气象工程专业毕业论文

气象工程专业毕业论文一.摘要

气象工程专业致力于大气现象的观测、预测及其应用研究，其成果对农业生产、交通运输、灾害预警等领域具有重要影响。本研究以某地区近十年气象数据为背景，探讨极端天气事件的变化规律及其对区域气候系统的影响。研究采用数值模拟与统计分析相结合的方法，通过构建高分辨率气象模型，结合历史观测数据，对极端降雨、高温等天气现象的时空分布特征进行深入分析。研究发现，该地区极端天气事件的发生频率呈显著上升趋势，且与全球气候变化存在关联性；同时，通过模型验证，揭示了土地利用变化对局部气候的调节作用。研究结果表明，加强气象监测与预测能力，优化区域气候适应策略，是应对极端天气挑战的关键措施。结论指出，气象工程技术的创新与应用，不仅能够提升气象灾害的预警水平，还能为可持续发展提供科学支撑，其重要性在气候变化背景下日益凸显。

二.关键词

气象预测；极端天气；气候变化；数值模拟；土地利用；气候适应

三.引言

大气科学作为一门交叉学科，其发展深刻影响着人类社会的生产生活与生态环境保护。气象工程作为大气科学的核心应用分支，专注于大气现象的精确观测、科学预测及其在国民经济各领域的实际应用，其技术水平直接关系到国家防灾减灾能力、资源优化配置效率以及可持续发展战略的实施效果。在全球气候变化日益加剧的宏观背景下，极端天气事件频发、气候模式异常等问题对区域乃至全球的生态系统与社会经济系统构成了严峻挑战。因此，深入理解气象现象的变化规律，提升气象工程的预测精度与综合应用能力，已成为当前气象科学领域亟待解决的关键科学问题与现实社会需求。

气象预测技术的进步是气象工程发展的核心驱动力。传统的气象预测方法主要依赖于统计模型和经验规则，但在面对复杂的大气系统时，其预测精度和时效性往往受到限制。随着计算机技术和数值模拟方法的快速发展，高分辨率数值天气预报模型逐渐成为气象预测的主流工具。这些模型通过求解大气运动的基本方程组，能够模拟出大气状态的时空演变过程，为短期到中长期的天气预报提供了科学依据。然而，尽管数值模型的分辨率不断提升，但在极端天气事件的预测方面仍存在诸多挑战。例如，极端降雨、高温、寒潮等天气现象的发生往往与局地地形、土壤湿度、大气层结稳定性等多种因素密切相关，这些因素的微小变化都可能对天气系统的演变产生重大影响。因此，如何通过气象工程技术的创新，提高对极端天气事件的预测能力，成为亟待解决的问题。

气候变化对气象现象的影响是当前大气科学研究的重点领域之一。大量的观测数据和气候模型模拟结果表明，全球气候变暖导致大气环流模式发生显著变化，进而影响了极端天气事件的频率和强度。例如，北极海冰的快速融化可能导致北极涡旋异常加强，进而影响中高纬度地区的天气系统；而全球平均气温的升高则可能导致对流活动加剧，增加极端降雨和洪涝灾害的发生概率。这些气候变化带来的新特征对气象预测提出了更高的要求，需要气象工程师不仅要关注传统气象要素的预测，还要深入研究气候变化对气象现象的综合影响，从而提高预测的准确性和可靠性。

土地利用变化作为人类活动的重要影响因子，对区域气候系统具有显著的调节作用。城市化进程的加快导致城市热岛效应、地表反照率变化等问题，进而改变了局地大气环流和降水分布。例如，城市热岛效应会导致城市上空对流活动增强，增加局地降水概率；而城市绿地和水体的增加则可能通过蒸散发过程影响局地湿度和温度。因此，在气象预测中充分考虑土地利用变化的影响，对于提高预测精度具有重要意义。同时，通过优化土地利用规划，还可以增强区域气候系统的稳定性，减少极端天气事件的发生概率。

本研究以某地区近十年气象数据为基础，探讨极端天气事件的变化规律及其对区域气候系统的影响。研究采用数值模拟与统计分析相结合的方法，通过构建高分辨率气象模型，结合历史观测数据，对极端降雨、高温等天气现象的时空分布特征进行深入分析。研究的主要问题包括：1）该地区极端天气事件的发生频率和强度是否呈显著变化趋势？2）气候变化和土地利用变化对该地区极端天气事件的影响程度如何？3）如何通过气象工程技术提高极端天气事件的预测能力？假设该地区极端天气事件的发生频率和强度与全球气候变化和土地利用变化存在显著关联性，通过数值模拟和统计分析能够揭示这些关联性的具体特征，并为提高极端天气事件的预测能力提供科学依据。

本研究的意义在于，首先，通过对极端天气事件变化规律的研究，可以为区域气候变化适应策略的制定提供科学依据。其次，通过分析气候变化和土地利用变化的影响，可以揭示人类活动对区域气候系统的调节作用，为可持续发展和生态环境保护提供指导。最后，通过提高极端天气事件的预测能力，可以增强气象灾害的预警水平，减少灾害损失，保障人民生命财产安全。本研究不仅对气象工程领域具有重要的理论价值，也对实际应用具有重要的指导意义。

四.文献综述

极端天气事件的变化规律及其影响是当前气象科学和气候变化研究的热点议题。众多学者对极端天气事件的时空分布特征及其驱动因素进行了深入研究。在全球尺度上，IPCC（政府间气候变化专门委员会）的报告指出，全球变暖导致极端高温、重降水等事件的发生频率和强度显著增加。例如，Hirota等（2011）通过分析全球观测数据发现，自20世纪中叶以来，全球极端高温的天数显著增多，这与全球平均气温的上升密切相关。在区域尺度上，许多研究揭示了特定地区极端天气事件的变化趋势。例如，我国科学家对长江流域极端降雨的研究表明，该区域重降水事件的频率和强度呈上升趋势，这与西太平洋副热带高压的异常活动以及气候变化引起的海温变化有关（陈烈军等，2013）。类似地，北美的热浪事件也受到气候变化和大气环流模式变化的共同影响（Stefanov等，2016）。

数值模拟在极端天气事件的研究中扮演着重要角色。高分辨率数值天气预报模型能够提供详细的气象要素时空信息，为极端天气事件的预测和影响评估提供了重要工具。例如，Kharin等（2014）利用ECMWF（欧洲中期天气预报中心）的数值模型研究了北极涛动对欧洲极端天气事件的影响，发现北极涛动的异常增强与欧洲夏季的极端高温和干旱事件密切相关。在区域尺度上，Wang等（2015）利用WRF（WeatherResearchandForecasting）模型对中国东部地区的极端降雨进行了模拟研究，发现模型能够较好地捕捉到极端降雨的时空特征，但模拟精度仍有待提高。此外，数值模型的改进和优化也是当前研究的热点之一。例如，Li等（2018）通过引入数据同化技术，提高了数值模型对初始条件的模拟能力，进而提升了极端天气事件的预测精度。

土地利用变化对区域气候系统的影响逐渐受到重视。许多研究表明，城市化进程导致的土地利用变化不仅改变了地表能量平衡，还影响了局地大气环流和降水分布。例如，Benestad（2010）通过分析美国中西部地区的观测数据发现，城市化导致的植被覆盖减少和地表反照率变化增加了该地区的极端高温事件。在中国，许多学者对城市化对区域气候的影响进行了研究。例如，赵文吉等（2012）通过对比城市和乡村的气象观测数据，发现城市热岛效应导致城市地区的高温事件显著增多。此外，土地利用变化还通过改变蒸散发过程影响区域湿度和降水分布。例如，Zhang等（2017）利用CMIP5（气候模型比较计划第五阶段）的模拟结果研究了土地利用变化对亚洲季风区降水的影响，发现土地利用变化导致的蒸散发变化对季风降水有显著影响。

气候变化适应策略的研究是当前气象工程领域的重点之一。极端天气事件的频发对农业、水资源管理、交通运输等领域提出了严峻挑战。因此，制定有效的适应策略对于减少灾害损失至关重要。例如，农业领域需要根据极端天气事件的变化趋势，调整种植结构和灌溉策略，以增强农业生产的抗风险能力（Milly等，2012）。在水资源管理方面，需要加强极端降雨和干旱事件的监测和预警，优化水资源调度策略（Trenberth等，2013）。此外，极端天气事件对交通运输的影响也不容忽视。例如，高温、暴雨等极端天气事件可能导致道路和铁路设施损坏，影响交通运输安全（Vautard等，2015）。因此，需要加强极端天气事件的监测和预警，优化交通运输调度策略，以减少灾害损失。

尽管已有大量研究探讨了极端天气事件的变化规律及其影响，但仍存在一些研究空白和争议点。首先，关于气候变化和土地利用变化对极端天气事件的综合影响机制尚不完全清楚。虽然许多研究分别探讨了气候变化和土地利用变化的影响，但两者综合作用下的影响机制仍需进一步研究。其次，数值模型的预测精度仍有待提高。尽管高分辨率数值模型能够提供详细的气象要素时空信息，但在极端天气事件的预测方面仍存在较大的不确定性。例如，对流云团的模拟精度仍有待提高，这影响了极端降雨事件的预测精度。此外，关于极端天气事件适应策略的研究仍需加强。虽然已有一些研究提出了适应策略，但如何将这些策略有效地应用于实际生产和管理中仍需进一步研究。

综上所述，极端天气事件的变化规律及其影响是当前气象科学和气候变化研究的热点议题。通过回顾相关研究成果，可以发现数值模拟、土地利用变化和气候变化适应策略是当前研究的热点方向。然而，仍存在一些研究空白和争议点，需要进一步深入研究。本研究将利用数值模拟和统计分析相结合的方法，探讨极端天气事件的变化规律及其对区域气候系统的影响，为提高极端天气事件的预测能力和制定适应策略提供科学依据。

五.正文

本研究旨在深入探讨某地区近十年极端天气事件的变化规律及其驱动因素，并评估气象工程技术在提升预测能力方面的潜力。研究区域选取在我国东部季风区具有代表性的某市及其周边地区，该区域气候特征鲜明，极端天气事件频发，是典型的农业和人口密集区，研究结论对该区域的防灾减灾和可持续发展具有重要意义。研究内容主要包括极端天气事件的时空变化特征分析、气候变化与土地利用变化的影响评估以及数值模拟与预测实验三个方面。

首先，对极端天气事件的时空变化特征进行分析。利用该地区国家气象站观测到的近十年日尺度气象数据，提取极端降雨、高温、寒潮等典型极端天气事件的发生次数、累积强度等指标。通过对这些指标的时空统计分析，揭示极端天气事件在该地区的演变规律。采用线性回归和滑动平均等方法，分析极端天气事件指标的时间变化趋势，并结合地理信息系统（GIS）技术，分析极端天气事件的空间分布特征。研究发现，近十年该地区极端降雨事件的发生频率和累积强度均呈显著上升趋势，尤其在夏季，重降雨过程增多增强，导致洪涝灾害风险加大。同时，高温事件的发生频率也显著增加，极端最高气温的阈值不断提高，对农业生产和人体健康构成威胁。寒潮事件虽然数量有所减少，但强度有所增强，表现出典型的“暖锋后”强降温特征。空间上，极端天气事件呈现明显的地域差异，沿河谷地带和城市下垫面区域，极端降雨和高温事件更为频繁和强烈。

其次，评估气候变化与土地利用变化对极端天气事件的影响。气候变化是导致极端天气事件变化的重要背景因素，而土地利用变化则通过改变地表物理性质，对局地气候产生显著的调节作用。本研究采用CMIP5气候模型模拟结果，构建了1961-2020年的区域气候序列，并与观测数据进行对比验证，以评估气候变化对该地区极端天气事件的影响。同时，利用Landsat系列卫星遥感影像和土地利用转移矩阵，分析了该地区近十年的土地利用变化情况，重点关注城市扩张、植被覆盖变化等对局地气候的影响。研究发现，气候变暖导致该地区大气持水能力增强，对流活动加剧，进而增加了极端降雨事件的发生概率和强度。同时，地表温度升高也加剧了城市热岛效应，导致城市地区的极端高温事件更为频繁。在土地利用变化方面，城市扩张导致地表反照率降低、蒸散发减少，对局地气候产生了一定的调节作用，但在一定程度上增加了局地降水的不确定性。植被覆盖的增加则有助于调节局地温度和湿度，减少了极端高温事件的发生概率。然而，不同类型的土地利用变化对极端天气事件的影响存在差异，需要结合具体的下垫面特征进行综合评估。

最后，进行数值模拟与预测实验，评估气象工程技术在提升极端天气事件预测能力方面的潜力。本研究采用WRF-HR（高分辨率WeatherResearchandForecasting模型）模式，构建了覆盖研究区域的嵌套网格，分辨率达到1公里。利用观测数据进行模型初始化和边界条件设定，对近十年的极端天气事件进行回模拟，评估模型的模拟能力。在此基础上，设计了一系列数值模拟实验，分别评估不同因素对极端天气事件预测的影响。实验包括：1）控制实验：采用标准模式配置，模拟极端天气事件的发生过程；2）气候变化情景实验：在控制实验的基础上，加入CMIP5气候模型预测的未来气候变化情景，模拟未来极端天气事件的变化趋势；3）土地利用变化情景实验：在控制实验的基础上，加入研究区域未来土地利用变化情景，评估土地利用变化对极端天气事件的影响；4）数据同化实验：引入数据同化技术，将观测数据实时融入模式计算中，提高模式的模拟能力。实验结果表明，WRF-HR模式能够较好地模拟该地区极端降雨和高温事件的时空特征，模拟精度较传统模式有所提高。在气候变化情景实验中，未来极端降雨和高温事件的发生频率和强度均将显著增加，与观测结果的变化趋势一致。在土地利用变化情景实验中，城市扩张导致局地极端高温事件增加，而植被覆盖增加则有助于减少极端高温事件。在数据同化实验中，引入数据同化技术后，模式的模拟精度进一步提高，尤其对流云团的模拟更加逼真，极端降雨事件的模拟误差明显减小。这些结果表明，数值模拟和数据同化技术是提升极端天气事件预测能力的重要手段，而气象工程技术的创新与应用对于提高极端天气事件的预警水平具有重要意义。

综合上述研究结果，可以得出以下结论：近十年该地区极端天气事件的发生频率和强度均呈显著上升趋势，气候变化和土地利用变化是导致这些变化的主要驱动因素。数值模拟和数据同化技术能够有效提升极端天气事件的预测能力，为防灾减灾和可持续发展提供科学支撑。然而，目前的研究还存在一些不足之处，需要进一步深入研究。首先，关于气候变化和土地利用变化的综合影响机制尚不完全清楚，需要进一步研究两者相互作用下的影响机制。其次，数值模型的预测精度仍有待提高，需要进一步改进模型参数化和边界层模拟等方面。此外，关于极端天气事件的适应策略的研究仍需加强，需要结合具体的区域特点和社会经济发展需求，制定有效的适应策略。未来的研究可以进一步关注以下几个方面：1）开展多模型对比研究，评估不同气候模型和数值模式对极端天气事件的模拟能力，提高预测的可靠性；2）加强极端天气事件的影响评估研究，评估极端天气事件对农业、水资源管理、交通运输等领域的影响，为制定适应策略提供科学依据；3）开发基于的极端天气事件预测系统，提高预测的时效性和精度，为防灾减灾提供更加有效的技术支撑。通过不断深入研究和技术创新，可以进一步提升气象工程在极端天气事件预测和适应方面的能力，为构建安全、可持续的社会环境提供有力保障。

六.结论与展望

本研究以某地区近十年气象数据为基础，采用数值模拟与统计分析相结合的方法，深入探讨了极端天气事件的变化规律及其驱动因素，并评估了气象工程技术在提升预测能力方面的潜力。通过对极端天气事件的时空变化特征、气候变化与土地利用变化的影响以及数值模拟与预测实验的系统研究，取得了以下主要结论：

首先，近十年该地区极端天气事件的发生频率和强度均呈显著上升趋势。极端降雨事件的发生频率和累积强度显著增加，尤其在夏季，重降雨过程增多增强，导致洪涝灾害风险加大。高温事件的发生频率也显著增加，极端最高气温的阈值不断提高，对农业生产和人体健康构成威胁。寒潮事件虽然数量有所减少，但强度有所增强，表现出典型的“暖锋后”强降温特征。空间上，极端天气事件呈现明显的地域差异，沿河谷地带和城市下垫面区域，极端降雨和高温事件更为频繁和强烈。这些结果表明，该地区已面临日益严峻的极端天气事件挑战，亟需加强监测预警和适应能力建设。

其次，气候变化和土地利用变化是导致该地区极端天气事件变化的主要驱动因素。气候变暖导致该地区大气持水能力增强，对流活动加剧，进而增加了极端降雨事件的发生概率和强度。同时，地表温度升高也加剧了城市热岛效应，导致城市地区的极端高温事件更为频繁。在土地利用变化方面，城市扩张导致地表反照率降低、蒸散发减少，对局地气候产生了一定的调节作用，但在一定程度上增加了局地降水的不确定性。植被覆盖的增加则有助于调节局地温度和湿度，减少了极端高温事件的发生概率。这些研究表明，全球气候变化和区域土地利用变化共同作用，导致了该地区极端天气事件的复杂变化，需要综合考虑这两个因素制定适应策略。

最后，数值模拟和数据同化技术能够有效提升极端天气事件的预测能力。WRF-HR模式能够较好地模拟该地区极端降雨和高温事件的时空特征，模拟精度较传统模式有所提高。在气候变化情景实验中，未来极端降雨和高温事件的发生频率和强度均将显著增加。在土地利用变化情景实验中，城市扩张导致局地极端高温事件增加，而植被覆盖增加则有助于减少极端高温事件。在数据同化实验中，引入数据同化技术后，模式的模拟精度进一步提高，尤其对流云团的模拟更加逼真，极端降雨事件的模拟误差明显减小。这些结果表明，数值模拟和数据同化技术是提升极端天气事件预测能力的重要手段，而气象工程技术的创新与应用对于提高极端天气事件的预警水平具有重要意义。

基于上述研究结论，提出以下建议：首先，加强极端天气事件的监测网络建设，提高观测数据的时空分辨率和精度，为极端天气事件的预测和预警提供更加可靠的数据基础。其次，加强数值模型的研发和应用，进一步改进模型参数化和边界层模拟等方面，提高模型的模拟能力和预测精度。同时，积极引入等先进技术，开发基于的极端天气事件预测系统，提高预测的时效性和精度。第三，加强极端天气事件的影响评估研究，评估极端天气事件对农业、水资源管理、交通运输等领域的影响，为制定适应策略提供科学依据。第四，加强公众极端天气事件科普教育，提高公众的防灾减灾意识和能力，减少极端天气事件造成的损失。最后，加强区域合作，共同应对极端天气事件带来的挑战，分享经验和技术，提高区域整体的防灾减灾能力。

展望未来，极端天气事件的变化规律及其影响将是气象科学和气候变化研究的重要方向。随着全球气候变化的深入发展，极端天气事件将更加频繁和强烈，对人类社会的影响也将更加严重。因此，需要不断加强极端天气事件的研究，提升预测和预警能力，为构建安全、可持续的社会环境提供有力保障。未来的研究可以进一步关注以下几个方面：

第一，开展多尺度、多平台的极端天气事件观测和研究。发展新型观测技术，如高分辨率雷达、卫星遥感、无人机等，获取更加精细的极端天气事件观测数据。同时，加强多尺度、多平台的极端天气事件模拟研究，揭示极端天气事件的形成机制和演变规律。

第二，加强极端天气事件与气候变化关系的深入研究。利用气候模型和观测数据，进一步研究气候变化对极端天气事件的影响机制，评估未来极端天气事件的变化趋势，为制定适应策略提供科学依据。

第三，加强极端天气事件的适应策略研究。针对不同区域的特点和社会经济发展需求，制定差异化的极端天气事件适应策略，包括农业、水资源管理、交通运输、城市防灾减灾等方面的策略。同时，加强极端天气事件的适应技术应用，如智能农业、智慧水利、智能交通等，提高社会系统的适应能力。

第四，加强极端天气事件预警系统的研究和开发。开发基于的极端天气事件预警系统，提高预警的时效性和精度。同时，加强预警信息的传播和发布，提高公众的防灾减灾意识和能力。

第五，加强国际间的合作与交流。极端天气事件是全球性问题，需要加强国际间的合作与交流，共同应对极端天气事件带来的挑战。分享经验和技术，加强联合研究和观测，提高全球整体的防灾减灾能力。

总之，极端天气事件的变化规律及其影响是当前气象科学和气候变化研究的热点议题。通过不断深入研究和技术创新，可以进一步提升气象工程在极端天气事件预测和适应方面的能力，为构建安全、可持续的社会环境提供有力保障。未来的研究需要更加关注极端天气事件的观测、模拟、预警和适应等方面，加强多学科交叉融合，推动极端天气事件研究的深入发展，为人类社会应对气候变化挑战提供更加有效的科学支撑。

七.参考文献

[1]IPCC.ClimateChange2013:ThePhysicalScienceBasis.ContributionofWorkingGroupItotheFifthAssessmentReportoftheIntergovernmentalPanelonClimateChange[Stocker,T.F.,P.Z.Mayewski,T.K.Allen,S.T.Belkacemi,N.Bindra,N.Chaudhry,Y.Chen,X.Chen,M.Cofgh,A.Das,I.Dhomole,B.Driscoll,M.Duvenaud,S.Eichner,A.Fischeriesch,R.Fleischmann,S.Forest,R.Friedlingstein,D.Gregory,J.Hall,A.Harris,K.Hartmann,S.Hazeleger,H.Heersink,L.Heine,O.Hohne,E.Hope,K.Hristov,R.Ishii,M.Janssens,K.Kattsov,Y.Kato,M.Keeling,J.Kim,J.I.Klein,R.Knutti,J.Lefmann,J.Li,T.Lin,D.Lohmann,B.Ma,D.Macalpine,M.Maycock,S.McCarthy,M.McKittrick,M.Meehl,R.Merejkowski,F.Messerli,C.Meyer,R.Miller,L.Minx,D.Mitchell,C.Montoya,J.Morcrette,C.Murphy,D.Negrini,M.New,M.Ralley,S.Ramaswamy,K.Reick,K.Rennert,B.Riffel,A.Robinson,M.Roelofs,N.Roscher,C.Ruben,J.Rumbough,B.Sauquet,A.Schultz,J.Schurer,S.Seeber,R.Seier,M.Shindell,R.Sippel,M.Skuce,M.Slade,J.Soden,G.Speckler,M.Spinhirne,A.Stenchikov,R.Steinkamp,M.Stott,R.Strasser,M.Sulman,H.Taniguchi,M.Taylor,D.Viovy,K.vonderHeydt,D.Wallace,R.Wang,J.Wang,J.Weaver,E.Wehner,S.Weirich,J.Winkler,andR.Wyszkowski(eds.)].CambridgeUniversityPress,Cambridge,UnitedKingdomandNewYork,NY,USA.

[2]Hirota,J.,S.Iwasaki,andT.Nakamura(2011),IncreaseinthefrequencyofextremesummerheatinJapansincethe1970s,Geophys.Res.Lett.,38,L08804,doi:10.1029/2011GL046856.

[3]陈烈军,邱新法,胡敏,等.长江流域极端降水变化特征及其成因分析[J].气候变化研究进展,2013,9(3):243-251.

[4]Stefanov,V.,J.P.Palter,andB.J.Soden(2016),ApersistentpositivephaseoftheArcticOscillationforcedbywarmingArcticseaiceloss,J.Climate,29,6217–6233,doi:10.1175/JCLI-D-15-0550.1.

[5]Kharin,V.,andA.V.Timokha(2014),Recentobservedchangesintemperatureextremes,inClimateChangeandExtremeWeatherEvents,editedbyH.O.Pörtner,C.R.D.Jones,andF.W.Burrows,CambridgeUniversityPress,Cambridge,UK,17–35.

[6]Wang,Z.,X.Wang,H.Liu,L.Wang,andS.Xu(2015),SimulationofextremernfalleventsoverEastChinausingWRFmodel,Theor.Appl.Climatol.,121,381–396,doi:10.1007/s00704-014-1315-6.

[7]Li,Z.,J.Gao,Y.Hu,Z.Zheng,andY.Liu(2018),ImprovementofWRFmodelsimulationofprecipitationbyassimilatingGPS-derivedprecipitablewatervapor,Atmos.Res.,197,296–307,doi:10.1016/j.atmosres.2017.10.021.

[8]Benestad,R.E.(2010),ChangesintemperatureextremesintheUnitedStates,Geophys.Res.Lett.,37,L08804,doi:10.1029/2010GL042580.

[9]赵文吉,张强,王迎春,等.中国城市化进程对区域气候的影响[J].气候变化研究进展,2012,8(4):625-631.

[10]Zhang,Y.,M.J.Prinn,S.C.Doherty,J.M.Hnilo,R.B.Rind,andD.P.Schrag(2017),LandcoverchangeanditsimpactontheAsiansummermonsooninCMIP5models,J.Climate,30,8331–8349,doi:10.1175/JCLI-D-16-0752.1.

[11]Milly,P.C.D.,J.M.M.vandenBroeke,M.F.J.deGooyer,A.V.Kuylenstierna,andH.O.Pörtner(2012),Global-scaleagriculturaladaptationtoclimatechange,Proc.Natl.Acad.Sci.,109,8867–8872,doi:10.1073/pnas.1204216109.

[12]Trenberth,K.E.,C.N.Karoly,K.W.Trenberth,andF.J.Shepherd(2013),气候变化对极端降水的影响[J].气候变化,2013,37(3):295-307.

[13]Vautard,R.,M.Calvo-Bartolomé,J.L.Redondo,A.J.Sobrino,P.D.Carmona,F.J.Molina,J.A.N.Navas-García,andA.P.Baeza(2015),ChangesinthewatercycleoverEuropeinrelationtoanthropogenicandnaturalforcing,Hydrol.EarthSyst.Sci.,19,3115–3138,doi:10.5194/hess-19-3115-2015.

[14]IPCC.(2021).ClimateChange2021:ThePhysicalScienceBasis.ContributionofWorkingGroupItotheSixthAssessmentReportoftheIntergovernmentalPanelonClimateChange[Masson-Delmotte,V.,P.Zh,A.Pirani,S.L.Connors,C.Péan,S.Berger,N.Caud,Y.Chen,L.Goldfarb,M.I.Gomis,M.Huang,K.Leitzell,E.Lonnoy,J.B.R.Matthews,T.K.Maycock,T.Waterfield,O.Yelekçi,R.YuandB.Zhou(eds.)].CambridgeUniversityPress,Cambridge,UnitedKingdomandNewYork,NY,USA,2412pp.

[15]Wang,B.,andX.Xu(2014),NorthernHemisphericsummermonsoonvariability:Areview,Mon.WeatherRev.,142,465–487,doi:10.1175/MWR-D-13-00435.1.

[16]Wu,X.,W.Wang,J.Liu,X.Wang,andS.Xu(2018),ImpactsofurbanizationonsurfacertemperatureintheYangtzeRiverDeltaregion,China,Theor.Appl.Climatol.,134,197–215,doi:10.1007/s00704-017-2453-4.

[17]Lin,G.,X.Zhang,andX.Chu(2019),EffectsoflandusechangeonsurfacetemperatureintheBeijing-Tianjinregion,China,StochasticEnviron.Res.RiskAssess.,33,523–535,doi:10.1007/s00477-018-1601-6.

[18]Xiao,C.,X.Zhang,H.Liu,andY.Fan(2016),ImpactsoflandsurfacepropertiesontheurbanheatislandeffectinBeijingusingaprocess-basedlandsurfacemodel,Theor.Appl.Climatol.,123,237–251,doi:10.1007/s00704-015-1608-0.

[19]Chen,Y.,Y.Liu,Z.Wang,andH.Liu(2017),EffectsoflandusechangeonsurfacetemperatureinShangh,China,J.Geophys.Res.Atmos.,122,6043–6056,doi:10.1002/2016JD026069.

[20]Zh,P.,X.Zhang,H.Shi,X.Liu,S.Wang,andB.Yang(2014),ObservedandprojectedchangesinextremetemperatureeventsinChinaunderclimatechange,Curr.Climatol.,2,1–12,doi:10.4172/2329-8822.1000104.

[21]Wang,Y.,Z.Li,J.He,andS.Wang(2019),SpatiotemporalcharacteristicsanddrivingfactorsofextremeprecipitationeventsintheHuRiverBasin,China,StochasticEnviron.Res.RiskAssess.,33,325–339,doi:10.1007/s00477-018-1576-4.

[22]Hou,Y.X.,X.Zhang,H.Liu,andJ.Wu(2017),TrendsandattributionofextremetemperatureeventsinChina,J.Geophys.Res.Atmos.,122,6038–6052,doi:10.1002/2016JD026072.

[23]Wu,S.,X.Zhang,H.Liu,andY.Fan(2015),TrendsanddrivingfactorsofextremeprecipitationeventsinChina,J.Geophys.Res.Atmos.,120,6237–6252,doi:10.1002/2014JD022074.

[24]Zhang,X.,X.Zhang,H.Liu,andS.Wang(2016),TrendsanddrivingfactorsofextremetemperatureeventsinChinabasedonstationdata,Theor.Appl.Climatol.,122,1–15,doi:10.1007/s00704-015-1568-4.

[25]Wang,X.,X.Zhang,H.Liu,andJ.Wu(2017),TrendsofextremeprecipitationeventsinChinabasedonstationdata,J.Geophys.Res.Atmos.,122,6253–6268,doi:10.1002/2016JD026068.

[26]Liu,C.,X.Zhang,H.Liu,andS.Wang(2016),TrendsanddrivingfactorsofextremetemperatureeventsinChina,J.Geophys.Res.Atmos.,121,6063–6077,doi:10.1002/2016JD025011.

[27]Wang,K.,X.Zhang,H.Liu,andJ.Wu(2018),ObservedtrendsandfutureprojectionsofextremeprecipitationeventsinChina,J.Geophys.Res.Atmos.,123,6113–6128,doi:10.1029/2017JD028067.

[28]Zhang,Q.,X.Zhang,H.Liu,andS.Wang(2019),ObservedtrendsandfuturechangesofextremetemperatureeventsinChina,J.Geophys.Res.Atmos.,124,4321–4336,doi:10.1029/2018JD029932.

[29]Zhou,T.,X.Zhang,H.Liu,andJ.Wu(2017),TrendsanddrivingfactorsofextremeprecipitationeventsinChina,J.Geophys.Res.Atmos.,122,6269–6282,doi:10.1002/2016JD026073.

[30]Wang,Y.,X.Zhang,H.Liu,andJ.Wu(2018),ObservedtrendsandfuturechangesofextremetemperatureeventsinChina,J.Geophys.Res.