地面气温

地面气温（精选三篇）

地面气温 篇1

1 气温、风速的变化周期

1.1 逐年平均气温、风速的变化周期

将青岛地区的地面气温、风速分别从1961年至2010年进行逐年平均,然后采用功率谱分析方法,分析近50年期间该地区地面气温、风速的变化周期,见图1,如果谱密度大于红(白)噪音检验标准谱,则表明该周期是显著的。

通过分析不难发现青岛地区的地面气温、风速存在多种尺度的显著性变化周期。气温具有显著的2.1年至2.7年、3.6年至5.3年的变化周期以及32年以上的长周期震荡,详见图3a;风速存在显著的2~4年的变化周期以及16年以上的长周期震荡,详见图3b。

1.2 不同季节气温的变化周期

为了分析不同季节将青岛地区地面气温的变化周期,本文还将该地区的气温进行逐季节平均,采用功率谱分析方法,分析不同季节气温的变化周期,见图2。

冬季(1月为代表,图2a):该季节的地面气温存在显著的2.5年至2.7年、3.2年至4.6年的显著性变化周期,这个显著性变化周期可能与nino3指数的5年周期存在一定的联系;夏季(7月为代表,图2b):该季节的地面气温存在显著的2.0年至2.3年、3.2年至3.6年的显著性变化周期。

1.3 不同季节风速的变化周期

将青岛地区的地面风速进行逐季节平均,采用功率谱分析方法,分析不同季节地面风速的变化周期,见图3。

冬季(1月为代表,图3a):青岛的地面风速存在显著的2.0年至2.5年、3.2年、6.4年至10.7年的显著性变化周期;夏季(7月为代表,图3b):青岛的地面风速存在显著的2.9年至5.3年的显著性变化周期,以及32年以上的长周期震荡。陈红霞等[8]指出中国近海及临近海域(15°~25°N,112°~130°E)海浪的年际变化中以5年左右的变化周期最为显著,这一周期可能受东亚冬季风异常和ENSO循环影响有关;郭艳军等[9]的研究结果表明,ENSO时间影响到我国冬季风的强弱。结合本文的结果,青岛的气温、风速都具有显著的5年左右的变化周期,这一周期可能与ENSO循环有着密切联系。

2 气温、风速的突变检验

2.1 逐年平均气温、风速的突变形势

将青岛地区的地面气温、风速分别从1961年至2010年进行逐年平均,然后利用MK(Ma n n-K en d a ll)检验方法,分析近5 0年期间该地区地面气温、风速的突变形式见图4。

气温:由图4a可见,UF与UB两条曲线相交于1989年,且交点位于两条检验线(直线A和直线B)之间,表明青岛地区的地面气温在近50年期间存在显著的突变现象,突变期为1989年。由UF曲线可以看出,该地区的气温在1961年至1972年期间呈震荡递减,1972年的气温为近50年的波谷,1972年至2010年期间呈显著的递增趋势,尤其是在1994年以后,UF曲线在临界线以上,即递增趋势更为强劲,该地区气温的递增趋势与全球变暖大背景相吻合。

风速:由图4b可见,UF、UB两条曲线虽然相交,但交点并不位于两条临界线之间,说明该地区的地面风速在近50年期间并不存在显著的突变形势。由UF曲线的走势可以看出,青岛地区的风速在1961年至1967年期间呈递减趋势,1967年至1973年期间呈递增趋势,1973年至1991年期间走势相对平缓,1991年至2010年期间的地面风速迅速递减。

2.2 不同季节气温的突变形势

为了分析不同季节的突变形势,本文还将青岛地区的地面气温从1961年至2010年进行逐季节平均,然后利用MK检验方法,分析近50年期间该地区地面气温在不同季节的突变形式,见图5。

冬季(1月为代表):由图5a可见,UF与UB两条曲线相交于1986年,且交点位于两条检验线之间,表明青岛地区的地面气温在冬季存在显著的突变现象,突变期为1986年。由UF曲线可以看出,该地区的气温在夏季整体呈缓慢的波动状递增。在近50年期间,青岛冬季的气温存在两个比较明显的波谷:1963年和1970年,1971年年之后表现出较为明显的递增趋势。

夏季(7月为代表):由图5b可见,UF、UB两条曲线相交于1978年、1981年、1984年,且交点位于两条临界线之间,说明该地区的气温在近50年期间的夏季存在显著的突变形势,突变期为20世纪70年代后期和80年代初期。由UF曲线的走势可以看出,青岛地区的气温在1961年至1967年期间剧烈递增,1970年至2010年期间呈缓慢的递增趋势。

2.3 不同季节风速的突变形势

还将青岛地区的地面风速从1961-2010年进行逐季节平均,然后利用MK检验方法,分析近50年期间该地区地面风速在不同季节的突变形式,见图6。

冬季(1月为代表):由图6a可见,UF与UB两条曲线相交于1991年,但交点并不位于两条检验线之间,表明青岛地区的地面风速在冬季不存在显著的突变现象。由UF曲线可以看出,该地区的风速在近50年期间的夏季表现出显著的递减趋势。

夏季(7月为代表):由图6b可见,UF、UB两条曲线相交于2003年,且交点位于两条临界线之间,说明该地区的风速在近50年期间的夏季存在显著的突变形势,突变期为2003年。由UF曲线的走势可以看出,在1961年至1967年期间,风速表现出递减趋势,1967年至1976年期间表现出递增趋势,1976年至1991年期间的变化趋势较为平缓,1991年至2010年期间表现出剧烈的递减趋势,详见图6b。

3 结论

(1)青岛地区的地面气温、风速存在多种尺度的显著性变化周期。气温具有显著的2.1年至2.7年、3.6年至5.3年的变化周期以及32年以上的长周期震荡;风速存在显著的2年至4年的变化周期以及16年以上的长周期震荡。

(2)1月的地面气温存在显著的2.5年至2.7年、3.2年至4.6年的显著性变化周期;7月的地面气温存在显著的2.0年至2.3年、3.2年至3.6年的显著性变化周期。1月的地面风速存在显著的2.0年至2.5年、3.2年、6.4年至10.7年的显著性变化周期;7月的地面风速存在显著的2.9年至5.3年的显著性变化周期,以及32年以上的长周期震荡。

(3)青岛地区的地面气温在近50年期间存在显著的突变现象,突变期为1989年;地面风速在近50年期间并不存在显著的突变形势。

(4)青岛地区的地面气温在冬季存在显著的突变现象,突变期为1986年;该地区的气温在近50年期间的夏季存在显著的突变形势,突变期为20世纪70年代后期和20世纪80年代初期。青岛地区的地面风速在冬季不存在显著的突变现象;该地区的风速在近50年期间的夏季存在显著的突变形势,突变期为2003年。

参考文献

[1]ZHENG Chong-Wei,ZHUANG Hui,LI Xi,et al.Wind Energy and WaveEnergy Resources Assessment in theEast China Sea and South China Sea[J].SCI CHINA TECH SCI,2012,55(1):163-173.

[2]郑崇伟,潘静,田妍妍,等.全球海域风浪、涌浪、混合浪波候图集[M].北京:海洋出版社,2012.

[3]Jones P D.Hemispheric surface airtemperature variations:A reanalysis and an update to l993.Journal of Climate,l994,7:l794-1802.

[4]Zheng Chong-wei,Pan Jing,Li jia-xun.Assessing the China Sea Wind En-ergy and Wave Energy Resources from 1988to2009[J].Ocean Engineering,2013,65:39-48.

[5]Zheng Chong-wei.Long-Term Trend of Sea Surface Wind Speed and(Wind Wave,Swell,Mixed Wave)Wave Height in Global Ocean During the Last44Years[J].Acta Oceanologica Sinica,in press.

[6]廖春花,刘甜甜,林海,等.长沙近57年气温变化特征分析[J].气象科学与环境,2008,31(4):21-24.

[7]刘志宏,郑崇伟,刘寒,等.近50年大连地区地面气温特征分析[J].科技创新导报,2012,33:136-137.

[8]陈红霞,华锋,袁业立.中国近海及临近海域海浪的季节特征及其时间变化[J].海洋科学进展,2006,24(4):407-415.

地面气温 篇2

基于数值预报产品的地面气温BP-MOS预报方法

在山东省临沂市气象局开发的“中尺度数值预报业务系统”的.基础上,利用高分辨率的数值预报产品和地面气温观测资料,建立了地面气温的BP神经网络方法预报模型.检验结果表明BP神经网络模型的气温预报准确率高于逐步回归模型和MM5模式输出的气温预报准确率,可应用于实际预报业务中来制作气温的精细化预报.

作 者：吴君 裴洪芹 石莹 张京英 王庆华 Wu Jun Pei Hongqin Shi Ying Zhang Jingying Wang Qinghua  作者单位：山东省临沂市气象局,临沂,276004 刊 名：气象科学  ISTIC PKU英文刊名：SCIENTIA METEOROLOGICA SINICA 年，卷(期)：2007 27(4) 分类号：P456.9 关键词：气温预报   数值预报产品   MM5模式   BP神经网络   逐步回归  

地面气温 篇3

旬平均气温及其变化对作物生产关系有重要影响,因此,本文基于坡向作为气温的一个重要影响因子,定量研究坡向与黑龙江省旬平均气温的相关程度,更加深入地了解局部地形地貌对气温空间变异的影响,以便于对利用地形因子的旬平均气温插值进行适当地修正,提高插值结果的准确性,同时为农业生产和土地利用等提供理论依据。

1 研究区域和数据源

1.1 研究区域

黑龙江省位于N43°25′~53°33′,E121°11′~135°05′,是我国最东北部,面积约为46万km2,地形复杂,西北部有大兴安岭山地,北部有小兴安岭山地,东南部有张广才岭、老爷岭和完达山等山地,西南有嫩江、松花江南北斜贯穿黑龙江省,形成东北部三江平原、西南部松嫩平原、东南还有兴凯湖。山地和平原的分布构成了黑龙江省西北部、北部和东南部高,东北部、西南部低的地势。

1.2 数据源及处理

收集1997-2006年黑龙江省80个气象站点的旬平均气温数据及地理信息位置以及全省1km×1km数字高程模型(DEM),对旬平均气温数据进行格式转化,与每个气象站点的空间地理位置相匹配,同时利用ArcGIS的地统计分析软件模块,对缺少的年旬平均气温数据的站点进行插值补充,将黑龙江省的数字高程模型(DEM)与行政区划图在ArcGIS中进行统一的投影坐标系的转换,统一采用的投影参数为:北京54参考系、中央经纬线为E128°,标准纬线1和标准纬线2分别为N46°和N50°。

基于ArcGIS中的空间分析功能,对黑龙江省1997-2006年旬平均气温与全省数字高程模型(DEM)进行聚焦分析,再利用Excel中的相关分析等统计学分析方法,研究黑龙江省80个气象站点旬平均气温与地面坡向的定量关系和相关程度,为气温插值模型的选择和修正提供理论依据。

2 地面坡向的聚焦分析与信息提取

聚焦分析是使用类似卷积滤波的方法对图像数值进行多种分析,在预先设定的窗口范围内,选定目的函数,对窗口范围内的像元数据进行计算,得到新图像像元的值,从而达到图像增强的目的。

利用ArcGIS中栅格表面(Raster surface)的Aspect,对DEM进行坡向分类,将坡向分为八个朝向:-1°为平面,-22.5°~22.5°为北向,22.5°~67.5°为东北向,67.5°~112.5°为东向,112.5°~157.5°为东南向,157.5°~202.5°为南向,202.5°~247.5°为西南向,247.5°~292.5°为西向,292.5°~337.5°为西北向。基于八个朝向,重新将坡向分为四类(见图2):阴坡(北向、东北向、西北向)、半阴坡(东向)、阳坡(东南向、南向、西南向)、半阳坡(西向),并对其进行重新赋值(阴坡value值为1、半阴坡value值为2、半阳坡value值为3、阳坡value值为4),以便于将聚焦分析的结果用于坡向与旬平均气温的相关分析时,提高相关分析的准确度。对地面坡向删格数据进行聚焦分析,其中,聚焦分析的函数类型有均值(mean)、极差(range)、众数(majority)、标准差(std)以及中值、极值等。经过对聚焦结果的统计和计算,旬平均气温与mean和std等的相关性相对较大。经过初步的判断,基于ArcGIS的邻域分析(Neighbour)选择以距离50km分别进行50、100、150、200、250km为半径的聚焦分析以及DEM(想当于0km)的聚焦分析,进一步利用ArcGIS空间分析功能(Extraction)提取气象站点处的聚焦值,计算坡向的不同函数数据与旬平均气温的相关系数,其中与第17旬气温的相关系数见表1。在第17旬,聚焦半径在150~250km时,聚焦结果与旬平均气温的相关性较大,低于150km时,相关性呈下降趋势,大于250km相关性也呈下降趋势,其它旬也是如此。为进一步研究旬平均气温与坡向的相关性,在150~250km,以10km的距离分别进行聚焦分析,从DEM及其聚焦分析结果中提取气象站点处地面坡向的value及其邻域内的mean、majority、std等数据。

此外,为了便于寻找与旬平均气温相关性较高的坡向指标,将气象站坡向的mean2、majority2、mean×majority、majority/mean、majority/std、mean/std等近50余组包含坡向指标的数据信息,用于与旬平均气温及坡向相关系数计算。

3 地面坡向与旬平均气温的相关性分析

3.1 相关系数的计算和筛选

利用Excel表格软件对所提取的气象站点的坡向数据信息进行统计分析,逐一试算不同聚焦半径下的坡向指标与36个旬各气象站点旬平均气温的相关系数,再筛选出在不同空间尺度上相关系数最大值(见图3)。

进一步利用Excel的统计分析功能,分别试算由mean、majority、value和std等基本指标进行不同函数组合而成的相对综合的坡向指标与36个旬各旬平均气温的相关系数,并进行比较分析,结果表明mean2、std、std/mean三个指标与旬平均气温的相关性最为显著(见图4)。

从mean、std、std/mean三个指标进一步筛选出最大相关系数,用来反映旬平均气温与地面坡向的相关程度(见图5)。同时,在不同空间尺度下,比较显著的地面坡向指标与旬平均气温的相关程度见表2。

3.2 相关性分析

区域气温的分布格局在时间上具有巨大的季节差异性,在空间上具有明显的纬向地带性,黑龙江省不同旬平均气温分布格局受不同的控制机制影响。我国高、低温度中心在不同季节与地形分布的关系[10],从15旬到21旬(夏季),气温分布格局主要由地形控制;从33旬到下一年的第3旬(冬季),气温分布格局主要由纬度控制。本文从旬时间尺度上进行气温与地面坡向相关程度的探索,从统计相关数据中,可以得出:(1)旬平均气温与地面坡向具有相关性。其中,旬平均气温局部分异与其空间邻域地面坡向mean2、std及std/mean呈负相关,尤其与mean2的相关系数最为显著,表明旬平均气温与其一定空间区域内阴坡的相关程度越高,并与坡向复杂度呈现负相关的趋势。在36个旬中,旬平均气温在指标mean2上与地面坡向的相关系数较大的有34个旬,占94%;其它2个旬的旬平均气温在指标std上与地面坡向的相关较大。旬平均气温与坡向最大相关系数在-0.747 6~-0.365 6,均值为-0.585 3。(2)旬平均气温与地面坡向的相关系数具有时间上的变异性。在作物生长期内各旬平均气温与坡向的相关系数较大,主要表现为13~27旬(5-9月)的旬平均气温与地面坡向的相关系数在-0.747 6~-0.600 5,均值为-0.674 1,标准偏差为-0.041 5,而非生长期内相关系数相对较小。这一结果对农业生产具有重要作用,同时对于研究农业气候资源中的气温插值具有指导意义。(3)旬平均气温与地面坡向具有空间上的差异性。各旬平均气温在选定的不同空间尺度上与地面坡向呈现不同的相关性。旬平均气温在指标mean2上与地面坡向最大相关系数的空间邻域范围集中于150~250km,最大相关系数稳定在180km或220km。而坡向指标std的最大相关系数空间邻域范围表现为:1~4旬和34~36旬集中于100km,5~33旬集中于220km。坡向指标std/mean的最大相关性指标空间邻域范围表现为:1~9旬和22~36旬集中于50km或150km,10~21旬集中于240km处。空间上的差异性表明,在作物耕种期,旬平均气温与地面坡向在大范围内相关程度更高。

4 结论

本文基于ArcGIS的空间分析工具,对DEM进行聚焦分析,提取不同空间领域的聚焦值,通过计算聚焦值与旬平均气温的相关系数,定量分析旬平均气温与地面坡向的相关性。结果表明,旬平均气温与坡向的相关程度在时间和空间上都具有差异性,在作物生长期,旬平均气温与坡向具有较高的相关性,并且代表坡向指标的mean2、std、std/mean均呈负相关趋势,由此表明当坡向作为气温插值的影响因子时,阴坡处气温插值的精度更高,并且坡向复杂度越高,坡向气温插值的精度影响就越高,而在非作物生长期,相关性较弱;旬平均气温与坡向的相关程度在较大范围(150~250km)内较高,而在250km以外的范围内未进行聚焦分析,不能确定在250km以外的范围内坡向与旬平均气温的相关程度以及更精确的最佳邻域半径大小等。

本研究在聚焦分析过程中耗时长,工作量大,而且对电脑配置要求较高,然而聚焦结果对于定量分析并筛选出与旬平均气温相关性较大的坡向指标具有重要作用,研究结果对完善传统气温插值模型、提高气温插值的精度具有重要的意义,同时为进一步探讨农业生产随地面坡度变异做出空间布局与调整提供科学依据。

参考文献

[1]邱新法,仇月萍,曾燕.重庆山地月平均气温空间分布模拟研究[J].地理科学进展,2009,24(6):621-628.

[2]杨凤海,孙彦坤,于太义,等.近10年黑龙江省气温的时空变异分析[J].地球信息科学学报,2009,11(5):5585-5596.

[3]杨凤海,王帅,刘晓庆,等.基于ArcGIS的近10年黑龙江省旬平均气温插值与建库[J].黑龙江农业科学,2009(5):120-124.

[4]袁淑杰,谷晓平,缪启龙,等.基于DEM的复杂地形下平均气温分布式模拟研究[J].自然资源学报,2010,25(5):859-867.

[5]周婷婷.福州市地形与气温相关性及气温模拟研究[J].中国科技信息,2010(3):22-23.

[6]周婷婷,陈文惠.基于MODIS数据和气象观测数据的气温空间插值方法比较[J].地理科学进展,2011,30(9):1143-1151.

[7]韩贵锋,叶林,孙忠伟.山地城市坡向对地表温度的影响——以重庆市主城区为例[J].生态学报,2012,34(14):4017-4024.

[8]李军,黄敬峰,游松财.不同空间尺度DEM对山区气温空间分布模拟的影响——以浙江省仙居县为例[J].地理科学,2012,32(11):1384-1309.

[9]李月臣,何志明,刘春霞.基于站点观测数据的气温空间化方法评述[J].地理科学进展,2014,33(8):1019-1028.