余哲修，何 超，李昔純，張 超，陳建珍，羅恒春，黃 田

(1.西南林業(yè)大學 林學院，云南 昆明 650224；2.西南林業(yè)大學 林業(yè)3S技術工程研究中心，云南 昆明 650224；3.西南林業(yè)大學 林業(yè)調查規(guī)劃設計研究院，云南 昆明 650224)

森林火災是指失去控制的森林燃燒現象，它是森林面臨的主要災害之一，給森林生態(tài)經濟和社會經濟帶來嚴重危害。世界發(fā)達國家均重視森林火災的研究，尤其是在利用遙感等現代化手段用于森林火災監(jiān)測方面，這是因為與傳統方法相比遙感等現代化手段具有更高效、節(jié)省人力物力等優(yōu)點[1-4]。

火燒跡地指的是森林火災燒毀后尚未恢復到原來林地狀態(tài)的區(qū)域[5]。在國外常常使用遙感影像上提取的NBR來進行森林火災火燒跡地的識別研究。歸一化燃燒率(Normalized burn ratio，NBR)由M.J.López García等[6]在研究西班牙瓦倫西亞1978年、1982年和1984年的3起森林火災火燒跡地恢復情況時，參考歸一化植被指數(Normalized difference vegetation Index，NDVI)提出，該指數能夠增強火災區(qū)域的特征信息，可用于火燒跡地植被恢復情況的監(jiān)測?？撞7]等利用差值歸一化燃燒率(difference Normalized Burn Ratio，dNBR)和綜合燃燒指數(Composite burn index，CBI)分析了扎龍濕地火災的火燒嚴重程度以及火災對丹頂鶴生境的影響，指出CBI和dNBR間存在非線性關系。S.Harris等[8]對19種光譜指數在加州南部森林火災林火烈度評估方面的應用進行了研究，指出NBR是最佳光譜指數。雷成亮[9]利用NBR對大興安嶺南甕林場2006年發(fā)生的森林火災的林火烈度進行了研究，指出利用遙感數據和多變量模型估測林火烈度效果較好。王曉莉[10]等基于NBR分析了大興安嶺呼中森林過火區(qū)的林火烈度，確立了林火烈度NBR分級閾值，對其他地區(qū)林火烈度分析與評價給出參考。余超[11]等結合Landsat 5 TM和MODIS影像，利用dNBR分析了美國東南部地區(qū)火燒跡地面積與火點數量間的相關性，并建立了火燒跡地面積的估算模型，結果表明該模型能夠提供準確地燃燒排放源參數。M.C.Stambaugh等[12]在CBI、dNBR和相對歸一化燃燒比差(Relative difference normalized burn ratio，RDNBR)的基礎上，采用回歸方法確定了燃燒嚴重程度規(guī)則，并對美國奧克拉荷馬西南部櫟樹林地-草原景觀森林火災的影響進行了分析，結果表明所得規(guī)則可用于研究區(qū)櫟樹林燃燒嚴重度制圖。A.B.Baloloy等[13]在Landsat 8 OLI影像的基礎上，提取NBR和NDVI對菲律賓打拉省甘蔗田火燒跡地進行識別研究，火燒跡地識別精度高達89.3%。何陽[14]等在NBR的基礎上提出改進的歸一化燃燒指數(Normalized burning ratio short-wave，NBRS)用于森林火災火點的識別，指出NBRS能有效消除云和建筑物的干擾，比傳統火點識別方法精度高。肖瀟[15]等在Landsat 5 TM影像基礎上，通過設置NBR和dNBR識別規(guī)則對西伯利亞東南部的農田、森林、草地等區(qū)域的火燒跡地進行識別，并將識別結果與MODIS火燒跡地標準產品進行比較，得出基于NBR和dNBR識別規(guī)則識別的火燒跡地精度優(yōu)于MODIS火燒跡地產品。

由此可見，NBR在國外已成為森林火災火燒跡地識別研究的一種常用遙感光譜指數，但國內對它在森林火災火燒跡地識別研究中的探討不多。本研究以2006年云南省安寧市“3·29”重大森林火災場景為火燒跡地識別規(guī)則試驗區(qū)，以2013年云南省大理市下關鎮(zhèn)和2015年云南省昆明市石林縣兩起森林火災場景為火燒跡地識別規(guī)則檢驗區(qū)，對基于森林火災前后不同Landsat遙感影像像對NBR的9條火燒跡地識別規(guī)則進行火燒跡地識別對比研究，以期獲得識別精度較高和適用性較好的火燒跡地識別規(guī)則，旨在為我國其他地區(qū)森林火災火燒跡地識別研究提供參考。

1 火災場景與研究數據

1.1 火災場景概況

場景一，2006年3月29日17:00，云南省安寧市溫泉鎮(zhèn)古朗箐林區(qū)(圖1)發(fā)生重大森林火災，過火面積1 849 hm2[16]。

場景二，2013年2月6日16:30，云南省大理州大理市下關鎮(zhèn)吊草村委會黃家村(圖1)因村民焚燒垃圾引發(fā)森林火災，至7日13:00過火面積約46 hm2[17-19]。

場景三，2015年3月2日04:39，云南省昆明市石林縣西街口鎮(zhèn)小尾都渣村(圖1)后山發(fā)生森林火災，明火于3月2日23:05撲滅，火場過火面積約100 hm2[20]。

1.2 研究數據

所用遙感影像均來自美國地質勘探局(United states geological survey，USGS)，數據產品級別為L1T，數據格式為Geotiff，各火災場景所用遙感影像基本為同一季節(jié)(表1-表3)。表1、表2和表3中距火災發(fā)生時間，正值表示影像成像時間在火災發(fā)生后，負值表示影像成像時間火災發(fā)生前。

2 研究方法

2.1 遙感影像預處理

USGS獲取的L1T級遙感數據已做過精確的幾何校正，但未做大氣校正。因此，遙感影像預處理階段需要對各遙感影像進行大氣校正。利用ENVI 5.3中的快速大氣校正方法對各影像進行大氣校正處理[21-23]。

圖1 火場場景位置

成像時間距火災發(fā)生時間/d2001年4月3日-18212002年4月6日-14532003年4月9日-10852004年3月10日-7492005年4月30日-3332006年5月19日512007年4月20日3872008年4月6日7392009年3月24日10912010年5月14日15072011年4月15日1843

注：衛(wèi)星與傳感器為Landsat5 TM，軌道號/行號為129/043，投影坐標為WGS-84 UTM 48N。

2.2 NBR和dNBR提取

根據NBR和dNBR的計算公式，在經過快速大氣校正處理的遙感影像基礎上提取NBR。在此基礎上，利用各火災場景火災發(fā)生前后的遙感影像像對提取dNBR。

表2 場景二遙感影像

注：軌道號/行號為131/042，投影坐標為WGS-84 UTM 47N。

表3 場景三遙感影像

注：衛(wèi)星與傳感器為Landsat8 OLI，軌道號/行號為129/043，投影坐標為WGS-84 UTM 48N。

NBR的取值范圍為-1.0～1.0，計算公式為[6]：

(1)

式中：NIR表示遙感影像中的近紅外波段，SWIR表示遙感影像中的短波紅外波段。

dNBR的取值范圍為-2.0～2.0，計算公式為[5,25-26]：

dNBR=NBRprefire-NBRpostfire

(2)

式中：NBRprefire表示火災前遙感影像的NBR值，NBRpostfire表示火災后遙感影像的NBR值。

圖2為各場景火災發(fā)生前后遙感影像像對提取的NBR和dNBR，從圖中可以看出森林火災過火區(qū)域與未過火區(qū)域呈現出明顯的不同，說明NBR和dNBR能夠很好地反映過火區(qū)域。

2.3 火燒跡地識別規(guī)則建立

C.H.Key[24]等從森林生態(tài)系統受森林火災干擾的角度，通過大量樣地實地調查得到用于森林火災火燒嚴重度級別劃分的NBR規(guī)則集。該NBR規(guī)則集已被USGS和美國農業(yè)部林業(yè)局(United states department of agriculture-forest service，USDA-FS)用于美國本土森林火災火燒嚴重度級別制圖。對該NBR規(guī)則集進行級別合并后，得到用于火燒跡地識別的基本規(guī)則(見表4)。

C.H.Key[24]等提出的NBR規(guī)則集由于受遙感影像像對的成像時間或成像季節(jié)的影響，各級別的NBR閥值會升高或降低，升高或降低的幅度在±0.01～0.1。據此，在表4基礎上建立了另外8條火燒跡地識別規(guī)則(表5)。為探討這9條規(guī)則的可用性和適用性，根據各起森林火災發(fā)生前后的遙感影像組成不同時間間隔的像對。

圖2 各火災場景森林火災發(fā)生前后遙感影像像對的NBR和dNBR

是否是火燒跡地dNBR值域否-0.500～0.099是0.100～1.300

2.4 火燒跡地識別精度評價

各火災跡地識別規(guī)則的識別精度計算公式如下：

識別出的火燒跡地面積<官方公布的面積時：

識別精度=(識別面積/官方公布面積)×100%

(3)

識別出的火燒跡地面積>官方公布的面積時：

識別精度 (4)

3 結果與分析

3.1 火燒跡地識別結果

火災場景一遙感影像每個像元對應的實地面積為0.09 hm2，災后官方實地調查火燒跡地面積為1 849 hm2[16]，對應遙感影像像元數為20 544個。表6中統計了場景一火災發(fā)生時最近的影像像對的NBR差值和各識別規(guī)則的識別精度，2005、2006年的dNBR。2005、2006年的dNBR各識別規(guī)則中，0.2～1.2識別數量為22 441個，接近于官方公布面積轉換的對應的像元數量，精度為90.77%。

表6 火災場景一2005年和2006年dNBR各識別規(guī)則識別像元數

3.2 火燒跡地識別結果時間變化

圖3顯示的是在不同成像時間間隔遙感影像像對基礎上，利用9條火燒跡地識別規(guī)則得到的火災場景一火燒跡地的識別結果。

表7統計了本研究建立的9條規(guī)則各自識別的像元數，對于安寧森林火災最佳的dNBR識別規(guī)則閥值為0.2～1.2，識別精度最高的為2001年和2006年的dNBR，識別數量為20 375個，精度為99.2%；圖3(a)(b)(c)中可看出，在識別規(guī)則最小值相同的情況下，3個圖中的識別像元數量曲線變化趨勢一致，(d)(e)(f)和(g)(h)(i)2組變化趨勢也一致，表明USGS和USDA-FS設置規(guī)則最大值1.3具有普適性。表1中統計了災前和災后影像與火災發(fā)生時間相隔時間，結合圖3和表7分析，在同一條識別規(guī)則下，越接近火災發(fā)生時的影像像對提取的dNBR值，識別為過火區(qū)域的像元數越多，但在2002年出現識別像元數大幅增加趨勢，這可能由于2002年植被長勢好，使得識別像元數大幅增加。通過查詢2000年以來的氣象統計數據[26]，2001年昆明年降水量最多，降水量為1 173 mm，植被長勢受到降水影響，因而到2002年長勢仍然較好。結合公式(1)(2)和植被的光譜特征分析，植被在近紅外波段呈現較高的反射，在短波紅外波段主要是水汽吸收帶，植被呈現較低的反射[27]，因此，在植被長勢好的年份內，被識別為過火區(qū)域的像元數較多。在2007年出現識別像元數大幅下降的趨勢，這可能由于火燒后地面長出的新植被較少，使得識別像元數大幅下降，且植被恢復與氣溫、空氣相對濕度、土壤類型、立地條件和植被類型等因素密切相關，通過查詢云南省2006年以來的氣象統計數據及相關文獻資料，2006年后云南出現歷史上罕見的旱災，降水量較歷史同期大幅下降，植被長勢變化小，2007-2009年識別像元數量趨于平穩(wěn)，與前人對云南干旱研究結果相呼應[28-32]。

圖3 火災場景一火燒跡地識別結果

年份規(guī)則閾值0～1.20.1～1.20.2～1.20～1.30.1～1.30.2～1.30～1.350.1～1.350.2～1.352001-20062769023727203752773523772204202773723774204222001-20072285216720121422285216720121422285216720121422001-20082370417229121652370417229121652370417229121652001-20092453317371114322453317371114322453317371114322001-20102218215921957222182159219572221821592195722001-20112176614384683921766143846839217661438468392002-20063123726740229153132326826230013132926832230072002-20072905021987154692905021987154692905021987154692002-20083030523340159453030523340159453030523340159452002-20093019923829158953019923829158953019923829158952002-20102870421062138212870421062138212870421062138212002-20112865320430112702865320430112702865320430112702003-20062943925005215292950425070215942950925075215992003-20072592119723140042592119723140042592119723140042003-20082837320100137142837320100137142837320100137142003-20092869620212133122869620212133122869620212133122003-20102606718129114252606718129114252606718129114252003-20112570516825886125705168258861257051682588612004-20062976026048226192992126209227802993226220227912004-20072742722205172322742722205172322742722205172322004-20082942823425167802942823425167802942823425167802004-20093008423552162433008423552162433008423552162432004-20102811321615147232811321615147232811321615147232004-20112840920272129282840920272129282840920272129282005-20063138226098224413144426160225033144726163225062005-20072818921740160522818921740160522818921740160522005-20083030323846154303030323846154303030323846154302005-20093079023819149753079023819149753079023819149752005-20102949920833125352949920833125352949920833125352005-2011295881937998422958819379984229588193799842

3.3 識別規(guī)則檢驗

識別規(guī)則識別精度及時序變化分別通過場景二和場景三的火燒跡地檢驗。

根據表8統計，大理下關2013年森林火災識別規(guī)則時序變化規(guī)律符合3.1中的結果。在識別面積上，官方未公布火災完全撲滅時的總過火面積，因此不能驗證識別面積的準確性。但在0.2～1.2閾值識別的像元數量上比其他閾值識別得少，接近于官方公布的該地區(qū)的過火面積數據。在識別規(guī)則閾值和識別像元數量上，不與2013年成像對的dNBR，在固定最小閾值的情況下，隨著最大閾值范圍的變化，識別像元數量不變，因此0～1.2、0～1.3、0～1.35可看作同一條識別規(guī)則，0.1～1.2、0.1～1.3、0.1～1.35合并為同一條識別規(guī)則，0.2～1.2、0.2～1.3、0.2～1.35也合并為同一條識別規(guī)則。

根據表9統計，石林2015年森林火災識別規(guī)則時序變化規(guī)律也同樣符合3.1中的結果。在識別面積上，官方也公布火災完全撲滅時的過火面積，因此不能驗證識別面積的準確性。但2014年與2015年的dNBR值用0.1～1.2閾值的規(guī)則識別，較接近于官方公布的100 hm2，應識別像元個數為1 111個，實際識別像元數為842個，精度為75.79%，說明0.2 ～ 1.2閾值識別規(guī)則不適用于石林2015年森林火災。2013年和2016年的dNBR在各條規(guī)則下識別像元數量大幅減少，由于2013年云南處于干旱時期，植被長勢差，2015年雖然旱情緩解，但2015年底云南出現寒潮，植被遭受凍害，到2016年植被長勢仍然較差，因此識別像元數量較少[33-34]。根據表6分析的結果，對于石林2015年森林火災來說，每個像對得到的dNBR在固定最小閾值的情況下，隨著最大閾值范圍的變化，識別像元數量也保持不變。

表8 火災場景二各識別規(guī)則識別像元數

表9 火災場景三各識別規(guī)則識別像元數

4 結論與討論

在識別規(guī)則中，閾值為0.2～1.2的規(guī)則適用于2006年安寧森林火災火燒跡地識別和過火面積估測，也能用于2013年大理下關的森林火災研究，不適用于石林2015年森林火災。

參考USGS和USDA-FS的dNBR閾值標準，在云南的森林火災研究中，需要根據實際情況進行調整，從而得到更準確的火燒跡地面積估測結果。

利用多時相Landsat影像逐年分析火燒跡地差值歸一化燃燒率能呈現一定規(guī)律，以火災發(fā)生的時間為基準，成像時間越接近發(fā)生火災時間像對的dNBR，用閾值規(guī)則識別為過火區(qū)域的像元數越多。

利用dNBR分析2006年安寧森林火災和2015年石林森林火災，識別的像元數量出現大幅變化，與氣溫、降水量、植被長勢等因素相關，植被長勢越好識別的像元數越多。

在固定識別規(guī)則閾值最小范圍情況下，隨著最大閾值范圍的增加，識別像元數量變化較小。

歸一化燃燒率用于識別火燒跡地和估算火燒跡地面積的普適性較高，有明顯的時序性和易獲取性，可對火燒跡地植被恢復監(jiān)測起到輔助作用，在使用時需要根據實際情況分析，使用合適的識別規(guī)則進行研究。NBR和dNBR在遙感影像上能增強顯示火燒區(qū)域，結合Landsat系列影像在長時間序列和中等空間范圍內研究火燒跡地植被恢復情況是一種重要手段。

本研究中未參考森林資源二類調查數據和數字高程模型，后續(xù)研究中，在數據方面可用高分辨率和高光譜影像，結合二類調查數據和海拔、坡度、坡向等地形因子進行不同林分火燒嚴重程度、林火烈度和時間序列變化研究；在遙感影像分析方面可用植被指數和其他燃燒指數，與NBR、dNBR結合，使得火燒跡地識別精度更高，估算過火面積更準確。

[1] 孫玉榮,張貴.基于神經網絡的森林火災危害程度預測研究[J].西北林學院學報,2010,25(3):147-150.

SUN Y R,ZHANG G.Forecasting study of forest-fire harm degree based on neural network[J].Journal of Northwest Forestry University,2010,25(3):147-150.(in Chinese)

[2] 馬勝利.基于3S技術的森林防火輔助決策系統研建[J].西北林學院學報,2010,25(5):112-116.

MA S L.Establishment of forest fire prevention assistant decision-making system based on 3S technique[J].Journal of Northwest Forestry University,2010,25(5):112-116.(in Chinese)

[3] 李建,陳曉玲,陸建忠,等.森林火災遙感監(jiān)測方法適用性研究[J].華中師范大學學報:自然科學版,2011,45(3):485-489.(in Chinese)

LI J,CHEN X L,LU J Z,etal.Study on applicability of forest fire detecting algorithms by remote sensing[J].Journal of Central China Normal University:Natural Sciences,2011,45(3):485-489.(in Chinese)

[4] 肖化順,劉小永,曾思齊.歐美國家林火研究現狀與展望[J].西北林學院學報,2012,27(2):131-136.

XIAO H S,LIU X Y,ZENG S Q.Status and prospect of forest fire research in Europe and the united states[J].Journal of Northwest Forestry University,2012,27(2):131-136.(in Chinese)

[5] 吳立葉,沈潤平,李鑫慧,等.不同遙感指數提取林火跡地研究[J].遙感技術與應用,2014,29(4):567-574.

WU L Y,SHEN R P,LI X H,etal.Evaluating different remote sensing indexes for forest burn scars extraction[J].Remote Sensing Technology and Application,2014,29(4):567-574.(in Chinese)

[7] 孔博,張樹清,張柏,等.扎龍濕地火燒嚴重度分析及火災對丹頂鶴生境的影響[J].濕地科學,2007,5(4):348-355.

KONG B,ZHANG S Q,ZHANG B,etal.Analysis of burn severity of wetlands in Zhalong nature reserve and impact of fire on red crowned crane habitat[J].Wetland Science,2007,5(4):348-355.(in Chinese)

[8] HARRIS S,VERAVERBEKE S,HOOK S.Evaluating spectral indices for assessing fire severity in chaparral ecosystems (southern California) using MODIS/ASTER (MASTER) airborne simulator data[J].Remote Sensing,2011(3):2403-2419.

[9] 雷成亮.大興安嶺森林火烈度遙感估測方法研究[D].哈爾濱:東北林業(yè)大學,2012.

[10] 王曉莉,王文娟,常禹,等.基于NBR指數分析大興安嶺呼中森林過火區(qū)的林火烈度[J].應用生態(tài)學報,2013,24(4):967-974.

WANG X L,WANG W J,CHANG Y,etal.Fire severity of burnt area in Huzhong forest region of great Xing'an mountains,northeast China based on normalized burn ratio analysis[J].Chinese Journal of Applied Ecology,2013,24(4):967-974.(in Chinese)

[11] 余超,陳良富,李莘莘,等.基于多源衛(wèi)星多光譜遙感數據的過火面積估算研究[J].光譜學與光譜分析,2015(3):739-745.

YU C,CHEN L F,LI S S,etal.Estimating biomass burned areas from multispectral dataset detected by multiple-satellite[J].Spectroscopy and Spectral Analysis,2015(3):739-745.(in Chinese)

[12] STAMBAUGH M C,HAMMER L D,GODFREY R.Performance of burn-severity metrics and classification in oak woodlands and grasslands[J].Remote Sensing,2015,7:10501-10522.

[13] BALOLOY A B,BLANCO A C,GANA B S,etal.Landsat-based detection and severity analysis of burned sugarcane plots in Tarlac,Philippines using differenced normalized burn ratio (dNBR)[C]//International Conference on Geomatic and Geospatial Technology(GGT).ISPRS:Kuala Lumpur,Malaysia,2016:173-179.

[14] 何陽,楊進,馬勇,等.基于Landsat-8陸地衛(wèi)星數據的火點檢測方法[J].紅外與毫米波學報,2016,35(5):600-608.

HE Y,YANG J,MA Y,etal.A method for fire detection using Landsat 8 data[J].Journal of Infrared and Millimeter Waves,2016,35(5):600-608.(in Chinese)

[15] 肖瀟,馮險峰,孫慶齡.利用MODIS影像提取火燒跡地方法的研究[J].地球信息科學學報,2016,18(11):1529-1536.

XIAO X,FENG X F,SUN Q L.Burned area detection in the ecosystem transition zone using MODIS data[J].Journal of Geo-Information Science,2016,18(11):1529-1536.(in Chinese)

[16] 段穎,周汝良,劉智軍.基于CBERS遙感數據的云南安寧“3.29”火災面積評估[J].云南地理環(huán)境研究,2009(1):89-92.

DUAN Y,ZHOU R L,LIU Z J.Disaster area estimation for forest-fire on 29 march in Anning Yunnan using remotely sensed data from CBERS[J].Yunnan Geographic Environment Research,2009(1):89-92.

[17] 中國森林防火網.云南省大理市2月6日16時發(fā)生森林火災[EB/OL].(2013-02-07)[2017-06-11].http://www.slfh.gov.cn/slfhw/Item/12619.aspx.

[18] 中國森林防火網.云南省迪慶州森林火災已撲滅[EB/OL].(2013-02-09) [2017-06-11].http://www.slfh.gov.cn/slfhw/Item/12638.aspx.

[19] 中國森林防火網.云南省大理市森林火災已撲滅[EB/OL].(2013-02-09) [2017-06-11].http://www.slfh.gov.cn/slfhw/Item/12639.aspx.

[20] 中國森林防火網.云南省昆明市石林縣和大理州大理市森林火災已撲滅[EB/OL].(2015-03-03) [2017-06-11].http://www.slfh.gov.cn/slfhw/Item/20150.aspx.

[21] 鄧書斌.ENVI遙感圖像處理方法[M].北京:科學出版社,2010:290-312.

[22] What's New in ENVI 5.3[EB/OL].(2016-05-05) [2017-06-11].http://www.harrisgeospatial.com/ Support/ProductsUpdateDetails/TabId /1997/ArtMID/7326/ArticleID/14615/Whats-New-in-ENVI-53.aspx.

[23] BERNSTEIN L S,JIN X,BRIAN G,etal.Quick atmospheric correction code:algorithm description and recent upgrades[J].Optical Engineering,2012,51(11):1371-1379.

[24] KEY C H,BENSON N C.Landscape assessment (LA) sampling and analysis methods[M].FIREMON:Fire Effects Monitoring and Inventory System,2005.

[25] Burn Indices Tutorial[EB/OL].(2017-6-11).http://www.harrisgeospatial.com/docs/BurnIndicesTutorial.html#Burn

[26] 中華人民共和國國家統計局.中國統計年鑒[J/OL]. [2017-06-11].http://www.stats.gov.cn/tjsj/ndsj/

[27] 孫永華,宮輝力.基于高光譜的濕地植被定量遙感研究:以洪河自然保護區(qū)為例[M].北京:中國環(huán)境出版社,2015:29-31.

[28] 苗慶林,田曉瑞,趙鳳君.大興安嶺不同植被火后NDVI恢復過程[J].林業(yè)科學,2015,51 (2):90-98.

MIAO Q L,TIAN X R,ZHAO F J.NDVIrecovery process for post-fire vegetation in Daxing'anling[J].Scientia Silvae Sinicae,2015,51 (2):90-98.(in Chinese)

[29] 黃慧君.2006年云南省盛夏高溫干旱成因分析[J].云南地理環(huán)境研究,2009,21(4):83-86.

[30] 何云玲,魯枝海.近60年昆明市氣候變化特征分析[J].地理科學,2012,32(9):1119-1124.

HE Y L,LU Z H.Climate change trends and characteristics of Kunming in recent 60 years[J].Scientia Geographica Sinica,2012,32(9):1119-1124.(in Chinese)

[31] 管宇,顧光同,黃龍生.近60年昆明降水量特征分析[J].生物數學學報,2013(2):350-354.

GUAN Y,GU G T,HUANG L S.Characteristics analysis on Kunming rainfall nearly 60 years[J].Journal of Biomathematics,2013(2):350-354.(in Chinese)

[32] 張劉東,郭萍,龔愛民,等.昆明市近60年ET0及氣候干旱趨勢分析[J].灌溉排水學報,2013 ,32 (6) :125-127.

ZHANG L D,GUO P,GONG A M,etal.Trend analysis on ET0 and climate drought of Kunming City in recent 60 years[J].Journal of Irrigation and Drainage,2013 ,32 (6) :125-127.(in Chinese)

[33] 魏康洪,陳曉平,熊升念,等.2000年以來昆明地區(qū)降水變化特征分析[J].現代農業(yè)科技,2016(7):240-241.

WEI K H,CHEN X P,XIONG S N,etal.Analysis of precipitation change characteristics in Kunming area since 2000[J].Modern Agricultural Science and Technology,2016(7):240-241.(in Chinese)

[34] 王純枝,錢拴,譚方穎,等.2015/2016年冬季氣候對農業(yè)生產的影響[J].中國農業(yè)氣象,2016,37(2):255-257.