1961—2016年中国近地表大风日数时空分异特征研究

时间：2024-05-22

孔锋　李颖　王一飞　吕丽莉　林霖　刘冬　辛源

摘要采用1961—2016年中国2 481站的大风日数数据，利用统计方法分析了中国及七大地理分区的大风日数时空分布特征和周期变化规律。结果表明，在时间上，1961—2016年中国及七大地理分区的大风日数整体均呈减少趋势；西藏（东南和西南）地区年均单站大风日数最多（少），但减少比例最少（多）。在显著振荡周期上，全国是14年，东北、北方和西北东部地区均是60年，西北西部、西南和东南地区是7、14和60年，西藏地区是7和60年。全国、东北、北方、西北东部、西北西部、西藏、西南和东南地区的年均大风日数分别在1991、1993、1989、1997、1986、1997、1992和1984年发生突变，但仅西北东部和西藏地区通过了0.05显著性水平的检验。在空间上，1961—2016年中国年均大风日数呈现出明显的东南低-西北高的空间分异格局；年均大风日数较多分布在西藏中部和西部、青海南部、新疆东部、四川西部及内蒙古和甘肃北部地区地形复杂的地区，这些地区在20世纪70和80年代以正距平为主，而在其他年代均以负距平为主。1961—2016年中国绝大多数地区年际大风日数呈减少趋势，波动特征在“胡焕庸线”两侧呈东大西小格局。

关键词大风日数；时空格局；变化趋势；波动特征；中国

中图分类号P425.4+7文献标识码A文章编号0517-6611（2017）31-0188-09

AbstractBased on the 2 481 stations data of hail days in China during 1961-2016， the temporal and spatial distribution characteristics and periodic variation of gale days in China and seven geographical regions were analyzed by using statistical methods.The results showed that： In time， the gale days in China and the seven geographical areas all showed a decreasing trend from 1961 to 2016. In the Tibet （Southeast China and Southwest China） region， the annual numbers of single station gale days were the most（least）， but the ratio was the least（most）.In the significance oscillation period， the whole country was 14 years；the Northeastern China， Northern and east of Northwestern China were 60 years；the west of Northwestern China， Southwestern China and Southeastern China were 7， 14 and 60 years；the Tibet region were 7 and 60 years.The mutation of gale days generally occured in 1991， 1993， 1989， 1997， 1986， 1997， 1992 and 1984 in the whole country， Northeastern China， Northern China， east of Northwestern China， west of Northwestern China， Tibet， Southwestern China and Southeastern China region， but only the east of Northwestern China and Tibet regions passed the 0.05 significant levels of test.In space， the annual average gale days showed southeast low and northwest high pattern in China from 1961 to 2016. The annual average gale days were more abundant in the central and Western Tibet， the Soutnern Qinghai， Eastern Xinjiang， Western Sichuan and Northern Inner Mongolia and Northern Gansu. These regions were dominated by positive anomaly in 1970s and 1980s， but negative in other decade. Annual gale days in most regions in China showed a decreasing trend， and fluctuation presented high in east region and low in west region beside "Hu Huanyong line".

Key wordsGale days；Temporal and spatial patterns；Variation trends；Fluctuation characteristics；China

全球氣候变暖可能导致大风事件在一定程度上发生变化[1-2]。大风是在大尺度环流天气系统或局地强对流天气系统条件下产生的一种天气过程[3-6]。风灾常常导致农作物倒伏，进而使农作物减产[7]；大树或树枝折断、广告牌刮倒，伤害人及牲畜，造成财产损失，破坏生态环境，并给人们的社会活动带来不便[8]。风灾严重影响到农业生产、社会经济和可持续发展，已引起人们的高度重视[9-10]。

风尤其是大风作为表征气候变化的重要气候因素之一[11-13]，在当前的研究关注较少[14-16]，因此，研究风尤其是大风事件气候特征和变化规律是目前气候研究中的一项复杂且重要的内容[17-18]。已有针对大风事件的研究主要集中在研究区域近地表风速和大风日数的长期趋势变化[9-10，19-23]。大量研究发现，全世界不同区域近地表风速呈现下降的趋势[24]，如澳大利亚[25]、意大利[26]、加拿大[27]、捷克共和国[28]等；也有研究发现地表风速在上升，如Kousari等[29]在伊朗的研究表明，研究区整体风速呈上升趋势，但局部地区风速下降十分显著。针对中国区域的风速研究表明，中国近地表整体风速呈现下降趋势[30-31]，但不同区域间风速下降速率不同，中国东部及沿海，特别是京津冀、长三角地区风速下降最为明显[14]，其主要原因可能是全球变暖背景下，亚洲大陆和太平洋之间的海平面气压差和近地面温差显著减小，东亚大槽向东向北偏移并减弱，而且东亚冬季风和夏季风减弱也导致了最大风速下降[32-35]。风速的变化会对生态环境产生重要的影响[14，36]。近年来，伴随着中国的快速城市化与工业化[36]，越来越多的工业废气被排放到大气[32]，人們逐渐观察到中国东部霾日数明显上升[36]，大城市的严重大气污染事件也呈现出高发态势，尤其是在京津冀地区[32-37]。通过梳理发现，现有的大风事件研究中针对全国的长时间序列的研究相对较少，尤其是对不同区域大风事件的对比研究相对缺乏。

为此，笔者以1961—2016年中国2 481个地面观测站大风日数资料为依据，分析中国整体及七大地理分区大风日数的时间动态变化、空间气候态分布特征、大风日数年代距平变化和大风日数年际变化趋势以及波动特征，并对年际大风日数的时间序列运用集合经验模态分解（EEMD）进行周期振荡变化研究，采用Mann-Kendall（M-K）法进行突变检验，以期为中国及七大地理分区的生态环境建设提供基础资料，为经济发展、防灾减灾提供参考。

1资料与方法

1.1数据来源

采用的1961—2016年中国2 481站的大风日数年值数据来自于中国气象局国家气象信息中心的《对流性天气数据集（V1.0）》。在我国气象观测业务中规定，近地表10 m高度处瞬间风速达到或超过17 m/s或目测估计风力达到或超过8级的风，称为大风[38]。某一日中有大风出现，称为大风日[39]。大风天气现象按《地面气象观测规范》的要求进行观测[38]，初期对观测数据进行了反复质量检测与控制，期间纠正了大量的错误数据并对数字化遗漏数据进行了补录，使得数据质量和完整性得到明显提升。后期数据集是由中国气象局国家气象信息中心对地面气象观测数据文件和实时上传的地面气象要素数据文件综合校对后制作而成，经过了严格的“台站-省级-国家级”三级质量控制。数据的实有率均在98%以上，数据的正确率均接近100%，站点分布如图1所示。

1.2计算方法

采用的方法主要包括线性趋势检测、EEMD、M-K突变检验、反距离权重插值、图谱对比分析和变异系数，其中前3种方法主要用来检测时间序列趋势、波动和突变特征，图谱对比分析和变异系数主要用来诊断不同研究时段空间格局差异的方法，这些方法均已经在大气科学和地理学中得到了广泛的应用[14，36，40-41]。其中变异系数表征大风日数的波动特征空间分布格局。在数理统计上，变异系数是衡量资料中各观测值变异程度的一个统计量，是标准差与平均数的比值，可以用于衡量数据的波动性。变异系数可以消除单位和平均数不同对2个或多个资料变异程度比较的影响。在该研究中，大风日数的变异系数越小，其波动程度越小；反之，变异系数越大，波动程度越大。同时该研究根据已有研究成果对中国进行分区[42-43]，统计七大地理分区的大风日数动态变化特征（图1）。

安徽农业科学2017年

2结果与分析

2.1中国大风日数时间序列变化

从时间序列动态变化来看（图2a），在年际变化上，1961—2016年中国年均单站大风日数在波动中呈明显的减少趋势。在年代际变化上，中国年均单站大风日数20世纪60年代到2016年逐年代梯次递减。年均单站大风日数从20世纪60年代的约17 d减少到2011—2016年的7 d，减少了58.82%。大幅度的大风日数减少可能与1950年以来的全球变暖密切相关。全球变暖后，海陆温差相对变小，导致东亚季风减弱，空气流动速度相对降低。同时加之，1949年建国后，中国长时间大范围的快速城镇化进程导致原有的自然地表景观改变，土地利用变化更加多样，城市房屋的高度和密度日益增大[14，32，36]，因此，地表粗糙度也有不同程度的增大，从而导致风速整体减小，大风日数也整体减小[9，17，21]。

从七大地理分区来看，1961—2016年东北地区年均单站大风日数也在波动中呈现明显的减少趋势（图2b）；在年代际上，东北地区大风日数在20世纪60年代略有增加，从70年代开始，逐年代减少，大约从20世纪70年代的25 d减少至2011—2016年的10 d，减少了60.00%。1961—2016年北方地区年均单站大风日数在波动中呈现明显减少趋势（图2c）；在年代际上，近56年北方地区大风日数逐年代梯次递减，从20世纪60年代的22 d左右减少至2011—2016年的8 d左右，减少了63.64%。1961—2016年西北东部地区年均单站大风日数整体呈现减少趋势（图2d），同时表现出明显的分段特征；20世纪60年代—70年代中期年均单站大风日数呈增加趋势；而20世纪70年代后期至2016年在波动中呈现出明显的减少趋势，大致从20世纪70年代中期的22 d左右减少至2011—2016年的10 d左右，减少了54.55%。1961—2016年西北西部地区年均单站大风日数整体呈现减少趋势（图2e）；在年代际变化上，除20世纪90年代低于2001—2010年外，其他年代大风日数均呈减少趋势，从20世纪60年代的27 d左右减少至2011—2016年的14 d，减少了48.15%。1961—2016年西藏地区年均单站大风日数整体呈现减少趋势（图2f），并呈现明显的分段变化特征；其中1961—1978年西藏地区年均单站大风日数呈明显增加趋势，1979—2000年则急剧减少；2000年以后整体变化趋势较小，但波动增大。在年代变化上，西藏地区大风日数，20世纪60年代最多，2011—2016年最少，从20世纪60年代的60 d左右减少到2011—2016年的35 d左右，减少了41.47%。1961—2016年西南地区年均单站大风日数整体呈现减少趋势（图2g）；其中1961—1980年西南地区年均单站大风日数整体变化趋势不大，但波动减小；1981—2008年西南地区年均单站大风日数整体呈减少趋势，且波动较小；2009—2016年整体则呈增加趋势，且波动增大。在年代变化上，西南地区大风日数20世纪60年代—2010年逐年代梯次减少，2011—2016年略有增加。西南地区大风日数从20世纪60年代的12 d左右减少到2001—2010年的4 d左右，减少了66.67%。1961—2016年东南地区年均单站大风日数整体呈现减少趋势（图2h），其中1961—2000年呈明显减少趋势，而

2001—2016年变化趋势不大，相对平稳；在年代际变化上，东南地区大风日数从20世纪60年代的11 d减少到2011—2016年的3 d，减少了72.73%。通过对比1961—2016年的全国和七大地理分区的大风日数，发现西藏地区年均单站大风日数最多，但减少比例最少；东南和西南地区年均单站大风日数最少，但减少比例却最多。

在波动特征方面，基于EEMD来看1961—2016年中国及七大地理分区的年平均大风日数序列中低频信号的波动特征。该研究在EEMD分解中加入的白噪音振幅标准差为原序列的0.2倍，集合次数为1 000次，最终分解出4个不同时间尺度的本征模态函数IMF序列和1个剩余残差序列。从IMF 1序列可以看出，1961—2016年中国年均大风日数序列表现出3年左右的周期波动特征（图3）；类似的IMF 2、IMF 3和IMF 4序列分别表现出大约7、14和60年的波动特

征；剩余的残差即是EEMD分解得到的趋势，该趋势和图2中的全国大风日数的线性趋势十分相似。从图3右边各分量的显著性检验结果来看，位于不同显著性水平的線上方表示通过了不同显著性水平的检验，即可以认为该分量包含了具有实际物理意义的信息，反之则该分量包含了较多的白噪声。该图的纵坐标表示IMF分量所具有的能量谱密度，纵坐标值越大表示IMF分量所具有的能量越高，振幅越大。从图3可以看到，IMF 1与IMF 4所具有的能量最大，且都落在010和0.05的显著性水平之上，说明IMF 1与IMF 4分量最显著，说明在3和60年尺度上，中国年均大风日数的振荡周期相对显著；而IMF 3的显著性最低，说明这个分量中所包含的白噪声最多，即这个周期所对应的实际物理意义较小，说明在14年尺度上，中国年均大风日数的振荡周期不甚显著。类似地，诊断1961—2016年中国七大地理分区的年均大风日数，结果表明，IMF 1、IMF 2、IMF 3和IMF 4序列分别表现出大约3、7、14和60年的波动特征；剩余的残差即是EEMD分解得到的趋势，该趋势与图2中的七大地理分区大风日数的线性趋势十分相似。值得注意的是，东北、北方和西北东部地区仅IMF 4落在了0.05的显著性水平之上，其他IMF分量均落在0.10的显著性水平之下，表明在60年尺度上，东北、北方和西北东部地区年均大风日数的振荡周期显著；西北西部、西南和东南地区的IMF 2、IMF 3和IMF 4分量落在0.10的显著性水平之上，而IMF 1分量落在0.10的显著性水平之下，表明在7、14和60年尺度上，西北西部、西南和东南地区年均大风日数的振荡周期显著；西藏地区的IMF 2和IMF 4分量落在0.10的显著性水平之上，而IMF 1和IMF 3分量落在0.10的显著性水平之下，表明在7和60年尺度上，西藏地区年均大风日数的振荡周期显著。

为了分析1961—2016年全国及七大地理分区的年均大风日数序列的突变特征和突变时间，进一步采用M-K突变检验的方法来诊断。从图4可看出，全国、东北、北方、西北东部、西北西部、西藏、西南和东南地区的UF统计量与UB统计量的交点分别在1991、1993、1989、1997、1986、1997、1992和1984年，其中仅西北东部和西藏地区的交点在0.05显著性水平的置信区间内，因此，可以判断1991、1993、1989、1997、1986、1997、1992和1984年分别是全国、东北、北方、西北东部、西北西部、西藏、西南和东南地区年均大风日数突变的年份。20世纪80年代中期至2000年前，中国甚至全球的大部

分地区气候均有显著的变化，因此联合国减灾署首次提出“减灾十年”[44]，同时IPCC第一次评估报告也在此期间启动并深入推进[1-2]。这暗示中国年均大风日数除了受气温变化影响外，可能还与全球大气和海洋环流的变化有深层次的联系[14]。

2.2中国大风日数气候态空间分异格局

从气候态空间分布格局（图5）来看，1961—2016年中国年均大风日数呈现出明显的东南低—西北高的空间分异格局。其中西藏中部和西部、青海南部、新疆东部、四川西部及内蒙古和甘肃北部均是年均大风日数分布的高值区，大多超过45 d，这可能与常年从中国北部的西伯利亚和西部的中亚地区来的冷气团密切相关[9，33]。广大的东南地区年均大风日数相对较低，大多小于5 d。中国北方大风日数高值区的分布与中国沙尘暴天气的高发区重合度较高，同时这些地区人口密度相对较低，地表破坏程度也相对较高，而城市化水平偏低，这就导致一旦发生大风天气，这些地区受到的影响也相对较高[40，45]。

2.3中国大风日数年代际距平空间分异格局

将各年代大风日数距平定义为各年代年均大风日数与1961—2016年年均大风日数之差。从年代际空间距平（图6）来看，20世纪60年代西藏中西部、青海西部、内蒙古中北部、新疆东部局部地区是负距平主要分布区，表明20世纪60年代大风日数相对气候态偏少；西藏西部、新疆北部、云南西部、内蒙古中东部及其交界的河北地区等零散分布着正距平，表明20世纪60年代大风日数相对气候态偏多；其他地区正负距平值则相对较小，且以正距平为主。20世纪70和80年代，西藏、青海、新疆东南、甘肃北部、内蒙古和东北等地区大风日数以正距平居多，表明70和80年代大风日数相对气候态偏多；其他地区正负距平值则相对较小，且70年代以正距平为主，80年代以负距平为主。20世纪90年代以来上述正距平的地区逐渐开始转向以负距平为主，表明这些地区相对气候态偏少；而其他地区正负距平值则相对较小，且以负距平为主。

2.4中国大风日数年际变化趋势和波动特征空间分异格局

从变化趋势空间分布（图7）来看，1961—2016年中国绝大多数地区年际大风日数呈减少趋势，包括东北，内蒙古东部、中部和西部，新疆大部，华北，华东，华中，青海东部，四川西部，云南大部及其交界的贵州地区等地；大风日数增加趋势的地区零散的分布在内蒙古西北中部、新疆东部、青海西部和西藏西南部及东北部等地。进一步表明气候变暖背景下全国大多数地区大风日数明显减少。从波动特征空间分布（图8）来看，1961—2016年中国年际大风日数波动特征呈现明显的东南高-西北低的空间分异格局，其中“胡焕庸线”以东的绝大多数地区的年际大风日数波动均在1.05以上，这可能与东部地区快速城镇化导致的土地利用变化密切相关[14]。在城镇化背景下，原有的自然地表景观被大幅度改变，地表粗糙度明显增大，这在一定程度上会导致大风日数的不稳定性增加，从而致使波动增大[33]。除此之外，内蒙古东北及其交界的黑龙江地区、新疆西南及其交界的西藏地区、西藏东部的波动特征也明显，大多在1.05以上。“胡焕庸线”以西的绝大多数地区的年际大风日数波动相对较小。

3结论

（1）在时间上，1961—2016年中国年均单站大风日数在波动中呈明显的减少趋势，20世纪60年代到2016年减少了

58.82%。在分区上，七大地理分区年均单站大风日数整体在波动中均呈现明显的减少趋势，且东北、西北东部和西藏具有分段特征；其中西藏地区年均单站大风日数最多，但减少比例最少；而东南和西南地区年均单站大风日数最少，但减少比例最多。

（2）在周期变化上，近56年来全国和七大地理分区均具有3、7、14和60年的振荡周期。其中全国的14年振荡周期显著；而东北、北方和西北东部地区的60年振荡周期显著；西北西部、西南和东南地区的7、14和60年振荡周期显著；西藏地区的7和60年振荡周期显著。

（3）在突变分析上，全国、东北、北方、西北东部、西北西部、西藏、西南和东南地区的年均大风日数分别在1991、1993、1989、1997、1986、1997、1992和1984年发生突变，但仅西北东部和西藏地区通过了0.05显著性水平的检验。

（4）在空间上，1961—2016年中国年均大风日数呈现出明显的东南低-西北高的空间分异格局。年均大风日数超过45 d的多分布在西藏中部和西部、青海南部、新疆东部、四川西部及内蒙古和甘肃北部地区。东南地区年均大风日数大多小于5 d。在距平上，年均大风日数超过45 d的地区在20世纪70和80年代以正距平为主，而在其他年代均以负距平为主。

（5）在变化趋势空间分布上，1961—2016年中国绝大多数地区年际大风日数呈减少趋势，仅在内蒙古西北中部、新疆东部、青海西部和西藏西南部及东北部等地呈增加趋势。在波动特征空间分布上，1961—2016年中国年际大风日数波动特征呈现明显的东南高-西北低的空间分异格局；其中“胡焕庸线”以东的绝大多数地区的年际大风日数波动较大，以西的绝大多数地区的波动相对较小。

4讨论

（1）站点分布不均的影响。观测站点在东部分布密集，而西部则相对稀疏。该研究采用了年均大风日数表征，这对时间序列影响相对较小。但是在空间插值过程中参考相同数目的站点数据，西部地区影响的范围则远大于东部地区。虽然在趋势上影响不大，但在细节分布上可能有影响。因此，需要采用均匀分布的格点数据进一步诊断，并与站点数据结果进行对比分析。

（2）不同等级风速日數的时空演变研究。该研究仅分析了1961—2016年中国大风日数时空演变特征，而未对其他等级的风速日数进行系统研究。目前国内外气候变化研究领域对气温和降水的研究相对较多，而对风速研究较少，尤其是近地表的风速时空演变还不是十分清晰。因此，亟待开展长时间尺度中国不同等级风速日数的时空演变规律研究，这不仅有助于风能资源的开发利用，也有助于深入了解气候变化和快速城镇化背景下的空气污染问题。

（3）大风日数时空变化的归因分析。气候变化和快速城镇化背景下，中国大尺度的大风日数的减少究竟是何原因；气候变暖和人类活动因素在大风日数减少中起到多大作用，是否还有其他外界因素影响着近地表的大风日数时空变化。对于这些问题，目前学术界还未达成共识，有待于进一步利用模式模拟和观测诊断，综合考虑海气因子和人类活动，合理再现中国大风日数时空变化特征。

（4）全球、大洲和区域尺度大风日数时空变化的对比分析。该研究仅从中国及其七大地理分区尺度研究了大风日数时空变化。全球其他地区是否也有类似规律，目前学术界对这一问题还未开展相应研究。IPCC第五次评估报告中对气温和降水都进行了科学系统的评估分析，而针对风速研究的评估尚不系统，且对全球及不同区域的风速包括大风日数，尚不十分清楚，因此，亟待开展全球、大洲和区域尺度上的大风日数时空变化对比研究，从而对于推进该领域的科学认识具有重要意义。

参考文献

[1] IPCC.Managing the risks of extreme events and disasters to advance alimate ahange adaptation[R].Cambridge，UK：Cambridge University Press，2012.

[2] IPCC.Intergovernmental panel on climate change climate change fifth assessment report（AR5）[R].Cambridge，UK：Cambridge University Press，2013.

[3] SHAMSHIRBAND S，MOHAMMADI K，TONG C W，et al.Application of extreme learning machine for estimation of wind speed distribution[J].Climate dynamics，2016，46（5/6）：1893-1907.

[4] JUNG C，SCHINDLER D.Global comparison of the goodnessoffit of wind speed distributions[J].Energy conversion & management，2017，133（5）：216-234.

[5] 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.

[6] 王秋香，胡义成，周昊楠.近50a塔里木河流域生长季大风日数变化特征及对特色林果业的影响[J].冰川冻土，2012，34（5）：1067-1075.

[7] URAL A，FIRAT F K.Evaluation of masonry minarets collapsed by a strong wind under uncertainty[J].Natural hazards，2015，76（2）：999-1018.

[8] WANG Q X，HU Y C，ZHOU H N.Variation characteristics of the gale days during the growth season in recent 50 years and its impact on the local special forest fruits in the Tarim River Basin[J].Journal of glaciology & geocryology，2012，34（5）：1067-1075.

[9] 高婧.新疆大風时空变化特征及环流背景研究[D].兰州：兰州大学，2010.

[10] 林琳.近30年我国主要气象灾害影响特征分析[D].兰州：兰州大学，2013.

[11] ZHANG Z，ZHEN G F，LIN L，et al.Changes of gale days and its impacts on dust weathers in Ningxia[J].Journal of arid land resources & environment，2006，20（4）：30-34.

[12] MIAO A M，JIA L D，WU J.Spacetime distribution and changing trend of gale and sanddust days during recent51 a in Shanxi[J].Journal of desert research，2010，30（2）：452-460.

[13] JONES P D，HARPHAM C，LISTER D.Longterm trends in gale days and storminess for the Falkland Islands[J].International journal of climatology，2016，36（3）：1413-1427.

[14] 史培军，张钢锋，孔锋，等.中国1961-2012年风速变化区划[J].气候变化研究进展，2015，11（6）：387-394.

[15] 张智，郑广芬，林莉，等.宁夏大风日数气候变化及其对沙尘天气的影响[J].干旱区资源与环境，2006，20（4）：30-34.

[16] 白虎志，董安祥，李栋梁，等.青藏高原及青藏铁路沿线大风沙尘日数时空特征[J].高原气象，2005，24（3）：311-315.

[17] TIELEMAN H W.Strong wind observations in the atmospheric surface layer[J].Journal of wind engineering & industrial aerodynamics，2008，96（1）：41-77.

[18] BAI H Z，LI D L，DONG A X，et al.Strong wind and wind pressure along the Qinghai-Tibet railway[J].Journal of glaciology & geocryology，2005，27（1）：111-116.

[19] 李耀辉，张存杰，高学杰.西北地区大风日数的时空分布特征[J].中国沙漠，2004，24（6）：715-723.

[20] 次仁曲宗，落桑曲加，顿玉多吉.西藏山南地区近30年来大风天气特征分析[J].西藏大学学报，2015，30（5）：28-32.

[21] 郭军，曹经福，杨艳娟.1971-2012年环渤海沿海地区风速变化及其影响因素分析[J].气象与环境学报，2015（4）：82-88.

[22] 张占峰，张焕平，马小萍.柴达木盆地平均风速与大风日数的变化特征[J].干旱区资源与环境，2014，28（10）：90-94.

[23] 姬兴杰，朱业玉，顾万龙，等.河南省大风日数时空分布及其对沙尘天气的影响[J].气象与环境学报，2012，28（1）：31-37.

[24] MCVICAR T R，VAN NIEL T G，LI L T，et al.Wind speed climatology and trends for Australia，1975-2006：Capturing the stilling phenomenon and comparison with nearsurface reanalysis output[J].Geophysical research letters，2008，35（20）：288-299.

[25] MCVICAR T R，RODERICK M L.Atmospheric science：Winds of change[J].Nature geoscience，2010，3（11）：747-748.

[26] PIRAZZOLI P A，TOMASIN A.Recent nearsurface wind changes in the central Mediterranean and Adriatic areas[J].International journal of climatology，2003，23（8）：963-973.

[27] WANG H，WANG X L，SWAIL V R.Homogenization and trend analysis of Canadian nearsurface wind speeds[J].Journal of climate，2010，23（5）：1209-1225.

[28] BRZDIL R，CHROM K，DOBROVOLNY' P，et al.Climate fluctuations in the Czech Republic during the period 1961-2005[J].International journal of climatology，2009，29（2）：223-242.

[29] KOUSARI M R，AHANI H，HAKIMELAHI H.An investigation of near surface wind speed trends in arid and semiarid regions of Iran[J].Theoretical & applied climatology，2013，114（1/2）：153-168.

[30] 王遵娅，丁一汇，何金海，等.近50年来中国气候变化特征的再分析[J].气象学报，2004，62（2）：228-236.

[31] JIANG Y，LUO Y，ZHAO Z C，et al.Changes in wind speed over China during 1956–2004[J].Theoretical & applied climatology，2010，99（3/4）：421-430.

[32] 孔锋，吕丽莉，方建，等.中国空气污染指数时空分布特征及其变化趋势（2001-2015）[J].灾害学，2017，32（2）：117-123.

[33] 邬仲勋.新疆东部至甘肃河西西部铁路沿线大风天气气候特征及其成因研究[D].兰州：兰州大学，2016.

[34] 阎访，周顺武，马悦.石家庄春季大风变化特征及天气分型[J].干旱气象，2014，32（2）：207-214.

[35] 苗爱梅，贾利冬，武捷.近51a山西大风与沙尘日数的时空分布及变化趋势[J].中国沙漠，2010，30（2）：452-460.

[36] 孔锋，吕丽莉，方建，等.不同时间角度下的中国霾日数时空变化格局研究（1961年～2015年）[J].华中师范大学学报（自然科学版），2017，51（3）：370-377.

[37] 俞海洋，李婷，陈笑娟，等.河北省近30年大风时空分布及成灾特征分析[J].灾害学，2017，32（2）：59-63.

[38] 中国气象局.地面气象观测规范[M].北京：气象出版社，2005.

[39] 孙霞，陈小雷，俞海洋，等.河北省大风灾害及其危险性区划分析[J].中国农学通报，2016，32（1）：183-187.

[40] 陈洪武，辛渝，陈鹏翔，等.新疆多风区极值风速与大风日数的变化趋势[J].气候与环境研究，2010，15（4）：479-490.

[41] 阎访，岳艳霞，张秉祥，等.石家庄地区大风日数气候变化特征[J].气象与环境学报，2013，29（2）：81-88.