排序方式： 共有328条查询结果，搜索用时 453 毫秒
1.
利用黄淮海区域90个站点1971—2000年逐日气象资料以及国家气候中心发布的未来气候变化情景(A1B)下区域气候模式(Reg CM3)模拟的黄淮海区域1951—2070年0.25°×0.25°格点气象资料,结合夏玉米主要生育期对温度的需求,构建了黄淮海区域的温度适宜度和变异系数模型,并对1951—2070年黄淮海区域热量资源、夏玉米主要生育期的温度适宜度及其变异系数的时空变化特征进行分析。结果表明:1)黄淮海区域≥10℃积温和80%保证率下日平均温度≥10℃的初日均呈现由北向南依次增加的趋势,且随时间推移,分别呈增加和提前趋势。2)黄淮海区域夏玉米播种—出苗期的温度适宜度随时间整体呈逐渐上升的变化趋势、其变异系数随时间呈降—升—降的变化趋势;出苗—抽雄期的温度适宜度随时间呈先降后升的变化趋势、其变异系数呈降—升—降—升的变化趋势;抽雄—成熟期的温度适宜度空间上呈现2010年前北低南高、未来情景下中部低四周高的分布趋势,时间上呈2010年前稳定、未来情景下先降后升的变化趋势,其变异系数呈相反变化趋势;3)黄淮海区域夏玉米温度适宜度及其变异系数从播种—出苗期—出苗—抽雄期—抽雄—成熟期均呈反相位的变化关系。 相似文献
2.
高分辨率数据中云高度的差异性突显,特别是边缘处高度在云阴影识别和地表辐射估算等方面成为需要考虑的重要因素。热红外数据获取云高度分辨率较低、缺乏细部差异性特征,为解决这一问题,首先将对应的热红外和可见光数据进行特征点配准,再将基于热红外数据计算的云高度重采样至高分辨率,然后以基于欧式距离变换的围线搜索方法及距离加权将热红外云边缘高度匹配至对应的可见光图像,最后根据云阴影的相似度匹配方法确定真实云高度。结果表明,算法在遵循热红外云高信息分布变化规律的同时,可以得到较准确的高分辨率云边缘高度,一定程度上解决了热红外技术获取云高在分辨率上的局限,扩展了其在云高反演方面的作用。 相似文献
3.
菹草(Potamogeton crispus)衰亡的原因一直是水体生态修复的研究热点。已有的研究认为,强光照是促进菹草衰亡的关键因素。分别将菹草幼苗置于150μW/cm2剂量的中波紫外线(UV-B,波长为275~320 nm)辐射下,设置4种UV-B辐射持续时间处理,其每日的持续辐射时间分别设定为0 h(对照处理)、2 h、4 h和6 h,对照处理下的菹草幼苗不接受UV-B辐射,仅接受长波紫外线(UV-A)辐射和光合有效辐射,监测各处理下菹草幼苗的生长、形态状况、石芽形成和萌发等指标。研究结果表明,每日6 h的UV-B辐射,能促进菹草分枝,且能促进菹草衰亡;2 h和4 h的UV-B辐射,对菹草的影响较小,随着UV-B辐射时间的延长,菹草植株的株高、节间距和单株鲜质量明显下降,每日2 h的UV-B辐射,能促进植株叶面积的增加;每日延长UV-B辐射时间,可以促进石芽的形成,但形成的石芽随着变态率的增加,其长度增加、宽度减小,石芽质量减轻,下一个生长季的萌发率降低,萌发出二苗的比率降低,萌发苗的各项生长指标随着辐射剂量增加而逐渐降低。因此,在春末、夏初,随着太阳辐射时间的增加,阳光中累计的UV-B辐射剂量增加,这可能是促进菹草大批衰亡的重要原因。 相似文献
4.
近50多年来淮河流域气候水分盈亏时空变化 总被引：1，自引：0，他引：1
水分盈亏是区域干湿气候划分的重要依据。基于淮河流域63个气象台站1957—2014年逐日观测数据,运用累积距平、Mann-Kendall突变分析、Morlet小波分析及ArcGIS反权重空间插值法,结合Penman-Monteith蒸散计算模型获得淮河流域水分盈亏量的周期特征、突变特征及其时空分布特征,并分析其主要影响因子。结果表明:(1)水分盈亏月变化基本符合5月最低,7月最高。(2)从季节分布来看,水分亏缺面积秋季春季冬季夏季,亏缺程度春季最强。从平均年水分盈亏量分布来看,水分盈亏量由南向北递减。且不论季节还是年状况,山地及河流对区域水分盈亏量的南北递减存在滞后作用。(3)从各因子气候倾向率的时空分布来看,江苏东南部、山东西部、河南大部、湖北中部水分盈亏量变化的主导因子为潜在蒸散量,其他区域的主导因子为降雨量。(4)淮河流域水分盈亏量存在周期特征,第一主周期为10 a。 相似文献
5.
蒸发波导模型常用来计算海上蒸发波导高度。为了认识当前不同蒸发波导模型之间的差异和方法,本文选取了目前使用广泛的4种蒸发波导模型(即P-J模型、Babin模型、NPS模型和伪折射率模型)进行对比和分析。本文首先探讨了在理想情况下它们对气象要素的敏感性,随后并利用我国南海近海大气层观测试验数据对比了这4种模型的蒸发波导高度计算结果。分析表明:相对湿度、风速和气—海温差的变化对4种模型的计算都有着较大的影响,特别是在不稳定层结状况下,4种模型计算得到的蒸发波导高度都随着相对湿度的增大而降低、随着风速的增大而增高。Babin模型和NPS模型计算的波导高度较为一致,伪折射率模型与前两种模型的计算结果存在差异,而P-J模型与其他3种模型存在较明显的偏差。基于南海气象数据的计算结果表明,不同蒸发波导模型在该海域蒸发波导的模拟结果略有不同,但4种模型计算得到的波导高度日变化变化趋势较为一致,波导高度极低值常出现在早晨,而极高值常出现在傍晚。 相似文献
6.
热气候指数评价中国南方城市夏季舒适度 总被引：5，自引：0，他引：5
利用南方14个城市1981-2013年6-9月的逐日气象资料,根据生物环境特点,制定了基于通用热气候指数的新评价方法,对中国南方城市夏季舒适度进行评价研究。结果表明:中国南方城市的高温不舒适天数近33 a来以3.4 d/10a的速度增加,并有5 a震荡周期。舒适度排名显示,体感温度最高的4个城市分别为重庆、福州、南昌和长沙,杭州与重庆的体感舒适度下降速率较快。对比高温不舒适天数和高温日数发现,两者具有很好的一致性,证明了高温不舒适度与气温关系的密切性。同时,由于热气候指标计算要素的多重考虑,结果与高温日数存在一些差异,但其更具有一定参考和应用价值。 相似文献
7.
基于ForcTT模型的牡丹始花期预测 总被引：3，自引：0，他引：3
选取山东菏泽市1981—2010年的牡丹始花期资料和气象资料,应用气候倾向率和Mann Kendall突变法等统计分析法探讨了牡丹始花期与气象条件的关系,利用ForcTT模型模拟了牡丹的始花期。结果表明：①随着气候变暖,菏泽牡丹始花期以4.4 d/10a的趋势逐年提前,并在1996年发生了一次突变。1981—1996年牡丹始花期主要集中在4月下旬,处于偏晚时期,1997—2010年始花期主要集中在4月中旬,有所提前。②牡丹花期发生的早晚主要受牡丹开花前1个月（3月）平均气温的影响,而且牡丹始花期和3月份平均气温的突变节点一致,其次是2月平均气温的影响,3月仅日照时数对牡丹花期有一定的影响,降水对牡丹花期无明显影响。③采用ForcTT模型预测牡丹的开花期时,最佳的开始日期为2月1日,最佳的基础温度为1 ℃时,平均误差为1.29天,最小偏差为1.73天,而当开始日期为2月1日,基础温度为3 ℃时的平均偏差和最小偏差均在2天之内,也再次验证了2月和3月的气温对牡丹始花期的影响较大。 相似文献
8.
以苏、皖、赣三省为研究区域,采用FastICA算法从MODIS数据中提取2010年水稻种植面积,并验证该算法在混合像元分解中的有效性。在对2010年46景8 d合成地表反射率产品数据进行预处理的基础上,结合MODIS土地利用产品和平滑滤波算法,构建耕地类型像元的ILSW和INDV时相变化曲线。依据ILSW和INDV曲线在水稻移栽期前后的变化规律,并根据由各地区水稻INDV时相曲线计算得到水稻相似性指数,从MODIS影像中提取水稻像元。采用FastICA算法对潜在水稻像元水稻生长期内的INDV时相曲线进行分解,计算每个像元的水稻丰度,绘制水稻丰度图,获取研究区各省水稻分布和种植面积。利用统计年鉴数据和样方资料对FastICA算法提取的水稻面积进行了验证。结果显示:采用水稻相似性曲线有利于提高稻田识别效率,所获取的水稻分布与实际情况吻合;FastICA算法能够分解不同地区水稻INDV时相曲线;与统计资料比较,江苏、安徽、江西三省水稻面积的提取精度分别为86.4%、87.9%、51.5%。江西水稻面积提取误差主要出现在地形起伏较大的山区。 相似文献
9.
根据1956—2005年中国西北地区72个观测站的月平均气温资料,分析了气温的空间分布特征,利用相关分析、滑动t检验、小波分析和小波凝聚谱等方法,探讨了Nio3区SST与西北地区气温的关系及其稳定性.结果表明:一致性异常分布是西北地区气温变化的最主要空间模态,第一模态时间系数与Nio3区SST有着较好的相关关系.在典型的ENSO暖状态,西北地区气温偏高,在典型的ENSO冷状态则情况相反.西北地区气温和Nio3区SST关系的稳定性分析表明,气温和SST之间在1～5a变化周期上存着较好的相关关系,但这种相关关系并不稳定,存在着年代际变化:1956—1970年正相关较好,1992—2005年反相关较好,而在1971—1991年二者相关关系较差. 相似文献
10.
ERA-Interim气温数据在中国区域的适用性评估 总被引：5，自引：0，他引：5
运用中国756个观测站点的逐月平均气温数据,对比分析了ERA-Interim再分析资料的误差。结果发现:ERA-Interim再分析资料能够很好地反映观测值的年际变化,相关性达到0.955~0.995。ERA-Interim在580个站点的冷偏差或暖偏差小于1℃,占站点总数的76.7%,可信度较高。64个站点的冷偏差或暖偏差大于5℃,可信度较低。ERA-Interim在东部地区的暖偏差多于西部地区,冷偏差的高值主要集中在西部地区的高海拔站点。海拔低于200 m的站点偏差最小,适用性好,多数海拔3 000 m以上的站点呈现较大冷偏差,适用性较差。通过回归分析发现,观测站点与ERA-Interim格点的高度差是导致误差的主要原因,因此通过高程校正能够有效降低误差,提高ERA-Interim适用性。 相似文献