季节-年际历史回报数据中北大西洋海温异常影响东亚气候的两种途径

本文基于1980—2005年ENSEMBLES(Ensemble-based Predictions of Climate Changes and their Impact)季节—年际多模式历史回报数据和20世纪耦合季节预测(CSF-20C)回报数据的月平均海温、地表气温、降水、风场及位势高度场资料,利用依赖月份的集合成员间奇异值分解方法研究了北大西洋海温异常影响东亚气候的两种途径。结果表明,春、夏季热带北大西洋海温暖异常与西南风异常密切耦合,暖中心由春至夏季加强西移,该暖海温异常能够激发东传的Kelvin,造成夏季西北太平洋异常反气旋显著增强,促进了中南半岛北部、日本南部及我国南方大部的降水增长。而中高纬度北大西洋海温在春季呈现东北暖、西南冷的偶极子型异常,该海温异常通过与风场的强烈耦合,激发了遥相关波列,影响乌拉尔山阻塞高压及东亚大槽,造成东北亚地区的低压异常,导致了朝鲜半岛、日本大部及我国东部的气温降低。

基于1982～2013年NDVI数据的新疆30年植被状况季节与年际趋势分析

以GIMMS 3g(the third generation Global Inventory Modeling and Mapping Studies Normalized Difference Vegetation Index)数据为基础,利用月合成、标准距平和趋势保留预置白方法进行数据预处理,采用季节趋势分析方法提取振幅0、振幅1和相位1季节表征因子,运用MK(Mann-Kendall)和CMK(Contextual Mann-Kendall)趋势检验获取新疆植被年际和季节趋势变化特征,结合土地利用覆盖数据,侦测显著性变化区域的空间分布特点,讨论并分析不同预处理方法和趋势分析方法下的结果差异。研究表明:(1)植被状况趋于退化的区域面积明显大于植被状况转好的面积,植被退化区域主要集中在南北疆荒漠区域的未利用地和草地,转好的区域则主要集中在山区草地、未利用地和耕地区域;(2)新疆植被年内波动幅度有明显增加的趋势,主要分布在塔里木盆地南缘以北的草地、未利用地和耕地;(3)不同预处理方法下的植被状况趋势显著性结果存在明显的影响,按照显著性信息的提取能力排序,标准距平>趋势保留预置白>原始数据>月平均;(4)耕地区域中有87.88%表现出年内波动幅度显著增加的趋势,53.31%生长季开始期显著推迟。

我国陆地植被净初级生产力变化规律及其对气候的响应

在GIS系统的支持下,利用卫星遥感资料和地面气象观测资料,构建了基于光能利用率的植被净初级生产力(NPP)遥感模型,估算了我国陆地1982—2000年1—12月植被NPP,分析了1982—2000年我国不同植被类型NPP的季节性和年际性变化规律,基于像元空间尺度讨论了植被NPP对气候的响应关系.结果表明,我国植被NPP年内季节性变化规律明显;我国主要植被类型年NPP在1982—2000年基本呈上升趋势,增长幅度最大的是落叶针叶林,增长幅度最小的是草地;1982—2000年,NPP年际间波动最大的植被类型是常绿阔叶林,年际间波动最小的植被类型是草地.通过NPP对气候因子(降水、温度)变化的响应分析表明,我国降水对植被NPP季节性变化的驱动作用高于温度,气候因子(降水、温度)对北方植被NPP季节性变化的驱动作用高于南方;我国气候因子(降水、温度)对NPP年际变化的驱动作用(强度、方向)随季节及纬度的不同而不同.

医院门急诊、住院病人量预测及变动趋势分析

目的根据某医院工作量历史资料对未来数据进行预测,了解其变动趋势,作为向医院管理者提供计划和决策的依据,提高医院质量管理水平,可以用于量化分析偶发事件对医院工作量的影响,提高医院应对偶发事件的能力。方法采用时间序列预测法-季节性移动平均法,公式为y赞t=S·ky`t。,依据1997年至2001年门诊量、急诊量及住院人数预测2002年全年的三项指标,根据1998年至2002年数据预测2003年全年指标。比较2002年1月至2003年6月的真实值与预测值,检验预测可信度。结果在门诊量的预测中,2002年前两个季度的预测误差分别为3.8%和2.9%,预测准确度较高,而2002年后两个季度的预测误差分别为44.9%和95.9%,预测准确度较差,2003年一季度的预测误差为2.7%,而二季度的预测误差为36.3%。在入院病人数的预测中,2002年各季度的预测误差分别为9.9%、5.2%、17.5%、23.1%,2003年前两个季度的预测误差为41.3%、51.7%。急诊量2002年各季度的预测误差分别22.2%、8.5%、1.0%、6.1%,2003年前两个季度的预测误差分别为21.1%、68.3%。结论对季节或月份数据,季节变动是一个不可忽视的因素,所以采用季节移动平均法是合理的,但偶发事件(如SARS)的影响不容忽视。