-
气候变化是目前国际社会高度关注的问题,它与人类的生产和生活息息相关。IPCC第五次评估报告指出主要经济部门和服务受到气候变化的影响巨大[1]。一方面气候变化可能会对区域内的经济和服务造成诸多负面影响,另一方面气候变化也是一种可利用的资源,可以促进区域内的生产生活。
在已有的研究中,学者们从不同区域尺度,通过多种方法研究分析各种气候要素的变化趋势、突变情况以及变化周期等。研究区域尺度上,魏凤英等[2]研究了中国、北半球和全球气温历史序列的突变现象,发现中国、北半球和全球的气温变化趋势基本相同;韩翠华等[3]依据年、夏半年气温变化特征将全国划分成8个不同的区域,并且通过变化趋势分析发现1951—2010年间,我国各区域气温均呈上升趋势;周伟东等[4]探讨了中国东部3个气候带冬季气温和降水的变化特征及与大气环流和海温的关系;冯新灵等[5]对成都的平均值气温、极端气温值及降水累积值进行了计算分析,预测出今后成都将继续变暖,降水量将继续减少。在研究方法上,孙娴等[6]用经验模态分解 (EMD) 方法对中国的月平均气温进行分析;郝振纯等[7]采用M-K法检验了1961—2009年我国全年和四季气温空间和时间变化规律,发现该时段我国地面观测温度普遍升高;李双双等[8]采用趋势分析、M-K检验和相关分析等气候诊断方法,分析了秦岭—淮河南北极端降水时空变化特征,并且探讨了极端降水变化与ENSO事件的关系;林培松[9]等利用一元线性回归和数理统计方法对海南岛西部气温和降水两要素的变化特征进行分析,并根据冷暖波动将海南岛西部气候划分成两个冷期和两个暖期;赵晶等[10]运用R/S分析法分析了兰州市未来的气候变化倾向;赵嘉阳[11]等应用线性回归和R/S分析法分析了龙岩市的气温和降水变化趋势。
R/S分析法和线性回归的研究方式,在区域气候要素变化分析上取得了一定的成功[12-14]。南充作为川东北的重要城市之一,降水量季节分布不均,干旱年发生频率达48%以上,灾害性天气(如秋绵雨、旱干、洪涝等)频率较大且持续时间较长,对其进行气候要素变化分析,不但能预测其未来气候变化趋势,还能更好地利用南充的气候资源,促进区域内生产生活。现有的研究方式大都选取气温、降水和日照等气候要素进行分析[15-17]。鉴于此,本文选取南充市1970—2019年间的南充市地面50年的气候观测数据作为研究对象,利用R/S分析法和线性回归方式,从年均和不同季节分别进行气温、降水和日照时数的实验和结果分析。利用最新的长期数据,不但能够体现南充市最近的气候变化趋势,也能保证利用R/S分析法和线性回归方式得到实验结果的准确和有效性。
-
数据来源于国家气象科学数据中心(http://www.cma.gov.cn),选取1970—2019年间,四川省南充市气温,降水和日照三项气候要素数据。
-
线性回归是研究气候要素具体数量关系的一种常用方法,其能通过线性的方式,反应气候要素的趋势变化,建立气候要素的数学模型[18-19],如公式(1)所示。
$$ y = ax + b $$ (1) 其中x,y分别为地理要素中的因变量与自变量(如不同年份对应不同的年平均温度),a,b为待定参数,利用最小二乘法可以拟合出最佳的a,b值。对于拟合出的a值(既斜率),当a>0时,表明气候要素未来处于增长趋势,当a=0时,表明气候要素未来趋于不变,当a<0时,表明气候要素未来处于下降趋势。
-
R/S分析法是由水文学家Hurst提出的一种研究时间序列的方法,后由Mandelbrot等人改良,现广泛应用于经济,地理等学科的数据分析中[20]。其主要原理为:假设有一时间序列
$\{L(t)\}$ ,$t=1, 2, 3,\cdots,n$ ,对于任意正整数β,其均值序列可求得为:$$ < L{ > _\beta } = \frac{1}{\beta }\sum\limits_{t = 1}^\beta {L(t),\beta = 1,2,3,\cdots,n} $$ (2) 其累计离差可求得为:
$$ X(t,\beta) = \sum\limits_{\beta = 1}^\beta {[L(x) - < L{ > _\beta }]} $$ (3) 其极差可求得为:
$$\begin{aligned} R(\beta )&={\rm{max}}X(t,\beta )-\mathrm{min}X(t,\beta )\text{,}\\ \beta &=1,2,3,\cdots,n\text{,}1\leqslant t\leqslant \beta \end{aligned}$$ (4) 其标准差可求得为:
$$ S(\beta ) = \sqrt {\left[\frac{1}{\beta }\sum\limits_{\beta = 1}^\beta {{{\left[L(t) - < L{ > _\beta }\right]}^2}} \right]} ,\beta = 1,2,3,\cdots,n $$ (5) 将得到的极差,标准差与β一同带入(ln(β),ln(R/S))组成的直角坐标系中,通过线性回归的方式,可以在这个坐标系中拟合出相应的直线,这条拟合出的直线的斜率既为Hurst指数值。通过分析Hurst指数值的大小,可以判断这个时间序列是完全随机的,还是存在某种趋势变化,判断依据如表1所示:
表 1 Hurst指数值强度分级表
Table 1. Classification table of Hurst index value
等级 Hurst指数值域 持续性强度 等级 Hurst指数值域 持续性强度 1 0.50<H≦0.55 很弱 −1 0.45≦H<0.50 很弱 2 0.55<H≦0.65 较弱 −2 0.35≦H<0.45 较弱 3 0.65<H≦0.75 较强 −3 0.25≦H<0.35 较强 4 0.75<H≦0.80 强 −4 0.20≦H<0.25 强 5 0.80<H<1.00 很强 −5 0.00<H<0.20 很强 如果得到的Hurst指数值H=0.5,表明该气候要素的时间序列是完全独立的,过去与将来的变化不存在相关性;如果0.5<H<1,表明该气候要素的时间序列具有持续性,与过去的变化趋势相同;如果0<H<0.5,表明该气候要素的时间序列具有反向持续性,与过去的变化趋势相反。
Analysis on Main Climate Elements Changes in Nanchong City in the Past 50 Years
More Information-
摘要: 为了更好地利用南充市气候资源,预测南充市未来的气候变化趋势,促进区域内的生产生活。利用1970—2019年南充市地面气象观测数据,选取气温,降水,日照3个气候要素,通过使用线性回归和R/S分析法,分析南充市近50年来年际和四季的气候变化特征,预测南充市未来年际和四季的气候变化趋势。研究结果表明,1970—2019年间,年平均气温和四季平均气温总体呈上升趋势;年日照时数和夏、秋季日照时数总体呈下降趋势,而春季与冬季日照时数呈上升趋势;降水量除秋季呈下降趋势,其余均呈上升趋势。南充市未来的年平均气温和四季平均气温呈下降趋势;年日照时数和春、秋、冬季日照时数呈下降趋势,夏季日照时数呈上升趋势;年降水量和春、秋、冬季降水量呈下降趋势,夏季降水量呈上升趋势。Abstract: In order to make better use of the climate resources in Nanchong city, forecast the future climate change trend in Nanchong city, and promote the production and life in the region. Based on the ground meteorological observation data of Nanchong city from 1970—2019, three climate elements: temperature, precipitation and sunshine, were selected. By using the linear regression method and R/S analysis method, the characteristics of inter-annual and four-season climate change in Nanchong city over the past 50 years were analyzed, and the future inter-annual and four-season climate change trends in Nanchong city were predicted. The results showed that, from 1970—2019, the annual average temperature and the four-season average temperature showed an overall upward trend; the annual, summer and autumn sunshine hours showed an downward trend, and the spring and winter sunshine hours showed an upward trend; precipitation showed an downward trend in autumn, and the rest showed an upward trend. In the future, the annual average temperature and four-season average temperature in Nanchong city will show a downward trend; the sunshine hours in Nanchong city for the annual, spring, autumn and winter will show a downward trend, and the sunshine hours in summer will show an upward trend; the annual, spring, autumn and winter precipitation will show a downward trend, and the summer precipitation will show a upward trend.
-
Key words:
- Nanchong city;
- R/S analysis;
- Change trend;
- Climate elements;
- Linear regression
-
表 1 Hurst指数值强度分级表
Tab. 1 Classification table of Hurst index value
等级 Hurst指数值域 持续性强度 等级 Hurst指数值域 持续性强度 1 0.50<H≦0.55 很弱 −1 0.45≦H<0.50 很弱 2 0.55<H≦0.65 较弱 −2 0.35≦H<0.45 较弱 3 0.65<H≦0.75 较强 −3 0.25≦H<0.35 较强 4 0.75<H≦0.80 强 −4 0.20≦H<0.25 强 5 0.80<H<1.00 很强 −5 0.00<H<0.20 很强 -
[1] 张晓华,高云,祁悦. IPCC第五次评估报告第二工作组报告的主要结论对2015协议谈判的影响分析[J]. 气候变化研究进展,2014,10(3):175−175. [2] 魏凤英,曹鸿兴. 中国、北半球和全球的气温突变分析及其趋势预测研究[J]. 大气科学,1995(2):140−148. doi: 10.3878/j.issn.1006-9895.1995.02.02 [3] 韩翠华,郝志新,郑景云. 1951-2010年中国气温变化分区及其区域特征[J]. 地理科学进展,2013,32(6):887−896. doi: 10.11820/dlkxjz.2013.06.005 [4] 周伟东,史军,穆海振. 中国东部冬季气温和降水的气候变化特征分析[J]. 资源科学,2010,32(6):1088−1096. [5] 冯新灵,罗隆诚,邱丽丽. 成都未来气候变化趋势的R/S分析[J]. 长江流域资源与环境,2008(1):83−87. doi: 10.3969/j.issn.1004-8227.2008.01.016 [6] 孙娴,林振山. 经验模态分解下中国气温变化趋势的区域特征[J]. 地理学报,2007(11):1132−1141. doi: 10.3321/j.issn:0375-5444.2007.11.002 [7] 郝振纯,孙乐强. 我国1961—2009年气温变化规律分析[J]. 河海大学学报(自然科学版),2011,39(6):595−601. doi: 10.3876/j.issn.1000-1980.2011.06.001 [8] 李双双,杨赛霓,刘宪锋. 1960-2013年秦岭—淮河南北极端降水时空变化特征及其影响因素[J]. 地理科学进展,2015,34(3):354−363. doi: 10.11820/dlkxjz.2015.03.010 [9] 林培松,李森,李保生. 近50年来海南岛西部气候变化初步研究[J]. 气象,2005,31(2):5. doi: 10.3969/j.issn.1000-0526.2005.02.012 [10] 赵晶,王乃昂. 近50年来兰州城市气候变化的R/S分析[J]. 干旱区地理,2002,25(1):6. doi: 10.3321/j.issn:1000-6060.2002.01.018 [11] 赵嘉阳,郭福涛,王文辉,等. 龙岩市1960—2013年气候变化特征及未来趋势分析[J]. 福建农林大学学报:自然科学版,2017,46(1):8. [12] 刘濛濛,隆永兰. 巴音布鲁克近58a气候变化特征分析[J]. 干旱区地理,2019,42(4):715−723. [13] 康淑媛,张勃,郭玉刚,等. 1959年至2008年石羊河流域日照时数时空变化特征[J]. 资源科学,2011,33(3):483−488. [14] 冯新灵,罗隆诚,冯自立. 中国近50年降水变化趋势及突变的Hurst指数试验[J]. 干旱区地理,2009(6):49−56. [15] 罗隆诚,冯新灵,刘鹏,等. 近50年来南充气候变化的R/S分析[J]. 安徽农业科学,2007(13):3928−3929. doi: 10.3969/j.issn.0517-6611.2007.13.088 [16] 刘小艳,宁海文,杜继稳,等. 近56年来西安市气温突变与致灾效应[J]. 干旱区资源与环境,2009,23(11):94−99. doi: 10.13448/j.cnki.jalre.2009.11.006 [17] 孙瑞,吴志祥,陈帮乾,等. 近55年海南岛气候要素时空分布与变化趋势[J]. 气象研究与应用,2016,37(2):1−7+122. doi: 10.3969/j.issn.1673-8411.2016.02.001 [18] 徐建华. 现代地理学中的数学方法[M]. 高等教育出版社, 2002. [19] 徐建华. 计量地理学[M]. 高等教育出版社, 2006. [20] Mandelbrot B. Statistical methodology for nonperiodic cycles: from the covariance to R/S analysis[M]//Annals of Economic and Social Measurement, Volume 1, Number 3. NBER, 1972: 259-290. [21] 邱杏琳. 1981年世界的异常气候[J]. 世界农业,1982(5):4. [22] 吴国雄,卢莹. 时变涡动输送和阻高形成──1980年夏中国的持续异常天气[J]. 气象学报,1994,52(3):13. [23] 李小泉. 对一九八零年我国汛期天气异常及其长期预报问题分析讨论的小结[J]. 陕西气象,1981(9):16−22. [24] 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):9. doi: 10.11676/qxxb2004.023 [25] 赵东,罗勇,高歌,等. 1961年至2007年中国日照的演变及其关键气候特征[J]. 资源科学,2010(4):11. [26] Zhou L, Dickinson R E, Tian Y, et al. Evidence for a significant urbanization effect on climate in China[J]. Proceedings of the National Academy of Sciences, 2004, 101(26): 9540−9544. doi: 10.1073/pnas.0400357101 [27] Mandelbrot BB, Wallis J R. Some long-run properties of geophysical records[J]. Water resources research, 1969, 5(2): 321−340. doi: 10.1029/WR005i002p00321 [28] Wold S, Ruhe A, Wold H, et al. The collinearity problem in linear regression. The partial least squares (PLS) approach to generalized inverses[J]. SIAM Journal on Scientific and Statistical Computing, 1984, 5(3): 735−743. doi: 10.1137/0905052