排序方式： 共有4条查询结果，搜索用时 15 毫秒
1
1.
实际地形下地表太阳总辐射的简化算法及应用 总被引：2，自引：0，他引：2
为快速准确估算实际地形下地表太阳总辐射,针对辐射观测资料不足现状,通过考虑天文、大气和地理地形等因子对地表太阳总辐射的影响,构建了融合起伏地形天文辐射模型、地表太阳总辐射气候学公式和日照百分率优化插值方案的太阳总辐射简化算法。并以安徽省为例,对简化算法实施参数化和应用,采用2个辐射站观测资料统计回归得到气候学公式参数,参数化后的公式计算相对误差为7.65%。利用80个站点的日照百分率数据分析了不同插值方法适用性,逐点交叉检验结果表明,薄盘样条法对安徽省日照百分率具有更好的插值效果。基于简化算法计算得到实际地形下安徽省地表太阳总辐射平均为4500MJ·m~(-2)·a~(-1),总体呈北部高、南部低,山区南坡高、北坡低的分布特征,部分开阔南坡的太阳辐射超过同纬度水平地面。季节特征上地形对太阳辐射的影响随月份而异,在冬半年影响幅度更为明显,夏半年地形影响相对较弱,并多以削减为主。安徽省太阳能资源以3级为主,大别山和皖南山区的北坡多为4级,而在皖北低山丘陵的南坡存在零星的2级资源区。近年来由于日照百分率的下降,导致全省地表太阳总辐射普遍减少。 相似文献
2.
气候变化背景下安徽省冬小麦气候生产潜力和胁迫风险研究 总被引：1，自引：2，他引：1
从气候的资源和灾害双重属性出发,构建了冬小麦气候生产潜力和胁迫风险评价指标,以安徽省为例分析了二者对气候变化的响应特征,综合气候对高产和稳产的影响进行研究区冬小麦种植气候适宜性区划。结果表明:采用逐级订正法结合作物生长动态参数估算安徽省冬小麦气候生产潜力多年平均为12 391kg?hm-2,以沿淮和江淮之间最高;1961—2015年淮北和沿淮东部地区为显著上升趋势,而淮河以南地区则以下降为主。通过考虑在冬小麦生长发育过程中气候条件偏离最适区间而导致的胁迫影响,建立了高温、低温、雨涝、干旱4种气候胁迫的评估指标,并基于气候胁迫的超越概率形成了冬小麦气候风险评价方法。气候变暖使研究区冬小麦高温胁迫显著上升,低温胁迫显著下降,水分胁迫无显著的变化趋势。安徽省冬小麦的气候风险呈现中间低,两头高的分布特征,以沿淮和江淮之间风险最低,淮北北部和江南南部风险较高;淮北地区主要以干旱和低温贡献为主,而淮河以南地区则以雨涝风险为主。融合气候生产潜力和气候胁迫风险形成冬小麦的气候适宜性区划,其空间格局呈南北低、中间高的特征,种植分布格局与气候适宜性的空间匹配程度较高,但有一定的优化调整空间。 相似文献
3.
为深入了解江淮区域农田参考作物蒸散变化特征及其对气候变化的响应,利用联合国粮食及农业组织(Food and Agriculture Organization of the United Nations,简称FAO)推荐的Penman-Monteith模型和位于江淮区域的安徽省滁州地区7个站点1961—2017年逐日气象观测资料计算该地区的参考作物蒸散量(ET_0),在分析ET_0区域时空变化特征的基础上,探讨影响区域农田ET_0的主导气象因子。结果表明,研究区域ET_0的年平均值为993.8 mm,夏季最大,春、秋季次之,冬季最小,空间上呈西北大东南小的分布特征。ET_0的年际变化呈显著减小趋势,变率为-1.41 mm/年,从季节上看,除春季略有增大外,其余3季均呈减小趋势,其中夏季的减小趋势最明显,ET_0的减小趋势是一个突变现象,突变点为1972年。气温和相对湿度的变化引起ET_0的上升,为正贡献;风速和日照时数的变化引起ET_0下降,为负贡献,其中风速是该地区ET_0变化的主导气象因子。探讨江淮区域农田参考作物蒸散量对气候变化的响应,对加强该区域农业灌溉效率和优化农业水资源配置具有重要参考意义。 相似文献
4.
利用滁州市2015年1月至2017年5月逐日大气污染物数据及对应的气象观测资料,分析滁州市空气污染状况及其与气象要素的关系并建立基于气象要素的空气质量预报模型。结果表明,该地区空气污染物以细颗粒物PM2.5为主,主要出现在冬、春季,其次为O_3,主要出现在夏季;该地区出现中度以上污染时,上游西北来向的污染输送起重要作用,风速、降水与空气质量指数(AQI)及各类污染物浓度呈显著负相关,气温与PM10、PM2.5、NO_2、CO呈显著负相关,与O_3呈显著正相关,日照时数和相对湿度与颗粒物PM10、PM2.5浓度呈显著正相关;基于气象要素的预报模型对AQI及PM2.5、PM10和O_3的浓度预测效果优良,能满足日常的业务需求,对NO2的预报效果相对较差,标准化平均误差(NME)超过了30%,且对NO_2浓度有一定程度高估。 相似文献
1