天山北坡荒漠草原碳通量特征及其影响因素
这是一篇关于荒漠草原,净生态系统碳交换速率,生态系统呼吸速率,土壤呼吸速率,土壤温度,土壤湿度的论文, 主要内容为荒漠草原是新疆天山北坡山前平原至中低山带广泛分布的草地类型,对天山北坡草地生态系统碳收支具有重要的调节作用。为阐明天山北坡荒漠草原碳通量变化特征及其对环境因子的响应,本研究以天山北坡荒漠草原为对象,基于2020-2021年微气象观测系统和Li-840 CO2红外气体分析仪观测数据,分析了荒漠草原碳通量变化特征及环境因子对其的影响。主要研究结果如下:(1)荒漠草原5 cm土壤温度有明显日变化特征;春季和夏季土壤温度随着土壤深度的增加逐渐降低,秋季和冬季土壤温度随着土壤深度的增加逐渐升高。通径分析表明,荒漠草原土壤温度变化主要受到空气温度直接作用的影响,其次也受到土壤湿度间接作用的影响。5 cm土壤湿度在春季、夏季、秋季主要受降水影响发生周期性波动,冬季土壤湿度波动不明显。(2)6-9月荒漠草原净生态系统碳交换速率有明显日变化趋势,白天为碳吸收,夜间为碳排放;月均净生态系统碳交换速率变化范围是-0.89～0.64μmol·m-2·s-1。生态系统呼吸速率有明显日变化趋势,生态系统呼吸速率日间高于夜间;月均生态系统呼吸速率变化范围是0.25～4.13μmol·m-2·s-1。土壤呼吸速率日间先升高后降低,夜间波动较平缓,最大值出现在12:00-16:00,最小值出现在6:00-7:00;月均土壤呼吸速率变化范围是0.19～2.80μmol·m-2·s-1。(3)光合有效辐射是影响日间净生态系统碳交换速率的主导因子,二者符合直角双曲线模型;生态系统呼吸速率与5 cm土壤温度、空气温度均符合指数模型,Q10介于1.58～2.82之间;生态系统呼吸速率与5 cm土壤湿度呈二次函数关系,5 cm土壤湿度过低或过高均会对其产生抑制作用。冗余分析表明,5 cm土壤湿度、空气温度、光合有效辐射是影响荒漠草原净生态系统碳交换速率和生态系统呼吸速率的关键因子。土壤呼吸速率(Rs)受5 cm土壤温度(Ts)和5 cm土壤湿度(SM)的共同影响;土壤呼吸速率与二者之间最佳拟合模型是Rs=-0.024+0.099Ts-5.726SM+0.288TsSM。(4)不同降水处理下生态系统呼吸速率和土壤呼吸速率有明显日变化趋势;28mm,18 mm,5 mm降水处理下,生态系统呼吸速率较CK显著增加216.81%,153.27%,39.35%,土壤呼吸速率较CK显著增加22.93%,23.20%,12.07%;生态系统呼吸速率与5 cm土壤含水量呈线性关系,土壤呼吸速率与5 cm土壤含水量呈二次函数关系。
基于多结构注意力机制的土壤温湿度研究
这是一篇关于深度学习,土壤温度,土壤湿度,可解释性的论文, 主要内容为土壤温度和湿度的准确预测有助于预测和理解生态系统的变化,在地球系统科学中发挥着重要的作用。但由于土壤与大气之间在时空两个维度上的相互作用较为复杂,使准确预测土壤温湿度带来巨大挑战。尽管深度学习方法在陆面变量的预测领域(如土壤温湿度)应用广泛,但该方法的过度参数化与不可解释的训练原理,使其预测性能具有一定局限性。由此,本文通过融合三种不同的attention机制,针对优化深度学习的预测性能,同时引入了注意力机制并将其可视化,为模型带来了可解释性,我们的主要工作内容如下:提出了一个注意力感知的长短期记忆网络模型(Attention-aware Long Short-Term Memory Model,简称ILSTM＿Soil),该模型融入了多特征注意力机制、预测因子注意力机制和时间注意力机制。首先使用长短期记忆网络(Long Short-Term Memory,简称LSTM)来生成所有预测因子的多特征向量,然后,在适当的位置分别引入三种注意力机制,并通过这三种注意力机制的可视化,为模型带来可解释性。在这项研究中,我们随机选取了遍布全球的十个FLUXNET站点的气象数据进行测试。模型的输入数据包括天尺度的历史土壤湿度数据、历史土壤温度数据、长波辐射(long-wave radiation,LR)、短波辐射(short-wave radiation,SR)、气温(air temperature,AT)、大气压力(Atmospheric pressure,AP)、风速(wind speed,WS)、降水(precipitation,P)和时间变量(月份信息[M]和日信息[D])。模型的标签是未来真实的土壤湿度和土壤温度,其土壤深度为5cm,且时间尺度以“天”作为单位。为了验证所提出模型的性能,评价指标包括拟合系数(R2)、均方根误差(RMSE)、平均绝对误差(MAE)和偏差(bias)。实验结果表明,通过随机选定的10个FLUXNET站点上进行预测实验,我们发现选择预测时间分别为1天和7天时,所提出的ILSTM＿Soil模型在大多数情况下比随机森林(Random Forest,简称RF)、支持向量回归(Support Vector Regression,简称SVR)、弹性网络(Elastic-Net,简称ENET)、LSTM(Attention-Long Short-Term Memory,简称A-LSTM)和带有注意力机制的LSTM模型表现更优,误差分别降低了16.10%、22.89%、17.00%、17.56%和14.65%。同时为了进一步分析土壤温湿度的时空特性,我们通过对注意力机制的可视化探究了不同预测因子的重要性、不同时间步长重要性和不同因子在不同时间步长上的重要性。结果表明,在土壤湿度预测中,历史土壤湿度数据、日信息、长波辐射、降水和土壤温度是最重要的5个预测因子。在时间重要性分析中,由于土壤具有记忆性,时间特征的短期数据被高度利用,模型更加关注近期的时间特征。在土壤湿度的时空特征分析中,结果表明大部分站点土壤湿度本身(权重值均大于0.1)具有较长的(约5天)的自相关性,且越接近目标土壤湿度,滞后土壤湿度对预测越重要。与此同时,在大部分占点,除了土壤湿度本身外,其他预测因子对土壤湿度预测的贡献在不同的时间步长上几乎相同。
浅层黄土不同植被覆盖条件下温度及湿度变化规律的研究
这是一篇关于浅层黄土,土壤温度,土壤湿度,Gauss拟合,数值模拟的论文, 主要内容为浅层黄土不同植被覆盖方式下的温度和湿度变化对旱作农业作物选育、植株生长状态、作物产量和质量等都有重要影响。为了得到浅层黄土不同植被覆盖方式下的温度及湿度的变化规律,对浅层黄土在不同植被覆盖条件下温度及湿度变化进行了试验研究,在此基础上利用Origin软件进行函数拟合,通过CFD方法进行数值模拟的检验,得到温度及湿度的相关变化规律和模型。研究结果如下:(1)春季不同深度土壤的温度大小为5cm<15cm≈30cm,5cm土层温度值比15cm和30cm低约1.4℃;夏季5、15、30cm的土壤温度都在22℃左右;秋季随深度增加的相邻土壤层的温度增加量在1-2℃之间;冬季相邻土层间的温度增量大于2℃。A样地(裸地)和C样地(植树种草区)的月均土壤温度最高在7月,而B样地(植树区)则在8月;在4月到10月期间三样地土壤温度高低为A>B>C,其他时间段则与之相反。黄土年平均温度高低为5cm<15cm<30cm,同土层温度顺序为B>A>C。土壤日温度波动程度顺序为:7:00<21:30<14:00。浅层黄土随深度的增加变幅有所降低,可用指数函数表示:T=aebx,4月b<0,10月b>0。(2)各样地春～冬季土壤湿度分别为:13%～24%、16%～25%、10%～22%、8%～20%,其中5cm处的各样地土壤湿度顺序为B 这是一篇关于土壤湿度,骤发干旱,缓发干旱,检测归因的论文, 主要内容为利用CN05.1降水数据和ERA5的土壤湿度和蒸散发等再分析资料,分析了1979-2020年长江中下游土壤湿度及土壤干旱事件的时空分布特征,基于干旱发展速度,对研究区域的骤发和缓发干旱进行区分。分析两类干旱的时空分布特征,诊断发展速度差异的原因,并对比分析区域性骤发和缓发干旱事件的演变过程。最后,利用CMIP6的全强迫和自然强迫试验数据对极端骤发和缓发干旱事件进行检测归因分析,研究人类活动对研究区域两类干旱的影响。主要结论如下:(1)1979-2020年长江中下游区域土壤湿度在全年和四个季节的空间分布均呈现南湿北干的空间分布格局。在时间特征上,全年和春夏秋三季的平均土壤湿度整体呈现显著下降趋势。土壤干旱的平均发生次数、持续时间和干旱强度均呈现出显著上升趋势,存在旱情加剧的情况。湖北西北部、安徽北部、江苏和浙江区域发展较慢,发展时间在4候以上,其余区域干旱发展较快。(2)1979-2020年研究区域的骤发干旱与缓发干旱相比,发生频次更多,整体持续时间更长,干旱强度更强。缓发干旱的发生频次存在显著增加趋势,而骤发干旱在持续时间和干旱强度上的增加和增强趋势较缓发干旱更明显。骤发干旱事件在发展过程中水汽净辐散偏强,加强了地表蒸散发,减少降水,造成干旱发展速度较快。缓发干旱事件在发展阶段水汽净辐散偏弱,使得干旱发展速度偏慢。2019年骤发干旱事件的发展阶段,西太平洋副热带高压位置偏西,干旱区域风场辐散作用强烈,水汽输出较多,大气柱水汽净辐散较强,干旱得以快速发展。而2010/2011年缓发干旱事件的发展过程中,风场辐散作用较弱,水汽净辐散偏弱,使其发展速度偏慢。(3)挑选5次极端骤发干旱事件和3次极端缓发干旱事件进行人类活动影响的检测归因分析。人类活动影响下,1990年、2003年、2013年、2016年、2019年这5次骤发干旱事件的发生风险分别增加了约33±15%、32±17%、40±19%、40±25%和58±19%。1988年,1995年和2010年这3次缓发干旱事件的发生概率分别增加了约27±12%、30±16%、33±13%。人类活动的存在促进了长江中下游区域两类极端干旱的发生发展,其中对极端骤发干旱事件的影响更大,对极端缓发干旱事件的影响较小。 这是一篇关于中国北温带,积雪,返青期植被,土壤湿度,相关性分析的论文, 主要内容为季节性积雪是全球气候系统的重要组成部分,但积雪影响返青期植被的生长能力仍然是评估气候变化对高纬度生态系统植被动态影响的一个未知因素。中国北温带地区生态环境相对脆弱且生态系统丰富,其范围内天山、祁连山及长白山地区均是典型的积雪资源丰富区域且植被资源茂盛,但现有研究中缺少对该区域的研究。因此,研究中国北温带区域积雪对返青期植被变化的影响,不仅对生态系统的发育更新具有重要意义,且有助于该区域地区系统生态保护和应对世界范围内变化适应性对策的制定规划,能够更好的帮助该区域生态、水资源等进行研究。本研究利用SSM/I和SSMIS雪深数据和MODIS MOD13A2植被数据以及土壤湿度数据集,对2000-2020年中国北温带典型区域积雪、返青期植被及土壤湿度进行分析,并利用回归、趋势、相关性分析等方法分析了中国北温带地区典型区域积雪对返青期植被变化的影响,结果表明:(1)在积雪季,中国北温带下典型区域近20年间积雪差异性较大。十一月至翌年三月份,祁连山和长白山雪深分别增涨了1.68cm和46.04cm,天山雪深先增加了13.55cm后减小了0.18cm。天山、祁连山雪深分别以0.558cm/10a和0.071cm/10a的速率减少,而长白山雪深整体趋于上升,以0.088cm/10a的速率增加。天山和祁连山地区雪水当量(SWE)变化趋势均为减小,分别以0.043cm/10a、0.003cm/10a的速率减少,而长白山区域WSE值变化趋势为增大,以0.016cm/10a的速率增大。(2)中国北温带下典型区域近20年返青期植被地表植被指数(NDVI)和土壤湿度差异性较大。天山区域植被NDVI数值变化为先减小再增加再减小,祁连山和长白山地区植被NDVI数值变化均为先减小后增加。从变化趋势上看,天山和祁连山地区NDVI整体表现为下降趋势,长白山地区NDVI整体表现为上升趋势。天山和祁连山地区土壤湿度都呈现下降趋势,仅有长白山区域呈上升趋势。(3)中国北温带各研究分区即天山、祁连山和长白山地区积雪与土壤湿度的相关性分别是:负相关分布在天山和祁连山地区,相关系数为-0.06和-0.29,正相关分布在长白山地区,系数为0.06。土壤湿度与返青期植被之间的相关性均呈现正相关,相关系数依次为0.52、0.80和0.28,且天山和祁连山地区相关性更加显著。冬季积雪与返青期植被之间整体的相关性正相关分布在天山地区,相关系数为0.16,负相关分布在祁连山和长白山地区相关系数依次为-0.31和-0.08。 本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：代码项目助手
，原文地址：https://bishedaima.com/lunwen/48534.html长江中下游骤发与缓发干旱特征对比及检测与归因
中国北温带地区积雪对返青期植被变化的影响研究
