更高。气溶胶和云的特性分布表明青藏高原上气溶胶和云之间可能存在潜在关系。（2）基于气溶胶和云的特性分布,全面分析了气溶胶对冰云和水云物理特性的影响及差异。从云的宏观特性来看,气溶胶与冰云云分数之间的相关性比水云云分数高。随着气溶胶的增加,水云发展的更高更深厚,冰云则变高变薄。从云的微观特性而言,相较于水云,气溶胶对冰云的影响更为显着。其中,气溶胶的增加导致白天冰云的粒子半径（ICDR）减小,夜间ICDR几乎不变。由于饱和效应,白天冰水路径（IWP）略有减少,夜间IWP则显着增加。白天和夜间冰云的光学厚度呈现出显着相反的变化趋势。剔除气象因子影响后表明,气溶胶相比于气象场对云特性的影响更显着。NICAM-SPRINTAR变网格模式模拟结果与观测结果一致。总体而言,青藏高原上空气溶胶对冰云物理特性的影响比对水云物理特性的影响更显着。（3）利用卫星资料和CMIP5模式,进一步量化并比较了气溶胶对青藏高原上空水云和冰云辐射特性的影响。卫星观测表明,青藏高原上空冰云云分数占比高于水云,且青藏高原上气溶胶变化引起的水云和冰云总辐射强迫变化分别为-0.31±0.02W/m2和-0.33±0.09W/m2,其中以短波辐射强迫变化为主。CMIP5模拟表明,气溶胶变化引起的冰云总辐射强迫的变化（-0.73±0.03W/m2）覆盖了青藏高原的大部分区域,而引起的水云总辐射强迫的变化（-0.34±0.03W/m2）主要位于高原南坡。综合卫星观测及数值模拟结果可见,气溶胶对冰云辐射特性的影响比对水云更显着。（4）基于云辐射特性的变化,量化了云对高原异常增暖的贡献。全球变暖大背景下,青藏高原呈现出异常增暖现象。与1961-1999年期间+0.04°C/十年的增温速率相比,2000-2015年期间青藏高原以+0.30°C/十年的速率加速增温。同时期而言,冷季（11月至次年3月）的增暖比暖季（5月至9月）增暖更显着。此外,在冷季,高原上空中云减少而高云增加,且冷季高原的净云辐射强迫为正,表现为加热效应。观测分析表明,中云减少产生的反照率效应的减弱以及高云增加产生的温室效应的增强是引起高原加速增温的因素之一。CMIP5模拟结果表明,云净辐射效应对高原增温的贡献为+0.88°C,其中因中云减少引起的短波辐射效应增加占主导地位。
李娜[10]（2020）在《青藏高原地面热源的计算及变率研究》文中研究说明青藏高原位于副热带地区亚洲大陆中东部,是世界上海拔高度最高、地形最复杂的高原,被称为“世界屋脊”。青藏高原的热力作用可以影响高原上空及其邻近区域的大气环流,同时也可以激发亚洲-太平洋涛动遥相关,调节着热带ENSO的发展,这说明青藏高原的热力作用对北半球的大气环流也有一定的影响。在青藏高原热力驱动下,大尺度的大气水分循环构成了一个持续的青藏高原“亚洲水塔”,进而调节着区域和全球的水循环。青藏高原加热的季节变化和年际变率对我国乃至整个季风区的降水有至关重要的调制作用。合理地计算青藏高原地面热源有助于加强我们对青藏高原在全球气候变化中作用的理解。然而,以往的研究使用多层温湿梯度、地表粗糙度、湍流交换系数等数据和整体输送方程计算地表热通量,由于在近地层这些变量的不确定较大,导致计算的青藏高原的地表热通量差异较大。最大熵产生（maximum entropy production,简称MEP）模型在计算地表热通量时可以避免使用近地层变量,仅需要使用地表净辐射、地表温度和空气湿度或者土壤湿度。因此,本文使用“第三次青藏高原大气科学试验（TIPEX-III）”观测资料、多种再分析资料（ERA5、ERA-Interim、JRA-55、MERRA-2、NCEP-I和NCEP-II）以及卫星资料,结合MEP模型计算1980-2018年夏季青藏高原全区的地面热源,并使用我国地面气象台站逐日降水量、0 cm地温、气温和风速以及多种统计方法,研究青藏高原地面热源变率和影响青藏高原热源变率的气候因子。主要结论如下:（1）使用2014年8月-2015年9月的TIPEX-III观测资料和MEP模型计算青藏高原中部安多站、班戈站、比如站、嘉黎站以及那曲站的地表感热通量和潜热通量。结果表明,MEP模型计算的地表感热通量(SHMEP OBS)和潜热通量(LEMEP OBS)与观测的地表热通量具有很高的相关性。高原中部五个站点的SHMEP OBS和LEMEP OBS与观测资料的相关系数（r）分别在0.88和0.73以上。SHMEP OBS和LEMEP OBS高原中部区域平均的均方根误差（RMSE）分别为34.3和55.5 W m-2。当观测的地表热通量的能量闭合率越接近1时,SHMEP OBS和LEMEP OBS与观测数据越接近。就数值而言,SHMEP OBS和LEMEP OBS的数值小于以往研究中由整体输送方法计算的感热通量和潜热通量。同样地,使用2014年8月-2016年8月的TIPEX-III观测资料和MEP模型计算高原西部狮泉河站夏季的SHMEP OBS和LEMEP OBS。结果表明,狮泉河站的SHMEP OBS和LEMEP OBS与观测资料的r分别为0.59和0.82,RMSE分别为11.1和9.2 W m-2。与以往的研究结果相比,MEP模型基于观测资料计算的高原中西部的SHMEP OBS和LEMEP OBS的误差在可接受的范围内。综上所述,MEP模型可以用于计算青藏高原中西部的感热通量和潜热通量。（2）使用2014年8月-2016年8月夏季的ERA5、ERA-Interim和MERRA-2的地表感热通量计算青藏高原中西部安多站、班戈站、比如站、那曲站和狮泉河站的感热通量(SHmerged),使用MEP模型和ERA5、ERA-Interim和MERRA-2的地表净辐射、地表温度、土壤湿度和地表潜热通量计算以上高原中西部五个站点的潜热通量(LEmerged)。结果表明,SHmerged和LEmerged与观测资料的r分别为0.81和0.69,RMSE分别为13.71和24.40 W m-2。与以往的研究结果相比,SHmerged和LEmerged的r和RMSE均在合理的范围内。因此,基于以上融合方案,本文计算了1980-2018年夏季青藏高原全区的SHmerged和LEmerged。SHmerged在高原东部、中部、西部以及全区的夏季年平均值分别为37.4、45.0、45.7以及41.8 W m-2,且呈现出从高原东南部向高原西北部递增的空间分布特征。LEmerged在高原东部、中部、西部以及全区的夏季年平均值分别为65.9、43.1、28.6以及49.4 W m-2,呈现从高原东南部向高原西北部递减的空间分布特征。（3）在1980-2018年夏季,SHmerged在青藏高原东部、中部、西部以及全区以-1.0、-1.3、-0.35以及-0.94 W m-2 decade-1的趋势下降,LEmerged在青藏高原东部、中部、西部以及全区以1.2、1.4、0.2以及1.0 W m-2 decade-1的趋势上升。SHmerged和LEmerged均存在明显的年代际变化特征,高原全区的SHmerged在1980-1994年上升(3.4 W m-2 decadal-1),在1995-2018年下降(-2.2 W m-2decadal-1),LEmerged在1980-1995年下降(-3.4 W m-2decadal-1),在1996-2018年上升(1.5 W m-2 decadal-1)。地面热源(Qmerged=SHmerged+LEmerged)在高原东部、中部、西部以及全区的线性趋势分别为0.2、0.1、-0.2以及0.1 W m-2 decadal-1。青藏高原全区的Qmerged和LEmerged有显着正相关（r=0.48）,因此,LEmerged对青藏高原全区的Qmerged起着非常重要的作用。（4）1980-2018年夏季青藏高原全区的SHmerged与地气温差呈现显着的正相关（r=0.51）,这说明,地气温差对SHmerged的年代际变化影响较大,尤其是在青藏高原中东部地区。1980-2018年夏季青藏高原全区的LEmerged与土壤湿度呈现显着的正相关（r=0.44）,这说明,降水和土壤湿度对LEmerged的年代际变化有直接的影响,尤其是在青藏高原中东部、中部以及西部地区。
二、不同时间分辨率对气象要素月平均值统计的影响（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、不同时间分辨率对气象要素月平均值统计的影响（论文提纲范文）
（1）黄河流域的干旱驱动及评估预测研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景和意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究目的及意义 |
| 1.2 国内外研究进展 |
| 1.2.1 干旱指标及评估分析 |
| 1.2.2 干旱驱动机制研究 |
| 1.2.3 干旱预测 |
| 1.3 研究内容与技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 2 研究区域概况及基本方法 |
| 2.1 自然地理概况 |
| 2.1.1 地理概况 |
| 2.1.2 地形地貌 |
| 2.1.3 气候特征 |
| 2.1.4 河流水系 |
| 2.1.5 社会经济概况 |
| 2.2 资料来源与数据处理 |
| 2.3 基本方法 |
| 2.3.1 小波分析法 |
| 2.3.2 Mann-Kendall检验分析法 |
| 2.3.3 克里金差值法(Kriging插值法) |
| 2.4 小结 |
| 3 黄河流域干旱特征分析 |
| 3.1 干旱定义及指标 |
| 3.1.1 气象干旱定义及指标 |
| 3.1.2 水文干旱定义及指标 |
| 3.1.3 农业干旱定义及指标 |
| 3.2 黄河流域气象干旱时空演变规律 |
| 3.2.1 气象干旱事件多尺度时程变化规律 |
| 3.2.2 气象干旱事件多尺度空间分布特征 |
| 3.2.3 多尺度下气象干旱频率特征分析 |
| 3.3 黄河流域水文干旱时空演变规律 |
| 3.3.1 水文干旱事件多尺度时程变化规律 |
| 3.3.2 水文干旱事件多尺度空间统计特征 |
| 3.3.3 多尺度下水文干旱周期性变化特征 |
| 3.4 黄河流域农业干旱时空演变规律 |
| 3.4.1 农业干旱事件的时程变化特征 |
| 3.4.2 农业干旱事件与气象要素的空间相关性 |
| 3.5 农业干旱影响下的流域陆地生态系统恢复时间 |
| 3.5.1 植被净初级生产力(NPP)的模拟及分析 |
| 3.5.2 黄河流域上中下游NPP的时空变化规律分析 |
| 3.5.3 生态系统干旱恢复时间(RT)确定 |
| 3.5.4 黄河流域上中下游植被干旱恢复时间RT的空间变异特征 |
| 3.6 小结 |
| 4 干旱驱动机制及动态响应分析 |
| 4.1 气象干旱驱动机制分析 |
| 4.1.1 气象干旱的形成发展过程 |
| 4.1.2 驱动因素 |
| 4.1.3 驱动机制 |
| 4.2 水文干旱驱动机制分析 |
| 4.2.1 水文干旱的形成和发展过程 |
| 4.2.2 驱动因素 |
| 4.2.3 驱动机制 |
| 4.3 气象干旱和水文干旱的相关性分析 |
| 4.3.1 研究方法 |
| 4.3.2 气象干旱和水文干旱的相关性分析 |
| 4.4 气象干旱和水文干旱的动态响应分析 |
| 4.4.1 基于滑动窗口Copula熵的干旱动态响应 |
| 4.4.2 基于滞时灰色关联度的干旱动态响应 |
| 4.5 小结 |
| 5 干旱驱动因子分析 |
| 5.1 驱动因子特征分析 |
| 5.1.1 驱动因子时间变化规律 |
| 5.1.2 驱动因子空间变化特征 |
| 5.2 驱动因子敏感性分析 |
| 5.2.1 敏感性分析方法 |
| 5.2.2 黄河流域干旱因子的敏感性分析 |
| 5.3 驱动因子阈值分析 |
| 5.3.1 理论基础 |
| 5.3.2 驱动因子阈值选取方法 |
| 5.3.3 黄河流域干旱驱动因子阈值分析 |
| 5.3.4 黄河流域干旱驱动因子阈值检验 |
| 5.3.5 阈值归因分析 |
| 5.4 小结 |
| 6 基于EEMD-FOA-SVR的黄河流域干旱预测 |
| 6.1 研究方法 |
| 6.1.1 集合经验模态分解 |
| 6.1.2 果蝇优化算法 |
| 6.1.3 支持向量回归 |
| 6.1.4 FOA-SVR模型 |
| 6.2 基于EEMD-FOA-SVR预测模型 |
| 6.2.1 基于EEMD-FOA-SVR预测模型流程图 |
| 6.2.2 模型评价准则 |
| 6.3 基于EEMD-FOA-SVR模型的干旱预测 |
| 6.3.1 模型构建 |
| 6.3.2 模型验证 |
| 6.3.3 模型预测 |
| 6.4 小结 |
| 7 黄河流域未来干旱演变特征的时空变异规律分析 |
| 7.1 GCM数据来源及主要方法 |
| 7.1.1 GCM模式 |
| 7.1.2 SDSM统计降尺度方法 |
| 7.2 SDSM模型降尺度适应性评估 |
| 7.3 未来降水和气温的时空演变特征 |
| 7.3.1 未来降水和气温的时程变化规律 |
| 7.3.2 未来降水和气温的空间分布规律 |
| 7.4 未来时期2020-2050 年气象干旱的时空演变特征 |
| 7.4.1 未来时期2020-2050 年气象干旱的时间序列预测 |
| 7.4.2 未来时期2020-2050 年气象干旱的空间预测 |
| 7.5 小结 |
| 8 结论与展望 |
| 8.1 结论 |
| 8.2 创新点 |
| 8.3 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（2）WRF-Chem模式中土壤NOx排放和气溶胶化学机制改进及其对空气质量影响研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究意义和目的 |
| 1.2 国内外研究进展 |
| 1.2.1 污染成因 |
| 1.2.2 污染物排放 |
| 1.2.3 气溶胶化学机制 |
| 1.3 研究目标与研究内容 |
| 第二章 模式介绍与数据方法 |
| 2.1 WRF-Chem模式 |
| 2.1.1 模式简介 |
| 2.1.2 动力框架和物理方案 |
| 2.1.3 化学方案 |
| 2.2 大气再分析资料 |
| 2.3 排放源 |
| 第三章 土壤NO_x排放方案的改进及其对空气质量的影响 |
| 3.1 引言 |
| 3.2 模式设置和数据介绍 |
| 3.2.1 模式设置 |
| 3.2.2 观测数据 |
| 3.3 SNO_x参数化方案的改进和试验设计 |
| 3.3.1 SNO_x参数化方案的改进 |
| 3.3.2 试验设计 |
| 3.4 结果与讨论:加利福尼亚州 |
| 3.4.1 土壤NO_x排放的对比 |
| 3.4.2 对流层NO_2柱浓度的模拟评估 |
| 3.4.3 土壤NO_x脉冲的模拟评估 |
| 3.4.4 土壤NO_x排放对加州空气质量的影响 |
| 3.5 结果与讨论:中国东部地区 |
| 3.5.1 土壤NO_x排放的对比 |
| 3.5.2 对流层NO_2柱浓度的模拟评估 |
| 3.5.3 土壤NO_x排放对中国东部空气质量的影响 |
| 3.6 本章小结 |
| 第四章 气溶胶粒子表面非均相化学反应的添加 |
| 4.1 引言 |
| 4.2 模式设置和数据介绍 |
| 4.2.1 模式设置 |
| 4.2.2 观测数据 |
| 4.3 模式评估 |
| 4.4 结果与讨论 |
| 4.4.1 南京地区大气污染物的模拟 |
| 4.4.2 敏感试验的设计及非均相反应机制的介绍 |
| 4.4.3 气相反应速率对SNA的影响 |
| 4.4.4 非均相反应对SNA的影响 |
| 4.5 本章小结 |
| 第五章 液相化学反应的不确定性及初步改进 |
| 5.1 引言 |
| 5.2 模式设置及数据介绍 |
| 5.2.1 模式设置 |
| 5.2.2 观测数据 |
| 5.3 模拟评估 |
| 5.3.1 气象场 |
| 5.3.2 化学场 |
| 5.4 结果与讨论 |
| 5.4.1 南京地区污染物的模拟 |
| 5.4.2 云水含量的模拟评估 |
| 5.4.3 云水含量的校正方法及敏感性试验的设计 |
| 5.4.4 模式中云水含量的改进对气溶胶模拟的影响 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 主要结论 |
| 6.2 主要创新点 |
| 6.3 存在的不足与展望 |
| 参考文献 |
| 个人履历 |
| 个人简介 |
| 研究生期间发表论文 |
| 主持及参与的科研项目 |
| 参加的学术交流 |
| 主要获奖情况 |
| 致谢 |
（3）基于气溶胶资料同化的气溶胶-气象要素相互影响研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究意义 |
| 1.2 研究进展 |
| 1.2.1 大气化学模式研究进展 |
| 1.2.2 气象-气溶胶资料同化研究进展 |
| 1.2.3 气象-气溶胶相互作用研究进展 |
| 1.3 问题的提出 |
| 1.4 研究目的及各章节主要内容 |
| 1.4.1 研究目的 |
| 1.4.2 各章节主要内容 |
| 第二章 不同气溶胶化学机制对中国秋季气溶胶模式模拟效果的影响评估 |
| 2.1 大气化学模式与化学机制 |
| 2.1.1 大气化学模式介绍 |
| 2.1.2 GOCART机制 |
| 2.1.3 MOSAIC机制 |
| 2.2 观测数据及排放处理 |
| 2.2.1 气象观测数据 |
| 2.2.2 气溶胶观测数据 |
| 2.2.3 排放源清单 |
| 2.3 气溶胶观测特征 |
| 2.3.1 PM颗粒物分布特征 |
| 2.3.2 气态污染物分布特征 |
| 2.4 模拟试验设计 |
| 2.5 试验结果 |
| 2.5.1 近地面气象变量模拟效果 |
| 2.5.2 气溶胶组分浓度对比 |
| 2.5.3 气溶胶总质量浓度对比 |
| 2.5.4 气态污染物浓度对比 |
| 2.6 本章小结 |
| 第三章 秋季气溶胶-气象资料联合同化研究 |
| 3.1 GSI同化系统 |
| 3.1.1 GSI同化系统 |
| 3.1.2 PM_(2.5)观测算子 |
| 3.1.3 PM_(2.5)观测和误差 |
| 3.1.4 背景误差协方差 |
| 3.2 同化试验方案 |
| 3.3 模拟效果分析 |
| 3.3.1 近地面气象要素 |
| 3.3.2 地面PM_(2.5)浓度 |
| 3.3.3 近地面气象要素与PM_(2.5)浓度相关性 |
| 3.4 6小时相互影响分析 |
| 3.4.1 PM_(2.5)对近地面气象要素的影响 |
| 3.4.2 近地面气象要素对PM_(2.5)的影响 |
| 3.5 联合同化的影响诊断分析 |
| 3.5.1 水平分布相关 |
| 3.5.2 时间序列相关 |
| 3.5.3 NCP区域过程 |
| 3.6 本章小结 |
| 第四章 模式中0-48小时预报过程中气溶胶-气象相互影响机理研究 |
| 4.1 预报试验方案 |
| 4.2 预报试验结果 |
| 4.2.1 近地面气象要素 |
| 4.2.2 行星边界层高度 |
| 4.2.3 PM_(2.5)浓度 |
| 4.2.4 无机盐组分浓度 |
| 4.3 相互影响机理分析 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 5.1 本文主要创新点 |
| 5.2 本文主要结论 |
| 5.3 展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（4）气象-污染双向反馈效应的时空特征（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 引言 |
| 1.1 对气溶胶危害与影响的认知 |
| 1.2 气溶胶的形成与组分 |
| 1.3 气溶胶污染的排放成因 |
| 1.4 不利气象条件对气溶胶污染的影响 |
| 1.5 全球变暖下的气溶胶污染 |
| 1.6 气溶胶—边界层相互作用进一步加剧污染 |
| 1.7 北京PM_(2.5)爆发性增长成因:不利气象条件与累积PM_(2.5)之间的双向反馈效应 |
| 1.8 拟开展研究:我国典型区域双向反馈效应的时空特征及其成因研究 |
| 第2章 资料与方法 |
| 2.1 数据来源 |
| 2.2 传统监督学习方法 |
| 2.3 K-mean聚类、K-mean++聚类和时间序列聚类 |
| 2.4 连续小波变换 |
| 2.5 差分整合移动平均自回归模型 |
| 2.6 特征提取与LightGBM模型使用 |
| 第3章 双向反馈效应的时间变化特征 |
| 3.1 2017/18年冬季PM_(2.5)质量浓度变化:减弱的气象反馈作用 |
| 3.1.1 2017/18年冬季有利于污染积累的小风静风天气减少了57% |
| 3.1.2 量化2017/18冬季双向反馈效应的弱化程度 |
| 3.1.3 比较2016/17年和2017/18年冬季PM_(2.5)变化的气象反馈效应 |
| 3.2 2018年3月北京气溶胶污染转差:不利气象条件叠加反馈效应 |
| 3.2.1 异常温差导致气溶胶污染加重 |
| 3.2.2 极涡西移的影响 |
| 3.2.3 双向反馈使气溶胶污染进一步转差 |
| 3.2.4 2019年2月下旬至3月上旬气溶胶污染存在类似的气象成因 |
| 3.3 垂直气象条件分类:评估不同气象条件下的反馈效应 |
| 3.3.1 2012~2016年垂直条件的分类及不同条件下双向反馈程度 |
| 3.3.2 2017~2019年垂直气象条件有所改善,但2019年有所转差 |
| 3.3.3 反馈最显着的重度不利气象条件:长期趋势、周期性与预测 |
| 3.4 小结 |
| 第4章 双向反馈效应的空间变化特征:重点区域对比 |
| 4.1 关中平原:存在显着的双向反馈和区域内污染输送 |
| 4.2 长三角:华北平原跨区域污染输送和反馈效应共同影响 |
| 4.3 两湖流域:存在双向反馈,跨区域污染输送加剧污染 |
| 4.4 珠三角地区:存在较弱的反馈效应 |
| 4.5 四川盆地:反馈效应受中高云层抑制,高原气团东移暖平流加剧污染 |
| 4.6 东北平原:存在双向反馈效应 |
| 4.7 量化我国不同地区的双向反馈效应 |
| 4.8 小结 |
| 第5章 双向反馈效应历史特征:构建长时间序列PM2.5数据集 |
| 5.1 从小时到年尺度的模型评估 |
| 5.2 准确预测中国各地区逐小时PM_(2.5) |
| 5.3 高时空分辨率的网格化PM_(2.5)网络 |
| 5.4 小结 |
| 第6章 结论和展望 |
| 6.1 主要结论 |
| 6.1.1 近年北京双向反馈效应的时间变化特征 |
| 6.1.2 我国不同霾区双向反馈效应的空间特征 |
| 6.1.3 双向反馈效应历史特征:构建长时间序列PM_(2.5)数据集 |
| 6.2 创新点 |
| 6.3 存在的不足和对未来的展望 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
（5）植被变绿及其影响要素分析 ——以东北农业区为例（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 引言 |
| 1.1 研究背景 |
| 1.2 研究意义 |
| 1.3 国内外研究现状 |
| 1.3.1 遥感植被指数研究现状 |
| 1.3.2 植被变化及其驱动因素的研究现状 |
| 1.3.3 东北农业区植被变化研究现状 |
| 1.4 研究内容 |
| 1.5 技术路线 |
| 1.6 论文结构 |
| 第二章 研究区域概况、数据与方法 |
| 2.1 研究区概况 |
| 2.2 研究数据 |
| 2.2.1 土地利用类型数据 |
| 2.2.2 遥感植被指数数据 |
| 2.2.3 气象数据 |
| 2.2.4 农业统计数据 |
| 2.3 研究方法 |
| 2.3.1 一元线性回归趋势分析 |
| 2.3.2 Pearson相关系数 |
| 2.3.3 标准降水蒸散发指数 |
| 第三章 东北农业区植被变绿现象 |
| 3.1 植被的年内变化特征 |
| 3.2 植被的年际变化特征 |
| 3.3 植被的空间分布特征 |
| 3.4 本章小结 |
| 第四章 东北农业区植被变绿的气候因素 |
| 4.1 气候概况 |
| 4.2 温度与降水变化及趋势分析 |
| 4.3 干湿变化及趋势分析 |
| 4.4 气候因素与EVI的相关性分析 |
| 4.5 本章小结 |
| 第五章 东北农业区植被变绿的农田土地管理因素 |
| 5.1 主要农作物的时间变化特征 |
| 5.2 农药、化肥、机械化的时间变化特征 |
| 5.3 本章小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 创新点 |
| 6.3 不足与展望 |
| 附录一 |
| 致谢 |
| 参考文献 |
| 作者简介 |
（6）中国地区大气污染—植被—二氧化碳的相互影响研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究进展 |
| 1.2.1 二氧化碳数值模拟研究 |
| 1.2.2 陆地生态系统模式研究 |
| 1.2.3 臭氧和颗粒物对植被的影响研究 |
| 1.2.4 二氧化碳施肥效应研究 |
| 1.3 本文研究内容 |
| 第二章 研究方法与数据 |
| 2.1 区域气候化学模式RegCM-CHEM简介 |
| 2.1.1 发展历程 |
| 2.1.2 主要模块 |
| 2.1.3 气溶胶和气相化学机制 |
| 2.2 陆地生态系统模式YIBs |
| 2.2.1 YIBs模式主要过程 |
| 2.2.2 冠层辐射方案 |
| 2.2.3 生物源挥发性有机物排放方案 |
| 2.2.4 臭氧损伤方案 |
| 2.3 RegCM-CHEM-YIBs耦合模式 |
| 2.3.1 耦合模式框架 |
| 2.3.2 模式输入数据 |
| 第三章 中国地区二氧化碳时空分布特征的模拟研究 |
| 3.1 模式设置 |
| 3.2 模式结果验证与分析 |
| 3.2.1 气象场评估 |
| 3.2.2 陆地生态系统碳通量评估 |
| 3.2.3 二氧化碳浓度评估 |
| 3.3 二氧化碳浓度和陆地碳通量的时空分布特征 |
| 3.3.1 年际变化特征 |
| 3.3.2 季节变化特征 |
| 3.4 陆地碳通量对二氧化碳浓度的影响 |
| 3.5 本章小结 |
| 第四章 臭氧和颗粒物对植被碳通量及二氧化碳浓度的影响研究 |
| 4.1 数值试验方案设计 |
| 4.2 模拟结果评估 |
| 4.2.1 臭氧浓度模拟及验证 |
| 4.2.2 气溶胶光学厚度模拟及验证 |
| 4.3 臭氧对植被碳通量以及大气二氧化碳浓度的影响 |
| 4.3.1 臭氧对植被碳通量的影响 |
| 4.3.2 臭氧对大气二氧化碳浓度的影响 |
| 4.3.3 不确定性分析 |
| 4.4 颗粒物对植被碳通量以及大气二氧化碳浓度的影响 |
| 4.4.1 颗粒物对辐射、温度和饱和蒸气压差的影响 |
| 4.4.2 颗粒物对植被碳通量的影响 |
| 4.4.3 不同气象因子对植被碳通量的贡献 |
| 4.4.4 颗粒物对大气二氧化碳浓度的影响 |
| 4.4.5 不确定性分析 |
| 4.5 本章小结 |
| 第五章 区域二氧化碳浓度升高和全球气候变化对臭氧及二次有机气溶胶的影响研究 |
| 5.1 数值试验方案设计 |
| 5.2 模拟结果评估 |
| 5.2.1 BVOC排放的模拟与验证 |
| 5.2.2 SOA浓度的模拟与验证 |
| 5.3 区域CO_2浓度升高和全球气候变化对我国气候的影响 |
| 5.4 区域CO_2浓度升高和全球气候变化对植被碳收支及BVOC排放的影响 |
| 5.4.1 植被光合作用速率及生产力的变化 |
| 5.4.2 植被BVOC排放的变化 |
| 5.5 区域CO_2浓度升高和全球气候变化对臭氧和SOA的影响 |
| 5.5.1 对近地面臭氧浓度的影响 |
| 5.5.2 对二次有机气溶胶浓度的影响 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 本文主要研究结果 |
| 6.2 本文主要创新点 |
| 6.3 未来工作展望 |
| 6.3.1 本文工作的不足之处 |
| 6.3.2 今后工作展望 |
| 参考文献 |
| 致谢 |
| 博士期间科研成果 |
（7）坝上高原及华北北部山地森林植被变化及其生态功能分析（论文提纲范文）
| 摘要 |
| abstract |
| 1 引言 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究进展 |
| 1.2.1 NPP研究进展 |
| 1.2.2 植被覆盖研究进展 |
| 1.2.3 In VEST模型研究 |
| 1.3 拟解决的科学问题 |
| 2 研究区概况 |
| 2.1 地理位置 |
| 2.2 地质地貌 |
| 2.3 气候和水文条件 |
| 2.4 土壤 |
| 2.5 植被 |
| 2.6 社会经济 |
| 3 研究内容与方法 |
| 3.1 研究目标 |
| 3.2 研究内容 |
| 3.3 技术路线 |
| 3.4 CASA模型 |
| 3.4.1 APAR的计算 |
| 3.4.2 实际光能利用利用率? |
| 3.5 遥感数据处理 |
| 3.5.1 遥感数据处理 |
| 3.5.2 气象数据及预处理 |
| 3.5.3 土地利用数据 |
| 3.6 In VEST模型计算 |
| 3.6.1 生境质量模型 |
| 3.6.2 水源涵养模型 |
| 3.6.3 土壤保持功能模型 |
| 3.7 研究方法 |
| 3.7.1 一元线性回归模型 |
| 3.7.2 偏相关分析 |
| 3.7.3 Hurst指数 |
| 3.7.4 Mann-Kendall趋势检验 |
| 3.7.5 年际波动程度计算 |
| 3.7.6 残差分析 |
| 4 气象因子时空分布与变化特征 |
| 4.1 降水的时空变化规律 |
| 4.1.1 降水时间序列变化 |
| 4.1.2 降水空间变化特征 |
| 4.2 温度时空变化规律 |
| 4.2.1 温度的时间序列变化 |
| 4.2.2 温度空间变化规律 |
| 4.3 风速时空变化规律 |
| 4.3.1 风速的时间序列变化 |
| 4.3.2 风速空间变化规律 |
| 4.4 小结 |
| 5 植被覆盖度时空分布与变化特征 |
| 5.1 植被覆盖度时间变化特征及趋势分析 |
| 5.1.1 植被覆盖度年际变化趋势分析 |
| 5.1.2 植被覆盖度年内变化趋势分析 |
| 5.1.3 植被覆盖度季节变化趋势分析 |
| 5.2 植被覆盖度空间变化特征分析 |
| 5.2.1 年均植被覆盖度空间分布规律 |
| 5.2.2 季节植被覆盖度空间分布规律 |
| 5.3 植被覆盖度对气象因子的响应 |
| 5.4 人类活动对植被覆盖的影响 |
| 5.5 小结 |
| 6 LAI时空分布与变化特征 |
| 6.1 LAI时间变化特征及趋势分析 |
| 6.1.1 LAI年际变化规律分析 |
| 6.1.2 LAI年内变化规律分析 |
| 6.1.3 LAI季节变化规律分析 |
| 6.2 LAI空间分布特征分析 |
| 6.2.1 LAI年际空间变化特征分析 |
| 6.2.2 LAI季节空间变化特征分析 |
| 6.3 LAI对气象因子的响应 |
| 6.4 小结 |
| 7 NPP时空分布与变化特征 |
| 7.1 CASA模型验证 |
| 7.2 区域NPP时间变化特征分析 |
| 7.2.1 NPP年际变化规律分析 |
| 7.2.2 NPP年内变化规律分析 |
| 7.2.3 NPP季节变化规律分析 |
| 7.3 区域NPP空间分布特征分析 |
| 7.3.1 年均NPP空间分布规律 |
| 7.3.2 NPP季节空间分布规律 |
| 7.4 NPP对气象因子的响应 |
| 7.5 小结 |
| 8 生境质量与主要生态功能分析 |
| 8.1 生境质量分析 |
| 8.1.1 模型参数处理 |
| 8.1.2 生境质量分析 |
| 8.2 水源涵养功能分析 |
| 8.3 土壤保持功能分析 |
| 8.4 小结 |
| 9 结论与展望 |
| 9.1 结论 |
| 9.2 展望 |
| 参考文献 |
| 个人简介 |
| 导师简介 |
| 致谢 |
（8）不同类型干旱的时空变化规律及其关系研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究目的和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 水循环要素时空变化的国内外研究现状 |
| 1.2.2 陆面参数时空变化的国内外研究现状 |
| 1.2.3 土壤干旱监测的国内外研究现状 |
| 1.2.4 干旱分析的国内外研究现状 |
| 1.3 目前研究中存在的问题 |
| 1.4 本论文的研究内容 |
| 1.5 论文技术路线 |
| 第二章 干旱相关水循环要素的时空变化 |
| 2.1 材料与方法 |
| 2.1.1 研究区概况 |
| 2.1.2 数据来源 |
| 2.1.3 Google Earth Engine特点 |
| 2.1.4 小波分析 |
| 2.1.5 趋势分析 |
| 2.1.6 AWD的计算 |
| 2.2 结果分析 |
| 2.2.1 水循环要素的时空变化 |
| 2.2.2 时间序列的周期性特征 |
| 2.2.3 水循环要素主周期的空间分布 |
| 2.2.4 AWD对土壤储水量和地下水径流的影响 |
| 2.3 讨论 |
| 2.4 小结 |
| 第三章 陆面参数的时空变化的研究 |
| 3.1 材料与方法 |
| 3.1.1 研究区概况 |
| 3.2 数据来源 |
| 3.2.1 MODIS产品数据 |
| 3.2.2 土壤湿度数据 |
| 3.2.3 土壤温度数据 |
| 3.2.4 降水数据 |
| 3.3 结果分析 |
| 3.3.1 陆面水分和温度温参数的日变化 |
| 3.3.2 陆面土壤水分参数的月变化 |
| 3.3.3 陆地表面水分温度参数的年变化 |
| 3.3.4 植被指数的时空变化 |
| 3.3.5 降水的影响性分析 |
| 3.4 讨论 |
| 3.5 小结 |
| 第四章 温度植被干旱指标TVDI的适用性研究 |
| 4.1 材料与方法 |
| 4.1.1 研究区概况与数据来源 |
| 4.1.2 TVDI的计算 |
| 4.1.3 TVDI与土壤水分的线性拟合 |
| 4.2 结果分析 |
| 4.2.1 光谱特征空间的构建 |
| 4.2.2 TVDINDVI和 TVDIEVI时空变化 |
| 4.2.3 土壤湿度与TVDI的关系 |
| 4.3 讨论 |
| 4.3.1 寒冷季节干湿边方程拟合引起的误差 |
| 4.3.2 TVDI在土壤水分监测中的适用性比较 |
| 4.3.3 TVDI土壤水分监测适用性差异的原因 |
| 4.4 小结 |
| 第五章 气象、农业和水文干旱指标的时空分布规律 |
| 5.1 材料与方法 |
| 5.1.1 研究区概况和数据来源 |
| 5.1.2 多时间尺度SPI、SSI和 SRI的计算 |
| 5.1.3 SPI、SSI和 SRI的时间序列分析 |
| 5.1.4 相关分析 |
| 5.2 结果分析 |
| 5.2.1 SPI、SSI和 SRI的时间序列变化 |
| 5.2.2 MMK趋势检验 |
| 5.2.3 干旱的周期性 |
| 5.2.4 SPI和 SSI/SRI之间的关系 |
| 5.2.5 SPI与 SSI(或SRI)的交叉小波变换 |
| 5.2.6 不同时间尺度下滞后月数的空间分布 |
| 5.3 讨论 |
| 5.3.1 估计标准化干旱指数中概率密度函数的选择 |
| 5.3.2 干旱传递过程 |
| 5.4 小结 |
| 第六章 基于游程理论的干旱变量时空变化分析 |
| 6.1 材料与方法 |
| 6.1.1 研究区概况和数据来源 |
| 6.1.2 游程理论 |
| 6.2 结果分析 |
| 6.2.1 干旱频次的空间分布特征 |
| 6.2.2 干旱持续时间的空间分布特征 |
| 6.2.3 干旱等级的空间分布特征 |
| 6.2.4 干旱变量的统计特征 |
| 6.2.5 干旱变量的累积概率对比 |
| 6.2.6 干旱持续时间和等级的相关性分析 |
| 6.3 讨论 |
| 6.4 小结 |
| 第七章 结论与建议 |
| 7.1 主要结论 |
| 7.2 主要创新点 |
| 7.3 干旱防控策略 |
| 7.4 建议 |
| 参考文献 |
| 致谢 |
| 个人简介 |
（9）青藏高原气溶胶-云相互作用及云辐射效应研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 国内外研究进展 |
| 1.2.1 青藏高原气溶胶、云特性研究 |
| 1.2.2 青藏高原气溶胶对云特性的影响 |
| 1.2.3 问题的提出及本文研究意义 |
| 1.3 本文主要内容及章节安排 |
| 1.4 创新点及特色 |
| 第二章 资料与模式介绍 |
| 2.1 卫星资料 |
| 2.1.1 云特性和辐射收支数据 |
| 2.1.2 气溶胶数据 |
| 2.2 再分析资料 |
| 2.2.1 中国气象局(CMA)同化资料 |
| 2.2.2 美国国家航空航天局再分析数据(MERRA-2) |
| 2.3 模式介绍 |
| 2.3.1 耦合模式比对计划第五阶段(CMIP5)模式 |
| 2.3.2 耦合气溶胶辐射传输模式的非静力二十面体大气变网格模式(NICAM-SPRINTARS) |
| 第三章 青藏高原气溶胶、云特性及分布 |
| 3.1 引言 |
| 3.2 资料与方法 |
| 3.2.1 资料 |
| 3.2.2 云辐射强迫计算方法 |
| 3.2.3 云出现频次 |
| 3.2.4 云相及气溶胶-云混合的判别方法 |
| 3.3 青藏高原气溶胶特性分布 |
| 3.3.1 气溶胶特性的观测研究 |
| 3.3.2 气溶胶特性的数值模拟研究 |
| 3.4 青藏高原云特性分布 |
| 3.4.1 云特性的观测研究 |
| 3.4.2 云特性的数值模拟研究 |
| 3.5 云出现频次及与气溶胶混合频次的统计分析 |
| 3.5.1 不同类型云出现频次的分布 |
| 3.5.2 气溶胶-云混合频次的分布特征 |
| 3.6 本章小结 |
| 第四章 气溶胶对云物理特性的影响 |
| 4.1 引言 |
| 4.2 资料与方法 |
| 4.2.1 卫星资料 |
| 4.2.2 再分析资料 |
| 4.2.3 研究方法 |
| 4.3 气溶胶影响云物理特性的观测研究 |
| 4.3.1 气溶胶对冰云的影响 |
| 4.3.2 气溶胶对水云的影响 |
| 4.4 气溶胶影响云物理特性的数值模拟研究 |
| 4.5 本章小结 |
| 第五章 气溶胶对云辐射特性的影响 |
| 5.1 引言 |
| 5.2 资料与方法 |
| 5.2.1 资料 |
| 5.2.2 云相态的识别方法 |
| 5.2.3 量化气溶胶对CRF影响的方法 |
| 5.3 气溶胶影响云辐射特性的观测结果 |
| 5.4 气溶胶影响云辐射特性的模拟结果 |
| 5.4.1 识别不同类型云 |
| 5.4.2 量化气溶胶对云辐射特性的影响 |
| 5.5 本章小结 |
| 第六章 云辐射效应对高原增温的贡献 |
| 6.1 引言 |
| 6.2 资料与方法 |
| 6.2.1 资料 |
| 6.2.2 云辐射效应的量化方法 |
| 6.3 青藏高原显着增暖及云的变化 |
| 6.3.1 高原异常增温现象 |
| 6.3.2 青藏高原不同高度云的变化 |
| 6.3.3 云辐射强迫的变化 |
| 6.3.4 海拔依赖性 |
| 6.4 云辐射效应的量化 |
| 6.5 本章小结 |
| 第七章 总结与展望 |
| 7.1 主要结论 |
| 7.2 讨论与展望 |
| 参考文献 |
| 附录 :中英文缩略语对照表 |
| 在学期间研究成果 |
| 致谢 |
（10）青藏高原地面热源的计算及变率研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 选题背景和研究意义 |
| 1.2 青藏高原热源观测资料研究进展 |
| 1.3 基于观测资料计算青藏高原热源研究进展 |
| 1.4 基于陆面模型计算青藏高原热源研究进展 |
| 1.5 科学问题的提出和科学假设 |
| 1.6 研究内容以及章节安排 |
| 第二章 数据和方法 |
| 2.1 数据 |
| 2.1.1 观测资料 |
| 2.1.2 再分析资料 |
| 2.1.3 卫星资料 |
| 2.2 方法 |
| 2.2.1 MEP模型 |
| 2.2.2 统计指标 |
| 2.2.3 线性趋势分析法 |
| 2.2.4 显着性检验 |
| 第三章 青藏高原中部地面感热通量和潜热通量的计算 |
| 3.1 引言 |
| 3.2 青藏高原中部的基本气象要素特征以及地表能量平衡分析 |
| 3.3 青藏高原中部地区地面感热通量和潜热通量的模拟 |
| 3.4 本章讨论 |
| 3.5 本章小结 |
| 第四章 青藏高原西部地面感热通量和潜热通量的计算 |
| 4.1 引言 |
| 4.2 青藏高原西部观测资料的能量平衡特征 |
| 4.3 基于观测资料和MEP模型计算青藏高原西部的地面感热通量和潜热通量 |
| 4.4 基于再分析资料和MEP模型计算青藏高原西部的地面感热通量和潜热通量 |
| 4.5 本章讨论 |
| 4.6 本章小结 |
| 第五章 青藏高原地面热源的计算 |
| 5.1 引言 |
| 5.2 再分析资料地面感热通量和潜热通量的评估 |
| 5.3 基于再分析资料和MEP模型模拟的地面感热通量和潜热通量的评估 |
| 5.4 夏季青藏高原全区的地面热源的计算 |
| 5.5 本章讨论 |
| 5.6 本章小结 |
| 第六章 青藏高原地面热源的年际和年代际变化特征 |
| 6.1 引言 |
| 6.2 青藏高原地面感热通量和潜热通量的年际和年代际变化特征 |
| 6.3 青藏高原地面热源的年际和年代际变化特征 |
| 6.4 影响青藏高原地面热源的气候因子 |
| 6.5 本章讨论 |
| 6.6 本章小结 |
| 第七章 总结与展望 |
| 7.1 主要结论 |
| 7.2 创新点 |
| 7.3 讨论与展望 |
| 变量参数表 |
| 参考文献 |
| 致谢 |
| 作者简介及攻读学位期间发表的学术论文与研究成果 |
四、不同时间分辨率对气象要素月平均值统计的影响（论文参考文献）
- [1]黄河流域的干旱驱动及评估预测研究[D]. 黄春艳. 西安理工大学, 2021(01)
- [2]WRF-Chem模式中土壤NOx排放和气溶胶化学机制改进及其对空气质量影响研究[D]. 沙桐. 南京信息工程大学, 2021(01)
- [3]基于气溶胶资料同化的气溶胶-气象要素相互影响研究[D]. 宋佳琨. 南京信息工程大学, 2021(01)
- [4]气象-污染双向反馈效应的时空特征[D]. 仲峻霆. 中国气象科学研究院, 2021(02)
- [5]植被变绿及其影响要素分析 ——以东北农业区为例[D]. 马海云. 南京信息工程大学, 2020(01)
- [6]中国地区大气污染—植被—二氧化碳的相互影响研究[D]. 谢晓栋. 南京大学, 2020(12)
- [7]坝上高原及华北北部山地森林植被变化及其生态功能分析[D]. 朱栩辉. 北京林业大学, 2020
- [8]不同类型干旱的时空变化规律及其关系研究[D]. 赵会超. 西北农林科技大学, 2020
- [9]青藏高原气溶胶-云相互作用及云辐射效应研究[D]. 华珊. 兰州大学, 2020(01)
- [10]青藏高原地面热源的计算及变率研究[D]. 李娜. 中国气象科学研究院, 2020