作物水分胁迫指数(CWSI)模型中的下限温度指水分充足时的冠层温度(Tc)或冠气温差(dT),对模型量化植被水分状况精度有较大影响.目前,基于数据驱动方法直接估算下限温度已在大田作物中取得成功,但尚未见其在森林生态系统中的适用性报道.本研究以太行山南麓栓皮栎人工林为研究对象,连续同步观测Tc和气象数据,评估使用多元线性回归模型和BP神经网络模型估算下限温度的可行性,以及CWSI指示人工林水分状况的精度.结果表明:在不具备灌溉条件的森林生态系统中,将以土壤含水量、风速、净辐射、饱和水汽压差、气温作为输入参数的多元线性回归模型与BP神经网络模型中的土壤水分条件设为饱和,即可获得下限温度;将下限温度与理论公式确定的上限温度结合,对实测Tc或dT进行归一化获得CW-SI,可实现对栓皮栎人工林水分状况的无损、快速、自动诊断.其中,基于BP神经网络模型确定的水分充足条件下的dT作为下限温度,并与上限温度结合获得CWSI,最适合精准量化人工林水分状况,与实测水分状况之间的决定系数、均方根误差和一致性指数分别为0.81、0.08和0.90.本研究结果可为森林生态系统水分状况的高效、精准监测提供参考方法.

在不同的紫外线（UV）波段中，长波UVA（UVA1，340 ~ 400 nm）具有更高的皮肤穿透力，并且受气象条件和臭氧层厚度等环境参数的影响较小，因此更容易到达皮肤深部的真皮层，对细胞成分（如DNA、脂质和蛋白质）造成氧化损伤。UVA1已经越来越多地被发现与衰老、致癌作用、多种皮肤疾病和色素问题相关。

目的:分析石家庄市气象因素与手足口病发病相关性及其滞后效应。方法:资料来源于中国疾病预防控制信息系统2017-2019年石家庄市手足口病逐日发病数据、中国气象数据网的各气象监测点地面逐小时气象数据。运用R 3.6.2软件构建分布滞后非线性模型并进行统计学分析。结果:当日均气温为15~26 ℃时，滞后3~6 d的手足口病发病风险增加，滞后3 d时发病风险最大（ RR=1.03，95% CI：1.00~1.06）。当日均相对湿度>80%时，滞后5~18 d的手足口病发病风险增加，滞后9 d时发病风险最大（ RR=1.04，95% CI：1.02~1.06）。当日均气压为999~1 007 hPa时，滞后5~8 d的手足口病的发病风险增加，滞后6 d时的发病风险最大（ RR=1.01，95% CI：1.00~1.02）。当日降水量为15~32 mm时，滞后3~18 d的手足口病发病风险增加，滞后6 d的发病风险最大（ RR=1.11，95% CI：1.02~1.19）。 结论:2017-2019年石家庄市气象因素中，日均气温较高（15~26 ℃）、日均相对湿度较高（>80%）、日均气压较低（999~1 007 hPa）和日降水量较高（15~32 mm）都会增加手足口病的发病风险，均与手足口病发病存在相关性，并有一定的滞后性，可作为手足口病疫情预警的参数。

目的:分析甘肃省肃北、肃南县喜马拉雅旱獭鼠疫自然疫源地内气象因素对鼠疫流行的影响。方法:收集1973 - 2016年肃北、肃南2个县喜马拉雅旱獭疫源地鼠疫监测资料（来源于甘肃省疾病预防控制中心）和当年及领先1、2、3年（相对于当年作为参照的前1、2、3个年份）的气象因素（年均降雨量、气温、相对湿度）资料（来源于中国气象数据共享服务网）。采用R2.3.2软件，以年鼠疫检菌阳性率为因变量，气象因素为自变量建立时间序列半参数广义相加模型（generalized additive model，GAM），采用非线性效应关系定量研究气象因素对鼠疫的影响。结果:2006 - 2016年与1974 - 1983年相比，年均气温、相对湿度、降雨量的平均值肃北县分别上升了0.99 ℃、3.55%RH、12.16 mm；肃南县分别上升了1.00 ℃、2.01%RH、14.60 mm。1973 - 2016年共发生11起人间鼠疫，发病12例，死亡7例。肃北县鼠疫疫源地内领先3年年均降雨量在一定范围内每升高1.00 mm，动物鼠疫发生增加0.40%；领先2年年均相对湿度在一定范围内每升高1.00%RH，动物鼠疫发生增加11.66%。肃南县鼠疫疫源地内领先1年年均降雨量在一定范围内每升高1.00 mm，动物鼠疫发生增加1.32%；领先3年年均相对湿度在一定范围内每升高1.00%RH，动物鼠疫发生增加11.96%。另外，肃北、肃南县领先2年年均气温在一定范围内每升高1.00 ℃，动物鼠疫发生分别增加73.17%、70.18%。结论:甘肃省肃北、肃南县鼠疫的发生流行与气象因素关系密切，一定范围内的年均气温上升对鼠疫的流行不仅有明显的促进作用，而且存在滞后效应。另外，同一疫源地内不同类型气候对动物鼠疫流行的影响存在一定差异。

目的:探讨重庆主城区人呼吸道合胞病毒（HRSV）日发病例数与气象参数之间的关系。方法:本研究以2009年6月至2019年6月于重庆医科大学附属儿童医院呼吸中心因急性下呼吸道感染住院患儿为研究对象，共3 107例。采集患儿入院当天鼻咽抽吸物（NPA），检测HRSV及常见呼吸道病毒核酸；结合同期重庆主城区气象资料，对HRSV日发病例数及气象参数进行相关性和分布滞后非线性模型分析。结果:3 107例患儿的HRSV阳性率为34.53%（1 073例），年龄 M（ Q1， Q3）为6（3，13）月龄，男性占64.31%（690例）。HRSV日发病数与最低温度（ r=-0.220， P<0.001）、最高温度（ r=-0.221， P<0.001）、平均温度（ r=-0.221， P<0.001）、降水量（ r=-0.052， P<0.001）存在负相关，与日照时间（ r=0.011， P<0.001）、平均相对湿度（ r=0.095， P<0.001）存在正相关。与参考温度（20 ℃）相比，最低气温6~10 ℃在滞后4~8 d时对HRSV发病的 RR值为1.11~1.14，最低温度5~19 ℃在滞后5 d和2~19 ℃在滞后10 d时 RR值分别为1.02~1.14和1.00~1.03。累积滞后5、10、15和21 d时，与参考温度（20 ℃）相比，最低温度为10.4 ℃的 RR值（95 %CI）分别为1.93（1.08~3.46）、3.49（1.64~7.45）、5.00（2.01~12.46）和6.69（2.18~20.48）；最低温度为22.1 ℃的 RR值（95 %CI）分别为0.87（0.77~0.98）、0.77（0.66~0.90）、0.74（0.62~0.89）和0.68（0.55~0.85）。在累积效应中，与参考温度（20 ℃）相比，在不同滞后天数下最低温度对男童和女童的最大 RR值（95 %CI）分别为7.24（1.84~28.51）和2.19（1.07~4.46），对<6月龄儿童和≥6月龄儿童的最大 RR值（95 %CI）分别为4.72（1.05~21.23）和11.98（1.70~84.35）。 结论:在重庆主城区，儿童HRSV日发病例数与气候参数有相关性，其中最低温度对HRSV感染有滞后和累积效应，6~10 ℃在滞后4~8 d时对HRSV发病的影响较大，累积效应对男童及≥6月儿童HRSV发病影响更明显。

目的:探讨2021年3月16日—2023年3月31日北京市空气中 7Be、 137Cs和 210Pb活度浓度的变化情况以及与温度、降水量、相对湿度、气压、PM10(仅限 137Cs)等气象参数的相关性。 方法:使用辐射自动监测站内的HRHA01-SFS1000/A超大流量空气采样器共采集了60个气溶胶样品，利用GMX-60型低本底反康高纯锗γ能谱仪测量气溶胶样品中 7Be、 137Cs和 210Pb的活度浓度，使用皮尔逊相关系数表征相关参数的相关性。 结果:7Be活度浓度春季、夏季、秋季与冬季各季度均值分别为4.31、3.53、3.09与2.45 mBq/m 3，范围为1.17～7.79 mBq/m 3，整体均值为(3.36±1.33)mBq/m 3； 137Cs活度浓度范围为0.39～8.49 μBq/m 3，均值为(0.59±1.47)μBq/m 3； 210Pb活度浓度春季、夏季、秋季与冬季各季度均值分别为0.53、0.44、0.72与0.75 mBq/m 3，范围为0.21～1.36 mBq/m 3，均值为(0.56±0.26)mBq/m 3。 7Be的活度浓度与温度、气压相关( r＝0.38、－0.40)、 137Cs的活度浓度与降水相关( r＝－0.41)、 210Pb的活度浓度与温度、气压相关( r＝－0.31、0.37)。空气中 137Cs活度浓度变化呈现出明显的季节性规律，一般在每年的春季(3～5月)出现峰值，与北京市春季沙尘较为频繁有关。空气中 210Pb的活度浓度受冬季煤炭燃烧供暖的影响，在11～3月期间会出现高峰值。 结论:北京市空气中 7Be、 137Cs、 210Pb活度浓度处于正常水平范围内，呈现出季节性的变化趋势。

活立木茎干水分含量作为一种典型的生理水分参数,一直是活立木生命状态最为有效的表征参数之一,对维持整株树木水分平衡起着极其重要的作用,受到研究者、林木抚育者的高度重视.但活立木茎干水分含量的获取方法一直受到操作烦琐、成本昂贵、实时性不强、准确率不高及有损活立木生命等因素的影响,限制了对其深入的应用研究.该研究创新性地采用一种具有自主知识产权的茎干水分传感器,实时、无损地获取活立木茎干水分含量,并对茎干水分含量序列特征及其影响因素进行较为详细的研究.以常见的绿化树种五角枫(五角槭,Acer pictum subsp.mono)为研究对象,采用基于驻波率原理的植物茎干水分传感器实现对五角枫茎干水分含量原位且无损监测,同步监测相关气象因子,分析生长季不同时期茎干水分含量序列特征及其与各气象因子的关系.结果显示:(1)茎干水分含量在春季(4月)和秋季中后期(9-10月)呈"昼升夜降"的趋势,夏季至秋季中期(5-8月)呈"昼降夜升"的趋势;阴天会抑制茎干水分含量的日极差与极大值,雨天时,茎干水分含量会明显上升;干燥天气会使茎干水分含量呈下降趋势;(2)生长季萌芽期,对茎干水分含量变化起直接作用的气象因子主要是空气温度和饱和水汽压差,茎干水分含量与空气温度和土壤水分含量呈显著相关关系;生长期,影响茎干水分含量的主导因子为饱和水汽压差和土壤温度,茎干水分含量与饱和水汽压差和空气温度呈显著相关关系;落叶期,对茎干水分含量变化起直接作用的因子主要为空气温度和饱和水汽压差,且茎干水分含量与两因子的皮尔逊相关系数较高.采用逐步回归分析法构建3个时期茎干水分含量与各气象因子的回归方程模型,不同时期进入回归模型中的气象因子均有所不同.综上所述,该研究揭示了在不同气象因子协同作用下生长季茎干水分含量呈现出不同的序列特征及其影响因素,可为理解植物茎干内部水分运移规律及其环境适应机制提供一定的借鉴作用.

目的 比较季节自回归移动平均模型(SARIMA)、长短期记忆网络(LSTM)、经验动态建模(EDM)在包含及不包含气象因素的情况下预测潍坊市肾综合征出血热(HFRS)发病的效果,探索最佳预测模型.方法 选取 2011 年1 月至 2017 年 12 月潍坊市HFRS月发病率分别构建SARIMA模型、单变量LSTM模型、单变量EDM模型,以及包含气象因素的SARIMAX模型、多变量LSTM模型、多变量EDM模型,对2018 年1 月至2018 年12 月的月发病率进行预测,并比较各模型的预测效果.结果 SARIMA模型的平均绝对误差百分比(MAPE)为 42.17%,SARIMAX模型未通过参数检验;单变量LSTM模型、多变量LSTM模型的MAPE分别为 48.40%,16.19%;单变量EDM,多变量EDM模型的MAPE分别为 55.00%,51.79%.结论 包含气象因素的多变量LSTM模型对潍坊市HFRS发病率预测效果最佳,预测结果可为未来HFRS的防控提供参考.

草甸生态系统具有强大的碳汇功能,在全球碳循环过程中发挥着重要作用.区域尺度草甸生态系统碳通量的精准模拟,可以为揭示草地碳循环对全球变化的反馈机制提供理论依据.生态过程模型则是分析和预测区域碳平衡的重要途径.以甘南州高寒草甸生态系统为研究对象,利用参数优化后的Biome-BGC模型,模拟1979-2018年高寒草甸总初级生产力(Gross Primary Productivity,GPP)和净生态系统生产力(Net Ecosystem Productivity,NEP),以表征该区域碳收支的时空分布特征.以上述40年实测气象数据为基准,并结合第六次国际耦合模式比较计划(Coupled Model Intercomparison Project phase 6,CMIP6)中的3种共享社会经济路径(Shared Socio-economic Pathways,SSPs)情景,对甘南州2019-2100年高寒草甸碳收支进行情景模拟.结果表明:(1)参数优化后的Biome-BGC模型能较好的模拟甘南州高寒草甸GPP和NEP,且GPP模拟对比NEP的模拟效果更好;(2)甘南州高寒草甸在整个研究阶段表现为碳汇,过去40年GPP、NEP波动范围为600-1100 g C m-2 a-1、150-300 g C m-2 a-1,GPP显著上升,NEP呈波动性上升趋势.未来暖湿化情景下,高寒草甸碳收支年际波动较大,NEP呈先上升再下降趋势,2060年前后出现极小值,年均增幅约为2.02 g C m-2 a-1,气温、降水和大气CO2浓度升高共同影响该地碳收支格局;(3)季节尺度上表现为冬春季节为碳源、夏秋季节为碳汇,植被生长季固碳作用增强.年内GPP、NEP呈倒"U"型变化趋势,峰值均出现在7、8月,低温以及持续增温对碳汇具有抑制作用,生长季降水量与植被生产力呈正相关;(4)碳汇/碳源的空间分布随时间而变化,具有明显的地域差异性,总体上碳汇增长率由西南向东北递减.

祁连山是我国西北地区重要的生态安全屏障.为揭示祁连山植被覆盖变化及其驱动机制,本文通过融合GIMMS NDVI和MODIS NDVI获得1982-2022年1 km NDVI数据,并结合多时相土地利用、植被、地貌和气象数据,利用Theil-Sen趋势分析、Mann-Kendall显著性检验、最优参数地理探测器模型等方法,分析了祁连山NDVI时空变化特征与空间异质性及其驱动因素.结果表明:祁连山西北地区植被覆盖度较低,东南地区植被覆盖度较高,1982-2022年祁连山植被覆盖度明显提高,但近十年以来植被有退化的趋势;年均降水量和湿润指数是影响祁连山植被覆盖度的最主要驱动因素,解释力分别为69.6％和61.9％,年降水量和高程的交互作用对NDVI的分布有明显的影响.研究揭示了促进植被生长的驱动因子的类型或范围,为更好理解祁连山植被NDVI变化的驱动因素提供科学依据.