基于SPEI-3的云南省干湿变化时空特征分析
Spatial-Temporal Characteristics Analysis of Dry and Wet Changes in Yunnan Province, China Based on SPEI-3 Index

作者: 王玉洁 , 程希平 :西南林业大学地理与生态旅游学院,云南 昆明;

关键词: SPEI-3干湿变化云南省SPEI-3 Index Dry and Wet Changes Yunnan Province of China

摘要:
为探明滇近62 a的干湿变化特征,本文利用Penman-Monteith法计算了1958~2019年滇的潜在蒸散发量(PET),并计算了以3个月为步长的标准化降水蒸散指数(SPEI)。利用Manner-Kendall突变检验、Morlet连续复小波变换(CCWT)分析了1958~2019年滇均值SPEI-3的变化趋势、突变点及干湿变化周期,利用经验正交函数(EOF)基于23个站点的SPEI-3指数对滇干湿变化的时空特征进行提取。研究结果显示,①滇西北、东北降水增多,其他地区降水均呈不同程度减少。滇南部降水逐年减少、蒸发强烈、滇南部变干趋势极显著。滇南部是干旱发生的重灾区。② 滇均值SPEI-3呈显著下降趋势,全省变干趋势显著,变点发生在2007年。滇干湿变化周期以26、3年为尺度的变化周期最为显著,以26年尺度周期震荡最强,为滇干湿变化的第一主周期。在26、3年特征时间尺度上,滇干湿变化的平均周期分别为49、9年左右。③ 滇干湿变化的空间场主要有6种表现类型,在1958~2019年间有19 a全滇变湿、17 a全滇变干、滇东南变湿西北变干有6 a、有13 a滇东南变干西北变湿。在1958~2019年滇干湿变化以变干为主,其中西南、东南部的变干趋势极显著。滇SPEI-3指数的空间变化与滇农作物旱灾受灾面积变化趋势较一致,说明SPEI-3计算结果指示性强,可用于预测滇干湿变化。

Abstract: In order to explore the characteristics of dry and wet changes in Yunnan Province in recent 62 years. In this paper, we calculated the potential evapotranspiration (PET) of Yunnan Province from 1958 to 2019 by Penman-Monteith method, and on this basis, calculated the SPEI drought index at a pace of 3 months. The author has used Manner-Kendall mutation test and Morlet complex continuous wavelet transform (CCWT) to analyze the variation trend, mutation point and dry-wet change period of mean SPEI-3 index in Yunnan Province from 1958 to 2019, and extracted the spatial-temporal characteristics of dry-wet change in Yunnan Province by empirical orthogonal function (EOF) decomposition method. The result showed that: ① The precipitation increased in the northwest and northeast of Yunnan Province, while in other areas of Yunnan Province, the precipitation decreased to varying degrees. There is little precipitation and intense evaporation in the south, and the drying trend in the south is very significant. The south is the worst-hit area of drought. ② The mean SPEI-3 index showed a significant downward trend, and the trend of drying was obvious throughout the country. The change time occurred in 2007. The cycle of dry and wet change in the study area has a significant change rule on the scale of 26 and 3 years, and the periodic oscillation on the scale of 26 years was the strongest, which was the first main cycle of dry and wet change in Yunnan Province. On the characteristic time scale of 26 years, the average period of dry and wet change in the study area was about 49 years. On the 3 years characteristic time scale, the average cycle of dry and wet change in the study area was about 9 years. ③ The spatial field of wet and dry variation has 6 types. In 1958~2019, there were 19 years in which the whole region got wet and there were 17 years in which the whole region got dry. Meanwhile, it took 6 years for the southeast to get wet and the northwest to get dry, and 13 years for the southeast to get dry and the northwest to get wet. During the period from 1958 to 2019, the dryness and wetness in Yunnan Province were the main change, and the dryness trend in the southwest and southeast was extremely significant. The spatial variation of SPEI-3 index was consistent with the area affected by drought in Yunnan Province, which indicated that the calculation results of SPEI-3 were highly indicative and could be used to predict dry-wet changes.

1. 引言

干旱事件发生的长度、周期、空间范围对地球表面生物的活动影响巨大,干旱事件的发生是地表物质对太阳辐射的综合反馈 [1]。受行星运动及大气环流影响,广布于地球表面的陆地因地理位置不同当干旱事件发生时所表现的上层气候性状也不同 [2]。相较于长期干旱,短期干旱对地球生物的影响更为致命,短期干旱考验地球生物体供水系统的能力,短期干旱所反映出的气象干旱进一步发展会导致农业干旱发生,对气象干旱所呈现的时空特征进行分析解读对人类生产生活极为重要 [3]。气象干旱通常用季、年、几十年降水不足与蒸散减少的关系来衡量,国内外学者利用多种指数的对比来分析不同区域的干旱特征 [4] [5] [6],当前国际主要使用的是标准化降水指数(SPI, Standardised Precipitation Index)和标准化降水蒸散指数(SPEI, Standardized Precipitation Evapotranspiration Index)等 [7] [8] [9],也有学者引入气象要素、归一化植被指数(NDVI, Normalized Difference Vegetation Index),参与潜在蒸散发量(PET, Potential Evapotranspiration)及SPEI的释因分析及相关性分析 [10] [11]。但PETSPEI的计算流程已考虑气象要素,在对二者的释因分析上还需结合区域大气环流因素。对SPEI的计算常用的有基于Thornthwaite、Hargreaves、Penman-Monteith等模型来计算PET [12],不同的模型对不同地形条件的地区适应性不同。Penman-Monteith法是计算PET的优良模型 [13],而以3个月步长为基础的SPEI指数相较其他步长的SPEI指数能更准确地反映区域短期气象干旱特征,即干湿变化 [14] [15]。滇干旱事件频发 [16],对其干湿变化特征分析有助于理解低纬度、近洋高原山地的干湿变化,为当前本区供水、低纬内陆区水循环研究提供数据支持。有国内学者利用相对湿润度指数(M)、降水气温均一化指数(Is)等对滇干旱特征分析 [17] [18]。高瑞等 [19] 基于SPEI指数对滇中部的季节性干旱时空特征分析,但未指明计算PET的方法及SPEI使用的步长。但多数研究结果都指出一个事实,西南地区在新世纪变干趋势显著 [20]。基于以上的研究工作,作者采用Penman-Monteith法计算滇PET、计算步长为3个月的SPEI指数并以此提取滇近62 a干湿变化的时空特征。

2. 数据和方法

2.1. 研究区概况

云南省(21˚8'~29˚15 N, 97˚31'~106˚11' E) (以下简称滇)位于青藏高原东南部与云贵高原的结合处,全省地势西北高、东南低,自西北向东南海拔逐级降低。四季温差小、干湿季明显、垂直变异气候显著 [21]。水汽输送途径的来源既有西南方向的印度洋,又有东南方向的太平洋。

2.2. 数据来源与处理

云南省气象站观测资料选取于中国气象科学数据网(http://data.cma.cn/) 1958~2019年日气象观测数据。对一年内单一站点缺测数据超过样本量5%的站点剔除后,保留23个较完整气象站的观测资料(图1)。参与PETSPEI-3计算的气象要素主要有日降水量(RP, mm)、日日照时数(SD, h∙d−1)、日大气压(P, hpa)、日相对湿度(RH, %)、日2 m风速(WS, m∙s−1)、日气温(Ta, ℃)等。对缺失的日气象数据用该年份对应月份的平均值补齐。基础气象数据的单位换算、计算、整理在Microsoft Excel 2019软件中实现。

(审图号:GS(2019)3333号)

Figure 1. Geographical location and meteorological station distribution in Yunnan Province

图1. 云南省地理位置及气象站点分布

2.3. 研究方法

2.3.1. SPEI-3的计算流程

1) 采用1998年FAO修正后的Penman-Monteith公式计算逐日PET [22],计算PET的公式如下,

P E T = 0.408 Δ ( R n G ) + γ 900 T a + 273 u 2 ( E e ) Δ + γ ( 1 + 0.34 u 2 ) (1)

式中:PET为潜在蒸散发量(mm∙d1);Δ为饱和水汽压曲线斜率(kPa∙℃1);Rn为地面净辐射(MJ∙m2∙d1);G为土壤热通量(MJ∙m2∙d1);g为干湿常数(kPa∙℃1);u2为地表2 m高处的风速(m∙s1);Ta为平均气温(℃);E为饱和水汽压(kPa);e为实际水汽压(kPa)。

2) 计算气候水平衡量,

D i = R P i P E T i (2)

式中,Di为气候水平衡量(mm);RPi为月降水量(mm);PETi为月潜在蒸散发量(mm)。

3) 建立时间尺度为3个月的水平衡累积序列,

D n k = i = 0 k 1 ( R P n i P E T n i ) , n k (3)

式中,k为时间尺度–月,n为计算次数。

4) 对Di进行正态化,并利用三参数log-logistic方法计算概率分布

F ( x ) = [ 1 + ( α x γ ) β ] 1 (4)

式中,参数a、b、g分别为尺度参数、形状、位置参数,用线性矩的方法拟合得到。

对累积概率密度进行标准化处理

P = 1 F ( x ) (5)

当累积概率密度P £ 0.5时,

{ W = 2 ln P S P E I = W c 0 + c 1 W + c 2 W 2 1 d 1 W + d 2 W 2 + d 3 W 3 (6)

当累积概率密度P > 0.5时,

{ W = 2 ln ( 1 P ) S P E I = c 0 + c 1 W + c 2 W 2 1 d 1 W + d 2 W 2 + d 3 W 3 W (7)

其中,c0 = 2.5155;c1 = 0.8029;c2 = 0.0103;d1 = 1.4328;d2 = 0.1893;d3 = 0.0013。

2.3.2. 干旱评估指标

SPEI-3的划分(表1)。

2.3.3. 干湿变化的时空特征提取方法

对23个站点RPPETSPEI-3的逐年变化斜率通过反距离权重插值(IDW, Inverse Distance Weight)

Table 1. SPEI-3 index drought rating

表1. SPEI-3干旱等级划分

得到滇境内的RPPETSPEI-3在1958~2019年的逐年变化斜率的空间分布特征。对23个站点的SPEI-3做平均化处理得到滇SPEI-3均值,基于滇均值SPEI-3利用Manner-Kendall突变检验(以下简称M-K检验)及Morlet连续复小波变换(CCWT, Complex Continuous Wavelet Transform)提取滇干湿变化在1958~2019年的周期特征 [23]。基于23个站点SPEI-3值利用经验正交函数(EOF, Empirical Orthogonal Function)提取滇干湿变化在1958~2019年的时空变化特征。

3. 结果与分析

3.1. 滇RPPETSPEI-3的变化

RP变化斜率由东南向西北逐阶梯增加;除西北、东北部降水逐年增多外,滇其他地区降水均呈不同速率减少;滇南部降水量减少明显。滇PET的变化斜率由南向北减少,东北部PET减小趋势明显;滇大部分地区PET增加且以南部PET增加趋势大,滇南部降水少、蒸发强烈。滇SPEI-3的变化斜率由南向北呈增加趋势,即除滇西北变湿外,其他地区变干趋势明显,滇南部是干旱发生的重灾区(图2)。

Figure 2. The change slope of rain point (RP), potential evapotranspiration (PET) and standardized precipitation evapotranspiration index of 3 (SPEI-3) from 1958 to 2019 in Yunnan Province

图2. 滇1958~2019年降水量(RP)、潜在蒸散发量(PET)、标准化降水蒸散指数(SPEI-3)的变化斜率

3.2. 滇均值SPEI-3指示的干湿变化

在a = 0.05的置信水平下,参与M-K突变检验的23个站点中,有15个站点SPEI-3下降趋势明显且通过M-K显著性检验,其他8个站点的SPEI-3既无上升也无下降趋势,变化趋势不明显且Z值未通过显著性检验(表2)。滇均值SPEI-3的M-K检验结果表明,滇均值SPEI-3显著下降,即变干了,变点发生在2007年(图3(a))。小波变换的结果显示,当时间尺度为26、3年时,上述2个周期的波动控制着1958~2019年滇的干湿变化(图3(b)~(c))。以26年为尺度的周期特征明显,为滇干湿变化的第一主周期,同时又存在以3年为尺度的第二周期。在26年特征时间尺度上,滇干湿变化的一个周期为49 a,并在1958~2019年间经历了不到1个干湿转换周期。在3年特征时间尺度上,滇干湿变化的一个周期为9 a,并在1958~2019年间经历了不到8个干湿转换周期(图3(d))。

3.3. 滇站点SPEI-3指示的干湿变化

滇站点SPEI-3指数经EOF分解后的前5个特征向量特征值的累计方差贡献率为77.19%,从特征根误差范围看,前3个特征根可以较好解释1958~2019年滇干湿变化的3种分布类型(表3)。

模态1特征向量的方差贡献率为46.15%,是滇干湿变化空间场分布的主要形式。模态1中站点的特征值为正,即1958~2019年全滇干湿变化趋势一致性强,即全滇全年变干或变湿。整个滇中部的干湿变化率高于其他地区,且以同心圆的形式向其他地区扩散。滇中部是高值中心,四周低且低值中心位于滇

Table 2. The years in which drought occurred significantly at 15 sites

表2. 15个站点中干旱显著发生的年份

Figure 3. Results of M-K mutation test and extraction cycle of Morlet comlplex continuous wavelet transform (CCWT) based on mean SPEI-3 index in Yunnan Province

图3. 滇均值SPEI-3的M-K突变检验及Morlet连续复小波变换(CCWT)提取周期结果

Table 3. The top 5 eigenvector contribution rates of SPEI-3 index after EOF decomposition

表3. SPEI-3经EOF分解后的前5个特征向量贡献率

西北角,即滇西北干湿变化率小(图4(a))。模态2特征向量的方差贡献率为15.43%,以临沧–昭通线为界,向西南为正值区,向西北为负值区,正值中心出现在以澜沧、景洪、砚山为代表的滇西南,负值中心出现在滇西北角。模态2呈现西北东南反向分布,滇东南变湿、滇西北变干或滇东南变干、滇西北变湿。特征向量值从西北向东南依次增加,即滇干湿变化由西北向东南递增或递减(图4(b))。模态3特征向量的方差贡献率为6.4%,也是滇干湿变化空间场的主要形式。以华坪–元江线为界,向东北为正值区,向西南为负值区,正值中心出现在以昭通为代表的滇东北,负值中心出现在滇西南角。模态3呈现西南东北反向分布,即滇西南变湿、滇东北变干或滇西南变干、滇东北变湿。特征向量值从西南向东北依次增加,即滇干湿变化也是由东北向西南递增或递减(图4(c))。

Figure 4. SPEI-3 index’s main modes after EOF decomposition at 23 sites in Yunnan Province

图4. 滇23个站点SPEI-3经EOF分解后的主模态

EOF分解后的主模态时间系数显示,滇干湿变化的空间场有6种表现类型。模态1为全年全滇变干或全滇变湿2种类型;模态2为全年滇西北变干东南变湿,或滇西北变湿东南变干2种类型;模态3反映全年滇东北变干西南变湿,或滇东北变湿西南变干2种类型。在1958~2019年间,有19 a全滇变湿,17 a全滇变干;滇东南变湿西北变干有6 a,滇东南变干西北变湿有13 a。滇干湿变化场的分布以模态1为主,有36 a,占总年数58.07%,且模态1的时间系数变化斜率小于零,即滇62 a来全滇整体有变干趋势。模态2出现19 a,占总年数30.65%,模态2时间系数变化斜率小于零,即62 a来滇东南有变干趋势、西北有变湿趋势。模态3出现7 a,占总年数11.3%,模态3时间系数变化斜率大于零,即62 a来滇东北有变湿趋势、滇西南有变干趋势(表4)。

Table 4. The slope of the change of the time coefficient of the main mode and the six types of dry and wet field performance and corresponding years

表4. 主模态的时间系数变化斜率及六种干湿场表现类型及对应年份

4. 结论与讨论

本文研究结果显示,在1958~2019年研究时间段内:

①滇西北、东北降水增多,其他地区降水均呈不同程度逐年减少。滇南部降水少、蒸发强烈、滇南部变干趋势极显著。滇南部是干旱发生的重灾区。

②滇均值SPEI-3呈显著下降趋势,全省变干趋势显著,变点发生在2007年。滇干湿变化周期以26、3年为尺度的变化周期最为显著,以26年尺度周期震荡最强,为滇干湿变化的第一主周期。在26、3年特征时间尺度上,滇干湿变化的平均周期分别为49、9年左右。

③滇干湿变化的空间场主要有6种表现类型,在1958~2019年间有19 a全滇变湿、17 a全滇变干、滇东南变湿西北变干有6 a、有13 a滇东南变干西北变湿。62年来滇干湿变化以变干为主,其中西南、东南部的变干趋势极显著。

滇干湿变化以变干为主,这与任菊章等的研究结论较一致 [17] [20]。滇在19世纪80年代至今干旱事件越来越频繁,这与郑建萌的研究结论较一致 [18]。在蒸散和降水综合作用下,滇南部变干趋势极显著,而以滇西北为代表的横断山区变湿趋势却极显著。通过从中华人民共和国农业农村部查阅云南省近年农作物旱灾受灾面积数据发现,滇六种干湿场的逐年变化情况与滇旱灾受灾面积对应较一致,以西双版纳地区为代表的勐腊等地近年旱情明显从侧面印证了滇南部干旱增加(图5)。横断山区生物多样性的增多、植被覆盖度的改善也可印证滇西北变湿对地区生物活动的影响 [24]。滇西北高东南低的逐级阶梯地势,加之下方向两侧水汽来源作用,使得在地势较高的滇西北迎风坡形成降水丰区。而滇生产活动多集中在中部、南部、及东南部地势平坦区,用水量大,降水却逊于滇西北,以上因素的综合作用形成当前滇干湿变化时空分布特征。以西双版纳地区为代表的滇南部从上世纪50年代至今,因原始雨林的采伐、人工橡胶林的培育、城市发展等多种人类活动对地表理化性质的改变无不在对该区域蒸散的增加出力。作者在对元江干热河谷林地内外潜在蒸散发的研究中发现,无稀树灌丛植被影响下的PET大于有植被影响下的PET约0.86 mm∙d−1 [25]。由此可见,地表理化性质的变化对蒸散的影响显著。但对当前滇干湿变化的时空分布格局同时也存在另一种解读即来自西南、东南方向的洋面季风的风力有增强趋势使得大规模团的洋面水分在不同风力的作用下难以在滇南部地势低洼处停留从而造成滇南部供水不足,同时滇南部因地表理化性质的变化造成蒸散增强从而使得滇南部在研究时间段内变干趋势显著。

(注:滇旱灾受灾面积数据来源于中华人民共和国农业农村部 http://zdscxx.moa.gov.cn:8080/nyb/pc/search.jsp)

Figure 5. Year-by-year variation of six dry and wet fields is corresponding to the drought-affected area curve of Yunnan province

图5. 滇六种干湿场的逐年变化与滇旱灾受灾面积变化趋势对应图

鉴于滇特殊的西北高、东南低的山地地形,干湿变化在空间分布上同样也受制于地形条件的影响。在未来对基于SPEI指数滇干湿变化的原因分析上仍需进一步收集长时间段印度洋、太平洋的洋面季风路径及季风强度变化信息、洋面气象事件信息加强对滇干湿变化的原因解读。

致谢

特别感谢导师对文章的指导!

基金项目

国家自然基金项目(31860206)。

参考文献

文章引用: 王玉洁 , 程希平 (2021) 基于SPEI-3的云南省干湿变化时空特征分析。 气候变化研究快报, 10, 119-129. doi: 10.12677/CCRL.2021.102015

参考文献

[1] Wilhite, D.A. and Glantz, M.H. (1985) Understanding: The Drought Phenomenon: The Role of Definitions. Water In-ternational, 10, 111-120.
https://doi.org/10.1080/02508068508686328

[2] Mahmood, R., Pielke Sr, R.A., Hub-bard, K.G., et al. (2014) Land Cover Changes and Their Biogeophysical Effects on Climate. International Journal of Climatology, 34, 929-953.
https://doi.org/10.1002/joc.3736

[3] Nagarajan, R. (2009) Drought Assessment. Capi-tal Publishing Company, Bombay.

[4] Zhao, H., Gao, G., An, W., et al. (2017) Timescale Differences between SC-PDSI and SPEI for Drought Monitoring in China. Physics and Chemistry of the Earth, Parts A/B/C, 102, 48-58.
https://doi.org/10.1016/j.pce.2015.10.022

[5] Banimahd, S.A. and Khalili, D. (2013) Factors Influencing Markov Chains Predictability Characteristics, Utilizing SPI, RDI, EDI and SPEI Drought Indices in Different Climatic Zones. Water Resources Management, 27, 3911-3928.
https://doi.org/10.1007/s11269-013-0387-z

[6] Mavromatis, T. (2007) Drought Index Evaluation for Assessing Future Wheat Production in Greece. International Journal of Climatology: A Journal of the Royal Meteorological Society, 27, 911-924.
https://doi.org/10.1002/joc.1444

[7] Stagge, J.H., Tallaksen, L.M., Gudmundsson, L., et al. (2015) Candidate Distributions for Climatological Drought Indices (SPI and SPEI). International Journal of Climatology, 35, 4027-4040.
https://doi.org/10.1002/joc.4267

[8] Tirivarombo, S., Osupile, D. and Eliasson, P. (2018) Drought Monitoring and Analysis: Standardised Precipitation Evapotranspiration Index (SPEI) and Standardised Precipitation In-dex (SPI). Physics and Chemistry of the Earth, Parts A/B/C, 106, 1-10.
https://doi.org/10.1016/j.pce.2018.07.001

[9] Tong, S., Lai, Q., Zhang, J., et al. (2018) Spatiotemporal Drought Variability on the Mongolian Plateau from 1980-2014 Based on the SPEI-PM, Intensity Analysis and Hurst Exponent. Science of the Total Environment, 615, 1557-1565.
https://doi.org/10.1016/j.scitotenv.2017.09.121

[10] Fan, Z.X. and Thomas, A. (2018) Decadal Changes of Reference Crop Evapotranspiration Attribution: Spatial and Temporal Varia-bility over China 1960-2011. Journal of Hydrology, 560, 461-470.
https://doi.org/10.1016/j.jhydrol.2018.02.080

[11] 罗新兰, 李英歌, 殷红, 等. 东北地区植被NDVI对不同时间尺度SPEI的响应[J]. 生态学杂志, 2020, 39(2): 412-421.

[12] 张晓琳, 熊立华, 林琳, 等. 五种潜在蒸散发公式在汉江流域的应用[J]. 干旱区地理, 2012, 35(2): 229-237.

[13] Didari, S. and Ahmadi, S.H. (2019) Calibration and Evaluation of the FAO56-Penman-Monteith, FAO24-Radiation, and Priestly-Taylor Reference Evapotranspiration Mod-els Using the Spatially Measured Solar Radiation across a Large Arid and Semi-Arid Area in Southern Iran. Theoretical and Applied Climatology, 136, 441-455.
https://doi.org/10.1007/s00704-018-2497-2

[14] 姚俊强, 杨青, 毛炜峄, 等. 西北干旱区大气水分循环要素变化研究进展[J]. 干旱区研究, 2018, 35(2): 269-276.

[15] 赵慧, 姚俊强, 李新国, 等. 新疆气候干湿变化特征分析[J]. 中山大学学报(自然科学版), 2020, 59(5): 126-133.

[16] 琚建华, 吕俊梅, 谢国清, 等. MJO和AO持续异常对云南干旱的影响研究[J]. 干旱气象, 2011, 29(4): 401-406.

[17] 任菊章, 黄中艳, 郑建萌. 基于相对湿润度指数的云南干旱气候变化特征[J]. 中国农业气象, 2014, 35(5): 567-574.

[18] 郑建萌, 黄玮, 陈艳, 等. 云南极端气象干旱指标的研究[J]. 高原气象, 2017, 36(4): 1039-1051.

[19] 高瑞, 王龙, 张燕明, 等. 基于SPEI的滇中季节性干旱时空特征分析[J]. 云南农业大学学报(自然科学), 2019, 34(3): 516-521.

[20] Wang, W., Zhu, Y., Xu, R., et al. (2015) Drought Severity Change in China during 1961-2012 Indicated by SPI and SPEI. Natural Hazards, 75, 2437-2451.
https://doi.org/10.1007/s11069-014-1436-5

[21] 施化云, 肖丰. 云南森林资源抗雨雪冰冻灾害能力比较研究[J]. 林业调查规划, 2018, 43(2): 36-41.

[22] Allen, R.G., Pereira, L.S., Raes, D., et al. (1998) Crop Evapotranspiration-Guidelines for Computing Crop Water Requirements-FAO Irrigation and Drainage Paper 56. Food and Agriculture Organization of the United Nations, Rome.

[23] 吴利华, 彭汐, 马月伟, 等. 1951~2016年昆明极端气温和降水事件的变化特征[J]. 云南大学学报(自然科学版), 2019, 41(1): 91-104.

[24] 徐波, 陈光富. 滇西北高山冰缘带植物新记录[J]. 广西植物, 2020, 40(12): 1824-1832.

[25] 王玉洁, 周炳江, 黄郑雯, 等. 元江干热河谷林地内外潜在蒸散发量的变化及其驱动因素[J]. 生态学杂志, 2021, 40(2): 501-511.

分享
Top