基于極端天氣對未來氣候變化影響的預測

胡瓊輝 宋榮榮

摘 要：為了研究極端天氣對未來氣候的影響，本文在考慮地球的吸熱、散熱以及海洋的溫度變化等眾多要素的條件下，建立了一個刻畫氣候變化的預測模型，使用Python和Matlab，分別采用K-means方法和Birch方法來對未來25年的氣候變化作出有效預測。首先，收集了1974-2014年間大氣二氧化碳濃度數據、1854-2019年間近60萬的全球海洋表面溫度數據和1880-2014年全球平均氣溫數據，并對數據進行了必要的整理和分析，得到數據組和檢驗組;其次，分別建立了大氣二氧化碳濃度的預測模型、海洋表面溫度的預測模型和全球平均氣溫的預測模型，分別對未來2020-2045年間大氣二氧化碳濃度水平、海洋表面溫度水平以及全球平均氣溫進行估計和預測;最后，通過對氣候變化預測模型的結果進行分析，得出未來25年間的海洋表面溫度（SST）變化將趨勢平緩、微弱上升，大氣二氧化碳濃度（C）將以較大的速率上升，同時全球平均氣溫的綜合平均水平將上升為14.677℃，最終全球氣候將持續變暖。

關鍵詞：極端天氣;氣候變化;K-means方法;Birch方法;預測模型;全球變暖

1 引言

近些年來，極地冰川融化、海平面上升、全球氣候變暖日益成為全球變化研究的焦點，引起了各國政府和科學界的重視。氣候變暖和氣候變冷的問題也一直是科學界爭論的話題，而對全球氣候變暖的解釋是由于溫室效應不斷積累所致。[1]不過，雖然溫室氣體的濃度在不斷上升，但自從進入21世紀以來，10年間全球全年平均氣溫幾乎未變化，這種現象叫作全球變暖停滯狀態（Hiatus）。正因為出現全球變暖停滯現象，使公眾對全球變暖產生了懷疑。因此，本文將在考慮地球的吸熱、散熱以及海洋的溫度變化等要素的條件下，建立一個刻畫氣候變化的預測模型，來對未來25年的氣候變化作出預測。

2 氣候變化預測模型

2.1 模型的準備

2.1.1 對氣候變化產生影響的因子分析

氣候變化的中長期年際分析預測，往往受到初始氣象數值和外界條件的影響，其中，初始氣象數值是指預測年限之前的相關氣象數據;外界條件是指大氣、海洋和太陽活動。

（1）溫室氣體對大氣產生的影響

溫室氣體指的是大氣中能吸收地面反射的長波輻射，并重新發射輻射的一些氣體，如水蒸氣、二氧化碳等，它們的作用是使地球表面變得更暖。[2]在各種溫室氣體中，二氧化碳由于含量較多，對全球升溫的貢獻百分比也最大（約為25%），因此本文將使用二氧化碳的各種指標來代表溫室氣體的大致情況。

根據在地球政策研究所的官網上，以及美國國家海洋和大氣管理局所提供的數據和圖像（見附件1），可以清晰地觀察到二氧化碳在1000-2014年間的變化情況以及與1880-2014年間全球氣溫（見附件2）變動的比照（見圖1）。

通過觀察圖1，可以發現二氧化碳體積比與全球氣溫間的各自變動間存在著明顯的正相關關系，原因在于溫室氣體的存在對地球的吸熱、散熱活動產生了重要影響。可以說，二氧化碳之類的溫室氣體通過對地氣系統平衡的破壞，致使能量在該系統不斷聚積，從而導致全球溫度上升，產生“溫室效應”。

（2）海洋與大氣的相互作用

雖然大氣層與海洋相隔甚遠，但二者之間的相互作用卻在時時刻刻影響著全世界的氣候演變。一方面，大氣會對海洋產生強迫作用，具體表現為影響海面風應力、海面大氣壓、海面熱通量和太陽輻射的強度;另一方面，海洋會對大氣的這些強迫作用產生一系列的反應，從而對大氣運動結構產生影響，具體表現為SST的變化會導致海洋表面熱通量的變化，海洋表面流場的變化會導致大氣底部風應力發生改變。[3]

（3）太陽活動對氣候的影響

由于人為氣體的增加，低層大氣的變暖會同時伴隨著高層大氣的冷卻。[4]從平流層開始，大氣層的全球年平均氣溫幾乎每十年就會下降2K;而這種熱層冷卻，以及由此導致的密度降低，比預期種太陽最低溫度條件下的每十年近3K要低，故而造成全球氣溫的上升。此外，太陽活動所造成的太陽輻射的變動，對地球的氣候也會產生一系列的影響。[9]

2.1.2 重要的概念區分：天氣和氣候

天氣和氣候是兩個完全不同的概念，在各個維度上都有著確切的差別。[5]對于一段時間內天氣的宏觀描述，可以與其他要素一同組成氣候描述;但氣候本身并不影響天氣，氣候只是提供了在一年中的某個時期內有可能發生的天氣類型。

在預測方面，天氣和氣候也存在著明顯差異。天氣預報是基于對大氣層中實時發生的氣象因素進行觀測，但預測只在相對較短的10至14天內可靠;相比之下，氣候預測就比較復雜，需要預測長期的天氣趨勢，而不是預測50或100年后某一特定日子的天氣情況。[6]

2.1.3 數據來源及處理

本文數據主要來源于地球政策研究所、美國國家航空航天局和美國國家海洋和大氣管理局提供的1000-2014年間大氣二氧化碳濃度數據和1880-2014年全球平均氣溫數據，以及經作者篩選處理過的海洋表面溫度SST數據。分別采用K-means、Birch方法建立數學模型，使用Python及Matlab進行編程。首先，從三個數表中抽取出1965-2014年共計50年的全球平均氣溫數據;然后，為了保證分析的有效性，可信性和準確性，將數據分為1965-1994年共計30年數據的數據組，以及1995-2014年共計20年數據的檢驗組;最后，建立模型進行預測。

2.1.4 模型假設

為簡化問題，我們在不影響模型準確性的前提下，提出如下假設：

（1）加拿大各區域首府的氣溫水平可以代表該區域的大致氣溫水平;

（2）每一年固定某月的平均海面溫度數據，可以代表這一年的大致平均SST水平，產生的誤差忽略不計;

（3）設太陽活動對全球氣候產生的影響為一個常數，中短期的變動可以忽略不計。

2.2 模型的建立與求解

因為氣候是在長時期內有可能發生的天氣類型，因而難以用模型直接求得。[7]所以本模型不是直接刻畫氣候的模型，而是先對天氣情況進行刻畫與預測，然后通過若干時間點上預測所得的天氣狀況，宏觀地描述一長段時間里的氣候變化。[10]

考慮到大氣二氧化碳濃度數據和海洋表面溫度對天氣氣溫的影響是相對簡單和直接的，所以本模型初步設立為全球平均氣溫（記為TW）關于二氧化碳濃度和海洋表面溫度的一個二元線性模型，模型結構為：

其中，TW表示全球平均氣溫，C表示二氧化碳濃度，SST表示海洋表面溫度，AS表示太陽活動異常，β0、β1和β2表示待求參數。

因為AS期望為0，一般可視為等于0的常數，所以此處先略去AS。[8]將數據組的數據導入STATA對C（大氣二氧化碳濃度）和SST（海洋表面溫度）進行回歸分析，回歸分析完成后再將AS項加回來。最后得到：

R2=0.82說明模型擬合度較好，P=0.0000證實時間變量對SST影響顯著。

2.3 模型的驗證

將檢驗組的數據帶入模型方程中，得到TW（全球平均氣溫）的預測值TW_P，由圖2可知實際TW值（全球平均氣溫）與模型預測所得的TW_P值趨勢較為吻合，數值偏差較小，故該模型有效。

2.4 模型預測結果

（1）對于C（大氣二氧化碳濃度）的預測

通過圖2可知，20世紀70年代開始，大氣二氧化碳濃度相對于時間序列呈現出一定的線性規律。因此，令C代表大氣二氧化碳濃度水平，year代表年份，用1975-2004年的數據對其進行一元線性回歸，得到回歸模型：

R2=0.997說明模型擬合度極佳，P=0.0000證實時間變量對SST影響顯著。需要說明的是，該線性模型并不意味著時間是影響C（大氣二氧化碳濃度）的因素，我們只能推測某些隨時間呈線性變化的因子對C是有顯著影響的。建立該模型，只是作為后文中預測未來天氣、建立刻畫氣候模型的佐證。

接下來，用2005-2014年的數據對回歸模型作出檢驗，求得的大氣二氧化碳濃度為C_P。如圖3所示。實際大氣二氧化碳濃度C與模型預測所得的C_P值趨勢一致，數值偏差較小，故該模型有效。

（2）對于SST（海洋表面溫度）的預測

在問題一海洋表面溫度規律的處理部分，本文以及求得了20世紀后SST關于時間序列變動的回歸模型：

根據該模型，可以求得2020-2045年的海洋表面溫度數據。

（3）對于TW（全球平均氣溫）的預測

利用上面求得的未來25年的，即2020-2045年的C_P（預測的大氣二氧化碳濃度）值和SST_P（預測的海洋表面溫度）值，帶入上文中的全球平均氣溫預測模型，即

可以得到全球平均氣溫在未來25年的預測值TW_P。

最后，將TW_P按時間序列繪制成圖4，如下：

3 結束語

根據本文建立的模型，得到以下結論：

（1）未來25年間的海洋表面溫度（SST）變化趨勢平緩，但變動趨勢是微弱上升的。

（2）未來25年間的大氣二氧化碳濃度（C）是以較大的速率上升的。

（3）由圖4可知，模型預測未來25年的全球平均氣溫始終呈上升趨勢，全球氣候將持續變暖。基于此模型，可以推測氣候持續變暖是溫室氣體（主要是二氧化碳）濃度的持續上升、海洋與大氣的相互作用和太陽活動異常的推動導致的。

（4）從1880-2014年全球平均氣溫數據從抽出1990-2014年的數據，求得該時間區間內全球平均氣溫的綜合平均水平為14.49℃。同理用預測數據表中的數據，求得預測中未來25年全球平均氣溫的綜合平均水平，計算結果為14.677℃，與1990-2014年相比增幅為1.29個百分點。

參考文獻

[1] Yangyang Xu，Ramanathan Veerabhadran，Victor David G. Global warming will happen faster than we think[J].Nature，564：30-30，2018.

[2] David Spratt，Ian Dunlop.Existential climate-related security risk： A scenario approach[R].Australia：Policy Paper from Breakthrough-National Centre for Climate Restoration，2019.

[3] Allison Edward H，Bassett Hannah R.Climate change in the oceans：Human impacts and responses[J].Science，350（6262）：78-82，2015.

[4] Corinne Le Quere，et al.Global carbon budget 2017[J].Earth System Science，7（7）：47-85，2015.

[5] Medhaug I，Stolpe M B，Fischer E M，et al.Reconciling controversies about the ‘global warming hiatus[J]. Nature， 545（7652）：41-47，2017.

[6] Meehl G A，Hu A，Santer B D，et al.Contribution of the Interdecadal Pacific Oscillation to twentieth-century global surface temperature trends[J].Nature Climate Change，15：1005-1008，2016.

[7] Xianyao C，Ka-Kit T.Global surface warming enhanced by weak Atlantic overturning circulation[J]. Nature， 559（7714）：387-391，2018.

[8] Smith T M，Reynolds R W.A High-Resolution Global Sea Surface Temperature Climatology for the 1961–90 Base Period[J].Journal of Climate， 11（12）：3320-3323，1998.

[9] 魏敏.基于BCC氣候系統模式的年代際預測研究[D].北京：清華大學，2017.

[10] 伍志元，蔣昌波，鄧斌，曹永港.基于海氣耦合模式的南中國海北部風暴潮模擬[J].科學通報，63（33）：3494-3504，2018.

作者簡介：胡瓊輝（1997-），女，漢族，四川，碩士研究生，西南民族大學，研究方向：人口與可持續發展，

通訊作者：宋榮榮（1979-），女，漢族，山東，副教授，博士，，西南民族大學，研究方向：泛函分析和先進PID控制

基金項目：西南民族大學中央高校基本科研業務費專項資金資助（82001564）.