中国近三十年气候变化
第28卷 第6期2009年11月
地 理 研 究GEO GRA P HICAL RESEA RC H
Vol 128, No 16
Nov 1, 2009
中国近30年气候要素时空变化特征
李 爽, 王 羊, 李双成3
(北京大学城市与环境学院, 北京100871)
摘要:利用1971~2000年中国603个气象站点逐日平均温度和降水量数据, 借助Arc GIS 空间分析工具, 采用自组织特征映射模型(SOFM ) , 对中国气候变化的时空特征进行分析。研究结果表明:近30年中国气候变化的总体特征以增温为主, 增温增湿的地区面积最为广大; 季节变化构型也以增温增湿为主, 秋季略有异常; 从年代际变化来看, 1971~1980年间, 中国的气候以降温为主, 而从1981年开始的20年间, 全国的气候变化转为增温占主导。SOFM 网络分类结果可以描述为缓增温少降水、剧增温平降水、缓增温缓降水和剧增温剧降水等四种类型。
关键词:气候变化; 自组织特征映射模型; 时空特征; 中国文章编号:100020585(2009) 0621593213
1 引言
近百年来, 这种变化对全球生态
, 也给人类的生存和发展带来了挑战。研究表明, [1,2], 气候变暖成为未来气候变化的主要趋势。在全球变暖的背景下, 气候变化研究有利于我国宏观社会经济政策的制订和“环境外交”活动的有效开展; 同时, 有利于把握气候变化的整体趋势, 合理地开展各项生产活动, 并采取相应的措施保障生态系统的正常运转。 近年来, 各国学者对气候变化情况进行了大量研究[3~10]。归纳起来, 目前对气候变化的研究大致可以分为两大类:一类是对历史及当前气候变化趋势及其形成原因的分析, 分国家尺度和区域尺度, 有定性研究方法和定量研究方法, 其中区域尺度的研究经常会对一些新方法进行尝试和探索; 另一类是对未来气候变化的情况进行预测。 在新方法的尝试上, 有些研究者采用了在图像处理、模式识别、信号处理和智能控制等方面都有出色表现的人工神经网络方法, 如SN ELL 通过与传统统计方法对比, 指出了人工神经网络在GCM 模型到RCM 模型的数据转换中的重要应用[11]; Cannon 在人工神经网络和相似性模型分析的基础上, 得到一种气候研究中降尺度分析的新方法[12]。An 2tonic 等使用神经网络模型取代插值中常用的克里格模型, 对地形差异显著的大尺度区域
收稿日期:2009203216; 修订日期:2009208215 基金项目:科技部创新方法工作资助(Innovation Met hod Fund of China ) :地理学方法研究(2007F Y14080021) ;
国家自然科学基金项目(40771001)
作者简介:李爽(19852) , 女, 辽宁鞍山人, 硕士生。主要从事全球变化区域响应的模拟与评价。
E 2mail :lishuang1102@gmail1com
3通讯作者:李双成(19612) , 男, 河北平山人, 副教授, 博士。主要从事地表格局与过程复杂性计算和模拟研究。
E 2mail :scli @urban1pku 1edu 1cn
1594地 理 研 究28卷
上气候要素的时空变化进行了分析[13]。胡江林等利用湖北省10个代表站点41年2~4月和6~8月的月降水量数据, 使用人工神经网络方法建立气候预测模型, 对人工神经网络在降水预测上的应用进行了探索[14]; 金龙等应用模块化模糊神经网络方法进行了一种新的数值预报产品的释用预报研究, 并与常规方法进行了比较[15]; 马学款等采用动态学习率B P 网络建模, 利用2003年11月~2005年10月西藏自治区32个站点的气象资料, 进行了1~7天逐日最高、最低温度的模拟预测[16]。目前国内气象科学领域对于人工神经网络的应用多集中于预测建模方面, 但是, 随着全球气候变化相关研究的广泛开展, 随着人们对区域气候变化特点的普遍关注, 对不同区域气候变化特点的研究及对气候变化趋势相似区域的归并研究成为气象科学研究中新的增长点。本文尝试使用新的分类方法———自组织特征映射网络(self 2organizing feat ure map ,SOFM ) , 对近30年中国气候变化趋势进行分析, 区分中国不同区域气候的时空变化特征, 以期丰富区域气候变化研究的方法和案例。
2 资料与方法
211 数据资料
本文所使用的气候数据来自于中国气候中心, 740个气象站点30年逐日的平均气温和降水量数据。, 经过数据的前期处理, , 最终选取了603个站点30。为计算气温和1(hWorks Inc 11984~2008) 中编写程序, 将212 21211 以时间t 为自变量, 气候要素(温度和降水) 为因变量, 作一元线性回归, 回归模型如(1) 式所示:
(1) y =a +bt 其中斜率b =
, 代表气候要素随时间的变化趋势, 将b ×10称为气候变化倾向dt
率[17,18], 单位为℃/10a 或者mm/10a 。气候变化倾向率大于0, 说明在统计的时间段内, 所考察的气候要素呈增长趋势, 反之, 呈下降趋势。气候变化倾向率的绝对值表征变化的幅度。 本文分别以各个站点的年(或季节) 平均气温和降水量为因变量, 计算不同时间段的气温倾向率和降水倾向率, 并对结果进行了显著性检验, 检验通过。21212 空间克里格插值 克里格(Kriging ) 插值又称空间局部插值法, 是以变异函数理论和结构分析为基础, 在有限区域内对区域化变量进行无偏最优估计的一种方法, 是地统计学的主要内容之一。克里格插值法是根据未知样点有限邻域内若干已知样本点数据, 在考虑了样本点的形状、大小和空间方位, 与未知样点的相互空间位置关系, 以及变异函数提供的结构信息之后, 对未知样点进行的一种线形无偏最优估计[19]。 将计算统计得到的各个气象站点年(或季节) 平均温度和降水倾向率转换成dbf 数据格式, 导入到Arc GIS912(ESRI Inc 1) 中, 根据每个站点的经纬度坐标建立点图层, 定义地理坐标和投影坐标。利用普通克里格插值法获取未知样点的数据, 设定数据的空间分辨率为1km ×1km 。采用交叉验证(cross 2validation ) 的检验方法对插值结果进行检验,
6期李 爽等:中国近30年气候要素时空变化特征 1595
标准平均值、均方根预测误差、平均标准误差及标准均方根预测误差值均通过检验, 得到1971~2000年全国年(或季节) 平均温度和年(或季节) 降水量变化情况的空间格局。 由于气候变化的倾向率是以回归方程的斜率表示的, 因而其值大于0即为增温或降水增多, 小于0则表示降温或降水减少。以0为阈值, 分别对气温倾向率和降水倾向率进行空间分割, 然后组合得到不同的气候变化区域。21213 SOFM 网络聚类 自组织特征映射模型(SO FM ) 是一种非监督学习类神经网络。当不能获得外部教师或评判指令时, 网络只有输入向量可以用作学习, 这是一种无监督机制的学习。无监督学习类的网络系统无需被告知与输入模式相关联的输出或类别的期望值, 它在给定的模式中学习进化, 提取特征或规律。无监督学习类神经网络试图以网络的不同部分响应不同的输入模式而进行学习。它对期望输出没有任何可得的信息, 只在输入模式的基础上更新权值。网络通常训练成加强激发强度以响应经常出现的模式。 目前, SOFM 网络多应用于聚类分析研究[20~24]。它的拓扑结构只有两层, 即输入层和竞争层(图1) 。网络的输入层用于接受输入样本, 竞争层完成对输入样本的分类, 这两个层次的神经元之间全互联连接。在竞争层次中, 间相互竞争, 本。图1 SOFM 网络的拓扑结构
[25]。SO FM
Fig 11 Topological structure of SOFM neural network
网络的具体学习过程大致由两个步
骤构成, 即网络的初始化和网络的训练。网络训练的过程就是竞争层神经元调整权重的过程。竞争层中神经元的排列由拓扑函数来规定, 神经元之间的距离由距离函数来计算。21214 单因素方差分析 单因素方差分析(One 2Way ANOVA ) 过程用于进行两组及多组间样本均数的比较, 即成组设计的方差分析。如果做了相应选择, 还可进行随后的两两比较, 甚至于精确设定均数比较方式[26]。 本文将全国603个气象站点1971~2000年, 春(3月、4月、5月) 、夏(6月、7月、8月) 、秋(9月、10月、11月) 、冬(12月、1月、2月) 和年平均气温及降水量数据序列的倾向率作为气候变化聚类分析的分类指标, 将其输入网络, 对网络进行训练, 直到网络的拓扑结构基本不发生变化。对网络的分类结果进一步采用单因素方差分析进行统计检验分析, 辨识各个类别的特征。
3 结果与分析
311 近30年中国气候变化的总体特征 将Arc GIS 中插值得到的年(或季节) 平
表1 气候变化类型划分标准表
T ab 11 The classif ication of clim atic variation types
类型名称冷湿型冷干型暖湿型暖干型
温度倾向率
≤0≤0
>0>0
降水倾向率
>0
均温度倾向率和降水倾向率图层, 按照温度和降水倾向率的正负值组合划分成四类(表1) , 分别得到近30年的年气候变化类型图和近30
≤0
>0
≤0
1596地 理 研 究28卷
年不同季节的气候变化类型图(图2和图3) 。 从年气候变化来看, 30年间, 除四川盆地大部、云贵高原的一小部分地区及青藏高原东北部的一小部分地区呈现出变冷的趋势外, 全国大部分地区都呈现增温趋势。全国平均气温倾向率为01248℃/10a , 平均降水倾向率为91207mm/10a 。全国范围内, 尤以呈现暖湿趋势的面积最为广大, 包括东北的大部分地区、内蒙古地区、新疆大部分地区、青藏高原大部分地区和长江中下游平原的大部分地区及华北平原南部的部分地区。暖干型变化区主要集中分布于华北平原中北部地区和黄土
图2 1971~高原及西北部的一些沙漠地区, 在华南沿
Fig 12of 海地区也有分布; 冷干型主要集中分布在to 2000四川盆地和青藏高原的东北部; , , 势, 0℃/10a , 降水倾向率为-21111mm/10a 。东北地区和中, 但是降水量呈负增长; 四川盆地中部及贵州、广西的大; 冷湿趋势较明显的是新疆西南部与青藏高原西北部的一部分地区。夏季, 全国平均气温倾向率为01206℃/10a , 降水倾向率为151261mm/10a 。除了长江中下游平原西部和中部地区偏东的一片地区, 包括浙江、江西、湖南、湖北和重庆等地呈现冷湿变化外, 全国大部分地区都呈变暖趋势, 华北地区及部分沙漠地区变干, 其余地区的降水变化率基本为正, 呈变湿趋势。秋季, 暖干型成为气候变化类型的主导, 全国平均气温倾向率为01299℃/10a , 降水倾向率为-71883mm/10a 。暖湿型集中分布在东北的黑龙江地区、新疆的东部地区、青藏高原的大部分地区及云贵高原的北部, 在华北平原和长江中下游平原只有小面积分布, 冷湿型和冷干型的面积非常小, 在图上难以辨识。冬季, 气候变化趋势又恢复以暖湿型为主导类型, 全国平均气温倾向率为01532℃/10a , 降水倾向率为31939mm/10a 。暖干型分布于内蒙古中西部和黄土高原及华北平原的北部地区, 新疆地区暖干型也有较大面积的分布, 冷湿型在青藏高原中部及东北部有小面积的集中分布, 不存在具有冷干型气候变化趋势的区域。312 近30年中国气候的年代际变化特征 以1971~2000年每10年为一个单位计算气温和降水倾向率, 并按照表1的标准划分气候变化类型, 得到结果如图4~图6所示。从结果来看, 1971~1981年全国平均气温倾向率为-01314℃/10a , 降水倾向率为-271145mm/10a 。气候年变化类型以冷湿型为主, 其次是冷干型, 只有北部的一些地方存在暖湿型和暖干型气候变化, 这说明在20世纪70年代, 中国整个气温变化呈降温趋势。1981~1990年10年间的变化呈现出与前十年截然不同的景象, 全国平均气温倾向率为01540℃/10a , 降水倾向率为-161845mm/10a 。几
6期李 爽等:中国近30年气候要素时空变化特征 1597
1598地 理 研 究28卷
乎全国都呈增温趋势, 只有云贵高原的一小部分和青藏高原东南部的小部分地区呈现降温趋势, 其中暖湿型集中分布于东北地区的吉林、辽宁、内蒙古的大部分地区、华北平原、黄土高原、东部沿海、中部湖北地区、青藏高原的南部及西北部, 新疆北部地区, 暖干型集中分布于东北北部的黑龙江、中部地区、华南、西南的大部分地区、新疆西部和东南部地区及青藏高原的东北部。1991~2000年10年间的气候变化依旧以增温类型占主导, 全国平均气温倾向率为01764℃/10a , 降水倾向率为241643mm/10a 。除了黑图6 1991~龙江西北部和东北部有部分降温, 尤6其是变冷干以外, 其余地区基本呈增in to 2000温趋势, 干湿情况与1981~1990年10
, , 在1991~2000, 313 , 采用SO FM 网络得到603个气, 为了与克里格插值结果进行比照, 选择分类数为4, 得到结果如图7所示。 从图中可以看出, 类型1主要有两大集中分布区, 一处沿着华北平原、黄土高原和四川盆地一线分布, 一处集中于华南地区; 类型2主要集中分布于东北的吉林、辽宁和内蒙古中部及黄土高原、青藏高原的东北部及新疆中部和南部的大部分地区; 类型3主要分布在东北地区北部黑龙江和吉林的大部分地区及青藏高原东南部、云贵高原大部和新疆北部地区; 类型4主要分布于长江中下游平原及中部的广大区域。
表2 基于SOFM 网络的气候变化聚类结果综合统计表 对聚类结果进行基本
T ab 12 The statistics of clim atic variation using SOFM clustering 的统计分析, 统计每一类
类型站点个数全年增温平均值全年降水增量平均值型包括的站点个数及每一
[***********]46类型的年温度倾向率和年
[***********]38
降水倾向率的平均值, 得
[***********]35
到结果如表2所示。可以看
[***********]8
到每一类型所包括的气象
站点的个数接近, 均超过100个, 尤以第二类的站点数最多, 为199个, 第四类的站点数相对较少, 只有112个, 但从分布趋势来看, 第四类的聚合度最高。 在SPSS 中做单因素方差分析(One 2Way ANOVA ) , 分别考察四种类型间年温度变化和年降水量变化是否存在差异性。单因素方差分析常用于进行两组及多组样本均数的比较, 还可以进行两两比较。本文分别使用年温度倾向率和年降水倾向率为变量, 考查四种
6期李 爽等:中国近30年气候要素时空变化特征 1599
图7 基于SOFM 网络的气候变化类型聚类结果
Fig 17 The clustering results of climatic variation using SOFM model
类型间差异的显著性情况, 得到结果如表3~表6所示。
表3 年温度变化的整体方差分析 从整体方差分析表
T ab 13 T otal variance analysis for annu al temperature variation (表3和表4) 来看, 年温
离均差平方和自由度均方差F Sig 1度变化的F 检验值
组间差异[***********]1000(291177) 和年降水量变化
组内差异[1**********]00
的F 检验值(491109) 所
总差异01235602
对应的sig 1值均小于0101, 这说明在0105的显著性水
表4 年降水量变化的整体方差分析平上, 4种类型的年温度变
T ab 14 Total variance analysis for annu al precipitation variation
化和年降水量变化间都存
离均差平方和自由度均方差F Sig 1
在极显著的差异, 从总体
组间差异[***********]110901000
上说明了分类的科学性。
组内差异[**************]92
为了进一步研究4种类型两
总差异[1**********]
两之间是否存在差异性,
再进行两两之间差异性检验, 即多重方差分析, 这里选择Tukey HSD 方法。从年温度变
1600地 理 研 究
表5 年温度变化的多重方差比较分析
T ab 15 Multiple variance analysis for annu al temperature variation
(I ) 分类(J ) 分类1
234
2
134
3
124
4
123
Mean Difference (I 2J )
-0101215-[***********][***********]2090100624-[**************]-0100706-0101921-010133
Std 1Error [***********][***********][***********][***********][***********]002324
Sig [***********][***********][***********]0001000
95%Confidence Interval Lower Bound Upper Bound -0101735-[***********][***********]901000661-[**************]-0101304-01-0-0100696-[***********][***********][1**********]-[**************]-011128卷
3显著性水平为0105
表6 T ab 16 variation
(I ) 分类234
2
134
3
124
4
123
()
-1111079-2138469-[**************]-112739-[***********]97-[***********]121747103
Std 1Error [***********][***********][***********][***********][***********]445723
Sig. [***********][***********][***********]001000
95%Confidence Interval Lower Bound Upper Bound -2110697-3145465-[**************]-2127007-[***********]7772-[***********][1**********]6
-0111462-1131473-[1**********]97-0127772-[***********]70073-[***********]0877318954
3显著性水平为0105
化的多重分析来看, 类别1与类别2, 类别2与类别4和类别3与类别4之间的sig 1值都显著地小于0101, 这说明类别1与类别2, 类别2与类别4和类别3与类别4之间存在极显著性差异; 其他的类别间两两比较的数值也都小于0105, 说明存在显著性差异, 验证了上面整体方差分析的结果, 即4种类型间存在显著性差异, 也反映出了存在极显著差异的类别。年降水量变化的多重分析类似于年温度变化的多重分析, 从结果来看, 类型两两之间都存在显著性差异, 其中类型4与其他三种类型都存在极显著差异, 类型3与其他三种类型之间也存在极显著性差异。
6期李 爽等:中国近30年气候要素时空变化特征 1601
进一步分析4种类型的特征, 分别做出4种类型及总体的季节和全年温度及降水量变化的趋势示意图, 如图8和图9所示。其中总体(603个气象站点) 的统计值可以看作一种平均水平, 从图8中可以看出, 所有变化趋势线的值都在0以上, 说明全国的增温趋势非常明显。其中, 类型2和类型3的四季及年温度倾向率的值均高于总体平均水平, 其中类型2更加明显, 类型3接近但略高于总体平均水平, 而且二者的变化趋势也与总体平均水平基本一致; 类型1和类型4均低于总体平均水平, 但在具体细节上又有差异, 类型1与总体平均水平比较接近, 且趋势比较一致, 而类型4在夏季、冬季和全年的温度变化上显著低于总体平均水平, 趋势也因此出现一定的差异
。
从图9中表现出的降水变化趋势来看, 类型3和类型4的四季及年降水变化量都高于总体平均水平, 其中类型4在秋季降水变化趋势上表现的是在全国平均水平的下方, 但是由于二者都是负值, 所以类型4秋季降水的减少趋势较总体平均水平来看更明显, 幅度更大, 类型3与总体平均的变化趋势基本一致, 数值也非常接近, 秋季的变化也显示出一定的异常, 位于总体平均水平的上方, 也为负值, 说明也呈降水量减少的趋势, 但是幅度不大; 类型1和类型2的变化基本上低于总体平均水平, 但由于有负值的存在, 所以有些情况, 即使位于总体平均水平线的下方也不能表征变化强度小于总体平均情况, 比如类型1
1602地 理 研 究28卷
与总体相比在春季和秋季及全年处, 其中春季, 类型1在总体平均的下方, 二者均为负值, 说明类型1的降水量减少趋势更明显, 幅度也更大, 秋季的情况同理, 从全年的情况来看, 总体平均水平的值在1左右, 而类型1的值在-1左右, 说明二者的变化幅度基本一致, 但总体平均情况是降水量增多的趋势, 而类型1表征的是降水量减少的趋势; 类型2的变化非常平缓, 各个季节及全年的变化量都与0接近, 说明变化趋势不是很明显。将上面分析得到的结果概括归纳成表格, 如表7所示。其中类型描述一栏的总结以全年的温度和降水量变化为主要考虑要素, 综合考虑四季的趋势线走势情况。
表7 基于SOFM 网络划分的气候类型描述
T ab 17 The description of clim atic variation types clustered by SOFM model
类型
1234
类型描述缓增温少降水型剧增温平降水型缓增温缓降水型剧增温剧降水型
温度变化幅度接近总体平均水平明显大于总体平均水平接近总体平均水平明显大于总体平均水平
降水量变化幅度
春秋变化幅度大于总体平均, 夏冬变化幅度低于或接近总体平均, 全年变化幅度接近, 在0附近波动, 趋势线比较平缓, 从结果分析来看, 。将划
, , 且与总体水平有差异, , 可以分为两大类:一类包括缓增温少降水型和, , 低于全国平均水平或是与平均水平无显著差异, ; 另外两类的降水量大于全国平均水平, 对应于插值结果中的暖湿型。根据这种再分类, 对比空间插值方法和SOFM 聚类方法得到的结果图可以看到, 两种方法得到结果的分布区域也基本一致。
4 讨论与结论
411 讨论
(1) 本文使用Arc GIS 中的空间插值工具, 得到30年气温和降水量倾向率的图层,
并以0为划分阈值, 将气温和降水的变化整合到一个图层中, 进而划分出了四大区域。相对于对气温变化和降水量变化分别建立图层单独进行分析的研究来说, 本文所采用的方法更加综合, 并易于讨论区域差异。但是, 单纯以0为界, 划分过于粗糙, 难以深入分析出不同区域变化幅度的差异; 而且, 这种人为制定划分界线的方法, 受主观因素的影响较大, 所以如何更加科学地研究区域变化规律及其变化幅度, 仍是今后研究中重点要考察的问题。
(2) 为了更好地研究区域差异, 除了插值方法外, 本文还尝试使用SO FM 网络直接对气象站点进行聚类分析, 该法消除了插值时存在的误差问题, 并且能够反映出区域的差异情况, 其结果也很好地验证了插值得到的结果。但是使用这种方法得到的结果并不能直接表现出所划分的同类区域的气候变化特点, 还要对其进行进一步的统计分析, 总结聚类结果的特点, 给出神经网络聚类的意义。与之前研究气候变化的方法相比, 这种方法在事前并没有对问题的性质作出界定, 而是直接根据神经网络的相关原理从数据的相似性角度
6期李 爽等:中国近30年气候要素时空变化特征 1603出发, 对数据进行归类分析。这种方法有其独特的优势, 很好地避免了主观经验性的干扰, 但是同时, 由于聚类过程主要根据数据的特性进行, 涉及到实际应用问题时, 难免会出现脱离实际的现象, 这就需要研究者事后进行缜密地检验及判断。不同的方法各有其优势和不足, 具体选用哪种方法还应根据所研究问题的性质及研究目的仔细甄选, 争取选用最适合的方法。
(3) 丁一汇等[27]在《气候变化国家评估报告》中的研究结果表明:近50年中国的增温明显, 且主要发生在20世纪80年代中期后, 全国年平均温度增率为0122℃/10a , 与本文统计得到的01248℃/10a 接近。从降水变化上来看, 丁一汇等的研究结果是近50年中国平均年降水量呈增加趋势, 20世纪60~80年代的降水偏少, 近20年的降水呈增加趋势; 本文统计得到近30年年降水量总体呈增加趋势, 年代际的降水量统计结果也与丁一汇等的结果类似, 20世纪70年代降水量减少的趋势明显, 到80年代趋势有所缓和, 到90年代基本呈增加趋势。此外, 本文研究得到的结果与秦爱民等人用分层聚类法得到的中国气候时空变化趋势也基本一致[28, 29], (SO FM ) 应用于气候变化特征分析的可行性。
(4) 本文的创新点在于探讨了SOFM , 要将结果与传统方法得到的结果进行比较, ~2000的研究比较多, 利于进行结果比较。, , 现状分析一般采用30年为基准年30[30]。综合以上考虑, 。在今后的研究中, 我们将尝试把这, 作进一步的探讨。
(5, 而表征气候变化的要素有很多, 、干燥度等[31~33], 如何结合这些要素的变化来深入分析气候变化的趋势, 是今后研究努力的方向。
412 结论
本文以气候要素气温和降水量的倾向率为主要研究对象, 对我国近30年(1971~2000年) 的气候变化趋势进行了分析, 并使用非监督型的SO FM 网络模型, 对全国603个气象站点进行了聚类分析, 相应地进行了气候变化类型的划分和检验, 得到的基本结论如下:
近30年中国气候变化的总体特征以增温为主, 尤以温度升高、降水量增多的地区面积最为广大。四季的变化趋势也以变暖湿为主, 秋季略有异常, 全国大部分地区以暖干型变化为主, 冬季不存在冷干型的变化。
从年代际变化来看, 1971~1980年间, 中国的气候以降温为主, 冷湿型和冷干型的面积广大; 而1981~2000年的20年间, 全国的气候变化转为增温占主导, 但1981~1990年与1991~2000年间暖湿型变化区和暖干型变化区在区域分布上有相反的趋势。 以四季及全年的温度倾向率和降水倾向率为聚类变量, 使用非监督型SO FM 网络, 设定分类数为4, 得到603个气象站点的聚类结果, 发现聚类的结果存在一定的规律性特征, 通过统计分析和检验, 将4种类别分别归并为缓增温少降水型、剧增温平降水型、缓增温缓降水型和剧增温剧降水型。进一步的分析表明这4种类型的特点及分布区域与插值方法得到的结果基本一致。
1604地 理 研 究28卷参考文献:
[1] 秦大河, 王绍武, 董光荣1中国西部环境特征及其演变1北京:科学出版社, 20021
[2] 秦大河, 丁一汇1中国西部环境变化的预测1北京:科学出版社, 20021
[3] 王遵娅, 丁一汇, 何金海, 等1近50年来中国气候变化特征的再分析1气象学报,2004, 62(2) :228~2361
[4] 王英, 曹明奎, 陶波, 等1全球气候变化背景下中国降水量空间格局的变化特征1地理研究, 2006, 25(6) :1031
~10401
[5] 赵宗慈, 王绍武, 徐影1近百年我国地表气温趋势变化的可能原因1气候与环境研究, 2005, 10(4) :808~8171
[6] Tosic I 1Spatial and temporal variability of winter and summer precipitation over Serbia and Montenegro 1Theor 1
Appl 1Climatol , 2004, 77:47~561
[7] 江志红, 张霞, 王冀1IPCC 2AR4模式对中国21世纪气候变化的情景预估1地理研究, 2008, 27(4) :787~7991
[8] 汤剑平, 陈星, 赵鸣, 等1IPCCA2情景下中国区域气候变化的数值模拟1气象学报,2008, 66(1) :13~251
[9] Li S C , Zhou Q F , Wu S H , et al 1Measurement of climate complexity using sample entropy 1Int 1J 1Climatol ,
2006, 26:2131~21391
[10] Kyriakidisa P C , Millerb N L , K im J 1A spatial time series framework for simulating daily precipitation at regional
scales 1Journal of Hydrology , 2004, 297:236~2551
[11] SN ELL S E 1Spatial interpolation of surface air temperatures using artificial Neural networks :t heir use
for downscaling GCMs 1Journal of Climate , 2000, 13:886~8951
[12] Cannon A J 1Nonlinear analog predictor analysis :A coupled analog 1
Neural Networks , 2007, 20:444~4531
[13] Antonic O , Krizan J , et al 1Spatio 2temporal over large region of complex terrain
using neural networks 1Ecological , :2551
[14] 胡江林, 张礼平, 宇如聪11气象学报,2001, 59(6) :776~7831
[15] 金龙, 林熙, , 1气象学报,2003, 61(1) :78~841
[16] , 11高原气象,2007, 26(3) :491
~[17] , , 陈正洪1我国降水变化趋势的空间特征1应用气象学报, 2000, 11(3) :322~3301
[18] 陈文海, 柳艳香, 马柱国1中国1951~1997年气候变化趋势的季节特征1高原气象,2002, 21(3) :251~2571
[19] 汤国安, 杨昕, 等1Arc GIS 地理信息系统空间分析实验教程1北京:科学出版社, 2006. 368~3691
[20] 李双成1中国可持续发展水平区域差异的人工神经网络判定1经济地理, 2001, 21(5) :523~5261
[21] 付强, 王志良, 梁川1自组织竞争人工神经网络在土壤分类中的应用1水土保持通报,2002, 22(1) :40~431
[22] 李双成, 郑度, 张镱锂1青藏高原生态资产地域划分中的SOFM 网络技术1自然资源学报, 2002, 17(6) :750
~7561
[23] 王钧, 蒙吉军1西南喀斯特地区近45年来气候变化特征及趋势1北京大学学报(自然科学版) , 2007, 43(2) :223
~2291
[24] Hsieh K L , J eng C C , et al 1The study of applying a systematic procedure based on SOFM clustering technique in 2
to organism clustering 1Expert Systems wit h Applications , 2007, 33:330~3361
[25] 楼顺天, 施阳1基于MA TLAB 的系统分析与设计—神经网络1西安:西安电子科技大学出版社,1998. 17~201
[26] 张文彤1SPSS11统计分析教程(基础篇) . 北京:北京希望电子出版社,2002. 230~2361
) :中国气候变化的历史和未来趋势1气候变化研究进展, [27] 丁一汇, 任国玉, 石广玉, 等1气候变化国家评估报告(Ⅰ
2006, 2(1) :3~8.
[28] 秦爱民, 钱维宏, 蔡亲波11960~2000年中国不同季节的气温分区及趋势1气象科学,2005, 25(4) :338~3451
[29] 秦爱民, 钱维宏1近41年中国不同季节降水气候分区及趋势1高原气象, 2006, 25(3) :495~5021
[30] 尹云鹤, 吴绍洪, 郑度, 等1近30年我国干湿状况变化的区域差异1科学通报,2005, 50(15) :1636~16421
[31] 高歌, 陈德亮, 任国玉, 等11956~2000年中国潜在蒸散量变化趋势1地理研究, 2006, 25(3) :378~3871
[32] 史建国, 严昌荣, 何文清, 等1黄河流域潜在蒸散量时空格局变化分析1干旱区研究, 2007, 24(6) :773~7781
[33] 王亚平, 黄耀, 张稳1中国东北三省1960~2005年地表干燥度变化趋势1地球科学进展, 2008, 23(6) :619
~6271
6期李 爽等:中国近30年气候要素时空变化特征 1605Spatio 2temporal patterns of clim atic change in China
in recent 30years
L I Shuang , WAN G Yang , L I Shuang 2cheng
(College of Urban and Environmental Sciences , Peking University , Beijing 100871, China )
Abstract :Based on daily temperat ure and precipitation data of 603meteorological stations f rom 1971to 2000, t he spatio 2temporal patterns of climatic change in China were analyzed using Arc GIS and Self 2organizing Feat ure Map (SOFM ) neural network model. The re 2sult s show t hat t he overall t rend of climatic change in China from 1971to 2000was war 2ming , and characterized by warmer and wetter in most areas except for t he basin , a small part of t he Yunnan 2Guizhou Plateau and t he nort of t Sim 2ilar to t he annual trends , seasonal patterns of and wetter variatio n except for aut umn. In aut be warmer and drier. Besides , it was hard to identify t t in aut umn. No area was found to t urn colder and change in China in recent 30years showed t here differences. The general t rend of climatic change ure decrease f rom 1971to 1980, while from 1981to 2000, it area t hat t urned wetter during t he period of 1981~1990tended to be drier in t he following 10years. To compare wit h t he result s using Kriging Interpola 2tion , we divided t he meteorological stations into four types using SOFM. Based on t he One 2Way ANOVA test and statistical analysis of t he properties , t he clustering result of climatic change using SOFM was identified in four types :small warming rate wit h nega 2tive precipitation rate , dramatic warming rate wit h stable p recipitation , small warming and p recipitation rate , as well as dramatic warming and p recipitation rate. There were two dis 2t ribution areas of t he first type. One included t he Nort h China Plain , t he Loess Plateau and t he Sichuan Basin , and t he ot her concent rated in so ut hern China. The second type consisted of Jilin and Liaoning p rovinces , t he cent ral part of Inner Mongolia , t he Loess Plateau , t he nort heast of t he Tibetan Plateau , some part s of Xinjiang and most part s of sout hern China. The t hird type was dist ributed in t he nort hern part of Nort heast China , t he sout heast of t he Tibetan Plateau , most part s of t he Yunnan 2Guizhou Plateau and t he nort h of Xinjiang. The fourt h type was t he most concent rated one and it had t he least sta 2tions as well. It was located in t he middle and lower reaches of t he Yangtze River plain and Central China.
K ey w ords :climatic change ; self 2organizing feat ure map ; spatio 2temporal patterns ; China