人为热排放对于地表气温的影响.pptVIP

* * * * * * * 人为热排放对地表气温的影响 李琰 赵昕奕 北京大学城市与环境学院 2011.7.24 内容简介 1.研究背景 2.研究目标 3.能源消费量的降尺度 4.气温数据的OMR方法 5.能源消费与OMR关系 6.结论与讨论 1.研究背景 人为热排放是局地气候变化的重要因素，特别是在城市区域。 人为热排放的主要来源是交通工具，工业生产过程，建筑以及人体热量。 由于国内相关数据的缺乏，用能源消费量做为人为热排放的指代。 2.研究目的 建立中国能源消费量的空间分布数据，以能源消费量作为人为热排放的指代。 研究人为热排放对地表气温影响的程度和范围。 3.能源消费量降尺度 拟解决的问题：利用已有1km高分辨率GDP数据得到高分辨率的能源消费量空间数据，作为人为热排放的指代。 己有研究表明能源消费量与GDP，人口数量等变量高度相关。 思路：这里建立GDP与能源消费量之间的关系。利用GDP空间栅格数据将能源消费量降尺度。 3.能源消费量降尺度—数据 年鉴数据： GDP数据：各省的GDP 总量 1995－2009《中国统计年鉴》 能源消费量：各省的能源消费总量 1995－2009《中国能源统计年鉴》 GDP栅格数据：2003年 1km栅格数据，中国地球系统科学数据共享网 3.能源消费量降尺度—理论假设 GDP与能源消费量是非线性的关系 选择GDP单位能耗—建立GDP与能源消费量的关系 GDP与单位能耗： 1.中国各省经济发展程度和结构的不同，其GDP与能源消费的关系也不同。 2.经济结构的时空差异可用单位GDP能耗来反映，表现为： 区域经济的发达程度与单位GDP能耗在时空上负相关。 4.单位GDP能耗在空间尺度上且有一致性。 GDP与单位能耗的空间关系 GDP与单位能耗的时间关系 3. 能源消费降尺度—方法 利用1995－2009各省统计年鉴的GDP与能源消费数据，建立各省的GDP与单位能耗的关系。 在GDP栅格上 可得到能源消费量。 将关系用于栅格需校正 总量校正 2003中国能源消费量 2003年北京GDP 2003年北京能源消费 3.能源消费量降尺度—结果 4.气温数据与OMR方法—数据 中国580个气象站点月平均气温（ 1979.1~2007.9 ） NCEP/NCAR Reanalysis 2m再分析气温（ 1979.1~2007.12 ） 去掉气温年变化得到气温距平，计算气温变化率。 得到OMR趋势。 气象站点的分布 以每个气象站点为中心，建立30km半径的圆形缓冲区。 统计每个缓冲区内能源消费量。与站点的OMR趋势对应起来。 4.气温数据的OMR方法—观测减再分析 Observation NCEP/NCAR Reanalysis Observation minus reanalysis (OMR) — ＝ 观测资料中包含了所有辐射强迫因素。GHGs，LUCC等 再分析资料中包含了大尺度的大气变化，对局地因素不敏感 OMR中包含了局地因素的作用，如城市化，土地利用变化等 2003年，Kalnay提出观测减再分析法（OMR）来估计地表因素对气温的作用。 5.能源消费与OMR关系—方法 采用（de Laat,2004）研究CO2对流层低层气温影响的阀值法。即从高到低设定不同的能源消费量阀值，统计超过阀值的OMR变率，可得到OMR变温率与能源消费量的关系。 5.能源消费与OMR关系—结果 能源消费量在中国的空间分布，分三级： ＞1000t 1000～50t ＜50t ENERGY(t) OBS RE OMR(℃ ) HEIGHT (m) Station number 1000 0.52 0.33 0.19 989 57 50-1000 0.44 0.32 0.12 1398 337 50 0.53 0.28 0.25 2455 186 5.能源消费与OMR关系—结果 6.1结论 能源消费量与地表气温间存在明显的负相关。 能源消费高的区域，尤其是城市区域，人为热排放对气温的影响十分明显。 人为热排放不能完全解释OMR变温率，尤其是在能源消费低的区域。 其它一些如海拔，地形，下垫面等地表因素包含在OMR的信号中，可能是造成人为热排放低区域上较高OMR变温率的原因。 6.2 讨论 以能源消费总量作为人为热排放指代的偏差：忽略了不同能源种类，不同排放源排放特性的差异，以及热排放的时间变化。 OMR信号包含着多种信息，包括土地利用，气溶胶等要素的作用，人为热排放只是其中之一。 * * * * * * 　20个完成目标任务的市州中，工业城市攀枝花和自贡的单位GDP能耗降幅较大，均超过22%，其中