中国东部夏季云量与日气温统计关系.docx
- 文档编号:24433996
- 上传时间:2023-05-27
- 格式:DOCX
- 页数:21
- 大小:557.27KB
中国东部夏季云量与日气温统计关系.docx
《中国东部夏季云量与日气温统计关系.docx》由会员分享,可在线阅读,更多相关《中国东部夏季云量与日气温统计关系.docx(21页珍藏版)》请在冰豆网上搜索。
中国东部夏季云量与日气温统计关系
中国东部夏季云量与日气温统计关系
郭元喜龚道溢汪文珊毛睿胡淼
北京师范大学地表过程与资源生态国家重点实验室减灾与应急管理研究院100875
摘要:
利用中国东部1980-2009年130个测站的夏季逐日气温、降水及云量资料,分析了无雨日情况下总云量、低中云量、高云量与日最高气温、日最低气温、日平均气温以及气温日较差之间的关系,同时计算了辐射随云量的相应变化。
结果表明:
中国东部范围内,日最高气温、日平均气温普遍随着云量增多而显著下降,这主要是由于云量增加会使得到达地面的太阳总辐射和地表净辐射显著减少造成的。
统计关系显示,总云量每增加一成,总辐射减少234.92W/m2,净辐射减少121.83W/m2,同时日最高气温下降0.219℃,日平均气温下降0.109℃;低中云量每增加一成,总辐射减少279.31W/m2,净辐射减少157.34W/m2,同时日最高气温下降0.367ºC,日平均气温下降0.247℃;高云量每增加一成,总辐射减少166.88W/m2,同时日最高气温下降0.087℃。
从空间分布上看,气温日较差随着云量增多而显著减小,并且云量每增加一成时,北方的减小幅度大于南方。
日最低气温在北方随着云量增多而显著上升;在南方则随着总云量、低中云量增多而显著下降,但与高云量的关系不明确,出现这种现象的原因无法完全从云量影响辐射的角度进行解释。
关键词:
中国东部;夏季;云量;气温;辐射;相关分析;回归分析
1引言
在气候系统中,云起着非常关键的作用[1]。
随着对全球气候变化研究的不断深入,云与地气系统的相互作用愈来愈受到关注,但目前的研究表明,这种相互作用究竟如何仍在争议之中[2]。
例如,Lindzen等[3]认为:
热带地区的云在全球气候系统中会产生一个负反馈;但Lin等[4-5]发现:
北极地区的云对气候是一个负反馈效应,热带地区的云则相反,是一个微弱的正反馈效应。
丁守国等[6]通过对全球云量变化进行研究,提出:
在全球增温的气候背景下,云量的变化对当前气候可能是一个正反馈过程,即近年来云量的减少可能促使全球气候更加趋于变暖。
曾昭美等[7]分析了云、日照以及二者与温度、日较差等要素之间的关系,结果发现:
在中国,云与日照的关系远比美国复杂,但两者均与日较差具有极好的线性相关关系,而且这种关系在南方较北方突出、在夏季较冬季突出。
陈楠等[8]的研究显示:
虽然宁夏年平均气温与总云量和低云量总体为明显的负相关,但在部分地区和有些季节却呈现正相关。
曹雪梅等[9]认为:
中国黄土高原地区的气温与云量之间存在显著负相关,但相关系数在不同区域、不同季节之间有明显差异。
可见,云与地气系统的相互作用非常复杂:
一方面,云的气候效应不仅取决于云量,还敏感地依存于云的高度、厚度、相态以及云的其它特征,不同云参的多种正、负反馈过程之间相互影响,使云与气候的关系更加复杂[10-15];另一方面,不同研究区域、不同研究时段可能存在不同的作用机制[16-19]。
本文中,选取云与辐射最活跃的夏季作为研究时段,选取气象资料丰富、站点分布均匀的中国东部地区作为研究对象,系统地研究了不同云高、不同云量的云与气温、日较差之间的统计关系,并尝试从辐射的角度对成因进行探讨,得到了一些有意义的结果,可以为气候模式中云和辐射参数化方案的验证及改进提供参考。
2资料与方法
本文中,将中国东部定义为105°E以东的中国地区;夏季定义为每年6~8月;无雨日定义为降水量为0;晴空定义为降水量为0且总云量<1成;相关分析采用Pearson相关系数;回归分析采用一元线性回归;显著性检验采用MonteCarlo方法[20]。
温度、降水量、云量及辐射数据来源于中国气象局国家气象信息中心气象资料室,时段为1980~2009年。
为了消除测站地理位置差异对气温序列的影响,用研究时段内无雨日的气温资料平均值作为参考,对每个测站的温度序列进行了距平处理,这就要求每个测站的温度序列在1980~2009年中至少有27年以上的夏季观测数据,并且每年夏季的缺失记录少于5天,筛选后的130个有效温度站见图1。
160个云量站、65个辐射站的分布情况也见图1。
图1.研究区与站点位置.
Figure.1Studyregionandstations.
2000年以前,云量每天观测四次:
02、08、14、20时。
因此,采用当日四个时次的平均作为该日云量;采用前一日20时、当日02时两个时次的平均作为该日夜间云量;采用当日08、14两个时次的平均作为该日白天云量。
2000年开始,云量每天观测八次:
02、05、08、11、14、17、20、23时。
因此,采用当日八个时次的平均作为该日云量;采用前一日20时、23时,当日02时、05时四个时次的平均作为该日夜间云量;采用当日08、11、14、17四个时次的平均作为该日白天云量。
为了准确估算云量对辐射的影响,以研究时段内晴空的辐射平均值作为参考,对直接辐射、散射辐射、总辐射、净短波辐射、净长波辐射、净辐射等6种辐射数据也进行了距平处理。
云量数据是目测得到的,其误差的控制及其对结果可靠性的影响是一个常为人们所诟病的地方。
为了降低误差,我们将云量数据进行了分组处理,即根据1成≤云量<2成、2成≤云量<3成、3成≤云量<4成、4成≤云量<5成、5成≤云量<6成、6成≤云量<7成、7成≤云量<8成、8成≤云量<9成、9成≤云量≤10成这些标准,将其分为9个等级。
然后,选择无雨日且有云(云量≥1成)的情况作为研究对象,对气温、日较差及辐射的距平值与分组后的云量分别进行相关分析及回归分析,同时,计算出每组云量下,气温、日较差及辐射距平的平均值和标准误,这样,平均值可以反映这些指标随云量变化的总体特征,标准误可以反映结果的相对准确性。
需要指出的是,本文中的高云量是由总云量减去低中云量得到的。
由于低中云的存在会对高云产生遮蔽,因此,为保证求出的高云量具有较高的可信度,我们在分析高云量与温度、日较差及辐射的关系时,仅讨论天空中只存在高云的情况,即低中云量<1成的情况。
3结果分析
3.1云量与日最高气温
由表1可知,整个区域平均的情况下,总云量与日最高气温之间具有非常显著的负相关关系,相关系数高达-0.9348,达到0.1%信度水平。
从二者对应关系图上看(图2-a1),日最高气温随着总云量的增加而呈现出比较一致的下降:
总云量小于3成时,日最高气温较无雨日平均值高0.63℃;总云量超过9成后,日最高气温较无雨日平均值低1.37℃,下降了约3.18倍。
二者之间呈现
表1.云量与温度、日较差的相关系数
Table.1Correlationcoefficientbetweencloudcoverandtemperature,dailytemperaturerange
日最高气温
日最低气温
日平均气温
气温日较差
总云量
-0.9348b)
0.8749a)
-0.8735a)
-0.9925b)
低中云量
-0.9747b)
-0.2407
-0.9895b)
-0.9938b)
高云量
-0.7437a)
0.7066a)
-0.1347
-0.8921a)
a)信度在5%以上(包括1%在内)b)信度在0.1%以上
高度线性关系,根据回归方程估算,总云量每增加一成,日最高气温下降约0.219℃。
空间分布上(图3-a1),除内蒙古二连浩特和海南海口外,其余128个测站的日最高气温全部随着总云量增加而下降,其中110个测站达到5%信度水平,比例为85.27%,这说明:
中国东部范围内,总云量对日最高气温具有一致的削弱作用。
总的来说,低中云量与日最高气温之间存在非常显著的负相关,相关系数高达-0.9747,达到0.1%信度水平。
如图2-a2所示,日最高气温随着低中云量增加而一致下降:
低中云量小于2成时,日最高气温高出无雨日平均值0.61℃;低中云量超过9成后,日最高气温低于无雨日平均值2.61℃,下降幅度超过5.24倍。
根据一元线性回归方程,低中云量每增加一成,日最高气温下降0.367℃,达到0.1%信度水平。
从空间分布特征来看(图3-a2),整个中国东部地区的日最高气温都随着低中云量增加而下降,并且130个测站中有126个达到5%信度水平,比例高达96.92%。
低中云量对日最高气温削弱作用最强的地方主要集中在东北东部、华北北部及长江中下游地区,降温幅度可达-0.82~-0.60℃/成。
高云量与日最高气温之间存在显著负相关,相关系数为-0.7437,达到5%信度水平。
如图所示(图2-a3),有高云存在时,日最高气温普遍高于无雨日平均值,但是随着高云量增加,正距平会逐渐减小,出现这种现象的原因可能是:
高云对白天最高气温的降温作用相对于中低云要小的多。
二者回归关系表明,高云量每增加一成,日最高气温下降0.087℃,达到5%信度水平。
中国东部范围内(图3-a3),大部分地区的日最高气温都随着高云量增加而下降,其中以西南及长江中下游地区的下降最明显。
3.2云量与日最低气温
总云量与日最低气温之间存在显著正相关,相关系数为0.8749,达到1%信度水平。
从图2-b1上可以看到,日最低气温随着总云量增加而上升:
总云量小于2成时,日最低气温较无雨日平均值偏低0.22℃;总云量超过6成后,日最低气温较无雨日平均值偏高0.60℃以上,上升了约3.93倍。
回归统计关系表明:
总云量每增加一成,日最低气温上升0.115℃,达到1%信度水平。
空间分布上(图3-b1),日最低气温与总云量在北方以显著正相关为主,而且总云量每增加一成,日最低气温普遍增暖0.20℃以上;日最低气温与总云量在南方以负相关为主,但达到5%信度水平的不多,而且,当总云量每增加一成时,日最低气温下降幅度均不超过0.17℃。
低中云量与日最低气温之间存在负相关,但统计上并不显著,未达到5%信度水平。
从图上不难看出(图2-b2),日最低气温与低中云量的关系非常复杂,呈现非线性变化。
从空间分布来看(图3-b2),日最低气温与低中云量在北方以正相关为主,尤其东北地区,日最低气温普遍以高于0.10℃/成的速度随低中云量的增加而显著上升;在南方,日最低气温与低中云量之间则普遍存在显著负相关,日最低气温大多以高于0.10℃/成的速度随低中云量的增加而下降。
高云量与日最低气温之间存在显著正相关,相关系数为0.7066,达到5%信度水平。
总的来说,日最低气温随着高云量的增加而稳定上升(图2-b3),二者回归系数表明:
高云量每增加一成,日最低气温上升0.091℃,达到5%信度水平。
空间分布特征上,中国东部地区的日最低气温大多随着高云量增多而上升,尤其在东北及华北地区,上升更加明显,回归系数多大于0.20℃/成(图3-b3)。
图2.日最高气温、日最低气温、日平均气温及气温日较差距平随
云量变化的平均值、标准误和线性拟合关系.
虚线表示拟合结果.
Figure.2Variationsofanomalyofdailymaximumtemperature,dailyminimumtemperature,daily
averagetemperatureanddailytemperaturerangewithcloudcover.
Thedashedlinesrepresentfittingresults.
3.3云量与日平均气温
总云量与日平均气温之间具有显著的负相关关系,相关系数为-0.8735,达到1%信度水平。
区域平均的情况下(图2-c1),日平均气温随着总云量增加而一致下降:
总云量小于2成时,日平均气温高出无雨日平均值0.22℃;总云量超过9成后,日平均气温低于无雨日平均值0.85℃;下降了4.85倍。
回归统计表明:
总云量每增加一成,日平均气温下降0.109℃,达到1%信度水平。
从空间分布来看(图3-c1),中国东部范围内,除东北西部、华北北部及海南岛外,其余地区的日平均气温均随着总云量增加而下降,其中以长江中下游地区下降最明显,下降速度超过0.20℃/成。
低中云量与日平均气温之间存在非常显著的负相关关系,相关系数高达-0.9895,达到0.1%信度水平。
总体上(图2-c2),日平均气温随着低中云量的增加而线性下降:
低中云量小于2成时,日平均气温的距平值为0.37℃;低中云量大于9成时,日平均气温的距平值减少至-1.65℃,下降超过5.50倍,降温作用明显。
回归分析表明,低中云量每增加一成,日平均气温下降0.247℃,达到0.1%信度水平。
从空间分布上看(图3-c2),除东北及华北的极少数地区外,整个中国东部的日平均气温普遍随着低中云量的增加而下降,下降最快的地区出现在东北北部、华北北部及长江流域中下游,可达0.30℃/成以上。
高云量与日平均气温之间呈现负相关,但统计上并不显著。
随着高云量增加,日平均气温呈现先上升后下降的变化(图2-c3)。
回归方程显示,高云量每增加一成,日平均气温下降0.006℃,未达到5%信度水平。
空间分布特征上(图3-c3),除东北、华南等少数地区的日平均气温随着高云量增加而显著上升外,其余地区的日平均气温多随高云增多而下降,以长江中下游下降最明显。
图3.日最高气温、日最低气温、日平均气温及气温日较差与云量回归系数的空间分布(单位:
℃/成).
外框表示达到5%信度水平.
Figure.3Spatialdistributionofregressioncoefficientindailymaximumtemperature,dailyminimumtemperature,dailyaveragetemperatureanddailytemperaturerangewithcloudcover(Unit:
℃/10percent).
Stationswithsquareshavereachedtheconfidencelevelof5%.
3.4云量与气温日较差
总云量与气温日较差之间具有非常显著的负相关,相关系数高达-0.9925,达到0.1%信度水平。
区域平均的气温日较差随着总云量增加而呈现出一致的线性减小(图2-d1),二者回归关系表明:
总云量每增加一成,气温日较差减小0.462℃,达到0.1%信度水平。
出现这种现象的原因是总云量增多对日最高气温具有强烈的降温作用,同时对日最低气温具有强烈的保暖作用。
空间分布上(图3-d1),中国东部130个测站的气温日较差全部随着总云量增加而显著减小,尤其东北、华北、西北等广大北方地区,其降温速度通常在0.45℃/成以上。
低中云量与气温日较差之间存在非常显著的负相关关系,相关系数高达-0.9938,达到0.1%信度水平。
总体上(图2-d2),气温日较差随着低中云的增多而线性减小。
回归分析表明:
低中云量每增加一成,气温日较差减小0.430℃,达到0.1%信度水平。
空间分布上(图3-d2),除海南东方外,中国东部其余129个测站的气温日较差全部随着低中云量增加而显著减小。
与总云量的情况类似,负相关关系最显著的地方主要集中在东北、华北、西北等北方地区。
高云量与气温日较差之间存在显著负相关,相关系数为-0.8921,达到5%信度水平。
根据回归方程,高云量每增加一成,气温日较差减小0.146℃,达到5%信度水平。
从空间分布特征来看(图3-d3),中国东部范围内,高云量与气温日较差的关系以负相关为主,尤其在东北大部、华北北部、西北及长江流域中下游少数地区,这种负相关关系更加明显。
表2.云量与辐射的相关系数
Table.2Correlationcoefficientbetweencloudcoverandsolarradiation
直接辐射
散射辐射
总辐射
净短波辐射
净长波辐射
净辐射
总云量
-0.9857b)
0.9982b)
-0.9646b)
-0.9378b)
0.9737b)
-0.9682b)
低中云量
-0.9793b)
0.9865b)
-0.9732b)
-0.9591b)
0.9873b)
-0.9914b)
高云量
-0.9828b)
0.9960b)
-0.9795b)
-0.9498b)
0.8622a)
-0.9438b)
a)信度在5%以上(包括1%在内)b)信度在0.1%以上
4云量与辐射的关系
云是影响辐射的重要因子之一,而辐射又从根本上决定着地气系统的能量平衡,进而影响着温度,则理论上讲,辐射应该是连接云量与温度、日较差的桥梁。
其次,位于不同高度的云,其云相等属性必然存在差别,也会产生不同的辐射效应。
为了更好地理解云量与温度的关系,这里,我们进一步分析了云高、云量与辐射的关系。
表2中给出了总云量、低中云量、高云量与直接辐射、散射辐射、总辐射、净短波辐射、净长波辐射、净辐射的线性相关系数。
图4给出了总辐射距平随云量变化的平均值、标准误、线性拟合关系以及总辐射与云量回归系数的空间分布。
4.1云量与直接辐射
云量与直接辐射之间存在着非常显著的负相关关系,总云量每增加一成,直接辐射减少347.53W/m2;低中云量每增加一成,直接辐射减少343.76W/m2;高云量每增加一成,直接辐射减少336.82W/m2;均达到0.1%信度水平。
区域平均的情况下(图略),直接辐射随着总云量、低中云量、高云量的增加而呈现出一致的线性减少。
空间分布上(图略),整个中国东部地区的直接辐射都随着总云量、低中云量、高云量的增加而显著减少。
4.2云量与散射辐射
云量与散射辐射之间存在非常显著的正相关关系,总云量每增加一成,散射辐射增多133.04W/m2;低中云量每增加一成,散射辐射增多97.03W/m2;高云量每增加一成,散射辐射增多165.44W/m2;均达到0.1%信度水平。
总体上(图略),区域平均的散射辐射随着总云量、高云量的增加而线性增多,随着低中云量的增加也呈现稳定增多。
空间分布特征上(图略),中国东部的散射辐射普遍随着总云量、低中云量、高云量的增加而显著增多。
图4.总辐射距平随云量变化的平均值、标准误、线性拟合关系以及总辐射与云量回归系数的空间分布.
虚线表示拟合结果,外框表示达到5%信度水平.
Figure.4Variationsofanomalyofsurfacetotalradiationwithcloudcoverandtheirspatialdistribution.
Thedashedlinesrepresentfittingresults.Stationswithsquareshavereachedtheconfidencelevelof5%.
4.3云量与总辐射
云量与总辐射之间存在非常显著的负相关关系,总云量每增加一成,总辐射减少234.92W/m2;低中云量每增加一成,总辐射减少279.31W/m2;高云量每增加一成,总辐射减少166.88W/m2;均达到0.1%信度水平。
出现这种现象的原因是由于总云量、低中云量以及高云量的增多,均会造成太阳直接辐射的减少和散射辐射的增加,而且直接辐射减少的量大于散射辐射增加的量,从而引起到达地面的总辐射的减少。
总体上(图4),总辐射随着总云量、低中云量和高云量的增加而呈现出一致的线性下降。
空间分布上(图4),整个中国东部地区的总辐射都随着总云量、低中云量、高云量的增加而减少,而且,总辐射减少最明显的地区通常对应着日最高气温随云量增加而下降最明显的区域,这或许说明云量与总辐射的相互关系确实在一定程度上影响着云量与日最高气温的相互关系。
4.4云量与净短波辐射
云量与净短波辐射之间具有非常显著的负相关,总云量每增加一成,净短波辐射减少174.39W/m2;低中云量每增加一成,净短波辐射减少224.21W/m2;高云量每增加一成,净短波辐射减少120.97W/m2;均达到0.1%信度水平。
区域平均的情况下(图略),净短波辐射随着总云量、低中云量和高云量的增加而稳定减少。
空间上(图略),净短波辐射与总云量、低中云量、高云量之间的关系以显著负相关为主,而且通过对比发现,各站净短波辐射随总云量、低中云量、高云量增加而减少的情况与其总辐射随云量增加而减少的表现基本一致。
这主要是由于对于既定的下垫面而言,其自身反射太阳短波辐射的能力也是既定的,因而其净短波辐射主要取决于到达地面的总辐射。
至此,我们可以这样来解释日最高气温随总云量、低中云量、高云量增加而显著下降的原因:
云量增加导致到达地面的太阳总辐射显著减少,进而使得净短波辐射也显著减少,这样,在短波辐射起主要作用的白天,云量的增加就造成了日最高气温的显著下降。
4.5云量与净长波辐射
总云量、低中云量与净长波辐射之间具有非常显著的负相关关系,总云量每增加一成,净长波辐射增加61.70W/m2;低中云量每增加一成,净长波辐射增加86.72W/m2;均达到0.1%信度水平。
高云量与净长波辐射之间存在正相关,高云量每增加一成,净长波辐射增加64.11W/m2,达到5%信度水平。
区域平均的情况下(图略),净长波辐射随着总云量、低中云量、高云量的增多而增加。
空间分布上(图略),各站净长波辐射与总云量、低中云量、高云量之间多呈现显著正相关。
出现这种现象的原因是:
由于云的存在以及云量的增加,大气逆辐射得到加强,使得地面有效辐射显著减小,净长波辐射显著增加。
可见,在长波辐射起主要作用的夜间,云的存在以及云量的增加无疑会对日最低气温起到一定的保暖作用。
这样就可以解释为何中国东部范围内北方大部分地区的日最低气温会随着总云量、低中云量、高云量的增加而显著上升,却无法解释为何南方会出现日最低气温随云量增加而下降的现象。
以往有研究认为,云对夜间温度的变化可能不是一个重要因子[21],而人类活动排放温室气体及气溶胶颗粒所产生的影响恐怕会更为重要[7,22]。
但上述解释并不适用于本研究,因为我们可以看到,云量与日最低气温的关系并非随机分布,而是北方普遍呈现正相关,南方大多呈现负相关,而且无论北方的正相关还是南方的负相关,云量与日最低气温之间的统计关系一般都能达到5%信度水平。
也有研究认为[23],云量与日最低气温之间出现负相关的原因在于:
白天云量增加使得地面得到的热量显著减少,这从根本上决定了夜间其对大气加热的能力显著下降,从而造成日最低温度的降低,而夜间云的温室效应带来的正相关影响相对较小。
但这也无法解释南北的差异。
因此,云量与日最低气温之间的物理机制可能比较复杂,仍需进一步的深入研究。
4.6云量与净辐射
云量与净辐射之间存在非常显著的负相关,总云量每增加一成,净辐射减少121.83W/m2;低中云量每增加一成,净辐射减少157.34W/m2;高云量每增加一成,净辐射减少73.43W/m2;均达到0.1%信度水平。
一般来说,净辐射在有云的情况下比在晴空时小,而且,云量越多净辐射越小。
总体上(图略),净辐射随着总云量、低中云量、高云量增多而减少。
空间上(图略),中国东部地区的净辐射普遍与总云量、低中云量、高云量之间存在显著负相关。
理论上讲,净辐射的变化决定着日平均气温的变化,这也是中国东部范围内日平均气温随着云量增多而普遍下降的原因。
5结论
通过分析中国东部夏季云量与温度、日较差,云量与辐射的关系,得到以下结论:
(1)中国东部范围内,日最高气温、日平均气温普遍随着云量增多而显著下降,这与全国、北半球乃至全球的情况一致[7,13,24,25]。
究其原因,可能是由于云量增加导致到达地面的太阳总
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 中国 东部 夏季 云量 气温 统计 关系