全球气候变化背景下贵州草海湿地极端降水特征

全球气候变化背景下贵州草海湿地极端降水特征
林梽桓;戴全厚;王向栋;高儒学;谷晓平
【摘要】利用逐日降水量资料,选取8个降水指数,采用趋势分析、相关性分析等方法,对2000-2016年贵州草海湿地极端降水特征进行分析.结果表明:21世纪以来,草海湿地降水量总体呈上升趋势.雨季、旱季降水量占年降水量比例的均值分别为87.3％和12.7％.四季降水量占年降水量比例的区间,春季为8.5％-29.8％,夏季为8.7％-65.1％,秋季为0.9％-38.7％,冬季为0.9％-4.9％.暴雨日数最大值为5d,暴雨日降水量接近400mm,两者变化均呈显著上升趋势;连续有雨日数和连续有雨日数≥10 d发生次数的均值分别为14 d和2次;连续无雨日数和连续无雨日数≥10 d 的发生次数均值分别为15 d和3次.日最大降水量、暴雨日降水量和连续有雨日降水量三类极端降水指数均值分别为67.0、109.3和115.0 mm,占年降水量比例的均值为7.9％、11.7％和13.3％,比例区间分别为5.4％-13.3％、0-30.4％和7.2％-23.6％.
【期刊名称】《气象与减灾研究》
【年(卷),期】2018(041)003
【总页数】8页(P168-175)
【关键词】极端降水;降水指数;变化趋势;草海湿地
【作者】林梽桓;戴全厚;王向栋;高儒学;谷晓平
【作者单位】贵州大学林学院,贵州贵阳550025;贵州大学林学院,贵州贵阳550025;贵州大学林学院,贵州贵阳550025;贵州大学林学院,贵州贵阳550025;贵州省气象局,贵州贵阳550002
【正文语种】中文
【中图分类】P468.0+24
0 引言
21世纪以来，全球气候呈持续变暖趋势，由此带来的气候带移动使得全球各地区
出现了不同程度的气候变化(Masoud et al，2016；Wang et al，2016；张学珍等，2017)。

高温、干旱、暴雨、大雪及风暴等异常天气频发，造成了严重的气象灾害(姚宜斌等，2016；贾艳青和张勃，2018；尹占娥等，2018)。

降水量不仅是气候指标之一，更是影响一个地区河流径流、湖泊水位和湿地水量等水文环境的重要因子(杨志刚等，2014；方国华等，2016)。

一个地区降水量波动直接影响当地
旱涝情况，还会引起当地自然环境以及社会经济发生重大变化。

草海湿地被誉为“高原明珠”，是一个完整、典型的高原湿地生态系统，与滇池、青海湖并称中国三大高原湖泊，也是中国I级重要湿地、贵州省最大天然淡水湖泊和国家一级保护动物黑颈鹤的主要栖息地。

但是，在极端降水事件频发和生态环境变化的背景下，草海湿地自然环境面临威胁。

近年来，草海湿地及保护区气候正在发生变化，降水的年际和季节性变化异质性大，暴雨、持续性降水事件也增多(徐
婷等，2015)；流域区内旱涝灾害发生频繁，出现水土流失、养分流失加剧，水域区水质恶化，水位线下降等现象(韩会庆等，2018)。

此外，由气候变化引起的环
境变化，使得草海湿地的生物多样性及丰富度也在下降(张海波等，2014)。

因此，研究草海湿地降水尤其是极端降水的变化，对于了解该地区气候变化、生态环境治理以及鸟类生存环境的保护都具有显著的现实意义。

目前，降水量研究主要集中在降水强度、雨日变化等方面(李莹等，2017)，而极端降水研究主要集中在典型暴
雨及量值、连续性降水等方面(孙素琴等，2016；田青等，2017)。

极端降水天气
中，暴雨所形成的灾害是最具破坏力的。

近年来，暴雨天气造成的滑坡、泥石流、洪涝等频发，发生区域范围扩大、规律复杂多变，这使得暴雨天气成为研究热点(杜予罡等，2016；尹韩笑等，2017；李鑫鑫等，2018)。

草海湿地作为具有重要生态功能的国家级自然保护区，对其极端降水变化的研究却较少。

文中，从降水量年际、季节变化以及极端降水变化等角度，分析2000—2016年草海湿地降水的变化，为研究区气候预测和防灾减灾提供参考，为草海湿地生态环境修复及治理提供科学依据。

1 研究区域与研究方法
1.1 研究区域和数据
草海湿地位于贵州省西北部威宁自治县西南侧，地处滇、黔、川三省交界处，地理范围为(104°10′16″—104°20′40″E，26°47′32″—26°52′52″N)，海拔为2 161.4—2 501.8 m。

草海湿地面积约为96 km2，包含的草海是贵州省最大的天然湖泊，水域面积约25 km2(韩会庆，2018)。

文中的研究数据来源于国家气象站——草海湿地东北部的贵州威宁气象观测站，数据为2000年1月1日—2016年12月31日逐日降水观测资料，经过了合理性检查、内部一致性检查、时间一致性检查等质量控制。

1.2 研究方法
根据国内现行标准和相关文献(黄琰等，2014；张学珍等，2017)，贵州雨季为5—10月，旱季为11月—次年4月；春季为3—5月，夏季为6—8月，秋季为9—11月，冬季为12月—次年2月。

按照气象学传统意义上定义雨日为日降水量≥0.1 mm，并根据中国气象局颁布的降水强度等级划分标准，去除过渡等级，确定日降水量0.1—9.9 mm为小雨日，10.0—24.9 mm为中雨日，25.0—49.9 mm为大雨日，≥50 mm为暴雨日(李莹等，2017)。

结合世界气象组织(WMO)推荐的极端降水指标和我国西南地区极端降水变化特点，选定8个极端降水指数(表
1)，用于分析草海湿地极端天气变化特征(韩会庆等，2018)。

为了反映草海湿地降水的变化趋势以及极端降水的发生规律，分别对年降水量和雨季、旱季降水量以及春季、夏季、秋季、冬季降水量分别作趋势分析，计算雨季、旱季和四季降水量占年降水量的比例，得出各阶段降水变化特征，并对年、季降水和极端降水趋势进行M-K检验和相关性分析。

表1 极端降水指数选取及定义
Table 1 Selection and definition of extreme precipitation indices
序号编码名称定义单位1 CDD 连续无雨日数最长连续无降水日数d2 CDD≥10 days ≥10 d连续无雨日次数连续无雨日≥10 d的发生次数次3 CWD 连续有雨日数最长连续降水日数d4 CWD≥10 days ≥10 d连续有雨日次数连续有雨日≥10 d 的发生次数次5 Rx-CWD 连续有雨日降水量最长连续降水日降水总量mm6 Day-R50 暴雨日数日降水量≥50 mm日数d7 RxR50 暴雨日降水量一年中暴雨日数的降水总量mm8 Rx1day 日最大降水量一年中日最大降水量mm
数据处理主要使用SPSS和Matlab软件，制图主要采用Origin软件。

2 结果分析
2.1 降水的时间变化特征
2.1.1 年际变化
图1为草海湿地2000—2016年降水量分布。

分析发现，草海湿地降水量变化趋势为：2000—2004年下降，2004—2008年上升，2008—2009年急剧下降，2009—2014年显著波动上升，2014—2016年缓慢下降。

拟合方程为
y=13.805+8.945x，r2=0.079，可见2000—2016年降水量总体呈上升趋势。

年降水量均值为867.2 mm，最大值为1 314.5 mm(2014年)，最小值为620.1 mm(2004年)，2004年降水量仅为2014年的47%，表明草海湿地降水量的年际波动变化明显。

图1 2000—2016年草海湿地降水量变化
Fig. 1 Annual variation of precipitation in Caohai wetland during 2000-2016
2.1.2 季节变化
1) 雨旱季降水变化
图2 2000—2016年草海湿地雨季、旱季降水量(a)及其占年降水量的比例(b)Fig.
2 Rainfalls in rainy season and dry season (a) and their percentages of the whole year precipitation (b) in Caohai wetland during 2000-2016
图2给出了草海湿地2000—2016年雨季、旱季降水量及其占年降水量的比例。

分析发现，草海湿地雨季降水量总体呈上升趋势。

最大值出现在2014年，降水量为1 182.8 mm；最小值出现在2004年，降水量为528.7 mm。

这些变化趋势与年降水量变化趋势基本吻合。

而旱季降水量线性趋势基本为无增减。

除2005年外，雨季降水量占年降水量的比例都在80%以上，其中2001年最大，为93.8%。

雨季、旱季降水量占年降水量的比例均值分别为87.3%和12.7%，雨季降水量占绝
对优势。

这是因为草海湿地处于中亚热带季风气候区，雨热同期、降水集中是这一区域夏、秋季节的典型气候特点。

2) 季节降水变化
表2给出了春、夏、秋、冬四个季节降水量的方差统计分析结果。

图3为降水量
的季节变化曲线及占比堆积图。

综合分析发现，草海湿地各季节降水量均值大小依次为夏季>秋季>春季>冬季。

标准差冬季最大，春季最小，说明冬季降水量波动
最大。

夏季降水量呈显著的增多趋势，而春季、秋季和冬季降水量无明显的升降趋势，说明2000—2016年草海湿地降水量的季节变化中，夏季降水量在波动中上升，其他季节降水量无明显变化。

四个季节降水量占年降水量的比例区间，春季为
8.5%—29.8%，夏季为28.7%—65.1%，秋季为10.9%—38.7%，冬季为
0.9%—4.9%。

夏季降水量占比，除2006年低于秋季和春季外，其余年份均居首位；除2003年(48.0%)和2006年(28.7%)降水量占比低于50%外，其余年份降水量占比均大于50%。

冬季降水量占比始终小于5%，最低年份甚至小于1%，这说明草海湿地冬季降水极少，极易出现连续性干旱。

表2 2000—2016年草海湿地降水量季节变化的方差分析结果
Table 2 Variance analysis on seasonal variation of precipitation in Caohai wetland during 2000-2016
季节均值/mm标准差均值的95%置信区间下限/mm上限/mm极小值/mm极大值/mm春季159.854.96131.5188.168.0246.2 夏季
491.4143.61417.6565.2190.6852.6 秋季188.663.34153.5223.871.3300.5 冬季27.4189.8721.833.08.750.6
图3 2000—2016年草海湿地季节降水量(a)及其占年降水量的比例(b)Fig. 3 Seasonal precipitation (a) and its percentage of the whole year precipitation (b) in Caohai wetland during 2000-2016
2.2 极端降水变化特征
2.2.1 暴雨日数和暴雨日降水总量
图4给出了2000—2016年暴雨日数(Day-R50)和暴雨日降水总量(RxR50)分布。

分析发现，草海湿地Day-R50为0—5 d，且总体呈增加趋势。

其中，最大值为5 d，发生在2014年，而2002年、2004—2006年没有暴雨天气出现。

RxR50的变化趋势与Day-R50的变化趋势基本一致，两者呈一定的正相关关系。

RxR50最大值出现在2014年，5 d的降水量接近400 mm。

2.2.2 连续有雨日数及其≥10 d的发生次数
分析图5a发现，2000—2016年草海湿地最长连续有雨日数(CWD)为8—20 d，
平均约为14 d，除2009年为8 d外，其余年份都在10 d以上。

其中，最大值为20 d，一共出现了2次，分别为2008年和2011年。

连续有雨日数≥10 d的发生次数(C WD≥10 days)为0—4次，平均约为2次；最多为4次，出现在2011年。

2009年未出现连续10 d有雨日，最长连续降水日数仅为8 d。

图4 2000—2016年草海湿地暴雨日数(Day-R50)和暴雨日降水总量(RxR50)变化Fig.4 Variations of rainstorm day and its rainfall in Caohai wetland during 2000-2016
2.2.3 连续无雨日数及其他≥10 d发生次数
分析图5b发现，2000—2016年草海湿地最长连续无雨日数(CDD)为9—23 d，平均约为15 d。

其中，最大值为2015年的23 d；除2008年为9 d外，其余年
份都在10 d以上。

连续无雨日数≥10 d发生次数(CDD≥10 d)为0—6次，平均
约为3次；最多为6次，分别出现在2006年和2015年；2008年未出现连续10 d无雨日。

2.3 极端降水占年降水量的比例
极端降水天气指标主要包括一年中的日最大降水量、暴雨日数和连续有雨日数，因此，文中选取日最大降水量(Rx1day)、暴雨日降水量(RxR50)和最长连续有雨日降水量(Rx-CWD)三个指数用于分析草海湿地的极端降水。

结合表3，分析图6发现，2000—2016年草海湿地三类极端降水指数Rx1day、RxR50和Rx-CWD均值分
别为67.0 mm、109.3 mm和115.0 mm，占年降水量的比例均值分别为7.9%、11.7%和13.3%，占比区间依次为5.4%—13.3%、0.0%—30.4%和7.2%—
23.6%。

标准差(或标准误差)大小依次为RxR50>Rx-CWD>Rx1day。

从三个指数的降水量年际变化曲线看，Rx1day和Rx-CWD在2000—2016年基本无明显升
降趋势，而RxR50呈波动上升趋势。

图5 2000—2016年草海湿地连续有(a)、无(b)雨日数(CWD/CDD)及其≥10 d的
发生次数(CWD≥10 days/CDD≥10 days)变化Fig. 5 Variations of CRD (a), frequency of CRD≥10 days (b) and CND, frequency of CND≥10 days in Caohai wetland during 2000-2016
表3 2000—2016年草海湿地三类极端降水指数的方差分析结果
Table 3 Variance analysis on three kinds of extreme rainfall indices in Caohai wetland during 2000-2016
降水指数均值/mm标准差均值的95%置信区间下限/mm上限/mm极小值/mm
极大值/mmRx1day67.021.9655.778.336.1121.9
RxR50109.399.1058.3160.20.0399.2 Rx-CWD115.048.2790.2139.866.1231.4 2000—2016年Rx1day降水等级都在大雨以上，2000年、2004—2006年为大雨，其余年份均为暴雨等级。

极大值为121.9 mm(2014年)，降水等级为大暴雨，是2000—2016年中唯一一次。

Rx1day与其占年降水量的比例呈正相关关系。

RxR50均值的95%置信区间为58.3—160.2 mm，极大值为399.2 mm，出现在2014年，占当年降水量的比例达30.4%。

RxR50与其占年降水量的比例的变化呈显著正相关关系，两者都呈上升趋势。

Rx-CWD极值范围为66.1—231.4 mm，
均值的95%置信区间为90.2—139.8 mm。

2.4 降水变化趋势的Mann-Kendall检验
2.4.1 年、季节降水变化趋势
表4为2000—2016年草海湿地年、季降水变化的M-K检验结果。

分析发现，草海湿地年降水量的年、季变化趋势都未能通过显著性检验，年降水量的变化率为2.53 mm/a，呈略增加趋势。

雨季降水变化率高达8.96 mm/a，而旱季仅为0.72 mm/a。

春、夏、秋、冬四个季节降水变化率大小依次为春季>夏季>秋季>冬季，春季降水量的增加趋势最明显，而冬季降水量则出现减少趋势，变化率为-1.52
mm/a。

M-K检验结果与回归分析所得的线性趋势一致。

2.4.2 极端降水变化趋势
表5给出了2000—2016年草海湿地极端降水变化趋势的M-K检验结果。

分析发现，暴雨日数(Day-R50)和暴雨日降水量(RxR50)的变化率分别为0.06 d/a、4.11 mm/a，都通过了信度0.01的显著性检验，表明草海湿地2000—2016年Day-R50和RxR50增加趋势十分明显。

其次，最长连续有雨日数(CWD)最大值的Z值为-1.31，通过了信度0.1的显著性检验，表明自2000年以来，草海湿地CWD 呈下降趋势，变化率为-0.38 d/a；对应的最长连续降水日降水量(RxCWD)的Z值虽然未能通过显著性检验，但其变化率为-0.96 mm/a。

此外，除最长连续无雨日数(CDD)的变化率为负值外，剩余各项变化均不明显。

综上所述，草海湿地极端降水的变化大致为暴雨天气发生次数的增加趋势明显，而持续性降水天气发生次数呈现下降的趋势，这表明草海湿地极端降水由持续性降水向突发性短时强降水转变。

图6 2000—2016年草海湿地(a)日最大降水量(Rx1day)、(b)暴雨日降水量(RxR50)和(c)最长连续有雨日降水量(Rx-CWD)及其占年降水量的比例
Fig. 6 Largest daily rainfall (a), rainstorm rainfall (b) and largest CRD (c) and their percentages of the whole year precipitation in Caohai wetland during 2000-2016
表4 2000—2016年草海湿地年、季降水量变化的M-K检验结果
Table 4 M-K Test results of annual and seasonal precipitation in Caohai wetland in 2000-2016
统计指标年降水量雨季旱季春夏秋冬倾斜率2.538.960.725.474.501.22-1.52 统计量Z值0.8440.9980.8450.6141.1520.3070.077
注：Z的绝对值在≥1.28、1.64、2.32时表示分别通过了信度0.1、0.05、0.01的
显著性检验.
表5 2000—2016年草海湿地极端降水指数变化的M-K检验结果
Table 5 M-K Test results of extreme precipitation indices variation in Caohai wetland in 2000-2016
统计指标Day-R50CWDCWD≥10CDDCDD≥10Rx1dayRxR50Rx-CWD倾斜率
0.06-0.380.13-0.130.060.784.11-0.96 统计量Z值2.50***-
1.31*1.190.420.920.84
2.61***-0.84
注：Z的绝对值在≥1.28、1.64、2.32时表示分别通过了信度0.1、0.05、0.01的显著性检验；“*”“***”分别表示通过了信度0.1、0.01的显著性检验.
3 小结与讨论
利用逐日降水量资料，选取8个降水指数，通过趋势分析、相关性分析等方法对2000—2016年草海湿地极端降水特征进行了分析，得到：
1) 草海湿地降水量总体呈增加趋势。

雨季、旱季降水量呈此消彼涨的关系，但雨
季降水量占年降水量的比例均值为87.3%，旱季降水量占比均值为12.7%，雨季、旱季降水量分化明显。

四个季节降水量大小依次为夏季>秋季>春季>冬季，降水
量占比区间分别为春季8.5%—29.8%，夏季28.7%—65.1%，秋季10.9%—
38.7%，冬季0.9%—4.9%。

四个季节中仅夏季降水量呈上升趋势。

2) 草海湿地暴雨日数最大值为5 d，暴雨日降水量最大值为接近400 mm。

连续
有雨日数为8—20 d，年平均约为14 d；连续有雨日≥10 d发生次数为0—4次，年平均约为2次。

连续无雨日数为9—23 d，年平均约为15 d；连续无雨日≥10
d发生次数为0—6次，年平均约为3次。

3) 草海湿地日最大降水量、暴雨日降水量和最长连续有雨日降水量三类极端降水
指数均值分别为67.0 mm、109.3 mm和115.0 mm，占年降水量的比例均值分
别为7.9%、11.7%和13.3%，占比区间依次为5.4%—13.3%、0—30.4%和
7.2%—23.6%。

三个指数中，仅暴雨日降水量呈显著上升趋势，暴雨天气正在影
响着草海湿地降水在时间上的分配。

21世纪以来草海湿地降水量呈现增多趋势，季节降水分配差异性增大，极端降水
天气事件多发。

这些是造成草海湿地水土流失加剧，生态环境恶化的主要气象因素。

暴雨日降水量呈显著上升趋势，而最长连续有雨日降水量呈减少趋势，表明极端降水从持续性向突发性转变，这将增加洪涝、滑坡、泥石流等灾害的风险，还会加剧土壤侵蚀、水土及养分流失，进而导致草海湿地生态环境的恶化，破坏动植物生存环境，使得生物多样性减少，鸟类多度及丰富度锐减，生态环境呈恶性循环的正反馈趋势。

因此，应做好应对极端降水的防灾减灾工作，以减少其对草海湿地造成的危害。

参考文献（Ｒｅｆｅｒｅｎｃｅｓ）
【相关文献】
杜予罡，徐昕，王元. 2016. 1990—2010年中国极端温度和降水事件的月变化特征. 气象与减灾研究，39(1)：9-15. Du Y G， Xu X， Wang Y. 2016. Variations of monthly temperature and precipitation extremes in China during 1990-2010 . Meteor Disaster Reduction Res， 39(1)：9-15.(in Chinese)
方国华，戚核帅，闻昕，等. 2016. 气候变化条件下21世纪中国九大流域极端月降水量时空演变分析. 自然灾害学报，25(2)：15-25. Fang G H， Qi H S， Wen X， et al. 2016. Analysis of spatiotemporal evolution of extreme monthly precipitation in the nine major basins of China in 21st century under climate change. J Natur Disasters， 25(2)：15-25.(in Chinese) 贾艳青，张勃. 2018. 基于日SPEI的近55 a西南地区极端干旱事件时空演变特征. 地理科学，
38(3)：474-483. Jia Y Q， Zhang B. 2018. Spatial-temporal variability characteristics of extreme drought events based on daily SPEI in the southwest China in recent 55 years. Sci Geogr Sinica， 38(3)：474-483. (in Chinese)
韩会庆，张娇艳，苏志华，等. 2018. 2011—2050年贵州省极端气候指数时空变化特征. 水土保持研究，25(2)：341-346. Han H Q， Zhang J Y， Su Z H， et al. 2018. Spatial and temproal
variations of extreme climate indices in Guizhou province from 2011 to 2050. Res Soil Water Conserv， 25(2)：341-346. (in Chinese)
黄琰，张人禾，龚志强，等. 2014. 中国雨季的一种客观定量划分. 气象学报，72(6)：1186-1204. Huang Y， Zhang R H， Gong Z Q， et al. 2014. An objectively quantitative division for rainy seasons in China. Acta Meteor Sinica， 72(6)：1186-1204. (in Chinese)
Masoud I， Matttila H N， Chen D L， et al. 2016. Century-long variability and trends in daily precipitation characteristics at three Finnish stations. Adv Climate Change Res，
7(Z1)：54-69.
李鑫鑫，桑燕芳，谢平，等. 2018. 基于信息熵的我国日降水量随机性及时空差异性. 应用生态学报，29(4)：1071-1078. Li X X， Sang Y F， Xie P， et al. 2018. Stochastic characteristics of daily precipitation and its spatiotemporal difference over China based on information entropy. Chinese J Appl Ecol， 29(4)：1071-1078. (in Chinese)
李莹，朱益民，夏淋淋，等. 2017. 长江流域夏季不同强度降水日数的时空变化特征. 气象科学，
7(6)：808-815. Li Y， Zhu Y M， Xia L L， et al. 2017. Spatiotemporal variation of different intensity rainfall in the Changjiang River Basin in Summer. J Meteor Sci， 37(6)：808-815. (in Chinese)
孙素琴，许爱华，郑婧，等. 2016. 江西省汛期暴雨时空分布及区域性暴雨分区. 气象与减灾研究，39(2)：90-97. Sun S Q， Xu A H， Zheng J， et al. 2016. The regionalization and spatial-temporal characteristics of the torrential-rain in Jiangxi province during the flood season. Meteor Disaster Reduction Res， 39(2)：90-97. (in Chinese)
田青，温敏，张人禾，等. 2017. 中国南方冬季持续性温湿异常的分类和特征分析. 气象学报，
75(5)：729-743. Tian Q， Wen M， Zhang R H， et al. 2017. Classification of persistent winter temperature-precipitation anomalies in southern China and their large-scale atmospheric conditions. Acta Meteor Sinica， 75(5)：729-743. (in Chinese)
Wang Y F， Xu Y P， Lei C G， et al. 2016. Spatio-temporal characteristics of precipitation and dryness/wetness in Yangtze River Delta， eastern China， during 1960-2012. Atmos Res， 172(173)：196-205.
徐婷，徐跃，江波，等. 2015. 贵州草海湿地生态系统服务价值评估. 生态学报，35(13)：4295-4303. Xu T，Xu Y， Jiang B， et al. 2015. Evaluation of the ecosystem services in Caohai Wetland， Guizhou Province. Acta Ecol Sinica， 35(13)：4295-4303.(in Chinese)
杨志刚，卓玛，路红亚，等. 2014. 1961—2010年西藏雅鲁藏布江流域降水量变化特征及其对径
流的影响分析. 冰川冻土，36(1)： 166-172. Yang Z G， Zhuoma， Lu H Y， et al. 2014. Characteristics of precipitation variation and its effects on runoff in the Yarlung Zangbo River basin during 1961-2010. J Glaciol Geocryol， 36(1)：166-172. (in Chinese)
姚宜斌，雷祥旭，张良，等. 2016. 青藏高原地区1979—2014年大气降水量和地表温度时空变化
特征分析. 科学通报，61(13)：1462-1477. Yao Y B， Lei X X， Zhang L， et al. 2016. Analysis of precipitable water vapor and surface temperature variation over Qinghai-Tibetan
Plateau from 1979 to 2014. Chinese Sci Bull， 61(13)：1462-1477. (in Chinese)
尹韩笑，张立凤，杨雨轩. 2017. 2016年梅雨期湖北地区三次暴雨过程对比分析．气象与减灾研究，40(4)：292-301. Yin H X, Zhang L F, Yang Y X. 2017. Contrastive analysis of three rainstorms in Hubei during the Meiyu period. Meteor Disaster Reduction Res, 40(4)：292-301. (in Chinese)
尹占娥，田鹏飞，迟潇潇． 2018. 基于情景的1951—2011年中国极端降水风险评估. 地理学报，73(3)：405-413. Yin Z E， Tian P F， Chi X X. 2018. Multi-scenario-based risk analysis of precipitation extremes in China during the past 60 years (1951-2011)．Acta Geogr Sinica，73(3)：405-413. (in Chinese)
张海波，粟海军，刘文，等. 2014. 草海国家级自然保护区冬季主要水鸟群落结构与生境的关系. 生态与农村环境学报，30(5)：601-607. Zhang H B， Su H J， Liu W， et al. 2014. Relationship of community structure of main waterfowl with habitat in Caohai National Nature Reserve in Winter. J Ecol Rural Environ， 30(5)：601-607. (in Chinese)
张学珍，李侠祥，徐新创，等. 2017. 基于模式优选的21世纪中国气候变化情景集合预估. 地理学报，72(9)：1555-1568. Zhang X Z， Li X X， Xu X C， et al. 2017. Ensemble projection of climate change scenarios of China in the 21st century based on the preferred climate models . Acta Geogr Sinica， 72(9)：1555-1568. (in Chinese)。