1989—2019年西北地区干燥度指数时空变化及其对气候因子的响应

基于西北地区143个气象站点的气象数据,采用FAO-56 Penman-Monteith公式计算潜在蒸发量,并结合降水量计算西北地区1989—2019年干燥度指数(AI),采用Mann-Kendall趋势分析、小波分析、偏微分方程等方法来揭示其变化趋势、变化周期和气候因子对AI的贡献率。结果表明: 1989—2019年,西北地区AI整体呈不显著的减小趋势,其中,青海呈显著减小趋势,新疆呈不显著的上升趋势;研究区AI在2010年发生了突变,AI变化存在1个17年的主周期。西北地区AI呈现出由东南部向中部、西北部向中部增加的空间格局。西北地区AI变化的倾向率为-1.267·(10 a)^-1,其中,甘肃、宁夏、陕西、青海和新疆AI变化的倾向率分别为-1.17、-0.41、-0.49、-1.77和-2.73·(10 a)^-1。青海小灶火、新疆库尔勒、阿克苏和吐鲁番地区干旱风险发生的可能性较高。降水量和实际水汽压是影响甘肃、宁夏、青海、陕西AI变化的主要气侯因子,影响新疆AI变化的主要气侯因子为潜在蒸散、太阳辐射和平均气温。     

基于模糊规则的人工神经网络模拟新疆杨蒸腾耗水

于2017年7—11月,应用热扩散探针(TDP)技术,结合同步测定的气象因子,对宁夏河东沙区新疆杨的耗水日变化特征及季节变化规律进行分析,提出了一种基于模糊规则的BP神经网络和Elman神经网络耗水模型,探究新疆杨蒸腾耗水规律并对其耗水量进行模拟。结果表明: 生长季内(7—10月)新疆杨平均液流密度为4.98 g·cm^-2·h^-1,影响蒸腾耗水的主要因素依次为太阳辐射、大气温度、饱和水汽压亏缺和相对湿度;受气象因子影响,新疆杨耗水具有明显的季节性变化规律,夏季(7—8月)单株耗水量为秋季(9—10月)的1.4倍;采用基于模糊规则的BP神经网络和Elman神经网络模型对新疆杨耗水进行模拟可以解释80%以上的变量,能够较准确地模拟新疆杨耗水情况,相对于BP神经网络,采用Elman神经网络对新疆杨耗水进行模拟,相对误差减少27.0%,均方根误差减少24.3%,纳什效率系数提高67.9%,决定系数达0.80以上。Elman神经网络的模拟效果优于BP神经网络,模型效率和拟合度更高,有效地提高了林木蒸腾耗水模拟精度,可作为河东沙区新疆杨林分蒸腾耗水估算的首选模型。