基于协整理论的气温变化对南京市主要行业的影响研究

在气象经济学领域,如何科学定量地评估气象因子对各行各业的影响是一项十分重要的工作.引入规范的协整理论来定量分析气温变化对南京市主要行业的影响.采用年平均气温序列及各行业的产值序列,首先在严格的检验下证实这两者之间存在长期稳定的协整关系;然后通过建立协整回归方程和误差修正模型分别定量分析了这两者之间的长期和短期影响;最后用Granger因果检验做了进一步的证实.主要结果是:从长期影响看,气温升高对所讨论的各行业均存在一定的正向促进作用;从短期影响看,气温升高对各行业的影响则有正有负.结果证明气温变化的确对南京市主要行业存在影响,同时协整理论为气象部门科学定量评估气象因子对行业经济的影响提供了可行的途径.     

基于SVAR模型的气温变化对南京市工业经济的影响研究

目前气象经济学领域探讨气象因子与经济体之间相互动态影响的研究尚不多见,基于此,采用年平均气温序列及工业产值、GDP、劳动力序列,建立多变量的结构向量自回归模型(SVAR模型),通过脉冲响应函数来考察气温对南京市工业经济的动态影响,并用方差分解法揭示其相互影响程度.结果表明总体上气温升高对南京工业有负面影响,但是这种负面作用是趋缓的,平均每年南京工业产值的3.1%受到气温升高带来的负面影响;同时南京工业经济发展对当地气温升高确实存在促进作用,平均每年南京工业经济发展对本地的气温升高的贡献率有4.4%.研究也说明SVAR模型不失为研究气象因子对经济体影响的可行方法.     

副热带高压及其影响因子的非平稳性检验与协整分析

为分析理解副高活动与其影响因子的关系,引入计量经济学非平稳性检验的思想和方法,对副高脊线、江淮梅雨活动、青藏高压活动及印度季风活动等特征指数序列进行了单位根检验与协整分析。单位根检验的结果表明,副高脊线指数及其3个影响因子均无单位根,具有非平稳性,且都为一阶单整;协整分析结果表明,副高脊线指数与该三个影响因子之间存在协整关系。分析结果有助于深化对气象要素时间序列非平稳性的认识,进而为构建副高特征指数和影响因子之间的内在关联模型提供依据。     

牡丹江气象站迁站前后气象资料对比分析及均一性影响

利用牡丹江气象站1967-2017年51 a气象资料,对比分析迁站前后气象要素变化,并采用t检验和SNHT法对气温序列进行均一性检验,结果表明:迁站前后牡丹江站气温、降水和风速都发生了明显变化,其中风速变化显著;站址迁移对牡丹江站温度序列均一性的影响非常显著。     

喀左日光温室内气温变化规律及其应用

根据2003年12月至2004年3月喀左日光温室大棚内气温连续监测的气象资料,对棚内气温变化规律及影响因子进行分析。结果表明:天空总云量、日照时数、3级以上的风力和降雪是影响棚内气温日变化的主要气象因子。日照时数是影响棚内气温月变化的主要气象因子。依据分析结果,在实际中可用于日光温室大棚气温预报,为棚户生产提供实用的气象信息。     

北京地区冠心病发病率的气象评估模型

基于1984～2000年北京地区自然人群的长期、持续、跟踪监测的旬冠心病发病资料和同期日气象资料,通过分析揭示了冠心病发病率的季节变化规律和年际变化特点;通过发病率和气象因子的相关分析,确定了全年及各季、月可能诱发冠心病发病率的主要气象因子。结果表明,气压、风速、气温和水汽压等因子与发病率关系显著,从各个季节来说,气象因子对发病率的影响又各有侧重并具有不同的表现形式。建立了各代表月冠心病发病率的气象评估模型,历史回代和预测结果表明,所建方程具有较高的评估能力。     

2008年南京市热岛效应演变特征及其对城市居民生活影响

利用2008年南京市23个自动气象观测站气温资料,分析南京市城市热岛效应的空间分布及其变化特征。结果表明：南京市的热岛中心主要分布在人口和建筑物密集的鼓楼、白下区和建邺区,下关、江宁和浦口等城区气温较低;2008年南京市平均城市热岛强度为1.6℃,四季热岛强度呈秋季、春季、冬季和夏季依次减弱;南京市城市热岛效应对城市居民生活影响较大。南京市热岛效应的逐渐增强,将导致夏季空调使用量的增加,增加能耗对创建低碳城市、建设和谐城市生活产生消极影响。     

2008年南京市热岛效应演变特征及其对城市居民生活影响

利用2008年南京市23个自动气象观测站观测的气温资料,分析南京市城市热岛效应的空间分布及其变化特征。结果表明：南京市的热岛中心主要分布在人口和建筑物密集的鼓楼,白下和建邺区,下关、江宁和浦口等城区气温较低;2008年南京市平均城市热岛强度为1.6℃,四季热岛强度呈秋季、春季、冬季、夏季依次减弱;南京市城市热岛效应对城市居民生活影响较大。南京市热岛效应的逐渐增强,将导致夏季空调使用量的增加,增加能耗对创建低碳城市、建设和谐城市生活产生消极影响。     

城市化对兰州气温变化影响的定量分析

利用兰州市70年来的气温记录,采用城郊对比的方法定量的研究了城市化对兰州气温的影响。利用主成分分析的方法提取气温变化的主要控制因子——低温控制因子、高温控制因子。利用两个控制因子的城郊对比,定量的揭示城市化对城市气温变化的影响。另外任何区域气候变化不仅有城市化等人为因素的影响,而且带有大范围的气候背景的影响,所以在讨论城市发展对气温的影响之前,首先通过滑动t-检验研究了兰州市气温变化的大的趋势,得出兰州城市气温的11年变化周期,对于这一现象初步认为这与太阳的黑子活动的周期性有关。     

基于气象因子的南京市冬季和夏季用电量预测研究

基于2014—2016年南京市常规气象逐时观测数据、逐日用电量和逐时用电负荷数据, 分析南京市用电量变化及其与气象因子的关系。结果表明: 南京市用电量7—8月、12月至翌年1月为两个峰值, 4月和10月为两个谷值, 年变化明显。四季均呈现显著“周末效应”。用电负荷一天内有两个峰值, 分别出现在10时和20时; 两个谷值, 一个谷值冬夏季在04时, 另一谷值冬季在14时, 夏季在18时。南京市用电量与气象条件的变化密切相关, 气象因子与用电量的关系在不同月份有所不同, 如夏(秋、冬)季气温日较差越大(小), 用电量越大; 7月、8月(10月至翌年3月)气温越高(低), 用电量越大; 冬季用电量受气象要素的影响程度总体低于夏季。冬季用电量主要受气温制约; 夏季用电量受气象要素的影响更为复杂, 除了气温, 还需综合考虑水汽、日照等因子。利用逐步回归法, 建立冬、夏季逐月日用电量气象预测方程, 方程中入选气象因子的存在明显的月际差异。不同月份分别针对性地考量入选气象因子的预报值, 做出用电量预估, 可为电力调度提供参考。     

宁夏自动站与人工观测气温的差异对比分析

利用2003—2004年宁夏17个自动站和人工站的气温平行观测资料,进行了对比差值及其均方根、标准差、粗差率和一致率等方面的对比分析,并对自动站观测气温序列进行了显著性检验。结果表明:由于观测原理、时次、方式等方面的不同,造成了两种仪器的气温偏差有明显的日变化,季节性和地域性差异不明显,自动站观测气温与历史序列无显著性差异。虽然自动站有很多人工站无法比拟的优越性,但两者之间的偏差较大,特别是白天,偏差幅度超过±0.2℃,离正常业务使用有一定的距离,所以需要一定时间的平行观测,对其数据序列进行均一性分析和客观订正,使其在天气预报和气象服务工作中更好地发挥作用。     

极端气温事件对安徽省农业生产的动态影响分析

用安徽省17个城市逐日的最高气温、最低气温数据,采用百分位法计算了1988—2010年安徽省年际极端气温事件,并以计量经济学的结构向量自回归模型为基础,将极端气温事件作为一个因子与农业总产值、国内生产总值、农业机械总动力构建了新的经济-极端气温事件模型。进一步通过脉冲响应函数和方差分解方法,定量分析了极端气温事件对安徽省农业生产的动态影响,结果表明:极端高温事件对农业生产的影响总体为负向,并表现出一定的滞后性;而极端低温事件对农业生产的影响初期为正向,后期逐渐转为负向。极端高温事件对农业生产的影响程度较高,可达0.033%,极端低温事件次之。模型内引起农业生产变化的各因子中,极端高温事件的贡献比例可达25.3%,是重要的影响因子;极端低温事件的贡献比例最高为10.9%,也是比较主要的影响因子。     

昆明地区城市热岛效应的再分析

在对地面气温资料进行均一性检验和订正的基础上,分析了1971—2008年昆明地区(包括城区、郊县和太华山)气温序列的变化趋势,研究了城市化对气温序列的可能影响,揭示了在城市化快速推进和低纬高原复杂地形条件下城市热岛效应的特殊性和复杂性。结果表明,昆明地区的平均气温总体呈上升趋势,上升速率大小依次为昆明城区>郊县>太华山。其中,昆明城区和郊县气温具有相似的变化规律,主要表现为冬、春季最低气温显著升高和气温日较差明显减小;太华山气温的变化则明显不同,主要表现为最低气温全年少变,冬、秋季最高气温小幅上升,而气温日较差有增大趋势。20世纪80年代中后期以来,昆明城区与郊县气温,特别是最低气温的显著上升可能受到城市化的严重影响,因此以往以郊县为对比乡村站的研究在很大程度上低估了城市化对昆明气温序列的影响。而在此之前,昆明最低和最高气温均会因对比乡村站选取的不同而表现出"城市冷岛"特征。     

低纬高原地区城市化对室内外气温的影响研究

以低纬高原城市昆明市为研究对象 ,利用由于城市扩大而受到影响的昆明气象站室内外气温资料和未受城市影响的太华山气象站气温资料 ,以及城市建成区面积和城市人口资料 ,通过比较分析 ,得出以下结果 :昆明地区受全球气候变暖影响年平均气温约升高 0 .5℃ /3 0a ;由于城市面积扩大导致昆明的室内外气温均升高 ,其中室内气温升高幅度大于室外气温 ,干季大于雨季 ;不论是干季还是雨季 ,城市增温效应与城市建成区面积、城市人口均有较好的相关关系。城市建成区面积增加对平均气温的影响较大 ;而城市人口增加对平均室内气温的影响较大。城市建成区面积每增加 1km2 ,年平均室内气温将升高 0 .0 0 5 4℃ ;年平均气温升高 0 .0 12℃。而城市人口增加 1万人 ,年平均室内气温升高 0 .0 2 5 9℃ ;年平均气温升高 0 .0 0 98℃。以上结果有助于深入探讨城市化对城市气候的影响机制 ,为城市建筑的规划、设计提供一定的参考依据。     

基于动态时间规整的气温日值数据二次插补

气温作为研究气候演变最基础的物理量,其日值序列的完整性和准确性对于气候分析与评估工作有着重要意义。近些年随着大量无人值守地面加密自动气象站的布设,不断出现随机站点和随机长度这种双随机特点的气象资料序列缺失,给气候分析和业务应用造成了不小的障碍。针对现有气象数据插补方案的不足,提出了一种全新的基于动态时间规整(dynamic time warping,DTW)的气温日值数据二次插补方法。该方法采用了一种实时的插补策略,主要技术内容包括:1)利用一元线性回归方程将原始气温观测时间序列分解出拟合直线和残差曲线,并将二者重构组成新的气温序列;2)给出了气温插补区的定义和插补条件;3)提出了利用动态时间规整方法计算站点间距离的新模式。利用山东省2021年的气温实况数据对该方法进行了双随机检验,检验结果表明:该方法可以满足日平均气温、日最高气温和日最低气温数据的插补需求;在插补流程中采用DTW距离测度和二次插补的组合方法,其插补效果优于目前常见的基于站点地理临近关系的组合方法;该方法对地形有一定的敏感性,平原或丘陵地区的插补效果要优于山地地区。     

资料均一化对沈阳站气温趋势和城市化偏差分析的影响

利用国家气象信息中心2013年发布的逐日均一化气温资料,对沈阳站资料均一化处理前后平均气温和极端气温指数序列的线性趋势及其城市化影响偏差进行了比较评价。结果表明:1)资料均一化处理对日最高气温及其衍生的极端气温指数序列趋势估计的影响较弱,但对日最低气温及其衍生的极端气温指数序列趋势估计具有显著影响。2)经资料均一化处理后,平均气温序列中的城市化影响偏差有所增大,平均最低气温序列中的城市化影响偏差增大尤其明显;与冷事件有关的极端气温指数序列的城市化影响偏差数值有所减小,与暖事件有关的极端气温指数序列的城市化影响偏差数值有所增加。3)资料均一化处理有效纠正了因迁站等原因造成的地面气温观测记录中的非均一性,但却在很大程度上还原了城市站地面气温观测记录中的城市化影响偏差。     

利用多模式对中国气温序列中不连续点的检测

发展了一种对元数据依赖程度较小的气候序列均一化思路,在缺乏元数据的基础上,采取3种不同的方法,对中国东南部地区年平均最高、最低气温序列进行了均一性检验;并对其中不连续的气温序列进行了订正.对比表明,订正后序列较订正前更为合理.在检验过程中发现,对于最低气温检验可以明显得出比最高气温更多的不连续点.为了进一步认识这个问题,对此进行了进一步分析,认为最低温度对变化更为敏感主要是由于其物理特征:最低温度一般出现在夜间,夜间大气较为稳定,因此一些变化(如仪器,迁站)可能引起明显的不连续现象,而最高气温往往出现在白天,因此大气混合比较充分,空间的均一性要明显强于最低温度.另外,热岛现象、台站密度等因素均是影响气温序列均一化的因素.     

青海高原器测时期以来的气温变化特征

本利用青海２６个代表站１９６１－１９９７年气温资料,给出了加权平均的气温标准序列,分析了青海近３７年来气温变化特征。结果表明：气温从７０年代起逐渐升高,９０年代达到最高值;气温变化存在明显的季节性和地区性;最高、最低气温变化的不对称性,高空各层温度变化的不一致性。     

北疆气象探测环境的变化对气温序列的影响

根据2007年新疆气象台站环境综合调查评估结果和实地考察,选出北疆观测场环境受破坏较重的8个B类站,并依据相关规定选取8个A类对比站。利用各站1969—2008年逐月、逐年平均气温,最高、最低气温分别建立气温序列和气温差值序列。依据数理统计方法,借助SPSS软件对数据进行正态分布检验,分析气温序列和差值序列的变化趋势。研究发现:(1)所选站点气温呈现上升趋势,气温差值也呈现上升趋势,最低气温差值增大趋势显著,说明在气温升高的大背景下,B类代表站升温的速率大于A类代表站。(2)冬季对年平均气温、最低气温差值的变化贡献率最大,夏季对最高气温差值的变化贡献率最大。(3)气温差值除个别站或要素外,后20 a高于前20 a,说明观测场环境的变化对气温差值序列的影响显著,且楼房等建筑物对气温的影响大于树木。     

基于ECC方法的青藏高原冬季气温可预报性研究

选取前期9、6和3个月欧亚大陆地表温度、东北半球500 h Pa高度场、热带印度洋海表面温度和西太平洋海表面温度作为预报因子,使用变形的典型相关分析(BP-CCA)方法,并选取各因子预报效果最好的时期作为关键时期,建立起各因子和青藏高原冬季气温之间的统计降尺度模型。之后用交叉验证和集合典型相关分析(ECC)方法评估模型实际预报能力。进一步用独立样本检验来评估模型更长时间尺度的年际变化预测效果。结果表明,BP-CCA方法能很好地识别出不同因子影响青藏高原的空间模态。其中,温度积雪反照率的正反馈机制体现了欧亚大陆地表温度的可预报性;东北半球500 h Pa高度场环流型不利于高纬的冷空气入侵高原地区;热带印度洋海表面温度反映出典型的印度洋偶极子对高原气温的调控作用;西太平洋海表面温度通过控制副热带高压的位置,从而影响高原冬季气温。各因子预报场和观测场的相关系数在交叉检验和独立样本检验中分别约为0.5和0.3,均有一定的预报技巧。而利用ECC方法能综合各因子所提供的预报信息,从而得出更为可信和稳定的预报。