气候数据

气候数据（精选4篇）

气候数据 篇1

0 引 言

全球变暖在近二十年来越来越多地引起人们的关注, 关于全球变暖现象的起因、发展趋势、人类在其中扮演的角色, 以及该现象是否存在, 都是研究的焦点问题。这些问题的答案会直接影响很多国家在能源、工业等方面重要政策上的选择。今天, 全球变暖的观点已经被大多数的研究者所接受。

在所有对全球变暖的研究当中, 大多数是基于历史数据, 通过全球平均气温变化以及各地区平均气温变化来找到全球变暖的趋势。而另一方面, 全球变暖如果存在, 将会在每一个局部地区造成影响, 使得地区原有的气候体系被破坏重组, 基于这一点本文将研究的重点定位为:能否通过找到并且分析地区气候结构演变的趋势, 来证明全球变暖的存在?本文中的数据、数学模型以及实验方法都是以这一问题为出发点所选择的。

在用来描述复杂网络的基本方法中图模型是一种基本的表达信息的方式, 在生物学、社会科学以及其他很多不同领域中, 所研究的对象都是一组个体, 例如生物学中的分子或者社会学当中的个人, 以及这些个体之间的某种关系, 例如不同分子之间的物理相互作用或功能相互作用, 以及个体之间的合作或者交流关系。本文使用相关图的概念来描述地区气候结构, 以处于不同地理位置的气象观测站为相关图中的点, 图中的边代表两点之间的气候具有相似的特性。这样就可以通过相关图演变的趋势来分析各个时期不同地区气候结构的演变趋势。为此选择的数据是过去一百年美国各地的观测站气温观测值。

为了从每个气象站的气温序列中得到相关图, 本文首先对每个气温序列做了预处理, 使用周期分解的方法消除了由于日照角度变化引起的周期信号。接下来使用了针对时间序列改进过的高斯—马尔可夫随机场模型, 从时间序列数据中拟合出不同气温序列之间的统计相关性, 以此构建得到相关图。

最后本文对不同时期得到的相关图, 结合观测站实际的地理位置进行了分析和对比, 并以此为根据对全球变暖的存在性给出了正面的回答。

1 数据处理

1.1 数据来源

本文的数据来自于美国国家气象数据中心NCDC (National Climate Data Center) , 其中包含了来自分布在全球各地气象站的历史气温、气压以及降水量数据。因为衡量全球变暖的一个最重要指标就是温度, 所以文中仅仅使用温度数据作为研究对象。

由于美国地区的观察站覆盖密度最大, 且记录保持最为完整。同时美国是较早完成工业化的国家, 在20世纪中受人类活动引起的局部气候改变相对较小, 因此本文中的温度数据都是来自美国地区的。

出于简化模型的目的, 本文选择了1906-2005这100年的气温数据, 并按照10年的周期将这段时期的数据划分为10组。美国地区有802个观测站的数据覆盖了这段时期, 为了后期进行时间按序列的分析, 将每组数据以月为单位划分成120个时间区间, 所以最后的数据是10组802×120的矩阵。

1.2 数据特征

由于本文的基本数据表示的是每月平均温度, 在对这类时间序列数据的研究中需要着重对以下几个部分进行分析:

1) 周期性时间序列数据 这类数据主要是由于某些周期性因素引起, 文中主要是指日照角度的周期性改变。

2) 定态与非定态时间序列数据 当且仅当

P (Y (t1) , …, Y (tn) ) =P (Y (t1-k) , …, Y (tn-k) ) (1)

对于所有的t1, …, tn以及k都成立, 则该数据是定态的, 其中Y (ti) 是时间序列中对应的点。

3) 数据的变化趋势 从定态时间序列的定义可以得到, 定态时间序列平均值的数学期望随时间不变。但实际数据平均值通常具有随时间改变的趋势, 所以可以将时间序列中非定态部分的平均值的变化情况当成是该时间序列的变化趋势。

4) 时间序列的分解 将复杂的时间按序列分解成为具有周期性的时间序列数据以及代表变化趋势的数据, 并且假设他们之间是线性关系。

其次影响气温的自然因素有很多, 包括太阳光照、地表特征、大气环流以及人类工业活动, 而太阳光照是一个主要因素, 但是由于太阳光照的周期性, 相对其他因素它对区域性气温的变化趋势并没有太多影响。所以在对文中的时间序列数据进行分解时会将这类以12个月为周期的因素分解出来, 仅仅把注意力集中在剩余的影响因素中。

1.3 数据分解

对数据运用STL (Seasonal-Trend Decomposition Procedure Based on Loess) 算法[1]进行分解, 它的作用是将一个时间序列分解为周期信号、趋势以及剩余项三部分的叠加, 形式如下:

Y (v) =T (v) +S (v) +R (v) (2)

其中T (v) 是原始时间序列中具有低变化率, 以及长期非定态的趋势项;S (v) 是满足一定周期的周期变化项;R (v) 是数据中随机变化项, 可以用高斯白噪声表示。该算法的本质是从数据中将特定变化频率附近的数据提取出来, 在具体的分解过程中需要使用MA模型保证趋势的连续性, MA模型的这个特性使得数据具有时间上的前后依赖性, 这对相关图构建有很多影响。

在对温度数据进行分解时, 设定周期长度为12, 同时对每个观察站100年内的时间序列数据进行STL分解, 图1为1906到1915内数据的分解情况。

2 模型构建

2.1 相关性模型

经过处理的数据集是10组802×120大小的矩阵, 代表802个观测站的120个月份中进行周期分解后的温度数值。由于温度数据是典型的多元分布数据, 该部分将通过马尔可夫随机场模型对多变量相关性问题进行建模。

马尔可夫随机场[2]假设每个观测站的数据都是满足高斯分布的, 如此假设的原因在于高斯分布是对满足固定期望方差的未知数据可以建立的最简单模型, 其次高斯分布拥有很多适合数值计算的特征, 此问题进一步变成多元高斯分布上的变量相关性问题。

从多元高斯分布的概率密度函数表达式:

π (x) = (2π) -n/2|∑|-1/2exp[- (x-μ) T∑-1 (x-μ) /2] (3)

可以发现, 逆协方差矩阵∑就是这个概率分布的“自然参数”, 它具有一个重要属性:任意两个变量, 如果它们对应的逆协方差矩阵中元素为零, 那么在给定其余变量的情况下, 这两个变量是条件独立的。而各观测站的测量温度之间也具有这样的条件独立性, 所以本文将运用逆协方差矩阵来描述各个观测站的数据之间的相关性。

2.2 模型分析与参数确定

在研究气温数据这样的多元数据中每对变量之间的相关性时, 最直观的方法是从数据中求出协方差矩阵, 并通过矩阵中的 (i, j) 的值来评价变量i, j之间的关系, 这种方法的缺陷在于造成需要拟合的参数数目过大, 对于固定大小的样本数n, 参数个数相对于样本个数的平均值按照p/2+1的速度随变量个数p增长, 对于文中的数据相当于用120个样本去估计802×401个参数。从统计学的角度, 这样的估计结果是没有意义的, 所以减少参数个数是首要要求[3]。

运用上一节中描述的马尔可夫随机场的重要属性就可以解决这个问题。首先给定了n个两两之间独立并满足p维高斯分布的随机变量的样本y (1) , …, y (n) 近似服从正态分布N (μ, ∑) , 目标是用该样本来拟合逆协方差矩阵∑-1, 同时要求估计的参数个数尽量少, 这里先根据样本数据求出经验协方差矩阵S:

S= (∑k=1, …, n (yk-μ) ( yk-μ) T) /n (4)

然后使用如下形式来拟合逆协方差矩阵:

∑-1=argmax (log (det (X) ) -trace (SX) -λ║X║) (5)

这里的║X║是X中所有元素绝对值之和, 即X的一阶范式。使用一阶范式作为拟合的惩罚项的作用是控制拟合的逆协方差矩阵中零元素的个数。当λ= 0时, 式 (5) 就是传统的最大似然拟合方法, 而引进惩罚项后λ将直接控制拟合结果中的非零元素的个数, 更大的λ将得到更加稀疏的矩阵。

由于拟合的逆协方差矩阵中的非零元素是用来表征相关变量之间的条件相关性, 所以需要解决如何选择λ以及非零元素的统计置信程度两个问题, 根据文献[4], 设α是一个[0, 1]的置信区间, 那么λ赋予如下值:

这时拟合的逆协方差矩阵中会以α的概率错误地得到一个非零元素, 其中各个变量的具体含义在文献[4]中有具体说明, 本文设置α=0.05。

按照式 (5) 和式 (6) 来拟合逆协方差矩阵既减少需要估计的参数个数也保证非零元素的可信度。反映在温度数据中即:可以用α控制网络中不必要的关联度, 另一方面也保证了每个具有关联性的变量之间的可信度, 不会因为过于简化关联性而失掉了模型的真实性。

2.3 时间序列的独立性问题

前文的讨论中假设数据样本满足一致独立分布的性质。但气候结构随时间的变化会明显地影响各时期气温数据的分布情况, 但是包括随机场模型的其他基于图模型的统计推理模型都对数据做了一致独立分布的假设。

本文根据文献[9]中描述的方法来解决这个问题, 即将一致独立分布假设替换成一个相对较弱的假设:虽然时间序列中的数据来自不同的概率分布, 但假定这一系列概率分布是随时间平滑改变的, 具体而言, 所有观测站的连续两个月的数据的逆协方差矩阵会有差异, 但差异不明显。由此可以用局部似然度加权的方法, 使用每个数据点在时间轴上附近的数据集合来拟合该时间点的模型, 拟合算法 (5) 改进为:

Minθ{l (θ, Dn) +λn║θ║} θ∈Rp (7)

其中的损失函数变成了加权形式:

l (θ, Dn) =-∑t (ωtγ (θ;xt) ) t∈Tn (8)

加权函数ωt是一个随距离衰竭的核函数, 新的损失函数仍然可以利用原来的凸优化的方法进行有效计算。

至此, 得到了一套完整的用来拟合多元时间序列数据当中不同变量之间关系的模型。

3 实验结果与分析

3.1 相关图构建

基于第一节的数据, 现在运用第二节中介绍的模型来进行相关图的构造。由于相关图模型对每个周期的数据需要确定一个固定时间点, 所以用十年周期的中心点来描述数据特征, 同时对式 (8) 中的核函数进行修改, 使得十年周期之外的数据权值均为零。

本文以Graphic Lasso算法[6]为基础, 并将该算法扩展使得可以适用于非独立同分布的数据集, 从而对气候数据进行处理得到每个周期内的相关图, 由于式 (7) 中需要提供的参数只有λ, 为了使得最后构造的相关图达到足够的统计置信度, 这里取α为0.05, 从而得到每十年周期内λ的值如表1所示。

3.2 相关图的对比

通过对比这10组相关图之间边数的变化情况来研究全球变暖对局部地区的影响情况, 由于在第二节已经确定了拟合的逆协方差矩阵的统计置信程度, 因此直接对比边数的方法是合理的, 图2是10个周期中相关图中边数的变化情况, 图3是历史全球平均气温变化曲线。

从图2中可以发现, 在1905-1955这段时间内, 相关图中边的个数在保持着稳定下降, 而之后的四个周期中则没有统一的趋势, 但是整体上比前三个时期有明显的上升。值得注意的一点是这两个变化行为不同的阶段, 在时间上恰好对应了图3中全球变暖趋势出现之前和之后的情况, 说明区域的气候数据也可以反映全球变暖的趋势。

3.3 区域性偏差分析

相关图中边数减少可以得到的直接结论是不同地区之间的相关性在降低, 即不同地区的气候越来越不满足相同的规律。这种多样性在1905-1955年稳定地保持着, 而在1955之后开始出现相反的趋势, 这正好反映了全球变暖正在消除各个地域性的气候差异的事实, 但是由于模型是用每个周期内总的边数来进行对比, 并能完全真实地反映每个周期内不同地域的观察数据的变化情况。

为了研究每个周期内边的变化是集中在局部还是整体的普遍趋势, 本文将先对每个周期内的数据进行聚类[7], 然后再对不同周期相关图的聚类结果, 例如类的大小、个数, 以及聚类系数进行对比分析。

综合了图的规模, 聚类的精确性以及算法复杂度, 本文将运用文献[7]中提出的快速聚类算法对10个周期的相关图进行处理。在给定聚类系数的情况下, 聚类的结果:是前6个周期出现了3个大类, 第7和10个周期出现了规模在10以内的小类, 可以将这些小类当成噪声处理。

这里值得注意的是为了衡量聚类系数的合理性, 本文采用了两种指标来验证聚类结果。一种是文献[7]中提到的Q分数, Q分数是各类中出现的边数与同样大小随机图中出现边数之差的期望值, Q=0时, 表明在给定类划分下, 这个图并不比随机图更具有聚类趋势, 更大的Q则表示更显著的聚类程度, 在之前得到的相关图上计算Q分数的结果如图4所示。

另一种是聚类系数C分数[8], C分数是一种与特定聚类结果无关的描述聚类程度的统计量, 图5是各个相关图的C分数变化曲线, 对比图4和5就可以发现, 两种聚类系数的变化趋势基本相同。

通过对比图2, 3, 4, 5可以发现一个规律:图中边的数量的改变趋势与图的聚类程度改变总是朝着相反方向进行的, 也就是说当边的数目增加时图中的聚类程度反而下降。由此可以简单推论:增加或减少的边都更多地出现在原先图中已有的一些聚类群体之间, 而不是它们内部。

如果结合数据的真实背景可以初步得出以下规律:在20世纪前半段, 即全球气候变暖之前, 不同观测站之间的相关性在不断减少, 其中减少的边多数是图中不同聚类群体之间的边, 这代表不同区域之间的气温模型趋异;20世纪后期, 整体趋势是边数增加以及聚类程度下降, 代表不同区域之间的气温模型开始趋同, 地域间多样性开始减少, 而全球变暖恰好出现在这两个阶段的分界点上, 所以很有可能是这种改变背后的决定性因素。

4 结论与展望

本文通过历史气象数据对比不同时期之间的气候结构, 从中分析这类结构的演化方式, 并寻找全球变暖在其中可能的影响。这个目的来自于这样的假设:全球变暖会使得地区气温结构发生改变重组, 一些原先气候不同的地区在全球变暖的影响下变得相同。

最后对结果的分析表明, 十组相关图整体上先后出现了两种完全不同的趋势, 具体表现为边数目的变化以及聚类程度的变化, 即在20世纪前半段不同地区的相关性在稳定下降, 在后半段不稳定上升, 而全球变暖出现在20世纪50年代, 这种时间和现象上的符合一定程度证明了上面的假设。

最后本文还有很多进一步改进的方面, 比如可以考虑更多的气候信息, 也可以更具体地寻找造成图中某个局部群体变化的气候因素, 同时也应该考虑一些基于置换检验的更严格的统计学验证方法来验证相关图的一些统计量。

参考文献

[1] Cleveland R B, Cleveland W S, Mcrae J E, et al.STL:A Seasonal-Trend Decomposition Procedure Based on Loess[J].Journal of Official Statistics, 1990, 6 (1) :3-73.

[2]Rue H, Held L.Gaussian Markov Random Fields:Theory and Applica-tions[M].Monographs on Statistics and Applied Probability, vol.104.London:Chapman&Hall, 2005.

[3] Dempster A P.Covariance Selection[J].Biometrics, 1972, 28:157-175.

[4]Meinshausen N, Buhlmann P.High-dimensional graphs and variable se-lection with the Lasso[J].Annals of statistics, 2006, 34 (3) :1436.

[5]Peterson T, Vose R, Schmoyer R, et al.Global Historical ClimatologyNetwork (GHCN) quality control of monthly temperature data[J].In-ternational Journal of Climatology, 1998, 18 (11) .

[6] Friedman J, Hastie T, Tibshirani R.Sparse inverse covariance estimation with the graphical lasso[J].J.Biostatistics, 2008, 9 (3) :432-441.

[7]Newman M.Detecting community structure in networks[J].The Euro-pean Physical Journal B-Condensed Matter and Complex Systems, 2004, 38 (2) :321-330.

[8] Albert R, Barabasi A.Statistical Mechanics of Complex Networks[J].Reviews of Modern Physics, 2002, 74:47.

[9] Song L, Kolar M, Xing E P.Bioinformatics, 2009, 25 (12) :i128-i136.

气候数据 篇2

“气候”一词，《现代汉语词典》解释为：一定地区里多年观察所得到的概括性的气象情况。它与气流、纬度、海拔高度，地形等有关。《实用地理词典》解释为：某一地区多年天气特征的综合，包括其平均状况，反复变化的常态及极端变化。气候的因素主要有太阳辐射、大气环流、地面状况以及人类活动。中学地理教学参考对气候作如下描述：气候是指大气平均的物理状态长时间的综合表现，与天气形成明显对比。无论哪一种解释，我们都能从中总结出气候是指某一地区在多年内的大气平均状况或统计状态。平均状况是用气温降水等气候要素的平均值或统计量来表现的。不同的地区，气温降水的状况不同，气候特点也就不同，而对此起决定作用的因素主要有太阳辐射、地面状况、大气环流和人类活动等。我们根据气候成因和特点，又可把气候分成热带雨林气候、热带草原气候、地中海式气候等不同类别，现就其中的海洋性气候和大陆性气候作一分析。

二、海洋性气候

海洋性气候是地球上最基本的气候类型，总的特点是受大陆影响小，受海洋影响大。在海洋性气候影响下，气温的年、日变化都比较和缓，年较差和日较差都比大陆性气候小。春季气温低于秋季气温。全年最高、最低气温出现时间比大陆性气候的时间晚：北半球最热月在8月，最冷月在2月。

由于海洋巨大水体作用所形成的气候，包括海洋面或岛屿，以及盛行气流来自海洋的大陆近海部分的气候。海洋气候有以下特点：

1．气温年变化与日变化都很小，在洋面上甚至观测不到日变化。年变化的極值一般比大陆后延一个月，如北半球最冷月为2月最暖月为8月。在高纬度最冷月还可能是3月，最暖月也可能到9月（如旧金山）。秋季暖与春季。

2．降水量的季节分配比较均匀，降水日数多，但强度小。云雾频数多，湿度高。

3．在热带海洋多风暴，如北太平洋西南部分与中国南海是台风生成和影响强烈的地区。热带风暴（包括台风）是一种十分重要的气象灾害。

4．多云雾天气，湿度大。多数邻近海洋的大陆地区，都具有海洋性气侯特征，西欧沿海地区是大陆上典型的海洋性气候。

由于西欧温带海洋性气候在全球比较典型，现作如下分析：

西欧全年降水均匀，气候湿润，降水量比较稳定，因此带来以下几方面地影响：①它有利于西欧多汁牧草生长，促进了西欧的畜牧业发展，西欧许多国家出口的畜产品在世界上都位居前列，如丹麦、法国和德国等；②畜牧业的发展也带动了相关产业发展，如纺织业和畜产品加工工业。由于草场广布，加上西欧本身地形地势平坦，有利于足球场地建设，促进了西欧足球文化的发展；③西欧地形地势平坦，降水量均匀，使该地河流水量丰富，推进了西欧发达的内河交通运输网络。

三、大陆性气候

大陆性气候通常指处于中纬度大陆腹地的气候，一般也就指温带大陆性气候。在大陆内部，海洋的影响很弱，大陆性显著。内陆沙漠是典型的大陆性气候地区。草原和沙漠是典型的大陆性气候自然景观。大陆性气候是地球上一种最基本的气候类型。其总的特点是受大陆影响大，受海洋影响小。在大陆性气候条件下，太阳辐射和地面辐射都很大。所以，夏季温度很高，气压很低，非常炎热，且湿度较大。冬季受冷高压控制，温度很低，也很干燥。冬冷夏热，使气温年变化很大，在一天内日变化也很大，气温年、日较差都超过海洋性气候。春季气温高于秋季气温，全年最高、最低气温出现在夏至或冬至后不久。北半球最热月为7 月，最冷月为1月。

大陆性气候最显著的特征是，气温年较差或气温日较差很大。在气温的年变化中，最暖月与最冷月分别出现在7月和1月（南半球分别在1月和7月）。春季升温快，秋季降温也快，一般春温高于秋温。在日变化中，最高温度出现的时间较早，通常在一天中的13～14时；最低气温一般出现在拂晓前后。大陆性气候的另一重要特征是降水量少，且降水季节和地区分布不均。大陆性气候影响下的地区，一般为干旱或半干旱地区，降水量一般不到400毫米，甚至在50毫米以下，如我国新疆的塔里木盆地。

亚洲陆地面积广大，内地距海遥远，大陆轮廓完整，又缺乏伸入内地的海湾。同时本洲又是位于亚欧大陆的东部，削弱了西风环流和大西洋暖湿气流对亚洲气候的影响。根据纬度越高和距海岸越远气温年较差愈大的原理，亚洲广大的内陆和高纬度地区的气候与其它大陆同纬度地区相比，具有强烈的大陆性。俄罗斯的维尔霍杨斯克——奥伊米亚康地区，地处高纬，冬季受热很少，又位于亚洲的东北部，很难受到西风暖流的影响。从环流因素上讲，冬季这里是处在强大的反气旋控制下，剧烈的冷却作用而引起低温；而这里向北倾斜的盆地和洼地地形，更有利于冷空气的集中和反气旋的发展。因此，使这里成为北半球最寒冷和世界上气温年较差最大的地区。

我国的季风气候受大陆性影响比较明显，具体表现在以下几个方面：

1．冬夏季风更替明显，冬季气流来源于高纬度地区，风向偏北，寒冷干燥，容易出现灾害性天气，即寒潮，对我国北方农业生产不利。夏季气流主要来源于低纬度海洋上，风向偏南，温暖湿润。

2．气温年较差大，日较差也大，冬夏极端气温较差更大。

3．降水量的地区分布很不均匀，年降水量由东南沿海向西北内陆逐渐减少。东南沿海一带，年降水量超过1600毫米；台湾山脉东坡和喜马拉雅山南坡达到2000毫米以上。西北部的年降水量一般在200毫米以下，其中，塔里木盆地不足50毫米，降水量的季节分配很不均匀，夏季雨量一般占全年降水量的50%以上，而冬季降水量在10%以下，降水量的年季变化大，多雨的江南地区年降水量变率也有10%~15%，少雨的北部和西北内陆地区，全年降水变率达30%以上。

4．高温期和多雨期一致。在人类聚居比较集中的主要气候类型之间相比而言，大陆性气候的自然舒适度比较低。由于我国的大陆性特征在全球中表现最为明显，导致我国相当大的区域，包括三北地区以及长江流域等地区的采暖日数或空调度日数都很高。在我国气候区中除面积极小的温和地区（云南、广西）外，建筑一般都有采暖或空调的要求，这就导致我国的建筑热工能耗（包括采暖和制冷能耗）占建筑总能耗的绝大部分，且远远超过世界平均水平。

比较海洋性气候和大陆性气候，我们可以发现：海洋性气候气温变化和缓，春天姗姗来迟，夏天消退也较慢，春季气温一般低于秋季气温。相反，大陆性气候气温变化剧烈，春来早，夏去也早，春温高于秋温。受海洋气团和暖湿气流的影响，海洋性气候全年降水多，一年中降水的季节分配比较均匀，且以冬季降水较多；大陆性气候年降水量少，一年中降水的季节分配不均匀，且以夏季降水为最多。其主要原因是：海洋与陆地表面性质不同，海洋和陆地的物理性质有很大差异，在同样的太阳辐射下，它们增温和散热的情况大不相同。海水吸收热量的本领要比陆地强得多，辐射到海洋上的太阳热量很少被反射回去，大部分被海水吸收，并通过海水的波动，把热量储存在海洋内部。这样，即使在烈日炎炎的夏季，海洋里的温度也不会骤然升高。与同纬度的陆地相比，海洋里温度的变化要小许多。到了冬季，虽然太阳辐射减少了，但海洋里所储存的大量热量开始稳定的释放出来，于是，海洋及其附近地域的温度比同纬度的其他陆地地区要高。因此，海洋犹如一个巨大的温度自动调节器，使附近地区的气温形成了冬暖夏凉的特点。

四、季风气候

还有一种气候是介于大陆性与海洋性之间的气候类型——季风气候，它是一种海洋性气候向大陆性气候过渡的一种气候，既具有海洋性气候的特点，又具有大陆性气候的特点，形成的原因是由于在冬季时，地面向外辐射长波辐射而迅速冷却降温，形成高气压，海洋上相对较为温暖，形成低气压，就像水从高处向低处流动一样，空气要从高气压流向低气压，风从陆地吹向海洋，这就是冬季风。夏天，则因陆地接受太阳辐射强烈增温形成低压，海洋上增温较慢成为高压，风从海上吹向陆地，这就是夏季风。这种季风在亚洲东部和东南部最为明显。

季风气候地区农业生产较发达，如我国东南沿海地区大面积的水稻种植，林业资源也相对丰富，而同纬度的西亚和北非则是干旱的沙漠，成为回归线上的“沙漠和绿洲”景观。

气候数据 篇3

关键词：气候数据,电力设计,设备选型,防灾,减灾,应用

电力行业对气象数据和气象相关知识的应用十分广泛, 无论是电站选址、线路选径、设备选型, 还是系统规划与设计方面对气象数据与气象信息的依赖性与日俱增。承德地处山区, 昼夜温差大, 夏季与冬季气温明显, 夏季降雨量、雷击与冬季降雪对电力系统的影响十分显著。近年来, 由于对气象数据分析的不到位, 忽视时时气象数据而不能及时进行预防所造成的经济损失较大。笔者主要分析气象数据在电力系统设计与设备选型中的防灾、减灾应用, 以更好地避免各种损失与灾害。

1 承德电网现状与损失分析

随着电力建设的不断完善, 承德地区形成了以220k V和110k V为主网架的电力系统, 电力线路距离长、覆盖面广、线路走径复杂等特点对气象防灾、减灾提出了更高的要求。近2年来, 由于气象灾害所造成的损失层出不穷, 主网架线路所遭受的灾害如表1所示。

经分析, 雷击所造成故障正随着线路距离和覆盖面的增加、电力设备的增多而增加, 所造成的损失主要表现在以下2个方面:一是售电量损失较大。受害线路均为主网线路, 所带负荷重, 雷击后重合闸时间和事故处理时间对售电量的损失非常大;二是直接设备损失大。除线路设备受损外, 其他电力设备, 如变压器, 在每年的气象灾害天气中所受损失也十分严重。由此可见, 气象灾害对电力系统安全稳定与经济运行起着举足轻重的作用, 在进行电力系统规划与设计和电力设备的选型中加强气象防灾、减灾设计十分必要。

2 气象数据在电网设计与设备选型中的应用

2.1 温度与温差

温度与温差决定着电器设备的选用, 是决定电器外绝缘数值的重要参数。从以下公式很容易看出其重要性。

电器外绝缘计算公式为:V绝=V额·K

当最高温度大于40℃时, 试验电压应取额定电压乘以温度修正系数:Kt=1+0.003 3 (T-40) , T为环境气温, 单位为℃。

对10KV电器设备来说, 正常数据下的电器外绝缘为:

而修正后最高气温下的电器外绝缘为 (承德地区30年一遇最高气温取承德县41.3℃, 平均海拔取500m) :

因此, 环境温度决定着电器外绝缘的高低, 对室内设备而言, 电器设备的外绝缘要求就更为严格。另外, 湿度与温差对电器外绝缘的影响也十分大, 所以在设备选型时要注意这些参数的影响, 避免由于计算不当, 因电器设备外绝缘而造成的设备损坏事故, 进而带来一系列电网事故的发生。

2.2 日照及风速

日照决定室外导线的绝缘与阻抗值, 是决定线路载流量的主要因素, 对线路理论线损和实际能带负荷计算有很大帮助。风速不但对线路弧垂大小起决定作用, 在计算线路最大风偏距离时更有广泛的应用, 特别是对线路和周边环境的安全起着重要作用, 在线路负重应用方面也更为突出。在电力系统设计规范中规定:选择屋外导体应考虑日照的影响, 日照强度取0.1w/cm2, 风速取0.5m/s。

2.3 雷暴

在电力系统设计中有关雷暴日数规定与气象学规定一致:小于15d为少雷区, 大于15d小于40d为中雷区, 大于40d小于90d为多雷区, 大于90d为特强区。雷暴对电力线路及设备的安全稳定运行危害极大, 由于它的强度与地点无法预测, 对历史数据的分析与预防就显得十分重要。结合承德地区特点与电力系统设计要求, 避开高雷区, 合理选择站址与线径是非常必要的。

3 结语

气候数据 篇4

基于此,中国农业大学人文与发展学院于2008年7月组织在校大学生返乡进行了“改革开放30年中国农村变迁”的专项调查,研究以村庄为单位,采用关键人物半结构访谈法,实际调查180个村庄,回收有效问卷150份,其中,东部地区61个,中部地区45个,西部地区44个,“村庄环境与气候变迁”是其中重要的一部分,调查内容涉及农业气候资源、自然灾害、生物多样性和农民生产生活环境污染等。

一、农业气候资源的变化

气候对农业生产有着重要的影响,调查选取了与农业生产活动最为相关的两个方面,即降雨量的变化与无霜期的变化(郭建平等,2002)。与1978年相比,2008年降雨量明显减少(表1)。总体来看,降雨量较30年前减少了35mm,占30年前的5.2%。从地区范围来看,东部年降雨量减少程度最大,由711mm减少到652mm,减少了8.3%;中部次之,减少了3.3%;西部最小,减少了0.8%。直观来看,降雨量的减少会对农业生产产生不利影响,但事实上,在调查中大多数农民认为降雨量的减少对农业生产的影响不是很大。改革开放以来我国农田水利设施的修建使许多地区的耕地逐渐摆脱了雨养农业的灌溉方式,有效弥补了降雨量减少的负面作用。

在无霜期指标上(表2),无论在总体还是各个地区范围上,均较过去有所增加,说明近30年来,年均气温有颇为显著的升高。东部地区无霜期的增加幅度最大,达到9.5%;中部次之,为6.0%;西部增加幅度最小,为4.0%。虽然无霜期延长对作物生长更为有利,但调查发现大多数农民认为无霜期的延长对农业生产活动造成了不利影响。相当多的农民表示随着气温升高和霜降减少,农作物病虫害明显增加,同时造成了农事时间的改变。而农作物病虫害增加要么会引起农作物减产,要么会引起农民使用更多的农药控制病虫害。有一些农民认为无霜期增加对于农业生产影响不大,一方面有些地区作物品种的无霜期适应范围较广,另一方面农业科学与技术的进步缓解了无霜期变化对农作物的影响。还有少数农民认为无霜期变长对农业生产有一定的积极作用,例如延迟了小麦播种期、农作物种植品种由早熟向中晚熟过渡等。

二、村庄自然灾害的变化

由于特殊的地质构造、地理区位以及农业生产的结构特点,中国是世界上自然灾害最为频繁的国家之一,世界上95%的灾种在中国都有(王占礼等,1999年),地质灾害、气象灾害、环境污染灾害、火灾、海洋灾害、生物灾害等6大类41个小类的自然灾害在中国发生的频率都比较高。从影响面积、发生频率和危害程度来看,水灾和旱灾最为严重;从破坏力来看,地震灾害最为严重;其他诸如低温灾害、雪灾、风灾、地质灾害等都是对我国影响很大的自然灾害。

具体来看各种灾害发生的村庄范围,与1978年相比,2008年旱灾发生频率有所增加,由43.70%的发生率增加到51.54%,水灾发生比例则有所降低,由48.15%降低到30%,这与改革开放30年环境气候变化有很大关系。由于2008年雪灾和地震发生范围比较大,故与1978年相比,2008年发生冰雹、雪灾和地震的比例均有较大幅度的增长,冰雹由9.63%增长到11.54%,雪灾由2.96%增长到5.38%,地震则由2.96%增长到6.15%。

对发生灾害的村庄来说,各种灾害发生程度(见表4),比较1978年和2008年,2008年灾害发生“非常严重”的村庄和“比较严重”的村庄比例均小于1978年,多余部分向“一般”和“不太严重”范围内转移,可见改革30年来农村灾害发生的程度有所减轻。

从各个村庄村民自己对改革前后灾害发生程度的评价来看,34.75%的村庄其灾害程度没有发生变化,剩下65.25%的村庄其灾害程度则发生了较为明显的变化,其中33.90%的村庄认为灾害程度呈现出加重的趋势,31.35%村庄则认为有所减轻。可见,农村改革30年来村庄灾害程度总体上有所好转,但仍有近1/3的村庄处于不断加重的发展趋势,自然灾害的防御工作仍不容忽视。从灾害发生频率来看(如表5),2008年较1978年稍有降低,但幅度不大,降低比例为0.54%。

三、村庄生态系统多样性的变化

从生态系统来说,生物多样性常常反映着系统的功能和生态系统的运行状况(杨宁等,2008)。为了从感性上能够较为准确地把握村庄生物多样性的变迁状况,以下分析主要通过农民自己的生活发现,通过其阐释自己生活环境中所接触感受到的动物植物种类和数量的变化,来看待农村生物多样性的变化情况。

在种类变化方面,农户感知的野生动植物变化(见表6),减少的比例均高于增加的比例。在野生动物65个种类不变的村庄中,29个村庄的村民认为改革30年前后其村庄均没有野生动物存在,占总样本量的21.17%。在野生植物79个种类不变的村庄中,29个村庄在1978年的时候野生植物种类为“0”,占总样本量的29%。

在村庄区域分布上,野生动物70个种类明确减少的村庄在东中西部三个区域差别不大,分布比例分别为45.45%、58.54%和51.22%。对于野生植物来说,中部减少比例最小,为7.41%,东西部相当,分别为20.93%和20%;在种类增加上,中部为0,东部为2.33%,西部村庄比例最大,达到10%,这与国家环保意识提高、增大西部财政支持和退耕还林力度有较为紧密的关系。可见,不同区域村庄发展模式对当地资源和生物的消耗常常有不同的体现,相比较而言,东部村民行为侧重对野生植物多样性的影响,中部侧重野生动物,西部则相对较为平均,且西部政策干预力度能较好体现。

在数量变化上(表7),59.12%的村庄所有野生动物数量都是减少的,42.72%的村庄认为其拥有的野生植物数量都是减少的。其中,野生动物减少的原因,60%认为是人为对野生动物的捕杀造成的,41.33%认为是破坏森林草原环境的结果,26.67%认为是人为药剂施放或农药化肥施用造成的影响,少数村庄则提到气候变化和人口增加等原因;野生植物减少的原因,37.78%认为是无计划采集或过度放牧造成的,20%认为是施用农药造成的,17.78%认为是耕作方式引起数量减少的,如开垦荒地或盐碱地,占用草地植被减少,旱地变水浇地,灌溉地增多导致水缺少、河流干涸、水生野草减少等,13.33%认为是采用植物林木盖房子、做家具或用作燃料等较多利用造成的减少,少数村庄则提到村庄发展和环境污染等原因,如林木地砍伐被用作建设工业园区或住宅区或石料厂,搬迁导致基础设施扩大,种养生计现代化等都使原来野生植物生长的环境和空间被占用,数量大幅减少,空气污染使得部分植物不再适合在本村生长。

对于数量呈现明显增加趋势的村庄来说,大部分村庄提到是人们环境保护意识的增强和国家环境政策的执行,如建立了自然保护区或禁止捕杀政策的执行,同时部分村民认识到野生植物有利于身体健康,开始有意种植培养部分野生植物,基于发展需求,部分村民也开始在自己门前种植多种花草树木来改善环境,同时,部分野生植物也表现出生长繁殖快的特点导致其数量迅速增加。也有村民提到是环境污染导致的结果,如一个村庄认为杂草数量增加迅速,主要在于杀虫剂的使用使得天敌野草迅速繁殖;另一个村庄认为是周围环境水遭受到污染,导致海藻等野生水生植物大幅增加。部分村庄认为生态系统平衡遭到破坏,使部分野生动物迅速减少,而天敌迅速增加。

四、村庄环境污染的变化

随着农业生产方式的变化、城市化和工业化等多方面的宏观经济发展战略的转型,在过去30年里,我国农村的发展伴随着环境污染的不断加剧。调查数据显示,改革之前,68%的村庄表示环境没有受到污染,现在仅为8.67%;改革之前,只有1.33%的村庄污染比较严重,而现在比例已达25.33%。同时,污染面不断扩大,水体和土壤污染村庄比例大幅增加(表8),具有两种污染的村庄比例达32.67%。

在污染源方面,改革之前,生活垃圾污染是农村最主要的污染源,占受污染村庄的75.38%;其次是农业污染,占到受污染村庄的49.23%,只有2个村庄表示有工业污染,并且只有8个村庄表示有两种污染源,占到受污染村庄的16.67%。现在,农业污染成为覆盖面最广的污染源,达91.61%,其次是生活垃圾污染,此外,工矿业污染的村庄数量显著增加,由2个增加到41个,所占比例达28.67%。同时51.82%的村庄呈现出两种污染源并存的情况,10.22%的村庄呈现出三种污染源并存的情况。

在农业污染上(见表9),农药、地膜、化肥等三大农业污染均显示出一定程度的增加,而农药始终是遭受农业污染的村庄最主要显示出的污染类型。“其他污染”类型表现为动物粪便对村庄环境的污染。

在生活垃圾污染上,1978年(N=127)38.58%的村庄出现了生活垃圾污染,而在2008年(N=143)此比例达88.11%。可见,改革30年来,农村生活垃圾污染的污染面已经有了较大范围的扩大,其对农村人居环境的影响不容忽视。大部分村庄认为生活垃圾的乱堆乱放是造成污染的首要原因,具体表现为生活垃圾没有处理设施,没有人监督负责或集中处理的方式方法,塑料袋等白色污染太多,有的则认为是村民环保意识差,村组织无管理造成的,也有的村庄认为是现在人多了,用的多,浪费的也多,再加上缺少管理,最后造成生活垃圾过多等。

农村工业化是中国改革开放30年间经济增长的主要推动力,受乡村社区自然经济的深刻影响,绝大多数乡镇在工业化进程中忽视了环境规划和治理,致使局部地区污染严重(左停等,2006)。在村庄历史上工业污染源方面,在1978年左右只有4个村庄有工厂,2个村庄受到污染,而在2008年数量达到41个,其中34个为村庄自有企业和矿产,3个则是受到村附近工厂和城市工业污染、生活污水排放的影响;39个村庄对工业污染的影响进行了阐述,其中提到最多的是水污染,有19个村庄,其次为空气污染,有14个,剩下村庄则提到影响了村民生活健康、庄稼收成及果树授粉,造成了噪音污染、土壤污染等。

在农村环境污染发生的时间上,平均年为1993年,70.10%的村庄污染始于1990～2000年期间,最严重污染的时间平均是在2002年,与开始出现的时间相比滞后9年,同时35%的村庄是在2008年出现严重污染的,可见村庄污染问题已经到了迫切需要解决,需要相关人员采取行动的时候了。而在1978～2008年30年的时间里,对于已经发生污染且对政府是否采取措施做出明确回答的109个村庄来说,政府采取措施的有44个村庄,占有效样本总数的40.37%,半数以上的村庄是没有采取任何措施的,可见目前全国对发生污染村庄的控制情况相对较弱。

五、人居环境的变化

农民作为自身环境的最好体验者,其对村庄环境整体的变迁有着更为深刻感性的认识,了解这种认识有利于更客观的把握农村环境变迁的社会现实。综合各种村内和村庄周围环境变化的要素,在村庄环境整体变迁上,150个全样本村庄中有143个村庄对其进行了主观阐释。整体来看,54.55%的村庄认为村内及周围环境变好了,37.06%的村庄认为是变差了,8.39%则认为没有变化。

对每个区域村庄分布比例最高的变化趋势来说(见表10),东部和西部大部分区域均呈现出环境好转的趋向,变得更好的比例分别为55.93%和65.12%,中部则大部分区域呈现出环境更加恶劣的势态,变得更差的比例为32.20%。横向比较东中西部三个区域,从环境整体变化趋势来看,西部变化好于东部,东部变化好于中部,呈现出西、东、中逐渐递减的趋势,即改革30年来西部村庄行为对环境破坏影响程度最小,东部次之,中部最甚。

具体来看人们对环境状况好坏的评价,不同的村庄谈到变化的方面和角度均有所不同。在143个村庄中,46.85%的村庄提到村子周围房子道路等基础设施明显变好,现代化进程的加快和人们生活水平的提高使得基础设施成为他们首先改进的地方,由此也使村庄整体人居环境发生明显改善,村容村貌明显改善;26.57%的村庄提到村庄绿化更好了,主要表现在封山育林、退耕还林等导致村庄绿化面积增大,覆盖率提升,同时人们生活水平提升导致对精神层面更多的追求,会在房前屋后种些花草改善环境;37.06%的村庄提到村庄空气、水质、土壤等环境质量出现明显下降的趋势;18.88%的村庄提到因为对垃圾没有进行集中清理而导致生活垃圾污染严重,从而使村容和人居环境受到严重影响,一个村庄村民如此描述到:“如今大家生活提高了,吃的东西越来越多,其产生的废物也随之增加,夏天西瓜皮什么的,都乱扔,日常生活垃圾也是,而且经常往溪里倒,虽然下大雨可以把一些冲走,但是日积月累,越堆越多,夏天时候会发臭,水肯定也被污染了”;另有6.29%的村庄明确提出因为有垃圾的集中回收处理使得村庄环境明显改善。

此外,还有部分村庄提到交通设施的改进使得经过村庄的车辆日渐增多,给村庄村民带来了一定的噪音污染;部分村庄则提到生活的发展使得能人越来越多地离开村庄,村中人慢慢减少,村民之间聊天减少,使得人际交往冷清;也有的村庄提到因为本村发展,对周围村民雇佣频率增加,村民之间联系更为紧密;还有的村庄则提到村庄生活环境的两面性,一面是新楼房,一面则是空闲的旧宅基地没有很好处理。

六、结论

总体来看,改革开放30年来,中国农村居民所面临的生产生活环境发生了很大程度的变化,与整体气候环境的变化、村庄小的生产生活环境的变化、城市发展对农村环境的影响等方面都密切相关。变化的环境影响了村民日常的生产生活,村民自身的行为方式又在一定程度上改变着环境。通过实地调查分析,本文认为:

(1)改革30年来,农业生产所面临的气候资源环境已经发生了一定程度的改变,其挑战了农户现有的农事系统,需要其根据对气候的感知来逐渐调整自身的行为,从而更好适应大的环境变化。

(2) 1978-2008年,村庄灾害发生种类呈现出明显多样化的发展趋势,部分灾害发生的村庄范围则有一定程度的改变,如旱灾、冰雹、雪灾、地震发生范围均有所增加,而水灾发生范围则有所减少,大部分村庄也发生了灾害类型转化的局面。在自然灾害发生程度和变化频率方面,与1978年相比,总体上2008年灾害发生的情况均有所减轻(除去汶川特大地震情况)但减轻幅度不大,这与自然灾害本身发生的周期性和滞后性、以及人们对灾害的应对能力变化有很大关系。

(3)在农民的生活经历中,村庄野生动植物整体呈现出减少的趋势,且野生动物减少趋势高于野生植物,主要在于人类对自然环境的过度利用(如过度采集野生植物、过度捕杀野生动物、过度拓展人类自己的生存场所等)和村民现代化的耕作方式(如施用过多的农药化肥等)对生态系统的破坏。同时,部分村庄也逐渐呈现出好转的趋势,主要在于人们环境保护意识的增加、外界政策的实施和村民生计途径的转移等。因此,要恢复野生动植物的种类和数量,关注当地人们的生计方式与环境的互动,注重其意识的培养和进行适当的外部政策干预是十分必要的。

(4)在现代环境污染方面,生活垃圾污染占据了大部分的村庄,农业污染和工业污染也不容忽视。在发生污染的村庄中,极少数村庄制定了一些村规民约来约束村民,一定程度上缓解了污染,但大半数的村庄都没有采取相关控制措施,需要更多整体统筹的干预措施。

(5)在人居环境上,农村改革30年来,农民生活水平的提高和现代化的推进使得农村基础设施出现了明显的好转,再加上近年来农业政策的颁布和退耕还林的实施,各种人居环境和村庄绿化环境都有了较为明显的改善,但是生活垃圾及各种因发展而带来的环境问题如空气污染、水质污染、噪音污染和农业污染也使得村庄环境面临前所未有的挑战。不同的村庄处在这种变化调整的不同阶段,如部分村庄已经较为成功地实现了这种转型,部分仍在进一步变化调整中,部分则处在进一步环境保护意识的觉醒中,这些均需要村庄内外多种资源的统一规划利用和多方集体行动的实施。

参考文献

[1]王占礼:中国现阶段经济可持续发展中的缓发性灾害研究[J].生态经济,2000(9):13-17。

[2]Wu,B.Sustainable Development in Rural China:Farmer Innovation and Self-Organization in Marginal Areas.London and New York:Routledge Curzon Talor & Francis Group,2003:24。

[3]郭建平、高素华、刘玲:我国西部地区农业开发与农业气候资源高效利用[J].资源科学,2002(2):22-25。

[4]王占礼、彭珂珊:中国主要灾害类型、成因与分布[J].桂林工学院学报, 1999(4):354-359。

[5]杨宁、于淑琴、孙占祥、郑家明、刘洋、侯志研:生物多样性影响农业生态系统功能及其机制研究进展[J].辽宁农业科学,2008(1):27-31。