中国近30年气候要素时空变化特征

      文章编号：1000-0585(2009)06-1593-13

      修订日期：2009-08-15

      1 引言

      近百年来，全球经历了一次以气候变暖为主要标志的显著变化，这种变化对全球生态系统和各国的社会经济都产生了巨大的影响，也给人类的生存和发展带来了挑战。研究表明，我国的气候变化趋势与全球气候变化的总趋势基本一致[1，2]，气候变暖成为未来气候变化的主要趋势。在全球变暖的背景下，气候变化研究有利于我国宏观社会经济政策的制订和“环境外交”活动的有效开展；同时，有利于把握气候变化的整体趋势，合理地开展各项生产活动，并采取相应的措施保障生态系统的正常运转。

      近年来，各国学者对气候变化情况进行了大量研究[3～10]。归纳起来，目前对气候变化的研究大致可以分为两大类：一类是对历史及当前气候变化趋势及其形成原因的分析，分国家尺度和区域尺度，有定性研究方法和定量研究方法，其中区域尺度的研究经常会对一些新方法进行尝试和探索；另一类是对未来气候变化的情况进行预测。

      在新方法的尝试上，有些研究者采用了在图像处理、模式识别、信号处理和智能控制等方面都有出色表现的人工神经网络方法，如SNELL通过与传统统计方法对比，指出了人工神经网络在GCM模型到RCM模型的数据转换中的重要应用[11]；Cannon在人工神经网络和相似性模型分析的基础上，得到一种气候研究中降尺度分析的新方法[12]。Antonic等使用神经网络模型取代插值中常用的克里格模型，对地形差异显著的大尺度区域上气候要素的时空变化进行了分析[13]。胡江林等利用湖北省10个代表站点41年2～4月和6～8月的月降水量数据，使用人工神经网络方法建立气候预测模型，对人工神经网络在降水预测上的应用进行了探索[14]；金龙等应用模块化模糊神经网络方法进行了一种新的数值预报产品的释用预报研究，并与常规方法进行了比较[15]；马学款等采用动态学习率BP网络建模，利用2003年11月～2005年10月西藏自治区32个站点的气象资料，进行了1～7天逐日最高、最低温度的模拟预测[16]。目前国内气象科学领域对于人工神经网络的应用多集中于预测建模方面，但是，随着全球气候变化相关研究的广泛开展，随着人们对区域气候变化特点的普遍关注，对不同区域气候变化特点的研究及对气候变化趋势相似区域的归并研究成为气象科学研究中新的增长点。本文尝试使用新的分类方法——自组织特征映射网络(self-organizing feature map，SOFM)，对近30年中国气候变化趋势进行分析，区分中国不同区域气候的时空变化特征，以期丰富区域气候变化研究的方法和案例。

      2 资料与方法

      2.1 数据资料

      本文所使用的气候数据来自于中国气候中心，原始数据为1971-2000年中国740个气象站点30年逐日的平均气温和降水量数据。为了更加科学合理地考察气候的变化情况，经过数据的前期处理，剔除建站时间晚于1971年、期间有过迁移和缺侧数据较多的站点，最终选取了603个站点30年逐日的平均气温和降水量数据进行统计分析。为计算气温和降水变化倾向率的需要，在Matlab7.6(MathWorks Inc.1984-2008)中编写程序，将数据粗粒化为逐月数据。

      2.2 研究方法

      2.2.1 气候变化倾向率 以时间t为自变量，气候要素(温度和降水)为因变量，作一元线性回归，回归模型如(1)式所示：

      y＝a+bt(1)

      其中斜率，代表气候要素随时间的变化趋势，将b×10称为气候变化倾向率[17，18]，单位为℃/10a或者mm/10a。气候变化倾向率大于0，说明在统计的时间段内，所考察的气候要素呈增长趋势，反之，呈下降趋势。气候变化倾向率的绝对值表征变化的幅度。

      本文分别以各个站点的年(或季节)平均气温和降水量为因变量，计算不同时间段的气温倾向率和降水倾向率，并对结果进行了显著性检验，检验通过。

      2.2.2 空间克里格插值 克里格(Kriging)插值又称空间局部插值法，是以变异函数理论和结构分析为基础，在有限区域内对区域化变量进行无偏最优估计的一种方法，是地统计学的主要内容之一。克里格插值法是根据未知样点有限邻域内若干已知样本点数据，在考虑了样本点的形状、大小和空间方位，与未知样点的相互空间位置关系，以及变异函数提供的结构信息之后，对未知样点进行的一种线形无偏最优估计[19]。

      将计算统计得到的各个气象站点年(或季节)平均温度和降水倾向率转换成dbf数据格式，导入到ArcGIS9.2(ESRI Inc.)中，根据每个站点的经纬度坐标建立点图层，定义地理坐标和投影坐标。利用普通克里格插值法获取未知样点的数据，设定数据的空间分辨率为1km×1km。采用交叉验证(cross-validation)的检验方法对插值结果进行检验，标准平均值、均方根预测误差、平均标准误差及标准均方根预测误差值均通过检验，得到1971-2000年全国年(或季节)平均温度和年(或季节)降水量变化情况的空间格局。