设为首页 加入收藏 期刊导航 网站地图
  • 首页
  • 期刊
    • 数学与物理
    • 地球与环境
    • 信息通讯
    • 经济与管理
    • 生命科学
    • 工程技术
    • 医药卫生
    • 人文社科
    • 化学与材料
  • 会议
  • 合作
  • 新闻
  • 我们
  • 招聘
  • 千人智库
  • 我要投搞
  • 办刊

期刊菜单

  • ●领域
  • ●编委
  • ●投稿须知
  • ●最新文章
  • ●检索
  • ●投稿

文章导航

  • ●Abstract
  • ●Full-Text PDF
  • ●Full-Text HTML
  • ●Full-Text ePUB
  • ●Linked References
  • ●How to Cite this Article
Journal of Water Resources Research 水资源研究, 2013, 2, 402-408
http://dx.doi.org/10.12677/jwrr.2013.26057 Published Online December 2013 (http://www.hanspub.org/journal/jwrr.html)
Study on Spatial and Temporal Characteristics of
Extreme Precipitation and Its Affecting Factors of
Climate in the Pearl River Basin*
Xush u Wu1, Zhaoli Wang1#, Chengguang Lai2, Xiaohong Chen2
1School of Civil and Transportation Engineering, South China University of Technology, Guangzhou
2Center for Water Resources and Environment Research, Sun Yat-sen University, Guangzhou
Email: 1205900021@qq.com, #wangzhl@scut.edu.cn
Received: Sep. 30th, 2013; revised: Nov. 20th, 2013; accepted: Nov. 26th, 2013
Abstract: Based on the daily precipitation data at 41 observational stations of the Pearl River Basin from
1960 to 2012, defining five extreme precipitation indices such as total extreme precipitation, extreme rain
days, mean intensity of extreme precipitation, maximum 1-day precipitation, maximum consecutive 3-day
precipitation and comprehensive index of extreme precipitation, using the methods of Mann-Kendall and
Wavelet analysis, the spatial and temporal characteristics of extreme precipitation of the Pearl River Basin are
analyzed. The affecting factors of climate are studied as well. The results show that: 1) The extreme precipi-
tation shows an increasing trend in most area of the basin. More flood disasters might occur in the basin; 2)
No significant mutation can be identified in these indices in recent 53 years; 3) All the indices have a
long-term memory characteristic that future tendency is consistent with those of the past; 4) The extreme pre-
cipitation shows complex periodic variations with the primary oscillation periods of 2.2~6.5a; 5) Cross
wavelet analysis and coherence analysis show that ENSO and sunspot are the main factors affecting the ex-
treme precipitation in the basin.
Keywords: Extreme Precipitation; Spatial and Temporal Characteristics; Affecting Factors of Climate;
Wavelet Analysis; The Pearl River Basin
珠江流域极端降雨时空变化规律及气候影响因素研究*
吴旭树 1,王兆礼 1#,赖成光 2,陈晓宏 2
1华南理工大学土木与交通学院,广州
2中山大学水资源与环境研究中心,广州
Email: 1205900021@qq.com, #wangzhl@scut.edu.cn
收稿日期:2013 年9月30 日;修回日期:2013 年11 月20 日;录用日期:2013年11 月26日
摘 要:依据珠江流域 41 个气象站1960~2012 年的日降雨资料,定义了 5个极端降雨指标(极端降雨
总量、极端降雨日数、极端降雨平均强度、最大 1d 降雨量、最大连续 3d降雨量)及通过将五者叠加得
到的极端降雨综合指数,运用 Mann-Kendall 及小波分析等方法对珠江流域极端降雨时空变化特征规律
及气候影响因子进行了研究。结果表明:1) 珠江流域大部分地区极端降雨呈上升趋势,预示着流域发
生洪涝灾害的可能性增加,防洪压力增大。2) 近53 年流域极端降雨未发生显著突变。3) 流域极端降
雨具有长期记忆性,即未来仍呈不显著增加趋势。4) 流域极端降雨存在 2.2~6.5a 的主振荡周期,且以
短周期演变为主,长周期变化不明显,具有多尺度周期振荡特征。5) 交叉小波分析结果表明,ENSO、
*基金项目:国家自然科学基金项目(51209095);国家自然科学基金重大国际合作和重点项目(51210013, 50839005)。
作者简介:吴旭树(1989-),男,广东揭阳人,硕士研究生,研究方向:水文水资源;王兆礼(1979-),男,江苏徐州人,博士,讲师,研究
方向:水文水资源。
#通讯作者。
Open Access
402
吴旭树,等:珠江流域极端降雨时空变化规律及气候影响因素研究
Open Access
第2卷 · 第6期
403
太阳黑子活动是珠江流域极端降雨的主要影响因素。
关键词:极端降雨;时空变化特征;气候影响因子;小波分析;珠江流域
1. 引言 LIU Jing Wei等[10]则分析得出较强南季风是引起中国
东部地区极端降水事件的主要因素。
极端降雨事件作为一种小概率事件,具有明显突
发性强、危害性大等特点,其发生往往导致区域性洪
涝灾害[1]。在新世纪全球气候变暖的背景下,水循环
加剧导致降水时空分布规律发生变化,极端降雨事件
明显增加,给人类经济社会发展带来重要影响[2]。研
究极端降雨时空演变特征及极端降雨的气候影响因
素,对于全面系统地了解、预测洪涝灾害的时空变化
特征及流域防洪规划具有重要意义[3]。
总结以往研究发现,过去对大范围极端降水变化
的研究颇多,而针对珠江流域的研究较少,难以捕捉
珠江流域极端强降水事件变化的区域细节。而且,过
去主要集中在对极端降雨的趋势、突变研究,对极端
降雨周期变化及气候影响因素的研究还较少。本文研
究珠江流域极端降雨的时空变化规律与气候影响因
素,为流域防洪减灾与可持续发展提供科学依据。
2. 资料与方法
近些年来,极端降雨事件受到国际社会的普遍关
注。Karl T R等[4]针对区域极端降雨趋势变化进行深
入研究,得到极端降雨频率、强度均呈不同程度的上
升趋势;Dingbao Wang等[5]则研究发现阿巴契科拉河
除下游外,中上游极端降雨强度均无明显变化。
Lenderink, G 等[6]分析出极端降雨事件与气候变化有
关;Jain 等[7]研究得出 ENSO现象引发地区极端天气
事件,极端干旱与极端降雨和 ENSO 有较好的关联性。
2.1. 研究区域
珠江流域介于 102˚14'E~115˚53'E,21˚31'N~26 ˚49'N
(图1),流域面积达 453,690 km2,其中左江的上游在
越南境内,在我国境内的流域面积 442,100 km2,地 处
亚热带,气候温和。流域年平均气温在 14℃~22℃之
间,多年平均降雨为1200~2200 mm。径流的年内变
化受降水支配,汛期降水量集中,降雨分布由东向西
逐步减少。
在中国,学者们也对极端降雨事件做了许多研
究。Zhai P M等[8]分析了中国极端降水特征,发现极
端降雨事件趋多、趋强。NING Liang 等[9]针对中国南
部地区极端降雨进行分析,得出1990 年南部地区极
端降雨出现突变,并认为突变由夏季极端降雨引起。
2.2. 资料来源
本文所用降雨资料来自中国国家气象局,为珠江
Figure1. Research area and hydrological station locations
图1. 研究区域和雨量站分布
吴旭树,等:珠江流域极端降雨时空变化规律及气候影响因素研究
第2卷 · 第6期
流域 1960~2012 年43 个测站逐日降雨量资料。经过
数据复核和筛选,剔除了 2个缺测数据较多的测站,
对剩下的41 个测站数据进行分析。
2.3. 研究方法
2.3.1. 线性倾向与 Mann-Kendall 分析法
线性倾向趋势检验和非参数 Mann-Kendall 突变
检验,已有大量文献详细阐述[11],本文不再具体介绍。
Mann-Kendall 突变检验的优点是无需样本遵从一定
的分布,也不受少数异常值的干扰,不仅计算方便,
而且可以明确突变开始的时间,并指出突变区域。
2.3.2. R/S分析法
R/S 分析法是一种处理时间序列的方法,其基本
思想是改变本序列的时间尺度,研究其在不同尺度范
围内的统计规律,从而进行大小事件尺度间的相互转
换。根据不同时间尺度的Hurst 指数,可分析研究对
象时间序列的状态和规律,根据已知规律分析状态的
持续性,预测未知情况。R/S分析法具体实现过程可
参考有关文献[12]。
2.3.3. 小波分析
小波分析近年来在揭示气候变化周期性特征中
应用广泛,它不但可以甄别出不同时间尺度下的周期
性变化,而且还能够分析出不同时间尺度下的位相变
化[12]。
1) 小波变换
小波变换是把一称为基本小波的函数做位移后,
再在不同的尺度域下对待分析信号做内积[13]。小波变
换的连续函数为:
 
1
2
,d
fR
tb
abaf tt
a





 (1)
其中, 称为小波系数,a > 0 为尺度因子,反
映小波的周期长度;b为时间因子,反映了在时间上
的平移;

,
fab



f
t为时间序列,

t

为 的复共轭函
数。

t

2) 交叉小波变换
交叉小波变换是将小波变换与交叉谱分析相结
合的一种新的信号分析技术,可以从多时间尺度来研
究两个时间序列在时频域中的相互关系[14]。设


x
Ws
的交叉小和分别是给定的两个时间序列 X和Y
换,

y
Ws
波变 定义它们的交叉小波谱为


XYX Y
nnn
WsWsW

*s

(2)
对应的交叉小波功率谱密度为

XY
n
Ws,其值越
大,彼此相表明两者具有共同的高能量区, 关显著。
运用红色噪音标准谱对连续交叉小波功率谱进行显
著性检验[15],以显著性水平 0.05

下的红色噪音标
准谱的检验。
2.4. 极端降雨阈值与指数
0~2012 年所有日降雨量
≥0.1 m
取5个极端降雨指数作为研究珠江流域极
端降
的整体发生状况,本文定
义一
将研究时段内某站 196
m按升序排列,第 95个百分位值为该站极端降
雨阈值。
本文选
雨的基本指标(表1)。
为了表征极端降雨事件
个新指标,即极端降雨综合指数

95
Z
,它反映
了整个流域极端降雨的综合态势。95
Z
定义如下:
95 9513RpRDRIRX dayRXday
Z
ZZZZ MZ

 (3)
其中, 95
R
p
Z、
R
D
Z
、
R
I
Z
、1
R
X day
Z、
3
R
X day
Z分
、RI X1da 3标准化
别为
R95P、RD 、Ry、RX day 序列对应的 序列,
M为常数。标准化序列为研究序列进行标准化处理后
的序列,对序列进行标准化处理目的是使数据无量纲
化和消除相邻数据的相关性,使不同的序列处于同一
标准。本文采用 z-score 标准化法对极端降雨 5个基本
指标序列进行标准化处理,该标准化法公式如下[3]:

1, 2,,
i
i
xx
Z
in
s
 (4)
式(4)中,

i
Z
表示标准化后的序列要素值的时间序
列; i
x
表示未 标准化的时间序列;经
x
为要素序列的
均值,s为要素序列的标准差。
3. 结果与分析
3.1. 空间分布特征
流域各个测站近53 年的 6
个极
值呈显著上升趋势,说明北江流域中上游极端降雨量
利用线性倾向法对珠江
端降雨指标序列进行趋势分析并将各站极端降
雨指标趋势反映到空间上。图 2a 为流域 R95P 值趋势
变化空间分布图(以下称趋势图),由图可知韶关 R95P
Open Access
404
吴旭树,等:珠江流域极端降雨时空变化规律及气候影响因素研究
第2卷 · 第6期
sed in the study with associated definition and units
雨指数及相应定义与单位
序号 单位
Table 1. Extreme precipitation indices u
表1. 珠江流域极端降
极端降雨指数 指数定义
1 R95P mm
极端降雨总量
2 RD 极端降雨日数
极端降雨平均强度
R m
Ry
d
3 RI mm/d
4 X1day 最大 1d 降雨量 m
5 X3da 最大连续 3d 降雨量 mm
Figure 2. Spatial distribution of trends of R95P (a); RD (b); RI (c); RX1day (d); RX3day (e) and Z95 (f)
图2. 珠江流域 R95P 值(a);RD 值(b);RI值(c);RX1day值(d);RX3day 值(e)与Z95 值(f)趋势变化空间分布图
明显增大。图2b
显著则表明珠江三角洲流域中上游极端降雨频数
,表明北江流域
中上游、黔洵江及西江上游流域是洪涝灾害和滑坡等
,流域防洪压力增大。
3day 与
Z95 值分别取平均得到整个流域平均R95P、RD、RI、
~c 中增城RD 值、靖西 RI 值上升趋 中蒙山和韶关 Z9值有显著上升趋势
势
明显增加,左江及郁江流域上游极端降雨强度明显趋
强。图 2d~e 为流域RX1day 值与RX3day 值趋势图,这
两个值代表极端降雨的集中强度和集中雨量;图中望
谟和靖西 RX1day 值、蒙山 RX3day 值有显著上升的趋势,
意味着北盘江流域、左江及郁江上游流域、黔洵江及
西江上游流域容易出现集中强降雨情况,是洪水易发
区。图 2f 显示代表极端降雨整体发生情况的综合指数
Z95 值趋势图,该值越大表示全年极端降雨强度越大,
时间越长,雨量越大,集中度越高,可由之辨别易发
生洪涝灾害及降雨引发的滑坡等地质灾害的地区;图
地质灾害的易发区。
图2a~f 还共同反映出珠江流域大部分地区极端
5
降雨指标均呈不显著的上升趋势,仅局部地区出现下
降甚至显著下降的情况,这表明整个流域极端降雨总
体上呈不显著上升趋势
3.2. 时间演变特征
3.2.1. 趋势与突变分析
将流域各测站 R95P、RD、RI、RX1day、RX
Open Access 405
吴旭树,等:珠江流域极端降雨时空变化规律及气候影响因素研究
第2卷 · 第6期
RX1day、RX3day 与Z95 值,运用线性倾向与M-K 方法
势与突变特征结果显示 6个序列呈增长趋
显著(相关 R过 信度检验),
长率分别为 7/ ,19
·d/10a 1.05 mm/10a0.69 mm/1/10a
有超过临界值 1.96, 没有通过信度检验
故6个序列突变不显 流
R95P 序列存在2.3a、3.9a、7a、13.3a 和23.7a
2.3a 和3.9a为主周期(通过 95%红
94
~200 年有 2.
6.9a、的变 以
~
4.
中在2.2~6. 短周期内,这
荡特征。
3.2.3. R/S分析
运用 R/S法分析珠江流域 RD、RI、RX、
1day RX3day)、0.6274 (Z95)。显 然6
过0.5,说明序列均是持续性时
间序
降雨成因非常复杂,其中气候因素的
影响
接地引起全球大气环流及
重要指标,对地球气候、
水文
95P
的主振荡 ,并且通过 95%的红噪声检验,而且该
黑子
太阳黑子与R95P 序列存在 6.9~13.9a 的显著共振周期,
分析其趋 。
势,但不系数 没有通0.05
对应的增 5.4 mm10a0.05d/ 0a,0.06
mm −1,, 0a 和0.272;
6个序列的 UF 和UB 曲线虽在置信区内有交点,但没
线± 即0.05,
著。因而珠江域 R95P、RD、
RI、RX1day、RX3day 与Z95 均呈增长趋势,但不存在突
变点。
3.2.2. 周期分析
利用小波变换对珠江流域近53 年R95P、RD、RI、
RX1day、RX3day与Z95 序列的周期进行分析,得到如下
结论:1)
的变化周期,且以
噪声检验,下文同);在 1963~1985 年、19~1998 年、
2003 82~4a的显著周期(通过 95%红噪声
检验,下文同),1990~2005 年和 1988~1995 年则表现
为3.6~4.6a 和4.8~7.1a 的显著周期,另外在 1978~20 00
年有 11.4~16.4a 的周期,但不显著。2) RD序列存在
2.3a、3.9a、13.2a 和22.1a 化周期,并
2.3a 和3.9a 为主周期;在 1968~1975 年、1977~1990
年、2004~2009 年存在 2~2.8a 的显著周期,19 88~2008
年则为 3.1~5.5a 的显著周期,且在 1978~1996 年有
11~16.6a 的周期,但不显著。3) RI序列存在 2.3a 和
5.3a 的主周期,并在 1960~1982 年和 1985~2012 年以
2~4.4a、2.1~6.7a 为显著周期。4) RX1day 序列存在2.2a、
6.9a 和13.3a 的变化周期,且以 2.2a 为主周期;并且
在1960~1997 年、2000~2012 年和 1989~1999 年序列
表现为 2.1~3.2a、2~4.5a、5~6.8a 的显著周期。5) RX3day
序列存在 2.2a、6.5a 和13.6a 的变化周期,其中 2.2a
和6.5a为序列主周期;在 1960~1986 年、1992~1996
年和 2001~2012 年以 2~4a为显著周期,在 1985~2005
年则表现为 3.9~7.2a 的显著周期。6) Z95 序列存在
2.3a、6.9a 和13.5a 的周期,且以 2.3a 为主周期;在
1960~1987 年、1992~1997 年和 20012009 年表现为
2.1~4.1a的显著周期,在 1987~2000 年以 9~7.1a 为
显著周期。
综合来看,6个序列的小波功率谱COI 区域内能
量密度的的峰值主要集 5a的
表明珠江流域极端降雨以短周期演变为主,长周期变
化不明显;上述分析还表明,流域极端降雨序列存在
多尺度周期振
R95P、1day
RX3day 与Z95序列的长期记忆性。6个序列的 Hurst 指
数分别为0.6437 (R95P)、0.6269 (RD)、0.7949 (RI)、
0.5668 (RX)、0.6348 (
个序列的Hurst 值均超
列,具有长期记忆性特征,即珠江流域 R95P、RD、
RI、RX1day、RX3day 与Z95 未来的变化也将持续过去不
显著的增加趋势,其中 RI序列 Hurst 值远大于 0.5,
持续性显著。
珠江流域极端降雨指标趋势、突变、周期及长期
记忆性分析结果见表 2。
3.3. 气候影响因素探讨
流域的极端
居于首位[15]。太阳活动能够导致太阳辐射增强和
等离子体运动,直接或者间
气候的异常变化;太阳黑子作为一种缓变型太阳活
动,是反映太阳辐射变化的
的变化会有一定的调制作用[16]。ENSO 事件是国
际上公认的海气祸合系统中最强的年际变化信号,许
多地方的降水、气温等气候要素的异常与 ENSO 有着
密切的联系,尤其是对降水的影响更为显著。已有研
究表明,ENSO 事件对东亚夏季风的强弱变化和中国
夏季降水的分布有着重要影响。鉴于此,本文拟对太
阳黑子、ENSO 与珠江流域 R95P 的关联性进行分析,
并为珠江流域极端降雨事件的气候影响因素提供科
学依据。
3.3.1. 太阳黑子与珠江流域 R95P 关联性分析
图3a~c 为太阳黑子与珠江流域 R95P 的小波功率
谱、小波交叉谱和小波相干谱。由图 3a 可知,
1981~1995 年太阳黑子与 R序列均存在 12.4~13.4a
周期
频段两者周期显著带形状有一定的相似性,说明太阳
与珠江流域R95P 存在时频域相关。
图3b 小波交叉谱中,COI 区域内 1974~1998 年
Open Access
406
吴旭树,等:珠江流域极端降雨时空变化规律及气候影响因素研究
Open Access
第2卷 · 第6期
407
ncteristics of
与Z95 序列趋势、突
I RX1day RX3day Z
95
Table 2. Results of trends, mutatios, periods and persistent chara
表2. 珠江流域 R95P、RD、RI、RX1day、RX3day
序列名称 R95P RD R
R95P, RD, RI, RX1day, RX3day and Z95 in the Pearl River basin
变、周期及长期记忆性分析结果
趋势 ↑ ↑ ↑ ↑ ↑ ↑
增长率 5.47 mm/10a 0.05d/10a 0.069 mm·d-1/10a 1.05 mm/10a 0.69 mm/10a 0.272/10a
突变点 -
主2. 2.3 2.33a 2
长期记忆性
- - - - -
变化周期 3a, 3.9aa, 3.10aa, 5.2.2a .2a, 6.5a2.3a
√ √ √√ √ √ √
注:“ 不显著示显著表示有持持续性显
↑”表示 上升,“↑↑”表上升;“√”续性,“√√”表示著。
(a) (b) (c)
Figure 3. Continuous wavelet transform (a), Cross wavelet transform (b) and squared wavelet coherence (c) between R95P and sunspot
图3. 珠江流域 R95P 与太阳黑子交叉小波分析的小波功率谱(a)、小波交叉谱(b)和小波相干谱(c)
并且在该频段上两者表现出反相位的显著共振关系,
且振荡的凝聚性最
列
在中低频段上表现出很强的相干性,主要集中在
尼诺与珠江 R95P
为厄尔尼诺(与珠 域的小
a可知,
1981~1995 年ENSO 与95P 序列存在 13.1~13.9a 的主
频段
两者
.8a、3.7~4.6a、2.2~
2.6a 和10.5~14.7a 的显著共振周期,ENSO 与R95P 序
著共振关系,且
共振能量较低。图相干谱能量较高的区域集中在
1972
端降雨呈不显著的增加趋势,但没有出现显著突
在多尺度周期振荡特征。
强,其他频段上太阳黑子与 R95P 序列在这四个频段上表现出同相位的显
的共振能量较低。图 3c显示了太阳黑子与 R95P 序振荡的凝聚性最强,其他频段上 ENSO 与R95P 序列的
4c
列
~1985 年、2004~2009 年的 2~2.5a 振荡周期内和
1977~1989 年、2001~2006 年的 3.7~5.8a 周期内以及
1977~1996 年11~13.9a 周期内,未通过 95%的红噪声
检验。由此可知,ENSO 与珠江流域 R95P 有较好的关
1963~1972 年和 1980~1998 年。相干谱高能量区集中
在1963~1972 年的 2.1~3.9a 振荡周期内,在该频段上
相干性通过 95%的红噪声检验。除此之外,相干谱能
量较高的区域还集中在 1980~1987 年的2.1~2.5a 和
1983~1992 年的 3.3~5.2a 振荡周期内及 1984~1998 年
的8.8~11a 周期内,但没有通过 95%的红噪声检验。
由此可知,珠江流域R95P 对太阳黑子响应较大,太阳
黑子是影响珠江流域R95P 的主要因素之一。
3.3.2. 厄尔流域 关联性分析
图4a~c ENSO) 江流 R95P
波功率谱、小波交叉谱和小波相干谱。由图4
R
联性,ENSO 是影响珠江流域R95P 的主要因素之一。
4. 结论
1) 珠江流域大部分地区 R95P、RD、RI、RX1day、
RX3day 与Z95 值呈不显著的上升趋势,说明整个流域
极端降雨总体上呈不显著上升趋势,流域防洪压力增
大。其中,北江中上游、北盘江、左江及郁江上游、
黔洵江及西江上游是洪涝灾害易发区。
2) 线性倾向和 M-K法研究表明,珠江流域近 53
振荡周期,并且通过 95%的红噪声检验,而且该 年极
变。
周期显著带形状有一定的相似性,说明 ENSO 与
珠江流域R95P 存在时频域相关。
图4b 中,COI 区域内 1983~2010 年和 1977~1997
年ENSO 与R95P 序列存在 2.1~6.2a 和10.4~14.7a 的共
振周期,且 1985~1993 年、1998~2005 年、2008 ~2010
年和 1977~1997 年两者存在4.6~5
3) 小波变换分析周期结果显示,珠江流域极端降
雨以 2.2~6.5a 为主振荡周期,另外在 6.9a~23.7a 还表
现出不显著振荡周期,说明江流域极端降雨以短周期
演变为主,长周期变化不明显,极端降雨指标序列存
吴旭树,等:珠江流域极端降雨时空变化规律及气候影响因素研究
第2卷 · 第6期
(a) (b) (c)
Figure 4. Continuous wavelet transform (a), Cross wavelet transform (b) and squared wavelet coherence (c) between R95P and ENSO
图4. 珠江流域 R95P 与ENSO 交叉小波分析的小波功率谱(a)、小波交叉谱(b)和小波相干谱(c)
4) R/S法分析表明,珠江流域极端降雨具有长期
记忆性特征,即未来极端降雨仍呈不显著增加趋势。
5) 交叉小 波
EN
子和 ENSO 为珠江流域极端降雨的两个主要气候影
响因
5. 致谢
(References)
[1]
情景预估[J]. 南京林业大学学报, 2008, 32(3): 5-8.
N Yiling, JIANG Tong, et al. Changes of
extreme precipitation in the Yangtze River delta and its pr
evaluation for future. Journal of Nanjing Forestry University,
2008, 32(
roup II to the fourth assessment
report of the interpanel on climate change: Cli-
7.
l evolution characteristics of ex-
Hy-
[6] AGUILAR E., et al. Changes in precipitation and temperature
extremes in Central America and northern South America, 1961-
2003. Journal of Geophysical Research, 2005, 110(D23): D2310.
g of annual maximum
ciations for the Black-
12):
precipitation
orological Press, 1999:
ZHANG Bo, et al. Cross wavelet analysis and
entia Geographica Sinica, 2011, 31(6): 747-
62(5): 538-544.
graphica
and their effects on
变换分析结果显示,太阳黑子和 [7] JAIN, S., LALL, U. Magnitude and timin
floods: Trends and large-scale climatic asso
SO与珠江流域极端降雨有较好的阳 smith Fork River, Utah. Water Resources Research, 2000, 36(
关联性,即太 3641-3651.
[8] ZHAI, P.M., ZHANG, X.B., et al. Trends in total
黑
素。
感谢国家自然科学基金项目的支持,感谢第十一
届中国水论坛推荐!
参考文献
张增信, 栾以玲, 姜彤等. 长江三角洲极端降水趋势及未来
ZHANG Zengxin, LUA
e- R
3): 5-8. (in Chinese)
[2] IPCC. Contribution of working g
governmental
mate change 2007: Impacts, adaptation and vulnerability. Cam-
bridge and New York: Cambridge University Press, 200
[3] 彭俊台, 张强, 陈晓宏, 陈永勤. 珠江流域极端降雨时空演变
特征分析[J]. 灾害学, 2011, 26(4): 24-28. (in Chinese)
PENG Juntai, ZHANG Qiang, CHEN Xiaohong and CHEN
Yongqin. Spatial and tempora
treme rainfalls in the Pearl River basin. Journal of Catas- tro-
phology, 2011, 26(4): 24-28. (in Chinese)
[4] KARL, T.R., KNIGHT, R.W., et al. Secular trends of precipita-
tion amount frequency and intensity in the USA. Journal of
drology, 2010, 25(3): 507-516.
[5] WANG, D.B., HAGEN, S.C. and ALIZAD, K. Climate change
impact and uncertainty analysis of extreme rainfall events in the
Apalachicola River basin, Florida. Journal of Hydrology, 2013,
480(6): 125-135.
and frequency of daily precipitation extremes over China. J.
Climate, 2005, (18): 1096-1108.
[9] NING, L., QIAN, Y.F. Interdecadal change in extreme precipita-
tion over south china and its mechanism. Advances in Atmos-
pheric Sciences, 2009, 26(1): 109-118.
[10] LIU, J.-W., et al. The extreme summer precipitation over east
China during 1982-2007 simulated by the LASG/IAP regional
climate model. Atmospheric and Oceanic Science Letters, 2012,
5(1): 62-67.
[11] 魏凤英. 现代气候统计诊断与预测技术[M]. 北京: 气象出版
社, 1999: 43-69.
WEI Fengying. Statistical diagnosis and forecasting technique of
climate at present. Beijing: China Mete
43-69. (in Chinese)
[12] 王亚敏, 张勃等. 地磁Ap 指数与太阳黑子数的交叉小波分析
及R/S分析[J]. 地理科学, 2011, 31(6): 747-751.
WANG Yamin,
/S analysis of relationship between geomagnetic Ap index and
sunspot number. Sci
751. (in Chinese)
[13] 郝志新, 郑景云, 葛全胜. 黄河中下游地区降水变化的周期
分析[J]. 地理学报, 2007,
HAO Zhixin, ZHENG Jingyun, GE Quansheng. Precipitation
cycles in the middle and lower Yellow River. Acta Geo
Sinica, 2007, 62(5): 538-544. (in Chinese)
[14] TORRENCE, C., COMPO, G.P. A practical guide to wavelet
analysis. Bulletin of the American Meteorological Society, 1998,
79(1): 61-78.
[15] LING, Y. Hydroeletric engineeing books of Changjiang water
resources commission. Beijing, 2005.
[16] 王家龙, 孙静兰. 太阳活动及其对地球环境的影响[J]. 第四
纪研究, 2002, 22(6): 511-521.
Wang Jialong, Sun Jinglan. Solar activities
terrestrial environments. Quaternary Sciences, 2002, 22(6): 511-
521. (in Chinese)
Open Access
408

版权所有:汉斯出版社 (Hans Publishers) Copyright © 2012 Hans Publishers Inc. All rights reserved.