中国气象学会主办。
文章信息
- 马彬, 张勃, 贾艳青, 唐敏. 2017.
- MA Bin, ZHANG Bo, JIA Yanqing, TANG Min. 2017.
- 1961-2014年中国内陆农业区异常初、终霜日时空变化及其与环流因子的关系
- Temporal and spatial variations of the first and last frost dates in China's inland agricultural region from 1961 to 2014 and their relationships with circulation factors
- 气象学报, 75(4): 661-671.
- Acta Meteorologica Sinica, 75(4): 661-671.
- http://dx.doi.org/10.11676/qxxb2017.048
-
文章历史
- 2016-12-06 收稿
- 2017-05-03 改回
气候变化是人类目前所面临的最重要的环境与发展问题之一,许多研究发现全球不同地区不仅是地表温度在20世纪80和90年代出现突变性的升高或者通过不同生物物理系统反映出时间上的突变(Hare, et al, 2000; Beaugrand, et al, 2013),全球生态系统中碳循环(Beaulieu, et al, 2012)、地表生物物理和化学成分(Brandt, et al, 2013)、极端降水事件(Tao, et al, 2016)以及自然灾害发生频率(Vezzulli, et al, 2012)也在同一时间发生突变。历史气候模型和数据研究发现,人类活动和火山喷发诱使地球在20世纪80年代后期出现前所未有的规模性全球气候态的转变(Reid, et al, 2016),而这种气候状态的转变明显影响了许多极端气象灾害事件的频率和强度(Herring, et al, 2015),给人类社会和经济发展带来潜在风险。因此,分析气候状态变化前、后极端气象灾害事件的变化特征,掌握灾害事件发生规律,对于预测和防范灾害性天气具有科学的指导和实践意义。
中国是农业大国,同时又是世界上自然灾害最为严重的国家之一,加之农业科技水平尚待提高,对自然灾害的防御能力有限,农业对气候变化的脆弱性分布不均(Wang, et al, 2014),农业气象灾害的频繁发生严重影响着中国粮食安全(覃志豪等, 2005)。霜冻作为影响中国农业生产的主要气象灾害,其影响范围广、危害种类多,北至黑龙江,南至广东、广西均存在霜冻灾害(叶殿秀等, 2008)。随着全球气候20世纪80年代以来变暖加剧,中国的霜冻害也发生了明显变化,许多研究发现中国北方地区初、终霜日以及无霜期时长在20世纪80—90年代出现突变,突变之后出现初霜日推后、终霜日提前和无霜期延长的趋势(宁晓菊等, 2015; 韩荣青等, 2010; 叶殿秀等, 2008; 拉巴次仁等, 2014)。
现有对中国霜冻研究多集中于初、终霜日的变化趋势,但是异常年份的霜冻研究案例尚不多见,而异常特早初霜日或特晚终霜日出现于农作物生长关键阶段,造成农作物大面积减产甚至绝收,因其发生时间的不确定性增加了预报和防范难度。陈乾金等(1995a)发现, 1953—1990年华北地区初、终霜日都是波动式地变化,其波动在偏离均值最大时,为异常霜冻出现的活跃期。因此,掌握异常初、终霜日的变化规律,尤其是气候转变以来的异常霜冻变化规律以及大气环流变化对其影响,有利于提高对霜冻灾害的预警和防范能力,同时也为霜冻害的预报提供重要的参考。
2 数据与方法 2.1 数据来源农业气象中霜冻是指在春秋转换季节土壤表面和植物表面温度下降到(0℃以下)足以使植物遭受伤害甚至死亡的一种农业气象灾害(冯秀藻等, 1991)。韩荣青等(2010)验证后认为逐日0 cm地表最低温度≤0℃定义的霜冻指标更接近霜冻观测值,因此文中采用逐日0 cm地表最低温度≤0℃作为发生霜冻的替代指标参数,即温暖季节向寒冷季节过渡期间逐日0 cm地表最低温度第一次出现≤0℃时的日期为初霜日,由寒冷季节向温暖季节过渡期间最后一次出现逐日0 cm地表最低温度≤0℃的日期为终霜日(拉巴次仁等, 2014)。
中国幅员辽阔,区域间冷暖季节分布差异明显,特别在南方地区部分站点霜期会出现在1—2月,为了保证南、北方冷暖季节在年份上统计的一致性以及南方地区无霜期的持续性,南方地区站点选择以每年的8月1日作为儒历的开始日期,至次年7月31日间,逐日0 cm地表最低温度第一次出现≤0℃时的日期为初霜日,最后一次出现日期为终霜日。北方地区则选择每年1月1日至12月31日逐日0 cm地表最低温度第一次出现连续>0℃的前1天为上一年终霜日,连续>0℃最后一次的第2天为当年初霜日。
选择中国气象数据共享网(http://cdc.nmic.cn/)中国地面气候资料日值数据集(V3.0)1961—2014年0 cm地表最低温度。共选取自1961年以来具有超过50 a完整记录的中国内陆(海南省、南海诸岛以及台湾省除外)气象台站734个(图 1),并对站点缺测数据选取一致性较高的邻近站点进行插补(表 1),通过插补可以发现绝大多数站点与邻近站点线性相关较强,青藏高原地区部分海拔较高站点相关性相对较弱,但决定系数也在0.84以上,因此插补之后资料的完整程度和质量也相对较高。
缺测站点 | 相邻站点 | R2 | 缺测站点 | 相邻站点 | R2 | 缺测站点 | 相邻站点 | R2 |
喀什 | 阿图什 | 0.94 | 宁德 | 霞浦 | 0.98 | 耀县 | 蒲城 | 0.98 |
巴楚 | 柯坪 | 0.95 | 长汀 | 永安 | 0.97 | 汉中 | 佛坪 | 0.95 |
麦盖提 | 莎车 | 0.95 | 漳平 | 龙岩 | 0.98 | 镇安 | 商州 | 0.96 |
小灶火 | 格尔木 | 0.96 | 永定 | 平潭 | 0.93 | 商南 | 商州 | 0.92 |
银川 | 吴忠 | 0.96 | 武都 | 略阳 | 0.93 | 理塘 | 甘孜 | 0.88 |
靖边 | 榆林 | 0.95 | 连平 | 新丰 | 0.97 | 达川 | 阆中 | 0.95 |
吴旗 | 环县 | 0.97 | 东莞 | 惠阳 | 0.97 | 拉萨 | 泽当 | 0.84 |
离石 | 隰县 | 0.97 | 融安 | 桂林 | 0.97 | 巴楚 | 柯坪 | 0.95 |
延长 | 隰县 | 0.94 | 凤山 | 河池 | 0.95 | 綦江 | 合川 | 0.97 |
泊头 | 饶阳 | 0.97 | 织金 | 黔西 | 0.95 | 昭通 | 会泽 | 0.87 |
旅顺 | 大连 | 0.97 | 常德 | 南县 | 0.98 | 元谋 | 瑞丽 | 0.86 |
太湖 | 东至 | 0.97 | 高邮 | 大丰 | 0.97 | 定海 | 嵊泗 | 0.98 |
铜陵 | 宁国 | 0.96 | 威海 | 成山头 | 0.96 | 瑞安 | 玉环 | 0.97 |
福鼎 | 政和 | 0.92 | 陇县 | 凤翔 | 0.97 | 丰都 | 长寿 | 0.97 |
结合中国农业综合区划与中国国家气候中心74项环流指数分析1961—2014年中国不同区域霜冻害变化与大气环流的关系,其中农业综合区划按照一级划分法将全国分为9大农业区(全国农业区划委员会《中国综合农业区划》编写组, 1981)(图 1);环流指数则选取和各农业区初、终霜日变化相关系数最高的指数。
2.2 异常初、终霜日选用霜冻气候异常小概率事件特征来表示异常初、终霜日发生概率,因为大气气温近似服从正态分布密度函数,而正态分布下90%的数据分布在±1.65σ之间(陈文英等, 2012),所以对应的0.05和0.11分别代表了异常数据发生的频率,而对应到异常霜冻发生频率则出现10 a一遇和20 a一遇,选择特早初霜日和特晚终霜日的概率时应取值0.05(陈乾金等, 1995a),其关系表达式为
(1) |
(2) |
式中,P可以表示为
(3) |
(4) |
同理,选取0.11作为偏早初霜日和偏晚终霜日的概率,其关系表达式为
(5) |
式中,P为霜冻发生概率,σ为初霜日或终霜日资料长度日期标准差,x为初霜日或终霜日对应日期,x为初霜日或终霜日对应日期资料长度平均值。由此可对异常初、终霜日标准定义(表 2)。
该方法基于原始数据的均值和标准差进行数据的标准化。将数据序列的原始值(x)使用z-score进行标准化(Han, et al, 2011)
(6) |
式中,z为霜冻发生概率,σ为初霜日或终霜日资料长度日期标准差,x为初霜日或终霜日对应日期,x为初霜日或终霜日对应日期资料长度平均值。
3 结果分析 3.1 1961—2010年中国初、终霜日稳定性时空变化在此采用标准差(σ)作为霜日稳定性评价指标,在以往的研究中大多是以资料长度来确定初、终霜日稳定性,未能考虑到气候稳态转变带来的影响,分析不同时间尺度霜冻稳定性时选择不同气候基准期和年代际为资料长度。气候基准期分别选择1961—1990、1971—2000和1981—2010年,年代际选择20世纪60、70、80、90年代和21世纪最初10年。为了区分区域之间标准差差异,参考宁晓菊等(2015)对中国初、终霜日标准差的划分方法。在表达空间分布式时选用普通克里金插值法。
(1) 不同气候基准期
不同气候基准期初霜日呈现出华南地区、长江中下游地区南部、西南地区南部和四川盆地变化最大,东北和内蒙古长城沿线等北方地区则变化相对较小。从20世纪80年代的气候状态转型期开始四川盆地初霜日不稳定增加尤为明显,而同期青藏高原中东部则趋于稳定。1961—2010年初霜日标准差(σ)>24 d的区域主要集中在华南地区和四川盆地东部(图 2a),σ<8 d的区域主要集中在东北地区和新疆南部地区,σ在8—12 d的区域分布在长江以北,σ在16—20、20—24 d的分布范围较小,只在青藏高原和长江以南地区小范围内出现。从时间尺度来看, 3个气候基准期初霜日标准差变化不是很大,青藏高原和四川盆地σ在16—20 d的分布范围有减小趋势,σ<8 d的区域有所减小,特别是在新疆南部地区。
不同气候基准期终霜日主要表现为青藏高原东北部和甘新地区稳定性增强;而长江中下游地区的不稳性增大;气候状态转型后华南地区南部沿海的稳定性明显增强而四川盆地及西南地区不稳定性增大。中国终霜日标准差较高区域普遍多于初霜日(图 2b),比较明显的是σ在12—16 d的区域,在四川盆地东部σ>24 d的区域多大于初霜日;从时间上来看,3个气候基准期中变化较大的是σ在12—16 d的区域,分布面积逐渐减小,在新疆北部、河西走廊、内蒙古西部、柴达木盆地σ降低至8—12 d,与此同时松潘高原σ也出现降低,高值区域面积逐渐减小。
(2) 不同年代际
初霜日从年代际上来看,5个年代段标准差空间分布特征变化明显,其中σ<8 d的区域面积20世纪90年代<20世纪70年代<21世纪最初10年<20世纪80年代<20世纪60年代;σ>24 d的区域面积从20世纪60年代开始逐渐增大,在20世纪90年代达到最大,21世纪最初10年面积有所减小,特别是云南省南部以及雷州半岛地区;σ在12—16 d的区域主要分布在青藏高原地区,该区域分布面积自20世纪60年代开始逐渐减小,σ值向8—12 d转变,到20世纪90年代达到最小,统计分析时发现青藏高原地区高海拔站点在20世纪60、70和80年代的部分年份无霜期短暂且初、终霜日变化差异大,而20世纪90年代和21世纪最初10年这些站点无霜期普遍延长,初、终霜日趋于稳定。因此20世纪90年代中国初霜日标准差相对较大,说明气候状态的转变增加了初霜日的不稳定性。
终霜日从年代际变化上来看,σ<8 d的区域主要分布在东北和华北平原的部分地区,面积出现先增大后减小的趋势,σ在12—16 d的区域自20世纪60年代开始逐渐向8—12 d转变,分布面积逐渐减小,四川盆地东部地区σ>24 d的区域面积在逐渐增大,长江以南区域在20世纪80年代之后σ由12—16 d逐渐增加至16—24 d,21世纪最初10年云南省南部以及雷州半岛地区同样出现终霜日σ值降低;随着气候状态的转变长江以南地区终霜日稳定性变差,终霜日不稳定因素增多。
3.2 1961—2014年中国异常霜冻频率时空变化根据陈乾金等(1995a)的划分方法,将异常霜日分为特早初霜日、偏早初霜日、偏晚终霜日、特晚终霜日。为了讨论气候状态转变前后异常霜冻的变化,选取1961—1990、1981—2010年具有代表性的气候基准期平均值和标准差,1990年之前的年代际变化采用1961—1990年基准期,之后的年代际变化采用1981—2010年基准期。在划分区域之间频率的空间差异时根据频率分布特征选取等值划分。
图 3a为特早初霜日频率时空分布,特早霜冻频率空间分布表现为气候转型后四川盆地及西南地区南部有增大的趋势;而年代际变化则表现为20世纪60—70年代的低温期北方地区频率较大,20世纪90年代气候转型期普遍有增大趋势,之后北方稳定而四川盆地和西南南部及长江中下游南部部分地区略有增大。
图 3b中偏早初霜日高频率区域相对于特早初霜日分布范围较广,对比气候状态转变前、后可以看出,1991年之后偏早初霜日高频率区域面积减少较大,出现由南向北降低的趋势,新疆南部、青藏高原、华北平原地区偏早初霜日频率普遍降低。从年代际变化来看,高频率区域分布面积从大到小依次是20世纪90年代>20世纪70年代>20世纪80年代>20世纪60年代,2001—2014偏早初霜日频率是所有年代际中最低的,20世纪90年代高频率地区主要分布在新疆北部、山西和陕西北部、宁夏、内蒙古中部、吉林、河南以及湖南,通过对比《中国气象灾害大典》发现20世纪90年代这些区域在不同的年份均有偏早霜冻害发生,且危害程度较重(温克刚等, 2008)。
气候态转变之后偏晚终霜日高频率分布区域明显低于转变之前(图 3c),特别是在青藏高原和河西走廊地区;从年代际分析来看20世纪70年代是偏晚终霜日高频率范围较广的一段时期,河西走廊北部、秦巴山区、山西高原偏晚终霜日发生频率均超过18%;20世纪60年代高频率范围主要在青海省中部、长江三角洲、珠江三角洲;20世纪80和90年代较高频率地区主要分布在新疆、青海以及东北地区,其中频率超过20%区域只在20世纪90年代内蒙古中部出现;2001—2014偏晚终霜日发生频率普遍较低,只在云贵高原出现10%的发生频率。
近54年中国特晚终霜日发生频率整体呈现出低频趋势(图 3d),而气候态转变之后频率更是低于之前,从年代际上来看各时段均没有高频率发生,20世纪80年代和2001—2014年全中国特晚终霜日发生频率几乎均低于6%。
3.3 初、终霜日与大气环流指数关系陈少勇等(2013)研究指出,大气环流的遥相关作用对霜冻天气的影响相对较高,北半球副热带高压和极涡的变化与西北干旱区初霜日有较高的线性相关。因此,分析初、终霜日的影响因素时,选取中国国家气候中心74项环流指数中与各农业区近54年初、终霜日线性相关系数最高的环流指数。在相关性分析时对初、终霜日和环流指数分别采用正规化方法进行数据标准化处理,处理前后二者线性相关性不变。为了区分年代际变化趋势,在此特别对初、终霜日和环流指数分别计算各自的三阶多项式趋势,所有农业区初、终霜日与各自对应环流指数有较高线性相关性(p < 0.001)。
通过对比分析与9大农业区线性相关性最高的大气环流指数(图 4、5)可以发现,北半球极涡以及北半球副热带高压对各农业区初、终霜日的影响较大,北方农业区初、终霜日与北半球极涡面积线性相关较强,而南方农业区初、终霜日与副热带高压的控制关系密切。
9大农业区中甘新区初霜日与北半球9月副热带高压强度指数线性相关最强(图 4),相关系数(R)=0.64(p < 0.001);黄淮海区较其他北方农业区有所推迟,其初霜日与北半球10月副热带高压面积指数线性相关系数(R)=0.45(p < 0.001);北方其他农业区均与北半球9月极涡面积指数成负线性相关,青藏高原区相关系数(R)=-0.6(p < 0.001),其次是东北区和内蒙古及长城沿线区,相关系数(R)分别为-0.57(p < 0.001)、-0.53(p < 0.001),同样黄土高原区初霜日也有较高的显著性水平,相关系数(R)=-0.38(p < 0.005);长江中下游区以及西南区显著性水平较低p < 0.05,两个区域分别与北半球1月副热带高压强度以及北半球12月的极涡中心有一定的线性相关,这可能与这些区域站点分布以及海拔变化有关;华南区初霜日与其他农业区不同,有一个明显的提前过程,其与北半球12月副热带高压面积指数成显著负相关,相关系数(R)=-0.38 (p < 0.01)。
从9大农业区终霜日的变化趋势来看(图 5),各农业区终霜日均有提前。东北区、内蒙古及长城沿线区、青藏高原区终霜日受北半球5月极涡影响均表现出正线性相关,黄淮海区、黄土高原区终霜日与北半球副热带高压关系最为密切,长江以南区域受冬季频繁冷空气影响终霜日与极涡的活跃期一致。甘新区则与北半球4月副热带高压面积指数成线性负相关。
从年际变化来看(图 5),终霜日东北区与北半球5月极涡面积指数相关性最强(R=0.59,p < 0.001), 其次是青藏高原区、内蒙古及长城沿线区,线性相关系数分别为0.49(p < 0.001)、0.47(p < 0.001);黄淮海区和黄土高原区终霜日与北半球4月副热带高压面积指数成线性负相关,相关系数分别为-0.5(p < 0.001)、-0.3(p < 0.05);长江以南农业区按照时间顺序依次是华南区与北半球12月极涡面积指数(R=0.34,p < 0.01)、西南区与北半球1月副高面积指数(R=-0.35,p < 0.01)、长江中下游区与北半球2月极涡面积指数(R=0.4,p < 0.005)。
通过以上各农业区初、终霜日与对应环流指数线性相关性分析可以看出,极涡与副热带高压的面积和强度变化对中国农业区初、终霜日影响较大,结合初、终霜日与环流指数的三阶多项式趋势可以看出:当初、终霜日与极涡、副热带高压成正相关,二者三阶多项式趋势线离散程度越大线性相关性越低;成负相关时极涡面积、强度越大初、终霜日提前、推迟越明显;初、终霜日和环流指数三阶多项式趋势线负相关时的交点、正相关时的开始离散时间与宁晓菊等(2015)研究得出的各农业区初、终霜日日期突变的年份大致一致,说明极涡与副热带高压的位置、强度、面积变化对中国农业区初、终霜日多年气候状态的转变有一定的驱动作用。
4 结论与讨论以替代性较好的0 cm地表最低温度作为霜冻指标,分析了1961—2014年中国农业区初、终霜日的稳定性变化以及异常初、终霜日的时空分布特征。在初、终霜日判定时对南方地区站点选择以每年的8月1日作为儒历的开始日期,确保这些区域初、终霜日标准差的正确性,统计所得初、终霜日最大标准差 < 90 d,相比宁晓菊等(2015)研究得出的结论,本研究分析结果相对更加精确,初、终霜日稳定性较差的区域范围缩小至华南地区和四川盆地东部地区;气候态转变前后异常初、终霜日发生频率较高,气候态的转变对异常初、终霜日的发生影响较大,这一结论对陈乾金等(1995a, 1995b)研究成果做了进一步的延伸和补充;结合环流指数对初、终霜日变化趋势分析发现,初、终霜日日期在20世纪80和90年代的突变与北半球极涡和副热带高压的进退相关,这对之前一些学者研究中国区域初、终霜日日期趋势突变成因有了一定的补充(陈少勇等, 2013; 胡琦等, 2015; 李芬等, 2013; 李想等, 2008)。影响因素方面结合环流因子分析时发现副热带高压、极涡的变化对初、终霜日的影响较高,不同农业区初、终霜日对不同时段环流指数响应各不相同,甘新区、青藏高原区、东北区、内蒙古长城沿线区、黄土高原区初霜日与9月北半球极涡强度、位置变化关系密切,黄淮海区则推迟至10月,长江以南区域初、终霜日则与12月至次年1月副热带高压的位置以及极涡活动强、弱相关,因此在大环流背景之下分析不同农业区初、终霜日变化时特别要关注对应月份环流指数变化。通过与已有研究结果对比得出以下结论:
(1) 青藏高原地区部分站点在20世纪90年代之后初霜日明显推后、终霜日明显提前,无霜期明显延长;四川盆地东部地区以及华南地区南部部分站点同样在该时段之后霜期缩短明显,出现低频率无霜年份,无霜日站点相对有所增多。
(2) 初霜日稳定性低于终霜日。中国初、终霜日稳定性较差的地区主要集中在长江以南地区,四川盆地东部和华南区初、终霜日稳定性最低,其他区域初、终霜日稳定性相对较低。
(3) 异常初、终霜日发生频率。偏早初霜日>偏晚终霜日>特早初霜日>特晚终霜日;20世纪90年代偏早初霜日高频率覆盖地区范围最大,偏晚终霜日在20世纪70年代高频率地区分布范围最广,2001年之后异常初、终霜日发生频率较前几个时段普遍降低;异常初、终霜日较高频率时段发生在气候状态转变前后,说明气候状态的转变对异常初、终霜日的发生影响较大。
(4) 中国北方农业区初、终霜日发生与北半球极涡的面积、强度、位置关系密切,南方农业区初、终霜日与北半球副热带高压面积、强度、位置相关;极涡与副热带高压的位置、强度、面积变化对中国农业区初、终霜日多年气候状态的转变有一定的驱动作用。最新研究发现,北极地区气温升高相对于其他纬度有一定的放大效应,特别是北半球中纬度地区(Hopsch, et al, 2012),而巴伦支—卡拉海域海温异常升高时东亚地区为冷冬状态,与此同时东亚地区发生寒潮和低温的频率也在增加,而且巴伦支—卡拉海域相对于东亚表层气温的最低值有15 d的提前响应(Kug, et al, 2015),因此在今后研究时要加强对该海域环流状况的分析,这对于预报中国各农业区异常霜冻害天气有一定的指导意义。
陈乾金, 张永山. 1995a. 华北异常初终霜冻气候特征的研究. 自然灾害学报, 4(3): 33–39. Chen Q J, Zhang Y S. 1995a. Study on climatic features of unusual first and last frost in North China. J Nat Dis, 4(3): 33–39. (in Chinese) |
陈乾金, 夏洪星, 张永山. 1995b. 我国江淮流域近40年异常初终霜冻的分析. 应用气象学报, 6(1): 50–55. Chen Q J, Xia H X, Zhang Y S. 1995b. Analyses of unusual first and last frost during the last 40 years in the Changjiang and Huaihe river valley. Quart J Appl Meteor, 6(1): 50–55. (in Chinese) |
陈少勇, 郑延祥, 楼望萍, 等. 2013. 中国西北地区初霜冻的气候变化特征. 资源科学, 35(1): 165–172. Chen S Y, Zheng Y X, Lou W P, et al. 2013. Changes in the first frost date from 1961 to 2009 in Northwest China. Resour Sci, 35(1): 165–172. (in Chinese) |
陈文英, 吴志丹, 王艳芳, 等. 2012. 概率论与数理统计. 北京: 科学出版社. Chen W Y, Wu Z D, Wang Y F, et al. 2012. Probability Theory and Mathematical Statistics. Beijing: Science Press. |
冯秀藻, 陶炳炎. 1991. 农业气象学原理. 北京: 气象出版社: 127-143. Feng X Z, Tao B Y. 1991. Agrometeorological Principle. Beijing: China Meteorological Press: 127-143. |
韩荣青, 李维京, 艾婉秀, 等. 2010. 中国北方初霜冻日期变化及其对农业的影响. 地理学报, 65(5): 525–532. Han R Q, Li W J, Ai W X, et al. 2010. The climatic variability and influence of first frost dates in northern China. Acta Geograph Sinica, 65(5): 525–532. DOI:10.11821/xb201005002 (in Chinese) |
胡琦, 潘学标, 张丹, 等. 2015. 东北地区不同时间尺度下气温和无霜期的变化特征. 中国农业气象, 36(1): 1–8. Hu Q, Pan X B, Zhang D, et al. 2015. Variation of temperature and frost-free period in different time scales in Northeast China. Chin J Agrometeor, 36(1): 1–8. (in Chinese) |
拉巴次仁, 索朗加措, 白玛. 2014. 1981-2010年西藏霜冻日数的变化特征. 地理学报, 69(5): 690–696. Labaciren, Suolangjiacuo, Baima. 2014. Spatial and temporal distribution of frost days over Tibet from 1981 to 2010. Acta Geograph Sinica, 69(5): 690–696. DOI:10.11821/dlxb201405012 (in Chinese) |
李芬, 张建新, 武永利, 等. 2013. 近50年山西终霜冻的时空分布及其影响因素. 地理学报, 68(11): 1472–1480. Li F, Zhang J X, Wu Y L, et al. 2013. Spatial and temporal distribution and its impact factors of the last frost over Shanxi Province from 1961 to 2010. Acta Geograph Sinica, 68(11): 1472–1480. DOI:10.11821/dlxb201311003 (in Chinese) |
李想, 陈丽娟, 张培群. 2008. 1954-2005年长江以北地区初霜期变化趋势. 气候变化研究进展, 4(1): 21–25. Li X, Chen L J, Zhang P Q. 2008. Characteristics of interdecadal variations in first-frost date in northern China during 1954-2005. Adv Climate Change Res, 4(1): 21–25. (in Chinese) |
宁晓菊, 张丽君, 杨群涛, 等. 2015. 1951年以来中国无霜期的变化趋势. 地理学报, 70(11): 1811–1822. Ning X J, Zhang L J, Yang Q T, et al. 2015. Trends in the frost-free period in China from 1951 to 2012. Acta Geograph Sinica, 70(11): 1811–1822. (in Chinese) |
覃志豪, 徐斌, 李茂松, 等. 2005. 我国主要农业气象灾害机理与监测研究进展. 自然灾害学报, 14(2): 61–69. Qin Z H, Xu B, Li M S, et al. 2005. Advances in research on mechanism and monitoring of agro-meteorological disasters in China. J Nat Dis, 14(2): 61–69. (in Chinese) |
全国农业区划委员会《中国综合农业区划》编写组. 1981. 中国综合农业区划. 北京: 农业出版社: 146. Editorial Committee of the National Agricultural Zoning Committee "Comprehensive Agricultural Regionalization in China". 1981. Comprehensive Agricultural Regionalization in China. Beijing: Agricultural Press: 146. |
温克刚, 丁一汇. 2008. 中国气象灾害大典(综合卷). 北京: 气象出版社: 279-292. Wen K G, Ding Y H. 2008. Chinese Meteorological Disaster Ceremony Statistics. Beijing: Meteorological Press: 279-292. |
叶殿秀, 张勇. 2008. 1961-2007年我国霜冻变化特征. 应用气象学报, 19(6): 661–665. Ye D X, Zhang Y. 2008. Characteristics of frost changes from 1961 to 2007 over China. J Appl Meteor Sci, 19(6): 661–665. DOI:10.11898/1001-7313.20080604 (in Chinese) |
Beaugrand G, McQuatters-Gollop A, Edwards M, et al. 2013. Long-term responses of North Atlantic calcifying plankton to climate change. Nat Climate Change, 3(3): 263–267. |
Beaulieu C, Sarmiento J L, Fletcher S E M, et al. 2012. Identification and characterization of abrupt changes in the land uptake of carbon. Global Biogeochem Cycles, 26(1): GB1007. |
Brandt J S, Haynes M A, Kuemmerle T, et al. 2013. Regime shift on the roof of the world:Alpine meadows converting to shrublands in the southern Himalayas. Biol Conserv, 158: 116–127. DOI:10.1016/j.biocon.2012.07.026 |
Han J W, Kamber M, Pei J. 2011. Data Mining:Concepts and Techniques. 3rd ed. Waltham: Morgan Kaufmann Publishers: 113-115. |
Hare S R, Mantua N J. 2000. Empirical evidence for North Pacific regime shifts in 1977 and 1989. Prog Oceanogr, 47(2-4): 103–145. DOI:10.1016/S0079-6611(00)00033-1 |
Herring S C, Hoerling M P, Kossin J P, et al. 2015. Explaining extreme events of 2014 from a climate perspective. Bull Amer Meteor Soc, 96(12): S1–S172. |
Hopsch S, Cohen J, Dethloff K. 2012. Analysis of a link between fall Arctic sea ice concentration and atmospheric patterns in the following winter. Tellus A, 64(3): 18624. |
Kug J S, Jeong J H, Jang Y S, et al. 2015. Two distinct influences of Arctic warming on cold winters over North America and East Asia. Nat Geosci, 8(10): 759–762. DOI:10.1038/ngeo2517 |
Reid P C, Hari R E, Beaugrand G, et al. 2016. Global impacts of the 1980s regime shift. Global Change Biol, 22(2): 682–703. DOI:10.1111/gcb.13106 |
Tao H, Borth H, Fraedrich K, et al. 2016. Hydrological extremes in the Aksu-Tarim River Basin:Climatology and regime shift. Climate Dyn, 46(7-8): 2029–2037. DOI:10.1007/s00382-015-2649-3 |
Vezzulli L, Brettar I, Pezzati E, et al. 2012. Long-term effects of ocean warming on the prokaryotic community:Evidence from the vibrios. ISME J, 6(1): 21–30. DOI:10.1038/ismej.2011.89 |
Wang B, Pan S Y, Ke R Y, et al. 2014. An overview of climate change vulnerability:A bibliometric analysis based on Web of Science database. Nat Hazards, 74(3): 1649–1666. DOI:10.1007/s11069-014-1260-y |