-
在全球变暖背景下, 区域乃至全球范围水汽循环出现变异, 降水发生显著变化[1], 但这种变化并不像极端气温那样具有较强的全球一致性, 地区差异明显[2]。中国地处东亚季风区, 降水对气候变化十分敏感, 在总量发生改变的同时, 降水的频率、持续性和极端降水事件等都表现出明显变化, 且变化存在较强的区域性和季节性[3]; 其中, 不同强度降水变化程度时空分布不均匀导致中国降水结构改变, 对洪涝、干旱等极端水文气象事件的发生具有直接影响[1], 是降水变化的一个重要方面[4-5]。
降水集中程度是描述降水结构的重要指标[6], 与对降水量、不同强度降水的变化和降水变化空间分布等的研究相比, 目前对降水集中程度的研究还相对较少[7-9]。Oliver[10]和Michiels等[11]基于月降水资料定义了降水集中指数(Precipitation Concentration Index, PCI), 该指数在国际上得到较广泛的应用, 但它难以描述降水集中度的月际特征[12]。Zhang和Qian[13]基于年内降水时间分布的矢量表达方式定义了降水集中度(Precipitation Concentration Degree, PCD), 该方法可以有效描述降水量在研究时段内分配的非均匀性, 在国内得到广泛应用, 但它不能有效反应不同强度降水过程非均匀分配特征及其累积效应[12]。Martin-Vide[14]受到经济学中基尼系数思想的启发, 基于日降水资料定义了降水集中指数(Concentration Index, CI), 该方法应用于中国[15]及世界其他区域[9]。受到信息熵思想的启发, 王睆等[7]和Li等[8]定义了降水集中程度(Q), 这种方法适用于任何时间尺度的观测资料, 可以在不同时间尺度上分析降水集中特征, 具有较强的适用性[6]；该方法在中国初步应用[6-8], 但仅针对部分季节或区域, 目前尚无全面分析中国降水集中程度时空特征、研究降水集中程度与其他气候因子间关系的相关工作。
本文选取1960-2017年日降水资料, 利用降水集中程度, 研究中国降水集中程度及其变化趋势的空间分布特征, 探讨降水集中程度与降水量、海洋状态之间的关系, 分析其对水旱灾害的影响, 力求更全面地了解中国降水特点, 为防汛抗旱等工作的开展提供参考。
-
本文选用国家气象信息中心整理、发布的日降水资料计算降水集中程度。为确保数据连续、完整, 选取了1960-2017年数据完整率达到95%的773个站点的降水资料, 并对其中部分缺测数据进行插补, 站点空间分布情况如图 1所示。中国降水特征的地域差异明显, 为便于分析不同地区Q的分布和变化规律, 本文将中国划分为东北、华北、西北、华东、华中、西南、青藏和华南等8个子地区[4, 16], 图 1中给出了各子地区的划分方法, 各子地区站点数如表 1所示。文中采用的ENSO(El Niño-Southern Oscilation)指标(NINO3.4)和太平洋年代际涛动(PDO, Pacific Decadal Oscillation)分析海洋状态对中国降水集中程度的影响, 该数据来自美国国家海洋和大气局物理科学实验室(https://psl.noaa.gov)。
图 1 站点分布和地区划分
Figure 1. Distribution of rain gauge stations and subzones
表 1 各区域站点数量表
Table 1. Station number of each subzone
区域 东北 华北 西北 华东 华中 西南 青藏 华南 站点数量/个 118 99 137 84 76 95 47 117 -
降水集中程度是受“信息熵”[17]思想的启发而提出的, 信息熵用于描述离散随机事件的出现概率, 当随机事件的不确定性增大时, 信息熵的数值也随之增大, 反之亦然[6-8]。气候时间序列一般具有数据的取值随时间变化、每一时刻取值具有随机性、前后时刻数据之间存在相关性和持续性、序列整体上有上升或下降趋势和持续性以及在某一时刻的数据取值出现转折或突变等特征[18]。从统计意义上, 气候变量可视为随机变量[19], 其中降水量服从Gamma分布[20]。王睆等[7]和Li等[8]以降水量为随机事件, 将Q定义为
$$ Q = 1 + \sum\limits_{i = 1}^N {\frac{1}{{\ln N}}\left[ {P\left( {{x_i}} \right)\ln P\left( {{x_i}} \right)} \right]} $$ (1) 式中: i为时次序号；N为年、季等时间尺度内的降水数据时次数量；xi为该时间尺度内第i个时次的降水量；P(xi)为xi对当前时间尺度内总降水的贡献率, $ P\left( {{x_i}} \right){x_i}/\sum\limits_{j = 1}^N {{x_j}} $。如果当前整个时间尺度内全部降水都集中在某一个时次, 则Q=1；如果当前整个时间尺度内的降水均匀分布在每一个观测时次, Q =0。也就是说, Q值介于0和1之间, 当降水集中程度较高时, 该值较大, 而当降水时间分布较均匀时, 该值较小[6-8]。指数Q能够适用于任何时间尺度的观测资料, 可以在不同时间尺度上分析降水集中特征, 与前人的研究方法相比[10-14], 能够更全面地反映降水集中程度的特征, 具有更强的适用性[6]。
-
图 2(a)为1960-2017年间中国年平均Q的空间分布情况。年平均Q介于0.21~0.83之间, 平均为0.38, 分布形势总体呈现出南北低中间高的特点, 在40°N附近, Q相对较高, 而在35°N以南和45°N以北, Q相对较低。在华北、西北地区和青藏地区西部, 降水集中程度较高, 尤其是西北地区西部, Q超过0.70, 是中国年降水集中程度最高的区域；华东、华中、西南、华南地区和东北地区东北部、青藏地区东部的降水集中程度较低, 其中华东和华中地区南部、西南地区西部、青藏地区东部、华南地区东部和西部, Q低于0.30, 是中国年降水集中程度最低的地区。该空间分布形势与段亚雯等[12]基于PCI指数得到的中国年降水集中程度空间分布总体一致。
图 2 年平均Q值、年平均降水量和年尺度Q值变化趋势空间分布
Figure 2. Spatial pattern of yearly mean Q, yearly mean precipitation and yearly Q trend
图 2(b)为1960-2017年间中国年平均降水量的空间分布情况。由图可见, 中国年降水量总体上由东南向西北递减, 对比年降水集中程度与年降水量的空间分布, 可以发现年平均Q超过0.70的区域主要集中于年降水量低于100 mm的区域, 而在中国东南区域, 年平均降水量超过1 000 mm, 该区域年尺度Q低于0.30。这主要是因为在年降水量较少区域, 降水日数也很少, 较少的降水量主要集中在有限的降水日内, 导致降水集中程度较高, 而在降水量较大区域, 降水日数较多, 降水量在降水日内分配较均匀, 从而导致降水集中程度较低[5]。在青藏地区东部和西南地区部分区域, 年平均降水量800~1 200 mm; 该地区小雨日数较多, 占总降水日数的75%[21-22], 其次为中雨日数, 日降水强度的这种特征导致了该区域年尺度Q同样低于0.3。
图 2(c)为1960-2017年间年尺度Q值的变化趋势。在研究时段内, 中国降水集中程度变化趋势较小, 各站点平均值略有增加, 主要原因为:总体上中国小、中雨等级降水量有所减少, 大雨以上等级降水强度增大, 频率上升[23]；短历时降雨中的强降雨频率增加, 长历时降雨频率减少[24]。中国降水集中程度变化趋势在空间分布上总体呈现东南升高西北降低的趋势, 升高区域主要集中在华北、华东、华中、西南、华南地区、东北地区部分区域和西北地区东南部部分区域, 降低区域主要集中在西北和青藏地区。在西北、青藏地区和西南地区部分区域及其周边地区的变化趋势通过95%水平显著性检验。前人的研究表明, 中国东部季风区暴雨、短历时强降水事件频数和强度上升, 小雨和痕量降水频数下降[25]; 西南地区小雨和中雨日数显著减少, 暴雨、大雨日数增加[21]; 西北地区小雨、大雨、暴雨日数均减少, 中雨日数增加[4]。不同强度降水变化的区域性差异导致降水集中程度变化趋势的上述空间分布形势。
-
图 3为中国季平均降水集中程度的空间分布情况。冬季(12-2月)和秋季(9-11月)的降水集中程度相对较高, 季平均Q分别为0.53和0.51, 夏季(6-8月)和春季(3-5月)相对较低, 均值分别为0.39和0.48。在空间分布方面, 夏季降水集中程度的分布最均匀, Q的标准差为0.11；春季不同测站间的差异最大, 标准差为0.16；秋季和冬季较接近, 标准差均为0.13。
图 3 四季平均Q值空间分布
Figure 3. Spatial pattern of seasonal mean Q
在春、夏、秋三季, Q最高区域均位于西北地区西部, 但在冬季, Q最高区域主要分布于华北地区东部、东北地区南部、西北地区东部和青藏地区东部区域。这主要是因为西北地区西部冬季降水量少, 在部分年份甚至整个冬季无有效降水, 从而导致其降水集中程度特征与其他季节有所不同。季平均Q最低区域主要分布于35°N以南:春季位于华东地区南部、华中地区南部和华南地区东北部；夏季位于青藏地区东部；秋季位于青藏地区东部、西南地区西部和华南地区西部的部分区域；冬季主要集中在西南地区南部和华中地区南部。在春季和冬季, 降水集中程度最低区域的位置偏东, 而在夏季和秋季, 该位置偏西。由春季至冬季, 该位置经历先西撤后东进的变化过程。
图 4反映了四季降水集中程度变化趋势的空间分布情况。总体上春季和秋季的分布形势较一致, 降水集中程度升高区域主要集中在东北地区部分区域和100°E以东、40°N以南的华东、华中地区大部和西北、华北、西南、华南地区的部分区域, 降低区域主要集中在100°E以西的西北、青藏地区和45°N左右的东北和华北地区部分区域。近年来, 西北地区春、秋季小雨和中雨增加, 大雨和暴雨变化较小[26], 不同强度降水的这种变化导致了春、秋两季西北地区降水集中程度的减小。在夏季, 降水集中程度升高区域集中在东北地区至华南地区西部连线左右区域, 主要包括东北、华北、西南地区和西北地区东部、华南地区西部、青藏地区东部等区域, 降低区域集中在升高区域东北、西南两侧, 主要包括华东、华中地区和华南地区东部、西北地区中部和西部、青藏地区西部等区域。总体上春、秋季降水集中程度升高区域偏东偏南、夏季降水集中程度升高区域偏西偏北。冬季与其他季节的差异最明显, 降水集中程度升高和降低区域的分布较分散, 其中升高区域主要集中在华南、西南地区和西北、青藏地区的部分区域、东北地区北部区域；降低区域主要集中在华北、华东、华中地区, 东北地区中部和南部区域, 西北和青藏地区部分区域。
图 4 四季Q值变化趋势空间分布
Figure 4. Spatial pattern of the trend of seasonal Q
-
降水量与降水集中程度关系密切, 不同强度降水的变化在导致降水量改变的同时, 也对降水集中程度的改变具有直接影响。图 5为1960-2017年间各站点年、季平均降水量与平均Q的散点分布情况。在年和季尺度, 二者均表现出较强的负相关性, 降水集中程度随着降水量的增加而减小。在年尺度, 相关系数为-0.71(通过95%水平显著性检验)。已有研究表明, 冬季降水百分率显著上升, 春、夏两季高降水百分率地区降水减少, 低降水百分率地区降水增加[3]使得中国降水的时间分布改变；纬度较低区域小雨日数递减, 大雨、暴雨日数增加, 偏北地区小雨、大雨、暴雨日数减少, 无雨、中雨日数增加[26]导致降水的空间分布发生变化。在上述降水时间和空间变化的共同作用下, 年降水量和降水集中程度之间形成负相关关系。
图 5 年、季降水量和Q值散点分布
Figure 5. Scatter of precipitation and Q on yearly and seasonal scale
四季相关系数平均为-0.72, 其中秋季的相关性最强, 相关系数为-0.89, 春季的相关性最弱, 相关系数为-0.70, 各相关系数均通过95%水平显著性检验。夏季趋势线斜率绝对值最大, 为-1 678.32, 冬季最小, 为-457.44, 春季和秋季较接近, 分别为-908.97和-892.69。在中国, 夏季降水百分率最大, 占全年降水的56.5%, 冬季最少, 占5.3%, 春季和秋季分别为19.3%和18.9%[3]。季降水量的差异是导致不同季节趋势线斜率差异的一个重要原因。
当同时考虑降水集中程度与降水量时, 可能出现:①降水量和Q均较大；②降水量大而Q小；③降水量较小但Q较大；④降水量小的同时Q也较小[6]。当情况①发生时, 降水量大且集中, 容易发生洪涝灾害；当情况②发生时, 虽然降水量较大, 但分布较均匀, 发生洪涝灾害的可能性较情况①大大降低；当情况③发生时, 降水量少且集中在较少天数, 容易发生干旱；当情况④发生时, 降水量虽然少, 但分布较均衡, 干旱程度较情况③轻。在1991年和1994年, 各站点年平均降水量存在较大差异, 分别为841.2 mm和909.8 mm, 但在这两年降水集中程度较接近, Q均为0.38, 使得这两年对应的旱涝灾害受灾总面积较接近, 分别为4 951.0万hm2和4 775.1万hm2[27]。1993年中国各站点年平均降水量为903.5 mm, 与1994年较接近, 但其降水时间分布较1994年更分散, Q为0.36, 降水分布的这种特征导致该年中国水旱灾害受灾总面积仅3 748.7万hm2[27], 较1994年少21.5%。
-
中国气候变化与海洋状态密切相关[28], 当ENSO事件处于发展阶段时, 江淮流域降水偏多, 黄河流域、华北地区和江南地区降水偏少；当ENSO事件处于衰减阶段时, 降水分布形势相反[29]。朱益民和杨修群[30]指出, PDO暖位相期, 冬季中国东北、华北、江淮以及长江流域降水偏少, 夏季华北地区降水偏少, 长江中下游、华南南部、东北和西北地区降水偏多。图 6为NINO3.4指数和PDO指数与降水集中程度相关系数随滞后时间改变的发展变化。Q与NINO3.4指数间的相关系数大于其与PDO指数间的相关系数, 其中NINO3.4指数与Q的相关系数随着滞后时间的延长, 先增大后减小, 当滞后时间为2个月时, 相关系数最大, 为0.13。PDO指数与Q的相关系数随着滞后时间的延长, 先减小, 后增大, 再减小, 当滞后时间为4个月时, 相关系数最大, 为0.12。
图 6 Q与PDO指数和NINO3.4指数间相关系数绝对值随滞后时间的变化
Figure 6. Absolute value of correlation coefficients between Q and PDO(NINO3.4) index with different lag time
图 7为各站点NINO3.4指数与Q滞后2个月, 与PDO指数滞后4个月的相关系数空间分布情况, 由图可见, 两指数与Q均表现出较明显的相关性, 但通过95%水平显著性检验的区域(虚线内区域)较少。NINO3.4指数与Q的相关性由北向南分布总体上为“-+-”, 正相关区域主要集中在青藏、西南区域大部, 西北区域东南部, 华北区域南部, 华中区域北部和华南区域西部, 负相关区域主要集中在东北区域、西北区域、华东区域大部, 华北区域北部, 华中区域南部, 华南区域东部。PDO指数与Q的相关性以负相关为主, 仅东北区域南部、华北区域南部、华南区域西部和青藏区域等表现为正相关。
图 7 Q与NINO3.4指数和PDO指数间相关系数的空间分布
Figure 7. Spatial pattern correlation coefficients between Q and NINO3.4/PDO index
-
(1) 中国年平均降水集中程度在40°N附近相对较高, 在35°N以南和45°N度以北相对较低, 呈现出南北低中间高的空间分布特点。冬季和秋季的降水集中程度相对较高, 夏季和春季相对较低。降水集中程度最高区域在春、夏、秋三季均位于西北地区西部, 最低区域主要分布于35°N以南。年降水集中程度变化趋势较小, 总体略有上升, 呈东南升高西北降低的形势。降水集中程度升高区域春、秋季偏东偏南, 夏季偏西偏北。冬季升高和降低区域较分散。
(2) 在年和季尺度, 降水集中程度和降水量间均表现出较强的负相关性, 降水集中程度随着降水量的增加而减小。秋季的相关性最强, 春季的相关性最弱。夏季描述降水集中程度与降水量关系的线性趋势线斜率绝对值最大, 冬季最小。
(3) 海洋状态对降水集中程度具有重要影响。降水集中程度与NINO3.4指数间的相关性随着滞后时间的延长, 先增大后减小, 当滞后时间为2个月时, 相关系数最大, 其空间分布由北向南总体呈“-+-”形势；与PDO指数间的相关系数随着滞后时间的延长, 先减小, 后增大, 再减小, 当滞后时间为4个月时, 相关系数最大, 且相关性以负相关为主。
Precipitation concentration characteristics in China during 1960—2017
-
摘要: 降水集中程度是反映降水结构的重要指标。基于1960—2017年中国773个气象站日降水资料，运用降水集中程度（Q），研究中国降水集中程度的时空特征，分析其与降水量、海洋状态之间的关系。结果表明：①中国年平均Q值为0.38，南北较低中间较高；冬季和秋季的降水集中程度相对较高，平均Q值分别为0.53和0.51，夏季和春季相对较低，分别为0.39和0.48。②年降水集中程度变化趋势较小，总体上略有上升，东南升高西北降低；在年和季尺度，Q和降水量均表现出较强的负相关性，年尺度相关系数为-0.71，秋季的相关性最强，相关系数为-0.89，春季的相关性最弱，相关系数为-0.70，降水集中程度和降水量共同影响水旱灾害受灾面积。③Q与NINO3.4指数间的相关性随着滞后时间的延长先增大后减小，当滞后时间为2个月时相关系数最大，平均为0.13，由北向南总体呈"-+-"分布；与PDO指数间的相关系数随着滞后时间的延长先减小后增大再减小，当滞后时间为4个月时相关系数最大，平均为0.12，以负相关为主。Abstract: Precipitation concentration is an important component of precipitation structure. The present study uses daily precipitation data from 1960—2017 to calculate the precipitation concentration index Q and investigate in detail the spatial and temporal characteristics of precipitation concentration in China. In particular, this analysis considers how precipitation concentration is related to both precipitation amount and maritime conditions. The results indicate that China's yearly mean Q value is 0.38, with Q values highest in central China and lower in northern and southern China. Precipitation concentration is higher in winter and autumn, with mean Q values of 0.53 and 0.51, respectively; in contrast, the mean Q values for summer and spring are 0.39 and 0.48, respectively. For China as a whole, the yearly mean Q value is increasing slowly with time; however, yearly mean Q trends exhibit regional variation, with positive and negative temporal trends in southeastern and northwestern China, respectively. The results indicate a negative correlation between precipitation concentration and precipitation amount at both annual and seasonal scales (correlation coefficient of-0.71 at the annual scale). This correlation is strongest in autumn and weakest in winter (correlation coefficients of -0.89 and-0.70, respectively). Moreover, both precipitation concentration and precipitation amount control the area affected by flood and drought. The correlation coefficient between yearly Q and the NINO3.4 index increases and then decreases with increasing lag time, with the strongest correlation (coefficient:0.13) found for a lag time of 2 months. This correlation also exhibits a distinct spatial pattern, with a "-+-" distribution from north to south. Similarly, the correlation coefficient between yearly Q and the Pacific Decadal Oscillation increases and then decreases with increasing lag time; this correlation is strongest (coefficient:0.12) for a lag time of 4 months. This relationship exhibits a negative correlation across most of China.
-
图 1 站点分布和地区划分
Ⅰ:东北Ⅱ:华北Ⅲ:西北Ⅳ:华东Ⅴ:华中Ⅵ:西南Ⅶ:青藏Ⅷ:华南
Figure 1. Distribution of rain gauge stations and subzones
图 2 年平均Q值、年平均降水量和年尺度Q值变化趋势空间分布
Figure 2. Spatial pattern of yearly mean Q, yearly mean precipitation and yearly Q trend
图 5 年、季降水量和Q值散点分布
Figure 5. Scatter of precipitation and Q on yearly and seasonal scale
图 6 Q与PDO指数和NINO3.4指数间相关系数绝对值随滞后时间的变化
Figure 6. Absolute value of correlation coefficients between Q and PDO(NINO3.4) index with different lag time
图 7 Q与NINO3.4指数和PDO指数间相关系数的空间分布
Figure 7. Spatial pattern correlation coefficients between Q and NINO3.4/PDO index
表 1 各区域站点数量表
Table 1. Station number of each subzone
区域 东北 华北 西北 华东 华中 西南 青藏 华南 站点数量/个 118 99 137 84 76 95 47 117 
下载: 导出CSV
-
[1] 冶运涛, 梁犁丽, 龚家国, 等.长江上游流域降水结构时空演变特性[J].水科学进展, 2014, 25(2):164-171. http://skxjz.nhri.cn/article/id/2389 YE Y T, LIANG L L, GONG J G, et al. Spatial-temporal variability characteristics of precipitation structure across the upper Yangtze River basin, China[J]. Advances in Water Science, 2014, 25(2):164-171. (in Chinese) http://skxjz.nhri.cn/article/id/2389 [2] DONAT M G, ALEXANDER L V, YANG H, et al. Global land-based datasets for monitoring climatic extremes[J]. Bulletin of the American Meteorological Society, 2013, 94(7):997-1006. doi: 10.1175/BAMS-D-12-00109.1 [3] 姚世博, 姜大膀, 范广洲.中国降水的季节性[J].大气科学, 2017, 41(6):1191-1203. https://www.cnki.com.cn/Article/CJFDTOTAL-DQXK201706006.htm YAO S B, JIANG D B, FAN G Z. Seasonality of precipitation over China[J]. Chinese Journal of Atmospheric Sciences, 2017, 41(6):1191-1203. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-DQXK201706006.htm [4] 熊敏诠.近60年中国日降水量分区及气候特征[J].大气科学, 2017, 41(5):933-948. https://www.cnki.com.cn/Article/CJFDTOTAL-DQXK201705003.htm XIONG M Q. Climate regionalization and characteristics of daily precipitation in China in recent 60 years[J]. Chinese Journal of Atmospheric Sciences, 2017, 41(5):933-948. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-DQXK201705003.htm [5] 任国玉, 战云健, 任玉玉, 等.中国大陆降水时空变异规律:Ⅰ:气候学特征[J].水科学进展, 2015, 26(3):299-310. doi: 10.14042/j.cnki.32.1309.2015.03.001 REN G Y, ZHAN Y J, REN Y Y, et al. Spatial and temporal patterns of precipitation variability over mainland China:Ⅰ:climatology[J]. Advances in Water Science, 2015, 26(3):299-310. (in Chinese) doi: 10.14042/j.cnki.32.1309.2015.03.001 [6] 李慧, 周顺武, 陆尔, 等. 1961-2010年中国华南地区夏季降水结构变化分析[J].气候变化研究进展, 2018, 14(3):247-256. https://www.cnki.com.cn/Article/CJFDTOTAL-QHBH201803004.htm LI H, ZHOU S W, LU E, et al. Changes in the structure of summertime precipitation in South China during 1961-2010[J]. Climate Change Research, 2018, 14(3):247-256.(in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-QHBH201803004.htm [7] 王睆, 陆尔, 赵玮, 等.一种新的反映我国降水季节内非均匀性特征的方法[J].热带气象学报, 2015, 31(5):655-663. https://www.cnki.com.cn/Article/CJFDTOTAL-RDQX201505008.htm WANG H, LU E, ZHAO W, et al. A new method to reflect the intra-seasonal heterogeneity of the precipitation in China[J]. Journal of Tropical Meteorology, 2015, 31(5):655-663. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-RDQX201505008.htm [8] LI H, ZHAI P M, LU E, et al. Changes in temporal concentration property of summer precipitation in China during 1961-2010 based on a new index[J]. Journal of Meteorological Research, 2017, 31(2):336-349. doi: 10.1007/s13351-017-6020-y [9] NÚÑEZ-GONZÁLEZ G. Comparison of the behavior of the precipitation concentration index on global and local scale[J]. Theoretical and Applied Climatology, 2020, 139(1/2):631-638. http://www.zhangqiaokeyan.com/academic-journal-foreign_other_thesis/0204113727998.html [10] OLIVER J E. Monthly precipitation distribution:a comparative index[J]. The Professional Geographer, 1980, 32(3):300-309. doi: 10.1111/j.0033-0124.1980.00300.x [11] MICHIELS P, GABRIELS D, HARTMANN R. Using the seasonal and temporal precipitation concentration index for characterizing the monthly rainfall distribution in Spain[J]. Catena, 1992, 19(1):43-58. doi: 10.1016/0341-8162(92)90016-5 [12] 段亚雯, 朱克云, 马柱国, 等.中国区域1961-2010年降水集中指数(PCI)的变化及月分配特征[J].大气科学, 2014, 38(6):1124-1136. https://www.cnki.com.cn/Article/CJFDTOTAL-DQXK201406009.htm DUAN Y W, ZHU K Y, MA Z G, et al. Characteristics of precipitation concentration index (PCI) variations and monthly distribution of annual precipitation in China[J]. Chinese Journal of Atmospheric Sciences, 2014, 38(6):1124-1136. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-DQXK201406009.htm [13] ZHANG L J, QIAN Y F. Annual distribution features of precipitation in China and their Interannual variations[J]. Acta Meteorologica Sinica, 2003, 17(2):146-163. http://www.cqvip.com/QK/88418X/20032/4000513028.html [14] MARTIN-VIDE J. Spatial distribution of a daily precipitation concentration index in peninsular Spain[J]. International Journal of Climatology, 2004, 24(8):959-971. doi: 10.1002/joc.1030 [15] 佟晓辉, 刘向培, 贾庆宇, 等. 1960-2011年中国日降水集中程度的时空变化特征[J].气候与环境研究, 2017, 22(3):301-314. https://www.cnki.com.cn/Article/CJFDTOTAL-QHYH201703004.htm TONG X H, LIU X P, JIA Q Y, et al. Spatial and temporal variability of daily precipitation concentration in china during 1960-2011[J]. Climatic and Environmental Research, 2017, 22(3):301-314. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-QHYH201703004.htm [16] JIANG P, WANG D G, CAO Y Q. Spatiotemporal characteristics of precipitation concentration and their possible links to urban extent in China[J]. Theoretical and Applied Climatology, 2016, 123(3/4):757-768. doi: 10.1007/s00704-015-1393-2 [17] SHANNON C E. A mathematical theory of communication[J]. Bell System Technical Journal, 1948, 27(3):379-423. doi: 10.1002/j.1538-7305.1948.tb01338.x [18] 魏凤英.现代气候统计诊断与预测技术[M]. 2版.北京:气象出版社, 1999:36. WEI F Y, Modern climate diagnose and predict technology[M]. 2nd ed. Beijing:China Meteorological Press, 1999:36. (in Chinese) [19] 江志红, 丁裕国, 蔡敏.未来极端降水对气候平均变暖敏感性的蒙特卡罗模拟试验[J].气象学报, 2009, 67(2):272-279. doi: 10.3321/j.issn:0577-6619.2009.02.010 JIANG Z H, DING Y G, CAI M. Monte Carlo experiments on the sensitivity of future extreme rainfall to climate warming[J]. Acta Meteorologica Sinica, 2009, 67(2):272-279. (in Chinese) doi: 10.3321/j.issn:0577-6619.2009.02.010 [20] 丁裕国, 刘吉峰, 张耀存.基于概率加权估计的中国极端气温时空分布模拟试验[J].大气科学, 2004, 28(5):771-782. doi: 10.3878/j.issn.1006-9895.2004.05.11 DING Y G, LIU J F, ZHANG Y C. Simulation tests of temporal-spatial distributions of extreme temperatures over china based on probability weighted moments estimation[J]. Chinese Journal of Atmospheric Sciences, 2004, 28(5):771-782. (in Chinese) doi: 10.3878/j.issn.1006-9895.2004.05.11 [21] 张琪, 李跃清.近48年西南地区降水量和雨日的气候变化特征[J].高原气象, 2014, 33(2):372-383. https://www.cnki.com.cn/Article/CJFDTOTAL-GYQX201402008.htm ZHANG Q, LI Y Q. Climatic variation of rainfall and rain day in Southwest China for last 48 years[J]. Plateau Meteorology, 2014, 33(2):372-383. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-GYQX201402008.htm [22] 陈晓燕, 尚可政, 王式功, 等.近50年中国不同强度降水日数时空变化特征[J].干旱区研究, 2010, 27(5):766-772. https://www.cnki.com.cn/Article/CJFDTOTAL-GHQJ201005022.htm CHEN X Y, SHANG K Z, WANG S G, et al. Analysis on the spatiotemporal characteristics of precipitation under different intensities in China in recent 50 years[J]. Arid Zone Research, 2010, 27(5):766-772. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-GHQJ201005022.htm [23] 徐新创, 张学珍, 戴尔阜, 等. 1961-2010年中国降水强度变化趋势及其对降水量影响分析[J].地理研究, 2014, 33(7):1335-1347. https://www.cnki.com.cn/Article/CJFDTOTAL-DLYJ201407014.htm XU X C, ZHANG X Z, DAI E F, et al. Research of trend variability of precipitation intensity and their contribution to precipitation in China from 1961 to 2010[J]. Geographical Research, 2014, 33(7):1335-1347. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-DLYJ201407014.htm [24] 孔锋, 方建, 吕丽莉, 等. 1961-2015年中国不同强度降雨的变化趋势和波动特征[J].热带地理, 2017, 37(4):473-483. https://www.cnki.com.cn/Article/CJFDTOTAL-RDDD201704004.htm KONG F, FANG J, LYU L L, et al. Tendency and fluctuation of different rainfall intensities in China during 1961-2015[J]. Tropical Geography, 2017, 37(4):473-483. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-RDDD201704004.htm [25] 任国玉, 柳艳菊, 孙秀宝, 等.中国大陆降水时空变异规律:Ⅲ:趋势变化原因[J].水科学进展, 2016, 27(3):327-348. doi: 10.14042/j.cnki.32.1309.2016.03.001 REN G Y, LIU Y J, SUN X B, et al. Spatial and temporal patterns of precipitation variability over mainland China:Ⅲ:causes for recent trends[J]. Advances in Water Science, 2016, 27(3):327-348. (in Chinese) doi: 10.14042/j.cnki.32.1309.2016.03.001 [26] MA S M, ZHOU T J, DAI A G, et al. Observed changes in the distributions of daily precipitation frequency and amount over China from 1960 to 2013[J]. Journal of Climate, 2015, 28(17):6960-6978. doi: 10.1175/JCLI-D-15-0011.1 [27] 中华人民共和国农业部.新中国农业60年统计资料[M].北京:中国农业出版社, 2009:9. Ministry of Agriculture of the PRC. Statistical yearbook of agricultural of new China 60 years[M]. Beijing:China Agriculture Press, 2009:9. (in Chinese) [28] 李海燕, 张文君, 何金海. ENSO及其组合模态对中国东部各季节降水的影响[J].气象学报, 2016, 74(3):322-334. https://www.cnki.com.cn/Article/CJFDTOTAL-QXXB201603002.htm LI H Y, ZHANG W J, HE J H. Influences of ENSO and its combination mode on seasonal precipitation over Eastern China[J]. Acta Meteorologica Sinica, 2016, 74(3):322-334.(in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-QXXB201603002.htm [29] HUANG R H, WU Y F. The influence of ENSO on the summer climate change in China and its mechanism[J]. Advances in Atmospheric Sciences, 1989, 6(1):21-32. doi: 10.1007/BF02656915 [30] 朱益民, 杨修群.太平洋年代际振荡与中国气候变率的联系[J].气象学报, 2003, 61(6):641-654. https://www.cnki.com.cn/Article/CJFDTOTAL-QXXB200306000.htm ZHU Y M, YANG X Q. Relationships between pacific decadal oscillation (PDO)and climate variabilities in China[J]. Acta Meteorologica Sinica, 2003, 61(6):641-654. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-QXXB200306000.htm -
点击查看大图
图(7) / 表 (1)
计量
- 文章访问数: 777
- HTML全文浏览量: 118
- PDF下载量: 214
- 被引次数: 0
