CN112230306A - 一种分析短期气温波动的方法 - Google Patents

Abstract

本发明涉及一种分析短期气温波动的方法，收集某一地点多年的逐日温度序列，取研究时段长度内的数据分别计算每日气温与时间长度内第一日的气温差值，形成差值组，并基于多年相应差值组数据形成多个差值序列，对每个差值序列按大小排序，计算上下阈值；判定每日对应的差值组与相应差值序列的上下阈值的大小关系，即可判断在研究时段长度内是否发生气温波动。本发明的方法可以自由定义研究时段长度和波动发生的阈值比例，并消除了季节变化对温度波动的影响，能够获得逐日的温度波动幅度与时段内的波动频率，且波动的方向可以通过波动幅度指标的正负指示。

Description

一种分析短期气温波动的方法

技术领域

本发明属于气象分析技术领域，具体涉及一种分析短期气温波动的方法。

背景技术

气温一直是世界范围内气候研究领域的一大重点，气温变化是反应气候变化的一个十分重要的指标。

自从气候变暖现象引起人们的注意，对气温变化的研究和控制一直是各国关注的重点。为阻止全球变暖趋势，1992年联合国专门制订了《联合国气候变化框架公约》，该公约于同年在巴西城市里约热内卢签署生效。与此同时，由于不同时间尺度上的气温变化(波动)有助于认识理解大尺度全球气候变化，也成为气候领域的热门主题之一。

气温波动是最明显的气候变化过程之一。在不同的时间尺度上，气温波动对生物的生理生态过程都有不同类型、程度的影响。

Singsaas和Sharkey指出，在数分钟内，温度波动会影响叶片异戊二烯的排放；Peces等人指出，厌氧生物量的能力对数小时内的温度波动很敏感，温度波动影响厌氧消化过程，同时影响生化反应和物理反应；Lambrechts等人指出，在平均温度不随季节变化，且蚊子数量与登革热发病率无关的地区，温度日波动变化幅度，有助于解释登革热病毒传播的季节性强迫；Shine和Elphick指出，孵化期间数周内的温度波动可能对爬行动物种群产生重大影响；流感的流行可以归因于季节尺度上的温度波动：Liu等人认为，从历史数据来看，秋季气温大幅快速波动可以作为人口稠密的北中纬度地区随后几个月致命流感流行的先决条件。

类似的短期温度波动已被证明对生态乃至人类社会有较为直接的影响，对短期温度波动的研究能够有效的指导加深对环境变化的理解，预测未来气候的发展趋势，指导人们合理应对温度的变化波动。

已发表的关于短期温度波动研究中，主要有三种对日温度序列的分析计算方法：气温日较差法、隔日温差法和方差法。

1、气温日较差法

气温日较差法，是将某日的日最高温度和该日最低温度相减，得到的温差作为该日的日较差，以此日较差值作文温度波动的衡量指标。

此方法需要每日的最高温度和最低温度数据，且只能反映日间温度变化幅度，一般只用于日水平的温度波动，应用范围十分局限。

2、隔日温差法

隔日温差法是衡量短期温度波动较为常见的计算分析方法，往往与距平值法结合使用，以消除季节变化对温度的影响。此方法是将相邻两日的日均气温相减，得到相邻两日的气温差，作为判断气温波动依据。此方法还可以推广，统计数日的隔日温差，将相邻数日温差之和作为一个时间段的气温波动指标。

隔日温差法的优势是计算过程简单，易于自定义设置统计时间段长度，方便统计气温的上升与下降。与此同时，此方法的缺点也十分明显，即难以设置恰当的统计时段长度。时段设置偏短，容易忽略长时间段的温度同方向的连续变化；时段设置偏长，则容易忽略时段内的波动差异，如相邻两日温差大，但时间段内温度相对平缓，则短期的剧烈温度波动会被忽略。

3、温差平方和法

温差平方和法广泛用于对极端温度事件的分析。此方法是先求出每日的多年平均标准温度过程(如有60年日温度数据，取每年的1月1日，60个1月1日气温求平均，为1月1日的标准温度)，得到一个的标准年温度过程，再计算一定时段内实际温度过程和标准年温度过程的差的平方和。

温差平方和法能有效的消除季节对温度波动的影响，反映了实际温度与通常温度情况的偏离程度，且易于自定义研究时段长度。缺点是只能反应温度的波动(偏离)幅度，无法辨认温度波动的方向(降温还是升温)及频率。

以往的温度波动分析方法，都有自身的局限性，在设置研究时段长度、消除季节影响和波动指标的可用性上很难兼顾。既易于设置研究时段长度的，又能消除季节性影响，并且能够清晰判断温度波动的幅度、频率，利用某个前后统一的、已有的温度波动分析计算方法是难以达成的。

发明内容

本发明提供了一种对温度波动的分析计算方法，目的是在自由设置波动研究时段长度的同时，兼顾了消除季节对温度的影响，并且能够得到每个时段内，温度短期波动的幅度和频率。

本发明的目的通过以下技术方案实现。

一种分析短期气温波动的方法，包括如下步骤：

(1)搜集待分析地点多年逐日气温序列数据；

(2)设定所研究短期气温波动的时段长度n及该时段长度内气温波动发生的阈值比例，包括下阈值比例和上阈值比例；

(3)计算每年每日的波动发生阈值，如下：

取该日起时段长度n内的逐日气温序列数据T_i～T_n+i-1；i指该年份的第i日；

计算上述逐日气温序列数据中各日气温数据T_i+1～T_n+i-1与T_i的差值，得到n-1个差值；

将不同年份对应的差值归属于同一差值序列，得到n-1个差值序列，每个差值序列包括N个值，N为年份；

将每个差值序列的数值按大小顺序排列，取上阈值比例和下阈值比例的分位数作为该序列的上下阈值；

(4)将每个差值分别与相应的差值序列的上下阈值比较，如果所有差值均落在上下阈值范围内，则该日对应的时段长度n内气温未发生波动；否则记为发生波动。

作为本发明的进一步改进，还包括，如果对应的时段长度n内发生了气温波动，将对应的差值记为日波动幅度指标；如果未发生波动，则记日波动幅度指标为0。

进一步的，所述方法还包括，利用得到的日波动幅度指标，在统计时段进行统计，获得统计时段内波动发生的次数、方向以及频率；其中波动发生的方向基于日波动幅度指标的正负值判断。

作为本发明的进一步改进，所述多年逐日气温序列数据为用户自行监测气温数据或从其他途径获取的多年逐日气温序列数据。

作为本发明的进一步改进，所述多年逐日气温序列数据为多年日平均气温数据、多年日最高气温或多年日最低气温数据。

作为本发明的进一步改进，所述短期气温波动的时段长度n为大于2日，小于1年之内的自定义时段。

作为本发明的进一步改进，所述气温波动发生的阈值比例选择5％/95％或10％/90％。

作为本发明的进一步改进，所述上下阈值中上阈值大于0且下阈值小于0，否则视为气温在该时段不会发生在该方向上的波动。

相比已有气温波动分析方法，本发明的优点在于：

1、能够在数日到数月之间自定义研究时段长度，满足对不同尺度的短期温度波动的研究需求。

2、能够自由设置温度波动发生的阈值比例(如5％/95，10％/90％)，控制温度波动发生的比例。

3、引入了距平的思路，首先利用所有年份计算波动发生阈值，消除了季节变化对温度波动的影响，避免了温度波动集中于季节转换时期。

4、能够获得逐日的温度波动幅度与时段内的波动频率。

5、逐日温度的波动幅度指标，能够以正负和零值，指示波动发生的方向(降温波动、升温波动、未发生波动)，给予后期更大的分析研究空间。

附图说明

图1是本发明方法的流程原理示意图；

图2是本发明方法一个计算周期，阈值比例设定为5％/95％的具体计算步骤示意图。其中FA_d为日波动幅度指标，FF为N天的波动频率指标。

具体实施方式

下面结合说明书附图和具体的实施例，对本发明作详细描述。

实施例1

如图1、图2所示，本发明的应用方法包括如下步骤：

(1)搜集某一地点的多年日气温数据，并按时间顺序排列好；

所述多年日气温数据可为用户自己进行多年气温监测，或从其他途径获取某地的多年日气温序列，如多年的日平均气温、多年的日最高气温或多年的日最低气温等。本实施例中的计算分析对象是某气象站点60年的日最高气温序列。

(2)设定所研究的短期气温波动的时段长度；

用户在大于2日，小于一年之间自定义所需要的短期波动研究时段，波动是否发生以及波动幅度都是在这个设定的时间段内进行判断和计算。本实施例中将7日作为研究短期温度波动的时段长度。

(3)设定波动发生的阈值比例；

设置作为判断波动发生的阈值比例，此比例设定离50％越远，波动越难被视为“发生”。一般以5％/95％或10％/90％作为阈值比例，本实施例中将5％/95％作为阈值比例。

(4)计算每天的波动发生的阈值；

为了得到每日的波动阈值，我们需要计算统计得到每天“波动发生阈值”。以每年的1月1日为例，为了计算1月1日的波动发生阈值，先取第一年1月1日至1月7日的气温数据T_1～7，计算它们与该年1月1日气温的差值，得到该日的温差组ΔT_i＝T_i+1-T₁，(i＝1，2，3，...，6)；计算每年的1月1日的ΔT_i，可以得到6个ΔT_i序列，如本实施例中，可得到ΔT₁～ΔT₆6个序列，每个序列中有60个值；将每个序列按大小排序，取5％和95％的分位数作为该序列的上下阈值hi_0.05和hi_0.95，从而得到1月1日所对应的6组阈值。需要注意的是hi_0.05必须小于0，hi_0.95必须大于0，若不满足，则此方向的阈值不存在，即视为气温在该时段不会发生在该方向上的波动。

依此发明计算方法逐日推算，可以得到全年每日的波动阈值。需要注意的是，由于计算周期为7天，全计算周期最后6天没有波动指标，且闰年不做特殊处理。

(5)判断波动是否发生并计算波动幅度；

将每日所对应的温差组ΔT_i，(i＝1，2，3，...，6)，由i＝1至i＝6依次与该温差对应的序列的上下阈值hi_0.05和hi_0.95相比较，若hi_0.05≤ΔT_i≤hi_0.95，则当日对应的7日时段内未发生波动，i+1，进入下一个ΔT_i的计算；若ΔT_i＜hi_0.05或ΔT_i＞hi_0.95，则当日对应的7日时段内发生了气温波动，记日波动幅度指标FA_d＝ΔT_i，并结束该温差组的波动幅度计算；若6个ΔT_i均落在上下阈值内，则该日对应的7日时段未发生气温波动，记日波动幅度指标FA_d＝0，并结束该温差组的波动幅度计算。

(6)计算得到统计时段内的气温波动幅度和频率；

利用得到的每日波动幅度指标FA_d，在统计时段进行统计，获得统计时段内波动发生的次数、方向以及频率。

本例中的统计时段为一个月，通过对FA_d的统计，可以知道一个月内升温波动发生的天数

降温波动发生的天数

和未发生波动的天数

分别计算该月升温波动指标和∑(FA_d＞0)与降温波动指标和∑(FA_d＜0)，可以得到该月的升温、降温波动幅度FA；同时，每月的波动频率

(N为该月天数)。

利用上述方法即完成对短期气温波动幅度和频率的分析计算。

Claims (8)

1.一种分析短期气温波动的方法，其特征在于，包括如下步骤：

(1)搜集待分析地点多年逐日气温序列数据；

(2)设定所研究短期气温波动的时段长度n及该时段长度内气温波动发生的阈值比例，包括下阈值比例和上阈值比例；

(3)计算每年每日的波动发生阈值，如下：

取该日起时段长度n内的逐日气温序列数据T_i～T_n+i-1；i指该年份的第i日；

计算上述逐日气温序列数据中各日气温数据T_i+1～T_n+i-1与T_i的差值，得到n-1个差值；

将不同年份对应的差值归属于同一差值序列，得到n-1个差值序列，每个差值序列包括N个值，N为年份；

将每个差值序列的数值按大小顺序排列，取上阈值比例和下阈值比例的分位数作为该序列的上下阈值；

(4)将每个差值分别与相应的差值序列的上下阈值比较，如果所有差值均落在上下阈值范围内，则该日对应的时段长度n内气温未发生波动；否则记为发生波动。

2.根据权利要求1所述的方法，其特征在于，还包括，如果对应的时段长度n内发生了气温波动，将对应的差值记为日波动幅度指标；如果未发生波动，则记日波动幅度指标为0。

3.根据权利要求2所述的方法，其特征在于，还包括，利用得到的日波动幅度指标，在统计时段进行统计，获得统计时段内波动发生的次数、方向以及频率；其中波动发生的方向基于日波动幅度指标的正负值判断。

4.根据权利要求1所述的方法，其特征在于，所述多年逐日气温序列数据为用户自行监测气温数据或从其他途径获取的多年逐日气温序列数据。

5.根据权利要求1或4所述的方法，其特征在于，所述多年逐日气温序列数据为多年日平均气温数据、多年日最高气温或多年日最低气温数据。

6.根据权利要求1所述的方法，其特征在于，所述短期气温波动的时段长度n为大于2日，小于1年之内的自定义时段。

7.根据权利要求1所述的方法，其特征在于，所述气温波动发生的阈值比例选择5％/95％或10％/90％。

8.根据权利要求1所述的方法，其特征在于，所述上下阈值中上阈值大于0且下阈值小于0，否则视为气温在该时段不会发生在该方向上的波动。

Images