基于Matlab軟件仿真的自然災害對全球變暖影響

孫德勝 劉佳明 盧 爽

（華北理工大學，河北 唐山 063210）

0 引言

隨著人類科技文明的不斷發展，全球變暖的情況愈發嚴重，由于人們生活水平不斷提高，對環境的利用程度越來越大，因此環境帶來的災害也隨之而來。2019 年發生的澳大利亞林火事件，其最主要的導火索就是高溫天氣和干旱，這直接導致世界各地林火肆虐數月。2018 年12 月印尼火山爆發，進一步對全球變暖造成影響。自然災害都在一定程度上加劇了全球變暖，而全球變暖也會帶來一系列的連鎖反映。

施雅風[1]研究發現，在全球變暖和中國境內降水量有所減少的背景下，中國的自然災害如洪澇災、旱災、農林生物災害、風暴潮災都在發展加劇，只有寒凍冰雪災害有所減輕。陳泮勤[2]研究發現，全球變暖后，大氣CO2含量加倍，暴雨頻率和洪澇風險會加劇，西北干旱將延續，森林火災、泥石流、臺風、滑坡災害加劇。

1 數據來源及預處理

1.1 數據來源

該文所使用的數據來自于阿里云和KIMI Climate Explorer，其中澳大利亞，美國，中國，印尼地區和全球平均溫度1899—2022 年的溫度數據來自于阿里云，二氧化碳濃度，全球森林面積，人口數量等數據來自于KIMI Climate Explorer。

1.2 數據相關性分析

1.2.1 時間與全球平均溫度之間的相關性

在分析時間與全球平均溫度之間的關聯度時，使用SPSSPRO 軟件對數據進行處理，通過斯皮爾曼相關性系數來探究兩者之間的相關性。圖1 通過SPSSPRO 進行斯皮爾曼相關性分析，得出時間與溫度相關系數熱力圖。

圖1 相關系數熱力圖

根據圖中的數據可知，斯皮爾曼相關性系數為0.899，說明時間與全球平均溫度之間的相關性高。

1.2.2 位置與全球平均溫度之間的相關性

在進行位置與溫度之間相關性分析時，由于經度對溫度的影響并不顯著，而緯度對溫度的影響更顯著，因此該組在分析位置與年平均溫度時，只考慮年平均溫度隨緯度變化的信息，所以對輸入的數據集，筆者團隊取其中某個點的年平均溫度和該觀測點對應的緯度信息來分析，這樣分析的一個優點是避免了不同緯度國家在同一年份處于不同季節而帶來的溫度差異，利用平均值可以讓數據具有更加完備的特征。在分析過程中，以緯度的絕對值信息作為采樣點的位置信息，因為在緯度絕對值相同的地段，不管緯度是正還是負，他們的年平均氣溫應該是差不多的，不會有很大的差別。下面利用相關性分析驗證該結論，相關性分析結果如圖2 所示。

圖2 相關系數熱力圖

2 算法預測與數據分析數據

由于自然災害并不是發生在世界上的任何角落，只是發生在個別的國家，或者個別的國家受自然災害的影響較嚴重，同時不同國家的自然災害對全球溫度的影響具有滯后性，發生后并不會影響全球的平均溫度，因此該文選取了個別受自然災害較嚴重的國家進行分析，分別是在2019 年7月發生在澳大利亞的森林大火，2020 年1 月發生在中國本土和美國本土的新冠疫情以及2018 年12 月在印尼的火山爆發。以這幾個國家為依據，研究自然災害爆發后對本土的影響。

該文建立一個基于長短期記憶神經網絡的分析預測模型，根據自然災害發生前的溫度數據預測，若無相應的自然災害的發生各地溫度的預測值，將預測后的結果與現實發生自然災害后溫度的真實數據進行對比，即可得出自然災害對當地的溫度的影響。

2.1 LSTM 神經網絡模型

通過查閱相關文獻發現[4]，LSTM 是一種遞歸神經網絡，適用于從時間序列中提取時序特征，具有學習長期時間序列依存的能力。同時對比發現[3]，其比常規BP 神經網絡具有更高的準確性。

2.1.1 LSTM 神經網絡結構圖

LSTM 神經網絡內部結構主要由輸入門 、遺忘門和輸出門3 個部分組成，其中 為當前細胞單元狀態，為隱藏層的狀態，為輸入數據。如圖3 所示。

圖3 LSTM 神經網絡內部的結構

2.1.2 LSTM 神經網絡原理

每個時刻，LSTM 的輸入應該包括3 個部分：即當前時刻的新的輸入xt，前一時刻的記憶（也叫短期記憶）ht-1和長期記憶線（也叫細胞狀態）Ct-1。經過三層門的計算（σ為Sigmoid 激活函數，tanh 為雙曲正切激活函數），得到新的匯總記憶，和新的記憶狀態Ct-1并更新ht。長短期記憶網絡（LSTM）內部的運算過程如下所述。

①經過遺忘門的作用，可以得到ft，如公式（1）所示。

②再下一步，進入輸入層，通過輸入門作用得到it，如公式（2）所示。

③通過輸出門的作用，可以得到Ot，如公式（3）所示。

④接下來計算匯總狀態，如公式（4）所示。

⑤計算新的記憶細胞狀態Ct，如公式（5）所示。

⑥更新短期記憶ht，如公式（6）所示。

式中：wf，wi，wo，wc為權重矩陣；af，ai，ao，ac為每層不同的偏置。

2.2 LSTM 神經網絡預測結果對比

分別將澳大利亞、美國、中國、印尼1899 年—2022 年的月平均溫度數據帶入LSTM 模型中，得到如下結果：1）根據澳大利亞的預測結果顯示，澳大利亞在發生森林大火后比假設沒有發生森林大火的情況下，溫度明顯升高，因此可以得出結論，森林大火對平均氣溫有影響，即加劇了氣溫的升高。原因在于森林大火一般持續時間長，受災范圍廣，大量燃燒物燃燒將釋放大量的CO2，CO2是主要的溫室氣體，因此加劇了當地氣溫升高，從而進一步影響全球。2）根據美國和中國的實際溫度與預測溫度對比圖可知，新冠肺炎爆發后美國和中國的溫度并未出現明顯變化，實際值與未發生疫情的預測值基本相同，因此新冠肺炎疫情對氣溫的影響并不大，實際上由于全球新冠肺炎的影響，世界按下暫停鍵，工廠停工，人們足不出戶，因此二氧化碳等溫室氣體的排放增長不是很明顯，因此全球的氣溫變化不大。3）將印尼火山爆發前后的實際溫度進行對比，實際值比預測值低，其根本原因在于隨著火山噴發，產生的大量的二氧化硫或其他硫酸鹽物質會進入對流層頂和平流層，轉化為含硫氣溶膠。含硫氣溶膠會通過反射部分的太陽光，導致地球表面接受到的太陽輻射減少，從而造成地球降溫，這也是通常所說的“陽傘效應”。因此對處在熱帶地區的國家，太陽的直接輻射對溫度的影響更大，因此對火山噴發這種自然災害，會使全球平均氣溫出現下降的趨勢。

3 探究全球變暖影響因子

3.1 影響因子分析

該文主要選擇的影響因子為二氧化碳濃度，全球森林面積，人口數量。①二氧化碳氣體作為溫室氣體中最主要的組成成分，對全球變暖有很重要的影響。全球的二氧化碳濃度是衡量其二氧化碳排放程度的重要指標。②森林作為生態系統的生產者，可以吸收二氧化碳，生產氧氣，全球森林覆蓋面積越廣，二氧化碳凈化能力越強，對全球溫室效應有很好的抑制作用。③日常生活中可以制造很多的二氧化碳，例如人們出行所用的汽車能夠排放CO2，人們的呼吸作用會釋放二氧化碳等。

3.2 影響因子與全球溫度關聯度分析

采用了灰色關聯分析法對以上3 種因素進行分析，得到每個因素的與溫度之間的灰色關聯度，通過比較得出影響溫度的主要因素。

具體步驟如下：1）確定母序列和因素序列。設母序列為x0（t），是全球的溫度數據，共有m 個數據，即x0（t）={x0（1），x0（2）...，x0（m）}，t=1，2，…，m；特征序列為xi（t），有3 個子序列，分別是二氧化碳濃度，人口數量，全球森林面積，即x0（t）={xi（1），xi（2）...，xi（m）}，i=1，2，3。2）數據標準化處理。因數據間量綱和大小存在差異，因此需要對原始數據進行變換。采用均值的方法，先分別求出各序列的平均值和標準差，再將原始數據減去平均值后除以標準差，得到的新序列即為標準化序列。3）計算關聯系數。

ρ 為分辨系數，在（0，1）取值，分辨系數越小，關聯系數間差異越大，區分能力越強，通常取 0.5。

計算關聯序度如公式（11）所示。

3.3 影響因子關聯度分析結果

根據Matlab 仿真結果可以得出，二氧化碳的濃度和森林覆蓋面積對全球平均氣溫的影響最大，其關聯度指標分別為0.813 和0.805。人口數量對全球平均氣溫的影響與前兩項相比并不顯著，其對全球平均溫度的關聯度僅為0.537。

4 抑制全球變暖影的措施

結合全球變暖的數據來源以及對全球平均氣溫的預測及對影響全球變暖的因素的分析，可以清楚地看到，二氧化碳的排放是全球平均溫度上升的主要因素，因此減少全球CO2的排放，增加固碳量是解決全球平均氣溫持續升高的首要目標。所謂固碳，也被稱為碳封存，是指增加除大氣之外的碳庫碳含量的措施。固碳能夠將多余的碳封存起來，不排放到大氣中。因此，提出以下措施抑制全球變暖。

4.1 加大對清潔能源的利用

清潔能源是現階段全球公認的有效解決全球CO2排放的有效方法，同時各國也在不斷加大和投入將傳統能源逐漸替換成清潔能源的步伐，因此，國家需要加大對清潔能源例如氫能的大力開發和應用，有效減少CO2的排放。

4.2 國家和政府應出臺政策進行干預管理

政府的有效干預同樣是抑制全球變暖的有效措施，不斷調整和優化國家政策可以加強企業和個人對抑制全球變暖的責任心。

4.3 增加全球固碳量

CO2的固定是全球碳循環過程的必要階段，因此加大對CO2的固定同樣能有效減少CO2的排放，因此植樹造林，管控亂砍亂伐是抑制全球平均氣溫持續升高的有效措施。

4.4 建立碳市場

通過政府給碳定價，從根本上抑制了排放者在財務上所造成的碳排放；其次，為抵消已有的碳排放，排放者可以購買碳信用作為補償，從而為抑制全球變暖的項目帶來亟需的資金。

4.5 利用生態系統

固碳森林是陸地生態系統的主體，在全球碳循環和調節氣候變化中有極其重要的作用。通過植物的光合作用，可以提高生態系統的碳吸收和儲存能力，從而減少二氧化碳在大氣中的濃度。因此，增加森林總量、提高森林質量、增強森林生態服務功能等都可以減緩全球變暖的趨勢。

4.6 土壤固碳

我國科學研究院研究表明土壤固碳可減少溫室氣體排放，稻田土壤約占我國總土壤固碳潛力的40%，因此，深入研究稻田土壤碳循環的固碳機理對減緩全球變暖具有重要意義。

5 結語

該文研究證明，自然災害對全球變暖有一定影響。澳大利亞森林火災發生后，加劇了二氧化碳排放，而且減少了當地森林覆蓋面積，進一步加劇全球變暖；而研究發現，新冠疫情對全球變暖的影響并不明顯；印尼火山爆發產生的硫氣溶膠會通過反射部分的太陽光，導致地球表面接受到的太陽輻射減少，進而降低地球溫度。在針對影響全球變暖的因子研究過程中發現，二氧化碳濃度和森林面積是對全球變暖有較大影響力的因子，因此在減緩全球溫室效應的措施中，主要應該考慮植樹造林，減少二氧化碳濃度增加生態系統固碳量。