近年来,土壤湿度在气候系统中的作用受到广泛重视。土壤湿度是陆地水循环系统的重要组成部分,也是连接陆地水循环与能量循环的纽带。土壤湿度把地表净辐射分割为潜热和感热两部分,前者消耗于蒸散发过程,后者用于大气升温(Wang et al.,2011);它调节着陆地与大气之间的水汽和能量交换,从而对气候和天气过程产生重要影响(李润春等,2017)。开展土壤湿度研究,对于评估气候变化条件下的水资源安全具有重要的现实意义;对于提高气象预报能力,尤其是极端事件的季节性预报能力,也具有重要作用。然而,土壤湿度并非常规气象观测要素;现有土壤湿度观测资料的空间代表性较弱且时间跨度较短,难以用于区域性的长期变化研究。当前,对我国土壤湿度的时空变化研究多基于数值模拟和再分析资料(左志燕和张人禾,2008;李明星等,2011;Wang et al.,2011;王珊珊等,2011;熊明明等,2011;余莲和王澄海,2012;张强等,2013;赖欣等,2014;Liu et al.,2014)。

最近10余年来,利用卫星遥感手段反演土壤湿度的技术获得了快速发展,为获取大尺度土壤湿度资料提供了可行途径。微波波段穿透力强,且不易受气象条件影响,在地表土壤湿度反演方面获得广泛的应用(Wang et al.,2016;Waheed et al.,2018)。卢麾和施建成(2012)利用AMSR-E土壤湿度微波遥感产品研究了我国2003—2010年土壤湿度的变化情况。席家驹等(2014)则评估了AMSR-E土壤湿度产品在青藏高原地区的适用性。Van der Velde et al.(2014)利用SSM/I微波亮温资料,研制了1987—2008年青藏高原地区的土壤湿度资料,并对土壤湿度的变化趋势进行了分析。Parinussa et al.(2014)利用风云三号卫星微波亮温数据反演了全球土壤湿度产品,并评估了该产品对我国极端干旱事件的反映能力。

“数学教育中的历史与认识论欧洲暑期大学”中的“认识论”主要是指（2）中的“历史认识论”，尤其强调数学知识建构中的问题、错误、猜想及“认识论断裂”这个概念的作用．

欧洲空间局(European Space Agency,ESA)于2010年把土壤湿度列为关键气候变量(Essential Climate Variable,ECV),并且,融合多颗卫星的微波遥感资料,研发了长序列(大于35 a)全球土壤湿度产品(http://www.esa-soilmoisture-cci.org,称为ECV产品),以满足气候变化对水循环影响研究的需要(Liu et al.,2012)。ECV土壤湿度产品保留了不同卫星所捕捉到的长期变化趋势;这对于研究气候变化对陆地水循环的影响尤其重要。该融合产品是目前国际上唯一一套全球尺度的长序列土壤湿度遥感数据,受到了国际学术界的广泛关注和应用(Albergel et al.,2013;Loew et al.,2013;Zhang and Jia,2013)。Su et al.(2016)在塔里木河流域对该产品进行了验证和分析,发现该数据能够较好地反映我国干旱地区的大尺度水循环机制。

东明县创建国家森林城市工作开展以来，牢固树立“创新、协调、绿色、开放、共享”和“绿水青山就是金山银山”绿色发展理念，加强组织领导，细化工作任务，明确时间节点，强化工作措施，全力推进创森路域水系绿化重点工程开展。目前，全县已完成冬季造林1.2万亩，其中路域绿化面积8900亩，水系绿化面积3100亩，发展特色经济林面积1960亩。贾河为东明县一条重要县级河道，也是创森重点打造的一条绿化水系，目前已全部完成河道清淤和平整治理，计划在今冬明春全部完成造林。

目前,对于卫星遥感土壤湿度资料在长江流域的适用性及其时空变化尚缺乏研究。本文利用欧洲空间局的长序列土壤湿度遥感产品,与中国气象局农业气象站观测数据和ERA-Interim以及NCEP两套再分析土壤湿度资料进行对比,评估该产品在长江中下游地区的适用性,并分析其时空变化特征。

1 数据与方法

1.1 数据

如上文所述,ECV土壤湿度产品融合了主动和被动微波遥感资料。主动微波资料包括1991年发射的ERS-1/2卫星所搭载的散射计SCAT和MetOp项目的高级散射计ASCAT所观测的微波亮温;基于主动微波亮温资料,采用Wagner et al.(1999)提出的TU-Wien主动微波遥感“变化检测(change detection)”算法反演土壤湿度。被动微波遥感资料,包括SMMR、SSM/I、TRMM/TMI、AMSR-E和Windsat等传感器的微波亮温;基于被动微波亮温资料,采用一个微波辐射传输模型Land Parameter Retrieving Model (LPRM)反演土壤湿度(De Jeu et al.,2008;Owe et al.,2008)。然后,采用一种累积分布函数匹配(CDF matching)技术对主动和被动微波遥感土壤湿度进行融合(Liu et al.,2012)。然而,陈立波等(2015)研究发现,ECV产品所采用的主动和被动遥感土壤湿度的季节性变化在我国东部季风区存在很大的不一致性;被动微波遥感土壤湿度的季节性干湿变化与农业气象站的观测资料较为一致,而主动微波遥感土壤湿度的季节变化则与观测资料呈显著的负相关,具有一定的反位相特征。因此,对长江中下游地区的研究,仅采用被动微波遥感土壤湿度数据。

3.3 康复医学彰显经济价值 康复医学的价值还体现在经济价值方面。在医疗机构内，康复医学科占用的管理、后勤等资源以及医疗赔偿和事故纠纷相对较少，经济价值优势突出。当前，我国“残疾人口的老龄化”和“老龄人口的残疾化”现象愈加突出，有康复需求的人口数量增加迅速，康复医学的经济价值在康复服务提供过程中越来越明显。

欧洲空间局ECV(Essential Climate Variable)融合产品的官方网站(http://www.esa-soilmoisture-cci.org)提供了基于SMMR、SSM/I、TRMM/TMI、AMSR-E和Windsat等被动微波亮温的土壤湿度融合产品,下文记为ECVLPRM。ECVLPRM数据的时间分辨率为日,空间分辨率为0.25°×0.25°,单位为体积含水量,时间跨度为1978—2016年。初步分析表明,1988年之前ECVLPRM数据缺失非常严重,而2010年之后无法获取农业气象站观测资料(见下文),所以本文中只对比分析1988—2010年的ECVLPRM土壤湿度数据。在研究时段内,ECVLPRM仍有较多的缺失数据。本文采用Wang et al.(2012)提出的基于三维离散余弦转换的乘法最小二乘回归模型插补缺失值;该模型不但考虑土壤湿度的时间变化,也充分考虑其空间变化,通过三维建模实现土壤湿度缺失值的最优估计。

为了与再分析资料进行对比分析,本文采用气象学领域广泛使用的欧洲中期天气预报中心(European Centre for Medium-Range Weather Forecasts,ECMWF)的ERA-Interim土壤湿度再分析资料和美国国家环境预报中心(National Centers for Environmental Prediction,NCEP)的NCEP土壤湿度再分析资料。本文使用ERA-Interim再分析资料表层垂直厚度为0～7 cm的土壤湿度数据,其空间分辨率为0.75°×0.75°;而NCEP再分析资料则是使用其表层0～10 cm深度的土壤湿度数据,其空间分辨率为2.5°×2.5°。为了与ECVLPRM数据的空间分辨率一致,NCEP和ERA-Interim再分析资料先被插值成0.25°×0.25°的数据,然后再进行相关计算和分析。两套再分析资料均为体积含水量。

本文所采用的土壤湿度观测资料来自中国气象局农业气象站;在长江中下游地区共有7个数据质量较好的观测站,其空间分布如图1所示。这7个观测站的空间位置比较集中,能够代表大尺度土壤湿度状况。农业气象观测始于20世纪80年代,时间分辨率是10 d,每月的8、18、28日进行观测。尽管农业气象站观测数据的时间和空间分辨率都很低,但是该套数据是目前我国观测时间最长的一套土壤湿度数据。本文采用1988—2010年0～10 cm深度的表层土壤湿度观测数据;其单位为重量百分比。农业气象站土壤湿度观测资料的单位与其他三套资料不同;所以,跟农业气象站观测资料进行对比的时候,本文重点关注土壤湿度的变化,而不强调其绝对量的对比分析。

图1 本文所采用的7个农业气象站的空间分布 Fig.1 Spatial distributions of the seven agrometeorological stations used in the study

图2 1988—2010年ECVLPRM土壤湿度季节性空间分布 a.春季;b.夏季;c.秋季;d.冬季 Fig.2 Spatial patterns of ECVLPRM soil moisture for (a)spring,(b)summer,(c)autumn and (d)winter,averaged from the period of 1988—2010

1.2 方法

本文采用Theil-Sen斜率分析法研究土壤湿度的线性变化趋势。该方法是一种稳健的非参数统计方法;它不要求数据服从一定的分布,且对数据异常值不敏感,因而对时间序列线性变化趋势的估计较为可靠。Theil-Sen斜率分析法的算公式为:

李润春,张秀芝,吕心艳,等,2017.渭河流域土壤湿度异常特征与我国若干气候背景的联系[J].大气科学学报,40(1):100-110. Li R C,Zhang X Z,Lyu X Y,et al.,2017.The anomaly characteristics of the soil moisture of Wei River Basin and its contact with several climate background in China[J].Trans Atmos Sci,40(1):100-110.(in Chinese).

Miralles D G,Crow W T,Cosh M H,2010.Estimating spatial sampling errors in coarse-scale soil moisture estimates derived from point-scale observations[J].Journal of Hydrometeorology,11:1423-1429.

2 结果与分析

2.1 季节性变化

图2显示了1988—2010年长江中下游地区各个季节ECVLPRM土壤湿度的空间分布;图2表示春季(3—5月)、夏季(6—8月)、秋季(9—11月)和冬季(12—次年2月)的土壤湿度。比较4个季节ECVLPRM土壤湿度的空间分布,可以了解其季节性时空变化特征。图2a表明,长江中下游地区春季土壤湿度的空间差异比较大,呈明显的东西差异;湖北省和湖南省的西部地区土壤湿度较高,而东部省份土壤湿度较低。在洞庭湖和鄱阳湖两大流域,靠近湖区地势稍为平坦之处土壤湿度略低。图2b显示,夏季土壤湿度显著降低,尤其是在湖北和湖南西部地区;整个长江中下游地区的土壤湿度的空间差异不大。秋季(图2c),土壤湿度开始回升,湖北和湖南西部地区回升最快。进入冬季(图2d),长江中下游地区土壤湿度快速升高,尤其是湖北和湖南西部地区、江西和湖南交界地带升高最为显著,达到年内土壤湿度最高值。可以看出,冬季是长江中下游地区土壤最为湿润的季节,而夏季则是土壤最为干燥的季节。在长江中下游大部分地区,土壤湿度均呈现从春季到夏季土壤湿度逐渐降低、而从秋季到冬季逐渐升高的季节性变化。需要说明的是,ERA-Interim和NCEP再分析土壤湿度资料与ECVLPRM卫星遥感土壤湿度资料均能反映长江中下游地区土壤湿度的主要空间分布特征,具有较好的一致性;因此,本文不对比它们的空间分布特征。它们最重要的差别体现在时间变化方面;因此,本文重点对其时间变化进行对比分析。

从图1可以看出,在长江中下游局部地区,土壤湿度在春季和冬季明显偏高。实际上,在比较湿润的地区和季节,ECV土壤湿度偏高已经成为数据研发机构和广大用户的共识。但是,国际上大量研究已经表明,ECV土壤湿度在描述时间变化方面表现优异,显著优于其他土壤湿度卫星产品和再分析资料(Zeng et al.,2015)。而且,大量研究指出,土壤湿度卫星产品的应用,更需要其时间序列的变化信息而非其绝对量,因此更应关注其时间序列变化(Koster et al.,2009;Miralles et al.,2010;Loew et al.,2013)。

为了更好地描述长江中下游地区ECVLPRM土壤湿度的季节性变化,并与农业气象站观测资料和再分析资料进行对比分析,分别计算了典型区域内4套资料每个月的多年平均值。所选典型区域(图1中矩形框)内4套资料的季节性变化如图3所示。如图所示,ECVLPRM土壤湿度在冬季最高,区域平均值约达0.3 m3/m3;春季开始,土壤湿度逐渐下降,到7月达到最低值0.25 m3/m3;8月,土壤湿度开始逐渐升高。农业气象站观测资料的变化与此类似;冬季最高,大约为0.25 kg/kg,春季开始逐渐下降。与ECVLPRM资料不同,农业气象站土壤湿度观测资料在9月降至最低值0.21 kg/kg,然后逐渐回升。农业气象站观测资料到达最低值的时间,与ECVLPRM相比有个时滞;这可能是因为农业气象站数量偏少,代表性略有不足。总体而言,ECVLPRM土壤湿度与农业气象站土壤湿度的季节性变化基本一致,均表现为冷季比较湿润、暖季比较干燥的干湿转换特征。这表明,ECVLPRM数据能比较准确地反映长江中下游地区土壤湿度的季节性变化。地表土壤湿度,取决于大气降水与地表蒸发之间的水量平衡关系。在冬季,长江中下游地区降水较少,但是气温很低,蒸发量很少,所以土壤湿度较高;在春季和夏初,雨季尚未来临,但是气温持续升高,蒸发量显著增加,蒸发量大于降水量,导致土壤湿度逐渐降低;8月及以后,降水量高于蒸发量,土壤湿度逐渐升高。土壤湿度的这种季节性干湿变化,符合对长江中下游地区水循环规律的一般认识。

图3 典型区内4套土壤湿度资料多年(1988—2010年)平均季节性变化 Fig.3 Seasonal variations of the four soil moisture datasets used in the study for the period of 1988—2010

但是,土壤湿度再分析资料则表现为完全不同的季节性变化特征。图3显示,ERA-Interim和NCEP土壤湿度的季节性变化比较一致;冬季土壤湿度最低,春季和夏初土壤湿度持续升高,夏季之后逐渐回落。ERA-Interim土壤湿度的季节性变化不大,冬季最低值约为0.23 m3/m3,而夏季最高值仅为0.27 m3/m3左右。NCEP土壤湿度在冬季与ERA-Interim土壤湿度基本一致,但是在夏季显著高于ERA-Interim土壤湿度,达到0.36 m3/m3。可见,NCEP土壤湿度的季节变率远高于ERA-Interim土壤湿度。两套再分析土壤湿度资料均与ECVLPRM和农业气象站观测资料呈明显的反位相的变化特征,表明再分析资料基本无法反映长江中下游地区土壤湿度的季节性变化。

图4显示了ECVLPRM土壤湿度与ERA-Interim和NCEP土壤湿度相关系数的空间分布。首先对ERA-Interim和NCEP再分析资料进行空间插值,生成空间分辨率为0.25°×0.25°的数据资料,然后利用每个格点上1988—2010年的逐月平均资料计算相关系数;该相关系数主要反映季节变化是否一致。图4a显示,ECVLPRM土壤湿度与ERA-Interim土壤湿度在长江中下游大部分地区相关性很弱;但是,两者在湖北和湖南西部地区呈现较强的负相关,相关系数达到-0.5左右。在长江中下游绝大部分地区,ECVLPRM土壤湿度与NCEP土壤湿度呈高度负相关,相关系数达到-0.5以上;在湖北和湖南西部地区,两者相关系数甚至高达-0.8以上。这表明,在长江中下游地区ERA-Interim和NCEP土壤湿度的季节性变化均不可靠;特别是NCEP土壤湿度,在绝大部分地区与ECVLPRM土壤湿度呈明显的反位相变化;两套资料中,均以湖北和湖南西部地区这种反位相变化最为显著。

图4 ECVLPRM土壤湿度与ERA-Interim(a)及NCEP(b)土壤湿度的相关系数 Fig.4 Correlation coefficients between ECVLPRM and (a)ERA-Interim,as well as (b)NCEP soil moisture

2.2 年际变化

2.2.1 与农业气象站观测资料比较

图5 典型区内1988—2010年ECVLPRM和农业气象站土壤湿度的年际变化 a.春季;b.夏季;c.秋季;d.冬季 Fig.5 Interannual variations of ECVLPRM and agrometeorological soil moisture for (a)spring,(b)summer,(c)autumn and (d)winter during the period of 1988—2010

为了了解ECVLPRM土壤湿度与农业气象站土壤湿度的年际变化是否一致,本文分别计算典型区内(图1中矩形区域)两者的年际变化,如图5所示。需要说明的是,因为两者具有不同的单位,所以不对其绝对量进行比较,而仅强调其时间变化上的一致性。图5a显示了研究时段年均土壤湿度随时间的变化。图5a显示了春季土壤湿度的年际变化;可见,ECVLPRM春季土壤湿度与农业气象站观测资料有很好的一致性。春季ECVLPRM土壤湿度很好地反映了观测资料1988—1993年、1998—1999年、2002—2003年和2008—2010年等高值年份,也反映了1995—1997年、2000—2001年等相对低值年份。在春季,ECVLPRM土壤湿度与观测资料的相关系数高达0.69(p<0.01),且均没有表现出明显的线性变化趋势。

夏季(图5b),1988—1996年ECVLPRM土壤湿度和农业气象站观测资料年际波动的一致性很好,2000年以后也均表现为非常平缓的变化特征;两者相关系数为0.45(p<0.01)。两者的线性趋势略有差别;ECVLPRM土壤湿度在2000年之前比2000之后略高,表现为明显的线性下降趋势;在农业气象站观测资料中,这种线性趋势没有ECVLPRM土壤湿度那么强烈。秋季(图5c),ECVLPRM土壤湿度也较为准确地反映了农业气象站观测资料的典型年份,如1989年、1993年、1996年、1999—2000年、2005年等典型湿润年份,1991年、1997—1998年、2001年等典型干旱年份,以及2006—2010年的缓慢平稳升高过程;两者相关系数达到0.57(p<0.01)。冬季(图5d),ECVLPRM土壤湿度也抓住了农业气象站观测数据中1990年、1993—1994年、2000—2001年等相对湿润年份,1988年、1992年、1995年和1999年等相对干旱年份以及2000年后相对平稳的变化过程;两者相关系数为0.52(p<0.01)。与夏季相反,ECVLPRM土壤湿度在2000年之后比2000年之前略高;在农业气象站观测资料中,这种变化不明显。

综上所述,ECVLPRM土壤湿度与农业气象站观测资料在春、夏、秋、冬4个季节都具有较好的一致性。其中,在春季两者相关性最好,相关系数达到0.69(p<0.01);在夏季两者相关性最弱,相关系数为0.45(p<0.01);在秋季和冬季两者相关系数达到0.50(p<0.01)以上。因此,ECVLPRM土壤湿度能够较好地反映土壤湿度的年际变化特征。ECVLPRM土壤湿度在春季表现为明显的下降趋势,而在冬季具有一定上升趋势;在农业气象站观测资料中,上述线性趋势不明显。这种趋势的差异,目前尚不清楚其具体原因。在选定的典型研究区(图1所示)内仅有7个站点的土壤湿度观测数据,分布比较稀疏;其均值在长期变化趋势方面是否具有代表性,尚不得而知。对于ECVLPRM土壤湿度而言,在进行数据融合时保留了每个源数据的变化趋势,且更具有空间代表性。叶敏等(2013)采用PDSI(Palmer Drought Severity Index)干旱指数研究表明,随着气候变暖长江中下游地区夏季干旱有加剧趋势;PDSI干旱指数是基于地表水量平衡计算,其实质是地表土壤湿度的一种代用指标。因而,ECVLPRM数据所反映的夏季土壤湿度中的线性趋势有一定的可信度。

2.2.2 与再分析资料比较

进一步把1988—2010年ECVLPRM土壤湿度和ERA-Interim、NCEP两套再分析资料的年际变化进行了对比分析。因为3套资料具有相同的单位,不仅可以比较其时间变化,也可以对其绝对量进行比较。

典型区(图1中矩形区域)内4个季节土壤湿度的年际变化如图6所示;ECVLPRM土壤湿度分别与ERA-Interim和NCEP土壤湿度的相关系数见表1。图6a显示了3套资料春季平均土壤湿度的年际变化。如图所示,在春季ECVLPRM土壤湿度的变化范围为0.31～0.35 m3/m3,略高于NCEP土壤湿度的0.30～0.34 m3/m3。ERA-Interim土壤湿度最低,变化范围在0.21～0.28 m3/m3之间。从时间变化角度考虑,ECVLPRM土壤湿度与两套再分析资料都具有很好的一致性,具有比较一致的典型变化过程,如1988—1991年的缓慢上升和1992—1996年的缓慢下降过程、1998年和2002年等相对湿润年份、2000和2001年等相对干旱年份。如表1所示,ECVLPRM和NCEP土壤湿度的相关系数达到0.68(p<0.01),和ERA-Interim土壤湿度的相关系数达到0.71(p<0.01)。与春季相比,夏季NCEP和ERA-Interim土壤湿度普遍升高,变化范围分别为0.33～0.35 m3/m3和0.27～0.30 m3/m3;而ECVLPRM土壤湿度则明显降低,变化范围在0.28～0.31 m3/m3之间,显著低于NCEP土壤湿度,略高于ERA-Interim土壤湿度。在时间变化方面,ECVLPRM土壤湿度与NCEP土壤湿度年际变化的一致性较差,相关系数仅为0.31(p<0.01);与ERA-Interim土壤湿度一致性略好,相关系数达到0.46(p<0.01)。

二是政府环境信息公开不断加强，国家重点监控在线监测数据实现实时公开，但是多数城市发布的重点排污单位名录质量堪忧；《大气污染防治法》拓展的涉气重点排污单位在线监测数据公开，尚未全面落实；重金属等特征污染物、危险废弃物产生、转移、处置、排放信息仍未全面、完整地向公众公开。

表1 图6中ECVLPRM土壤湿度与ERA-Interim和 NCEP再分析土壤湿度的相关系数

Table 1 Correlation coefficients between ECVLPRM soil moisture and NCEP,and the Interim reanalysis for the time series shown in Fig.6

相关系数NCEPERA⁃Interim春季夏季秋季冬季春季夏季秋季冬季ECVLPRM0 680 310 700 550 710 460 670 56

图6 典型区内1988—2010年ECVLPRM和ERA-Interim、NCEP土壤湿度的年际变化 a.春季;b.夏季;c.秋季;d.冬季 Fig.6 Interannual variations of ECVLPRM and ERA-Interim as well as NCEP soil moisture for (a)spring,(b)summer,(c)autumn and (d)winter during the period of 1988—2010

Wagner W,Lemoine G,Rott H,1999.A method for estimating soil moisture from ERS scatterometer and soil data[J].Remote Sensing of Environment,70(2):191-207.

综上所述,ECVLPRM土壤湿度在研究时段所有年份的春季、秋季和冬季均高于NCEP和ERA-Interim再分析土壤湿度;夏季,ECVLPRM土壤湿度在所有年份均低于NCEP土壤湿度,但在大多数年份高于ERA-Interim土壤湿度。而NCEP土壤湿度在所有年份的春季、夏季和秋季均显著高于ERA-Interim土壤湿度;只有在冬季,两者大致持平。就年际变化而言,ECVLPRM土壤湿度与两套再分析资料在春季和秋季一致性较高,夏季一致性最差;如上文所述,ECVLPRM土壤湿度与农业气象站观测资料的一致性也呈现类似特点。虽然ECVLPRM和农气站土壤与NCEP、ERA-Interim两套再分析资料呈现反位相的季节干湿变化,对它们而言春季和秋季都是干季与湿季之间的转换季节;为何多套资料在干湿转换季节的一致性最好,尚有待于深入研究。

图7 1988—2010年ECVLPRM土壤湿度与NCEP(a,b,c,d)、ERA-Interim(e,f,g,h)土壤湿度在不同季节的相关系数 a,e.春;b,f.夏;c,g.秋;d,h.冬季 Fig.7 Pixel-wise correlation coefficients between ECVLPRM soil moisture (a,b,c,d)and NCEP,as well as (e,f,g,h)ERA-Interim reanalyzed soil moisture in the four seasons during the period of 1988—2010 a,e.spring;b,f.summer;c,g.autumn;d,h.winter

为了更好地认识ECVLPRM土壤湿度与ERA-Interim和NCEP再分析资料年际变化一致性的空间分布规律,计算它们在不同季节不同格点上的相关系数,如图7所示。NCEP和ERA-Interim再分析资料先被插值成0.25°×0.25°的数据,然后再用每个格点上每个季节的平均值计算相关系数。春季(图7a),ECVLPRM与NCEP土壤湿度在长江以北地区和鄱阳湖、洞庭湖两大湖周边地区相关系数较高,达到0.5～0.8,具有较好的一致性;在长江中下游地区的南端,则负相关很强,相关系数大于-0.5。ECVLPRM与ERA-Interim土壤湿度的相关系数(图7e)呈极为相似的空间分布;然而,在呈正相关区域,ECVLPRM与ERA-Interim的相关系数略高,部分区域大于0.8,表明ECVLPRM与ERA-Interim土壤湿度年际变化的一致性高于NCEP数据。夏季,ECVLPRM与NCEP、ERA-Interim两套再分析数据的相关系数均以江西省东北部和湖南省西南部地区为最高,达到0.7左右;其他区域相关性较弱。在秋季和冬季,ECVLPRM与NCEP、ERA-Interim土壤湿度相关系数呈现极为类似的空间分布,均以长江以北地区和鄱阳湖、洞庭湖周边地区最高,达0.8以上,表明它们的年际变化具有非常高的一致性。在秋季和冬季比较显著的差别是,在湖北省的西部地区,秋季ECVLPRM与NCEP、ERA-Interim再分析资料均呈较弱的正相关,而在冬季它们呈较强的负相关,相关系数达到-0.6以上。显而易见,ECVLPRM与再分析资料的年际变化有比较大的空间差异。总体而言,在长江以北地区和鄱阳湖、洞庭湖两大湖周边地区的一致性较高,其他地区较低甚至呈现负相关;夏季情况比较特殊,空间结构不明显,且长江以北地区的一致性很低。

2.3 ECVLPRM土壤湿度的变化趋势

本文采用每10 a的绝对变化量相对于多年均值的百分比来描述土壤湿度的变化趋势。与变化绝对量相比,该种表示方法更能体现土壤湿度变化趋势的相对重要性或严重性。例如,在土壤湿度分别为0.30 m3/m3和0.20 m3/m3的两个地区,若土壤湿度都减少了0.05～0.30 m3/m3,则该减少量对当地水资源的重要性大不相同。图8显示了长江中下游地区4个季节10 a变化量相对于其1988—2010年均值的百分比。图8a显示,在春季长江中下游地区土壤湿度没有明显的变化趋势;仅有春季土壤湿度较低(图2a)的小范围地区存在下降趋势,但是并不明显。夏季(图8b),土壤湿度在长江中下游绝大部分地区普遍存在强烈的下降趋势;湖北省、湖南省和江西省的南部地区土壤湿度下降最为强烈,下降速率超过10 %/10 a,干旱化问题严重;其他绝大部分地区,下降速率在5%/10 a～10%/10 a,这与1988—2010年长江流域降水显著减少有密切关系(陈海山和陈健康,2017)。秋季(图8c),ECVLPRM土壤湿度在洞庭湖流域、鄱阳湖流域和长江三角洲地区有一定上升趋势,上升速率为5 %/10 a。冬季(图8d),湖北省、湖南省和江西省南部地区的土壤湿度有非常强烈的上升趋势,上升速率达到10 %/10 a甚至更高。

3 结论与讨论

把欧洲空间局研发的1988—2010年被动微波遥感土壤湿度资料ECVLPRM与农业气象站观测资料进行了对比分析,并与气象学领域广泛使用的ERA-Interim和NCEP土壤湿度再分析资料进行了比较。鉴于各套资料均能较好地反映土壤湿度空间分布的主要特征,本文重点从季节性变化和年际变化的角度比较了它们的一致性。

在长江中下游地区,冬季ECVLPRM土壤湿度空间差异最大,且以偏西部的汉江流域和沅江流域为最高;春季和秋季次之,夏季土壤湿度的空间差异较小。就季节变化而言,ECVLPRM土壤湿度表现为冷季(10月—次年3月)土壤湿度较高,而暖季(4—9月)土壤湿度较低。ECVLPRM土壤湿度的这种季节性变化与农业气象站观测资料基本一致,表明ECVLPRM土壤湿度能够比较准确地反映长江中下游地区的地表干湿变化特征。ECVLPRM和农业气象站土壤湿度资料的这种季节性干湿变化,符合对该地区大气降水与陆面蒸发之间水平衡规律的一般认识,因而是可信的。

图8 1988—2010年ECVLPRM土壤湿度每10 a变化量相对于长期均值的百分比(单位:%) a.春季;b.夏季;c.秋季;d.冬季 Fig.8 Percentages (%)of soil moisture changes per decade with relevance to their long-term mean values for (a)spring,(b)summer,(c)autumn and (d)winter during the period of 1988—2010

但是,ERA-Interim和NCEP再分析土壤湿度资料则与ECVLPRM资料和农业气象站观测资料表现为明显的反位相变化。ECVLPRM土壤湿度与ERA-Interim再分析资料的反位相变化,在汉江流域和沅江流域最为明显;在整个长江中下游地区,ECVLPRM土壤湿度与NCEP再分析资料均呈明显的反位相变化,在湖北省和湖南省西部地区的相关系数甚至到达-0.8以上。这表明,ERA-Interim和NCEP土壤湿度再分析资料基本无法准确反映长江中下游地区地表干湿状况的季节性变化,需要非常谨慎地使用。ERA-Interim和NCEP土壤湿度再分析资料,被广泛地用于驱动数值模拟实验和预报;在长江中下游地区,再分析资料的这种反位相变化,可能对数值模拟和预报的结果引入新的不确定性。把卫星遥感土壤湿度同化到数值模式中,提高数值模拟和预报的准确性,因而是一种可行的替代途径。

就年际变化而言,ECVLPRM土壤湿度与农业气象站观测资料有比较好的一致性,但也存在一定的季节性差异;春季一致性最高,年际变化相关系数达到0.69(p<0.01);夏季一致性最低,相关系数为0.45(p<0.01);在秋季和冬季,两者相关系数分别为0.57(p<0.01)和0.52(p<0.01)。这表明,ECVLPRM土壤湿度不但能比较准确地反映农业气象站观测资料的季节性变化,也能较为准确地反映其不同季节土壤湿度的年际变化。在春季、秋季和冬季,ECVLPRM土壤湿度与ERA-Interim和NCEP再分析资料长江以北地区和洞庭湖、鄱阳湖周边地区年际变化的一致性较高,相关系数甚至达到0.8以上;其他地方一致性略低,甚至出现负相关。而在夏季,ECVLPRM土壤湿度与ERA-Interim和NCEP再分析资料的一致性明显降低。ECVLPRM土壤湿度与再分析资料的年际变化,虽然在局部地区一致性很高,但是存在显著的空间差异。

改革开放是我国经济社会发展的重要转折点，经过十年浩劫的高等教育事业也在此后进入了新的发展时期。随着高等教育不同发展阶段实际情况的变化，以及政府行政改革、经济体制改革推进，我国高等教育管理体制改革呈现出倡导分权治理的趋势。那么，我国高等教育的分权改革经历了怎样的历程？高等教育分权的现状如何？本部分在上述四维视角下对我国高等教育分权改革的历程进行分析。

参考文献(References)

Albergel C,Dorigo W,Balsamo G,et al.,2013.Monitoring multi-decadal satellite earth observation of soil moisture products through land surface reanalysis[J].Remote Sensing of Environment,138:77-89.

陈海山,陈健康,2017.东亚夏季风指数的分类及物理特征分析[J].大气科学学报,40(3):299-309. Chen H S,Chen J K,2017.Classification of East Asian summer monsoon indices and their basic physical features[J].Trans Atmos Sci,40(3):299-309.(in Chinese).

陈立波,何金海,王国杰,等,2015.中国近20年(1991—2010)卫星遥感土壤湿度的季节变化及其验证[J].气象科学,35(6):744-750. Chen L B,He J H,Wang G J,et al.,2015.Seasonal variation of soil moisture from a recent 20-year (1991—2010)satellite derived data in China and its validation[J].J Meteor Sci,35(6):744-750.(in Chinese).

De Jeu R A M,Wagner W,Holmes T R H,et al.,2008.Global soil moisture patterns observed by space borne microwave radiometers and scatterometers[J].Surveys in Geophysics,29:399-420.

王珊珊,韩丽娟,崔恒建,等,2011.基于大气降水的华北地区土壤湿度预测模型[J].应用气象学报,22(4):445-452. Wang S S,Han L J,Cui H J,et al.,2011.The soil moisture predictive model based on the precipitation in North China[J].J Appl Meteor Sci,22(4):445-452.(in Chinese).

Koster R D,Guo Z,Yang R,et al.,2009.On the nature of soil moisture in land surface models[J].J Climate,22(16):4322-4335.

在长江中下游地区,1988—2010年夏季ECVLPRM土壤湿度有明显下降趋势,而在冬季则上升趋势明显;尤其是在湖北省、湖南省和江西省南部地区,夏季下降和冬季上升趋势最为明显。在气候变暖条件下,夏季干旱化对农业和生态等有重要影响,是一个受到广泛关注的问题。已有研究表明,最近几十年来长江中下游地区夏季呈干旱化加剧的趋势,且气温升高所导致的蒸发增加起关键作用(王文和蔡晓军,2010;祁海霞等,2011;叶敏等,2013)。本文采用ECVLPRM土壤湿度得出同样的结论。虽然当前利用土壤湿度遥感反演技术可能仍然存在各种问题,但本研究提供了一个独立于农业气象站观测资料和再分析资料的视角。

赖欣,文军,岑思弦,等,2014.CLM4.0模式对中国区域土壤湿度的数值模拟及评估研究[J].大气科学,38(3):499-512. Lai X,Wen J,Ceng S X,et al.,2014.Numerical simulation and evaluation study of soil moisture over China by using CLM4.0 model[J].Chin J Atmos Sci,38(3):499-512.(in Chinese).

本文对西江流域广东段传统村落的空间分布特征及影响因素进行了分析，受限于评估标准的约束，没有完全对所有传统村落的属性情况进行详细分析。此外，研究区域也仅针对西江流域广东段，对全西江流域传统村落及其数字化保护和现代化转型的探讨将是下一步研究的方向。

李明星,马柱国,牛国跃,2011.中国区域土壤湿度变化的时空特征模拟研究[J].科学通报,56:1288-1300. Li M X,Ma Z G,Niu G Y,2011.Modeling spatial and temporal variations in soil moisture in China[J].Chin Sci Bull,56:1288-1300.(in Chinese).

其中:median表示中位数函数;xi和xj分别表示在时刻i和时刻j对应的数据;时间序列长度为n,且i<j<n。在统计意义上,Δ是指时间序列每一步长的平均变化量。Δ>0,则有上升趋势;Δ<0,则有下降趋势。该方法已经被广泛地应用于地学时间序列的长期变化趋势研究(Yue et al.,2002;Gocic and Trajkovic,2013)。Δ描述的是绝对量的变化;为了更好地描述这种变化的相对重要性,进一步计算了每 10 a的变化量相对于多年均值的百分比,即

Liu L,Zhang R,Zuo Z,2014.Intercomparison of spring soil moisture among multiple reanalysis data sets over eastern China[J].J Geophys Res,119:54-64.

Liu Y Y,Dorigo W A,Parinussa R M,et al.,2012.Trend-preserving blending of passive and active microwave soil moisture retrievals[J].Remote Sensing of Environment,123:280-297.

Loew A,Stacke T,Dorigo W,et al.,2013.Potential and limitations of multi-decadal satellite soil moisture observations for selected climate model evaluation studies[J].Hydrology and Earth System Sciences,17:3523-3542.

卢麾,施建成,2012.基于遥感观测的21世纪初中国区域地表土壤水及其变化趋势分析[J].科学通报,57(16):1412-1422. Lu H,Shi J C,2012.Reconstruction and analysis of temporal and spatial variations in surface soil moisture in China using remote sensing[J].Chin Sci Bull,57(16):1412-1422.(in Chinese).

具体到农业基础设施项目上，甲方项目勘察设计的重点在于，一是发挥自己在项目使用部门与设计人员之间的“桥梁”作用，充当好“信息技术协调”的角色，主动带领设计人员深入项目建成后的使用部门，让设计方与使用方充分交换信息，充分了解项目的使用功能；二是要调研走访国内已建成的类似项目设施，进一步落实相关的技术参数；三是要实地考察项目建设用地的环境，掌握当地的相关政策、土地状态、气候条件等因素。除此之外，甲方应把握好初步设计的内部审查。初步设计出来以后，基建管理部门应召集项目参建部门、行业专家进行内部审查，要充分比较使用功能和投资成本，剔除那些因功能设计过高而导致造价偏高的“非必需部分”，有效控制造价。

在非洲，要想真正把电商平台运作起来是一件很困难的事。这里没有“四通一达”，同城物流通常需要3到7天；由于买卖双方的互信度差，当地电商很多采取货到付款的方式，但最大的风险是货到之后消费者反悔退货，或者快递员收钱后卷款跑路。

式中:表示1988—2010年土壤湿度的平均值。

Owe M,Jeu R D,Holmes T,2008.Multi-sensor historical climatology of satellite-derived global land surface moisture[J].J Geophys Re,113(F1):196-199.

Parinussa R M,Wang G J,Holmes T R H,et al.,2014.Global surface soil moisture from the microwave tadiation imager onboard the Fengyun-3B satellite[J].International Journal of Remote Sensing,35(19):7007-7029.

祁海霞,智协飞,白永清,2011.中国干旱发生频率的年代际变化特征及趋势分析[J].大气科学学报,34(4):447-455. Qi H X,Zhi X F,Bai Y Q,2011. Interdecadal variation and trend analysis of the drought occurrence frequency in China[J].Trans Atmos Sci,34(4):447-455.(in Chinese).

Su B,Wang A Q,Wang G J,et al.,2016.Spatiotemporal variations of soil moisture in the Tarim River Basin,China[J].Int J Appl Earth Observ & Geoinf,48:122-130.

Van der Velde R,Salama M S,Pellarin T,et al.,2014.Long term soil moisture mapping over the Tibetan plateau using Special Sensor Microwave/Imager[J].Hydrology and Earth System Science,18:1323-1337.

秋季,ERA-Interim土壤湿度略有降低,年际变化范围在0.24～0.28 m3/m3;NCEP土壤湿度也有所下降,变化范围为0.27～0.30 m3/m3;ECVLPRM土壤湿度取值范围为0.28～0.32 m3/m3。在研究时段所有的年份,NCEP土壤湿度均高于ERA-Interim土壤湿度,ECVLPRM土壤湿度均高于NCEP土壤湿度。就是时间变化而言,3套资料具有很好的一致性,比较一致地抓住了1988—2010年几乎所有的典型湿润和典型干旱年份,均能很好地反映土壤湿度年际间的相对干湿变化;ECVLPRM与NCEP土壤湿度的相关系数达到0.70,与ERA-Interim土壤湿度的相关系数达到0.67。冬季,NCEP和ERA-Interim土壤湿度相差不大,年际变化范围均在0.27～0.30 m3/m3;而ECVLPRM土壤湿度在所有年份均显著高于两套再分析资料,在0.30～0.35 m3/m3。ECVLPRM土壤湿度与NCEP和ERA-Interim再分析资料的相关系数分别为0.55(p<0.01)和0.56(p<0.01)。

WaheedUllah,Wang G J,Gao Z Q,et al.,2018.Comparisons of remote sensing and reanalysis soil moisture products over the Tibetan Plateau,China[J].Cold Regions Science and Technology,146:110-121.

Wang G J,Dolman A J,Alessandri A,2011.A summer climate regime over Europe modulated by the North Atlantic Oscillation[J].Hydrology and Earth System Sciences,15:57-64.

Wang G J,Damien G,Liu Y,et al.,2012.A three dimensional gap filling method for large geophysical datasets:Application to global satellite soil moisture observations[J].Environmental Modeling & Software,30:139-142.

促进教师全人发展的有效路径是：营造群体共振的文化场域，即通过名师工作坊、研修共同体、创新实验区等形式，实现专业引领、同伴互助与自我反思的深度融合。我们曾力图从实践—反思理论、阶段发展理论、复杂适应系统理论、成人学习理论、培训经验圈等经典理论中寻找教师发展的理论基础与解释框架。事实上，任何一种理论都难以全面、明晰地回应教师发展的诸关系、诸要素、诸情境以及诸动力。法国学者皮埃尔·布迪厄的“场域—惯习”论在当代社会学理论中独树一帜，具有深厚的理论基础和普遍的方法论意义，它为教师发展提供了新的理论工具，具有很好的解释力。具体体现在四个方面。

Wang G,Hagan D F T,Lou D,et al.,2016.Evaluation of soil moisture derived from FY3B microwave brightness temperature over the Tibetan Plateau[J].Remote Sensing Letters,7(9):817-826.

王文,蔡晓军,2010.长江中下游地区干旱变化特征分析[J].高原气象,29(6):1587-1593. Wang W,Cai X J,2010.Analysis on variation feature of drought in midand lower reaches of Yangtze River Basin[J].Plateau Meteor,29(6):1587-1593.(in Chinese).

Gocic M,Trajkovic S,2013.Analysis of changes in meteorological variables using Mann-Kendall and Sen’s slope estimator statistical tests in Serbia[J].Global & Planetary Change,100(100):172-182.

在快慢车运营模式下，采用站站停模式的慢车需要在部分避让站待避，以便让快车不停站通过。快车虽然节省了直达客流的出行时间，但同时增加了慢车乘客的等待时间。对于1条拟开行快慢车的线路而言，应根据全日快慢车的开行计划，分别计算这两项时间。

证书教学主线是指与专业课程相融通的职业资格与技能证书培训，包括计算机绘图操作员、中（高）级钳工、中级电焊工；中级机加操作工、中级数控机床操作工、Pro/E设计工程师等等。

席家驹,文军,田辉,等,2014.AMSR-E 遥感土壤湿度产品在青藏高原地区的适用性[J].农业工程学报,30(13):194-202. Xi J J,Wen J,Tian H,et al.,2014.Applicability evaluation of AMSR-E remote sensing soil moisture products in Qinghai-Tibet plateau[J].Transactions of the Chinese Society of Agricultural Engineering,30(13):194-202.(in Chinese).

熊明明,陈海山,俞淼,2011.CLM3.0 对中国区域陆面过程的模拟试验及评估Ⅱ:土壤湿度[J].气象科学,31(1):1-10. Xiong M M,Chen H S,Yu M,2011.Simulation of land surface processes over land and its validation partⅡ:Soil moisture[J].Scientia Meteorologica Sinica,31(1):1-10.(in Chinese).

叶敏,钱忠华,吴永萍,2013.中国旱涝时空分布特征分析[J].物理学报,62(13):573-585. Ye M,Qian Z H,Wu Y P,2013.Spatiotemporal evolution of the droughts and floods over China[J].Chinese Journal of Physics,62(13):573-585.(in Chinese).

余莲,王澄海,2012.青藏高原地区土壤湿度的模拟及订正[J].物理学报,61(2):531-538. Yu L,Wang C H,2012.The simulation of revision of soil moisture over Tibetan Plateau[J].Chinese Journal of Physics,61(2):531-538.(in Chinese).

Yue S,Pilon P,Phinney B,et al.,2002.The influence of autocorrelation on the ability to detect trend in hydrological series[J].Hydrological Processes,16(9):1807-1829.

Zeng J,Li Z,Chen Q,et al.,2015.Evaluation of remotely sensed and reanalysis soil moisture products over the Tibetan Plateau using in-situ observations[J].Remote Sensing of Environment,163:91-110.

Zhang A,Jia G,2013.Monitoring meteorological drought in semiarid regions using multi-sensor microwave remote sensing data[J].Remote Sensing of Environment,134:12-23.

张强,黄生志,陈晓宏,2013.基于支持向量机的土壤湿度模拟及预测研究[J].土壤学报,50(1):59-67. Zhang Q,Huang S Z,Chen X H,2013.Simulation and prediction of soil moisture based on support vector machine technique[J].Acta Pedologica Sinica,50(1):59-67.(in Chinese).

由设备参数知产热量为629 kW，由图6(b)热力延时曲线得到全年的满负荷运行时间为3772 h，由于分布式供能系统提供的热水，无法替代用于消毒的这部分热负荷，因此系统全年的满负荷运行时间缩短，但考虑到以上因素在系统中可设置合理容量的蓄热水箱以平衡热负荷，使系统的运行时间得到延长。

左志燕,张人禾,2008.中国东部春季土壤湿度的时空变化特征[J].中国科学:地球科学,38(11):1428-1437. Zuo Z Y,Zhang R H,2008.Spatial and temporal features of spring soil moisture over East China[J].Sci China Earth Sci,38(11):1428-1437.(in Chinese).

Soil moisture is a key variable in the terrestrial water cycle,and plays a key role in the exchanges of water and energy in the land-atmosphere interface.In this study,the ECV(Essential Climate Variable)soil moisture product derived from multiple satellites during 1988-2010 in the middle and lower researches of the Yangtze River basin is validated with agrometeorological observations,then further compared with the soil moisture from NCEP and ERA-Interim reanalysis datasets.The ECV satellite soil moisture appears to be highest in winter and lowest in summer,which agrees well with the agrometeorological observations.However,the datasets of both the NCEP and ERA-Interim reanalysis appear to be lowest in winter and highest in summer,which are clearly opposite to the ECV data and agrometeorological observations.As for the interannual variations,the ECV data are reasonably consistent with the agrometeorological observations and both groups of reanalysis data,especially in spring and autumn.This is particularly true in the area north of the Yangtze River and the surrounding areas of Dongting Lake and Poyang Lake,where their correlation coefficients reach 0.7～0.9.During the period of 1988—2010,the ECV satellite soil moisture appears to increase in winter,yet shows a declining trend in summer.

soil moisture;reanalysis data;remote sensing;agrometeorological observations;comparative analysis

以“尖锐湿疣”这种疾病为例，有些不正规医院除了将患者所患其他疾病诊断为尖锐湿疣外，还会告诉患者这种疾病易复发，要通过各种高科技手段持续跟踪治疗。实际上，尖锐湿疣在规范治疗后，通常患者3～6个月不复发，即被视为痊愈，无需过度治疗。