基于去趋势波动分析的中国气温变化趋势研究
发布时间：2020-06-11 01:35
【摘要】：全球变暖这一现象近年来受到广泛关注,对全球气候变化的趋势研究逐渐成为气候学家关注的焦点。传统的趋势分析大多直接应用线性回归法来计算,这种检测方法基于序列本身是不相关或者一阶相关的。然而在现实数据中,特别是地学环境数据常常是长程相关的。在这种情况下,直接使用线性回归分析是不合适的。本文选取了我国590个气象观测站的近46年的气温数据作为研究对象,应用去趋势波动分析法(Detrended Fluctuation Analysis,DFA)来分析该序列的长程相关性,以及其对气温的变化趋势的影响。计算结果表明,590个站点中有555个站点的趋势是不显著的,然而,使用线性回归方法只有49个站点估计出来的趋势是不显著的。这两者之间的差异是源于线性回归法没有考虑长程相关性带来的影响。然后,我们研究了在长程相关性存在时的最可能趋势。我们得到,如果不考虑长程相关性,仅使用线性回归来估计趋势会显著高估趋势。其中天津站点被高估了6.52%,呼和浩特站点被高估了54.98%,南京站点被高估了20.35%,海口站点被高估了35.93%,西宁站点被高估了59.12%。长程相关性在现实数据中普遍存在,我们在进行其他趋势研究时也必须把长程相关性考虑在内,我们的分析为这类情况提供了一般研究框架。
【图文】：
４．１数据逡逑本文的气温数据来源于中国气象局国家气候中屯、。我们从中选取了邋５９０个中点从１９６０年１月１日至２００５年１２月３１日近４６年来每日最高气温的日值序列作为对象。如果气温序列存在连续１、２天有缺测情况，则丢失的数据分别被替换成几天与其他年份同一日的气温数据的平均值。张强等［４８巧勺研究表明，这种替不会对长期趋势造成影响。这样，我们每个站点得到１６７９０个数据（为了方便，删除了闺年‘２月２９日的气温数据，R*除后对结果的影响很小，可忽略）。在长关性的显著性检验中，我们使用到了全部５９０个站点。在后来的趋势分析中，考ｍａｔｌａｂ循环算法运算时间长，选取了我国五大典型气候的代表站点（如围４N１别是温带季风气候代表城市天津（气象观测站坐标；１１７．０７°Ｅ，３９．０８°Ｎ）、温陆性气候代表城市呼和浩特（气象观测站坐标：１１１．６８°Ｅ，，４０．８２°Ｎ）、亚热带气候代表城市南京（气象观测站坐标：１１８．８°Ｅ，３２°Ｎ）、热带季风气候代表海口（气象观测站坐标：１１０．３５°Ｅ，２０．０３°Ｎ）、高原山地气P敬沓鞘形髂ü鄄庹咀辏海保埃保罚
本文编号：2707184
【图文】：
４．１数据逡逑本文的气温数据来源于中国气象局国家气候中屯、。我们从中选取了邋５９０个中点从１９６０年１月１日至２００５年１２月３１日近４６年来每日最高气温的日值序列作为对象。如果气温序列存在连续１、２天有缺测情况，则丢失的数据分别被替换成几天与其他年份同一日的气温数据的平均值。张强等［４８巧勺研究表明，这种替不会对长期趋势造成影响。这样，我们每个站点得到１６７９０个数据（为了方便，删除了闺年‘２月２９日的气温数据，R*除后对结果的影响很小，可忽略）。在长关性的显著性检验中，我们使用到了全部５９０个站点。在后来的趋势分析中，考ｍａｔｌａｂ循环算法运算时间长，选取了我国五大典型气候的代表站点（如围４N１别是温带季风气候代表城市天津（气象观测站坐标；１１７．０７°Ｅ，３９．０８°Ｎ）、温陆性气候代表城市呼和浩特（气象观测站坐标：１１１．６８°Ｅ，，４０．８２°Ｎ）、亚热带气候代表城市南京（气象观测站坐标：１１８．８°Ｅ，３２°Ｎ）、热带季风气候代表海口（气象观测站坐标：１１０．３５°Ｅ，２０．０３°Ｎ）、高原山地气P敬沓鞘形髂ü鄄庹咀辏海保埃保罚
本文编号：2707184
本文链接：https://www.wllwen.com/projectlw/qxxlw/2707184.html
