气候变化和人类活动对中国不同分区干湿程度的影响

来源 :西北农林科技大学 | 被引量 : 0次 | 上传用户:kdkd03
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
干旱是自然灾害中最严重、破坏性最强的灾害之一。在全球气候变暖的驱动下,气候变化和人类活动对干旱的影响及其驱动因子逐渐成为科学研究的热点。为了更好地监测和预报我国的干湿程度,分析研究干旱的驱动因子具有十分重要的意义。本文采用了气象站点、环流指数、社会经济指标和温室气体等数据分析了气候变化、社会经济发展和人类活动对干旱的影响。基于水分亏缺/盈余指数(water deficit/surplus,D)对我国七个不同分区干旱的时空变化规律进行了分析,利用改进的Mann-Kendall(MMK)方法对其变化趋势进行了检验;利用共线性分析和皮尔逊相关分析及其显著性检验对干旱的关键环流指数进行筛选;建立了关键环流因子与D值的多元线性回归模型,以此对我国未来不同分区干旱进行短期预测;基于社会经济指标将我国分为6个不同的社会经济水平,探究不同社会经济水平下,社会经济和人类活动对我国极端湿润和干旱事件的影响,并利用不确定分析方法从不同站点、不同分区和不同社会经济水平方面确定了气候变化(以环流因子表示)和人类活动(以温室气体表示)对干旱的贡献度。主要得出以下结论:(1)分析了七个不同区域水分亏缺/盈余指数(D)的时空演变规律。将全国划分为七个区域,1961~2020年D值在不同分区上具有差异性,其中西北地区(I区)、内蒙古草原地区(II区)、青藏高原地区(III区)处于干旱状态,而且I区在5、6月最严重;华中地区(VI区)和华南地区(VII区)表现为湿润,东南区湿润程度在5~8月湿润程度最高。D的年值的变化趋势结果表明:除II和V区外,其它区域的D值呈增长趋势的站点数大于降低趋势的站点数,尤其是VI区。此外,在研究期内我国的东部、西北部以及东南部等多地区有变湿润的趋势,而在我国的中部地区有干旱化趋势。(2)对不同区域干旱关键驱动环流因子进行严格筛选。通过共线性分析和皮尔逊相关及其显著性检验对干旱的关键环流因子进行筛选,发现干旱的发生是多种环流因子并发的结果;环流指数对各个分区乃至全国范围内的干旱具有影响。此外,气候变化下环流因子对干旱的影响存在约为12个月的周期,并且存在一定滞后性,滞后时间基本在0~12月内。在众多环流因子中,大气类环流因子对各分区干旱的影响占据主导地位,如西北地区(I区)干旱的环流驱动因子最多,影响程度最高,其中在同月与太平洋区极涡强度指数(PPVI)的相关系数高达0.88,在滞后时间为10个月时与南海副高脊线位置指数(SSRP)的相关系数为-0.86。(3)基于关键环流因子的干旱定量分析及预测。多元线性回归模型结果表明:率定期(1961~2010)的皮尔逊相关系数(r)比验证期(2011~2020)要高,而归一化均方根误差(n RMSE)要低,但都表明率定期的模型好。无论是率定期,还是验证期,模型在西北地区(I区)的表现效果最好。同一分区不同滞后时间下的模型表现效果各不相同,在率定期下,I区在滞后时间为5个月时,模拟效果最好,r和n RMSE分别为0.96和8.2%;验证期下华中地区(VI区)在滞后时间为1个月下,模拟效果最好,r和n RMSE分别是0.58和15.3%。此外,2021年各月的D值在西北地区(I区)、内蒙古草原地区(II区)、青藏高原地区(III区)、东北地区(IV区)和华北地区(V区)为负,表明这些地区2021年将会处于干旱状态,且II区在2021年6月干旱最为严重,其D值为-144.1 mm;华中地区(VI区)和华南地区(VII区)的D值大部分大于0,表明这些地区在2021年将会处于湿润状态,且在VII区最为湿润,D值为113.3mm。根据预测模型的评价,II区2021年干旱程度比以往更严重(<40%),需要提前采取措施预防和应对干旱;VII区在2021年的湿润程度比以往更加高(>60%),需要我们提前采取一定措施防止该地区发生洪水风险。(4)社会经济状况对极端干旱和湿润事件的影响。考虑社会经济指标(人口和GDP)将525个站点划分为6个社会经济水平,各社会经济水平下的人口和GDP均有增加的趋势,特别是属于社会经济水平6下的广州、深圳、北京、上海等发达城市,主要分布在我国东部。随着时间的推移,极端湿润事件逐渐严重,极端干旱事件逐渐缓和。2016年和2011年分别是中国的湿润年和干旱年,其对应的12个月尺度中的标准化降雨蒸散发指数的最大值(SPEI_MAX)和最小值(SPEI_MIN)为1.83和-1.58。随着社会经济水平的提高,SPEI_MAX总体呈上升趋势,SPEI_MIN总体呈下降趋势,但上升或下降的速率各不相同。在高社会经济水平下,发达城市的极端湿润事件更为严重,在低社会经济水平下,欠发达城市的极端干旱事件更为严重。(5)气候变化和人类活动对干旱的贡献度。从时间上看,温室气体CH4、CO2、N2O和SO2随时间变化都有上升的趋势,随着社会经济水平的提升,温室气体的浓度也逐渐增加。从空间上看,四项温室气体浓度在我国的空间分布具有一定的区域性,并且由西向东逐渐增加。无论是从不同站点、不同分区,还是不同社会经济水平上看,气候变化对干旱的贡献度都要比人类活动的贡献度大。不同站点下,气候变化对干旱的贡献度范围在30~99.2%,人类活动占比为0~70%,同时人类活动对干旱的贡献度在我国由西向东逐渐增大;不同分区下,青藏高原地区(III区)气候变化对干旱的贡献度最高,贡献度大小为82.7%;内蒙古草原地区(II区)人类活动对干旱的贡献度最高,贡献度大小为37.4%;气候变化对干旱的贡献度随社会经济水平的提高而减小,而人类活动对干旱的贡献度随社会经济水平的提升逐渐增加。
其他文献
奶牛乳房炎是一种由于乳腺组织损伤感染而导致的奶牛所产牛奶品质下降、产量降低的疾病。各地区养殖场的病原菌由于气候、饲养管理情况以及奶牛自身因素等的影响表现出较大的差异。目前临床上对乳房炎的治疗仍存在未明确主要病原菌的情况下滥用抗生素的情况,造成了极大程度的药物残留以及病原菌的耐药性增高。本研究采集了陕西地区的3个奶牛养殖场的126份奶牛乳房炎乳样,分离鉴定乳样中的主要病原菌并对高检出的蜡样芽孢杆菌、
目前,无线传感器网络(Wireless Sensor Networks,WSNs)广泛应用于军事反恐、环境监测、精细农业、医疗健康、智能家居和工业生产控制领域。在WSNs中使用不同类型的节点进行监测时,会形成异构无线传感器网络(Heterogeneous Wireless Sensor Networks,HWSNs)。在HWSNs中,覆盖空洞是一个关键基础性问题,传感器节点被飞行器随机抛洒于指定区
图像降噪是图像处理中的一项基础技术,同时它也是图像处理中一项热门研究。图像处理在医学图像中应用广泛,医学图像是医生判断病灶、诊断病情的依据和辅助工具,所以研究如何更好去除医学图像噪声具有重要的现实意义。在分析和研究现有图像降噪方法基础上,发现已有方法仍然存在一些不足,诸如,降噪后出现纹理模糊、对多种噪声情况研究较少、缺乏对真实图像应用等问题。论文主要研究用神经网络如何对图像进行降噪,主要内容有神经
共享单车因其便捷和环保等优点,作为城市公共交通的辅助手段,近年来备受青睐。然而,在实际使用中,共享单车极易出现资源分配不平衡的现象,即在一些区域“供不应求”的同时,其他区域则又可能“供大于求”。因此,探讨共享单车的资源分配问题,对于降低运营成本,提高用户满意度具有重要意义。本文针对现有研究,缺乏对共享单车系统复杂时空关系挖掘的问题,探索研究基于时空聚类的单车停放站点划分方法及其单车需求预测模型。(
基于大量的电子病历数据,智慧医疗使用现代计算机技术手段结合现有医疗数据辅助医生进行诊疗。本文通过深度学习方法结合电子病历数据构建深度学习模型,从而帮助医生对患者完成疾病诊断以及后续的药品推荐,进而提高医生的治疗效率。主要完成了以下工作:(1)构建了1D-DLSTM疾病诊断模型。首先,通过结合ICD-10构建了医学领域的专业词库,并使用Jieba分词法联合医学词库对病历进行分词。其次,利用Skipg
糖尿病性视网膜病变是导致成人视力障碍的主要原因,及早发现并治疗对于降低患者的致盲风险至关重要。基于深度卷积神经网络(CNN)的方法可以有效地通过对患者视网膜眼底图像进行分类,实现病变的分类检测。此类方法通常需要一个大型的已标注数据集来支持模型训练,但在实际应用中,高质量、大规模的标注数据集获取往往面临诸多挑战。同时,深层CNN模型,不仅训练耗时,而且容易导致过拟合等问题。因此,探索一种基于CNN且
无线传感器网络(Wireless Sensor Networks,WSNs)作为智能科技领域研究开发的基础设施,因其具有感知性能强和运算处理快速等特点而被广泛应用于众多领域。随着网络应用环境的不断变化,传感器节点的种类变得多样化,节点性能得到高质量的提升。人工智能时代的到来,涌现了大量的智能产品,无线传感器网络作为基础构件,被广泛应用于物联网智慧城市、智能家居、自然灾害监测预报预警、智能医疗与健康
图像去模糊技术不仅是计算机视觉范畴内的研究热点之一,也是最基本且具有研究意义的课题。手持设备和被拍摄物体之间的相对运动会使图像产生模糊效应,而将复杂的模糊图像通过算法模型复原出清晰的图像是图像去模糊的主要目标。由于模糊核的生成不满足唯一性,因此图像盲去模糊即是一种不适定性问题,也是一种病态问题。随着深度学习技术在图像处理领域的不断应用,图像去模糊技术在评价指标、视觉效果上均有所提升。深度神经网络通
准确判断农作物病害是监控农作物长势长情的重要的环节,计算机视觉图像技术和深度学习技术的发展,为精准农业提供了技术条件,为农业发展智能化提供了可能性。本文以番茄图像病害分类为切入点,采用一系列的图像处理技术优化图像数据集,在此基础上提出两种神经网络算法完成番茄叶片图像的病害分类和病害程度分类研究。本文的主要内容包括:(1)对数据进行预处理。本文的实验数据来源于Plantvillage工程提供的番茄图
牛无形体病(Bovine anaplasmosis)又叫牛边虫病,是一种立克次氏体目、埃利希体科、无形体属的牛无形体(Anaplasma bovis,A.bovis)侵染所导致的在全球范围内广泛分布的致死性的疾病。其病原体主要寄生在红细胞与单核细胞内。该病每年的易感期分布在4-10月,其中在7-10月份的发病率到达顶峰。该种疾病暴发的严重程度主要与其传播媒介-蜱虫的活跃度相关,但是其它的一些吸血昆