導(dǎo)語(yǔ)：如何才能寫(xiě)好一篇?dú)鉁刈兓Y(jié)論，這就需要搜集整理更多的資料和文獻(xiàn)，歡迎閱讀由公務(wù)員之家整理的十篇范文，供你借鑒。

篇1

2變壓器優(yōu)化接地的要求

我國(guó)低壓配電系統(tǒng)絕大多數(shù)是中性點(diǎn)接地系統(tǒng)。在這種系統(tǒng)中,配電變壓器高壓側(cè)避雷器接地端、低壓繞組中性點(diǎn)和配電變壓器外殼共用一套接地裝置。相關(guān)規(guī)程規(guī)定:當(dāng)配電變壓器容量為100kV•A及以下時(shí),接地電阻不得大于10

Ω;當(dāng)配電變壓器容量大于100kV•A時(shí),接地電阻不得大于4Ω。配電變壓器接地不良或接地電阻超過(guò)上述規(guī)定值,雖然危險(xiǎn),但由于它不像相線那樣,一有故障就會(huì)造成停電,因而常常被人們忽視。為了保證設(shè)備和人身安全,對(duì)配電變壓器接地裝置不應(yīng)忽視,而應(yīng)該認(rèn)真對(duì)待。

2.1接地裝置對(duì)土壤的要求

接地裝置要敷設(shè)在低電阻率的區(qū)域里。因?yàn)榻拥匮b置的接地電阻和土壤電阻率近似成正比關(guān)系。相同的接地裝置,土壤電阻率越小,則接地電阻越小;反之,則接地電阻越大。在選擇配電變壓器安裝位置時(shí),除考慮靠近負(fù)載中心外,還應(yīng)盡可

能避開(kāi)高電阻率區(qū)域。

2.2接地裝置所用材料及規(guī)格要求

接地裝置應(yīng)盡可能利用自然接地極,如電力排灌站廠房的結(jié)構(gòu)鋼筋、水泵的管道系統(tǒng)等,但應(yīng)保證接頭處有可靠的電氣連接。

2.3人工接地極連接的要求

水平接地極的連接宜采用焊接。水平接地極與垂直接地極的連接,也應(yīng)采用焊接。接地引下線與接地極的連接最好也用焊接。如用螺栓連接時(shí),應(yīng)有防松螺母或墊片。連接時(shí)應(yīng)將接觸面除銹,擦凈至發(fā)出金屬光澤,并涂一薄層中性凡士林,然后擰緊。有條件的地方,接觸面最好搪錫。接地引下線與設(shè)備的連接,是將引下線接至設(shè)備的接地螺栓上,接觸面應(yīng)除銹后涂中性凡士林,然后將接地螺

栓擰緊。

2.4對(duì)人工接地極敷設(shè)的要求

人工接地極的敷設(shè)深度一般來(lái)說(shuō)是越深越好。因?yàn)槁竦迷缴?接地電阻越小。但隨著深度的增加,施工難度增加很大,而接地電阻卻降低甚微,得不償失。故規(guī)程建議埋深為0.6～0.8m。人工垂直接地極長(zhǎng)度一般取2.0～2.5m,為降低屏蔽系數(shù),其間距最好是20m。不得已時(shí),最小不能小于其長(zhǎng)度的2倍。垂直接地極一般不應(yīng)少于2根,為便于打入土壤中,其一端應(yīng)做成尖形。人工水平接地極的間距一般不宜小于5m。接地溝的尺寸沒(méi)有嚴(yán)格要求,以節(jié)省土方工作量和便于施工為原則。所挖出的土方不宜棄置過(guò)遠(yuǎn),以便于回填。回填土應(yīng)夯實(shí),土壤越密實(shí),接地電阻越小。

3變壓器優(yōu)化接地應(yīng)注意的問(wèn)題

3.1采用TN-C系統(tǒng)需注意的問(wèn)題

前述配電變壓器低壓側(cè)中性點(diǎn)接地,并與高壓側(cè)避雷器接地共用一個(gè)接地裝置,適應(yīng)于大量采用的低壓系統(tǒng)為T(mén)N和IT但是如采用IT制式,則中性點(diǎn)就不能接地。TN系統(tǒng)又分種TN一C系統(tǒng)、TN一S系統(tǒng)、TN一C一S系統(tǒng)。一般居民用戶可用一一系統(tǒng),即低壓從配電變壓器引出的主干線可以采取一系統(tǒng)四線制,到用戶的支線采取一系統(tǒng)工廠車(chē)間可以采用竹系統(tǒng),電動(dòng)機(jī)用三相電源,照明及其它單相負(fù)載用用單相電源,配電變壓器中性點(diǎn)接地,到車(chē)間后,車(chē)間設(shè)備的外殼單獨(dú)接地。需防爆的場(chǎng)所最好采用系統(tǒng),中性點(diǎn)不接地,外殼單獨(dú)接地,這樣相線碰地或碰外殼,電流很小,不會(huì)產(chǎn)生火花,可有效地防止爆炸。有防腐要求

(1)不能一部分設(shè)備接零,一部分設(shè)備接地,必須所有設(shè)備都接零,其原因如下:

1)設(shè)備外殼不能單純采取接地措施,這是因?yàn)?某一設(shè)備的外殼采取接地后發(fā)生火線碰設(shè)備外殼時(shí),可能由于外殼接地電阻Rd及配變中性點(diǎn)接地電阻R0的限制,開(kāi)關(guān)不會(huì)跳閘。但是,設(shè)備外殼可能出現(xiàn)較高的對(duì)地電壓Ud(見(jiàn)圖

2)一旦人體觸及設(shè)備外殼,人體承受的電壓較大,只能減輕觸電的危險(xiǎn)程度,不能避免發(fā)生觸電傷亡事故,確保人身安全。所以,在低壓中性點(diǎn)接地系統(tǒng)中,設(shè)備外殼不允許單純采取接地方式。

(2)不允許一部分設(shè)備接地,一部分設(shè)備接零。以圖2為例:假設(shè)某設(shè)備m接地,某設(shè)備n接零,一旦設(shè)備m外殼帶電,設(shè)備m對(duì)地電壓和設(shè)備n對(duì)地電壓都比較大;如人體接觸設(shè)備m或設(shè)備n的外殼,或者人體同時(shí)接觸設(shè)備m和設(shè)備n的外殼,都會(huì)發(fā)生觸電,危及生命。所以,在接零系統(tǒng)中,要求所有電氣設(shè)備的外殼都應(yīng)該接零,而且零線要多處重復(fù)接地,不允許一部分設(shè)備接零,一部分設(shè)備接地。

3.2鋁材在土壤中極易被腐蝕,所以不能用鋁線或鋁排作接地極。

由于采用三點(diǎn)共地后,高壓側(cè)避雷器的放電電流特別當(dāng)三相同時(shí)放電時(shí)很大,在接地電阻上的壓降也很高。該壓降加在低壓線圈上,通過(guò)低壓線路電容接地,在低壓線圈中就有一沖擊電流使線圈勵(lì)磁,通過(guò)電磁感應(yīng)使高壓線圈感應(yīng)出很高的電壓。高壓側(cè)電壓受高壓側(cè)避雷器殘壓所限制,高壓線圈中性點(diǎn)電位很高,容易在中性點(diǎn)附近,導(dǎo)致對(duì)地?fù)舸┗蛟验g短路而損壞變壓器,因而必須采取措施限制低壓線圈承受的電壓。如低壓側(cè)也加一組避雷器,當(dāng)?shù)仉娢簧邥r(shí),通過(guò)避雷器放電,低壓線圈只承受低壓避雷器的殘壓左右,這樣過(guò)電壓就被限制在可承受范圍之內(nèi),這就是防止逆變換損壞變壓器。同樣當(dāng)?shù)蛪壕€路感應(yīng)雷傳到配電變壓器時(shí),低壓側(cè)避雷器也會(huì)動(dòng)作,使雷電流人地,低壓線圈的電壓被限制在低壓避雷器殘壓之內(nèi),防止配電變壓器高壓側(cè)被按變比由低壓而感應(yīng)的電壓所損壞。因此,必須在配電變壓器的低壓側(cè)安裝一組低壓避雷器。這種情況屬于正變換過(guò)電壓,由于配電變壓器的低壓側(cè)絕緣裕度高于高壓側(cè),所以配電變壓器雷擊事故常發(fā)生在高壓側(cè),尤其是中性點(diǎn)附近。低壓側(cè)加裝避雷器,因其往往采用架空線,容易受雷擊,直配變壓器因其變比大,更應(yīng)在低壓側(cè)加裝一組避雷器。加裝低壓避雷器后,原來(lái)的點(diǎn)共同接地就成了點(diǎn)共同接地,就如圖所示。中性線及其連接方法中性線在三相負(fù)荷不平衡時(shí)流過(guò)電流,按有關(guān)規(guī)定該電流不得大于相線電流的。另外,中性線、中性點(diǎn)接地線與配電變壓器低壓中性線端頭的連接應(yīng)可靠,應(yīng)制作接線鼻板,螺栓應(yīng)壓緊,防止接觸不良電流流過(guò)時(shí)發(fā)熱燒斷。

配電變壓器高壓側(cè)避雷器的接地引下線的接地電阻,應(yīng)按《電力設(shè)備過(guò)電壓保護(hù)設(shè)計(jì)技術(shù)規(guī)程》所規(guī)定的要求進(jìn)行,不能接在獨(dú)立的接地極上,否則,雷電流在接地電阻上產(chǎn)生的電壓將和避雷器的殘壓疊加,加在變壓器高壓繞組上,可能擊穿高壓繞組。

如配電變壓器坐落在高電阻率區(qū)域內(nèi),可用外引接地極引至近處土壤電阻率較低的地方,如低洼地、池塘、湖泊、江河、溪流邊等。如外引接地極有困難,可在接地極周?chē)胖媚咎俊⒒S弱腐蝕性廢渣或接地專用降阻劑等

3.3變壓器低壓側(cè)中性點(diǎn)接地

配變低壓側(cè)中性點(diǎn)接地也稱工作接地。工作接地一般有以下兩項(xiàng)作用:

1)減輕一相接地的危險(xiǎn)。中性點(diǎn)采取不接地系統(tǒng)若發(fā)生一相接地,則中性線及設(shè)備外殼對(duì)地是相電壓(人體接觸十分危險(xiǎn)),其它兩相電壓對(duì)地升到線電壓,故障時(shí)間越長(zhǎng),觸電危險(xiǎn)性就越設(shè)備外殼直接接而不接零時(shí),存在觸電危險(xiǎn)大。中性點(diǎn)采取工作接地方式,發(fā)生一相接地時(shí),中性線及設(shè)備外殼對(duì)地電壓比較低。因?yàn)?中性

點(diǎn)接地電阻R0≤4Ω,可以把設(shè)備對(duì)地電壓限制在安全范圍之內(nèi)。

2)減輕高壓竄入低壓的危險(xiǎn)。在配變低壓側(cè)中性點(diǎn)接地條件下,若10kV/0.4kV的配變發(fā)生高壓線圈對(duì)低壓線圈擊穿時(shí),10kV高壓系統(tǒng)的單相接地故障電流(電容電流,通常為數(shù)安培)可通過(guò)中性點(diǎn)接地電阻(R0≤4Ω)形成分壓回路。此時(shí)低壓中性線及設(shè)備外殼上電壓U0較低見(jiàn)。

3.4重復(fù)接地

(1)在零線上多處接地(重復(fù)接地)的作用:

1)可以降低漏電設(shè)備對(duì)地電壓,減少觸電危險(xiǎn)性。

2)可以減輕一旦零線斷線時(shí)的觸電危險(xiǎn)。圖4中,沒(méi)有重復(fù)接地時(shí),一旦零線斷線,斷線后面的接零設(shè)備發(fā)生漏電時(shí)帶全相電壓(A設(shè)備);有重復(fù)接地時(shí),一旦零線斷線,斷線后面的接零設(shè)備發(fā)生漏電時(shí)只帶部分相電壓(B設(shè)備),減少了觸電危險(xiǎn)性。

3)重復(fù)接地和工作接地構(gòu)成零線的并聯(lián)分支。發(fā)生單相短路時(shí),會(huì)增大單相接地短路電流,提高保護(hù)靈敏度,縮短跳閘時(shí)間。

4)架空線路采取在零線上重復(fù)接地,對(duì)雷電流具有分流作用,有利于限制雷電過(guò)電壓。

(2)對(duì)重復(fù)接地的要求

1)戶外架空線路宜采用集中重復(fù)接地。

2)架空線路的終端,分支線超過(guò)200m的分支處以及沿線每1km處零線均應(yīng)重復(fù)接地。

3)高低壓線路同桿敷設(shè)時(shí),共同敷設(shè)段的兩端低壓零線應(yīng)重復(fù)接地。

4)以金屬外殼作為零線的低壓電力電纜,應(yīng)重復(fù)接地。

5)車(chē)間內(nèi)部宜采用環(huán)形重復(fù)多點(diǎn)接地。

6)每一重復(fù)接地的接地電阻不得大于10Ω,變壓器低壓工作接地的接地電阻不得大于4Ω。

7)電氣設(shè)備的接地、接零線不得串聯(lián),必須直接接到接地干線聯(lián)接。

4接地裝置的形式

農(nóng)村低壓電力技術(shù)規(guī)程(DC/T499—2001)要求,配電變壓器的工作接地,車(chē)間、作坊的接地及零線的重復(fù)接地裝置,宜采用復(fù)合式環(huán)形閉合接地網(wǎng)。在接地網(wǎng)中,重直接地體(可用長(zhǎng)2.5～3.0m,直徑為50mm的鍍鋅鋼管或50mm×50mm×5m的角鋼)不少于2根。水平接地網(wǎng)(用50mm×5mm的鍍鋅扁鋼埋深不少于0.6m),面積不少于100m2組成,接地體之間應(yīng)采用焊接。接地網(wǎng)的工頻接地電阻可按式

(1)計(jì)算:Re=ρ(1/4R+1/L)(1)式中Re———工頻接地電阻,Ω;

R———接地網(wǎng)的等效半徑,m;

L———水平接地體和垂直接地體的總長(zhǎng)度,m;

ρ———電阻率,Ω•m(砂質(zhì)粘土為100,黃土為250,砂土為500)。

通常情況下ρ值取100Ω•m,接地網(wǎng)等值半徑取10m,垂直接地體長(zhǎng)度和水平接地體長(zhǎng)度之和達(dá)到60m時(shí),Re=4.15Ω,便可滿足配變中性點(diǎn)接地電阻的要求。接地裝置施工完成以后,還要實(shí)測(cè)接地電阻值,使之符合要求。

5結(jié)束語(yǔ)

從以上分析可知,正確的接線應(yīng)是:變壓器外殼的保護(hù)接地線經(jīng)避雷器橫擔(dān)與避雷器的接地引下線相連后接地,低壓側(cè)中性線的工作接地與另一側(cè)的接地極相連

6參考文獻(xiàn)

[1]增補(bǔ)劉杰同志為《變壓器》雜志編委會(huì)副主任委員[J].變壓器,2005,(02)

[2]邵碧霞.關(guān)于優(yōu)選變壓器推動(dòng)紡織工業(yè)節(jié)電的剖析[J].能源技術(shù),1994,(04)

[3]于海年.辛勤耕耘再譜華章——紀(jì)念《變壓器》雜志創(chuàng)刊300期[J].變壓器,1995,(12)

[4]趙令驥.談農(nóng)電網(wǎng)絡(luò)中變壓器運(yùn)行的巡視工作[J].江西水利科技,1996,(01)

[5]賀以燕.關(guān)于建立《變壓器選用導(dǎo)則》的思考[J].變壓器,1997,(04)

[6]何報(bào)杏.同容量變壓器的擇優(yōu)運(yùn)行與節(jié)能[J].設(shè)備管理與維修,2000,(06)

[7]文春柏.變壓器的更新與節(jié)能[J].大眾用電,2001,(05)

[8]周勝,趙凱.置換老舊變壓器勢(shì)在必行[J].機(jī)電信息,2001,(05)

篇2

基金項(xiàng)目：

作者簡(jiǎn)介：白萬(wàn)平（1963-），男，重慶人，博士，貴州財(cái)經(jīng)大學(xué)教授，研究方向?yàn)橛?jì)量經(jīng)濟(jì)模型應(yīng)用研究；楊廣仁（1978-），男，山東人，博士研究生，副教授，研究方向?yàn)榉菂?shù)統(tǒng)計(jì)；張學(xué)敏（1975-），女，四川資陽(yáng)人，經(jīng)濟(jì)師，人力資源管理師，國(guó)家二級(jí)企業(yè)培訓(xùn)師，研究方向?yàn)槿肆Y源管理。

摘要： 在氣候變化問(wèn)題上，“災(zāi)難論”和“陰謀論”是由碳排放量增加與氣溫升高“因果論”和“非因果論”衍生的兩種主要觀點(diǎn)，但未見(jiàn)學(xué)者從統(tǒng)計(jì)因果關(guān)系檢驗(yàn)角度深入探究。選取全球161年的時(shí)間序列數(shù)據(jù)，運(yùn)用線性和非線性等方法檢驗(yàn)兩者之間的統(tǒng)計(jì)因果關(guān)系，結(jié)果表明碳排放增加是氣溫升高的原因，同時(shí)發(fā)現(xiàn)氣溫變化存在一個(gè)滯后期為29年的周期性變動(dòng)；在面板數(shù)據(jù)因果檢驗(yàn)中，從全球抽取20個(gè)代表性國(guó)家101年的數(shù)據(jù)，檢驗(yàn)結(jié)果仍然是碳排放增加是氣溫變化的原因。因此，有證據(jù)表明，碳排放增加是全球氣溫變化的統(tǒng)計(jì)原因。節(jié)能減排是共同責(zé)任，“陰謀論”不足為信。

關(guān)鍵詞：碳排放量；氣溫變化；統(tǒng)計(jì)因果關(guān)系；PVAR模型；同質(zhì)性；Hisao檢驗(yàn)

文章編號(hào)：2095-5960（2013）05-0046-06

；中圖分類(lèi)號(hào)：C81

；文獻(xiàn)標(biāo)識(shí)碼：A

在碳排放增加與地球溫度升高之間關(guān)系問(wèn)題上，學(xué)術(shù)界一直存在“因果論”和“非因果論”之爭(zhēng)，近年來(lái)又被演變成一種政治工具，對(duì)應(yīng)為“災(zāi)難論”和“陰謀論”兩種觀點(diǎn)，特別是美國(guó)、加拿大兩個(gè)發(fā)達(dá)國(guó)家相繼退出減排協(xié)定后，使問(wèn)題變得更加撲朔迷離。誠(chéng)然，地球氣溫變化是一個(gè)復(fù)雜過(guò)程，氣象科學(xué)家通過(guò)科學(xué)觀測(cè)、模擬等手段證實(shí)了變化的復(fù)雜性。但換一個(gè)角度思考，兩者所反映的是事物（現(xiàn)象）之間的因果關(guān)系，在獲取大樣本的觀察數(shù)據(jù)后，可以利用統(tǒng)計(jì)因果檢驗(yàn)的方法，探討兩者之間的統(tǒng)計(jì)因果關(guān)系。遺憾的是，對(duì)于這樣一個(gè)重大問(wèn)題，未見(jiàn)國(guó)內(nèi)外學(xué)者的相關(guān)著述。通過(guò)運(yùn)用多種現(xiàn)代統(tǒng)計(jì)因果關(guān)系檢驗(yàn)方法探索兩者的關(guān)系，其一能填補(bǔ)兩者之間統(tǒng)計(jì)因果關(guān)系方面的缺失，為爭(zhēng)論提供統(tǒng)計(jì)證據(jù)，其二拓展統(tǒng)計(jì)因果關(guān)系的應(yīng)用范圍，這正是本文試圖作出的貢獻(xiàn)。

本文安排如下：第一部分，統(tǒng)計(jì)因果關(guān)系檢驗(yàn)進(jìn)展回顧；第二部分，選擇161年的時(shí)間序列，檢驗(yàn)全球碳排放增加與氣溫升高之間的統(tǒng)計(jì)因果關(guān)系；第三部分，在全球選擇20個(gè)樣本國(guó)家，從面板數(shù)據(jù)角度檢驗(yàn)兩者之間的因果關(guān)系檢驗(yàn)；最后，為本文結(jié)論。

一、統(tǒng)計(jì)因果關(guān)系檢驗(yàn)進(jìn)展

Granger（1969）[9]開(kāi)創(chuàng)性地提出統(tǒng)計(jì)非因果關(guān)系檢驗(yàn)方法后，經(jīng)過(guò)四十余年的發(fā)展，用統(tǒng)計(jì)方法檢驗(yàn)變量因果關(guān)系的研究，已經(jīng)在時(shí)間序列向面板數(shù)據(jù)、線性向非線性、參數(shù)向非參數(shù)檢驗(yàn)等多個(gè)維度上發(fā)展，成為科學(xué)檢驗(yàn)變量間統(tǒng)計(jì)因果關(guān)系的必要手段和工具。

從統(tǒng)計(jì)上講，假設(shè)序列Y和X都是平穩(wěn)的，我們說(shuō)X不引起Y（即X不是Y的Granger原因）是指在對(duì)Y作預(yù)測(cè)時(shí)，假如由包含X過(guò)去值所得到的預(yù)測(cè)值并不優(yōu)于未含X過(guò)去值的預(yù)測(cè)。或者說(shuō)，如果X不引起Y， X無(wú)助于對(duì)Y的預(yù)測(cè)。反之，則說(shuō)X引起Y，即X是Y的Granger原因。對(duì)非平穩(wěn)時(shí)間序列，假設(shè)兩個(gè)序列之間有協(xié)整關(guān)系，可由Engle and Granger （1987）[7]單方程檢驗(yàn)完成，或按Granger（1988）[10]兩步法得出誤差修正模型（ECM）處理，其中涉及滯后階數(shù)的敏感性問(wèn)題，可由Hsiao （1981，1982）[12] [13]用Akaike （1970）[1]的最終預(yù)報(bào)誤差 （FPE） 結(jié)合Granger方法處理。Hsiao的方法還可以用于處理多變量線性因果關(guān)系及其最優(yōu)滯后階數(shù)的選擇上。但發(fā)展至今，非線性因果關(guān)系檢驗(yàn)問(wèn)題在實(shí)證中仍然未獲得滿意結(jié)果，盡管已經(jīng)出現(xiàn)了BDS（1992）[2]、HJ（1994） [11]和DP（2006）[3]等檢驗(yàn)，除BDS檢驗(yàn)外，其他尚處在理論研究階段，難以直接應(yīng)用到實(shí)證檢驗(yàn)中。與此同時(shí)，多變量因果關(guān)系檢驗(yàn)問(wèn)題也成為另一個(gè)理論研究對(duì)象，Michael Eichler（2007）[21]另辟蹊徑，在圖論基礎(chǔ)上建立探討偽因果問(wèn)題的構(gòu)架，討論弱平穩(wěn)過(guò)程的因果關(guān)系，提出針對(duì)多元時(shí)間序列因果關(guān)系的一個(gè)圖形推斷方法，證明了這種路徑診斷與變量間因果的對(duì)應(yīng)關(guān)系，但這種方法目前還只能做定性分析。Zhidong Bai等（2010）[26]在分析多變量線性和非線性因果關(guān)系后，將BDS方法推廣到多元情形，拓展診斷多元統(tǒng)計(jì)因果檢驗(yàn)的方法，他們通過(guò)構(gòu)造多個(gè)方程的VAR模型，以聯(lián)合假設(shè)實(shí)現(xiàn)對(duì)因果關(guān)系的檢驗(yàn)，但在實(shí)證分析中，該結(jié)果所需的條件很難滿足。由于多元非線性因果關(guān)系檢驗(yàn)問(wèn)題所具有的復(fù)雜性，現(xiàn)有成果不多，只發(fā)現(xiàn)Zhidong Bai等（2011）[25]將HJ雙變量非線性檢驗(yàn)直接推廣到多元的結(jié)果，該方法提供了一種多元非線性因果關(guān)系檢驗(yàn)的途徑，但存在過(guò)度拒絕原假設(shè)的傾向。Dufour等（2006，2010）[5][6]對(duì)因果關(guān)系的強(qiáng)度、類(lèi)型等分別作了歸類(lèi)，認(rèn)為除存在短期、長(zhǎng)期以及瞬時(shí)等不同時(shí)間長(zhǎng)度的因果響應(yīng)外，還應(yīng)重視時(shí)間序列之間的因果關(guān)系強(qiáng)度，而目前所做的統(tǒng)計(jì)顯著性檢驗(yàn)只依靠有效的數(shù)據(jù)和檢驗(yàn)的功效，不足以評(píng)判因果關(guān)系強(qiáng)度。可見(jiàn)，對(duì)多變量因果關(guān)系的研究方興未艾，極有可能發(fā)展成為處理復(fù)雜因果關(guān)系的又一種重要手段。

Holtz-Eakin等（1988）[4]開(kāi)創(chuàng)了對(duì)面板數(shù)據(jù)變量因果關(guān)系檢驗(yàn)的研究，其思路是對(duì)時(shí)間維度平穩(wěn)的變量建立PVAR模型，構(gòu)造Wald統(tǒng)計(jì)量，以達(dá)到檢驗(yàn)有無(wú)Granger因果關(guān)系的目的。Hurlin等（2004，2008）[16][17]在系統(tǒng)討論不同假設(shè)條件下的面板因果關(guān)系后，提出了面板數(shù)據(jù)Granger因果關(guān)系的四類(lèi)假設(shè)：同質(zhì)無(wú)因果假設(shè)（記為HNCH）；同質(zhì)因果假設(shè)（記為HCH）；異質(zhì)因果假設(shè)（記為HECH）和異質(zhì)無(wú)因果假設(shè)（記為HENCH）。Hurlin所劃分的四種類(lèi)型試圖將面板數(shù)據(jù)變量可能存在的因果關(guān)系包括其中，在同質(zhì)性的假設(shè)下，表現(xiàn)的是兩種極端情形，即全無(wú)Granger因果或全有Granger因果關(guān)系，而在異質(zhì)性假設(shè)下，則需同時(shí)兼顧刻畫(huà)因果性和異質(zhì)性，目前做出的這種劃分尚不完備。此外， Weinhold（1999）[24]構(gòu)造含有混合固定系數(shù)和隨機(jī)系數(shù)的模型（簡(jiǎn)稱MFR模型），認(rèn)為存在動(dòng)態(tài)個(gè)體和相關(guān)（獨(dú)立）變量異質(zhì)性條件下，能夠得出系數(shù)方差的估計(jì)，在T較小時(shí)該估計(jì)幾乎是無(wú)偏的。但動(dòng)態(tài)MFR模型的個(gè)體異質(zhì)性更為復(fù)雜，在此情形下，給出因果關(guān)系的準(zhǔn)確定義也存在困難。Konya（2006）[20]從似不相關(guān)回歸（SUR）估計(jì)的角度，提出用設(shè)定的自助法標(biāo)準(zhǔn)值做Wald檢驗(yàn)，但該方法在有單位根和協(xié)整關(guān)系時(shí)檢驗(yàn)的功效有所降低，不同檢驗(yàn)結(jié)果不盡相同。Furkan Emirmahmutoglu等（2011）[8]以Fish（1932）的元分析（Meta analysis）為基礎(chǔ)，導(dǎo)出含異質(zhì)性的混合面板數(shù)據(jù)統(tǒng)計(jì)因果關(guān)系檢驗(yàn)法，由于該方法對(duì)固有的偏誤、不可比較等問(wèn)題未有實(shí)質(zhì)性的改進(jìn)，有礙于在實(shí)證中推廣。可見(jiàn)，檢驗(yàn)面板數(shù)據(jù)因果關(guān)系時(shí)，一系列問(wèn)題的存在表明在檢驗(yàn)方法上有待進(jìn)一步完善。

理論上，時(shí)間序列中的雙變量線性與非線性因果檢驗(yàn)方法較為系統(tǒng)，包括多因一果和一因多果在內(nèi)的多變量因果關(guān)系，以及面板數(shù)據(jù)變量因果關(guān)系的檢驗(yàn)已經(jīng)獲得了一些解決的方法，但研究還不充分。如在檢驗(yàn)多變量因果關(guān)系時(shí)，目前僅有的TY檢驗(yàn)因只對(duì)少數(shù)具有特殊單整情形給出證明，尚不具備普適性；BWZ檢驗(yàn)將BDS方法所做的推廣存在過(guò)度拒絕的傾向；同時(shí)多元非線性Granger因果檢驗(yàn)的成果目前大多處在理論層面，在應(yīng)用中有一定難度。在面板數(shù)據(jù)因果關(guān)系檢驗(yàn)中，Hurlin等人的研究成果對(duì)于檢驗(yàn)?zāi)承﹫?chǎng)合的因果關(guān)系奏效，但該方法還存在分類(lèi)不完備，可能出現(xiàn)難以解釋的結(jié)果；Furkan的方法 在T較小或內(nèi)生工具變量不易確定時(shí)用固定Granger因果估計(jì)存在固有的偏差且不可比較等問(wèn)題，表明在統(tǒng)計(jì)因果關(guān)系理論有待發(fā)展。

在實(shí)證研究中，統(tǒng)計(jì)因果關(guān)系在研究經(jīng)濟(jì)系統(tǒng)變量間關(guān)系時(shí)應(yīng)用較多，但對(duì)其他系統(tǒng)內(nèi)變量間關(guān)系，特別是爭(zhēng)論了一個(gè)多世紀(jì)的碳排放與氣候變化之間的統(tǒng)計(jì)因果關(guān)系，未發(fā)現(xiàn)有學(xué)者采用上述統(tǒng)計(jì)方法研究。因此，無(wú)論是擴(kuò)展統(tǒng)計(jì)因果關(guān)系方法的應(yīng)用范圍還是為一個(gè)重大關(guān)系提供證據(jù)，都有必要從時(shí)間序列和面板數(shù)據(jù)兩個(gè)層面對(duì)此進(jìn)行檢驗(yàn)，為解釋兩者之間存在的關(guān)系提供佐證。

二、全球氣溫變化與碳排放統(tǒng)計(jì)因果關(guān)系檢驗(yàn)

在以下的分析中，我們視序列的屬性和滿足的條件，采用適合的方法，由標(biāo)準(zhǔn)的Granger統(tǒng)計(jì)因果檢驗(yàn)開(kāi)始，層層推進(jìn)，從線性、非線性時(shí)間序列到面板數(shù)據(jù)等多個(gè)維度對(duì)兩者之間的統(tǒng)計(jì)因果關(guān)系進(jìn)行全面檢驗(yàn)，獲得相應(yīng)證據(jù)。

變量說(shuō)明和樣本選取。根據(jù)變量的代表性和數(shù)據(jù)的可得性，碳排放量和氣溫分別以xt，yt表示①①以每年消費(fèi)化石能源的碳排放量表示年碳排放量，全球年均氣溫表示氣溫。數(shù)據(jù)來(lái)源：英國(guó)國(guó)家氣象臺(tái)、美國(guó)橡樹(shù)嶺實(shí)驗(yàn)室。，樣本時(shí)間段為1850—2010年。在跨越三個(gè)世紀(jì)的161年中，地球年均氣溫最高的是1998年，達(dá)到0.529℃，最低的是1911年，為零下0.573℃，溫度的極差為1.112℃，超過(guò)1℃，但161年氣溫升高不到1℃。同期全球碳排放量快速增加，由1850年的54mtc增加到2010年的9167mtc，人均碳排放量也由0.05tc增長(zhǎng)到2010年的1.34tc，增長(zhǎng)28倍。

單位根檢驗(yàn)。對(duì)原序列采用6種方法檢驗(yàn)后不能排除存在單位根的可能，進(jìn)一步對(duì)兩個(gè)差分序列進(jìn)行檢驗(yàn)，結(jié)果如表1。從檢驗(yàn)結(jié)果看，兩個(gè)差分序列平穩(wěn)，不存在單位根。

為了觀察不同滯后階數(shù)的反應(yīng)，將滯后階數(shù)從1取到50，得出檢驗(yàn)統(tǒng)計(jì)量對(duì)應(yīng)的P值，在檢驗(yàn)結(jié)果中，沒(méi)有一致證據(jù)表明氣溫升高與碳排放增加的因果關(guān)系。在碳排放增加與氣溫升高的檢驗(yàn)中，滯后階數(shù)大于1后，沒(méi)有證據(jù)表明碳排放增加是氣溫升高的Granger原因。而滯后1階時(shí)，F(xiàn)檢驗(yàn)值達(dá)到4.30431，P值為0.0397。顯然，在5%的顯著性水平下，拒絕原假設(shè)，即有統(tǒng)計(jì)證據(jù)表明，碳排放增加是氣溫升高的Granger原因。因果檢驗(yàn)對(duì)滯后階數(shù)的敏感性，無(wú)法得出一致的證據(jù)，需要進(jìn)一步檢驗(yàn)。兩個(gè)變量是一階單整的，接下來(lái)檢驗(yàn)是否存在協(xié)整關(guān)系。利用Johansen檢驗(yàn)，記Yt為碳排放、氣溫構(gòu)成的二維列向量，Xt是確定性向量，分別在5種不同的設(shè)定進(jìn)行檢驗(yàn)。整理后的檢驗(yàn)結(jié)果如表2所示。

表 2Johansen協(xié)整檢驗(yàn)

數(shù)據(jù)趨勢(shì)無(wú)無(wú)線性拋物線

檢驗(yàn)類(lèi)型無(wú)截距、無(wú)趨勢(shì)有截距、無(wú)趨勢(shì)有截距、無(wú)趨勢(shì)有截距、有趨勢(shì)有趨勢(shì)、有截距

跡12210

最大特征根數(shù)12210

單純觀察檢驗(yàn)結(jié)果，無(wú)法得出是否存在協(xié)整關(guān)系的結(jié)論。利用變量回歸，不能拒絕趨勢(shì)項(xiàng)冗余的假設(shè)，而趨勢(shì)項(xiàng)對(duì)判斷兩者之間是否存在協(xié)整關(guān)系至關(guān)重要。因此，用Johansen協(xié)整檢驗(yàn)并不能確定兩者之間的長(zhǎng)期穩(wěn)定因果關(guān)系，采用Engle-Granger和Phillips-Ouliaris檢驗(yàn)，所得結(jié)果整理如表3：

由此可知，E-G和PP兩種單方程協(xié)整檢驗(yàn)都拒絕碳排放量與氣溫之間不存在協(xié)整關(guān)系的假設(shè)，可以認(rèn)為在樣本期內(nèi)，兩者之間存在長(zhǎng)期穩(wěn)定的關(guān)系。

由于Granger檢驗(yàn)不能確定最佳滯后階數(shù)，為提高精度，進(jìn)一步采用Hsiao（1981）的方法：按1/5樣本選擇滯后階的原則，選取的最大滯后階數(shù)為32 ，計(jì)算出各滯后階數(shù)的FPE值，比較篩選的最小FPE=0.00838，相應(yīng)的滯后階數(shù)m*=29，該滯后階數(shù)可解釋為地球氣溫大約在29年左右出現(xiàn)周期性波動(dòng)的特性；固定m*=29，引入碳排放量，計(jì)算到32階的FPE值，得出最小FPE=0.008277，相應(yīng)n*=1，由此確定的最佳滯后階數(shù)為1期，即上期碳排放量對(duì)本期氣溫影響最為顯著，該結(jié)果與通過(guò)Granger因果檢驗(yàn)所得滯后階數(shù)一致。所以，采用線性Granger因果關(guān)系檢驗(yàn)后的結(jié)論是：碳排放增加是氣溫升高的統(tǒng)計(jì)原因。

上述檢驗(yàn)的基本假設(shè)是兩者之間存在線性關(guān)系，如果兩者之間存在的關(guān)系不是線性的，則證據(jù)不足，需要進(jìn)一步采用非線性統(tǒng)計(jì)檢驗(yàn)方法檢驗(yàn)。

由兩個(gè)變量的特征，首先選擇非線性因果關(guān)系中的BDS檢驗(yàn)方法。用VAR模型剔除主要線性關(guān)系，檢驗(yàn)余下部分的獨(dú)立同分布特征。本問(wèn)題中，所關(guān)注的問(wèn)題是xt是否引起yt的變動(dòng)，經(jīng)過(guò)甄別，無(wú)約束、滯后兩階向量自回歸模型是適宜模型，檢驗(yàn)y關(guān)于x向量自回歸模型中的殘差，按照選取滯后階數(shù)的原則，選擇直到6階后的檢驗(yàn)結(jié)果見(jiàn)表4。

檢驗(yàn)結(jié)果表明經(jīng)過(guò)線性關(guān)系過(guò)濾后的序列中已經(jīng)不含其他非線性因果關(guān)系，無(wú)需再采用其他非線性因果方法檢驗(yàn)，支持碳排放增加是氣溫升高的統(tǒng)計(jì)原因這一結(jié)果。

利用線性和非線性統(tǒng)計(jì)因果關(guān)系的多種方法檢驗(yàn)，所得結(jié)論是碳排放增加是氣溫升高的統(tǒng)計(jì)原因，全球碳排放增加在一定程度上引起了全球氣溫升高。

三、碳排放與氣溫面板數(shù)據(jù)因果關(guān)系檢驗(yàn)

對(duì)碳排放與氣溫變化時(shí)間序列統(tǒng)計(jì)因果關(guān)系的研究，只是從時(shí)間進(jìn)程上為我們提供了碳排放增加引起氣溫升高的證據(jù)。由于各地區(qū)工業(yè)化程度不一、區(qū)位各異，導(dǎo)致碳排放分布極不均衡，各地緯度等不同，氣溫差異也較大，僅僅由時(shí)序獲取的證據(jù)略顯單薄。為此，我們?cè)谌蜻x擇樣本點(diǎn)，采用面板數(shù)據(jù)因果關(guān)系檢驗(yàn)方法，做出進(jìn)一步的論證。

樣本選擇。綜合考慮地區(qū)工業(yè)化程度、區(qū)域分布均衡性和數(shù)據(jù)可得性，從全球選取20個(gè)國(guó)家①①各國(guó)氣溫以主要城市代替，德國(guó)、俄羅斯等有分合的國(guó)家數(shù)據(jù)已按統(tǒng)一口徑處理，數(shù)據(jù)來(lái)源同前。，分別為：美國(guó)、俄羅斯、英國(guó)、法國(guó)、德國(guó)、日本、波蘭、挪威、瑞典、奧地利、愛(ài)爾蘭、南非、墨西哥、印尼、印度、巴西、新西蘭、阿根廷、澳大利亞、中國(guó)。其中包含了早期工業(yè)化國(guó)家、主要大國(guó)和發(fā)展中國(guó)家，分布在不同緯度，樣本國(guó)家的總碳排放量占全球排放的近70%，樣本有較強(qiáng)的代表性。受觀測(cè)數(shù)據(jù)限制，為了兼顧各大洲皆有國(guó)家入選，最后確定樣本區(qū)間為1910年至2010年，采集了101年的面板數(shù)據(jù)。

檢驗(yàn)說(shuō)明，對(duì)1、2、3階的滯后期數(shù)，檢驗(yàn)值都遠(yuǎn)大于臨界值（顯著性水平為1%），拒絕原假設(shè)。因此，不能排除碳排放增加是氣溫變化的統(tǒng)計(jì)原因。

至此，通過(guò)利用時(shí)間序列和面板數(shù)據(jù)的多種因果關(guān)系檢驗(yàn)，結(jié)果都拒絕碳排放增加不是氣溫變化統(tǒng)計(jì)原因的假設(shè)。

在現(xiàn)有研究成果中，基于各地區(qū)不同區(qū)位、氣溫和碳排放量，氣溫升高所產(chǎn)生的影響有別，“災(zāi)難論”似乎證據(jù)更充分，人們總體上更傾向于氣溫升高對(duì)人類(lèi)社會(huì)經(jīng)濟(jì)發(fā)展“弊大于利”的結(jié)論。假設(shè)氣溫持續(xù)升高，可以預(yù)見(jiàn)的危害包括海平面上升、病蟲(chóng)害增加、氣候反常頻率增加和沙漠化加劇等，將直接挑戰(zhàn)可持續(xù)發(fā)展的基本條件。如果不能有效控制碳排放，阻止氣溫升高，對(duì)于經(jīng)濟(jì)發(fā)展主要依靠沿海地區(qū)的海岸國(guó)家，氣溫升高導(dǎo)致的經(jīng)濟(jì)損失后果將更嚴(yán)重。控制化石能源消費(fèi)、尋找清潔替代能源、有效減少碳排放從而實(shí)現(xiàn)社會(huì)經(jīng)濟(jì)可持續(xù)發(fā)展，理應(yīng)成為人類(lèi)的共同選擇和發(fā)展路徑。

四、結(jié)論

碳排放增加與氣候變化是復(fù)雜系統(tǒng)中的兩個(gè)方面，選取碳排放和氣溫兩個(gè)變量，在總結(jié)統(tǒng)計(jì)因果關(guān)系檢驗(yàn)方法進(jìn)展后，采用線性Granger因果檢驗(yàn)捕捉到在碳排放增量滯后一期時(shí)，兩者存在因果關(guān)系。進(jìn)一步采用Hisao檢驗(yàn)法，得出最優(yōu)滯后階數(shù)，表明碳排放增加是氣溫升高的原因，同時(shí)還發(fā)現(xiàn)地球氣溫在29年左右出現(xiàn)一個(gè)周期的結(jié)論。考慮兩者之間可能存在非線性因果關(guān)系，用非線性檢驗(yàn)方法，同樣支持碳排放增加引起氣溫升高的結(jié)論。有證據(jù)表明，在全球范圍內(nèi)，碳排放增加是氣溫升高的直接原因。為提供更充分的證據(jù)，從全球選取20個(gè)樣本國(guó)家，收集從1910年到2010年共101年的數(shù)據(jù)，采用面板數(shù)據(jù)因果檢驗(yàn)法，在檢驗(yàn)出這些國(guó)家的碳排放和氣溫具有同質(zhì)性后，進(jìn)一步檢驗(yàn)兩者的因果關(guān)系，結(jié)果同樣支持碳排放增加是氣溫變化的統(tǒng)計(jì)原因。因此，從統(tǒng)計(jì)意義上講，不能拒絕碳排放增加是氣溫變化的原因。

研究結(jié)論表明，按照無(wú)悔策略原則，中國(guó)政府在應(yīng)對(duì)氣候變化問(wèn)題上的一系列決策是合理的選擇。在資源趨緊和氣溫變化雙重約束下，各地區(qū)需要從實(shí)際出發(fā)，選擇科學(xué)發(fā)展路徑，節(jié)能減排、保護(hù)環(huán)境，保持經(jīng)濟(jì)又好又快增長(zhǎng)，這不僅是自身發(fā)展的需要，也是一個(gè)對(duì)世界負(fù)責(zé)的政府應(yīng)有的態(tài)度。

參考文獻(xiàn)

[1]Akaike， H. （1970）. Statistical predicator identification. Annals of the Institute of Statistical Mathematics[J]， 21， 203–207.

[2]Baek， E.G.， Brock， W.A.， 1992. A general test for nonlinear Granger causality： bivariate model[R]. Working Paper. Korea Development Institute， University of Wisconsin-Madison.

[3]Cees Diks， Valentyn Panchenko， A new statistic and practical guidelines for nonparametric Granger causality testing[J]， Journal of Economic Dynamics & Control 30 （2006） 1647–1669.

[4]Douglas Holtz-Eakin， Whitney Newey and Harvey S. Rosen， Estimating vector autoregressions with panel data[J]， Econometrica， 1988， 56（ 6） ：1371- 1395.

[5]Dufour， J.-M.， Pelletier， D.， Renault， E， 2006. Short run and long run causality in time series： Inference[J]. Journal of Econometrics 132 （2）， 337–362.

[6]Dufour， Abderrahim Taamoutic， Short and long run causality measures： Theory and inference[J]， Journal of Econometrics 154 （2010） 42–58.

[7]Engle， R.F， Granger， C.W.J.， 1987. Cointegration and error-correction： representation， estimation and testing[J]. Econometrica 55， 251–276.

[8]Furkan Emirmahmutoglu ，Nezir KoseTesting for Granger causality in heterogeneous mixed panels[J]，Economic Modelling，Volume 28， Issue 3， May 2011， Pages 870-876.

[9]Granger， C.W.J， 1969. Investigating causal relations by econometric models and crossspectral methods[J]. Econometrica37， 424–438.

[10]Granger， C.W.J.， 1988. Causality， cointegration and control[J]. Journal of Economic Dynamics and Control 12， 551–559.

[11]Hiemstra， C.， & Jones， J.， D. （1994）. Testing for Linear and Non-linear Granger Causality in the Stock Price Volume Relation[J]. Journal of Finance， 49， 1639-1664.

[12]Hsiao， C. （1981）. Autoregressive modelling and money-income causality detection[J]. Journal of Monetary Economics， 7，85–106.

[13]Hsiao， C. （1982） Autoregressive Modelling and Causal Ordering of Economic Variables[J].Journal of Economic Dynamics and Control 4： 243-259.

[14]Hurlin Christophe， Venet Baptiste， Granger Causality Tests in Panel Data Models Fixed Coefficients[R] ，Working Paper， Eurisco， Université Paris IX Dauphine ，2001.

[15]Hurlin Christophe， Venet Baptiste， Granger Causality Tests in Panel Data Models with Fixed Coefficients[R]， Working Paper ，2003.

[16]Hurlin C. Testing Granger causality in heterogenous panel data models with fixed coefficients[R]. Paris： Université Paris IX Dauphine，2004.

[17]Hurlin， C.， 2008. Testing for Granger non-causality in heterogeneous panels[R]. Working Papers halshs-00224434， version 1.

[18]Jean-Marie Dufour， Abderrahim Taamoutic， Short and long run causality measures： Theory and inference[J]， Journal of Econometrics 154 （2010） 42-58.

[19]Johansen， S.， Estimation and hypothesis testing of cointegration vectors in Gaussian vector autoregressive models[J]. Econometrica 59（1991） 1551–1580.

[20]Konya， L.， 2006. Exports and growth： Granger causality analysis on OECD countries with a panel data approach[J]. Economic Modeling 23， 978–992.

[21]Michael Eichler，Granger causality and path diagrams for multivariate time series[J]，Journal of Econometrics 137 （2007） 334–353.

[22]P. Grassberger and I. Procaccia. Measuring the strangeness of strange attractors[J]. Physica D， 9：189--208， 1983.

[23]Toda， H.Y.， Yamamoto， T.， 1995. Statistical inference in vector autoregression with possibly integrated processes[J]. Journal of Econometrics 66， 225–250.

[24]Weinhold D， A dynamic‘fixed effects’model for heterogeneous panel data[R]，London： London School of Economics， April 1999.

篇3

【關(guān)鍵詞】額濟(jì)納旗 綠洲 沙漠 氣候變化

一、引言

全球氣候變暖已成為氣候研究的熱點(diǎn)之一[1-3]，而全球氣候與環(huán)境是長(zhǎng)期以來(lái)人與自然關(guān)系失調(diào)的結(jié)果。人類(lèi)生產(chǎn)發(fā)展，工業(yè)、農(nóng)業(yè)、交通運(yùn)輸?shù)陌l(fā)展和城市化進(jìn)程，使得人類(lèi)對(duì)自然的干擾和破壞越來(lái)越嚴(yán)重。長(zhǎng)期的累積過(guò)程導(dǎo)致了許多全球性的環(huán)境問(wèn)題，其中最直接的就是全球氣候變暖。氣候是人類(lèi)賴以生存的自然環(huán)境的重要組成部分，它的任何變化都會(huì)對(duì)自然生態(tài)系統(tǒng)以及社會(huì)經(jīng)濟(jì)系統(tǒng)產(chǎn)生深遠(yuǎn)的影響。

全球平均地表溫度自1861年以來(lái)一直在增高，20世紀(jì)增加了0.6±0.2℃。中國(guó)氣候近百年來(lái)也在變暖，中國(guó)的氣候?qū)W家對(duì)中國(guó)氣候變化的研究取得了大量有價(jià)值的結(jié)果。丁一匯、戴曉蘇[4]對(duì)中國(guó)近百年來(lái)溫度變化的研究結(jié)果進(jìn)行了綜述，王紹武[5]等給出了中國(guó)近百年溫度序列。。

額濟(jì)納旗地處中亞荒漠東南部，內(nèi)蒙古的西部。西、西南、北三面環(huán)山，屬內(nèi)陸干燥氣候。具有干旱少雨，蒸發(fā)量大，日照充足，溫差較大，風(fēng)沙多等氣候特點(diǎn)。年均氣溫8.3℃，1月平均氣溫-11.6℃，極端低溫-36.4℃，7月平均氣溫26.6℃，極端高溫42.5℃，年日均氣溫8.6℃。無(wú)霜期天數(shù)最短179天，最長(zhǎng)227天。日均氣溫0℃以上持續(xù)時(shí)期為3月中旬 ~10月下旬。年均降水量37毫米，年極端最大降水量103.0毫米，最小降水量7.0毫米。年均蒸發(fā)量3841.51 毫米，濕潤(rùn)度0.01毫米。本文利用額濟(jì)納旗境內(nèi)的兩個(gè)氣象臺(tái)站?（額濟(jì)納旗氣象站代表綠洲和拐子湖氣象站代表沙漠）近30 年得氣象資料，從溫度和降水的角度分析研究干旱地區(qū)沙漠和綠洲氣候變化，為沙漠治理、沙漠開(kāi)發(fā)及荒漠化的預(yù)報(bào)和防治提供了依據(jù)和對(duì)策。

二、氣候變化

1.氣溫變化

額濟(jì)納旗地區(qū)的綠洲和沙漠地區(qū)氣溫近30年平均溫度變化同全國(guó)氣溫變化一致，都是呈上升趨勢(shì)。從平均溫度來(lái)看，沙漠地區(qū)（拐子湖）整體要比綠洲地區(qū)（額濟(jì)納旗）要高；但是沙漠地區(qū)溫度上升的趨勢(shì)又明顯要小于綠洲地區(qū)。沙漠地區(qū)溫度上升趨勢(shì)為0.41°C/10a,而綠洲地區(qū)溫度上升趨勢(shì)為0.58°C/10a。綠洲地區(qū)年平均溫度上升更明顯的原因可能更人口稠密，人類(lèi)活動(dòng)強(qiáng)烈有關(guān)。近30年里，沙漠地區(qū)和綠洲地區(qū)年平均溫度最低和最高溫度出現(xiàn)的年份都是一致的，最低溫度出現(xiàn)在1984年，最高溫度出現(xiàn)在1998年。這也與全國(guó)1984年的低溫年和1998年的高溫年一致。

2.降水變化

這兩個(gè)臺(tái)站所代表的沙漠和綠洲地區(qū)近30年來(lái)降水變化趨勢(shì)基本一致，呈微弱的上升趨勢(shì)，但是降水呈現(xiàn)明顯的階段性。從沙漠和綠洲降水變化和沙漠和綠洲降水距平值變化可以看出，從降水的平均值來(lái)看卻是沙漠地區(qū)要比綠洲地區(qū)要多，代表沙漠地區(qū)的拐子湖氣象站平均年降水量為40mm左右，而代表綠洲的額濟(jì)納旗氣象站卻只有32mm左右，但是沙漠地區(qū)的降水量變化的劇烈程度要明顯強(qiáng)去綠洲地區(qū)。

3.溫度和將水量的關(guān)系

氣溫與降水是表征氣候的主要參數(shù)，兩者之間是否有著某種聯(lián)系，尚不確定。據(jù)王紹武研究，全球平均氣溫與降水年平均值的相關(guān)系數(shù)只有0.05。分別對(duì)兩個(gè)臺(tái)站的溫度和降水進(jìn)行相關(guān)性分析。發(fā)現(xiàn)代表綠洲的額濟(jì)納旗氣象站降水同溫度呈正相關(guān)，相關(guān)系數(shù)為0.013，低于全球的相關(guān)性系數(shù)；無(wú)論是綠洲還是沙漠，溫度和降水的相關(guān)性都不顯著。結(jié)合溫度和降水分析來(lái)看，這兩個(gè)地區(qū)在近30年里，在1981~1990年處于一個(gè)相對(duì)冷干時(shí)期，2000~2010年處于一個(gè)暖干期，而1991~2000年處于一個(gè)轉(zhuǎn)換期。

三、結(jié)論

利用代表綠洲的額濟(jì)納旗氣象站和代表沙漠的拐子湖氣象站近30年觀測(cè)資料，從溫度和降水兩個(gè)方面對(duì)比分析了內(nèi)蒙古西部地區(qū)的氣候變化情況，得出如下結(jié)論:

1.額濟(jì)納旗地區(qū)的綠洲和沙漠地區(qū)氣溫近30年平均溫度變化同全國(guó)氣溫變化一致，都是呈上升趨勢(shì)，但是沙漠和綠洲的變化還是有些差異。沙漠地區(qū)溫度上升趨勢(shì)為0.41°C/10a,而綠洲地區(qū)溫度上升趨勢(shì)為0.58℃/10a。

2.這兩個(gè)臺(tái)站所代表的沙漠和綠洲地區(qū)近30年來(lái)降水變化趨勢(shì)基本一致，呈微弱的上升趨勢(shì)，但是降水呈現(xiàn)明顯的階段性。都經(jīng)歷了一個(gè)枯水期-豐水期-枯水期的轉(zhuǎn)變過(guò)程。

3.無(wú)論是綠洲還是沙漠，溫度和降水的相關(guān)性都不顯著。這兩個(gè)地區(qū)在近30年里，在1981~1990年處于一個(gè)相對(duì)冷干時(shí)期，2000~2010年處于一個(gè)暖干期，而1991~2000年處于一個(gè)轉(zhuǎn)換期。

參考文獻(xiàn)：

[1]鄒旭愷,張強(qiáng). 近半個(gè)世紀(jì)我國(guó)干旱變化的初步研究. 應(yīng)用氣象學(xué)報(bào),2008 ,19 (6) :679-687.

[2] 邊多,杜軍. 近40年“一江兩河”流域氣候變化特征. 應(yīng)用氣象學(xué)報(bào),2006 ,17 (2) :169-175.

[3]繆啟龍,許遐禎,潘文卓. 南京56 年來(lái)冬季氣溫變化特征. 應(yīng)用氣象學(xué)報(bào),2008 ,19 (5) :620-626.

篇4

關(guān)鍵詞：氣溫敏感性；蒸發(fā)能力；區(qū)域；黃河源區(qū)

中圖分類(lèi)號(hào)：S161.2+2 文獻(xiàn)標(biāo)識(shí)碼：B 文章編號(hào)：1003-6997（2012）21-0049-02

1 途徑

分析氣溫變化對(duì)蒸發(fā)能力的影響，是研究氣候變化對(duì)黃河源區(qū)水文影響的一項(xiàng)重要內(nèi)容。黃河源區(qū)已有多年的蒸發(fā)量觀測(cè)資料，但觀測(cè)蒸發(fā)量的蒸發(fā)器有多種，蒸發(fā)資料是各種蒸發(fā)器觀測(cè)的混合資料，在對(duì)黃河源區(qū)的水循環(huán)要素與水量平衡進(jìn)行估算時(shí)，蒸發(fā)量觀測(cè)數(shù)據(jù)不統(tǒng)一，造成水量不平衡等。筆者分析了蒸發(fā)量與氣溫單站指數(shù)關(guān)系，建立氣溫與蒸發(fā)量關(guān)系，進(jìn)一步分析了蒸發(fā)量對(duì)氣溫影響的敏感性。

2 資料的取得及可靠性

考慮到黃河源區(qū)氣象、水文站分布不均，為了更好地反映整個(gè)流域氣溫、降水量、蒸發(fā)量等歷年變化情況，選擇沒(méi)有變動(dòng)的站址或變動(dòng)后不影響記錄連續(xù)性的站址，在分析計(jì)算中采用的測(cè)站均從20世紀(jì)50年代后期及60年代初開(kāi)始觀測(cè)。基于資料的代表性和完整性，其中，唐乃亥水文站自1956年起開(kāi)始觀測(cè)，至今已有近50多年的觀測(cè)資料。但考慮到與氣溫、降水觀測(cè)資料同步，并對(duì)部分站、年（或月）缺測(cè)的資料進(jìn)行了插補(bǔ)和延長(zhǎng)。故在分析計(jì)算中基本采用1959～2008年1～12月的氣溫、降水、蒸發(fā)量和徑流資料系列，所采用的氣溫、降水、蒸發(fā)量與徑流觀測(cè)資料分別來(lái)源于青海省氣象臺(tái)、黃委會(huì)上游水文水資源局。

3 蒸發(fā)量對(duì)氣溫變化敏感性分析

3.1 蒸發(fā)量與氣溫單站指數(shù)關(guān)系

如前所述，影響蒸發(fā)量的因素甚多，其中主要因素還是氣溫。本課題擬設(shè)如下蒸發(fā)量與氣溫的指數(shù)關(guān)系：

Ew=AeBT

其中：Ew為蒸發(fā)量；T為氣溫；e為常數(shù)；A、B為經(jīng)驗(yàn)參數(shù)。瑪多站等的月蒸發(fā)量與月平均氣溫指數(shù)關(guān)系（見(jiàn)表1）。

從表1可以看出，瑪多、吉邁、瑪曲、同德站蒸發(fā)量和氣溫關(guān)系密切，相關(guān)系數(shù)在0.78～0.92之間，蒸發(fā)量實(shí)測(cè)值與計(jì)算值非常接近，其平均誤差均在5 %以內(nèi)。另外，瑪多、吉邁相關(guān)系數(shù)在0.9以上，說(shuō)明吉邁以上蒸發(fā)量對(duì)氣溫是很敏感的。

3.2 區(qū)域的蒸發(fā)量對(duì)氣溫響應(yīng)模型

E（mm）與平均降水量P（mm）和平均氣溫T（℃）之間的關(guān)系如下：

E（p，t）=eα·pβ·tr

式中：E、p、t、分別為區(qū)域月平均蒸發(fā)量、月平均降水量、月平均氣溫；e為常數(shù)（自然對(duì)數(shù)）；α、β、r為回歸系數(shù)。

本文根據(jù)河源區(qū)各分區(qū)的氣候與蒸發(fā)量變化特征建立了各分區(qū)的蒸發(fā)量響應(yīng)模型，以分析源區(qū)及各區(qū)域蒸發(fā)量對(duì)不同氣候情景的敏感性（見(jiàn)表2）。

用河源區(qū)1959～2008年的水文、氣象資料，擬合了蒸發(fā)量隨降水和氣溫的變化趨勢(shì)。可以看出，蒸發(fā)量與降水、氣溫之間存在著明顯的非線性關(guān)系。在降水量不變的情況下，蒸發(fā)量隨溫度升高而變化的總趨勢(shì)升高；在氣溫不變的情況下，蒸發(fā)量隨降水增加而減少的趨勢(shì)更為明顯。總體來(lái)看，各區(qū)域相關(guān)系數(shù)在0.6以上，蒸發(fā)量與氣溫、降水之間的關(guān)系還是比較好的。

3.3 蒸發(fā)量對(duì)氣溫變化的敏感性分析

3.3.1 敏感性模式

Ep，T=（EP+p，T+T-EP，T）/EP，T×100 %

式中：EP，T為現(xiàn)狀蒸發(fā)量；EP+p，T+T為降水變化P（%）與氣溫變化T（℃）情景下的蒸發(fā)量，Ep，T是EP，T與EP+p，T+T之間的相對(duì)之差。

在敏感性研究中，假定氣候變化情景不改變歷史氣候的時(shí)空分布，且未來(lái)將重現(xiàn)降水、氣溫、徑流縮放后的序列。在相同的氣候變化情景下，響應(yīng)的程度越大，水文要素越敏感；反之則不敏感。

從表2中可以觀察到，河源區(qū)月平均蒸發(fā)量與月平均降水量和月平均氣溫的復(fù)相關(guān)系數(shù)R分別為0.60、0.66、0.62和0.61。方差分析中的顯著性水平值SigF

3.3.2 敏感性分析

利用表3中的模型，根據(jù)假定的氣候變化情景，便可得到河源區(qū)蒸發(fā)量對(duì)氣候變化的敏感性分析結(jié)果。從表3中可以看到，若氣溫不變，降水量減少1 %和10 %時(shí)，河源區(qū)蒸發(fā)量將分別增加0.27 %和2.85 %；若降水量增加1 %和10 %，河源區(qū)蒸發(fā)量將分別減少0.27 %和2.52 %。若降水量不變，氣溫上升0.1 ℃（氣溫每上升0.1 ℃，相對(duì)于吉邁以上、吉邁——瑪曲、瑪曲——唐乃亥及河源區(qū)多年平均氣溫升幅超過(guò)4 %）和1 ℃時(shí)，蒸發(fā)量將分別增加0.70 %和6.82 %。上述計(jì)算結(jié)果顯示，黃河源區(qū)各區(qū)域蒸發(fā)量對(duì)氣溫變化的敏感程度遠(yuǎn)大于對(duì)降水量的變化，且越往下游敏感性越強(qiáng)。

綜上所述，河源區(qū)蒸發(fā)量對(duì)氣溫變化是十分敏感的，而且持續(xù)升高的趨勢(shì)十分明顯。根據(jù)世界氣象組織《氣候變化2007》綜合報(bào)告指出：“中等可信度表明，如果全球平均溫度增幅超過(guò)1.5～2.5 ℃……”，那么，源區(qū)在降水不變的情況下，氣溫升高1.5～2.5 ℃，則源區(qū)蒸發(fā)量將增加10 %～16 %，筆者認(rèn)為，這種情況如果發(fā)生，對(duì)黃河源區(qū)徑流的產(chǎn)生十分不利，而且氣象災(zāi)害及相關(guān)災(zāi)害頻繁發(fā)生。

篇5

關(guān)鍵詞：氣溫；年變化；月變化；同心縣

中圖分類(lèi)號(hào) P467 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 1007-7731（2016）24-0131-02

氣候變暖是近些年來(lái)國(guó)內(nèi)外科學(xué)研究關(guān)注的熱點(diǎn)問(wèn)題，研究表明近100年來(lái)地球表面平均氣溫上升了0.74℃[1]，也有研究表明近幾十年來(lái)同心縣的氣溫同樣呈上升趨勢(shì)[2]。寧夏同心縣地處寧夏中部干旱帶，其北部為吳忠市紅寺堡區(qū)，縣域內(nèi)還分布有以保護(hù)青海云杉、油松為建群種的典型森林生態(tài)系統(tǒng)和野生動(dòng)植物為重的羅山國(guó)家級(jí)自然保護(hù)區(qū)。同心縣氣象站位于羅山的西南側(cè)，其氣溫長(zhǎng)歷時(shí)變化特征也可反應(yīng)出羅山西麓近幾十年來(lái)的氣溫變化趨勢(shì)，這對(duì)于預(yù)測(cè)未來(lái)羅山森林生態(tài)系統(tǒng)如何響應(yīng)氣溫變化提供了基礎(chǔ)資料支持。

1 數(shù)據(jù)來(lái)源

本文所采用的數(shù)據(jù)來(lái)源于中國(guó)氣象數(shù)據(jù)網(wǎng)中的《中國(guó)地面氣候資料年值數(shù)據(jù)集》和《中國(guó)地面氣候資料月值數(shù)據(jù)集》，數(shù)據(jù)集中提供了同心縣1955―2015年間的平均氣溫、平均最高氣溫、平均最低氣溫、極端最高氣溫、極端最低氣溫、平均氣溫矩平等氣象參數(shù)。同心縣氣象站的地理位置坐標(biāo)E105.54°，N36.58°，觀測(cè)場(chǎng)海拔高度1 339.3m。

2 結(jié)果與分析

2.1 氣溫的年變化 同心縣1955―2015年間的多年平均氣溫為9.1℃，年平均氣溫最高10.6℃（1998年、2015年），年平均氣溫最低為7.2℃（1967年）；年平均最高氣溫16.7℃，年平均最高氣溫的最大值出現(xiàn)在1998年，為18.2℃，最小值出現(xiàn)在1967年，為14.7℃；年平均最低氣溫2.9℃，最大值出現(xiàn)在2015年，為4.8℃，最小值出現(xiàn)在1956年，為0.7℃。如圖1所示，同心縣1955年至2015年的年平均氣溫整體呈上升趨勢(shì)，增幅2～3℃，1987年前后為氣溫升高的轉(zhuǎn)折點(diǎn)，年均氣溫矩平由負(fù)值逐漸轉(zhuǎn)為正值。

2.2 氣溫的累年月變化 如圖2所示，同心縣1955―2015年的累年月平均氣溫、平均最高氣溫、平均最低氣溫、極端最高氣溫、極端最低氣溫均自1―7月逐月遞增，7月份升到最高值，7月至次年1月份逐月遞減，1月份降到最低值。累年月平均氣溫、平均最高氣溫、平均最低氣溫的3條溫度曲線變化趨勢(shì)基本一致。1955―2015年間同心縣月平均氣溫最高值為23.1℃，最低值為-7.4℃；月平均最高氣溫1.1～30.1℃間，月平均最低氣溫-13.5～17.0℃；月極端最高氣溫最大值為39.0℃，出現(xiàn)在2000年7月，月極端最低氣溫最小值為-28.3℃，出現(xiàn)在2008年1月；除1、2月份的月極端最低氣溫均出現(xiàn)在2008年外，1955―2015年間同心縣3―12月份的月極端最低氣溫均來(lái)自1960s、1970s，其中3―8月的月極端最低氣溫均出現(xiàn)在1960s，9―12月的月極端最低氣溫均出現(xiàn)在1970s（見(jiàn)表1）。

3 結(jié)論

寧夏同心縣60年來(lái)的氣溫整體上升2～3℃，1987年前后為氣溫上升的轉(zhuǎn)折點(diǎn)；月平均氣溫、平均最高氣溫、平均最低氣溫、極端最高氣溫、極端最低氣溫均呈單峰型變化，7月份的月平均氣溫最高，1月份的最低；60年來(lái)同心縣的月極端氣溫均出現(xiàn)在21世紀(jì)，多年月極端最高氣溫39℃（2000年），多年月極端最低氣溫-28.3℃（2008年）。

參考文獻(xiàn)

[1]易湘生，尹衍雨，李國(guó)勝，等.青海三江源地區(qū)近50年來(lái)的氣溫變化[J].地理學(xué)報(bào)，2011，6（11）：1451-11465.

篇6

1模型原理與使用

1.1ThuSPAC-Wheat

ThuSPAC-Wheat模型是ThuSPAC(TsinghuaUniversitySoil-Plant-AtmosphereContinuum)模型的一部分,ThuSPAC模型是可以模擬田間水熱運(yùn)移及冬小麥生長(zhǎng)過(guò)程的機(jī)理性模型。ThuSPAC-Wheat模型能夠根據(jù)冬小麥基因型參數(shù)、氣象資料和土壤水肥條件,考慮光合作用、呼吸作用、干物質(zhì)分配等作物生理過(guò)程,模擬冬小麥的生長(zhǎng)發(fā)育過(guò)程,計(jì)算出逐日發(fā)育狀況和生物量值,最終獲得冬小麥成熟所用的生長(zhǎng)天數(shù)、成熟期產(chǎn)量、干物質(zhì)量。ThuSPAC-Wheat模型采用生理發(fā)育時(shí)間(PDT)作為冬小麥生長(zhǎng)階段劃分的度量,PDT決定了有機(jī)物在根、莖、葉、穗的分配比例。與積溫類(lèi)似,PDT主要由氣溫決定,但綜合考慮了熱效應(yīng)、春化作用、光周期效應(yīng)等。ThuSPAC-Wheat模型對(duì)氣象要素的考慮主要反映在光合作用過(guò)程,輻射決定了基本光合作用,氣溫、土壤水分、CO2濃度、土壤肥分等反映在對(duì)光合作用的脅迫上。此外,水分和溫度還影響干物質(zhì)分配過(guò)程。

1.2CERES-Wheat

CERES(cropenvironmentresourcesynthesis)由美國(guó)農(nóng)業(yè)部開(kāi)發(fā),是最具代表性的作物模型之一。經(jīng)不斷改進(jìn),目前CERES-Wheat[2]的最新版本為4.0。本研究采用美國(guó)農(nóng)業(yè)部農(nóng)業(yè)技術(shù)轉(zhuǎn)移決策支持系統(tǒng)(DSSAT)v3.5中的CERES-Wheat模塊。CERES-Wheat模型能夠通過(guò)輸入相對(duì)較少且容易獲取的遺傳參數(shù)和氣象資料日值、土壤資料,模擬不同氣候條件、土壤水分條件、氮肥條件、CO2濃度條件下冬小麥的生長(zhǎng)過(guò)程,并可以計(jì)算出作物蒸發(fā)蒸騰量即水資源消耗量。CERES-Wheat模型由主控程序和4個(gè)主要子程序組成,包括:

1)階段發(fā)育子程序(PHENOL),由計(jì)算春化作用、冬小麥凍害、分蘗和各生長(zhǎng)階段時(shí)期等模式組成;

2)生長(zhǎng)子程序(GROSUB),包括計(jì)算葉片生長(zhǎng)、葉片衰老、葉面積增加、光能量的截獲、光合作用、植株不同器官生物量的分配、莖桿、根和穗生長(zhǎng)等模式;

3)土壤水分平衡子程序(WATBAL),有計(jì)算土壤徑流、滲透、土壤蒸發(fā)、植物蒸騰、植物吸收的水分、水分脅迫和根分布等若干個(gè)模式;

4)氮素平衡子程序(NTRANS),包含計(jì)算土壤礦化速率、固氮、氮的硝化等模式。CERES-Wheat模型的輸入文件包括試驗(yàn)管理文件FILEX、田間實(shí)測(cè)摘要文件FILEA、天氣數(shù)據(jù)文件FILEW、土壤文件FILES、遺傳參數(shù)文件FILEC。模型提供了一個(gè)GenCalc模塊,可以進(jìn)行遺傳參數(shù)的率定。CERES-Wheat模型以積溫作為冬小麥生育階段的標(biāo)志。

2試驗(yàn)與參數(shù)率定

2.1田間試驗(yàn)

模型參數(shù)率定時(shí)采用的氣象資料、土壤資料和作物生理資料均取自北京市水利科學(xué)研究所永樂(lè)店試驗(yàn)站結(jié)合國(guó)家自然科學(xué)重點(diǎn)基金項(xiàng)目“農(nóng)田節(jié)水灌溉的增產(chǎn)與環(huán)境影響效應(yīng)研究”所進(jìn)行的田間試驗(yàn)。試驗(yàn)站位于北京市通州區(qū)(地理坐標(biāo)為116.8°E、39.7°N),土壤以粉壤土及砂壤土為主。試驗(yàn)區(qū)分為6行(編號(hào)A—F)、5列(編號(hào)1—5)共30個(gè)小區(qū),每個(gè)大小為10m×5m,用混凝土板隔開(kāi)。小區(qū)南側(cè)布置有小型氣象站。試驗(yàn)開(kāi)展時(shí)間為1998-10—2001-09,共播種3季冬小麥。試驗(yàn)測(cè)定的項(xiàng)目主要包括:氣象資料、農(nóng)藝資料、作物生理資料、土壤水熱狀況、土壤養(yǎng)分資料、作物含氮情況等。這3年冬小麥品種均選用京冬8號(hào)(原代號(hào)為京農(nóng)88-66)。這3年的播種日期均為10-04,收割日期分別為06-12、06-12和06-10,播種量為300kg/hm2。

2.2參數(shù)率

定已知?dú)庀髼l件,根據(jù)作物生長(zhǎng)過(guò)程實(shí)測(cè)資料,包括產(chǎn)量、干物質(zhì)累積過(guò)程、葉面積變化過(guò)程,可以對(duì)ThuSPAC-Wheat模型中的遺傳參數(shù)進(jìn)行率定,,其中產(chǎn)量對(duì)收獲因子(HI)最為敏感。已知?dú)庀髼l件,根據(jù)作物生長(zhǎng)過(guò)程實(shí)測(cè)資料,可以對(duì)CERES-Wheat模型中的遺傳參數(shù)進(jìn)行率定,,其中產(chǎn)量對(duì)籽粒灌漿速率系數(shù)G2最敏感。利用這些參數(shù),模型對(duì)冬小麥產(chǎn)量、干物質(zhì)積累、葉面積指數(shù)等均有較好的模擬效果。

31951—2006年模擬

3.1假設(shè)

根據(jù)北京站(No.54511)1951—2006年氣象資料,利用作物模型,分析期間氣候變化對(duì)糧食生產(chǎn)的影響。為研究問(wèn)題的需要,進(jìn)行如下假設(shè)與簡(jiǎn)化:

1)由于降雨與灌溉的復(fù)雜關(guān)系,本研究不考慮水分脅迫,視為充分供水;

2)不考慮CO2濃度的脅迫;

3)不考慮氮素及養(yǎng)分的脅迫,即未考慮化肥施用的影響;

4)不考慮品種的變化;

5)未考慮病蟲(chóng)害的影響;

6)未考慮田間管理水平的變化;

7)ThuSPAC-Wheat模型中以PDT=56.0d作為冬小麥成熟的標(biāo)志,當(dāng)日的產(chǎn)量作為冬小麥產(chǎn)量模擬結(jié)果。在以上假設(shè)下計(jì)算獲得的冬小麥產(chǎn)量實(shí)際上是潛在產(chǎn)量,由于冬小麥?zhǔn)强缒甓茸魑?以下年份指收獲年份。

3.2模擬結(jié)果

ThuSPAC-Wheat模型對(duì)1951—2006年冬小麥生長(zhǎng)過(guò)程與潛在產(chǎn)量的模擬結(jié)果表明:生育期長(zhǎng)度呈下降趨勢(shì),遞減幅度0.198d/a1951—2006年平均生長(zhǎng)期長(zhǎng)度為248.6d,生長(zhǎng)期累積縮短10.7d(為均值的4.3%);潛在產(chǎn)量呈下降趨勢(shì)(見(jiàn)圖3),遞減幅度6.04kg•hm-2•a-1,1951—2006平均潛在產(chǎn)量為8603.3kg/hm2,潛在產(chǎn)量累積減少332.2kg/hm2(為均值的3.8%)。CERES-Wheat模型對(duì)1951—2006年冬小麥生長(zhǎng)過(guò)程與潛在產(chǎn)量的模擬結(jié)果表明:生育期長(zhǎng)度呈下降趨勢(shì),遞減幅度0.193d/a,1951—2006年平均生長(zhǎng)期長(zhǎng)度為254.4d,生長(zhǎng)期累積縮短10.4d(為均值的4.1%);潛在產(chǎn)量呈下降趨勢(shì),遞減幅度16.24kg•hm-2•a-1,1951—2006年平均潛在產(chǎn)量為6261.9kg/hm2,潛在產(chǎn)量累積減少877.0kg/hm2(為均值的14.0%)。

3.3討論

由于本研究所做假設(shè),模擬結(jié)果中主要反映了氣溫、輻射、風(fēng)速等氣象要素的長(zhǎng)期變化對(duì)冬小麥潛在產(chǎn)量的影響,其中輻射是根據(jù)日照時(shí)間推算的,主要?dú)庀笠氐淖兓^(guò)程。圖3表明,兩個(gè)模型的潛在產(chǎn)量模擬結(jié)果都呈下降趨勢(shì),引起潛在產(chǎn)量下降的主要因素是輻射的下降。輻射是作物光合作用的主要能量來(lái)源,作物模型中對(duì)這一原理有充分的反映,輻射的下降直接引起光合作用的下降,從而引起潛在產(chǎn)量的下降。因此,1951—2006年中,輻射下降是引起潛在產(chǎn)量下降的主要因素,以往的研究中,往往對(duì)這一點(diǎn)重視不夠。根據(jù)模型原理,氣溫上升是冬小麥生育期縮短的主要原因,數(shù)據(jù)分析表明兩者有較好的負(fù)相關(guān)關(guān)系,相關(guān)系數(shù)達(dá)0.768,氣溫每升高1℃,冬小麥生長(zhǎng)期縮短約4.5d。生長(zhǎng)期縮短本身使干物質(zhì)累積過(guò)程縮短,引起潛在產(chǎn)量下降。ThuSPAC-Wheat模型中,氣溫對(duì)光合作用的影響因子FT為(其中tmean為日平均氣溫冬小麥的生長(zhǎng)過(guò)程主要在返青后,北京地區(qū)返青至收獲的平均氣溫一般在3～25℃之間,因此氣溫升高一般情況下對(duì)光合作用有利。這樣,氣溫升高對(duì)潛在產(chǎn)量既有正效應(yīng)也有負(fù)效應(yīng),大體上互相抵消,下面情景5的分析將進(jìn)一步驗(yàn)證這一結(jié)論。需要說(shuō)明的是,1951—2006年的實(shí)際糧食產(chǎn)量有顯著增長(zhǎng),這主要?dú)w功于品種不斷改良,化肥的施用和灌溉條件的改善,而在本研究的模擬中并未考慮這些因素。綜上所述,按照本文的假設(shè),1951—2006年冬小麥的潛在產(chǎn)量呈下降趨勢(shì)。其他條件不變,如果未來(lái)的氣候以此趨勢(shì)持續(xù)變化,那么對(duì)冬小麥生產(chǎn)有不利影響。

4未來(lái)氣候變化情景分析

4.1情景設(shè)定與模擬結(jié)果

采用CERES-Wheat模型,小麥品種遺傳參數(shù)采用京冬8號(hào)的相應(yīng)遺傳參數(shù),以2005—2006年北京氣象站氣象資料作為基準(zhǔn),分別考慮CO2濃度增加、氣溫升高、輻射變化等未來(lái)可能的氣候變化,模擬冬小麥的生長(zhǎng)過(guò)程。根據(jù)IPCC2007,不同模式預(yù)測(cè)2090—2099年相對(duì)1980—1999年全球平均升溫1.8～4.0℃,CO2濃度(pmol•mol-1)增加為600～1550(2005年為379),情景設(shè)定與模擬

4.2討論

1)輻射的影響輻射增加引起潛在產(chǎn)量增加,輻射下降引起潛在產(chǎn)量下降。這從情景1、3與4的對(duì)比可以看出。當(dāng)輻射增加20%,潛在產(chǎn)量增加22.3%;當(dāng)輻射減少20%,潛在產(chǎn)量減少10.2%。從機(jī)理上講,輻射增加將加強(qiáng)光合作用從而使合成有機(jī)物量增加,CERES-Wheat模型中反映了這一機(jī)理。騰發(fā)量反映了水資源消耗情況,輻射增加在引起潛在產(chǎn)量增加的同時(shí)也增加了水資源消耗。

2)氣溫的影響當(dāng)輻射、水分等其他影響因素保持不變,單純的溫度變化對(duì)干物質(zhì)增加和潛在產(chǎn)量形成影響較小,這從情景5與情景1的對(duì)比說(shuō)明了這一點(diǎn)。總的來(lái)說(shuō),氣溫升高可以一定程度增強(qiáng)光合作用,但同時(shí)引起生長(zhǎng)期長(zhǎng)度的縮短,兩種響應(yīng)相互抵消,使得最終潛在產(chǎn)量無(wú)明顯變化,水資源消耗也無(wú)顯著變化。事實(shí)上,由于全球變暖主要反映在最低氣溫的升高,而夜間氣溫的升高有可能增強(qiáng)呼吸作用而引起潛在產(chǎn)量下降,這在CERES-Wheat模型中沒(méi)有考慮。

3)CO2濃度的影響CO2濃度增加,使光合作用中碳的脅迫下降,提高了有機(jī)物轉(zhuǎn)化效率,促進(jìn)作物潛在產(chǎn)量的增加。情景2與情景1的對(duì)比說(shuō)明,在CO2濃度倍增的條件下冬小麥潛在產(chǎn)量提高34.0%。另一方面,CO2濃度對(duì)葉表面氣孔開(kāi)閉有重要影響,濃度增加引起氣孔關(guān)閉增加了氣孔阻力,從而導(dǎo)致作物蒸騰量的下降。情景2與情景1的對(duì)比說(shuō)明,在適宜的溫度條件下,CO2濃度增加能夠提高光合作用效率和水分利用效率,實(shí)現(xiàn)增產(chǎn)節(jié)水的目的。對(duì)于CO2濃度增加對(duì)作物生長(zhǎng)的積極作用,也有學(xué)者持謹(jǐn)慎態(tài)度。而Eagleson基于對(duì)森林的分析認(rèn)為,CO2供給的增加最初引起生產(chǎn)力增加,但增加的生產(chǎn)力引起植冠衰減系數(shù)的增加使CO2的供給減少?gòu)亩股a(chǎn)力恢復(fù)到最初的水平。

4)CO2濃度與溫度的綜合影響未來(lái)最有可能出現(xiàn)的情形是CO2濃度和氣溫均增加,考慮CO2濃度倍增且氣溫升高3℃,模擬結(jié)果表明冬小麥生長(zhǎng)期縮短,潛在產(chǎn)量增加,耗水減少。可以發(fā)現(xiàn)CO2濃度倍增是主導(dǎo)因素。

5)水分條件的影響水分條件是作物產(chǎn)量的主要限制性因素之一,與降水、灌溉有較大關(guān)系,情景6采用實(shí)際灌溉作為輸入,潛在產(chǎn)量較充分供水條件下降了5.4%。由于灌溉與降水的復(fù)雜關(guān)系,本研究對(duì)供水條件進(jìn)行了簡(jiǎn)化,今后需要在這方面開(kāi)展更為深入的工作。

5結(jié)論

ThuSPAC-Wheat模型和CERES-Wheat模型均可以較好地模擬冬小麥生長(zhǎng)過(guò)程及產(chǎn)量。經(jīng)過(guò)參數(shù)率定,兩個(gè)模型對(duì)1951—2006年北京站氣象資料的冬小麥生長(zhǎng)模擬表明,冬小麥的生長(zhǎng)期呈縮短趨勢(shì),潛在產(chǎn)量呈下降趨勢(shì),生長(zhǎng)期縮短的主要原因是氣溫升高,潛在產(chǎn)量下降的主要原因是輻射水平下降。產(chǎn)量下降的同時(shí),耗水水平下降。CERES-Wheat模型對(duì)未來(lái)7種氣候變化情景的模擬結(jié)果表明:全球變暖將使作物生長(zhǎng)期長(zhǎng)度縮短,同時(shí)由于氣溫升高對(duì)光合作用的增強(qiáng)作用,因此氣溫變化對(duì)產(chǎn)量的影響較小;輻射增加引起潛在產(chǎn)量增加,相應(yīng)的水資源消耗增加,輻射下降引起產(chǎn)量下降;在適宜的溫度范圍內(nèi),CO2濃度增加,由于減少了光合作用的碳供給脅迫,冬小麥的潛在產(chǎn)量增加,由于氣孔開(kāi)度減小,水資源消耗并沒(méi)有增加。由于:

1)氣候變化的趨勢(shì)還存在諸多不確定因素;

2)作物生長(zhǎng)模型還不能完全反映作物生長(zhǎng)的機(jī)理;

篇7

[關(guān)鍵詞]氣象要素；氣候變化；水稻；影響

中圖分類(lèi)號(hào)：S511 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-914X（2015）16-0301-01

一、前言

近年來(lái)，隨著全球氣候呈現(xiàn)變暖趨勢(shì)，農(nóng)業(yè)生產(chǎn)受氣象災(zāi)害的影響尤為突出。氣候變化的影響具有多層次、多尺度、全方位等特征，而農(nóng)業(yè)就是受影響較明顯的產(chǎn)業(yè)之一。例如2003年我國(guó)南方地區(qū)出現(xiàn)了罕見(jiàn)的伏旱和“熱浪”，給廣東省農(nóng)業(yè)生產(chǎn)造成極大的危害，特別是受旱面積之廣、損失之嚴(yán)重都創(chuàng)造了建國(guó)以來(lái)的空前高度，其同期的最高氣溫也創(chuàng)下了歷史記錄；2004年4月因氣溫異常偏高造成南方早稻早穗，部分地區(qū)刷新了歷史同期的月極端最高氣溫記錄；2006年7月中旬因受4號(hào)熱帶風(fēng)暴“碧利斯”影響，部分地區(qū)降水遠(yuǎn)超過(guò)歷史同期值，民眾的生產(chǎn)、生活受害十分嚴(yán)重。針對(duì)氣候變化對(duì)農(nóng)業(yè)生產(chǎn)的影響，國(guó)內(nèi)外學(xué)者已經(jīng)作了大量的研究，多側(cè)重于定性的研究范圍或某種氣候要素對(duì)農(nóng)業(yè)生產(chǎn)可能產(chǎn)生的影響。在定量研究方向上，一般考慮全年或某個(gè)季節(jié)的氣候要素變化，在統(tǒng)計(jì)時(shí)段上較少涉及主要農(nóng)作物生育期的影響程度。因此，一些研究結(jié)論可能與實(shí)際生產(chǎn)情況有少許的差異。本文結(jié)合作者對(duì)梅州地區(qū)近30年氣候的分析，對(duì)氣象要素變化對(duì)梅州地區(qū)水稻生產(chǎn)的影響進(jìn)行了研究，力求為梅州地區(qū)農(nóng)作物防災(zāi)減災(zāi)提供參考。

二、水稻生長(zhǎng)期需要的氣候條件

水稻喜高溫、多濕、短日照，對(duì)土壤要求不嚴(yán)，水稻土最好。幼苗發(fā)芽最低溫度10～12℃，最適28～32℃。分蘗期日均20℃以上，穗分化適溫30℃左右；低溫使枝梗和穎花分化延長(zhǎng)。抽穗適溫25～35℃。開(kāi)花最適溫30℃左右，低于20℃或高于40℃，受精受?chē)?yán)重影響。相對(duì)濕度50～90%為宜。穗分化至灌漿盛期是結(jié)實(shí)關(guān)鍵期；營(yíng)養(yǎng)狀況平衡和高光效的群體，對(duì)提高結(jié)實(shí)率和粒重意義重大。抽穗結(jié)實(shí)期需大量水分和礦質(zhì)營(yíng)養(yǎng)。

梅州地處粵東北部， 屬亞熱帶季風(fēng)氣候區(qū)， 是南亞熱帶和中亞熱帶氣候區(qū)的過(guò)渡地帶。梅州年平均氣溫20.5-21.3℃， 其中5-10月平均氣溫日較差要大于9.5℃；同時(shí)，5-10月平均日照時(shí)數(shù)要達(dá)到6.5h左右。梅州地區(qū)氣候溫和，光照充足， 雨量充沛， 土壤肥沃， 適宜水稻的生長(zhǎng)發(fā)育，

三、農(nóng)業(yè)氣象要素變化特征及對(duì)水稻生長(zhǎng)發(fā)育的影響

農(nóng)作物在生長(zhǎng)發(fā)育過(guò)程中所必需的環(huán)境因素之一就是熱量條件，一般用溫度來(lái)表示，通常用界限溫度表示不同作物的溫度要求。日平均氣溫穩(wěn)定通過(guò)10℃，水稻薄膜覆蓋育秧或旱育秧開(kāi)始播種；日平均氣溫穩(wěn)定通過(guò)15℃，水育秧開(kāi)始大面積播種。雜交稻或晚秈稻開(kāi)花齊穗的臨界溫度為22℃。因此，水稻安全齊穗的最后日期是22℃終日。

（1） 水稻生長(zhǎng)的熱量條件年際變化特征

梅州地區(qū)歷年穩(wěn)定通過(guò)10℃初日的年際變化波動(dòng)較大，從當(dāng)?shù)赜^測(cè)站30多年的資料來(lái)看，最早的日期為1月5日（1983年），最遲的日期為3月22日（1986年），最早和最遲的跨度為77d，80%的年份在2月3日之前。從通過(guò)10℃初日的趨勢(shì)分析看，變化傾向率很低，變化趨勢(shì)不明顯。歷年通過(guò)15℃的初日也有較大波動(dòng)，最早日期為2月17日（1980年），最遲日期為4月9日（1993年），其時(shí)間的跨度為52d，80%的年份在3月7日之前。分析初日的變化趨勢(shì)，其變化傾向率為-0.05d/a。穩(wěn)定通過(guò)22℃終日的最早日期為9月20 日（1997年），最遲日期為10月26日（1986年），其跨度為37d，出現(xiàn)的平均日期在10月17日，80%的年份終止日期發(fā)生在10月10日。從趨勢(shì)分析看，變化傾向率為-0.052 d/a。穩(wěn)定通過(guò)10℃初日到22℃終日的持續(xù)天數(shù)，最短有160 d（1982年），最長(zhǎng)有212d（2001年），二者跨度為52d，波動(dòng)幅度也較大；超過(guò)80%的年份持續(xù)天數(shù)在180d 以上。年際變化傾向率為-0.062d/a。

（2） 暴雨日數(shù)變化對(duì)水稻的影響

遇上洪澇災(zāi)害，可直接沖毀農(nóng)田，對(duì)水稻的生產(chǎn)影響很?chē)?yán)重。統(tǒng)計(jì)近30年資料得出，暴雨日數(shù)呈現(xiàn)略微減少趨勢(shì)。但暴雨多的年份也有8d左右。每年3到9月是暴雨出現(xiàn)的主要時(shí)段，其中3到5月比6到8月少不了幾天。9月相對(duì)要少一些。其余時(shí)段不能完全排除沒(méi)有暴雨發(fā)生。無(wú)論是抽穗開(kāi)花，還是灌溉成熟，都是早稻形成的關(guān)鍵期，5月下旬～6月中旬、9月下旬分別是早稻晚稻抽穗揚(yáng)花期，遇上暴雨天氣會(huì)影響開(kāi)花受粉，增加空秕粒，造成減產(chǎn)甚至失收。因此，早稻的花期可能很容易受到暴雨影響，而晚稻由于9月暴雨相對(duì)較少，收成可能相對(duì)較好。

（3） 冰雹、低溫陰雨、寒潮對(duì)水稻的影響

據(jù)市氣象站觀測(cè)資料分析，梅州地區(qū)自1981年開(kāi)始有冰雹記錄，1981～2010年間僅有5次冰雹記錄，5次冰雹天氣有3次出現(xiàn)在4月，另外兩次出現(xiàn)在3月。明顯冰雹主要出現(xiàn)在早稻播種季節(jié)，但頻率低，對(duì)農(nóng)業(yè)的影響是很少見(jiàn)的。而寒潮出現(xiàn)在11月至翌年3月，最早的寒潮出現(xiàn)在11月11日（1982年），最晚的遲至3月4日（1977年）。因此，3月上旬以前都不利于播種，而第二季稻收獲也應(yīng)在11月中旬以前。在每年2～3月，出現(xiàn)日平均氣溫≤12℃的天數(shù)連續(xù)≥3天，或日平均氣溫≤15℃，每日日照時(shí)數(shù)≤2小時(shí)的天數(shù)連續(xù)≥7天，稱為一次低溫陰雨過(guò)程。低溫陰雨主要不利早稻播種，導(dǎo)致?tīng)€秧、死苗，貽誤農(nóng)時(shí)。梅州地區(qū)低溫陰雨災(zāi)害頻繁發(fā)生，最長(zhǎng)的一次過(guò)程為23天，出現(xiàn)在1968年2月。最遲的出現(xiàn)在1978年3月。因此，同寒潮的結(jié)束期接近，可將早稻的播種期定在3月下旬。結(jié)合未來(lái)幾天的天氣預(yù)報(bào)，這樣可以保證播種百分百成功。

（4） 農(nóng)業(yè)氣象要素變化對(duì)水稻生長(zhǎng)發(fā)育的影響

通過(guò)對(duì)梅州市的熱量條件分析可知，在當(dāng)前全球氣溫變暖的背景下，即使年平均氣溫明顯上升，但各界限溫度以上的積溫等都有不同程度的增加。在水稻生育期內(nèi)，雙季早稻安全播種的初

日和終日僅略有提前；雙季晚稻安全齊穗的日期（即穩(wěn)定通過(guò)22℃終日）也略有提前，但變化趨勢(shì)也不明顯。從雙季稻的早稻播種到晚稻齊穗的生育期天數(shù)（穩(wěn)定通過(guò)10℃初日到22℃終日的持續(xù)天數(shù)）略微有所減少，但沒(méi)有明顯的變化趨勢(shì)，對(duì)應(yīng)的積溫也沒(méi)有明顯變化。因此，在目前的氣候變化形式下，與水稻生長(zhǎng)相關(guān)的農(nóng)業(yè)氣象要素變化不明顯，對(duì)水稻生長(zhǎng)影響很小。

四、結(jié)論

總之，在氣溫升高、日照減少的氣候變化背景下，對(duì)主要農(nóng)作物水稻生育期內(nèi)農(nóng)業(yè)氣象要素的空間分布和年際變化進(jìn)行分析，結(jié)果表明：由于氣候變暖趨勢(shì)，水稻發(fā)育期可能縮短。因此，早稻的播種期定在3月下旬，收獲期可以定在7月中上旬。由于梅州地區(qū)從9月開(kāi)始，暴雨呈現(xiàn)減少趨勢(shì)，9到11月多光照，少暴雨的氣候特點(diǎn)更利于水稻的生長(zhǎng)。因此，晚稻的收成不遜于早稻。考慮到11月中旬以后會(huì)受寒潮影響，晚稻的收成期不利于定在11月中旬以后，因此晚稻播種期不宜拖延太遲。

參考文獻(xiàn)

[1] 黃晚華，劉曉波，鄧偉.湖南農(nóng)業(yè)氣象要素變化及對(duì)主要農(nóng)作物的影響[J].湖南農(nóng)業(yè)科學(xué)，2009（1）：61-64.

[2] 信乃詮，程延年.未來(lái)氣候變化對(duì)農(nóng)業(yè)的影響及對(duì)策[J].中國(guó)農(nóng)學(xué)通報(bào)，1995，11（3）：1-4，8.

篇8

關(guān)鍵詞 冬九九；氣溫；氣候變化傾向率；變化特征；遼寧遼陽(yáng)

中圖分類(lèi)號(hào) P423.3 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 1007-5739（2017）06-0232-01

冬至是中國(guó)農(nóng)歷的一個(gè)重要節(jié)氣，時(shí)間在每年公歷12月21―23日，意味著寒冷的冬季到來(lái)了。冬至開(kāi)始“數(shù)九”，冬至日即為“數(shù)九”的第1天，每9 d為1個(gè)九，歷經(jīng)9個(gè)九，結(jié)束“數(shù)九”，這9個(gè)九統(tǒng)稱“冬九九”。

全球氣候變暖已是不的事實(shí)。1906―2005年全球地表平均溫度升高了0.74 ℃。我國(guó)氣候變暖趨勢(shì)與全球基本一致，1908―2007年我國(guó)地表平均氣溫升高了1.1 ℃，最近50年北方地區(qū)升溫最明顯，升溫最高達(dá)4 ℃[1]。氣候變暖導(dǎo)致極端氣候事件頻發(fā)，對(duì)工農(nóng)業(yè)生產(chǎn)及生態(tài)等方面均產(chǎn)生重要影響[2-4]。本文利用遼陽(yáng)市1956―2016年逐日平均氣溫資料，分析冬九九氣溫變化特征，充分認(rèn)識(shí)遼陽(yáng)市冬九九期間氣溫對(duì)氣候變暖的響應(yīng)，為更好地利用氣候資源、合理安排工農(nóng)業(yè)生產(chǎn)及防災(zāi)減災(zāi)提供科學(xué)依據(jù)。

1 資料與方法

1.1 資料來(lái)源

逐日平均氣溫資料來(lái)源于遼陽(yáng)市氣象局，時(shí)間跨度為1956年12月22日至2016年3月12日。常年值是指1981―2010年30年氣候要素的平均值。

將農(nóng)歷冬至出現(xiàn)的具體日期換算成公歷日期，再對(duì)應(yīng)各年冬九九的逐日平均氣溫，建立冬九九逐日平均氣溫序列。統(tǒng)計(jì)1956―2015年的資料，其中冬至日出現(xiàn)在12月21日有10年，出現(xiàn)在12月22日有50年；有15年2月有29日。統(tǒng)計(jì)冬九九各九溫度時(shí)，進(jìn)行逐年逐日核對(duì)。

1.2 研究方法

采用線性傾向估計(jì)方法[5]，用xi表示氣溫因變量，ti表示時(shí)間自變量，建立一元線性回歸方程：

xi=a+bti（i=1，2，…，n）（1）

按回歸系數(shù)b的符號(hào)確定氣溫的趨勢(shì)傾向：b>0表示氣溫呈上升趨勢(shì)；b

2 結(jié)果與分析

2.1 冬九九氣溫變化趨勢(shì)

冬九九從一九第1天至九九最后一天，歷經(jīng)9個(gè)九共81 d。統(tǒng)計(jì)這81 d平均氣溫，為冬九九平均氣溫。由圖1可以看出，1956年冬九九平均氣溫最低，為-12.1 ℃；2006年冬九九平均氣溫最高，為-3.8 ℃，兩者相差8.3 ℃。近60年冬九九平均氣溫為-7.7 ℃，常年值為-7.2 ℃。

由表1可以看出，1956―2015年遼陽(yáng)市冬九九平均氣溫呈上升趨勢(shì)，氣候變化傾向率為0.49 ℃/10年。相關(guān)系數(shù)為0.435 2，通過(guò)0.001水平顯著性檢驗(yàn)，說(shuō)明近60年遼陽(yáng)市冬九九平均氣溫以0.49 ℃/10年的速率極顯著升高。

由表1可知，冬九九中各九氣溫均呈上升趨勢(shì)，升溫幅度七九最大，達(dá)0.79 ℃/10年；三九升溫幅度最小，為0.27 ℃/10年。五九、六九的升溫趨勢(shì)通過(guò)0.05水平顯著性檢驗(yàn)，七九、八九的升溫趨勢(shì)通過(guò)0.01水平顯著性檢驗(yàn)。

2.2 冬九九氣溫統(tǒng)計(jì)特征

由圖2可以看出，各九平均氣溫大致呈鍋底型分布，以三九氣溫最低，達(dá)-11.3 ℃；九九氣溫最高，為-0.9 ℃。

2.3 三九氣溫變化特征

由圖3可以看出，1956―2015年三九平均氣溫呈上升趨勢(shì)，氣候變化傾向率為0.27 ℃/10年。相關(guān)系數(shù)為0.145 6，未通過(guò)顯著性檢驗(yàn)，上升趨勢(shì)不顯著。2000年的三九最冷，平均氣溫達(dá) -21.6 ℃；2001年的三九最暖，平均氣溫為-3.6 ℃。

統(tǒng)計(jì)各年代三九平均氣溫分布發(fā)現(xiàn)，20世紀(jì)50年代三九平均氣溫最低，為-13.6 ℃；21世紀(jì)00年代、10年代三九平均氣溫最高，為-10.1 ℃。20世紀(jì)60年代三九平均氣溫大幅提高，為-11.4 ℃；70年代三九平均氣溫又小幅提高，為 -11.1 ℃；80年代略有回落，為-11.2 ℃；90年代明顯大幅降低，為 -12.2 ℃；到21世紀(jì)00年代和10年代又明顯大幅升高，達(dá)-10.1 ℃。

3 結(jié)論

1956―2015年遼陽(yáng)市冬九九平均氣溫呈極顯著升高趨勢(shì)，氣候變化傾向率為0.49 ℃/10年。1956年冬九九氣溫最低，為-12.1 ℃；2006年冬九九氣溫最高，為-3.8 ℃。各九平均氣溫均呈上升趨勢(shì)，以七九氣候變化傾向率最大，為0.79 ℃/10年；三九氣候變化傾向率最小，為0.27 ℃/10年。一九至九九氣溫呈鍋底型分布，其中以三九氣溫最低，為 -11.3 ℃；九九氣溫最高，為-0.9 ℃。20世紀(jì)50年代三九最冷，21世紀(jì)初15年的三九最暖。

4 參考文獻(xiàn)

[1] 王偉光，鄭國(guó)光.應(yīng)對(duì)氣候變化報(bào)告：通向哥本哈根[R].北京：社會(huì)科學(xué)文獻(xiàn)出版社，2009：71-73.

[2] 錢(qián)錦霞，王淑鳳，李娜，等.氣候變暖背景下汾河上游流域氣溫和降水的變化及其影響分析[J].科學(xué)技術(shù)與工程，2013，13（34）：10259-10263.

[3] 張梅，安娟，陳玉光，等.近49年遼陽(yáng)市玉米生長(zhǎng)季氣候特征及其對(duì)產(chǎn)量的影響[J].安徽農(nóng)業(yè)科學(xué)，2011，39（17）：10439-10441.

篇9

【摘要】 目的 探討年代節(jié)氣變化與上消化道出血中醫(yī)證型的關(guān)系。方法 對(duì)甘肅省7個(gè)地區(qū)中醫(yī)院12年間全部上消化道出血住院病歷進(jìn)行調(diào)查、統(tǒng)計(jì)，按照統(tǒng)一制作的調(diào)查表格填好后輸入計(jì)算機(jī)，進(jìn)行統(tǒng)計(jì)學(xué)處理、分析。結(jié)果 不同節(jié)氣、不同年代的上消化道出血中醫(yī)證型分布有明顯差異。結(jié)論 年份、節(jié)氣的氣壓變化、氣溫變化、濕度變化、氣溫較差對(duì)上消化道出血的中醫(yī)證型有直接影響。

【關(guān)鍵詞】 上消化道血；節(jié)氣；中醫(yī)證型

The Relation between TCM Syndromes of Upper Gastrointestinal Hemorrhage and Solar Terms Change in Different Years WANG Lan-ying， ZHANG Zhu-jun， WANG Zi-li

Gansu TCM Hospital， Lanzhou 730050， China

Abstract：Objective To investigate the relation between TCM syndromes of upper gastrointestinal hemorrhage and solar terms change in different years. Methods Data of upper gastrointestinal hemorrhage in-patients in seven districts of TCM hospital of Gansu province in twelve years were filled in investigative statistical forms and analyzed by computer. Results There was obvious difference in TCM syndromes among different solar terms and different years. Conclusion Atmospheric pressure， atmospheric temperature， air humidity， diurnal temperature range of solar terms change in different years directly effect TCM syndromes of upper gastrointestinal hemorrhage.

Key words：upper gastrointestinal hemorrhage；solar term；TCM syndrome

急性上消化道出血屬于中醫(yī)學(xué)“血證(吐血、便血)”的范疇。筆者對(duì)甘肅省7個(gè)地區(qū)的中醫(yī)院12年間的692例上消化道出血病歷進(jìn)行了調(diào)查、統(tǒng)計(jì)，回顧性研究了上消化道出血中醫(yī)證型與年代節(jié)氣變化之間的關(guān)系，結(jié)果表明，不同節(jié)氣、不同年代的上消化道出血中醫(yī)證型分布有明顯差異。現(xiàn)報(bào)道如下。

1 資料與方法

1.1 一般資料

本研究調(diào)查1985年1月1日－1996年12月31日甘肅省7個(gè)地區(qū)的部分中醫(yī)院(包括天水市中醫(yī)院、武威市中醫(yī)院、甘肅省中醫(yī)院、白銀區(qū)中醫(yī)院、酒泉市中醫(yī)院、慶陽(yáng)地區(qū)中醫(yī)院、成縣中醫(yī)院)的上消化道出血病歷，患者以吐血或黑便入院，建立病歷且診斷明確、記錄較完整的有692例。

1.2 病歷處理和方法

調(diào)查的各家醫(yī)院，所有上消化道出血的住院病歷由科研協(xié)作組成員按照統(tǒng)一制作的調(diào)查表格填寫(xiě)，由電腦專業(yè)人員編程后輸入計(jì)算機(jī)，進(jìn)行統(tǒng)計(jì)學(xué)處理、分析。

1.3 統(tǒng)計(jì)學(xué)方法

統(tǒng)計(jì)學(xué)處理采用SPSS10.0軟件，等級(jí)資料比較用頻數(shù)表描述，多組間比較采用秩和檢驗(yàn)。P＜0.05為差異有統(tǒng)計(jì)學(xué)意義。

2 結(jié)果

2.1 7個(gè)地區(qū)12年間不同中醫(yī)證型的疾病程度分布

脾虛不攝型導(dǎo)致的上消化道出血在不同出血程度上均較其他證型明顯，其次為胃中積熱型(表示在各組中頻數(shù)較高者)。經(jīng)秩和檢驗(yàn)，P＝0.026＜0.05，說(shuō)明各組間差異有統(tǒng)計(jì)學(xué)意義。見(jiàn)表1。表1 上消化道出血患者不同中醫(yī)分型的疾病程度分布（略）

2.2 7個(gè)地區(qū)12年間不同節(jié)氣的中醫(yī)證型分布

肝火犯胃型在立秋時(shí)多見(jiàn)，脾胃虛寒型在白露時(shí)多見(jiàn)，脾虛不攝型在夏至?xí)r多見(jiàn)，濕熱蘊(yùn)結(jié)型在谷雨時(shí)多見(jiàn)，胃中積熱型在立春時(shí)多見(jiàn)(表示在各組中頻數(shù)最高者)。經(jīng)秩和檢驗(yàn)，P＝0.011＜0.05，說(shuō)明各組間差異有統(tǒng)計(jì)學(xué)意義。見(jiàn)表2。表2 上消化道出血患者不同節(jié)氣的中醫(yī)證型分布（略）

2.3 7個(gè)地區(qū)12年間不同年份的中醫(yī)證型分布

肝火犯胃型以1992年較多，脾胃虛寒型以1991年較多，脾虛不攝型以1987年較多，濕熱蘊(yùn)結(jié)型以1996年較多，胃中積熱型以1986年較多(表示在各組中頻數(shù)最高者)。經(jīng)秩和檢驗(yàn)，P＝0.005＜0.01，說(shuō)明各組間差異有統(tǒng)計(jì)學(xué)意義。見(jiàn)表3。 表3 上消化道出血患者不同年代的中醫(yī)證型分布（略）

3 討論

根據(jù)表1分析，不同節(jié)氣對(duì)上消化道出血患者的各種中醫(yī)證型分布均有一定的相關(guān)性，其中立春、谷雨、立秋、白露均在冬春交季、春夏交季、秋冬交季時(shí)。而甘肅大部分地區(qū)在冬春季節(jié)及春夏交季、秋冬交季時(shí)氣溫變化較大，氣溫較差(24 h最高氣溫與最低氣溫之差)也很大，一般在10 ℃左右。由于氣溫的晝夜急劇變化，打破了人體的陰陽(yáng)平衡，導(dǎo)致陰陽(yáng)失和，氣血運(yùn)行失常，從而產(chǎn)生嘔血、便血之癥。這與林氏等[1]研究結(jié)果顯示的氣溫較差與上消化道出血的發(fā)生呈中度正相關(guān)相符。由于地域的原因，夏至在甘肅地區(qū)雖然開(kāi)始轉(zhuǎn)熱，但一般最高氣溫在30 ℃左右，是一年當(dāng)中相對(duì)比較舒適的季節(jié)，隨著人體胃液及各種消化液分泌增多，食欲改善，食量增加，必然會(huì)加重胃腸負(fù)擔(dān)，損傷脾胃運(yùn)化功能；脾虛不攝，血溢脈外，易導(dǎo)致吐血、便血。從表3不同中醫(yī)分型對(duì)發(fā)病程度的影響也可以看出。上消化道出血患者大多病程較長(zhǎng)，病情反復(fù)發(fā)作，脾虛不攝這類(lèi)證型占大多數(shù)。而胃中積熱型同時(shí)反映了出血的另一種病機(jī)，即火熱之邪易灼傷血絡(luò)，迫血妄行。

以往認(rèn)為出血的原因多以內(nèi)傷為主，其實(shí)者多由于火，火盛迫血而妄行；虛證多由于氣虛，氣虛則血失統(tǒng)攝，而與“外感”關(guān)系不大。杭州市第三醫(yī)院中醫(yī)科[2]對(duì)急性上消化道出血進(jìn)行了系統(tǒng)的臨床研究，發(fā)現(xiàn) “外感”(氣象因素與月廓盈虧)是急性上消化道出血的基本誘因，故認(rèn)為出血誘因“以內(nèi)傷為主，外感者極少”可能與忽略氣象因素有關(guān)。張氏等[3]發(fā)現(xiàn)，消化性潰瘍發(fā)病受同期旬氣壓極大值、旬氣溫極高值、旬平均相對(duì)濕度和旬降水量的影響最大。丘氏等[4]分析得出，成年人胃腸炎、胃潰瘍、小兒腹瀉在氣壓高、氣溫日差較大、氣溫低、濕度小的秋冬季節(jié)高發(fā)的結(jié)論。

根據(jù)表2分析，上消化道出血中醫(yī)證型的形成，除了與個(gè)人體質(zhì)差異有關(guān)外，還與每一年的氣壓變化、氣溫變化、濕度變化都有直接的關(guān)系，不同年份、不同節(jié)氣與不同證型之間差異顯著。但由于本項(xiàng)調(diào)查回顧的年限較長(zhǎng)，分布的地區(qū)較多，有些內(nèi)容無(wú)法采集全面，因此，還有待于今后進(jìn)一步研究證實(shí)。

參考文獻(xiàn)

[1] 林 平，武正權(quán)，吳榮娟.氣溫與節(jié)氣對(duì)上消化道出血影響的臨床分析[J].廣州中醫(yī)藥大學(xué)學(xué)報(bào)，2007，24(1)：8－11.

[2] 傅志泉.月廓盈虧可誘發(fā)急性上消化道出血[N].中國(guó)中醫(yī)藥報(bào)， 1998-04-22(1).

篇10

關(guān)鍵詞 氣候變化；農(nóng)業(yè)生產(chǎn)；累積距平；滑動(dòng)t-檢驗(yàn)法；四川昭覺(jué)

中圖分類(lèi)號(hào) S162.5 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 1007-5739（2016）04-0240-01

1 氣候變化特征分析

1.1 氣溫變化特征

昭覺(jué)縣44年的年平均氣溫呈逐漸上升趨勢(shì)（相關(guān)系數(shù)r=0.494 3>r0.01=0.384 3），年氣溫變化傾向率為0.18 ℃/10年，多年平均氣溫11.1 ℃，最大年平均氣溫（12.0 ℃）與最小年平均氣溫（10.1 ℃）相差1.9 ℃，前30年（1971―2000年）平均氣溫（10.9 ℃）比后30年（1981―2010年）平均氣溫（11.4 ℃）偏低0.5 ℃。最大極端最高氣溫33.1 ℃出現(xiàn)在1991年，最小極端最高氣溫28.2℃出現(xiàn)在1978年，2002年以后極端最高氣溫均在30.0 ℃以上；最小極端最低氣溫-20.6 ℃出現(xiàn)在1977年，最大極端最低氣溫-4.8 ℃出現(xiàn)在1995年，二者相差15.8 ℃。

1.2 降水量變化特征

昭覺(jué)縣44年降水量的線性變化并不明顯（相關(guān)系數(shù)r=0.021 9

1.3 日照時(shí)數(shù)變化特征

由昭覺(jué)縣44年日照時(shí)數(shù)3項(xiàng)多項(xiàng)式擬合趨勢(shì)線可以看出，年日照時(shí)數(shù)線性增多趨勢(shì)明顯（r=0.444 97>r0.01=0.384 34，通過(guò)0.01顯著性檢驗(yàn)）。20世紀(jì)90年代中后期以來(lái)上升趨勢(shì)明顯。44年平均日照時(shí)數(shù)1 890.0 h，大于多年平均值的有28年，占64%；小于多年平均值的有16年，占36%。冬、春季日照時(shí)數(shù)線性變化不明顯，夏季線性變化相對(duì)明顯，秋季最為明顯，秋季日照時(shí)數(shù)在20世紀(jì)90年開(kāi)始有明顯的增多趨勢(shì)，春、夏、冬季變化平緩。

2 氣候變化對(duì)農(nóng)作物的影響

由于冬、春季降水量減少，土壤墑情較差，大春作物播種、出苗期延遲，而收獲期的秋季氣溫較高，作物生育期縮短，對(duì)農(nóng)作物產(chǎn)量和品質(zhì)都有較大影響。隨著氣溫的升高、無(wú)霜期增長(zhǎng)，作物復(fù)種指數(shù)有所增加，冬閑農(nóng)田得到充分利用。氣候變暖使農(nóng)業(yè)的不穩(wěn)定性增加，氣候變化對(duì)農(nóng)業(yè)生產(chǎn)的影響利弊并存[1-2]。

3 應(yīng)對(duì)氣候變化的農(nóng)業(yè)措施

一是綜合考慮氣候變化特點(diǎn)，確定適宜栽培季節(jié)，盡可能避開(kāi)農(nóng)作物生長(zhǎng)關(guān)鍵期和對(duì)產(chǎn)量、品質(zhì)形成影響較大時(shí)期可能出現(xiàn)的災(zāi)害性天氣。二是根據(jù)光、溫、水資源匹配情況及農(nóng)業(yè)氣象災(zāi)害、病蟲(chóng)害特點(diǎn)，調(diào)整作物、品種種植結(jié)構(gòu)，達(dá)到趨利避害的目的。三是在選擇作物種植品種時(shí)，不僅要考慮產(chǎn)量和品質(zhì)，還應(yīng)根據(jù)氣候變化特點(diǎn)綜合考慮栽培作物品種對(duì)農(nóng)業(yè)氣象災(zāi)害和病蟲(chóng)害的抗逆性。四是完善灌溉和排水等農(nóng)業(yè)基礎(chǔ)設(shè)施，提高農(nóng)業(yè)生產(chǎn)對(duì)氣候變化不利影響的抵御能力，增強(qiáng)農(nóng)業(yè)抗災(zāi)能力，最大限度地減少損失[3-4]。

4 結(jié)論

（1）年平均氣溫呈逐漸上升趨勢(shì)，年氣溫變化傾向率為0.18 ℃/10年，年際標(biāo)準(zhǔn)差0.49 ℃。20世紀(jì)70年代年平均氣溫變化最為明顯，70年代至90年代中期氣溫呈下降趨勢(shì)，90年代后期以來(lái)氣溫持續(xù)上升，在90年代出現(xiàn)氣溫突變，1997年是突變點(diǎn)。四季分析結(jié)果表明，春、秋2季升溫趨勢(shì)最為明顯，夏、冬2季變化趨勢(shì)平緩。

（2）年降水量線性變化并不明顯，降水日數(shù)呈減少趨勢(shì)，但強(qiáng)降水日數(shù)增多，2000―2014年年降水量變差系數(shù)最大，年降水量變化最明顯，年際間差異最大。20世紀(jì)90年代出現(xiàn)降水量突變，1996年為突變點(diǎn)。進(jìn)入20世紀(jì)90年代以來(lái)，冬、春季年降水量呈減少趨勢(shì)，而夏、秋季呈增多趨勢(shì)。

（3）年日照時(shí)數(shù)線性增多趨勢(shì)明顯，20世紀(jì)90年代年日照時(shí)數(shù)變差系數(shù)最大，變化最明顯，年際間差異最大。20世紀(jì)90年代日照時(shí)數(shù)出現(xiàn)突變，1998年是突變點(diǎn)。20世紀(jì)90年代中后期以來(lái)上升趨勢(shì)明顯，其中秋季日照時(shí)數(shù)呈增多趨勢(shì)，而春、夏、冬季變化平緩。

（4）無(wú)霜期呈增多趨勢(shì)，20世紀(jì)80年代無(wú)霜期變差系數(shù)是最大的，無(wú)霜期變化最明顯，年際間差異最大。2000―2014年變差系數(shù)最小，表明該時(shí)段無(wú)霜期變化平穩(wěn)，年際間差異最小。

5 參考文獻(xiàn)

[1] 王馥棠.氣候變化對(duì)我國(guó)農(nóng)業(yè)影響的研究[M].北京：氣象出版社，1996.

[2] 馮秀藻，陶炳炎.農(nóng)業(yè)氣象學(xué)原理[M].北京：氣象出版社，1991.