吉安市气温与相关因子分析及其短期预报模型研究

周玮

（吉安市气象局，江西吉安 343000）

吉安市气温与相关因子分析及其短期预报模型研究

周玮

（吉安市气象局，江西吉安 343000）

利用江西省吉安市地面气象观测资料，采用一元线性回归、均方差、M-K非参数检验法、EMD经验模态分解等分析方法，研究吉安市气温变化特征及其与气象因子的相关性。通过对年平均气温年际变化特征的分析，发现吉安市年平均气温呈增温趋势，每10a增温0.17℃；通过M-K检验，得出2001年为吉安市年平均气温突变年；通过年平均气温与其他气象因子相关性分析，得出气温与降水之间存在显著的负相关性关系。而后根据EMD分解第5个IMF分量得出，年平均气温在年际尺度上呈显著增温趋势，而年平均降水呈显著递减趋势。最后以年平均气压、年降水量、年平均相对湿度、年平均日照和年平均风速5个气象因子为自变量，以年平均气温为因变量，建立逐步回归方程，用于对年平均气温进行预报，模型预测效果较好。

气温；相关性分析；M-K检验；EMD经验模态分解；逐步回归

近年来，由于人类活动的加剧，温室气体的大量排放，使得我国的气候正经历逐渐变暖的变化趋势。有研究结果表明，在未来几十年内我国年平均气温将升高2～3℃。温度的升高将会对我国自然生态系统和社会经济发展造成一定的负面影响。因此，对气候变化特征研究显得极为重要。

目前，国内外很多学者对不同区域的气温变化进行了研究。国内有刘雪锋等［1］利用辽宁省测站50a的气温数据，首先使用一元回归方程对年平均气温年代变化进行分析，然后运用M-K突变检验法对年平均气温进行非参数检验，结果表明辽宁省年平均气温呈递增趋势。李鹏飞等［2］利用安徽省铜陵市气温资料，采用一元线性回归、M-K突变和累积距平等方法，对铜陵市气温变化特征进行分析，结果表明铜陵市年平均气温呈上升趋势。郭志梅等［3］使用中国北方地区逐年、逐日气温观测资料，对我国北方气温特征变化进行分析，结果表明我国北方年平均气温、日最高气温及日最低气温呈显著的增温趋势，且东北地区增温幅度高于西北和华北。沈姣姣等［4］使用陕西省西安市逐日气温数据，采用M-K非参数检验、滑动t检验及R/S分形理论，对西安市24节气年平均气温变化特征进行分析，结果表明立冬、惊蛰、小雪及春分节气气温呈显著的增温趋势。国外有Mann等［5］使用近500a气温数据，对全球气温变化规律进行研究，结果表明全球气温存在15～35a和50～150a两类振荡周期规律。Lau等［6］使用全球气温资料，并对气温数据使用小波变换分析得出，全球地表气温存在60a和80a的长周期变化规律。Lebedeff［7］和Vinnikov［8］等对全球气温分析得知，全球表面年平均气温从19世纪末至20世纪90年代中期气温上升0.3～0.6℃。

此外，还有很多学者对气温变化进行研究取得了一些成果。但目前对气温预测研究还是相对较少。丛凌博等［9］使用时间序列ARMA数学模型，对气温样本进行建模并预报，结果表明模型精度较高，预测效果较好。唐湘玲等［10］使用灰色理论对新疆阿克苏地区年平均气温建立G（1，1）模型进行短期预报。

1 资料来源

本文使用江西省吉安市逐日气温资料，计算出年平均气温来研究气温年际变化规律，使用平均气压、平均相对湿度、平均降水量、平均风速、平均日照数5个气象因子逐日数据，研究年平均气温与这5个因子之间的相关性。上述资料均来源于吉安市国家基准地面气象观测站。

2 年平均气温变化趋势

2.1 年际变化特征

图1为吉安市近50a来年平均气温变化趋势，虚方框线为气温实测值，虚线为一元线性回归值。从图1可以看出：①吉安市近50a来年平均气温波动较大，根据一元线性回归值可以看出气候倾向率为0.17℃/10a，说明吉安市年平均气温呈递增趋势，每10a增温0.17℃，一元线性回归方程通过a=0.05显著性检验，说明升温趋势是显著的；②根据对1961-2010年吉安市逐年平均气温数据的统计分析得知，50a平均气温均值为18.6℃，1967-1997年大部分年份的年平均气温小于平均值，1997年之后大部分年份的年平均气温高于平均值，年平均气温最小值为17.6℃（1984年），最大值为19.7℃（1998年）；③根据均方差分析公式，求出吉安市近50a的年平均气温均方差得s=0.95，均方差较大，说明吉安市近50a的年平均气温年际变化波动幅度较大。

图1 江西省吉安市年平均气温变化趋势

2.2 突变年检验

M-K法是一种常用突变检验方法，主要应用于气候和径流趋势突变分析。其优点为检测范围宽，人为性少，定量化程度高。本文运用M-K非参数检验方法，对吉安市50a的年平均气温数据进行时间序列的趋势分析和突变检验。

图2为吉安市年平均气温M-K突变检验统计曲线，从图2可以看出，1961-1995年期间UF年平均气温顺序统计曲线均小于0，表明在此期间年平均气温呈递减趋势。1996年之后UF年平均气温顺序统计曲线均大于0，表明从1996年开始年平均气温呈递增趋势。其中，从2004年开始UF顺序曲线超出临界线，说明从2004年开始年平均气温递增趋势非常显著。UF和UB两条曲线的交点所对应的时刻约为2001年，且交点在临界线信度之内，则表明2001年为吉安市近50a的年平均气温突变年。

图2 江西省吉安市年平均气温M-K统计曲线

3 气温与相关气象因子分析

3.1 相关性分析

本文使用1961-2010年吉安市年平均气压、年平均相对湿度、年平均降水量、年平均风速、年平均日照数5个气象因子数据，分析研究年平均气温与这5个因子之间的相关性。

由于各气象因子量纲单位不一致，首先对年平均气温、年平均气压、年平均相对湿度、年平均降水量、年平均风速、年平均日照数6个因子数据做标准化处理。本文使用Z-score标准化，目的是使得各气象因子平均值为0、标准差为1，这样就可以使不同量纲的数据可以放在一个矩阵中。Z-score标准化处理表达式如下：

式（1）中，x为因子数据时间序列，mean（x）为因子时间序列平均值，std（x）为因子时间序列标准差。

然后，对标准化后的气象数据使用一阶差分，消除其线性趋势。最后，对经一阶差分后的数据使用相关性分析，结果见表1。

表1 年平均气温与其他5个气象因子相关性分析表

从表1可以看出，年平均气温与年平均降水相关性系数为-0.778 9，通过显著性0.01检验，表明两者之间存在显著的负相关性关系；年平均气温与年平均相对湿度相关性系数为-0.307 9，表明年平均气温与相对湿度之间存在相关性较弱的相关性关系；年平均气温与其他3个气象因子之间相关性系数不高，没有通过显著性0.01检验，说明气温与其他3个气象因子之间无较为显著的相关性关系。

运用EMD经验模态分解法讨论年平均气温与年平均降水之间的关系。对吉安市年平均气温、年平均降水资料进行EMD分解，得到前5个固有模态IMF分量（见图3），图3中从上至下分别为5个IMF分量。从第1个IMF分量可以看出，年平均气温存在准2a的周期变化，年平均降水存在准3a的周期变化。从第5个IMF分量可以看出，IMF曲线明显呈上升趋势，说明吉安市年平均气温在年际尺度上呈显著的增温趋势，而年平均降水量呈显著的递减趋势。这一结果与两者之间存在反相关性关系结论相一致。

图3 江西省吉安市年平均气温（左）和年平均降水（右）EMD分解前5个IMF分量

3.2 逐步回归分析

本文以吉安市1961-2010年的年平均气压、年降水量、年平均相对湿度、年平均日照、年平均风速为自变量X1～X5，以年平均气温为因变量Y，建立逐步回归方程，用来对年平均气温进行预测。运用SAS编写逐步回归程序，求出逐步回归方程的方差分析表（见表2），表3为所求方程参数估计表。

表2 逐步回归方差分析统计结果

从表2可以看出，由Prob＞F所表示的概率很小，小于0.01，表明F=8.01值很大，从而表明方程线性关系是高度显著的。

表3 逐步回归参数估计统计结果

从表3可以看出，由Prob＞|T|的值分别为＜0.000 1、0.001 1、0.001 4、＜0.000 1均小于0.01。表明所建立的模型效果较好，可用于对年平均气温进行短期预报。建立的逐步回归模型为：

从上述所建立的逐步回归方程可以看出，吉安市年平均气温主要由年降水量及年平均相对湿度决定。运用1961-2010年吉安市实测年平均气温与逐步回归方程预测效果进行检验,如图4所示。

图4 年平均气温实际值与逐步回归预测值

计算出逐步回归预测值与年平均气温实际值之间的平均相对误差为7.3%，可以看出模型预测效果较好。因此，未来可以使用年降水量、年平均相对湿度对吉安市年平均气温进行预测。

4 结论

本文使用吉安市逐日地面气象资料，分析气温变化特征以及进行短期预报。得出以下结论：吉安市年平均气温呈递增趋势，每10a增温0.17℃，1997年之后大部分年份的年平均气温要高于平均值且2001年为吉安市近50a的年平均气温突变年；年平均气温与年平均降水之间存在显著的负相关性关系；年平均气温与年平均相对湿度存在相关性较弱的相关性关系。而后通过EMD分解得出，年平均气温在年际尺度上呈显著增温趋势，而年平均降水呈显著递减趋势；以年平均气压、年降水量、年平均相对湿度、年平均日照、年平均风速为自变量，年平均气温为因变量，建立逐步回归方程，用于对年平均气温进行预报。

［1］刘雪锋，李军林.辽宁省近50年气温变化特征及突变分析［J］.沈阳农业大学学报，2009（5）：522-527.

［2］李鹏飞，周晓飞，张庆国，等.铜陵市近49年气温变化特征及其趋势分析［J］.安徽农业大学学报，2010（2）：346-351.

［3］郭志梅，缪启龙，李雄.中国北方地区近50年来气温变化特征及其突变性［J］.干旱区地理，2005（2）：176-182.

［4］沈姣姣，徐虹，李建科，等.近60年西安市24节气气温变化特征及突变分析［J］.资源科学，2013（3）：646-654.

［5］Mann ME，Park J，Bradley R.Global interdecadal and century-scale oscillations during the past five centuries［J］.Nature，1995（6554）：266-270.

［6］Lau KM，Weng HY.Climate signal detection using wavelet transform：How to make a time series sing［J］.Bull.Amer.Meteor. Soci.，2010（12）：2391-2402.

［7］Hansen J，Lebedeff S.Global surface temperature：update through 1987［J］.Geophysical Research Letters，1988（4）：323-326.

［8］Vinnikov KY，Groisman PY，Lugina KM.Empirical data on contemporary global climate changes（temperature and precipitation）［J］.Journal of Climate，1990（6）：662-677.

［9］丛凌博，蔡吉花.ARMA模型在哈尔滨气温预测中的应用［J］.数学的实践与认识，2012（16）：190-195.

［10］唐湘玲，刘卫平.灰色预测模型在阿克苏地区气温预测中的应用［J］.石河子大学学报（自然科学版），2008（4）：411-414.

The Temperature and Related Factor Analysis and Short-Term Forecast Model Research in Ji'an City

Zhou Wei
（Ji'an Meteorological Bureau,Ji'an Jiangxi 343000）

Based on the surface meteorological observation data of Ji'an City,Jiangxi province,by means of linear regression,mean square deviation,M-K non parametric test method and EMD empirical mode decomposition method, the characteristics of air temperature change and its correlation with meteorological factors in Ji'an city were studied.Through analyzing the characteristics of annual average temperature variation,it was found that the annual average temperature in Ji'an city was increasing at a temperature of 0.17℃every ten years;Through M-K test,it was concluded that 2001 was the year of the mean annual air temperature in Ji'an city;Through the correlation analysis between annual average temperature and other meteorological factors,it was concluded that there was a significant negative correlation between air temperature and precipitation.Then according to fifth IMF components of the EMD decomposition,the annual average temperature on the internal scales showed a significant warming trend,while the annual average precipitation showed a significant decreasing trend.Finally,with five meteorological factors of the annual average air pressure,annual precipitation,annual average relative humidity,average annual sunshine,and the annual average wind speed as the independent variables,the annual average temperature as the dependent variable, the stepwise regression equation was established to forecast the annual average air temperature,model prediction effect is better.

temperature；correlation analysis；MK test；EMD empirical mode decomposition；stepwise regression

P457

A

1003-5168（2016）11-0157-04

2016-10-15

周玮（1963-），女，本科，工程师，研究方向：应用气象及天气气候。