基于SPEI的安徽滁州市旱涝特征及其对小麦产量的影响

doi:10.11755/j.issn.1006-7639(2021)-05-0742

基于SPEI的安徽滁州市旱涝特征及其对小麦产量的影响

郁凌华^,¹, 谢五三², 熊世为¹, 张鑫童¹, 邢程¹, 胡姗姗¹

1.安徽省滁州市气象局,安徽滁州 239000

2.安徽省气候中心,安徽合肥 230031

Characteristics of Drought and Flood Based on SPEI and Its Impact on Wheat Yield in Chuzhou of Anhui Province

YU Linghua^,¹, XIE Wusan², XIONG Shiwei¹, ZHANG Xintong¹, XING Cheng¹, HU Shanshan¹

1. Chuzhou Meteorological Bureau of Anhui Province, Chuzhou 239000, Anhui, China

2. Anhui Provincial Climate Center, Hefei 230031, China

收稿日期: 2020-12-9 修回日期: 2021-02-4

基金资助:

国家重点研发计划(2017YFC1502402)
安徽省自然科学基金(1908085MD109)
安徽省气象局科研项目(KM201903)
滁州市气象科研项目(CZQXKY201902)

Received: 2020-12-9 Revised: 2021-02-4

作者简介 About authors

郁凌华(1987— ),女,江苏启东人,硕士,工程师,主要从事应用气象研究. E-mail: yulinghua105@163.com。

摘要

利用1961—2019年安徽滁州地区7个国家站常规气象观测资料和1980—2019年小麦生育期观测资料及单产数据,采用多时间尺度的SPEI旱涝指数,探讨分析滁州地区气象旱涝特征及其对小麦产量的影响。结果表明:滁州地区SPEI具有明显的月际、季节变化特征,冬季各月的SPEI收敛性最强,夏季各月的SPEI离散度最大,且呈现明显的春旱、夏涝特征,季节性连旱、连涝中春夏连旱、春夏连涝造成的影响最重。滁州市2000年以后春季呈现干旱化态势,20世纪90年代后夏、冬季均转为变湿的态势,尤以冬季变湿趋势最为显著,而秋季干湿趋势不明显,但2009年以后略有增湿趋势。3月的SPEI3与小麦气候产量相关性最显著,两者存在二次项系数为负的抛物线关系,当3月的SPEI3值大于0.81或小于-1.93时,可能会造成小麦高度减产。

关键词： SPEI; 旱涝特征; 小麦产量影响; 滁州

Abstract

Based on the meteorological observation data at seven national stations in Chuzhou of Anhui Province from 1961 to 2019 and the observation data in growth periods and yield per unit area of wheat from 1980 to 2019, the characteristics of meteorological drought and flood in Chuzhou and its impact on wheat yield were discussed and analyzed by using the multi-time-scale SPEI. The results show that the monthly and seasonal variation characteristics of SPEI were obvious in Chuzhou, and the astringency of SPEI in each month of winter was the strongest, while the dispersion of SPEI in each month of summer was the biggest. The climate characteristic of drought in spring and flood in summer was obvious in Chuzhou. The continuous drought from spring to summer was the most serious seasonal continuous drought in Chuzhou, and the continuous flood from spring to summer was the most serious seasonal continuous flood in the whole year. There was a trend of drought in spring since 2000 in Chuzhou, and the climate in summer and winter became wet after the 1990s, especially in winter, while the trend of dry and wet in autumn wasn’t significant, but there was a slight humidifying trend after 2009. The correlation between SPEI3 in March and wheat climate yield was the most significant, and there was parabola relationship with negative quadratic coefficient between them. When the value of SPEI3 in March was greater than 0.81 or less than -1.93, the yield of wheat was likely to reduce highly.

Keywords： SPEI; drought and flood characteristics; impact on wheat yield; Chuzhou

PDF (1731KB) 元数据多维度评价相关文章导出 EndNote| Ris| Bibtex 收藏本文

本文引用格式

郁凌华, 谢五三, 熊世为, 张鑫童, 邢程, 胡姗姗. 基于SPEI的安徽滁州市旱涝特征及其对小麦产量的影响[J]. 干旱气象, 2021, 39(5): 742-749 doi:10.11755/j.issn.1006-7639(2021)-05-0742

YU Linghua, XIE Wusan, XIONG Shiwei, ZHANG Xintong, XING Cheng, HU Shanshan. Characteristics of Drought and Flood Based on SPEI and Its Impact on Wheat Yield in Chuzhou of Anhui Province[J]. Journal of Arid Meteorology, 2021, 39(5): 742-749 doi:10.11755/j.issn.1006-7639(2021)-05-0742

引言

水分盈亏引起的旱涝事件对生态系统影响重大。伴随着气候变暖,全球范围内的旱涝问题日益严重^[1],未来我国洪涝、干旱发生概率将继续增大^[2],造成的风险损失也将大幅提升^[3,4]。因此,旱涝的成因分析、监测与预测、影响评估以及风险区划等方面^{[5,6,7,8,9,10,11,12]}一直是旱涝领域的研究热点。

旱涝指数是衡量某地区旱涝发生程度与干湿趋势的重要指标,合理的指标可以科学评估某地区的旱涝事件。在众多旱涝指数中,基于降水及其他气象要素的综合性指数应用更为广泛^[13]。研究指出,气候变暖导致的蒸散变化对旱涝的影响越来越大^[14]。因此,综合考虑降水和蒸散影响下的旱涝动态更显科学。标准化降水蒸散指数(standardized precipitation evapotranspiraion index, SPEI),是在标准化降水指数(standardized precipitation index, SPI)基础上引入潜在蒸散得出的一个具有多时间尺度特征的气象旱涝指标^[15]。由于该指标所需的气象数据易获取,且计算相对简便,在全球部分区域得到了很好的应用^{[16,17,18,19,20]}。曹博等^[19]利用SPEI研究了长江中下游流域的干旱特征,并探讨了干旱与气温、降水以及ENSO的关系,发现长江中下游流域年尺度、春季和秋季总体上呈干旱化趋势,夏季和冬季则呈湿润化趋势。然而,长江中下游流域地理跨度大,各分流域的气候干湿趋势不尽相同,如汉江流域、中游干流区及洞庭湖流域以干旱化趋势为主,鄱阳湖流域、下游干流区和太湖流域以湿润化趋势为主。由此可见,不同地理位置、空间尺度的旱涝趋势有共性,更有个性差异,开展本地化旱涝趋势研究十分必要。

滁州地处江淮分水岭,属于江淮流域皖东地区,全市年平均降水量1011.6 mm,水资源虽丰富,但降水时空分布不均且年际差异较大,季节性旱涝时有发生。因此,本文利用常规气象观测资料,采用SPEI旱涝指数,研究气候变暖背景下滁州市旱涝特征,并结合小麦作物生育期观测资料和单产数据,探讨该指数下气象旱涝对小麦产量的影响,为当地防灾减灾、水资源管理和农业生产等提供参考。

1 资料与方法

1.1 数据

选取1961—2019年安徽滁州市7个国家站(图1)逐日气象观测资料,主要包括最高气温、最低气温、平均气温、日照时数、相对湿度、平均风速、平均气压、降水量等要素。这些气象资料均经过了严格的质量控制,数据质量较高,个别缺测数据采用其邻近站点数据进行插值订正。另外,还使用了安徽滁州市气象局提供的小麦作物发育期历史观测资料和1980—2019年滁州市统计局提供的小麦单产数据。安徽滁州市行政边界是基于滁州市标准地图服务网站下载的审图号为滁S(2020)0020的标准地图制作,底图无修改。气候上四季的划分:3—5月为春季,6—8月为夏季,9—11月为秋季,12月至次年2月为冬季。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1 研究区水系、地形高度及气象站点分布

Fig.1 The distribution of river system, terrain height and meteorological stations in the study area

考虑SPEI月尺度的时间特性,结合江淮分水岭小麦发育进程^[21]和安徽滁州市气象局小麦作物发育期历史观测资料,确定滁州市小麦的全生育期为10月至次年5月,其中各生育阶段大致划分为播种-冬前生长期(10—11月)、越冬期(12月至次年2月)、拔节-抽穗期(3—4月)和灌浆-成熟期(5月)。

1.2 研究方法

1.2.1 SPEI指数计算

SPEI是将SPI中的累积降水量P_i用水分平衡量D_i(D_i=P_i-PET_i,PET_i为相应时间尺度的潜在蒸散量;i为时间尺度)来代替。在SPEI计算过程中,潜在蒸散量常采用Thornthwaite法^[22]和Penman-Monteith公式^[23]两种方法。滁州地区风力资源丰富,动力因素对蒸散影响也较大^[24]。Thornthwaite法主要考虑温度因子(即热量因子),而Penman-Monteith公式不仅考虑温度,还考虑了风等空气动力因子,更为科学合理。因此,本文采用Penman-Monteith公式计算PET_i。D_i为逐月滚动数据,SPEI计算过程详见文献[25]。SPEI1、SPEI3、SPEI6和SPEI12分别表示时间尺度为 1、3、6 和12个月的SPEI序列,分别对应月、季、半年、年的旱涝情况。不同月份对应的各尺度SPEI代表当月不同时间跨度的旱涝情况,如3月SPEI1反映3月的旱涝情况,3月SPEI3表示1—3月的旱涝情况,3月SPEI6则表示前年10月至当年3月的旱涝情况,以此类推。综合前人研究成果^[26],确定了SPEI旱涝等级划分标准(表1)。

表1 SPEI旱涝等级划分标准

Tab.1 The classification standard of drought and flood grades based on SPEI

等级	类型	SPEI	等级	类型	SPEI	等级	类型	SPEI
1	极涝	≥2.00	4	轻涝	0.50~0.99	7	中旱	-1.49~-1.00
2	重涝	1.50~1.99	5	正常	-0.49~0.49	8	重旱	-1.99~-1.50
3	中涝	1.00~1.49	6	轻旱	-0.99~-0.50	9	极旱	≤-2.00

新窗口打开| 下载CSV

1.2.2 气候产量分离

作物产量一般可分为趋势产量、气候产量和随机产量3部分^[27],由于随机产量比重较小,在此忽略不计。因此,气候产量为实际产量减去趋势产量,表达式如下:

(1)

y_{c} = y - y_{t}

式中:y_c、y、y_t(kg·hm^-2)分别为气候产量、实际产量及趋势产量。本文采用直线滑动平均法^[28]来模拟趋势产量,该方法是线性回归模型与滑动平均相结合的一种模拟方法,被广泛应用在趋势产量计算中^[29,30,31]。它将产量的时间序列在K年内看作是线性的,并随着序列连续滑动,直线位置不断变化,再计算各时间点上回归模拟的平均值来表示趋势产量。这里滑动步长K取为11 a^[31]。

为科学反映小麦产量年际间差异,探讨气候变化对小麦产量的影响,对小麦气候产量进行标准化处理,以标准化产量残差SYR表示小麦气候产量的增加或减少,表达式如下:

(2)

SYR = \frac{y_{c} - μ}{σ}

式中:μ、σ分别为气候产量的均值和标准差。参照文献[32],当SYR≥1.50时,属于高度增产;SYR在1.00~1.49之间时,属于中度增产;SYR在0.51~0.99之间时,属于轻度增产;SYR在-0.50~0.50之间时,属于正常;SYR在-0.99~-0.51之间时,属于轻度减产;SYR在-1.49~-1.00之间时,属于中度减产;当SYR≤-1.50时,属于高度减产。

另外,采用Mann-Kendall检验用以检测时间序列的变化趋势及突变情况^[33]。

2 结果与分析

2.1 滁州市SPEI多时间尺度旱涝特征

2.1.1 月际变化特征

安徽省滁州市SPEI1存在明显的月际变化特征[图2(a)],冬季各月的SPEI1收敛性强,变化幅度较小,中位数处于-0.1~0.2之间;春、秋季各月收敛性次之,中位数介于-0.9~0.1之间,5月SPEI1的中位数为-0.9,是全年最低值;夏季各月的SPEI1中位数在0~0.9之间,其中7月的离散度最大,变化幅度约6.0。根据旱涝等级划分标准,滁州市1—2月主要以轻旱到中涝为主,3月开始旱涝程度加大,5—9月旱涝程度最大均可达到极旱、极涝等级,这段时期正好与当地汛期时间吻合;10月后旱涝程度逐渐减弱,11—12月降至轻旱到中涝水平。从箱体变化趋势来看,3—5月SPEI1总体持续下降,且均值小于0,说明这段时期以干旱加重为主;6—7月箱体持续上移,且SPEI1均值大于0,以雨涝加重为主;8—9月箱体再次缓慢下降,且均值在0附近,说明雨涝逐渐减轻,旱涝程度不明显。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2 安徽滁州市1961—2019年不同月份SPEI1箱线图(a)及其概率密度分布(b)

Fig.2 The SPEI1 box plot in different months (a) and probability density distribution of SPEI1 (b) during 1961-2019 in Chuzhou of Anhui Province

从SPEI1的概率密度分布[图2(b)]来看,安徽滁州市出现极旱或极涝的概率在5%以下,出现重旱或重涝的概率为5%~15%,出现中旱或中涝的概率为15%~25%,出现轻旱或轻涝的概率在25%~35%,无旱涝的概率为35%~40%。

2.1.2 四季干湿特征及趋势

安徽滁州地区呈现明显的春旱、夏涝的气候特征(表2)。1961—2019年间,春季全市一半县市发生中等以上干旱的有19次,占比3成;夏季,全市一半县市发生中等以上雨涝的有26次,占比4成。另外,多数年份出现春旱、夏涝并存现象,如1962、1965、1982、2005、2011年全市春旱程度较重,同年夏季雨涝程度也较重;夏秋连旱时有发生,如1966、1976年夏季全市发生极旱、重旱,同年秋季也有一半以上县市发生了重旱、中旱。春夏连旱对滁州用水影响最大,如1978年和2019年,滁州地区均出现大面积春夏连旱现象。春夏连涝是滁州地区全年遭受雨涝程度最为严重的季节性连涝,其中1991、1998、2018年均出现了春夏连涝的季节性雨涝事件,且以1991年雨涝影响最大。从四季旱涝发生程度(表略)上看,滁州地区春、夏季旱涝程度明显高于秋、冬季,其中冬季旱涝程度最低,这与冬季降雨占比最少有关。

表2 基于SPEI3的滁州地区四季旱涝年份统计

Tab.2 Statistics of drought and flood years in each season based on SPEI3 in Chuzhou of Anhui Province

旱涝类型	年份
春旱	1961、1962、1965、1968、1978、1981、1982、1984、1986、2000、2001、2004、2005、2009、2011—2013、2017、2019
春涝	1964、1991、1998、2018
夏旱	1964、1966、1967、1973、1976、1978、1994、2019
夏涝	1962、1963、1965、1969、1972、1974、1975、1979、1980、1982、1983、1987、1989、1991、1993、1996、1998、2003、 2005—2008、2011、2014、2015、2018
秋旱	1966、1976、1995、1998、2001、2008、2019
秋涝	1984、1985、2016、2017
冬旱	1963、1968、2011
冬涝	1969、1990、1993、1998、2001、2003、2019

新窗口打开| 下载CSV

图3是1961—2019年滁州地区各季节旱涝趋势及突变检验。可以看出,滁州地区1961—1967年、1972—1980年、1991—2000年春季为相对湿润期,1981—1990年为相对干旱期,其余时段干湿交替出现,而2000年以后呈干旱化态势,2004年是由湿变干的转折点,此后干旱化态势明显增强[图3(a)]。1964—1971年夏季滁州地区为相对干旱期,1972年以后呈现湿润化特征(1978年除外),特别是1995年(UF与UB相交,且此后UF值均大于0)以后湿润化趋势增强[图3(b)]。滁州地区20世纪60年代秋季相对干旱,80年代至90年代为相对湿润期,而70年代干湿特征不明显,2009年以后转为湿润化态势[图3(c)]。由图3(d)可知,20世纪60年代冬季滁州地区相对干旱,70年代初(UF值大于0)开始转为湿润化态势,UF与UB曲线在1983年相交于临界线(α=0.05的显著水平)内,且90年代以后部分时段超过临界线,表明滁州地区冬季变湿趋势显著。可见,2000年之后滁州地区春季呈现干旱化特征;20世纪90年代以后夏、冬季呈现变湿态势,其中冬季湿润化趋势显著;秋季干湿趋势不明显,2009年后略有增湿趋势。

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3 1961—2019年安徽滁州市四季SPEI3的Mann-Kendall检验

(a)春季,(b)夏季,(c)秋季,(d)冬季

Fig.3 The Mann-Kendall test of SPEI3 in four seasons in Chuzhou of Anhui Province from 1961 to 2019

(a) sping, (b) summer, (c) autumn, (d) winter

2.1.3 旱涝年尺度特征及影响

计算滁州各站12月份的SPEI12值,根据SPEI等级划分标准,统计滁州历年旱涝程度。分析发现,滁州地区典型干旱年份为1966—1968年,尤以1966年最为严重,全市均为重旱以上级别,其中5站达到极旱等级。此外,1976、1978、1986、1994、1995、2001、2004、2019年全市一半以上县市出现中等以上气象干旱,其中1978年全市均为重旱以上,2站达到极旱。1972、1975、1987、1991、1993、2003、2015、2016、2018年滁州全市一半以上县市出现中等及以上雨涝灾害,尤以1991年和2003年最为显著,其中1991年全市各站均为极涝等级。基于滁州市民政局灾情数据发现,SPEI12与滁州历史上(1978—2019年)旱、涝年份的受灾面积呈二次抛物线关系[图4(a)],其拟合优度(R²)为0.55,通过了α=0.05的显著性检验,表明SPEI12监测的旱涝情况与当地实况基本吻合。另外,将涝年的受灾面积与SPEI12拟合,其拟合优度高达0.97[图4(b)],拟合效果更优(通过α=0.01的显著性检验),说明SPEI对滁州雨涝的受灾面积表征能力好于干旱。

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4 滁州市12月份SPEI12与干旱(a)和雨涝(b)受灾面积的散点趋势图

Fig.4 Scatter trend charts between SPEI12 in December and disaster-affected areas caused by drought (a) and flood (b) in Chuzhou of Anhui Province

2.2 旱涝对小麦产量的影响

2.2.1 小麦趋势产量时间变化特征

利用直线滑动平均法得到滁州市小麦趋势产量时间序列(图5)。可以看出,1980—2019年,滁州小麦的趋势单产存在4个阶段性变化,分别为 1980—1982年、1983—2001年、2002—2011年、2012—2019年。其中,第1阶段上升速率较快,第2阶段趋于平稳,第3阶段再次快速上升,第4阶段趋于平稳。小麦趋势单产的变化与国家政策调整、经济发展水平及农业科技提升等因素相关联。

图5

新窗口打开| 下载原图ZIP| 生成PPT

图5 1980—2019年滁州地区小麦实际单产与趋势单产的年际变化

Fig.5 The inter-annual change of actual yield and trend yield per unit area of wheat in Chuzhou of Anhui Province from 1980 to 2019

2.2.2 SPEI与小麦气候产量的相关关系

选取小麦生育期(10月至次年5月)的SPEI与气候产量进行相关分析(表3)。可以看出,仅3月的SPEI1与气候产量存在显著负相关(通过α=0.05的显著性检验),此时正值小麦拔节期,说明拔节期的旱涝状况对小麦气候产量有重要影响。季尺度下,小麦气候产量与SPEI3的相关性有所提升,3—5月的相关系数分别为-0.45、-0.41和-0.35,通过了α=0.05及以上的显著性检验。6个月尺度下,仅4、5月的SPEI6与小麦气候产量的相关系数通过显著性检验。小麦气候产量与年尺度SPEI12相关性不明显。综上可见,10—12月的SPEI与小麦气候产量表现的正相关关系,说明播种期与秧苗期水分偏多对小麦产量有正贡献;3—5月水分偏多对小麦气候产量不利,即春季雨涝对小麦减产大于干旱。

表3 1980—2019年滁州小麦生育期内各时间尺度SPEI与气候产量的相关关系

Tab.3 Correlation between multi-scale SPEI in growth period of wheat and climatic yield in Chuzhou of Anhui Province from 1980 to 2019

月份	SPEI1	SPEI3	SPEI6	SPEI12
10	0.06	0.04	0.16	0.08
11	0.10	0.07	0.20	0.14
12	-0.22	0.01	0.13	0.13
1	-0.13	-0.09	-0.02	0.09
2	-0.17	-0.29	-0.08	0.09
3	-0.38^*	-0.45^**	-0.29	-0.02
4	-0.14	-0.41^**	-0.35^*	-0.05
5	-0.13	-0.35^*	-0.41^**	-0.07

注:*、**分别表示通过α=0.05、0.01的显著性检验。

新窗口打开| 下载CSV

2.2.3 旱涝对小麦气候产量的影响

将受旱涝影响年份的SPEI与小麦SYR进行回归分析,发现两者的关系符合一元二次多项式的形式。其中,SPEI3-Mar(3月的SPEI3)与小麦SYR的回归方程显著性最高(P<0.01),拟合优度为0.61,拟合曲线为二次项系数为负的抛物线(图6),抛物线顶点反映了旱涝影响下最低减产情况,回归方程如下:

(3)

y = - 0.7213 x^{2} - 0.8092 x - 0.3679

式中:y为小麦SYR;x为SPEI3-Mar。当SPEI3-Mar为-0.56时,SYR达到最大值-0.14,属于正常年份;当SPEI3-Mar在-1.26~0.14之间时,小麦SYR处于正常产量至增产状态;当SPEI3-Mar大于0.81或小于-1.93时,可能会造成小麦高度减产。历史资料显示,小麦拔节期雨涝灾害比干旱多且影响重。拔节期,一方面雨涝使土壤含水量偏高,小麦根系缺氧,导致营养输送受阻;另一方面,雨涝重的年份大多光照不足,使得作物光合能力减弱,从而影响干物质积累,最终导致减产。滁州地区水系较为发达,境内河流众多,分属三大水系,即淮河干流水系、滁河水系和高邮湖水系,灌溉条件较为充分。因此,气象干旱对小麦产量影响较雨涝轻。

图6

新窗口打开| 下载原图ZIP| 生成PPT

图6 1980—2019年滁州小麦气候产量残差(SYR)与SPEI3-Mar的回归关系

Fig.6 Regression relation between climatic yield residual (SYR) of wheat and SPEI3-Mar from 1980 to 2019 in Chuzhou of Anhui Province

3 结论与讨论

(1)滁州市SPEI1具有明显的月际变化特征,冬季各月SPEI1收敛性强,变化幅度较小;春、秋季各月指数收敛性次之,且5月的SPEI1中位数为全年最低;夏季各月SPEI1最为离散,7月的变化幅度最大达6.0左右。

(2)近59 a来,滁州市呈现明显的春旱、夏涝气候特征,多数年份存在春旱、夏涝并存现象;春夏连旱是影响最大的季节性连旱;春夏连涝是雨涝程度最严重的季节性连涝。总体来看,滁州市2000年以后春季呈现干旱化特征;20世纪90年代以后夏、冬季呈现变湿态势,尤以冬季变湿趋势最显著;秋季干湿特征不明显,2009年以后略有增湿趋势。

(3)基于SPEI监测的滁州旱涝年份与实况基本吻合。全市受灾面积基本随着旱涝指数增强而增大,其中洪涝的受灾面积与旱涝指数的拟合优度好于干旱。

(4)3月的SPEI3与小麦气候产量相关性最显著,两者呈二次项系数为负的抛物线关系。3月正值小麦拔节期,拔节期雨涝对小麦气候产量非常不利,这与于波等^[34]的“春季涝渍是影响淮河以南小麦产量的主要气象灾害”结论一致,而与“4—5月的涝渍对小麦产量影响最大”的观点又有所不同。另外,3月的SPEI3与小麦气候产量残差的回归方程显著性最高,当SPEI3-Mar大于0.81或小于-1.93时,可能会造成小麦高度减产。

SPEI计算简便,具有多时间尺度、无空间差异性等特点,对滁州旱涝灾害特征具有很好的适用性,且对涝灾的识别能力好于旱灾。本文采用面上的小麦单产时间序列数据评价气象旱涝对小麦产量的影响,存在一定的时空局限性。另外,除了旱涝外,影响小麦产量的因素还有光热资源、农田管理措施、品种差异等因素,还需作进一步分析研究。根据趋势分析,滁州春季有干旱化态势,因此小麦拔节期雨涝影响总体趋于减弱,小麦减产的风险降低,但是气候变暖带来的降雨极端性及不确定性增强,因此建议仍应加强农田基本设施建设以应对因雨涝导致的小麦减产。

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]

HALLEGATTE

, GREEN

, NICHOLLS R

, et al.

Future flood losses in major coastal cities

[J]. Nature Climate Change, 2013, 3(9):802-806.

DOI:10.1038/nclimate1979 URL [本文引用: 1]

[2]

姚亚庆, 郑粉莉, 关颖慧.

近60年我国旱涝灾情时空特征分析

[J]. 干旱地区农业研究, 2017, 35(1):228-232.