吴舒祺，么嘉棋，候文星，阿 多，赵文吉*

（1.首都师范大学 资源环境与旅游学院，北京 100048；2.山东科技大学 测绘与空间信息学院，山东 青岛 266590；3.应急管理部国家减灾中心，北京 100124）

▪水土资源与环境▪

太湖流域降水量变化及其与组合大气环流的关系

吴舒祺1，么嘉棋2，候文星1，阿 多3*，赵文吉1*

（1.首都师范大学 资源环境与旅游学院，北京 100048；2.山东科技大学 测绘与空间信息学院，山东 青岛 266590；3.应急管理部国家减灾中心，北京 100124）

【目的】探明太湖流域降水量变化及与大气环流的多尺度效应。【方法】采用Mann Kendall（MK）、Modified Mann Kendall（MMK）趋势检验法以及小波相干分析（Wavelet Coherence, WTC）、多小波相干分析（Multiple Wavelet Coherence, MWC），对太湖流域1960—2020年30个气象站的降水量变化及其与单个和组合大气环流因子的多尺度振荡关系进行分析。【结果】①MMK及MK的趋势值在年尺度降水量及季节尺度降水量的空间分布相似，但显著性存在差异。年降水量上升趋势最大，而冬季降水量上升趋势最小。MMK可以检测出MK无法检测出的显著性，尤其是对于春季降水量。②WTC分析结果表明，太湖流域降水量与大气环流因子具有复杂的非线性关系，不同时域具有明显差异。③从单要素来看，EASM是太湖流域最具影响力的遥相关；在多要素组合中，Prep-AO-PDO-ENSO-EASM-DMI组合对流域降水量影响最大。【结论】单独的主导遥相关并不能很好地解释降水量与大气环流的关系，具有最高显著功率数百分比(POSP)的大气环流组合可作为解释降水量变化的最佳组合。

MMK趋势检验；多小波相干；组合大气环流；多尺度效应；显著功率百分比

0 引 言

【研究意义】气候变化会对降水量、温度等水文气象变量产生重大影响，同时也会增加极端天气事件的发生概率。在气候变化背景下，降水量具有明显的地域差异性，研究不同区域的降水量变化具有重要意义。太湖流域属于我国经济发达、人口密集地区，暴雨洪涝灾害频发，对区域经济发展和人民生命财产安全造成了重大威胁。该地区降水量的变异性在很大程度上受大尺度气象因子的影响。作为气候诊断的重要内容，在全球气候变化背景下研究区域降水量及其与大气环流之间的耦合效应对客观认识区域水循环机制和未来水资源管理具有重要的科学意义。

【研究进展】区域降水量对大气环流的响应较为复杂，如何定量分析区域降水量与大气环流因子的耦合关系值得深入探讨。目前，关于大气环流对区域气候的影响主要聚焦于二者之间的线性关系[1-3]，较少涉及二者之间的非线性关系。降水量对大尺度气候振荡的响应远比线性相关要复杂得多，共振行为发生在不同的时间尺度，且往往具有非线性特征[4]。基于连续小波变换的双变量小波相干分析（Wavelet Coherence，WTC）可以量化2个水文气象变量之间的多尺度效应。大气环流通常在某些时间尺度上显示出强烈振荡，因此可以在这些时间尺度上识别水文气象变量与大气环流之间的类似振荡行为。影响降水量的过程可能涉及多个规模相关的气候因素[5-6]。当研究涉及2个以上变量的局部关系时，则不能使用WTC法。Hu等[7]提出了基于连续小波变换的多小波相干分析（MWC），并与多变量经验模式分解（MEMD）与多光谱相干分析（MSC）进行了比较；结果表明，MWC优于其他2种方法，能够使用多个预测变量来定位多尺度关系，特别是对于非平稳时间序列。因此，MWC常被用来揭示地球科学领域中的时间或空间尺度的多元关系[8-10]。

【切入点】流域降水量的影响因子复杂，涉及多个因子的相互作用。大气遥相关的变化并不是孤立的，其共同作用影响降水量变化[11]。迄今为止，大多数研究只关注双变量关系，缺少大气遥相关因子在不同时频尺度上对区域降水量综合影响的定量分析。水文气象时间序列也呈现出更强的非平稳与趋势化特征，可能会导致突发性洪水。【拟解决的关键问题】鉴于此，本研究以太湖流域为研究区，使用MMK及MK分析对区域降水时间序列进行趋势分析，并利用WTC及MWC法来揭示大气环流指数对流域降水量的单独与综合影响。研究结果可为区域水资源管理及旱涝灾害防控提供参考，并可为了解流域降水量与大气遥相关之间的动态非线性过程提供一个新的视角。

1 材料与方法

1.1 研究区概况

太湖流域（30°28′—32°15′N，119°11′—121°53′E）位于长江中下游地区。该地区地形西高东低，西部为山地丘陵，中东部为平原。流域总面积约36 895 km2。太湖流域位于亚热带季风区，年平均气温为16.2 ℃，自北向南逐渐递增。年平均降水量为1 205 mm，受流域内地形、人类活动等影响，流域内水资源分布极不均匀。降水量年际差异较大，最大与最小年降水量的比值为4.8（图1）。该地区气象灾害频繁，严重阻碍区域经济发展。

图1 太湖流域概况Fig.1 Overview of the Taihu Lake Basin

1.2 数据来源

研究中使用的30个气象站点逐日降水量数据来源于国家气候中心发布的中国地面气候资料日值数据集（V3.0）。水系数据、DEM数据来源于资源环境数据中心（https://www.resdc.cn/）。根据综合指数、更近原始动力原则，选取与研究区降水量密切相关的大气环流指数[2]。本研究使用的大气环流指数为北极涛动（AO）、太平洋年代际涛动（PDO）、厄尔尼诺-南方涛动（ENSO）、印度洋偶极子（DMI）、东亚夏季风（EASM）。

1.3 研究方法

采用MK和MMK趋势检验来判断研究区降水量的变化趋势。MK作为一种基于秩的非参数检验方法，不直接依赖于随机变量，不受数据分布以及极值的影响，是时间趋势研究中广泛使用的方法。在实际应用中，MK分析结果会受序列自相关等因素的影响。Hamed等[12]考虑了气象水文时间序列的自相关，通过方差校正对趋势估计值进行修正，从而对MK方法进行了改进，得到MMK检验方法。使用WTC和MWC计算流域降水量与大气环流因子的单变量相干及多变量相干。计算WTC、MWC在所有尺度上的平均功率（the average power of wavelet coherence, AWC）以及95%显著性水平上的显著功率数百分比（the percentage of significant power at the 95% significance level, POSP）。对于预测变量的组合，当一个额外因素导致POSP增加至少5%时，认为具有统计学意义[10]。

2 结果与分析

2.1 时空变化分析

使用MMK以及MK的趋势值来探究太湖流域降水量年尺度及季节尺度趋势变化的空间特征，结果如图2所示。MMK与MK的趋势值在年、季节尺度降水量的空间分布大致相似，但显著性存在差异。年降水量的MMK趋势中，27个站点具有显著上升趋势；MK趋势中，23个站点具有显著上升趋势。春季降水量的MMK趋势中，13个站点具有显著下降趋势；MK趋势中，1个站点具有显著下降趋势。夏季降水量的MMK趋势中，所有站点均具有显著上升趋势；MK趋势中，1个站点上升趋势不显著，其余站点均具有显著上升趋势。秋季降水量的MMK趋势中，3个站点具有显著下降趋势；MK趋势中，所有站点变化均不显著。冬季降水量的MMK趋势以及MK趋势中所有站点均具有显著上升趋势。

太湖流域降水量的时间趋势统计如表1所示。春秋季降水量具有下降趋势，春季降水量通过MMK检验的95%显著性水平，但未通过MK检验的95%显著性水平；秋季降水量则具有非显著下降趋势，使用MMK及MK趋势检测均未通过95%显著性检测。年降水量、夏季降水量及冬季降水量趋势均通过MMK及MK的95%显著性检验。年降水量增加趋势最大为4.74 mm/a，夏季降水量次之，而冬季降水量上升趋势最小，为1.56 mm/a。

图2 MMK与MK检验的结果比较Fig.2 Comparison of the results between MMK and MK

表1 太湖流域降水量MMK及MK趋势统计Table 1 MMK and MK statistics of precipitation in the Taihu Lake Basin

总体而言，在分析时间序列趋势显著性时，MK趋势的显著性被弱化，MMK可以检测出MK无法检测到的显著性，尤其对于春季降水量，这可能是由于时间序列中存在正负自相关影响拒绝原假设的概率。

2.2 小波相干分析

太湖流域降水量与大气环流因子的小波相干分析结果如图3所示。流域降水量与AO在1960—1970年具有2个尺度的共振周期，8～16个月尺度上具有显著正位相共振周期；在32～48个月尺度上，平均位相角向下，降水量提前于AO。在高时频段，降水量序列与AO的小波相干能量强度有时也通过显著性检测，但维持时间较短且其位相关系随时频变化的差异较大，没有形成稳定的相关性。流域降水量与PDO在1960—1965、1990—2005、2010—2018年具有8～16个月的显著共振周期，交叉位相角向上，流域降水量延后于PDO。流域降水量与ENSO在1972—1976年具有18～26个月的显著共振周期，交叉位相角向上，降水量延后于ENSO；在1995—2001年具有16～20个月的显著正位相共振周期。流域降水量与EASM在1965—1975年具有10～16个月的显著负位相共振周期。流域降水量与DMI在1970—1980、1978—1982、1982—1900年分别具有8～12、32～36、18～30个月的显著共振周期。

图3 太湖流域降水量与大气环流指数的WTCFig.3 WTC of the precipitation and atmospheric circulation in the Taihu Lake Basin.

2.3 多小波相干分析

太湖流域降水量与单个及组合大气环流的AWC以及POSP的统计结果如表2所示，降水量与组合大气环流的多小波相干如图4所示。对于单要素，EASM对太湖流域降水量的多尺度效应较为明显，而AO对流域降水量的多尺度效应相对较小。要素组合中，Prep-ENSO-EASM组合的POSP最大，相比于Prep-ENSO以及Prep-EASM的POSP增加超过5%。三要素组合中，Prep-AO-EASM-DMI的POSP最大。8～16个月显著相干性最有可能与EASM有关，低时频尺度的显著相干性可能与ENSO及DMI有关。四要素组合的AWC大于三要素组合，但POSP存在小于三要素组合的情况，其中POSP最大的组合是Prep-AO-ENSO-EASM-DMI。总体而言，为使AWC和POSP最大，需考虑多因素组合（Prep-AO-PDO-ENSO-EASM-DMI）。

平均相干性随自变量数量的增加而增加，但POSP存在不确定性。三要素组合的POSP存在小于二要素组合的情况，POSP的结果差异可能是由于第三要素在特定周期和时间段中所包含的显著量已被第一、第二要素统计。太湖流域降水量的连续小波变换及方差如图5所示。WTC以及MWC中具有大于12个月的显著共振周期，但这在降水量的CWT中并不显著。流域降水量的CWT光谱结果显示，太湖流域年平均降水量具有12个月的显著振荡周期，这也是太湖流域降水量的典型周期[13]。降水量与遥相关具有较低的共振频率，但在降水量单独的CWT中却并没有体现，12个月的周期作为主导周期可能掩盖了CWT中其他低频显著周期。

表2 小波相干及多变量小波相干的平均功率（AWC）及95%显著水平上的功率数百分比（POSP）统计Table 2 Statistics of the average power of the wavelet coherence(AWC) and percentage of significant power at the 95% significant level (POSP) for the wavelet coherence (WTC) and multivariate wavelet coherence (MWC)

图4 太湖流域降水量与大气环流指数的多小波相干（MWC）Fig.4 Multivariate wavelet coherence (MWC) of the precipitation and atmospheric circulation in the Taihu Lake Basin

图5 太湖流域降水量的连续小波变换（CWT）及方差Fig.5 Continuous wavelet analysis and various of precipitation in the Taihu Lake Basin

3 讨 论

以往研究结果表明，太湖流域年降水量具有上升趋势，东部的显著性水平高于西部[14]。春、秋季降水量具有下降趋势，夏、冬季降水量具有上升趋势，夏季降水量与年降水量的空间分布相似，东部地区降水量增加显著且变化趋势大于西部站点[15]，均与本研究结果相似。Han等[16]研究结果也指出，该地区短时间降水量对年降水量的贡献较大，年降水量增加而平均降水持续时间变短，降水强度增大。极端降水事件的发生频率增加意味着太湖流域洪涝灾害风险将进一步增加。对于这些未来面临高洪水风险的地区，应采取相关措施，如充分发挥太湖的调蓄作用，完善流域排水防洪工程布局等。此外，对于太湖流域，春、秋季的农业灌溉用水量较大，然而本文及以往研究结果均表明，春季和秋季降水量具有下降趋势。趋势持续可能会对该地区的农业生产产生深远影响。因此，对于该地区的春秋旱情，在管理上应给予重视。

我国东部以季风气候为主，太湖流域降水量变化与东亚夏季风密切相关[14]。20世纪70年代中后期，赤道东太平洋出现的类似El Niño型海温异常，使得东亚夏季风减弱，锋面雨带在我国区域北上的动力不足，长时间滞留在长江中下游地区，造成太湖流域等地强降水明显加强[17]。东亚季风也会受到AO、PDO、ENSO、DMI的影响，因此，我国降水研究主要选择AO、PDO、ENSO、EASM、DMI作为影响区域降水的大气环流指数[18]。以往研究表明，EASM与太湖流域降水量呈负相关[19]；PDO与太湖流域降水量也具有很好的一致性[20]；ENSO次年流域降水量也会增加，ENSO提前于流域降水[21]，这些与本文研究结果相似。AO与流域降水量呈负相关[22]；DMI为负位相时，流域少雨[23]，这些与本文研究结果不一致。不同研究区的自然地理条件，人类活动以及数据类型都会对研究结果产生影响。单独的主导遥相关并不能很好地解释降水量与大气环流的关系，具有最高POSP的大气环流组合可作为解释降水量变化的最佳组合。但大气环流与非气候因子（如地形、城市化等）之间的潜在相互影响，而这些在本研究中被忽略，在解释大气环流因子对流域降水量的影响需谨慎使用。

降水量的影响因子除了气候因子自身内部波动，地理差异以及人类活动也会对降水量变化产生影响。例如地形地貌、土地覆盖、水文条件、土壤类型等自然地理因素，以及温室气体排放、人工造林、森林砍伐以及城市热岛等，都会影响流域降水量变化。近年来，太湖流域城市规模不断扩大，土地利用急剧变化。大规模的人口扩张和城市建设导致大量人为热量以及气溶胶排放，这些环境变化干扰了城市表面和大气之间的能量交换过程，改变了城市地区的辐射收支，这将有利于增强水汽输送和辐合上升运动，进而导致降水尤其极端降水事件的增加。此外，人类活动对流域降水影响的量化，其他大规模环流可能对太湖流域降水量产生的影响，以及相关大气环流的影响因素，如太平洋海温、气压以及青藏热动力效应等，这些在未来需进一步深入研究。

4 结 论

1）年降水量上升趋势最大，夏季降水量次之，而冬季降水量上升趋势最小。在分析趋势显著性时，MK趋势的显著性被弱化，MMK可以检测出MK没有检测到的显著性，尤其是对于春季降水量。

2）太湖流域降水量与大气环流因子之间具有复杂的非线性关系，但在不同时域中具有明显差异。

3）从单要素来看，EASM是太湖流域最具影响力的遥相关；在多要素组合中，Prep-AO-PDO-ENSO-EASM-DMI组合对流域降水量的影响最大。

[1]温煜华, 吕越敏, 李宗省. 近60 a祁连山极端降水变化研究[J]. 干旱区地理, 2021, 44(5): 1 199-1 212.WEN Yuhua, LYU Yuemin, LI Zongxing. Changes of extreme precipitation in Qilian Mountains in recent 60 years[J]. Arid Land Geography, 2021, 44(5): 1 199-1 212.

[2]何昶, 邓建明, 李雪纯, 等. 太湖流域近60年气温多时间尺度波动幅度的长期变化特征[J]. 河南师范大学学报(自然科学版), 2022,50(6): 130-138.HE Chang, DENG Jianming, LI Xuechun, et al. Long-term characteristics of multi-timescale fluctuation amplitude of temperature in the past six decades in Taihu Basin[J]. Journal of Henan Normal University (Natrual Science Edition), 2022, 50(6): 130-138.

[3]张仪辉, 刘昌明, 梁康, 等. 雅鲁藏布江流域降水时空变化特征[J].地理学报, 2022, 77(3): 603-618.ZHANG Yihui, LIU Changming, LIANG Kang, et al. Spatio-temporal variation of precipitation in the Yarlung Zangbo river basin[J]. Acta Geographica Sinica, 2022, 77(3): 603-618.

[4]DAS Jew, JHA Srinidhi, GOYAL Manish Kumar. On the relationship of climatic and monsoon teleconnections with monthly precipitation over meteorologically homogenous regions in India: Wavelet amp; global coherence approaches[J]. Atmospheric Research, 2020, 238: 104 889.

[5]李崇银, 杨辉, 赵晶晶. 大气环流系统组合性异常与极端天气气候事件发生[J]. 大气科学学报, 2019, 42(3): 321-333.LI Chongyin, YANG Hui, ZHAO Jingjing. Combination anomalies of atmospheric circulation system and occurrences of extreme weather/climate events[J]. Transactions of Atmospheric Sciences, 2019,42(3): 321-333.

[6]晏德莉, 李双双, 延军平, 等. 汉江流域降水非均匀性变化特征分析[J].武汉大学学报(理学版), 2020, 66(4): 377-385.YAN Deli, LI Shuangshuang, YAN Junping, et al. Analysis of variation characterstics of precipitation heterogeneity in the Hanjiang River Basin[J]. Journal of Wuhan University (Natural Science Edition), 2020,66(4): 377-385.

[7] HU Wei, SI Bingcheng. Multiple wavelet coherence for untangling scale-specific and localized multivariate relationships in geosciences[J].Hydrology and Earth System Sciences, 2016, 20(8): 3 183-3 191.

[8] SU Lu, MIAO Chiyuan, DUAN Qinyun, et al. Multiple‐wavelet coherence of world's large rivers with meteorological factors and ocean signals[J]. Journal of Geophysical Research: Atmospheres, 2019, 124(9):4 932-4 954.

[9] HU Wei, SI Bingcheng, BISWAS Asim, et al. Temporally stable patterns but seasonal dependent controls of soil water content: Evidence from wavelet analyses[J]. Hydrological Processes, 2017, 31(21): 3 697-3 707.

[10] CHENG Qingping, ZHONG Fanglei, WANG Ping. Baseflow dynamics and multivariate analysis using bivariate and multiple wavelet coherence in an alpine endorheic river basin (Northwest China)[J].Science of the Total Environment, 2021, 772: 145 013.

[11] WU Shuqi, HU Zhuowei, WANG Zhiheng, et al. Spatiotemporal variations in extreme precipitation on the middle and lower reaches of the Yangtze River Basin (1970 to 2018)[J]. Quaternary International,2021, 592: 80-96.

[12] HAMED Khaled H, RAO A Ramachandra. A modified Mann-Kendall trend test for autocorrelated data[J]. Journal of Hydrology, 1998,204(1-4): 182-196.

[13] WU Shuqi, ZHAO Wenji, YAO Jiaqi, et al. Precipitation variations in the Tai Lake Basin from 1971 to 2018 based on innovative trend analysis[J]. Ecological Indicators, 2022, 139: 108 868.

[14] 杨凤, 高颖会, 陈钢. 太湖流域1961—2015年降水趋势分析[J].中国防汛抗旱, 2020, 30(3): 51-54, 60.YANG Feng, GAO Yinghui, CHEN Gang. Analysis of precipitation trend in Taihu Lake Basin from 1961 to 2015[J]. China Flood and Drought Management, 2020, 30(3): 51-54, 60.

[15] WANG Yuefeng, XU Youpeng, TABARI Hossein, et al. Innovative trend analysis of annual and seasonal rainfall in the Yangtze River Delta,eastern China[J]. Atmospheric Research, 2020, 231: 104 673.

[16] HAN Longfei, XU Youpeng, PAN Guangbo, et al. Changing properties of precipitation extremes in the urban areas, Yangtze River Delta, China,during 1957—2013[J]. Natural Hazards, 2015, 79(1): 437-454.

[17] 董满宇, 田相佑, 胡木兰, 等. 1960—2017年太湖流域不同等级降水时空特征[J]. 热带地理, 2020, 40(6): 1 063-1 074.DONG Manyu, TIAN Xiangyou, HU Mulan, et al. Spatio-Temporal Variation in Precipitation for Different Grades in the Taihu Lake Basin during 1960—2017[J]. Tropical Geography, 2020, 40(6): 1 063-1 074.

[18] GU Xuezhi, YE Lei, XIN Qian, et al. Extreme Precipitation in China: A Review[J]. Advances in Water Resources, 2022, 163: 104 144.

[19] ZHANG Lilan, CHEN Xiaohong, LAI Rouyi. Urban signatures of sub-daily extreme precipitation events over a metropolitan region[J].Atmospheric Research, 2020, 246: 105 204.

[20] 吴舒祺, 赵文吉, 杨阳, 等. 基于小波变换的长江中下游地区极端降水与大气环流响应关系研究[J]. 水资源与水工程学报, 2021, 32(4): 67-76.WU Shuqi, ZHAO Wenji, YANG Yang, et al. Response of extreme precipitation events in the middle and lower reaches of the Yangtze River Basin to the atmospheric circulation based on continuous wavelet transform[J]. Journal of Water Resouces and Water Engineering, 2021,32(4): 67-76.

[21] 余荣, 翟盘茂. 厄尔尼诺对长江中下游地区夏季持续性降水结构的影响及其可能机理[J]. 气象学报, 2018, 76(3): 408-419.YU Rong, ZHAI Panmao. The influence of El Nino on summer persistent precipitation structure in the middle and lower reaches of the Yangtze River and its possible mechanism[J]. Acta Meteorologica Sinica, 2018, 76(3): 408-419.

[22] 张勇, 杨春瑰, 唐卫亚. 长江中下游1—5月降水分布型及其成因[J].大气科学学报, 2015, 38(1): 111-119.ZHANG Yong, YANG Chungui, TANG Weiya. Precipitation patterns in the middle and low reaches of Yangtze River during January-May and their cau-ses[J]. Transactions of Atmospheric Sciences, 2015, 38(1): 111-119.

[23] 袁媛, 高辉, 李维京, 等. 2016年和1998年汛期降水特征及物理机制对比分析[J]. 气象学报, 2017, 75(1): 19-38.YUAN Yuan, GAO Hui, LI Weijing, et al. Analysis and comparison of summer precipitation features and physical mechanisms between 2016 and 1998[J]. Acta Meteorological Sinica, 2017, 75(1): 19-38.

Variation of Precipitation in Taihu Lake Basin and Its Relationship with Atmospheric Circulation

WU Shuqi1, YAO Jiaqi2, HOU Wenxing1, A Duo3*, ZHAO Wenji1*

(1. College of Resource Environment and Tourism, Capital Normal University, Beijing 100048, China;2. College of Geodesy and Geomatics, Shandong University of Science and Technology, Qingdao 266590, China;3. National Disaster Reduction Center of China, Beijing 100124, China)

【Objective】Precipitation and its variation is the driver of all ecological functions in a catchment. It is affected by many factors. This paper investigates the variation in precipitation and its multi-scale correlations with atmospheric circulation in the Taihu Lake Basin (TLB), China. 【Method】The analysis was based on precipitation measured from 1960 to 2020 from 30 meteorological stations across the basin. Its multi-scale oscillations, as well as correlation with single and combined atmospheric circulation factors were analyzed using the Mann Kendall (MK),modified Mann Kendall (MMK), wavelet coherence (WTC), and multiple wavelet coherence (MWC). 【Result】①The annual and seasonal trends identified by MMK and MK from the precipitation series was similar, but the significance differed between the two methods. We found the largest upward trend in annual precipitation, but the seasonal precipitation in winter had the smallest upward trend. MMK detected significance that MK failed to identify,especially for spring precipitation. ② WTC found that the precipitation and atmospheric circulation factors were nonlinearly correlated in a complex way, but their correlation varied with time. ③ For single atmospheric circulation factors, the EASM was the most influential teleconnection affecting precipitaton in the TLB. Among the multivariates, Prep-AO-PDO-ENSO-EASM-DMI had the greatest impact on precipitation in TLB. 【Conclusion】The dominant tele-correlation alone cannot explain the relationship between precipitation and atmospheric circulation, and a combination of atmospheric circulation factors and the highest percentage of significant power(POSP) offered the best explanation for precipitation variation in TLB.

MMK trend test; multi-wavelet coherence; combined atmospheric circulation; multi-scale effect;percentage of significant power

吴舒祺, 么嘉棋, 候文星, 等. 太湖流域降水量变化及其与组合大气环流的关系[J]. 灌溉排水学报, 2023, 42(3): 97-103.

WU Shuqi, YAO Jiaqi, HOU Wenxing, et al. Variation of Precipitation in Taihu Lake Basin and Its Relationship with Atmospheric Circulation[J]. Journal of Irrigation and Drainage, 2023, 42(3): 97-103.

P426；P434

A

10.13522/j.cnki.ggps.2022279

1672 - 3317（2023）03 - 0097 - 07

2022-05-19

国家重点研发计划课题（2017YFC1502901）

吴舒祺（1994-），男。博士研究生，主要从事气候变化研究。E-mail: wushuqi5577@163.com

赵文吉（1967-），男。教授，主要从事遥感技术与地学应用研究。E-mail: zhwenji1215@163.com

阿多（1983-），男。助理研究员，主要从事地学应用研究。E-mail: baisha.ad@163.com

责任编辑：韩 洋