北京城市空间形态对热岛分布影响研究

在城市尺度上探究城市空间形态布局对城市热岛（UHI）影响研究,对于城市规划中通风环境改善、生态宜居城市建设具有重要意义。以北京为例,利用2009—2018年高密度自动气象站逐小时气温资料和2018年NPP/VIIRS夜光卫星资料,分析了UHI时空分布特征;利用2017年1∶2000基础地理信息和Landsat8卫星资料,开展了北京主城区建筑高度（BH）、建筑密度（BD）、建筑高度标准差（BSD）、容积率（FAR）、迎风截面积指数（FAI）、粗糙度长度（RL）、天空开阔度（SVF）、城市分数维（FD）等8个空间形态参数和植被覆盖度（VC）、不透水盖度（IC）、反照率（AB）等3个陆表参数的提取,并在城市尺度上开展了这些参数与UHI之间空间相关性及对UHI变化影响研究。结果显示：2009—2018年北京主城区年均、四季以及夜晚02时UHI均存在一个较为固定的形态,年均、春、夏、秋、冬、白天14时和夜晚02时UHI分别为1.81 ℃、1.50 ℃、1.43 ℃、2.16 ℃、2.17 ℃、0.48 ℃和2.77 ℃;8个空间形态参数在一年中大部分时段与UHI存在明显空间相关性,这种相关性在冬季强于其他季节,在夜晚02时强于白天14时,排名前三的分别为SVF、FAR和BD。空间形态参数已超越陆表参数成为UHI变化的重要驱动因子,11种参数对UHI变化的单独贡献为13.7%~63.7%,其中夏季、冬季和全年时段贡献最大的空间形态参数分别是BD（43.7%）、SVF（63.7%）和SVF（45.4%）,贡献最大的陆表参数分别是VC（42.6%）、AB（57.1%）和VC（45.3%）;夏季、冬季和全年时段多个参数对UHI变化的综合贡献分别为51.4%、69.1%和55.3%,主导要素分别为BD、SVF和BD。     

我国参考作物蒸散的空间分布和时间趋势

根据我国616个地面气象台站1975-2004年的观测资料,利用联合国粮农组织推荐的Penman-Monteith公式计算各年逐日、逐月参考作物蒸散值(ET0)和年总量.结果表明,我国参考作物蒸散多年平均值大多界于800～1 100 mm之间,西北地区高,东北地区低.1978年出现最大值,1993年出现最低值,青藏高原以东地区波动小,西北地区波动大.参考作物蒸散变化率在-30～30 mm·(10 a)-1之间,西部和长江流域地区显著下降,东部沿海、黄河中上游和东北显著上升.造成我国参考作物蒸散出现先降后增趋势的主要因素是日照时数(净辐射)和饱和差.     

基于温度的参考作物蒸散量计算方法的适用性评价

参考作物蒸散量是表征气候干湿程度、植被耗水量、生产潜力及水资源供需平衡的重要指标之一。以海口和敦煌两个气候相差较大的站点为例,利用Irmark-Allen、Hargreaves、Jensen-Haise 3种基于温度的ET 0计算方法,计算了 2013 2015 年两个站点的参考作物蒸散量,以FAO98 Penman-Monteith方法计算所得结果为标准,依据相关系数(R)及其显著性(P)、均方根误差(RMSE)和平均偏差(MBE)等量化指标,分别对3种方法计算结果在两个站点月和日序列的适用性进行评价,并对这3种方法进行本地化修正优化和检验。结果表明:本地化前,Irmark-Allen方法在海口的计算与Penman-Monteith的偏差最小且相关性好( R =0.97, P <0.01,RMSE=0.38 mm/d,MBE=-0.01 mm/d),其他两种方法均高估。3种基于温度的ET 0方法在敦煌都有很大的误差,其中Irmark-Allen方法在夏季偏低,在冬季偏高;Hargreaves方法整体偏高;Jensen-Haise方法在冬季不适用,出现无效负值,而在其他时段偏高。本地化后,3种基于温度的ET 0方法在两个地区都得到明显改善,其中Jensen-Haise方法在海口效果最好( R =0.96, P< 0.01,RMSE=0.61 mm/d,MBE=0.003 mm/d),在敦煌效果也是最好的( R =0.96, P <0.01,RMSE=0.69 mm/d, MBE=-0.02 mm/d)。     

棉花阴、阳叶的气孔导度和光合作用观测对比及模型应用

以实验观测数据为基础，对棉花阳叶和阴叶光合速率、气孔导度的变化进行比较，通过双叶模型和大叶模型对冠层光合作用进行对比分析，结果表明，大叶模型的计算结果普遍高于双叶模型，总体高出13％。由此可见，过去在研究植被一大气碳交换中使用大叶模型估算植物光合作用会夸大碳汇的作用。     

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。     

内蒙古半干旱区蒸散估算和归因分析

蒸散（Evapotranspiration,ET）是生态系统水循环中的重要一环,决定了生态系统水分和热量传输。从区域尺度对蒸散及其蒸腾（Transpiration,T）和蒸发（Evaporation,E）组分进行量化,认识环境因素对其的影响机制,有助于合理利用、分配水资源,为研究气候变化对区域生态系统水文循环的影响提供参考。基于生态系统生产力模拟（Boreal ecosystem productivity simulator, BEPS）模型,验证模型在研究区域的适用性,量化1981—2018年内蒙古半干旱区的ET及其组分的变化情况,并对其进行归因分析。结果表明：经不同数据验证,BEPS模型计算结果能够精确反应研究区域ET及其组分的分布情况和变化趋势。1981—2018年研究区草地、农田和森林多年平均ET分别为278.22 mm、362.50 mm和308.81 mm。E、T和ET多年呈显著上升趋势,上升速率分别为0.42 mm·a^-1、0.63 mm·a^-1和1.05 mm·a^-1。ET与T在全区域内空间分布格局相似,与E相反,ET年际波动主要受到T年际波动的影响。综合影响因子的变化和E、T、ET对因子的敏感性,研究区域草地和农田T和ET以及森林的ET主要受到饱和水汽压差（VPD）和平均气温（TEMP）变化的控制。农田和森林归一化植被指数（Normalized difference vegetable index, NDVI）都呈减小趋势,但森林环境T对NDVI的变化更加敏感,因此负贡献更大。     

中国干湿状况和干湿气候界限变化研究

选取全国616个地面气象台站1975-2004年的地面资料，通过Penman-Monteith公式计算的参考蒸散确定湿润指数（W），按W为0．03、0．2、0．5和1．0把中国分为极干旱、干旱、半干旱、半湿润和湿润5个干湿区，给出了湿润指数的变化趋势和变异状况的地理分布，讨论了湿润指数的年代际变化特征。结果表明：湿润状况显著增加的地区主要为新疆西北部和中国的西南部，干旱化显著的地区主要在青海的东部、甘肃的南部和四川北部；干湿状况变化从中国的东部向西部逐渐增大，中国的西南地区干湿状况最为稳定；20世纪80年代初全国的平均干湿状况发生变化，由干旱趋向湿润，30a来半湿润、湿润地区干湿状况年际变化大，半干旱区和湿润区增多，半湿润区减少。     

基于RWEQ模型的内蒙古巴彦淖尔市土壤风蚀变化特征及归因分析

土壤风蚀是干旱半干旱地区面临的主要生态环境问题。基于修正风蚀方程模型（RWEQ）与GIS技术,分析了1980—2018年内蒙古巴彦淖尔市土壤风蚀变化并分析成因。结果表明：（1）研究期间,巴彦淖尔市土壤风蚀模数总体呈下降趋势,多年均值为40.26 t·hm^-2,10年倾向率为-8.02 t·hm^-2。2000年前以中度风蚀为主,2000年以后以微度风蚀为主。（2）空间上,巴彦淖尔市土壤风蚀高值区主要分布在西北部地区,低值区主要分布在南部地区。不同风蚀强度面积占比排序为中度>轻度>强烈>微度>极强烈>剧烈,微度和轻度风蚀面积呈现增大趋势,中度、强烈、极强烈和剧烈风蚀面积均呈现减小趋势。总体上,全区土壤风蚀均呈现下降趋势,西北部下降幅度最大,南部下降幅度最小。（3）内蒙古巴彦淖尔市土壤风蚀主要受风速（u）、温度（T_a）、植被覆盖度（VC）和土壤含水量（sw）影响,u的直接作用最明显,而T_a、VC和sw主要产生间接影响。总体来说,u对巴彦淖尔市土壤风蚀变化的综合决定能力最强,sw的综合决定能力最弱。     

一种利用MODIS数据的夏玉米物候期监测方法

采用MODIS数据重构夏玉米归一化植被指数生长曲线,提取并建立特征点位对应日期与作物进入不同物候期的实际日期之间的最佳匹配关系。研究表明:使用改进的SG（Savitzky-Golay）迭代滤波对最大值合成后的植被指数时间序列做平滑处理并进行Logistic曲线拟合,可得到时间分辨率为1 d的作物生长过程曲线,经与2013-2014年物候期实测数据匹配,选择利用动态阈值1提取七叶期,均方根误差为5.4 d;利用曲率最小值提取拔节期,均方根误差为6.4 d;利用动态阈值2提取抽雄期,均方根误差为6.0 d。经2015年物候期实测数据验证,3个关键物候期的遥感监测误差均在6 d以内。利用该方法可提高基于遥感数据开展大面积作物物候期监测识别的效率和准确率。