氣溫變化結論范文

導語：如何才能寫好一篇氣溫變化結論，這就需要搜集整理更多的資料和文獻，歡迎閱讀由公務員之家整理的十篇范文，供你借鑒。

篇1

2變壓器優化接地的要求

我國低壓配電系統絕大多數是中性點接地系統。在這種系統中,配電變壓器高壓側避雷器接地端、低壓繞組中性點和配電變壓器外殼共用一套接地裝置。相關規程規定:當配電變壓器容量為100kV•A及以下時,接地電阻不得大于10

Ω;當配電變壓器容量大于100kV•A時,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上述規定值,雖然危險,但由于它不像相線那樣,一有故障就會造成停電,因而常常被人們忽視。為了保證設備和人身安全,對配電變壓器接地裝置不應忽視,而應該認真對待。

2.1接地裝置對土壤的要求

接地裝置要敷設在低電阻率的區域里。因為接地裝置的接地電阻和土壤電阻率近似成正比關系。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,除考慮靠近負載中心外,還應盡可

能避開高電阻率區域。

2.2接地裝置所用材料及規格要求

接地裝置應盡可能利用自然接地極,如電力排灌站廠房的結構鋼筋、水泵的管道系統等,但應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,應有防松螺母或墊片。連接時應將接觸面除銹,擦凈至發出金屬光澤,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。接地引下線與設備的連接,是將引下線接至設備的接地螺栓上,接觸面應除銹后涂中性凡士林,然后將接地螺

栓擰緊。

2.4對人工接地極敷設的要求

人工接地極的敷設深度一般來說是越深越好。因為埋得越深,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。故規程建議埋深為0.6～0.8m。人工垂直接地極長度一般取2.0～2.5m,為降低屏蔽系數,其間距最好是20m。不得已時,最小不能小于其長度的2倍。垂直接地極一般不應少于2根,為便于打入土壤中,其一端應做成尖形。人工水平接地極的間距一般不宜小于5m。接地溝的尺寸沒有嚴格要求,以節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遠,以便于回填?；靥钔翍粚?土壤越密實,接地電阻越小。

3變壓器優化接地應注意的問題

3.1采用TN-C系統需注意的問題

前述配電變壓器低壓側中性點接地,并與高壓側避雷器接地共用一個接地裝置,適應于大量采用的低壓系統為TN和IT但是如采用IT制式,則中性點就不能接地。TN系統又分種TN一C系統、TN一S系統、TN一C一S系統。一般居民用戶可用一一系統,即低壓從配電變壓器引出的主干線可以采取一系統四線制,到用戶的支線采取一系統工廠車間可以采用竹系統,電動機用三相電源,照明及其它單相負載用用單相電源,配電變壓器中性點接地,到車間后,車間設備的外殼單獨接地。需防爆的場所最好采用系統,中性點不接地,外殼單獨接地,這樣相線碰地或碰外殼,電流很小,不會產生火花,可有效地防止爆炸。有防腐要求

(1)不能一部分設備接零,一部分設備接地,必須所有設備都接零,其原因如下:

1)設備外殼不能單純采取接地措施,這是因為:某一設備的外殼采取接地后發生火線碰設備外殼時,可能由于外殼接地電阻Rd及配變中性點接地電阻R0的限制,開關不會跳閘。但是,設備外殼可能出現較高的對地電壓Ud(見圖

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

(2)不允許一部分設備接地,一部分設備接零。以圖2為例:假設某設備m接地,某設備n接零,一旦設備m外殼帶電,設備m對地電壓和設備n對地電壓都比較大;如人體接觸設備m或設備n的外殼,或者人體同時接觸設備m和設備n的外殼,都會發生觸電,危及生命。所以,在接零系統中,要求所有電氣設備的外殼都應該接零,而且零線要多處重復接地,不允許一部分設備接零,一部分設備接地。

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。

由于采用三點共地后,高壓側避雷器的放電電流特別當三相同時放電時很大,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磁,通過電磁感應使高壓線圈感應出很高的電壓。高壓側電壓受高壓側避雷器殘壓所限制,高壓線圈中性點電位很高,容易在中性點附近,導致對地擊穿或匝間短路而損壞變壓器,因而必須采取措施限制低壓線圈承受的電壓。如低壓側也加一組避雷器,當地電位升高時,通過避雷器放電,低壓線圈只承受低壓避雷器的殘壓左右,這樣過電壓就被限制在可承受范圍之內,這就是防止逆變換損壞變壓器。同樣當低壓線路感應雷傳到配電變壓器時,低壓側避雷器也會動作,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,防止配電變壓器高壓側被按變比由低壓而感應的電壓所損壞。因此,必須在配電變壓器的低壓側安裝一組低壓避雷器。這種情況屬于正變換過電壓,由于配電變壓器的低壓側絕緣裕度高于高壓側,所以配電變壓器雷擊事故常發生在高壓側,尤其是中性點附近。低壓側加裝避雷器,因其往往采用架空線,容易受雷擊,直配變壓器因其變比大,更應在低壓側加裝一組避雷器。加裝低壓避雷器后,原來的點共同接地就成了點共同接地,就如圖所示。中性線及其連接方法中性線在三相負荷不平衡時流過電流,按有關規定該電流不得大于相線電流的。另外,中性線、中性點接地線與配電變壓器低壓中性線端頭的連接應可靠,應制作接線鼻板,螺栓應壓緊,防止接觸不良電流流過時發熱燒斷。

配電變壓器高壓側避雷器的接地引下線的接地電阻,應按《電力設備過電壓保護設計技術規程》所規定的要求進行,不能接在獨立的接地極上,否則,雷電流在接地電阻上產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域內,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,可在接地極周圍放置木炭、化工廠弱腐蝕性廢渣或接地專用降阻劑等

3.3變壓器低壓側中性點接地

配變低壓側中性點接地也稱工作接地。工作接地一般有以下兩項作用:

1)減輕一相接地的危險。中性點采取不接地系統若發生一相接地,則中性線及設備外殼對地是相電壓(人體接觸十分危險),其它兩相電壓對地升到線電壓,故障時間越長,觸電危險性就越設備外殼直接接而不接零時,存在觸電危險大。中性點采取工作接地方式,發生一相接地時,中性線及設備外殼對地電壓比較低。因為,中性

點接地電阻R0≤4Ω,可以把設備對地電壓限制在安全范圍之內。

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

3.4重復接地

(1)在零線上多處接地(重復接地)的作用:

1)可以降低漏電設備對地電壓,減少觸電危險性。

2)可以減輕一旦零線斷線時的觸電危險。圖4中,沒有重復接地時,一旦零線斷線,斷線后面的接零設備發生漏電時帶全相電壓(A設備);有重復接地時,一旦零線斷線,斷線后面的接零設備發生漏電時只帶部分相電壓(B設備),減少了觸電危險性。

3)重復接地和工作接地構成零線的并聯分支。發生單相短路時,會增大單相接地短路電流,提高保護靈敏度,縮短跳閘時間。

4)架空線路采取在零線上重復接地,對雷電流具有分流作用,有利于限制雷電過電壓。

(2)對重復接地的要求

1)戶外架空線路宜采用集中重復接地。

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

3)高低壓線路同桿敷設時,共同敷設段的兩端低壓零線應重復接地。

4)以金屬外殼作為零線的低壓電力電纜,應重復接地。

5)車間內部宜采用環形重復多點接地。

6)每一重復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)電氣設備的接地、接零線不得串聯,必須直接接到接地干線聯接。

4接地裝置的形式

農村低壓電力技術規程(DC/T499—2001)要求,配電變壓器的工作接地,車間、作坊的接地及零線的重復接地裝置,宜采用復合式環形閉合接地網。在接地網中,重直接地體(可用長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(用50mm×5mm的鍍鋅扁鋼埋深不少于0.6m),面積不少于100m2組成,接地體之間應采用焊接。接地網的工頻接地電阻可按式

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

R———接地網的等效半徑,m;

L———水平接地體和垂直接地體的總長度,m;

ρ———電阻率,Ω•m(砂質粘土為100,黃土為250,砂土為500)。

通常情況下ρ值取100Ω•m,接地網等值半徑取10m,垂直接地體長度和水平接地體長度之和達到60m時,Re=4.15Ω,便可滿足配變中性點接地電阻的要求。接地裝置施工完成以后,還要實測接地電阻值,使之符合要求。

5結束語

從以上分析可知,正確的接線應是:變壓器外殼的保護接地線經避雷器橫擔與避雷器的接地引下線相連后接地,低壓側中性線的工作接地與另一側的接地極相連

6參考文獻

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

[2]邵碧霞.關于優選變壓器推動紡織工業節電的剖析[J].能源技術,1994,(04)

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

[4]趙令驥.談農電網絡中變壓器運行的巡視工作[J].江西水利科技,1996,(01)

[5]賀以燕.關于建立《變壓器選用導則》的思考[J].變壓器,1997,(04)

[6]何報杏.同容量變壓器的擇優運行與節能[J].設備管理與維修,2000,(06)

[7]文春柏.變壓器的更新與節能[J].大眾用電,2001,(05)

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

篇2

基金項目：

作者簡介：白萬平（1963-），男，重慶人，博士，貴州財經大學教授，研究方向為計量經濟模型應用研究；楊廣仁（1978-），男，山東人，博士研究生，副教授，研究方向為非參數統計；張學敏（1975-），女，四川資陽人，經濟師，人力資源管理師，國家二級企業培訓師，研究方向為人力資源管理。

摘要： 在氣候變化問題上，“災難論”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，但未見學者從統計因果關系檢驗角度深入探究。選取全球161年的時間序列數據，運用線性和非線性等方法檢驗兩者之間的統計因果關系，結果表明碳排放增加是氣溫升高的原因，同時發現氣溫變化存在一個滯后期為29年的周期性變動；在面板數據因果檢驗中，從全球抽取20個代表性國家101年的數據，檢驗結果仍然是碳排放增加是氣溫變化的原因。因此，有證據表明，碳排放增加是全球氣溫變化的統計原因。節能減排是共同責任，“陰謀論”不足為信。

關鍵詞：碳排放量；氣溫變化；統計因果關系；PVAR模型；同質性；Hisao檢驗

文章編號：2095-5960（2013）05-0046-06

；中圖分類號：C81

；文獻標識碼：A

在碳排放增加與地球溫度升高之間關系問題上，學術界一直存在“因果論”和“非因果論”之爭，近年來又被演變成一種政治工具，對應為“災難論”和“陰謀論”兩種觀點，特別是美國、加拿大兩個發達國家相繼退出減排協定后，使問題變得更加撲朔迷離。誠然，地球氣溫變化是一個復雜過程，氣象科學家通過科學觀測、模擬等手段證實了變化的復雜性。但換一個角度思考，兩者所反映的是事物（現象）之間的因果關系，在獲取大樣本的觀察數據后，可以利用統計因果檢驗的方法，探討兩者之間的統計因果關系。遺憾的是，對于這樣一個重大問題，未見國內外學者的相關著述。通過運用多種現代統計因果關系檢驗方法探索兩者的關系，其一能填補兩者之間統計因果關系方面的缺失，為爭論提供統計證據，其二拓展統計因果關系的應用范圍，這正是本文試圖作出的貢獻。

本文安排如下：第一部分，統計因果關系檢驗進展回顧；第二部分，選擇161年的時間序列，檢驗全球碳排放增加與氣溫升高之間的統計因果關系；第三部分，在全球選擇20個樣本國家，從面板數據角度檢驗兩者之間的因果關系檢驗；最后，為本文結論。

一、統計因果關系檢驗進展

Granger（1969）[9]開創性地提出統計非因果關系檢驗方法后，經過四十余年的發展，用統計方法檢驗變量因果關系的研究，已經在時間序列向面板數據、線性向非線性、參數向非參數檢驗等多個維度上發展，成為科學檢驗變量間統計因果關系的必要手段和工具。

從統計上講，假設序列Y和X都是平穩的，我們說X不引起Y（即X不是Y的Granger原因）是指在對Y作預測時，假如由包含X過去值所得到的預測值并不優于未含X過去值的預測?；蛘哒f，如果X不引起Y， X無助于對Y的預測。反之，則說X引起Y，即X是Y的Granger原因。對非平穩時間序列，假設兩個序列之間有協整關系，可由Engle and Granger （1987）[7]單方程檢驗完成，或按Granger（1988）[10]兩步法得出誤差修正模型（ECM）處理，其中涉及滯后階數的敏感性問題，可由Hsiao （1981，1982）[12] [13]用Akaike （1970）[1]的最終預報誤差 （FPE） 結合Granger方法處理。Hsiao的方法還可以用于處理多變量線性因果關系及其最優滯后階數的選擇上。但發展至今，非線性因果關系檢驗問題在實證中仍然未獲得滿意結果，盡管已經出現了BDS（1992）[2]、HJ（1994） [11]和DP（2006）[3]等檢驗，除BDS檢驗外，其他尚處在理論研究階段，難以直接應用到實證檢驗中。與此同時，多變量因果關系檢驗問題也成為另一個理論研究對象，Michael Eichler（2007）[21]另辟蹊徑，在圖論基礎上建立探討偽因果問題的構架，討論弱平穩過程的因果關系，提出針對多元時間序列因果關系的一個圖形推斷方法，證明了這種路徑診斷與變量間因果的對應關系，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系后，將BDS方法推廣到多元情形，拓展診斷多元統計因果檢驗的方法，他們通過構造多個方程的VAR模型，以聯合假設實現對因果關系的檢驗，但在實證分析中，該結果所需的條件很難滿足。由于多元非線性因果關系檢驗問題所具有的復雜性，現有成果不多，只發現Zhidong Bai等（2011）[25]將HJ雙變量非線性檢驗直接推廣到多元的結果，該方法提供了一種多元非線性因果關系檢驗的途徑，但存在過度拒絕原假設的傾向。Dufour等（2006，2010）[5][6]對因果關系的強度、類型等分別作了歸類，認為除存在短期、長期以及瞬時等不同時間長度的因果響應外，還應重視時間序列之間的因果關系強度，而目前所做的統計顯著性檢驗只依靠有效的數據和檢驗的功效，不足以評判因果關系強度?？梢?，對多變量因果關系的研究方興未艾，極有可能發展成為處理復雜因果關系的又一種重要手段。

Holtz-Eakin等（1988）[4]開創了對面板數據變量因果關系檢驗的研究，其思路是對時間維度平穩的變量建立PVAR模型，構造Wald統計量，以達到檢驗有無Granger因果關系的目的。Hurlin等（2004，2008）[16][17]在系統討論不同假設條件下的面板因果關系后，提出了面板數據Granger因果關系的四類假設：同質無因果假設（記為HNCH）；同質因果假設（記為HCH）；異質因果假設（記為HECH）和異質無因果假設（記為HENCH）。Hurlin所劃分的四種類型試圖將面板數據變量可能存在的因果關系包括其中，在同質性的假設下，表現的是兩種極端情形，即全無Granger因果或全有Granger因果關系，而在異質性假設下，則需同時兼顧刻畫因果性和異質性，目前做出的這種劃分尚不完備。此外， Weinhold（1999）[24]構造含有混合固定系數和隨機系數的模型（簡稱MFR模型），認為存在動態個體和相關（獨立）變量異質性條件下，能夠得出系數方差的估計，在T較小時該估計幾乎是無偏的。但動態MFR模型的個體異質性更為復雜，在此情形下，給出因果關系的準確定義也存在困難。Konya（2006）[20]從似不相關回歸（SUR）估計的角度，提出用設定的自助法標準值做Wald檢驗，但該方法在有單位根和協整關系時檢驗的功效有所降低，不同檢驗結果不盡相同。Furkan Emirmahmutoglu等（2011）[8]以Fish（1932）的元分析（Meta analysis）為基礎，導出含異質性的混合面板數據統計因果關系檢驗法，由于該方法對固有的偏誤、不可比較等問題未有實質性的改進，有礙于在實證中推廣?？梢?，檢驗面板數據因果關系時，一系列問題的存在表明在檢驗方法上有待進一步完善。

理論上，時間序列中的雙變量線性與非線性因果檢驗方法較為系統，包括多因一果和一因多果在內的多變量因果關系，以及面板數據變量因果關系的檢驗已經獲得了一些解決的方法，但研究還不充分。如在檢驗多變量因果關系時，目前僅有的TY檢驗因只對少數具有特殊單整情形給出證明，尚不具備普適性；BWZ檢驗將BDS方法所做的推廣存在過度拒絕的傾向；同時多元非線性Granger因果檢驗的成果目前大多處在理論層面，在應用中有一定難度。在面板數據因果關系檢驗中，Hurlin等人的研究成果對于檢驗某些場合的因果關系奏效，但該方法還存在分類不完備，可能出現難以解釋的結果；Furkan的方法 在T較小或內生工具變量不易確定時用固定Granger因果估計存在固有的偏差且不可比較等問題，表明在統計因果關系理論有待發展。

在實證研究中，統計因果關系在研究經濟系統變量間關系時應用較多，但對其他系統內變量間關系，特別是爭論了一個多世紀的碳排放與氣候變化之間的統計因果關系，未發現有學者采用上述統計方法研究。因此，無論是擴展統計因果關系方法的應用范圍還是為一個重大關系提供證據，都有必要從時間序列和面板數據兩個層面對此進行檢驗，為解釋兩者之間存在的關系提供佐證。

二、全球氣溫變化與碳排放統計因果關系檢驗

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，由標準的Granger統計因果檢驗開始，層層推進，從線性、非線性時間序列到面板數據等多個維度對兩者之間的統計因果關系進行全面檢驗，獲得相應證據。

變量說明和樣本選取。根據變量的代表性和數據的可得性，碳排放量和氣溫分別以xt，yt表示①①以每年消費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。數據來源：英國國家氣象臺、美國橡樹嶺實驗室。，樣本時間段為1850—2010年。在跨越三個世紀的161年中，地球年均氣溫最高的是1998年，達到0.529℃，最低的是1911年，為零下0.573℃，溫度的極差為1.112℃，超過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增長到2010年的1.34tc，增長28倍。

單位根檢驗。對原序列采用6種方法檢驗后不能排除存在單位根的可能，進一步對兩個差分序列進行檢驗，結果如表1。從檢驗結果看，兩個差分序列平穩，不存在單位根。

為了觀察不同滯后階數的反應，將滯后階數從1取到50，得出檢驗統計量對應的P值，在檢驗結果中，沒有一致證據表明氣溫升高與碳排放增加的因果關系。在碳排放增加與氣溫升高的檢驗中，滯后階數大于1后，沒有證據表明碳排放增加是氣溫升高的Granger原因。而滯后1階時，F檢驗值達到4.30431，P值為0.0397。顯然，在5%的顯著性水平下，拒絕原假設，即有統計證據表明，碳排放增加是氣溫升高的Granger原因。因果檢驗對滯后階數的敏感性，無法得出一致的證據，需要進一步檢驗。兩個變量是一階單整的，接下來檢驗是否存在協整關系。利用Johansen檢驗，記Yt為碳排放、氣溫構成的二維列向量，Xt是確定性向量，分別在5種不同的設定進行檢驗。整理后的檢驗結果如表2所示。

表 2Johansen協整檢驗

數據趨勢無無線性拋物線

檢驗類型無截距、無趨勢有截距、無趨勢有截距、無趨勢有截距、有趨勢有趨勢、有截距

跡12210

最大特征根數12210

單純觀察檢驗結果，無法得出是否存在協整關系的結論。利用變量回歸，不能拒絕趨勢項冗余的假設，而趨勢項對判斷兩者之間是否存在協整關系至關重要。因此，用Johansen協整檢驗并不能確定兩者之間的長期穩定因果關系，采用Engle-Granger和Phillips-Ouliaris檢驗，所得結果整理如表3：

由此可知，E-G和PP兩種單方程協整檢驗都拒絕碳排放量與氣溫之間不存在協整關系的假設，可以認為在樣本期內，兩者之間存在長期穩定的關系。

由于Granger檢驗不能確定最佳滯后階數，為提高精度，進一步采用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為32 ，計算出各滯后階數的FPE值，比較篩選的最小FPE=0.00838，相應的滯后階數m*=29，該滯后階數可解釋為地球氣溫大約在29年左右出現周期性波動的特性；固定m*=29，引入碳排放量，計算到32階的FPE值，得出最小FPE=0.008277，相應n*=1，由此確定的最佳滯后階數為1期，即上期碳排放量對本期氣溫影響最為顯著，該結果與通過Granger因果檢驗所得滯后階數一致。所以，采用線性Granger因果關系檢驗后的結論是：碳排放增加是氣溫升高的統計原因。

上述檢驗的基本假設是兩者之間存在線性關系，如果兩者之間存在的關系不是線性的，則證據不足，需要進一步采用非線性統計檢驗方法檢驗。

由兩個變量的特征，首先選擇非線性因果關系中的BDS檢驗方法。用VAR模型剔除主要線性關系，檢驗余下部分的獨立同分布特征。本問題中，所關注的問題是xt是否引起yt的變動，經過甄別，無約束、滯后兩階向量自回歸模型是適宜模型，檢驗y關于x向量自回歸模型中的殘差，按照選取滯后階數的原則，選擇直到6階后的檢驗結果見表4。

檢驗結果表明經過線性關系過濾后的序列中已經不含其他非線性因果關系，無需再采用其他非線性因果方法檢驗，支持碳排放增加是氣溫升高的統計原因這一結果。

利用線性和非線性統計因果關系的多種方法檢驗，所得結論是碳排放增加是氣溫升高的統計原因，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據因果關系檢驗

對碳排放與氣溫變化時間序列統計因果關系的研究，只是從時間進程上為我們提供了碳排放增加引起氣溫升高的證據。由于各地區工業化程度不一、區位各異，導致碳排放分布極不均衡，各地緯度等不同，氣溫差異也較大，僅僅由時序獲取的證據略顯單薄。為此，我們在全球選擇樣本點，采用面板數據因果關系檢驗方法，做出進一步的論證。

樣本選擇。綜合考慮地區工業化程度、區域分布均衡性和數據可得性，從全球選取20個國家①①各國氣溫以主要城市代替，德國、俄羅斯等有分合的國家數據已按統一口徑處理，數據來源同前。，分別為：美國、俄羅斯、英國、法國、德國、日本、波蘭、挪威、瑞典、奧地利、愛爾蘭、南非、墨西哥、印尼、印度、巴西、新西蘭、阿根廷、澳大利亞、中國。其中包含了早期工業化國家、主要大國和發展中國家，分布在不同緯度，樣本國家的總碳排放量占全球排放的近70%，樣本有較強的代表性。受觀測數據限制，為了兼顧各大洲皆有國家入選，最后確定樣本區間為1910年至2010年，采集了101年的面板數據。

檢驗說明，對1、2、3階的滯后期數，檢驗值都遠大于臨界值（顯著性水平為1%），拒絕原假設。因此，不能排除碳排放增加是氣溫變化的統計原因。

至此，通過利用時間序列和面板數據的多種因果關系檢驗，結果都拒絕碳排放增加不是氣溫變化統計原因的假設。

在現有研究成果中，基于各地區不同區位、氣溫和碳排放量，氣溫升高所產生的影響有別，“災難論”似乎證據更充分，人們總體上更傾向于氣溫升高對人類社會經濟發展“弊大于利”的結論。假設氣溫持續升高，可以預見的危害包括海平面上升、病蟲害增加、氣候反常頻率增加和沙漠化加劇等，將直接挑戰可持續發展的基本條件。如果不能有效控制碳排放，阻止氣溫升高，對于經濟發展主要依靠沿海地區的海岸國家，氣溫升高導致的經濟損失后果將更嚴重?？刂苹茉聪M、尋找清潔替代能源、有效減少碳排放從而實現社會經濟可持續發展，理應成為人類的共同選擇和發展路徑。

四、結論

碳排放增加與氣候變化是復雜系統中的兩個方面，選取碳排放和氣溫兩個變量，在總結統計因果關系檢驗方法進展后，采用線性Granger因果檢驗捕捉到在碳排放增量滯后一期時，兩者存在因果關系。進一步采用Hisao檢驗法，得出最優滯后階數，表明碳排放增加是氣溫升高的原因，同時還發現地球氣溫在29年左右出現一個周期的結論?？紤]兩者之間可能存在非線性因果關系，用非線性檢驗方法，同樣支持碳排放增加引起氣溫升高的結論。有證據表明，在全球范圍內，碳排放增加是氣溫升高的直接原因。為提供更充分的證據，從全球選取20個樣本國家，收集從1910年到2010年共101年的數據，采用面板數據因果檢驗法，在檢驗出這些國家的碳排放和氣溫具有同質性后，進一步檢驗兩者的因果關系，結果同樣支持碳排放增加是氣溫變化的統計原因。因此，從統計意義上講，不能拒絕碳排放增加是氣溫變化的原因。

研究結論表明，按照無悔策略原則，中國政府在應對氣候變化問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，各地區需要從實際出發，選擇科學發展路徑，節能減排、保護環境，保持經濟又好又快增長，這不僅是自身發展的需要，也是一個對世界負責的政府應有的態度。

參考文獻

[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

【關鍵詞】額濟納旗 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之一[1-3]，而全球氣候與環境是長期以來人與自然關系失調的結果。人類生產發展，工業、農業、交通運輸的發展和城市化進程，使得人類對自然的干擾和破壞越來越嚴重。長期的累積過程導致了許多全球性的環境問題，其中最直接的就是全球氣候變暖。氣候是人類賴以生存的自然環境的重要組成部分，它的任何變化都會對自然生態系統以及社會經濟系統產生深遠的影響。

全球平均地表溫度自1861年以來一直在增高，20世紀增加了0.6±0.2℃。中國氣候近百年來也在變暖，中國的氣候學家對中國氣候變化的研究取得了大量有價值的結果。丁一匯、戴曉蘇[4]對中國近百年來溫度變化的研究結果進行了綜述，王紹武[5]等給出了中國近百年溫度序列。。

額濟納旗地處中亞荒漠東南部，內蒙古的西部。西、西南、北三面環山，屬內陸干燥氣候。具有干旱少雨，蒸發量大，日照充足，溫差較大，風沙多等氣候特點。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℃。無霜期天數最短179天，最長227天。日均氣溫0℃以上持續時期為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。年均蒸發量3841.51 毫米，濕潤度0.01毫米。本文利用額濟納旗境內的兩個氣象臺站?（額濟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沙漠和綠洲氣候變化，為沙漠治理、沙漠開發及荒漠化的預報和防治提供了依據和對策。

二、氣候變化

1.氣溫變化

額濟納旗地區的綠洲和沙漠地區氣溫近30年平均溫度變化同全國氣溫變化一致，都是呈上升趨勢。從平均溫度來看，沙漠地區（拐子湖）整體要比綠洲地區（額濟納旗）要高；但是沙漠地區溫度上升的趨勢又明顯要小于綠洲地區。沙漠地區溫度上升趨勢為0.41°C/10a,而綠洲地區溫度上升趨勢為0.58°C/10a。綠洲地區年平均溫度上升更明顯的原因可能更人口稠密，人類活動強烈有關。近30年里，沙漠地區和綠洲地區年平均溫度最低和最高溫度出現的年份都是一致的，最低溫度出現在1984年，最高溫度出現在1998年。這也與全國1984年的低溫年和1998年的高溫年一致。

2.降水變化

這兩個臺站所代表的沙漠和綠洲地區近30年來降水變化趨勢基本一致，呈微弱的上升趨勢，但是降水呈現明顯的階段性。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，從降水的平均值來看卻是沙漠地區要比綠洲地區要多，代表沙漠地區的拐子湖氣象站平均年降水量為40mm左右，而代表綠洲的額濟納旗氣象站卻只有32mm左右，但是沙漠地區的降水量變化的劇烈程度要明顯強去綠洲地區。

3.溫度和將水量的關系

氣溫與降水是表征氣候的主要參數，兩者之間是否有著某種聯系，尚不確定。據王紹武研究，全球平均氣溫與降水年平均值的相關系數只有0.05。分別對兩個臺站的溫度和降水進行相關性分析。發現代表綠洲的額濟納旗氣象站降水同溫度呈正相關，相關系數為0.013，低于全球的相關性系數；無論是綠洲還是沙漠，溫度和降水的相關性都不顯著。結合溫度和降水分析來看，這兩個地區在近30年里，在1981~1990年處于一個相對冷干時期，2000~2010年處于一個暖干期，而1991~2000年處于一個轉換期。

三、結論

利用代表綠洲的額濟納旗氣象站和代表沙漠的拐子湖氣象站近30年觀測資料，從溫度和降水兩個方面對比分析了內蒙古西部地區的氣候變化情況，得出如下結論:

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

2.這兩個臺站所代表的沙漠和綠洲地區近30年來降水變化趨勢基本一致，呈微弱的上升趨勢，但是降水呈現明顯的階段性。都經歷了一個枯水期-豐水期-枯水期的轉變過程。

3.無論是綠洲還是沙漠，溫度和降水的相關性都不顯著。這兩個地區在近30年里，在1981~1990年處于一個相對冷干時期，2000~2010年處于一個暖干期，而1991~2000年處于一個轉換期。

參考文獻：

[1]鄒旭愷,張強. 近半個世紀我國干旱變化的初步研究. 應用氣象學報,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. 應用氣象學報,2006 ,17 (2) :169-175.

[3]繆啟龍,許遐禎,潘文卓. 南京56 年來冬季氣溫變化特征. 應用氣象學報,2008 ,19 (5) :620-626.

篇4

關鍵詞：氣溫敏感性；蒸發能力；區域；黃河源區

中圖分類號：S161.2+2 文獻標識碼：B 文章編號：1003-6997（2012）21-0049-02

1 途徑

分析氣溫變化對蒸發能力的影響，是研究氣候變化對黃河源區水文影響的一項重要內容。黃河源區已有多年的蒸發量觀測資料，但觀測蒸發量的蒸發器有多種，蒸發資料是各種蒸發器觀測的混合資料，在對黃河源區的水循環要素與水量平衡進行估算時，蒸發量觀測數據不統一，造成水量不平衡等。筆者分析了蒸發量與氣溫單站指數關系，建立氣溫與蒸發量關系，進一步分析了蒸發量對氣溫影響的敏感性。

2 資料的取得及可靠性

考慮到黃河源區氣象、水文站分布不均，為了更好地反映整個流域氣溫、降水量、蒸發量等歷年變化情況，選擇沒有變動的站址或變動后不影響記錄連續性的站址，在分析計算中采用的測站均從20世紀50年代后期及60年代初開始觀測?；谫Y料的代表性和完整性，其中，唐乃亥水文站自1956年起開始觀測，至今已有近50多年的觀測資料。但考慮到與氣溫、降水觀測資料同步，并對部分站、年（或月）缺測的資料進行了插補和延長。故在分析計算中基本采用1959～2008年1～12月的氣溫、降水、蒸發量和徑流資料系列，所采用的氣溫、降水、蒸發量與徑流觀測資料分別來源于青海省氣象臺、黃委會上游水文水資源局。

3 蒸發量對氣溫變化敏感性分析

3.1 蒸發量與氣溫單站指數關系

如前所述，影響蒸發量的因素甚多，其中主要因素還是氣溫。本課題擬設如下蒸發量與氣溫的指數關系：

Ew=AeBT

其中：Ew為蒸發量；T為氣溫；e為常數；A、B為經驗參數。瑪多站等的月蒸發量與月平均氣溫指數關系（見表1）。

從表1可以看出，瑪多、吉邁、瑪曲、同德站蒸發量和氣溫關系密切，相關系數在0.78～0.92之間，蒸發量實測值與計算值非常接近，其平均誤差均在5 %以內。另外，瑪多、吉邁相關系數在0.9以上，說明吉邁以上蒸發量對氣溫是很敏感的。

3.2 區域的蒸發量對氣溫響應模型

E（mm）與平均降水量P（mm）和平均氣溫T（℃）之間的關系如下：

E（p，t）=eα·pβ·tr

式中：E、p、t、分別為區域月平均蒸發量、月平均降水量、月平均氣溫；e為常數（自然對數）；α、β、r為回歸系數。

本文根據河源區各分區的氣候與蒸發量變化特征建立了各分區的蒸發量響應模型，以分析源區及各區域蒸發量對不同氣候情景的敏感性（見表2）。

用河源區1959～2008年的水文、氣象資料，擬合了蒸發量隨降水和氣溫的變化趨勢?？梢钥闯觯舭l量與降水、氣溫之間存在著明顯的非線性關系。在降水量不變的情況下，蒸發量隨溫度升高而變化的總趨勢升高；在氣溫不變的情況下，蒸發量隨降水增加而減少的趨勢更為明顯。總體來看，各區域相關系數在0.6以上，蒸發量與氣溫、降水之間的關系還是比較好的。

3.3 蒸發量對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為現狀蒸發量；EP+p，T+T為降水變化P（%）與氣溫變化T（℃）情景下的蒸發量，Ep，T是EP，T與EP+p，T+T之間的相對之差。

在敏感性研究中，假定氣候變化情景不改變歷史氣候的時空分布，且未來將重現降水、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，河源區月平均蒸發量與月平均降水量和月平均氣溫的復相關系數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，根據假定的氣候變化情景，便可得到河源區蒸發量對氣候變化的敏感性分析結果。從表3中可以看到，若氣溫不變，降水量減少1 %和10 %時，河源區蒸發量將分別增加0.27 %和2.85 %；若降水量增加1 %和10 %，河源區蒸發量將分別減少0.27 %和2.52 %。若降水量不變，氣溫上升0.1 ℃（氣溫每上升0.1 ℃，相對于吉邁以上、吉邁——瑪曲、瑪曲——唐乃亥及河源區多年平均氣溫升幅超過4 %）和1 ℃時，蒸發量將分別增加0.70 %和6.82 %。上述計算結果顯示，黃河源區各區域蒸發量對氣溫變化的敏感程度遠大于對降水量的變化，且越往下游敏感性越強。

綜上所述，河源區蒸發量對氣溫變化是十分敏感的，而且持續升高的趨勢十分明顯。根據世界氣象組織《氣候變化2007》綜合報告指出：“中等可信度表明，如果全球平均溫度增幅超過1.5～2.5 ℃……”，那么，源區在降水不變的情況下，氣溫升高1.5～2.5 ℃，則源區蒸發量將增加10 %～16 %，筆者認為，這種情況如果發生，對黃河源區徑流的產生十分不利，而且氣象災害及相關災害頻繁發生。

篇5

關鍵詞：氣溫；年變化；月變化；同心縣

中圖分類號 P467 文獻標識碼 A 文章編號 1007-7731（2016）24-0131-02

氣候變暖是近些年來國內外科學研究關注的熱點問題，研究表明近100年來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同心縣的氣溫同樣呈上升趨勢[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，縣域內還分布有以保護青海云杉、油松為建群種的典型森林生態系統和野生動植物為重的羅山國家級自然保護區。同心縣氣象站位于羅山的西南側，其氣溫長歷時變化特征也可反應出羅山西麓近幾十年來的氣溫變化趨勢，這對于預測未來羅山森林生態系統如何響應氣溫變化提供了基礎資料支持。

1 數據來源

本文所采用的數據來源于中國氣象數據網中的《中國地面氣候資料年值數據集》和《中國地面氣候資料月值數據集》，數據集中提供了同心縣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。同心縣氣象站的地理位置坐標E105.54°，N36.58°，觀測場海拔高度1 339.3m。

2 結果與分析

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在1998年，為18.2℃，最小值出現在1967年，為14.7℃；年平均最低氣溫2.9℃，最大值出現在2015年，為4.8℃，最小值出現在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，增幅2～3℃，1987年前后為氣溫升高的轉折點，年均氣溫矩平由負值逐漸轉為正值。

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℃，出現在2000年7月，月極端最低氣溫最小值為-28.3℃，出現在2008年1月；除1、2月份的月極端最低氣溫均出現在2008年外，1955―2015年間同心縣3―12月份的月極端最低氣溫均來自1960s、1970s，其中3―8月的月極端最低氣溫均出現在1960s，9―12月的月極端最低氣溫均出現在1970s（見表1）。

3 結論

寧夏同心縣60年來的氣溫整體上升2～3℃，1987年前后為氣溫上升的轉折點；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年來同心縣的月極端氣溫均出現在21世紀，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

[1]易湘生，尹衍雨，李國勝，等.青海三江源地區近50年來的氣溫變化[J].地理學報，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移及冬小麥生長過程的機理性模型。ThuSPAC-Wheat模型能夠根據冬小麥基因型參數、氣象資料和土壤水肥條件,考慮光合作用、呼吸作用、干物質分配等作物生理過程,模擬冬小麥的生長發育過程,計算出逐日發育狀況和生物量值,最終獲得冬小麥成熟所用的生長天數、成熟期產量、干物質量。ThuSPAC-Wheat模型采用生理發育時間(PDT)作為冬小麥生長階段劃分的度量,PDT決定了有機物在根、莖、葉、穗的分配比例。與積溫類似,PDT主要由氣溫決定,但綜合考慮了熱效應、春化作用、光周期效應等。ThuSPAC-Wheat模型對氣象要素的考慮主要反映在光合作用過程,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光合作用的脅迫上。此外,水分和溫度還影響干物質分配過程。

1.2CERES-Wheat

CERES(cropenvironmentresourcesynthesis)由美國農業部開發,是最具代表性的作物模型之一。經不斷改進,目前CERES-Wheat[2]的最新版本為4.0。本研究采用美國農業部農業技術轉移決策支持系統(DSSAT)v3.5中的CERES-Wheat模塊。CERES-Wheat模型能夠通過輸入相對較少且容易獲取的遺傳參數和氣象資料日值、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過程,并可以計算出作物蒸發蒸騰量即水資源消耗量。CERES-Wheat模型由主控程序和4個主要子程序組成,包括:

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

2)生長子程序(GROSUB),包括計算葉片生長、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、根和穗生長等模式;

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

4)氮素平衡子程序(NTRANS),包含計算土壤礦化速率、固氮、氮的硝化等模式。CERES-Wheat模型的輸入文件包括試驗管理文件FILEX、田間實測摘要文件FILEA、天氣數據文件FILEW、土壤文件FILES、遺傳參數文件FILEC。模型提供了一個GenCalc模塊,可以進行遺傳參數的率定。CERES-Wheat模型以積溫作為冬小麥生育階段的標志。

2試驗與參數率定

2.1田間試驗

模型參數率定時采用的氣象資料、土壤資料和作物生理資料均取自北京市水利科學研究所永樂店試驗站結合國家自然科學重點基金項目“農田節水灌溉的增產與環境影響效應研究”所進行的田間試驗。試驗站位于北京市通州區(地理坐標為116.8°E、39.7°N),土壤以粉壤土及砂壤土為主。試驗區分為6行(編號A—F)、5列(編號1—5)共30個小區,每個大小為10m×5m,用混凝土板隔開。小區南側布置有小型氣象站。試驗開展時間為1998-10—2001-09,共播種3季冬小麥。試驗測定的項目主要包括:氣象資料、農藝資料、作物生理資料、土壤水熱狀況、土壤養分資料、作物含氮情況等。這3年冬小麥品種均選用京冬8號(原代號為京農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。

2.2參數率

定已知氣象條件,根據作物生長過程實測資料,包括產量、干物質累積過程、葉面積變化過程,可以對ThuSPAC-Wheat模型中的遺傳參數進行率定,,其中產量對收獲因子(HI)最為敏感。已知氣象條件,根據作物生長過程實測資料,可以對CERES-Wheat模型中的遺傳參數進行率定,,其中產量對籽粒灌漿速率系數G2最敏感。利用這些參數,模型對冬小麥產量、干物質積累、葉面積指數等均有較好的模擬效果。

31951—2006年模擬

3.1假設

根據北京站(No.54511)1951—2006年氣象資料,利用作物模型,分析期間氣候變化對糧食生產的影響。為研究問題的需要,進行如下假設與簡化:

1)由于降雨與灌溉的復雜關系,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志,當日的產量作為冬小麥產量模擬結果。在以上假設下計算獲得的冬小麥產量實際上是潛在產量,由于冬小麥是跨年度作物,以下年份指收獲年份。

3.2模擬結果

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

3.3討論

由于本研究所做假設,模擬結果中主要反映了氣溫、輻射、風速等氣象要素的長期變化對冬小麥潛在產量的影響,其中輻射是根據日照時間推算的,主要氣象要素的變化過程。圖3表明,兩個模型的潛在產量模擬結果都呈下降趨勢,引起潛在產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源,作物模型中對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,從而引起潛在產量的下降。因此,1951—2006年中,輻射下降是引起潛在產量下降的主要因素,以往的研究中,往往對這一點重視不夠。根據模型原理,氣溫上升是冬小麥生育期縮短的主要原因,數據分析表明兩者有較好的負相關關系,相關系數達0.768,氣溫每升高1℃,冬小麥生長期縮短約4.5d。生長期縮短本身使干物質累積過程縮短,引起潛在產量下降。ThuSPAC-Wheat模型中,氣溫對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過程主要在返青后,北京地區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光合作用有利。這樣,氣溫升高對潛在產量既有正效應也有負效應,大體上互相抵消,下面情景5的分析將進一步驗證這一結論。需要說明的是,1951—2006年的實際糧食產量有顯著增長,這主要歸功于品種不斷改良,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,1951—2006年冬小麥的潛在產量呈下降趨勢。其他條件不變,如果未來的氣候以此趨勢持續變化,那么對冬小麥生產有不利影響。

4未來氣候變化情景分析

4.1情景設定與模擬結果

采用CERES-Wheat模型,小麥品種遺傳參數采用京冬8號的相應遺傳參數,以2005—2006年北京氣象站氣象資料作為基準,分別考慮CO2濃度增加、氣溫升高、輻射變化等未來可能的氣候變化,模擬冬小麥的生長過程。根據IPCC2007,不同模式預測2090—2099年相對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),情景設定與模擬

4.2討論

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

2)氣溫的影響當輻射、水分等其他影響因素保持不變,單純的溫度變化對干物質增加和潛在產量形成影響較小,這從情景5與情景1的對比說明了這一點。總的來說,氣溫升高可以一定程度增強光合作用,但同時引起生長期長度的縮短,兩種響應相互抵消,使得最終潛在產量無明顯變化,水資源消耗也無顯著變化。事實上,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呼吸作用而引起潛在產量下降,這在CERES-Wheat模型中沒有考慮。

3)CO2濃度的影響CO2濃度增加,使光合作用中碳的脅迫下降,提高了有機物轉化效率,促進作物潛在產量的增加。情景2與情景1的對比說明,在CO2濃度倍增的條件下冬小麥潛在產量提高34.0%。另一方面,CO2濃度對葉表面氣孔開閉有重要影響,濃度增加引起氣孔關閉增加了氣孔阻力,從而導致作物蒸騰量的下降。情景2與情景1的對比說明,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,實現增產節水的目的。對于CO2濃度增加對作物生長的積極作用,也有學者持謹慎態度。而Eagleson基于對森林的分析認為,CO2供給的增加最初引起生產力增加,但增加的生產力引起植冠衰減系數的增加使CO2的供給減少從而使生產力恢復到最初的水平。

4)CO2濃度與溫度的綜合影響未來最有可能出現的情形是CO2濃度和氣溫均增加,考慮CO2濃度倍增且氣溫升高3℃,模擬結果表明冬小麥生長期縮短,潛在產量增加,耗水減少?？梢园l現CO2濃度倍增是主導因素。

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

5結論

ThuSPAC-Wheat模型和CERES-Wheat模型均可以較好地模擬冬小麥生長過程及產量。經過參數率定,兩個模型對1951—2006年北京站氣象資料的冬小麥生長模擬表明,冬小麥的生長期呈縮短趨勢,潛在產量呈下降趨勢,生長期縮短的主要原因是氣溫升高,潛在產量下降的主要原因是輻射水平下降。產量下降的同時,耗水水平下降。CERES-Wheat模型對未來7種氣候變化情景的模擬結果表明:全球變暖將使作物生長期長度縮短,同時由于氣溫升高對光合作用的增強作用,因此氣溫變化對產量的影響較小;輻射增加引起潛在產量增加,相應的水資源消耗增加,輻射下降引起產量下降;在適宜的溫度范圍內,CO2濃度增加,由于減少了光合作用的碳供給脅迫,冬小麥的潛在產量增加,由于氣孔開度減小,水資源消耗并沒有增加。由于:

1)氣候變化的趨勢還存在諸多不確定因素;

2)作物生長模型還不能完全反映作物生長的機理;

篇7

[關鍵詞]氣象要素；氣候變化；水稻；影響

中圖分類號：S511 文獻標識碼：A 文章編號：1009-914X（2015）16-0301-01

一、前言

近年來，隨著全球氣候呈現變暖趨勢，農業生產受氣象災害的影響尤為突出。氣候變化的影響具有多層次、多尺度、全方位等特征，而農業就是受影響較明顯的產業之一。例如2003年我國南方地區出現了罕見的伏旱和“熱浪”，給廣東省農業生產造成極大的危害，特別是受旱面積之廣、損失之嚴重都創造了建國以來的空前高度，其同期的最高氣溫也創下了歷史記錄；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號熱帶風暴“碧利斯”影響，部分地區降水遠超過歷史同期值，民眾的生產、生活受害十分嚴重。針對氣候變化對農業生產的影響，國內外學者已經作了大量的研究，多側重于定性的研究范圍或某種氣候要素對農業生產可能產生的影響。在定量研究方向上，一般考慮全年或某個季節的氣候要素變化，在統計時段上較少涉及主要農作物生育期的影響程度。因此，一些研究結論可能與實際生產情況有少許的差異。本文結合作者對梅州地區近30年氣候的分析，對氣象要素變化對梅州地區水稻生產的影響進行了研究，力求為梅州地區農作物防災減災提供參考。

二、水稻生長期需要的氣候條件

水稻喜高溫、多濕、短日照，對土壤要求不嚴，水稻土最好。幼苗發芽最低溫度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。抽穗適溫25～35℃。開花最適溫30℃左右，低于20℃或高于40℃，受精受嚴重影響。相對濕度50～90%為宜。穗分化至灌漿盛期是結實關鍵期；營養狀況平衡和高光效的群體，對提高結實率和粒重意義重大。抽穗結實期需大量水分和礦質營養。

梅州地處粵東北部， 屬亞熱帶季風氣候區， 是南亞熱帶和中亞熱帶氣候區的過渡地帶。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，5-10月平均日照時數要達到6.5h左右。梅州地區氣候溫和，光照充足， 雨量充沛， 土壤肥沃， 適宜水稻的生長發育，

三、農業氣象要素變化特征及對水稻生長發育的影響

農作物在生長發育過程中所必需的環境因素之一就是熱量條件，一般用溫度來表示，通常用界限溫度表示不同作物的溫度要求。日平均氣溫穩定通過10℃，水稻薄膜覆蓋育秧或旱育秧開始播種；日平均氣溫穩定通過15℃，水育秧開始大面積播種。雜交稻或晚秈稻開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） 水稻生長的熱量條件年際變化特征

梅州地區歷年穩定通過10℃初日的年際變化波動較大，從當地觀測站30多年的資料來看，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10℃初日的趨勢分析看，變化傾向率很低，變化趨勢不明顯。歷年通過15℃的初日也有較大波動，最早日期為2月17日（1980年），最遲日期為4月9日（1993年），其時間的跨度為52d，80%的年份在3月7日之前。分析初日的變化趨勢，其變化傾向率為-0.05d/a。穩定通過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，出現的平均日期在10月17日，80%的年份終止日期發生在10月10日。從趨勢分析看，變化傾向率為-0.052 d/a。穩定通過10℃初日到22℃終日的持續天數，最短有160 d（1982年），最長有212d（2001年），二者跨度為52d，波動幅度也較大；超過80%的年份持續天數在180d 以上。年際變化傾向率為-0.062d/a。

（2） 暴雨日數變化對水稻的影響

遇上洪澇災害，可直接沖毀農田，對水稻的生產影響很嚴重。統計近30年資料得出，暴雨日數呈現略微減少趨勢。但暴雨多的年份也有8d左右。每年3到9月是暴雨出現的主要時段，其中3到5月比6到8月少不了幾天。9月相對要少一些。其余時段不能完全排除沒有暴雨發生。無論是抽穗開花，還是灌溉成熟，都是早稻形成的關鍵期，5月下旬～6月中旬、9月下旬分別是早稻晚稻抽穗揚花期，遇上暴雨天氣會影響開花受粉，增加空秕粒，造成減產甚至失收。因此，早稻的花期可能很容易受到暴雨影響，而晚稻由于9月暴雨相對較少，收成可能相對較好。

（3） 冰雹、低溫陰雨、寒潮對水稻的影響

據市氣象站觀測資料分析，梅州地區自1981年開始有冰雹記錄，1981～2010年間僅有5次冰雹記錄，5次冰雹天氣有3次出現在4月，另外兩次出現在3月。明顯冰雹主要出現在早稻播種季節，但頻率低，對農業的影響是很少見的。而寒潮出現在11月至翌年3月，最早的寒潮出現在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在11月中旬以前。在每年2～3月，出現日平均氣溫≤12℃的天數連續≥3天，或日平均氣溫≤15℃，每日日照時數≤2小時的天數連續≥7天，稱為一次低溫陰雨過程。低溫陰雨主要不利早稻播種，導致爛秧、死苗，貽誤農時。梅州地區低溫陰雨災害頻繁發生，最長的一次過程為23天，出現在1968年2月。最遲的出現在1978年3月。因此，同寒潮的結束期接近，可將早稻的播種期定在3月下旬。結合未來幾天的天氣預報，這樣可以保證播種百分百成功。

（4） 農業氣象要素變化對水稻生長發育的影響

通過對梅州市的熱量條件分析可知，在當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，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（即穩定通過22℃終日）也略有提前，但變化趨勢也不明顯。從雙季稻的早稻播種到晚稻齊穗的生育期天數（穩定通過10℃初日到22℃終日的持續天數）略微有所減少，但沒有明顯的變化趨勢，對應的積溫也沒有明顯變化。因此，在目前的氣候變化形式下，與水稻生長相關的農業氣象要素變化不明顯，對水稻生長影響很小。

四、結論

總之，在氣溫升高、日照減少的氣候變化背景下，對主要農作物水稻生育期內農業氣象要素的空間分布和年際變化進行分析，結果表明：由于氣候變暖趨勢，水稻發育期可能縮短。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。由于梅州地區從9月開始，暴雨呈現減少趨勢，9到11月多光照，少暴雨的氣候特點更利于水稻的生長。因此，晚稻的收成不遜于早稻?？紤]到11月中旬以后會受寒潮影響，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

[1] 黃晚華，劉曉波，鄧偉.湖南農業氣象要素變化及對主要農作物的影響[J].湖南農業科學，2009（1）：61-64.

[2] 信乃詮，程延年.未來氣候變化對農業的影響及對策[J].中國農學通報，1995，11（3）：1-4，8.

篇8

關鍵詞 冬九九；氣溫；氣候變化傾向率；變化特征；遼寧遼陽

中圖分類號 P423.3 文獻標識碼 A 文章編號 1007-5739（2017）06-0232-01

冬至是中國農歷的一個重要節氣，時間在每年公歷12月21―23日，意味著寒冷的冬季到來了。冬至開始“數九”，冬至日即為“數九”的第1天，每9 d為1個九，歷經9個九，結束“數九”，這9個九統稱“冬九九”。

全球氣候變暖已是不的事實。1906―2005年全球地表平均溫度升高了0.74 ℃。我國氣候變暖趨勢與全球基本一致，1908―2007年我國地表平均氣溫升高了1.1 ℃，最近50年北方地區升溫最明顯，升溫最高達4 ℃[1]。氣候變暖導致極端氣候事件頻發，對工農業生產及生態等方面均產生重要影響[2-4]。本文利用遼陽市1956―2016年逐日平均氣溫資料，分析冬九九氣溫變化特征，充分認識遼陽市冬九九期間氣溫對氣候變暖的響應，為更好地利用氣候資源、合理安排工農業生產及防災減災提供科學依據。

1 資料與方法

1.1 資料來源

逐日平均氣溫資料來源于遼陽市氣象局，時間跨度為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。

將農歷冬至出現的具體日期換算成公歷日期，再對應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。統計1956―2015年的資料，其中冬至日出現在12月21日有10年，出現在12月22日有50年；有15年2月有29日。統計冬九九各九溫度時，進行逐年逐日核對。

1.2 研究方法

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

xi=a+bti（i=1，2，…，n）（1）

按回歸系數b的符號確定氣溫的趨勢傾向：b>0表示氣溫呈上升趨勢；b

2 結果與分析

2.1 冬九九氣溫變化趨勢

冬九九從一九第1天至九九最后一天，歷經9個九共81 d。統計這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年遼陽市冬九九平均氣溫呈上升趨勢，氣候變化傾向率為0.49 ℃/10年。相關系數為0.435 2，通過0.001水平顯著性檢驗，說明近60年遼陽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，升溫幅度七九最大，達0.79 ℃/10年；三九升溫幅度最小，為0.27 ℃/10年。五九、六九的升溫趨勢通過0.05水平顯著性檢驗，七九、八九的升溫趨勢通過0.01水平顯著性檢驗。

2.2 冬九九氣溫統計特征

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-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，氣候變化傾向率為0.27 ℃/10年。相關系數為0.145 6，未通過顯著性檢驗，上升趨勢不顯著。2000年的三九最冷，平均氣溫達 -21.6 ℃；2001年的三九最暖，平均氣溫為-3.6 ℃。

統計各年代三九平均氣溫分布發現，20世紀50年代三九平均氣溫最低，為-13.6 ℃；21世紀00年代、10年代三九平均氣溫最高，為-10.1 ℃。20世紀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00年代和10年代又明顯大幅升高，達-10.1 ℃。

3 結論

1956―2015年遼陽市冬九九平均氣溫呈極顯著升高趨勢，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，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50年代三九最冷，21世紀初15年的三九最暖。

4 參考文獻

[1] 王偉光，鄭國光.應對氣候變化報告：通向哥本哈根[R].北京：社會科學文獻出版社，2009：71-73.

[2] 錢錦霞，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].科學技術與工程，2013，13（34）：10259-10263.

[3] 張梅，安娟，陳玉光，等.近49年遼陽市玉米生長季氣候特征及其對產量的影響[J].安徽農業科學，2011，39（17）：10439-10441.

篇9

【摘要】 目的 探討年代節氣變化與上消化道出血中醫證型的關系。方法 對甘肅省7個地區中醫院12年間全部上消化道出血住院病歷進行調查、統計，按照統一制作的調查表格填好后輸入計算機，進行統計學處理、分析。結果 不同節氣、不同年代的上消化道出血中醫證型分布有明顯差異。結論 年份、節氣的氣壓變化、氣溫變化、濕度變化、氣溫較差對上消化道出血的中醫證型有直接影響。

【關鍵詞】 上消化道血；節氣；中醫證型

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學“血證(吐血、便血)”的范疇。筆者對甘肅省7個地區的中醫院12年間的692例上消化道出血病歷進行了調查、統計，回顧性研究了上消化道出血中醫證型與年代節氣變化之間的關系，結果表明，不同節氣、不同年代的上消化道出血中醫證型分布有明顯差異?，F報道如下。

1 資料與方法

1.1 一般資料

本研究調查1985年1月1日－1996年12月31日甘肅省7個地區的部分中醫院(包括天水市中醫院、武威市中醫院、甘肅省中醫院、白銀區中醫院、酒泉市中醫院、慶陽地區中醫院、成縣中醫院)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

調查的各家醫院，所有上消化道出血的住院病歷由科研協作組成員按照統一制作的調查表格填寫，由電腦專業人員編程后輸入計算機，進行統計學處理、分析。

1.3 統計學方法

統計學處理采用SPSS10.0軟件，等級資料比較用頻數表描述，多組間比較采用秩和檢驗。P＜0.05為差異有統計學意義。

2 結果

2.1 7個地區12年間不同中醫證型的疾病程度分布

脾虛不攝型導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(表示在各組中頻數較高者)。經秩和檢驗，P＝0.026＜0.05，說明各組間差異有統計學意義。見表1。表1 上消化道出血患者不同中醫分型的疾病程度分布（略）

2.2 7個地區12年間不同節氣的中醫證型分布

肝火犯胃型在立秋時多見，脾胃虛寒型在白露時多見，脾虛不攝型在夏至時多見，濕熱蘊結型在谷雨時多見，胃中積熱型在立春時多見(表示在各組中頻數最高者)。經秩和檢驗，P＝0.011＜0.05，說明各組間差異有統計學意義。見表2。表2 上消化道出血患者不同節氣的中醫證型分布（略）

2.3 7個地區12年間不同年份的中醫證型分布

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，濕熱蘊結型以1996年較多，胃中積熱型以1986年較多(表示在各組中頻數最高者)。經秩和檢驗，P＝0.005＜0.01，說明各組間差異有統計學意義。見表3。 表3 上消化道出血患者不同年代的中醫證型分布（略）

3 討論

根據表1分析，不同節氣對上消化道出血患者的各種中醫證型分布均有一定的相關性，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。而甘肅大部分地區在冬春季節及春夏交季、秋冬交季時氣溫變化較大，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，打破了人體的陰陽平衡，導致陰陽失和，氣血運行失常，從而產生嘔血、便血之癥。這與林氏等[1]研究結果顯示的氣溫較差與上消化道出血的發生呈中度正相關相符。由于地域的原因，夏至在甘肅地區雖然開始轉熱，但一般最高氣溫在30 ℃左右，是一年當中相對比較舒適的季節，隨著人體胃液及各種消化液分泌增多，食欲改善，食量增加，必然會加重胃腸負擔，損傷脾胃運化功能；脾虛不攝，血溢脈外，易導致吐血、便血。從表3不同中醫分型對發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，病情反復發作，脾虛不攝這類證型占大多數。而胃中積熱型同時反映了出血的另一種病機，即火熱之邪易灼傷血絡，迫血妄行。

以往認為出血的原因多以內傷為主，其實者多由于火，火盛迫血而妄行；虛證多由于氣虛，氣虛則血失統攝，而與“外感”關系不大。杭州市第三醫院中醫科[2]對急性上消化道出血進行了系統的臨床研究，發現 “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，故認為出血誘因“以內傷為主，外感者極少”可能與忽略氣象因素有關。張氏等[3]發現，消化性潰瘍發病受同期旬氣壓極大值、旬氣溫極高值、旬平均相對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、濕度小的秋冬季節高發的結論。

根據表2分析，上消化道出血中醫證型的形成，除了與個人體質差異有關外，還與每一年的氣壓變化、氣溫變化、濕度變化都有直接的關系，不同年份、不同節氣與不同證型之間差異顯著。但由于本項調查回顧的年限較長，分布的地區較多，有些內容無法采集全面，因此，還有待于今后進一步研究證實。

參考文獻

[1] 林 平，武正權，吳榮娟.氣溫與節氣對上消化道出血影響的臨床分析[J].廣州中醫藥大學學報，2007，24(1)：8－11.

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

篇10

關鍵詞 氣候變化；農業生產；累積距平；滑動t-檢驗法；四川昭覺

中圖分類號 S162.5 文獻標識碼 A 文章編號 1007-5739（2016）04-0240-01

1 氣候變化特征分析

1.1 氣溫變化特征

昭覺縣44年的年平均氣溫呈逐漸上升趨勢（相關系數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 ℃出現在1991年，最小極端最高氣溫28.2℃出現在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 ℃出現在1977年，最大極端最低氣溫-4.8 ℃出現在1995年，二者相差15.8 ℃。

1.2 降水量變化特征

昭覺縣44年降水量的線性變化并不明顯（相關系數r=0.021 9

1.3 日照時數變化特征

由昭覺縣44年日照時數3項多項式擬合趨勢線可以看出，年日照時數線性增多趨勢明顯（r=0.444 97>r0.01=0.384 34，通過0.01顯著性檢驗）。20世紀90年代中后期以來上升趨勢明顯。44年平均日照時數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、春季日照時數線性變化不明顯，夏季線性變化相對明顯，秋季最為明顯，秋季日照時數在20世紀90年開始有明顯的增多趨勢，春、夏、冬季變化平緩。

2 氣候變化對農作物的影響

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，對農作物產量和品質都有較大影響。隨著氣溫的升高、無霜期增長，作物復種指數有所增加，冬閑農田得到充分利用。氣候變暖使農業的不穩定性增加，氣候變化對農業生產的影響利弊并存[1-2]。

3 應對氣候變化的農業措施

一是綜合考慮氣候變化特點，確定適宜栽培季節，盡可能避開農作物生長關鍵期和對產量、品質形成影響較大時期可能出現的災害性天氣。二是根據光、溫、水資源匹配情況及農業氣象災害、病蟲害特點，調整作物、品種種植結構，達到趨利避害的目的。三是在選擇作物種植品種時，不僅要考慮產量和品質，還應根據氣候變化特點綜合考慮栽培作物品種對農業氣象災害和病蟲害的抗逆性。四是完善灌溉和排水等農業基礎設施，提高農業生產對氣候變化不利影響的抵御能力，增強農業抗災能力，最大限度地減少損失[3-4]。

4 結論

（1）年平均氣溫呈逐漸上升趨勢，年氣溫變化傾向率為0.18 ℃/10年，年際標準差0.49 ℃。20世紀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，90年代后期以來氣溫持續上升，在90年代出現氣溫突變，1997年是突變點。四季分析結果表明，春、秋2季升溫趨勢最為明顯，夏、冬2季變化趨勢平緩。

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

（3）年日照時數線性增多趨勢明顯，20世紀90年代年日照時數變差系數最大，變化最明顯，年際間差異最大。20世紀90年代日照時數出現突變，1998年是突變點。20世紀90年代中后期以來上升趨勢明顯，其中秋季日照時數呈增多趨勢，而春、夏、冬季變化平緩。

（4）無霜期呈增多趨勢，20世紀80年代無霜期變差系數是最大的，無霜期變化最明顯，年際間差異最大。2000―2014年變差系數最小，表明該時段無霜期變化平穩，年際間差異最小。

5 參考文獻

[1] 王馥棠.氣候變化對我國農業影響的研究[M].北京：氣象出版社，1996.

[2] 馮秀藻，陶炳炎.農業氣象學原理[M].北京：氣象出版社，1991.