基于GIS的中国气温空间分布与分区初探

气候变迁的可能应用潜力 。根据空间统计学的原理 ,某种地理现象或某属性指标的空间分布特征可以通
过空间自相关的全局和局部两个指标来度量 。全局指标用于验证整个研究区域的整体空间模式[11] ,而局
部指标用于反映一个区域单元上的某种地理现象与邻近区域单元上同一现象的相关程度[12] 。
(1) 全局空间自相关分析模型 (Moran I)
温分布在空间上存在两个低温集聚区和一个高温集聚区 ,分别为东北低温集聚区 、青藏高原低
温集聚区和东南部近海高温集聚区 ,其余地区为介于高温集聚和低温集聚区之间的过渡区 ;而
在春夏两季 ,塔里木盆地也形成一个高温集聚区 。最后 ,本文对形成这种气温空间分布特征的
影响因素进行了分析探讨 。期望本研究对气候区划研究提供有益参考 。
以 0. 05 的显著性水平作为分区指标 ,生成了中国气温 Local Moran I 显著性水平分布栅格图 。但所 生成的栅格图中存在许多面积较小的图斑 ,为了分析的方便 ,将小于 20 个单元格的小图斑融合到邻近的 大斑块中 ,并进一步转换为多边形矢量图形 ,生成各集聚区的边界 ,每个多边形代表一个气温的高值或低 值集聚区 ;由此生成各气温集聚区的分区线 ,最终得到气温分区图 (图 1a～e) 。图 1 直观地显示了不同空 间位置上气温自相关的不同显著性水平 。各分区的详细统计信息见表 1 。
3. 75 ℃,面积为 152. 9km2 ,我们将其称为青藏高原低温集聚
区 ,简称高原区 ;华北平原 、长江中下游平原 、四川盆地 、云贵高
原东部及东南沿海地区为一个高温集聚区 ,年均气温为 16.
63 ℃,面积为 243. 8km2 ,该区距海较近 ,我们称之为东部近海 高温集聚区 ,简称东部区 ;其余的包括东北平原 、黄土高原 、内 蒙古高原 、云贵高原西部 、横断山 、天山 、准格尔盆地 、塔里木盆 地和柴达木盆地在内的广大地区地理跨度大 ,且地形和地貌条
(2) 局部空间相关分析模型 (Local Moran I)
Local Moran I 是常用的表示局部空间相关性的指标 。每一个观测点的局部 Moran 统计量如下 :
n
n2 ( xi - x) ∑wij ) ( xj - x)
Ii =
nn
j n
,其中 j ≠i
(2)
( ∑∑wij ) ∑( xi - x) 2
全局 Mo ran I 系数是常用的全局空间相关性指标 ,用于探测整个研究区域的空间模式 :
nn
n ∑∑wij ( xi - x) ( xj - x)
I=
ij nn
n
,其中 j ≠i
(1)
( ∑∑wij ) ∑( xi - x) 2
ij
i
(1) 式中 ,n 是参与分析的空间单元总数 ,xi 和 xj 分别表示某现象 x 或某属性特征 x 在空间单元 i 和 j
图 1 Local Moran I 显著性水平及分区图 Fig. 1 Regional dist ributio n of significance of Local Mo ran I and temperat ure cluster
件复杂 ,沙漠 、戈壁 、盆地 、高山等交替出现 ,不能形成高温或低温的空间集聚 ,Local Moran I 的显著性水
1 数据来源和研究方法
1. 1 数据来源 研究中使用的数据来源于 http :/ / climate. geog. udel. edu/ ～climate/〔美国特拉华大学全球气候资源
网〕,为经过插值后的中国 1950～1999 年各月平均气温格点数据 ,数据格式为 Dbase III 属性表格 ,在经纬 度方向的分辨率为 0. 5°。该网站为了提高数据的插值精度 ,在插值前 ,首先利用 D EM 数据 ,以 6 ℃/ km 的 气温垂直递减率将站点订正到海平面高度 ,然后对订正后的气温进行传统的空间数据内插 ,再将插值后的 海平面气温数据恢复到原来高度 ,最终得到各月气温的格点数据 。参加插值的原始站点为 24941 个 ,插值 时影响任一格点插值结果的站点为 20 个 。
高原区控制范围缩小面积缩减为147念青唐古拉山横断山等地区又从高原低温集聚区中分离气温空间分布特征表taspatialdistributiocharacteristicstemperature平均温度年均东北区过渡区97大兴安岭小兴安岭北部黄土高原塔里木盆地等其余地区昆仑山马拉雅山冈底斯山唐古拉山和祁连山华北平原长江中下游平原四川盆地云贵高原东部及东南沿海地区大兴安岭兴安岭内蒙古高原的东北部和三江平原土高原青藏高原东南部等其余地区祁连山昆仑山华北平原南部长江中下游平原四川盆地贵高原东部及东南沿海地区大兴安岭北部地区东北平原黄土高原等其余地区昆仑山喜马拉雅山冈底斯山唐古拉山和祁连山阿尼玛卿山华北平原长江中下游平原四川盆地云贵高原东部及东南沿海地区塔里木盆地内蒙古高原黄土高原东北平原等其余地区昆仑山喜马拉雅山冈底斯山唐古拉山和祁连山阿尼玛卿山念青唐古拉山和横断山北平原长江中下游平原四川盆地云贵高东部及东南沿海地区塔里木盆地吐鲁番盆地大兴安岭北部地区内蒙古高原黄土高原等其余地区昆仑山马拉雅山冈底斯山唐古拉山和祁连山华北平原长江中下游平原四川盆地云贵高原东部及东南沿海地区3775152东部区1663243冬季平均东北区1995过渡区高原区2854425238春季平均东北区过渡区132647161东部区1851244塔里木过渡区1688218135夏季平均高原区1007227东部区2793200塔里木东北区过渡区27184232519秋季平均高原区98147东部区1762241各分区的影响因素分析相关分析是通过计算两个变量之间的相关系数来分析地理现象的形成因子
上的观测值 ,i = 1 、2 、…、n ;j = 1 、2 、…、m ; m = n 或者 m ≠n ,wij 表示空间权重矩阵的任一元素 ,其目的是定
义空间对象的相互邻接关系 ,即空间相似性或空间相关性 ,便于把 GIS 数据库中的有关属性数据放到所研
究的地理空间上来分析对比 。空间权重矩阵可以根据邻接标准或距离标准来度量 。根据邻接标准 ,当 i
度是 0°N ,假东 、假北均为 0 。
1. 3 研究方法
1. 3. 1 空间自相关分析
空间自相关是一种空间统计方法 。近年来 ,许多社会和行为科学的研究开始借助于空间统计分析方
法来探测社会现象的空间模式和非常态分布[8 - 10] 。Goo dchild[10] 等也指出了空间统计分析技术在环境与
的原假设进行检验 ,取双侧检验显著性水平为 0. 05 。当显著性水平高于 0. 05 时为显著空间自相关 ,即存在
变量的空间集聚现象 ;当显著性水平小于 0. 05 时 ,变量的空间集聚现象不明显或不存在空间集聚现象。全局
自相关性是进行局部自相关的基础 ,当不存在全局空间自相关时 ,局部自相关分析往往没有意义 。
平在 0. 05 以下 ,空间自相关不显著 ,我们将其划为高温和低温聚集区之间的过渡区 。
冬季 ,东北区范围达到全年最大 ,小兴安岭 、内蒙古高原的东北部和三江平原也都加入到东北区中 ,面
积达 95. 4km2 。与东北区相反 ,高原区的控制范围却降到了全年最低 ,仅包括祁连山和昆仑山区等地区 , 面积仅为 62. 7km2 。喜马拉雅山 、冈底斯山 、阿尼玛卿山等地区未能形成低温集聚区 ,但需明确的一点是 , 未能形成低温集聚并不代表这些地区冬季气温较高 ,而是该地区气温空间分布复杂 、相邻位置间气温差别
ij
i
(2) 式中各参数的意义和定义域与 (1) 式相同 ,Local Moran I 反映了各个观测点的地理变量和其周围
其他点的空间自相关情况 。
2 结果与分析
2. 1 全局空间自相关分析结果
© 1994-2010 China Academic Journal Electronic Publishing House. All rights reserved.
1. 2 数据预处理
由于中国的气候类型主要是季风气候 ,冬夏气温有很大的差异 ,年平均温度不足以说明该地区气温分
布的特点 。因此 ,本文选择年平均气温和各季平均气温进行研究 。首先从月平均气温数据中分别统计出
各点的多年年平均和多年季平均气温数据序列 。
为了以地图方式直观显示气温的空间分布和进行空间自相关分析 ,本文采用 ESRI Arc GIS 将年平均
© 1994-2010 China Academic Journal Electronic Publishing House. All rights reserved.
第4期
宋艳华等 基于 GIS 的中国气温空间分布与分区初探
·17 ·
1km 。
本文研究区域为除海南岛 、台湾岛等各岛屿之外的整个中国大陆地区 。
基于 GIS 的中国气温空间分布与分区初探3
宋艳华 , 马金辉 , 刘峰
(兰州大学西部环境教育部重点实验室 ,甘肃 兰州 730000)
提 要 :利用空间统计分析方法对中国 1950 年～1999 年 50 年的年平均和季平均气温格
点数据进行空间自相关分析 ,发现中国气温分布存在明显的空间集聚现象 。结果表明 ,中国气
60km ,可以较好地表达各个格点之间的空间关系 。
Moran I 的值域为[ - 1 ,1 ] ,正的 I 值表示空间正相关 ,即空间变量在一点上的取值与相邻点的取值相似 ;
相反则为空间负相关。Moran I 并不表示属性值本身的高低。为了从统计意义上严格地区分空间集聚和非
集聚区域 ,需要对计算结果进行显著性检验 ,即对“变量在研究区域呈随机分布 (即不存在空间自相关关系) ”
第 20 卷 第 4 期 2006 年 7 月
干 旱 区 资 源 与 环 境 J o urnal of Arid Land Reso urces and Enviro nment
Vol . 20 No . 4 J uly. 2006
文章编号 :1003 - 7578 (2006) 04 - 016 - 06
关键词 :空间统计分析 ; 气温空间分布 ; 气温分区 ; 空间集聚
中图分类号 : P208
文献标识码 :A
中国地处欧亚大陆东南部 ,濒临辽阔的太平洋 ,海陆差别很大 ;同时 ,中国的地域十分广阔 ,南北纬距 跨约 50°,东西经差 61°;地理条件更为复杂 ,地势西高东低 ,形成三级阶梯 。广阔的地域和独特的地理环境 造成了中国气候的空间分异十分显著 ,仅年平均温度差异 ,即可超过 30 ℃之多[1] 。分析中国气温的空间分 布格局 ,了解其空间变化规律 ,对于工 、农业和生态建设 、区域规划具有重要的实践意义 ;也对于研究全球 气候变化的区域响应和反馈具有重要理论价值 。
和 j 邻接时 ,空间权重矩阵的元素 wij = 1 ,否则 wij = 0 。根据距离标准 ,当位置 i 和 j 之间的距离在一给定 的距离范围内时 ,空间权重矩阵 w 的元素 wij = 1 ,否则 wij = 0 。由于文章中使用的数据为规则分布的格点 数据 ,采用距离规则能正确地反映出格点之间的空间相邻关系 。经过多次试算 ,发现距离阈值选择为
早在 30 年代 ,竺可桢教授就利用降水量和气温资料对我国气候进行过区划[2] 。其后又有许多气象 、 气候工作者进行了中国气候区划[3] ,但多数学者的研究都建立在传统统计分析的基础上[4 ,5] 、着重于气候 数据本身的统计特性 ,很少考虑气温分布的空间结构 ,忽略了气候因子的空间相关性 。这往往导致统计结 果的偏差 ,影响区划结果的准确性 。近年来 , GIS 空间分析技术取得了长足进展 ,使地理现象的空间格局 分析和地理环境的区域划分具有了更坚实的理论基础和更先进的技术手段 。本文在 GIS 支持下 ,基于空 间统计学原理 ,利用其在空间分布探测和空间格局研究中的强大优势和潜力 ,进行空间统计分析 ,试图识 别出中国气温的空间分布格局 ,从而进行科学的气温区划 。具体是采用了 Mo ran I 和 Local Mo ran I[6 ,7] 指数对我国的气温分布进行空间相关性探测 ,并进一步进行空间聚类处理 ,找出气温相似值集聚区 ,在此 基础上 ,采用统计相关分析技术分析了产生各气温集聚区的原因 。
研究中使用的高程数据 ,来源于 1 ∶400 万中国地形 (高程) 数据 (1990 年资料) ,其空间分辨率为
3 收稿日期 : 2005 - 04 - 25 。 作者简介 : 宋艳华 (1979 - ) 女 ,汉族 ,河南封丘人 ,在读硕士 ,主要从事 GIS 的应用研究 。E - mail : songyanh03 @st . lzu. edu. cn
和季平均气温的属性表格数据转换为 ESRI Shapefile 。为了避免地球椭球体的影响 ,保证空间距离和方位
的相对正确 ,进行了投影转换 。投影类型为正轴等面积割圆锥 ( Alber s Co nical Equal Area) 投影 ,单位是
米 ,参考椭球体采用克拉索夫斯基椭球体 ,标准纬线分别是 25°N 和 47°N 纬线 ,中央经线是 110°E ,原点纬
·18 ·
干 旱 区 资 源 与 环 境
第 20 卷
全局空间自相关分析结果显示 ,中国年均和季平均气温的 Moran I 指数均大于 0. 9 ,且均拒绝随机分 布的原假设 ,空间集聚的显著性水平为 0. 01 ,即中国气温整体上存在明显的空间集聚现象 。即相邻区域 的气温情况比较相似 ,而与较远区域的气温则存在较大的差异 。 2. 2 局部空间自相关分析结果
பைடு நூலகம்
由图 2 和表 1 可以得出 ,对于年均气温 ,在大兴安岭和小
兴安岭北部有一个低温集聚区 ,该区年均气温为 - 2. 58 ℃,面
积为 37. 8km2 ,我们将其命名为东北低温集聚区 ,简称东北区 ;
青藏高原的昆仑山 、喜马拉雅山 、冈底斯山 、唐古拉山和祁连
山 、阿尼玛卿山区也有一个低温集聚区 ,集聚区年均气温为 -