近十年重庆市NDVI变化及对气温降水的旬响应特征分析

在利用SPOT VGT NDVI旬数据、重庆市及周边20个气象站点1999~2010年日气温与降水数据以及研究区相关图件资料的基础上,运用均值法、差值法、趋势线分析和时滞互相关分析法分析重庆市NDVI变化的时空特征及旬平均NDVI与旬均温和旬降水的相关性以及时滞情况。结果表明：1999~2010年重庆市NDVI呈稳步上升趋势;NDVI下降的区域主要集中在渝西北、渝东北、渝南等三峡库区的外围;NDVI与气温和降水之间存在较强的相关性,且NDVI与气温较与降水之间的相关性更强,表明在研究区气温对NDVI的影响大于降水;NDVI与气温和降水之间的相关性和时滞情况存在明显的东南-西北差异,东南地区时滞较长、相关性低,西北地区时滞较短,相关性高;各植被类型NDVI与气温和降水的相关程度高低以及响应速度的快慢决定于各植被类型的生长发育规律及其对气温或降水要求的高低     

气候变暖背景下安徽省月NDVI动态变化研究

地表植被覆盖时空动态变化能很好地反映气候变化.基于2000～2016年MODIS NDVI逐月数据及同期内格点降水和气温数据,探讨了安徽省NDVI时空变化及其与气象因子的关系,结果表明:(1)安徽省NDVI呈显著增加的趋势,全省平均增速为5.7～ 11.3×10-3/a,其中,旱地增长较快,阔叶林和灌丛增长较缓.时间上,除水田外,10月至翌年3月具有显著增加趋势,6～9月增加趋势不明显.空间上,皖南山区、江淮之间大别山区和淮北平原增长较快;(2)各种植被类型月均NDVI与气温或降水具有相关性.且NDVI均为与前一个月的气温或降水相关性最高的时滞特点;(3)像元尺度NDVI与气温的偏相关系数较大,其中正相关达到0.01显著性水平的面积占92.2％.而与降水的偏相关性较小,其中正相关达到0.01显著性水平的面积仅占8.2％.月尺度NDVI的驱动类型分析结果表明,气温驱动型占75.0％,降水气温共同驱动型占15.3％.研究结果可为全球变暖背景下区域生态系统管理和保护提供理论参考.     

近30年来庐山风景名胜区NDVI时空变化及其潜在影响因素分析

植被是旅游吸引力的重要构成因素,研究景区归一化植被指数(NDVI)变化对风景名胜区的可持续发展至关重要。以国家首批重点风景名胜区——庐山风景名胜区为研究区,采用近30年来的Landsat NDVI数据,基于趋势分析法分析了研究区NDVI的时空变化特征,并从气候、地形因子以及旅游活动等方面,探讨了研究区NDVI变化的潜在影响因素。研究表明:近30年来庐山风景名胜区NDVI整体在波动中呈现下降趋势,其中在1988～2001年和2002～2017年两个时间段呈现先降后升趋势,但期末回升水平低于期初水平。空间上,NDVI明显降低的区域分布在主要景点及游客路线周围,NDVI增加的区域分布在高密度林地覆盖区。在各影响因素中,对于气候因素,由于研究区面积有限,热量和降水的空间分布差异较小,降水和气温与NDVI相关性不显著,气候因素不是NDVI变化的主要影响因素。对于地形因素,高程和坡度较高的区域,分布着主要景点和游客集散区,人为因素的干扰较大,NDVI值较低;阳坡与阴坡相比,光照资源更为丰富,此外,阴坡多为景点和游客路线等人类活动较强的区域,阳坡区域NDVI较高。对于旅游活动,研究期内游客人数逐年上升,旅游活动增强,景点、游客中心及游客路线周围建设用地和裸地的面积明显增加,NDVI呈下降趋势,旅游活动是NDVI变化的主要影响因素。     

西南地区近14a植被覆盖变化及其与气候因子的关系

基于1999~2012年NDVI数据,结合气温和降水资料,运用GIS和RS技术,分析了西南地区近14a植被覆盖的时空变化特征及与气温、降水的关系。结果表明:(1)该区植被生长良好,各植被类型NDVI均呈显著增加趋势。空间整体表现为改善状态,改善面积远大于退化面积,严重退化区仅占1.18%。退化区分布于横断山地北部、四川盆地东部以及云贵高原中部。(2)植被覆盖变化将以良性发展为主,但强持续性的退化区和弱持续性的改善区应值得关注;强持续性的退化区主要分布在横断山地中北部、云贵高原中西部、若尔盖高原中部、四川盆地与若尔盖高原相交区域;草原强持续性的退化面积最大,针阔混交林强持续性的改善面积最大。(3)NDVI与温度存在明显的正相关关系,而与降水及干旱指数变化的关系不太明显,温度是影响该区植被变化的主要自然因素。     

川中丘陵区植被遥感动态监测及其驱动力分析

川中丘陵区是长江上游重要的生态屏障,也是国家退耕还林还草和天然林资源保护工程重点实施区。近年来,由于气候变化与人类活动的影响,该区植被覆盖及生态发生了较大变化。利用该地区2000～2015年MODIS NDVI数据、气象和土地利用数据以及研究区统计数据,采用最大值合成法(MVC)、趋势分析法和相关系数法,分析了川中丘陵区经国家生态工程建设后的植被动态变化特征,并探讨了气候变化和人类活动对植被覆盖的影响。研究结果表明:近15年,川中丘陵区植被呈增加的趋势,增速为5. 84/10 a(P0. 01);31. 58%的区域植被NDVI显著增加,主要分布在嘉陵江中游和岷江中下游,2. 90%的区域植被NDVI显著减少,主要分布在城市中心及周边;研究区植被对降水的敏感性较气温更强,22. 08%的区域面积NDVI与降水是呈显著相关的,仅7. 69%区域面积NDVI与气温是显著的;森林、灌木和草地的NDVI增加明显,各自增加比例超过60%,而建设用地和湿地是NDVI减少最明显的土地利用类型;退耕还林还草和天然林资源保护工程的建设,对川中丘陵区植被覆盖的增长起到了积极作用。     

基于不同尺度的湘鄂赣地区传统村落空间分异及影响因素

分析区域传统村落的空间分异及影响因素,可为传统村落的整体保护与分区保护提供理论支撑,也可为制定保护政策提供科学依据。以湘鄂赣地区550个传统村落为研究对象,运用空间分析方法和数理统计方法,从市域、县域两个尺度探讨传统村落的空间分异及影响因素。结果表明:湘鄂赣地区传统村落具有分布广泛、局部集中的特征,分布形态呈集聚型,且县域尺度的集聚特征比市域尺度更明显;江汉-洞庭湖平原为低低集聚区域,传统村落分布稀疏。在两个尺度上,传统村落数量均与平均海拔、年均降雨量呈正相关,与河流密度、年均气温、公路密度、城镇化率、人均GDP、人口密度呈负相关。平均海拔、公路密度在市域尺度对传统村落的分布影响显著,年均气温、年均降雨量、人均GDP在县域尺度对传统村落的分布影响显著。自然地理因素是湘鄂赣地区传统村落形成的环境基础,并通过影响社会经济活动进而影响传统村落的保存。     

基于MODIS NDVI的攀枝花市植被覆盖变化及其驱动力#br#

攀枝花市位于金沙江与雅砻江的交汇处是长江上游生态脆弱区,也是天然林保护工程和退耕还林工程等的重点实施区。基于2001~2010年MODIS NDVI数据,以及同时期的气象数据和其他辅助数据,利用最大值合成法（MVC）、趋势分析法以及线性相关分析等方法研究了攀枝花市植被覆盖时空变化及其与气候因素和人类活动的关系。研究结果表明：攀枝花市植被覆盖整体较高,属于高植被覆盖区域,年际尺度上,植被覆盖呈上升的趋势,增长速率为0.02/10 a;从年内来看,9月NDVI达到最大值,NDVI最小值出现在3月;植被覆盖在水平空间上呈“南低北高”的分布特征,并在垂直空间上呈现出显著的差异性,研究区植被覆盖分别在海拔2 000~3 000 m、坡度30°~40°达到最大值;受水热条件的影响,阴坡（0°~45°, 315°~360°）植被覆盖高于阳坡（135°~225°）,而平地（-1°）植被覆盖度最低;就整个研究区而言,植被退化的面积与增加的面积分别占0.7%和44.4%,增加的面积远大于退化的面积;年际尺度上植被受气温的影响高于受降水的影响;大规模生态工程建设是研究区植被覆盖增加的主要驱动因素。 关键词： 植被覆盖变化;归一化植被指数;气候变化;人类活动;攀枝花市     

基于MODIS NDVI时序数据的湖南省植被变化研究

基于MODIS NDVI时间序列数据集,运用Mann-Kendall趋势分析检验、Hurst指数和相关分析等方法,对2000～ 2018年湖南省植被时空变化特征、演化趋势的可持续性及其与气温、降水和日照时数的关系进行了研究.结果 表明:(1)湖南省植被覆盖整体较高(年均NDVI为0.54),高植被覆盖区主要分布在以林地覆盖为主的山地和丘陵地区;NDVI具有明显的季节变化特征,8月份最高(0.67),2月份最低(0.36).(2)近19年湖南省NDVI整体呈上升态势,增速为8.6％/10 a(P＜0.01);其中显著增加的地区占76.09％,主要分布在湘中与湘西北的林地、耕地、草地区域;NDVI显著下降的区域仅占1.46％,主要分布在长株潭等建设用地区域以及洞庭湖平原的局部耕地区域.(3)未来湖南省植被变化的总体趋势可能向退化的恶性方向发展(占76.59％),其中改善与强反持续性趋势占23.25％.(4)日照时数、气温对研究区植被NDVI的影响主要表现为冬季的正相关.     

24个CMIP5模式对长江流域模拟能力评估

根据1961~2005年长江流域气象站点的实测月降水量和气温数据,采用第5期全球耦合模式比较计划CMIP5(the Fifth Phase of Coupled Model Intercomparison Project)中24个全球气候模式(GCM)的模拟结果,通过计算模拟变量和观测变量平均值的相对误差、归一化的均方根误差、时间和空间相关系数,采用M-K趋势分析方法,分别选用在长江流域模拟气温和降水较好的5个模式进行集合平均,从时间的演变规律和空间的分布特征两方面,检验该模式集合对长江流域模拟气温和降水的能力。研究结果表明:各个模式模拟气温的能力要明显好于模拟降水的能力,但模拟气温较好的模式模拟降水的能力并不一定突出;模式集合的结果表明:在时间尺度上,模式集合平均结果与观测值拟合程度较好,且模式集合的结果振荡幅度较观测值小;在空间尺度上,模式集合的空间分布趋势与观测值大致相同,说明采用的模式集合结果用于预估未来长江流域降水的时空分布特征和演变规律是可行的。     

人口与经济发展对植被的影响研究

植被是陆地表面主要的覆盖物，也是许多地球系统过程的重要变量。人类活动对植被的影响在区域尺度上是显著的。以重庆市为例，使用滑动平均和SG滤波对SPOT/VGT NDVI时间序列数据进行了平滑处理，结合GDP和人口栅格化数据，从时间序列和空间相关场两个方面分析了植被与人类活动因子之间的时空相关性。结果表明，从1998到2005年，植被的分布和生长状况并没有随GDP和人口的持续增加而增加。在时间序列上，植被覆盖与GDP和人口之间总体上呈显著的负相关关系；在空间上，这种相关关系表现出了较强的异质性。空间相关场表明：较强的负相关主要发生在相对发达的主城区周围，反映了快速的经济发展和城市化使得植被面积和生产力降低；然而在偏远的山区，由于经济落后同时植被覆盖较少，出现了正相关。     

基于MODIS NDVI的攀枝花市植被覆盖变化及其驱动力

攀枝花市位于金沙江与雅砻江的交汇处是长江上游生态脆弱区,也是天然林保护工程和退耕还林工程等的重点实施区。基于2001~2010年MODIS-NDVI数据,以及同时期的气象数据和其他辅助数据,利用最大值合成法(MVC)、趋势分析法以及线性相关分析等方法研究了攀枝花市植被覆盖时空变化及其与气候因素和人类活动的关系。研究结果表明:攀枝花市植被覆盖整体较高,属于高植被覆盖区域,年际尺度上,植被覆盖呈上升的趋势,增长速率为0.02/10 a;从年内来看,9月NDVI达到最大值,NDVI最小值出现在3月;植被覆盖在水平空间上呈"南低北高"的分布特征,并在垂直空间上呈现出显著的差异性,研究区植被覆盖分别在海拔2 000~3 000 m、坡度30°~40°达到最大值;受水热条件的影响,阴坡(0°~45°,315°~360°)植被覆盖高于阳坡(135°~225°),而平地(-1°)植被覆盖度最低;就整个研究区而言,植被退化的面积与增加的面积分别占0.7%和44.4%,增加的面积远大于退化的面积;年际尺度上植被受气温的影响高于受降水的影响;大规模生态工程建设是研究区植被覆盖增加的主要驱动因素。     

非平稳性条件下淮河流域极端气温时空演变特征及遥相关、环流特征分析

在全球升温的背景下,为掌握淮河流域极端气温的时空变化特征及其变化规律,以提高淮河流域对极端气温灾害的应对能力。以淮河流域1961～2016年149个气象站点、太平洋气候因子和NCEP/NCAR再分析数据为基础,利用优化的非平稳性(Transformed-Stationary)极值分析方法、空间Ward-like层次聚类分析方法、M-K趋势分析和经验正交函数分析方法(Empirical orthogonal function)对淮河流域极端气温进行分析。结果发现:(1)年最高气温在1960和2000s为增加趋势,2000s后增加趋势不显著;从1970～1980s,年最高气温呈减小趋势;年最低气温在1960s呈下降趋势,1970s以后年最低气温呈增加趋势;(2)年最高气温重现期对应的温度多数站点表现出非平稳态并显著上升,增幅达1.5℃。年最低气温均呈现上升趋势,在1978年前后出现上升的拐点,在2000年前后暖化现象有所减缓。年最高气温距离海洋越近,上升趋势越显著;年最低气温则相反。(3)不同重现期年最高气温显著增加趋势,主要分布在淮河的东北部和东南部地区,中西部地区呈显著减小趋势,年最低气温的空间分布恰好与其相反。(4)北太平洋海温异常显著的影响着淮河流域的7、8月极端气温的变化,淮河流域的极端气温的非平稳变化有着与西太平洋和北太平洋显著正相关关系,与东太平洋呈显著负相关关系。淮河流域12～1月气温异常与渤海海温异常同步、与厄尔尼诺或拉尼娜同步变化;7～8月温度异常与12～1月的温度异常结果相反。环流特征分析表明,淮河流域冬季暖化现象受到东北地区暖化的影响;7～8月温度的变化主要由青藏高原低压和蒙古低压在逐年减弱而改变环流特征造成,东南区域极端高温增加,西部区域降水增多、极端高温的降低。     

生态工程建设背景下贵州高原的植被变化及影响因素分析

基于MODIS-NDVI和气象数据,运用趋势分析、偏相关分析和残差分析等方法,对生态工程建设背景下贵州高原的植被变化及影响因素进行分析,并定量探讨气候因素与人类活动对植被变化的影响。结果表明：(1)2000~2016年期间,贵州高原植被NDVI在空间上呈东高西低的分布特征,高值分布于野生动植物及自然保护区等,低值分布于湿地保护工程区。NDVI总体呈上升趋势,湿地保护工程区、退耕还林工程区等植被覆盖上升速率较快,野生动植物及自然保护区呈略微的下降趋势。(2)植被改善区域(83.74%)分布于研究区边缘及西北部,退化区域(16.26%)分布于研究区中部和东南部,其中退耕还林还草工程区植被改善最为明显,野生动植物保护及自然保护区和速生丰产工程区改善效果较差。(3)从气侯因素分析来看,气温和降水在总体上与NDVI均呈正相关,气温对贵州高原植被生长的影响大于降水。(4) 从人类活动分析来看,人类活动对植被的建设作用强于破坏作用,人类活动正作用（76.68%）主要分布于西北部,负作用（23.32%）集中分布于东南部。植被覆盖增加是气候因素和人类活动共同作用的结果,人类活动对植被的贡献率为75.53%,气候因素为24.47%。     

基于MODIS数据的堵河流域生态指数变化及与气候因子的相关性分析

堵河流域是南水北调中线工程的重要水源区,流域的生态环境决定着南水北调的经济效益和水质状况.基于MODIS影像(2001～2017年)、数字表面模型(DSM)与气象数据,采用均值统计法、一元线性回归趋势法和相关分析法对堵河流域总初级生产力(GPP)、归一化差异植被指数(NDVI)、和蒸散发(ET)等生态指数的时空变化特征及其与气象因子的相关性进行研究,探讨堵河流域生态环境演变规律及其气候响应特征.结果 表明:(1)堵河流域多年月均GPP、NDVI和ET分别为1868.67 gC/(m2·month-1)、0.605和959.975 mm/month,植被覆盖率较高;多年年均GPP、NDVI和ET呈现相似的空间分布规律,堵河南岸值均高于北岸,竹溪河流域值均最低,最高值均位于神农架林区在内的高海拔区域.(2)年均GPP、NDVI和ET值总体呈波动上升的趋势,表明堵河流域的生态环境在向好的趋势发展;年内呈周期性单峰变化趋势,7月达到最大值;具有较强的季节性,夏季GPP、NDVI和ET值最大,冬季最小.(3)流域月均NDVI、ET和GPP之间均具有较强的正相关性,其中月均NDVI与月均GPP\ET的相关系数R2均为0.65,月均ET与月均GPP的R2为0.70.(4)流域月均GPP与月均降水的相关性强于月均气温,而NDVI、ET与气温的相关性均大于降水;GPP、NDVI和ET的变化与气温、降水呈现同期变化规律,NDVI、ET和GPP的变化对气候因子的响应不到一个月的滞后性.     

CMIP6全球气候模式对长江流域气候变化的模拟评估与未来预估

以全球变暖为主要特征的全球气候变化对自然环境和社会经济发展产生了巨大影响。长江流域作为中国最大的流域，对气候变化的影响非常敏感，对未来气候变化的预测可以为应对未来的不确定性提供重要的科学依据。为了更准确地预测长江流域未来的温度和降水，针对第六次国际耦合模式比较计划(CMIP6)对长江流域26个气候模式进行评估，选择并校正性能更好的模式，讨论了长江流域未来的气温和降水。主要结论如下：(1)气候模式在温度上的模拟效果优于降水，在时间尺度上表现为月尺度>日尺度>年尺度。温度模拟存在一定程度的低估，降水模拟存在一定程度的高估。(2)区域尺度利用气候模式进行研究工作前的评估和校正是必要的，经过评估优化和季节校正后，数据的精度得到了显著提高，分位数映射法可以应用于气候模型数据的校正，但对于极端降水和温度的校正仍存在一些不足。(3)在SSP1-2.6情景中，未来温度和降水变化将在一段时间内持续不稳定增加，然后随着时间趋于稳定。在其他3种情景下，变化的速度随着时间的推移而加快。未来长江流域的降水和气温在所有情景下都将高于历史时期，表现为SSP5-8.5>SSP3-7.0>SSP...     

TRMM和GPM卫星降水数据在中国三大流域的降尺度对比研究

以中国三大流域为研究区域,分别针对TRMM 3B43和GPM IMERG降水数据,构建基于归一化植被指数(NDVI)和数字高程模型(DEM)数据的地理加权回归(GWR)模型,以2014年夏季(6～8月)数据为例,得到了三大流域1 km分辨率的降尺度降水数据,并进一步通过气象站点数据对降尺度结果进行验证.研究表明:(1) GPM原始数据整体精度优于TRMM数据,两种数据在黄河流域的精度评价指标优于长江流域与珠江流域;(2)经降尺度计算,两种数据空间分辨率得到了显著提高,且表现出更多降水变化的细节与趋势,但精度指标对原始数据依赖性大,导致提升并不显著;(3)当联合使用NDVI及DEM作为GWR降尺度模型的辅助变量时,两种降尺度结果的差异值在长江流域与珠江流域的高海拔地区中更为显著;(4)黄河流域中,使用不同辅助变量下的降尺度结果在空间分布上总体相似.TRMM数据使用地形作为单独辅助变量的降尺度结果最佳,而GPM数据不同辅助变量下降尺度结果差异并不明显.     

基于SPEI指数的鄱阳湖流域近60 a干旱时空变化特征

量化研究干旱的时空变化特征,对区域干旱监测与抗旱减灾有重要的意义.基于鄱阳湖流域1961～2017年26个气象站点的观测数据,利用标准化降水蒸散指数(SPEI)定量分析了该流域干旱的时空变化特征及其影响因素.结果 表明:(1)鄱阳湖流域南湿北干,且四季差异明显.(2)鄱阳湖流域呈现显著湿润化趋势(p＜0.05),四季均存在变湿趋势,且夏季、冬季变湿显著(p＜0.05).从空间格局上看,所有站点年尺度均存在变湿趋势,变湿幅度较大的站点分布在流域中北部;在季节尺度上,除春季赣江流域的西北部、饶河流域和信江流域东部部分站点,以及秋季个别站点(德兴、遂川和龙南)呈现干旱化趋势外,其余站点各季节均呈湿润化趋势,只是在变湿的幅度和显著水平上存在一定差异.(3)鄱阳湖流域不同等级干旱的发生存在明显的年代际差异.除20世纪90年代及最近10年干旱发生的频率较低外,其他年代干旱发生的频率均相对较高,尤其是20世纪60年代.(4)鄱阳湖流域SPEI指数与降水呈正相关,与气温呈负相关,且与降水的相关性较气温的相关性高.在全球尺度的海气作用的驱动下,该流域的干湿变化与厄尔尼诺现象/拉尼娜事件之间存在着一定的相关性,且具有半年的滞后效应.     

长时序丹江口水源区NDVI数据集构建及其时空动态变化分析

由于不同传感器时空分辨率不一致，当前NDVI动态变化研究存在研究时间较短的问题。基于EOT算法，以丹江口水源区为例，借助重叠时期的GIMMS NDVI和MODIS NDVI数据，将8 km分辨率GIMMS NDVI数据重采样为1 km，构建了1982～2018年NDVI长时序数据集，并在此基础上分析丹江口水源区NDVI时空动态变化。结果表明：EOT算法在空间重采样中具有良好的适用性。EOT NDVI与MODIS NDVI之间拟合度较高（R=0.929，P<0.01，n=24），EOT NDVI与Landsat NDVI之间表现出显著相关关系（R=0.702，P<0.01，n=200）。空间上，EOT算法在土地利用类型较为复杂的区域受混合像元的影响，预测精度降低，在植被分布连片的区域预测精度较高。基于时序NDVI数据分析，研究时段内NDVI呈现波动上升趋势，变化趋势为0.002 9 year-1。空间上，丹江口水源区NDVI以显著增加为主（P<0.05），在汉中市、安康市河流附近以及北部商州市、南部竹溪县等区域年均NDVI增加趋势较其他区域明显；年均NDVI呈现减小的区域主要分布在丹江口水库、十堰市、南阳市、平利县等经济发展较快的区域。Mann-Kendall检验显示年均NDVI时间序列没有突变现象，但局部区域NDVI在不同时间呈现差异。     

鄱阳湖流域叶面积指数时空变化特征及其与气候因子的关系

利用1982~2001年NOAA/AVHRR NDVI数据,根据简单生物模型SiB2的方法计算鄱阳湖流域叶面积指数LAI,分析不同植被类型LAI年内和年际变化及其与降水、气温的关系。结果显示：在年内,LAI从1月开始减小,至3月降到最小,之后开始迅速增大,7月达到最大值,然后又开始减小;各植被覆盖类型LAI与前3月降水和前1月平均气温相关性较强,并且全部通过95％的显著性检验。在年际上,各植被覆盖类型LAI在20 a间无明显整体增大或减小趋势,但每隔2~3 a呈锯齿状增大减小交替变化,其中常绿针叶林LAI变幅较大,在23~35之间,而林地草原LAI变化较平缓,在05~09之间;植被LAI年际变化受流域内5~7月降水年际变化的影响较大。在空间上,植被LAI在春、冬季整体较小,空间分布差异也较小,仅在流域边缘山区林地覆盖区稍大,其余大片区域LAI值很低,且分布比较均一;夏、秋季LAI较大,空间分布差异也较大,其空间分布主要与流域内土地覆盖类型有关     

西南5省市极端气候指数时空分布规律研究

利用西南5省市的33个气象站,采用M-K检验和滑动t检验等方法对极端气候指数的时空分布规律进行分析。结果表明:在时间尺度上,西南5省市60a来极端降水指数除PRCPTOT和CDD外均呈现出较弱的上升趋势,表明虽然该地区降水总量略有减少,但最大日降水量和降水强度却有所增加;极端气温指数中TN10、TX10和DTR呈现出明显的下降趋势,其他7指数均呈上升趋势,表明西南5省市有变暖的趋势,且昼夜温差变小;极端降水指数多在20世纪90年代以后发生突变。在空间尺度上,西南5省市与降水量相关的极端降水指数呈现出西北到东南递增的分布规律,四川和云南部分地区处于低值区,而其连续干旱日数(CDD)却处于高值区,因此这两省的干旱风险较高;极端气温指数分布规律不明显,冷、暖系列指数表明云南省气温最高,贵州省最低,结合气温日较差(DTR)和暖期持续天数(WSDI)分析发现云南省发生极端气候事件的风险较大。