基于增量法的青藏高原夏季地面2m气温预测模型

朱文秀1，孙子茱2

摘要：本文利用CN05地面2米气温（SAT）观测资料和JRA55再分析资料数据集，采用EOF分析，相关分析和多元回归等统计学方法，分析了中国青藏高原地区夏季（6-8月）SAT的时空分布特征及其与全球海表温度（SST），土壤湿度（SM），地面气温（SAT）的联系，并基于年际增量法构建了青藏高原SAT的统计预测模型。

关键词：青藏高原  地面气温  年际增量法  预测模型

引言

青藏高原（以下简称高原）由于其独特的地理位置、地势以及高度敏感的气候变化，在过去几十年里气温不断上升，导致高原地区极端事件频频发生。随着高原极端事件的频繁发生，地表热量，土壤湿度，海表温度等也天气要素也会发生明显变化，紧接着，影响到高原的天气气候，进而影响全球的气候变化。此外，高原地面气温的异常对冻土，积雪，地气热量平衡等也具有重要影响。所以，了解高原气候变化的特征，加强对高原气候变化的研究，并预测高原天气气候的变化，有利于防范高原地区农业灾害风险、加强对高原极端灾害风险的评估。

1.资料和方法

本文研究的青藏高原地区的地面气温采用中国国家气象局CN05地面气温观测资料，海温，土壤湿度，地面气温资料，采用JRA55数据集，研究时段为1961-2016年。由于消除年代际变率的影响，本文使用年际增量法、经验正交函数分析，多元线性回归等统计学方法来探究高原气温变化及其相关因子。

2.结果和分析

2.1增量形式的年平均气温的主成分分析

为了准确反映高原夏季地面气温的年际变化趋势，在一定程度上减小年代际变化趋势的影响，我们将高原地区地面气温处理成年际增量的形式，进行主成分分析（如图1）。可以看到，高原地面气温年际增量的前两个主导模态解释方差分别为47.35%，28.3%，第一模态与第二模态的空间型均表现为：东南-西北相反的反向型变化。区别在于第一模态东南地区呈现一致的负值区，而第二模态西北地区呈现一致的负值区。两模态的方差贡献依然较大，表明，高原地面气温的年际增量在空间分布上是依然具有总体的一致性。两模态的时间序列明显减小了年代际变率的影响，呈现清晰的年际变化趋势，其中70年代至90年代的变化幅度较大。

图1 1961至2016年高原地面2米气温年际增量的时空分布，a、c为第一、第二特征向量的空间分布，b、d为对应的时间序列

2.2高原地面气温年际增量的预测因子

2.2.1海表温度

采用JRA55资料数据集，选取1961-2016年的海表温度数据，对高原地面气温年际增量第一模态时间系数(PC1)与海表温度年际增量场进行相关分析,从上一年12月至次年5月进行逐三个月相关分析时发现,印度洋海表温度与高原气温的相关信号从上一年12月一直持续到当年5月，且相关区域较广，相关信号较强。其中，北印度洋海表温度与高原地面气温呈现一致的正位相变化，南印度洋海表温度表现为一致的反位相变化。从上一年10月至次年5月进行每两个月的相关分析时发现,印度洋地区的海表温度信号在上一年10，11月及次年4，5月较弱，相关区域明显缩小，上一年12月至当年3月相关信号明显，且范围较大。上一年10,11月份赤道东太平洋地区的海表温度与高原气温的相关信号显著，相关系数达到0.35，但相关信号的区域较小，从上一年12月至当年3月相关信号较弱，大西洋地区的海表温度仅在2，3月有明显相关信号。

2.2.2土壤湿度

土壤湿度主要体现地表水分和能量的交换及循环，是陆面过程中的关键因子，主要通过调节潜热通量来影响地表的热力变化及水汽收支平衡，其正负异常可反映不同地区极端气温的频率和强度变化，引起地表热力状况异常，进而对气候变化产生重要影响。

选取1961-2016年的土壤湿度资料，对PC1与上一年10月至次年5月的土壤湿度年际增量场分别进行逐三个月和逐两个月的相关分析，逐三个月超前相关,发现北美洲极地地区的土壤湿度与高原地面气温的相关信号从上一年10月一直持续到次年五月，且相关关系显著，10-12月最大，相关系数达到-0.47。欧亚大陆，非洲，南美洲地区的土壤湿度与高原地面气温也存在一定的关联，但信号较弱，相关关系不太显著。逐两个月相关分析的结果基本与逐三个月一致，北美洲极地地区表现出较强的相关信号。

2.2.3地面气温

地面气温是影响区域热力状况以及气候变化的重要参数，对1962-2016年的地面气温年际增量场与PC1逐月相关分析，逐三个月做相关时，地面气温年际增量场与PC1的相关信号从上一年10月一直持续到当年5月，亚洲大部分地区的地面气温与高原地面气温存在正位相变化，南北美洲大部分地区为反位相，上一年11-1月亚洲东部地区的地面气温与高原地面气温的相关系数为0.34，当年2-4北美洲极地地区的地面气温与高原地面气温的相关相关系数为-0.40。从上一年12月至当年5月欧亚大陆呈现偶极子的相关信号， 但逐两个月相关分析时发现，这种呈现偶极子的相关信号持续到当年四月，五月份逐渐消失。

3.高原夏季地面气温预测模型的建立及性能检验

3.1对应第一模态预测模型的建立

综上，海表温度，土壤湿度，地表气温均与高原地面气温存在显著相关性，对应PC1，相关信号更强的区域有：1-3月北印度洋地区(0º-20ºN，40ºE-110ºE)，2-4月南印度洋地区（50ºS-35º,40ºE-60ºE），10-11月赤道东太平洋地区（10ºS-10ºN,165ºE-190ºE）的海表温度， 10-12月北美洲极地地区（70ºN-80ºN,240ºE-280ºE）的土壤湿度， 11-1月亚洲东部地区（50ºN-65ºN,115ºE-130ºE），2-4月北美洲极地地区（ 60ºN-80ºN,255ºE-280ºE）的地面气温。此外，11-1月及2-4月欧亚大陆的地面气温均与PC1有较好的相关性，而2-4月北美洲极地地区的地面气温与PC1存在明显的同位相变化，所以，选取预测因子时，11-1月考虑欧亚大陆的地面气温，2-4月考虑北美洲极地地区的地面气温。对应PC1选定以下各项作为预测高原夏季地面气温年际增量的预测因子。

根据选取的预测因子，以PC1为预测量(y1)，得到的多元线性回归方程为：

y1=-0.363*x1+0.303*x2-0.042*x3-0.156*x4-0.040*x5-0.115*x6

该方程的解释方差达到60%。

3.2对应第二模态预测模型的建立

同理，对应pc2选定各项为预测高原夏季地面气温年际增量的预测因子。

以PC2为预测量(y2)，得到的多元线性回归方程为：

y2=-0.488*x1+0.192*x2 +0.119*x3+0.120*x4-0.136*x5+0.144*x6

其解释方差为57%。

3.3预测模型性能检验

利用预测得到的时间序列，结合增量场前两个模态的时间序列，分析1961-2016两模态多元线性回归值和观测值。发现，对于PC1来说，观测值与预测值的时间演变趋势大体一致，1975，1983，1992，2007，2012，2013，这六年两值出现较大偏差，1975年的预测值较观测值小，其他五年较观测值偏大，但时间系数的正负没有出现变化。对于PC2来说，两值随时间的演变趋势出现了较大差别，甚至在个别年份两值出现了正负相反的情况。说明PC1相比于PC2，其预报模型的预测效果较好。

选定以PC1为预测量所建立的多元回归统计预测模型，得到2012至2016年的预测值，对比分析这五年的观测值与预测值，发现两值的分布基本一致，说明用PC1建立的统计预测模型能够成功模拟1961-2016年高原夏季地面气温的年际增量变化，且预测效果较好。

结语

本文利用多元线性回归，建立了高原地面2米气温与海温，土壤湿度，地表气温之间的统计回归模型，最终对多元回归得到的时间序列与增量场的时间序列及2012-2016年的观测值与预测值进行了分析，得到以下结论：

（1）高原地面气温存在空间一致性。从1960年起高原地面气温一直是升温的，但升温趋势不均匀。年际增量场的空间分布呈现东南-西北相反的反向型变化，时间序列呈现明显的年际变化。

（2）全球范围内的海表温度、土壤湿度、地表气温与高原地面气温存在显著相关关系，以相关性较强的各项为预测因子构建的统计预测模型的预测效果较好。

（3）用年际增量做预测能提高预报技巧，得到较好的预测结果。对基于上述因子建立的地面2米气温的统计模型能够较好的预测高原夏季地面气温的年际变化。

参考文献

[1]焦洋, 游庆龙, 林厚博等. 1979—2012 年青藏高原地区地面气温时空分布特征[J]. 干旱区研究, 2016, 33(2): 283-291.

[2]黄艳艳, 王会军. 2020年全球变暖会创新高吗？[J]. 大气科学学报, 2020, 43(4): 585-591.

[3]魏凤英.现代气候统计诊断与预测技术[M].北京：气象出版社，1999.

作者简介：朱文秀（1998.07），女，土族，青海省大通县人，本科学历，助理工程师，从事研究方向或职业：气候变化特征分析；综合业务观测。