中国石油大学(北京)地球物理学院物探系,北京, 102249
摘要:近年来,气候变化对人类的生产生活产生了显著的影响,例如全球变暖、大气污染等问题日益成为人们关注的焦点。针对气候变化的研究可以帮助人们有效分析预测未来气候发展趋势,进而采取有效措施适应气候的变化。本文基于山东省黄岛区气候变化趋势情况,通过建立主成分分析模型分析气候变化的可能原因,并依据分析结果对黄岛区未来的发展规划提供建议。
关键词:气候变化;气候预测;多项式拟合;主成分分析
1 引言
随着社会生产力水平的不断提高和科学技术的不断进步,人类活动在开发环境、利用环境创造和丰富物质文明的同时,也对自然环境产生了较大的影响。根据联合国政府间气候变化专门委员会(Intergovernmental Panel on Climate Change,IPCC)的研究,全球气候面临着大气和海洋升温,雪量和冰量下降,海平面上升等问题,关于气候变化的深入研究将关系到人类健康、粮食安全、环境质量等多个方面。
山东黄岛区地处北温带季风区域内,暖温带半湿润大陆性气候,空气湿润,雨量充沛,温度适中,四季分明,有明显的海洋气候特点,具有春寒、夏凉、秋爽、冬暖的气候特征,是天然的避暑胜地。城市的建设发展涉及到农业、工业等重要行业,牵涉到粮食、健康、安全等核心问题,而这些都离不开对城市气候变化的深入研究。基于现实的需求,本文通过数据统计和模型预测分析了山东省黄岛区气候变化趋势情况,总结了该区气候变化的可能原因,进而对该区的建设发展给出相应的建议。
2 气候变化趋势模型建立
2.1 数据处理
本文采用美国气候数据中心所提供的1956年8月20日至2013年4月20日的常规观测数据对黄岛区当地的气候变化做出分析。
2.2 模型的建立与求解
为了深入分析各种影响因素的变化特征,以此来阐明气候变化趋势和气候异常等状况,本模型选取了影响气候的主要因素,包括有:气温(含平均、最高和最低气温)、露点、海平面处气压、风速(含平均和最大风速)、降雨量等。
基于上述因素建立了四阶多项式拟合模型,得出的多项式拟合曲线表达式(表1):
表 1 四阶多项式拟合表达式
影响因素 | 拟合多项式表达式 |
平均气温 |
|
最高气温 |
|
最低气温 |
|
露点 |
|
能见度 |
|
海平面处气压 |
|
降雨量 |
|
最大风速 |
|
平均风速 |
|
2.3 结果分析
基于建立的模型绘制拟合曲线(图1),从图中我们可以看出,该区平均气温和最高气温总体上呈现出上升趋势,其中年平均气温最大值出现在1999年(58.2℉),最小值出现在1957年(52.6℉)两者相差5.6℉,增温幅度为0.57℉,这个结果与1 9 9 0年政府间气候变化委员会IPCC第一工作报告指出的近百年全球增温约0.3~0.6℃是一致的。
图1(d)、图1(e)表明该区的露点、降雨量趋势变化具有一定周期性。图1(f)表明该区海平面气压呈缓慢下降趋势。图1(g)表明该区的能见度呈现逐年下降的趋势,1990年以后降低趋势减缓。图1(h)和图1(i)表明该区的平均风速和最大风速先小幅度上升,到1980年左右开始明显下降。
图1 各因素四阶多项式拟合图像
3 基于主成分模型分析影响气候变化的因素
3.1数据处理
在影响气候的10个因素中,平均气温、最高气温和最低气温之间,平均风速与最大风速之间,已经存在相关性,所以在标准化数据处理时我们选取平均气温和平均风速进行归一化处理,不考虑最高气温、最低气温和最大风速这三个因素。最终采用的指标有以下六个:平均气温、露点、平均海平面出气压、能见度、平均风速、降雨量。
3.2 模型构建
主成分计算的结果受到变量单位的影响。不同的变量往往有不同的单位,因素之间的数值或者数量级存在较大差距,会导致较小的数被淹没,导致主成分偏差较大。因此,使用成分分析能够均等地对待每一个原始变量,消除由于单位的不同可能带来的影响,运用数据标准化处理会使主成分分析更加的客观。
现有n=50个时间样本,每个样本中有k=6个变量。
设相关系数矩阵V:
Vij(i=1,2,3,…,n;j=1,2,3,…,k)为原变量Xi,Xj的相关系数,且Vij= Vji,其计算公式为:
我们采用SPSS软件对数据进行描述统计分析。处理后得到的相关系数矩阵如下图表2。
表2 相关系数矩阵
| V1 | V2 | V3 | V4 | V5 | V6 |
V1 | 1.000 | 0.405 | -0.093 | -0.630 | -0.684 | -0.117 |
V2 | 0.405 | 1.000 | -0.209 | 0.107 | -0.018 | 0.030 |
V3 | -0.093 | -0.209 | 1.000 | -0.110 | 0.090 | -0.133 |
V4 | -0.630 | 0.107 | -0.110 | 1.000 | 0.718 | 0.291 |
V5 | -0.684 | -0.018 | 0.090 | 0.718 | 1.000 | 0.036 |
V6 | -0.117 | 0.030 | -0.133 | 0.291 | 0.036 | 1.000 |
3.3相关矩阵的特征向量和特征值统计
记X1,X2,…,XP为原变量指标, Z1,Z2,…,Zn为新变量指标,则有下列等式:
新变量指标Z1,Z2,…,Zn分别称为原变量指标X1,X2,…,XP的第一,第二,第n个主成分。
主成分分析的实质就是确定原来X1,X2,…,XP在诸成分Z1,Z2,…,Zn分上的载荷lij(i=1,2,3…,50;j=1,2,3,4,5,6)。
现假设A是n阶矩阵,如果数λ和n维非零向量x使关系式
成立,那么这样的数λ称为矩阵A的特征值,非零向量x称为A的对应于特征值λ的特征向量。每个因子关于原来所有因子的线性函数系数的组合就是相关矩阵的特征向量矩阵,而综合得分中每个因子的权重就是与该因子系数相对应的特征值。
我们运用SPSS软件得到归一化矩阵计算特征值及主成分的贡献率和主成分载荷,结果如下:
表3 特征值及主成分贡献率
主成分 | 特征值 | 贡献率(%) | 累计贡献率(%) |
Z1 | 2.424 | 40.403 | 40.403 |
Z2 | 1.398 | 23.302 | 63.706 |
Z3 | 0.969 | 16.153 | 79.859 |
Z4 | 0.798 | 13.306 | 93.165 |
Z5 | 0.221 | 3.689 | 96.853 |
Z6 | 0.189 | 3.147 | 100.000 |
表4 主成分载荷
| 成分1 | 成分2 | 成分3 | 成分4 |
X1 | -0.887 | 0.254 | 0.096 | 0.163 |
X2 | -0.199 | 0.741 | 0.532 | 0.305 |
X3 | 0.051 | -0.688 | 0.184 | 0.698 |
X4 | 0.869 | 0.328 | 0.104 | 0.049 |
X5 | 0.877 | 0.005 | 0.322 | 0.014 |
X6 | 0.263 | 0.451 | -0.727 | 0.435 |
3.4结果分析
由表4可以看出第一主成分Z1与X4、X5呈现出较强的正相关,与X1呈现出较强的负相关;第二主成分Z2与X2呈现出较强的正相关,与X3呈现出较强的负相关;第三主成分Z3与X2呈现出正相关,与X6呈现出较强的负相关;第四主成分Z4与X3呈现出正相关。因此,主成分一可以看成是能见度和风速的代表,主成分二、三可以看成是绝对湿度的代表;第四主成分可以看成是海平面气压的代表。
由此可见,能见度的降低是由于人类的活动导致空气中的颗粒物增加造成的,这主要是由于高耗能、高排放的行业大量使用化石能源,排放处理技术落后,导致大量的颗粒物排放到大气中。同时,由于大陆与海洋升温速度不同,海陆温差不断缩小,作为连锁反应,两者间的气压差也一降再降,空气流动遭遇动力不足。此外,风速的降低,城区上空的污染物就不能快速的扩散,也是能见度降低的一个原因。另外,气温升高,降雨量的减少,植被覆盖率较低等也对大气的能见度有较大影响。
4 应对气候变化的城市发展策略
从上述分析可知,黄岛区的气候变化主要表现在能见度下降、气温升高、风速下降等方面。因此,针对该区的气候变化提出以下城市发展建设建议:
1)减少化石燃料的使用,针对高耗能产业如石化企业要采取限制碳排放的措施政策;
2)积极投资低碳和碳中和等替代能源技术,引进高精尖人才和企业,推动相关产业发展;
3)鼓励使用可再生能源,如太阳能、风能、核能、生物能等;合理利用海岸线资源,高效利用海水资源,如着重开发潮汐能等清洁新能源;
4)加强生态绿化建设,积极保护生态绿地资源,全面实施造林绿化工程,大力发展城市森林;加强生态环境保护,采取措施改善环境污染现状,恢复宜居环境;
5)积极倡导低碳消费的生活方式,引导城市居民降低个人碳排放,共建生态文明城市。
5 结论
本文基于山东省黄岛区气候变趋势情况,通过四阶多项式拟合和主成分分析模型研究了该区气候变化的可能原因,认为该区气候变化主要体现在能见度下降等方面,对此建议应当减少化石燃料使用,推进投资低碳和碳中和能源技术,加强生态建设等,为黄岛区未来的城市发展建设提供了一定参考意义。
参考文献
[1] IPCC, 2014: Climate Change 2014: Synthesis Report. Contribution of Working Groups I, II and III to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change [Core Writing Team, R.K. Pachauri and L.A. Meyer (eds.)]. IPCC, Geneva, Switzerland, 151 pp.
IPCC, https://www.ipcc.ch/
[2] 孟宪贵.夏季黄海表面冷水对大气边界层及海雾的影响[D].中国海洋大学.2011年
[3] 同济大学数学系,工程数学线性代数(第五版),北京:高等教育出版社,2007.05
[4] CHINA WATER RESOURCES 2008.2 水利部应对气候变化研究中心
作者简介:刘安(1997-),男,安徽安庆人,中国石油大学(北京),地球科学与技术学院硕士研究生,主要研究方向:储层预测,地理地质工程