全球未来50年平均气温的时间序列分析与预测

第24卷　第17期2008年9月

甘肃科技

Gansu Science and Technol ogy

V ol.24　N o.17

Sep.　2008

全球未来50年平均气温的时间序列分析与预测

张国庆,李鹏飞,黄　立,武耀飞

(中南大学土木建筑学院,湖南长沙410075)

摘　要:近年来,全球气温持续升高引发北极冰川融化,进而导致全球海平面升高的加剧,成为人们关注的热点话题。对全球气温升高的形成机理进行了研究,揭示了它的现状和形成原因。对收集到的全球平均气温距平数据进行了Mann—Kendall突变检验,发现过去100年来全球平均气温并没有发生突变;在此基础上建立了Holt—W inters 无季节指数平滑模型,运用matlab软件编程预测出了今后50年全球平均气温的增长趋势。结果显示,今后全球气温还将以0.24℃/10a左右的速率上升。

关键词:全球气温升高;Mann—Kendall突变检验;Holt—W inters无季节指数平滑模型

中图分类号:P467

众所周知,近百年以来,全球气温一直维持较高

速度增长,已经越来越严重的影响了人们的日常生

活和工作;科学界普遍认为,全球变暖主要是由于地

球大气中的二氧化碳等温室气体不断增加引起的,

因为宇宙中的任何物体都辐射电磁波,大气对来自

太阳的短波辐射几乎是无阻碍作用,并且还强烈吸

收地面长波辐射。大气在吸收地面长波辐射的同

时,自己也向外辐射波长更长的长波辐射。其中向

下到达地面的部分称为逆辐射,地面接受逆辐射后

就会升温,这样大气对地面就起到了保温作用,这就

是大气温室效应原理(见图1,2)。其中,能够吸收

地面长波辐射的温室气体主要有二氧化碳、甲烷、臭

氧、氟利昂等,其中以二氧化碳为主。科学家认为,

气候变暖的主要原因是温室气体排放增加和森林等

植被破坏,包括人类长期使用煤炭、石油等燃料排放

出的二氧化碳。

1　全球平均气温的M ann—Kenda ll突变分

析

1.1　通过查找文献,找到了过去100年全球年平均

气温的气温距平数据(见表1)

表1　1900至2000全球平均气温的气温距平表℃19001905191019151920192519301935194019451950

-1.2-1.1-1.2-0.800.40.10.700.30.1

1955196019651970197519801985199019952000

0-0.4-0.3-0.2-0.2-0.420.30.60.71.2

其变化趋势如图3

。

图3　1900至2000全球平均气温的气温距平图

从图3可以直观的看出,在过去近100年以来全球平均气温大致呈上升趋势,但有较大的波动性。其中,从20世纪初到80年代,气温波动性比较明显。20世纪80年代后,气温增长趋势十分明显。为了获得气温变化趋势进一步的信息,采用Mann —Kendall 法对该时间序列进行气温突变检验。1.2　M ann —Kenda ll 突变检验模型

对于具有n 个样本量的时间序列X ,构造一秩序列:

S k =∑k

i =1r i (k =2,3,……n )

其中r i =

+1,if x i >x j 0,other wise

(j =1,2,3,……i )

在时间序列随机独立的假定下,定义统计量:

U Fk =│S k -E (S k )│V ar (S k )

(k =1,2,3……n )

其中U Fk =0,E (S k ),V ar (S k )是累积数的均值

和方差,在x 1,x 2,……x n 相互独立,且有相同连续分布时,它们可由下式算出:

E (S k )=

n (n +1)

4

V ar (S k )=n (n -1)(2n +5)

72

U F 1为标准正态分

布,它是按时间序列X 顺序x 1,x 2,……,x n 计算出的统计量序列,给定显著性水平α,若│U F │>R α/2,则表明序列存在明显的趋势变化。

按时间序列X 逆序x n ,x n -1,......x 1再重复上述过程,同时使U B k ,k =n,n -1, (1)

U B 1=0

这一方法的优点是不仅计算简便,而且可以明确突变开始的时间,并指出突变区域,且不受少数异常值的干扰。1.3　模型求解

运用matlab6.5软件对上述模型求解,做出它们的Mann —Kendall 突变检验图如4

所示。

在Mann -Kendall 突变检验图中,如果C1和

图4　M ann —Kenda ll 突变检验图

C2在临界值1.96(α=0.05)之间有一个显著的

交点,且C1上升超过了+1.96或下降低于-1.96,则可以认为序列产生了突变,前者表示有低温向高温突变,后者表示高温向低温突变,并且这个交点就是突变的开始。

从图4可见,全球100年来未出现大的突变,所以,可以直接进行趋势预测。

2　Ho lt —W in te rs 无季节指数平滑模型

2.1　时间序列的平稳性检验

平稳序列通常具有短期相关性。该性质用自相

关系数来描述就是随着延迟期数的增加,平稳序列的自相关系数会很快地衰减向零。因此,可以采用自相关图来检验。

运用s p ss 软件,做出它的自相关系数和自相关图,见表2,图5。

表2　全球气温距平自相关系数

Lag Aut ocorrelati on

Std .Err or (a )Box -L jung Statistic

Value df Sig .(b )10.6370.2039.78610.00220.390.19813.65320.00130.050.19313.71930.0034-0.2150.18815.03840.0055-0.2930.18217.62350.0036-0.2630.17619.85560.0037-0.2840.1722.6370.0028-0.1330.16423.28380.0039-0.0350.15823.33390.005100.1190.15123.953100.008110.1880.14425.661110.007120.2180.13728.206120.005130.270.12932.608130.002140.1220.1233.64140.002150.0280.11133.704150.00416

-0.149

0.102

35.858

16

0.003

3

7第17期 张国庆等:全球未来50年平均气温的时间序列分析与预测