摘要：氣候變化導(dǎo)致全球極端降水事件頻率增加，極端降水引發(fā)洪澇災(zāi)害、滑坡及泥石流等次生自然災(zāi)害。研究極端降水時(shí)空演變模式，對(duì)提高適應(yīng)氣候變化極為重要。以福建省為研究區(qū)，選取歷史時(shí)期（1960—2020年）和未來(lái)時(shí)期（2020—2100年）為研究期，基于第99百分位數(shù)固定閾值法提取極端降水事件，結(jié)合非參數(shù)的Sen-MK趨勢(shì)分析法，探究多種排放情景下極端降水的空間分布規(guī)律和變化趨勢(shì)。研究結(jié)果表明：從極端降雨事件頻次和強(qiáng)度上看，歷史時(shí)期內(nèi)研究區(qū)極端降水分布呈現(xiàn)由東南沿海向內(nèi)陸減少的趨勢(shì)，研究區(qū)總體上呈現(xiàn)極端降水頻次、強(qiáng)度增加的趨勢(shì)。未來(lái)時(shí)期內(nèi)不同排放情景下，福建省極端降水的頻次和強(qiáng)度呈現(xiàn)不同程度的增加，其中SSP1-2.6和SSP2-4.5情景下結(jié)果十分接近，而SSP5-8.5高排放情景下的極端降水變化明顯，特別是2060年之后發(fā)生的頻次和強(qiáng)度明顯增加。為有效防范極端降水可能引發(fā)的各種災(zāi)害，評(píng)估未來(lái)氣候情景下極端降水的分布特征和變化趨勢(shì)意義重大。

關(guān)鍵詞：福建省；極端降水；分位數(shù)；時(shí)空；閾值

中圖分類(lèi)號(hào)：P954文獻(xiàn)標(biāo)志碼：A文章編號(hào)：1673-5072（2025）01-0065-07

Historical Characteristics and Future Trends of Extreme Rainfall Eventsin Fujian Province During 1960—2100

Abstract：Climate change increases the frequency of extreme rainfall events around the world，and extreme rainfalls lead to secondary natural disasters such as floods，landslides and debris flows.It is of great importance to study the spatial and temporal evolution model of extreme rainfalls to improve the adaptation to climate change.Taking Fujian province as the research area and the historical period（1960—2020） and future period（2020—2100） as the research periods，this study extracted extreme rainfall events with the fixed threshold method of the 99th quantile and explored the spatial distribution pattern and trend of extreme rainfalls under various emission scenarios in Fujian province with Sen-MK trend analysis method.The results indicate that：in terms of frequency and intensity of extreme rainfall events，the distribution of extreme rainfalls in the research area presents a decreasing trend from the southeast coast to the inland during the historical period，while the frequency and intensity of extreme rainfalls in the whole region show an increasing trend；the frequency and intensity of extreme rainfalls in Fujian province increase in different degrees under different emission scenarios in future period，among which the results in SSP1-2.6 and SSP2-4.5 scenarios are very similar，while the extreme rainfalls under SSP5-8.5 high-emission scenario change obviously，with an significant increase in frequency and intensity，especially after 2060.Therefore，it is significant to evaluate the distribution characteristics and trends of extreme rainfalls under future climate scenarios in order to effectively prevent various disasters that may be caused by extreme rainfall events.

Keywords：Fujian province;extreme rainfall;quantile;spatial and temporal;threshold

全球氣候變化導(dǎo)致極端自然災(zāi)害事件頻發(fā)，區(qū)域極端降水發(fā)生頻率顯著上升，作用強(qiáng)度明顯增強(qiáng)，對(duì)人類(lèi)社會(huì)和生態(tài)環(huán)境構(gòu)成嚴(yán)重威脅［1-3］。極端降水事件已產(chǎn)生較大負(fù)面影響。2021年美國(guó)東北部極端降水事件引發(fā)的大范圍洪水災(zāi)害導(dǎo)致55人喪生，經(jīng)濟(jì)財(cái)產(chǎn)損失高達(dá)200億美元［4-5］。同年7月，中國(guó)河南也遭遇了前所未有的歷史性極端降水，其導(dǎo)致的特大洪水災(zāi)害共導(dǎo)致1478.6萬(wàn)人受災(zāi)，398人死亡，直接經(jīng)濟(jì)損失超過(guò)1200億元。未來(lái)氣候變化的不確定性增加了認(rèn)知極端降水事件的難度，給城市防洪體系和降水預(yù)警帶來(lái)重大挑戰(zhàn)。因此，了解極端降水的變化特征以及未來(lái)趨勢(shì)，對(duì)開(kāi)展城市暴雨洪澇災(zāi)害的預(yù)測(cè)模擬，進(jìn)一步制定災(zāi)害緩解策略具有重要的現(xiàn)實(shí)意義［6］。

中國(guó)頻發(fā)多種極端天氣事件，而由極端降水造成的洪澇災(zāi)害是最常見(jiàn)的自然災(zāi)害之一［7-8］。中國(guó)濕潤(rùn)區(qū)或?qū)⒆兂蓸O端降水事件的頻發(fā)區(qū)域。福建位于東南季風(fēng)氣候區(qū)，降水主要集中在夏季，是中國(guó)降水較多的典型區(qū)域，未來(lái)極端降水事件的演變是一個(gè)需要深入研究的方向［9-12］。

極端降雨事件時(shí)空研究是理解極端降雨的基礎(chǔ)。楊金虎等［13］、蔡敏等［14］、武文博等［15］基于中國(guó)數(shù)百個(gè)臺(tái)站逐日降水資料，對(duì)中國(guó)年極端降水事件的時(shí)空特征進(jìn)行了探討分析；彭芳等［16］利用1991—2009年汛期84個(gè)測(cè)站的逐小時(shí)降水量資料，分別定義各站點(diǎn)的小時(shí)降水量的強(qiáng)降水閾值；黃琰等［17］、袁文德等［18］、何書(shū)樵等［19］采用百分位閾值法定義極端降水事件，用Mann-Kendall秩次相關(guān)法、反距離加權(quán)插值法、小波分析法等對(duì)中國(guó)區(qū)域的極端降水事件進(jìn)行時(shí)空變化分析；張強(qiáng)等［20］依據(jù)1957—2009年53個(gè)雨量站的日降水資料定義了8個(gè)極端降水指標(biāo)，運(yùn)用K-S法確定降水指標(biāo)最適概率分布函數(shù)，系統(tǒng)分析極端降水單變量極值及降水極值二維聯(lián)合概率分布特征，研究了新疆地區(qū)降水極值概率變化的空間演變特征。

極端降水事件刻畫(huà)常采用不同的閾值來(lái)評(píng)估極端降水事件的發(fā)生狀況。百分位數(shù)法是常見(jiàn)的提取極端降水閾值的方法之一，其中常用的百分位數(shù)主要有95%、97%和99%分位。另外，還常采用經(jīng)驗(yàn)固定閾值方法，其中常用的固定閾值為50、100和150 mm·d-1［21-23］。耦合模式比對(duì)項(xiàng)目（Coupled Model Intercomparison Project，CMIP）是目前國(guó)際上最強(qiáng)大的數(shù)據(jù)源之一。研究表明，CMIP6比CMIP3和CMIP5更準(zhǔn)確地再現(xiàn)了大尺度平均地表溫度和降水的空間格局變化［24］。本研究充分考慮不同排放情景、不同機(jī)構(gòu)模擬條件的差異性，選取SSP1-2.6、SSP2-4.5和SSP5-8.5情景下AWI-CM、EC-Earth3、EC-Earth3-Veg、MPI-ESM 4個(gè)氣候模型，利用福建省的氣象站點(diǎn)數(shù)據(jù)，采用第99百分位數(shù)、50和100 mm·d-1的閾值方法，對(duì)福建省極端降水的量和頻率進(jìn)行長(zhǎng)期時(shí)空變化分析。同時(shí)基于CMIP6的多情景降水預(yù)測(cè)數(shù)據(jù)，對(duì)未來(lái)福建省極端降水的趨勢(shì)進(jìn)行預(yù)測(cè)。本研究旨在為地區(qū)的氣候變化應(yīng)對(duì)和災(zāi)害風(fēng)險(xiǎn)管理措施的制定提供科學(xué)依據(jù)。

1數(shù)據(jù)與研究方法

1.1研究區(qū)范圍

福建省地處我國(guó)東南部，毗鄰廣東、浙江和江西三省，與臺(tái)灣省相望。福建省地勢(shì)總體上西北高東南低，山地、丘陵占全省總面積的80%以上（圖1），河網(wǎng)密布但平原湖泊分布較少［25］。受季風(fēng)環(huán)流與地形影響，多數(shù)地區(qū)屬于亞熱帶季風(fēng)氣候區(qū)，全年溫度較高，雨量充沛，年降雨量為1400～2000 mm，夏秋之交多臺(tái)風(fēng)，雨季容易發(fā)生極端降雨事件［26］。

1.2數(shù)據(jù)

本文采用中國(guó)氣象數(shù)據(jù)網(wǎng)（http：//data.cma.cn/）提供的1961—2020年的逐日降水?dāng)?shù)據(jù)作為歷史時(shí)期的氣象數(shù)據(jù)。為了確保數(shù)據(jù)記錄連續(xù)且完整，選擇國(guó)家氣象局786個(gè)氣象站進(jìn)行研究，基于ANUSPLIN軟件，利用樣條插值法將站點(diǎn)降雨數(shù)據(jù)插值為0.1°柵格［27］，同時(shí)，為提高復(fù)雜地形地區(qū)的插值精度，考慮了高程要素。該方法的插值結(jié)果具有較高的可信度，對(duì)福建地區(qū)降水量的誤差估計(jì)也很低［28］。

為獲取未來(lái)時(shí)期極端降雨模擬數(shù)據(jù)，本文采用CMIP6多情景排放下的模型數(shù)據(jù)。CMIP6 是目前系列計(jì)劃中模型情景最多、實(shí)驗(yàn)數(shù)據(jù)模擬量最龐大的版本。相較于CMIP5，CMIP6使用共享社會(huì)經(jīng)濟(jì)路徑（Shared Socioeconomic Pathways，SSPs） 和典型濃度路徑（Representative Concentration Pathways，RCPs）矩陣框架，情景涵蓋人口、經(jīng)濟(jì)、生態(tài)、資源、制度因素等未來(lái)的社會(huì)和經(jīng)濟(jì)變化，以及各種減緩、適應(yīng)和應(yīng)對(duì)氣候變化的措施，且分辨率也有所提升［29］。

考慮到不同氣候排放情境下以及不同機(jī)構(gòu)不同模擬條件下的差異性，本文選擇用SSP1-2.6、SSP2-4.5和SSP5-8.5 3種排放情景，選取AWI-CM、EC-Earth3、EC-Earth3-Veg、MPI-ESM1 4個(gè)氣候模型的降水?dāng)?shù)據(jù)作為本研究的基礎(chǔ)數(shù)據(jù)。SSP1-2.6、SSP2-4.5和SSP5-8.5分別代表SSP1 amp; RCP 2.6、SSP2 amp; RCP4.5和SSP5 amp; RCP 8.5。SSP1代表可持續(xù)發(fā)展路徑，SSP2代表中度發(fā)展路徑，SSP5代表高速發(fā)展路徑。RCP2.6代表低排放情景，輻射強(qiáng)迫在2100年之前達(dá)到峰值，然后下降（到2100年降至2.6 W·m-2）；RCP4.5描述中等排放情景，輻射強(qiáng)迫在2100年之后趨于穩(wěn)定時(shí)，超調(diào)途徑達(dá)到4.5 W·m-2； RCP8.5代表高排放情景，輻射強(qiáng)迫在2100年達(dá)到8.5 W·m-2。4個(gè)氣候模型均具有較強(qiáng)的干旱特征捕捉能力，已廣泛應(yīng)用于氣候變化研究。為方便對(duì)未來(lái)趨勢(shì)的計(jì)算和分析，本文將對(duì)不同排放情景下的降雨模擬網(wǎng)格數(shù)據(jù)按研究區(qū)域進(jìn)行均值處理，作為整個(gè)研究區(qū)域的逐日降水量。

1.3研究方法

1.3.1極端降水閾值的選定

極端降水閾值的選定基于以下2個(gè)主要因素：首先，考慮不同地區(qū)降水的空間差異性；其次，考慮極端降水對(duì)經(jīng)濟(jì)社會(huì)的影響。通常只有達(dá)到一定強(qiáng)度的降水才會(huì)對(duì)社會(huì)經(jīng)濟(jì)、交通出行等造成明顯的危害，這部分降水事件更具有現(xiàn)實(shí)研究意義。因此本研究設(shè)定第99百分位數(shù)降水量、日降雨量大于50 mm·d-1或100 mm·d-1作為極端降水事件的閾值。由于日降雨量大于100 mm·d-1閾值提取出來(lái)的極端降水的特征變化較小，本文選擇第99百分位數(shù)和大于50 mm·d-1為閾值對(duì)極端降水特征變化規(guī)律進(jìn)行分析研究［30］。

1.3.2統(tǒng)計(jì)分析

本文采用Mann-Kendall test（MK）和Theil-Sen（TS）方法來(lái)分析極端降水事件的降水量和發(fā)生頻率的單調(diào)變化趨勢(shì)。

2結(jié)果分析

2.1歷史時(shí)期福建省極端降水的時(shí)空分布

2.1.1極端降水頻次的空間分布

從不同極端降水閾值提取的極端降水頻次的空間分布來(lái)看（圖2），日降水大于50 mm的區(qū)域發(fā)生極端降水的頻次最明顯，其中福建省東南部極端降水發(fā)生的頻次最多。以第99百分位數(shù)為閾值得到的結(jié)果中，福建省大多數(shù)地區(qū)年平均發(fā)生極端降水的次數(shù)在2～3次，少部分沿海地區(qū)極端降水發(fā)生的頻次在1.5～2次。日降水大于100 mm的極端降水頻次顯示，福建省發(fā)生極端降水的頻次均小于1，從東南沿海到內(nèi)陸呈現(xiàn)遞減趨勢(shì)。

2.1.2極端降水量的空間分布

從不同極端降水閾值提取的年平均極端降水量空間分布來(lái)看（圖3），其整體上呈現(xiàn)出由沿海向內(nèi)陸逐漸減少的趨勢(shì)，這可能與沿海地區(qū)受海洋洋流影響和夏季臺(tái)風(fēng)影響有密切聯(lián)系。具體來(lái)看，大于50 mm·d-1降水量閾值的極端降水情況最常出現(xiàn)，其中福建省東南部地區(qū)出現(xiàn)降水量閾值大于50 mm·d-1的現(xiàn)象最為明顯，可能與該地區(qū)夏季臺(tái)風(fēng)頻發(fā)有一定聯(lián)系。日降水大于100 mm的年極端降水量以沿海一帶為界，其他地區(qū)均小于50 mm·a-1。以第99百分位數(shù)為閾值提取的極端降水量主要集中在100～250 mm·a-1，最大值分布于福建省東北部。

2.2歷史時(shí)期福建省極端降水的趨勢(shì)分析

從極端降水頻次的變化率來(lái)看（圖4），兩種不同閾值得到的空間分布高度相似，絕大多數(shù)地區(qū)極端降水頻次的變化率接近于0，部分地區(qū)極端降水頻次的變化率大于0.01次/10 a，主要分布于福建省中南部地區(qū)。

從極端降水量變化率的空間分布來(lái)看（圖5），兩種不同閾值提取的極端降水事件降水量的變化趨勢(shì)也高度相似，大部分地區(qū)的極端降水量都呈增長(zhǎng)趨勢(shì)，其中福建省中南部區(qū)域增長(zhǎng)較快，增速超過(guò)1.5 mm/10 a。相對(duì)而言，福建省東北部的部分區(qū)域是極端降水減少最為明顯的區(qū)域，這可能與全球氣候變化導(dǎo)致的氣候異常有關(guān)，也可能與該地區(qū)人類(lèi)活動(dòng)、城市化速度過(guò)快，不透水面占比過(guò)大影響降水的下滲，進(jìn)而影響地區(qū)水循環(huán)有一定的聯(lián)系。

2.3未來(lái)不同閾值不同時(shí)期極端降水趨勢(shì)分析

首先，基于氣象站點(diǎn)的插值數(shù)據(jù)研究了東南地區(qū)極端降水量的變化趨勢(shì)。以第99百分位作為閾值，輸出結(jié)果表明，1961—2020年，福建省極端降水量總體以10.67 mm/10 a的速度增加。在SSP1-2.6、SSP2-4.5和SSP5-8.5的排放情景下，未來(lái)的極端降水量模擬預(yù)測(cè)結(jié)果顯示，極端降水量的變化率分別為4.48 mm/10 a、5.82 mm/10 a和20.87 mm/10 a，尤其是在SSP5-8.5情景下，2070年后極端降水量顯著增加。為了對(duì)比不同情境下的差異，進(jìn)一步研究極端降水的變化，選擇了50 mm·d-1和100 mm·d-12個(gè)固定閾值，并模擬觀(guān)測(cè)第99百分?jǐn)?shù)閾值和第99.9百分位閾值。分析結(jié)果表明，選擇50 mm·d-1閾值與選擇第99百分位數(shù)下的極端降水變化趨勢(shì)高度相似，無(wú)論是在歷史研究期（1961—2020年）還是在未來(lái)研究期（2021—2100年）內(nèi)，年極端降水的變化趨勢(shì)始終增加，其中變化率最大的是在SSP5-8.5情景。以日降水量大于100 mm·d-1作為閾值提取的極端降水量在未來(lái)時(shí)期顯示增長(zhǎng)趨勢(shì)，尤其在高排放情景下，2060s后極端降水增加更為顯著。

在不同閾值和未來(lái)情境下的極端降水頻次的變化趨勢(shì)整體都呈現(xiàn)出高度相似的變化曲線(xiàn)（圖6）。在SSP1-2.6和SSP2-4.5未來(lái)氣候情景下的變化趨勢(shì)較為相似，增長(zhǎng)最為明顯的是在SSP5-8.5高排放情景下，特別是在2060年之后呈現(xiàn)明顯的增長(zhǎng)趨勢(shì)。因此在高排放情景下的21世紀(jì)后期，極端降水的頻次和強(qiáng)度可能會(huì)顯著增長(zhǎng)（圖7），從而大大增加福建省發(fā)生嚴(yán)重洪澇災(zāi)害的潛在風(fēng)險(xiǎn)。

3結(jié)論

從空間角度看，通過(guò)比較不同提取方法的極端降水事件，綜合考慮地區(qū)極端降水量和頻次的空間分布可知，福建省的極端降水空間分布表現(xiàn)出一種由東南向西北逐漸減弱的趨勢(shì)。尤其需關(guān)注福建省東南部地區(qū)，該地區(qū)在溫室排放加劇的情況下，未來(lái)極端降水事件發(fā)生將會(huì)越發(fā)頻繁，強(qiáng)度也逐漸加強(qiáng)。

從時(shí)間角度看，不同閾值下極端降水的變化趨勢(shì)高度一致，在歷史時(shí)期（1961—2020年），福建省的極端降水總體呈增加趨勢(shì)。而在未來(lái)情境下，溫室氣體排放的差異對(duì)極端降水事件的發(fā)生也造成了不同程度的影響，SSP1-2.6和SSP2-4.5都屬于較低的排放情景，對(duì)極端降水的影響并不明顯，增長(zhǎng)幅度較??；而在SSP5-8.5高排放情景下，溫室效應(yīng)會(huì)顯著加劇極端降水事件的發(fā)生，特別是在2060年之后，極端降水的強(qiáng)度和頻次呈現(xiàn)極為明顯的增加趨勢(shì)。預(yù)防和減輕未來(lái)該地區(qū)可能出現(xiàn)的一系列極端降水事件引發(fā)的災(zāi)害，與維護(hù)全球碳排放穩(wěn)定和全球氣候環(huán)境的穩(wěn)定緊密相連。

極端降水研究對(duì)于理解和應(yīng)對(duì)氣候變化所帶來(lái)的挑戰(zhàn)具有重要意義。通過(guò)深入研究極端降水的形成機(jī)制、空間分布和時(shí)間變化趨勢(shì)，進(jìn)一步提高對(duì)極端降水的預(yù)測(cè)和監(jiān)測(cè)能力。在下一步的研究中，還需要擴(kuò)大研究范圍，優(yōu)化研究方法，進(jìn)一步探索溫室氣體排放所引起的氣候變化與極端降水之間的關(guān)系。

參考文獻(xiàn)：

［1］KHARIN V V，ZWIERS F W，ZHANG X，et al.Changes in temperature and precipitation extremes in the CMIP5 ensemble［J］.Climatic Change，2013，119（2）：345-357.

［2］NASGWAN M S，SHAHID S，ABD RAHIM N.Unidirectional trends in annual and seasonal climate and extremes in Egypt［J］.Theoretical and Applied Climatology，2019，136（1）：457-473.

［3］江潔，周天軍，張文霞.近60年來(lái)中國(guó)主要流域極端降水演變特征［J］.大氣科學(xué)，2022，46（3）：707-724.

［4］FLANAGAN P X，MAHMOOD R，UMPHLETT N A，et al.A Hydrometeorological Assessment of the Historic 2019 Flood of Nebraska，Iowa，and South Dakota［J］.Bulletin of the American Meteorological Society，2020，101（6）：E817-E829.

［5］VU T M，MISHRA A K.Nonstationary frequency analysis of the recent extreme precipitation events in the United States［J］.Journal of Hydrology，2019，575：999-1010.

［6］FISCHER E M，O’GORMAN P A，PFAHL S.Understanding the regional pattern of projected future changes in extreme precipitation［J］.Nature Climate Change，2017，7：432-427.

［7］ALABAYRAK D，SEN O L，YUCEL I.Spatiotemporal trends in daily and subdaily rainfall extremes and return levels in Turkey［J］.International Journal of Climatology，2022，42（16）：10337-10352.

［8］O’AORMAN P A.Precipitation Extremes Under Climate Change［J］.Current Climate Change Reports，2015，1（2）：49-59.

［9］吉戴婧琪，元媛，韓劍橋.中國(guó)極端降水事件的時(shí)空變化及趨勢(shì)預(yù)測(cè)［J］.中國(guó)農(nóng)村水利水電，2022（10）：74-80.

［10］PENG D D，LIN A L，LIU X T，et al.Moisture sources of the first rainy season extreme precipitation events in the hotspots of Guangdong，South China［J］.International Journal of Climatology，2023，43（3）：1480-1496.

［11］QIAO P，GONG Z，LIU W，et al.Asymmetrical synchronization of extreme rainfall events in southwest China［J］.International Journal of Climatology，2022，42（11）：5935-5948.

［12］ZHENG B，GU D，LIN A，et al.Phase determination of persistent heavy rainfall related to 10-30-day intraseasonal oscillation over Southeastern China［J］.Theoretical and Applied Climatology，2022，147（3）：1685-1695.

［13］楊金虎，江志紅，王鵬祥，等.中國(guó)年極端降水事件的時(shí)空分布特征［J］.氣候與環(huán)境研究，2008，13（1）：75-83.

［14］蔡敏，丁裕國(guó)，江志紅.我國(guó)東部極端降水時(shí)空分布及其概率特征［J］.高原氣象，2007，26（2）：309-318.

［15］武文博，游慶龍，王岱.基于均一化降水資料的中國(guó)極端降水特征分析［J］.自然資源學(xué)報(bào)，2016，31（6）：1015-1026.

［16］彭芳，吳古會(huì)，杜小玲.貴州省汛期短時(shí)降水時(shí)空特征分析［J］.氣象，2012，38（3）：307-313.

［17］黃琰，封國(guó)林，董文杰.近50年中國(guó)氣溫、降水極值分區(qū)的時(shí)空變化特征［J］.氣象學(xué)報(bào)，2011，69（1）：125-136.

［18］袁文德，鄭江坤，董奎.1962—2012年西南地區(qū)極端降水事件的時(shí)空變化特征［J］.資源科學(xué)，2014，36（4）：766-772.

［19］何書(shū)樵，鄭有飛，尹繼福.近50年長(zhǎng)江中下游地區(qū)降水特征分析［J］.生態(tài)環(huán)境學(xué)報(bào)，2013，22（7）：1187-1192.

［20］張強(qiáng)，李劍鋒，陳曉宏，等.基于Copula函數(shù)的新疆極端降水概率時(shí)空變化特征［J］.地理學(xué)報(bào)，2011，66（1）：3-12.

［21］ABEYSINGHA N S，KULARTHNA K M，BANDARA A M K R，et al.Assessment of extreme rainfall through statistical process control-I chart［J］.Journal of Earth System Science，2023，132（1）：15.

［22］FISCHER E M，BEYERLE U，KNUTTI R.Robust spatially aggregated projections of climate extremes［J］.Nature Climate Change，2013，3（12）：1033-1038.

［23］SUBBA S，MA Y，MA W.Spatial and temporal analysis of precipitation extremities of eastern Nepal in the last two decades （1997—2016）［J］.Journal of Geophysical Research：Atmospheres，2019，124（14）：7523-7539.

［24］舒章康，李文鑫，張建云，等.中國(guó)極端降水事件的時(shí)空變化及趨勢(shì)預(yù)測(cè)［J］.中國(guó)工程科學(xué)，2022，24（5）：116-125.

［25］黃浩.降雨對(duì)福建地區(qū)殘積土邊坡穩(wěn)定性影響的監(jiān)測(cè)與分析［D］.福州：福建農(nóng)林大學(xué)，2018.

［26］吳能森.從環(huán)境巖土工程學(xué)角度分析山體滑坡［J］.林業(yè)建設(shè)，1996，5（2）：20-21.

［27］HUTCHINSON M F.Interpolating mean rainfall using thin plate smoothing splines［J］.International journal of geographical information systems，1995，9（4）：385-403.

［28］YUAN W，XU B，CHEN Z，et al.Validation of China-wide interpolated daily climate variables from 1960 to 2011［J］.Theoretical and Applied Climatology，2015，119（3）：689-700.

［29］馮椰林，賀中華，焦樹(shù)林，等.基于CMIP6氣候模式的貴州省極端降水情景預(yù)估［J］.水土保持研究，2023，30（1）：282-290.

［30］劉昌新，張海玲，吳靜.基于SSPs情景的中國(guó)極端降水影響評(píng)估［J］.環(huán)境保護(hù)，2021，49（8）：29-34.