河南省夏玉米生育期间主要气象灾害发生频率分析与未来预估

韩宇平，蒋亚茹，肖　恒

(1.华北水利水电大学，郑州 450045；2.中原经济区水资源高效利用与保障工程河南省协同创新中心，郑州 450045)

0　引　言

河南省位于大陆性季风气候区，是我国重要的粮食主产区，夏玉米播种面积和产量约占全国的10%[1]，但夏玉米产量高而不稳。夏玉米生育期(6-9月)是各种农业气象灾害频繁发生的阶段，极易遭受洪涝、干旱、大风倒伏以及连阴雨等灾害的影响[2-4]，尤以初夏旱、卡脖旱和花期阴雨的影响为最大[5]。河南省气象科研所玉米课题组[5]曾利用1954-1990年夏玉米生育期间10个代表站的降水及单产资料，着重分析了初夏旱、卡脖旱和花期阴雨等3种主要气象灾害发生的频率、分布特点及对河南省夏玉米单产的影响情况。研究表明，发生上述3种主要气象灾害同时减产占灾害年的频率分别为47.1%、42.9%和50.0%，夏玉米歉收有半数以上的年份由2种气象灾害共同作用造成。因此掌握夏玉米生育期间主要农业气象灾害的发生规律，对于防御气象灾害，提高防灾减灾的能力，保障区域农业高产稳产具有十分重要的意义。

近年来，随着全球气候的变暖，中国农业气象灾害的发生规律出现了新的变化[6]。河南省夏玉米生育期间主要气象灾害发生的频率有何新的变化，当前主要气象灾害发生规律在未来是否再现？是普遍关注和亟待解决的问题。已有一些研究结合未来气候变化情景，对农业气象灾害进行了预估。李琪等[7]利用CMIP3的多模式数据下的A2和A1B两种方案，并结合CERES-Rice模型，模拟分析了2011-2040年不同高温强度及其持续时间的热害对水稻产量的影响。冯灵芝等[8]利用RCPs情景下HadGEM2-ES模式的输出结果，预估了长江中下游地区水稻生育期内高温事件的变化特征。然而，当前研究多针对单一气象灾害的特征进行探讨，作物生育期间气象灾害同时发生(遭遇)的情况一般还很少考虑；且评估玉米生育期间气象灾害的时空变化特征方面的研究成果还比较少。

本文基于历史长期气象监测资料和全球气候模式预估数据，围绕夏玉米生育期间初夏旱、卡脖旱和花期阴雨等3种主要气象灾害，采用集合论的方法定义单一和同时发生的气象灾害事件及其组合，探讨历史(1961-2015年)气象灾害发生的频率时空分布特征以及21世纪以来(2001-2015年)的变化情势，预估未来30年(2021-2050年)气候变化情景下可能的变化，以期为应对气候变化影响的防灾减灾适应性措施的制定提供参考依据。

1 资料与方法

1.1　研究区与资料数据

研究区及选用的19个典型气象站点空间分布见图1，选用测站在空间上分布较为均匀。实测资料为1961-2015年共55年逐日降水数据，来源于中国气象科学共享网发布的《中国地面气候资料日值数据集(V3.0)》。数据系列较为完整，质量良好。对于极少数缺测数据，采用5 d滑动平均方法进行线性插补。

图1　研究区域及气象站点分布Fig.1 Location of study area, meteorological stations

未来降水预估数据使用RCP4.5情景下全球气候模式的模拟结果。RCP4.5情景是当前应用较为广泛的一种排放情景，在RCPs系列中为中间稳定路径，2100年辐射强迫稳定在4.5 W/m2，大气温室气体浓度稳定在650×10-6CO2当量[9]。气候模式模拟数据来源于ISI-MIP提供、中国农科院环发所收集整理的中国大陆地区气候变化情景数据集。该数据集已成功应用于我国极端气候预估[10]、干旱影响评估[11]工作中，包括GFDL-ESM2M(美国)，HadGEM2-ES(英国)，IPSL-CM5A-LR(法国)，MIROC-ESM-CHEM(日本)，NorESM1-M(挪威)等5个全球气候模式的日值数据；时间范围为1951-2050年，空间水平分辨率为0.5° × 0.5°。本研究中，覆盖研究区域的格点数共有97个，采用其基准期(1971-2000年)和未来时段(2021-2050年)模拟预估的逐日降水数据。由于气候情景模式数据已根据实测气象信息进行了插值、订正[12、13]，文中不再对其进行空间插值和区域降尺度处理，而是直接应用模式输出进行计算。

1.2　研究方法

1.2.1主要气象灾害事件定义

农业气象灾害指标是评判灾害的标准，由于研究目的不同，每一种指标都有其自身的优、缺点和适用的领域、范围。本文采用文献[5]基于旬降水量确定的初夏旱、卡脖旱和花期阴雨等3种主要气象灾害判别指标(见表1)。该套指标简单易行，能够较好地反映气象灾害与粮食减产的关系，已应用于河南省玉米生产农业气象服务中[14]；同时，也方便与现有成果进行比较。

表1　河南省夏玉米生育期间主要气象灾害及其判别指标Tab.1 Main meteorological disasters and their evaluation indices during the summer maize growth period in Henan province

从表1中所列3种主要气象灾害出发，采用集合论的方法进一步补充扩展定义7类气象灾害事件及其组合。一方面是发生单一气象灾害的情况：(4)事件A+B表示至少发生一种气象干旱事件；(5)事件A+C表示初夏旱和花期阴雨至少发生一种；(6)事件B+C表示发生卡脖旱或花期阴雨一种气象灾害；(7)事件A+B+C表示3种气象灾害至少发生一种，即在生育期间发生气象灾害。另一方面为两种气象灾害同时发生的情况：(8)事件AB表示初夏旱与卡脖旱同时发生；(9)事件AC表示初夏旱与花期阴雨同时发生；(10)事件AB+AC表示初夏旱与卡脖旱或花期阴雨同时发生。根据上述定义，研究中采用频率统计的方法分别计算10类气象灾害事件及其组合发生的频率。

1.2.2频率统计分析方法

以旬为计算时间尺度，分别计算上述10类主要气象灾害事件及其组合在时段内发生的次数，采用公式(1)计算其频率：

(1)

式中：n为某一时期气象灾害发生的总次数；m为该时期的站(格点)年数。

首先，统计1961-2015年及1960s(1961-1970年)、1970s(1971-1980年)、1980s(1981-1990年)、1990s(1991-2000年)、2000s(2001-2010年)、2010s(2011-2015年)等6个年代主要气象灾害事件发生的频率。其中，2010s数据截止到2015年数据，站年数为19×5=95；其他各年代资料系列完整，均为19×10=190站年。

然后，采用“2个时期对比”的分析方法(公式(2))，以1971-2000年为基准期，计算21世纪以来(即2001-2015年)和未来30年(2021-2050年)主要气象灾害事件及其组合发生频率的相对变化。其中，未来预估采用多模式简单算术平均集合方法，其结果为5个模式下预估结果的平均值。

Δp=pf-pc

(2)

式中：Δp为气象灾害事件发生的频率变化；pf为分析时段气象灾害发生的频率；pc为基准期气象灾害发生的频率。

最后，采用克里金插值法，基于Surfer 13.0软件绘制空间分布图，分析主要气象灾害发生频率在空间上的分布特征及其变化。限于篇幅，文中仅给出初夏旱(事件A)、卡脖旱(事件B)、花期阴雨(事件C)以及初夏旱与卡脖旱同时发生(事件AB)、初夏旱与花期阴雨同时发生(事件AC)等5个代表性事件的空间分布图。

2　结果分析

2.1　1961-2015年主要气象灾害事件发生频率

2.1.1主要气象灾害发生频率时间变化

表2统计了1961-2015年主要气象灾害事件发生的频率。从表2中可以看出，1961-2015年三种气象灾害发生的频率以初夏旱为最大(43.3%)，其次是卡脖旱(34.4%)，花期阴雨发生的频率最小(27.0%)。2010s初夏旱和卡脖旱发生频率最大，分别达到62.1%和63.2%；同期花期阴雨发生频率为各年代最小，仅为7.4%。这与2013-2015年降水异常减少有关。未来几年这一趋势是否将进一步持续，是值得关注的问题。1980s初夏旱和卡脖旱发生的频率较小，分别为30.0%和27.4%；但同期花期阴雨发生频率31.6%，仅次于1960s的32.1%。21世纪以来(2001-2015年)，初夏旱和卡脖旱发生的频率明显增加，较1971-2000年的37.2%和34%分别增加12.6%和6.0%，而花期阴雨发生的频率则减少6.1%。

初夏旱与卡脖旱和初夏旱与花期阴雨至少发生一种的频率分别为62.8%和60.5%，且自1980s以来逐渐增大，2001-2015年较1971-2000年分别增加9.5%和7.1%。其中，2010s初夏旱与卡脖旱至少发生一种的频率最大，达到84.2%，1980s发生的频率最小仅为48.4%。1960s初夏旱与花期阴雨至少发生一种的频率最大，达到75.8%，1980s发生频率最小仅为51.6%。7月下旬-8月中旬的气象灾害(卡脖旱与花期阴雨)至少发生一种的频率为61.4%，2010s发生的频率70.5%为最大，2000s发生频率57.4%为最小。1961-2015年单一气象灾害事件发生的频率为78.9%。与1971-2000年相比，2001-2015年发生的频率几乎无变化(略微减少0.1%)。

从气象灾害同时发生的频率上看，1961-2015年初夏旱与卡脖旱同时发生的频率为16.0%，大于初夏旱与花期阴雨同时发生的频率(10.8%)。其中，2010s发生频率最大，为41.1%，是发生频率最小的1980s(8.9%)的4.6倍。2001-2015年较1971-2000年增加9.2%，相对变化高达73.0%。初夏旱与花期阴雨同时发生的频率在1960s和1970s较为稳定，发生频率均为13.7%，大于其他年代发生的频率；2010s发生的频率最小，仅为3.2%；2001-2015年发生频率较1971-2000年减少0.6%。1961-2015年两种气象灾害事件同时发生的频率为26.8%。其中，2010s发生的频率最大，为44.2%，而在1980s发生的频率最小，为18.9%。与1971-2000年相比，2001-2015年发生的频率增加8.6%。

2.1.2主要气象灾害发生频率的空间分布

从1961-2015年主要气象灾害事件发生的频率空间分布上看(图2)，初夏旱发生的频率由南至北逐渐增大，豫西南桐柏站最小，为14.5%；而豫中北部的郑州站发生的频率最大，达到72.7%。卡脖旱发生的频率总体上由西向东逐渐减少，豫西三门峡站发生的频率最大，为60.0%；豫西南西峡站发生的频率最小，为14.5%。花期阴雨发生的频率则自西向东逐渐增加，其中豫西南卢氏站发生的频率最小，为7.3%，豫东商丘站发生的频率最大，为34.5%。

初夏旱与卡脖旱和初夏旱与花期阴雨至少发生一种的频率由南向北逐渐增大，豫南信阳和固始站均不足50.0%，而豫中北部郑州则分别达到81.8%和80.0%。卡脖旱与花期阴雨至少发生一种的频率自西向东逐渐增大，豫西南西峡站最小，为47.3%；而东部测站一般在60%～70%之间。主要气象灾害事件发生的频率自南向北逐渐增大，豫西南西峡站最小为67.3%，豫中北部郑州站最大，为89.1%。

初夏旱与卡脖旱同时发生的频率总体上自南向北逐渐增大，豫西南桐柏站最小，仅为1.8%；豫北新乡站最大，为30.9%。豫北地区初夏旱和花期阴雨同时发生的频率较大，安阳和新乡站分别均为21.8%；豫中和豫东地区测站也多在10%～20%之间，其他站点则发生的频率较小，其中豫西三门峡站仅为1.8%。两种主要气象灾害同时发生的频率也由南向北逐渐增大，豫西南桐柏站最小，仅为7.3%，而豫北新乡站则为54.5%。

表2　1961-2015年主要气象灾害事件发生的频率Tab.2 Frequency of main meteorological disasters occurrence in 1961-2015

图2　1961-2015年主要气象灾害发生频率的空间分布Fig.2 Spatial distribution of frequency of main meteorological disasters occurrence in 1961-2015

2.1.32001-2015年主要气象灾害发生频率变化的空间分布

图3给出了2001-2015年夏玉米生育期间主要气象灾害发生的频率较1971-2000年变化的空间分布。从图3中可以看出，初夏旱在15站(占全部选用站点数的78.9%，下同)发生的频率呈增加趋势，其中豫中、中北部郑州、许昌、西华和豫西南西峡、南阳等5站(26.3%)增幅较大，增加20%～30%；豫南固始和豫东商丘站则分别减少3.3%和13.3%；豫北安阳和豫西三门峡站则无变化。卡脖旱发生的频率也以增加为主，12站(63.2%)发生的频率呈增加趋势，其中豫中北部、豫中南部驻马店等5站(26.3%)增幅较大，增加10%～20%，豫北安阳和豫中许昌站基本无变化，其他5站(26.3%)有所减少，其中商丘站减幅较大，为-13.3%。花期阴雨发生频率则在12站(63.2%)呈减少趋势，其中三门峡、孟津、新乡、开封、西华、驻马店等6站减幅较大，减少10%～20%，仅在永城等4站(21.1%)增加不足10%，许昌等3站则基本无变化。

初夏旱和卡脖旱至少发生一种的频率在11站(57.9%)有所增加，以孟津、开封、西华、许昌、驻马店、桐柏、宝丰等7站增幅20%～30%为最大，向其他地区逐渐减小，其中豫东商丘站减幅最大，为16.7%；安阳等3站(15.8%)则基本无变化。除三门峡等5站(26.3%)减少不足10%外，初夏旱和卡脖旱至少发生一种的频率在其他区域均呈增加趋势，其中豫中和豫西南增幅较大，郑州等7站增幅在10%～20%之间。卡脖旱和花期阴雨至少发生一种的频率在豫中北、豫中、豫西南等7站有所增加，但除郑州站增加外，其他地区增幅不足10%；商丘等8站(42.1%)则有不同程度的减少，豫东商丘和豫西孟津站减幅相对较大，分别减少20.0%和13.3%；而信阳等4站(21.1%)则基本无变化。气象灾害事件发生的频率在12站(63.2%)有不同程度的增加，以孟津、开封、西华、许昌、驻马店、桐柏、宝丰等7站增幅较大，增加20%～30%；新乡等6站有所减少，其中豫西三门峡和豫西南卢氏和豫北新乡等3站(15.8%)减幅较大，减少10%～20%；豫西南西峡站则基本无变化。

初夏旱与卡脖旱同时发生的频率在13站(68.4%)呈增加趋势，其中豫北新乡站增加36.7%为最大，孟津等4站则有不足10%的减少，安阳和宝丰站则基本无变化。初夏旱与花期阴雨同时发生的频率在9站(47.4%)呈增加趋势，主要集中在豫中和豫西南地区，但增幅均在10%以内；新乡等9站(47.4%)呈减少趋势，主要集中在豫北、豫西和豫东地区，其中豫北新乡和豫东商丘站减幅较大，均减少13.3%；豫东永城站则基本无变化。两种气象灾害同时发生的频率在14站(73.7%)有不同程度的增加，其中豫中北部郑州、新乡和豫西南卢氏、西峡等4站(21.1%)增幅较大，增加20%～30%；豫北安阳、豫西孟津和豫东商丘等3站(15.8%)有所减少，分别减少6.7%、16.7%和23.3%；开封和桐柏站则基本无变化。

图3　2001-2015年主要气象灾害发生频率较1971-2000年变化的空间分布Fig.3 Spatial distribution of changes in frequency of main meteorological disasters occurrence by the 2001-2015 period comparing with the baseline period of 1971-2000

2.2　2021-2050年主要气象灾害发生频率变化预估

2.2.1主要气象灾害指标变化预估

表3给出了基准期内主要气象灾害指标的模拟误差值。从表3中可以看出，主要气象灾害指标的相对误差在-8.1%～6.3%之间；对干旱事件判别指标(P1～P4)的模拟存在正偏差，而对花期阴雨判别指标(P5和P6)的模拟则存在负偏差。这表明基于气候模式降水输出结果的模拟值与实测值较为接近，利用该数据进行未来预估和影响分析是可行的。

与基准期相比，RCP4.5情景下2021-2050年发生初夏旱的气象灾害指标较基准期有所减少。P1和P2分别减少2.9和4.0 d，其中5月下旬、6月上旬和6月中旬降水量小于30 mm日数分别减少4.5、2.0和0.5 d。发生卡脖旱的气象灾害指标也呈减少趋势，其中7月下旬-8月中旬期间，P3和P4分别减少3.7和2.8 d。然而，发生花期阴雨的气象灾害指标却呈增加趋势，P5和P6分别增加2.2和1.6 d。

表3　1971-2000年主要气象灾害指标模拟误差值Tab.3 Relative error between observations and simulations in the baseline period of 1971-2000

2.2.2主要气象灾害发生频率时间变化预估

2021-2050年初夏旱发生的频率较基准期减少8.2%，而花期阴雨发生的频率增加8.0%，卡脖旱发生的频率则基本无变化(略微增加0.9%)。初夏旱与卡脖旱至少发生一种的频率也减少5.5%，而与花期阴雨相关的至少发生一种的频率则分别增加3.1%和8.9%。初夏旱与卡脖旱、初夏旱与花期阴雨同时发生的频率分别减少1.9%和3.3%。发生气象灾害事件的频率增加5.8%，但两种气象灾害同时发生的频率则减少5.2%。

2.2.3主要气象灾害发生频率空间分布变化预估

图4给出了RCP4.5情景下2021-2050年夏玉米生育期间主要气象灾害发生的频率较1971-2000年变化的空间分布。从图4中可以看出，初夏旱发生的频率在豫中北的许昌、郑州、开封等地区和豫西南局部地区呈增加趋势，其他地区均有不同程度的减少，其中豫北安阳局部地区减幅最大，在30%～40%之间。卡脖旱在开封-宝丰-南阳一线东南方向呈增加趋势，其中许昌、周口、商丘等地区局部增幅较大，超过20%；其他地区多呈减少趋势，减幅在20%以内。花期阴雨发生频率在南阳-西华-永城一线以南区域增幅较大，多在20%～30%之间，豫中、北部和豫西的局部地区有所减少，减幅一般在10%以内。

初夏旱与卡脖旱至少发生一种的频率主要在豫中及豫中北部地区呈增加趋势，增幅一般在10%以上，以此为中心向其他地区增幅减小并逐渐呈减少趋势，而豫西局部地区存在不足10%的增幅。初夏旱与花期阴雨至少发生一种的频率在三门峡-孟津-开封-商丘-永城一线及以北以减少为主，以南以增加为主，其中豫西南和豫南局部地区增幅较大，超过30%。卡脖旱与花期阴雨至少发生一种气象灾害事件的频率在栾川-宝丰-许昌-开封一线东南方向大部分区域以增加为主，豫东南地区增幅最大，局部地区增幅甚至在60%以上。主要气象灾害事件发生的频率在大部分地区可能将有不同程度的增加，其中以南阳-许昌-西华一线增幅最大，超过20%，豫西、豫西南和豫北局部地区多呈减少趋势。

初夏旱与卡脖旱同时发生的频率在三门峡-卢氏-栾川-西峡一线以及南阳-许昌-西华-商丘一线呈增加趋势，其他地区呈减少趋势，其中豫北局部地区减幅较大，超过10%。初夏旱与花期阴雨同时发生的频率空间分布较为复杂，豫北地区有明显的减少，减幅一般在20%以上。两种气象灾害事件同时发生的频率在大部分地区有所减少，其中豫北地区减少显著，超过10%，局部地区减幅超过40%。豫西、豫西南和豫东局部地区增幅在10%以内。

图4　RCP4.5情景下2021-2050年主要气象灾害发生频率较1971-2000年变化的空间分布Fig.4 Spatial distribution of changes in frequency of main meteorological disasters occurrence by the 2021-2050 period comparing with the baseline period of 1971-2000 under the RCP4.5 scenario

3　结果与讨论

1961-2015年河南省夏玉米生育期间主要气象灾害发生较为频繁，按发生的频率大小依次为初夏旱、卡脖旱、花期阴雨；区域性分布较为明显，初夏旱发生的频率由南向北逐渐增大，卡脖旱发生的频率由东向西逐渐增大，花期阴雨发生的频率则由西向东逐渐增大。这与文献[5]得到的研究成果基本一致，但自1980s以来气象灾害发生的频率总体上有增加的趋势。

与1971-2000年相比，21世纪以来(2001-2015年)旱灾更为频繁的发生而阴雨灾害发生的频率有所减少，且发生频率的变化在空间分布上不均。已有研究指出，1990s末期以来，河南省春季连续无雨日呈明显增加趋势[15]，夏季降水量有所增加，黄河以南多数地区极端降水频次、强度增大[16,17]。研究结果与近十几年来降水的变化趋势基本一致。

RCP4.5情景下未来30年(2021-2050年)，主要气象灾害发生频率呈现出初夏旱发生频率减少而阴雨灾害发生频率增加的趋势。这与2001-2015年气象灾害事件的变化趋势并不一致。与潘攀[18]、梁玉莲和延晓冬[19]预估降水变化的趋势相一致，气候变化情景下预估的生育期间降水的明显增加是导致气象灾害发生频率趋势变化的主要原因。同时，未来气象灾害发生的频率变化在空间分布上可能将更为不均，特别是在一些地区旱灾也存在进一步加剧的可能性。

气候变化条件下，夏玉米产量灾害损失关系将更为复杂[20]，仅依据降水要素构建气象灾害指标虽然简单易行，但难免存在诸多局限性，气象灾害指标的构建及其在气候变化条件下的适用性等还有待进一步研究。同时，主要气象灾害事件发生的条件概率方面的分析，还需进一步研究。另外，未来预估结果还存在一定的不确定性，排放情景、降尺度方法等不确定性主要来源还需充分考虑，以增加未来预估结果的可靠性。

□

参考文献：

[1]乔江方, 刘京宝, 夏来坤, 等.2001-2012年河南省夏玉米产量变化及生长季气象因子分析[J].中国农学通报, 2014,30(36):85-90.

[2]王富强, 王雷.基于降水距平百分率的河南省干旱特征分析[J].中国农村水利水电, 2014,(12):84-88.

[3]成林, 刘荣花.河南省夏玉米花期连阴雨灾害风险区划[J].生态学杂志, 2012,31(12):3 075-3 079.

[4]李树岩, 刘荣花, 胡程达.河南省夏玉米大风倒伏气候风险分析[J].自然灾害学报, 2014,23(1):174-182.

[5]玉米课题组.气象灾害对河南省夏玉米产量的影响及对策[J].中国农业气象, 1993,14(6):27-29.

[6]陈德亮.气候变化背景下中国重大农业气象灾害预测预警技术研究[J].科技导报, 2012,30(19):3.

[7]李琪, 任景全, 王连喜.未来气候变化情景下江苏水稻高温热害模拟研究Ⅰ: 评估孕穗-抽穗期高温热害对水稻产量的影响[J].中国农业气象, 2014,35(1):91-96.

[8]冯灵芝, 熊伟, 居辉, 等.RCP情景下长江中下游地区水稻生育期内高温事件的变化特征[J].中国农业气象, 2015,36(4):383-392.

[9]Vuuren D, Edmonds J, Kaimuma M, et al.The representative concentration pathways: an overview[J].Climatic Change, 2011,109(1-2):5-31.

[10]Yin J, Xu Z X, Yan D H, et al.Simulation and projection of extreme climate events in China under RCP4.5 scenario[J].Arabian Journal of Geosciences, 2016,9(2):89.

[11]Leng G Y, Tang Q H, Rayburg S.Climate change impacts on meteorological, agricultural and hydrological droughts in China[J].Global and Planetary Change, 2015,126(23-24):23-24.

[12]Piani C, Weedon G P, Best M，et al.Statistical bias correction of global simulated daily precipitation and temperature for the application of hydrological models[J].Journal of Hydrology, 2010,395(3-4):199-215.

[13]Hagemann S, Chen C, Haerter J O, et al.Impact of a statistical bias correction on the projected hydrological changes obtained from three GCMs and two hydrology models[J].Journal of Hydrometeorology, 2011,12(4):556-578.

[14]陈怀亮, 张雪芬.玉米生产农业气象服务指南[M].北京: 气象出版社, 1999.

[15]余卫东, 柳俊高, 常军, 等.1957-2005年河南省降水和温度极端事件变化[J].气候变化研究进展, 2008,4(2):78-83.

[16]潘攀.1961-2012年河南省夏季降水时空及环流特征[J].气象与环境科学, 2014,37(3):27-33.

[17]曾颖婷, 陆尔.1961-2010 年我国夏季总降水和极端降水的变化[J].气候变化研究进展, 2015,11(2):79-85.

[18]潘攀, 王纪军, 刘莎.21世纪河南省未来气候变化趋势预估[J].干旱区资源与环境, 2011,25(5):72-76.

[19]梁玉莲, 延晓冬.RCPs情景下中国21世纪气候变化预估及不确定性分析[J].热带气象学报, 2016,32(2):183-192.

[20]成林, 马志红, 李树岩.气候变化对河南省夏玉米单产的影响分析[J].玉米科学, 2016,24(1):88-95.