引 言

全球变暖导致的复杂水循环使得不同地区干湿状况发生变化[1]。中亚干旱区是全球最大的非地带性干旱区，自然环境恶劣，其对20世纪两次全球增暖期中的第二次增暖响应明显[2]，温度显著增高[3]，增温率为0.18 ℃·(10 a)-1，说明该地区为气候敏感区。CHEN等[4]基于CRU资料研究认为中亚干旱区近80 a降水量增多，降水的增加及温度的升高导致冰川融化、径流增加、湖泊水位上升及湖泊面积扩张。中国西北地区在天山以北出现了由“暖干向暖湿”转型的强劲信号[5]。

干湿指数可以用来反映干旱的严重程度及持续时间[6]，通常采用的帕尔默干旱指数[7] (PDSI，Palmer drought severity index)、自校准帕尔默干旱指数(sc-PDSI，a self-calibrating PDSI)[8-9]，它们仅计算单一时间尺度，并且是基于美国的气候条件；标准化降水指数[10] (SPI， standardized precipitation index)虽然计算了多时间尺度但未考虑蒸散量的作用；而由VICENTE-SERRANO等[11]提出的一种结合PDSI与SPI优点的标准化降水蒸散指数(SPEI，standardized precipitation evapotranspiration index)既考虑了水分与热量平衡过程，又具有多时间尺度的特点。国内外学者基于SPEI已对不同地区干湿变化特征开展了一定的研究[12-15]。BENJAMIN等[16]的研究表明年尺度的SPEI适合干旱地区，因此本文基于最新的SPEI全球数据集，利用REOF方法对中亚地区进行干湿异常区划分并探讨各个分区气候要素的时间演变特征，从而了解中亚地区百年尺度的干湿气候变化特征。

分别计算MA组(N=61)Cys-C、HCY、HbA1c和UmALB单项检测与联合检测的真阳性率和假阴性率，联合检测采取并联检测，一项或多项指标阳性者即为阳性患者，Cys-C、HCY、HbA1c和UmALB联合检测的真阳性率明显高于单项指标检测的真阳性率。见表2。

1 研究区概况

一般意义上的中亚干旱区指西起里海、东至中国西部、南接阿富汗、北抵俄罗斯的亚欧大陆腹地。本文参考陈曦[17]对中亚的定义，将中亚五国(哈萨克斯坦、乌兹别克斯坦、土库曼斯坦、吉尔吉斯斯坦、塔吉克斯坦)和中国新疆作为研究区。中亚东南部为帕米尔高原西北坡和天山山脉，西部为卡拉库姆沙漠和克孜勒库姆沙漠，北部为哈萨克斯坦丘陵和图兰平原，地势总体上东南高、西北低。研究区中沙漠面积超过106×104 km2，占该地区总面积的1/4以上[18]。

2 资料与方法

2.1 资料

采用英国东英吉利大学气候研究中心(CRU)提供的1901年1月至2015年12月的全球逐月气温、降水量和潜在蒸散发量数据集TS4.00(time-series 4.0)[19]，分辨率为0.5°×0.5°，该数据集在中亚地区的适用性已经进行了研究及检验[3-4，20-21]。

西班牙比利牛斯生态研究所(IPE-CSIC)创建的全球逐月陆地SPEI数据集(SPEI base v2.5)，分辨率为0.5°×0.5°，时间段为1901年1月至2015年12月，选取12个月尺度的标准化降水蒸散指数SPEI12作为干湿指标，具体计算过程见文献[11]，SPEI>0表示湿润、SPEI<0表示干旱。该数据集具有时间序列长、应用范围广、精度高的特点，克服了以往数据在尺度和可靠性方面的限制。

数字高程模型(DEM)数据从中国科学院数据云 (http://www.csdb.cn/) 下载，采用航天飞机雷达地形测绘任务(SRTM)地形数据中的SRTM3，空间分辨率为90 m×90 m。

2.2 方法

利用旋转经验正交函数(REOF)划分中亚地区干湿变化的空间分布型；利用集合经验模分解(EEMD，ensemble empirical mode decomposition)方法[22]探讨中亚地区年降水量和SPEI12的周期特征。REOF方法克服了经验正交函数(EOF)分离出的空间分布不能清晰表现地域差异的局限性，将原要素场的特征集中映射到载荷场所表示的优势空间型上，使反映的气候特征更明显[23-25]。EEMD是EMD(经验模分解)的改进算法，其有效解决了EMD混频现象，保留了原序列的信息[26]，将白噪声加入原始信号，通过平滑技术去除脉冲干扰。本文在时间序列中加入了100组信噪比为0.2的白噪声序列，周期的计算采用零点数(counting cross zero numbers)方案[27]。

[16] BENJAMIN C, JASON S, RICGARD S, et al. Global warming and 21st century drying[J]. Climate Dynamics, 2014,43(9/10):2607-2627.

3 中亚各气候要素时空分布特征

3.1 时间演变特征

图1是1901—2015年中亚地区年平均气温、年降水量、年潜在蒸散量、SPEI12及北半球年平均气温的时间演变。近115 a来中亚地区年平均气温呈波动上升趋势，线性倾向率为0.15 ℃·(10 a)-1(显著性检验见表1，下同)，增温率高于北半球的升温速率，这与王劲松等[2]的研究结论一致。中亚地区表现出非常明显的年代际升温趋势，1970年代后中亚地区急剧升温，升温幅度达0.34 ℃·(10 a)-1。除北半球1930年代的小暖期中亚地区没有显现，其他年代中亚地区增温幅度均大于北半球，M-K突变检验(图略，下同)表明中亚地区气温在1979年发生突变，突变之后气温急剧增暖。

近115 a来中亚地区年降水量的线性倾向率为1.8 mm·(10 a)-1，M-K突变检验表明降水量在1970年代末发生突变，降水增幅加大。中亚干旱区年潜在蒸散量远大于年降水量，近115 a年潜在蒸散量也呈现显著增加趋势，其气候倾向率为3.1 mm·(10 a)-1，对潜在蒸散量的时间序列进行M-K突变检验，发现在1970年代后期发生显著突变。从1902—2015年中亚地区SPEI12的时间演变可以看出SPEI12呈现缓慢上升趋势，11 a滑动平均拟合曲线表明研究区经历了干湿交替的变化，突变检验表明SPEI12在1970年代后期发生由干转湿的突变。对各气候要素的不同时间序列进行相关及偏相关分析发现：SPEI12与年降水序列的相关性最高，相关系数为0.80(通过0.01显著性水平检验)；与潜在蒸散量呈显著负相关，相关系数为-0.42(通过0.01显著性水平检验)。不考虑其他气候因素，SPEI12与降水10 a滑动平均序列偏相关性最好，相关系数达0.86(通过0.01显著性水平检验)，与潜在蒸散量的10 a滑动平均序列偏相关系数为-0.47(通过0.01显著性水平检验)。

采用EEMD方法对中亚地区年降水量(图2)及SPEI12序列(图略)进行逐步分解，可以得到5个具有不同波动周期的固有模态函数(intrinsic mode function，IMF)分量(IMF1至IMF5)和1个趋势分量(残差值R)。由图2看出，降水时间序列分解出的IMF1、IMF2分别反映降水的准3 a、准6 a周期振荡，且IMF2振幅明显比IMF1小，振幅的变化较为平缓；IMF3显示降水量的准14 a周期，1960年代中期之后振幅逐渐增大，目前仍处于振幅较大时期；IMF4振幅进一步减小，周期加大，为准25 a，主要表现在1960至1990年代；IMF5反映中亚地区降水量的长周期变化，其振荡周期为准64 a。通过各阶IMF趋势的显著性检验发现，年降水的显著振荡周期为准3 a和14 a(通过0.01显著性水平检验)。由R反映的总趋势可以看出中亚地区近115 a降水呈增多趋势。

图1 1901—2015年中亚地区年平均气温、年降水量、年潜在蒸散量、SPEI12及北半球年平均气温时间演变 Fig.1 The variation of annual average temperature, annual precipitation, annual potential evapotranspiration, SPEI12 in Central Asia and annual average temperature in the northern hemisphere during 1901-2015

Ⅱ区为中亚西南部地区，多年年平均气温为7.9 ℃，近115 a表现为显著增暖趋势，增温率为0.16 ℃·(10 a)-1，气温在1987年发生加速增暖的突变；该区多年平均年降水量为266.8 mm，近115 a降水呈显著增加趋势，增加率为2.45 mm·(10 a)-1，降水在1979年发生突变，1970年代末之后降水增加幅度变大；多年平均年潜在蒸散量为1 047.1 mm，且以5.37 mm·(10 a)-1的速率显著增加，该区潜在蒸散量的增加趋势在中亚地区最大；SPEI12呈波动增加趋势，气候倾向率为0.018(10 a)-1， 1990年代末SPEI12增大幅度变大。

SPEI12时间序列分解出的IMF分量反映从高频到低频不同时间尺度的波动特征。根据各IMF分量的波动特点，IMF1至IMF5的频率依次减小，周期依次变长。114 a中亚地区SPEI12具有准3 a、6 a、14 a、28 a和38 a周期，利用各阶IMF趋势的显著性检验发现，SPEI12以准14 a周期振荡最为显著(通过0.01显著性水平检验)。由R的变化可以看出SPEI12总体呈上升趋势。

3.2 空间分布特征

从中亚地区近115 a年平均气温及其气候倾向率的空间分布[图3(a)]可以看出，研究区年平均气温东西部高、中部低，北部地区随纬度递减，西南部由中心区域向四周递减，中部山区年平均气温最低可低于0 ℃，气温最高在西南部，年平均气温在14 ℃以上。全区呈现显著增温趋势，增温率大于0.12 ℃·(10 a)-1的区域主要在西北部和中东部地区，其中增暖最明显的是西部及东北部地区，其气候倾向率最大可达0.16 ℃·(10 a)-1 。

该模式是政府方与商业银行成立政府引导基金（比如城市发展基金、城市建设基金、产业基金）。一般采用优先/劣后分层结构化设计，商业银行以理财等资金出资作为优先级，政府方出资作为劣后级。常见的业务结构如图2所示。

图2 基于EEMD方法对中亚地区1901—2015年降水变化趋势的分解 Fig.2 The EEMD results of annual precipitation in Central Asia during the period of 1901-2015

图3 1901—2015年中亚各气候要素多年平均(等值线)及其气候倾向率(阴影区)的空间分布 (打点区通过0.01显著性水平检验) (a)年平均气温(单位：℃;℃·(10 a)-1);(b)年降水量(单位：mm;mm·(10 a)-1);(c)年潜在蒸散量(单位：mm; mm·(10 a)-1);(d)SPEI12(单位：(10 a)-1) Fig.3 The spatial distribution of the climatic factors(contours) and their climate tendency rates(shaded) in Central Asia during the period of 1901-2015 (the dotted areas denote climate tendency rates passed the 0.01 significance level) (a) annual mean temperature (Unit:℃, ℃·(10 a)-1), (b) annual precipitation (Unit:mm, mm·(10 a)-1),(c) annual potential evapotranspiration (Unit:mm, mm·(10 a)-1) , (d) SPEI12 (Unit:(10 a)-1)

从中亚地区1901—2015年年降水量及其气候倾向率的空间分布[图3(b)]可以看出，中南部年降水多，东西部少。中亚地区中南部高山地区年降水在390 mm以上，最大可超过600 mm。近115 a降水呈显著增加趋势，最大增幅超过10 mm·(10 a)-1。北部的平原地区降水量随纬度增高而增加，年平均降水量最大可达330 mm，该区域降水量呈显著减小趋势。

[10] MISHRA A K, SINGH V P. A review of drought concepts[J]. Journal of Hydrology, 2010,391(1):202-216.

中亚地区山盆交错，绿洲与荒漠镶嵌的特殊地貌导致该地区气候时空变化不均。近115 a SPEI12气候倾向率的空间分布[图3(d)]显示SPEI12有两个显著变小区域，即北部及东南部地区，其与年降水量减少区域一致，表明这些区域干旱呈加剧趋势，其他地区SPEI12为增加趋势。

3.3 SPEI12的气候分区

为进一步分析中亚地区干湿时空异常变化特征，首先对SPEI12进行EOF分解，进一步对通过NORTH等[28]显著性检验的前10个模态 (总方差的贡献率累计达63.3%)进行REOF分解，REOF分解后得到的前7个特征向量场(图4)对总方差的贡献率为53.8%，能较好地代表中亚地区干湿变化的区域特征，下面详细分析这7个特征向量场。

图4 中亚地区年干湿指数SPEI12的REOF前7个特征向量的空间分布 Fig.4 Spatial distributions of the first seven modes of SPEI12 REOF analysis in Central Asia

第1特征向量场的旋转载荷向量(RLV1)负的高值区主要位于哈萨克斯坦西部地区，这一地区地势平坦，RLV1绝对值最大为0.8，位于西哈萨克斯坦州；第2特征向量场的旋转载荷向量(RLV2)正的高值区包括中亚地区西南部土库曼斯坦、乌兹别克斯坦以及哈萨克斯坦西南部，RLV2的绝对值最大值为0.8，位于乌兹别克斯坦和哈萨克斯坦西南部地区，其下垫面以沙漠为主；第3特征向量场的旋转载荷向量(RLV3)负的高值区位于北部地区，但因其位于研究区北界(哈萨克斯坦北部)之外，因此未并入气候分区中；第4特征向量场的旋转载荷向量(RLV4)负的高值区位于中部高山区，包括：吉尔吉斯斯坦、塔吉克斯坦及我国新疆的西部，这一分区处于帕米尔高原及天山山脉，RLV4的绝对值最大值为0.8，位于吉尔吉斯斯坦东部伊塞克湖州；第5特征向量场的旋转载荷向量(RLV5)负的高值区位于哈萨克斯坦中部地区，RLV5的绝对值最大为0.8，位于哈萨克斯坦的卡拉干达州；第6特征向量场的旋转载荷向量(RLV6)正的高值区位于塔里木盆地以南的新疆南部地区；第7特征向量场的旋转载荷向量(RLV7)的正的高值区位于新疆北部，该区域是李栋梁等[29]研究西北地区气候转型时提出的由“暖干向暖湿”转型最显著的地区，RLV7绝对值最大值为 0.9，位于北疆阿勒泰地区。

上午9时整，升旗仪式正式开始。随着铿锵有力的号令声，3名升旗手手擎一面国旗、两面厂旗，在10名护旗手的护卫和干部职工的注目礼下，迈着坚定有力的步伐走向升旗台。伴随着雄壮的《中华人民共和国国歌》和催人奋进的《开磷之歌》，国旗与厂旗在庄严注目下冉冉升起。砥砺拼搏六十载，开磷披荆斩棘仍旧斗志不减；风雨兼程六十载，开磷历经沧桑依然奋发昂扬；峥嵘岁月六十载，开磷牢记使命镌刻时代丰碑；春华秋实六十载，开磷扬帆筑梦谱写辉煌华章。

取旋转载荷向量绝对值大于0.4(通过0.01显著性水平检验)为临界值，得到干湿变化的空间异常气候区，具体分区情况如图5所示。表1列出中亚各气候分区气温、降水、潜在蒸散和SPEI12的多年平均值、线性倾向率及突变年份。图6、图7、图8和图9分别为各分区气温、降水、潜在蒸散量和SPEI12区域平均的年际变化曲线。

图5 中亚地区气候异常分区 Fig.5 The sub-regions of anomaly climate in Central Asia

Ⅰ区位于哈萨克斯坦西部地区，是中亚各气候区中气温最高区域，近115 a其年平均气温为11.5 ℃，线性倾向率为0.14 ℃·(10 a)-1，为显著变暖区；该区多年平均年降水量为232.7 mm，以3.34 mm·(10 a)-1的速率增加，降水量在1979年发生突变；平均年潜在蒸散量为1 301.9 mm，是中亚地区潜在蒸散量最大地区，并以4.08 mm·(10 a)-1的速率增加，且在1985年发生急剧增多的突变；该区SPEI12表现为非常缓慢但持续增加趋势，线性倾向率为0.039(10 a)-1，1982年为突变年。

为了进一步探究托伐普坦对心衰患者长期预后的影响，本研究对所有纳入的患者进行为期24个月的随访，比较两组患者的平均住院时间、心衰再住院率、非致死性心梗发生率、心血管死亡率及全因死亡率。结果发现，托伐普坦组的平均住院时间和心衰再住院率均低于标准治疗组(P<0.05)，但两组患者的非致死性心梗发生率、心血管死亡率及全因死亡率差异无统计学意义。Vaduganathan等[14]发现，托伐普坦对血清渗透压的影响在出院后4～8周逐渐下降，52周内完全消失，因此托伐普坦不能改善患者的长期预后可能与短期(仅在住院期间)使用有关。研究[18-19]发现，使用托伐普坦1年以上的心衰患者再入院率可能会下降。

Ⅲ区为哈萨克斯坦中部地区，该区多年年平均气温为5.3 ℃，气候倾向率为0.17 ℃·(10 a)-1，呈显著增加趋势，1981年后气温发生突变，处于显著上升阶段，变暖明显，1990年代后气温达到最高；该区多年平均年降水量为238.9 mm，存在明显的年际变化，总的降水变化趋势不明显；该区多年平均年潜在蒸散量为1 009.9 mm，其气候倾向率为3.26 mm·(10 a)-1，未通过显著性检验，在1982年发生由小增大的突变；SPEI12虽有明显年际、年代际振荡，但无明显变化趋势。

Ⅳ区为中亚高山区，该区多年年平均气温为6.6 ℃，气候倾向率为0.13 ℃·(10 a)-1，表现为显著增暖趋势，气温在1981年发生突变，突变后气温增暖幅度加大；该区降水量丰富，多年平均年降水量为305.8 mm，是中亚降水量最大的气候分区。并且降水的增加率也是各区中最大，达5.29 mm·(10 a)-1，降水量在1987年发生急剧增多的突变；多年平均年潜在蒸散量为1 083.4 mm，气候倾向率为0.83 mm·(10 a)-1；SPEI12表现为弱的增加趋势。

Ⅴ区为新疆北部地区，该区多年年平均气温为2.2 ℃，气候倾向率0.18 ℃·(10 a)-1，是中亚地区增温最显著区域，气温在1981年发生急剧增暖的突变，相对于其他气候分区，该区增温率最高；多年平均年降水量为212.5 mm，气候倾向率为2.11 mm·(10 a)-1，降水量增加的突变发生在1987年；多年平均年潜在蒸散量为927 mm，气候倾向率为2.98 mm·(10 a)-1，1982年蒸散量发生由大到小的突变；SPEI12在1982年发生突变，1980年代SPEI12增加幅度变大。

Ⅵ区为新疆南部地区，多年平均气温为3.7 ℃，其气候倾向率与Ⅰ区相同，为0.14 ℃·(10 a)-1，对平均气温的时间序列进行突变检测发现该区的加速增暖突变发生在1977年，是中亚地区发生突变最早的分区；多年平均年降水量为112.6 mm，是中亚降水量最少、最干旱的气候区，年降水的气候倾向率为1.10 mm·(10 a)-1；年潜在蒸散量平均为1 018.4 mm，呈现下降趋势；近115 a该区SPEI12为显著增加趋势。

表1 中亚各气候分区相关气候要素的线性倾向率及其突变 Tab.1 Statistics of the climate tendency rates of climate factors and its abrupt change in Central Asia and its six sub-regions

区域气温降水蒸散量SPEI平均值/℃倾向率/(℃·(10a)-1)突变年平均值/mm倾向率/(mm·(10a)-1)突变年平均值/mm倾向率/(mm·(10a)-1)突变年倾向率/(10a)-1突变年全区5.40.15***1979283.41.81***1977979.73.12***—0.092*1977Ⅰ区11.50.14***1983232.73.34***19791301.94.08***19850.039**1982Ⅱ区7.90.16***1987266.82.45**19771047.15.37***—0.018**1977Ⅲ区5.30.17***1981238.90.28—1009.93.261982-0.007—Ⅳ区6.60.13***1981305.85.29***19871083.40.83***—0.0161992Ⅴ区2.20.18***1981212.52.11**1987926.82.98***19820.017*1982Ⅵ区3.70.14***1977112.61.10**19871018.40.56***19810.051***1987

注：*、**、***分别表示通过0.1、0.05及0.01的显著性水平检验。

图6 1901—2015年中亚各气候分区年平均气温变化 Fig.6 Variation of average air temperature of each sub-region in Central Asia from 1901 to 2015

图7 1901—2015年中亚各气候分区年降水量变化 Fig.7 Variation of annual precipitation of each sub-region in Central Asia from 1901 to 2015

图8 1901—2015年中亚各气候分区年潜在蒸散量的变化 Fig.8 Variation of annual potential evapotranspiration of each sub-region in Central Asia from 1901 to 2015

图9 1901—2015年中亚各气候分区SPEI12的变化 Fig.9 Variation of SPEI12 of each sub-region in Central Asia from 1901 to 2015

综上所述，6个气候区的要素突变均发生在1977年之后。气温首先从中亚东南部的Ⅵ区开始急剧增暖，突变年份为1977年；其次是中部及东北部的Ⅲ、Ⅳ和Ⅴ区，突变年为1981年；1983年位于中亚地区西南部的Ⅱ区发生突变；最晚突变发生在中亚西北部的Ⅰ区(1987年)。中亚地区降水突变年份，西部的Ⅰ区、Ⅱ区分别为1977和1979年，早于中部和东部(1987年)8～10 a；潜在蒸散量的突变东部、北部分别发生在1982和1981年，西南部略晚(1985年)，潜在蒸散量突变的时空格局与气温基本一致，即东南部早于西北部，并且东南部的Ⅴ区、Ⅵ区潜在蒸散量减小而西部地区呈增加的趋势；SPEI12突变最早发生在西北部的Ⅰ区，最晚发生在1992年，位于中部的Ⅳ区。中亚6个分区干湿发生变化的时间与降水量一致或滞后3～6 a。中亚各分区气候总体由暖干向暖湿转型，且在空间上平原早于高山地区。

为了验证三角函数神经网络谐波分析方法的正确性和有效性,通过MATLAB/Simulink对含有谐波的电流信号进行了仿真研究。电动汽车充电电流信号的表达式与式(2)相同。

4 结 论

(1)中亚地区年平均气温为5.4 ℃，东部、西部的平原区高，中部山区低；平均年降水量283.4 mm，潜在蒸散量979.9 mm，为干旱半干旱区。中亚东部、北部、西部的年降水量在100～200 mm之间，属干旱区，中部山区在300～600 mm，属半干旱半湿润气候区。

(2)近115 a来中亚气候变化呈“暖湿”化趋势，其中平均气温显著升高，气候倾向率为0.15 ℃·(10 a)-1，这种加速增暖的突变发生在1970年代末；降水量的气候倾向率为1.8 m·(10 a)-1 ，呈准14 a周期变化，且增加趋势显著，突变发生在1970年代后期；潜在蒸散量的气候倾向率为3.12 m·(10 a)-1，表现为极显著增加；SPEI12呈现准3 a和14 a的周期振荡，且总体呈显著增加趋势，也在1970年代后期发生突变，突变后SPEI12显著变大。SPEI12分别与降水量和潜在蒸散量的10 a滑动平均序列的偏相关系数达0.86和-0.47(通过0.01显著性水平)，即SPEI12的变化受降水量和潜在蒸散量影响很大。

(3)中亚地区在过去115 a的干湿气候变化中表现出明显的“转型”特征。变暖突变首先于1970年代中后期在中亚东南部的中国南疆开始，然后向北、向西扩展，分别于1980年代初期和中后期变暖突变信号传至中亚北部、中部和西部；气温升高导致的潜在蒸散量增大也是中亚东部早于西部，突变时间略晚于气温；降水的突变则首先于1970年代中后期在中亚西部开始，然后向南、向东扩展，于1980年代中后期信号传至中亚东部的中国新疆；反映干湿综合变化的SPEI12不仅受气象要素影响，而且还受地理条件影响，位于中亚西北部(哈萨克斯坦西部)的变湿较早开始于1970年代中后期(与降水一致)，然后向南扩展到乌兹别克斯坦西部和土库曼斯坦、中国新疆北部，这些地区1980年代初期变湿，新疆南部于1980年代中后期开始变湿。塔吉克斯坦、吉尔吉斯斯坦和哈萨克斯坦的巴尔喀什湖地区由于受地形和湖面水体影响，气温低、降水量多，变化相对稳定，突变在1990年代初期发生，且不显著。

参考文献：

[1] DAI A, TRENBERTH K E, KARL T R. Global variations in droughts and wet spells:1900-1995[J]. Geophysical Research Letters, 1998,25(17):3367-3370.

焊前水冷板需经以下处理：① 用丙酮清洗，以去除水冷板试样表面的污物；②依次用800号、1000号、1200号、2000号SiC砂纸水洗打磨；③ 用丙酮超声清洗10 min；④ 吹干，备用.扩散焊工艺参数为焊接温度530 ℃、保温时间7 h和焊接压力3.5 MPa.

[2] 王劲松,陈发虎,靳立亚,等. 亚洲中部干旱区在20世纪两次暖期的表现[J]. 冰川冻土,2008,30(2):224-233.

[3] 王劲松,陈发虎,张强,等. 亚洲中部干旱半干旱区近100年来的气温变化研究[J]. 高原气象,2008,27(5):1035-1045.

1.2.6 寒暑假期生活状况 问卷学生普遍回答在家放松休息，每天的生活都是吃吃睡睡、看电视、玩游戏、会亲友；少数学生帮助家长做家务、干农活或做点社会兼职；个别学生利用假期到驾校学开车、外出旅游，学习看书和进行体育锻炼的学生是极少数。

[4] CHEN F H, HUANG W, JIN L Y, et al. Spatiotemporal precipitation variations in the arid Central Asia in the context of global warming[J]. Science China: Earth Sciences, 2011,54(12):1812-1821.

[5] 施雅风,沈永平,李栋梁,等. 中国西北气候由暖干向暖湿转型的特征和趋势探讨[J]. 第四纪研究,2003,23(2):152-164.

[6] 李忆平,李耀辉. 气象干旱指数在中国的适应性研究进展[J]. 干旱气象,2017,35(5):709-723.

[9] DAI A. Characteristics and trends in various forms of the Palmer drought severity index during 1900-2008[J]. Journal of Geophysical Research Atmospheres, 2011, 116, D12115, DOI:10.1029/2010JD015541.

[8] WELLS N, GODDARD S, HAYES M J. A self-calibrating Palmer drought severity index[J]. Journal of Climate, 2004,17(12):2335-2351.

[7] PALMER W C. Meteorological drought[C]//Office of Climatology U.S. Weather Bureau. U.s.department of Commerce Weather Bureau Research Paper, Washington:1965.

中亚地区潜在蒸散量常年维持高值状态，其中中亚西南部是潜在蒸散量最大区域，最大值超过1 380 mm，同时该区域也是潜在蒸散量增幅最大地区，最大增幅超过9 mm·(10 a)-1[图3(c)]。中亚北部地区随纬度增高潜在蒸散量减少，这一区域除巴尔喀什湖北部潜在蒸散量为减少趋势之外，其他区域均为增加趋势；中亚中南部的潜在蒸散量相对较小且呈减少趋势，其减少幅度最大达2mm·(10a)-1；中亚东南部是潜在蒸散量大值区，以此区域为中心向四周递减，即潜在蒸散随下垫面植被覆盖率的减小而增大，该区下垫面为沙漠，潜在蒸散量值大。

[11] VICENTE-SERRANO S M, BEGUERIA S, LóPEZMORENO J I. A multiscalar drought index sensitive to global warming: the standardized precipitation evapotranspiration index[J]. Journal of Climate, 2010,23(7):1696-1718.

[12] 石崇,刘晓东. 1947—2006年东半球陆地干旱化特征——基于SPEI数据的分析[J]. 中国沙漠,2012,32(6):1691-1701.

随着银行ATM机的普及，人们对资金的操作方式逐渐从人工处理转向机器处理，ATM机的出现给人们的生活带来了许多便捷，对于提高金融行业的服务质量和人们管理自身财产方式发挥着不可替代的作用，但一些犯罪分子却通过蒙面的手段对他人财产进行窃取、洗黑钱等违法犯罪行为，导致人们的财产与银行财务的安全周转存在隐患。针对此现象，急需研发一款智能监控系统，将遮挡人脸判别技术融入ATM机，并与公安系统联网，对于遮挡人脸的行为机器就会因为无法辨认其脸部特征而自动停止交易并报警，以此遏制犯罪与提高破案率。

[13] 陈斐,杨沈斌,王春玲,等. 基于SPEI指数的西北地区春旱时空分布特征[J]. 干旱气象,2016,34(1):34-42.

[14] 刘珂,姜大膀. 基于两种潜在蒸散发算法的SPEI对中国干湿变化的分析[J]. 大气科学,2015,39(1):23-36.

[15] 轩俊伟,郑江华,刘志辉. 基于SPEI的新疆干旱时空变化特征[J]. 干旱区研究,2016,33(2):338-344.

通过文献研究和问卷分析，笔者分别对知识型员工的人格特质量表、工作满意度量表与工作绩效量表进行描述性分析、相关性分析，初步发现：

[17] 陈曦. 亚洲中部干旱区蒸散发研究[M]. 北京:气象出版社,2012.

市政管网中的固体物质，一部分随水流进入污水处理厂进行集中预处理，另一部分通过管（渠）清淤的方式被清理出来[4]。在欧洲许多国家，市政管（渠）清淤物若不经过预处理就不允许进行填埋处置。清理出来的淤积物质理论上也可以运往市政污水处理厂进行集中处理，但实际上许多污水处理厂内并没有条件进行通沟污泥的协同处理。因此，可选择合适处理工艺，单独建造通沟污泥处理站对其进行专门处理。

[18] 赵常庆. 中亚五国概论[M]. 北京:经济日报出版社,1999.

“上帝”为啥创造这些搬弄是非的人呢？长此下去，这些好事之徒、长舌之君难免有意无意地宣传丑化她，想待下去，可不容易啊！

[19] NEW M, HULME M, JONES P. Representing twentieth-century space-time climate variability. Part II: development of 1901-96 monthly grids of terrestrial surface climate[J]. Journal of Climate, 2000,12(12):829-856.

[20] 黄伟,吴娴,陈建徽,等. 中亚干旱区降水准两年周期振荡及突变特征[J]. 气候变化研究进展,2012,8(6):448-455.

[21] 黄秋霞,赵勇,何清. 基于CRU资料的中亚地区气候特征[J]. 干旱区研究,2013,30(3):396-403.

[22] WU Z H, HUANG N E. Ensemble empirical mode decomposition:a noise-assisted data analysis method[J]. Advances in Adaptive Data Analysis, 2009,1(1):1-41.

[23] RICHMAN M B. Rotation of principal components[J]. International Journal of Climatology, 1986,6(3):293-335.

[24] 魏凤英. 现代气候统计诊断与预测技术[M]. 北京:气象出版社,2007:105-125.

[25] 黄嘉佑. 气象统计分析与预报方法[M]. 北京:气象出版社,2004:365-373.

[26] HUANG N E, WU Z H. A review on Hilbert-Huang transform: method and its applications to geophysical studies[J] Rev. Geophys, 2008. 46(2):1-23.

8月14日午后，宁波舟山港海铁联运北仑港区站一片繁忙，过半股道上停满了装载着集装箱的列车。来自全国各地的货物通过铁路汇集至此，再“出海”驶向全球。

[27] QIAN C, WU Z, FU C, et al. On changing El Nio: A view from time-varying annual cycle, interannual variability, and mean state[J]. Journal of Climate, 2011, 24(24):6486-6500.

[28] NORTH G R, BELL T L, CAHALAN R F, et al. Sampling errors in the estimation of empirical orthogonal functions[J]. Monthly Weather Review,1982,110(7):699-706.

[29] 李栋梁,魏丽,蔡英,等. 中国西北现代气候变化事实与未来趋势展望[J]. 冰川冻土,2003,25(2):135-142.

(4)将灰色系统理论应用于步枪故障预测的方法,简单实用,预测能力及可靠性强,可以广泛地应用到工程领域中。