基于NDVI-LST模型的四川攀西地区近20 a干旱演变特征

doi:10.11755/j.issn.1006-7639(2024)-02-0180

基于NDVI-LST模型的四川攀西地区近20 a干旱演变特征

刘兴忠^,¹^,², 胡春^,¹^,², 何超¹^,², 何国平³, 马骁⁴, 姜绪彬⁵

1.四川省气象探测数据中心，四川成都 610072

2.高原与盆地暴雨旱涝灾害四川省重点实验室，四川成都 610072

3.四川省攀枝花市气象局，四川攀枝花 617000

4.四川省凉山州气象局，四川凉山州 615000

5.黑龙江省气象数据中心，黑龙江哈尔滨 150000

Evolution characteristics of drought in the Panzhihua and Liangshan regions of Sichuan Province based on NDVI-LST model in the past 20 years

LIU Xingzhong^,¹^,², HU Chun^,¹^,², HE Chao¹^,², HE Guoping³, MA Xiao⁴, JIANG Xubin⁵

1. Sichuan Meteorological Observation and Data Centre， Chengdu 610072， China

2. Heavy Rain and Drought-Flood Disasters in Plateau and Basin Key Laboratory of Sichuan Province chengdu 610072， China

3. Panzhihua Meteorological Office， Panzhihua 617000， Sichuan， China

4. Liangshan Meteorological Office， Liangshan 615000， Sichuan ， China

5. Heilongjiang Meteorological Observation and Data Centre， Harbin 150000， China

通讯作者: 胡春（1974—），男，四川成都人，高级工程师，主要从事大气探测及气象探测数据挖掘方面的研究。E-mail:349430433@qq.com。

责任编辑: 王涓力；校对：邓祖琴

收稿日期: 2023-07-21 修回日期: 2023-11-23

基金资助:

高原与盆地暴雨旱涝灾害四川省重点实验室科技发展基金项目(SCQXKJYJXMS202318)
高原与盆地暴雨旱涝灾害四川省重点实验室科技发展基金项目(SCQXKJYJXMS202320)

Received: 2023-07-21 Revised: 2023-11-23

作者简介 About authors

刘兴忠（1984—），男，四川成都人，硕士，高级工程师，主要从事大气探测及气象探测数据挖掘方面的研究。E-mail:liuxz246@163.com。

摘要

随着全球变暖不断加剧，区域性干旱事件频发，我国近些年采取了诸多措施来应对干旱事件，为分析相关措施成效，以四川攀枝花、凉山州地区（简称“攀西地区”）为例，研究该区域近20 a干旱演变特征，以服务当地生产和发展。利用中分辨率成像光谱仪（Moderate Resolution Imaging Spectroradiometer，MODIS）的归一化植被指数（Normalized Difference Vegetation Index，NDVI）和地表温度（Land Surface Temperature，LST）数据计算了2003—2022年攀西地区的温度植被干旱指数（Temperature Vegetation Dryness Index，TVDI），分析TVDI在不同时间尺度上的变化及该区域过去20 a来干旱的演变特征。研究表明：（1）攀西地区干旱多发生在春季的3—5月，10月前后TVDI值最低，也是最不易发生干旱的时段。（2）攀西地区干旱逐年缓解，由TVDI监测的无旱和重旱区域所占面积变化不大；轻旱面积有所增加，2013年后比之前平均增加5.30%；而中旱面积有所减少，2013年后比之前平均减少5.67%。（3）昭觉、布拖和越西等地干旱缓解明显，而木里、米易、会理等地区干旱有加重趋势。（4）攀西地区旱情大部分区域较稳定，其面积约占总面积的82.59%，干旱重心南北方向上变化较小，但有向西迁移的趋势。

关键词： MODIS; TVDI; 攀西地区; 干旱演化

Abstract

With the continuous intensification of global warming and the frequent occurrence of regional drought events, many measures to cope with drought events have been taken in recent years. In order to analyze the effectiveness of relevant measures, the Panzhihua and Liangshan Prefecture (referred to as “Panxi Area”) in Sichuan Province is taken as an example to study the evolution characteristics of drought in the region in the past 20 years, so as to serve local production and development. The Normalized Difference Vegetation Index (NDVI) and Land Surface Temperature (LST) data of MODIS were used to calculate the Temperature Vegetation Drought Index (TVDI) in Panxi Area from 2003 to 2022, and the changes of TVDI on different time scales and drought evolution characteristics over the past 20 years were analyzed. The results are as follows: (1) Droughts in the Panxi area mostly occurs from March to May in spring, and the TVDI value is the lowest around October each year, which is also the period less prone to drought. (2) The drought in Panxi Area was alleviated year by year, and the areas of drought-free and drought-severe areas monitored by TVDI had little change.The area of light drought has increased, with an average increase of 5.30% after 2013. On the other hand, the area of medium drought has decreased, with an average decrease of 5.67% after 2013. (3) The drought in Zhaojue, Butuo and Yuexi has eased obviously, while the drought in Muli, Miyi and Huili has an aggravation trend. (4) The regional drought is relatively stable in most areas, accounting for 82.59% of the total area, while the drought center changes little from south to north, but it has a trend of westward migration.

Keywords： MODIS; TVDI; Panzhihua and Liangshan regions; drought evolution

PDF (10887KB) 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

刘兴忠, 胡春, 何超, 何国平, 马骁, 姜绪彬. 基于NDVI-LST模型的四川攀西地区近20 a干旱演变特征[J]. 干旱气象, 2024, 42(2): 180-186 DOI:10.11755/j.issn.1006-7639(2024)-02-0180

LIU Xingzhong, HU Chun, HE Chao, HE Guoping, MA Xiao, JIANG Xubin. Evolution characteristics of drought in the Panzhihua and Liangshan regions of Sichuan Province based on NDVI-LST model in the past 20 years[J]. Arid Meteorology, 2024, 42(2): 180-186 DOI:10.11755/j.issn.1006-7639(2024)-02-0180

引言

干旱是当前全球面临的共同自然问题，近年来屡屡出现的高温天气也加剧了干旱事件的发生。《中国气候变化蓝皮书（2023）》（中国气象局气候变化中心，2023）也指出，全球变暖仍在持续，我国升温速率高于全球同期水平，这使得我国在未来或将面对更多的干旱事件，而其频繁出现也必然会给农业生产、生态系统和社会经济带来巨大挑战（刘德祥等，2005；何超禄等，2022；王莹等，2023；杨扬等，2023）。因此深入分析干旱现象，找寻其中可能存在的规律就显得格外重要。

作为监测干旱的众多指数之一，温度植被干旱指数（Temperature Vegetation Dryness Index，TVDI）在全球干旱监测中有着广泛应用，TVDI综合考虑了温度和植被的变化情况，构建的“植被指数-温度”特征空间，能较精确地反映土壤水分情况和干旱程度，可为干旱空间分布和时间演变提供定量评价（于敏和王春丽，2011；Shi et al.，2020）。同时，计算TVDI所需的遥感类温度、植被数据可获取性高，有助于快速掌握干旱状况（于敏和王春丽，2011），能为干旱空间分布和时间演变提供实时的定量评价信息（Shi et al.，2020）。

TVDI具有反映不同地区干旱时空演变特征的能力（Liang et al.，2014；Du et al.， 2017；Tao et al.，2020；王椰等，2023）。四川地区的应用也表明，TVDI对当地的干旱监测优于其他指数（姚丹丹等，2015），能很好地反映干旱状况（文博，2014；王鑫等，2015）。另一方面，从TVDI模型构建方法衍生而来的相关方法同样在干旱监测、水分反演、干旱预警等方面有较好的应用（Li et al.，2012；王永前等，2014；Zhang et al.，2014；Senay et al.，2014；张启霖等，2017；Liu and Yue，2018；王嘉杰等，2023；徐作敏等，2023）。

尽管以往有针对四川地区干旱的研究，但对近些年该区域干旱状况的跟踪较少，且多数研究针对整个四川地区，少有针对局部区域的研究。四川地区气候背景差异大，开展针对局部地区的干旱研究有一定的必要性，攀枝花市和凉山州（以下称“攀西地区”）地形由高原向平原过渡，天气气候复杂，是果蔬主要产区，也是四川干旱多发区域（景岗，2016；陈艾琳等，2020），干旱发生会对该区域农业生产造成严重影响，甚至影响部分地区已取得的脱贫攻坚成果。因此，本文针对该区域开展干旱研究，以期为攀西地区干旱防治、农业发展等提供参考。

1 数据和方法

1.1 研究区概况

攀西地区（100°E—104°E、26°N—29.2°N）地形如图1所示，区域有多条大江大河，如雅砻江、金沙江和大渡河；海拔在200~5 958 m之间，地势西北高、东南低，现有22个县级市、县及市辖区（其中攀枝花市下辖仁和区、东区和西区），区域紧邻云南省，是重要的交通枢纽。攀西地区为亚热带季风气候，其中凉山州具有亚热带高原季风气候特点，攀枝花地区则有亚热带湿润季风气候特征，两地均干湿分明，冬半年少雨干旱，夏半年多雨湿润；同时，区域日照充足，蒸发量大（杨明兴，2018）。攀西地区动植物资源、矿产资源丰富，果蔬类产品较多，是四川农业生产的重要基地，具有非常重要的发展前景和战略地位。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1 攀西地区行政区划及地形示意图

Fig.1 Administrative division and topographic map of the Panzhihua and Liangshan regions

1.2 研究数据

所用数据来自于美国国家航空航天局（National Aeronautics and Space Administration，NASA）的TERRA卫星上搭载的中分辨率成像光谱仪（Moderate Resolution Imaging Spectroradiometer，MODIS）的规一化植被指数（Normalized Difference Vegetation Index，NDVI）和地表温度（Land Surface Temperature，LST）产品数据（http://ladsweb.nascom.nasa.gov/）。其中，NDVI数据编号为MOD13C2，LST数据编号为MOD11C3，两种产品的时间分辨率均为逐月，空间分辨率均为0.05°×0.05°。所用资料时间段为2003—2022年。

在MATLAB程序平台中，对NDVI和LST数据进行提取处理，去除掉填充值和缺省值，将原始NDVI和LST数据进行缩放得到正常数值，为后续模型搭建做准备。

1.3 NDVI-LST模型构建

NDVI-LST模型的原理来源于NDVI和LST的特殊关系。以往研究发现以NDVI为横轴，LST为纵轴，两者在坐标系中的分布呈现三角形（图2）或梯形（王永前等，2014；Shi et al.，2020），其中NDVI较低时，LST往往为高值，这些区域的地表也多以裸地为主；当NDVI有所增加，LST则会下降，地表也以低植被覆盖和中度植被覆盖为主；当NDVI较高时，LST进一步降低，地表植被覆盖继续增加。模型中，三角形或梯形靠近横轴的坐标线称为湿边，斜边则被称为干边，干边和湿边也是NDVI-LST坐标分布图中的上下拟合边界。通过提取某个NDVI值或某段NDVI范围内对应的最大和最小LST值来获取上下边界，具体做法是将NDVI以0.01为步长划分为若干段，确定这些段落中NDVI的像元位置，然后选择LST中这些像元位置上的最大和最小值，从而完成NDVI-LST的模型搭建（吴孟泉等，2007；闫峰等，2009）。这一过程可在MATLAB等相关程序平台上完成，也可在ArcGIS中利用Zonal Statistics功能实现。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2 NDVI-LST模型示意图

Fig.2 Schematic diagram of the NDVI-LST model

完成模型搭建后，即可进行干边和湿边的拟合，两者拟合公式见图2，TVDI的计算公式如下：

（1）

T V D I = \frac{L S T - T_{m i n}}{T_{m a x} - T_{m i n}}

（2）

T_{m i n} = a + b \times N D V I

（3）

T_{m a x} = c + d \times N D V I

式中： $T_{m a x}$ 为干边拟合结果； $T_{m i n}$ 为湿边拟合结果； $a$ 、 $b$ 与 $c$ 、 $d$ 分别为干边和湿边的拟合常数和系数；LST为原始温度值，这里为MODIS的地温数据；NDVI为MODIS的植被指数数据。TVDI取值为0~1，基于TVDI的干旱等级划分参考屈新星等（2022）研究：0<TVDI≤0.4代表地表湿润或正常，即无旱；0.4<TVDI≤0.6时地表蒸发量较小，近地表空气干燥，为轻旱；0.6<TVDI≤0.8时土壤表面干燥，为地表植被叶片有枯萎现象的中旱；0.8<TVDI≤1.0时土壤出现较厚的干土层，为植被干枯、死亡的重旱。

以往针对四川地区的干旱研究中基于TVDI的干旱等级划分（张顺谦等，2007；陈艾琳等，2020）与本文有所不同，这些研究多针对整个四川地区，当聚焦到小范围时，难免存在差异，考虑到攀西地区亚热带高原季风气候的背景，屈新星等（2022）的研究聚焦于滇中高原的农业干旱，该地区同样为亚热带季风性高原气候，日照时间长、昼夜温差大等特点也和攀西地区类似，且滇中和攀西地理距离较近，因此采用了类似的干旱等级划分。

1.4 TVDI趋势分析

采用一元线性回归方法计算TVDI在2003—2022年的变化趋势，其计算公式（宋怡和马明国，2008；刘宪锋等，2015）如下：

（4）

θ_{s l o p e} = \frac{n \times \sum_{i = 1}^{n} i \times T V D I_{i} - \sum_{i = 1}^{n} i \sum_{i = 1}^{n} T V D I_{i}}{n \times \sum_{i = 1}^{n} i^{2} - {(\sum_{i = 1}^{n} i)}^{2}}

式中：θ_slope为总变化趋势，当 $θ_{s l o p e}$ >0时，说明该处TVDI呈增长趋势，若 $θ_{s l o p e}$ <0，则说明该处TVDI呈递减趋势；n为参与斜率计算的数据量，这里以年为例进行说明，若研究时段为20 a，n即为20； $i$ 为研究的第 $i$ 年；TVDI_i为第 $i$ 年的TVDI值。

1.5 变异系数跟踪

变异系数，也称“离散系数”，用来反映两组有着不同量纲或测量尺度相差较大数据之间的离散程度，文中反映TVDI图像上每个像元点在20 a的波动及离散情况，其计算公式（屈新星等，2022）如下：

（5）

C_{v} = \sqrt{\frac{\sum_{i = 1}^{n} (T V D I_{i} - \bar{T V D I})}{n}} ∕ \bar{T V D I}

式中： $C_{v}$ 为变异系数； $n$ 代表参与计算的总年份； $i$ 为第 $i$ 年； $T V D I_{i}$ 为第 $i$ 年的 $T V D I$ 值； $\bar{T V D I}$ 代表所有年份 $T V D I$ 的均值。

1.6 干旱重心迁移

干旱重心迁移代表干旱区域在空间位置（经度、纬度）上的变化。为分析近20 a攀西地区干旱重心是否迁移及迁移特征，计算干旱在空间上的迁移轨迹以反映干旱的变化情况（马梓策，2020；屈新星等，2022）。

（6）

X_{t} = \sum_{i = 1}^{n} x_{i} p_{t i} ∕ \sum_{i = 1}^{n} p_{t i}

，

Y_{t} = \sum_{i = 1}^{n} y_{i} p_{t i} ∕ \sum_{i = 1}^{n} p_{t i}

式中： $X_{t}$ 、 $Y_{t}$ 代表第 $t$ 年TVDI的重心经、纬度； $x_{i}$ 、 $y_{i}$ 分别代表第 $i$ 个像元的经、纬度； $p_{t i}$ 为第 $i$ 个像元第 $t$ 年的TVDI值。

2 结果分析

2.1 TVDI时序变化

2.1.1 TVDI月变化

图3为2003—2022年20 a攀西地区逐月TVDI均值及TVDI和NDVI月均值变化。可以看到，TVDI有较明显的年内变化特征，且往往在春季达到高值，这与攀西地区易发生春旱的实际情况一致；而TVDI低值往往出现在每年的8—10月，这或许和当地夏季降水较多有关。2009年末至2010年春季，攀西地区发生特旱灾害，从图3（a）可见，2010年3—5月TVDI也处于极高值，与当年特旱时间段相吻合，也与此前的研究结果（文博，2014；景岗，2016；陈艾琳等，2020）相契合。图3（b）也看到类似结果，TVDI随月份起伏变化明显，每年2—5月达到最高值，10月达最低值；NDVI每年1—4月为低值，对应TVDI高值段，NDVI每年7—10月处于高值，对应TVDI低值段。近20 a，TVDI>0.7的月份只有3个，而TVDI<0.4的月份也仅有1个，而0.4<TVDI≤0.6的月份占比70.4%，0.6<TVDI≤0.8的月份占比约29.2%，说明攀西地区的干旱主要以轻旱和中旱为主，2—5月发生重旱的可能性明显高于其他月份。

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3 2003—2022年攀西地区TVDI逐月变化（a）与 TVDI、NDVI月均值序列（b）

Fig.3 Monthly variation of TVDI （a） and monthly mean TVDI and NDVI during 2003-2022 in the Panzhihua and Liangshan regions

2.1.2 TVDI年变化

图4为2003—2022年攀西地区不同等级干旱面积占比及TVDI、NDVI逐年变化。可见，TVDI显示正常无干旱情况的面积占比有起伏变化，如2003—2012年正常无干旱面积约占26.00%，2013年后其所占面积约28.26%，平均为27.10%左右；轻旱面积有明显增多趋势，2003—2012年轻旱区域平均占比为26.00%，2013—2022年其平均占比为31.30%；中旱面积近20 a有明显减少趋势，2013年前中旱面积的平均占比为30.25%，之后占比下降至24.58%；重旱面积近20 a变化不大，但整体仍有减少趋势，研究时段的前10 a重旱面积平均占比为17.72%，后10 a占比则为15.84%。

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4 2003—2022年攀西地区不同等级干旱面积占比（a）及TVDI、NDVI（b）逐年变化

Fig.4 The proportion of areas of drought with different grades year by year （a） and time series of annual TVDI and NDVI （b） during 2003-2022 in the Panzhihua and Liangshan regions

尽管攀西地区TVDI存在逐年的起伏波动，但总体而言有明显下降趋势，速率为每年-0.002 5，说明近年来区域干旱有减缓趋势；NDVI年变化也显示区域植被覆盖度在持续增加，增加速率为每年0.001 6，说明随植被覆盖的增加，区域旱情有逐年缓解趋势。

2.2 TVDI空间趋势变化特征

为进一步分析近20 a来攀西地区干旱在空间上的变化趋势，根据公式（4）计算 $θ_{s l o p e}$ ，其数值越大，表明TVDI在研究时段内增加趋势越明显，干旱在这些区域处于加重态势； $θ_{s l o p e}$ 数值越小则表明TVDI在这些区域处于减小趋势，干旱在这些区域处于减缓状态。

图5为攀西地区2003—2022年TVDI月、季尺度及多年变化趋势的空间分布。可以看出，月尺度和多年尺度计算的TVDI变化趋势空间分布特征具有较高的一致性，攀西大部分区域TVDI为减小趋势，特别是越西、喜德、昭觉以及盐源等地， $θ_{s l o p e}$ 数值较小，表明这些区域近20 a来干旱呈减缓状态；但从月尺度TVDI变化趋势[图5（a）]看，西昌、德昌交界以及攀枝花仁和、会理地区干旱有加重趋势，TVDI年变化趋势[图5（c）]也显示木里、米易和会理等地TVDI呈增加趋势，说明这些区域干旱呈加重状态。统计结果亦显示，按月尺度计算， $θ_{s l o p e}$ >0的区域占比30.60%， $θ_{s l o p e}$ <0的区域占比69.40%；多年统计结果显示 $θ_{s l o p e}$ >0的区域占比约23.80%， $θ_{s l o p e}$ <0的区域占比为76.20%，均表明攀西大部分区域的干旱状况在过去20 a得到了缓解。同时也看到，季节尺度TVDI变化趋势[图5（b）]与月和年尺度趋势存在差异，其原因或许是季节尺度的计算间隔与前两者不同，季节的连续性不如月和年尺度好。季节尺度上的干旱状况也以减轻为主，统计结果显示 $θ_{s l o p e}$ >0的区域占5.24%， $θ_{s l o p e}$ <0的区域占94.76%。综上，无论在哪个时间尺度上，区域干旱均呈减缓趋势。

图5

新窗口打开| 下载原图ZIP| 生成PPT

图5 2003—2022年攀西地区TVDI月（a）、季（b）、年（c）尺度变化趋势及TVDI不同趋势（d）的空间分布

Fig.5 The spatial distribution of trend change of TVDI on monthly （a）， quarterly （b） and multi-year （c） scales and different trend of TVDI （d） during 2003-2022 in the Panzhihua and Liangshan regions

将TVDI变化趋势分为明显下降（-13.0×10^-3~-9.9×10^-3 a^-1）、中度下降（-9.9×10^-3~-6.6×10^-3 a^-1）、轻度下降（-6.6×10^-3~-3.3×10^-3 a^-1）、基本稳定（-3.3×10^-3~-0.7×10^-3 a^-1）、轻度增长（-0.7×10^-3~3.2×10^-3 a^-1）、中度增长（3.2×10^-3~6.5×10^-3 a^-1）、明显增长（6.5×10^-3~9.7×10^-3 a^-1）7种情形。从图5（d）中可以看到，明显下降区主要位于昭觉和布拖交界区以及其他的部分区域。其中，明显、中度、轻度下降区占比分别为0.17%、12.80%、21.80%，基本稳定区占比30.70%，轻度、中度、明显增长区占比分别为31.10%、1.58%和0.13%。由此可见，TVDI明显下降和明显增长区及中度增长区均占很小一部分，而中度、轻度下降及基本稳定和轻度增长区则占很大部分，表明近20 a来攀西地区干旱以减缓和稳定为主。

2.3 TVDI稳定性及重心迁移特征

参考屈新星等（2022）研究，将TVDI空间变化分为4类：非常稳定（0.2≤C_v<0.3）、稳定（0.3≤C_v<0.4）、不稳定（0.4≤C_v<0.5）和很不稳定（0.5≤C_v<0.6）。图6为2003—2022年攀西地区TVDI变异系数的空间分布及干旱重心分布。可以看到，旱情非常稳定和稳定区域占比达82.59%（分别为43.72%、38.87%）；而旱情不稳定区和很不稳定区域占比分别为12.00%、5.30%，且基本集中在木里地区，这与前文分析木里地区旱情多年发展呈上升趋势契合。

图6

新窗口打开| 下载原图ZIP| 生成PPT

图6 2003—2022年攀西地区TVDI变异系数空间分布（a）及干旱重心变化（b）

Fig.6 Spatial distribution of TVDI coefficient of variation （a） and the drought center variation （b） during 2003-2022 in the Panzhihua and Liangshan regions

2003—2022年，攀西地区干旱在南北方向的重心大致在27.12°N与27.16°N之间变化，东西向重心在102.07°E与102.17°E之间变化。2010年前，干旱重心较为稳定，波动范围小。2011和2012年干旱重心在南北向上往南向迁移，此后往北迁移，2013年后南北向重心波动幅度大于2010年前，但与2011和2012年相比，重心仍偏北；干旱重心在2011、2012年明显向西迁移，2013、2014年明显向东迁移后再向西迁移，此后干旱重心在东西向上波动幅度变小，重心较为稳定。整体而言，攀西地区干旱重心大致位于德昌—米易—会理交界区域，且重心有向西发展的趋势。

3 结论

利用MODIS逐月NDVI和LST数据，从不同时间尺度上分析TVDI的变化趋势，跟踪TVDI在空间上的变异系数和干旱重心变化，得到如下结论。

（1）攀西地区干旱易发生在春季，春旱现象在当地较为普遍，TVDI低值出现在每年10月，即干旱最不易发生在10月前后。

（2）2003—2022攀西地区无旱和重旱区域面积占比变化不大，轻旱面积呈上升趋势，中旱面积呈下降趋势；攀西地区干旱状况整体呈减缓趋势。

（3）攀西地区的越西、喜德和昭觉等地干旱明显缓解，仁和、会理、木里、盐边和米易等地区干旱有加重趋势。

（4）2003—2022年攀西地区大部分区域旱情较为稳定，但木里地区旱情不稳定性较强。干旱重心南北方向较稳定，但有向西发展趋势。

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]

陈艾琳, 戴晓爱, 张诗琪, 等,

2020.

2007—2016年四川省土壤干旱时空动态分析

[J]. 山地学报, 38 (1): 31-41.

[本文引用: 3]

[2]

何超禄, 吕海深, 朱永华, 等,

2022.

TIGGE降水预报在中国干旱半干旱地区的适用性评估

[J]. 干旱区研究, 39(2): 368-379.