正确认识气候变化对流域森林植被和水文的影响对于林业经营管理与流域生态修复具有重要意义。为了揭示气候与植被覆盖变化对西南亚高山区流域碳水循环过程的影响,用生物物理/动态植被模型SSiB4/TRIFFID(Simplified Simple Biosphere mod...正确认识气候变化对流域森林植被和水文的影响对于林业经营管理与流域生态修复具有重要意义。为了揭示气候与植被覆盖变化对西南亚高山区流域碳水循环过程的影响,用生物物理/动态植被模型SSiB4/TRIFFID(Simplified Simple Biosphere model version 4,coupled with the Top-down Representation of Interactive Foliage and Flora Including Dynamics model)与流域地形指数水文模型TOPMODEL(Topographic Index Model)的耦合模型(以下记为SSiB4T/TRIFFID)模拟了不同气候情景下西南亚高山区的梭磨河流域植被演替和碳水循环过程。结果表明,所有试验流域植被经历了从C3到苔原灌木最后到森林的变化;控制试验流域蒸散在流域植被主要为苔原灌木时达到最大而径流深最小;增温5℃并且增雨40%试验[记为T+5,(1+40%)P试验]流域蒸散在流域为森林覆盖时达到最大而径流深最小。随着温度增加,森林蒸腾、冠层截留蒸发和蒸散的增加幅度明显大于草和苔原灌木,导致森林从控制试验的增加径流量变为减小径流量。从控制试验到T+5,(1+40%)P试验,温度增加使森林净初级生产力有所增加,但对草和苔原灌木的净初级生产力影响很小;植被水分利用效率随温度增加明显减小。西南山区随着海拔高度降低(温度升高),森林从增加径流量转变为减少径流量,植被水分利用效率也相应明显减小。西南山区气候的垂直地带性对森林—径流关系和水分利用效率的空间变化有着重要的影响。展开更多
生物质燃烧向大气中排放大量痕量气体和颗粒物,源排放清单是深入研究生物质燃烧环境气候效应的重要基础数据。利用全球火排放数据库GFED(Global Fire Emissions Database)、NCAR全球火排放清单FINN(Fire INventory from NCAR)和中国露...生物质燃烧向大气中排放大量痕量气体和颗粒物,源排放清单是深入研究生物质燃烧环境气候效应的重要基础数据。利用全球火排放数据库GFED(Global Fire Emissions Database)、NCAR全球火排放清单FINN(Fire INventory from NCAR)和中国露天生物质燃烧排放清单MEIC(Multi-resolution Emission Inventory for China),对2008~2017年中国地区生物质燃烧源排放的空间分布、季节和年际变化特征以及不同清单间的异同进行分析研究。3个清单都显示生物质燃烧释放的黑碳(BC)、有机碳(OC)、空气动力学粒径小于2.5μm的颗粒物(PM2.5)和一氧化碳(CO)在中国东北、长江和黄河下游之间地区和中国南方的排放量较高,与我国的主要农作物产地和森林地区分布一致。FINN清单排放量在华南地区与西南地区比其他两个清单高,而GFED清单排放量在长三角地区比其他两个清单排放量高。中国地区平均生物质燃烧排放量在春季出现峰值,而在不同的生物质燃烧地区峰值出现的季节不同,与各地农作物播种、收获时节和农耕习惯不同有关。2008~2017年,中国地区年平均生物质燃烧排放量的峰值主要出现在2014年,但各地区峰值出现的年份明显不同,东北、华中/东、华南和西南地区分别在2015年、2013年、2008年和2010年排放量达到最大。对于BC、OC和PM2.5,GFED和MEIC清单中的排放量比较接近,而FINN中的排放量是GFED和MEIC中的2~3倍;3个清单中CO的排放量比较接近。2014年生物质燃烧源排放与人为源排放的对比分析表明,所有物种中,生物质燃烧排放的OC和PM2.5相对于人为源排放量占比最大,3个清单中占比分别为9%~24%和5%~16%,说明生物质燃烧排放的OC和一次PM2.5是中国气溶胶的重要来源。展开更多
文摘正确认识气候变化对流域森林植被和水文的影响对于林业经营管理与流域生态修复具有重要意义。为了揭示气候与植被覆盖变化对西南亚高山区流域碳水循环过程的影响,用生物物理/动态植被模型SSiB4/TRIFFID(Simplified Simple Biosphere model version 4,coupled with the Top-down Representation of Interactive Foliage and Flora Including Dynamics model)与流域地形指数水文模型TOPMODEL(Topographic Index Model)的耦合模型(以下记为SSiB4T/TRIFFID)模拟了不同气候情景下西南亚高山区的梭磨河流域植被演替和碳水循环过程。结果表明,所有试验流域植被经历了从C3到苔原灌木最后到森林的变化;控制试验流域蒸散在流域植被主要为苔原灌木时达到最大而径流深最小;增温5℃并且增雨40%试验[记为T+5,(1+40%)P试验]流域蒸散在流域为森林覆盖时达到最大而径流深最小。随着温度增加,森林蒸腾、冠层截留蒸发和蒸散的增加幅度明显大于草和苔原灌木,导致森林从控制试验的增加径流量变为减小径流量。从控制试验到T+5,(1+40%)P试验,温度增加使森林净初级生产力有所增加,但对草和苔原灌木的净初级生产力影响很小;植被水分利用效率随温度增加明显减小。西南山区随着海拔高度降低(温度升高),森林从增加径流量转变为减少径流量,植被水分利用效率也相应明显减小。西南山区气候的垂直地带性对森林—径流关系和水分利用效率的空间变化有着重要的影响。
文摘生物质燃烧向大气中排放大量痕量气体和颗粒物,源排放清单是深入研究生物质燃烧环境气候效应的重要基础数据。利用全球火排放数据库GFED(Global Fire Emissions Database)、NCAR全球火排放清单FINN(Fire INventory from NCAR)和中国露天生物质燃烧排放清单MEIC(Multi-resolution Emission Inventory for China),对2008~2017年中国地区生物质燃烧源排放的空间分布、季节和年际变化特征以及不同清单间的异同进行分析研究。3个清单都显示生物质燃烧释放的黑碳(BC)、有机碳(OC)、空气动力学粒径小于2.5μm的颗粒物(PM2.5)和一氧化碳(CO)在中国东北、长江和黄河下游之间地区和中国南方的排放量较高,与我国的主要农作物产地和森林地区分布一致。FINN清单排放量在华南地区与西南地区比其他两个清单高,而GFED清单排放量在长三角地区比其他两个清单排放量高。中国地区平均生物质燃烧排放量在春季出现峰值,而在不同的生物质燃烧地区峰值出现的季节不同,与各地农作物播种、收获时节和农耕习惯不同有关。2008~2017年,中国地区年平均生物质燃烧排放量的峰值主要出现在2014年,但各地区峰值出现的年份明显不同,东北、华中/东、华南和西南地区分别在2015年、2013年、2008年和2010年排放量达到最大。对于BC、OC和PM2.5,GFED和MEIC清单中的排放量比较接近,而FINN中的排放量是GFED和MEIC中的2~3倍;3个清单中CO的排放量比较接近。2014年生物质燃烧源排放与人为源排放的对比分析表明,所有物种中,生物质燃烧排放的OC和PM2.5相对于人为源排放量占比最大,3个清单中占比分别为9%~24%和5%~16%,说明生物质燃烧排放的OC和一次PM2.5是中国气溶胶的重要来源。
文摘以大气垂直累积液态水含量的预报问题为例,使用UNet网络结构作为基础结构构建时空预报模型,对比了采用两类预报策略的模型的预报效果,预报策略包含一个迭代预报策略(Recursive Forecast Strategy,RFS)以及两个直接预报策略(Direct Forecast Strategies,DFSs)。研究结果表明,两个直接预报模型对整体预报时段的预报效果明显优于迭代预报模型,直接预报模型的RMSE比迭代预报模型低19%。随着预报时次的增加,迭代预报模型的预报误差累积速度比两个直接预报模型快。在两个直接预报模型中,多时次输出模型(Direct Forecast Model Multi-Steps,DFS-M)的预报表现更加稳健,在整体预报时段上预报效果优于单时次输出模型(Direct Forecast Model Single-Step,DFS-S),但DFS-S模型对几个前期时次的预报效果较好。本研究利用深度学习可解释性技术中的深度学习重要特征分析方法(Deep Learning Important FeaTures,DeepLIFT)分析DFS-M和DFS-S模型各个输入时次对于模型预报的相对重要性。研究结果表明,DFS-M和DFS-S模型80%的输入重要性都集中在最后两个输入时次上,较早期输入时次的重要性随着预报时次的增加而呈现上升趋势。由于各输出时次间存在一定的统计相关性,受输出时次相关性约束的DFS-M模型的输入时次重要性变化比DFS-S模型更加稳定。通过将DFS-M和DFS-S模型对于不同时次的预报进行结合,可以得到效果更加均衡的预报。本研究可以为基于深度学习的天气气候预报方法的选择提供新的思路。
