地形因子对华东地区降水影响的尺度效应研究

doi:10.11867/j.issn.1001-8166.2022.020

地球科学进展 ›› 2022, Vol. 37 ›› Issue (5): 535 -548. doi: 10.11867/j.issn.1001-8166.2022.020

研究论文上一篇

地形因子对华东地区降水影响的尺度效应研究

曾礼 ¹ ^, ⁵(

), 高艳红 ² ^, ³ ^, ⁴(

), 蒋盈沙 ¹, 刘朝阳 ², 李锁锁 ¹

^1.中国科学院西北生态环境资源研究院陆面过程与气候变化重点实验室，甘肃兰州 730000
^2.复旦大学大气与海洋科学系/大气科学研究院，上海 200438
^3.上海市海洋—大气相互作用前沿科学研究基地，上海 200438
^4.上海长江河口湿地生态系统国家野外科学观测研究站，上海 200438
^5.中国科学院大学，北京 100049

收稿日期:2021-11-03 修回日期:2022-01-26 出版日期:2022-05-10
通讯作者: 高艳红 E-mail:zengli19@mail.ucas.ac.cn;zengli19@mails.ucas.ac.cn;gaoyh@fudan.edu.cn
基金资助:
国家重点研发计划项目“副热带地区区域模式关键技术及其应用”(2017YFC1502101)

Scale Effects of Terrain Factors on Precipitation in East China

Li ZENG ¹ ^, ⁵( ), Yanhong GAO ² ^, ³ ^, ⁴( ), Yingsha JIANG ¹, Chaoyang LIU ², Suosuo LI ¹

^1.Key Laboratory of Land Surface Process and Climate Change in Cold and Arid Regions，Northwest Institute of Ecology and Environmental Resources，Chinese Academy of Sciences，Lanzhou 730000，China
^2.Department of Atmospheric and Oceanic Sciences & Institute of Atmospheric Sciences，Fudan University，Shanghai 200438，China
^3.Shanghai Frontiers Science Center of Atmosphere-Ocean Interaction，Shanghai 200438，China
^4.National Observations and Research Station for Wetland Ecosystems of the Yangtze Estuary，Shanghai 200438，China
^5.University of Chinese Academy of Sciences，Beijing 100049，China

Received:2021-11-03 Revised:2022-01-26 Online:2022-05-10 Published:2022-05-31
Contact: Yanhong GAO E-mail:zengli19@mail.ucas.ac.cn;zengli19@mails.ucas.ac.cn;gaoyh@fudan.edu.cn
About author:ZENG Li (1996-), male, Zigong City, Sichuan Province, Master student. Research areas include terrain precipitation. E-mail: zengli19@mail.ucas.ac.cn
Supported by:
the National Key Research and Development Program of China “Key technologies and applications in the subtropical regional model”(2017YFC1502101)

全文 ( 29 ) 下载PDF ( 386 )

降水是地表淡水资源的主要来源，降水分布强烈的时空异质性给陆地水循环研究带来了较大不确定性，因此降水的空间异质性及其影响因子研究一直是水循环研究的重点。选取观测资料丰富的华东地区，采用351个气象台站降水观测数据，通过一般线性回归模型、地理加权回归模型和多尺度地理加权回归模型的拟合结果，研究了典型地形因子对降水空间分布的影响及其影响尺度。结果表明，传统的一般线性回归模型不能表征降水分布的空间异质性，而地理加权回归模型和多尺度地理加权回归模型均较好地拟合出了降水在空间上的非均匀分布（ $R 2$ >0.7）。此外，多尺度地理加权回归模型的带宽数还反映了各地形因子对降水空间分布的影响尺度。一般说来，带宽数较小的局地影响因子对降水的空间异质性影响较强。对于年降水量，地形高程和地形起伏度是影响降水空间异质性的主要地形因子，而地形坡度和主风向系数对降水的影响不显著。在不同季节，各地形因子对降水空间分布的影响程度不同。地形高程对夏季降水影响较大；离海岸线距离对春、秋季南部山区降水影响较大；地形起伏度对冬季降水有重要影响。厘清我国不同季节降水与地形因子间的关系，有助于理解各季节复杂地形因子对降水的贡献，为地形复杂地区的模式模拟及改进提供支撑。

关键词: 降水, 地形因子, 多尺度地理加权回归, 华东地区

Precipitation is the main source of surface freshwater. The temporal and spatial heterogeneity of precipitation distribution brings great uncertainty to the study of the surface water cycle. The study of spatial heterogeneity and the factors influencing precipitation has always been the focus of water cycle research. To explore the relationship between the spatial distribution of precipitation and terrain factors， 351 precipitation observation stations in eastern China with abundant observational data were used according to the Ordinary Least Squares regression （OLS）， Geographically Weighted Regression model （GWR）， and Multi-scale Geographically Weighted Regression model （MGWR）. The results show that OLS cannot show the influence of terrain factors on the spatial heterogeneity of precipitation distribution， while GWR and MGWR achieved a better goodness of fit and stronger interpretability （Goodness of fit R²>0.7）. Furthermore， the MGWR can reflect the scale effects of terrain factors on the spatial distribution of precipitation based on bandwidths， and local influencing factors with smaller bandwidths have a stronger influence on the spatial heterogeneity of precipitation. For the annual average precipitation， the terrain elevation and terrain relief are the main terrain factors that affect the spatial heterogeneity of precipitation， while the terrain slope and Prevailing Wind-direction Effect Index （PWEI） have no significant impact on precipitation. However， seasonally， the influence of different terrain factors on the spatial distribution of precipitation is different. Specifically， in summer， terrain elevation is more important than other factors； in spring and autumn， the distance from the coast plays an important role in the mountain regions， and in winter local influencing factors such as terrain relief mainly affect the spatial distribution of precipitation. Clarifying the relationship between precipitation and terrain factors can help us understand the contribution of complex terrain factors （in all seasons） to precipitation and provide support for model simulation and improvement in regions with a complex topography.

Key words: Precipitation, Terrain factors, Multi-scale geographically weight regression, East China.

中图分类号:

P426.6

图1 中国华东地区地形及站点分布

Fig. 1 Topography and locations of CMA stations over East China

图2 华东地区351站降水的空间分布（单位：mm）

Fig. 2 Spatial distribution of precipitation at the 351 stations in East China （unit：mm）

表1 各个地形因子的提取方法、单位及范围

Table 1 The extraction methods, units and ranges of each terrain factor

地形因子	提取方法	范围
高程/m	直接由DEM数据集给出	［7，1 430］
坡度/（°）	栅格表面像元值的最大变化率	（0，49］
地形起伏度/m	12 km内栅格高程的标准差	（0，400）
主风向系数	坡向和风向夹角的函数	［0，2］
离海岸线距离/km	各个站点离海岸线的最短距离	（0，545］

表1 各个地形因子的提取方法、单位及范围

Table 1 The extraction methods, units and ranges of each terrain factor

地形因子	提取方法	范围
高程/m	直接由DEM数据集给出	［7，1 430］
坡度/（°）	栅格表面像元值的最大变化率	（0，49］
地形起伏度/m	12 km内栅格高程的标准差	（0，400）
主风向系数	坡向和风向夹角的函数	［0，2］
离海岸线距离/km	各个站点离海岸线的最短距离	（0，545］

表2 OLS、 GWR和 MGWR模型的诊断统计量

Table 2 Diagnosis result of OLS model， GWR model and MGWR model

模型	模型诊断统计量	年平均	春季	夏季	秋季	冬季
OLS	AICc	800.58	813.28	814.09	861.31	927.64
OLS	拟合优度（ $R 2$ ）	0.44	0.43	0.43	0.34	0.20
GWR	AICc	365.19	90.69	661.54	593.81	400.79
	拟合优度（ $R 2$ ）	0.89	0.95	0.76	0.80	0.88
	残差自相关z值	0.88	2.43	0.11	0.99	2.43
MGWR	AICc	283.09	-22.38	630.70	528.82	322.76
	拟合优度（ $R 2$ ）	0.90	0.96	0.72	0.81	0.89
	残差自相关z值	1.63	0.72	-1.60	-1.40	0.47

表2 OLS、 GWR和 MGWR模型的诊断统计量

Table 2 Diagnosis result of OLS model， GWR model and MGWR model

模型	模型诊断统计量	年平均	春季	夏季	秋季	冬季
OLS	AICc	800.58	813.28	814.09	861.31	927.64
OLS	拟合优度（ $R 2$ ）	0.44	0.43	0.43	0.34	0.20
GWR	AICc	365.19	90.69	661.54	593.81	400.79
	拟合优度（ $R 2$ ）	0.89	0.95	0.76	0.80	0.88
	残差自相关z值	0.88	2.43	0.11	0.99	2.43
MGWR	AICc	283.09	-22.38	630.70	528.82	322.76
	拟合优度（ $R 2$ ）	0.90	0.96	0.72	0.81	0.89
	残差自相关z值	1.63	0.72	-1.60	-1.40	0.47

表3 OLS模型中地形因子的回归系数

Table 3 Regression coefficients of terrain factors in OLS model

因子回归系数	年平均	春季	夏季	秋季	冬季
地形高程	0.21^***	$0 . 13 * *$	$0 . 28 * * *$	$0 . 11 *$	—
地形坡度	$0 . 10 * *$	—	—	$0 . 10 *$	$0 . 13 * *$
离海岸线距离	—	$0 . 34 * * *$	$0 . 10 * *$	$- 0 . 53 * * *$	—
地形起伏度	$0 . 45 * * *$	$0 . 45 * * *$	$0 . 42 * * *$	$0 . 11 * *$	$0 . 38 * * *$
主风向系数	$- 0 . 13 * * *$	$- 0 . 12 * * *$	$0 . 07 *$	—	$- 0 . 16 * * *$

表3 OLS模型中地形因子的回归系数

Table 3 Regression coefficients of terrain factors in OLS model

因子回归系数	年平均	春季	夏季	秋季	冬季
地形高程	0.21^***	$0 . 13 * *$	$0 . 28 * * *$	$0 . 11 *$	—
地形坡度	$0 . 10 * *$	—	—	$0 . 10 *$	$0 . 13 * *$
离海岸线距离	—	$0 . 34 * * *$	$0 . 10 * *$	$- 0 . 53 * * *$	—
地形起伏度	$0 . 45 * * *$	$0 . 45 * * *$	$0 . 42 * * *$	$0 . 11 * *$	$0 . 38 * * *$
主风向系数	$- 0 . 13 * * *$	$- 0 . 12 * * *$	$0 . 07 *$	—	$- 0 . 16 * * *$

图3 华东地区各回归模型在不同季节拟合的降水量与观测场偏差值的空间分布（单位：mm）

Fig. 3 Spatial distribution of precipitation’s difference between model and in-situ in different regression model at the 351 stations over East China （unit：mm）

图4 回归模型在年平均及各季节下的泰勒诊断图

Fig. 4 Taylor diagram showing correlation coefficients， normalized standard deviation， and RMSE of annual and seasonal precipitation regression model

图5 各季节中GWR模型的带宽数及MGWR模型中通过显著性检验的地形因子带宽数

Fig. 5 Bandwidth of GWR model and MGWR model in different seasons

图6 MGWR各季节中各地形因子的标准化回归系数随该地形因子变化的散点图

Fig. 6 Scatter of standardized regression coefficients of terrain factors in seasonal MGWR model with the terrain factors

图7 华东各站点MGWR模型在年平均及各季节中主导地形因子的空间分布

Fig. 7 Spatial distribution of dominant terrain factors in MGWR model over the stations in different seasons

图8 MGWR模型中华东各站点在年平均及各季节中主导地形因子的占比

Fig. 8 Pie chart of dominant terrain factors in MGWR model over the stations in different seasons

1	LIAO Fei， HONG Yanchao， ZHENG Guoguang. Review of orographic influences on surface precipitation［J］. Meteorological Science and Technology， 2007， 35（3）： 309-316.
	廖菲，洪延超，郑国光. 地形对降水的影响研究概述［J］. 气象科技， 2007， 35（3）： 309-316.
2	WANG B， BAO Q， HOSKINS B， et al. Tibetan Plateau warming and precipitation changes in East Asia［J］. Geophysical Research Letters， 2008， 35（14）： L14702.
3	WANG Qiwei， TAN Zhemin. Flow regimes for major topographic obstacles of China［J］. Chinese Journal of Geophysics， 2006， 49（4）： 971-982.
	王其伟，谈哲敏. 我国主要地形上空理想定常流的流域分界分析［J］. 地球物理学报， 2006， 49（4）： 971-982.
4	ZHAO Yuchun， WANG Yehong. Impacts of vertical wind shear on mesoscale topographical convective precipitation［J］. Chinese Journal of Geophysics， 2012， 55（10）： 3 213-3 229.
	赵玉春，王叶红. 风垂直切变对中尺度地形对流降水影响的研究［J］. 地球物理学报， 2012， 55（10）： 3 213-3 229.
5	ZHONG Shuixin. Advances in the study of the influencing mechanism and forecast methods for orographic precipitation［J］. Plateau Meteorology， 2020， 39（5）： 1 122-1 132.
	钟水新. 地形对降水的影响机理及预报方法研究进展［J］. 高原气象， 2020， 39（5）： 1 122-1 132.
6	SHU Shoujuan， WANG Yuan， XIONG Anyuan. Estimation and analysis for geographic and orographic influences on precipitation distribution in China［J］. Chinese Journal of Geophysics， 2007， 50（6）： 1 703-1 712.
	舒守娟，王元，熊安元. 中国区域地理、地形因子对降水分布影响的估算和分析［J］. 地球物理学报， 2007， 50（6）： 1 703-1 712.
7	BASIST A， BELL G D， MEENTEMEYER V. Statistical relationships between topography and precipitation patterns［J］. Journal of Climate， 1994， 7（9）： 1 305-1 315.
8	KRAVCHENKO A， ZHANG R， TUNG Y K. Estimation of mean annual precipitation in Wyoming using geostatistical analysis［M］. USA： Wyoming Water Research Center， 1996.
9	HAYWARD D， CLARKE R. Relation entre la pluie， l’altitude et la distance à la mer dans la Presqu’île de Freetown， Sierra Leone［J］. Hydrological Sciences Journal， 1996， 41（3）： 377-384.
10	RALPH F M， PERSSON P O G， REYNOLDS D W， et al. The California Land-falling Jets Experiment CALJET： objectives and design of a coastal atmosphere-ocean observing system deployed during a strong El Niño［C］. Preprints， 3rd Symposium on Integrated Observing Systems， 1999： 78-81.
11	WHITE A B， NEIMAN P J， RALPH F M， et al. Coastal orographic rainfall processes observed by radar during the California Land-falling Jets Experiment［J］. Journal of Hydrometeorology， 2003， 4（2）： 264-282.
12	UM M J， YUN H， JEONG C S， et al. Factor analysis and multiple regression between topography and precipitation on Jeju Island， Korea［J］. Journal of Hydrology， 2011， 410（3/4）： 189-203.
13	CASTRO L M， GIRONÁS J， FERNÁNDEZ B. Spatial estimation of daily precipitation in regions with complex relief and scarce data using terrain orientation［J］. Journal of Hydrology， 2014， 517： 481-492.
14	BRUNSDON C， FOTHERINGHAM A S， CHARLTON M E. Geographically weighted regression： a method for exploring spatial nonstationarity［J］. Geographical Analysis， 1996， 28（4）： 281-298.
15	HESSION S L， MOORE N. A spatial regression analysis of the influence of topography on monthly rainfall in East Africa［J］. International Journal of Climatology， 2011， 31（10）： 1 440-1 456.
16	KUMARI M， SINGH C K， BASISTHA A， et al. Non-stationary modelling framework for rainfall interpolation in complex terrain［J］. International Journal of Climatology， 2017， 37（11）： 4 171-4 185.
17	BRUNSDON C， MCCLATCHEY J， UNWIN D. Spatial variations in the average rainfall-altitude relationship in Great Britain： an approach using geographically weighted regression［J］. International Journal of Climatology， 2001， 21（4）： 455-466.
18	FOTHERINGHAM A， YANG W， KANG W. Multiscale Geographically Weighted Regression （MGWR）［J］. Annals of the American Association of Geographers， 2017， 107（6）： 1 247-1 265.
19	OSHAN T， LI Z， KANG W， et al. MGWR： a python implementation of multiscale geographically weighted regression for investigating process spatial heterogeneity and scale［J］. ISPRS International Journal of Geo-Information， 2019， 8（6）. DOI：10.31219/osf.io/bphw9 .
20	YU H， FOTHERINGHAM A， LI Z， et al. Inference in multiscale geographically weighted regression［J］. Geographical Analysis， 2020， 52（1）： 87-106.
21	JEWORREK J， WEST G， STULL R. WRF precipitation performance and predictability for systematically varied parameterizations over complex terrain［J］. Weather and Forecasting， 2021， 36（3）： 893-913.
22	SU F G， DUAN X L， CHEN D L， et al. Evaluation of the global climate models in the CMIP5 over the Tibetan Plateau［J］. Journal of Climate， 2013， 26（10）： 3 187-3 208.
23	HENN B， NEWMAN A J， LIVNEH B， et al. An assessment of differences in gridded precipitation datasets in complex terrain［J］. Journal of Hydrology， 2018， 556： 1 205-1 219.
24	YAO Shibo， JIANG Dabang， FAN Guangzhou. Seasonality of precipitation over China［J］. Chinese Journal of Atmospheric Sciences， 2017， 41（6）： 1 191-1 203.
	姚世博，姜大膀，范广洲. 中国降水的季节性［J］. 大气科学， 2017， 41（6）： 1 191-1 203.
25	QIAN W， YU Z， ZHU Y. Spatial and temporal variability of precipitation in East China from 1880 to 1999［J］. Climate Research， 2006， 32： 209-218.
26	CHENG Weiming， ZHOU Chenghu， CHAI Huixia， et al. Quantitative extraction and analysis of basic morphological types of land geomorphology in China［J］. Journal of Geo-Information Science， 2009， 11（6）： 725-736.
	程维明，周成虎，柴慧霞，等. 中国陆地地貌基本形态类型定量提取与分析［J］. 地球信息科学学报， 2009， 11（6）： 725-736.
27	Baopu FO. The effects of topography and elevation on precipitation［J］. Acta Geograpphica Sinica， 1992， 47（4）： 302-314.
	傅抱璞. 地形和海拔高度对降水的影响［J］. 地理学报， 1992， 47（4）： 302-314.
28	SUN Pengsen， LIU Shirong， LI Chongwei. Estimation of precipitation using altitude and prevailing wind direction effect index in mountainous region［J］. Acta Ecologica Sinca， 2004， 24（9）： 1 910-1 915，2 093.
	孙鹏森，刘世荣，李崇巍. 基于地形和主风向效应模拟山区降水空间分布［J］. 生态学报， 2004，24（9）： 1 910-1 915，2 093.
29	CLEVELAND W S， DEVLIN S J. Locally weighted regression： an approach to regression analysis by local fitting［J］. Journal of the American Statistical Association， 1988， 83（403）： 596-610.
30	DING J， TAROKH V， YANG Y H. Model selection techniques： an overview［J］. IEEE Signal Processing Magazine， 2018， 35（6）： 16-34.
31	GEISSER S. The predictive sample reuse method with applications［J］. Journal of the American Statistical Association， 1975， 70（350）： 320-328.
32	FOTHERINGHAM A S， BRUNSDON C F， CHARLTON M E. Geographically weighted regression： the analysis of spatially varying relationships［M］. USA： John Wiley & Sons， 2003.
33	AKAIKE H. A new look at the statistical model identification［J］. IEEE Transactions on Automatic Control， 1974， 19（6）： 716-723.
34	MORAN P A P. Notes on continuous stochastic phenomena［J］. Biometrika， 1950， 37（1/2）： 17-23.
35	DING Renhai， DING Xin. Analysis on precipitation differences between Jiuhua Mountains and its surrounding regions［J］. Meteorological Monthly， 2014， 40（4）： 458-465.
	丁仁海，丁鑫. 九华山与周边区域的降水分布差异分析［J］. 气象， 2014， 40（4）： 458-465.
36	HOUZE Jr R A. Orographic effects on precipitating clouds［J］. Reviews of Geophysics， 2012， 50（1）： RG1001.
37	SMITH R B. The influence of mountains on the atmosphere［J］. Advances in Geophysics， 1979， 21： 87-230.
38	WEN Qian， TAN Guoliang， LUO Silin. An analysis of the influence of the topography on the distribution of precipitation［J］. Hydrology， 1997（）： 64-66.
	文迁，谭国良，罗嗣林. 降水分布受地形影响的分析［J］. 水文， 1997（）： 64-66.
39	BROWNING K A， HILL F F， PARDOE C W. Structure and mechanism of precipitation and the effect of orography in a wintertime warm sector［J］. Quarterly Journal of the Royal Meteorological Society， 1974， 100（425）： 309-330.
40	CHEN Liang， DUAN Jianping， MA Zhuguo. Objective analysis on large-scale circulation type and its links to precipitation over China［J］. Advances in Earth Science， 2018， 33（4）： 396-403.
	陈亮，段建平，马柱国. 大气环流形势客观分型及其与中国降水的联系［J］. 地球科学进展， 2018， 33（4）： 396-403.
41	SHEN Yuwei， ZHANG Yaocun， QIAN Yongfu. A parameterization scheme for the dynamic effects of subgrid topography and its impacts on rainfall simulation［J］. Plateau Meteorology， 2007， 26（4）： 655-665.
	沈玉伟，张耀存，钱永甫. 次网格地形动力效应参数化及其对降水模拟效果的影响［J］. 高原气象， 2007， 26（4）： 655-665.
42	GAO J B， JIAO K W， WU S H. Investigating the spatially heterogeneous relationships between climate factors and NDVI in China during 1982 to 2013［J］. Journal of Geographical Sciences， 2019， 29（10）： 1 597-1 609.
43	HUANG Jianping， CHEN Wen， WEN Zhiping， et al. Review of Chinese atmospheric science research over the past 70 years： climate and climate change［J］. Science China Earth Sciences， 2019，62（10）： 1 514-1 550.
	黄建平，陈文，温之平，等. 新中国成立70年以来的中国大气科学研究：气候与气候变化篇［J］.中国科学：地球科学， 2019， 49（10）： 1 607-1 640.
44	ZHOU Changyan， LI Yueqing， LI Wei， et al. Climatological chracteristics of water vapor transport over East Asian and water vapor source in autumn［J］. Journal of Tropical Meteorology， 2006， 22（4）： 380-385.
	周长艳，李跃清，李薇，等. 东亚地区秋季水汽输送特征及水汽源地分析［J］. 热带气象学报， 2006， 22（4）： 380-385.
45	SUN Bo， WANG Huijun， ZHOU Botao， et al. A review on the interannual and interdecadal variations of water vapor transport over China during past decades［J］. Advances in Water Science， 2020， 31（5）： 644-653.
	孙博，王会军，周波涛，等. 中国水汽输送年际和年代际变化研究进展［J］. 水科学进展， 2020， 31（5）： 644-653.
46	WALLACE J， HOBBS P. Atmospheric science： an introductory survey［M］. USA： Elsevier， 2006.
47	ZHANG Mingming， LI Jian， GAN Yuting， et al. Analysis of the relationship between precipitation and altitude over central and Eastern China based on the Geographically Weighted Regression Model［J］. Torrential Rain and Disasters， 2021， 40（1）： 1-11.
	张铭明，李建，甘玉婷，等. 基于GWR模型的中国中东部降水与海拔高度关系特征分析［J］. 暴雨灾害， 2021， 40（1）： 1-11.

[1]	王澄海, 张晟宁, 张飞民, 李课臣, 杨凯. 论全球变暖背景下中国西北地区降水增加问题[J]. 地球科学进展, 2021, 36(9): 980-989.
[2]	王忠静,石羽佳,张腾. TRMM遥感降水低估还是高估中国大陆地区的降水？[J]. 地球科学进展, 2021, 36(6): 604-615.
[3]	况雪源, 韩跃超. 中全新世背景下中国区域气候对植被变化响应的降尺度模拟研究[J]. 地球科学进展, 2021, 36(12): 1301-1312.
[4]	王鹏,刘磊,刘西川,胡帅,赵世军,姬文明,高太长. 球载云降水粒子探测器研究现状及进展[J]. 地球科学进展, 2020, 35(7): 704-714.
[5]	张宏文,续昱,高艳红. 1982— 2005年青藏高原降水再循环率的模拟研究[J]. 地球科学进展, 2020, 35(3): 297-307.
[6]	梅双丽,李勇,马杰. 热带季节内振荡在延伸期预报中的应用进展[J]. 地球科学进展, 2020, 35(12): 1222-1231.
[7]	高艳红,许建伟,张萌,姜凤友. 中国 400 mm等降水量变迁与干湿变化研究进展[J]. 地球科学进展, 2020, 35(11): 1101-1112.
[8]	李修仓,姜彤,吴萍. 水分再循环计算模型的研究进展及其展望[J]. 地球科学进展, 2020, 35(10): 1029-1040.
[9]	谢彦君, 任福民, 李国平, 王铭杨, 杨慧. 影响中国双台风活动气候特征研究[J]. 地球科学进展, 2020, 35(1): 101-108.
[10]	蒋诗威,周鑫. 中国东南地区中世纪暖期和小冰期夏季风降水研究进展[J]. 地球科学进展, 2019, 34(7): 697-705.
[11]	朱月佳,邢蕊,朱明佳,王东勇,邱学兴. 联合概率方法在安徽强对流潜势预报中的应用和检验[J]. 地球科学进展, 2019, 34(7): 731-746.
[12]	杨慧,任福民,杨明仁. 不同强度热带气旋对中国降水变化的影响[J]. 地球科学进展, 2019, 34(7): 747-756.
[13]	窦芳丽,陆其峰,郭杨. 全天候卫星微波观测资料变分同化研究进展[J]. 地球科学进展, 2019, 34(11): 1120-1130.
[14]	谢鑫昌,杨云川,田忆,廖丽萍,韦钧培,周津羽,陈立华. 广西降水非均匀性多尺度特征与综合评价[J]. 地球科学进展, 2019, 34(11): 1152-1164.
[15]	陈亮, 段建平, 马柱国. 大气环流形势客观分型及其与中国降水的联系[J]. 地球科学进展, 2018, 33(4): 396-403.

阅读次数

全文

摘要