2022年末安徽一次大气重污染过程特征及成因分析

综合利用多源数据,应用HYSPLIT4轨迹分析、颗粒物区域传输分析等方法对2022年末安徽一次大气重污染过程变化特征及成因进行分析。结果表明:污染前期,受弱冷空气影响,有利于污染物输送至安徽地区;污染期间,地面处于弱气压场,混合层厚度较低,存在持续性逆温,且地面风速小、相对湿度较高、基本无降水,不利于污染物的扩散和清除,受区域输送叠加本地污染排放累积共同影响,污染程度加剧;2023年1月2日地面以东北、偏东风为主,风速增大、相对湿度下降、混合层厚度抬升,扩散条件转好,污染程度减轻。在此次污染过程中,山东、江苏、河南对安徽累积的区域输送贡献率占比为48.5%,高于安徽本地污染的贡献率(21.4%)。

基于Sentinel-1A的安徽省2020年梅雨期洪水淹没监测

2020年超长梅雨期内的持续强降雨,导致安徽省发生全域性洪涝灾害,为了快速、准确地提取洪涝淹没范围,为防汛救灾提供科学支撑,选取安徽境内巢湖流域和淮河流域的灾前和灾中Sentinel-1A数据,首先,在快速预处理基础上,采用双极化水体指数(Sentinel-1A dual-polarized water index,SDWI)法,并结合地形因子对平原和山区分别提取水体信息,建立一套洪水淹没区监测流程;然后通过该流程利用灾前、灾中两期合成孔径雷达数据提取2020年7月27日巢湖流域、淮河流域行蓄洪区洪水淹没范围。结果显示:SDWI比直接用后向散射系数提取水体具有优势;7月27日巢湖流域洪水淹没区面积为524.8 km^(2),其中受洪灾较重的是白石天河子流域,西河子流域次之;淮河流域安徽境内行蓄洪区,沿淮的4个地市淹没面积从大到小依次为淮南市、阜阳市、六安市、蚌埠市。研究表明,基于Sentinel-1A数据,采用SDWI和地形因子建立的洪水淹没区监测流程对平原和山区都具有较好的准确性、适用性,且具有较高的时效性,便于及时开展洪水灾害监测。

ENSO对安徽省旱涝灾害和粮食产量的影响

为防御旱涝灾害,保障粮食安全,利用1971—2018年ENSO的特征量、不同位相及安徽省78个站点的气象数据和全省灾情、作物产量数据,采用比较法、x^(2)拟合检验法,分析ENSO的特征量、不同位相与安徽省典型干旱和涝渍年的关系及ENSO对安徽省主要粮食作物产量的影响。结果表明:(1)厄尔尼诺和拉尼娜事件均发生在春季到秋季(4—10月),结束在初夏之前(1—6月),其峰值大部分出现在冬季(1月和11—12月)。(2)典型干旱和涝渍年各发生11年,平均2~3年出现1次,大多集中在20世纪80年代初到90年代中期。(3)安徽省典型干旱年出现在厄尔尼诺事件对涝渍的当年或拉尼娜事件的次年的概率大,厄尔尼诺、拉尼娜事件对安徽省旱灾的影响相当;典型涝渍年出现在厄尔尼诺事件对涝渍的次年或拉尼娜事件的当年的概率大,且厄尔尼诺事件对涝渍的影响远大于拉尼娜事件的影响。(4)ENSO持续时间越长、强度越大,越易发生干旱和涝渍灾害,干旱和涝渍灾害易发生在ENSO的衰减年或波峰后。(5)厄尔尼诺事件的衰减年,主要粮食作物以减产为主;拉尼娜事件的衰减年,小麦增减产年份相当,而一季稻、玉米则以增产为主。

1982—2020年安徽省净生态系统生产力时空格局变化及其成因

净生态系统生产力(NEP)是定量描述陆地生态系统与大气之间碳交换的重要指标。明确区域尺度NEP的时空格局及主导因子,有助于增强对区域碳循环变化机制的认知。基于BEPS(Boreal Ecosystem Productivity Simulator)模型模拟结果,评估了安徽省1982-2020年NEP时空格局,分析了安徽省NEP对主要环境植被因子的敏感性,并借助通径分析和贡献率分析探究了影响安徽省NEP时空变化的驱动因子。结果表明:(1)1982-2020年,安徽省多年年均NEP为651.14 gC/m^(2),线性趋势变化率为1.10 gC m^(-2)a^(-1),总体呈显著增加趋势(P<0.01)。在空间上,NEP表现为"南北部较高、中部较低"的分布,显著增加(P<0.05)的区域占52.77%,主要分布在北部和南部,显著减小(P<0.05)的区域占7.11%,主要分布在西部和东南部。NEP重心有显著的北移趋势(P<0.01)。(2)NEP对大气CO_(2)浓度变化最为敏感,对降水变化最不敏感。时间上,NEP对叶面积指数(LAI)(P<0.01)、CO_(2)(P<0.01)和饱和水汽压差(VPD)(P<0.05)的敏感性变化显著增强,对总辐射的敏感性变化显著减弱(P<0.01),对气温和降水的敏感性变化不显著(P>0.05)。空间上,NEP对各因子的敏感性有地区差异性。(3)所选环境植被因子综合解释了NEP 79%的时空变化。LAI与CO_(2)是安徽省NEP时空变化的主导因子,为正贡献,气候因子为次主导因子,为负贡献。空间上,LAI为主导因子的地区主要分布在安徽省北部、中西部的大部分地区,占49.65%,CO_(2)为主导因子的地区主要分布在安徽省西北部与东南部的大部分地区,占44.54%。

安徽省不同等级雾和重度霾时空分布特征及地面气象条件比较

雾和霾都是低能见度天气,生成条件相似。利用安徽78个地面站逐时观测资料,基于雾、霾发生物理条件,建立了不同等级雾日和重度霾日的观测诊断方法,重建了不同等级雾和重度霾的时序资料。根据各站强浓雾发生的同步性,将安徽分为5个雾、霾分布特征不同的区域,探讨了各区域不同等级雾及重度霾出现时地面气象条件的异同。结果表明:(1)安徽省强浓雾主要是辐射雾。强浓雾、浓雾和大雾空间分布形势大体一致,淮河以北东、西部和江南都属于强浓雾高发区,但各地强浓雾的时、空分布特征和影响系统不同;重度霾有明显的北多、南少、山区最少的分布特征。(2)强浓雾年变化呈双峰型分布,峰值在1月和4月,日变化为单峰型,峰值在06时;而重度霾年变化为单峰型,峰值在1月,日变化为双峰型。(3)在强浓雾的高发时段(02—08时),强浓雾时降温幅度最大,比重度霾平均高1℃,风速显著偏低,超过75%的样本风速低于1.5 m/s,且无明显主导风向;而重度霾时,风速比雾时明显要大,个别区域有超过75%的样本风速大于1.5 m/s,且以西北风到东北风为主。说明重度霾能否演变为强浓雾的关键地面气象因子是风速、风向和降温幅度。

安徽省区域性强浓雾气候特征及影响因子

根据强浓雾发生的同步性,可将安徽分为5个不同的区域。为了解安徽区域性强浓雾的演变规律及成因,首先利用1980—2019年安徽省68个资料完整的国家级气象观测站08时能见度、相对湿度和天气现象资料,探讨了各区域区域性强浓雾的判定标准,建立各区域40 a的区域性强浓雾日时序资料,分析了区域性强浓雾的年际和年代际变化趋势;然后利用2016—2019年77个国家级气象观测站逐时资料分析了不同区域区域性强浓雾的年变化、日变化及持续时间分布等特征;最后,探讨了冬季区域性强浓雾年际变化的成因。结果表明:(1)1980—2019年,沿淮淮北3个区域区域性强浓雾日数都有先升后降的变化趋势,转折点在2006/2007年;1980—2007年区域性强浓雾日数呈明显的上升趋势,应归因于气溶胶粒子浓度升高。年代际比较,各区域区域性强浓雾日数都是20世纪90年代或21世纪最初10年最多,21世纪第2个10年最少;各区域区域性强浓雾出现日数年际变化大,最少的年份0—1 d,最多年份可超过10 d。(2)2016—2019年,各区域年均区域性强浓雾日数14—17 d,主要集中在仲秋到仲春;持续1 h的强浓雾日占比最高,持续3 h的样本是另一个峰值;淮河以北2个区域年均区域性强浓雾日数最多、且持续时间达到3 h及以上的区域性强浓雾占比最高。(3)淮河以北冬季区域性强浓雾日数与降水日数、降水量、相对湿度和08时气温均呈较为显著的正相关,而与风速和小风日数相关不显著;沿江地区冬季区域性强浓雾日数主要受地面风速影响;而江南冬季强浓雾日数与各地面因子均不存在明显相关。(4)以1月为例,各区域区域性强浓雾日数都与纬向环流指数呈正相关,沿淮淮北3个区域区域性强浓雾日数都与东亚槽位置呈正相关,而与东亚槽强度相关不明显。说明纬向型环流、东亚槽位置偏东有助于安徽沿淮淮北形成强浓雾。进一步分析发现,雾多的1月海平面气压中40°N以北的1030 hPa等值线位置偏东(如在120°E以东),近地层偏东风较强,地面湿度偏高。

基于种植结构的安徽省气候生产潜力估算及粮食安全气候承载力分析

面向气候变化下的粮食安全问题,揭示不同作物气候生产潜力对气候变化的响应特征,探讨在特定种植结构下气候条件对粮食安全的承载能力,可为气候资源开发利用和农业生产合理布局提供科学依据。采用逐级订正法和作物生长发育动态参数建立了小麦(Triticum aestivum)、玉米(Zea mays)和水稻(Oryza sativa)等粮食作物气候生产潜力的估算方法,基于作物种植结构和粮食供需关系分析了安徽省气候条件对粮食安全的承载能力。结果表明,安徽省不同作物气候生产潜力的空间分布特征与种植结构格局总体匹配度较好,能够较好发挥各地气候资源优势。气候变化对作物生产潜力产生了一定的不利影响,导致玉米、一季稻、双季晚稻的气候生产潜力显著下降,线性倾向率分别为每10年减少576、231、167 kg·hm^(-2),并且近年来小麦、玉米和一季稻主产区的气候生产潜力不稳定性增强。安徽省粮食潜在生产总量呈北高南低的特征,受种植结构和气候生产潜力的综合作用,不同作物对粮食潜在生产总量的贡献不一,从全省来看,小麦、一季稻、玉米和双季稻的贡献依次为42%、32%、18%和8%。小麦贡献了沿淮淮北地区粮食潜在生产总量的主要部分,占比超过50%,沿江西部则以双季稻为主,而江淮之间和江南地区一季稻的贡献可达60%以上。综合气候生产潜力、粮食供需结构和人口数量等因素,安徽省不同地区气候条件所能承载的人口规模大多超过了现有人口数,相对剩余率总体可达50%以上,但其地域分异显著,空间分布总体呈东北向西南递减的格局。为充分保障粮食安全,在部分超载地区需进一步调整优化粮食供需关系。

1961-2020年中国降水等级的变化特征

[目的]探究全国各等级降水的时空分布特征及季节变化规律,增强对我国不同等级降水发生规律的认知,进而为提升全国防灾减灾能力提供科技支撑。[方法]基于1961—2020年全国681个气象站点的逐日地面降水资料,分析了全国不同等级降水(小雨、中雨、大雨和暴雨)日数、强度的时空分布特征和季节变化规律。[结果](1)1961—2020年全国小雨日数呈减少趋势,中雨以上等级日数呈增长趋势,除暴雨强度变化幅度较大外,小雨、中雨和大雨强度均无明显变化。秋季小雨日数减幅最大,大雨、暴雨日数在夏季增加最快、秋季最缓,暴雨强度在各季节波动幅度均较大。(2)不同等级降水空间分布有一定差异性,小雨日数高值区主要分布在西南诸河流域,中雨以上等级降水日数以及各等级降水强度均从东南向西北逐渐减小,内陆河流域降水日数、强度均为最小。(3)春、秋、冬三季降水主要集中在东南诸河流域和珠江流域,小雨占主导地位,夏季降水主要集中在西南诸河流域、东南诸河流域和珠江流域。(4)小雨日数的减少在春季和冬季较为明显,东南诸河流域和珠江流域对小雨日数减少起到了很大贡献,中雨以上等级降水日数在各季节大致以上升趋势为主,大雨强度在春季增强、秋季减弱,各流域暴雨强度在春季呈增强趋势。[结论]全国各等级降水在时空分布以及季节尺度上有明显差异,九大流域对全国不同等级降水的贡献作用不尽相同,未来应加强各流域主要环流系统及水循环等对不同等级降水影响的研究。

淮河流域暖季极端高温干旱复合事件的演变特征及其与气候和植被的关系

使用淮河流域1981年至2020年的149个气象站点的气温和相对湿度数据,分析了流域暖季极端高温干旱复合事件(Compound Drought and Heat Events,CDHEs)的时空演变特征,并通过趋势分析和相关分析法探讨了CDHEs与气候和植被的关系。结果表明:(1)CDHEs的发生日数在年代际尺度上呈现明显的增加趋势,并且范围扩大,频发区逐渐向淮河流域中西部移动;(2)在年际尺度上,CDHEs随时间序列呈显著的波动上升趋势,空间分布上以西北部为中心向四周递减。连续CDHEs事件呈年际变化,最大2至4天的连续事件存在波动,2019年达到高峰,并且在流域内零散或成片出现;(3)在月际尺度上,CDHEs的发生日数在6月最多,其次是5月、7月、9月和8月。淮河流域入汛前的旱情和入汛后的旱涝急转都容易导致CDHEs发生,而且随着月际变化向南移动;(4)CDHEs对水热条件和大气环流具有特别的敏感性。在850hPa反气旋和500hPa显著高压异常的控制下,高温、低湿、高蒸发和降水少的气候背景有利于淮河地区CDHEs的形成,尤其是在淮河中西部地区。因此,CDHEs的发生与气候变化密切相关;(5)CDHEs与植被生长也存在显著关系。CDHEs与GPP呈显著的负相关,而与NDVI呈显著的正相关,显著地区的土地类型以耕地和城乡、工矿、居民用地为主。GPP和NDVI的不同步可能是因为多种因素的非线性相互作用,而不仅仅是单一因素的影响。此外,对于GPP和NDVI来说,土壤含水量至关重要。总之,本文对淮河流域CDHEs的时空分布特征进行了深入研究,并探讨了其与气候和植被的关系。研究结果可以为该地区的气象灾害防御和生态环境保护提供科学依据和参考。

融合多源观测资料的微波辐射计温度廓线订正试验

为增加大气探空站点,提高微波辐射计大气温度探测精度,利用FY-4A气象卫星温度产品和BP神经网络、遗传算法,分别实施杭州站、南京站微波辐射计的温度订正仿真试验,并获得准确的连续性大气温度垂直廓线;结合探空资料和民航AMDAR气温资料,评估模型订正效果。研究结果表明:(1)微波辐射计温度产品存在一定误差,两站均在高度2 km处平均偏差最大,同站有雨时的偏差均大于无雨时的偏差;(2)经过BP神经网络模拟订正后的微波辐射计测温精度较原温度产品提升幅度较大;杭州站MAE、MSE、RMSE的降低幅度分别为45%~55%、65%~78%、41%~53%,南京站的降低幅度分别为58%~66%、83%~88%、55%~59%;(3)经过遗传算法优化初始权值和阈值后的神经网络订正模型模拟效果有进一步的提升,其中有雨模型提升效果明显,RMSE降低幅度11%~15%。微波辐射计的上述订正方法,可以推广到各地微波辐射计站点应用,具有实际使用价值。

农业灾害气象风险预警在线订阅式服务模式研发与应用

农业灾害气象风险预警服务在农业科学抗灾田管中具有“发令枪”作用,对于保障粮食和重要农产品稳定安全供给有重要意义。为提升安徽省农业生产抗灾田管场景的主要灾害气象风险精准预报预警和精细服务能力,基于气象网格实况/智能网格预报、农情遥感等多源数据与农业气象灾害风险预警指标、方法的融合应用,研发了包含农业气象专题数据云、算法云、产品智能加工端、服务应用端“两云两端”功能于一体的农业灾害气象风险预警服务模式。该“云+端”服务模式,可基于协同过滤算法捕获应用端用户的个性化需求,通过云化算法即时响应针对性农业灾害气象风险预警服务。服务模式已应用于新型农业经营主体智慧气象服务示范,对于提升农业防灾减灾气象服务水平有积极意义。

安徽一次局地极端大风观测与成因探讨

利用地面、雷达、卫星、探空等资料,从精细化观测角度对发生在安徽一次局地极端大风进行分析,并从不稳定、动力、负浮力、拖曳等角度探讨其形成原因。研究结果主要有:近地层的垂直风切变很大,对流指数表明大气有较强不稳定性;地面辐合线是产生局地大风的触发条件;超级单体风暴由1个分裂成2个,湿下击暴流就是由2个超级单体风暴所产生的;降水和冰雹粒子的共同拖曳作用,促进下沉气流的快速下冲;短时间内气温的迅速下降,近地层冷池密度流现象出现,引起的负浮力作用非常明显;超级单体风暴质心高度或者最强回波高度的不断下降,加剧了下沉气流速度。在降水和冰雹的拖曳作用,中层干层和气温的负浮力作用,加上风暴质心高度和最强回波高度的下降作用,这些共同为局地大风的产生因素,导致地面产生极端大风;绘制了下击暴流的概念模型,解释下击暴流的形成机理。

淮河流域秸秆焚烧关键期主要大气污染物浓度时空分布特征

基于2015年6月淮河流域卫星遥感监测火点信息、环境空气质量监测数据和常规气象观测资料,利用ANUSPLIN和ArcGISKriging方法对气象要素和主要大气污染物浓度空间栅格化,分析了秸秆焚烧关键期内AQI和主要污染物浓度的时空变化特征及其与气温、相对湿度、风速等气象要素的相关关系。结果表明:秸秆焚烧关键期内,淮河流域城市AQI、PM10与PM2.5浓度均明显升高,且与卫星监测火点具有一定时空响应关系。在时间变化上,AQI、PM10与PM2.5浓度6月上中旬呈波动上升,6月下旬趋于回落;在空间分布方面,AQI、PM10与PM2.5浓度三者分布形态相似,总体上呈现"南低北高、两高一低"分布特征;期间AQI、PM10与PM2.5浓度与气温呈显著正相关,与相对湿度呈显著负相关,与风速的相关性不显著。

基于遥感测量的淮河流域中部气溶胶光学和微物理特性分析

利用设置在中国气象局寿县国家气候观象台2017年全年的太阳-天空辐射计CE318数据,对当地一年四季气溶胶光学和微物理特征进行分析。结果表明:春季气溶胶光学厚度最高,夏季和秋季最为接近,也最低,冬季介于夏、秋季之间;AE数据集中在0.9~1.5,以细模态粒子为主;四季的气溶胶体积谱分布基本相似,且既有细模态粒子,也有粗模态粒子;夏季气溶胶折射率实部最小,说明当地夏季水汽含量最大,实部与光谱波长没有明显关系,而虚部则有;单次散射反照率均在80%以上,气溶胶散射效应明显;非球形粒子占主要支配地位且在春季数量最多。研究结果对于掌握淮河流域中部区域气溶胶特征,及其对大气辐射、气候变化的影响,监测空气质量,以及提高我国该特定区域大气辐射传输模型计算精度有重要意义。

一次梅雨锋特大暴雨中尺度气旋和MCS的分析

利用自动气象站、多普勒雷达、FY4A、ECMWF模式、NCEP再分析资料,对2020年7月17—19日特大暴雨过程进行分析。结果表明:特大暴雨出现在安徽大别山附近和庐江两地,是中尺度气旋扰动环境下准静止的中尺度对流系统(MCS)以及MCS中准静止的涡旋状单体所产生。特大暴雨在高能量、强不稳定背景下,由中部和东部的中尺度气旋传播所致。中尺度气旋传播过程中单体不断新生、合并增强且移动缓慢,配合急流、辐合、干侵入、垂直环流等因素对组织化的MCS发展演变起到相当作用。低层切变线南侧到华南的西南急流,将水汽输送到安徽并在此有强烈辐合;高空、低空和超低空都存在急流,高低空急流耦合加剧MCS的强烈发展;地面辐合线是前期MCS的触发机制,伴随干冷空气的入侵,加大了大气的斜压性和MCS的对流不稳定;梅雨锋南北两侧都有垂直环流圈,即对流与高空急流之间通过对流加热在高空急流入口处产生热成风调整,维持梅雨锋的发展演变,强的上升下沉运动促进MCS的加强和降水的连续发生;大别山地形抬升和上游狭管效应是两地特大暴雨诱因。

大别山对一次冷涡对流的作用分析

2017年5月14日江淮地区发生了一次冷涡对流过程,造成短时强降水、冰雹和雷暴大风等强对流天气。此次冷涡对流造成的强对流天气剧烈、预报难度大,同时受地形作用,影响因子复杂,有必要对其开展研究。本文采用集合卡曼滤波技术同化雷达径向风、雷达反演风、GPS水汽、探空和地面加密观测资料,模拟此次对流系统发生发展过程,并采用敏感性试验研究太阳辐射和大别山的作用。观测和数值试验表明,此次过程是冷涡对流在南压过程中,冷池遇到大别山地形,在大别山触发对流,大别山对流南移加强并与冷涡对流组织成短对流线。试验表明,太阳辐射是影响冷涡对流和大别山对流发生发展的关键因子,地形通过对太阳辐射的加强作用影响大别山对流发生发展。此次过程大别山局地对流分别在三处生成(称为A、B和C),影响其发生的主要因子略有差异。大别山北坡、距离冷涡对流最近的局地对流A发生发展的主要影响因子是冷池和太阳辐射,地形是次要因子,地形通过加强冷池抬升和加强太阳辐射的加热效应影响对流发展。距离冷涡对流较远的对流B和C生成时间接近,主要影响因子是太阳辐射,地形是次要因子。大别山对流和冷涡对流组织成对流线是两个冷池作用的过程,大别山对流冷池和冷涡对流冷池中间形成的辐合区相当于在二者之间建立一个“连接桥”,使西部的大别山对流向东发展,同时二者之间的对流得到加强,将东部的冷涡对流和西部的大别山对流连接起来,形成一条短对流线。

EnKF同化葵花8号卫星全天空红外辐射率对一次暖区暴雨的预报影响

暖区暴雨局地性强,天气系统和触发机制不明显,导致数值模式对其预报能力有限.本文基于集合卡尔曼滤波(PSU-EnKF)同化系统和区域中尺度模式WRF,针对华东一次暖区暴雨过程,开展全天空红外辐射率资料同化模拟试验,探讨同化葵花8号(Himawari-8)水汽通道的全天空红外辐射率对此次暖区暴雨的预报能力改进的影响.结果表明:逐小时循环同化多个时次的全天空红外辐射率资料,能够有效改进此次暖区暴雨的预报效果,暴雨TS评分显著提高,模拟的3h降水位置和强度更接近实况.这些改进源于在同化中加入了云区辐射率资料,使得模式初始场中包含了更多的中尺度对流信息.同化后对水汽场的调整,如增湿和水汽的输送;风场的调整,如中层冷空气的侵入和低层幅合切变的加强等,都是影响本次暖区暴雨预报的关键因子.

基于微波辐射计和探空的FY-4A温度廓线检验

选取2021年1月1日—2022年3月31日山东济南地区探空、微波辐射计和FY-4A的温度廓线,评估FY-4A温度廓线偏差特征。结果表明:10 km以下,FY-4A温度比探空偏小0.51℃,两者偏差的标准差为0.50℃;FY-4A温度比微波辐射计偏大0.53℃,两者偏差的标准差为0.75℃。FY-4A与探空在00:00(世界时,下同)和12:00的温度偏差趋势一致;相对于00:00,12:00的FY-4A与探空温度偏差的离散程度较小。有降水时,600 m高度以上微波辐射计与FY-4A的温度偏差逐渐增大,在1500 m高度附近偏差达到最大值(约为9.35℃),在3000~8500 m高度内偏差为1.35~5.10℃,偏差的标准差为1.41~4.99℃。有降水时,FY-4A与探空的温度偏差和标准差在不同高度上不同,偏差变化范围为-0.31~3.60℃。有云时,微波辐射计与FY-4A的温度偏差为-0.40℃,偏差的标准差为3.79℃;探空与FY-4A的温度偏差为0.31℃,偏差的标准差为2.66℃。相对于有云时,晴空背景下FY-4A与另外两种设备的温度偏差和标准差均较小。

合肥市主城区地表通风潜力研究与应用

以合肥市主城区为例,采用气象观测数据、卫星遥感数据、地理信息等数据,通过计算天空开阔度、地表粗糙度等城市生态参数,对合肥市主城区通风潜力进行等级划分,并对通风廊道建设提出建议。结果表明,位于合肥市主城区的合肥经济技术开发区和双凤开发区热岛效应较严重,中心区域天空开阔度较差,大部分区域在0.5以下,南淝河沿岸地表粗糙度较小,但其两侧地表粗糙度较大。大部分区域地表通风潜力一般,东南侧靠近巢湖区域和南淝河沿岸通风潜力较高,建筑区域与西北侧区域通风潜力较差。结合合肥市主城区的风向玫瑰图、城市空间热环境分析,构建了四纵两横的六条通风廊道。

淮河流域稻麦轮作系统CH4通量模拟及减排研究

为研究气候变化下不同管理措施对淮河流域稻麦轮作农田生态系统CH_(4)通量的影响,通过参数率定后的DNDC(DeNitrification-DeComposition)模型,估算了淮河流域历史时期(2000—2020年)及未来(2021—2049年)RCP4.5(中等排放强度情景)和RCP8.5(高排放强度情景)两种情景下稻麦轮作农田CH_(4)通量时空分布特征,评估了未来气候变化下多种田间管理措施对流域CH_(4)的减排能力。结果表明:淮河流域历史时期区域CH_(4)通量平均排放强度为125.3 kg·hm^(-2),未来两种情景(RCP4.5和RCP8.5)下区域CH_(4)通量平均排放强度分别为140.5 kg·hm^(-2)和150.5 kg·hm^(-2),总体均呈显著上升趋势(P<0.01)。空间上,未来两种情景下CH_(4)通量空间分布特征相似,均呈现南部和西北部地区CH_(4)通量高,东北部和中西部地区CH_(4)通量低的特征。与基础措施相比,不同施肥量措施均减少了CH_(4)排放,但不同秸秆还田措施提高了CH_(4)排放水平。研究表明,在仅考虑控制淮河流域CH_(4)通量的情况下,秸秆不还田+减量施肥20%是未来气候变化情景下最佳田间管理措施。