黑龙江省近五十年来气候变化规律及其影响机制.docVIP

气温降水序列时空分布及其相关性分析 李亚滨 （黑龙江省气象中心 黑龙江 哈尔滨 150030） 摘要： 本文利用统计模型、线性拟合和相关分析方法，对气温、降水资料的时空分布和相互间的相关性进行了计算，分析了黑龙江省气候特点。结果表明，黑龙江省气温持续显著升高，主要是最低气温和冬季气温显著升高影响；气温、降水在空间上存在正、负相关区域。 关键词： 时间序列 统计分析 气候变化 1引言 80年代以来，世界异常气候事件增多，气候变化引起了广泛关注，世界各国和各地区都加强了对气候变化的研究[1]。加强对黑龙江省气候变化基本规律的研究，预测未来气候变化趋势，有着极其重要的意义[2]。 分析气象要素时间序列的时间、空间分布和演变，对了解黑龙江省气候变化规律十分重要。绝大多数大气现象之间并不存在确定性关系，但可以应用概率统计方法去分析它们之间的统计规律性[3]。 2资料来源和分析方法 本文采用全省15个站气温资料和38个台站的降水资料。其中，气温的时间序列为1954年－2004年,共51年；降水时间序列为1956年－2004年,共49年。采用方差分析方法、相关分析方法、一元线性拟合分析方法、R2最大增量方法。其中方差分析方法是利用分组计算各组间方差显著性来分析时间序列的周期，利用叠加外推方法统计分析, 进行预测；相关分析方法分析了要素间的相关性并进行显著度检验。为保证计算准确，对数据进行了标准化处理。 如果随机序列不仅含有指数衰减或增长趋势，而且还呈现出某种规律的周期性起伏，可使用ARIMA模型分析方法。可用如下形式的组合模型去拟合序列： （1） 其中{yt}是ARIMA(n,m)序列，L为序列所含有的指数趋势项的项数，K是周期趋势项的项数，(为基频，由数据的物理性质决定，单位为弧度／秒，Bj和rj分别表示周期趋势的振幅和相位，ebjt控制周期振荡的增长或衰减趋势。由于在式（1）中，描述周期趋势所用的正弦函数是对称的，但气象领域中，周期并不是对称的，对式(1)进行了改进，即将式(1)改写为如下形式： (2) 式(2)中的||·||表示时间t除以周期长度s的小数部分，0(||t/s||(1，d为指数。显然，当d等于1时，式(2)和式(1)是等价的；当d小于1时，式(2)表达的周期趋势为上升较下降快；但当d大于1时，式(2)表达的周期趋势为上升较下降慢。 组合模型建模的具体步骤为：首先拟合线性或指数趋势，然后逐个地增添周期趋势项，最后对残差序列{yt}建立ARIMA模型。各个分模型的参数都估计出来，再以它们作为初值，对整个组合模型（2）统一进行参数估计。 3气温时间序列分析 3.1年平均气温的空间分布 根据一元线性拟合分析方法计算出了全省平均气温倾向率（图1），近50a来各地气温普遍升高2℃左右。其中大兴安岭南部、黑河大部、哈尔滨西部、牡丹江等地的年平均气温升幅在2℃以上，哈尔滨东部、佳木斯东部及双鸭山等地的年平均气温升幅在1.5℃左右。 图1 黑龙江省年平均气温倾向率分布图（单位：℃/a） 3．2年均气温时间序列周期分析 根据方差外推方法计算年均气温的周期[3]，结果表明4个样本为一个周期, 方差分析结果: F值为1.9007, 置信度为0.85728。利用周期-ARIMA模型计算周期结果可以看出，模式检验出该时间序列有上升趋势，并计算出趋势曲线方程的相关系数为0.6486。计算残差序列的自相关函数，自相关函数有明显的周期性（在4、8处出现高峰），因此有理由提取以4a为长度的周期。计算4a周期拟合时，相关系数为0.6933。因此，黑龙江省年平均气温存在显著的4年周期。 3．3影响年均气温的主要成分 3.3.1年均气温与四季气温的相关分析 利用R2最大增量方法，计算全省年均气温与各季气温最优拟合关系（表1）。首先计算得出冬季气温为年均气温最优因子，其次为春季气温，再次为秋季，最后为夏季。年气温与各季气温有较好的相关关系，相关检验均为异常显著。年均气温与冬季和春季的气温相关最好，相关系数分别达到0.84506和0.77534。结果表明，影响黑龙江省年均气温变化主要是冬季和春季气温变化引起的。 表1 R2最大增量法模式计算各季气温拟合年均气温步骤 步骤 季节 ProbF 相关系数 第一步 冬季 0．001 0.84506. 第二步 春季 0．001 0.77534 第三步 秋季 0．001 0.49886 第四步 夏季 0．001 0.32239 3.3.2 年均气温与最高最低气温间的关系 年平均气温、最低气温和最高气温进行分析结果（图2）表明，最低气温上升幅度为2.8℃，最高气温上升幅度为1.4℃，而平均气温上升幅度为2.0℃。因此，黑龙江省气温上升的一个原因是最低气温升幅较大。 图2 年平均气温、最