基于云模型與地理位置分析中國氣候類型

李 娜 鄧吉秋 歐陽芳 王路希

（中南大學地球科學與信息物理學院，湖南 長沙 410083）

0 引言

氣候是長時間內氣象要素和天氣現象的平均或統計狀態，時間尺度為月、季、年、數年到數百年以上。氣候以冷、暖、干、濕特征來衡量，通常由某一時期的平均值和離差值表征。氣候的形成主要是由于熱量的變化而引起的。氣候類型與地理位置有著密切的聯系，研究氣候類型與地理位置之間的關系對氣候變化、氣象預測等領域有重要的意義。

云是用語言值表示的某個定性概念與其定量表示之間的不確定性轉換模型，它融合了概率論和模糊集合論的觀點反映客觀世界中事物或人類知識中概念的模糊性和隨機性之間的內在關聯[1]。顯然對復雜的氣候來說，單純用一個氣候類型來劃定一個地區是不夠的，云模型正好可以彌補這個缺陷。李德毅等人將二維云模型用于數據庫知識發現中的預測問題，選取關鍵因素將數據庫簡化為一個二維域，同時將所有基本單元聚合成幾類，每一類就屬于一個二維云。每個基本單元對于它所屬的類就有一個隸屬度，同時形成了若干個定性規則，通過多規則云生成器將自然語言表達的定性知識轉換成云對象表達的定性知識[2-3]。

1 中國氣候類型分布

我國幅員遼闊有五種氣候類型，它們在分布上有很強的空間相關性，對于不同氣候類型的地區，春季升溫和秋季降溫速度差異很大，表1總結了五大氣候類型的氣溫變化特點、地理分布及其代表城市。

2 云模型概述

云模型是李德毅院士在概率論和模糊數學理論兩者交互的基礎之上，通過特定的結構算法所形成的定性概念與其定量表示之間的轉換模型。云模型不但反映了自然語言中概念的不確定性，而且反映了隨機性和模糊性之間的關聯性，構成定性和定量間的相互映射[5]。

云的數字特征反映了定性概念的定量特性，用期望 Ex(Expected value)、熵 En(Entropy)和超熵 He(Hyper entropy)三個數值來表征：（1）期望 Ex：是在數域空間中最能夠代表定性概念的點值，反映了這個概念的云滴群的云重心；（2）熵En：熵為綜合度量定性概念的模糊度和概率，揭示了模糊性和隨機性的關聯性。熵具有雙重作用，體現了定性概念的亦此亦彼性的程度和出現多寡；（3）超熵He：是熵的不確定度量，即熵的熵.反映了在數域空間代表該語言值的所有點的不確定度的凝聚性，即云滴的凝聚度。超熵的大小間接地表示了云的離散程度和厚度。云的數字特征的獨特之處在于僅僅用三個數值就可以勾畫出由成千上萬的云滴構成的整個云來，把定性表示的語言值中的模糊性和隨機性完全集成到一起。能夠極大地節省存儲資源和計算資源[6]。

3 氣候云模型建立

本次試驗用采樣的方法，在中國五大氣候類型區域中各選區三個有代表性的城市作為樣本建立氣候類型云模型，采樣數據為2012年一月至十一月平均氣溫數據（單位：℃）。運用逆向云發生器選取各個氣候類型三座代表城市的數據通過Matlab7.0軟件計算出各個氣候類型的云模型：

表1 氣候類型特征與分布

表2 采樣城市2012年平均氣溫數據

（1）以海口市、三亞市、東方市為樣本建立熱帶季風氣候云模型：

計算結果：Ex=24.9182，En=4.3006，He=3.7999；

（2）以廣州市、武漢市、上海市為例建立亞熱帶季風氣候云模型：

計算結果：Ex=18.735,En=9.1007,He=8.1358；

（3）以北京市、天津市、哈爾濱市為例建立溫帶季風氣候云模型：

計算結果：Ex=11.924，En=13.356，He=11.851；

（4）以西寧市、錫林浩特市、烏魯木齊市為例建立溫帶大陸性氣候云模型：

計算結果：Ex=5.6424，En=15.001，He=13.199；

（5）以格爾木市、西寧市、拉薩市為例建立高山氣候云模型：

計算結果：Ex=7.5879，En=9.4278，He=8.4686。

5 研究結果分析

圖1 云模型結果分析

從圖1可以看出熱帶季風氣候四季溫度變化小，較容易估計溫度。而溫帶季風氣候和溫帶大陸性氣候氣溫四季分明，很難估計溫度，應該以月份估計氣溫。亞熱帶季風氣候和高山氣候居二者之間。顯然上面五組得出的結果超熵過大，并不能成為典型的樣本，只有增加樣本數量才能提高其典型性。

用以上成果進行氣候分類，以驗證云模型在氣候分類應用中的準確性。

表3 氣候類型云模型數字特征值

現任意選取三個城市2012年一月至十一月平均溫度數據，根據云模型判斷其所屬氣候類型或接近的氣候類型。

表4 驗證樣本城市月平均溫度

長沙市樣本計算結果：Ex=18.6,En=9.6847,He=8.8331；其云模型與亞熱帶季風氣候高度相似，因此長沙市應該屬于典型的亞熱帶季風氣候。

酒泉市（甘肅省）樣本計算結果：Ex=8.9364,En=12.643,He=11.461；其云模型與高山氣候和溫帶大陸性氣候相似，因此它應該是高山氣候與溫帶大陸性氣候相過渡的地帶。

蒙自市（云南省）樣本計算結果：Ex=20.745,En=3.5839,He=3.0061其云模型與亞熱帶季風氣候、熱帶季風氣候相似，應該屬于這兩者的過渡地帶。

從圖2中驗證三個樣本城市通過云模型數學特征與實際地理位置所處氣候類型基本一致。

圖2 樣本城市地理位置與氣候類型

6 結語

本文首次將云模型理論運用在氣候類型領域，從此次研究結果可以看出，云模型在中國氣候類型和氣候的地理分布研究方面能起到很好的作用。

［1］付斌,李道國,王慕快.云模型研究的回顧與展望[J].計算機應用研究,2011,28(2).

［2］李德毅,孟海軍,史雪梅.隸屬云和隸屬云發生器[J].計算機研究和發展,1995,32(6):16-21.

［3］李德毅.知識表示中的不確定性[J].中國工程科學,2000,2(10):73-79.

［4］李德毅,劉常昱,杜鹢.不確定性人工智能[J].軟件學報,2004,15(11):1583-1594.

［5］王梓坤.概率論基礎及其應用[M].北京:北京師范大學出版社,1995.

［6］張光衛,李德毅,李鵬,等.基于云模型的協同過濾推薦算法[J].軟件學報,2007,18(10):2403-2411.

［7］LI De-yi,SHI Xue-mei,WARD P,et a1.Soft inference mechanism based on cloud models[C]// Proc of the 1st International Workshop on Logic Programming and Soft Computing,1996:38-63.

［8］LI De-yi,HAN Jia-wei,SHI Xue-mei.Knowledge representation and discovery based on linguistic atoms[J].Knowledge-based System,1998(10):431-440.

［9］李德毅,劉常昱.論正態云模型的普適性[J].中國工程科學,2004,6(8):28-34.

［10］李德毅,杜鹢.不確定性人工智能[M].北京:國防工業出版社,2005.

［11］王樹良.基于數據場與云模型的空間數據挖掘和知識發現[D].武漢:武漢大學,2002.

［12］楊朝暉,李德毅.二維云模型及其在預測中的應用[J].計算機學報,1998,21(11):961-969.

［13］杜鹢,李德毅.基于云的概念劃分及其在關聯采掘上的應用[J].軟件學報,2001,12(2):196-201.

［14］劉常昱,李德毅,杜鹢,等.正態云模型的統計分析[J].信息與控制,2005,34(2):236-239.