论文部分内容阅读
全球农田风蚀不仅攸关农业可持续发展,同时也向大气排放大量的气溶胶,对空气质量、气候以及人体健康产生影响。本论文通过查阅相关文献获取相关的风蚀数据及影响因子对农田风蚀贡献机理,通过两种方式确定了全球农田土壤风蚀来源分布图,同时通过农田风蚀参数的调整(植被盖度、积雪盖度等)进而确定土壤风蚀量计算公式,对FENGSHA排放模型的算法进行开发和优化,估算出全球农田风蚀排放的颗粒物总量及时空分布。同时,使用七种沙尘机制对全球农田土壤风蚀清单进行计算,对区域农田风蚀排放清单的建立有重要的借鉴意义。并比较分析了不同沙尘机制与FENGSHA模块结果的异同及可行性,同时得到可用于模式模拟研究的全球农田土壤风蚀排放数据。最后以中国东北和美国中部的农田沙尘为例,对农田沙尘排放数据处理及模式输入和运行过程进行了介绍,对模拟得到的全球农田土壤风蚀排放数据进行了验证。主要结论如下:(1)根据2005年全球农田面积数据(15种作物)及农作物年历数据确立了全球农田土壤风蚀来源分布的计算方式。得到的全球农田土壤可风蚀面积分布为年总面积2.59×1011公顷。除农田数据以外,本文创新性地使用了卫星遥感数据(MODIS NDVI)对全球农田土壤可风蚀面积进行了计算。相对来说,卫星遥感法得到的全球农田面积数据偏低,但与农田数据法相比,其空间分布情况基本相同,较高的农田可风蚀面积同样出现在印度的除奥里萨邦和安得拉邦边界地区,这与农田数据法得到的全球农田面积分布结果相吻合。(2)通过FENGSHA模块对全球农田土壤风蚀沙尘排放量进行模拟计算。结果表明,全球农田土壤风蚀的排放量取决于全球农田土壤风蚀来源分布情况,FENGSHA模块得到的全球农田土壤风蚀排放量是高值分布在英国附近,另外较高的农田土壤风蚀排放量分布在美国中西部、阿根廷首都区、俄罗斯中东部及澳大利亚珀斯及墨尔本西部地区,这与其较高的农田可风蚀面积及较高风速相吻合。其得到的全球农田土壤沙尘排放年总量为1.40×109 g/s。同时采用另外七种沙尘机制(SH2004、AG2001、MB1995、GP1988、OW1964、LL1978、KK2014)对全球农田土壤沙尘排放量进行了模拟计算(其中KK2014机制只可模拟得到沙尘排放通量)。结果表明,SH2004机制计算得到的排放量较高,其年总量为8.5×1012g/s,与FENGSHA模块模拟结果相比存在高估的情况。其他五种沙尘机制的结果较低于FENGSHA模块的模拟结果,其中最高的AG2001沙尘机制年总沙尘排放量为6.5×108 g/s。另外,FENGSHA模块与六种沙尘机制结果均表明,全球农田土壤风蚀沙尘排放量在冬末春初较高,夏初排放量最低,这与风速的变化呈现正相关关系。(3)根据已有的颗粒物粒径分布方式对全球农田土壤风蚀排放清单的颗粒物分布进行了研究,选取其中的档位法有效地得到了PM2.5和PM10颗粒物分布情况,有利于模式模拟的研究。研究结果表明,FENGSHA模块得到的农田沙尘颗粒物年总PM2.5和PM10排放量分为1.93×108 g/s和9.49×108 g/s,其中,全球农田土壤风蚀PM10颗粒物年总排放量是年总PM2.5颗粒物排放量的4.9倍,这一结果适用于其它六种沙尘机制。(4)通过三次沙尘事件(2012年10月美国中部大平原、2013年5月和2018年4月中国东北地区)对FENGSHA模块和三种其它沙尘机制(SHAO2004、MB1995、LL1978)的排放清单进行模拟验证发现,FENGSHA模块对于农田沙尘事件的模拟同实际情况存在较一致的空间分布特征,同时其小时PM10浓度值分布特征虽与观测值略有偏差,但整体变化趋势一致,浓度峰值位置与数据均较为相近。因此,FENGSHA模块模拟的空间分布和时间分布均与沙尘事件吻合性最好。同时通过四个统计学参数对模拟结果与观测值分析得知,其2012年的平均相对均方误差、平均归一化平均偏差和平均归一化平均误差分别为108.93μg/m2、-0.45(接近0)和91.68,而2018年平均相对均方误差、平均归一化平均偏差和平均归一化平均误差分别为70.91μg/m2,-0.47(更接近0)和70.26%,FENGSHA模块的对中国地区沙尘事件的模拟结果略优于美国的沙尘事件。但是FENGSHA模块与观测值也有一定的偏差,这是很多因素共同作用的结果。其中一个非常重要的因素是临界摩擦速度,而土壤质地是临界摩擦速度的重要影响因素,临界摩擦速度直接决定颗粒物的起沙量,因此两种不同方法得到的不同土壤质地而直接导致模拟的偏差。