東亞及西太平洋地表溫度時空模態分析及預測研究*

唐超禮, 陶鑫華, 魏圓圓, 戴聰明, 魏合理

1. 安徽理工大學電氣與信息工程學院, 安徽 淮南 232001;

2. 中國科學院空間天氣學國家重點實驗室, 北京 100190;

3. 安徽大學互聯網學院, 安徽 合肥 230039;

4. 中國科學院合肥物質科學研究院安徽光學精密機械研究所, 中國科學院大氣光學重點實驗室, 安徽 合肥 230031

地表溫度(land surface temperature, LST)是反映陸地與大氣之間能量交換的關鍵物理量, 與生態環境密切相關, 通常用于地表通量估算、干旱監測, 并且可直接或間接作為驅動模型用于全球環境監測和氣候變化分析(Weng et al, 2009; Karnieli et al, 2010; Stephens et al, 2015)。如今, 我們可以利用地面觀測和遙感衛星的長期觀測資料, 對所選取的地區進行LST 的研究。我們也有多種分析手段, 如基于風云三號D 星(FY—3D)微波成像儀對中國陸地區域LST反演及驗證進行比較(Nemani et al, 1996); 又如采用蒙大拿大學地表反演算法(University of Montana land surface retrieval algorithm, UMT)中的物理模型反演中國區域LST(王博 等, 2022), 并利用該衛星與地面站點的數據進行比較; 以及利用單窗算法對數據進行反演, 隨后用歸一化指數研究區域范圍內的時空變換相關性(Becker et al, 1990; 王艷慧 等, 2014); 這些都是對局部數據進行分析研究。本文利用2003—2020 年衛星反演的LST 數據, 通過M-K 突變檢驗、線性回歸、EOF 等方法, 分析東亞及沿海區域的LST 時空模態特征, 并運用SARIMA 模型預測LST 的變化趨勢。

1 數據來源與研究方法

1.1 研究區域及數據來源

本文研究區域為東亞及西太平洋地區, 東亞地理位置特殊, 靠近赤道, 此處地域廣闊, 東西跨度大, 其LST 主要受太陽輻射和氣候的雙重影響。又因為東亞及西太平洋地區屬于典型的季風氣候, 該地區地貌類型多樣, 四季分明。因此, 研究該地區的LST 變化規律對東亞及西太平洋地區的氣候及災害預警有著重要的參考意義。

本文利用Aqua 衛星自2003 年1 月—2020 年12月 LST 數據及第五代歐洲中期天氣預報中心(European centre for medium range weather forecasting,ECMWF)再分析資料集(The fifth generation ECMWF reanalyses, ERA5)對LST 進行分析研究。大氣紅外探測儀(atmospheric infrared sounder, AIRS) 提供了溫度、濕度等數據, 將大氣參數劃分成1°×1°的網格單元, 經度從–180°到+180°, 緯度從–90°到+90°, 運用升軌、降軌數據即白天(A)和夜晚(D)數據進行處理。除此之外, 還使用了2018—2020年的ERA5再分析數據,它是ECMWF 在陸地范圍的模擬數據, 數據包含了月、日、小時數據集。在前人的文章中, 利用伊比利亞半島分析衛星的應用設施, 對ERA5 的LST 數據進行評估, 發現ERA5 的日最大LST 的標準偏差約為2～3 ℃(Johannsen et al, 2019)。

1.2 研究方法

本文采用了M-K(Mann-Kendall)突變檢驗, 線性回歸分析, 季節自回歸移動平均模型(seasonal autoregression integrated moving average, SARIMA),經驗正交分解(empirical orthogonal function, EOF)等方法。其中, M-K 突變檢驗是一種非參數統計檢驗方法, 分析突變的LST 時間點可以準確知其突變情況; SARIMA 模型對未來年份做季節時間序列預測,把LST 變成隨機序列。當隨機序列有很強的季節周期性變化時, 可以對其進行季節差分, 再利用2003—2020 年月平均溫度做一階季節性差分序列的自相關和偏相關函數圖以及用差分次數確定模型參數的數值, 建立模型進行預測。此模型可以從時間序列的過去值及現在值來預測未來值。

2 東亞及西太平洋LST 時空變化

2.1 LST 年際變化分析

圖1a 展示了東亞及西太平洋地區LST 在2003—2020 年的年際變化曲線。如圖, 東亞及西太平洋地區的LST 在6～30℃之間, 分別在2011 年、2017 年達到最小值和最大值。

圖1 LST 年際變化圖Fig. 1 LST interannual variation chart. (a) Monthly trend chart of East Asia and various regions; (b) anomaly map

整體看, 該地區大部分是沿海地區, 溫度變化有限; 局部看, 蒙古國 LST 溫差大, 最高值超過40 ℃, 最低值低于–10 ℃; 日本則相反, LST 溫差不大, 差值不足13℃。蒙古國與日本的LST 變化幅度差異, 主要原因是太陽輻射。蒙古國緯度高遠離赤道而日本緯度低靠近赤道, 且夏季風與西太平洋漂流區的海表溫度為正相關, 與赤道中東部海表溫度為負相關(沈柏竹, 2007), 整體呈自西向東走勢, 冬季相反。東亞各地區LST 的距平圖如圖1b 所示, 為進一步給出該地區是否存在LST 突變的變化過程,我們運用M-K 突變檢驗法對東亞及西太平洋LST進行突變分析(陳錦年 等, 2008; 王宏娜 等, 2009)。

由圖2 可見,UFk和UBk曲線在2007 年和2016年及2018 年附近存在突變點。2003—2011 年UFk統計值均大于0, 說明該地區LST 在此期間呈遞增趨勢, 并且統計值均未超出臨界值, 說明上升趨勢不顯著; 2011—2014 年末UFk統計量小于0, 說明LST 在此期間呈遞減趨勢; 2015 年以后呈逐年上升趨勢且在2019 年后超出臨界值, 說明此后上升趨勢顯著。這些年份出現突變點離不開當年全球發生的自然災害或大規模人為事件。

圖2 M-K 突變檢測結果Fig. 2 M-K mutation detection results

2.2 LST 季節變化

將2003—2020 年AIRS 的LST 數據, 按季節劃分為春季(3—5 月)、夏季(6—8 月)、秋季(9—11 月),和冬季(12—2 月)。圖3a 展示了東亞及西太平洋區域自2003—2020 年春季的月平均LST 的空間分布。青藏高原等西南地區LST 較低, 中國新疆及周邊地區LST 較高, 從而出現了明顯的溫度差異。在平均海拔都超過3000m 的青藏高原上, 它的地勢明顯西側高于東側, 中間低而南北側高, 山地走勢非常復雜, 且80%的青藏高原都是高原地貌, 全年平均氣溫均低于10℃, 這也導致了氣溫差異大(曹曉云 等,2021)。

圖3 2003—2020 年東亞及西太平洋LST 四季空間分布a. 春季; b. 夏季; c. 秋季; d. 冬季; e. 四季變化折線圖; f. 四季距平圖。a—d 基于國家測繪地理信息局標準地圖服務網站下載的審圖號為GS(2016)2938 號的標準地圖制作Fig. 3 Spatial distribution of LST seasons in East Asia and West Pacific from 2003 to 2020. (a) Spring; (b) summer; (c)autumn; (d) winter; (e) line chart of four seasons; (f) four seasons anomaly map

圖3b 為東亞及西太平洋地區自2003—2020 年夏季的月平均LST 的空間分布。其中, 夏季普遍高溫, 主要原因是太陽輻射。而夏日輻射量高, 冬日輻射量少, 是因為季節變化導致太陽高度角的變化,進而引起的太陽輻射的差異(黃盼 等, 2017)。然而,夏季陸地的LST 比海洋的LST 高, 是因為在相同的太陽輻射條件下, 陸地的升溫或者降溫都比海洋更加劇烈, 利于陸地LST 高于海洋。圖3c 是東亞及西太平洋區域自2003—2020 年秋季的月平均LST的空間分布, 變化趨勢與春季大體相似, 東亞北部地區LST 局部較高于周圍(高弋斌 等, 2019)。圖3d為東亞及西太平洋區域自2003—2020 年冬季的月平均LST 的空間分布。如圖, 沿海地區LST 是明顯高于內陸的。除了太陽輻射的影響, 地溫少雨的冬季風也是導致陸地溫度低的重要原因。海洋比熱容大, 地面比熱容小, 所以冬季陸地相對于海洋溫度低(王靜 等, 2009; 郭甜甜 等, 2017)。綜上可知, 本文選取的數據存在顯著的季節周期變化。圖3e 為該地區四季折線圖, 可見春、夏、秋三季幅度變化不明顯。其中, 春季和秋季溫度相近; 夏季均溫超過30 ℃; 冬季溫度較低, 最低約為8℃。圖3f 所示折現圖為四季圖3e 的距平圖。

2.3 LST 空間變化分析

圖4a 為AIRS 探測器2003—2020 年平均LST分布圖。沿海地區的LST 高于東亞內陸及青藏高原區域。圖4b 中曲線表示2003—2020 年東亞及西太平洋地區LST 隨緯度的變化趨勢, 可見LST 隨著緯度的升高而變小。其中, LST 最低溫度為2℃的主要原因是緯度的增加, 沿海地區的季風氣候以及陸地的散熱和吸熱能力小于海洋。圖4c 是ERA5 再分析數據2020 年的東亞及西太平洋的平均溫度圖, 其溫度范圍與AIRS 的結果相似。

圖4 2003—2020 年東亞及西太平洋LST 空間分布圖a. AIRS 空間分布; b. 緯度分布; c. ERA5 再分析空間分布。a、c 基于國家測繪地理信息局標準地圖服務網站下載的審圖號為GS(2016)2938 號的標準地圖制作Fig. 4 Spatial distribution of LST in east Asia and west Pacific from 2003 to 2020. (a) Spatial distribution of AIRS; (b)latitude distribution; (c) ERA5 reanalysis spatial distribution

EOF 是一種分析矩陣數據中的結構特征和提取主要數據特征量方法, 也是氣象分析時空特征的一種重要方法。將LST 組合排列成m空間點數(根據文章中的經緯度10°N—60°N 和70°E—140°E, 即50×70 個點數據)和n時間點數(根據本文選用的18年數據), 得到Xm×n。

理論上, 對LST 的分析應比濕度更直觀。但由于LST 受眾多因素的影響, 使得影響LST 變化趨勢的因素較為復雜(劉振元 等, 2018)。所以我們也可以先查看濕度在時間、空間上的變化規律, 再考查LST。

圖5a、c、e 為濕度EOF 分解第一、第二、第三模態的空間分布, 其中模態解釋方差貢獻率分別為26.18%, 18.70%和10.12%, 累計貢獻率達55%,能較好地代表濕度的變化。圖5b、d、f 為濕度EOF分解第一、第二、第三模態的時間系數。系數符號決定了模態的方向, 正號表示與模態方向相同, 負號則相反, 時間系數數值絕對值越大, 表明該年分布型式越典型(魏鳳英, 1999)。圖5a 為第一模態的空間分布圖, 貢獻率為26.18%, 該模態表征了2003—2020 年東亞及西太平洋地區濕度的最主要的分布特征?？梢钥闯? 在空間分布上, 東亞及西太平洋大部分地區呈負值分布, 極少數地區呈正值, 說明該模態下濕度在大部分地區空間變化趨勢具有一致性,即同時上升(下降)。結合圖5b 的時間系數來看, 時間系數在2004—2009 年均為正位, 在2010—2020年負位居多, 即在2010 年前后基本存在正負相位,并呈下降趨勢, 說明2003—2020 年濕度整體是下降的。

圖5 2003—2020 年東亞及西太平洋地區濕度EOF 空間分布圖和時間系數圖a、c、e 分別為第一、第二、第三模態的空間分布圖, 基于國家測繪地理信息局標準地圖服務網站下載的審圖號為GS(2016)2938 號的標準地圖制作; b、d、f 為第一、第二、第三模態的時間系數圖Fig. 5 Spatial distribution map and time coefficient map of humidity EOF in east Asia and west Pacific from 2003 to 2020.(a), (c), (e) spatial distribution map; (b), (d), (f) time coefficient diagram

圖6a、c、e 表示東亞及西太平洋地區LST 年際變化的EOF 分解第一、第二、第三模態的空間分布,其中模態解釋方差貢獻率分別為29.58%, 13.35%和10.92%, 累計貢獻率達53.85%, 能較好地揭示LST的分布特征。圖6b、d、f 表示LST 數據的EOF 分解第一、第二、第三模態的時間系數。圖6a 為第一模態的空間分布圖, 貢獻率為29.58%, 高于其他模態, 所以選取第一模態來分析(韓雪 等, 2014)。在空間分布上, 第一模態以中國昆侖山脈、秦嶺為分界線, 把東亞及西太平洋地區劃分成兩個明顯的上下區域, 負值主要分布在35°N 以南, 110°N 以西區域,其余地區大部分為正值, 正值顯著區主要在東北地區, 表明該地區LST 變化趨勢更為明顯。結合圖6b時間系數來看, 時間系數在2009—2013 年均為負位,2014—2020 年正位居多, 時間系數呈上升趨勢, 說明2003—2020 年LST 整體是上升趨勢。圖6d 從2013—2018 年均正位, 其余年份正、負相位交替出現, 基本沒有連續正(負)位。圖6f 和圖6d 變化相似。從時間系數來看, LST 在2012 年之前逐漸變高, 總體為正位, 之后就逐漸變低, 總體為負位(圖6f)。圖6b 中, 2003 年的時間系數為負位, 與模態空間變化方向相反, 此年, 東亞及西太平洋地區的模態空間分布表現為以昆侖山脈與秦嶺為分界線的東北區域溫度降低, 余下區域溫度升高的變化趨勢。反之, 時間系數為正, 呈相反的分布模式。

圖6 2003—2020 年東亞及西太平洋地區LST 的EOF 空間分布圖和時間系數圖a、c、e 分別為第一、第二、第三模態的空間分布圖, 基于國家測繪地理信息局標準地圖服務網站下載的審圖號為GS(2016)2938 號的標準地圖制作; b、d、f 為第一、第二、第三模態的時間系數圖Fig. 6 Spatial distribution map and time coefficient map of EOF in east Asia and west Pacific of LST from 2003 to 2020. (a),(c), (e) spatial distribution map; (b), (d), (f) time coefficient diagram

3 東亞及西太平洋LST 影響因素分析及預測

3.1 LST 影響因素分析

圖7 為LST 與濕度趨勢變化圖, 可見LST 一直呈上升趨勢, 這與本文關于東亞及西太平洋地區LST 的M-K 分析結果一致。其次, 濕度是影響LST的關鍵因素, 而溫度可以改變濕度。如圖7a, 最高溫度為21 ℃, 整體濕度隨溫度波動, 除2007 年因當年發生的熱帶風暴溫濕度驟變, 其余年份基本符合趨勢。圖7b 是夜晚的溫、濕度, 兩者變化情況基本一致。測量LST 和濕度, LST 反演精度約為1.63, 濕度反演精度約為 0.063%, 且溫度升高濕度減少。

圖7 LST 與濕度趨勢變化圖a. 白天; b. 夜晚Fig. 7 Trend of surface temperature and humidity. (a) Day; (b) night

選用了2003—2020 年的東亞及西太平洋地區的相關AIRS 溫濕度數據, 圖8a 的相關性分析結果顯示, 各地區的白天溫、濕度之間相關性良好, 最佳擬合線的截距為183.409, 回歸系數0.403, 相關性到達0.505(陳錦年 等, 2012); 圖8b 為溫度與濕度的折線圖, 可見溫、濕度整體波動幅度相似。

圖8 LST 與濕度相關性分析(a)及時間序列比較(b)Fig. 8 Correlation analysis and time series comparison between LST and humidity. (a) Correlation analysis diagram between LST and humidity; (b) comparison diagram of LST and humidity time series

3.2 預測

運用SARIMA 進行一階季節性差分時間序列分析, 推斷東亞及西太平洋地區LST 變化趨勢和未來預測。

如前文所述, 在圖9 原始圖中, 2011 年和2012年LST 驟降, 存在異常, 且2012—2020 年LST 為明顯上升趨勢。經過多方資料查證, 這與當時的厄爾尼諾、火山爆發等事件相關(李剛 等, 2015;Simmons et al, 2017), 也是陸地溫度和海表溫度共同影響的結果。

圖9 原始圖Fig. 9 Original drawing

圖10 為年平均溫度的預測溫度值, 假設LST 的時間序列為w(t),v(t)=w(t)–w(t–1),z(t)=v(t)–v(t–12),z(t)=a1*z(t–1)+m(t)+b1*m(t–1)+c1*z(t–12)+d1*m(t–24),其中w是誤差項。預測時套用以上公式, 只是先預測z(t), 再預測v(t)和w(t)。根據過去值, 現在值以及預測的函數方程, 預測出未來值。2020 年之后, 東亞及西太平洋地區LST 變化平穩, 若當年或者前后出現重大自然問題, 可能溫度有浮動。

圖10 預測圖Fig. 10 Prediction chart

4 結論

本文利用2003—2020 年衛星觀測反演的LST數據, 通過M-K 突變檢驗、線性回歸、EOF 模態分析等方法, 分析東亞及沿海區域的LST 時空模態特征, 并運用SARIMA 模型預測LST 的變化趨勢。得出以下結論。

1) 利用LST 年月平均值法, 可知東亞陸地LST變化幅度高于沿海。例如, 蒙古國身處東亞內陸, 年平均最高值超 40 ℃, 最小值低于–10 ℃, 差值達50 ℃; 而東亞其他地區溫差不足20℃。

2) 利用M-K 突變檢驗法分析18 年LST 數據。整體看, 東亞及西太平洋地區LST 于2003—2011年, 2015 年直至以后呈遞增趨勢, 且2019 年超出臨界值, 上升趨勢顯著; 局部看, 東亞及西太平洋地區LST 在2003—2020 年春季、夏季及秋季波動平穩, 而冬季波動大。這與人類活動及火山爆發等事件相關。

3) 東亞及西太平洋區域LST 季節變化特征明顯。除青藏高原常年處于明顯低溫(主要是青藏高原80%以上的高原地貌, 年均不超過10 ℃), 而夏、冬季LST 恰好呈相反模式, 這是受太陽輻射和季風氣候的雙重作用。夏季輻射量最高, 冬季最少, 是因為季節變化導致太陽高度角的變化, 進而引起太陽輻射的差異; 海洋比熱容大, 陸地比熱容小, 所以冬季陸地相對于海洋溫度低。秋季與春季變化相似。

4) 利用EOF 分解法對東亞及西太平洋區域18年LST 分析, 第一模態與LST 變化趨勢在空間上相符, 以昆侖山脈、秦嶺為分界線, 形成東亞內陸與沿海地溫走勢不同的總態。