全球气温变化

摘 要：通过讨论已知年份二氧化碳浓度与全球平均气温数据，运用回归分析方法得出他们之间的相关关系。研究表明：（1）二氧化碳浓度与全球变暖在0.01置信度下显著相关；（2）二氧化碳浓度与全球变暖之间的回归方程为y=80.73x^2+0.813x+326.608；

关键词：二氧化碳；全球平均气温；回归分析；变化趋势；SPSS预测

在中国，人们对气候变化的关注越来越多，尤其是丹麦哥本哈根气候大会的召开，低碳理念、低碳生活已经成为普通民众关注的焦点和追求的目标。微软公司前首席技术官内森梅尔沃德发表了一篇论文，断言二氧化碳与近年来的气候变暖几乎没有关系。为了证实这一观点的科学性，本文基于已知年份的二氧化碳濃度数据和全球平均气温数据通过回归分析方法研究二者的相关性，因为人们对气候变化的关注越来越多故本文也采用了趋势拟合的方法对未来50年全球平均气温变化趋势做出预测。

1 数据来源与研究方法

1.1 数据来源

分析的数据主要来源于已有文献，中国统计局发布的相关资料

1.2 统计分析方法

相关分析法能揭示地理要素之间相互关系的密切程度。地理要素之间相互关系密切程度的测定主要通过相关系数的计算和检验来完成。然而诸要素之间关系的进一步具体化如果能用一定的函数形式予以近似的表达，那么意义会更大。回归分析方法就是研究要素之间具体数量关系的强有力的工具，运用这种方法能够建立反映地理要素之间具体数量关系的数学模型，即回归模型。故本文不仅进行了相关性分析还进行了回归分析。

时间序列也叫时间数列或动态数列，是要素变量的数据，按照时间顺序变动排列而形成的一种数列，它反映了要素随时间变化的发展过程，地理过程的时间序列分析就是通过分析地理要素随时间变化的历史过程。揭示其发展变化规律，并对其未来状态进行预测。本文采用趋势拟合的方法，对全球平均气温做出了预测。

2 二氧化碳浓度与全球平均气温的相关性分析

分析步骤如下：

首先通过已有1959到2009年二氧化碳浓度数据和全球平均气温数据并进行相关性分析在置信度（双测）为0.01时，相关性是显著的。

3 二氧化碳浓度与全球平均气温的回归性分析

利用SPSS工具对二者之间进行回归分析得出他们之间是非线性关系。他们的数学关系模型是y=80.73x^2+0.813x+326.608。自变量为均温，因变量为Co2浓度。

4 总结

由以上内容我们可以得出结论：二氧化碳的浓度存在着相关性而且是非线性相关，他们之间的数学模型关系是y=80.73x^2+0.813x+326.608。

作者简介：刘高春（1996-），本科四年级，内江师范学院。