2. 中国农业科学院农业资源与农业区划研究所/呼伦贝尔草原生态系统国家野外科学观测研究站, 北京 100081;
3. 中国气象局国家气象信息中心, 北京 100081;
4. 浙江省桐乡市气象局, 桐乡 314500;
5. 浙江省衢州市气象局, 衢州 324000;
6. 湖南农业大学资源环境学院, 长沙 410128;
7. 中南林业科技大学计算机科学学院, 长沙 410004
三峡大坝作为当今世界最大的水力发电工程,在发挥着巨大的防洪、航运和发电效益的同时,也对周边地区的生态环境有一定影响。泥沙沉积、生物多样性、水文改变、污染物等问题[1-3]备受各界学者关注,然而针对三峡大坝的运行对局地气候的影响的研究仍然相对较少,其中大部分的气候研究主要集中在三峡库区,如高蕾等[4]利用卫星数据研究了三峡工程对库区冬、夏地表温度的影响,廖要明等[5]从降水等5个要素分析了三峡库区的夏季气候特征。
库区气候所受影响主要由水库蓄水后该地区动力、热力作用随着水位的抬升、水面的扩大和山体相对高差的缩小发生变化而导致[6]。而水库下游地区所受的影响却并不相同,已有研究表明,河流筑坝对自然湿地具有全球性的影响,水坝将不可避免地改变河流流量[7-8]。三峡大坝自2003年运行以来已影响到长江的流量和水位,并且很大程度上改变了下游的水文状况,这些影响的显著性因季节和所处位置而不同,此外季节性变化很大程度上遵循着三峡大坝的蓄排水情况,变化幅度则取决于蓄排水速率和区域气候决定的河流本身的季节性流量[2, 9]。三峡大坝下游长江流量变化导致湖泊向长江的流出量显著增加,大多数湖泊在此期间的储水量显著减少(湖泊总储水量减少趋势为1400万m3/月),洞庭湖和鄱阳湖作为三峡大坝下游最大的两个淡水湖,自2003年以来湖泊面积均显著减少,湿地面积显著增加; 此外,湖泊发生低水位的时期较之前提前,低水位的持续时间也较之前增加[10-11]。诸多研究表明,局地气候与下垫面之间存在着显著的相互作用。那么在三峡大坝下游水文状况改变之后,局地气候会受到怎样的影响?此外邓伟等[12]指出气温是长江中下游流域植被覆盖变化的主要影响因子,土壤湿度和水热条件的改变,又使气温成为首当其冲的受影响气候因子,植被生长必然也会因此受到影响。
长江中下游流域湖泊星罗棋布,与长江干流组成了我国最大的自然人工复合湿地生态系统,孕育了丰富的多样性生物,是中东部重要的生态关键区[13-14],同时流经洞庭湖和鄱阳湖的长江主干道,是我国中部地区的核心区,区内土地资源、矿产资源、水资源等自然资源丰富[15],近些年长江中下游流域水文、生态等问题备受社会各界关注,因此研究三峡大坝运行后长江中下游流域的气温变化以及该地区植被对此变化的响应具有重要意义,可为今后对长江流域气候、生态等问题的研究提供参考。
1 资料和方法 1.1 研究区域与数据资料本文研究区域为长江中下游流域[1](24°27′~33°18′N,108°20′~121°55′E;见图 1)。气象数据采用中国气象局气象数据中心提供的中国地面气候资料日值数据集V3.0,数据经过检验和校正,最终选取位于研究区内120个气象站点1971—2015年的逐日气象数据。
再分析资料采用欧洲中期天气预报中心(ECMWF)的ERA-Interim土壤湿度数据(空间分辨率为0.125°),马思源等[16]和张人禾等[17]的研究表明,在江淮区域,ERA资料与观测数据的相关性要高于其他资料,与观测最接近。
遥感数据采用NASA提供的2006—2015年Terra卫星MODIS植被指数产品MOD13A3(空间分辨率1 km,时间分辨率1个月)。两种植被指数归一化植被指数(NDVI)和增强型植被指数(EVI)在时间、空间分辨率上的连续性都对区域性植被覆盖调查评估具有很好的适用性[18],但EVI相对于NDVI进一步对原始数据进行了较好的大气校正,减小了气溶胶和土壤背景对不同植被覆盖程度反映的影响,对高植被覆盖区或受土壤背景值影响较大的地区适合度更好[19-20]。邓伟等[12]指出,在长江中下游流域,NDVI值高于实际植被覆盖状况,而EVI更能反映出真实的植被覆盖状况。因此本文采用EVI来探究研究区植被对气温的响应和变化。
1.2 研究方法 1.2.1 阶段定义本文将长江中游地区气温的时间序列分为3个阶段:第1阶段(x1),三峡大坝建坝前(1971—1994年);第2阶段(x2),三峡大坝开始建设至大坝完全具备调节功能前(1995—2006年);第3阶段(x3),三峡大坝正常进行运作(2007—2015年)。分别研究从第1阶段到第2阶段,第2阶段到第3阶段的春(3—5月)、夏(6—8月)、秋(9—11月)、冬(12月至次年2月)四季的气温变化。
1.2.2 平均气温为了尽可能消去全球变暖背景对三峡大坝引起的长江中下游地区气温变化的影响,本文利用位于图 1黄色区域(包含研究区)的518个气象站点的整体变化来拟合全球背景的变暖趋势。具体平均气温的计算公式如下:
${T_{n{x_2} - {x_1}}} = \left( {{T_{n{x_2}}} - {T_{n{x_1}}}} \right) - \left( {T{f_{{x_2}}} - T{f_{{x_1}}}} \right),$ | (1) |
${T_{nx}} = \frac{{\sum\limits_{i = {s_1}}^{{s_2}} {\left( {\frac{1}{{{k_i}}}\sum\limits_{j = 1}^{{k_i}} {{t_{nij}}} } \right)} }}{{{s_2} - {s_1} + 1}},$ | (2) |
$T{f_x} = \frac{1}{N}\sum\limits_{n = 1}^N {{T_{nx}}。} $ | (3) |
式(1)~(3)中,tnij为n站点第i年第j天的日值平均气温。ki为第i年的总天数。s1和s2为阶段时间点:当x=1时,s1=1971,s2=1994;当x=2时,s1=1995,s2=2006;当x=3时,s1=2007,s2=2015;Tfx为第x阶段的平均气温全球变暖背景场(x=1, 2, 3),N=518为总拟合区域的站点数;Tnx为阶段平均气温均值;Tnx2 -x1为n站点第x1阶段到第x2阶段的最终平均气温变化量。
1.2.3 高低温日定义及MK检验极端天气气候事件是指一定地区在一定时间内出现的历史上罕见的气象事件,在统计意义上属于不易发生的事件。在考虑全球变暖背景下,本文参考文献[21]并结合研究内容定义当某一台站全时间序列(1971年1月1日至2015年12月31日)中拟合后日最高/低气温由高到低/低到高的累积频率达到5%时所对应的最高/低气温临界值的数值定义为高/低温日的阈值,不同地区的阈值具有极端特征的同时还具备当地的气候特征。具体公式如下:
${A_{nij}} = {a_{nij}} - A{f_{ni}},$ | (4) |
${B_{nij}} = {b_{nij}} - B{f_{ni}},$ | (5) |
${h_{nij}} = \left\{ {\begin{array}{*{20}{l}} {{A_{nij}} \ge T{H_n}} & 1\\ {{A_{nij}} < T{H_n}} & 0 \end{array}} \right.,$ | (6) |
${l_{nij}} = \left\{ {\begin{array}{*{20}{l}} {{B_{nij}} > T{L_n}} & 0\\ {{B_{nij}} \le T{L_n}} & 1 \end{array}} \right.,$ | (7) |
$\frac{{\sum\limits_{i = 1971}^{2015} {\sum\limits_{j = 1}^{{y_i}} {{h_{nij}}} } }}{{\sum\limits_{i = 1971}^{2015} {\sum\limits_{j = 1}^{{y_i}} 1 } }} = 0.05,$ | (8) |
$\frac{{\sum\limits_{i = 1971}^{2015} {\sum\limits_{j = 1}^{{y_i}} {{l_{nij}}} } }}{{\sum\limits_{i = 1971}^{2015} {\sum\limits_{j = 1}^{{y_i}} 1 } }} = 0.05,$ | (9) |
${H_{ni}} = \sum\limits_{j = 1}^{{k_i}} {{h_{nij}},} $ | (10) |
${L_{ni}} = \sum\limits_{j = 1}^{{k_i}} {{l_{nij}}。} $ | (11) |
式(4)~(11)中,Anij和Bnij为拟合后n站台第i年第j天的最高气温和最低气温;anij和bnij分别为日值最高和最低气温;Afni和Bfni分别为第i年的最高和最低气温全球变暖背景场;hnij和lnij分别为高温和低温的判别式;THn和TLn分别为n站点的高温和低温阈值;Hni和Lni分别为n站点第i年高温和低温日数。对高低温日采用MK进行突变检验,MK方法已经在气象上得到了广泛的应用[22]。
1.2.4 土壤湿度和EVI变化趋势对植被指数EVI的遥感影像和不同层的土壤湿度再分析资料均进行季平均处理后,采用以最小二乘法为基础的一元线性回归趋势模型来模拟时间序列数据变化,从而分别从像元和格点尺度上对2006—2015年间长江中下游流域植被指数和土壤湿度变化进行趋势分析,其计算公式如下:
${S_{{\rm{slope}}}}{\rm{ = }}\frac{{n\sum\limits_{i = 1}^n {i{V_i} - \sum\limits_{i = 1}^n {i\sum\limits_{i = 1}^n {{V_i}} } } }}{{n\sum\limits_{i = 1}^n {{i^2} - {{\left( {\sum\limits_{i = 1}^n i } \right)}^2}} }}。$ | (12) |
式(12)中,Sslope为变化率,i为年份,Vi为第i年变量,n为样本数。显著性检验方法为T检验。
2 结果与分析 2.1 平均气温变化特征由图 2可知,在第1阶段至第2阶段,4个季节平均气温均表现出北高南低的变化特征,并且武汉地区和长江下游地区都为正值区。研究区北部在春季的增温情况最明显(图 2a),高值区主要位于武汉地区以及下游东部和北部,最大值为0.84℃,位于武汉地区。研究区南部地区降温情况在夏季比较明显,在冬季较弱。在第2阶段至第3阶段,平均气温变化情况正好与第1阶段至第2阶段相反,平均气温的正值变化区主要位于长江以南,而负值变化区则位于长江以北,三峡地区的平均气温在前后两个变化阶段都表现为降温。研究区南部地区的增温情况在夏季较明显,高值区沿着赣江和湘江分布,最大值为0.74℃,位于洞庭湖地区(图 2d),北部降温情况则在夏季和秋季表现较为突出,低值区主要分布于武汉、三峡和巢湖等地(图 2f)。
平均气温在三峡大坝运行前后的这种变化是在拟合了大区域气候变化背景下显现出来的,在原始变化中,长江以北地区的降温情况并没有这么明显,但是可以得出的结论是长江以南的增温情况明显高于长江以北。那么平均气温作为重要的气候因子之一,在三峡大坝运行后出现的以长江为界限的升降变化,必然会对当地生态环境造成影响。
2.2 高、低温日数MK检验长江中下游流域水文状况的变化可能是造成以上平均气温变化的原因,本文对长江中下游流域的最高气温和最低气温以高温日和低温日进行量化后,采用MK突变检验的方法,对长江以南地区的高温日和长江以北地区低温日分别进行了突变检验,以检验突变时间和三峡大坝完全运行的时间是否吻合。图 3(b)中,UF与UB在1971—1985年之间多次交叉,但未有效突破,之后UB和UF分别上行和下行,后于2008年左右UF在负值信度区间上穿UB,表明江南地区高温日数在2008年左右发生突变。图 3(d)中,UF在1971—1986年间一直处于0值上下,之后下行,于2001年开始上行,最终在2006年左右上穿UB,此后由负转正,表明江北地区低温日数在2006年左右发生突变。
高温日和低温日的突变时间均在三峡大坝完全开始运行的时间附近,说明三峡大坝的运行可能是后来气温变化的原因,由于涉及整个复杂的气候系统,具体影响机制是比较难掌握的,但是由于三峡大坝运行导致的水文状况变化已经被诸多学者所证实,长江中下游流域河网密布,水系纵横,水文状况的改变会对土壤湿度造成影响,而土壤湿度作为陆面过程的重要参量,参与并影响着气候系统中很多重要过程[23]。
大气可以显著影响土壤湿度,而土壤湿度也可以通过改变地表反照率、土壤热容量、植被生长状况以及蒸发蒸腾来影响地表能量、水分的分配,从而影响大气的变化[17]。马柱国等[24]指出,气温对土壤湿度的影响主要表现在浅层, 而深层土壤湿度对气温的影响更加重要。
研究区域浅层土壤湿度在4个季节的变化中均呈现出江南地区增加,正值较大,而江北地区有较小值增加,或者减少(图 4),其中夏季的江北土壤湿度减少在四季中最明显。江南地区土壤湿度增加突出在洞庭湖、鄱阳湖及其支流流域区域,而在长江下游地区则表现较弱。
深层土壤湿度对当地水资源状况的依赖较大,水文状况的改变对深层土壤湿度的影响比浅层更大。图 5中四季深层土壤湿度在江南地区的增加情况与浅层土壤湿度相似,而江北地区的土壤湿度减小情况则比浅层要重一些。不同于中国北方地区土壤湿度和气温之间的负相关关系,Seneviratne等[25]指出中国南方地区的土壤湿度随着气温的升高而增加,马柱国等[24]的研究也表明中国南方地区深层土壤湿度和气温具有正相关关系。长江中下游流域的平均气温在未拟合大范围气候变暖背景的情况下,江北地区同样也存在弱于江南地区的增温现象,平均气温与浅层和深层的土壤湿度之间的关系与前人得出的结论是一致的。蒸散在土壤湿度和气温的相互作用过程中是一个重要的环节,研究表明[26]当土壤湿度很高,且超过阈值时,蒸发与土壤湿度无关;当土壤湿度处于枯萎点和该阈值之间时,蒸发会随着土壤湿度的增加而增加。中国北方地区土壤湿度较低,土壤湿度的增加使蒸发加强,地气之间的潜热通量增加而感热通量降低,因此在中国北方地区土壤湿度与气温之间的负相关关系比较明显。长江中下游流域水资源丰富,土壤湿度较高,土壤湿度的增加未使得蒸发进一步加强,而土壤热容量却仍在增大,迫使地气之间的感热通量增加,这很可能是长江中下游流域及其他中国南方地区土壤湿度与气温之间正相关关系的原因。
刘永强等[27]指出当地-气系统出现异常时,系统将通过内部的各种反馈和自反馈过程使异常减弱。植被在这个过程中扮演着重要的角色,土壤和大气之间除了直接的潜热和感热能量交换之外,还间接地通过植被的蒸腾作用进行能量传递,植被的多少也是一个系统自我调节能力的反映。当土壤湿度变湿(干)或者气温变高(低)时,植被叶面通过张开(闭合)的过程使蒸腾增加(减少),从而使土壤水分的损失增加(减少),潜热消耗增加(减少),使土壤水分或者温度能较快地回到正常状态。同时,土壤湿度和气温对植被的生长也具有重要影响(图 6)。
长江中下游流域4个季节的EVI在2006—2015年有不同的变化。在春季,EVI显著增加的区域主要位于长江以南的赣江和湘江流域,显著减少的区域大部分位于长江附近及以北地区(图 6a)。EVI在夏季的显著增加区域主要位于海拔较高的山区,而显著减少的区域主要沿着长江干流、洞庭湖和鄱阳湖分布,主要位于研究区偏北位置(图 6b)。秋季的EVI显著增加区域分布于长江中下游流域的北部和南部,显著减少区域与夏季相似,但面积相对要小很多(图 6c)。在冬季,EVI显著增加区域大部分位于长江以南,但相对于春季,江南偏北地区也有显著增加的区域,显著减少的区域主要位于洞庭湖以北地区和太湖及其以西地区(图 6d)。4个季节中EVI的正负变化及显著变化的面积百分比如表 1所示,冬季的显著增加区域最大,为33.06%;夏季的显著减少区域最大,为5.11%。4个季节中,除秋季外其他3个季节的平均气温变化与植被的变化显著相关。结果表明,江南地区的土壤湿度的增加和平均气温的升高对植被生长是有正面作用的,这也说明系统自身在通过适当增加江南地区植被和减少江北地区植被来调节这种异常。
本文基于逐日平均气温、最高气温和最低气温的气象资料,ERA-Interim土壤湿度资料及MODIS植被指数的卫星遥感影像,在考虑全球变暖背景下分析了三峡大坝运行前后长江中下游流域的气温变化和高、低温日突变时间,并根据三峡大坝运行以后的土壤湿度和植被变化进行了分析,得到如下结论。
(1) 长江中下游流域的平均气温在三峡大坝运行前后出现明显的变化特征,主要表现为在大坝运行后,长江以南地区在春、夏、秋、冬4个季节均出现增温现象,而长江以北地区则出现降温现象,其中中游地区增温现象在洞庭湖、鄱阳湖及其支流流域比较显著,降温现象则在武汉地区和三峡地区比较显著,四季变化中,夏季的增温和降温现象均较显著。长江中下游流域的平均气温在三峡大坝运行前的变化相对于运行后反差较大,降温地区主要位于长江以南而增温地区则主要在除三峡地区外的长江以北地区,武汉地区是增温的显著区域。平均气温在长江下游地区的变化相对较弱,这与Guo等[28]的研究结论中三峡大坝对河流流量的影响随着距大坝距离的增加而迅速减弱相符。同时,长江以南地区高温日和长江以北地区低温日的突变时间都与三峡大坝正常运行的时间相近,均在2006年左右。
(2) 未考虑大范围气候变暖背景下的平均气温在江北也有增暖现象,但弱于江南地区,而江南地区增暖明显的区域多沿洞庭湖、鄱阳湖及其支流分布,三峡大坝运行后土壤湿度的明显增加区域也位于洞庭湖及其以南地区,而江北地区土壤湿度则出现减少或较弱增加趋势。土壤湿度与平均气温的变化空间关系密切,造成长江中下游流域平均气温变化的原因,很可能是三峡大坝运行后大坝下游水文状况改变,从而使土壤湿度和水热条件发生变化,改变了地-气之间的能量交换,影响局地气温。
(3) 长江中下游流域四季EVI变化趋势主要表现为长江以南地区多为显著增加趋势,而减小趋势的区域基本位于洞庭湖、鄱阳湖和长江以北地区,显著减少的区域多沿长江及湖泊分布。在春季和冬季,江南地区的EVI增加趋势较明显,同时EVI趋势显著减少的区域较小;在夏季,EVI趋势显著减少区域较大,而趋势显著增加区域相对其他季节较小。
植被、土壤湿度和气温三者在地-气系统中互相作用,紧密相关。本文研究中气温与植被的空间变化在春、夏、冬3个季节显著相关,邓伟等[12]的研究结果也表明气温对长江中下游流域植被有着重要影响。土壤湿度和平均气温在长江中下游流域的异常变化,促使长江以南及以北地区的植被生长情况也发生改变,植被的增加会提高地区蒸腾作用,从而减少土壤水分和降低局地气温,反之亦然,这也表明系统本身正通过各种反馈和自反馈过程来调节这种异常。
[1] |
Zhou Y Q, Jeppesen E, Li J B, et al. Impacts of Three Gorges Reservoir on the sedimentation regimes in the downstream-linked two largest Chinese freshwater lakes[J]. Scientific Reports, 2016(6): 35396. DOI:10.1038/srep35396 |
[2] |
Wang Y K, Rhoads B L, Wang D. Assessment of the flow regime alterations in the middle reach of the Yangtze River associated with dam construction:potential ecological implications[J]. Hydrological Processes, 2016, 30(21): 3949-3966. DOI:10.1002/hyp.v30.21 |
[3] |
Jiang L Z Ban X, Wang X L, et al. Assessment of hydrologic alterations caused by the Three Gorges Dam in the middle and lower reaches of Yangtze River, China[J]. Water, 2014, 6(5): 1419-1434. DOI:10.3390/w6051419 |
[4] |
高蕾, 陈海山, 孙善磊. 基于MODIS卫星资料研究三峡工程对库区地表温度的影响[J]. 气候变化研究进展, 2014, 10(3): 226-234. |
[5] |
廖要明, 张强, 陈德亮. 1951-2006年三峡库区夏季气候特征[J]. 气候变化研究进展, 2007, 3(6): 368-372. |
[6] |
张强, 万素琴, 毛以伟, 等. 三峡库区复杂地形下的气温变化特征[J]. 气候变化研究进展, 2005, 1(4): 164-167. |
[7] |
Wu H P, Zeng G M, Liang J, et al. Changes of soil microbial biomass and bacterial community structure in Dongting Lake:impacts of 50000 dams of Yangtze River[J]. Ecological Engineering, 2013, 57: 72-78. DOI:10.1016/j.ecoleng.2013.04.038 |
[8] |
Chai C, Yu Z M, Shen Z L, et al. Nutrient characteristics in the Yangtze River estuary and the adjacent East China Sea before and after impoundment of the Three Gorges Dam[J]. Science of The Total Environment, 2009, 407(16): 4687-4695. DOI:10.1016/j.scitotenv.2009.05.011 |
[9] |
Chen J, Finlayson B L, Wei T Y, et al. Changes in monthly flows in the Yangtze River, China:with special reference to the Three Gorges Dam[J]. Journal of Hydrology, 2016, 536: 293-301. DOI:10.1016/j.jhydrol.2016.03.008 |
[10] |
Mei X F, Dai z J, Fagherazzi S, et al. Dramatic variations in emergent wetland area in China's largest freshwater lake, Poyang Lake[J]. Advances in Water Resources, 2016, 96: 1-10. DOI:10.1016/j.advwatres.2016.06.003 |
[11] |
Yuan Y J, Zeng G M, Liang J, et al. Variation of water level in Dongting Lake over a 50-year period:implications for the impacts of anthropogenic and climatic factors[J]. Journal of Hydrology, 2015, 525: 450-456. DOI:10.1016/j.jhydrol.2015.04.010 |
[12] |
邓伟, 袁兴中, 刘红, 等. 区域性气候变化对长江中下游流域植被覆盖的影响[J]. 环境科学研究, 2014, 27(9): 1032-1042. |
[13] |
Jabbar M T, Shi Z H, Wang T W, et al. Vegetation change prediction with geo-information techniques in the Three Gorges area of China[J]. Pedosphere, 2006, 16(4): 457-467. DOI:10.1016/S1002-0160(06)60076-3 |
[14] |
王丽婧, 翟羽佳, 郑丙辉, 等. 三峡库区及其上游流域水污染防治规划[J]. 环境科学研究, 2012, 25(12): 1370-1377. |
[15] |
汤放华, 汤慧, 孙倩, 等. 长江中游城市集群经济网络结构分析[J]. 地理学报, 2013, 68(10): 1357-1366. DOI:10.11821/dlxb201310005 |
[16] |
马思源, 朱克云, 李明星, 等. 中国区域多源土壤湿度数据的比较研究[J]. 气候与环境研究, 2016, 21(2): 121-133. |
[17] |
张人禾, 刘栗, 左志燕. 中国土壤湿度的变异及其对中国气候的影响[J]. 自然杂志, 2016, 38(5): 313-319. |
[18] |
李建国, 濮励杰, 刘金萍, 等. 2001年至2010年三峡库区重庆段植被活动时空特征及其影响因素[J]. 资源科学, 2012, 34(8): 1500-1507. |
[19] |
Zhang Y, Qu Y, Wang J, et al. Estimating leaf area index from MODIS and surface meteorological data using a dynamic Bayesian network[J]. Remote Sensing of Environment, 2012, 127(4): 30-43. |
[20] |
王正兴, 刘闯, AlfredoH. 植被指数研究进展:从AVHRR-NDVI到MODIS-EVI[J]. 生态学报, 2003, 23(5): 979-987. |
[21] |
葛非凡, 毛克彪, 蒋跃林, 等. 华东地区夏季极端高温特征及其对植被的影响[J]. 中国农业气象, 2017, 38(1): 42-51. |
[22] |
柳春, 王守荣, 梁有叶, 等. 1961-2010年黄河流域蒸发皿蒸发量变化及影响因子分析[J]. 气候变化研究进展, 2013, 9(5): 327-334. |
[23] |
马柱国, 符淙斌, 谢力, 等. 土壤湿度和气候变化关系研究中的某些问题[J]. 地球科学进展, 2001, 16(4): 563-566. |
[24] |
马柱国, 魏和林, 符淙斌. 中国东部区域土壤湿度的变化及其与气候变率的关系[J]. 气象学报, 2000, 58(3): 278-287. DOI:10.11676/qxxb2000.029 |
[25] |
Seneviratne S I, Koster R D, Guo Z C, et al. Soil moisture memory in AGCM simulations:analysis of global land-atmosphere coupling experiment (GLACE) data[J]. Journal of Hydrometeorology, 2006, 7(5): 1090-1112. DOI:10.1175/JHM533.1 |
[26] |
Koster R D, Schubert S D, Suarez M J. Analyzing the concurrence of meteorological droughts and warm periods, with implications for the determination of evaporative regime[J]. Journal of Climate, 2009, 22(12): 3331-3341. DOI:10.1175/2008JCLI2718.1 |
[27] |
刘永强, 叶笃正, 季劲钧. 土壤湿度和植被对气候的影响:Ⅰ短期气候异常持续性的理论分析[J]. 中国科学:B辑, 1992, 22(4): 441-448. |
[28] |
Guo H, Hu Q, Zhang Q, et al. Effects of the Three Gorges Dam on Yangtze River flow and river interaction with Poyang Lake, China:2003-2008[J]. Journal of Hydrology, 2012, 416(2): 19-27. |
2. National Hulunber Grassland Ecosystem Observation and Research Station, Institute of Agricultural Resources and Regional Planning, Chinese Academy of Agricultural Sciences, Beijing 100081, China;
3. National Meteorological Information Center, China Meteorological Administration, Beijing 100081, China;
4. Tongxiang Meteorological Bureau of Zhejiang, Tongxiang 314500, China;
5. Quzhou Meteorological Bureau of Zhejiang, Quzhou 324000, China;
6. College of Resources and Environment, Hunan Agricultural University, Changsha 410128, China;
7. School of Computer and Information Engineering, Central South University of Forestry and Technology, Changsha 410004, China