編輯選編

利用神經(jīng)網(wǎng)絡(luò)將CO2凈通量分解為光合作用和呼吸作用

渦動(dòng)相關(guān)（EC）技術(shù)用于測(cè)量生態(tài)系統(tǒng)與大氣之間CO2的凈交換（NEE），為研究生態(tài)系統(tǒng)對(duì)氣候變化的響應(yīng)提供了獨(dú)特的機(jī)會(huì)。NEE是由所有呼吸過(guò)程產(chǎn)生的CO2總釋放量（RECO）與光合作用碳的總吸收量（GPP）之間的差值。這兩種總CO2通量是通過(guò)應(yīng)用基于生理的功能關(guān)系和有限數(shù)量的環(huán)境驅(qū)動(dòng)因素的分解方法從EC測(cè)量中反演而來(lái)。然而，應(yīng)用于全球通量觀測(cè)網(wǎng)絡(luò)（FLUXNET）EC觀測(cè)的分解方法，并不能解釋調(diào)節(jié)GPP和RECO通量動(dòng)態(tài)的多重共同作用因素。

為了克服這一局限性，意大利Tuscia大學(xué)的Tramontana等開(kāi)發(fā)了一種基于組合神經(jīng)網(wǎng)絡(luò)（NNC-part）的混合數(shù)據(jù)驅(qū)動(dòng)方法。NNC-part通過(guò)引入基于光能利用效率（LUE）概念的光合響應(yīng)來(lái)整合作用過(guò)程，并使用土壤和微氣象變量的綜合數(shù)據(jù)集作為通量驅(qū)動(dòng)因素。通過(guò)將該方法應(yīng)用于FLUXNET2015數(shù)據(jù)集的36個(gè)站點(diǎn)，發(fā)現(xiàn)其結(jié)果與其他標(biāo)準(zhǔn)分解方法得出的GPP（R2＞0.94）和RECO（R2＞0.8）高度一致。通量的日變化和季節(jié)變化以及生態(tài)系統(tǒng)功能響應(yīng)具有高度一致性。與傳統(tǒng)方法相比，NNC-part在預(yù)測(cè)額外的總CO2通量格局方面表現(xiàn)更切合實(shí)際，例如GPP對(duì)飽和水汽壓差的響應(yīng)、空氣溫度對(duì)GPP動(dòng)態(tài)的直接影響、總CO2通量的晝夜循環(huán)滯后、LUE對(duì)擴(kuò)散與直接輻射比的敏感性等。NNC-part是一種有效的數(shù)據(jù)驅(qū)動(dòng)方法，可以提供GPP和RECO估計(jì)值，并補(bǔ)充現(xiàn)有的分解方法。

NNC-part方法預(yù)測(cè)的RECO半小時(shí)動(dòng)態(tài)變化對(duì)土壤水含量（SWC）和降水（P）的響應(yīng)特征

來(lái)源：Tramontana G, Migliavacca M, Jung M, et al.Partitioning net carbon dioxide fluxes into photosynthesis and respiration using neural networks. Global Change Biology,2020, 26: 5235-5253.

（■ 侯美亭 編譯）

可能被低估的中國(guó)季節(jié)氣候變暖速率

氣候變暖已成為全球的共識(shí)，然而對(duì)于1998年以后變暖是否停滯或變緩還存在爭(zhēng)議。變暖速率計(jì)算方式是引起近期氣候變暖是否停滯的主要原因。以往研究計(jì)算變暖速率主要基于長(zhǎng)時(shí)間尺度或者隨機(jī)選擇的時(shí)間段。由于變暖速率的計(jì)算受到起始年或終止年的影響，長(zhǎng)時(shí)間尺度或者隨機(jī)選擇時(shí)間的變暖速率可能會(huì)包含氣候突變點(diǎn)而具有一定的偏差。一些研究提供了識(shí)別氣候變化突變點(diǎn)的方式，并以突變點(diǎn)為起始年計(jì)算變暖速率。全球溫度序列存在明顯的突變點(diǎn)，容易被識(shí)別出來(lái)。而對(duì)于中國(guó)廣泛分布的氣象站點(diǎn)的資料，突變點(diǎn)并不易被識(shí)別出來(lái)。基于此，河北農(nóng)業(yè)大學(xué)的許晨等改進(jìn)了突變點(diǎn)檢測(cè)方式，識(shí)別了每個(gè)站點(diǎn)的突變點(diǎn)，并以突變點(diǎn)為起始年分析了中國(guó)2479個(gè)氣象站點(diǎn)的季節(jié)溫度變暖速率。

研究表明，大部分站點(diǎn)的氣溫突變主要發(fā)生在1968、1978、1988、1998以及2008年左右。為了方便各個(gè)站點(diǎn)進(jìn)行變暖速率的對(duì)比，按照這些突變點(diǎn)將研究時(shí)段1958—2017年分為6個(gè)時(shí)段。大部分站點(diǎn)在這些時(shí)段的變暖速率每十年都超過(guò)了0.5 ℃，高于以前許多研究得出的變暖速率。進(jìn)一步計(jì)算了中國(guó)每30年的變暖速率以及60年來(lái)的溫度升高程度，結(jié)果表明，60年間中國(guó)北部變暖速率明顯高于南部。冬季的變暖速率最顯著，其次是春季、秋季和夏季。由于變暖速率會(huì)對(duì)人類社會(huì)和生態(tài)系統(tǒng)產(chǎn)生重要的影響，需要特別關(guān)注那些變暖速率高的區(qū)域。

過(guò)去60年（1958—2017年）中國(guó)各季節(jié)的溫度變化（單位：℃）

來(lái)源：Xu C, Hou M, Yan X, et al. Temporal variability of seasonal warming rates in China. International Journal of Climatology, 2020, doi: 10.1002/joc.6793.

（■ 侯美亭 編譯）

ERA5全球再分析產(chǎn)品

ECMWF的Hersbach等介紹了ERA5全球再分析產(chǎn)品。ECMWF對(duì)再分析的研究由來(lái)已久，ERA5是其推出的第五代大氣再分析產(chǎn)品。大氣再分析的研究始于1979年的FGGE項(xiàng)目，隨后在20世紀(jì)90年代中期推出了ERA-15，2001—2003年推出了ERA-40，2006—2019年推出了ERA-Interim。除了ECMWF，還有幾個(gè)機(jī)構(gòu)進(jìn)行全球大氣再分析，最近的產(chǎn)品包括NASA GMAO的MERRA-2、JMA的JRA-55和NCEP的CFSR（V2）。

除了水平和垂直分辨率的顯著提高以及模式和數(shù)據(jù)同化十年發(fā)展所帶來(lái)的進(jìn)步，ERA5還提供了更多的產(chǎn)品參數(shù)（如100 m風(fēng)產(chǎn)品）、每小時(shí)的高分辨率產(chǎn)品以及每3小時(shí)的不確定性信息。該不確定性信息是從10名成員的集合4D-Var資料同化系統(tǒng)中獲得的。另一個(gè)創(chuàng)新是，及時(shí)的初步產(chǎn)品可在5天內(nèi)獲得。兩個(gè)月后，經(jīng)過(guò)徹底質(zhì)量檢測(cè)的最終產(chǎn)品將取代初步產(chǎn)品。但是，在實(shí)踐中預(yù)計(jì)這兩種產(chǎn)品很少會(huì)有不同，如果確實(shí)有不同（在早期版本中發(fā)現(xiàn)過(guò)相當(dāng)大的錯(cuò)誤）將通知用戶。與使用ERA-Interim模式的再預(yù)測(cè)相比，使用ERA5模式從ERA5分析初始的再預(yù)測(cè)技術(shù)提高了約1 d。這一明顯的改進(jìn)得益于一個(gè)更好的預(yù)報(bào)模式（也是同化系統(tǒng)的一個(gè)組成部分），特別是預(yù)報(bào)初始分析的改進(jìn)。ERA5相比于ERAInterim的改進(jìn)主要是在較短的預(yù)測(cè)區(qū)間內(nèi)進(jìn)行更好的分析，而對(duì)于較長(zhǎng)的預(yù)測(cè)區(qū)間來(lái)說(shuō)，改進(jìn)后的預(yù)報(bào)模式也有所貢獻(xiàn)。

自1979年以來(lái)，500 hPa高度上00—12 UTC運(yùn)行365天平均異常相關(guān)性在北半球溫帶地區(qū)（a）和南半球溫帶地區(qū)（b）達(dá)到95%（綠色）、80%（橙色）和60%（藍(lán)色）的區(qū)間（單位：d）（粗線為ERA5，細(xì)線為ERA-Interim，陰影表示ERA5和ERA-Interim之間的差異）

來(lái)源：Hersbach H, Bell B, Berrisford P, et al. The ERA5 global reanalysis. Quarterly Journal of the Royal Meteorological Society, 2020, 146(730): 1999-2049.

（■ 張萌 編譯）

初夏中國(guó)北部灣沿海低空急流的特征

北京大學(xué)Hoiio Kong等利用具有9 km水平分辨率和敏感性試驗(yàn)的中尺度天氣研究與預(yù)報(bào)模式，分析了2006—2011年初夏中國(guó)北部灣沿海低空急流（coastal low-level jets，CLLJ）的特征和形成機(jī)理。北部灣地勢(shì)復(fù)雜，東面是海南島，西面是高山，另一邊與中國(guó)大陸和越南接壤。研究發(fā)現(xiàn)了兩個(gè)CLLJ高發(fā)區(qū)域：一個(gè)位于安南山脈背風(fēng)的一面，在日落后盛行；另一個(gè)在海南島的西北海岸，午夜時(shí)強(qiáng)度最大。由于中南半島陸地表面附近強(qiáng)烈的湍流混合，安南山脈的上游風(fēng)在白天太弱，無(wú)法通過(guò)該山脈；然而，由于日落后湍流混合的抑制，氣流增強(qiáng)并越過(guò)安南山脈，進(jìn)一步在下游形成水躍急流。除了上游的平流作用外，海南島的地形阻斷作用也對(duì)海南島西北海岸附近的CLLJ產(chǎn)生了影響，這一CLLJ在白天一直持續(xù)，但在午夜變得更為盛行。

來(lái)源：Kong H, Zhang Q H, Du Y, et al. Characteristics of coastal low-level jets over Beibu Gulf, China, during the early warm season. Journal of Geophysical Research:Atmospheres, 2020, 125, e2019JD031918.

白天（a）和夜間（b）北部灣CLLJ的形成機(jī)理示意圖

（■ 張萌 編譯）