可能影响的耕地复垦表面气候在印度:基于WRF模式模拟

文摘

土地利用/覆盖变化(LUCC)已经成为全球气候变化最重要的因素。作为LUCC的主要类型之一,耕地开垦也对区域气候变化的影响。大多数以前的研究侧重于历史LUCC的相关性和仿真分析和气候变化,很少有探索未来LUCC对区域气候的影响,尤其是耕地复垦的影响。本研究采用天气研究和预测(WRF)模型预测能量通量和温度的变化基于未来耕地复垦在印度,然后分析了耕地复垦对气候变化的影响。结果表明,耕地复垦将导致大量的土地转换,这将导致整体区域表面的潜热通量的增加以及显热通量的减少,进一步导致区域平均温度的变化。此外,对气候变化的影响是季节不同。耕地复垦主要导致在夏季温度降低,而在冬天它会导致温度升高。

1。介绍

土地利用/覆盖变化(LUCC)是最重要的人类活动和全球气候变化的驱动力之一(1- - - - - -5]。LUCC可以改变地表的属性和随后影响生物圈和大气之间能量和物质交换以及生物地球化学过程和结果施加重大影响的区域甚至全球气候(6- - - - - -12]。LUCC不仅包括土地使用模式的变化在同一土地利用类型(13但也不同土地利用类型之间的转换14,15),例如,耕地转换成建设用地(16),砍伐森林,开垦的荒地17]。随着人类社会的发展,尤其是工业革命以来,LUCC环境中起着越来越重要的作用[18- - - - - -20.]。一方面,建设用地的需求不断增加,城市化进程的加速,大量耕地被占用,使得现有的耕地大大减少(21,22]。另一方面,人口增长和生活标准的提高对粮食生产提出了更高的要求(23]。人们必须满足其需要通过更密集地使用现有的耕地,同时不断开垦森林(24)、草地和湿地,甚至通过填海增加谷物(25]。所有这些人类活动深刻影响区域甚至全球气候变化(5]。为了深入了解LUCC对气候变化的影响,研究人员已经实施了许多相关研究,得出许多结论;例如,森林砍伐会使温度在不同纬度降低或增加,导致降水的减少(26- - - - - -29日]。此外,由于集约农业土地利用变化也会导致降水的变化(30.,31日)、农业灌溉等农业活动也影响区域水循环,随后影响到区域和全球气候变化(8,32,33]。然而,以往的研究大多是基于相关分析和仿真分析的土地利用和气候变化的历史数据;很少有研究的研究专注于预测的可能影响复垦耕地区域气候,可以为决策提供重要的科学参考过程中耕地开垦。

印度是一个典型的地区开垦的耕地在全球LUCC,本国国情密切相关。根据15 2011年人口调查,印度的人口已经超过1.21万亿,占世界人口的17.5%,排名第二的人口世界各地。根据人口结构的变化趋势的国家,印度的人口预计将超过2030年的中国(34]。连续人口增长构成了巨大的挑战的解决粮食安全,所以印度增加了播种面积不断开垦的耕地,同时促进农业的现代化,以满足国内食品需求。大面积开垦的耕地导致土地利用/覆盖变化,这不可避免地影响能量的交换和分配,水分,和动量之间的生物圈和大气,影响辐射平衡和水周期,具有显著的通过各种生物地球物理效应对区域气候的影响(6,27]。那么生物地球物理效应将未来大规模开垦耕地?什么区域气候的变化会进一步导致吗?本研究旨在定量项目这些影响的仿真模型。

的气候影响复垦耕地在印度是一个关键的研究问题在区域范围内和之间的交互和反馈的结果土壤、植被、大气。大气环流模式模拟能力较低的区域范围内由于分辨率的限制;虽然地表模型不能揭示大气和地表之间的反馈,短期内灵敏度测试的中尺度模式只能用于模拟和解释复垦耕地的影响在特定的天气过程,不能揭示长期气候影响(35]。所以,有必要预测的气候影响复垦耕地在印度通过实现长期与高分辨率区域气候模拟集成模型。本研究使用的最新一代数值天气预报模型,研究和预测天气(WRF)模型,模拟surface-atmosphere过程具有高能力准确(36- - - - - -38]。通过整合未来复垦耕地在印度,这个研究预测的气候影响复垦耕地长期在2010 - 2050年的仿真与模拟集成定量分析可能影响未来的复垦耕地在印度区域气候。

2。模型和数据

2.1。模型

WRF模式是下一代中尺度模式由一组科学家从不同的学院。它包括高级研究WRF (ARW)和Nonhydrostatic中尺度模式(NMM);本研究采用了前一个。除此之外,本研究计算的通量之间的显热及潜热交换的地表和大气水平衡和能量平衡的角度与诺亚地表WRF模式的参数化方案。模拟域如图1。空间分辨率设置为30公里,有79个网格点在东西方向和南北方向的111个网格点在整个模拟区域。印度东部的一小部分不包括在这项研究的领域。WRF模式的时序仿真时间是2010年和2050年之间的时期。

参数化方案主要包括诺亚地表参数化方案(39),CAM3辐射方案(40),WSM3-class简单冰粒子物理学(MP)计划(41),Grell-Devenyi积云对流的整体方案(42],YSU边界层方案(43]。第五阶段的耦合模型相互比较项目(CMIP5)产生一种先进的multimodel数据集,用来促进我们的气候变化和气候变化的知识。模型的输出被分析的研究人员构成全球第五政府间气候变化专门委员会的评估报告。它提供的预测未来气候变化对两个时间尺度,短期内(大约2035年)和长期(2100年及以后)。代表浓度的模型输出的途径(RCP) 6.0,如空气温度、含湿量,海平面气压,向东风,风,向北和位势高度从2010年到2050年的大气强迫数据集被用来作为WRF模式。

诺亚地表参数的参数改变土地覆盖情况的变化,但他们都改变在全球范围内,因此有必要调整这些参数的配置自印度只是一个地区。除此之外,只有植被参数相关的土地覆盖和土地覆盖变化进行调整,因为这项研究主要集中在土地覆盖变化的影响而非辐射过程。

2.2。数据

我们在模拟中使用的主要数据来源于实验设计。有两组测试包括实验设计;一个是控制测试,另一个是预测测试(表1)。土地覆盖数据在2010年和2050年预测土地覆盖数据被用作底层表面数据的控制试验和预测试验,分别。土地覆盖数据2010年从美国地质调查局的遥感图像中提取源于中国的国家基础研究计划。2050年和预测土地覆盖数据结合的数据获得的新增耕地(LUCC的派生数据)和前的数据。LUCC数据用于预测在2010 - 2050年土地利用变化来自RCP 6.0场景由亚太综合模型(AIM)建模团队在国家环境研究所(NIES),日本。我们选择RCP 6.0,因为它是一个稳定情况总辐射强迫是稳定就业无超调2100年之后的一系列技术和策略来减少温室气体的排放44]。新增耕地的数据提取自本研究主要目的在于分析影响复垦耕地的区域气候。

3所示。结果

3.1。印度的耕地变化的空间格局

耕地是广泛分布在印度,耕地和牧场的总面积达到207万公里左右²研究的区域,占73.03%。主要有四种耕地在印度的美国地质调查局的分类相对应,也就是说,旱地农田和牧场,灌溉农田和牧场,农田和草地马赛克,和农田/林地马赛克。旱地农田和牧场主要位于印度北部的恒河平原的一部分,马尔瓦高原中部的印度、德干高原的北部。旱地农田和牧场拥有四种耕地面积最大,达到将近118万公里²,或者总耕地面积的56.76%,在研究地区。灌溉农田和草场总面积位居第二,达到超过66.565万公里²,占耕地总面积的32.10%;主要分布在印度北部平原,东部印度半岛,在印度南部海岸平原。只有少数农田和草地马赛克在印度河平原北部和印度半岛的中部,面积大约是20.366万公里²,占总耕地面积的9.82%。农田和林地马赛克保持最少的地区,只有达到2.739万公里²,或者耕地总面积的1.32%,稀疏地分布在沿海地区印度西南地区(图1(一))。

根据目标下的土地数据传输性能,耕地的面积,将改变在未来大约是116万公里²。会有大部分的耕地转化印度恒河平原除了和印度东南部的沿海地区,包括其他土地利用类型转化为耕地的转换以及旱地农田灌溉农田(图1 (b))。转换旱地农田的灌溉农田的面积将达到58.433万公里²,或者转换总面积的50.23%。旱地农田的灌溉农田的转换主要是在地形平坦的地区,例如,印度河平原和印度半岛的中部,这主要是由于灌溉技术的改进。相比之下,其他土地利用类型转化为灌溉农田主要分布在恒河平原地区除了东南部的沿海地区和马尔瓦高原,东北地区的平原和沿海地区东高止山脉山脉的一部分,西高止山脉北部的山,和一些未开发的地区特定的水源在西南印度的一部分。主要造成的增加对粮食的需求由于人口增长,这种转换的面积将达56.012万公里²,占总数的48.15%转换区。其他土地利用类型转换的灌溉农田,草地和灌木占93%,而森林只占7%,其他土地利用类型的只有很少的土地将被转化为旱地农田,只有稀疏地分布在马尔瓦高原。有大面积的旱地农田在印度,和更多的土地将转化为更高的灌溉土地生产力的改善灌溉条件、灌溉技术进步,增加粮食需求。

3.2。验证的能力WRF模式来模拟温度的变化

WRF模式的模拟能力温度变化在印度首次通过比较仿真结果验证的标准WRF模式和地表温度的历史数据。结果表明,最高温度出现在3月根据历史数据和仿真结果;此外,最低温度出现在11月,温度下降的速度在9月和11月有点高于温度上升的速度在1月和3月;即温度迅速降低一点秋天比春天增加(图2)。

仍然有一些区别模拟和观测到的温度。模拟温度低于观察到的一个整体;历史数据显示每年的日平均温度是29.06°C,而它是27.70°C的仿真结果。至于月温度变化,模拟温度低于观察2个月除了,以及它们之间的差异是最明显,9月达到2.69°C。至于季节性温度变化,模拟温度低于所有观察到的一个季节,除了冬天。模拟和观测到的温度之间的差异在春天和秋天是1.89°C和1.77°C,分别;是夏季和冬季相对较小,只有达到0.95°C。

年度日均温度的空间格局表明,模拟和观测到的温度都是北高南和低和高山区和平原在同一纬度较低,比沿海地区和内陆暖。例如,极端温度马杜赖的城市南部20.5°C高于卢迪亚纳极北的;虽然是15.5°C在班加罗尔的城市山区高于平原在钦奈城市在同一纬度。此外,温度在海德拉巴的城市内陆是2.4°C高于沿海地区(表维萨卡帕特南的城市2)。

总之,WRF模式能够模拟高温度的季节变化和空间模式在印度,尽管有一些模拟与观测值之间的差异,与模拟温度有点低。温度的空间格局表明,之间没有显著差异模拟和观测值在大多数地区除了少数地区的差别有点大。

3.3。可能影响耕地复垦的能量通量

耕地复垦的研究区域可能导致重大改变的能量通量,这可能会进一步影响温度变化通过land-atmosphere交互和大气环流的变化。表3显示了预计月度和年度差异的潜热通量和显热通量在2010年和2050年之间。耕地的开垦可能改变土地覆盖,土地覆盖变化可能进一步导致表面热通量的变化(5,19]。年平均差异表明,有一些表面热通量的分布变化之间的潜热通量和显热通量;潜热通量增加了0.84 W / m²而显热通量下降了1.03 W / m²,这可能导致印度的近地表温度下降。

仿真结果表明,有明显的季节性波动的通量(表3)。例如,潜热通量在季风季节(大约从八月至十月)增加了0.73 W / m²平均,而显热通量下降了0.90 W / m²平均。相比之下,潜热通量在雨季之前(大约从4月至7月)增加了1.56 W / m²平均,而显热通量下降了1.72 W / m²平均而言,这表明这些通量的变化在季风季节比之前在季风季节。在印度的大部分耕地取决于提供的水源灌溉,有有限的降水在季风季节。所以蒸散在雨季前的耕地远远高于其他土地覆盖类型,这可能提高变化对表面热通量的分布之间的潜热通量和显热通量高于新的耕地,而在雨季充足的降水增加了土壤水分在所有土地覆盖类型,使蒸散其他土地覆盖类型类似于耕地,而相对削弱的影响复垦耕地的能量。

3.4。可能影响耕地复垦的空气温度

3.4.1。近地表温度的整体状况

由于近地表温度在夏季和冬季最极端,我们主要集中在预测的月平均温度在夏季和冬季的模拟研究区耕地复垦的印度。空间异质性的月平均温度从2010年到2050年夏季和冬季图所示3。结果表明,未来复垦耕地在印度会有一些对月平均温度的影响在夏季和冬季。相比基准年2010年,它将使印度的夏季月平均温度在2050年减少了0.22°C的冬天增加0.11°C。和冷却效果的温度在整个印度,这是不同于研究的结果只专注于灌溉(35,45)或砍伐森林29日),但它的结论是一致的Feddema et al。27),农业扩张可以有助于减少在白天温度低或中纬度地区。这可能是因为一些其他土地利用类型转化为灌溉农田的开垦耕地在印度;增加灌溉中发挥着重要作用降低温度。此外,草原或森林的转换到旱地农田可以增加地表的显热,减少潜热和蒸散,因此每月平均温度增加。此外,联合效应的各种土地利用类型转化为农田可能使整体气候影响非常不同。

我们的模拟结果表明温度变化也随空间位置。在夏天,印度大部分地区的月平均温度降低在某种程度上,它减少最显著的恒河平原北部,与0.70°C的衰减;随着这个地区良好的灌溉条件,新开垦耕地可以灌溉,因此使得耕地发挥重要作用在降低温度,这是一致的结论Feddema et al。27和毛等。35]。温度没有改变,在东部的一些地区山高止山脉和西高止山脉山峰海拔比较高的地方。和温度显示了一个增加的趋势在喜马拉雅山地区沿着山和西高止山以西,面积的增加0.57°C。在冬天,月平均温度在一定程度上增加在印度的大部分地区(大约64.52%的研究区)由于耕地的开垦。这些地区主要位于高海拔的高原和平原地区的一部分,在冬天哪里有非常有限的农业灌溉和耕地的开垦对温度下降的影响有限。然而,森林等转化为这些地区的耕地可能减少植被覆盖率、显热通量和潜热通量变化,从而使温度升高(9]。此外,每月平均温度保持稳定在大约35.15%的整个地区的研究区域,主要在平原地区海拔相对较低。此外,每月平均温度显示了整个地区只有0.32%的递减趋势,分散在喜马拉雅山脉附近。总之,有明显的季节性变化的影响复垦耕地在印度的月平均温度。与此同时,该地区温度变化远比复垦耕地的区域,表明复垦耕地的影响不仅当地的气候,而且周边的区域气候区(图3)。

3.4.2。LUCC和近地表温度的变化之间的关系

我们定量分析之间的关系造成的月平均温度和LUCC复垦。结果表明,常绿阔叶林的改变灌溉农田和牧场(指定为13 - 3简洁的转换;下同)或更改混交林灌溉农田和牧场(15 - 3)会导致每月平均温度分别增加了0.31°C和在夏季(图0.21°C4(一))。这两种回收会导致减少潜热通量和显热通量的增加,导致地表温度的增加。温度的增加导致森林的减少将大于温度的降低导致农田灌溉。除了这两种类型的耕地复垦,其他类型对表面温度冷却效果,其中,从贫瘠的转换或植被稀疏灌溉农田和牧场(19 - 3)将导致最大减少每月的平均温度(即。−0.40°C);这是因为几乎没有植被在最初的类型的土地;虽然它们转化为灌溉农田和牧场,潜热通量增加和显热通量的减少,所以每月平均温度会降低。和冷却效果的转换从农田/林地马赛克灌溉农田和牧场(6 - 3)是最(即。−0.04°C)。冬天(图4 (b)),不同类型的回收会导致一个月平均温度普遍上升,其中,转换从常绿阔叶林灌溉农田(13 - 3)将导致最大增加每月平均温度(即。0.17°C)。

上述结果表明,耕地复垦对温度的影响不同季节。与此同时,不同的耕地复垦类型对温度的影响也不同,这是由于不同类型的耕地复垦将导致不同的植被类型和农田管理模式的变化,这将导致变化的潜热通量和显热通量,从而间接导致不同的温度效应。

4所示。结论和讨论

经过测试和验证的能力WRF模式模拟的温度印度,我们更新了静态WRF土地覆盖数据和模拟的可能影响耕地开垦的温度在印度。印度拥有庞大的耕地农业生产的再生;然而,仍然复垦耕地的趋势在未来由于人口增长带来的粮食需求增加。LUCC的面积由于开垦耕地预计将达到116万公里²,其中,约有58.433万公里²的旱地农田将被转换成灌溉农田,和近56.012万公里²其他土地利用类型的转化为灌溉农田,占总数的50.23%和48.15%转换区域,分别。耕地和牧场的比例研究区域将从73.03%增加到85.28%。

模型验证结果表明,WRF模式可以反映温度的季节变化和空间模式在印度,尽管有一些模拟与观测值之间的差异,与模拟温度有点低。仿真结果表明六个代表城市之间没有显著差异的空间格局模拟和观测值在大多数地区,表明WRF模式在模拟气候在印度有很大的优势。

有一些变化,潜热通量之间的分布和显热通量;潜热通量增加,显热通量下降,这可能是一个原因印度的月平均温度的下降趋势。除此之外,有一些变化在不同季节的热通量变化。

耕地复垦对印度的气候具有明显的季节性影响。主要在夏季降低温度,虽然增加了温度在冬季。因为不同类型的复垦耕地涉及不同类型的LUCC和农田管理模式,会有一些不同的地球物理参数的变化如潜热通量和显热通量,随后将导致不同对地表温度的影响。此外,复垦耕地不仅影响当地气候也邻近的区域气候地区。

这项研究仍然是初步的,还有一些问题需要进一步解决的不稳定和不确定性的气候影响的LUCC研究;应该进行进一步的研究。例如,有许多因素影响区域气候和他们通常综合行为,所以应该考虑更多的因素。此外,印度的复垦耕地也影响许多气候因素,其中一些没有考虑到在这项研究中,所以可能会有一些不确定性和有必要补充灵敏度分析在即将到来的研究。

利益冲突

作者宣称没有利益冲突有关的出版。

确认

本研究支持的重点项目由中国科学院(没有。KZZD-EW-08),国家重点项目在中国发展基础科学(没有。2010 cb950900),中国科学院的外部合作项目(没有。GJHZ1312)。

引用

1. r·a·皮尔克老“土地利用和气候变化,”科学,卷310,不。5754年,第1626 - 1625页,2005年。视图:出版商的网站|谷歌学术搜索
2. l . Bounoua r . DeFries g . j . Collatz p .卖家和h·汗,“土地覆盖转换对表面气候的影响”,气候变化,52卷,不。1 - 2日,29 - 64年,2002页。视图:出版商的网站|谷歌学术搜索
3. j·金,s, s . Li和n·l·米勒,“土地利用变化对当地气候的影响在青藏高原,“气象学的进展837480卷,2010篇文章ID, 6页,2010。视图:出版商的网站|谷歌学术搜索
4. t·张,j .詹f . Wu j .罗和j .黄”区域气候变化应对未来陆地表面强迫在巴西亚马逊河,”气象学的进展ID 852541条,卷。2013年,9页,2013。视图:出版商的网站|谷歌学术搜索
5. x邓、赵c和h .严”系统的建模的影响土地利用和土地覆盖变化对区域气候:复习一下,”气象学的进展ID 317678条,卷。2013年,11页,2013年。视图:出版商的网站|谷歌学术搜索
6. r·a·皮尔克老g . Marland贝茨r . a . et al .,“土地利用变化和景观的影响对气候系统动力学:与气候变化政策除了温室气体的辐射效应,”英国皇家学会哲学学报,卷360,不。1797年,第1719 - 1705页,2002年。视图:出版商的网站|谷歌学术搜索
7. l . j .戈登·w·史蒂芬,b·f·琼森c . Folke m . Falkenmark,。Johannessen”,人类改造的全球地表水汽流,”美国国家科学院院刊》上的美利坚合众国,卷102,不。21日,第7617 - 7612页,2005年。视图:出版商的网站|谷歌学术搜索
8. r·马哈茂德·a·福斯特,t·基林k·g·哈伯德,c·卡尔森和r·里柏”的影响灌溉对20世纪温度在北部大平原,”全球和行星变化,54卷,不。1 - 2,队,2006页。视图:出版商的网站|谷歌学术搜索
9. k·k·p·d·r·a·贝茨法伦Goldewijk,和n . Ramankutty”Biogeophysical土地利用对气候的影响:辐射强迫的模拟模型和大规模的温度变化,“农业和森林气象学,卷142,不。2 - 4、216 - 233年,2007页。视图:出版商的网站|谷歌学术搜索
10. t . Loveland r·马哈茂德·t·Patel-Weynand et al .,“国家气候评估技术报告的影响气候和土地利用和土地覆盖变化,“美国地质调查所打开的文件报告,第1155卷,第87页,2012年。视图:谷歌学术搜索
11. 严h·r·瞿x崔,e . Ma和j·詹,“土地覆盖变化对地表温度的影响在华北平原,”气象学的进展文章ID 409302卷,2013年,12页,2013。视图:出版商的网站|谷歌学术搜索
12. 林释,y,大肠,h .燕和j·詹,“影响气候和粮食生产的耕地复垦在未来30年,中国东北”气象学的进展ID 853098条,卷。2013年,8页,2013。视图:出版商的网站|谷歌学术搜索
13. j.y.刘邓x和z”的研究方法进展LUCC的时空过程,”科学通报,55卷,不。14日,第1362 - 1354页,2010年。视图:出版商的网站|谷歌学术搜索
14. j·詹,施n、s .他和林y,”因素和机制推动江西省的土地利用转换,“《地理科学,20卷,不。4、525 - 539年,2010页。视图:出版商的网站|谷歌学术搜索
15. l .江x邓,k . c .濑户”多层次建模的城市扩张和耕地转换为城市热点县在中国,“景观和城市规划,卷108,不。2 - 4、131 - 139年,2012页。视图:谷歌学术搜索
16. j . j . Liu詹,邓x”时空模式和城市土地扩张的驱动力在中国经济改革时期,“中记录,34卷,不。6,450 - 455年,2005页。视图:谷歌学术搜索
17. x邓,j .黄罗泽尔,大肠田和j·吉布森,“高压锅或压力阀:道路在中国导致森林砍伐吗?”环境经济与管理杂志》上,卷61,不。1,第94 - 79页,2011。视图:出版商的网站|谷歌学术搜索
18. 问:江,x邓、j·詹和他,“估计土地生产及其对华北平原耕地转换反应,”中国地理科学,21卷,不。6,685 - 694年,2011页。视图:出版商的网站|谷歌学术搜索
19. j .刘邓和x”,不同的土地利用对城市的影响微环境的城市,在北京中国,“《食品、农业和环境,9卷,不。3 - 4、1005 - 1011年,2011页。视图:谷歌学术搜索
20. b . Guneralp k.c.濑户,“环境影响城市发展的一个集成的动态角度来看:一个案例研究的深圳,中国南方,”全球环境变化,18卷,不。4、720 - 735年,2008页。视图:出版商的网站|谷歌学术搜索
21. l .江x邓,k . c .濑户“城市扩张农业土地利用强度的影响在中国,“土地使用政策,35卷,33-39,2013页。视图:出版商的网站|谷歌学术搜索
22. k.c.濑户,m . Fragkias b . Guneralp m·k·赖利,“全球城市土地扩张的荟萃分析,《公共科学图书馆•综合》》第六卷,没有。8篇文章ID e23777 2011。视图:出版商的网站|谷歌学术搜索
23. 问:江、邓x h .燕和瞿r . d . Liu”标识的食品安全在中国的山区固原地区探索粮食产量的变化,“《食品、农业和环境,10卷,不。1,第216 - 210页,2012。视图:谷歌学术搜索
24. x邓、江问:j .詹s .他和林y,“模拟森林面积的动态变化在中国东北,”《地理科学,20卷,不。4、495 - 509年,2010页。视图:出版商的网站|谷歌学术搜索
25. f .吴x邓、f .阴和y元,“沿着代表浓度预测草地生产力的变化途径在中国2010 - 2050年期间,“气象学的进展ID 812723条,卷。2013年,9页,2013。视图:出版商的网站|谷歌学术搜索
26. 老t . n .追逐,r·a·皮尔克t·g·f·Kittel r . r . Nemani和s . w .运行“模拟历史土地覆盖变化对全球气候的影响在北方的冬天,“气候动力学,16卷,不。2 - 3、93 - 105年,2000页。视图:谷歌学术搜索
27. j . j . Feddema k·w·奥尔森,g . b .保安族et al .,“大气科学:覆盖模拟未来气候变化的重要性,”科学,卷310,不。5754年,第1678 - 1674页,2005年。视图:出版商的网站|谷歌学术搜索
28. d . Werth和r . Avissar亚马逊森林砍伐的局部和全局影响。”地球物理研究杂志》,卷107,不。20日,页。LBA 55-1-LBA 55-8, 2002年。视图:出版商的网站|谷歌学术搜索
29. m·g·巴拉,k Caldeira Wickett et al .,“大规模森林砍伐的气候和二氧化碳循环影响。”美国国家科学院院刊》上的美利坚合众国,卷104,不。16,6550 - 6555年,2007页。视图:出版商的网站|谷歌学术搜索
30. d .他我。Chang, f . Chen等人“aerosol-land-atmosphere交互的潜在影响印度季风降雨特点,“自然灾害,42卷,不。2、345 - 359年,2007页。视图:出版商的网站|谷歌学术搜索
31. e·m·道格拉斯·a . Beltran-Przekurat d·他·r·a·皮尔克老和c j . v“的影响农业集约化和灌溉land-atmosphere交互和印度季风降雨增多中尺度建模的角度来看,“全球和行星变化,卷67,不。1 - 2、117 - 128年,2009页。视图:出版商的网站|谷歌学术搜索
32. d·b·罗贝尔·g·巴拉,p·b·达菲“Biogeophysical农田管理的影响气候变化,“《地球物理研究快报,33卷,不。6篇文章ID L06708 2006。视图:出版商的网站|谷歌学术搜索
33. Haddeland, d . p . Lettenmaier, t·斯考根”的影响灌溉的水和能源平衡科罗拉多州和湄公河流域,”《水文,卷324,不。1 - 4、210 - 223年,2006页。视图:出版商的网站|谷歌学术搜索
34. r的家伙,“人口70亿,”国家地理,卷219,不。1、32 - 63年,2011页。视图:谷歌学术搜索
35. h .毛x, z Xiong, h .田”建模在印度灌溉对区域气候的影响,“生态学报没有,卷。31日。4、1038 - 1045年,2011页。视图:谷歌学术搜索
36. j·金:l·米勒和n·施莱格尔,“四个地表方案的敏感性研究WRF模式,”气象学的进展ID 167436条,卷。2010年,11页,2010年。视图:出版商的网站|谷歌学术搜索
37. b .风暴,j . Dudhia巴苏,a·斯威夫特和Giammanco,“天气研究的评估和预测模型在预测低级飞机:风能,”风能,12卷,不。1,第90 - 81页,2009。视图:出版商的网站|谷歌学术搜索
38. j·g .权力“南极风严重事件的数值预测天气的研究和预测(WRF)模型,”每月天气回顾,卷135,不。9日,第3157 - 3134页,2007年。视图:出版商的网站|谷歌学术搜索
39. 林·m·b·埃克k·e·米切尔,y et al .,”诺亚地表模型的实现进步的国家环境预报中心的运营中尺度埃塔模型,”地球物理研究杂志》上的D,卷108,不。22岁,硕士论文,2003页。视图:谷歌学术搜索
40. A . Gettelman h·莫里森,美国j·甘”,“一个新的two-moment批量层状云粒子物理学模型计划在社区氛围,版本3 (CAM3)。第二部分:单列和全球的结果。”杂志的气候,21卷,不。15日,第3679 - 3660页,2008年。视图:出版商的网站|谷歌学术搜索
41. v . s . Challa j . Indracanti m . k . Rabarison et al .,“模拟研究中尺度沿海发行量在密西西比州墨西哥湾海岸,”大气研究,卷91,不。1,9-25,2009页。视图:出版商的网站|谷歌学术搜索
42. g . A时,d .德文伊”,广义参数化方法对流结合合奏和数据同化技术,”《地球物理研究快报卷,29号14日,行政院,2002页。视图:谷歌学术搜索
43. S.-Y。香港,y能剧,j . Dudhia”一个新的垂直扩散包夹带的明确的治疗过程,”每月天气回顾,卷134,不。9日,第2341 - 2318页,2006年。视图:出版商的网站|谷歌学术搜索
44. r . j . Fujino Nair m . Kainuma t . Masui y松岗,“此外缓解稳定场景使用目标全局模型,分析”能源杂志27卷,第353 - 343页,2006年。视图:谷歌学术搜索
45. 李,t . n .追逐,b . Rajagopalan r·g·巴里·t·w·比格斯和p . j .劳伦斯“灌溉和植被的影响活动早期印度夏季风的变化,“国际气候学杂志卷,29号4、573 - 581年,2009页。视图:出版商的网站|谷歌学术搜索

版权

版权©2013易曲等。这是一个开放分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。