基于Matlab软件仿真的自然灾害对全球变暖影响

孙德胜 刘佳明 卢 爽

（华北理工大学，河北 唐山 063210）

0 引言

随着人类科技文明的不断发展，全球变暖的情况愈发严重，由于人们生活水平不断提高，对环境的利用程度越来越大，因此环境带来的灾害也随之而来。2019 年发生的澳大利亚林火事件，其最主要的导火索就是高温天气和干旱，这直接导致世界各地林火肆虐数月。2018 年12 月印尼火山爆发，进一步对全球变暖造成影响。自然灾害都在一定程度上加剧了全球变暖，而全球变暖也会带来一系列的连锁反映。

施雅风[1]研究发现，在全球变暖和中国境内降水量有所减少的背景下，中国的自然灾害如洪涝灾、旱灾、农林生物灾害、风暴潮灾都在发展加剧，只有寒冻冰雪灾害有所减轻。陈泮勤[2]研究发现，全球变暖后，大气CO2含量加倍，暴雨频率和洪涝风险会加剧，西北干旱将延续，森林火灾、泥石流、台风、滑坡灾害加剧。

1 数据来源及预处理

1.1 数据来源

该文所使用的数据来自于阿里云和KIMI Climate Explorer，其中澳大利亚，美国，中国，印尼地区和全球平均温度1899—2022 年的温度数据来自于阿里云，二氧化碳浓度，全球森林面积，人口数量等数据来自于KIMI Climate Explorer。

1.2 数据相关性分析

1.2.1 时间与全球平均温度之间的相关性

在分析时间与全球平均温度之间的关联度时，使用SPSSPRO 软件对数据进行处理，通过斯皮尔曼相关性系数来探究两者之间的相关性。图1 通过SPSSPRO 进行斯皮尔曼相关性分析，得出时间与温度相关系数热力图。

图1 相关系数热力图

根据图中的数据可知，斯皮尔曼相关性系数为0.899，说明时间与全球平均温度之间的相关性高。

1.2.2 位置与全球平均温度之间的相关性

在进行位置与温度之间相关性分析时，由于经度对温度的影响并不显著，而纬度对温度的影响更显著，因此该组在分析位置与年平均温度时，只考虑年平均温度随纬度变化的信息，所以对输入的数据集，笔者团队取其中某个点的年平均温度和该观测点对应的纬度信息来分析，这样分析的一个优点是避免了不同纬度国家在同一年份处于不同季节而带来的温度差异，利用平均值可以让数据具有更加完备的特征。在分析过程中，以纬度的绝对值信息作为采样点的位置信息，因为在纬度绝对值相同的地段，不管纬度是正还是负，他们的年平均气温应该是差不多的，不会有很大的差别。下面利用相关性分析验证该结论，相关性分析结果如图2 所示。

图2 相关系数热力图

2 算法预测与数据分析数据

由于自然灾害并不是发生在世界上的任何角落，只是发生在个别的国家，或者个别的国家受自然灾害的影响较严重，同时不同国家的自然灾害对全球温度的影响具有滞后性，发生后并不会影响全球的平均温度，因此该文选取了个别受自然灾害较严重的国家进行分析，分别是在2019 年7月发生在澳大利亚的森林大火，2020 年1 月发生在中国本土和美国本土的新冠疫情以及2018 年12 月在印尼的火山爆发。以这几个国家为依据，研究自然灾害爆发后对本土的影响。

该文建立一个基于长短期记忆神经网络的分析预测模型，根据自然灾害发生前的温度数据预测，若无相应的自然灾害的发生各地温度的预测值，将预测后的结果与现实发生自然灾害后温度的真实数据进行对比，即可得出自然灾害对当地的温度的影响。

2.1 LSTM 神经网络模型

通过查阅相关文献发现[4]，LSTM 是一种递归神经网络，适用于从时间序列中提取时序特征，具有学习长期时间序列依存的能力。同时对比发现[3]，其比常规BP 神经网络具有更高的准确性。

2.1.1 LSTM 神经网络结构图

LSTM 神经网络内部结构主要由输入门 、遗忘门和输出门3 个部分组成，其中 为当前细胞单元状态，为隐藏层的状态，为输入数据。如图3 所示。

图3 LSTM 神经网络内部的结构

2.1.2 LSTM 神经网络原理

每个时刻，LSTM 的输入应该包括3 个部分：即当前时刻的新的输入xt，前一时刻的记忆（也叫短期记忆）ht-1和长期记忆线（也叫细胞状态）Ct-1。经过三层门的计算（σ为Sigmoid 激活函数，tanh 为双曲正切激活函数），得到新的汇总记忆，和新的记忆状态Ct-1并更新ht。长短期记忆网络（LSTM）内部的运算过程如下所述。

①经过遗忘门的作用，可以得到ft，如公式（1）所示。

②再下一步，进入输入层，通过输入门作用得到it，如公式（2）所示。

③通过输出门的作用，可以得到Ot，如公式（3）所示。

④接下来计算汇总状态，如公式（4）所示。

⑤计算新的记忆细胞状态Ct，如公式（5）所示。

⑥更新短期记忆ht，如公式（6）所示。

式中：wf，wi，wo，wc为权重矩阵；af，ai，ao，ac为每层不同的偏置。

2.2 LSTM 神经网络预测结果对比

分别将澳大利亚、美国、中国、印尼1899 年—2022 年的月平均温度数据带入LSTM 模型中，得到如下结果：1）根据澳大利亚的预测结果显示，澳大利亚在发生森林大火后比假设没有发生森林大火的情况下，温度明显升高，因此可以得出结论，森林大火对平均气温有影响，即加剧了气温的升高。原因在于森林大火一般持续时间长，受灾范围广，大量燃烧物燃烧将释放大量的CO2，CO2是主要的温室气体，因此加剧了当地气温升高，从而进一步影响全球。2）根据美国和中国的实际温度与预测温度对比图可知，新冠肺炎爆发后美国和中国的温度并未出现明显变化，实际值与未发生疫情的预测值基本相同，因此新冠肺炎疫情对气温的影响并不大，实际上由于全球新冠肺炎的影响，世界按下暂停键，工厂停工，人们足不出户，因此二氧化碳等温室气体的排放增长不是很明显，因此全球的气温变化不大。3）将印尼火山爆发前后的实际温度进行对比，实际值比预测值低，其根本原因在于随着火山喷发，产生的大量的二氧化硫或其他硫酸盐物质会进入对流层顶和平流层，转化为含硫气溶胶。含硫气溶胶会通过反射部分的太阳光，导致地球表面接受到的太阳辐射减少，从而造成地球降温，这也是通常所说的“阳伞效应”。因此对处在热带地区的国家，太阳的直接辐射对温度的影响更大，因此对火山喷发这种自然灾害，会使全球平均气温出现下降的趋势。

3 探究全球变暖影响因子

3.1 影响因子分析

该文主要选择的影响因子为二氧化碳浓度，全球森林面积，人口数量。①二氧化碳气体作为温室气体中最主要的组成成分，对全球变暖有很重要的影响。全球的二氧化碳浓度是衡量其二氧化碳排放程度的重要指标。②森林作为生态系统的生产者，可以吸收二氧化碳，生产氧气，全球森林覆盖面积越广，二氧化碳净化能力越强，对全球温室效应有很好的抑制作用。③日常生活中可以制造很多的二氧化碳，例如人们出行所用的汽车能够排放CO2，人们的呼吸作用会释放二氧化碳等。

3.2 影响因子与全球温度关联度分析

采用了灰色关联分析法对以上3 种因素进行分析，得到每个因素的与温度之间的灰色关联度，通过比较得出影响温度的主要因素。

具体步骤如下：1）确定母序列和因素序列。设母序列为x0（t），是全球的温度数据，共有m 个数据，即x0（t）={x0（1），x0（2）...，x0（m）}，t=1，2，…，m；特征序列为xi（t），有3 个子序列，分别是二氧化碳浓度，人口数量，全球森林面积，即x0（t）={xi（1），xi（2）...，xi（m）}，i=1，2，3。2）数据标准化处理。因数据间量纲和大小存在差异，因此需要对原始数据进行变换。采用均值的方法，先分别求出各序列的平均值和标准差，再将原始数据减去平均值后除以标准差，得到的新序列即为标准化序列。3）计算关联系数。

ρ 为分辨系数，在（0，1）取值，分辨系数越小，关联系数间差异越大，区分能力越强，通常取 0.5。

计算关联序度如公式（11）所示。

3.3 影响因子关联度分析结果

根据Matlab 仿真结果可以得出，二氧化碳的浓度和森林覆盖面积对全球平均气温的影响最大，其关联度指标分别为0.813 和0.805。人口数量对全球平均气温的影响与前两项相比并不显著，其对全球平均温度的关联度仅为0.537。

4 抑制全球变暖影的措施

结合全球变暖的数据来源以及对全球平均气温的预测及对影响全球变暖的因素的分析，可以清楚地看到，二氧化碳的排放是全球平均温度上升的主要因素，因此减少全球CO2的排放，增加固碳量是解决全球平均气温持续升高的首要目标。所谓固碳，也被称为碳封存，是指增加除大气之外的碳库碳含量的措施。固碳能够将多余的碳封存起来，不排放到大气中。因此，提出以下措施抑制全球变暖。

4.1 加大对清洁能源的利用

清洁能源是现阶段全球公认的有效解决全球CO2排放的有效方法，同时各国也在不断加大和投入将传统能源逐渐替换成清洁能源的步伐，因此，国家需要加大对清洁能源例如氢能的大力开发和应用，有效减少CO2的排放。

4.2 国家和政府应出台政策进行干预管理

政府的有效干预同样是抑制全球变暖的有效措施，不断调整和优化国家政策可以加强企业和个人对抑制全球变暖的责任心。

4.3 增加全球固碳量

CO2的固定是全球碳循环过程的必要阶段，因此加大对CO2的固定同样能有效减少CO2的排放，因此植树造林，管控乱砍乱伐是抑制全球平均气温持续升高的有效措施。

4.4 建立碳市场

通过政府给碳定价，从根本上抑制了排放者在财务上所造成的碳排放；其次，为抵消已有的碳排放，排放者可以购买碳信用作为补偿，从而为抑制全球变暖的项目带来亟需的资金。

4.5 利用生态系统

固碳森林是陆地生态系统的主体，在全球碳循环和调节气候变化中有极其重要的作用。通过植物的光合作用，可以提高生态系统的碳吸收和储存能力，从而减少二氧化碳在大气中的浓度。因此，增加森林总量、提高森林质量、增强森林生态服务功能等都可以减缓全球变暖的趋势。

4.6 土壤固碳

我国科学研究院研究表明土壤固碳可减少温室气体排放，稻田土壤约占我国总土壤固碳潜力的40%，因此，深入研究稻田土壤碳循环的固碳机理对减缓全球变暖具有重要意义。

5 结语

该文研究证明，自然灾害对全球变暖有一定影响。澳大利亚森林火灾发生后，加剧了二氧化碳排放，而且减少了当地森林覆盖面积，进一步加剧全球变暖；而研究发现，新冠疫情对全球变暖的影响并不明显；印尼火山爆发产生的硫气溶胶会通过反射部分的太阳光，导致地球表面接受到的太阳辐射减少，进而降低地球温度。在针对影响全球变暖的因子研究过程中发现，二氧化碳浓度和森林面积是对全球变暖有较大影响力的因子，因此在减缓全球温室效应的措施中，主要应该考虑植树造林，减少二氧化碳浓度增加生态系统固碳量。