基于时间序列分析并预测三峡库区局地环境温度的变化*

马 力，于瑞林，李 杰，夏立忠，LI Yun-cong



基于时间序列分析并预测三峡库区局地环境温度的变化*

马 力1,3，于瑞林2**，李 杰2，夏立忠1，LI Yun-cong3

（1．中国科学院南京土壤研究所，南京 210008；2．山东农业大学，泰安，271018；3．Soil and Water Science Department，Tropical Research and Education Center，University of Florida，Homestead，FL 33031，USA）

利用湖北秭归三峡库首典型区的气象监测资料，采用时间序列分析和自回归积分滑动平均模型（ARIAM）方法，对三峡库区2001-2015年局地环境温度变化进行趋势和预测分析，以探讨三峡工程蓄水对库区局地气候环境变化的影响。结果表明，研究区域局地气温和地温的时间序列为季节性非平稳时间序列，年际月平均气温峰值在7月（29.0℃），低谷在1月（6.0℃）；研究期内局地平均气温在2003年降至17.8℃，2007年稳定升至18.3℃；2011年持续降至的17.1℃，之后稳定升至2013年的17.9℃。平均地温在2005年升至21.2℃，2008年持续降至19.4℃，后期在2013年稳定升至20.1℃。分析结果显示，在2003年蓄水前后三峡库首典型区局地环境温度呈现一定程度年际波动，但不存在显著单一的变化趋势，说明在研究期15a内三峡工程蓄水对研究区域的局地环境温度未产生显著影响。用ARIMA模型获得了气温和地温的最佳预测模型，2015年预测值与监测值的符合程度良好，可进一步利用该地区长期监测数据对模型进行优化和应用。

时间序列；局地气候；三峡库区；温度；ARIAM模型

三峡库区（Three Gorges Reservoir area，TGA）泛指175m水位方案淹没涉及的湖北省和重庆市的19个市（县、区），总面积约5.2万km2，而库首地区包括秭归县、兴山县、巴东县和夷陵区，位于三峡水库前缘地带，是三峡工程蓄水首批受淹地区[1-3]。长期以来，三峡工程对库区局地气候和生态环境的影响一直是国内外研究的热点[4-7]。相对于大尺度的气候变化，一定范围局地气候的形成和演变受到自然和人类活动条件下所形成的特殊下垫面的性质所影响[1,8]。2003年6月三峡工程蓄水至135m水位，2006年9月蓄水至150m水位，2009年三峡工程基本完工，并稳定蓄水至175m水位运行[9]。随着三峡工程的稳定运行，库区水位在短时期内抬高，在库首区域的库岸交界地带，下垫面发生了明显的变化，对库区周边一定范围区域局地气候可能产生一定影响[10]。各种气候因素的变化将会直接或间接影响库岸带周边地区的农业生产和生态环境[5,11-13]。近年来已有不少针对三峡库区气候变化的研究报道[14-18]，但对于三峡蓄水运行后的气象因子变化过程和趋势分析相对缺乏。本研究选择位于湖北秭归县的三峡库首典型地区，对该地2001-2015年的局地气象监测数据进行深入分析，采用时间序列分析（Time series analysis）和自回归积分滑动平均模型（Autoregressive integrated moving average model，ARIMA）的系统方法，对该地区蓄水前后共15a的气温和地温变化进行趋势和预测分析，旨在通过系统分析库首典型区域蓄水前后重要气象因子的动态趋势，为阐明三峡库区局地气候的变化过程和中长期预测提供一定的科学依据。

1 资料与方法

1.1 研究区域概况

气象资料来自中国科学院三峡工程生态环境秭归实验站（秭归站）（31°3.53' N，110°40.55' E），监测点距离三峡大坝约70km，属三峡水库库首区域。本区为湿润亚热带季风气候，大部分是高原山地，山脉海拔1000-2000m，其次是丘陵和台地，海拔500-800m，年平均气温为15～18℃，平均日照时数为1216～1884h，大部分地区年降水量为1000～1300mm。区内土壤类型较多，农业土壤以紫色土和水稻土为主，林地土壤有黄色石灰土、棕色石灰土、黄壤和棕壤等，耕地以坡耕地为主，约占耕地总面积的75%[2-3]。

气象站位于海拔224m坡地平坦处，气象资料由WatchDog2000自动气象观测站辅以人工观测记录共同获取。自2001年以来，气象观测每日连续进行，气温和地温分别在2：00、8：00、14：00和20：00共4个时间进行观测，同时观测日极端（最高和最低）温度，日观测数据用于计算日、月和年温度平均值。

观测数据使用Excel 2013软件进行整理统计。本研究采用的时间序列和ARIMA模型分析运算通过R软件（Version 3.3.1，The R Foundation for Statistical Computing，2016）来实现，先通过时间序列分析获得环境温度的变化规律和趋势，再运用ARIMA模型对观测数据进行预测分析，以找到合适的预测模型。R软件是一种数学计算环境，它提供了若干统计函数、程序工具和各种数学环境，可根据统计模型，制定相应的数据库及相关参数，以进行灵活机动数据分析工作[19-21]。

1.2 时间序列分析方法

时间序列是同一现象在不同时间上的相继观察值排列而成的序列，可以分为平稳时间序列（Stationary series）和非平稳时间序列（Non-stationary series）两类。平稳序列是基本上不存在趋势的序列，在不同时段的波动是不存在规律的随机性波动。非平稳序列是包含趋势（Trend）、季节性（Seasonality）或周期性（Cyclicity）等成分的序列。时间序列的成分包括趋势性（T）、季节性（S）、周期性（C）和随机性波动（R）。时间序列分析的目的是把这些成分从时间序列中分离出来，并将它们之间的关系用一定的数学关系式进行表达，而后分别进行分析[22-25]。对时间序列进行分析时，一般先给出它的图形描述，然后通过图形观察数据随时间变化的模式及趋势，以确定判断其成分。确定时间序列成分之后，需要对复合型时间序列进行分解以观察各成分特点，再根据时间序列类型并结合具体实际情况选择合适的预测方法进行预测。针对不同类型时间序列数据的趋势和预测分析原理如图1所示。本研究采用的时间序列分析流程如图2所示。在时间序列基础上采用ARIMA模型来进行预测分析，该方法将非平稳时间序列转化为平稳时间序列后进行回归并建立模型，从而根据时间序列的历史实测值来预测未来值[26-27]。

图1 时间序列数据特点分析及其相应预测方法的选择

图2 温度变化趋势分析流程图

2 结果与分析

2.1 气温变化的时间序列分析

三峡工程于2003年5月开始蓄水，监测数据可相应分为蓄水前后两个阶段。根据2001-2014年的监测结果，蓄水前的2001-2003年，该气象站年平均气温为18.4℃，蓄水后2004-2014年的年平均气温为17.7℃，降低了0.7℃。研究期内，最低月平均温度为1月的6.0℃，最高月平均温度为7月的29.0℃。比较蓄水前后数据发现，蓄水后部分月份平均温度有不同程度的升高或降低。由图3可以看出，不同年份的气温均值存在年际波动，而各年度在不同月份的气温值呈现出相似的波动规律，由此可以确定，研究区域气温的时间序列为季节性非平稳时间序列。

由图4可见，原始气温观测值时间序列具有明显的季节性，并未显现明显的变化趋势，对上述季节性时间序列进行分解，得出时间序列中趋势性、季节性和随机部分的估计值。由计算结果得出，季节性因素最大值在7月（约11.1℃），最小值在1月（约-11.9℃），标志着每年的峰值在7月，低谷在1月。由图4还可以看出，研究期内气温有弱的下降趋势。为得到较明显的趋势部分，从原始时间序列中去除估计出的季节性部分，并采用简单移动平均法来平滑时间序列数据，以便得到较好的趋势部分。本研究通过设置不同的跨度来平滑序列，图5展示了跨度为30d时平滑后的时间序列，由图可以看出气温较明显的变化过程，局地平均气温在2003年下降至17.8℃，又在2007年稳定升至18.3℃；后持续降至2011年的17.1℃，之后稳定升至2013年的17.9℃；对日观测数据的统计分析表明，研究期间该地气温的波动无显著单一的变化趋势。由图5可以看出，气温变化有3个明显拐点，因此，可以采用四阶曲线作为拟合模型，并根据季节性因素得出未来某一时间的预测值。

图3 研究区2001-2014年平均气温的年际变化（a）和历年各月平均气温变化（b）

图4 研究区2001-2014年气温的时间序列分解图

图5 研究区2001-2014年跨度为30d的气温时间序列平滑图

2.2 地温变化的时间序列分析

根据2001-2014年地温监测结果，蓄水前2001-2003年和蓄水后2004-2014年的年均地面温度分别为21.1℃和20.4℃，降低了0.7℃。在研究期间，该地最低月平均温度为1月的6.1℃，最高月平均温度为7月的33.3℃。由图6可以看出，不同年份的气温均值存在年际波动，而各年度地温在不同月份呈现与气温相似的波动规律，因此，确定研究区域地温的时间序列也为季节性非平稳时间序列。

由图7可见，原始的地温时间序列具有明显的季节性，并未显现明显的变化趋势，对上述季节性时间序列进行分解，得出地温时间序列中趋势性、季节性和随机部分的估计值。由计算结果得出，季节性因素最大值在7月（约13.2℃），最小值在1月（约-14.0℃），说明每年的峰值在7月，低谷在1月。由图7可以看出，研究期内地温整体上呈下降趋势。从原始时间序列中去除估计出的季节性部分，并采用简单移动平均法来平滑时间序列数据。由平滑后的时间序列图（图8）可以看出，局地平均地温在2005年升至21.2℃，2008年持续降至19.4℃，后期在2013年稳定升至20.1℃。对日观测数据的统计分析表明，研究期间该地地温的波动也无显著单一的变化趋势。由图8还可以看出，图像有3个明显拐点，因此，可以采用四阶曲线作为拟合模型，并根据季节性因素得出未来某一时间的预测值。

图6 研究区2001-2014年平均地温年际变化（a）和历年各月平均地温变化（b）

图7 研究区2001-2014年地温的时间序列分解图

图8 研究区2001-2014年跨度为30d的地温时间序列平滑图

2.3 局地温度变化趋势的模型预测

差分运算具有强大的确定性信息提取能力，许多非平稳序列差分后会显示出平稳序列的性质，称这种非平稳序列为差分平稳序列。对差分平稳序列可以使用求和自回归移动平均模型（ARIMA）进行拟合。该方法的主要分析思路是，首先检验原观察值序列是否符合平稳性；若不符合，则对其进行差分运算将非平稳序列变为平稳序列；然后对差分后的平稳序列进行白噪声检验。若通过检验，则分析结束；若未通过检验，则拟合合适的ARIMA模型以使检验通过。ARIMA模型的结构为：

考虑到温度观测数据之间的相关性和季节性，本研究采用ARIMA模型来进行预测分析。为确定一个合适的ARIMA模型，需要获得ARIMA（p，d，q）中合适的p、d、q值。将2001-2014年全部日观测平均值数据输入计算机，利用R软件中的auto.arima( )函数可以得到p、d、q的值，得到合适的气温和地温模型分别为ARIMA（2，0，1）和ARIMA（2，0，3）。

根据模型计算结果得出局地气温和地温预测模型分别为：

图9 2015年气温（a）和地温（b）预测曲线图

注：粗线条为2015年气温预测值，浅灰色阴影给出了80%的预测值区间

Note：The rough lines are the temperature forecasted values for 2015 and light gray shades are 95% prediction value intervals

图10 研究区2015年各月气温（a）和地温（b）观测值与预测值的对比

表1 2015年局地温度观测值与预测值的比较

3 结论与讨论

三峡库区秭归典型区域在2001-2015年期间局地环境温度虽有一定程度的年际波动，但不存在单一且显著的变化趋势。这与已有相关研究结论与预测结果相一致[14-15]。根据已有观测资料，2001-2015年研究区域局地气温和地温的时间序列均为季节性非平稳时间序列，每年峰值在7月，低谷在1月，均有先升后降的过程。该地最低月平均气温为1月的6.0℃，最高月平均气温为7月的29.0℃。在15a研究期内局地平均气温在2003年下降至17.8℃，又在2007年稳定升至18.3℃；后持续降至2011年的17.1℃，之后稳定升至2013年的17.9℃。平均地温在2005年升至21.2℃，2008年持续降至19.4℃，后期在2013年稳定升至20.1℃。而统计分析表明，局地气温和地温这种波动过程并无显著变化趋势，因此得出，在15a研究期内，三峡工程蓄水对研究区域内的局地环境温度变化无显著影响。用ARIMA模型获得气温和地温的2个预测模型，根据模型预测值加上季节性部分得到了最终的预测值。结果表明，2015年度预测值与观测值的符合程度良好，可进一步利用长期监测数据对模型进行优化和应用。三峡库区的局地气候形成是一个复杂和长期过程，需要更长时期的观测和综合分析，以得到更准确的预测结果。

[1] Miller N,Jin J M,He H,et al.Local climate sensitivity to the Three Gorges Dam[J].Bulletin of the American Meteorological Society,2005,86(3):334-335.

[2]陈国阶,徐琪,杜榕桓,等.三峡工程对生态与环境的影响及对策研究[M].北京:科学出版社,1995:1-46.

Chen G J,Xu Q,Du R H,et al.The effects of the Three Gorges Project on ecology and environment influence and countermeasures study[M].Beijing:Science Press,1995:1-46. (in Chinese)

[3]杨林章,董元华,马毅杰,等.三峡库首地区土地资源潜力与生态环境建设[M].北京:中国水利水电出版社,2007:2-12, 172-194.

Yang L Z,Dong Y H,Ma Y J,et al.Potential productivity and eco-environmental construction in the areas of head part of the Three Gorges Reservoir[M].Beijing:China Water Power Press,2007:2- 12,172-194.(in Chinese)

[4]叶殿秀,张强,邹旭恺,等.近几十年三峡库区主要气象灾害变化趋势[J].长江流域资源与环境,2009,18(3):296-300.

Ye D X,Zhang Q,Zou X K,et al.Changing trends of major meteorological disasters in recent decades over Three Gorges Reservoir area[J].Resources and Environment in the Yangtze Basin,2009,18(3):296-300.(in Chinese)

[5]沈国舫.三峡工程对生态和环境的影响[J].科学中国人,2010, 48(8):48-51.

Shen G F.The influence of the Three Gorges Project on ecology and environment[J].Scientific Chinese,2010,48(8): 48-51.(in Chinese)

[6]Mei X,Dai Z,Du J,et al.Linkage between three gorges dam impacts and the dramatic recessions in China's largest freshwater lake,Poyang lake[R].Nature Publishing Group, Scientific Reports,2015,(5):18197.

[7]Strehmel A,Schönbrodt-stitt S,Buzzo G,et al.Assessment of geo-hazards in a rapidly changing landscape:the three gorges reservoir region in China[J].Environmental Earth Sciences, 2015,74(6): 4939-4960.

[8]Zhang Q F,Lou Z P.The environmental changes and mitigation actions in the Three Gorges Reservoir region[J].China, Environmental Science & Policy,2011,14 (8):1132-1138.

[9]Fu B J,Wu B F,Lv Y H,et al.Three Gorges Project:efforts and challenges for the environment[J].Progress in Physical Geo- graphy,2010,34(6):741-754.

[10]Li Z X,Wang R,Zhou Z L,et al.Three Gorges Project's impact on the water resource and environment of Yangtze River[J]. Journal of Applied Sciences,2013,13(17): 3394-3399.

[11]王树文,祁源莉.三峡工程对生态环境与生态系统的影响及政策分析模型研究[J].中国人口资源与环境,2015,25(5): 106-113.

Wang S W,Qin Y L.Research on the models of policy analysis and the influences on ecological environment and ecosystem of the Three Gorges Project[J].China Population Resources and Environment,2015,25(5):106-113.(in Chinese)

[12]Shen Z,Chen L,Hong Q,et al.Vertical variation of nonpoint source pollutants in the Three Gorges Reservoir Region[J]. PLoS One,2013,8(8):e71194.

[13]Li S,Xiong L H,Dong L H,et al.Effects of the Three Gorges Reservoir on the hydrological droughts at the downstream Yichang station during 2003-2011[J].Hydrological Processes, 2013,27(26): 3981-3993.

[14]张天宇,范莉,孙杰,等.1961-2008年三峡库区气候变化特征分析[J].长江流域资源与环境,2010,19(S1):52-61.

Zhang T Y,Fan L,Sun J,et al.Analysis of climate change characteristics in the Three Gorges Reservoir Area in 1961-2008[J].Resources and Environment in the Yangtze Basin,2010,19(Supple1):52-61.(in Chinese)

[15]陈鲜艳,张强,叶殿秀,等.三峡库区局地气候变化[J].长江流域资源与环境,2009,18(1):47-51.

Chen X Y,Zhang Q,Ye D X,et al.Regional climate change over Three Gorges Reservoir area[J].Resources and Environment in the Yangtze Basin,2009,18(1):47-51.(in Chinese)

[16]马占山,张强,秦琰琰.三峡水库对区域气候影响的数值模拟分析[J].长江流域资源与环境,2010,19(9):1044-1052.

Ma Z S,Zhang Q,Qin Y Y.Numerical simulation and analysis of the effect of Three Gorges Reservoir Project on the regional climate change[J].Resources and Environment in the Yangtze Basin,2010,19(9):1044-1052.(in Chinese)

[17]张洪涛,祝昌汉,张强.长江三峡水库气候效应数值模拟[J].长江流域资源与环境,2004,13(2):133-137.

Zhang H T,Zhu C H,Zhang Q.Numerical modeling of microclimate effects produced by the formation of the Three Gorges Reservoir[J].Resources and Environment in the Yangtze Basin,2004,13(2):133-137.(in Chinese)

[18]Wu J G,Huang J H,Han X G,et al.The Three Gorges Dam:an ecological perspective[J].Frontiers in Ecology and the Environment,2004,2(5):241-248.

[19]贾俊平,何晓群,金勇进.统计学(第六版)[M].北京:中国人民大学出版社,2015:320-348.

Jia J P,He X Q,Jin Y J.Statistic(sixth edition)[M].Beijing: China Renmin University Press,2015:320-348.(in Chinese)

[20]范金城,梅晓林.数据分析(第二版)[M].北京:科学出版社,2010:192-300.

Fan J C,Mei X L.Data analysis(second edition)[M].Beijing: Science Press,2010:192-300.(in Chinese)

[21]薛毅,陈立萍.统计建模与R软件[M].北京:清华大学出版社,2006:468-495.

Xue Y,Chen L P.Statistical modeling and R software[M]. Beijing:Tsinghua University Press,2006:468-495.(in Chinese)

[22]常学将,陈敬,王明生.时间序列分析[M].北京:高等教育出版社,1993.

Chang X J,Chen J,Wang M S.Time series analysis[M]. Beijing:Higher Education Press,1993.(in Chinese)

[23]Li R H,Akira M,Zhou J.Abnormal state detection of building structures based on symbolic time series analysis and negative selection[J].Structural Control Health Monitoring, 2014,21(1):80-97.

[24]James R T,James R W.Multifractal detrended fluctuation analysis:practical applications to financial time series[J]. Mathematics and Computers in Simulation,2016,126:63-88.

[25]吴涛,颜辉武,唐桂刚.三峡库区水质数据时间序列分析预测研究[J].武汉大学学报,2006,31(6):500-502.

Wu T,Yan H W,Tang G G. Prediction on time series analysis of water quality in Yangtze Gorges Reservoir Area[J].Geomatics and Information Science of Wuhan University,2006,31(6):500-502.(in Chinese)

[26]Iqbal M,Amjad N.Forecasting inflation:autoregressive integrated moving average model[J].European Scientific Journal,2016, 12(1):83-92.

[27]Wang W C,Chau K W,Xu D M,et al.Improving forecasting accuracy of annual runoff time series using ARIMA based on EEMD decomposition[J].Water Resources Management,2015, 29(8):2655-2675.

Research on Local Environmental Temperature Change and Forecast in the Three Gorges Reservoir Area Based on Time Series Analysis

MA Li1,3, YU Rui-lin2, LI Jie2, XIA Li-zhong1, LI Yun-cong3

(1．Institute of Soil Science, Chinese Academy of Sciences, Nanjing 210008, China; 2．Shandong Agricultural University, Tai’an, Shandong 271018, China; 3．Soil and Water Science Department, Tropical Research and Education Center, University of Florida, Homestead, FL 33031, USA)

To confirm the effects of water storage of the Three Gorges Project on local climate change, using the method of time series analysis and Autoregressive Integrated Moving Average Model (ARIMA), local temperatures in a typical area of the upper basin of the Three Gorges Reservoir area (TGA) located in Zigui County were continuously observed and analyzed during 2001-2015. The results showed that the time series of air and soil temperature can be determined as the seasonal non-stationary time series, the peak value of monthly mean air temperature occurred in July (29.0℃) and trough value occurred in January (6.0℃). The air temperature declined to17.8℃ in 2003 and then stable up to 18.3℃ in 2007, the medium term continued to decline to 17.1℃ in 2011, and the latter stable up to 17.8℃ in 2013; the soil temperature stable increased to 21.1℃ in 2005, declined to 19.3℃ in 2008, and the latter stable up to 20.0℃ in 2013. The local environment temperature in the upper basin of the TGA had a certain degree of inter-annual fluctuation, but no significantly monotonic trends were found. These results indicate that the water storage of the Three Gorges Project had no significant influence on the local environmental temperature in the study area during the 15 years. Forecast models of air and soil temperature were obtained using ARIMA model, the forecast value and the observed value are in good agreement with the observed value in 2015. The results also indicated that the model can be optimized and applied for long-term monitoring data in this region.

Time series; Local climate; Three Gorges Reservoir area (TGA); Temperature; Autoregressive Integrated Moving Average (ARIMA) model

10.3969/j.issn.1000-6362.2018.01.002

马力,于瑞林,李杰,等.基于时间序列分析并预测三峡库区局地环境温度的变化[J].中国农业气象,2018,39(1):9-17

2017-04-30

。E-mail：ruilinyu@sdau.edu.cn

中国科学院南京土壤研究所“一三五”计划和领域前沿项目（ISSASIP1663）；国家自然科学基金（41301307）

马力（1979-），博士，副研究员，主要从事三峡库区生态环境监测与面源污染控制研究。E-mail：lma@issas.ac.cn