EN中文

地球信息科学学报 >

2018 , Vol. 20 >Issue 8: 1094 - 1101

DOI: https://doi.org/10.12082/dqxxkx.2018.170310

地理空间分析综合应用

我国不同历时年最大降雨量的随机性及空间差异性

  • 李鑫鑫 , 1, 2 ,
  • 桑燕芳 , 1, * ,
  • 谢平 3 ,
  • 刘昌明 1
展开
  • 1. 中国科学院地理科学与资源研究所 陆地水循环与地表过程重点实验室,北京 100101
  • 2. 中国科学院大学,北京 101407
  • 3. 武汉大学水资源与水电工程科学国家重点实验室,武汉 430072
*通讯作者：桑燕芳(1983-),男,山西黎城人,博士,研究员,主要从事水文水资源研究。E-mail:

作者简介：李鑫鑫(1993-),女,河南省濮阳人,硕士生,主要从事水文系统变异诊断与模拟研究。E-mail:

收稿日期: 2017-07-10

  要求修回日期: 2018-03-10

  网络出版日期: 2018-08-24

基金资助

国家重点研发计划（2017YFA0603702）

国家自然科学基金项目（91647110、41330529、91547205）

中国科学院地理科学与资源研究所“秉维”优秀青年人才计划项目

中国科学院青年创新促进会项目（2017074）

中国水利水电科学研究院全国山洪灾害调查评价项目(SHZH-IWHR-57)

收起

Stochastic Characteristics of Annual Extreme Rainfall with Different Durations and Their Spatial Difference in China

  • LI Xinxin , 1, 2 ,
  • SANG Yanfang , 1, * ,
  • XIE Ping 3 ,
  • LIU Changming 1
Expand
  • 1. Key Laboratory of Water Cycle & Related Land Surface Processes, Institute of Geographic Sciences and Natural Resources Research, Chinese Academy of Sciences, Beijing 100101, China;
  • 2. University of Chinese Academy of Sciences, Beijing 101407, China
  • 3. State Key Laboratory of Water Resources and Hydropower Engineering Science, Wuhan University, Wuhan 430072, China
*Corresponding author: SANG Yanfang, E-mail:

Received date: 2017-07-10

  Request revised date: 2018-03-10

  Online published: 2018-08-24

Supported by

National Key Research and Development Plan, No.2017YFA0603702

National Natural Science Foundation of China, No.91647110, 41330529, 91547205

The “Bingwei” Excellent Talents from the Institute of Geographic Sciences and Natural Resources Research, Chinese Academy of Sciences

The Youth Innovation Promotion Association, Chinese Academy of Sciences, No.2017074

Investigation and Evaluation of National Mountain Flood Disaster IWHR, No.SHZH-IWHR-57.

Copyright

《地球信息科学学报》编辑部 所有
Fold

摘要

极端降水极易引发山洪和城市内涝等水灾害,给生态环境安全、社会经济发展、人民生命财产安全等带来极大损失,认识其（尤其是短历时）空间分布差异对洪涝灾害防治等具有重要意义。本文利用60 min、6 h和24 h共3种历时的年最大降雨量的统计特征参数,生成服从皮尔逊-Ⅲ型分布的长序列样本,并选用信息熵指标研究其随机性及空间分布差异。结果显示：各历时年最大降雨量的随机性均呈现由东南向西北逐渐减小的空间格局,但不同历时降水随机性的空间分布存在差异,主要体现在青藏高原东部、海河流域和淮河流域3个区域。此外,所求年最大降雨量信息熵值主要考虑了其取值的相对离散情况,故该信息熵值与整个序列绝对离散程度（即标准差）的关系不明显,而主要由序列均值处峰值高低的峰度系数决定,二者呈现明显的负相关关系;且由于峰度系数和变差系数的良好相关性也导致了变差系数与信息熵值之间呈现出良好关系。季风、台风、局地天气系统和人类活动等因素综合影响,决定了不同历时极端降水的空间分布格局及其差异。信息熵指标可以很好地反映中国各历时年最大降雨量随机性的空间分布格局,因而结果可为洪涝灾害防治、农业规划布局、生态环境规划保护等提供科学依据。

关键词： 短历时; 极端降水; 信息熵; 随机性; 空间格局

本文引用格式

李鑫鑫 , 桑燕芳 , 谢平 , 刘昌明 . 我国不同历时年最大降雨量的随机性及空间差异性[J]. 地球信息科学学报, 2018 , 20(8) : 1094 -1101 . DOI: 10.12082/dqxxkx.2018.170310

Abstract

Extreme rainfall events caused terrible mountain torrents, urban floods and other disasters, and brought great losses to the ecological environment, social and economic development, people's lives and properties. Investigating the spatial pattern and difference of the occurrence of extreme rainfalls, especially for short time-duration, is important for the floods prevention and control. Based on the annual maximum rainfall data at the time resolutions of 60 min, 6 h and 24 h, we generated the series data with 2000 samples following the Pearson-III probabilistic distribution, and then calculated the information entropy values by discrete information entropy theory. Investigation was focused on the spatial distribution and difference of stochastic characteristics of extreme rainfall with different time-durations. Results show that the entropy value of annual extreme rainfall in the southeastern region is greater than that in the northwestern region, indicating more obviously stochastic characteristics of extreme rainfall in the latter. However, the spatial distribution of stochastic characteristics of extreme rainfall, which is comprehensively determined by monsoon, typhoon, local weather system and human activities, vary with time resolutions, especially the entropy value in the Eastern Tibet, Haihe River Basin and the Huaihe River Basin express obvious difference. In addition, the entropy value mainly accounts for the relatively discrete degree of extreme rainfall value, rather than absolutely discrete degree, so the entropy value is determined by the kurtosis value of extreme rainfall and the two variables show a significant negative correlation. Moreover, the paper indicates that the evident relationship between the entropy value and coefficient of variation does not mean causality, which is resulted from the relationship of kurtosis and entropy value. It is concluded that the spatial distribution of entropy values of extreme rainfall in different time-durations can reflect the spatial distribution of its stochastic characteristics, thus the results can be a helpful scientific basis for the flood prevention and control, agriculture and economic-social developments.

Key words： short time-duration; extreme rainfall; information entropy; stochastic characteristics; spatial pattern

1 引言

全球气候变化影响下,中国极端强降水的强度和频次呈显著增加的趋势[1,2,3],且遭受异常强降水影响的区域也在增加[4];加之中国地质地貌环境复杂多变,近几十年来人类活动影响加剧,由此引发的的泥石流、滑坡、城市内涝等灾害频发[5,6],给人民的生命安全、经济社会发展和生态环境等带来深刻影响[7],成为区域乃至全球灾害与环境风险的重要因素,引起了气象、气候和水文等领域工作者的特别关注[8,9,10]。
随着极端水文事件的频繁发生,越来越多的研究关注极端降水的频率、强度及空间分布等规律[11]。目前极端降水的研究主要从不同尺度上展开。小区域研究主要关注极端降水的频次、强度以及极值变化;大区域的研究则相对较少,主要是分析降水量的时空变异性。时间尺度上,绝大多数研究是基于日降水数据（最大1、3日等）[12],且主要关注极端降水的强度、频次以及演变规律[13,14]。而受限于观测资料,针对更小尺度的极端降水研究较少[10,15]。
极端水文事件的发生具有很大的不确定性和随机性。综合目前的研究进展[16,17,18]可知,极端降水的强度和持续时间是灾害形成的决定性因素,因此极端降水的研究需要解决2个关键问题：阈值选择和数据分辨率。阈值选择直接影响极端降水的特征及演变趋势分析,目前常用的方法有固定阈值法和百分位法[19],其中固定阈值法适合空间差异不明显的区域,而百分位法考虑了区域气候的背景差异,更适合空间差异性较强的情况。数据资料方面,受观测数据的限制,多数研究基于日降水数据[15]展开,但会低估短历时强降水的影响（日降水累积量在若干小时内完成）或高估长历时弱降水（日降水累积量在24 h完成）的影响。高时间分辨率的降水数据更能反映实际降水强度和细节,有利于对灾害预测及影响形成新的认识[10]。此外,随着城市化的发展,人类社会和生态环境的相互作用使得城市群的降水结构发生了变化,导致城市内涝频发,在空间上对极端降水数据分辨率的要求也越来越高。例如,目前海绵城市建设过程中的30个试点城市中,有19个城市出现严重内涝,影响道路交通和人民的生命财产安全,因此高时空分辨率数据是城市暴雨洪涝研究的现实需求[20]。
针对上述问题,为了更准确地认识中国极端降水的空间分布特征,本文基于小时尺度数据资料,利用信息熵方法研究中国不同历时年最大降雨量的不确定性和随机性,并进一步分析其在不同时间尺度下的空间差异,以期对中国极端降水特性形成更为客观的认识,进而为水文设计、水利工程和城市基础建设规划等相关领域提供借鉴和参考。

2 数据源与研究方法

2.1 数据源

针对中国降水数据存在站点数目不足、站点分布不均以及短历时序列长度不足等问题,本文采用的降水数据来自中国暴雨统计参数图集[21]中 60 min、6 h和24 h共3种历时的统计参数,选用皮尔逊Ⅲ型分布函数作为雨量系列的统计分布函数,对各雨量站各历时暴雨均值 x ̅ 、五年一遇、十年一遇、二十年一遇、五十年一遇年最大降雨量进行拟合估算变差系数CV、偏态系数CS等统计特征参数。
皮尔逊Ⅲ型分布函数为：
P = P X ≥ x P = ∫ x P ∞ β α Γ α ( x - a 0 ) α - 1 e - β x - a 0 d x （1）
式中：a0、α、β分别表示位置参数、形状参数和尺度参数,且 a 0 = x ̅ ( 1 - 2 C V C S ) , α = 4 C S 2 , β = 2 x ̅ C V C S 。采用的数据在全国统一取CS/CV=3.5[21],即 a 0 = 3 7 x ̅ , α = 4 C S 2 , β = 7 x ̅ C S 2 ,将其代入式（1）中,由于不同的xP对应不同的P值,因此基于最小二乘法原理,选择minΔP对应的CS作为最优解,从而计算出3个参数a0、α、β。据此生成服从皮尔逊Ⅲ型分布的各雨量站各历时的样本序列。
（2）
式中：P5、P10、P20、P50分别表示各雨量站各历时的五年、十年、二十年、五十年一遇年最大降雨量发生的概率,P为不同xP对应的概率。
虽然不同历时暴雨资料的观测历时长短不一,不同历时统计参数采用的资料站年数也不同,其中60 min约为18万站年,6 h约为35万站年,24 h约为41万站年,但均保证了本次统计参数计算的客观性和精度。其中60 min系列以“分钟”为单位进行滑动选样,6 h和24 h系列以“小时”为单位进行滑动选样,然后生成10 km的网格数据。

2.2 研究方法

信息熵最早由Shannon提出,在水文水资源、水环境、水利工程等领域得到了广泛应用[22,23]。信息熵指标主要用于描述和度量数据的无序性和信息量[24],其与变量的不确定性和随机性成正相关关系。若纯随机序列无序性越大,则不确定性和随机性也越大,信息熵值也越大。用于分析降水序列时,降水分配情况直接影响降水的信息熵值;当降水集中在某一区间时,降水的不确定性和随机性小,信息熵值也较小;反之,当降水均匀分配时,降水的不确定性和随机性大,信息熵值也较大[25]。连续信息熵的计算公式如下：
H X = - ∫ p x ln p x d x （3）
式中：p(x)为连续变量X的概率密度函数。
由于式（3）中积分区间不易确定,为研究各历时年最大降雨量随机性的差异,本文采用离散信息熵进行计算：① 利用各雨量站不同历时P-Ⅲ型分布的3个参数,生成长度为2000的样本序列;② 根据序列样本值等分为5个区间,根据各区间出现的概率计算信息熵值。为了减少随机性带来的抽样误差,对各雨量站不同历时的序列均生成600次直至信息熵值稳定。离散信息熵的计算公式为：
H = - ∑ P i ( lo g 2 P i ) （4）
式中：Pi为事件i发生的概率,且有 ∑ P i = 1 ,i=1、2、3、4、5。

3 结果分析与讨论

3.1 信息熵值空间分布

图1结果显示中国60 min、6 h、24 h历时的年最大降雨量信息熵值呈现明显的空间分布差异。整体上,3种历时年最大降雨量信息熵值由东南向西北逐渐减小,表明其随机性也逐渐减小。其中,年最大60 min降雨量信息熵值在珠江流域、西南诸河流域下游和长江流域南部最大（约为1.3-1.6）;西南诸河流域中上游、长江流域中部以及东南诸河流域东部次之（约为1.1-1.3）;长江流域北部、黄河流域下游、淮河流域、海河流域和松辽河流域中部较小（约为0.9-1.1）;内陆河流域、黄河流域中上游和松辽河流域西部最小（小于0.9）。年最大6 h降雨量信息熵值在西南诸河流域中游、长江流域上游局部最大（约为1.3-1.5）;东南沿海、长江流域上游局部、西南诸河流域大部和内陆河流域南部次之（约为1.1-1.3）;黄河流域中上游、长江流域北部、淮河流域南部以及松辽河流域中东部较小（约为0.9-1.1）;内陆河流域大部、松辽河流域西部、海河流域和淮河流域北部最小（小于0.9）。年最大24 h降雨量信息熵值在长江流域上游最大（约为1.3-1.6）;西南诸河流域、珠江流域、东南诸河流域、长江流域大部、内陆河流域南部和松辽河流域东部次之（约为1.0-1.3）;内陆河流域大部、淮河流域、海河流域、松辽河流域西部和黄河流域北部最小（小于1.0）。
Fig. 1 Spatial distribution of the entropy values of extreme rainfall with different time-durations in China
注：Ⅰ：内陆河流域; Ⅱ：西南诸河流域; Ⅲ：松辽河流域; Ⅳ：海河流域; Ⅴ：黄河流域; Ⅵ：淮河流域; Ⅶ：长江流域; Ⅷ：珠江流域; Ⅸ：东南诸河流域）

图1 中国60 min、6 h、24 h历时的年最大降雨量信息熵值的空间分布

此外,各历时年最大降雨量信息熵值的空间分布存在明显差异,说明不同历时的降水数据所反映的暴雨随机特征不同。对比发现3种历时信息熵值的差异主要显示在3个区域：青藏高原东部、海河流域和淮河流域。其中,青藏地区东部,在60 min历时的信息熵值较周围地区偏小,6 h和24 h历时的信息熵值较周围地区偏大,表明该区域60 min历时下的随机性较周围地区偏小,6 h和24 h历时下的随机性较周围地区偏大。在海河流域和淮河流域,60 min历时的信息熵值较周围地区没有明显变化,而6 h和24 h历时的信息熵值较周围地区偏小,表明在6 h和24 h历时下该地区的随机性较周围地区偏小。

3.2 信息熵值与极端降水统计特性的关系

根据信息熵的定义可知,信息熵的大小与序列样本值的分布有关,故进一步探讨极端降水信息熵值与标准差、变差系数和峰度系数等统计特性之间的关系。图2结果显示：中国60 min、6 h、24 h历时极端降水的信息熵值在标准差较小时变化范围大;随着标准差增加,信息熵值的变化范围减小,最后稳定在一个很小的范围。60 min历时的信息熵值在年最大降雨量标准差为0-10时变化范围较大（约为0.2-1.6）,标准差为10-20时的变化范围减小（约为0.7-1.6）,标准差为20-40时变化范围进一步减小（约为1.0-1.4）;6 h历时的信息熵值在年最大降雨量标准差为0-10时变化范围较大（约为0.2-1.5）,标准差为10-40时变化范围减小（约为0.6-1.4）,标准差为40-100时变化范围进一步减小（约为0.7-1.2）;24 h历时的信息熵值在年最大降雨量标准差为0-20时变化范围较大（约为03-1.6）,标准差为20-80时变化范围减小（约为0.7-1.4）,且随着标准差的增大稳定在1.0左右。因此,年最大60 min降雨量标准差很大时,随机性大且相对稳定;年最大6 h和24 h降雨量标准差很大时,随机性相对稳定。
Fig. 2 Scatter diagram showing the relationship between entropy values with the standard deviation and kurtosis, and entropy values with coefficient of variation of extreme rainfall with different time-durations in China

图2 中国60 min、6 h、24 h历时年最大降雨量信息熵值与标准差、峰度系数以及信息熵与变差系数的散点图

此外,上述结果显示中国60 min、6 h和24 h历时极端降水的信息熵值与变差系数和峰度系数呈明显的负相关关系,即信息熵值随着变差系数和峰度系数的增加逐渐减小。从降水分配情况分析三者之间的关系,变差系数是衡量一组数据离散程度的指标,反映了年最大降雨量逐年变化的相对差异,而峰度系数是表征概率密度分布曲线在平均值处峰值高低的指标。由于本文所求年最大降水量信息熵值主要考虑了其取值的相对离散情况,故该信息熵与整个序列绝对离散程度（即标准差）的关系不明显,而主要由反映序列均值处峰值高低的峰度系数决定。峰度系数越大表示序列在均值处的概率密度值差别越大,导致各区间发生降水频率差异大,即降水的随机性小,信息熵值小;反之,序列在均值处的概率密度值差别小,导致各区间发生降水频率差异小,即降水的随机性大,信息熵值大。同时,为探讨信息熵值和变差系数的相关性,进一步分析了变差系数和峰度系数的关系。图3结果显示变差系数与峰度系数呈现明显的正相关关系。由于变差系数由标准差和均值决定,而标准差和均值与信息熵值无明显规律,故分析认为峰度系数和变差系数的良好相关性导致了变差系数与信息熵值之间的相关性。综上,年最大降雨量信息熵值主要由序列分布的峰度系数决定,且峰度系数与信息熵值呈明显的负相关关系,而均值、标准差和变差系数对信息熵值无明显影响。
Fig. 3 Scatter diagram showing the relationship between coefficient of variation and kurtosis of extreme rainfall with different time-durations in China

图3 中国60 min、6 h、24 h历时年最大降雨量变差系数与峰度系数的散点图

3.3 成因分析

整体上看,中国各历时年最大降雨量信息熵值由东南向西北依次减小,但不同历时信息熵值的空间分布存在差异。中国地形地貌和气候条件复杂多样,不同历时暴雨受地形、气候、台风和人类活动的综合影响表现出不同的特性。Yuan等[26]指出长历时（>6 h）尺度的降水可能与季风等大尺度锋面系统有关,短历时（<6 h）尺度降水则与台风或中小尺度对流系统有关,据此对不同历时降水的成因进行分析。目前,在全国尺度上有关降水量峰度系数的研究成果较少,本文利用变差系数作为降水与峰度系数研究的中间变量,从而更好地分析信息熵的空间分布。研究表明：整体上中国年降水量变率从东南沿海向西北内陆逐渐递增,同降水量的空间分布呈相反关系,因此峰度系数由东南沿海向西北内陆逐渐递增,从而导致中国年最大降水量的信息熵值沿东南向西北逐渐减小[27,28,29]。中国东南和东北地区降水主要受地形、季风和台风的影响,其中季风对24 h历时的暴雨影响大,台风对60 min时间尺度的暴雨影响大,6 h历时的降水受两者共同作用。已有研究表明,东南沿海地区受季风和台风的影响较大,台风暴雨日数占总暴雨日数的30%以上,内陆地区仅占总暴雨日数的10%左右。因此,较内陆地区,东南地区的年最大降水量较大,其变差系数和峰度系数较小,尤其是台湾、海南和东南沿海地区降水的稳定性比内地小,极端降水信息熵值偏大,该现象在60 min和6 h历时最为明显[30]。值得注意的是,东北东部地区暴雨受季风和台风影响也较强,台风暴雨甚至占总暴雨日数的一半以上[31],因此信息熵值较该区的西部偏大。
随着向内陆和西北地区延伸,降水受季风和台风等的影响减弱,年最大降水量减小,且随机因素的影响会使年最大降雨量产生明显变化,导致其变差系数和峰度系数增加,信息熵值减小。研究表明：南疆盆地、甘肃河西西部和内蒙古是中国西部降水年际间变动最大、最不稳定的地区[32],即降水量的变差系数和峰度系数最大,与本文描述的该地区信息熵值最小的情况相符。中国西南地区所受台风影响较东南地区明显减弱,60 min年最大降水量降低,变差系数和峰度系数增加,使得其 60 min暴雨的信息熵值较东南地区偏小;但西南季风的影响仍较强,加之地形等因素的作用,西南地区6 h和24 h历时暴雨呈现较强的空间差异。已有研究表明：基于20世纪50年代到80年代的实测资料统计,24 h降雨量在200 mm以上的大暴雨次数如表1所示[33]。由表1可知不同量级暴雨发生的次数存在较大差异,其中四川省暴雨的不确定性最大,信息熵值最高,贵州和云南地区暴雨的不确定性较小,信息熵值偏低,与本文描述的青藏高原东坡（四川省西部）24 h历时信息熵值偏高,贵州和云南等地区信息熵偏低的现象符合。此外,6 h和24 h历时年最大降雨量信息熵值在海河流域和淮河流域较周围地区偏小,分析其原因,除受季风、台风等因素之外,人类活动也起到了重要作用。随着人类活动加剧,尤其是城市化持续发展,区域水循环加快,导致各历时年最大降雨量的分布发生变化。由于60 min历时太短,其变化范围本身受到限制;相反,6 h和24 h历时降水变化范围相对较大,故60 min历时年最大降雨量信息熵值较周围地区变化不明显,6 h和24 h历时的信息熵值较周围地区有明显变化。需要指出,中国各气候区降水年际变率对空间尺度的敏感性随空间尺度的增加逐渐减小,因此空间尺度选择的不同也会造成相关研究结果存在差异[34]。
Tab. 1 Occurrence times of 24h rainstorms over Southwestern China

表1 中国西南三省不同量级实测最大24 h暴雨发生次数

降雨量级/mm
200~250 250~300 300~400 400~500 >500
四川 20 13 31 8 3
贵州 13 7 2 0 0
云南 8 2 0 0 0

4 结论

本文基于60 min、6 h和24 h共3种短历时降水数据,根据信息熵值的空间分布特征,研究了中国各历时年最大降雨量的随机性及空间分布差异。整体上,不同历时年最大降雨量信息熵值均呈现由东南向西北逐渐减小的空间格局,表明各历时年最大降雨量的随机性由南向北不断减小;但不同历时降水随机性的空间分布也存在差异,具体表现为：青藏高原东部,60 min历时年最大降雨量的随机性较周围地区偏小,6 h和24 h历时年最大降雨量的随机性较周围地区偏大;在海河流域和淮河流域,60 min历时年最大降雨量的随机性与周围地区无明显变化,6 h和24 h历时年最大降雨量的随机性较周围地区偏小。此外,本文采用的离散信息熵结果显示了其与降水量标准差和变差系数等统计量无明显的成因联系,而主要是由序列的峰度系数决定,且二者呈现明显的负相关关系。然而,若考虑连续信息熵值时,其空间分布以及与降水标准差、变差系数等统计量的相关性仍有待进一步研究。由研究结果表明,信息熵作为衡量不确定性和随机性的指标,可以很好地反映中国各历时年最大降雨量随机性的空间分布及差异,不仅可为我国洪涝灾害防治提供科学依据,而且对生态环境规划保护、农业和社会经济发展等也具有很好的参考价值。需要注意的是,对洪涝灾害的研究不能仅依据区域的暴雨情况,区域暴露度和脆弱性更是洪涝灾害影响的决定性因素[35],其随着经济、社会、人口、文化、体制和管理等因素的不同有所差异,因此还需结合上述诸多因素,进一步利用信息熵指标识别洪涝防治的重点区域。此外,今后还需进一步分析气候变化和人类活动影响下极端降水事件的时间变异性问题。

The authors have declared that no competing interests exist.

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
钱维宏,符娇兰,张玮玮,等.近40年中国平均气候与极值气候变化的概述[J].地球科学进展,2007,22(7):673-684.<p>随着中国气象局对近50年来逐日气象观测资料的释放，人们从不同的角度对中国平均气候和极端气候的分布特征有了更多的了解。从目前研究的结果来看，这些认识需要有一个集成，即需要有一个总体的归纳和解释。通过中国近40年来的温度极值和降水极值事件的分析认识到全球增暖和区域环流异常决定着气候极值事件的分布格局。与全球增暖相联系的是:我国微量降水在空间上表现为一致的减少趋势,我国北方寒潮事件显著减少，冷夜和冷日的减少与暖夜和暖日的增多并存，以及极端强降水有增多的趋势。与东亚季风气流和西风带气流异常对应的我国有效降水在区域分布上发生了显著变化，东部季风区中的&ldquo;北涝南旱&rdquo;从1970年代末转型为&ldquo;南涝北旱&rdquo;，与华南的偏干一起形成了东部季风区降水从华南、长江到华北的&ldquo;－、＋、－&rdquo;异常分布型，但华南在1991年出现了转湿的突变；东北和西北先后从1983年和1987年前后转为暖湿气候。极端温度和极端降水趋势的空间分布与平均温度和平均降水趋势的空间分布一致。</p>

[ Qian W H, Fu J L, Zhang W W, et al.Changes in mean climate and extreme climate in China during the last 40 years[J]. Advances in Earth Science, 2007,22(7):673-684. ]

[2]
Zhang X, Zwiers F W, Hegerl G C, et al.Detection of human influence on twentieth-century precipitation trends[J]. Nature, 2007,448(7152):461-465.Human influence on climate has been detected in surface air temperature, sea level pressure, free atmospheric temperature, tropopause height and ocean heat content. Human-induced changes have not, however, previously been detected in precipitation at the global scale, partly because changes in precipitation in different regions cancel each other out and thereby reduce the strength of the global average signal. Models suggest that anthropogenic forcing should have caused a small increase in global mean precipitation and a latitudinal redistribution of precipitation, increasing precipitation at high latitudes, decreasing precipitation at sub-tropical latitudes, and possibly changing the distribution of precipitation within the tropics by shifting the position of the Intertropical Convergence Zone. Here we compare observed changes in land precipitation during the twentieth century averaged over latitudinal bands with changes simulated by fourteen climate models. We show that anthropogenic forcing has had a detectable influence on observed changes in average precipitation within latitudinal bands, and that these changes cannot be explained by internal climate variability or natural forcing. We estimate that anthropogenic forcing contributed significantly to observed increases in precipitation in the Northern Hemisphere mid-latitudes, drying in the Northern Hemisphere subtropics and tropics, and moistening in the Southern Hemisphere subtropics and deep tropics. The observed changes, which are larger than estimated from model simulations, may have already had significant effects on ecosystems, agriculture and human health in regions that are sensitive to changes in precipitation, such as the Sahel.

DOI PMID

[3]
Feng L, Zhou T J, Wu B, et al.Projection of future precipitation change over China with a high-resolution global atmospheric model[J]. Advances in Atmospheric Sciences, 2011,28(2):464-476.

DOI

[4]
Fu G, Yu J, Yu X, et al.Temporal variation of extreme rainfall events in China, 1961-2009[J]. Journal of Hydrology, 2013,487(16):48-59.The spatial and temporal variability of the frequency of extreme precipitation events in China for 1961 2009 was examined using the high quality rainfall dataset provided by the China Meteorology Administration (CMA) for 599 stations. Extreme events were defined by duration and recurrence interval, the event durations chosen were 1, 5, 10 and 30days and the event thresholds were those associated with recurrence intervals of 1, 5 and 10years. The results indicated that temporal variations of extreme precipitation index (EPI) showed interannual and interdecadal variability. Time series of anomalies of the nine regional EPI indices indicated that Northeast China, North China and the Yellow River basin had experienced a decreasing trend of extreme rainfall events during the last 50years, while other six regions, namely the Yangtze River basin, Southeast Coast, South China, the Inner Mongolia, Northwest China and Tibetan Plateau, had experienced an increasing trend of extreme rainfall events. Seasonal results indicated that 95.6% of 1-day, 1-yr recurrence interval extreme rainfall events occurred from April to September in China. The possible attributions of trend and variability of extreme rainfall events at China include, but are not limited to, El Ni o Southern Oscillation (ENSO), the magnitude of East Asian Monsoon, wind circulations, as well as global warming. Obviously these factors are not independent. For example, it has long been recognized that ENSO can exert an important impact on the East Asian monsoon.

DOI

[5]
Alexander L V, Zhang X, Peterson T C, et al.Global observed changes in daily climate extremes of temperature and precipitation[J]. Journal Geophysics Research, 2006,111(D5):1042-1063.A suite of climate change indices derived from daily temperature and precipitation data, with a primary focus on extreme events, were computed and analyzed. By setting an exact formula for each index and using specially designed software, analyses done in different countries have been combined seamlessly. This has enabled the presentation of the most up-to-date and comprehensive global picture of trends in extreme temperature and precipitation indices using results from a number of workshops held in data-sparse regions and high-quality station data supplied by numerous scientists world wide. Seasonal and annual indices for the period 1951-2003 were gridded. Trends in the gridded fields were computed and tested for statistical significance. Results showed widespread significant changes in temperature extremes associated with warming, especially for those indices derived from daily minimum temperature. Over 70 of the global land area sampled showed a significant decrease in the annual occurrence of cold nights and a significant increase in the annual occurrence of warm nights. Some regions experienced a more than doubling of these indices. This implies a positive shift in the distribution of daily minimum temperature throughout the globe. Daily maximum temperature indices showed similar changes but with smaller magnitudes. Precipitation changes showed a widespread and significant increase, but the changes are much less spatially coherent compared with temperature change. Probability distributions of indices derived from approximately 200 temperature and 600 precipitation stations, with near-complete data for 1901-2003 and covering a very large region of the Northern Hemisphere midlatitudes (and parts of Australia for precipitation) were analyzed for the periods 1901-1950, 1951-1978 and 1979-2003. Results indicate a significant warming throughout the 20th century. Differences in temperature indices distributions are particularly pronounced between the most recent two periods and for those indices related to minimum temperature. An analysis of those indices for which seasonal time series are available shows that these changes occur for all seasons although they are generally least pronounced for September to November. Precipitation indices show a tendency toward wetter conditions throughout the 20th century.

DOI

[6]
Du S, Shi P, Rompaey A V, et al.Quantifying the impact of impervious surface location on flood peak discharge in urban areas[J]. Natural Hazards, 2015,76(3):1457-1471.To date, limited attention has been paid to the role of impervious surface (IS) location in influencing flood processes. However, this topic is of tremendous significance for developing guidelines for urban planning and flood management. This study uses the Hydrologic Engineering Center’s Hydrologic Modeling System (HEC-HMS) to investigate the impact of land-use change on flood processes and proposes a new index to quantify the impact of IS location on basin peak discharge. The results indicate that rapid urban expansion in the Longhua Basin, China, has increased peak discharge and flood volume by 140 and 16202% over the past 3002years, respectively. The new index, named the Impervious Surface Impact Index, describes the spatially varying effects of IS increase in individual sub-basins on a basin’s peak discharge. For the Longhua Basin, the index varies from 0.43 in downstream sub-basins to 5.91 in upstream sub-basins. An increase in upstream IS increases peak discharge nearly 14 times more than the same increase in downstream IS. Accordingly, the location of newly created IS can influence flood processes significantly. These findings can help to find suitable locations for urban development while mitigating the impact of land development on flood risks.

DOI

[7]
侯保灯,吴永祥,占许珠,等.中国年最大致洪暴雨落区随机性描述与预测[J].水电能源科学,2014,32(3):1-4.

[ Hou B D, Wu Y X, Zhan X Z, et al.Stochastic destription and prediction of flood-causing annual maximum storm landing area over China[J]. Water Resources and Power, 2014,32(3):1-4. ]

[8]
史培军,孔锋,叶谦,等.灾害风险科学发展与科技减灾[J].地球科学进展,2014,29(11):1205-1211.对近期召开的一系列国际灾害风险会议讨论的灾害风险科学关键前沿问题进行了分析。针对正在制定的国际减轻灾害风险后兵库战略框架(HFA2), 就未来灾害风险科学发展与科技减灾趋势做了综合研判, 提出加深对灾害系统复杂性的认识, 即从灾害系统各要素的相互作用认识灾害系统的复杂性, 从全球变化的区域特征与成因机制认识气候变化风险的复杂性, 从区域发展水平与模式认识巨灾风险的复杂性。提出从灾害系统的复杂性厘定科技减轻灾害风险的战略与对策, 即建立一体化的综合风险防御范式, 建立多空间尺度的综合风险防范体系, 建立多功能的巨灾风险防范金融体系, 建立多利益相关者防范灾害风险的凝聚力模式, 建立风险信息服务与对策仿真模拟综合集成平台。

DOI

[ Shi P J, Kong F, Ye Q, et al.Disaster risk science development and disaster risk reduction using science and technology[J]. Advances in Earth Science, 2014,29(11):1205-1211. ]

[9]
方建,杜鹃,徐伟,等.气候变化对洪水灾害影响研究进展[J].地球科学进展,2014,29(9):1085-1093.气候变化背景下包括洪水在内的极端天气与气候事件频发已引起国际社会的广泛关注,研究气候变化对洪水灾害的影响既是全面理解气候变化影响的重要内容,也是减轻洪水灾害风险的实际需要。从气象水文和灾害风险两大领域综述了气候变化对洪水灾害影响的研究进展,从反映洪水灾害系统的雨情、水情和灾情角度,全面总结了当前国内外对极端降水、极端径流和洪水损失的变化及归因研究,梳理了研究方法与研究成果方面的主要进展及存在的问题,并探讨了未来的研究方向。指出加强数据积累,完善气候模式与水文模型的耦合,加强承灾体脆弱性及其变化的评估,综合洪水致灾过程与灾情结果的分析,推动气象水文与灾害风险学科领域的交叉研究应成为未来研究的重点。

DOI

[ Fang J, Du J, Xu W, et al.Advances in the study of climate change impacts on flood disaster[J]. Advances in Earth Science, 2014,29(9):1085-1093. ]

[10]
李建,宇如聪,孙溦.从小时尺度考察中国中东部极端降水的持续性和季节特征[J].气象学报,2013,71(4):652-659.相对于日降水量,小时尺度降水资料可以更准确地反映降水强度并描述降水过程,因而更适用于极端降水阈值确定及其特性研究.利用广义极值分布估计中国321个站最大小时降水量的分布函数,确定了5a重现期的小时降水强度阈值.阈值的空间分布呈现出明显的地域差异,西北地区阈值偏低,华北地区、长江中下游地区、华南沿海地区和四川盆地西部地区为高阈值中心.取各站5a一遇极端降水事件对其持续性特征和季节特征进行分析,发现在沿海地区、长江流域和青藏高原东坡极端降水事件的平均持续时间较长(超过12h);中国北部地区持续时间较短.在具有较大海拔落差的复杂地形区,极端降水事件较平原地区更快地发展到峰值.华南地区4月就可有极端降水事件出现,而中国北方地区要到6月底才出现极端降水;全中国大部分地区的年最晚极端降水在8-9月,但沿海地区、大陆南端和西南地区南部的少数站点在10月以后仍有极端降水发生.

DOI

[ Li J, Yu R C, Sun W.Duration and seasonality of the hourly extreme rainfall in the central-eastern part of China[J]. Acta Meteorologica Sinica, 2013,71(4):652-659. ]

[11]
孔锋,刘凡,吕丽莉,等.1961-2010年中国大尺度区域暴雨时空分布特征研究[J].长江流域资源与环境,2017,26(4):631-640.

[ Kong F, Liu F, Lv L L, et al.Research on spatiotemporal pattern of large-scale regional heavy rainfall in China from 1961 to 2010[J]. Resources and Environment in the Yangtze Basin, 2017,26(4):631-640. ]

[12]
史培军,孔峰,方佳毅.中国年代际暴雨时空变化格局[J].地理科学,2014,34(11):1281-1290.lt;p>采用1951~2010 年中国659 个气象站点的日值降水数据,以中国气象局颁布的降水强度等级划分标准为依据,分别计算1951~1960、1961~1970、1971~1980、1981~1990、1991~2000、2001~2010 年的年代际暴雨雨量、雨日和雨强,并统计了其相应的站点数目变化。结果表明,在时间上,中国年代际暴雨雨量和雨日显著增加,暴雨雨强也呈现增加趋势;在空间上,中国年代际暴雨雨量和雨日呈现出从东南沿海地区向华中和西南及环渤海地区逐渐扩张的梯度增加趋势,年代际暴雨雨强远不如暴雨雨量和暴雨雨日梯变明显。中国暴雨1951~2010 年年代际时空变化格局很可能是在全球变暖大背景下中国地势与城市化共同作用的结果。</p>

[ Shi P J, Kong F, Fang J Y.Spatio-temporal patterns of China decadal storm rainfall[J]. Scientia Geographica Sinica, 2014,34(11):1281-1290. ]

[13]
史培军,孔锋.1951-2010年中国年代际累积暴雨时空格局变化的相关因素研究[J].地理科学,2016,36(10):1457-1465.采用多种统计方法,解释1951～2010年中国年代际累积暴雨不断增加的现象。结果表明：快速城镇化因素极有可能是中国大面积暴雨增加的主因。在时间序列上,城镇化因素对中国年际暴雨雨量、雨日和雨强的方差解释分别为61.54%,58.48%,65.54%;自然因子方差解释分别为24.30%,26.23%,21.92%。在空间格局上,中国县级总人口密度和低能见度日数年均值的面板数据与中国年代际累积暴雨雨量、雨日和雨强显著相关,其空间相关系数随年代推移而不断增加,进一步表明快速城镇化因素可能触发了中国年代际大面积暴雨的显著增加。

[ Shi P J, Kong F.Research on related factors to decadal accumulated heavy rainfall spatio-temporal patterns change in China during 1951-2010[J]. Scientia Geographica Sinica, 2016,36(10):1457-1465. ]

[14]
王志福,钱永甫.中国极端降水事件的频数和强度特征[J].水科学进展,2009,20(1):1-9.使用1951-2004年中国738个测站逐日降水资料,采用百分位的方法定义极端降水事件的阈值,分析了不同持续时间的极端降水事件的时空分布及变化趋势特征。结果表明,极端降水事件多发于35&#176;N以南,特别是在长江中下游和江南地区以及高原东南部,且在这些地区极端降水事件持续时间也较长。季节分布上,主要出现在夏季,以低持续性事件为主。在中国东部地区,持续时间越长的极端降水其强度往往越强。趋势分析表明,全国持续1d极端事件的相对频数具有上升趋势而平均强度具有下降趋势,其空间上均表现为全国大部分上升、华北和西南等地下降的趋势。持续2d以上极端事件在长江中下游流域、江南地区和高原东部等地区有显著增多和增强的趋势,而在华北和西南地区有减少和减弱趋势,但全国平均的趋势不显著。

[ Wang Z F, Qian Y F.Frequency and intensity of extreme precipitation events in China[J]. Advances in Water Science, 2009,20(1):1-9. ]

[15]
孔锋,吕丽莉,方建,等.基于日值和小时降水数据诊断中国暴雨时空变化差异的研究(1991-2010)[J].灾害学,2017,32(1):72-79.

[ Kong F, Lv L L, Fang J, et al.The difference of the spatiotemporal pattern variation of heavy rainfall in China from 1991 to 2010 based on the daily precipitation dataset and hourly precipitation dataset[J]. Journal of Catastrophology, 2017,32(1):72-79. ]

[16]
江志红,丁裕国,蔡敏,等.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.利用Weibull分布拟合逐日降水的原始分布模式，并基于统计降尺度和蒙特卡罗随机模拟方法，对中国东部区域各站逐日极端降水量在未来气候变暖条件下的响应特征进行统计数值试验。结果表明，在全球变暖背景下，区域平均温度的改变即可导致区域极端降水概率分布特征的变动。从两个典型代表区域的预估结果中可见，长江中下游南部平均降水量对平均温度升高有正响应，模拟得到的区域极端降水概率分布曲线有明显的向右平移，导致大量级的极端降水的再现期缩短即概率增大。山东及渤海湾区域平均降水量对平均温度升高有负响应，模拟得到的区域极端降水概率密度分布尺度参数变小更明显，即方差增大，表现为左右两侧概率密度增加，同样导致大量级的极端降水再现期缩短即概率增大。本文仅考察了气候均值改变条件下，未来区域气候极端值的概率预估的可行性方案。对于未来气候方差的变化并未作试验，但理论上已经证明，未来气候极端值的概率对于气候方差变化的敏感性可能更大。由于目前尚未整理出考察方差变化的较为完整的实际观测资料，该问题还有待进一步深入研究。

DOI

[ Jiang Z H, Ding Y G, Cai M, et al.Monte Carlo experiments on the sensitivity of future extreme rainfall to climate warming[J]. Acta Meteorologica Sinica, 2009,67(2):272-279. ]

[17]
李红梅,周天军,宇如聪.近四十年我国东部盛夏日降水特性变化分析[J].大气科学,2008,32(2):358-370.基于中国地区740台站的日降水资料，细致分析了近40年我国东部盛夏即7、8月份降水长期趋势和年代际变化特征。按小雨、中雨、大雨以及暴雨降水强度分类，探讨了不同强度降水在我国东部降水变化中的贡献。结果表明，中国东部地区盛夏降水变化主要受暴雨强度降水变化的影响，占总降水变化60%以上。近40年来，盛夏长江流域降水量、 降水频率、极端降水频率以及暴雨降水强度均呈增大趋势，在华北地区则呈减小趋势，除降水频率在长江流域的变化趋势绝对值比华北地区小外，另三个指标在长江流域的趋势变化值大约是后者的2倍。降水强度在中国东部表现出一致的增大趋势，但华北地区增大趋势不显著。华北地区降水的减少主要是小雨强度降水频率减小的结果，强降水的频率和强度在该地区也呈微弱的减小趋势，其中小雨强度降水频率减小趋势大值中心值达到-3%/10a，比中雨以上强度降水频率变化趋势值大一个量级；长江流域降水的增多，是各强度降水频率和强度增大共同作用的结果。长江流域和华北地区在区域平均降水频率、降水强度、极端降水频率、最大降水量的时间序列上，彼此均为负相关关系，其中降水频率和极端降水频率序列在两区域的相关系数通过99%的信度检验。Mann-Kendall检验表明，除华北地区降水强度外，其他降水指标均存在显著的年代际跃变。与1970年代末的气候跃变相对应，华北地区降水频率较之长江流域的跃变明显；但长江流域极端降水在1970年代末的跃变较之华北地区更显著，其降水强度、极端降水频率以及最大降水量均于1970年代末期前后发生显著年代际跃变。

DOI

[ Li H M, Zhou T J, Yu R C.Analysis of July-August daily precipitation characteristics variation in eastern China during 1958-2000[J]. Chinese Journal of Atmospheric Sciences, 2008,32(2):358-370. ]

[18]
张婷,魏凤英.华南地区汛期极端降水的概率分布特征[J].气象学报,2009,67(3):442-451.利用1960—2005年华南地区71个测站的逐日降水量资料和NCEP/NCAR南半球月平均海平面气压场再分析资料，采用Le Page检验、广义极值分布等统计诊断方法，研究了华南地区近46 a前汛期（4—6月）和后汛期（7—9月）极端降水的时空变化及概率分布特征。并讨论了南半球澳大利亚高压和马斯克林高压强度指数与华南汛期暴雨日数间年代际变化的关系。结果表明：（1）1992年华南地区降水发生了由减少趋势到增多趋势的突变，降水趋势发生突变后前汛期极端降水量和日极端降水强度有所下降，而后汛期则是显著增强。（2）华南汛期年平均日最大降水量、50 a一遇日最大降水量极值和暴雨日数的空间分布特征相似，即前汛期的空间分布自南向北呈现 “低—高—低”的分布趋势，后汛期呈现由沿海到内陆的“高—低”的分布趋势。（3）1992年发生突变后，前、后汛期年平均日最大降水量和年平均暴雨日数显著增加和减少的空间分布基本一致。（4）就年代际变化而言，南半球澳大利亚高压和马斯克林高压的强度变化是华南汛期降水异常的重要气候背景，即当两高压处在同时增强时期时，华南前汛期极端降水处于偏少阶段，后汛期则处于偏多阶段。

DOI

[ Zhang T, Wei F Y.Probability distribution of precipitation extremes during raining seasons in South China[J]. Acta Meteorologica Sinica, 2009,67(3):442-451. ]

[19]
李建,宇如聪,孙溦.中国大陆地区小时极端降水阈值的计算与分析[J].暴雨灾害,2013,32(1):11-16.（1. Chinese Academy of Meteorological Sciences, Beijing, 100081; 2. The State Key Laboratory of Numerical Modeling for Atmospheric Sciences and Geophysical Fluid Dynamics, Institute of Atmospheric Physics, Chinese Academy of Sciences, Beijing 100029; 3. University of Chinese Academy of Sciences, Beijing 100049）

DOI

[ Li J, Yu R C, Sun W.Calculation and analysis of the thresholds of hourly extreme precipitation in mainland China[J]. Torrential Rain and Disasters, 2013,32(1):11-16. ]

[20]
孔锋,方建,吕丽莉,等.中国长短历时暴雨时空变化格局及其对总暴雨贡献的研究(1951-2010)[J].中国人口·资源与环境,2016,26(11):316-320.

[ Kong F, Fang J, Lv L L, et al.Long and short duration heavy rainfall spatio-temporal patterns change and its contribution to total heavy rainfall in China[J]. China Population Resources and Environment, 2016,26(11):316-320. ]

[21]
中国暴雨统计参数图集[M]中国暴雨统计参数图集[M].北京:中国水利水电出版社,2006.

[ Ministry of Water Resources. Stormy statistic parameter map of China[M]. Beijing: China Water Power Press, 2006. ]

[22]
Singh V P.The use of entropy in hydrology and water resources[J]. Hydrological Processes, 1997,11(6):587-626.

DOI

[23]
董闯,粟晓玲.基于信息熵的石羊河流域降雨时空变异性研究[J].西北农林科技大学学报:自然科学版,2011,39(1):222-228.目的】应用信息熵研究石羊河流域的降雨时空变化,为合理开发该流域的水资源提供依据。【方 法】用边际熵研究月、季和年时间序列的变化,用分配熵和强度熵分别研究降雨量和降雨日数的年内和年代（10年）分布,依据石羊河流域8个气象站 1959-2008年的逐日降雨观测资料,对不同降雨时间序列的时空变异性进行分析。【结果】石羊河流域降雨在时间和空间上均存在变异性,降雨在时间上的 变异性表现为年低于各季,季又低于相应各月;各季对年变异性的贡献以冬季最大,夏季最小;各月对季变异性贡献大的分别是春季3月、夏季6月、秋季11月、 冬季12月;年际间降雨量变异性大的年份为1966,1979,1984,1987与1993年,降雨日数变异性大的年份为 1973,1976,1984,1987,2001与2007年。在空间上,石羊河流域降雨量与降雨日数的变异性基本一致,均表现为流域东南部的变异性小 于西北部。【结论】信息熵全面考虑了时空变化,可有效地解决降雨的时空变异问题。

[ Dong C, Su X L.An entropy-based investigation into the variability of precipitation in Shiyang river basin[J]. Journal of Northwest A & F University(Natural Science Edition), 2011,39(1):222-228. ]

[24]
郑泳杰,张强,张生,等.基于信息熵的淮河流域降水时空变异特征研究[J].水电能源科学,2016,34(1):1-5.

[ Zheng Y J, Zhang Q, Zhang S, et al.Entropy-based investigation on variability of precipitation in Huaihe river basin[J]. Water Resources and Power, 2016,34(1):1-5. ]

[25]
陈海健,谢平,谢静红,等.基于信息熵的洪水过程均匀度变异分析方法——以东江流域龙川站洪水过程为例[J].水利学报,2015,46(10):1233-1239.为考察洪水过程形态特征是否随环境变化而发生变异,本文提出了基于信息熵的洪水过程均匀度变异分析方法。该法首先借用信息熵构建洪水过程均匀度模型,然后采用水文变异诊断系统分析洪水过程均匀度序列的变异规律,最后分析造成变异的物理成因。以东江流域龙川站洪水过程为例,计算结果显示:龙川站洪水过程均匀度在1972 年发生了跳跃强变异,变异后洪水过程均匀度的均值增大,说明变异后洪水过程较变异前更加均匀;通过成因分析,推测这种变异受气候变化的影响不大,主要是由于人类活动特别是枫树坝水库的修建运行造成的下垫面变化引起的。

DOI

[ Chen H J, Xie P, Xie J H, et al.Variation analysis method for flood process homogeneity based on the information entropy: Taking the flood series of Longchuan station in Dongjiang River basin as an example[J]. Journal of Hydraulic Engineering, 2015,46(10):1233-1239. ]

[26]
Yuan W H, Yu R C, Chen H M, et al.Subseasonal characteristics of diurnal variation in summer monsoon rainfall over central eastern China[J]. Journal of Climate, 2010,23(24):6684-6695.

DOI

[27]
马淑红,张学文.新疆年降水变差系数的若干规律性[J].气象学报,1991,49(1):39-45.本文采用统计学和水文学中常用的变差系数这个统计量研究了新疆地区年降水量的变化情况。在对近百个测站的25年资料分析的基础上,发现年降水变差系数与年降水量和测站海拔有较好的关系。这个关系可用一个二元函数表示。这一发现无疑对气候理论研究和资料稀少地区的水资源研究都是有实际价值的。

DOI

[ Ma S H, Zhang X W.Some rules of variation coefficient of annual rainfall in Xinjiang[J]. Acta Meteorologica Sinica, 1991,49(1):39-45. ]

[28]
马钰. 由降水变差系数看青海降水与旱涝的规律性[J].青海环境,1995,5(4):171-175.

[ Ma Y.The regularity of precipitation and drought / flood in Qinghai from the coefficient variation of precipitation[J]. Journal of Qinghai Environment, 1995,5(4):171-175. ]

[29]
冯丽文,郑斯中.中国的降水变率及其差距[J].地理科学,1986,6(2):101-109.本文计算了我国1月、7月和全年降水变率及其差距。指出我国降水变率从夏季型式向冬季型式转变发生在11月,而从冬季型式向夏季型式转换,沿经度方向的变化发生在5月,沿纬度方向的变化发生在6月。

[ Feng L W, Zheng S Z.Variability of precipitation and its deviation in China[J]. Scientia Geographica Sinica, 1986,6(2):101-109. ]

[30]
马开玉,董谢琼.我国的降水资源及其稳定性与潜在可预报性(Ⅰ)降水资源及其稳定性[J].气象科学,1995,15(1):65-71.

[ Ma K Y, Dong X Q.Precipitation resources and its stability and potential predictability over China-part I : Precipitation resources and its stability[J]. Scientia Meteorologica Sinica, 1995,15(1):65-71. ]

[31]
王咏梅,任福民,李维京,等.中国台风降水的气候特征[J].热带气象学报,2008,24(3):233-238.对中国台风降水的时空分布特征进行研究，发现台风降水分布在中国中东部广大地区，台风降水量自东南沿海向西北内陆逐渐减少。台风降水最大值出现在台湾岛的中东部地区和海南岛的个别地区，年平均台风降水量大于700mm，最小值出现在内蒙古、山西、陕西、四川的部分地区，年平均台风降水量不足10mm。台风降水一般出现在4-12月，峰值出现在8月。1957-2004年期间台风降水呈下降趋势。台风降水的异常主要由于亚洲地区大气环流和赤道中东太平洋沃克环流的异常变化所引起。进一步分析发现，台风降水在中国大部分地区为减少趋势，且这种趋势在台湾岛、海南岛、东南沿海部分地区和东北南部较显著。台风暴雨是我国东南沿海及部分内陆地区的极端强降水事件之一，这些地区的暴雨和大暴雨很大程度上是台风带来的。

DOI

[ Wang Y M, Ren F M, Li W J, et al.Climatic characteristics of typhoon precipitation over China[J]. Journal of Tropical Meteorology, 2008,24(3):233-238. ]

[32]
郭慧,李栋梁,林纾,等.近50多年来我国西部地区降水的时空变化特征[J].冰川冻土,2013,35(5):1165-1175.利用1954-2006年我国西部225个气象站的年平均降水量资料, 应用经验正交函数和旋转经验正交函数方法将我国西部分为9个降水类型, 研究了我国西部地区降水的时空变化特征. 结果表明: 南疆盆地、甘肃河西西部和内蒙古西部是我国西部降水年际间变动最大、降水最不稳定的地区, 而四川省西部地区的降水年际变动最小、降水比较稳定. 1954-2006年我国西部地区降水总体呈增加的趋势, 降水空间分布大致以100&#176;E为界, 以西降水增加明显, 以东降水减少. 降水量显著增加的区域是南疆型, 而西北地区东部的关中型的降水减少最为显著. 1980年代中期是我国西部大部分地区降水量变化的转折期. 我国西部的降水变化主要分为5种类型, 年降水量变化存在较为显著的准8~9 a和4~5 a的周期振荡.

DOI

[ Guo H, Li D L, Lin S, et al.Temporal and spatiao variation of precipitation over western China during 1954-2006[J]. Journal of Glaciology and Geocryology, 2013,35(5):1165-1175. ]

[33]
郑似苹. 我国西南地区暴雨特性初步分析[J].水文,1989(3):50-53.正 一、我国西南地区降水概况我国西南地区(包括西藏高原东部、云贵高原和四川盆地)产生暴雨的主要天气系统是500百帕的低槽、700百帕的低涡和切变、地面的冷锋,而大暴雨多数是低涡与低槽类天气系统所造成。本区水汽主要来源于盂加拉湾和南海北部湾一带。当高空槽东移到

[ Zheng S P.Analysis on rainstorm character over Southwest China[J]. Journal of China Hydrology, 1989(3):50-53. ]

[34]
钟中,胡轶佳,闵锦忠.中国降水年际和年代际变率对空间尺度的敏感性[J].地球物理学报,2007,50(5):1330-1336.lt;FONT face=Verdana>利用中国740站45年降水资料按5种分辨率分气候区计算了降水年际和年代际变率. 降水年际和年代际变率对空间尺度的敏感性分析表明，中国各气候区降水年际变率对空间尺度的敏感性都随空间尺度的增加而逐渐减小，且存在明显的季节变化，而年代际变率对空间尺度的敏感性却随空间尺度的增加而增大，但不存在季节变化；由于中国各气候区降水的特殊性，各气候区降水年际和年代际变率对空间尺度的敏感程度存在不可忽视的差异.在年际和年代际尺度上，西南地区降水变率对空间尺度都是最敏感的，因而该区域降水年际和年代际变率信号的检测最困难.而华南地区在年际尺度上比较敏感，年代际尺度却不敏感，但华南地区在年际和年代际尺度上区域内降水分布的非均匀程度对空间尺度的敏感性都最大.</FONT>

DOI

[ Zhong Z, Hu Y J, Min J Z.Sensitivity of interannual and interdecadal precipitation variability over China to spatial scale[J]. Chinese Journal of Geophysics, 2007,50(5):1330-1336. ]

[35]
王艳君,高超,王安乾,等.中国暴雨洪涝灾害的暴露度与脆弱性时空变化特征[J].气候变化研究进展,2014,10(6):391-398.利用1984&mdash;2012年中国暴雨洪涝灾害灾情和社会经济数据，从灾害暴露范围、人口暴露度、经济暴露度和农作物暴露度4个方面分析了灾害暴露度的特征，从人口脆弱性和经济脆弱性两方面分析了灾害脆弱性特征。研究表明：1984&mdash;2012年，中国暴雨洪涝灾害年平均暴露范围、人口暴露度、经济暴露度和农作物暴露度分别为9.37万km<sup>2</sup>、126人/km<sup>2</sup>、149万元/km<sup>2</sup>和1.53亿hm<sup>2</sup>，暴露度总体呈显著增加趋势，高暴露区域主要分布在沿海省（市）；人口脆弱性显著增大，但经济脆弱性有逐渐减小的趋势，灾害脆弱性高值区主要分布在长江中游沿岸的湖南、安徽、重庆、江西、湖北等省（市），上海、北京、天津为灾害脆弱性最低的区域。

DOI

[ Wang Y J, Gao C, Wang A Q, et al.Temporal and spatial variation of exposure and vulnerability of flood disaster in China[J]. Advanced in climate change research, 2014,10(6):391-398. ]

Options
文章导航

/

〈 〉