江净超
, 刘军志, 秦承志
JIANG Jingchao, LIU Junzhi, QIN Chengzhi
通讯作者:
版权声明: 2016 地理科学进展 《地理科学进展》杂志 版权所有
基金资助:
作者简介:
作者简介：江净超(1986-),男,河北邢台人,助理研究员,从事城市地理环境监测和模拟研究,E-mail:jiangjc@hdu.edu.cn。
展开
摘要
近地表气温直减率是推测近地表气温空间分布的重要参数。中国幅员辽阔,气候和地形地貌条件复杂,直接使用反映对流层平均状况的单一气温直减率(0.65℃/100 m)很难表征中国近地表气温直减率的季节和类型差异。本文利用中国839个国家气象站点2000-2013年的近地表气温数据,分别在国家尺度和综合自然区划尺度上使用多元回归分析方法计算各个季节的平均气温直减率(lrmeanT)、平均最低气温直减率(lrminT)和平均最高气温直减率(lrmaxT),并借助空间插值算法对气温直减率的可靠性进行了验证,最后分析了其季节和类型的差异。结果表明：①在国家尺度上,3种气温直减率均小于0.65℃/100 m;lrminT、lrmeanT和lrmaxT的季节差异分别为0.05、0.13和0.24℃/100 m,且一般有夏季最大、冬季最小的季节规律;春、夏、秋、冬季气温直减率的类型差异分别为0.12、0.05、0.11和0.26℃/100m,且有lrminT>lrmeanT>lrmaxT的规律。②在综合自然区划尺度上,气温直减率大多低于0.65℃/100 m,且存在明显的地域差异;夏季气温直减率一般大于冬季气温直减率,季节差异大多超过0.10℃/100 m;气温直减率类型差异半数区域超过或等于0.10℃/100 m,在春、夏、秋季,半数左右的区域lrmaxT >lrminT,在冬季,多数区域的lrminT >lrmaxT,lrmeanT一般处于lrmaxT和lrminT之间。
关键词：
Abstract
The lapse rate of near-surface air temperature is a critical parameter for obtaining high-precision air temperature products, especially in mountainous areas. The average lapse rate for the troposphere is 0.65℃/100 m, which cannot depict the seasonal and type differences in near-surface air temperature. This study used data from 839 Chinese national-level meteorological stations in 2000-2013 to calculate the lapse rates of seasonal mean air temperature (lrmeanT), seasonal mean minimum air temperature (lrminT), and seasonal mean maximum air temperature (lrmaxT) based on a multiple regression method at the national and regional scales, respectively. A spatial interpolation algorithm was used to validate the reliability of these lapse rates, and the seasonal and type differences were analyzed. The following results were obtained: (1) At the national scale, all the lapse rates are smaller than 0.65℃/100 m. The seasonal differences of lrminT, lrmeanT, and lrmaxT are 0.05, 0.13, and 0.24℃/100 m, respectively. Generally, the lapse rates of the summer are greater than those of the winter. The differences among the three types of lapse rates of air temperature are 0.12, 0.05, 0.11, and 0.26℃/100 m, respectively, in spring, summer, fall and winter. Generally, lrminT is the largest, while lrmaxT is the smallest. (2) At the regional scale by the comprehensive physical geographical regionalization, the lapse rates are also mostly smaller than 0.65℃/100 m. There are spatial differences for each type of lapse rate—the spatial ranges of annual lrminT, lrmeanT, and lrmaxT are 0.27-1.66℃/100 m, 0.22-1.03℃/100 m, and-0.10-0.83℃/100 m, respectively. The seasonal differences of lapse rates are mostly greater than or equal to 0.10℃/100 m, and the lapse rates of the summer are mostly greater than those of the winter. The differences among the three types of lapse rates in half of the regions are greater than 0.10℃/100 m. lrmaxT is larger than lrminT and lrmeanT for half of the regions in spring, summer, and fall, while lrminT is usually the largest in winter. Because of the seasonal differences, spatial differences, and differences among the three types of temperature lapse rates, temperature lapse rate should be determined for each season, region, and temperature type.
Keywords：
气温直减率是指气温随高度增加而降低的幅度。在对流层内,气温直减率平均为0.65℃/100 m,即平均每上升100 m,气温下降约0.65℃(中山大学等, 1978)。近地表气温直减率是指近地表气温随着地表海拔的升高而降低的幅度,是推测近地表气温空间分布的重要参数(山地气候文集编委会,1984)。近地表气温直减率并不完全等同于对流层中的气温直减率。此外,受地理位置、地形地貌和季节影响,近地表气温直减率往往存在空间差异和季节变化(方精云, 1992; Li et al, 2013)。因此,利用对流层中气温直减率的平均状态(0.65℃/100 m)很难表征中国近地表气温直减率的时空变化。中国山区面积占全国陆地总面积的2/3以上,且气候、地形地貌条件复杂多变,近地表气温直减率的时空差异较大。在全国范围开展近地表气温直减率的定量化研究,探究其时空变化模式,对于中国近地表气温空间分布信息的准确获取和气候资源的开发利用具有重要意义。
当前,已有学者在不同空间范围上对中国的近地表气温直减率开展了研究,既有山坡范围的气温直减率研究(张勇等, 2004; 郑成洋等, 2004; 宋文娟等, 2009)、山脉范围的气温直减率研究(杨美华, 1981; 刘伟刚等, 2013; 王艳霞等, 2014),也有全国范围的气温直减率研究(翁笃鸣等, 1984; 方精云, 1992; 李军等, 2006; Li et al, 2013)。其中,作为本文的关注重点,全国范围的气温直减率研究目前多集中于年、月尺度平均气温直减率,鲜有针对平均最低气温、平均最高气温直减率的研究。而最低、最高气温不仅是众多地理模型的重要输入(Hargreaves et al, 1985),其不对称性变化也已成为全球变化研究的新热点(Peng et al, 2013)。
本文利用中国国家气象站点的多年近地表气温数据,分别在国家尺度和综合自然区划尺度上分析中国近地表平均气温、平均最低气温和平均最高气温直减率及其季节和类型差异,旨在增强对中国近地表气温直减率的认识,为气温空间分布信息的获取与应用提供参数支撑。
本文所使用的气温数据为中国839个国家气象站点(图1)2000-2013年的近地面1.5 m处逐日平均气温、最低气温和最高气温(各站点有经度、纬度和高程等数据)资料,其中670个气象站点用于计算气温直减率,称之为建模点,其余169个站点用于验证。各季节、年的平均气温、平均最低气温和平均最高气温由逐日数据计算得到。其中,春季包括3-5月,夏季包括6-8月,秋季包括9-11月,冬季包括12-次年2月。各季节的平均气温(平均最低气温、平均最高气温)计算方法为：将2000-2013年各季节内每天的平均气温(最低气温、最高气温)累计相加,再除以总天数得到多年各个季节平均气温(平均最低气温、平均最高气温)。多年平均气温(平均最低气温、平均最高气温)计算方法为：将2000-2013年每天的平均气温(最低气温、最高气温)累计相加,再除以总天数得到多年平均气温(平均最低气温、平均最高气温)。上述各类型气温将参与气温直减率计算。
图1 气象站点分布和综合自然区划图(
Fig.1 Meteorological stations and comprehensive physical geographical regionalization map(
气温直减率存在明显的空间分异现象,除在国家尺度计算整体气温直减率外,还需要划分合理的子区计算不同区域的气温直减率。考虑到综合自然区划能体现区域内气候、地形地貌、植被等综合自然条件的一致性,本文选择综合自然区划作为子区划分的依据。中国综合自然区划方案较多,其中在《中国自然地理总论》中,中国综合自然地理区划(又称为“赵松乔区划方案”)明确划出了东部季风区、西北干旱区、青藏高寒区三大自然区,且在子区划分中合理体现了温度带和地貌的差异,干湿状况也得到体现(中国科学院《中国自然地理》编辑委员会, 1985)。故本文选择赵松乔区划方案中给出的33个分区(图1)进行中国气温直减率研究。
气温直减率的计算一般采用线性回归法,在小尺度多采用仅考虑高程变量的一元一次回归法求解(Rolland, 2003; Harlow et al, 2004),而使用气象站点的气温资料在大、中尺度计算气温直减率时,由于站点间距离一般较远,还需考虑经度(海陆位置)、纬度带来的影响(Fang et al, 1988; Li et al, 2013)。为减少经度、纬度的影响,本文采用多元一次回归法,建立站点气温与经度、纬度和高程的线性函数关系(张洪亮等, 2002; 潘耀忠等, 2004; Li et al, 2013)：
式中：T为站点气温;Lon、Lat、Ele分别代表气象站点的经度、纬度和高程;待拟合回归系数a、b、lr分别表示了气温随经度、纬度和高程的变化程度,lr即为气温直减率;c为截距。根据站点多年(多年季节)的平均气温、平均最低气温、平均最高气温,计算出的lrmeanT、lrminT、lrmaxT分别为多年(多年季节)平均气温、平均最低气温、平均最高气温的直减率,参考Li等(2013)有关气温直减率的表述,下文统一简称年(季节)平均气温、年(季节)平均最低气温、年(季节)平均最高气温直减率。
分别在国家尺度和综合自然区划各分区计算不同季节气温直减率：将670个建模站点的气温资料同时代入式(1),得到国家尺度上的气温直减率;将落入各个综合自然区划分区内的建模站点的气温资料分别代入式(1),得到区划尺度上的气温直减率。
不同于气温、降雨等气象要素,气温直减率难以通过监测设备直接获取。本文通过对比传统空间插值算法与考虑气温直减率的同一空间插值算法的气温插值精度,来验证气温直减率的可靠性。
(1) 利用反距离加权法的气温插值精度评价
本文使用空间插值中常用的反距离加权法对气温数据进行空间插值,并使用独立验证的方式评价插值精度：①利用建模站点处的气温值,通过反距离加权法得到验证站点处的气温估算值;②计算验证站点观测值与估计值之间的均方根误差RMSE-IDW,用于评价空间插值算法的精度。
(2) 考虑气温直减率的反距离加权法气温插值精度评价
①根据气温直减率和建模站点高程计算得到每个建模站点的虚拟“海平面”气温,详见式(2)。利用建模站点处的“海平面”气温值,通过反距离加权法得到验证站点处的“海平面”气温估算值,然后根据气温直减率和高程将每个验证站点处的“海平面”估算值统一修正回原始高程,详见式(3),得到最终的气温估计值;②计算验证站点观测值与估计值之间的均方根误差RMSE-DEM,用于评价考虑气温直减率的气温插值精度。
式中：T0为站点的虚拟“海平面”气温值;TEle为站点原始高程气温观测值;Ele、lr含义同式(1)。
式中：
对比上述2种插值方式的精度差异：若考虑气温直减率的空间插值算法所估算气温插值精度更高,则表明气温直减率用于气温插值是可靠的;否则表明气温直减率无法提高气温插值的精度。在国家尺度,所有站点气温修正使用统一气温直减率;而在区划尺度,每个分区内站点气温修正使用各自的气温直减率。分别验证整个国家和各个分区范围内气温直减率的有效性。
为刻画气温直减率的季节差异,用四季气温直减率中的最大值减去最小值得到其季节差异,分别在国家尺度和区划尺度计算平均最低气温、平均气温和平均最高气温的直减率季节差异。为刻画不同类型气温直减率的差异,用平均最低气温、平均气温、平均最高气温直减率中的最大值减去最小值,得到类型差异,分别在国家尺度和区划尺度计算各个季节的气温直减率类型差异。
4.1.1 气温直减率数值概况
基于式(1)分别计算了2000-2013年国家尺度上各季节、年的平均最低气温、平均气温和平均最高气温的直减率(表1)。从表1可以看出,在国家尺度上,不同季节和不同气温类型的气温直减率均小于0.65℃/100 m,取值在0.19~0.50℃/100 m。其中,冬季的平均最高气温直减率最小,为0.19℃/100 m;春季的平均最低气温直减率最大,为0.50℃/100 m;且式(1)及气温直减率均通过了显著性检验。
表1 国家尺度的平均气温、平均最低气温和平均最高气温直减率/(℃/100 m)
Tab.1 Lapse rates of mean, mean minimum, and mean maximum air temperature at the national scale/(℃/100 m)
| 季节/年 | 平均气温 | 平均最低气温 | 平均最高气温 |
|---|---|---|---|
| 春 | □0.44*** | □0.50*** | □0.38*** |
| 夏 | □0.46*** | □0.48*** | □0.43*** |
| 秋 | □0.44*** | □0.48*** | □0.37*** |
| 冬 | □0.33*** | □0.45*** | □0.19*** |
| 年 | □0.42*** | □0.48*** | □0.34*** |
4.1.2 气温直减率可靠性验证
分别计算基于反距离加权法的气温插值均方根误差(RMSE-IDW)和考虑气温直减率的反距离加权法的气温插值均方根误差(RMSE-DEM)(表2)。在国家尺度上考虑气温直减率可以有效降低气温插值算法的均方根误差。从提高各类型气温估算精度的角度,本文气温直减率的可靠性得到了验证。整体来看,考虑春、夏、秋和年的气温直减率可以大幅度提高气温插值精度,而由于冬季气温直减率数值较小,相对其他季节,提高气温插值精度的作用有所减弱。
表2 国家尺度的不同气温插值方法的均方根误差/℃
Tab.2 RMSEs at the national scale by two different methods/℃
| 季节/年 | 平均气温 | 平均最低气温 | 平均最高气温 | |||||
|---|---|---|---|---|---|---|---|---|
| RMSE-IDW | RMSE-DEM | RMSE-IDW | RMSE-DEM | RMSE-IDW | RMSE-DEM | |||
| 春 | 3.14 | 1.59 | 3.19 | 1.66 | 3.23 | 1.89 | ||
| 夏 | 2.92 | 1.10 | 2.93 | 1.16 | 3.04 | 1.43 | ||
| 秋 | 2.93 | 1.49 | 3.14 | 1.77 | 2.86 | 1.57 | ||
| 冬 | 3.37 | 2.50 | 3.80 | 2.70 | 3.11 | 2.59 | ||
| 年 | 2.99 | 1.55 | 3.19 | 1.74 | 2.93 | 1.72 | ||
4.1.3 气温直减率的季节和类型差异
在国家尺度上,中国气温直减率始终表现为 lrminT>lrmeanT>lrmaxT的趋势。气温直减率呈现出明显的季节变化,除lrminT在春季达到最高值外,均呈现夏季最大、冬季最小的特征,这主要是因为冬季冷空气侵袭对海拔低处气温的拉低作用较海拔高处更为剧烈的缘故(张家诚等, 1985)。
lrminT、lrmeanT、lrmaxT季节差异分别为0.05、0.13、0.24℃/100 m,表明lrmaxT季节性变化最为明显,lrmeanT次之,lrminT最小;春、夏、秋、冬季气温直减率的类型差异分别为0.12、0.05、0.11和0.26℃/100 m,表明在夏季lrminT、lrmeanT、lrmaxT的差异最小,而在冬季3种类型气温的直减率差异最大。
4.2.1 气温直减率数值概况
基于式(1),分别计算了2000-2013年各个季节平均气温、平均最低气温和平均最高气温直减率(表3-5)。需要说明的是,区域16(台湾省)、区域19(南海诸岛)、区域25(阿尔泰山)、区域28(喜马拉雅山南翼)和区域33(阿里昆仑山)由于站点数据缺失或过少,导致无法使用式(1)求取气温直减率。在区划尺度上,除个别情况外,式(1)及气温直减率绝大多数都通过了显著性检验。
除少数区域和季节,lrminT、lrmeanT、lrmaxT整体呈很强的显著性。然而在冬季,气温直减率在个别区域的显著性较差,甚至出现逆温现象,而在其他季节则很少出现这一现象,这与冬季冷空气入侵使低海拔处气温降低,从而导致气温随高程的变化不明显有关。与国家尺度类似,除在夏季半数(14个)区域的平均最高气温直减率高于或等于0.65℃/100 m外,其他情况下大多数(18~25个)区域的气温直减率低于0.65℃/100 m。此外,中国气温直减率存在很大的地域差异(图2),就年平均气温直减率而言,区域5(华北平原)的气温直减率为1.03℃/100 m,而区域17(琼雷区)的气温直减率为0.22℃/100 m;就年平均最低气温直减率而言,区域5(华北平原)的气温直减率为1.66℃/100 m,而区域22(鄂尔多斯高原)的气温直减率为0.27℃/100 m;就年平均最高气温直减率而言,区域21(内蒙古高原)的气温直减率为0.83℃/100 m,区域17(琼雷区)的气温直减率为-0.10℃/100 m。
图2 综合自然区划尺度的气温直减率空间分布图①(①图中各分区多边形中的标注为区域ID,下同。)
Fig.2 Spatial distribution of lapse rates of air temperature at the regional scale
4.2.2 气温直减率可靠性验证
分别计算RMSE-IDW和RMSE-DEM(表略)。结果表明：整体而言,RMSE-DEM<RMSE-IDW,说明在区划尺度考虑气温直减率可有效降低气温插值的误差,气温直减率的可靠性得到了验证。然而,在个别情况下,例如区域5(华北平原)和区域17(琼雷区)的平均最高气温插值在考虑气温直减率影响时误差反而会增大,使用气温直减率时需要慎重。
4.2.3 气温直减率的季节和类型差异
(1) 季节差异
由表3-5可知,中国气温直减率呈现出明显的季节差异,一般情况下夏季气温直减率高于冬季气温直减率。而在个别区域,如区域29(藏东川西区)、30(藏南山地),由于冬季无冷空气入侵,而雨季又在夏季,导致冬季气温直减率高于夏季气温直减率。
从图3可以看出：①对于平均气温,除东部季风区的区域2(东北东部)、6(晋冀山地区)、12(四川盆地)、13(贵州高原)、14(云南高原)气温直减率季节差异小于0.10℃/100 m,区域9(秦岭大巴山区)等于0.10℃/100 m外,其余区域季节差异均大于0.10℃/100 m;②对于平均最低气温,除东部季风区的区域2(东北东部)、4(山东辽宁半岛)、6(晋冀山地)、9(秦岭大巴山区)、12(四川盆地)、13(贵州高原)、14(云南高原)和青藏高寒区的区域31(羌塘高原青南山地)的气温直减率季节差异小于0.10℃/100 m,区域8(长江中下游平原)和区域22(鄂尔多斯高原)为0.10℃/100 m外,其他区域的季节差异均大于0.10℃/100 m;③对于平均最高气温,除青藏高寒区的区域29(藏东川西区)和区域30(藏南山地)的气温直减率季节差异小于0.10℃/100 m,区域12(四川盆地)等于0.10℃/100 m外,其他区域的季节差异均大于0.10℃/100 m。
图3 区划尺度上不同类型气温直减率的季节差异
Fig.3 Seasonal differences of the three types of air temperature lapse rates at the regional scale
图4 区划尺度上气温直减率的类型差异
Fig.4 Differences of the three types of air temperature lapse rates at the regional scale
气温直减率季节差异小于0.10℃/100 m的区域多集中在区域12(四川盆地)、13(贵州高原)、14(云南高原)。四川盆地气温直减率季节差异较小与该处周围山脉的屏蔽有关,使得冬季冷空气作用减弱;而云贵高原边缘山脉有效阻挡东亚冷空气,也使得该处气温直减率的季节差异较小。
(2) 类型差异
对比表3、表4和表5可知,在春季、夏季和秋季,半数[文中半数、过半数和近半数的统计以利用本文方法能够计算得到气温直减率数值的区域数量为基准。] (春季14 个、秋季14 （夏季17 个 (平均最高气温),而夜间地面则充当冷源,此外夜间冷空气下沉也会使低海拔处气温(平均最低气温 (平均最高气温)提高的作用不明显,从而导致各个区域内不同季节气温直减率的类型差异(精确到小数点后两位)如图4所示,从图中可以发现不同类型的气温直减率存在较大差异。①春季,东部季风区和西北干旱区有近半数区域(7个、3个)气温直减率类型差异超过0.10℃/100 m,此外区域10(浙闽沿海山地)和区域21(内蒙古高原)的类型差异为0.10℃/100 m,而青藏高寒区多数区域(3个)的气温直减率类型差异低于0.10℃/100 m。②夏季,东部季风区和西北干旱区过半数区域(11个、6个)气温直减率的类型差异大于0.10℃/100 m,而青藏高寒区全部区域(4个)的气温直减率类型差异小于或等于0.10℃/100 m。③秋季,东部季风区和西北干旱区过半数区域(9个、4个)气温直减率的气温直减率类型差异大于0.10℃/100 m,此外区域11(长江南岸丘陵)的类型差异为0.10℃/100 m,而青藏高寒区多数区域(3个)的气温直减率类型差异低于0.10℃/100 m。④冬季,东部季风区、西北干旱区和青藏高寒区过半数区域(9个、4个、3个)气温直减率的类型差异大于0.10℃/100 m,此外区域12(四川盆地)和区域21(内蒙古高原)的类型差异为0.10℃/100 m。⑤从年均情况来看,东部季风区和西北干旱区过半数区域(9个、4个)的气温直减率类型差异超过0.10℃/100 m,此外区域1(大兴安岭)的类型差异为0.10℃/100 m,青藏高寒区所有区域的气温直减率类型差异均低于0.10℃/100 m。
表3 区划尺度的平均气温直减率/(℃/100 m)
Tab.3 Lapse rates of mean air temperature at the regional scale/(℃/100 m)
| 大区 | 区域ID | 春 | 夏 | 秋 | 冬 | 年 |
|---|---|---|---|---|---|---|
| 东部季风区 | 1 | ○0.65* | ×0.83* | ○0.59× | ×-0.15× | ×0.48× |
| 2 | □0.56*** | □0.58*** | □0.59*** | □0.51*** | □0.56*** | |
| 3 | □0.74*** | □0.91*** | □0.73*** | □0.15× | □0.63** | |
| 4 | □0.61*** | □0.62*** | □0.58*** | □0.51*** | □0.58*** | |
| 5 | □0.62* | □0.58** | □1.27*** | □1.66*** | □1.03*** | |
| 6 | □0.54*** | □0.57*** | □0.49*** | □0.49*** | □0.52*** | |
| 7 | □0.56*** | □0.62*** | □0.48*** | □0.36*** | □0.51*** | |
| 8 | □0.45*** | □0.58*** | □0.50*** | □0.40*** | □0.48*** | |
| 9 | □0.50*** | □0.52*** | □0.42*** | □0.42*** | □0.46*** | |
| 10 | □0.46*** | □0.59*** | □0.57*** | □0.40*** | □0.50*** | |
| 11 | □0.50*** | □0.62*** | □0.53*** | □0.40*** | □0.51*** | |
| 12 | □0.55*** | □0.56*** | □0.53*** | □0.57*** | □0.55*** | |
| 13 | □0.48*** | □0.55*** | □0.53*** | □0.50*** | □0.52*** | |
| 14 | □0.56*** | □0.51*** | □0.49*** | □0.47*** | □0.51*** | |
| 15 | □0.23*** | □0.48*** | □0.42*** | □0.17* | □0.32*** | |
| 17 | □0.11× | ○0.36** | △0.35* | □0.07× | □0.22× | |
| 18 | △0.39** | □0.50*** | □0.50*** | △0.36* | □0.44** | |
| 西北干旱区 | 20 | ○0.68× | ×1.02× | ○0.67× | △0.25× | ○0.66× |
| 21 | □0.81*** | □0.77*** | □0.72*** | □0.89*** | □0.80*** | |
| 22 | □0.63*** | □0.52*** | □0.46** | □0.43* | □0.51*** | |
| 23 | △0.77** | △0.79** | ○0.60** | ○0.38* | ○0.64** | |
| 24 | □0.53*** | □0.63*** | □0.41*** | ×-0.20× | △0.34** | |
| 26 | □0.71*** | □0.72*** | □0.56*** | ○0.25* | □0.56*** | |
| 27 | □0.68*** | □0.74*** | □0.45*** | □0.32* | □0.55*** | |
| 青藏高寒区 | 29 | □0.63*** | □0.53*** | □0.58*** | □0.66*** | □0.60*** |
| 30 | ○0.85** | ○0.69* | ○0.76** | ○0.81** | ○0.78** | |
| 31 | □0.64*** | □0.66*** | □0.56*** | □0.47*** | □0.58*** | |
| 32 | □0.55*** | □0.53*** | □0.40*** | △0.36** | □0.46*** |
表4 区划尺度的平均最低气温直减率/(℃/100 m)
Tab.4 Lapse rates of mean minimum air temperature at the regional scale/(℃/100 m)
| 大区 | 区域ID | 春 | 夏 | 秋 | 冬 | 年 |
|---|---|---|---|---|---|---|
| 东部季风区 | 1 | ×0.77× | ×0.92× | ×0.66× | ×-0.17× | ×0.55× |
| 2 | □0.70*** | □0.78*** | □0.73*** | □0.71** | □0.73*** | |
| 3 | □0.69* | □0.97*** | □0.85* | □0.12× | □0.66× | |
| 4 | □0.51*** | □0.54*** | □0.47** | □0.45** | □0.49*** | |
| 5 | □1.26*** | □1.10*** | □1.96*** | □2.33*** | □1.66*** | |
| 6 | □0.54*** | □0.59*** | □0.52*** | □0.55*** | □0.55*** | |
| 7 | □0.44*** | □0.52*** | □0.40*** | □0.30*** | □0.41*** | |
| 8 | □0.44*** | □0.52*** | □0.47*** | □0.43*** | □0.47*** | |
| 9 | □0.53*** | □0.57*** | □0.50*** | □0.52*** | □0.53*** | |
| 10 | □0.43*** | □0.51*** | □0.51*** | □0.41*** | □0.46*** | |
| 11 | □0.47*** | □0.55*** | □0.49*** | □0.41*** | □0.48*** | |
| 12 | □0.56*** | □0.54*** | □0.55*** | □0.60*** | □0.56*** | |
| 13 | □0.49*** | □0.50*** | □0.53*** | □0.52*** | □0.51*** | |
| 14 | □0.54*** | □0.50*** | □0.53*** | □0.51*** | □0.52*** | |
| 15 | □0.36*** | □0.47*** | □0.41*** | □0.29** | □0.38*** | |
| 17 | □0.30× | ×0.49* | □0.44* | □0.26× | □0.37× | |
| 18 | ○0.44** | □0.49*** | □0.48*** | ○0.37* | △0.44** | |
| 西北干旱区 | 20 | ×0.68× | ×1.00× | ×0.80× | △0.32× | ×0.70× |
| 21 | □0.76*** | □0.82*** | □0.71*** | □0.86** | □0.79*** | |
| 22 | △0.50* | ○0.47* | ○0.40× | ○0.41× | ○0.44* | |
| 23 | ○0.72** | ○0.70* | ○0.56* | ○0.48* | ○0.62* | |
| 24 | □0.42** | △0.49** | ○0.33* | ×-0.18× | ○0.27* | |
| 26 | □0.61*** | □0.60*** | □0.46*** | ○0.26× | □0.48*** | |
| 27 | □0.66*** | □0.70*** | ○0.46* | ○0.39× | △0.55** | |
| 青藏高寒区 | 29 | □0.66*** | □0.53*** | □0.60*** | □0.78*** | □0.64*** |
| 30 | △0.92*** | △0.70*** | △0.82** | ×0.96* | △0.85** | |
| 31 | □0.63*** | □0.59*** | □0.54*** | □0.54*** | □0.57*** | |
| 32 | □0.49** | △0.51** | △0.37** | △0.40* | △0.44** |
表5 区划尺度的平均最高气温直减率/(℃/100 m)
Tab.5 Lapse rates of mean maximum air temperature at the regional scale/(℃/100 m)
| 大区 | 区域ID | 春 | 夏 | 秋 | 冬 | 年 |
|---|---|---|---|---|---|---|
| 东部季风区 | 1 | △0.62** | ○0.68** | □0.55*** | ×-0.05× | △0.45* |
| 2 | □0.45*** | □0.40*** | □0.45*** | □0.29** | □0.40*** | |
| 3 | □0.68*** | □0.66*** | □0.44*** | □0.07× | □0.46** | |
| 4 | □0.71*** | □0.72*** | □0.68*** | □0.57*** | □0.67*** | |
| 5 | □0.34× | □0.17× | □0.69*** | □1.03*** | □0.56** | |
| 6 | □0.52*** | □0.54*** | □0.45*** | □0.42*** | □0.48*** | |
| 7 | □0.65*** | □0.70*** | □0.58*** | □0.42*** | □0.59*** | |
| 8 | □0.46*** | □0.61*** | □0.54*** | □0.37*** | □0.50*** | |
| 9 | □0.46*** | □0.45*** | □0.31*** | □0.24*** | □0.36*** | |
| 10 | □0.53*** | □0.70*** | □0.65*** | □0.44*** | □0.58*** | |
| 11 | □0.55*** | □0.70*** | □0.59*** | □0.41*** | □0.56*** | |
| 12 | □0.55*** | □0.61*** | □0.51*** | □0.50*** | □0.54*** | |
| 13 | □0.46*** | □0.62*** | □0.55*** | □0.45*** | □0.52*** | |
| 14 | □0.58*** | □0.52*** | □0.46*** | □0.44*** | □0.50*** | |
| 15 | △0.02× | □0.47*** | □0.41*** | □-0.05× | △0.22* | |
| 17 | △-0.23× | ×0.02× | ×0.10× | □-0.27× | △-0.10× | |
| 18 | △0.35* | □0.49*** | □0.55** | △0.36× | △0.44* | |
| 西北干旱区 | 20 | △0.62* | ×0.92* | △0.54* | △0.17× | △0.57* |
| 21 | □0.87*** | □0.74*** | □0.76*** | □0.96*** | □0.83*** | |
| 22 | □0.77*** | □0.64*** | □0.58*** | □0.41*** | □0.60*** | |
| 23 | □0.79*** | □0.85*** | □0.63*** | □0.17** | □0.61*** | |
| 24 | □0.61*** | □0.74*** | □0.47*** | ×-0.28× | △0.39** | |
| 26 | □0.79*** | □0.81*** | □0.67*** | ○0.26* | □0.63*** | |
| 27 | □0.70*** | □0.82*** | □0.53*** | □0.19** | □0.56*** | |
| 青藏高寒区 | 29 | □0.68*** | □0.61*** | □0.60*** | □0.62*** | □0.63*** |
| 30 | ×0.83* | ×0.74* | ○0.78* | ○0.76** | ○0.78* | |
| 31 | □0.62*** | □0.69*** | □0.54*** | □0.36*** | □0.55*** | |
| 32 | □0.63*** | □0.57*** | □0.51*** | □0.33*** | □0.51*** |
本文利用国家气象站点数据,分别在国家尺度和综合自然区划尺度上计算了lrminT、lrmeanT、lrmaxT,进一步研究发现：①在国家尺度上,3种气温直减率均小于0.65℃/100 m;lrminT、lrmeanT和lrmaxT的季节差异分别为0.05、0.13和0.24℃/100 m,且具有夏季最大、冬季最小的季节规律;春、夏、秋、冬季气温直减率的类型差异分别为0.12、0.05、0.11和0.26℃/100 m,且均有lrminT>lrmeanT>lrmaxT的规律。②在综合自然区划尺度上,气温直减率大多低于0.65℃/100 m;气温直减率存在明显的地域差异,从年均情况来看,lrminT、lrmeanT和lrmaxT的地域取值范围依次为0.27~1.66℃/100 m、0.22~1.03℃/100 m和-0.10~0.83℃/100 m;气温直减率季节差异大多超过0.10℃/100 m;一般情况下,夏季气温直减率大于冬季气温直减率;气温直减率类型差异半数超过或等于0.10℃/100 m。在春、夏、秋季,半数左右的区域lrmaxT高于lrminT;在冬季,多数区域的lrminT高于lrmaxT,lrmeanT一般处于lrmaxT和lrminT之间。综上,中国气温直减率存在明显的季节、地域和类型差异,在进行气温插值时可考虑根据季节、地域和气温类型使用合适的气温直减率。
基于地面气象站点的近地表气温直减率可为气温空间插值提供一定的参考,然而,在西部山区(尤其是青藏高原地区),气象站点分布稀疏,高程代表性不足,气温直减率可能会在不同高程范围内存在较大差异(刘伟刚等, 2013),使用气温直减率时需格外谨慎。对于这些缺少气象站点的地区,未来可以考虑采用遥感反演方法计算气温直减率(王艳霞等, 2014)。此外,坡向的不同(张家诚等, 1985)以及山体效应(赵芳等, 2012)也会造成气温直减率的差异,可在综合自然区划基础上进一步考虑坡向及山体效应的影响。利用线性回归技术求得的气温直减率会面临空间尺度和区划效应,不同的自然区划分区所得到的气温直减率数值不尽相同,不同区划方案对气温直减率的影响将是下一步将要开展的工作。此外,中国气温直减率的研究已经积累了丰富成果,与已有研究结果进行深入对比分析,探讨气温直减率的时空变化规律将是非常有意义的工作。
The authors have declared that no competing interests exist.
| [1] |
我国气温直减率分布规律的研究 [J].
正 一、研究方法 1.海岸距离资料的采集 海陆分布是影响我国温度分布的基本自然要素之一。本研究使用气象台离海岸的最近距离作为海陆分布影响的尺度。考虑到印度洋因喜马拉雅山脉的阻
Studies on geographic distribution of the altitudinal lapse rate of temperature in China [J].
正 一、研究方法 1.海岸距离资料的采集 海陆分布是影响我国温度分布的基本自然要素之一。本研究使用气象台离海岸的最近距离作为海陆分布影响的尺度。考虑到印度洋因喜马拉雅山脉的阻
|
| [2] |
中国1961-2000年月平均气温空间插值方法与空间分布 [J].https://doi.org/10.3969/j.issn.1674-5906.2006.01.024 URL 摘要
利用地理信息系统软件ARC/INFO,在考虑海拔高度对气温影 响和没有考虑海拔高度对气温影响的两种情况下,分别运用样条插值法、普通克立格法和逆距离权重法对中国623个气象站1961-2000年40 a的逐月平均气温进行了空间插值,并利用交叉检验方法对插值精度进行了评估,结果表明:考虑了海拔高度影响的3种插值方法的精度都有比较明显的提高,对于 普通克立格法,平均绝对误差(MAE)从1.44℃降到0.82℃,均方根误差(RMSE)从2.31℃降到1.28℃;对于逆距离权重法,MAE从 1.52℃降到0.88℃,RMSE从2.38℃降到1.34℃;对于样条插值法,MAE从1.54℃降到0.87℃,RMSE从2.49℃降到 1.35℃.在6种插值方法中,考虑了海拔高度影响的普通克立格法是最优空间插值方法.
Spatial interpolation method and spatial distribution characteristics of monthly mean temperature in China during 1961-2000 [J].https://doi.org/10.3969/j.issn.1674-5906.2006.01.024 URL 摘要
利用地理信息系统软件ARC/INFO,在考虑海拔高度对气温影 响和没有考虑海拔高度对气温影响的两种情况下,分别运用样条插值法、普通克立格法和逆距离权重法对中国623个气象站1961-2000年40 a的逐月平均气温进行了空间插值,并利用交叉检验方法对插值精度进行了评估,结果表明:考虑了海拔高度影响的3种插值方法的精度都有比较明显的提高,对于 普通克立格法,平均绝对误差(MAE)从1.44℃降到0.82℃,均方根误差(RMSE)从2.31℃降到1.28℃;对于逆距离权重法,MAE从 1.52℃降到0.88℃,RMSE从2.38℃降到1.34℃;对于样条插值法,MAE从1.54℃降到0.87℃,RMSE从2.49℃降到 1.35℃.在6种插值方法中,考虑了海拔高度影响的普通克立格法是最优空间插值方法.
|
| [3] |
喜马拉雅山中段地区气温直减率变化特征 [J].https://doi.org/10.11755/j.issn.1006-7639(2013)-02-0240 URL [本文引用: 1] 摘要
在喜马拉雅山地区的水文过程模拟中,气温直减率是一个非常重要的 气象参数,其大小一定程度上决定了冰雪融水产流量.基于喜马拉雅山中段南北坡6个气象站地面实测气温数据,分析了该地区的气温直减率变化特征.结果显示, 喜马拉雅山中段南北坡各海拔带的气温直减率月变化和日变幅均较大,空气湿度和山谷风是影响气温直减率变化的主要因素.对于喜马拉雅山中段北坡来说,海拔 4001～4301 m的高程带受暖湿的南亚夏季风影响时,空气湿度较大,气温直减率较低；海拔4301～5750m的高程带在南亚夏季风盛行时期气温直减率相对较高,南亚夏 季风结束后,由于受持续的山谷风影响,气温直减率降低.对于喜马拉雅山中段南坡来说,海拔1 337～3 811 m的高程带受南亚夏季风影响时,空气湿度增大,气温直减率降低.在喜马拉雅山地区进行水文过程模拟时,需慎重选择气温直减率值.
A study on temperature lapse rate on the northern and southern slopes of the central Himalayas [J].https://doi.org/10.11755/j.issn.1006-7639(2013)-02-0240 URL [本文引用: 1] 摘要
在喜马拉雅山地区的水文过程模拟中,气温直减率是一个非常重要的 气象参数,其大小一定程度上决定了冰雪融水产流量.基于喜马拉雅山中段南北坡6个气象站地面实测气温数据,分析了该地区的气温直减率变化特征.结果显示, 喜马拉雅山中段南北坡各海拔带的气温直减率月变化和日变幅均较大,空气湿度和山谷风是影响气温直减率变化的主要因素.对于喜马拉雅山中段北坡来说,海拔 4001～4301 m的高程带受暖湿的南亚夏季风影响时,空气湿度较大,气温直减率较低；海拔4301～5750m的高程带在南亚夏季风盛行时期气温直减率相对较高,南亚夏 季风结束后,由于受持续的山谷风影响,气温直减率降低.对于喜马拉雅山中段南坡来说,海拔1 337～3 811 m的高程带受南亚夏季风影响时,空气湿度增大,气温直减率降低.在喜马拉雅山地区进行水文过程模拟时,需慎重选择气温直减率值.
|
| [4] |
基于DEM的中国陆地多年平均温度插值方法 [J].https://doi.org/10.3321/j.issn:0375-5444.2004.03.006 URL Magsci 摘要
以1961～2000年全国726个气象站点旬平均温度为基础数据,在分析了多年月平均温度和年平均温度的空间分布与经度、纬度、高度的内在关系后,提出了一种基于DEM和智能搜索距离的温度空间插值方法(SSI),并与反距离平方(IDS)等传统方法进行了对比.交叉验证结果表明:1)传统的IDS方法最优结果的MAE范围是1.44℃～1.63℃,平均1.51℃;而SSI温度插值方法的平均绝对误差为0.53℃～0.92℃,平均值0.69℃,精度超过IDS等方法一倍以上.2)随着距离的增大,站点间温度的相关性逐渐降低,会降低估算精度;小于一定的搜索半径,被估算点周围的相邻站点的数目逐渐减少,同样会降低插值的精度,因而对中国陆地部分温度插值而言,最优的空间插值搜索半径介于150～250 km之间.最后,结合DEM数据,生成了0.1°×0.1°中国陆地区域多年月平均和年平均温度栅格图像数据集,该结果表明:利用SSI方法不仅可以生成高精度、高空间分辨率的网格温度结果,而且其插值结果能客观细致的反映温度随经度、纬度和高度梯度变化的地带性特征.
Smart distance searching-based and DEM-informed interpolation of surface air temperature in China [J].https://doi.org/10.3321/j.issn:0375-5444.2004.03.006 URL Magsci 摘要
以1961～2000年全国726个气象站点旬平均温度为基础数据,在分析了多年月平均温度和年平均温度的空间分布与经度、纬度、高度的内在关系后,提出了一种基于DEM和智能搜索距离的温度空间插值方法(SSI),并与反距离平方(IDS)等传统方法进行了对比.交叉验证结果表明:1)传统的IDS方法最优结果的MAE范围是1.44℃～1.63℃,平均1.51℃;而SSI温度插值方法的平均绝对误差为0.53℃～0.92℃,平均值0.69℃,精度超过IDS等方法一倍以上.2)随着距离的增大,站点间温度的相关性逐渐降低,会降低估算精度;小于一定的搜索半径,被估算点周围的相邻站点的数目逐渐减少,同样会降低插值的精度,因而对中国陆地部分温度插值而言,最优的空间插值搜索半径介于150～250 km之间.最后,结合DEM数据,生成了0.1°×0.1°中国陆地区域多年月平均和年平均温度栅格图像数据集,该结果表明:利用SSI方法不仅可以生成高精度、高空间分辨率的网格温度结果,而且其插值结果能客观细致的反映温度随经度、纬度和高度梯度变化的地带性特征.
|
| [5] |
|
| [6] |
新疆博格达山北麓气候变化分析 [J].
利用博格达山北麓6个气象站35年来的降水量及气温记录,对季、 年的水热组合状况及其变化进行统计分析,探讨气温、降水在垂直方向上的变化特征.得到的基本结论为:①从变化趋势看,35年来基本以暖湿气候为主,也有暖 干和冷湿气候出现;②该区气候垂直变化特征显著,20世纪90年代以来(1991-2006年)与前20年(1971-1990年)相比,平原绿洲区的增 温(湿)幅度大于海拔较高的山区,且不论在哪个高度上,冬季增湿幅度均大于夏季;③气温垂直变化率因季节而异,冬季出现明显逆温现象;降水垂直梯度季节差 异显著.
Analysis on climatic change in northern piedmont of the Bogda Mountain, Xinjiang [J].
利用博格达山北麓6个气象站35年来的降水量及气温记录,对季、 年的水热组合状况及其变化进行统计分析,探讨气温、降水在垂直方向上的变化特征.得到的基本结论为:①从变化趋势看,35年来基本以暖湿气候为主,也有暖 干和冷湿气候出现;②该区气候垂直变化特征显著,20世纪90年代以来(1991-2006年)与前20年(1971-1990年)相比,平原绿洲区的增 温(湿)幅度大于海拔较高的山区,且不论在哪个高度上,冬季增湿幅度均大于夏季;③气温垂直变化率因季节而异,冬季出现明显逆温现象;降水垂直梯度季节差 异显著.
|
| [7] |
利用遥感瞬时温度场研究云南山地气温直减率 [J].https://doi.org/10.11834/jrs.20142362 URL Magsci [本文引用: 1] 摘要
基于MODIS影像反演地表瞬 时温度场和气象站点30年平均气温实测数据,结合数字高程模型,研究了云南山地气温随海拔变化的规律。结果表明,降低或消除了坡向与坡度、纬度与经度变化 的影响后,在云南全区域尺度上,海拔对气温作用而产生的气温直减率为0.53℃;在典型山地地貌类型区,山地气温直减率由高山区向低山区逐渐增大,滇西北 高山区直减率为0.47℃,滇中、滇东中山区为0.51℃,滇南宽谷低山区为0.54℃,滇西北高山峡谷和滇南低山深切沟谷地带为0.54℃;由阳坡、半 阴半阳坡至阴坡,山地气温直减率依次增大:阳坡直减率平均为0.52℃,半阴半阳坡平均为0.54℃,阴坡平均为0.55℃。除海拔之外,坡向、坡度等微 地形因子亦是微格局气温场的主要地理响应因子。利用遥感数据反演的瞬时温度场研究山地气温直减率,是一种研究山地气温变化规律的新方法。
Temperature lapse rates in the mountain regions of Yunnan Province based on remotely sensed instantaneous land surface temperature [J].https://doi.org/10.11834/jrs.20142362 URL Magsci [本文引用: 1] 摘要
基于MODIS影像反演地表瞬 时温度场和气象站点30年平均气温实测数据,结合数字高程模型,研究了云南山地气温随海拔变化的规律。结果表明,降低或消除了坡向与坡度、纬度与经度变化 的影响后,在云南全区域尺度上,海拔对气温作用而产生的气温直减率为0.53℃;在典型山地地貌类型区,山地气温直减率由高山区向低山区逐渐增大,滇西北 高山区直减率为0.47℃,滇中、滇东中山区为0.51℃,滇南宽谷低山区为0.54℃,滇西北高山峡谷和滇南低山深切沟谷地带为0.54℃;由阳坡、半 阴半阳坡至阴坡,山地气温直减率依次增大:阳坡直减率平均为0.52℃,半阴半阳坡平均为0.54℃,阴坡平均为0.55℃。除海拔之外,坡向、坡度等微 地形因子亦是微格局气温场的主要地理响应因子。利用遥感数据反演的瞬时温度场研究山地气温直减率,是一种研究山地气温变化规律的新方法。
|
| [8] |
我国山地气温直减率的初步研究 [J].https://doi.org/10.11821/yj1984020003 URL Magsci 摘要
本文论述了山区气温直减率的若干影响因子。比较了山地气温直减率与自由大气气温直减率间的差异及联系。并计算了全国山区及自由大气中的气温直减率。文中还对山区气温直减率的年变化进行了分型和区划。最后,绘制出山区气温直减率的全国分布图,分析出气温直减率分布的定性规律。
A preliminary study of the lapse rate of surface air temperature over mountainous regions of China [J].https://doi.org/10.11821/yj1984020003 URL Magsci 摘要
本文论述了山区气温直减率的若干影响因子。比较了山地气温直减率与自由大气气温直减率间的差异及联系。并计算了全国山区及自由大气中的气温直减率。文中还对山区气温直减率的年变化进行了分型和区划。最后,绘制出山区气温直减率的全国分布图,分析出气温直减率分布的定性规律。
|
| [9] |
长白山的气候特征及北坡垂直气候带 [J].https://doi.org/10.11676/qxxb1981.034 URL Magsci [本文引用: 1] 摘要
长白山是温带大陆季风型高山气候。北坡有明显的垂直气候带、自下而上为山地针阔混交林气候带、山地针叶林气候带、山地岳桦林气候带、高山灌丛气候带、高山荒漠气候带。
The climatic features of Changbaishan and its vertical climatic zone on the northern slop [J].https://doi.org/10.11676/qxxb1981.034 URL Magsci [本文引用: 1] 摘要
长白山是温带大陆季风型高山气候。北坡有明显的垂直气候带、自下而上为山地针阔混交林气候带、山地针叶林气候带、山地岳桦林气候带、高山灌丛气候带、高山荒漠气候带。
|
| [10] |
基于DEM的山区气温空间模拟方法 [J].https://doi.org/10.3969/j.issn.1008-2786.2002.03.018 URL 摘要
气温作为一种农业资源是由太阳辐射到达大气形成的 ,在地球表面的分布与地表的地形特征密不可分 (特别在山区 )。数字高程模型 (DigitalElevationModel,简称DEM)作为一种地表形态的描述方式 ,在利用空间信息进行各种专题分析研究和规划决策过程中具有很大的实用价值。研究提出了以地理信息系统 (GIS)为支撑 ,在常规统计模型 (CSM)的基础上 ,利用地形的坡度、坡向因子进行山区气温空间小尺度模拟的修正模型———地形调节统计模型(TASM) ,并在环青海湖地区进行实际应用。研究结果表明 ,地形调节统计模型优于常规的统计模型 ,从而为山区任一地域单元气温空间分布的快速计算提供了一种可行的方法 ,对山区气温资源的专题应用具有重要的意义。
A method of spatial simulating of temperature based Digital Elevation Model (DEM) in mountain area [J].https://doi.org/10.3969/j.issn.1008-2786.2002.03.018 URL 摘要
气温作为一种农业资源是由太阳辐射到达大气形成的 ,在地球表面的分布与地表的地形特征密不可分 (特别在山区 )。数字高程模型 (DigitalElevationModel,简称DEM)作为一种地表形态的描述方式 ,在利用空间信息进行各种专题分析研究和规划决策过程中具有很大的实用价值。研究提出了以地理信息系统 (GIS)为支撑 ,在常规统计模型 (CSM)的基础上 ,利用地形的坡度、坡向因子进行山区气温空间小尺度模拟的修正模型———地形调节统计模型(TASM) ,并在环青海湖地区进行实际应用。研究结果表明 ,地形调节统计模型优于常规的统计模型 ,从而为山区任一地域单元气温空间分布的快速计算提供了一种可行的方法 ,对山区气温资源的专题应用具有重要的意义。
|
| [11] |
|
| [12] |
天山南坡科其卡尔巴契冰川消融期气候特征分析 [J].https://doi.org/10.3969/j.issn.1000-0240.2004.05.006 URL Magsci 摘要
通过分析天山南坡科其卡尔巴契冰川区的气候变化特征及其对冰川消融变化过程的影响,研究了冰川对气候变化的响应机理及其对塔里木河水资源的影响规律.科其卡尔巴契冰川区夏季气温比较高,基本处于正温,日较差较小;气温直减率较小,平均值为0 60℃·(100m)-1,冰川冷效应不明显;对流性降水较多,降水量的75%发生在白天;冰川区局地环流———山谷风发育,海拔3900m以上冰川受西风环流影响显著;净辐射在7月和8月中上旬均较大,在8月下旬后净辐射开始逐渐减小,与冰川消融是一致的.7月初至7月下旬是消融较强的两个时段,冰川平均消融速率为38 66mm·d-1,到8月中旬消融速率略有降低,平均为34 79mm·d-1,至9月中旬降至28 83mm·d-1.
Characteristics of climate on the Keqicar Glacier on the south slopes of the Tianshan Mountains during Ablation period [J].https://doi.org/10.3969/j.issn.1000-0240.2004.05.006 URL Magsci 摘要
通过分析天山南坡科其卡尔巴契冰川区的气候变化特征及其对冰川消融变化过程的影响,研究了冰川对气候变化的响应机理及其对塔里木河水资源的影响规律.科其卡尔巴契冰川区夏季气温比较高,基本处于正温,日较差较小;气温直减率较小,平均值为0 60℃·(100m)-1,冰川冷效应不明显;对流性降水较多,降水量的75%发生在白天;冰川区局地环流———山谷风发育,海拔3900m以上冰川受西风环流影响显著;净辐射在7月和8月中上旬均较大,在8月下旬后净辐射开始逐渐减小,与冰川消融是一致的.7月初至7月下旬是消融较强的两个时段,冰川平均消融速率为38 66mm·d-1,到8月中旬消融速率略有降低,平均为34 79mm·d-1,至9月中旬降至28 83mm·d-1.
|
| [13] |
山体效应对北半球林线分布的影响分析 [J].https://doi.org/10.11821/xb201211012 URL Magsci [本文引用: 2] 摘要
通过搜集整理了北半球516个林线数据,结合WorldClim气象数据计算了林线数据点上的大陆度,并依据SRTM高程数据提取了林线处的山体基面高度(作为山体效应的代用因子),然后以纬度、大陆度和山体基面高度为解释变量,建立三元回归模型。结果表明:线性回归模型的判定系数R2为0.904,二次回归模型的R2高达0.912。相比先前不考虑基面高度的林线分布模型(R2=0.79),纳入了山体基面高度的林线分布模型能够更加有效的拟合半球尺度的林线分布;结果还表明,山体基面高度对北半球林线高度分布的贡献率达到了48.94%(p=0.000),而纬度和大陆度分别为45.02%(p=0.000)和6.04%(p=0.000)。这揭示了山体效应对半球尺度林线分布具有重要的影响。基面高度在北美洲地区对林线高度的贡献率最大(50.49%,p=0.000),在欧亚大陆东部地区为48.73%(p=0.000),在欧亚大陆西部地区为43.6%(p=0.000)。这一结果说明山体效应对林线分布高度的影响虽有区域差异,但都有较高的贡献率。
Mass elevation effect and its contribution to the altitude of timberline in the Northern Hemisphere [J].https://doi.org/10.11821/xb201211012 URL Magsci [本文引用: 2] 摘要
通过搜集整理了北半球516个林线数据,结合WorldClim气象数据计算了林线数据点上的大陆度,并依据SRTM高程数据提取了林线处的山体基面高度(作为山体效应的代用因子),然后以纬度、大陆度和山体基面高度为解释变量,建立三元回归模型。结果表明:线性回归模型的判定系数R2为0.904,二次回归模型的R2高达0.912。相比先前不考虑基面高度的林线分布模型(R2=0.79),纳入了山体基面高度的林线分布模型能够更加有效的拟合半球尺度的林线分布;结果还表明,山体基面高度对北半球林线高度分布的贡献率达到了48.94%(p=0.000),而纬度和大陆度分别为45.02%(p=0.000)和6.04%(p=0.000)。这揭示了山体效应对半球尺度林线分布具有重要的影响。基面高度在北美洲地区对林线高度的贡献率最大(50.49%,p=0.000),在欧亚大陆东部地区为48.73%(p=0.000),在欧亚大陆西部地区为43.6%(p=0.000)。这一结果说明山体效应对林线分布高度的影响虽有区域差异,但都有较高的贡献率。
|
| [14] |
福建黄岗山东南坡气温的垂直变化 [J].https://doi.org/10.3321/j.issn:0577-6619.2004.02.012 URL Magsci 摘要
利用HOBO Onset自动温度记录仪于2001年11月～2002年11月对福建黄岗山东南坡7个地点的气温,间隔15 min进行了连续观测.结果显示:黄岗山年平均气温直减率为0.43℃/100 m;不同月份的直减率有差异,一般来说,冬季小,夏季大,其中12月最小(0.26℃/100 m),9月最大(0 56℃/100 m).平均最高气温沿海拔高度变化并非呈线性关系,表现为中海拔(1600 m)数值最低,而平均最低气温沿海拔高度呈明显线性关系,直减率为0.54℃/100 m.最高温度沿海拔高度变化不明显.月平均的日较差沿着海拔高度变化呈"U"字形,中海拔月平均日较差值最低.日平均气温≥0℃,≥5℃和≥10℃的积温 沿海拔高度呈线性关系,直减率几乎相同.≥10℃积温从低海拔至高海拔相差约2000℃,海拔每升高100 m稳定初日至终日,积温日期间隔平均减少7 d左右.
Changes in air temperature varibles along altitudinal gradient in Mt. Huanggang, China [J].https://doi.org/10.3321/j.issn:0577-6619.2004.02.012 URL Magsci 摘要
利用HOBO Onset自动温度记录仪于2001年11月～2002年11月对福建黄岗山东南坡7个地点的气温,间隔15 min进行了连续观测.结果显示:黄岗山年平均气温直减率为0.43℃/100 m;不同月份的直减率有差异,一般来说,冬季小,夏季大,其中12月最小(0.26℃/100 m),9月最大(0 56℃/100 m).平均最高气温沿海拔高度变化并非呈线性关系,表现为中海拔(1600 m)数值最低,而平均最低气温沿海拔高度呈明显线性关系,直减率为0.54℃/100 m.最高温度沿海拔高度变化不明显.月平均的日较差沿着海拔高度变化呈"U"字形,中海拔月平均日较差值最低.日平均气温≥0℃,≥5℃和≥10℃的积温 沿海拔高度呈线性关系,直减率几乎相同.≥10℃积温从低海拔至高海拔相差约2000℃,海拔每升高100 m稳定初日至终日,积温日期间隔平均减少7 d左右.
|
| [15] |
|
| [16] |
|
| [17] |
Climate and vegetation in China (I). Changes in the altitudinal lapse rate of temperature and distribution of sea level temperature [J]. |
| [18] |
Reference crop evapotranspiration from temperature [J].https://doi.org/10.13031/2013.26773 URL 摘要
Publication » Reference crop evapotranspiration from temperature.
|
| [19] |
Research note: Derivation of temperature lapse rates in semi-arid south-eastern Arizona [J].https://doi.org/10.5194/hess-8-1179-2004 URL [本文引用: 1] 摘要
Ecological and hydrological modelling at the regional scale requires distributed information on weather variables, and temperature is important among these. In an area of basin and range topography with a wide range of elevations, such as south-eastern , measurements are usually available only at a relatively small number of locations and elevations, and temperatures elsewhere must be estimated from atmospheric lapse rate. This paper derives the lapse rates to estimate maximum, minimum and mean daily temperatures from elevation. Lapse rates were calculated using air temperatures at 2 m collected during 2002 at 18 locations across south-eastern , with elevations from 779 to 2512 m. The lapse rate predicted for the minimum temperature was lower than the mean environmental lapse rate (MELR), i.e. 6 K km-1, whereas those predicted for the mean and maximum daily temperature were very similar to the MELR. Lapse rates were also derived from radiosonde data at 00 and 12 UTC (5 pm and 5 am local time, respectively). The lapse rates calculated from radiosonde data were greater than those from the 2 m measurements, presumably because the effect of the surface was less. Given temperatures measured at Tucson airport, temperatures at the other sites were predicted using the different estimates of lapse rates. The best predictions of temperatures used the locally predicted lapse rates. In the case of maximum and mean temperature, using the MELR also resulted in accurate predictions.
|
| [20] |
Near-surface air temperature lapse rates in the mainland China during 1962-2011 [J].https://doi.org/10.1002/jgrd.50553 URL 摘要
Land surface hydrological modeling is sensitive to near-surface air temperature, which is especially true for the cryosphere. The lapse rate of near-surface air temperature is a critical parameter when interpolating air temperature from station data to gridded cells. To obtain spatially distributed, fine-resolution near-surface (2 m) air temperature in the mainland China, monthly air temperature from 553 Chinese national meteorological stations (with continuous data from 1962 to 2011) are divided into 24 regional groups to analyze spatiotemporal variations of lapse rate in relation to surface air temperature and relative humidity. The results are as follows: (1) Evaluation of estimated lapse rate shows that the estimates are reasonable and useful for temperature-related analyses and modeling studies. (2) Lapse rates generally have a banded spatial distribution from southeast to northwest, with relatively large values on the Tibetan Plateau and in northeast China. The greatest spatial variability is in winter with a range of 0.3°C―0.9°C · 100 m
|
| [21] |
Asymmetric effects of daytime and night-time warming on Northern Hemisphere vegetation [J].https://doi.org/10.1038/nature12434 URL PMID: 24005415 [本文引用: 2] 摘要
Temperature data over the past five decades show faster warming of the global land surface during the night than during the day. This asymmetric warming is expected to affect carbon assimilation and consumption in plants, because photosynthesis in most plants occurs during daytime and is more sensitive to the maximum daily temperature, Tmax, whereas plant respiration occurs throughout the day and is therefore influenced by both Tmax and the minimum daily temperature, Tmin. Most studies of the response of terrestrial ecosystems to climate warming, however, ignore this asymmetric forcing effect on vegetation growth and carbon dioxide (CO2) fluxes. Here we analyse the interannual covariations of the satellite-derived normalized difference vegetation index (NDVI, an indicator of vegetation greenness) with Tmax and Tmin over the Northern Hemisphere. After removing the correlation between Tmax and Tmin, we find that the partial correlation between Tmax and NDVI is positive in most wet and cool ecosystems over boreal regions, but negative in dry temperate regions. In contrast, the partial correlation between Tmin and NDVI is negative in boreal regions, and exhibits a more complex behaviour in dry temperate regions. We detect similar patterns in terrestrial net CO2 exchange maps obtained from a global atmospheric inversion model. Additional analysis of the long-term atmospheric CO2 concentration record of the station Point Barrow in Alaska suggests that the peak-to-peak amplitude of CO2 increased by 2365±6511% for a +165°C anomaly in Tmax from May to September over lands north of 51°65N, but decreased by 2865±6514% for a +165°C anomaly in Tmin. These lines of evidence suggest that asymmetric diurnal warming, a process that is currently not taken into account in many global carbon cycle models, leads to a divergent response of Northern Hemisphere vegetation growth and carbon sequestration to rising temperatures.
|
| [22] |
Spatial and seasonal variations of air temperature lapse rates in Alpine regions [J]. |
/
| 〈 |
|
〉 |
