气温因素

气温因素（精选10篇）

气温因素 篇1

1 概述

研究表明, 气象因素是影响短期负荷的主要因素。在一些气候条件下, 用电负荷及电量会急剧攀升, 这使得电力负荷与气象关系的定量分析称为研究人员的研究重点。简要分析气象要素对短期负荷变化的影响, 可以发现, 气温的影响最为显著, 当天气剧烈变冷/变热时, 将有大量采暖/降温负荷投入运行;而当平均气温持续过高或过低时, 与以前年份的相同日期相比, 日负荷将有较大的变化, 如某年夏季某地持续高温, 空调负荷在7～8月居高不下, 日用电量大幅度提高。其他天气状况也直接影响到电力负荷, 例如, 降雨会直接影响到农机灌溉负荷和其他用电, 在某地区一场大雨之后, 总共近300MW的负荷骤降了近70MW灌溉用电负荷, 可见气象因素影响之大。因此, 在短期负荷预测中考虑气象因素已经成为人们的共识[1,2,3]。

2 气温因素直接作用于短期负荷的规律分析

在夏季, 日电量与日最高气温、最低气温、平均气温的变化趋势都非常相似。当气温升高时, 日电量也处于升高的阶段;当气温降低时, 日电量也呈现降低的趋势。值得注意的是, 两者变化的峰点和谷点所出现的日期也基本重合。可以判断日电量与气温应该具有比较大的相关性。这为进一步的负荷预测提供了依据[3]。

某些日期的日电量和气温的变化情况并不完全一致, 这是因为影响日电量的因素并不仅仅是气温, 还包括其他的多种因素。在短期负荷预测中考虑实时气象因素, 不能简单按照时段进行相关分析[3]。实际上, 实时气象因素与负荷的变化是有“时差”的, 气象因素领先, 负荷变化滞后, 这在以15min为间隔的96点负荷预测中尤为明显。可是, 这种“时差”究竟是多少, 还不能明确回答, 需要在预测过程中寻找。同时, 也不能仅仅分析实时气象因素与负荷的变化关系, 还要继续借鉴“同类型日”的思想, 将负荷的周期性特征完全体现出来[10]。

3 BP神经网络算法在电力负荷预测中的应用

BP神经网络广泛用于预测领域, 与传统方法相比, 在处理模糊数据、大规模问题上, 最大拟和性及容错方面均优于传统预测方法。BP算法的基本思想是, 学习过程由信号的正向传播与误差的反向传播两个过程组成。正向传播时, 输入样本从输入层传入, 经各隐层逐层处理后, 传向输出层。若输出层的实际输出与期望的输出不符, 则转入误差的反向传播阶段。误差反传是将输出误差以某种形式通过隐层向输入层逐层反传, 并将误差分摊给各层的所有单元, 从而获得各层单元的误差信号, 此误差信号即作为修正各单元权值的依据。这种信号正向传播与误差反向传播的各层权值调整过程, 是周而复始地进行的。权值不断调整的过程, 也就是网络的学习训练过程。此过程一直进行到网络输出的误差减少到可接受的程度, 或进行到预先设定的学习次数为止[4,6,11]。

4 单独考虑历史负荷的BP神经网络负荷预测

由于电力系统负荷的运行规律非常复杂, 合理选择应用于短期负荷预测的神经网络结构至关重要, 它是决定神经网络能否体现负荷变化规律的关键。目前的ANN预测模型大部分都采用前馈ANN模型, 此结构的ANN有很好的函数逼近能力, 而不必须先知道输入变量和预测值之间的数学模型, 可以方便地计入气温、天气情况、湿度等这些对电力负荷有重要影响的因素的作用[6]。

一般在短期负荷预测中使用的网络是三层前馈网络, 即:只含一个隐含层。隐含层的神经元数目的选取与ANN模型的训练效果是密切相关的。隐含层神经元过少会使得隐含层神经元负担加重, 可能不收敛且无法反应非线性的输入输出关系;相反如果隐含层的节点数过多, 收敛速度变慢, 隐含层神经元数目再大一些, 便不收敛。

为了展示BP神经网络很好的拟合性能, 数据选取同类型日。表1为秦皇岛市2007年8月的部分负荷 (单位:MW)

原始数据见表1。对8.13进行预测, 图1为预测结果与原始数据的拟合曲线:

程序运行的预测负荷数据如下:

从图2可见, 负荷预测结果与真实的负荷数据误差达到10-3。

5 考虑气象因素的BP神经网络负荷预测

5.1 数据预处理

参考经验公式, 并兼顾Kolmogorov定理进行确定隐含层的神经元个数为13个, 输出层为一个神经元。其中, 负荷数据按照下面的公式进行变换:

式中, h为时段下标;Ln为h小时的实际负荷;Lh′为比例变换后的负荷数据;该变换可使得负荷数据介于[0, 100]区间 (无量纲) , 从而便于与对应时段的实时气温th (℃) 进行对比。 (表2)

5.2 结果分析

拟合曲线如图3。误差曲线如图4所示。

从图4可见, 考虑气温的负荷预测结果与真实的负荷数据更为接近, 误差达到10-3, 优于单独考虑历史负荷数据的预测结果。这说明, 考虑气温的负荷预测更加准确。

6 小结

本文通过对历史负荷数据的分析可知, 电力负荷具有明显的周期性变化规律;并重点分析了夏季气温对短期负荷的影响, 在历史负荷数据的基础上, 充分的考虑了气温因素对负荷的影响, 对历史负荷数据进行神经网络预测, 通过单独对历史数据预测和考虑气温预测的拟合曲线及误差曲线的对比, 分析得出考虑气温因素能够使预测结果更加接近实际负荷数据, 预测精度更好, 具有良好的推广应用前景。

注: () 中数据为气温, 单位℃。

摘要：本章分析了气温因素对电力负荷的影响, 建立了气温因素直接作用于短期负荷的BP网络模型, 对其进行短期负荷预测, 该模型的预测结果较单独考虑历史负荷数据的预测更加稳定且有较高的准确率。

关键词：气温因素,电力负荷,应用研究

气温因素 篇2

气温的测定，主要讲解气温的表示符号及读法，气温的观测和计算方法

气温的变化，教材从三个方面阐述：气温的日变化;气温的年变化，主要从两个侧面说明，一是南北半球一年中气温最高值与最低值的时间，而是热、温、寒三带四季气温变化的特征不同;气温的年际变化。

气温的世界分布，首先讲解了等温线知识，它是阅读世界年平均气温图的关键。本部分即重“地”又重“理”，将世界气温水平分布的规律与影响气温分布的主要因素---纬度、海陆、地势、洋流等结合，使感性知识与理性知识结合。又为后面分析气候的影响因素和气候特征打下基础。

关于“世界气温的分布”的教法建议

对于气温的“空间变化(即世界的分布)”，教师应该引导学生认真观察地图，学会从“整体到局部” 逐步分析的方法。注重从图上直接得出结论，将分布规律与影响因素联系起来分析。

1、全球年平均气温曲线变化规律---纬度位置(太阳)

2、南北半球的不同---海陆影响

3、陆地上的不同---地形地势影响

4、海洋上的不同---洋流影响

5、极值---局部最冷最热的地方

6、人类对气温的影响，可以简单的讲解。

为了避免单纯的灌输，教师可以提出问题，充分利用课本提供的实例，引导学生思考、分析，使学生思维始终处于活跃状态，切忌教师不要直接给结论。

对于“气温的测定”的教法建议

对于“气温的测定”的学习，应该适当地补充气象观测的内容，根据学校学生的实际情况，可以参观气象园中的百叶箱，实际读一读温度计，或利用投影等多媒体使学生对气温的测量方法(温度计安放的位置、观测时间的设定)、数值的采集与处理等有所了解，并进一步了解我们所说的温度是指一个时期内的平均温度。教师可以引导学生一步步的观察，但是不要只告诉结论。

关于“气温的变化”的教法建议

关于“气温的变化”，主要讲解气温的时间变化，建议步骤如下：

1、从学生的日常感受入手，一天中有冷热，一年中有冷热，为什么?(因为热量主要来于太阳照射)

2、是否太阳一照射温度就会立刻升高呢?太阳一落山温度就立刻降低呢?(不是)

3、出示动画，使学生明确大气温度的直接来源是地面，太阳的热量先传到地面然后到大气，有一个过程，所以一天中最高温不是12时而是14时，最低温出现在日出前后。同样道理，一年中温度最高值并不出现在太阳直射或接近直射时，而是稍有滞后，最低值也不出现在太阳最斜射的时候。如北半球最高温出现在7月，最低温出现在1月，南半球相反。

4、引导学生讨论：如何才能将气温连续变化的过程更直观地表示呢?(用气温曲线图，气温指平均气温)

5、如何利用月气温曲线说明一个地方、不同季节的气温特点呢?(热带、温带、寒带气温特征的描述)

关于“天气和气候”的教材分析

气候是本章的关键性知识，也是学习区域地理知识的基础知识。气候是多年天气状况的综合，所以要掌握气候知识必须从天气入手。教材以天气预报为例，引出了天气和气候的概念与区别。这种处理形式，比较贴近社会实际，容易引起学生的学习兴趣。同时很自然的揭示了天气与气候的共性与差异，即天气是对大气状况的定量描述，而气候是对大气状况的定性描述;天气是多变的，气候是相对稳定的。 对于天气部分，它与学生的日常生活密切相关，所以重点应放在使学生能够明确天气预报中各符号和数字的含义，能够从地理角度理解“天气预报”中各项内容的含义。

这部分教材紧密结合实际，能够调动学生学习兴趣，使其积极主动参与学习过程。

关于“天气和气候”的教法建议

建议将讨论法、学习指导法和讲授法等结合起来进行授课。

对于“天气”的学习，教师可以充分利用教材提供的实例或多种媒体资料，引导学生读天气形势图、听天气预报，考虑天气预报中包括的主要项目是什么?状况如何?教师在学生思考、讨论、回答的基础上，给予指导订正。并及时反馈，使学生明确天气预报中各种符号和数字的含义，真正从地理角度理解天气预报各项内容的含义。

关于“气候”内容较为抽象，在授课时教师可以采取下列步骤：

1、根据学生实际生活，列举本地区的气候特征，如北京“冬天寒冷干燥，夏天高温多雨”

2、引导学生思考“气候特征是如何得出来的?它与每一天的天气什么关系?”(是由多年的天气特征综合出来的)

3、气候特征是否像天气一样经常会变呢?(不会，气候是定性的描述，比较稳定)

4、学生进行对比分析，将天气与气候的关系填表，以增加学生的印象。

全球气温升高之后 篇3

伦 敦

伦敦是英国的首都，全球气温上升会给伦敦带来巨大的麻烦. 温度升高2-4摄氏度，整座城市就变成了“水城”. 河水将漫过堤坝，在大街小巷上肆虐，房屋也将被水淹没. 无论是私家车还是公共交通届时都将彻底瘫痪，乘船出行似乎成了唯一的选择.

纽约

纽约的情况和伦敦稍有不同. 全球气温上升2摄氏度对纽约来说没有太大影响. 但如果气温上升4摄氏度，情况就急转直下，整座城市将被水吞噬，想在那里生存下去都困难，更别提在那居住了.

里约热内卢

里约热内卢有600万的常住人口. 全球气温上升4摄氏度，城市内涝就将十分严重，大水将淹没汽车. 但似乎2摄氏度的升温对里约热内卢来说还不成问题.

上海

在上海这座汇集大量人口的城市，经历2摄氏度的升温后还能看到绿地和道路，但大水会严重影响城市的交通运输. 等到升温4摄氏度时，恐怕只有那些高楼大厦还矗立在水平面之上了.

孟买

孟买作为印度的商业首都，全球气温上升2摄氏度就会让市内交通极为不便，气温上升4摄氏度后整个城市已经不适宜居住了.

悉尼

在澳大利亚的悉尼，如果全球升温2摄氏度，城市最基本的生存条件还差不多能满足.要是升温4摄氏度的话，人们也要和他们的家园说“再见”了.

德班

乡镇最低气温预报研究 篇4

1 掌握历史差异规律

各乡镇之间有时最低气温差异较大, 但随着城市热岛效应的日益明显, 乡镇与县气象站的气温差异也在增大[2]。研究县气象站与乡镇气温的差异规律, 对提高乡镇气温预报的准确率有重要作用[3]。

我们利用2012~2015年昌图县各乡镇的气温资料, 进行统计分析, 总结各乡镇的气温差异规律, 得出各乡镇的气温差异规律如下:

夜间阴天时, 昼夜温差小, 野外与城镇的最低气温差异小;夜间晴天时, 昼夜温差大, 野外与城镇的最低气温差异大。分析其原因主要是:夜间阴天时, 地表热量散失普遍都遇到云的阻挡, 近地层夜间降温幅度小, 并且降温幅度相差不大;夜间晴天时, 冬季城镇热源较多, 烟尘排放量大, 易造成烟霾, 影响地表热量散失, 易造成城镇最低气温偏高;而农村野外没有热源, 没有烟霾, 夜间热量散失较多, 易造成最低气温偏低。所以野外与城镇的最低气温差异很大, 有时可差7℃左右。

夜间风大时, 野外与城镇的最低气温差异小;夜间风小时, 野外与城镇的最低气温差异大。分析其原因主要是:大风会把城镇的热岛吹散。

不通风的地方夜间气温易偏低, 通风良好的地方夜间气温易偏高。分析其原因主要是:不通风的地方 (如周围有建筑物遮挡或山谷等地) 水平热交换少, 夜间辐射降温易出现冷空气堆积, 所以气温偏低;通风良好的地方, 水平热交换多, 不易造成冷空气堆积, 所以气温偏高。

2 掌握实况与数值预报误差

乡镇气温预报, 首先要分析研究上级指导预报和数值预报产品与各乡镇气温实况的误差规律, 利用误差规律进行订正。以T639中的2m温度预报为例, 首先要计算各乡镇近期的实况与T639中2m温度预报的误差值, 用各乡镇的误差值与预报值结合进行订正。

如果等温线较密集, 应考虑冷空气位置因素, 即靠近冷区的乡镇, 气温偏低;靠近暖区的乡镇气温偏高。

3 建立预报经验公式

以当日白天某乡镇的最高气温为基础, 结合该乡镇近期的平均气温日较差、数值预报中相应的24h变温、云、雾、雨等要素为预报因子, 建立最低气温预报公式。此方法经过2014年的使用验证, 2014年全县乡镇最低气温预报准确率达70%。

具体预报方法如下:最低气温预报公式:

上式中Y是某乡镇明早最低气温预报值。TG是该乡镇今日白天最高气温实况值。T△是该乡镇近期平均气温日较差。

X1是某乡镇未来24h的温度变化预报值, 其取值来源是数值预报产品, X1要取当日20:00~次日20:00的最低值。降温, X1为负;升温, X1为正。

X2是云雾雨因子。全夜有低云或大雾覆盖, +5℃;半夜有低云或大雾覆盖, +3℃, 夏季减半;全夜有中云或轻雾覆盖, +4℃;半夜有中云或轻雾覆盖, +2℃, 夏季减半;春秋季节当日有大于5mm降水时, 每增加2mm+1℃。

4 小结

4.1 掌握历史差异规律

统计、分析、研究、总结县内各乡镇气温差异规律, 根据各乡镇与县站气温差异规律, 制作各乡镇气温预报, 准确率可有一定的提高。

4.2 掌握数值预报产品误差规律

乡镇最低气温预报, 要利用或参考上级指导预报产品和数值预报产品, 分析、总结、掌握各种预报产品的误差规律。

4.3 建立经验预报公式

乡镇最低气温预报, 最好是以各乡镇当日的最高气温或最低气温为基础, 结合各乡镇近期的气温日较差及数值预报中的变温、云、雾、雨等因子, 按预报公式计算, 准确率可有一定的提高。

摘要：提高乡镇气温预报准确率, 要研究、掌握各乡镇的气温差异规律;掌握各乡镇气温实况与数值预报的误差;建立预报经验公式, 三者结合, 效果较好。

关键词：乡镇气温,差异分析,预报方法研究

参考文献

[1]刘卓, 刘仁亮.昌图县寒潮及严寒天气成因分析[J].农业与技术, 2013, 33 (1) :141-142.

[2]初子莹, 任国玉.北京地区城市热岛强度变化对区域温度序列的影响[J].气象学报, 2005, 63 (4) :534-540.

气温因素 篇5

针对研究全国近百年平均气温长期变化的实际需要,利用603个测站1961-气温观测资料,比较分析了最高最低平均气温距平序列和4次观测记录平均气温距平序列的差异,讨论了最高、最低气温变化趋势.结果表明:两种统计方法得到的.平均气温距平序列及增温速率的差异均不明显,在一定条件下两者可以互相替换.此外,最高、最低气温变化普遍存在不对称现象,且可分为4种类型,这种不对称性对平均气温变化速率并没有明确一致的影响.

作 者：唐国利 丁一汇 Tang Guoli Ding Yihui 作者单位：唐国利,Tang Guoli(国家气候中心,中国气象局气候研究开放实验室,北京,100081;中国科学院大气物理研究所,北京,100029;中国科学院研究生院,北京,100039)

丁一汇,Ding Yihui(国家气候中心,中国气象局气候研究开放实验室,北京,100081)

常州市气温变化分析 篇6

依据常州市气象国家基本气象观测站2005~2014年连续观测的气温资料, 以10a的、年、月、日为基础, 分析10a中各自的变化特征。

2 近10a气温变化趋势

2.1 近10a平均气温的年变化趋势

1资料来源

如表1, 近10a年平均气温为16.7℃, 最高年为2007年的17.3℃, 最低2011年的16.2℃。如图1, 近10a平均气温总体呈下降趋势线性趋势函数为y=-0.018x+16.79R2=0.022。近10a月最高气温平均是21.1℃, 最低是13.2℃, 单月最高气温平均为2013年的8月35.7℃, 最低为2011年的1月4.1℃;月平均最高气温10a中出现在7月的有6次, 4次出现在8月, 也就是气温最高的月份出现在7或8月。月平均最低出现月份10a中有8a出现在1月, 2a出现在2月, 也就是气温最低的月份出现在1或2月。

2.2 近10a月平均气温的月变化趋势

据统计1~7月气温呈上升趋势, 7月~次年1月为降温趋势。10a月平均气温最高为7月, 为29.1℃, 平均气温最低为1月, 为3.2℃。

10a月平均气温年较差为25.9℃。单月平均最高气温为2013年7月的31.7℃, 单月平均最低气温为2011年的1月, 0.1℃。年较差最大为2013年28.30℃, 最小为2014年22.70℃。

2.3 近10a气温极端值的统计

经统计常州市近10a极端最高发生在2013年的8月6日40.1℃, 极端最低发生在2009年的1月24日~8.2℃。据统计, 3-10月极高气温均有≥30.0℃的记录, 而5~9月极高气温也皆有≥35.0℃的情况;11月~次年3月极端气温有在≤0.0℃的情况, 而12月~次年2月极端气温有≤-5.0℃的记录。

3 结论

3.1 近10a中总体呈下降趋势

下降趋势线性趋势函数为y=-0.018x+16.79 R2=0.022近10a平均气温为16.7℃, 年平均最高气温为2007年17.3℃, 年平均最低气温为2011年16.2℃。

3.2 近10a月平均气温最高为7月

为29.1℃, 月平均气温最低为1月, 为3.2℃。单月平均最高气温为2013年的7月, 31.6℃, 单月平均最低气温为2011年的1月, 0.1℃。

3.3 近10a

极端最高发生在2013年的8月6日40.1℃, 极端最低发生在2009年的1月24日-8.2℃。

摘要：通过对常州市近10a气温资料统计分析, 掌握到近10a气温呈下降趋势, 总结出月平均最高、最低;近10a极端最高、最低出现的时间。为工农业生产, 用电建设及生态保护提供依据。

关键词：气温,平均,极端,变化

参考文献

常德市夏季气温的分析 篇7

在大多数学者都认为全球气候变暖的趋势下, 我们却感觉到:今年的夏天来得迟!很明显, 全球气温不是稳中有升那么简单的一回事, 而是呈现了一种波动的变化趋势。

常德市位于湖南西北部, 自然条件优越, 东濒洞庭, 南通长沙, 西连川黔, 北邻鄂西, 属于典型的亚热带湿润季风气候区。地处东经109°16'—113°77', 北纬28°24'—30°07', 经济作物主要有棉花、柑橘、红提等。水热资源丰富, 同主要农作物生产季节配合较好, 给国民经济的发展提供了有利条件。

1.6月份平均气温的年际变化

从表1我们可以看出, 常德地区从1975~1994年6月份的平均气温总体上呈上升趋势。经分析, 建立气温距平线的线性回归方程:x=0.054t+25.021, 这表明, 30年的时间, 常德地区6月份的平均温度上升了近1.62℃。

但在这样的一个总趋势下, 个别年份也会有下滑的现象, 从表1中我们可以得到具体数据, 其中于1978年和1982年出现了次小值和极小值, 分别为24.002℃和23.519℃。

另外, 根据6月份平均气温, 可以表明:6月份的平均气温在20世纪80年代的变化幅度最大, 而随后趋于一种变化幅度较小的上升趋势。

2.7月份平均气温的年际变化

经分析, 建立春季平均气温距平线的线性回归方程:x=0.0291t+28.631.这表明, 这30年中, 常德市7月份的平均气温上升了约0.87℃。相比之下, 常德市7月份的平均气温比6月份的平均气温的上升幅度要小得多。

从表2中, 可以看出这30年中, 月份的气温值波动很大, 这也是常德地区夏季气温不稳定的原因。尤其是198年到1993年间, 这几年间, 每年的气温变化幅度都在1℃以上, 从1987年的27.974℃到1988年的31.113℃, 更是上升了3.139℃, 这样的升温无疑会对人们的生产和生活造成很大的影响, 所以人们应当更多地关注气温变化趋势。

我们可以看到, 近30年来7月份气温值, 除了1980年的极低值26.623℃外, 其余年份均在27℃以上, 其中于1988年和2001年出现了次极大值和极大值, 并从表2中读出数据, 分别为31.113℃和31.318℃。

3.8月份平均气温的年际变化

从表3中的8月份平均气温, 我们可以得知常德市从1975~2004年的8月份的平均气温呈现增长趋势, 但增长趋势却相当不明显。

根据趋势线公式:x=0.0295t+27.898, 计算得到, 近30来, 8月份的平均气温增长了约0.89℃。变化幅度相对于月份来说仍然很小。甚至, 如果只引用1995~2004年的数据的话, 我们会发现这段年份的气温值会呈现微弱递减的趋势, 这与我们潜意识地认为全球变暖的观点相悖, 但却符合常德地区近些年来气候变化不稳定的特征。

可以看出, 天文季节的8月份气温要明显高于6月份气温, 其变化更是复杂。在表3中读出, 常德地区8月份的气温于1990年和1997年出现次大值和极大值, 分别为29.977℃和30.205℃;于1979年和1980年出现次小值和极小值, 分别为26.535℃和25.681℃。

综合分析常德市这30年的夏季各月 (6, 7, 8月) 的气温变化, 虽然6月、7月、8月和平均气温呈现正增长趋势, 但6月份的变化幅度要明显大于7月份和8月份, 而7月份和8月份的变化趋势却相差无几。但1999年, 7月份和8月份的降温幅度也都比较大, 将近2℃!

春季气温升高鸡饲料成分的调整 篇8

春季, 母鸡进入产蛋高峰, 要取得好的经济效益, 必须注意及时调整饲料的营养成分, 保证日粮中各种营养的完善与充足。因此, 饲料成分的调整必须遵循的原则是减少日粮中玉米等谷物类饲料的比例。

二、提高蛋白质水平

母鸡产蛋期要消耗较多的蛋白质, 且其消耗量与鸡的产蛋率有关, 所以饲料中的蛋白原料要根据鸡产蛋率的提高而增加。方法是在日粮中适当添加优质的鱼粉、豆饼等, 在成本允许的情况下尽量少添杂粕。

三、提高矿物质含量

全球气温上升幅度或高于以往预测 篇9

据英国广播公司 (BBC) 网站3月25日报道, 一项计算机模拟研究显示, 到2050年, 全球气温可能比上世纪上升1.4摄氏度至3.0摄氏度, 气温升幅高于以往得出的结论。科学家们表示, 最新研究旨在探索未来更宽泛的可能性, 以帮助更好地应对气候系统的不确定性。研究结果发表在《自然·地理学》杂志上。

科学家们表示, 最新研究有助于科学家们更好地规划应对气候变化影响而采取的行动, 例如构筑堤坝来对付不断上升的海平面;研发能在高温和干旱下生存的农作物等等。

参与该项目的科学家研究了Climateprediction.net项目中瞬变气候模型英国广播公司气候变化实验的数据后得出了上述预测范围。英国广播公司气候变化实验是一项目由英国牛津大学主导, 英国气象局、英国广播公司、英国空中大学和英国瑞丁大学合办的计划, 于2006年2月正式展开, 该瞬变气候模型包括了真实海洋的模拟, 让实验能更准确地研究气候的变化。

研究人员介绍称, 目前, 大约有1万个气候模拟操作在志愿者的家用电脑上运行, 该实验物理参数的赋值在不同的运行模型中是不同的, 以便精确反映气候系统内的不确定因素, 而且一些模型能精确再现过去50年来的温度变化。

最新结果的低值与联合国政府间气候变化专家委员会 (IPCC) 2007年公布的结果一致, 但高值高于IPCC分析报告给出的结果。

主要负责该项目的英国牛津大学地理、环境和物理学院的迈尔斯·艾伦表示, 其他气候变化建模团队“并没有着手探索所有的不确定性, 因此, 像我们这样的实验势在必行”。

爱丁堡大学的气候系统科学教授盖比·赫吉尔称该研究“朝着更全面地预测不确定性迈出了关键的一步”。东英吉利亚大学气候变化科学和政策领域的教授、英国丁铎尔气候变化研究中心主任科瑞恩·李-奎宁也称该研究“非常有意义”。

不过, 伦敦大学气候模型荣誉教授朱立安·赫特教授却对此研究提出了质疑。他说:“我对依靠一个将显然不断上升的地面温度同可能正经历大波动的海洋温度相结合的模型给出的结论持保留意见。”

金秀县近50年气温变化分析 篇10

1 金秀瑶族自治县概况

金秀县位于我国广西壮族自治区中部偏东,东经109°50′～110°27′,北纬23°40′～24°24′之间,南北纵长约81 km2,东西横跨约63 km,全县总面积2 082.75 km2。地势为四周低平,中间拔起,山体庞大,呈北北东伸延。从东北部经中部到西南部地势高,山体大,海拔在1 300 m以上,境内最高峰圣堂山,海拔1 979 m,其次是五指山1 969 m,全县海拔1 000 m以上的山有45座。金秀县主要是高寒山区的立体气候,热量较丰富,降水充沛,雨日多,日照少,春季尤甚。

2 气温的变化

2.1 年平均气温的变化

自1958—2007年的50年中,金秀县年平均气温为17.3℃,与平均值相比偏高的共有18年,正常到偏低的有32年。其中,年平均气温偏高0.5～0.9℃的年份有1963、1987、1990、1998、1999、2002、2006年;偏高1.0～1.4℃的有2003年,最暖年为2003年,年平均气温为18.2℃,其次为1998、2006年;年平均气温偏低0.5～0.9℃的年份有1967、1970、1976、1988、1996年,偏低1.0～1.4℃的有1984年,最冷年为1984年,年平均气温为16.4℃,其次为1967、1970、1976年(图1)。

平均气温的年代际变化:暖年主要出现在20世纪60年代前期、80年代后期到90年代前期、90年代后期到2006年,其中1998—2006年,连续9年平均气温偏高。冷年主要出现在20世纪60年代中后期到80年代前期和90年代中期,其中1967—1972年和1980—1985年,连续6年平均气温偏低,在1967—1985年的19年中,只有2年气温略偏暖,其他17年都是偏冷,偏冷时间较长。

总而言之,在这50年中,金秀县的年平均气温基本趋势为前25年偏冷,平均值为17.0℃;后25年偏暖,平均值为17.6℃,呈上升的趋势,后25年的年平均气温比前25年的年平均气温偏高0.6℃,1998—2006年气温偏暖更加明显,1998—2007年的年平均气温为18.1℃,比前25年偏高达1.1℃。

2.2 年平均最高气温的变化

据统计,50年中平均最高气温为22.9℃,年际变化为正距平的有27年,其中有11年偏高0.5℃以上,1998、2003、2006年偏高0.9℃;呈负距平的有23年,其中有7年偏低0.5℃以上,偏低最大的是1976年,偏低1.2℃(图2)。

年代际表现为“偏低—偏高—偏低—偏高”等7低7高现象。偏低年或偏高年相对集中,常有几年连续,但不很长,一般2～6年不等。20世纪60年代中前期、80年代中期到90年代前期、1998—2007年为偏高比较集中阶段,最长连续偏高10年;20世纪60年代前期、70年代中期为偏低比较集中阶段,最长连续偏低6年。在这50年中,金秀县后25年的年平均最高气温比前25年的年平均最高气温偏高0.6℃(图2)。

2.3 年平均最低气温的变化

50年平均最低气温为14.0℃,其年际变化大致以1987年为分界,前30年以偏低为主,其中1962、1963、1967、1969、1971、1974、1976、1977、1978、1984、1985、1992年的距平为-1.0～-0.5℃;1986年以后的20年中主要表现为偏高,有18年出现正距平,距平值在0.1～1.4℃,其中1987、1990、1991、1994、1997、1998、1999、2000、2001、2002、2003、2005、2006、2007年的距平为0.5～1.4℃,在1997—2007年还出现11年连续最低平均气温偏高的现象(图3)。

年代际变化呈降到升的势态。20世纪80年代中期前以偏低为主,80年代中期后以偏高为主(图3)。总而言之,金秀县的年平均最低气温处于上升的趋势,前25年平均最低气温为13.7℃,后25年平均最低气温为14.3℃,后25年比前25年最低年平均气温偏高0.6℃。年平均最低气温以1997年以后上升最为明显,在1997—2007年的11年中,年平均最低气温平均值为14.9℃,比前25年偏高1.2℃。

3 结语

通过分析表明,金秀县50年来的年平均气温、年平均最高气温、年平均最低气温变化趋势具有如下特点:1958—2007年的年平均气温明显上升,年平均最高气温和年平均最低气温也呈上升趋势,后25年平均值比前25年平均值均偏高0.6℃;其中年平均最低气温近年有加速上升的趋势,在1997—2007年11年中,年平均最低气温与前25年相比,升高了1.2℃,将会给经济生产和人民生活带来负面的影响。

参考文献

[1]黄雪松,周惠文,黄梅丽,等.广西近50年来气温、降水气候变化[J].广西气象,2005(4):9-11.

[2]伍文辉.柳州城市气候变化分析[J].广西气象,2006(2):15-17.

[3]金秀瑶族自治县年鉴编纂委员会.金秀瑶族自治县年鉴[M].南宁:广西年鉴社,2006:4-7.

[4]吴兴国.南宁市城市化进程对小气候环境变化影响的分析[J].广西气象,1999(2):27-28,31.

[5]涂方旭,李耀先,覃峥嵘,等.广西气温的气候变化分析[J].广西气象,2000(3):33-35,40.

[6]李建忠,赵海红,郭金河.怀来近55年气温变化分析[J].安徽农业科学,2010(15):7965-7967,7996.