关帝山青扦径向生长对厄尔尼诺-南方涛动(ENSO)事件的响应

关帝山位于华北气候过渡区,受到厄尔尼诺-南方涛动(El Nino-Southern Oscillation,ENSO)事件的强烈影响。分析关帝山青扦(Picea wilsonii)径向生长与ENSO事件的响应关系,有助于了解气候变化对位于气候过渡区的山地森林树木生长的影响。利用关帝山海拔2000~2200 m的青扦树轮样芯,构建了树轮宽度差值年表,通过Pearson相关分析确定树轮宽度指数与月均温、月降水量、多元ENSO指数(multivariate ENSO index,MEI)的相关关系,使用交叉小波变换分析(cross-wavelet transform analysis,XWT)得到青扦树轮宽度差值年表与MEI的共同功率谱周期,比较青扦宽轮和窄轮对ENSO事件响应的差异,并运用时序叠加分析(superimposed epoch analysis,SEA)探究典型ENSO事件后青扦径向生长的变化。结果表明:(1)关帝山青扦径向生长主要受到前一年生长季前期(p3-p5)和当年生长季(c7,c9)高温的限制,前两年生长季开始时期(pp5)和结束时期(pp9)的降水则有利于青扦生长;(2)青扦树轮宽度差值年表与前一年5月到当年3月(p5-c3)的MEI指数呈显著负相关(P<0.05),两者有2~5.5年的共同功率谱周期;(3)关帝山青扦的宽轮主要受拉尼娜事件影响,窄轮主要受厄尔尼诺事件影响。厄尔尼诺事件发生的当年及后3年,青扦径向生长速度显著减慢(P<0.01)。

基于小波变换的径流周期与ENSO事件响应关系研究

在气候变化和人类扰动下,河川径流过程变化日益复杂,探索径流变化对气候因子（ENSO事件）的响应规律,掌握区域水资源发展动态,对科学制定区域水资源规划和管理策略及满足人类需求与生态系统的水平衡要求极为重要。通过交叉小波变换法与凝聚谱方法,分析陕西省渭河咸阳站、无定河丁家沟站、汉江安康站河川径流规律与ENSO事件的相关性,从物理驱动因素层面探讨径流周期变化的潜在机理。分析结果显示：20世纪70年代以前,各站径流与ENSO指数（MEI指数）在小尺度2~4 a周期上均存在着显著的负相关;从20世纪70年代开始,径流与ENSO指数的相关性变得复杂,这与研究区内人类活动影响增强并成为径流驱动的主因有关。研究表明：交叉小波变换法与凝聚谱方法适用于水文和气象要素间响应关系的分析,可深层次地揭示两者之间的相关性和响应时滞方面的联系,可反映气候因子对径流过程影响的时域变化特征。案例结果表明：陕西省河川径流变化在20世纪70年代以前主要受气候因子驱动,响应较为紧密;20世纪70年代以后,人类活动影响逐渐超越气候因子影响,径流变化表现为人类与气候双驱动模式,且以人类活动为主。

1951-2016年ENSO事件对登陆中国热带气旋的影响

利用1951—2016年登陆中国热带气旋数据资料和1951—2016年ENSO特征值数据资料,采用线性趋势及相关分析法研究了ENSO事件对登陆中国热带气旋的影响。结果表明:(1)厄尔尼诺现象登陆中的热带气旋频数少于拉尼娜现象,ENSO事件时期登陆中国热带气旋频数比非ENSO事件时期少且强度明显偏弱;(2)时间跨度上,厄尔尼诺年初旋登陆时间偏晚,拉尼娜年初旋登陆时间最早,中国热带气旋登陆时间集中在7—9月份;(3)登陆中国的热带气旋与海平面温度SST距平值、MEI指数均呈现极显著相关关系,与南方涛动指数SOI呈现显著相关关系。ENSO事件的发生都有效的减少了登陆中国热带气旋频数,正常年份应做好热带气旋登陆中国的预报工作,减少灾难的发生。

多尺度熵睡眠呼吸暂停程度的分析

当前就睡眠呼吸暂停症状的研究对心血管疾病的预测有重要的临床意义。选用Apnea-ECG database里的37个研究对象,根据呼吸暂停低通气指数(apnea hypopnea index,AHI)分为四类:正常群体(AHI<5)、轻度睡眠呼吸暂停(5≤AHI<15)、中度睡眠呼吸暂停(15≤AHI<30)、重度睡眠呼吸暂停(AHI≥30)。选取样本整个数据中间时刻1 h心电信号(ECG)数据,以保证数据是处于研究对象深度睡眠下测得的。利用Costa等提出的多尺度熵(multiscale entropy,MSE)算法应用于ECG的RR间隔,来分析四类睡眠呼吸暂停的不同程度。根据多尺度熵指数(multiscale entropy index,MEI)定义MEI1~3和MEI13~15。研究结果表明MEI1~3和MEI13~15能够很好地区分正常睡眠群体、轻度睡眠呼吸暂停患者、中度和重度呼吸暂停患者;并且MEI1~3和AHI二者具有良好的负相关性(R2=0.279,P<0.05)。

ENSO循环对汾河上游径流变化的影响

剖析气候对径流变化的影响,在区域水资源合理开发利用及科学管理等方面具有重要意义。基于汾河上游上静游站、汾河水库站、寨上站及兰村站1956-2000年径流数据及多变量ENSO指数(MEI),采用交叉小波分析方法,探究ENSO循环对汾河上游流域径流变化的影响。结果表明:MEI指数呈上升趋势,径流枯水期持续时间也随之增长,且MEI指数较大年份,径流量较少,反之径流量较大,径流序列的丰枯变化对ENSO循环有一定的响应关系;4个水文站径流量与MEI指数在20世纪70年代之前,有相同的1~4 a周期,且相关关系显著,同时在11~12 a尺度上具有较好的相关性,即ENSO循环对径流量影响较大;在20世纪70年代之后,虽然在1~3 a尺度上仍有一定的相关关系,但没有相同的显著周期,即ENSO循环对径流量影响相对减小,径流变化由气候驱动转变为气候与人类活动共同驱动模式。

陕甘宁三河源区1971—2017年极端降水时空变化分析

为了揭示陕甘宁三河源区极端降水时空分布及其变化规律,利用1971—2017年逐日降水、气温数据,辅以气候趋势系数、小波相干分析等方法分析三河源地区极端降水时空变化特征,并探究极端降水指数与厄尔尼诺南方涛动(ENSO)的关联关系。结果表明:1971—2017年,陕甘宁三河源地区极端降水有明显增多的趋势;在空间分布上受地理位置和地形的影响,总体呈现“南高北低”的分布格局,空间差异显著。研究区内极端降水指数变化增减不一,大部地区极端降水量增多,弱降水日数减少,强降水日数增多,降水强度增大,降水趋于极端化。极端降水指数与多元ENSO指数(MEI)呈显著负相关关系,存在3~5 a及9~12 a时间尺度的显著共振周期。

厄尔尼诺/拉尼娜事件对区域气温的影响与预测——以沈阳地区为例

利用1961—2015年国家气象信息中心沈阳站的日平均气温资料、美国国家海洋和大气管理局(National Oceanic and Atmospheric Administration,NOAA)提供的多变量ENSO指数(multivariate ENSO index,MEI)资料等,在分析沈阳地区气温月际变化的基础上,结合厄尔尼诺/拉尼娜事件对其影响特征,利用线性倾向估计和非线性自回归(nonlinear auto regressive models with exogenous inputs,NARX)神经网络模型分别对沈阳地区2011—2015年的气温进行预测。结果表明,1961—2015年共计660个月中,沈阳地区11月—3月气温的变异系数在20%以上,远大于其他月份。1961—2015年的厄尔尼诺/拉尼娜事件往往在秋冬季达到最大强度,或为导致沈阳地区11月—3月气温变异增强的原因之一。厄尔尼诺事件结束之后的春季,沈阳地区气温偏低的概率逾70%。沈阳地区气温随MEI变化的线性倾向值为0.98,决定系数为0.98且通过了0.01的可信度检验。利用MEI对沈阳地区的气温进行同期和时滞预测,NARX的预测结果均优于一元线性回归模型。当气温滞后MEI16个月时,两者的相关系数达到最大且通过了0.01的显著性检验,此时回归模型预测的相关系数为0.59,较同期预测提升了79%;NARX预测的均方误差(mean-square error,MSE)为0.49,较同期预测降低了36%,相关系数为0.86,较同期预测提升了8%。

1961—2017年京津冀地区极端降水事件变化特征

为了给京津冀地区防洪减灾及水资源管理提供科学参考,有必要对该地区极端降水事件的变化特征进行探究。根据25个气象站1961—2017年的逐日降水资料,计算了京津冀地区10个极端降水指数。通过因子分析得到4个公因子,进而选取中雨日数(R10)、1日最大降水量(RX1day)、连续无雨日数(CDD)、连续降水日数(CWD)等4个代表性极端降水指数,采用线性倾向率、滑动T检验、反距离权重插值(IDW)、小波分析等方法进行研究。结果表明:(1)近57a来,R10、RX1day、CWD分别以-0.27 d、-1.60 mm、-0.29 d/10a的速率减少,CDD以1.50 d/10a的速率增加。(2)CWD在1995年由增加突变为减少,R10、RX1day、CDD均未发生突变。(3)R10、RX1day、CDD、CWD的第1主周期尺度介于9～25a,相应的平均周期介于4.5～12.8a。(4)RX1day空间差异最大,R10次之,CDD、CWD分布较均。(5)近57a来,京津冀各地区R10、CWD的变化趋势增减不一,但变幅均很小,大部分地区RX1day呈减少趋势,减幅西北低、东南高,而CDD主要呈增加趋势,增幅北高南低。1961—2017年,京津冀地区呈现干旱化趋势,而这种变化与综合ENSO指数(MEI)总体上并无显著关联。

全球灌溉和雨养农业生产力异常对干旱胁迫的响应

农业生产力异常对干旱胁迫的响应、陆地生态系统的碳循环和粮食安全具有重要影响.然而,目前全球范围内对灌溉和雨养农业生产力异常在干旱胁迫下的响应机制尚显不足.本研究旨在深入剖析干旱引起的农业生产力异常,通过综合运用遥感数据、多尺度标准化降水蒸散指数(SPEI)、多元ENSO指数(MEI)和Madden-Julian振荡(MJO),对生长季结束前一个月、两个月、三个月和四个月期间水文气候变量与农业生产力异常的关系进行系统研究.研究发现:(1)在2001~2020年间,生长季结束前一个月、两个月、三个月和四个月的多尺度SPEI显示,全球显著(p<0.1)干旱趋势的百分比分别为8.30%~13.42%、6.50%~14.63%、6.52%~14.23%和6.47%~14.95%,表明全球大部分地区趋于干旱.(2)在2001~2020年间,灌溉和雨养农业范围内,农业生产力异常和干旱胁迫之间存在显著的关联性.农业生产力异常与不同时间尺度的干旱指数(SPEI-1、SPEI-3、SPEI-6、SPEI-12)以及气候指数(MEI和MJO)之间均呈现出显著的相关性,全球平均相关系数分别为0.24~0.25、0.27~0.28、0.25~0.26、0.21~0.22、−0.02~0.01和0.06~0.11.所有水文气候变量中,SPEI-3和SPEI-6与农业生产力异常的相关系数最高,进一步揭示了作物对干旱的响应存在一定的时间滞后性,表明生态系统长时间受到非生物胁迫干旱的干扰.(3)农业生产力异常与干旱指数(SPEI-1、SPEI-3、SPEI-6和SPEI-12)以及气候指数(MEI和MJO)之间呈现显著相关性(p<0.1)的区域百分比分别为14.77%~20.27%、21.51%~32.55%、22.60~35.68%、21.89%~35.16%、7.93%~11.20%和9.44%~17.94%.本研究通过定量分析水文气候变量对农业生产力异常的影响,为制定适应性措施以缓解气候胁迫对作物生产的负面影响提供了科学依据.