高原气象

高原气象 >

2025 , Vol. 44 >Issue 2: 335 - 348

DOI: https://doi.org/10.7522/j.issn.1000-0534.2024.00076

中国1979 -2023年降水-风速复合极端事件气候特征研究

  • 褚利玲 , 1, 2 ,
  • 刘丽珺 , 1, 2, 3 ,
  • 梁友嘉 4 ,
  • 何超 1, 2 ,
  • 张天宇 3 ,
  • 金继明 1, 2
展开
  • 1. 长江大学资源与环境学院，湖北 武汉 430100
  • 2. 长江大学油气地球化学与环境湖北省重点实验室，湖北 武汉 430100
  • 3. 中国气象局气候资源经济转化重点开放实验室，重庆市气候中心，重庆 401147
  • 4. 武汉理工大学资源与环境工程学院，湖北 武汉 430070
刘丽珺（1988 -）， 女， 甘肃定西人， 讲师， 主要从事气候变化与新能源研究. E-mail：

褚利玲（2000 -）， 女， 山西吕梁人， 硕士研究生， 主要从事极端天气与气候事件研究. E-mail：

收稿日期: 2024-02-01

  修回日期: 2024-07-01

  网络出版日期: 2025-03-12

基金资助

气候资源经济转化重点开放实验室开放课题(2023016)

中国博士后科学基金资助(2023M730363)

收起

Climate Characteristics Analysis of Compound Precipitation and Wind Speed Extremes in China from 1979 to 2023

  • Liling CHU , 1, 2 ,
  • Lijun LIU , 1, 2, 3 ,
  • Youjia LIANG 4 ,
  • Chao HE 1, 2 ,
  • Tianyu ZHANG 3 ,
  • Jiming JIN 1, 2
Expand
  • 1. College of Resources and Environment，Yangtze University，Wuhan 430100，Hubei，China
  • 2. Hubei Provincial Key Laboratory of Oil and Gas Geochemistry and Environment，Yangtze University，Wuhan 430100，Hubei，China
  • 3. China Meteorological Administration Economic Transformation of Climate Resources Key Laboratory，Chongqing climate center，Chongqing 401147，China
  • 4. School of Resources and Environmental Engineering，Wuhan University of Technology，Wuhan 430070，Hubei，China

Received date: 2024-02-01

  Revised date: 2024-07-01

  Online published: 2025-03-12

Copyright

© Editorial Department of Plateau Meteorology （CC BY-NC-ND）
Fold

摘要

基于1979 -2023年欧洲中期天气预报中心第五代大气再分析数据集的中国逐小时降水和10 m风速， 利用复合极端事件判定、 趋势分析法、 空间统计分析以及合成分析法， 研究了中国降水-风速复合极端事件（PWEs）的时空变化以及相应聚类特征， 并对划分时间段后的环流特征进行分析。结果表明， 中国PWEs总体呈东多西少， 分区PWEs中， 华东地区发生最多， 其发生频次与日数平均值在4~8次和4~8 d范围内最多， 相应面积占比分别达到78.9%和71.5%。1979 -2023年PWEs整体呈下降趋势， 2011 - 2023年发生频次与日数的变化速率是1979 -2010年的2.3倍和3.4倍。1979 -2010年PWEs变化趋势在华东地区中东部、 西南地区中部和西北地区北部为增加趋势， 华中地区下降最快； 2011 -2023年， 正趋势值主要集中在中国中部， 华东地区增加最快， 每10年分别增加0.96次和1.12 d； 华南地区则以-0.81 次·（10a）-1和-0.77 d·（10a）-1的速度下降。1979 -2010年热点区域集中在胡焕庸线西侧以及沿海地区， 2011 -2023年热点区域的分布与变化趋势正值分布一致。PWEs是大气高、 中、 低层共同作用的结果： 大气高层的辐散增强以及急流带的减弱有助于北抬， 促进大气的上升运动， 同时也促使西北太平洋副热带高压（以下简称西太副高）向西伸展。大气中层东风异常有利于西太副高外围水汽进入中国内陆地区， 低层的东南风异常也进一步促进水汽向中国内陆输送。2010年之后的大气环流特征也表现为PWEs向中国中部地区发展。

关键词： 复合极端事件; 时间复合; 时空特征; 空间聚类; 环流特征

本文引用格式

褚利玲 , 刘丽珺 , 梁友嘉 , 何超 , 张天宇 , 金继明 . 中国1979 -2023年降水-风速复合极端事件气候特征研究[J]. 高原气象, 2025 , 44(2) : 335 -348 . DOI: 10.7522/j.issn.1000-0534.2024.00076

Abstract

Based on the hourly precipitation and 10 m wind speed data from the European Centre for Medium-Range Weather Forecasts （ECMWF） Fifth Generation Atmospheric Reanalysis dataset from 1979 to 2023， spatiotemporal changes and its corresponding clustering characteristics of compound precipitation and wind speed extremes （PWEs）， and the circulation characteristics in different periods in China were studied by using compound extreme events definition， trend analysis， spatial statistical analysis， and composite analysis.The results showed that PWEs in China were generally more frequent in the east than in the west.Among the PWEs in each subregion， the highest value was found in East China， where the mean value of the frequency and the days were the most in the range of 4~8 times and 4~8 d， and the corresponding area share reached 78.9% and 71.5%， respectively.The overall trend of PWEs from 1979 to 2023 had been decreasing， with the rate of change from 2011 to 2023 being 2.3 times and 3.4 times that of 1979 to 2010.The trend of PWEs from 1979 to 2010 showed an increasing trend in the central and eastern region of Eastern China， the central region of Southwest， and the northern region of Northwest， and the fastest decrease in Central China.From 2011 to 2023， positive trend values were mainly concentrated in the central region of China， and the Eastern China was the region of the fastest growth with rates of 0.96 times and 1.12 d per decade.In contrast， Southern China exhibited a decrease at rates of 0.81 times·（10a）-1 and -0.77 d·（10a）-1.The hot spot areas were concentrated on the west side of the Hu Line and coast region from 1979 to 2010， and the distribution of hot spot areas from 2011 to 2023 were consistent with the positive distribution of trend change.In addition， PWEs are the result of the combined effects of the high， middle， and low-level atmospheric layers.The enhancement of atmospheric high-level divergence and the weakening of the jet belt promote the upward movement of the atmosphere and the westward extension of the west Pacific subtropical high.The anomalous easterly wind in the middle atmosphere is conducive to the entry of water vapor from the periphery of the Northwest Pacific subtropical high into the inland regionof China， and the anomalous southeast wind in the low-level atmosphere further promotes the transport of water vapor to the inland region of China.The atmospheric circulation characteristics after 2010 also showed the development of PWEs events towards inland region of China.

Key words： compound extreme events; temporal compound; spatiotemporal characteristics; spatial clustering; circulation characteristics

1 引 言

降水-风速复合极端事件（Compound precipitation and wind speed extremes， PWEs）正对全球气候和社会-生态系统管理产生前所未有的冲击（余荣和翟盘茂， 2021； Yaddanapudi et al， 2022； Rajeev and Mishra， 2023）。PWEs造成的损失远高于单一极端事件（Fang et al， 2021； Ridder et al， 2020）， 如2013年发生的13个热带气旋造成我国179人死亡， 1260.3亿元经济损失（温珊珊等， 2017）。受东亚季风环流（Chen et al， 2021； Chen et al， 2019）、 地形地貌（赵阳， 2017）以及海温异常（Luo and Lau， 2019； Wei et al， 2023）等叠加影响， 中国是全球极端复合事件高发区。深入研究气候变化下中国PWEs复杂变化特征， 对增强极端事件预测水平及制定气候适应策略具有重要科学价值。
近年来， PWEs已成为研究热点之一。PWEs在区域和全球尺度得到了广泛探索。Yaddanapudi et al （2022）利用ERA5数据集和CMIP6情景数据集对沿海地区PWEs变化进行探讨， 确定了PWEs的热点区域并对未来时期的变化进行了预测。Zhu et al （2024）利用ERA5数据和CMIP6模拟EC-Earth3气候模式情景模式数据对全球PWEs进行了评估与预测。Zscheischler et al （2021）基于ERA5数据集和不同天气模型模拟研究了PWEs的依赖结构， 发现边界条件驱动的WRF模拟是解释PWEs依赖结构差异的关键因素。Martius et al （2016）在季节尺度上定量评估1979 -2012年期间全球PWEs的比例， 发现欧洲、 北美西岸和南美洲南部的PWEs在冬季较为频发。Hénin et al （2021）探讨了1979 - 2018年伊比利亚半岛的PWEs， 发现冬季的PWEs强度无显著变化。PWEs与气旋、 大气河流和地形影响有关。Owen et al （2021）量化了欧洲PWEs的依赖性， 并探讨了PWEs与温带气旋的空间格局， 结果表明与PWEs同时发生的温带气旋强度更大， 平均速度也更快。Messmer and Simmonds （2021）探究了全球气旋与PWEs之间的关系， 发现气旋与PWEs复合事件占气旋总数的2%~3%， 发生区域主要是北美、 日本、 地中海、 澳大利亚和热带气旋高发区。Li et al （2022）发现大气河是影响印度洋-太平洋地区PWEs频繁发生的因素之一。Martius et al （2016）发现PWEs在沿海地区和热带气旋高发区频发， 受地形和天气系统的影响较大。
中国极端降水与极端风速的单一事件研究已经取得实质性进展（Gu et al， 2022； Zha et al， 2021）。如1961 -2002年全国风速在年-季尺度均为下降趋势（Wu et al， 2020）， 此后多数区域风速开始增加（Wu and Shi， 2022）； 在区域尺度上， 甘肃地面风速整体变化在1981 -2020年趋于平稳， 但春季以显著下降为主 （马绎皓等， 2023）。1960 -2015年中国极端降水强度和频率由东北向西南呈带状延伸递减（Deng et al， 2018）； 模式情景分析发现2020 -2100年中国高纬度和高海拔地区对极端降水的强度变化将更敏感， 而东南、 华南地区对其频率增加的响应会更强烈（Xu et al， 2019）； 处于发展期秋季的东部型El Niño事件对华中和华南地区秋季极端降水产生显著影响， 进而导致极端降水在华南地区增多， 华中地区减少（蒲于莉等， 2023）； 在区域尺度上， 1979 -2021年陕西省夏季极端降水自北向南逐渐增加， 且夏季影响陕西省的水汽来源主要来自欧亚中高纬地区、 内陆江河流域以及南海和孟加拉湾， 大气高、 中、 低层大气环流共同作用导致2005年后极端降水增加（杜一博等， 2024）。随着对复合事件研究的增加， 对中国PWEs的评估也在增加。Zhang et al （2021）基于全国1701个气象站点近30年PWEs的时空分布特征， 发现2011年起华南地区PWEs明显增加； CN05.1数据集和气候模型评估表明南部和东部地区是PWEs频发区域（Meng et al， 2023）。
上述研究对认识不同时空尺度的PWEs变化趋势和演变特征提供了重要的理论指导和研究经验。但仍然存在以下不足： 首先是对于PWEs的研究主要集中在大尺度上， 没有对区域变化进行研究； 其次是， PWEs研究主要基于变化趋势确定重点区域， 没有考虑聚类分析； 最后是PWEs大气环流特征是否发生调整和改变存在一定不足。为了解决这些问题， 本文基于1979 -2023年ERA5数据集总降水量和10 m风速数据， 利用趋势分析和空间自相关法探讨中国PWEs的时空格局变化及聚类特征， 了解不同分区PWEs的变化， 并对PWEs发生期间的环流异常进行分析， 以期为极端天气事件监测预警和气候适应管理提供科学参考。

2 材料来源与方法介绍

2.1　研究区与数据资料

本文以整个中国作为研究区域， 为了深入探讨PWEs的区域差异本文依据自然地理区划方法（Duan et al， 2021）将中国34个省级行政区划分为7个地理大区（图1）： 东北（黑龙江、 吉林、 辽宁）、 西北（陕西、 甘肃、 宁夏、 青海、 新疆）、 西南（云南、 贵州、 四川、 重庆、 西藏）、 华北（北京、 天津、 河北、 山西、 内蒙古）、 华中（河南、 湖北、 湖南）、 华东（上海、 福建、 江苏、 浙江、 安徽、 江西、 山东、 台湾）和华南（广东、 广西、 海南、 香港、 澳门）地区。其中， 胡焕庸线表现了中国自然、 经济和人口等资源分布不均衡， 尤其是西侧大部分地区人少和东侧人口密集的巨大差距， 因此， 本文还依据胡焕庸线将全国划分为东侧和西侧两个区域探究人口差距区域PWEs的分布特征。
图1 研究区空间分布

Fig.1 The spatial distribution of study area

本研究使用的1979 -2023年水平分辨率为0.25°×0.25°的气象数据来源于欧洲中期天气预报中心（European Centre for Medium-Range Weather Forecasts， ECMWF）发布的ERA5逐小时再分析数据资料（https： //cds.climate.copernicus.eu/）；逐小时总降水量的日总和以及10 m风场的日最大值用来计算PWEs； 200 hPa/500 hPa/850 hPa位势高度和200 hPa/500 hPa/850 hPa纬向风以及500 hPa/850 hPa经向风）用来分析大气环流特征。
文中涉及的地图是基于中华人民共和国自然资源部地图技术审查中心标准地图服务系统下载的审图号为GS（2023）2767的中国地图制作， 底图无修改。

2.2　降水-风速复合极端事件判定

将PWEs定义为极端降水与极端风速在同一天发生的事件（肖秀程等， 2020； Zscheischler et al， 2020）。首先， 将连续1天及以上日降水量/日最大风速高于阈值的过程定义为极端降水/极端风速事件， 阈值定义为1980 -2010年参考期以31天为窗口期的日降水/日最大风速的第90个百分位， 根据给定日期 d p r / d w s计算阈值数据集 X d p r / d w s［式（1）］。其次， 计算极端降水事件与极端风速复合事件， 包括发生频次（PWEF）和日数（PWED）。PWEF是指每个格点上每年PWEs发生的次数， PWED是指每个格点上每年PWEs发生的天数。
X d p r / d w s = ∪ y = 1980 2010    ∪ i = d p r / d w s - 15 d p r / d w s + 15 T y , i
式中： ⋃ 表示集合； Ty，i 表示第y年中第i日的日降水量或日最大风速（Lo et al， 2021）。

2.3　方法说明

2.3.1　趋势分析

本文使用简单线性回归法在一维和三维尺度上对PWEs发生频次和PWEs日数的年际变化进行趋势分析。首先采用时间作为横轴对PWEs发生频次和PWEs日数时间序列进行一维线性回归， 确定总体变化趋势， 并采用Mann-Kendall非参数检验法对变化趋势进行显著性检验（刘雨亭等， 2024）。其次采用趋势分析法［式（2）， Zhao et al， 2023］进行三维线性回归， 在网格尺度上揭示PWEs发生频次和PWEs日数的年际变化。此外， 结合Mann-Kendall（M-K）方法对PWEs进行突变检验。
S = t × ∑ i = 1 t ( i × V i ) - ∑ i = 1 t i ∑ i = 1 t V i t × ∑ i = 1 t i 2 - ∑ i = 1 t i 2
式中： t表示时间周期（45）； i表示年份序数， i=1是1979年； V表示网格中每个格点的PWEF/PWED； 斜率S表示PWEF和PWED的变化趋势。S>0表示网格PWEF/PWED呈上升趋势， S<0为下降趋势。

2.3.2　空间自相关分析

本文使用全局莫兰指数（Global Moran's I）和局部莫兰指数（Angelina Local Moran's I）分析了PWEF/PWED趋势的全局空间自相关性［I Q， 式（3）］和局部空间自相关性［I J， 式（4）］。
I Q = n ∑ i = 1 n ∑ j = 1 n W i j x i - 1 n ∑ i = 1 n x i x j - 1 n ∑ j = 1 n x j ∑ i = 1 n ∑ j = 1 n W i j ∑ i = 1 n x i - 1 n ∑ i = 1 n x i 2
I J = x i - 1 n ∑ i = 1 n x i ∑ j = 1 n W i j x j - 1 n ∑ j = 1 n x i 1 n ∑ i = 1 n x i - 1 n ∑ i = 1 n x i 2
式中： n表示网格点数量； xi 和xj 分别表示第i个和第j个网格PWEF/PWED的趋势； Wij 表示网格之间的空间权重矩阵， 当i和j邻近时， Wij 为1， 反之为0。IQ 取值是［-1， 1］， 正值表明存在空间集聚特征， 值越大聚集趋势越强， 负值则相反。采用IJ 及其标准化统计量Z值划分： 1）高高聚集（HH）， IJ 为正且Z≥1.96， PWEF/PWED趋势高于平均值（热点区）； 2）高低聚集（HL）， IJ 为正且Z值<1.96， PWEF/PWED趋势的高值被低值围绕； 3）低低聚集（LL）， IJ 为负且Z<1.96， PWEF/PWED趋势低于平均值（冷点区）； 4）低高聚集（LH）， IJ 为负且Z值≥1.96， PWEF/PWED趋势低值被高值围绕； 5）无显著聚集（nosig） （He et al， 2023）。 Z ≥ 1.65表明显著性在0.1水平下， Z ≥1.96在0.05水平下， Z ≥ 2.58在0.01水平下， Z < 1.65为不显著（nosig）。冷热点分析使用ArcGIS软件中的Getis Ord Gi工具计算。

2.3.3　合成分析

本研究利用合成分析揭示PWEs相关的大气环流特征。首先对网格尺度小时变量进行平均以计算日均值。然后将所有PWEs参与日的日均值减去气候态值， 得到PWEs参与日的数据异常值。在此基础上， 对数据异常值进行相等权重平均， 得到PWEs异常。其中， 气候态是对1980 -2020年参考期内所有日历日值进行平均， 为了去除可能出现的短期波动， 日历日值是以日历日为中心的31天滑动平均获得的。此外， 我们使用Student’s t 检验在0.05显著性水平上进行PWEs异常显著性检验（Wu et al， 2023）。

3 结果

3.1　 PWEs时空分布特征

时空分布特征分析发现， 研究期间PWEs累积发生频次和日数（以下简称PWEs发生频次、 PWEs日数）分别为3.31次和3.55 d。其中， PWEs发生频次和日数的高值区域主要分布在我国胡焕庸线东部， 全国最高的PWEs发生频次位于西南地区的四川宜宾， 其多年平均PWEs发生频次高达10.2 次； 相比之下， 西北和西南大部分地区的PWEs发生频次最少， 其中西南地区的云南大理的PWEs发生频次仅为0.43 次， 是全国最少的地区［图2（a）］。多年平均PWEs日数的空间分布与多年平均PWEs发生频次相似， 全国高值位于四川的宜宾、 南充和自贡地区， 其多年平均PWEs日数高达10.5 d， 云南大理为全国最少的0.44 d［图2（b）］。PWEs日数的分布与Zhang et al （2021）研究中90分位阈值PWEs频率分布的结果总体一致， 该研究指出90分位阈值PWEs频率高值主要分布在中国南方地区， 这与本文的结果大致相同。
图2 1979 -2023年中国PWEs发生频次（a）和日数（b）的空间分布格局

Fig.2 Spatial distribution pattern of PWEs frequency （a） and days （b） in China from 1979 to 2023

为了解多年平均PWEs特征的区域化差异， 分别计算了各分区的区域平均PWEs发生频次及PWEs日数， 并进一步统计了不同事件区间内PWEs发生频次及PWEs日数值的面积占比。分析发现， 7个地理分区中， 除西北地区和西南地区外， 其他分区PWEs发生频次和PWEs日数均超过3 次和3 d， 华东地区是PWEs频次最多， 日数最多的地区， PWEs发生频次和PWEs日数分别为5.5 次和6.2 d。2~4 次和2~4 d是华北地区PWEs发生频次和PWEs日数面积占比最多的区间， 面积比例分别占到53%和50%； 东北、 华东、 华南和华中地区PWEs发生频次和PWEs日数面积占比最多的区间均为4~6 次和4~6 d， PWEs发生频次面积比例分别占到57.5%、 44.8%、 58.2%和42.6%， PWEs日数面积比例分别占到52.5%、 41.2%、 57.2%和33.8%（表1）。
表1 不同分区PWEs发生频次和PWEs日数的区域均值及不同值域面积占比

Table 1 The regional average value and the area proportions of different intervals of frequency and days of PWEs in different regions

物理量 区域
西北 华北 东北 华东 华南 华中 西南
PWEs发生频次 多年平均值/次 2.6 3.2 5.4 5.5 4.6 5.2 2.1
面积占比/% <2 52.7 20.0 0.0 0.0 1.9 0.8 66.0
2~4 25.2 53.0 13.1 17.3 30.2 24.5 19.7
4~6 14.6 25.5 57.5 44.8 58.2 42.6 6.8
6~8 6.3 1.5 27.3 34.1 8.1 31.8 3.1
>8 1.2 0.0 2.1 3.8 1.6 0.3 4.4
PWEs日数 多年平均值/d 2.7 3.4 5.7 6.2 5.3 5.7 2.3
面积占比/% <2 51.5 18.7 0.0 0.0 1.1 0.7 64.1
2~4 25.1 50.0 8.1 9.5 24.6 21.6 19.8
4~6 14.7 24.1 52.5 41.2 47.2 33.8 7.6
6~8 6.9 7.2 35.6 30.3 20.0 33.5 3.2
>8 1.8 0.0 3.8 19.0 7.1 10.4 5.3
观察中国年PWEs发生频次及PWEs日数距平的逐年变化（图3）可见， 1979 -2023年， PWEs发生频次和PWEs日数呈下降趋势， 其中PWEs发生频次在90%的置信水平下通过显著性检验， 全国PWEs发生频次每10年减少0.095 次， PWEs日数不显著减少幅度为0.085 d·（10a）-1。PWEs发生频次和PWEs日数均在2011年出现最低值， 本文依据此将整个时间段细分为1979 -2010年和2011 - 2023年2个阶段。1979 -2010年PWEs发生频次和PWEs日数变化趋势为-0.103 次·（10a）-1和-0.101 d·（10a）-1， 2011 -2023年二者的趋势分别为0.236 次·（10a）-1和0.341 d·（10a）-1， 后一阶段是前一阶段下降速率的2.3倍和3.4倍。以上分析结果与Zhang et al （2021）得到的PWEs整体呈下降趋势， 在2010年以后呈上升趋势的结论大致相同。中国地表极端风速事件逆转可能与近10年来受大气环流和城市化的双重影响有关（Zha et al， 2021）， 尤其是冷季东南沿海地区大气环流影响要高于城市化（Liu et al， 2023）， 这表明PWEs频发与大气环流特征的相关性强。
图3 全国PWEs发生频次（a）和PWEs日数（b）距平逐年变化

Fig.3 Annual change of frequency （a） and days （b） anomaly of PWEs in China

不同时期全国平均PWEs发生频次和PWEs日数同样表现出一致的下降趋势， 其中20世纪70年代的PWEs发生频次和PWEs日数最大， 分别达到3.70 次和3.95 d， 之后持续减少， 到了2011 - 2020年， PWEs发生频次和PWEs日数减小至最小， 分别为3.15 次和3.39 d， 到了近期（2021 - 2023年）， PWEs发生频次和PWEs日数分别增长至3.37 次和3.73 d。经M-K方法对PWEs进行突变检验后， 发现全国PWEs发生频次在1987年发生突变性减少， 在此之前的年份， PWEs发生频次正距平占66.7%， 突变之后， PWEs发生频次负距平从33.3%增长至55.6%， 到了2010年之后， 负距平占比减少至53.8%， 特别是2020年之后， 3年中仅有1年为负距平。PWEs日数与PWEs发生频次的突变时间点一致， 但正负距平值占比不一致， 1987年之前， 正距平占比55.6%， 突变后负距平占比增长至61.1%， 2010年后PWEs日数负距平占比同样为53.8%， 2020年后的负距平同样仅1年。2021年的PWEs日数距平值达到0.58 d， 是2010年之后的最大值。

3.2　 PWEs空间变化聚类格局

空间趋势分析发现， 网格尺度PWEs的变化趋势存在较大差异。1979 -2023年全国PWEs发生频次和PWEs日数有14.7%和14.1%的地区通过显著性检验， 呈减少趋势的面积占比分别为69.33%和66.86%（通过显著性检验的面积为12.7%和11.9%）， 减少的地区主要集中在华南、 华东、 华中、 西南地区东部和华北地区北部， PWEs发生频次及PWEs日数在胡焕庸线东侧的下降趋势［-0.14 次·（10a）-1和-0.12 d·（10a）-1］大于西侧［-0.06 次·（10a）-1和-0.07 d·（10a）-1］［图4（a）、 图4（b）］。1979 -2010年与1979 -2023年变化趋势的分布大致相同， 通过显著性检验的面积占比为11.1%和10.8%， 全国PWEs发生频次和PWEs日数呈减少趋势的面积占比均低于61%， 8.4%和7.8%的地区通过显著性检验， 胡焕庸线东侧下降趋势［-0.239 次·（10a）-1和-0.237 d·（10a）-1］大于西侧［-0.023 次·（10a）-1和-0.03 d·（10a）-1］， ［图4（c）、 图4（d）］。2011-2023年变化趋势的分布发生较大变化， 通过显著性检验的面积占比低于1979-2010年（10.6%和10.5%）， 全国PWEs发生频次和PWEs日数呈增加趋势的面积占比增加至54.36%和54.62%（6.8%的地区通过显著性检验）， 华中、 华东、 华北地区北部和西南地区北部表现出超过2 次·（10a）-1和2 d·（10a）-1的正趋势。胡焕庸线东侧PWEs发生频次和PWEs日数的增加趋势［0.54 次·（10a）-1和0.64 d·（10a）-1］大于西侧［0.13 次·（10a）-1和0.17 d·（10a）-1］［图4（e）、 图4（f）］。Zhang et al （2021）分析了我国2010年之后的PWEs发现， 2010年之后PWEs增长率超过2010年之前下降率的2倍， 这与本文的结果相似。
图4 三个时间段（1979 -2023、 1979 -2010和2011 -2023年）中国PWEs发生频次（a， c， e）和日数（b， d， f）的空间趋势

Fig.4 Spatial trends of PWEs frequency （a， c， e） and days （b， d， f） in China with three periods （1979 -2023， 1979 -2010， and 2011 -2023）

为了解PWEs变化特征的区域化差异， 分别计算不同分区区域平均PWEs发生频次及PWEs日数的趋势值， 并进一步统计7个地理分区变化趋势的面积占比。分析发现， 1979 -2023年， 7个地理分区PWEs发生频次和PWEs日数均呈下降趋势， 其中华中地区和西南地区在0.1水平下显著， 华中地区是PWEs发生频次和PWEs日数下降最快的地区， 每10年分别减少0.3 次和0.32 d。7个地理分区在1979 -2023年PWEs发生频次和PWEs日数呈增加趋势的面积占比均低于50%， 华中地区是增加趋势面积占比最小的地区， 占比分别为6.63%和6.68%（表2）。1979 -2010年， 7个地理分区中， 除西北地区外， 其他分区PWEs发生频次和PWEs日数均呈下降趋势， 华中地区以-0.6 次·（10a）-1和-0.63 d·（10a）-1）的趋势显著下降， 是下降最快的地区， 也是下降趋势面积占比最大的地区， 占比分别为96.93%和96.97%。2011 -2023年， 7个地理分区中， 除华南地区外， 其余地区PWEs发生频次和PWEs日数均不显著上升， 除西南地区和华南地区外， 其余地区PWEs发生频次和PWEs日数呈增加趋势的面积占比均超过50%。
表2 不同分区不同阶段PWEs发生频次及PWEs日数的趋势变化及上升趋势面积占比

Table 2 The trends and the area proportion with upward trends of PWEs frequency and days in different regions during different periods

物理量 时间段 区域
西北 华北 东北 华东 华南 华中 西南
PWEs发生频次趋势 /［times·（10a）-1］ 1979 -2023年 -0.05 -0.12 -0.06 -0.18 -0.15 -0.30* -0.05*
1979 -2010年 0.01 -0.08 -0.05 -0.23 -0.25 -0.60* -0.11*
2011 -2023年 0.14 0.18 0.70 0.96 -0.81 1.01 0.15
PWEs日数 /［d·（10a）-1］ 1979 -2023年 -0.05 -0.12 -0.03 -0.15 -0.10 -0.32* -0.05*
1979 -2010年 0.01 -0.10 -0.09 -0.16 -0.24 -0.63* -0.11*
2011 -2023年 0.14 0.33 0.67 1.12 -0.77 1.15 0.19
PWEs发生频次 上升趋势/% 1979 -2023年 34.74 26.93 36.36 24.23 24.40 6.63 35.88
1979 -2010年 50.90 39.65 42.27 32.59 23.04 3.07 35.91
2011 -2023年 54.62 54.60 73.48 61.77 20.50 78.04 44.12
PWEs日数 上升趋势/% 1979 -2023年 35.11 29.33 44.40 29.88 34.16 6.68 36.88
1979 -2010年 50.90 38.83 38.51 36.53 26.87 3.03 37.33
2011 -2023年 54.44 57.75 68.26 60.95 27.98 78.48 44.51

*代表趋势达到0.1的显著性水平（* indicate the trends passing the 0.1 significance level）

为了解1979 -2023年、 1979 -2010年和2011 - 2023年PWEs发生频次和PWEs日数变化趋势的空间聚类特征， 本文进行了包括全局自相关（表3）和冷热点分析（图5）在内的深入分析。全局自相关分析结果显示， 三个时间段PWEs发生频次和PWEs日数的Moran's I指数（IQ ）均在1%的水平上显著， IQ 均大于0.83且z值均超过1200， 这表明三个时间段PWEs发生频次和PWEs日数趋势具有一致性和高度增强的正向空间自相关性（表3）。
表3 PWEs发生频次及PWEs日数的全局自相关特征

Table 3 Global Moran's I results of frequency and days of PWEs

物理量 时间段 全局自相关参数
Moran's Index z-score p-value
PWEs发生频次趋势 1979-2023年 0.834551 1248.912197 0.000000
1979-2010年 0.836913 1252.450239 0.000000
2011-2023年 0.86.355 1287.525781 0.000000
PWEs日数趋势 1979-2023年 0.845062 1264.647273 0.000000
1979-2010年 0.832924 1246.492749 0.000000
2011-2023年 0.867989 1298.952064 0.000000
图5 三个时间段（1979 -2023、 1979 -2010和2011 -2023年）中国PWEs发生频次（a， c， e）和日数（b， d， f）趋势冷热点分析

Fig.5 Spatial pattern of cold and hot spots of PWEs frequency （a， c， e） and days （b， d， f） trends in China with three periods （1979 -2023， 1979 -2010， and 2011 -2023）

基于冷热点分析发现， 1979 -2023年PWEs发生频次和PWEs日数趋势的显著热点区域（HH）主要集中在西南、 西北、 东北、 华北南部、 华东东部地区和华南西部地区， 这些区域属于增长率较高的区域。此外， 显著冷点区域（LL）主要集中在华南、 华中、 华东、 西南东部和华北北部地区， 这些地区增长率较低甚至呈下降趋势。以胡焕庸线来看， 热点区域主要分布在西侧， 冷点区域主要分布在东侧［图5（a）、 图5（b）］。1979 -2010年PWEs发生频次和PWEs日数趋势的聚类格局与1979 -2023年总体分布一致， 华南和华东沿海地区表现出更加集中的热点区域（HH）， 胡焕庸线东（西）侧冷（热）点区域分布更加集中［图5（c）、 图5（d）］。但2011 -2023年PWEs发生频次和PWEs日数趋势的集聚特征发生明显的变化， 华东北部、 华中北部、 华北东北部以及西南与西北地区东部交界处转变为热点区域（HH）， 东北地区仍处于热点区域（HH）， 华南和华东沿海地区、 西南和西北地区中西部、 华北中西部以及西南地区东南部地区转变为冷点区域（LL）。胡焕庸线东西侧冷热点分区不明显［图5（e）、 图5（f）］。1979 -2010年热点区域分布集中在胡焕庸线西侧及沿海地区， 而2011 -2023年热点区域转变为中国中部地区。Zhang et al （2021） 分析了2016年7月18 -21日中国PWEs发生期间水汽、 降水以及风速变化， 发现PWEs由西南地区和陕西转向浙江、 福建、 江西和广东， 再向湖北、 山东、 河南和河北等地， 这与本文2011 -2023年PWEs热点区域分布一致。

3.3　 PWEs大尺度环流特征

基于前两节分析发现， 2010年前后全国PWEs趋势发生了变化， 为进一步分析2010年前后大气环流特征， 本小节分时段讨论导致PWEs异常的大尺度环流特征。从图6（a）和图6（b）可以看到， 在200 hPa处位势高度正异常由弱至强， 后一时间段增强的正位势高度异常有利于中国上空高层辐散进而促进上升运动增强， 2010年之后高空急流带变弱且存在北抬现象， Chen and Zhang （2020）的研究指出高空急流北抬减弱对西北太平洋副高脊线西伸有利， 这会导致水汽向中西部地区输送， 进而促进PWEs发生， 是造成PWEs的主因。在对流层中层500 hPa， 位势高度正异常也表现出由弱至强［图6（c）和图6（d）］， 2010年后的东风异常以及东南风异常有利于水汽输送， 低纬度的印度半岛北部、 中南半岛、 南海至西太平洋位势高度正异常偏低， 符合华南前汛期持续性暴雨发展的东亚槽底型环流场（徐明等， 2016）， 这有利于该区PWEs发生。图6（e）和图6（f）是低层850 hPa位势高度场和风场， 2010年之前90°E -110°E越赤道气流转向为西南季风暖湿气流， 并向华南地区输送水汽和能量， 而后一时间段受异常东南风影响， 使水汽更易进入中国内陆地区， 为PWEs的发生提供了水汽条件。2010年之后PWEs的大气环流特征较1979 -2010年更为明显， 同时表现出向内陆地区发展的趋势。
图6 1979 -2010年（a）、 2011 -2023年（b）200 hPa高度场（色阶， 单位： gpm）和U风场（红色等值线， 单位： m·s-1）， 1979 -2010年（c， e）、 2011 -2023年（d， f）500 hPa（c， d）和850 hPa（e， f）高度场（色阶， 单位： gpm）和风场（矢量， 单位： m·s-1）

图中所绘均通过95%置信水平， （a）和（b）中的黑色等值线为200 hPa U风场的气候态（U风≥30 m·s-1）

Fig.6 Geopotential height （color scale， unit： gpm） and horizonal wind （red contour， unit： m·s-1） at 200 hPa between 1979 -2010 （a） and 2011 -2023 （b）， respectively.Geopotential height （color scale， unit： gpm） and wind field （vector， unit： m·s-1） at 500 hPa （c， d）and 850 hPa（e， f） between 1979 -2010 （c， e） and 2011 -2023 （d， f）， respectively.All depicted in the figure have passed the 95% confidence level， the black line in （a） and （b） is the climate state of zonal wind at 200 hPa （U wind ≥30 m·s-1）

4 讨论

PWEs持续时长根据极端降水与极端风速在同一天发生进行事件识别（肖秀程等， 2020； Zscheischler et al， 2020）， 以后应比较其他定义的差别。例如， 将PWEs定义为同一地点同时出现两种极端事件， 或者前/后一天出现极端风情况下极端降水发生率的显著变化， 这类方法均会受同一天气系统影响（Martius et al， 2016）。PWEs可能在有限时间窗口内发生且可能位于附近/相邻位置（Raymond et al， 2020）， 适用于格点数据或在给定区域内均匀分布的观测站数据。本研究PWEs先降后增且在2011年逆转， 与已有研究（Zhang et al， 2021）一致。大部分地区PWEs显著增加， 高值区主要位于热带气旋频发的华南沿海， 与已有研究一致（Martius et al， 2016）。气候变化和人类活动共同影响下PWEs上升趋势仍会持续（Meng et al， 2023）， 将给人类健康、 作物产量、 生态系统和基础设施等带来更大风险， 亟需开展PEWs气候适应性评估和科学应对。
大尺度环流稳定性是PWEs持续发生的必要条件， 应具体分析稳定条件下温度、 湿度、 风速和位势高度等物理参数的环流特征， 加强复合事件动力学特征研究。根据PWEs降水异常中心区域纬/经向剖面的垂直速度、 水汽通量、 假相当位温等环境参数研究， 探讨锋面动力学特征（贾子康等， 2020）； 利用热力不稳定参数（如最有利抬升指数、 最大对流有效位能）开展热力学研究（常娜等， 2022； 姚静等， 2024）。对各种天气形势下中小尺度PWEs深入研究， 如其与热带气旋、 温带气旋和大气罗斯比波活动的影响关系（Owen et al， 2021）。人类对PWEs影响也不可忽视， 如温室气体和气溶胶以及土地利用变化可能影响全球或半球范围的极端降水， 但自然变率可能会掩盖这种影响（Messmer and Simmonds， 2021）。复合极端风-降水的探测和归因分析会更好地促进理解事件的形成机制和影响， 需要开发能够准确模拟单变量极端事件统计量以及复杂事件导向的复合模型， 通过模型优化选择可以更准确地预测与社会变化相关的PWEs。

5 结论

本文研究了1979 -2023年中国PWEs时空特征演变及其大气环流特征， 得出以下结论：
（1） 中国多年平均PWEs总体上呈东多西少， 高值主要位于胡焕庸线东侧， 全国最高值出现在西南地区。7个地理分区中， 西南地区PWEs最少。华东最多， 4~8次和4~8 d的PWEs发生频次和PWEs日数面积占比达到78.9%和71.5%。1979 - 2023年PWEs两个指标以-0.095 次·（10a）-1和-0.085 d·（10a）-1的速度下降。2011-2023年的变化速率是1979 -2010年的2.3倍和3.4倍。
（2） 1979 -2010年两个指标变化趋势空间格局表现为华南、 华东、 华中、 西南地区东部和华北地区北部呈减少趋势， 华中地区下降最快； 华东地区中东部、 西南地区中部和西北地区北部呈增加趋势。2011 -2023年， 华中、 华东、 华北地区北部和西南地区北部呈正趋势， 华东地区增加最快， 每10年分别增加0.96 次和1.12 d， 华南地区两个指标则分别以-0.81 次·（10a）-1和-0.77 d·（10a）-1的速度下降。
（3） PWEs两个指标的变化趋势具有正向空间自相关性。1979 -2010年两个指标的显著热点区域集中在胡焕庸线西侧以及沿海地区。2011 -2023年聚类格局发生明显变化， 热点区域转变为中国中部， 华南和华东沿海地区以及胡焕庸线西侧的热点区域转变为冷点区域。
（4） 中国PWEs是对流层高、 中、 低层共同作用的结果。大气高层辐散增强以及急流带变弱北抬促进大气上升运动以及西北太平洋副高的西伸。大气中层东风异常有利于西北太平洋副高外围水汽进入中国内陆地区， 低层的东南风异常也进一步促进水汽向中国内陆输送。2010年之后的大气环流特征也表现出PWEs向中国内陆地区发展。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
Chen F H， Chen J， Huang W， 2021.Weakened East Asian summer monsoon triggers increased precipitation in Northwest China［J］.Science China Earth Sciences， 64（5）： 835-837.DOI： 10.1007/s11430-020-9731-7 .

Chen W， Wang L， Feng J， et al， 2019.Recent progress in studies of the variabilities and mechanisms of the East Asian monsoon in a changing climate［J］.Advances in Atmospheric Sciences， 36： 887-901.DOI： 10.1007/s00376-019-8230-y .

Chen Z H， Zhang J， 2020.The characteristics of late summer extreme precipitation in northern China and associated large‐scale circulations［J］.International Journal of Climatology， 40（12）： 5170-5187.DOI： 10.1002/joc.6512 .

Deng Y， Jiang W G， He B， et al， 2018.Change in intensity and frequency of extreme precipitation and its possible teleconnection with large‐scale climate index over the China from 1960 to 2015［J］.Journal of Geophysical Research： Atmospheres， 123（4）： 2068-2081.DOI： 10.1002/2017JD027078 .

Duan R X， Huang G H， Li Y P， et al， 2021.Ensemble temperature and precipitation projection for multi-factorial interactive effects of GCMs and SSPs： application to China［J］.Frontiers in Environmental Science， 382.DOI： 10.3389/fenvs.2021.742326 .

Fang J Y， Wahl T， Fang J， et al， 2021.Compound flood potential from storm surge and heavy precipitation in coastal China： dependence， drivers， and impacts［J］.Hydrology and Earth System Sciences， 25（8）： 4403-4416.DOI： 10.5194/hess-25-4403-2021 .

Gu X Z， Ye L， Xin Q， et al， 2022.Extreme precipitation in China： a review on statistical methods and applications［J］.Advances in Water Resources， 163： 104144.DOI： 10.1016/j.advwatres. 2022.104144 .

He C， Niu X X， Ye Z X， et al， 2023.Black carbon pollution in China from 2001 to 2019： Patterns， trends， and drivers［J］.Environmental Pollution， 324： 121381.DOI： 10.1016/j.envpol.2023. 121381 .

Hénin R， Ramos A M， Pinto J G， et al， 2021.A ranking of concurrent precipitation and wind events for the Iberian Peninsula［J］.International Journal of Climatology， 41（2）： 1421-1437.DOI： 10.1002/joc.6829 .

Li D L， Chen Y， Messmer M， et al， 2022.Compound wind and precipitation extremes across the Indo-Pacific： climatology， variability， and drivers［J］.Geophysical Research Letters， 49（14）： e2022GL098594.DOI： 10.1029/2022GL098594 .

Liu L J， Liang Y J， He C， et al， 2023.Evaluating the contribution of climate change and urbanization to the reversal in maximum surface wind speed decline： Case study in the Yangtze River Economic Belt， China［J］.Urban Climate， 52： 101713.DOI： 10. 1016/j.uclim.2023.101713 .

Lo S H， Chen C T， Russo S， et al， 2021.Tracking heatwave extremes from an event perspective［J］.Weather and Climate Extremes， 34： 100371.DOI： 10.1016/j.wace.2021.100371 .

Luo M， Lau N C， 2019.Amplifying effect of ENSO on heat waves in China［J］.Climate Dynamics， 52（5-6）： 3277-3289.DOI： 10. 1007/s00382-018-4322-0 .

Martius O， Pfahl S， Chevalier C， 2016.A global quantification of compound precipitation and wind extremes［J］.Geophysical Research Letters， 43（14）： 7709-7717.DOI： 10.1002/2016GL070017 .

Meng Y， Hao Z C， Zhang Y， et al， 2023.Projection of compound wind and precipitation extremes in China based on Phase 6 of the Coupled Model Intercomparison Project models［J］.International Journal of Climatology， 43（3）： 1396-1406.DOI： 10.1002/joc. 7922 .

Messmer M， Simmonds I， 2021.Global analysis of cyclone-induced compound precipitation and wind extreme events［J］.Weather and Climate Extremes， 32： 100324.DOI： 10.1016/j.wace. 2021.100324 .

Owen L E， Catto J L， Stephenson D B， et al， 2021.Compound precipitation and wind extremes over Europe and their relationship to extratropical cyclones［J］.Weather and Climate Extremes， 33： 100342.DOI： 10.1016/j.wace.2021.100342 .

Rajeev A， Mishra V， 2023.Increasing risk of compound wind and precipitation extremes due to tropical cyclones in India［J］.Environmental Research： Climate， 2（2）： 021004.DOI： 10.1088/2752-5295/accf2e .

Raymond C， Horton R M， Zscheischler J， et al， 2020.Understanding and managing connected extreme events［J］.Nature Climate Change， 10（7）： 611-621.DOI： 10.1038/s41558-020-0790-4 .

Ridder N N， Pitman A J， Westra S， et al， 2020.Global hotspots for the occurrence of compound events［J］.Nature Communications， 11（1）： 5956.DOI： 10.1038/s41467-020-19639-3 .

Wei J， Han W Q， Wang W G， et al， 2023.Intensification of heatwaves in China in recent decades： Roles of climate modes［J］.npj Climate and Atmospheric Science， 6（1）： 98.DOI： 10.1038/s41612-023-00428-w .

Wu J， Shi Y， 2022.Changes in surface wind speed and its different grades over China during 1961-2020 based on a high‐resolution dataset［J］.International Journal of Climatology， 42（7）： 3954-3967.DOI： 10.1002/joc.7453 .

Wu J， Shi Y， Xu Y， 2020.Evaluation and projection of surface wind speed over China based on CMIP6 GCMs［J］.Journal of Geophysical Research： Atmospheres， 125（22）： e2020JD033611.DOI： 10.1029/2020JD033611 .

Wu S J， Luo M， Zhao R， et al， 2023.Local mechanisms for global daytime， nighttime， and compound heatwaves［J］.npj Climate and Atmospheric Science， 6（1）： 36.DOI： 10.1038/s41612-023-00365-8 .

Xu K， Xu B B， Ju J L， et al， 2019.Projection and uncertainty of precipitation extremes in the CMIP5 multimodel ensembles over nine major basins in China［J］.Atmospheric Research， 226： 122-137.DOI： 10.1016/j.atmosres.2019.04.018 .

Yaddanapudi R， Mishra A， Huang W， et al， 2022.Compound wind and precipitation extremes in global coastal regions under climate change［J］.Geophysical Research Letters， 49（15）： e2022GL098974.DOI： 10.1029/2022GL098974 .

Zha J L， Zhao D M， Wu J， et al， 2021.Terrestrial near-surface wind speed variations in China： Research progress and prospects［J］.Journal of Meteorological Research， 35： 537-556.DOI： 10. 1007/s13351-021-0143-x .

Zhang Y Q， Sun X B， Chen C C， 2021.Characteristics of concurrent precipitation and wind speed extremes in China［J］.Weather and Climate Extremes， 32： 100322.DOI： 10.1016/j.wace.2021. 100322 .

Zhao Y， Li B， Ni J M， et al， 2023.Global spatial and temporal patterns of fine particulate concentrations and exposure risk assessment in the context of SDG indicator 11.6.2［J］.Ecological Indicators， 155： 111031.DOI： 10.1016/j.ecolind.2023.111031 .

Zhu X Y， Tang J P， Yang Y， 2024.Assessment and Projection of Compound Wind and Precipitation Extremes in EC-Earth3 of CMIP6 Simulations［J］.Asia-Pacific Journal of Atmospheric Sciences， 60（1）： 81-93.DOI： 10.1007/s13143-023-00337-1 .

Zscheischler J， Martius O， Westra S， et al， 2020.A typology of compound weather and climate events［J］.Nature Reviews Earth & Environment， 1（7）： 333-347.DOI： 10.1038/s43017-020-0060-z .

Zscheischler J， Naveau P， Martius O， et al， 2021.Evaluating the dependence structure of compound precipitation and wind speed extremes［J］.Earth System Dynamics， 12（1）： 1-16.DOI： 10. 5194/esd-12-1-2021 .

常娜， 李茂善， 王灵芝， 等， 2022.峨眉山地区近地层微气象特征研究［J］.高原气象， 41（1）： 226-240.DOI： 10.7522/j.issn.1000-0534.2021.00111.Chang N ，

Li M S， Wang L Z， et al， 2022.Study on Micrometeorological Characteristics of Near Surface Layer in Emeishan Area［J］.Plateau Meteorology， 41（1）： 226-240.DOI： 10.7522/j.issn.1000-0534.2021.00111 .

杜一博， 李双双， 冯典， 等， 2024.全球变暖背景下陕西省夏季极端降水及其大尺度环流特征［J］.高原气象， .43（2）： 342-352.DOI： 10.7522/j.issn.1000-0534.2023.00062.Du Y Y ，

Li S S， Fang D， et al， 2024.Characteristics of Extreme Summer Precipitation and Large-Scale Circulation in Shaanxi Province under Global Warming［J］.Plateau Meteorology， 43（2）： 342-352.DOI： 10.7522/j.issn.1000-0534.2023.00062 .

贾子康， 郑志海， 封国林， 2020.中国南方地区盛夏高温类型及其对应的大尺度环流和海温异常［J］.气象学报， 78（6）： 928-944.DOI： 10.11676/qxxb2020.073.Jia Z K ，

Zheng Z H， Feng G L， 2020.Midsummer high temperature types in southern China and corresponding large-scale circulation and sea surface temperature anomalies［J］.Acta Meteorologica Sinica， 78（6）： 928-944.DOI： 10.11676/qxxb2020.073 .

刘雨亭， 王磊， 李谢辉， 等， 2024.西南地区2000-2020年植被覆盖度时空变化与影响因素分析［J］.高原气象， 43（1）： 264-276.DOI： 10.7522/j.issn.1000-0534.2023.00052.Liu Y T ，

Wang L， Li X H， et al， 2024.Aanlisis on spatio-temporal variability of fractional vegetation cover and influencing factors from 2000 to 2020 in southwestern China［J］.Plateau Meteorology， 43（1）： 264-276.DOI： 10.7522/j.issn.1000-0534.2023.00052 .

马绎皓， 毛睿， 杨阳， 等， 2023.ERA5再分析资料对甘肃省近地面风速气候特征及变化趋势再现能力的评估［J］.高原气象， 42（1）： 210-220.DOI： 10.7522/j.issn.1000-0534.2022.00030.Ma Y H ，

Mao R， Yang Y， et al， 2023.Evaluation of the ERA5 reanalysis data on the near-surface wind speed climate characteristics and change trend reproduction ability in Gansu Province［J］.Plateau Meteorology， 42（1）： 210-220.DOI： 10.7522/j.issn.1000-0534.2022.00030 .

蒲于莉， 冯娟， 李建平， 2023.东部型El Niño事件发展期秋季对中国极端降水的影响［J］.高原气象， 42（6）： 1457-1467.DOI： 10.7522/j.issn.1000-0534.2023.00004.Pu Y L ，

Feng J， Li J P， 2023.Influence of developing phase of Eastern Pacific El Niño events on the autumn extreme precipitation in China［J］.Plateau Meteorology， 42（6）： 1457-1467.DOI： 10.7522/j.issn.1000-0534.2023.00004 .

温姗姗， 翟建青， Thomas F， 等， 2017.1984—2014年影响中国热带气旋的经济损失标准化及其变化特征［J］.热带气象学报， 33（4）： 478-487.DOI： 10.16032/j.issn.1004-4965.2017.04.005.Wen S S ，

Zhai J Q， Thomas F， et al， 2017.Variation of normalized economic losses form influential tropical cyclones in China for 1984-2014［J］.Journal of Tropical Meteorology， 33（4）： 478-487.DOI： 10.16032/j.issn.1004-4965.2017.04.005 .

肖秀程， 黄丹青， 严佩文， 2020.极端气温和极端降水复合事件的气候特征［J］.气象科学， 40（6）： 744-751.DOI： 10.3969/2019jms.0047.Xiao X C ，

Huang D Q， Yan P W， 2020.The climatic characteristics of compound extreme events［J］.Journal of the Meteorological Sciences， 40（6）： 744-751.DOI： 10.3969/2019jms.0047 .

徐明， 赵玉春， 王晓芳， 等， 2016.华南前汛期持续性暴雨统计特征及环流分型研究［J］.暴雨灾害， 35（2）： 109-118.DOI： 10.3969/j.issn.1004 —9045.

2016.02.003.Xu M， Zhao Y C， Wang X F， et al， 2016.Statistical characteristics and circulation pattern of sustained torrential rain during the pre-flood season in South China for recent 53 years［J］.Torrential Rain Disaster， 35（2）： 109-118.DOI： 10.3969/j.issn.1004 —9045.2016.02.003.

姚静， 李培荣， 肖贻青， 等， 2024.陕南西南涡暴雨的热动力特征分析［J］.高原气象， 43（3）： 655-666.DOI： 10.7522/j.issn.1000-0534.2023.00074.Yao J ，

Li P R， Xiao Y Q， et al， 2024.Thermodynamic characteristics of southwest vortex rainstorm in southern Shaanxi［J］.Plateau Meteorology， 43（3）： 655-666.DOI： 10.7522/j.issn.1000-0534.2023.00074 .

余荣， 翟盘茂， 2021.关于复合型极端事件的新认识和启示［J］.大气科学学报， 44（5）： 645-649.DOI： 10.13878/j.cnki.dqkxxb.20210824006.Yu R ，

Zhai P M， 2021.Advances in scientific understanding on compound extreme events［J］.Transactions of Atmospheric Sciences， 44（5）： 645-649.DOI： 10.13878/j.cnki.dqkxxb.20210824006 .

赵阳， 2017.青藏高原大地形影响及其水汽输送结构对中国东部暴雨极端事件时空分布影响机理［D］.北京： 中国气象科学研究院.Zhao Y， 2017.Mechanism of the influence of the large-scale topography and water vapor transport structure of the Tibetan Plateau on the extreme events of heavy rainfall time and space distribution in Eastern China［D］.Beijing： Chinese Academy of Meteorological Sciences.

Options
文章导航

/

〈 〉

本系统由北京玛格泰克科技发展有限公司设计开发 技术支持：support@magtech.com.cn