• 谷歌scholor

  • 观点:816

  • PDF下载:16

瓦楞纸盆地降水的时空模式评估

Aradhana Thakur1，2＊，Prabhash Kumar Mishra2， A K Nema1和Souranshu Prasad Sahoo1

1农场工程系，亚斯，巴纳斯印度大学，瓦拉纳西，U.P。印度 。

2国家水文研究所，罗克，印度乌塔塔克手。

通讯作者邮箱:arru.aradhana@gmail.com

DOI：http://dx.doi.org/10.12944/cwe.15.3.15

降水是水文系统的主要组成部分，对水资源的规划和管理有着重要的影响。本研究主要关注降水型态随时间的变化。本研究试图用Mann-Kendall检验(MK检验)和Sen斜率估计的趋势值解释1965年(1951-2015年)的降水趋势。从印度气象部门(IMD)获得的0.25º× 0.25º度的每日网格数据，以找到降水的月和季节变化。在1951 - 2015年期间，有85个网格在流域内下降。统计分析表明，流域年平均降水量(AAP)和季风降水呈显著下降趋势，Z统计量为0.10，季风降水为1.23,Sen斜率为0.79，季风降水为0.76。平移分析表明，1951-61年AAP和季风降水显著增加，而1962-2015年降水上升不显著。winganga次流域降水的变化可能是由于气温上升的趋势造成的。因此，以自然为基础的气候解决方案是忍受这种情况的最佳方式。

IDW方法;曼肯德尔测试;降水;Sens斜率;空间趋势;时间趋势

复制以下内容以引用本文：

王志强，王志强，王志强，等。基于gis的长江流域降水时空格局分析。世界环境2020;15(3)。DOI：http://dx.doi.org/10.12944/cwe.15.3.15

复制以下内容以引用此URL：

王志强，王志强，王志强，等。基于gis的长江流域降水时空格局分析。世界环境2020;15(3)。可从：https://bit.ly/3fVGj99

下载一篇文章(pdf)
引用管理器
发布历史

文章出版历史

已收到： 11-04-2020
接受: 25-09-2020
审查由： OrcidOrcid艾萨克Nooni
第二次评审: OrcidOrcid马纳尔b .
最后的批准: umesh c.k


介绍

出现过多的天气和气候现象时的波动可能会对当地的天气状况产生不幸的影响，并对与气候相关的大量风险负有不可思议的责任．1这些波动主要是用变化来表示的环境，经济，水资源，农业活动，工业生产和人类生活。降雨被认为是具有与水可用性直接关系的主要气象变量，并影响区域的水可用性。降水量的变化导致干旱，洪水，低农业生产力和生物多样性损失等情况，这可以通过规划和应用基于长期降水模式的评估来克服预防措施。降雨和温度的时间序列分析使水资源经理能够预见这些气候变量的可能后果，最终将及时支撑，以应对不良影响。在印度的许多河流盆地，由于气候变化，期望减少淡水的可用性。2许多研究人员评估了过去十年的降水变化，并分析了印度各河流流域的降雨量和雨天天数的趋势。3.他们发现，在22个盆地中，16个盆地遵循季风降雨的下行趋势，并且每年降雨量遵循了15个盆地，然而，在两次序列中，每年和季风15个盆地，显示雨天数量的较大数量。一些研究人员研究了极端降水事件和零降雨事件，并观察到趋势越来越多的事件。4、5研究人员研究了区的气候变量的行为6或盆地7或流域水平8或站水平9，按季节、月或年计算。9、10降水等水文气象变量的时空变化影响着水资源的可用性和生计。通过对112年(1901 -2012年)降水变化趋势的分析，发现1901 - 1948年降水量呈上升趋势，而1949-2012年降水量呈下降趋势。11

分析气候变量的时间趋势，一般采用非参数MK检验12和森斜率估计13采用。然而，要直观地解释降水格局的空间变化，GIS软件是必不可少的。14、15这是一个常见的做法，需要考虑30-35岁的长期历史数据来分析气候变量的时间模式。在本文中，对WSB询问了降水趋势。

材料和方法

研究区域

winganga子盆地(WSB)位于北纬19°60′至22°07′和东经78°00′至81°00′之间。该子盆地的海拔高度在MSL以上146至1048 m之间(图1)。该盆地通过567 km长的河流提供水，面积为51758.65 km2．流域平均降水量在时间和空间上都具有波动性。在次盆地东部，降雨量从1400毫米到1600毫米不等，而在西部地区，降雨量从900毫米到1200毫米不等。

图一:研究区位置图
点击此处查看数字

在本研究中，通过使用非参数MK测试的趋势分析来研究降水量（1951至2015）的时间改变，并且SEN的斜率估计器检测到幅度的变化。16, 17, 18, 19除了调查时间序列，本研究还进行了变点分析，以检测在之前发生显著变化的时间。一个长期的系列可能不能准确地描述由于快速经济扩张而在过去一二十年中发生的变化。因此，改变点分析是用来评估最近趋势的上升或下降。为此，采用了Pettitt检验、标准正态性检验(SNHT)和Buishand检验等测试来检测变化点。20.在ArcGIS环境下，采用反距离加权(IDW)方法识别空间变异。21

用于满足研究目的的方法如下：

  1. 采用Mann-Kendall (MK)检验检验月、年、季降水量变化趋势。12,22
  2. 这一趋势的规模是由泰尔和奥巴马计算出来的׳S斜率估计检验。13
  3. 年/年系列的同质性/相似性由Pettitt验证׳S试验23，snht测试24，和比汉德人׳S试验25．
  4. 为了检验AAP的空间分布和季节分布，利用ArcGIS对各格点的降水进行插值。本研究采用IDW方法。26研究区覆盖85个降水格点。
结果与讨论

在本节中，使用MK测试和SEN的斜率估计为三种不同时间序列viz来分析降水的长期历史历史数据。整个系列，断点前系列，以及断点之后。除AAP之外，同质性试验观察到季节性降水的换档点。使用IDW方法在ArcGIS软件中绘制AAP和季节降雨的网格明智的空间不均匀性。

全部的-时间序列

降水统计分析表明，8月降水量变化显著，6月降水量增加，为34.58 mm，但8月降水量减少70.6mm。调查结果表明，4月和8月降水量与Z呈显著负相关c统计值-1.77和-1.74分别为10％的意义。然而，根据SEN的斜率估计器，降水量的变化率分别为0.07 mm和1.09 mm。该降水在2月，7月和11月展出了非重大积极趋势，而3月，5月，10月和12月则反映了负面趋势。从降雨的季节性分析中，季风季节已发现最大衰落，65岁以上78.9毫米。在季风前和季风季节，分别与-1.33和-0.22微不足道地降水c值(表1)，这与之前WSB的研究结果相同。11冬季为正趋势。AAP呈负的不显著趋势，为-0.79 Zc值和6.69毫米的降雨量变化(表1)。总体而言，WSB的降雨量正在下降，但幅度不大，尤其是在季风期间。

表1:整个时间序列的降水统计(1951-2015)

时间序列

测试Z

意义

问

1月

-0.40

-0.005

2月

0.76

0.037

3月

-0.58

-0.021

四月

-1.77

+

-0.070

五月

-0.31

-0.013

小君

1.06

0.532

7月

0.29

0.280

八月

-1.74

+

-1.086

9月

-1.06

-0.702

10月

-0.23

-0.029

11月

1.38

0.008

12月

-0.03

0.000

季风

-0.76

-1.229

季风前

-1.33

-0.179.

Post-monsoon

-0.22

-0.063

冬天

0．01

0.005

平均年

-0.79

-0.103

同质性检验(变/移点检测)

在检验随时间变化的模式之前，我们回顾了降水序列的同质性，以确定发生显著变化的年份。这些测试检查了整个系列，并确定了系列是否随时间一致，或者是否有发生变化的时间。

移动检测分析检测到了60年代早期(1961年)季风降水的变化(图-2)。在冬季，它在90年代后期(1998年)发生了转移，尽管在70年代(1971年，1970年)附近发现了季风前和季风后的季节转移点。平民党在60年代早期(1961年)发生了转变(表2)。虽然这三种检验都表明，不同时间序列的变化年份不同，但可以得出结论，60年代初是winganga盆地降水发生显著变化的时期(1961年)。

表2:同质性检验结果

降水

佩蒂特的测试

SNHT测试

Buishand的测试

K

t

p

T0

t

p

问

t

p

Pre-Monsoon

437

1971.

0.043

10.99

2014

0.043

9.688

1971.

0.073

季风

224.

1970年

0.917

3.589

1961年

0.55

5.77

1961年

0.58

Post-Monsoon

201.

1970年

0.646

1.990

1970年

0.893

5.291

1970年

0.697

冬天

242.

1998年

0.906

3.071

2005

0.644

5.530

1998年

0.633

平均年

218.

1961年

0.86

3.565

1961年

0.566

5.752

1961年

0.582
图2:WSB年平均降雨量的转移点
点击此处查看数字

断点之前(1951-61)

在沉淀图案中转换之前，AAP系列（1951-61）呈现出显着的上升趋势，随着沉淀的降水量为6.07毫米/年。从1951年到2015年的时间序列表现出一种微不足道的上升趋势（图2）。这一时期的季节性分析显示了季风和冬季的值得注意的向上趋势，而季风普通话和季风在这11年期间的速度忽略不计（表3）。

表3:降水统计 在断点之前和在断点之后

时间序列

在断点(1951 - 61)

在断点(1962 - 2015)

测试Z

有积极。

问

测试Z

有积极。

问

1月

1.40

1.629

0.04

0.000

2月

-0.47

-0.275

-0.02

-0.001

3月

-0.31

-0.321

-0.26

-0.010

4月

-0.62

-0.488

-0.28

-0.010

五月

0.78

0.806

-0.19

-0.013

小君

0.62

6.522

0.63

0.468

7月

2.02

＊

27.244

1.46

2.232

八月

0．16

3.505

-1.13

-0.912

9月

1．25

22.717

-0.09

-0.075

10月

0.93

4.619.

0.90

0.230

11月

1.65

+

0.048

０．３３

0.002

12月

1.15

0.057

-1.20

-0.003

季风

1.87

+

62.161

0.45

0.629

季风前

0．00

0.097

-0.37

-0.090

Post-monsoon

0.93

4.966

0.21

0.087

冬天

2.34

＊

2.206.

-1.16

-0.247

平均年

2.34

＊

6.067

0.34

0.085


断点后（1962-2015）

断点后，对降水序列的年和季节分析表明，1962-2015年降水量的变化不显著。AAP降水、季风降水和季风后降水均呈现增加趋势，分别为0.08、0.63和0.09 mm/年。季风前和冬季降水呈下降趋势，Sen斜率分别为0.09和0.25(图-2)。

空间变化(1951 - 2015)

这里，除了年平均降水变化之外，使用ArcGIS环境中的IDW方法分析了关于空间的季节降水变化。AAP在研究区内的956.56 mm格栅6（西部）到1637.01mm的网格79（东部）。

季风前

使用每个网格点的Z统计值研究了预季隆沉淀的空间变化，该Z统计值已经通过MK测试分析。z统计从Grid 85（东部地区）（表4）的网格13（西部）的3.24（表4）不同，这表明了东部的显着增加了南部的降水趋势由于森林密度良好，同时显着降低了研究区西侧的降水趋势。中间部分反映了降水模式的几乎变化（图-3）。

表4：all-time系列的空间z统计

网格码

季风

Pre-Monsoon

Post-Monsoon

冬天

平均年

网格码

季风

Pre-Monsoon

Post-Monsoon

冬天

平均年

1

0.88

-1.12

-0.53

0.4

0.71

44

0.04

-0.4

0．01

-0.61

0.08

2

1.65

-1.52

-0.71

-0.07

1.43

45

-1.51

0.84

0.69

0.39

-1.19

3.

0.13

-2.03

-0.36

-0.28

-0.24

46

-1.89

-0.58

0.38

0.2

-1.67

4

-1.18

-2.54

-0.74

-1.08

-1.43

47

0.04

-1.5

-0.83

-0.93

-0.16

5

-2.09

-2.44

-0.9

-1.15

-2.19

48

-1.06

-0.2

0.35

1.17

-0.75

6

0．16

-2.39

-0.12

-0.69

-0.32

49

-1.23

1.02

0.88

1.62

-0.77

7

-0.65

-3.18

0.68

-0.9

-0.85

50

-0.79

0.45

0.36

0.4

-0.29

8

-1.12

-3.43

0.11

-1.14

-1.57

51

-0.53

-0.59

-0.7

-0.18

-0.33

9

-1.57

-2.76

-0.42

-0.19

-2.02

52

-1.89

-0.77

-0.89

-0.67

-2.31

10

-1.42

-2.17

-0.67

-0.49

-1.59

53

-1.5

-0.4

-0.82

-0.08

-1.92

11

0.78

-0.69

0.55

-0.03

0.49

54

-0.46

-0.56

-0.23

0.11

-1.04

12

0.08

-1.4

0.32

-0.36

-0.27

55

-0.32

-0.39

-0.18

-0.23

-0.65

13

-0.41

-3.5

-0.15

-1.25

-0.92

56

-1.29

-1.05

-0.12

-1.03

-1.52

14

-1.18

-1.66

-0.92

0.32

-1.34

57

-1.37

-1.47

0.64

-0.28

-1.32

15

-0.22

-1.9

-0.65

0

-0.14

58

-3.03

-2.27

-0.01

-1.12

-3.07

16

2.41

-1.7

-0.66

-1.79

1．59

59

-2.28

-2.52

-0.52

-1.58

-2.37

17

-1.73

-0.97

-0.4

-0.68

-1.81

60

-1.45

-2.08

-0.19

-1.73

-1.74

18

0.15

-0.16

-0.23

0.18

-0.05

61

0

-0.37

0.27

0.27

0.17

19

0．23

-1.51

-0.23

-0.59

-0.6

62

-0.08

-0.27

0.15

0.94

-0.19

20.

0.88

-1.29

-0.22

-0.78

0.28

63

0.29

-0.35

-0.12

0.45

０．０２

21

-0.08

-2.64

-0.96

-0.94

-0.53

64

0．31

-1.39

-0.31

-0.07

0.19

22

0.18

-2.46

-1.08

-0.42

-0.17

65

0．14

-0.85

-0.27

-0.71

-0.26

23

1.54

-1.94

-0.57

-0.25

1．59

66

-1.77

-0.14

-0.14

0．31

-1.43

24

-0.05

-1.9

-0.69

-0.79

-0.36

67

-0.05

-0.79

-0.58

０．０２

-0.22

25

-0.49

1.47

0.9

0.9

-0.11

68

-0.65

-0.85

-0.84

-0.61

-1.12

26

-1.79

-1.62

0.07

-0.92

-1.65

69

-0.96

-0.23

0.53

-0.54

-1.03

27

-2.18

-2.38

-1.1.

-1.63

-2.19

70

-1.95

-2.09

0.53

-0.43

-2.2

28

-0.24

-0.01

-0.2

０．３７

-0.23

71

-1.99

-1.54

0.07

-0.37

-2.02

29

-1.17

-1.73

-0.78

-1.08

-1.68

72

-1.64

-1.59

-0.49

-1.28

-2.39

30.

-0.75

-1.66

-0.31

-0.88

-1.7

73

-1.47

-0.52

0．31

-0.73

-1.27

31

0.08

-0.86

-0.52

-0.58

-0.29

74

-0.05

-0.91

-0.47

0．14

-0.03

32

-0.24

-0.01

-0.2

０．３７

-0.22

75

-0.25

-1.02

-0.27

-0.09

-0.08

33

-1.04

-0.33

-0.07

0.52

-0.64

76

-0.97

-1.18

-0.46

-0.42

-1.19

34

-0.37

-0.59

-0.25

0.2

0.15

77

-1.69

-0.2

-0.69

0.49

-1.82

35

0.56

-0.86

-0.58

-0.4

0.52

78

-1.25

-1.08

-0.85

0．06

-1.09

36

-0.73

-0.35

0.22

1．64

-0.45

79

-0.55

-1.67

-0.66

-1.24

-0.82

37

-0.27

-1.64

0.61

1

0.18

80

-1.62

1．12

0.5

０．０２

-1.46

38

-1.83

-2.04

-0.31

-0.9

-1.89

81

-2.53

0.55

0.2

0．01

-2.26

39

-1.1.

0.34

-0.85

0.09

-1.26

82

0.57

-1.09

-0.67

0.3

0.03

40

-1.16

-0.96

-0.57

-0.44

-1.64

83

-0.08

-1.44

-0.85

-0.53

-0.4

41

-1.05

-0.33

-0.52

-0.22

-1.22

84

-0.63

1.81

0.5

0.54

-0.05

42

-0.91

-1.08

-0.35

-0.27

-1.26

85

-1.98

3.24

0.99

0.67

-1.36

43

1.23

-0.57

-0.22

0.22

0.8

图3:季风前降水空间变化图
点击此处查看数字

季风

N-W部分盆地在季风季节中标志着最积极的趋势，而在N-E部分中标志着最负面的趋势。z统计值波动在-3.03（Grid-58）至2.41（Grid-16）之间，其中大多数所有网格点都显示出降水量下降（图4）（表4）。
图4：季风降水空间变异图
点击此处查看数字

Post-monsoon

对于后季风季节，z-统计量范围为-1.1(格点-27)到0.99(格点-85)(表4)。结果表明，盆地北-东、西部和南部呈上升趋势，南-东、南-西和北-西呈下降趋势(图5)。
图5：季风降水空间变异图
点击此处查看数字

冬天

通过MK检验对每个网格点的趋势进行评估，发现z-统计量从-1.79变化到1.64。冬季降水格局在下游即南部呈现明显增加趋势。而其他地区则呈现出明显的下降趋势。研究区85个格点中，只有22个在冬季降水序列中呈现正趋势。(图6)(表4)。
图6冬季降水空间分异图
点击此处查看数字

平均年

AAP的z -统计量变化范围为-3.07(格点58)~ 1.59(格点16)，与季风降水趋势一致。WSB约50%的N-W部分呈现出正的趋势，而其余区域呈现出负的趋势，但不是很明显(图7)。WSB的ne - e和S-E部分大部分网格呈负向趋势。
图7年降水量空间变化图
点击此处查看数字

该研究表明，覆盖曼德拉区的网格点58和59，Madhya Pradesh最容易受到气候变化的影响，降水在季节性下降趋于上升，由于温度上升，这可能是由于扩大城市可能是由于扩大城市和工业活动，全球气候和森林砍伐的转变。15日,27日少数研究人员观察到的结果也证实了这一点。11,28

结论

本文以1951-2015年为例，探讨了青藏高原不同时间序列降水的时空变化特征。进一步，在同质性检验的基础上，将时间序列分为整个时间序列、平移点前后三个部分，采用MK检验和Sen斜率估计检验考察其变化趋势。

在这里，我们发现在季风季节，特别是6月和7月，降水显示出一个非显着的积极趋势，而在8月份，它表现出显着的负趋势以及更高的负趋势斜率（即-1.09）。9月，它表现出了一个非重大的负趋势。相比之下，季风季节的整体降水趋势是非显着的。该研究表明，季风季节期间沉淀的时间变异性变得不均匀，这是雨水kharif作物的可怕条件。因此，建议采用WSB中的一些水收集措施，以便在其中提供更好的水资源利用。基于自然的气候解决方案，如重新造林和适当的土地管理惯例在面对气候变化方面发挥着至关重要的作用。因此，对气候变化的不利影响有更高潜力的重新造林实践，随后采用先进的森林管理实践，将作为全球社区的长期性价比实践。

参考文献
  1. 蒋凤琴，胡荣军，王少平，张永文，童磊。新疆1960-2008年极端降水变化趋势。定理:Climatol．2013;111（1-2），133-148.https：//doi.org/10.1007/S00704-012-0657-3。
    CrossRef
  2. Gosain, A. K.， Sandhya Rao和Debajit Basuray。“气候变化对印度河流流域水文的影响评估。”咕咕叫。SCI。．2006;346-353.DOI：10.2307 / 24091868。
  3. Kumar，V.，＆Jain，S.K。印度河流河流域的降雨量和雨天数量（1951-2004）。水醇。res..2011;42（4），290-306。https://doi.org/10.1016/j.atmosres.2015.08.018。
    CrossRef
  4. 印度主要河流流域的极端气候变化。国际气候杂志。2016;36(14):4548-59https://doi.org/10.1002/joc.4651。
    CrossRef
  5. Bhatti, Asher Samuel, Guojie Wang, Waheed Ullah, Safi Ullah, Daniel Fiifi Tawia Hagan, Isaac Kwesi Nooni, Dan Lou和Irfan Ullah。“基于巴基斯坦长期实地降水记录的极端降水指数趋势。水.2020;12（3）797。https://doi.org/10.3390/w12030797。
    CrossRef
  6. 印度西孟加拉邦恒河地区上个世纪(1901-2000年)降雨模式的区域趋势分析。ANSF.．2015;7(2), 750 - 757。DOI：10.31018 / jans.v7i2.678。
    CrossRef
  7. 印度恒河流域1901-2000年降水趋势分析。点。j .爬。改变．2017;6 (01), 116．https://doi.org/10.4236/ajcc.2017.61007。
    CrossRef
  8. 张国栋，张国栋，张国栋，等。加拿大流域水文极值趋势的探测。水醇。过程．2010;24(13), 1781 - 1790。https://doi.org/10.1002/hyp.7625。
    CrossRef
  9. Sayemuzzaman，M.，＆Jha，M.K.季节性，以及美国北卡罗来纳州的年降水时间序列趋势分析。大气压。Res。2014;137, 183 - 194。https://doi.org/10.1016/j.atmosres.2013.10.012。
    CrossRef
  10. Jain，S.K.，＆Kumar，V.印度降雨和温度数据的趋势分析。咕咕叫。SCI。2012; 102（1），37-49。DOI：10.2307 / 24080385
  11. 王志强，王志强，王志强，等。印度中部地区降水时空变化趋势及均匀性分析[j]。天气高潮。极端．2014;4，50-61。http://dx.doi.org/10.1016/j.wace.2014.04.005。
    CrossRef
  12. 趋势非参数检验。Moveryetrica.．1945;13:245 - 259。
    CrossRef
  13. 基于肯德尔tau的回归系数估计。J.IM。统计。Adsual.1968;63（324），1379-1389．DOI: 10.1080 / 01621459.1968.10480934.
    CrossRef
  14. 利用非参数方法和离散小波变换对印度南部四个气象分区的降雨趋势分析。int。J. Climatol.．2015;35(6), 1107 - 1124。https://doi.org/10.1002/joc.4042。
    CrossRef
  15. 塔库尔，A.， Mishra, P. K.， Nema, A. K.， & Sahoo, S. P.印度winganga次海盆温度时空变化趋势及变化分析int j环境螺柱。2019年;77(3), 464 - 479。https://doi.org/10.1080/00207233.2019.1686884．
    CrossRef
  16. Chattopadhyay，S.和Edwards，D.对美国肯塔基州的降水和空气温度的长期趋势分析。气候．2016;4(1) 10。https://doi.org/10.3390/cli4010010。
    CrossRef
  17. 崔丽芳，等。“1960-2015年长江流域年和季节气温和降水创新趋势分析”。JASTP．2017;48-59。https://doi.org/10.1016/j.jastp.2017.08.00。
    CrossRef
  18. 印度恰蒂斯加尔邦降水的长期趋势和变率。定理:Climatol．2017;129（3-4），729-744。DOI：10.1007 / s00704-016-1804-z。
    CrossRef
  19. 徐勇，徐晓侯，李敏，刘秀能。1961-2015年贵州西南自治州降水变化特征及趋势分析。J.Agrometeorol。.2019;21（1），31-35。
  20. Jaiswal, R. K.， A. K. Lohani和H. L. Tiwari。“用于气候参数变化检测和趋势评估的统计分析。”环绕。过程．2015;2（4）729-749。https://doi.org/10.1007/S40710-015-0105-3。
    CrossRef
  21. 在ArcGIS空间分析中插值曲面。ArcUser.2004;7 - 9月，3235, 569年。
  22. Kendall MG（1975）。排名相关方法，第4版。查尔斯格里芬，伦敦，U.K.
  23. 佩蒂特，A. N.一个非参数方法来解决change‐的积分问题。J. R. Stat。SOC .:系列C（应用统计）．1979;28(2), 126 - 135.DOI: 10.2307 / 2346729。
    CrossRef
  24. ALEXANDERSSON，H.应用于降水数据的同质性​​测试。J. Climatol.．1986;6（6），661-675．https://doi.org/10.1002/joc.3370060607。
    CrossRef
  25. 一些测试降雨记录均匀性的方法。J.Hydrol。, 1982;58(1 - 2), 11-27。https://doi.org/10.1016/0022 - 1694 (82) 90066 - x。
    CrossRef
  26. 开发新的高空间分辨率(0.25× 0.25)长周期(1901-2010)印度日格点降雨数据集，并与该地区现有数据集进行比较。毛苏兰.2014;65（1），1-18。
  27. 王志强，王志强，王志强，等。青藏高原近50年降水时空变化特征分析。高原气象，2017,36(4):459 - 463。大气科学。2013;122:136-49。https://doi.org/10.1016/j.atmosres.2012.10.010。
    CrossRef
  28. Sushant。气候变化对印度中央邦东部的影响。太Conserv科学。2013;6（3），338-364。DOI: 10.1177 / 194008291300600304。
    CrossRef
Creative Commons许可
这个作品是根据知识共享署名4.0国际许可．