期刊检索:
  暴雨灾害   2022, Vol. 41 Issue (1): 101-108.  DOI: 10.3969/j.issn.1004-9045.2022.01.012

短论

DOI

10.3969/j.issn.1004-9045.2022.01.012

资助项目

西北区域人影科学试验研究项目“天山试验区地形云作业背景及作业指标技术研究”(RYSY201902)

第一作者

郭帷,主要从事灾害性天气研究。E-mail: 57209118@qq.com.

通信作者

王旭,主要从事灾害性天气研究和人工影响天气工作。E-mail: wangxu2323@vip.163.com.

文章历史

收稿日期:2021-03-29
定稿日期:2021-11-08
1981—2019年北疆暴雨洪涝灾害的时空变化特征分析
郭帷 , 谢海涛 , 王旭 , 海伦     
新疆维吾尔自治区人工影响天气办公室,乌鲁木齐 830002
摘要:基于1981—2019年新疆北疆38个县(市)出现的1 394次暴雨洪涝灾害事件,以暴雨洪涝灾害出现次数、死亡人数、倒塌房屋数、倒塌棚圈数、死亡牲畜数、农作物受灾面积作为评价因子,采用多种统计学方法,构建暴雨洪涝灾损指数,分析近39 a北疆暴雨洪涝灾害的时空变化特征。结果表明:北疆暴雨洪涝灾害高发区位于博州、伊犁河谷和阿勒泰地区,危害性严重等级以上的暴雨洪涝灾害分布在伊犁河谷和阿勒泰地区,特重等级的暴雨洪涝灾害则集中发生在伊犁河谷的霍城、伊宁、巩留、尼勒克和新源等县;暴雨洪涝灾害出现次数及其造成的死亡人数、农作物受灾面积的月变化呈单峰型,而倒塌房屋数、倒塌棚圈数、死亡牲畜数则呈双峰型;年暴雨洪涝灾害出现次数呈显著的线性增加趋势,年度灾损指数呈弱的增加趋势,但在年代际时间尺度上灾害强度不断加强。大雨以上日数和暴雨以上日数是影响北疆暴雨洪涝灾害年际变化的主要气候因素。
关键词暴雨洪涝灾害    灾损指数    时空变化    气候因素    北疆    
Spatio-temporal variation of rainstorm flooding disaster events in Northern Xinjiang from 1981 to 2019
GUO Wei , XIE Haitao , WANG Xu , HAI Lun     
Weather Modification Office of Xinjiang Uygur Autonomous Region, Urumqi 830002
Abstract: Based on the 1394 rainstorm flooding disaster events occurred in the 38 counties or cities in Northern Xinjiang from 1981 to 2019, we have analyze the characteristics of spatio-temporal variation of rainstorm flooding disaster events in Northern Xinjiang in recent 39 years, by taking such the evaluation factors as the occurrence numbers of rainstorm flooding disaster events and the death toll, collapsed house number, collapsed shed number, dead livestock number, and disaster-affected crop area to establish the rainstorm flooding disaster loss index using a variety of statistical methods. The results show that most of rainstorm flooding disaster events occur in Bortala Mongol Autonomous Prefecture, Ili River Valley and Altay Prefecture. The rainstorm flooding disaster events above the severity level are distributed in Ili River Valley and Altay Prefecture, and those above the extremely severity level mainly occur in Huocheng County, Yining County, Gongliu County, Nilka County and Xinyuan County of Ili River Valley. Monthly variation of the occurrence numbers of rainstorm flooding disaster events and the death toll, disaster-affected crop area shows a single-peak type, while that of collapsed house number, collapsed shed number and dead livestock number shows a bimodal pattern. The annual occurrence numbers of rainstorm flooding disaster events show a significant linear increasing trend, and the annual disaster loss index shows a weak increasing trend. The disaster intensity for the rainstorm flood has been increasing in the inter-decadal time scale. The precipitation days above the levels of heavy rain and rainstorm are the main climate factors affecting the inter-annual variation of rainstorm flooding disaster events in Northern Xinjiang.
Key words: rainstorm flooding disaster    disaster loss index    spatio-temporal variation    climate factors    Northern Xinjiang    
引言

暴雨洪涝灾害通常是指因短时强降水或长时间持续性降水引发的一种极具破坏性的气象灾害(於琍等,2018)。自1980年以来,工业化发展加速了全球气候变暖进程,随之而来的是极端降水事件频发和自然灾害加剧(王昊等,2019)。暴雨洪涝灾害造成的损失在其它各类灾害中占相当大比重,严重威胁生态环境、社会发展和生命财产安全(刘彤和闫天池,2011)。我国现有暴雨洪涝灾害研究大多针对东南沿海地区,而对西北干旱半干旱地区关注的相对较少。新疆北疆地处我国西北边陲,年均降水量远低于全国平均水平,但每年暴雨洪涝灾害事件频发(黄玉霞等,2019王妮等,2020)。因此,北疆暴雨洪涝灾害空间分布和时间变化特征的研究是做好干旱地区水资源管理和防洪减灾工作的迫切需求。

近年来,国内学者对暴雨洪涝灾害的时空分布及其评估开展了诸多研究。这些研究主要是通过对历史灾情数据的整理,综合气象观测、卫星遥感、地理信息、社会经济等数据,分析暴雨洪涝灾害的时空变化特征(姜智怀等,2016韩兰英等,2019);或采用层次分析法、专家打分法和构建指标体系等方法建立数学和水文动力学模型,评估暴雨洪涝灾害风险度,开展灾害模拟与风险区划(胡波等,2014包红军等,2016赵华等,2020);或基于自然灾害风险理论,从致灾因子危险性、承灾体暴露度性、孕灾环境敏感性和防灾减灾能力等四个方面,系统探究暴雨洪涝灾害的形成机理及其对灾害变化特征和风险评估造成的影响(于文金等,2011周月华等,2019)。然而,暴雨洪涝灾害包含多个灾情要素,各地对灾害出现次数及其造成的死亡人数、房屋和棚圈倒塌数、牲畜死亡数、农作物受灾面积等都有详细记载,以往研究中综合利用这6个评价因子定量评估暴雨洪涝灾害的危害性相对较少。因此,本文利用1981—2019年北疆38个县(市)暴雨洪涝灾害的6个评价因子,采用统计学方法构建能综合表达6个评价因子的灾损指数,结合概率密度分布函数将暴雨洪涝灾害划分为不同等级,分析暴雨洪涝灾害空间分布与时间变化特征,并讨论气候要素对暴雨洪涝灾害时空分布的影响,以期对西北干旱半干旱区制定防灾减灾政策、措施及灾害风险管理提供有价值的参考。

1 研究区域及资料与方法 1.1 研究区域

北疆是指新疆天山山脉以北的区域(79°57'— 91°32'E,43°23'—49°10'N),境内以山地、盆地和戈壁为主,南至天山山脉北坡和伊犁河谷,北沿阿尔泰山,中间为准噶尔盆地,总面积约5.95×105 km2 (图 1)。作为中国西北内陆典型的干旱半干旱区,北疆属于温带大陆性气候,降水变率大、时空分布不均,自20世纪60年代近60 a来平均年降水量195 mm (张扬等,2019),山区及周边区域可达300~1 000 mm (杨莲梅和刘晶,2018)。由于高大山体对水汽的拦截和抬升作用,降水多发生在山区,当降水达到一定量级时就会导致洪水;加之下垫面戈壁盐碱地居多,土地荒漠化严重,生态环境脆弱,极易导致暴雨洪涝灾害(吴美华等,2016)。自20世纪80年代以来,全球气候呈现暖湿化趋势,变暖背景下降水的增加有利于缓解北疆区域的干旱,但同时也给生态环境保护、水资源利用和灾害风险管控带来更多挑战(甘艳露等,2012姚俊强等,2020)。

图 1 新疆北疆地区地形地貌及县(市)分布 Fig. 1 Topographic features and counties or cities distribution of Northern Xinjiang.
1.2 资料来源与处理

(1) 灾情资料。根据新疆维吾尔自治区民政厅记载的暴雨洪涝灾情信息,采集整理得到1981—2019年北疆38个县(市)出现的1 394次暴雨洪涝的灾情记录,该记录为近39 a间以单个县(市)为单位的灾情记录的总和,每条记录包括灾害出现时间(年/月/日)、出现区域(县/市)、死亡人数(人)、倒塌房屋数(间)、倒塌棚圈数(座)、牲畜死亡数量(头)、农作物受灾面积(hm2),以此作为反映暴雨洪涝灾害的6个评价因子。灾害出现次数是由各县(市)出现灾情事件记录的统计得到,若某县(市)内出现1次暴雨洪涝灾害,则该县(市)暴雨洪涝灾害出现次数记为1。

(2) 降水资料。选取北疆资料完整且有代表性的33个气象观测站1981—2019年3—10月的逐日降水量,分析降水对暴雨洪涝灾害的影响。新疆降水量低于全国平均水平,故不同等级的降水量比国家标准要小。以24 h降水量统计,≤6 mm为小雨,6.1~12 mm为中雨,12.1~24 mm为大雨,≥24.1 mm为暴雨(肖开提·多莱特等,2011)。

1.3 研究方法 1.3.1 确定评价因子权重

设有m个评价因子,每个评价因子由n个样本组成,则得到暴雨洪涝灾害的评价因子矩阵Xn×m。那么,第j个评价因子的权重aj的计算公式为

$ a_{j}=\frac{\sum\limits_{i=1}^{n} X_{i, j} / X_{\max, j}}{\sum\limits_{k=1}^{m} \sum\limits_{i=1}^{n} X_{i, j} / X_{\max, j}} $ (1)

其中,i=1, 2, …, nj=1, 2, …, m,本文m=6,分别代表出现次数(次)、死亡人数(人)、倒塌房屋数(间)、倒塌棚圈数(座)、牲畜死亡数(头)、农作物受灾面积(hm2);Xmax, j为第j个因子的最大值;$ \sum\limits_{i=1}^{n} X_{i, j} / X_{\max, j} $代表第j个评价因子无量纲化的合计值,6个评价因子的合计值在相同量级范围内,数值大小分别为13.5、7.4、9.2、11、6.2、10.6。$ \sum\limits_{k=1}^{m} \sum\limits_{i=1}^{n} X_{i, j} / X_{\max, j}$代表m个评价因子n个样本的无量纲化总和。从式(1)看出,aj是第j个评价因子无量纲化合计值占所有评价因子无量纲化合计值之和的比值。

1.3.2 构建灾损指数

暴雨洪涝灾害的灾损指数(Zi)定义为6个评价因子的无量纲化线性之和,求和时考虑权重,其计算公式为

$ Z_{i}=\sum\limits_{j=1}^{m} a_{j} \frac{X_{i, j}}{\bar{X}_{j}} $ (2)

用上式可分别计算得到分县灾损指数(Zci)和年度灾损指数(Zyi)。计算Zci时,n代表县(市)个数(n=38),Xi, j为第i县第j个评价因子的1981—2019年合计值。计算Zyi时,n代表年数(n=39 a),Xi, j为第i年第j个评价因子的38个县(市)合计值。Xj为第j个评价因子的平均值。表 1给出6个评价因子的权重、平均值、最大值。

表 1 北疆暴雨洪涝灾害6个评价因子的权重、平均值和最大值 Table 1 Weight, average value and maximum of the six evaluation factors for the rainstorm flooding disasters in Northern Xinjiang.
2 结果与分析 2.1 灾损指数的概率分布及等级阈值

通过计算相关系数,可说明灾损指数与评价因子之间的关系。Zci与6个评价因子的相关系数分别为0.55、0.67、0.91、0.90、0.88、0.52;Zyi与6个评价因子的相关系数分别为0.70、0.46、0.75、0.71、0.53、0.71 (各相关系数均通过0.05显著性水平检验)。这表明灾损指数能综合表征暴雨洪涝灾害的评价因子,且灾损指数的大小代表了灾害的强弱。

使用概率分布密度直方图法和假设检验确定灾损指数的概率密度函数(陈家鼎等,1982)。取分组数10得到分县(年度)灾损指数直方图(图 2),图中显示分县(年度)灾损指数均近似服从伽玛分布。分县(年度) 灾损指数的平均值μ=1 (1),方差σ2=0.559 4 (0.473 7),由μ = αβσ2 = αβ2关系式计算得到分县(年度)伽玛分布参数α=1.787 6 (2.111 0),β=0.559 4 (0.473 7)。

图 2 北疆暴雨洪涝分县灾损指数Zc(a)和年度灾损指数Zy(b)的概率密度分布 Fig. 2 Probability density distribution of (a) county-divided disaster loss index (Zc) and (b) annual disaster loss index (Zy) of the rainstorm flood events in Northern Xinjiang.

陈家鼎等(1982)给出的检验方法,计算得到分县(年度)灾损指数的统计量V=4.30 (8.17),取α=0.01,查χ2分布表得到临界值λ=18.48。因V < λ,表明分县(年度)灾损指数服从伽玛分布,分县(年度)灾损指数的概率密度函数均可用伽玛分布函数表达,具体表达式为

$ f\left(Z_{i}\right)=\frac{1}{\beta^{\alpha} \Gamma(\alpha)} Z_{i}^{\alpha-1} e^{-Z_{i} / \beta} $ (3)

由伽玛分布函数的概率及对应的灾损指数阈值,确定分县(年度)暴雨洪涝灾害危害性等级的划分标准(表 2)。由于分县(年度)伽玛分布函数的参数存在差异,因而两者的阈值也存在差异。

表 2 北疆暴雨洪涝灾害等级划分标准 Table 2 Grade criteria of the rainstorm flooding disaster events in Northern Xinjiang.
2.2 暴雨洪涝灾害的空间分布 2.2.1 评价因子的分布特征

图 3是北疆1981—2019年暴雨洪涝灾害年均出现次数及其造成的死亡人数、倒塌房屋数、倒塌棚圈数、死亡牲畜数、农作物受灾面积6个评价因子的空间分布。在绘制空间分布图时,采用自然间断点分级法(李乃强和徐贵阳,2020),突出评价因子的空间差异性。从图 3看出,6个评价因子的空间差异性明显。博州、伊犁河谷、阿勒泰地区暴雨洪涝出现次数较多,年均出现0.9~2.7次。死亡人数集中在伊犁河谷,其中河谷的巩留县最高,年均1.5人。倒塌房屋、倒塌棚圈、死亡牲畜的年均值,伊犁河谷最多,阿勒泰地区次之。伊犁河谷、塔城地区、博州农作物受灾面积较大,但最大值出现在北疆沿天山一带的乌苏市,年均受灾3 176 hm2。上述结果表明暴雨洪涝出现次数和灾害强度与喇叭口地形、迎风坡地形密切相关。

图 3 北疆1981—2019年暴雨洪涝年均出现次数(a)及其造成的死亡人数(b)、倒塌房屋数(c)、倒塌棚圈数(d)、死亡牲畜数(e)、农作物受灾面积(f)的空间分布 Fig. 3 Spatial distribution of (a) the annual averaged number of rainstorm flood events and (b) death toll, (c) collapsed house number, (d) collapsed shed number, (e) dead livestock number, and (f) disaster-affected crop area in Northern Xinjiang from 1981 to 2019.
2.2.2 危害性等级的分布特征

根据暴雨洪涝灾害危害性等级划分标准统计计算表明,北疆38个县中危害性等级属一般的有20县,较重的9县,严重的4县,特重的5县。严重等级以上的县分布在伊犁河谷和阿勒泰地区;特重等级的县集中在伊犁河谷的霍城、伊宁、巩留、尼勒克和新源(图 4)。暴雨洪涝灾害危害性等级的空间分布与北疆短时极端降水的空间分布相一致(高婧等,2017)。受特殊地理环境的影响,伊犁河谷及阿勒泰山区降水量远大于天山以北其它区域。除了受致灾因子的主要影响外,孕灾环境(海拔,坡度,地貌特征)和承灾体(人口、农业种植、牧业生产等)共同影响新疆暴雨洪涝灾害。河谷和山区特殊地形条件为暴雨洪涝灾害提供了稳定的孕灾环境,在发生持续性降水或短时强降水时,高海拔区域形成的径流以极快的速度汇入河谷,在到达地形阶梯结合部的相对平坦区域时极易形成洪水。加之当地耕地、畜牧等承灾体的脆弱易损,使得上述各县灾害损失更为严重(黄秋霞等,2015王慧等,2011)。

图 4 1981—2019年北疆各县暴雨洪涝灾害危害性等级的空间分布 Fig. 4 Hazard level distribution of the rainstorm flooding disaster event in counties of Northern Xinjiang from 1981 to 2019.
2.3 暴雨洪涝灾害的时间变化 2.3.1 月变化

从上述6个评价因子占其各自全年总数百分比的月变化看出(图 5ab),北疆暴雨洪涝灾害出现在3—10月,其中,灾害出现次数、死亡人数和农作物受灾面积分布均呈单峰型,峰值出现在7月;而倒塌房屋、倒塌棚圈和死亡牲畜分布则均呈双峰型,其主峰均出现在4月,前两个因子的次峰出现在6月,第3个的出现在7月。年内4—7月是暴雨洪涝灾害的高危期,6个评价因子占全年的百分数是: 出现次数84%,死亡人数83%,倒塌房屋92%,倒塌棚圈97%,死亡牲畜96%,受灾面积91%。评价因子的月变化规律与北疆大雨以上量级降水日数(图 5c)和暴雨以上量级降水日数(图 5d)的年内分布相一致,其日数多集中在4—7月,峰值均出现在7月,且4月大雨以上日数增幅最大。由此可见,大雨以上量级降水日数和暴雨以上量级降水日数是造成北疆暴雨洪涝灾害的主要致灾因子。

图 5 北疆1981—2019年暴雨洪涝出现次数及其造成的死亡人数、农作物受灾面积(a)与倒塌房屋数、倒塌棚圈数和死亡牲畜数(b)占其全年百分比以及大雨以上量级(c)和暴雨以上量级(d)降水日数的月变化 Fig. 5 Monthly variation of (a) the percentage in the whole year of rainstorm flood event number and death toll, affected crop area, (b) collapsed house number, collapsed shed number and dead livestock number as well as the precipitation days above (c) heavy rain and (d) rainstorm in Northern Xinjiang from 1981 to 2019.
2.3.2 年际变化

1981—2019年近39 a内,北疆暴雨洪涝出现次数(Y)的气候趋势系数(与时间即年份的相关系数)为0.471,通过0.05的显著性水平检验,表明北疆暴雨洪涝年出现次数呈年际增加趋势,并以7.7次·(10 a)-1的速率增加(图 6a)。年度灾损指数Zy呈弱的年际增加趋势(图 6b),其增加趋势不显著(气候趋势系数为0.173,未通过0.05显著性水平检验)。但从年度危害性等级出现频次看,严重等级以上的洪涝灾害20世纪80年代出现1次、90年代出现2次,21世纪头10 a出现5次、10年代出现2次,特重等级分别只在2002年和2016年出现过,这表明进入21世纪后北疆严重等级以上的暴雨洪涝出现频次明显增多。

图 6 北疆1981—2019年暴雨洪涝出现次数Y (a)和灾损指数Zy (b)的年际变化 Fig. 6 Interannual variation of (a) the times (Y) of rainstorm flood events and (b) disaster loss index (Zy) in Northern Xinjiang from 1981 to 2019.

鉴于暴雨洪涝灾害事件的形成与发展主要取决于持续降水和极端降水(谢泽明等,2018),采用北疆逐年3—10月的大雨以上日数(Dd)和暴雨以上日数(Bd),讨论降水对暴雨洪涝灾害出现次数和强度长期变化的影响。北疆某年Dd是指33个气象观测站3—10月大雨以上日数的平均,Bd计算方法与之类似。下文从长期变化趋势和相关关系两个方面分析降水与灾害之间的关系。在长期变化趋势方面,1981—2019年DdBd的气候趋势系数分别为0.302和0.336 (分别通过0.10和0.05显著性水平检验),DdBd两者均呈年际增加趋势(图 7ab),与暴雨洪涝出现次数的显著增加趋势一致。在相关关系方面,暴雨洪涝出现次数与DdBd的相关系数分别为0.481、0.547 (均通过0.05显著性水平检验);年度灾损指数ZyDdBd的相关系数分别为0.356、0.472 (均通过0.05显著性水平检验);由相关系数大小看出,DdBd与暴雨洪涝出现次数和Zy之间高相关,且Bd与两者之间的相关性更好。综上可知,3— 10月大雨和暴雨以上日数是影响北疆暴雨洪涝灾害出现次数和强度长期变化的主要气候因素。

图 7 北疆1981—2019年3—10月大雨以上量级降水日数Dd (a)和暴雨以上量级降水日数Bd (b)的年际变化 Fig. 7 Interannual variation of the precipitation days above (a) heavy rain (Dd) and (b) torrential rain (Bd) in Northern Xinjiang between March and October from 1981 to 2019.
2.4 北疆暴雨洪涝灾害典型案例分析

为进一步认识降水对暴雨洪涝灾害的影响,本文以洪涝灾害危险性特重的2002年4月中旬到下旬发生在伊犁河谷的两次持续性降水过程为例,分析持续性降水对北疆暴雨洪涝灾害6个评价因子和年度灾损指数的影响。2002年4月18—21日、24—30日伊犁河谷先后出现覆盖整个流域的续性性降水过程(表 3),所辖9个县(市)各2次灾情事件记录,共计18次暴雨洪涝灾害事件(占全年的29.5%),倒塌房屋89 900间(占全年的96%),倒塌棚圈27 400座(占全年的99.3%),死亡牲畜146 500头(占全年的99.2%),农作物受灾面积76 733.3 hm2 (占全年的80.8%)。可见,当年两次续性性降水过程造成的洪涝灾害是相当严重的,其年度灾损指数高达3.958,居近39 a最高。

表 3 2002年4月中下旬伊犁河谷两次持续性降水过程各站降水量(单位: mm) Table 3 Accumulated precipitation (unit: mm) at the nine stations in Ili River Valley during the two continuous precipitation events in middle and late April 2002.
3 结论与讨论

本文采用1981—2019年近39 a新疆北疆地区38个县(市)出现的1 394次暴雨洪涝灾害事件,通过构建暴雨洪涝灾损指数,结合概率密度分布函数确定的危害性等级,初步分析了北疆暴雨洪涝灾害的时空变化特征,得到如下结论:

(1) 近39 a,北疆暴雨洪涝灾害高发区位于博州、伊犁河谷和阿勒泰地区,年平均出现0.9~2.7次;灾害死亡人数集中在伊犁河谷,巩留县最多,年均1.5人;倒塌房屋、倒塌棚圈和死亡牲畜伊犁河谷最多,阿勒泰地区次之;农作物受灾面积大值区位于伊犁河谷、塔城地区和博州。

(2) 北疆暴雨洪涝灾害危害性等级的空间分布差异明显,严重等级以上的县分布在伊犁河谷和阿勒泰地区,特重等级的县集中在伊犁河谷的霍城、伊宁、巩留、尼勒克和新源。

(3) 北疆暴雨洪涝灾害出现次数及其造成的死亡人数、农作物受灾面积的月变化表现为单峰型,两者峰值出现在7月;而倒塌房屋数、倒塌棚圈数、死亡牲畜数月变化则呈双峰型,峰值出现在4月,次峰出现在6月或7月。

(4) 近39 a北疆暴雨洪涝灾害出现次数呈年际增加趋势,年度灾损指数呈弱的上升趋势,但进入21世纪后,严重等级以上的暴雨洪涝年频次明显增多,意味着在年代际时间尺度上灾害强度在加强。分析表明3—10月大雨以上日数和暴雨以上日数是影响北疆暴雨洪涝灾害出现次数和强度年际变化的主要气候因素。

值得一提的是,虽然北疆暴雨洪涝出现次数的年际增加趋势明显,但灾损指数(灾害强度)则表现为弱的增加趋势,灾害强度增幅的减缓与暴雨洪涝灾害防御能力的增强密切相关。跨入20世纪后,新疆人民政府不断加大防灾减灾能力建设和资金投入,国家统计局官方网站报道的数据显示,新疆水土流失治理面积已由2001年的8.42×104 hm2提升到了2019年的200.81×104 hm2,水土流失治理取得明显成效。同时,北疆气象监测能力明显提升,区域气象站覆盖所有乡镇,空间分辨率由50 km提高到30 km,数据传输时效从60 min提升到1 min;新一代天气雷达覆盖北疆极端降水的易发区和多发区,雷达观测数据传输时效由442 s提升到50 s。气象监测和数据传输能力的提升,促使灾害预报预警水平不断提高。因而,尽管极端降水事件随着气候变暖出现频次增多、强度加大,但由于暴雨洪涝灾害防御能力得到加强,使得灾害强度的增幅得到遏制,灾害强度仅表现出弱的增加趋势。

参考文献
包红军, 王莉莉, 沈学顺, 等. 2016. 气象水文耦合的洪水预报研究进展[J]. 气象, 42(9): 1045-1057.
陈家鼎, 刘婉如, 汪仁官. 1982. 概率统计讲义[M]. 北京: 高等教育出版社.
甘艳露, 李宏, 马婷, 等. 2012. 近50年新疆北疆地区气候变化趋势分析研究[J]. 云南地理环境研究, 24(6): 80-86.
高婧, 井立红, 井立军, 等. 2017. 北疆地区极端降水事件气候特征分析[J]. 陕西气象, (3): 23-28.
韩兰英, 张强, 杨阳, 等. 2019. 气候变化背景下甘肃省主要气象灾害综合损失特征[J]. 干旱区资源与环境, 33(7): 107-114.
胡波, 丁烨毅, 何利德, 等. 2014. 基于模糊综合评价的宁波暴雨洪涝灾害风险区划[J]. 暴雨灾害, 33(4): 380-385. DOI:10.3969/j.issn.1004-9045.2014.04.010
黄秋霞, 赵勇, 何清. 2015. 新疆伊犁河谷夏季降水日变化特征[J]. 冰川冻土, 37(2): 369-375.
黄玉霞, 王宝鉴, 黄武斌, 等. 2019. 我国西北暴雨的研究进展[J]. 暴雨灾害, 38(5): 515-525. DOI:10.3969/j.issn.1004-9045.2019.05.013
姜智怀, 巩志宇, 李嫦, 等. 2016. 基于降水时空分布情景模拟的暴雨洪涝致灾危险性评价[J]. 暴雨灾害, 35(5): 464-470.
李乃强, 徐贵阳. 2020. 基于自然间断点分级法的土地利用数据网格化分析[J]. 测绘通报, (4): 106-110, 156.
刘彤, 闫天池. 2011. 我国的主要气象灾害及其经济损失[J]. 自然灾害学报, 20(2): 90-95.
王昊, 姜超, 王鹤松, 等. 2019. 中国西南部区域雨季极端降水指数时空变化特征[J]. 中国农业气象, 40(1): 1-14.
王慧, 毛炜峄, 李元鹏, 等. 2011. 新疆易灾暴雨的风险区划[J]. 冰川冻土, 33(6): 1407-1413.
王妮, 崔彩霞, 刘艳. 2020. 新疆暴雨洪涝灾害损失的时空特征及其影响因素[J]. 干旱区研究, 37(2): 325-330.
吴美华, 王怀军, 孙桂丽, 等. 2016. 新疆农业气象灾害成因及其风险分析[J]. 干旱区地理, 39(6): 1212-1220.
肖开提·多莱特, 张帆, 魏荣庆, 等. 2011. 降水量级别: DB65/T 3273—2011 [S]. 乌鲁木齐: 新疆维吾尔自治区质量技术监督局: 1-7
谢泽明, 周玉淑, 杨莲梅. 2018. 新疆降水研究进展综述[J]. 暴雨灾害, 37(3): 204-212.
杨莲梅, 刘晶. 2018. 新疆水汽研究若干进展[J]. 自然灾害学报, 27(2): 1-13.
姚俊强, 曾勇, 李建刚, 等. 2020. 中亚区域干湿及极端降水研究综述[J]. 气象科技进展, 10(4): 7-14.
於琍, 徐影, 张永香. 2018. 近25 a中国暴雨及其引发的暴雨洪涝灾害影响的时空变化特征[J]. 暴雨灾害, 37(1): 67-72.
于文金, 闫永刚, 吕海燕, 等. 2011. 基于GIS的太湖流域暴雨洪涝灾害风险定量化研究[J]. 灾害学, 26(4): 1-7.
张扬, 楚新正, 杨少敏, 等. 2019. 近56 a新疆北部地区气候变化特征[J]. 干旱区研究, 36(1): 212-219.
赵华, 李树军, 肖清华, 等. 2020. 潍坊市强降雨洪涝灾害风险评估与区划[J]. 沙漠与绿洲气象, 14(6): 61-67.
周月华, 彭涛, 史瑞琴. 2019. 我国暴雨洪涝灾害风险评估研究进展[J]. 暴雨灾害, 38(5): 494-501.