一种用于评估温度极值变化的方法

1.本发明属于气候研究领域，具体涉及一种评估温度极值变化的方法。


背景技术：

2.在过去的几十年中，温度以及极端温度的异常对社会、经济以及人们的生计造成了极为严重的负面影响。国内外对气候极值及其影响机制的研究空前重视，了解极端气候的变化机制对于预测极端气候事件的发生并采取措施减少其相关影响非常重要。影响极端温度的各要素(如位势高度、风场、遥相关因子等)之间存在错综复杂的互动效应，但这些效应难以用传统函数形式来表征。目前，这方面的研究大多只针对一个或多个单独的要素，鲜有考虑不同要素之间的相互作用对温度极值造成的影响。
3.发明目的
4.本发明的目的即在于应对现有技术中所面临的难题，提供一种用于评估温度极值变化的方法，为应对未来极端气候变化提供有利支撑。


技术实现要素：

5.本发明提供了一种用于评估温度极值变化的方法，包括以下步骤：
6.步骤a.分别获取温度极值数据、环流场数据、大尺度环流模式指标数据；所述温度极值数据的定义由世界气象组织wmo气候变化检测和指数专家组etccdi制定，通过覆盖从1901年至2018年的精度为1.875
×
1.25经纬度的陆面气候极端事件指数数据集hadex3获取，具体指标包括日最高气温最大值txx、日最低气温最大值tnx、日最高气温最小值txn、日最低气温最小值tnn、寒冷的夜晚tn10p、温暖的夜晚tn90p、寒冷的白天tx10p、炎热的白天tx90p；所述环流场数据包括era5再分析数据的海平面压力slp、500hpa风场、500hpa位势高度；所述大尺度环流模式数据为测量自然变率模式的指数，是以天为尺度的时间序列数据，包括厄尔尼诺与南方涛动enso、太平洋十年际涛动pdo、北大西洋涛动nao、北极涛动ao、太平洋
‑
北美遥相关pna这些指标项；
7.步骤b.利用经验正交函数eof方法，按每年、多年、夏季、冬季的不同时间维度，分别从时间序列和空间尺度对温度极值进行解析，识别出北半球地区夏季出现极端高温和低温的地区；所述eof方法的具体处理过程如下：设温度极值的格点数为m，时间序列长度为n，首先，将所述温度极值数据处理成距平形式，得到关于温度极值时间和空间的矩阵x
m
×
n
＝[x
ij
]，i＝1,2,
…
,m，j＝1,2,
…
,n，其中，第i行代表温度极值x在位置i的值，第j列代表温度极值x在时刻j的值；接着，对矩阵x
m
×
n
进行正交分解，正交分解的特征向量对应能反映变量的空间分布特点的空间函数s，正交分解的分解的主成分对应的是能反映空间模态随时间的变化的时间函数t，所述正交分解被表达为x
m
×
n
＝s
×
t；温度极值的第j个空间场被表示为m个典型空间场按照不同时间系数的线性叠加，其中，空间函数s的每一列表示一个空间典型场，时间函数t的每一行表示时间系数，当研究变量为北半球地区30年的夏季温度极值时，利用所述eof方法经正交分解获取的第一特征向量则为30年夏季温度极值距平场最相
似的特征场，从而识别出北半球地区夏季出现极端高温和低温的地区；
[0008]
步骤c.通过最小二乘回归法，按每年、多年、夏季、冬季的不同时间维度，分别计算温度极值时间序列的线性趋势，并通过非参数mann
‑
kendall检验方法，在0.05的显著性水平上评估所计算得到的温度极值时间序列的线性趋势的统计显著性；
[0009]
步骤d.采用pearson相关分析法确定所述温度极值数据与所述环流场数据、大尺度环流模式指标数据之间的关系；
[0010]
步骤e.基于因子分析方法，量化所述环流场数据和所述大尺度环流模式指标数据的统计显著性，分别识别出它们对温度极值有贡献的因子，并反映因子之间的互动关系，即量化单个环流场或单个大尺度环流模式与温度极值之间的关系、多个环流场之间的相互作用对温度极值的影响，以及多个大尺度环流模式或其正负相的相互作用对温度极值的影响。
附图说明
[0011]
图1是本发明实施例所述的用于评估温度极值变化的方法的流程图。
具体实施方式
[0012]
以下结合附图详细阐述本发明的具体实施方式。
[0013]
本发明提供了一种用于评估温度极值变化的方法，包括以下步骤：
[0014]
步骤a.分别获取温度极值数据、环流场数据、大尺度环流模式指标数据；所述温度极值数据的定义由世界气象组织wmo气候变化检测和指数专家组etccdi制定，通过覆盖从1901年至2018年的精度为1.875
×
1.25经纬度的陆面气候极端事件指数数据集hadex3获取，具体指标包括日最高气温最大值txx、日最低气温最大值tnx、日最高气温最小值txn、日最低气温最小值tnn、寒冷的夜晚tn10p、温暖的夜晚tn90p、寒冷的白天tx10p、炎热的白天tx90p；所述环流场数据包括era5再分析数据的海平面压力slp、500hpa风场、500hpa位势高度；所述大尺度环流模式数据为测量自然变率模式的指数，是以天为尺度的时间序列数据，包括厄尔尼诺与南方涛动enso、太平洋十年际涛动pdo、北大西洋涛动nao、北极涛动ao、太平洋
‑
北美遥相关pna这些指标项；
[0015]
步骤b.利用经验正交函数eof方法，按每年、多年、夏季、冬季的不同时间维度，分别从时间序列和空间尺度对温度极值进行解析，识别出北半球地区夏季出现极端高温和低温的地区；所述eof方法的具体处理过程如下：设温度极值的格点数为m，时间序列长度为n，首先，将所述温度极值数据处理成距平形式，得到关于温度极值时间和空间的矩阵x
m
×
n
＝[x
ij
]，i＝1,2,
…
,m，j＝1,2,
…
,n，其中，第i行代表温度极值x在位置i的值，第j列代表温度极值x在时刻j的值；接着，对矩阵x
m
×
n
进行正交分解，正交分解的特征向量对应能反映变量的空间分布特点的空间函数s，正交分解的分解的主成分对应的是能反映空间模态随时间的变化的时间函数t，所述正交分解被表达为x
m
×
n
＝s
×
t；温度极值的第j个空间场被表示为m个典型空间场按照不同时间系数的线性叠加，其中，空间函数s的每一列表示一个空间典型场，时间函数t的每一行表示时间系数，当研究变量为北半球地区30年的夏季温度极值时，利用所述eof方法经正交分解获取的第一特征向量则为30年夏季温度极值距平场最相似的特征场，从而识别出北半球地区夏季出现极端高温和低温的地区；
[0016]
步骤c.通过最小二乘回归法，按每年、多年、夏季、冬季的不同时间维度，分别计算温度极值时间序列的线性趋势，并通过非参数mann
‑
kendall检验方法，在0.05的显著性水平上评估所计算得到的温度极值时间序列的线性趋势的统计显著性；
[0017]
步骤d.采用pearson相关分析法确定所述温度极值数据与所述环流场数据、大尺度环流模式指标数据之间的关系；
[0018]
步骤e.基于因子分析方法，量化所述环流场数据和所述大尺度环流模式指标数据的统计显著性，分别识别出它们对温度极值有贡献的因子，并反映因子之间的互动关系，即量化单个环流场或单个大尺度环流模式与温度极值之间的关系、多个环流场之间的相互作用对温度极值的影响，以及多个大尺度环流模式或其正负相的相互作用对温度极值的影响。
[0019]
为使本发明的目的、特征及优势能够更加显而易懂，下面结合附图和实施例对本发明做进一步详细的说明。
[0020]
实施例：如图1所示，本发明提供了一种用于评估温度极值变化的方法。首先，通过hadex3的高精度格点陆面气候极端事件指数数据集，获取与温度相关的极值指标数据；通过era5再分析数据获取500hpa风场、500hpa位势高度、海平面压力等环流场数据；通过美国国家气象局获取enso、pdo、pna、ao、nao等大尺度环流模式指标数据。其次，对数据进行eof分解，基于不同时间尺度和不同季节，进而根据最小二成回归和mann
‑
kendall检验展开温度极值的趋势变化分析；根据温度极值发生的时期，提取对应的环流场和大尺度环流模式数据，通过pearson相关分析识别影响温度极值的单个环流场和大尺度环流模式指标的因子；进一步地，基于因子分析方法识别对温度极值有显著贡献的因子，并量化这些关键因子之间的互动效应对温度极值带来的影响。本发明可同时考虑单个和多个环流场和大尺度环流模式指数，并量化它们之间的交互作用对温度极值变化影响的显著性，从而揭示导致温度极值趋势变化的机理。
[0021]
与现有技术相比，本发明的有益效果是：提供了一种不同时间尺度的温度极值及其影响机制的分析方法，并同时量化了多个影响因素的交互作用对温度极值的影响。