1960—2015年云南省极端气候指数变化特征研究

［目的］基于1960—2015年的云南省31个气象站点逐日平均气温、最高气温、最低气温和降水量等数据，研究极端气候指数的时空变化，为降低云南省自然灾害对农业生产的影响，以及制定应对气候风险的策略提供依据。［方法］采用国际气候诊断与指数小组（ETCDD-MI）定义的极端气候指标，运用线性趋势法和克里金插值法等对其进行分析。［结果］7个气温指数中，夏季日数、冷昼日数和寒潮持续指数呈下降趋势，霜冻日数、月极端最高气温、月极端最低气温和暖夜日数呈上升的趋势。空间变异分析显示夏季日数、月极端最高气温和月极端最低气温由南向北递减，暖夜日数、冷昼日数和寒潮持续指数表现为东高西低。7个极端气温指数的变化趋势中，霜冻日数和冷昼日数的变化趋势与海拔高度呈显著的负相关关系，月极端最高气温的趋势与海拔高度呈极显著的正相关关系。6个降水指数中，日最大降水量、连续干旱日数和极强降水量呈上升的趋势，大雨日数、连续湿日数和年总降水量呈下降的趋势。日最大降水量和大雨日数由南向北递减，连续湿日数和年总降水量由西南向东北递减，连续干旱日数高值中心主要位于云南的中部和东部，极强降水量主要集中在德宏州和保山市。云南省的极端强降水由西南向东北递减。6个极端降水指数的变化趋势与海拔的相关性均未达到显著水平。［结论］这些极端气候变化特征表明云南省有变干和变暖的趋势，农业生产应采取适应性对策。     

分布式属性相似空间插值算法及其对流域土壤属性插值的计算性能评估

目的 如何准确、高效地实现点源数据向面源数据的空间拓展,是现代数字土壤制图技术实现由中小尺度制图转向大尺度、乃至全球尺度制图所需解决的关键问题之一。方法 依托前期提出的局部属性相似性加权回归空间插值算法（LASWR）,文章构建了一种基于云计算技术Hadoop的分布式空间插值算法（DLASWR）,以应对大规模数字土壤制图的海量数据处理需要。DLASWR算法是基于Hadoop的MapReduce框架结构。算法的核心思想在于：（1）将待插值数据集分割成多个子数据集,由单个Map任务使用集中式LASWR算法对一个子数据集进行插值;（2）由Reduce任务归并所有Map任务的插值结果,并作为最终结果输出。结果 对实际土壤样点属性的空间插值实验结果表明DLASWR算法具有良好的加速性能,与集中式LASWR算法相比显著提高了空间插值的计算效率。结论 DLASWR算法可为数字土壤制图领域当前应用的空间插值方法由传统的集中式计算拓展成分布式计算提供技术参考。