全球變暖背景下,隨著社會(huì)經(jīng)濟(jì)的快速發(fā)展,極端氣候事件對(duì)人類社會(huì)經(jīng)濟(jì)的影響越來越大,如何防范和應(yīng)對(duì)其造成的不利影響是目前亟需解決的問題。長(zhǎng)江流域占中國總面積的五分之一,卻生活著三分之一的人口,其極端降水演變直接關(guān)系到整個(gè)流域乃至全國的社會(huì)經(jīng)濟(jì)發(fā)展。因此,研究長(zhǎng)江流域極端降水特征與演變,定量分析極端降水可能帶來對(duì)人口的影響,最大程度減輕損失尤為重要。本文綜合地理學(xué)、氣候?qū)W和災(zāi)害學(xué)的知識(shí),基于長(zhǎng)江流域?qū)崪y(cè)降水資料和區(qū)域氣候模式COSMO-CLM模擬資料,選用百分位極端降水閾值和強(qiáng)度-面積-持續(xù)時(shí)間極端事件辨識(shí)方法,對(duì)1961-2014年和未來不同升溫閾值（相對(duì)工業(yè)革命前全球氣溫升幅1.5℃與2.0℃）情景下長(zhǎng)江流域極端降水的演變特征進(jìn)行分析。同時(shí),結(jié)合共享社會(huì)經(jīng)濟(jì)路徑（SSPs）下預(yù)估的人口數(shù)據(jù),定量分析暴露于歷次極端降水事件下的人口特征。主要研究結(jié)論如下:（1）1961-2014年,長(zhǎng)江流域極端降水總量整體在上升,頻率和強(qiáng)度先減后增;極端降水的極值中心主要位于洞庭湖與鄱陽湖水系。極端降水事件以持續(xù)1d的事件最多,單次事件最大強(qiáng)度達(dá)到366.7mm,最大影響面積約為96.5萬km2。強(qiáng)度和影... 

【文章來源】：南京信息工程大學(xué)江蘇省

【文章頁數(shù)】：104 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖１．１研宄技術(shù)路線圖??１．５論文結(jié)構(gòu)??本研宄主要包括了６個(gè)部分：??

其經(jīng)濟(jì)發(fā)達(dá)、人口稠密。長(zhǎng)江沿線流經(jīng)約３６個(gè)城市，以重要城市為界（宜昌與??湖口），將長(zhǎng)江分為上游、中游和下游。因長(zhǎng)江中游與下游均為平原，自然、社會(huì)和經(jīng)??濟(jì)背景相似，常作為一個(gè)整體進(jìn)行相關(guān)科學(xué)研究（圖２．１）。??長(zhǎng)江流域總面積為１８０萬ｋｍ２，其中耕地面積２４．６萬ｋｍ２，約占全國耕地總面積的??２５％，而其農(nóng)業(yè)生產(chǎn)值卻占據(jù)了全國的４０％。作為中國十大河流中最大的流域，長(zhǎng)江流??域人口眾多，其面積占據(jù)了全國總面積的五分之一，卻生活著中國超過三分之一的人口，??２０１０－２０１５年，長(zhǎng)江流域總?cè)丝谟桑矗梗穬|人增加到了?５．０１億人。長(zhǎng)江流域廣大的范圍內(nèi)，??１０??

對(duì)高低異常、時(shí)間異常、空間異常值的檢驗(yàn)），自全國９１６個(gè)基準(zhǔn)站中，篩選出降水?dāng)?shù)??據(jù)序列較為完整的共５３０個(gè)站點(diǎn)數(shù)據(jù)開展研究，其中位于本研宄區(qū)的氣象站共計(jì)有１２１??個(gè)（圖２＿２）。??９０°?Ｅ?１００ｃ?Ｅ?１１０°?Ｈ?１２０－?￡???Ｎ??Ａ??３５。Ｎ?■戶??：．：ｌＨ??ｔｉ?＋?＋?＋?？‘七＋??－ＥＳＳ?聲一??０?１２５?２５０?５００?：：??Ｋｍ??圖２．２長(zhǎng)江流域氣象站和ＣＣＬＭ模式格點(diǎn)分布??２．２．２氣候模式數(shù)據(jù)??模式降水?dāng)?shù)據(jù)，采用德國波茨坦氣候影響研宄所（Ｐｏｔｓｄａｍ?Ｉｎｓｔｉｔｕｔｅ?ｆｏｒ?Ｃｌｉｍａｔｅ??Ｉｍｐａｃｔ?Ｒｅｓｅａｒｃｈ，?ＰＩＫ）發(fā)展的動(dòng)力降尺度區(qū)域氣候模式ＣＯＳＭＯ－ＣＬＭ?（ＣＣＬＭ）逐日??降水?dāng)?shù)據(jù)。ＣＣＬＭ模式由ＰＩＫ基于德國氣象局（ＤＷＤ）的有限區(qū)模式（Ｌｏｃａｌ?Ｍｏｄｅｌ，??ＬＭ）發(fā)展而來，是ＭＰＩ－ＥＳＭ－ＬＲ驅(qū)動(dòng)的動(dòng)力降尺度模式，其以ＭＰＩ－ＥＳＭ－ＬＲ（ＥＣＨＡＭ６）??的輸出結(jié)果作為初始和邊界條件［６９］，積分時(shí)段為１９４９－２１００年。該模式數(shù)據(jù)水平網(wǎng)格覆??１１??

【參考文獻(xiàn)】：
期刊論文
[1]Changes in Extreme Maximum Temperature Events and Population Exposure in China under Global Warming Scenarios of 1.5 and 2.0°C: Analysis Using the Regional Climate Model COSMO-CLM[J]. Mingjin ZHAN,Xiucang LI,Hemin SUN,Jianqing ZHAI,Tong JIANG,Yanjun WANG.  Journal of Meteorological Research. 2018(01)
[2]全球升溫控制在1.5℃和2.0℃時(shí)中國分省人口格局[J]. 王艷君,景丞,曹麗格,姜彤,孫赫敏,黃金龍,翟建青,陶輝,高超,蘇布達(dá).  氣候變化研究進(jìn)展. 2017(04)
[3]全球升溫1.5℃與2.0℃情景下中國極端低溫事件變化與耕地暴露度研究[J]. 王安乾,蘇布達(dá),王艷君,黃金龍,溫姍姍,姜彤.  氣象學(xué)報(bào). 2017(03)
[4]全球升溫1.5℃與2.0℃情景下長(zhǎng)江中下游地區(qū)極端降水的變化特征[J]. 劉俸霞,王艷君,趙晶,陳雪,姜彤.  長(zhǎng)江流域資源與環(huán)境. 2017(05)
[5]中國極端低溫事件特征及其耕地暴露度研究[J]. 王安乾,蘇布達(dá),王艷君,王國杰,黃金龍,趙成義.  資源科學(xué). 2017(05)
[6]廣西暴雨洪澇災(zāi)害的暴露度與脆弱性時(shí)空特征[J]. 廖春貴,熊小菊,胡寶清.  福建農(nóng)業(yè)科技. 2017(04)
[7]IPCC共享社會(huì)經(jīng)濟(jì)路徑下中國和分省人口變化預(yù)估[J]. 姜彤,趙晶,景丞,曹麗格,王艷君,孫赫敏,王安乾,黃金龍,蘇布達(dá),王潤(rùn).  氣候變化研究進(jìn)展. 2017(02)
[8]基于區(qū)域氣候模式CCLM的中國極端降水事件預(yù)估[J]. 景丞,陶輝,王艷君,蘇布達(dá),黃金龍,姜彤.  自然資源學(xué)報(bào). 2017(02)
[9]CMIP5多模式集合對(duì)南亞大河氣候變化模擬評(píng)估及未來情景預(yù)估[J]. 張飛躍,姜彤,蘇布達(dá),黃金龍,朱嫻韻.  熱帶氣象學(xué)報(bào). 2016(05)
[10]華北平原干旱事件特征及農(nóng)業(yè)用地暴露度演變分析[J]. 陳靜,劉洪濱,王艷君,王安乾,蘇布達(dá),居輝.  中國農(nóng)業(yè)氣象. 2016(05)



本文編號(hào)：3027239