印度拉贾斯坦邦干旱和半干旱地区33个城市中心平均和极端的降水和温度的时空变化趋势分析外文翻译资料

英语原文共 18 页，剩余内容已隐藏，支付完成后下载完整资料

毕业论文相关外文文献译文

二○一八年十二月

印度拉贾斯坦邦干旱和半干旱地区33个城市中心平均和极端的降水和温度的时空变化趋势分析

pingale M. Santosha*，Deepak Khare1，Mahesh K.Jat 2，Jan Adamowski3

1印度鲁基技术研究所水资源开发与管理系，鲁基247 667英国，印度

2印度拉贾斯坦邦斋浦尔马拉维亚国家技术研究所土木工程系

3加拿大魁北克麦吉尔大学生物资源工程系

文章信息 摘要

对印度拉贾斯坦邦干旱半干旱地区33个城市中心进行了平均（季风季节、非季风季节和年份）和极端年日降雨量和时空尺度气温的趋势分析。使用统计趋势分析技术，即Mann–Kendall检验和Sen的斜率估计器，以10%的显著性水平检验趋势（1971–2005）。在拉贾斯坦邦城市中心平均和极端降雨和温度事件中，均观察到正向和负向趋势。季风降水显著趋势的大小从Nagaur的6.00mm/水文年变化到Tonk的8.56mm/水文年。然而，非季风降水显著负趋势的大小在敦加尔普尔0.66mm/水文年，在奇托尔加尔1.27mm/水文年。非季风降水的正趋势幅度在楚鲁为0.93mm/水文年，在哈努曼加尔为1.70mm/水文年。年降雨量显著负趋势的大小在Nagaur为6.47mm/年，Tonk为10.0mm/年。在拉贾斯坦邦的大多数城市中心，最低、平均和最高温度在年和季节尺度上表现出显著增加的变暖趋势。年极端日降水量在Jhalawar为2.00mm，在Tonk为1.64mm，在Ganganagar为0.03℃，在Jhalawar为0.05℃。利用逆距离加权（IDW）插值技术测定了平均（季风季节、非季风季节和年份）和极端年日降水和温度的空间变化趋势。IDW结果对于资料缺乏、资料质量不佳的研究区而言，有助于识别平均和极端降雨量以及时空温度的变化趋势和变化。这些温度和降雨量的空间地图可以帮助当地利益攸关方和水管理人员了解与气候变化有关的风险和脆弱性，以了解该地区的平均和极端事件。

copy;2013年Elsevier公司保留所有权利

文章历史：

2013年5月7日收到

2013年9月21日收到修订形式

2013年10月29日受理

2013年11月8日可在线查阅

关键词：

极端事件

插值

曼肯试验

温度

降雨量

印度

1 .导言

不断增长的城市化、人口和经济正在对自然环境造成不利影响。随着城市化进程的加快，与气候变化有关的问题越来越严重，因为更多的透水区域变得不透水，导致植被覆盖减少和温度升高。在世界各地，如印度，经济的快速发展和人口增长引起了对自然资源，特别是水资源的数量和质量的关注。因此，需要关注极端事件(例如洪水和干旱)的大小、持续时间和频率以及各种水文气象变量的趋势的信息，以便规划可持续利用自然资源(例如水)的最佳适应战略(例如，坎帕塔等人，2008年；Mou等人，2012年；Huangyit，2013年）以及城市战略。（2006）研究了在气候变化的约束下地表水和地下水资源的可持续发展潜力。作者认为，在气候变化对印度地区/盆地的水文影响方面所做的工作很少。因此，印度需要对气候变化进行评估，以空间和时间尺度考虑气候变化的起因(即人为因素，根据气象参数的变化考虑全球变暖)。此外，在水文模拟中必须评估气候变化对水资源的不利影响。这些研究对于城市化流域/地区更好地理解气候变化与水文过程的关系，促进水资源的可持续利用具有重要意义。

在评估气候变化方面，可以使用不同的方法。最近许多研究人员使用各种参数和非参数统计检验来评估印度水文气象时间序列的趋势（例如：Gadgil和Dhorde，2005；Singh等人，2008；Basistha等人，2009；Kumar等人，2010；Pal和Al-Tabbaa，2010；Deka等人，2012；Duhan等人，2013；Jeganathan以及安第木图，2013年；Jain等人，2013年）和世界其他地区（例如，Zhang等人，2000年；Zhang等人，2001年；Roy and Baling，2004年；Cheung等人，2008年；Motiee and McBean，2009年；Sahoo and Smith，2009年；Zin等人，2010年；Tabari等人，2011年；Nalley等人，2012年；Nemec等人，2012年；Saboohi等人，2012年；Jiang等人，2013年）。检测水文气候变量时间序列中的过去趋势、变化和可变性对于理解该区域未来变化的潜在影响非常重要（Sahoo和Smith，2009）。统计分析可以扩展到分析气候参数及其与水资源、土地利用/覆盖变化、城市化等的关系。

人们已经看到，在20世纪后期，地球的平均温度已经上升了0.6℃；根据各种气候预测模型（IPCC，2001）的预测，温度变化也从最低的1.4℃到最高为5.4℃。IPCC已经表明，需要在国家（州或省）以下和地方尺度进行气候变化评估。IPCC还发现在与气候变化和水有关的观测和研究需求方面存在若干知识空白（IPCC，2007）。这些包括GCM尺度分辨率和将尺度缩小到局部尺度的技术，以评估气候变化和量化人类活动对气候变化的贡献等。

已发现，印度的季节和年度气温以每100年(1881年至1997年)0.57℃的速度增加(Pant和Kumar，1997)。在印度城市中心如海得拉巴、帕特纳、艾哈迈达巴德、苏拉特、班加罗尔、孟买、那普尔、普纳、斋浦尔、钦奈、新德里、坎普尔、勒克瑙和加尔各答等人口超过100万的城市中心研究了某些水文气候变量的趋势(De and Rao, 2004)。在钦奈、新德里、加尔各答和孟买，年降雨量和季风降雨量呈显著上升趋势。没有考虑其他气候参数来评估气候变化对城市降水的时机、分布、模式、频率、变异性及其相互关系的影响。阿罗拉等人(2005)利用印度国家和区域尺度上的MK检验，探讨了年平均气温和季节气温的变化趋势。年平均气温、平均最高气温、平均最低气温分别以0.42、0.92和0.09℃（100年）的速率升高。在区域上，印度南部和西部站分别呈现1.06和0.36°C(100年)的上升趋势，而印度北部平原站呈现0.38°C(100年)的下降趋势。季风后季平均气温上升0.94℃（100年），冬季平均气温上升1.1℃（100年）。本研究只涉及温度的趋势检测，而降雨和温度的年极端日事件的趋势尚未被研究。

Basistha等人(2007)评估了1872年至2005年印度各分区的降雨空间趋势。他们的结果表明，除旁遮普、哈里亚那、西拉贾斯坦邦和萨拉什特拉邦外，北印度的降雨量呈下降趋势，除喀拉拉邦和马哈拉施特拉邦外，南印度的降雨量呈上升趋势。研究还得出结论，印度的干旱地区（即西部）尚未得到详细调查。此外，他们强调，需要更多的研究来评估其他气候变量(平均、最低和最高温度、相对湿度、风速、蒸发蒸腾量(ET)、雨天数等的空间变化模式及其相互关系，包括年和季节气候参数对ass的变化趋势。气候变化的影响，戈达等(2008)使用统计分析的方法研究了达万格尔地区32年的时间。分析气候参数(降雨、相对湿度、最高温度、最低温度、日照时数和风速)来评估气候变化。统计分析表明，这样的小数据集可能不能代表气候变化的正确图景，需要长期数据。在达万杰尔地区及其周边地区发现了气候变量的显著变化。Ghosh等人(2009)观察到印度夏季风降雨的变化趋势，它不仅受到全球变暖的影响，而且可能受到快速城市化、工业化和森林砍伐造成的当地变化的影响。Patra等人（2012）使用参数和非参数统计趋势分析测试检测了印度20世纪的降雨趋势。利用1871—2006年资料，研究了奥里萨州月降水量、季节降水量和年降水量的时间变化。分析表明，年降雨量和季风降雨量呈长期、微弱的下降趋势，季风后季节呈上升趋势。冬夏季雨量呈上升趋势。这项研究只评估了奥里萨州的降雨量，没有探讨平均和极端的年度日事件的趋势。杜汉和潘迪（2013）调查了印度Madhya Pradesh（MP）45个区的降水时空变化。利用MK检验和Sen的斜率估计检验进行趋势分析，发现MP地区降水趋势在年和季节上分别有增减趋势。在本研究中，对S.M.Pingale等人的城市趋势关注较少。大气研究138(2014)73-90平均和极端降雨和温度。文献综述表明，在印度，气候相关研究仅限于对一些气象参数的统计分析。没有考虑气候变化对水资源的影响，也没有用平均和极端事件清楚地表明季节变化，特别是在城市中心。

如上所述，近年来，包括印度在内的世界各地许多研究人员对年日降雨量和温度的极端趋势和变化进行了分析。然而，仍然缺乏关于极端年度日事件的趋势和变化的信息，特别是对于印度拉贾斯坦邦的半干旱和干旱地区。对于拉贾斯坦邦地区，缺乏对气候变化评估的研究，这些评估考虑了各个区域的具体方面，以及它们在空间和时间尺度上与气候参数的相互关系。对于印度干旱和半干旱地区的城市中心，从平均日降雨量和极端日降雨量和气温的季节间和年际变化角度来看的气候变化在文献中没有详细报道。有鉴于此，本研究旨在通过对印度拉贾斯坦邦33个主要城市中心空间和温度两个重要气候参数(降雨和温度(最小、平均和最高))的趋势分析，从平均(季风、非季风和年份)和极端年日事件的角度来研究气候变化。本研究采用统计趋势分析技术，即Mann–Kendall(MK)检验(Mann，1945；Kendall，1975)和Sen的斜率估计器(Sen，1968)。这些方法比参数方法（Duhan和潘迪，2013）较好。

论文分为五个部分。第二节描述研究的领域和使用的数据。第三节描述研究中采用的方法。第4节和第5节描述了印度拉贾斯坦邦33个城市中心的气候变化评估研究结果，包括平均(季风季节、非季风季节和年度)和极端年日降雨量和温度的趋势。此外，利用逆距离加权（IDW）插值方法，给出了平均（季节和年度）和极端年日降水和温度的空间变化及其趋势。

2.研究范围和使用数据

拉贾斯坦邦是印度最大的州，面积342000平方公里，其中约60%属于干旱地区。在行政上，该州分为33个区（图1），其气候从干旱到半干旱不等。拉贾斯坦邦的地理范围是从北纬23°3.50′到30°14′和经69°27′到78°19′E。研究区具有独特的气候特征（降水量低且不稳定，日和年温度极端，湿度低且风速高）。它还具有独特的地理特征。例如，阿拉瓦利山脉是独一无二的，因为它位于西南季风的方向，给该地区带来降雨。在拉贾斯坦邦的西北部还有大印第安沙漠（称为塔尔沙漠），这是印度最大的沙漠，覆盖了该州70%的面积；在这个地区，植被较少，这个地区对全州降雨和温度分布有很大影响。这个州的气候从干旱到半干旱各不相同。这使得拉贾斯坦邦不同于邻国的其他地区。该州与古吉拉特邦、中央邦、北方邦、哈里亚那和旁遮普邦接壤，也与巴基斯坦接壤。拉贾斯坦邦的气候特点是降雨量低且不稳定，日和年温度极端，湿度低，风速高。年平均降雨量变化很大，在干旱期频繁的西部地区最不稳定，偶尔还会出现与该地区通过低压系统相关的暴雨。拉贾斯坦邦的西部和南部地区经常遭受严重的干旱。应对降雨量低，跨时间和空间的变化系数高，是主要的挑战（Rathor，2005）。

降雨和温度的网格化数据集已经在包括澳大利亚在内的全球许多水文和气候研究中用于水文气候预测、气候属性研究和气候模型性能评估(例如，Tozer等人，2012；Dash等人，2013)。因此，本研究采用1971—2005年逐日降雨量和气温的0.5°times;0.5°和1°times;1°网格化数据集，进行时空变异和趋势分析。这些数据是从印度气象局（IMD）获得的。印度气象局（IMD）-Pune利用全印度395个台站建立了印度地区日温（最低、最高和平均）的高分辨率日网格化数据集（1°times;1°）。采用改进的Shepard角距离加权算法将温度数据点插值到1°times;1°网格中。利用交叉验证技术评估这些数据集，以估计插值误差(均方根误差)，发现插值误差小于0.5℃。这些数据集还与另一个数据集(亚洲降水-水资源评估高分辨率观测数据集合(APHRODITE))进行了比较。h分辨率月度数据集，全国大部分地区相关系数均在0.8以上。类似地，还开发了高分辨率日网格降雨量数据集（0.5°times;0.5°），并用印度地区6076个雨量站网络通过IMD、Pune进行了验证。IMD报告（Rajeevan和Bhate，2008；Srivastava等人，2008）提供了关于该方法的更多细节。

已发现这些数据集可用于各种区域应用（例如极端温度的研究、数值和气候模型模拟的验证，以及许多环境应用，包括平均和极端降雨和温度事件的趋势分析）(Rajeevan和Bhate，2008，Srivastava等，2008)，它们可用于水资源规划目的。在进行数据分析之前，对数据进行彻底的质量检查（站的位置、打字错误、丢失的数据等）。哈姆雷特等(2005)报告指出，现有的网格化数据集不适合于美国大陆降水和温度场的长期趋势估计。网格化过程引入人工趋势，这是由于采用了具有不同记录长度和位置的站。然而，由IMD开发的网格集Pune在将数据发布给用户之前从观测站数据开发网格数据集之前和之后解决了这些问题。此外，这些数据集与该区域开发的其他网格数据集进行了验证，并且

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[17454]，资料为PDF文档或Word文档，PDF文档可免费转换为Word