中国累积暴雨与自然和人文因素的关联性分析

孔锋++王一飞++吕丽莉++闫绪娴

摘要 極端降水事件带来的严重灾害已经引起越来越多的关注，气候变化与极端降水之间的关系成为最热的科学前沿问题。本文对1951—2010年中国659个气象站日暴雨观测记录进行分析。结果表明，快速城镇化可能触发了中国大面积暴雨的显著增加。中国年代际暴雨雨量、雨日和雨强大面积显著增加，增幅分别达68.71%、60.15%、11.52%，站点数的增幅相应为84.22%、84.22%和54.48%，并呈现出“迅速增加—缓慢增加—迅速增加”的时间变化过程。快速城镇化因素对中国暴雨雨量、雨日和雨强的方差解释分别为61.54%、58.48%和65.54%，包括第二产业产值（GDP 2）、城镇人口比例（UP）、年平均霾日数（HD）在内的快速城镇化因素，极有可能是中国大面积暴雨增加的主因。中国县级总人口数和能见度日数年均值的面板数据与中国年代际暴雨雨量、雨日和雨强成显著相关关系，其空间相关系数由20世纪50年代至21世纪00年代逐渐增加，县级总人口系数分别由0.35、0.36、0.40增加到0.54、0.55、0.58，能见度日数年均值相关系数由0.36、0.38、0.48增加到0.55、0.57、0.58，进一步表明快速城镇化触发了中国年代际大面积暴雨的显著增加。

关键词 暴雨；年代际变化；时空格局；城市化；中国

中图分类号 P468.0+24 文献标识码 A 文章编号 1007-5739（2017）23-0137-06

Abstract Recent studies have noted a worldwide increase in the occurrence of extreme-precipitation events，this increase has been attributed to warming climate.Although other anthropogenic factors are recognized to be important，their relative contributions remain unclear.This paper used daily rainfall data from 659 meteorological stations in China，large scale climatic and anthropogenic indices to identify major causes and quantify their contribution.The results showed that，the decadal heavy rainfall amount（HRA），heavy rainfall days（HRD）and heavy rainfall intensity（HRI） increased to 68.71%、60.15%、11.52%，and the increasing range of station number were 84.22%、84.22%、54.48%，presented a "rapid increase-slow increase-rapid increase" in the time change process .The analysis suggested that although this trend could be explained by both large-scale climate phenomena and regional anthropogenic activities，the latter such as urbanization，industrialization and associated air pollution had the strongest influence.Contributing roughly at the same magnitude，such factors explain 61.54%，58.48% and 65.54% of the variance in HRA，HRD，and HRI respectively.The expansion of spatial distribution of HRA and HRD over time showed a statistically significant and increasing correlation with the spatial distribution of population density and annual low-visibility days.Chinese total population at the county level，visibility of panel data and heavy rainfall amount，heavy rainfall days，heavy rainfall intensity in china had significant correlation，the spatial correlation coefficient increase gradually from the 1950s to 2000s，the county population increased from 0.35，0.36，0.40 to 0.54，0.55，0.58 respectively，visibility days average increased from 0.36，0.38，0.48 to 0.55，0.57，0.58，further evidence of rapid urbanization had triggered a significant increase in heavy rainfall in China.endprint

Key words heavy rainfall；decadal changes；spatial and temporal pattern；urbanization；China

近10年中国雾霾频发，已引起社会广泛关注。与此同时，在全球气候变化的大背景下，极端天气事件频发，对生态环境、人民人身财产安全、社会可持续发展等构成严重的威胁，极端降水等天气已成为灾害与环境风险的重要因素并受到学术与社会各界的广泛关注[1-3]。

从现有观测研究结果来看，全球气候变暖加剧地表水分蒸发，提高了大气保水能力并提高了水循环，因而导致局部地区降水增多[4-5]，降水的增多主要来自于对流性降水的增多[6]。Easterling等[7]研究表明，在全球尺度上，极端强降水事件显著增加的区域可能多于极端强降水事件显著减少的区域。IPCC第五次报告中指出，随着大气CO2浓度的增加，极端强降水事件发生概率也随之显著增加，且增加幅度远大于平均强度的降水[8]。通过气候模式输出结果可推测，人为气候强迫已导致全球极端降水的加强（高信度）[4，9]，且热带地区年际变异较大[10]。Min等[11]通过观测和模拟发现，温室气体的排放使得北半球陆地面积66.7%的区域暴雨强度增強[11]。Durman等[12]通过模拟发现欧洲的极端强降水呈增加趋势，且未来极端降水增加幅度更大。Gao等[13]模拟发现，在化石燃料密集排放的条件下，美国东部地区的年极端强降水约比目前降水增加107.3 mm。Allan等[14]、Zhai等[15]、Gero等[16]研究表明，在区域大气模式模拟下，澳洲悉尼盆地（Sydney Basin）地表植被的减少影响大气水分和能量收支平衡，进而导致暴雨事件频发。此外，通过比较暴雨模拟与观测结果，发现暴雨事件实际增加大于模式结果[11，14]。

与全球尺度相比，中国总降水量变化趋势不明显，但暴雨强度增强[15，17-18]，发生异常强降水事件的区域增多[19]。近年来，长江流域降水强度加大且极端降水事件频发[20-21]；华南地区降水量与降水日数也显著增加[22]。通过不同气候模式、不同情景下预估未来中国极端强降水，发现降水强度和频次都呈显著增加趋势，尤其是在全球变暖的背景下，中国绝大多数地区极端强降水都呈增加趋势。东南沿海地区、长江流域和中国北方河流中下游的地区预计将比目前经历更多极端强降水[23]。在严重污染的情况下，湿润地区夏季云厚度可比低污染时高出1倍，进而导致雷暴天气显著增加、强降水事件增强[24]。

值得注意的是，中国区域年代际暴雨的时空格局和变化既与温度的变暖不一致，也不能用大气和海洋主导气候因子合理解释。统计分析表明，以快速城镇化为标志的人文因素，极有可能是1951—2010年中国暴雨显著增加的主要驱动因子。

1 数据与方法

1.1 数据来源

本文所采用的1951—2010年659个气象站的日值降水量来自中国气象科学数据共享服务网地面气象资料数据库。文中所采用的WPSH、ENSO、AMO和AAO等自然气候因子数据来自NOAA、中国国家气候中心（74项环流指数）。大气可降水量和水汽通量数据来自1971—2010年NCEP/NCAR再分析数据和1961—2010年ECMWF再分析数据。1957—2005年能见度数据来自中国气象局气象科学研究院整编的日值数据，均按照年代处理成<10 km能见度的年平均日数。本文所采用的国民生产总值（GDP）、第二产业产值（GDP 2）和城镇人口（urban population，UP）等数据来自《新中国统计六十年》和《中国县（市）社会经济统计概要》；年平均霾日数（haze day，HD）来自中国国家气象信息中心。

1.2 计算方法

本研究首先将中国看成一个点，根据659个站点的日值降水资料，计算中国年际和年代际的暴雨雨量、暴雨雨日和暴雨雨强；将中国看成一个面，绘制年代际的暴雨雨量、暴雨雨日和暴雨雨强的空间分布图。其次利用逐步回归筛选出对中国暴雨有影响的因子，利用Granger因果检验所筛选因子的重要性程度，利用基于多元线性回归的方差解释率计算各暴雨因子对暴雨雨量、雨日和雨强的方差贡献率；最后利用空间相关分析做中国县级总人口和能见度日数年均值与暴雨雨量、雨日和雨强的空间相关。各方法具体总结如下。

1.2.1 逐步回归。按偏相关系数的大小次序将自变量带入建立多元回归方程，并对每个自变量偏相关系数进行统计检验，效应显著的自变量留在回归方程内，继续筛选自变量。逐步回归方法已在气象学中广泛运用[25]。本文对40个暴雨因子与中国年际暴雨雨量、雨日和雨强分别进行逐步回归，其中包括由IPCC提出的对降水有影响的29个自然气候因子和以城市化发展为代表的11个人类社会经济活动因子。暴雨因子的概率值<0.05（置信度大于95%）时被引入模型，>0.1（置信度小于90%）时从模型中排除。

1.2.2 Granger因果检验。Granger因果检验依赖于使用过去某些时点上所有信息的最佳最小二乘预测的方差。Granger因果关系定义为，在一个包括变量X和变量Y的给定的信息集I中，在其他条件相同的情况下，如果在时间t、引进变量X之后，能比不引进的更好地对Yt+1进行预测，我们就称变量X是变量Y的Granger原因。本研究中Y为暴雨，X为解释暴雨的影响因子。首先考察当前Y能被它的滞后值所解释的程度，然后考察逐个加上X，分析其能否增进对暴雨的解释。如果能，则认为X能够导致Y。本研究中分别以显著性水平0.05和0.01对所选因子进行重要程度的分类。Kaufmann曾用该方法检验了人类作用对南北半球温度的影响[26]。

1.2.3 基于多元线性回归的方差解释率。根据多元回归理论，对标准化后的序列建立多元线性回归方程，方程如下。endprint

式中，i=1，…，n，n=60年，b1、b2、b3、b4、b5、b6分别为回归系数。r1、r2、r3、r4、r5、r6分别为暴雨与WPSH、ENSO/AMO、AAO、GDP2、UP、HD的相关系数，c为复相关系数。Huang等[27]利用方法分析了1958—1998年不同大气涛动对全球低层大气环流的贡献。

1.2.4 空间相关分析。空间相关分析通常使用面板数据，其目的是确定某个或多个变量在空间上相关程度的大小。利用面板数据进行空间相关分析已经被广泛使用[28]。通过空间相关分析可以定量地描述多个变量观测数据之间在空间上潜在的相互依赖性。如果一变量随另一变量测定距离的缩小而变得更为不同，则称这2个变量成空间负相关；如果一变量随另一变量测定距离的缩小而变得更为相似，则称这2个变量成空间正相关；本文对中国县级总人口和<10 km能见度日数年均值面板数据与对应年代暴雨雨量、雨日、雨强进行空间相关分析，并且计算空间相关系数和进行显著性检验。

3 结果与分析

3.1 暴雨时空变化格局

通过计算中国659个气象站各年代的暴雨雨量（HRA）、雨日（HRD）和雨强（HRI），发现1951—2010年中国暴雨雨量、雨日、雨强呈现增加趋势（图1），且各阶段增加的速度不均匀，随时间呈现出“快速增加—缓慢增加—快速增加”三段式的变化特点；2001—2010年与1951—1960年相比，暴雨雨量、雨日、雨强同比增加了68.71%、60.15%、11.52%。在空间上，从1951—2010年年代际累积暴雨雨量、雨日和雨強呈现出由东南沿海逐渐向华中、西南、华北和东北地区梯度扩增的过程（图2、3），其中雨量和雨日的年代际稳步扩展尤为明显；2001—2010年与1951—1960年相比，在659个站点中，年代际累积暴雨雨量、雨日和雨强增加的站点数分别为555、555、359个，分别占总站点数的84.22%、84.22%、54.48%，显示出年代际累积暴雨大面积增加的特征。

3.2 暴雨因子对暴雨贡献的方差解释率

3.2.1 暴雨因子的逐步回归筛选。区域降水受大气、海洋等气候因子的影响，通过逐步回归分析，从挑选出的29个自然气候因子和11个人文因子中剔除未达到显著性水平的因子，结果显示，与暴雨显著相关的因子有7个，分别为WPSH（西太平洋副热带高压）、ENSO（厄尔尼诺和南方涛动）、AMO（大西洋年代际振荡）、AAO（南极涛动）在内的4个自然气候因子，以及第二产业产值（GDP 2）、城镇人口（UP）、年平均霾日数（HD）3个快速城镇化因子。对7个暴雨因子与暴雨雨量、雨日和雨强分别进行相关分析，发现暴雨因子与暴雨雨量、雨日和雨强具有显著的相关关系。AMO与暴雨雨量、雨日和雨强成负相关关系，WPSH、ENSO、AAO、GDP 2、UP、HD与暴雨雨量、雨日和雨强成正相关关系。其中，快速城镇化因子与暴雨具有较高的相关性，100%达到0.01显著性水平；自然气候因子与暴雨雨量和雨日之间的相关性水平偏低，仅有66%达到0.01显著性水平，自然气候因子与暴雨雨强具有较低的显著相关性，仅有33%达到0.01显著性水平（表1）。

3.2.2 暴雨因子对暴雨的Granger因果检验。为了进一步揭示人文和自然暴雨影响因子对中国暴雨增加的解释程度，将其分别与中国暴雨雨量、雨日和雨强进行Granger因果检验，结果表明，针对暴雨雨量、雨日和雨强的9个人文因子均通过了显著性水平为0.01的检验，而自然气候因子只有4个通过了显著性水平为0.01的检验，5个只通过了0.05显著性水平的检验，3个未通过0.05显著性水平的检验。由此可见，单一人文因子要比单一自然气候因子更能够对暴雨增加予以解释，并且人文因子整体上对中国暴雨增加的解释程度优于自然气候因子（表1）。利用多元线性回归的方差解释率来表征各暴雨因子的贡献，结果发现，所筛选的暴雨因子对暴雨雨量、雨日和雨强的方差总解释率分别为85.84%、84.71%、87.46%，且以人文因子贡献为主，自然气候因子为辅。其中人文因子对暴雨雨量、雨日和雨强的方差解释率分别为61.54%、58.48%、65.54%，占总方差解释率的71.69%、69.04%和74.94%；自然气候因子对暴雨的方差解释率分别为24.30%、26.23%、21.92%，仅占总方差解释率的28.31%、30.96%、25.06%。人文因子中HD对暴雨方差解释率最大，为主导因素，对暴雨雨量、雨日和雨强的方差解释率分别为25.93%、22.98%和26.64%（表1）。

3.3 暴雨与县级总人口数和能见度日数年均值面板数据的空间相关分析

由图2、3可知，1951—2010年累计暴雨雨量、雨日从东南沿海逐渐向华中、西南、华北和东北地区梯度扩增的空间变迁过程，为了定量分析中国暴雨雨量、雨日和雨强，以县级总人口面板数据、<10 km的能见度日数年均值面板数据分别作为下垫面土地利用格局、污染排放的替代数据，与中国年代际暴雨进行空间相关分析，结果表明，中国年代际暴雨雨量、雨日和雨强与县级总人口和<10 km的能见度日数年均值的相关性随年代的推移而不断增加（表2），暴雨雨量、雨日和雨强与县级总人口的相关系数分别由0.35、0.36、0.40增加到0.54、0.55、0.58，暴雨雨量、雨日和雨强与能见度日数年均值的相关系数由0.36、0.38、0.48增加到0.55、0.57、0.58。综上可知，以快速城镇化为代表的人文因子可能对中国大范围暴雨增加起决定性的作用。

4 讨论

4.1 自然与人文因子对暴雨增加的作用

1951—2010年中国暴雨的增加是在全球气候变化大背景下，以快速城镇化为代表的人文因子为主、自然气候因子为辅、两者共同作用的结果。

4.1.1 自然因子。区域大气可降水量与水汽通量对区域降水量有一定的影响。比较图4（a）与图4（b），可以看出中国年际降雨量与暴雨量变化的差异。1971年后，暴雨雨量、雨日和雨强持续增加与总降雨量、雨日明显下降形成鲜明对照；比较图4（a）与图4（c）可知，1971年以前，中国暴雨雨量、雨日和雨强在波动中迅速上升，自然因子在波动中下降；1971—1995年，暴雨雨量、雨日和雨强在波动中趋稳，自然因子则在波动中上升；1995年以后，暴雨雨量、雨日和雨强与自然因子波动中迅速上升。对比图4（b）与图4（d），中国暴雨量与大气可降水量波动中上升，此后二者在波动中呈现向相反方向发展；对比图4（b）与图4（d），中国降水量与大气可降水量呈现出良好的对应关系，1970年以前，二者波动中上升，此后二者波动中下降。由此可见，区域大气可降水量与水汽通量变化不利于中国暴雨量年际或年代际的增加；自然因子也不能合理解释中国暴雨雨量、雨日和雨强的变化。比较中国各年代过程性暴雨（连续时间≥2 d）与对流性暴雨的比例，结果表明，2001—2010年总暴雨雨量占总降水量的比例比1951—1960年增加了7.68%，总暴雨雨日占总降水日的比例相应增加了0.73%；其中对流型暴雨雨量占总暴雨雨量的比例相应增加了3.66%，暴雨雨日占总暴雨雨日的比例相应增加了3.17%；与此同时，过程性暴雨雨量占总暴雨雨量的比例相应减少了3.66%，暴雨雨日占总暴雨雨日的比例相应减少了5.18%。由此认为，中国暴雨雨量、雨日和雨强的增加，难以用大气、海洋等自然气候因子予以合理解释。endprint

4.1.2 人文因子。1951—2010年，中国产业结构发生重大变化。第一产业、第二产业和第三产业的比重年均增长 -0.66个百分点、0.46个百分点和0.20个百分点，第二产业比重年均增长最快；中国第二产业和第三产业产值年均增长率分别为12.97%和12.01%，1996—2010年第二产业和第三产业产值年均增长率分别为13.16%和14.42%。中国产业结构的重大变化推动了快速城镇化。中国城镇化水平一直处于上升趋势。1951—1970年、1971—1995年、1996—2010年世界城镇化率年均增长分别为0.37个百分点、0.34个百分点、0.46个百分点，中国城镇化率年均增长分别为0.29个百分点、0.49个百分点、1.21个百分点。可见，中国的城镇化是快速发展的，特别是在1996—2010年期间，中国城镇化处于急速城镇化阶段。快速工业化与城镇化加快对能源的需求方面，1951—2010年中国能源生产年均增长率为7.62%；同期，中国的汽车总量年均增长率为12.51%。1996—2010年，私人汽车的数量年均增长率高达13.54%，中国的碳排放、工业废气排放和工业烟尘排放年均增长率分别为6.52%、11.49%、1.61%，中国平均每人生活消费液化石油气、天然气和煤气年均增长率分别为6.41%、17.22%和9.55%。

伴隨着城市建成区面积的增加，地表景观发生了重大改变。1996—2010年，中国城市个数年均增长率1.01%，建成区面积年均增长率7.91%。大规模城市数量和大面积建成区的增加有利于对流型暴雨的增加。伴随能源使用的增加，年均霾日数增加。中国年均霾日数从1951年的2.3 d增加到2010年的11.74 d，1951—2010年年均增长0.16 d，年均增长率为2.78%，1996—2010年年均增长0.37 d，年均增长率为4.21%。大面积年均霾日数的增加，有利于降雨凝结核的增加，即也有利于对流型暴雨的增加。比较4（a）与图4（e），1971年以前及1995年以后，中国暴雨雨量、雨日和雨强与城市化率波动中上升，其间暴雨雨量、雨日和雨强在波动中趋稳，城市化率先稳后升，暴雨略滞后于城市化率的上升；对比图4（a）与图4（f），中国暴雨雨量、雨日和雨强与HD均波动中上升，显示出二者变化的高度一致性。特别是1995年以后，中国暴雨雨量、雨日和雨强与包括二产和三产产值、能源消耗、小汽车数量等因子在内的城镇化因子的变化，呈现出良好的同步增长的关系。由此认为，中国暴雨雨量、雨日和雨强的增加，可以用以城镇化为代表的人文因子予以合理解释。

4.1.3 自然与人文因子。为了直观表达人文因子与自然气候因子与暴雨雨量、雨日和雨强在时间上的相关性，以各因子方差解释率的大小为权重，对归一化后的暴雨因子按权重进行综合，分别与暴雨雨量、雨日和雨强绘制散点图。结果表明，人文因子与暴雨雨量、雨日和雨强在时间序列上具有很好的相关性。人文因子与暴雨雨量、雨日和雨强的相关性分别为0.896 4、0.865 9、0.912 9，自然气候因子与暴雨雨量、雨日和雨强的相关性分别为0.364 1、0.404 3、0.404 3，人文因子与暴雨雨量、雨日和雨强的相关性以及时序上的同步性均优于自然气候因子；综合人文因子和综合自然气候因子与暴雨雨强的同步性明显高于暴雨雨量和暴雨雨日，且人文因子与暴雨变化的同步性最为显著，起着主导作用；因而可以认为以霾为代表的城镇化等人文因子对中国暴雨增加起到了决定性的作用。因此，快速城镇化对下垫面性质的改变、与快速城镇化同步快速发展的第二产业和第三产业使污染物的大量排放，极有可能与中国年代际暴雨的变化具有密切的相关性。

4.2 深化区域与全球暴雨增加归因的研究

4.2.1 模式模拟验证。在对中国区域大气可降水量和水汽通量及大气、海洋等气候因子诊断分析的基础上，通过高精度的区域气候模式模拟验证人文因子与自然气候因子的作用，以进一步揭示中国暴雨显著增加机理和时空变化特征。既可以在给定观测的自然和人为强迫因子的条件下，合理再现和确认大尺度区域暴雨年际或年代际变化的稳健信号，又可以加深对人类活动影响暴雨的热力、动力、云物理等过程进行科学理解[25-26]。

4.2.2 大尺度区域对比。对于年际和年代际暴雨的增加是否为全球性现象进行研究，虽然全球暴雨的增加是一个普遍现象，无论是城市化发展速度较慢的欧洲和美国，还是城市化发展速度较快的印度和巴西，暴雨均显著增加。而全球其他地区的暴雨增加具体表现以及这些地区暴雨变化的区域差异是否为人类社会经济活动因素与自然气候因素共同作用所造成的，仍然需要从全球和区域尺度上开展更深入的观测、诊断分析和模拟研究，并从机理上予以进一步探讨[27]。

4.2.3 分段特征的成因分析。1951—2010年，中国暴雨呈现出“快速增加—缓慢增加—快速增加”的三段式变化特征，与人类社会经济活动因子或自然气候因子的增加存在一定的滞后现象。1951—2010年中国发展态势表现为工业化水平率先迅速提高，而后城镇化虽然超过工业化，但均呈现缓慢发展，最后工业化和城市化均出现迅速发展。中国工业化、城市化的非同步发展是否导致了暴雨增加的三段式演进以及是如何影响暴雨增加仍亟需从机理与过程上做深入研究[28]。

5 参考文献

[1] ALEXANDER L V，ZHANG X，PETERSON T C，et al.Global observed changes in daily climate extremes of temperature and precipitation[J].Journal of Geophysical Research Atmospheres，2006，111（D5）：1042-1063.

[2] BENISTON M，STEPHENSON D B，CHRISTENSEN O B，et al.Future extreme events in European climate：an exploration of regional climate model projections[J].Climatic Change，2007，81（1）：71-95.endprint

[3] BROWN P J，BRADLEY R S，KEIMIG F T.Changes in extreme climate indices for the Northeastern United States，1870-2005[J].Journal of Climate，2010，23（24）：6555-6572.

[4] IPCC SREX.Managing the Risks of Extreme events and disasters to advance climate change adaptation[M].London：Cambridge University Press，2012.

[5] BENESTAD R E，NYCHKA D，MEARNS L O.Spatially and temporally consistent prediction of heavy precipitation from mean values[J].Nature Climate Change，2012，2（7）：544-547.

[6] BERG P，MOSELEY C，HAERTER J O.Strong increase in convective precipitation in response to higher temperatures[J].Nature Geoscience，2013，6（3）：181-185.

[7] EASTERLING D R，EVANS J L，GROISMAN P Y，et al.Observed vari-ability and trends in extreme climate events：A brief review[J].Bulletin of the American Meteorological Society，2000，81（3）：417-426.

[8] IPCC AR5.Climate Change 2013 Fifth Assessment Report（AR5）：Inter-governmental panel on climate change[M].Cambridge：Cambridge Unive-rsity Press，2013.

[9] ALLEN M R，INGRAM W J.Constraints on future changes in climate and the hydrologic cycle [J].Nature，2002，419（6903）：224-232.

[10] O′GORMAN P A.Sensitivity of tropical precipitation extremes to climate change[J].Nature Geoscience，2012，5（10）：697-700.

[11] MIN S K，ZHANG X，ZWIERS F W，et al.Human contribution to more-intense precipitation extremes.[J].Nature，2011，470（7334）：378-381.

[12] DURMAN C F，GREGORY J M，HASSELL D C，et al.A comparison of extreme European daily precipitation simulated by a global and a regional climate model for present and future climates[J].Quarterly Journal of the Royal Meteorological Society，2001，127（573）：1005-1015.

[13] GAO Y，FU J S，DRAKE J B，et al.Projected changes of extreme weather events in the eastern United States based on a high resolution climate modeling system[J].Environmental Research Letters，2012，7（4）：044025.

[14] ALLAN R P，SODEN B J.Atmospheric warming and the amplification of precipitation extremes [J].Science，2008，321（5895）：1481-1484.

[15] ZHAI P，SUN A，REN F，et al.Changes of climate extremes in China[J].Climatic Change，1999，42（1）：203-218.

[16] GERO A F，A J PITMAN，G T NARISMA，et al.The impact of land cover change on storms in the Sydney Basin，Australia，Global and Planetary Change[J].Global and Planetary Change，2006（54）：57-78.

[17] ZHAI P，ZHANG X，WAN H，et al.Trends in total precipitation and frequency of daily precipitation extremes over China[J].Journal of Climate，2005，18（7）：1096-1108.endprint

[18] QIAN Weihong，FU Jiaolan，ZHANG Weiwei，et al.Changes in mean climate and extreme cliamte in china during the last 40 years [J].Advances in Earth Science，2007，22（7）：673-684.

[19] ZHANG X，ZWIERS F W，HEGERL G C，et al.Detection of human influence on twentieth-century precipitation trends[J].Nature，2007， 448（7152）：461-465.

[20] LEI F，ZHOU T，BO W U，et al.Projection of future precipitation change over China with a high-resolution global atmospheric model[J].Advances in Atmospheric Sciences，2011，28（2）：464-476.

[21] FU G，YU J，YU X，et al.Temporal variation of extreme rainfall events in China，1961-2009[J].Journal of Hydrology，2013，487：48-59.

[22] YU R，LI J.Hourly rainfall changes in response to surface air temp-erature over eastern contiguous China[J].Journal of Climate，2011，25（19）：6851-6861.

[23] ZHANG Y，XU Y，DONG W，et al.A future climate scenario of regional changes in extreme climate events over China using the PRECIS climate model[J].Geophysical Research Letters，2006，33（24）：194-199.

[24] LI Z，NIU F，FAN J，et al.Long-term impacts of aerosols on the vertical development of clouds and precipitation[J].Nature Geoscience，2011：888-894.

[25] HEGERL G，LUTERBACHER J，GONZ？LEZ-ROUCO F，et al.Influence of human and natural forcing on European seasonal temperatures[J].Nature Geoscience，2011，4（2）：99-103.

[26] KAUFMANN R K，STERN D I.Evidence for human influence on climate from hemispheric temperature relations[J].Nature，1997，388（6637）：39-44.

[27] HUANG Jianbin，WANG Shaowu，GONG Daoyi.Atmospheric oscillations over the last millennium[J].Chinese Science Bulletin，2010（22）：2479-2482.

[28] BAI Xuemei，CHEN Jing，SHI Peijun.Landscape urbanization and eco-nomic growth in China：positive feedbacks and sustainability dilemmas[J].Enviromental Science and Technology，2012（46）：132-139.endprint