全球环境变化寒假作业老师吴正方全国主要城市气候特征定量分析Word格式文档下载.docx
《全球环境变化寒假作业老师吴正方全国主要城市气候特征定量分析Word格式文档下载.docx》由会员分享，可在线阅读，更多相关《全球环境变化寒假作业老师吴正方全国主要城市气候特征定量分析Word格式文档下载.docx（13页珍藏版）》请在冰豆网上搜索。
2.全国主要城市气候特征降维分析
2.1指标选取
表示地区年内天气和气候情况的气象要素有很多，包括平均气压、平均气温、降水量等等。
这些都是最基本的气象指标，而本研究选取了最主要的三类指标用于表征全国的气候，即气温、降水以及日照。
其中，为了使研究细化，我们进一步把气温分为平均最高气温、平均最低气温和平均气温；
把降水分为降水量和降水日数。
具体指标如下：
X1——平均最高气温。
平均最高气温是一段时间内逐日最高温度之平均值。
也是气候和农业气候区域的一种指标温度。
以此类推，月平均最高温度是某月内逐日最高温度之平均值，年平均最高温度是某年内逐月最高温度之平均值。
X2——平均气温。
指某一段时间内，各次观测的气温值的算术平均值。
根据计算时间长短不同，可有某日平均气温、某月平均气温和某年平均气温等。
通常通过气温的平均情况来表达气温一天的状况，这就是平均气温。
本研究采用了月平均气温和年平均气温这两个指标。
月平均气温是某一月的多日平均气温的平均值；
年平均气温是将今年的多日平均气温（或多月平均气温）的平均值。
X3——平均最低气温。
某段时间内，各次观测的最低气温的平均值，是气候分析中常用的一种温度指标。
最低温低于0℃，就可能出现冰冻现象。
可有某日平均最低气温、某月平均最低气温和某年平均最低气温等。
本研究选用了月平均气温和年平均气温作为指标。
X4——平均日照。
平均日照指某地区某段时间内的日照时间的平均值。
该数据可用于反映该地区的日照情况，光能资源是否丰富，从而决定在该地区安放太阳能发电战的意义。
对于能源缺乏的我国有着重要意义。
包括月平均日照和年平均日照。
X5——降水量。
降水量是衡量一个地区降水多少的数据。
降水量是从天空降落到地面上的液态或固态（经融化后）水，未经蒸发、渗透、流失，而在水平面上积聚的深度。
降水量以mm为单位，气象观测中取一位小数。
降水量一般用雨量筒测定。
月降水量就是某月内每天的降水量的总和，表示了某地区该月的降水多少。
年降水量是某年内月降水量的总和，表示年降水的多少。
X6——降水日数。
降水日数是指观测有降水的日子的总和。
一个降水日所必需测到的最小降水量一般定为0.1毫米，降水日数按月或年统计。
本研究同时采用了月降水日数和年降水日数。
2.2指标间的相关分析
利用SPSS软件对原始数据做标准化处理，然后计算得出各指标之间的相关系数矩阵，其结果见表1
表1相关系数矩阵
TableThecorrelatedmatrix10indices
相关系数矩阵
相关
年平均最高气温（X1）
年平均气温（X2）
年平均最低气温（X3）
平均日照H（X4）
年降水量mm（X5）
年降水日数（X6）
1
0.987
0.968
-0.686
0.791
0.719
0.996
-0.756
0.853
0.762
-0.798
0.88
0.788
-0.757
-0.813
0.899
从表中可以看出，
①X1（年平均最高气温）与X2（年平均气温），X3（年平均最低气温）与X1（年平均最高气温）、X2（年平均气温）之间；
②X5（年降水量）与X2（年平均气温）、X3（年平均最低气温）之间；
③X6（年降水日数）与X5（年降水量）之间，都存在着明显的正相关关系。
定性地说，年平均最低气温越高，年平均气温就越高，年最高气温也就越高；
年平均气温较高，在某种程度上，会使地区蒸发大，水汽多，降水也相应比较多；
年降水日数少，也在某种程度上说明该地区降水量相对于降水日数多的地方少。
④X4（平均日照）与X6（年降水日数）之间，则刚刚相反，存在着较大的负相关关系。
年降水日数越多，说明阴雨天越多，也就使日照越少。
2.3主成分贡献率及其主成分载荷分析
通过SPSS软件计算得到主成分特征值、贡献率、累积贡献率（如表2所示）。
由表2可知，第一个主成分的累积贡献率已达86.003%（理论上达85%即可），所以选取第一个主成分，就可以综合代表6个指标所反映的气候特征。
表2主成分特征值、贡献率和累积贡献率
Table2Theeigenvalue,contributionrateand
accumulativecontributionraeofPC
成分
特征值
贡献率%
累积贡献率%
5.160
86.003
2
.491
8.176
94.180
3
.255
4.250
98.430
4
.088
1.463
99.893
5
.006
.105
99.998
6
.000
.002
100.000
主成分载荷矩阵（表3）表明，该唯一的主成分在X1（年平均最高气温）、X2（年平均气温）、X3（年平均最低气温）、X5（年降雨量）、X6（年降水日数）具有极大的正载荷（0.930、0.966、0.979、0.931、0.893），这五个指标中，前四个与第一主成分相关极其密切，最后一个则相对密切度弱一点，但是仍然相关度很大。
另外，该主成分与X4（平均日照）存在较大的负载荷（-0.860），理论上认为，日照时间直接与大气的削弱作用呈负相关关系，大气削弱作用与云量多少又存在着密切的关系，而若降水多，则云量也大。
可以说X1（年平均最高气温）、X2（年平均气温）、X3（年平均最低气温）均反映的是气温方面的情况，X4（平均日照）、X5（年降雨量）、X6（年降水日数）则反映的是降水的情况。
推知，第一主成分，在某种程度上表示地区的湿热程度，在这个主成分上得分越高，说明该地区气候条件越湿热。
表3主成分载荷矩阵
Table3TheloadmatrixofPCA
年平均最高气温
.930
年平均气温
.966
年平均最低气温
.979
平均日照H
-.860
年降水量mm
.931
年降水日数
.893
2.4全国主要城市主成分得分评价与分析
计算各城市在这个唯一主成分上的得分，如果一个区域在某一主成分上的得分为正，则说明这一区域的该主成分在平均水平之上；
反之，得分为负则说明在平均水平以下。
另外，也可以按照各个主成分的贡献率，定义综合主成分得分（综合主成分得分=第一主成分得分*第一主成分的贡献率86.003%），但由于本次研究只计算出一个主成分，因此综合主成分得分的排名情况与第一主成分的排名情况相同。
中国主要城市主成分得分及排名，具体见表4。
由表可知，主成分得分排名前五的城市分别是香港、广州、海口、南宁、南昌。
前面也已经分析过，主成分得分越高，说明该地区的湿热程度越高。
而这几个城市中，海口位于中国最南端的省份——海南，和广州、南宁香港一起属于热带气候，气候特征夏季高温多雨，冬季温和少雨，降水分干湿两季。
但全年总降水量极其丰沛，加之纬度低，气候也呈现出典型的“湿热”的特点。
至于南昌，位于沿海省份江西境内，加之纬度也较低，虽然不处于热带，但海洋带来充足水汽，使当地气候特征与其他四个城市相类似。
表4全国各省综合主成分得分及排名
城市
第一主成分得分
综合主成分得分
香港
1.67606
1.441461882
广州
1.42702
1.227280011
海口
1.41775
1.219307533
南宁
1.29956
1.117660587
南昌
0.97154
0.835553546
腾冲
0.8745
0.752096235
宜昌
0.80919
0.695927676
成都
0.78175
0.672328453
上海
0.5928
0.509825784
西昌
0.52384
0.450518115
昆明
0.39409
0.338929223
西安
0.13268
0.11410878
郑州
0.05139
0.044196942
北京
-0.35929
-0.309000179
太原
-0.4763
-0.409632289
沈阳
-0.49682
-0.427280105
兰州
-0.54568
-0.46930117
拉萨
-0.74805
-0.643345442
银川
-0.87825
-0.755321348
吐鲁番
-1.02333
-0.8800945
酒泉
-1.09978
-0.945843793
哈尔滨
-1.13633
-0.97727789
乌鲁木齐
-1.22529
-1.053786159
呼和浩特
-1.41451
-1.216521035
漠河
-1.54857
-1.331816657
Table4ThescoresandpositionoftheoverallPACbetweendifferentprovinces
表中主成分得分大于0的城市，说明其湿热程度大于平均水平。
香港、广州、海口、南宁、南昌、腾冲、宜昌、成都、上海、西昌、昆明、西安、郑州这13个观察点城市的主成分得分均大于0，而这些城市除了郑州、西安之外，都在长江及其以南地区。
而郑州、西安位于河南、陕西，属于温带季风性气候，其湿热程度小于长江以南的城市，但是也高于主成分得分小于0的那些城市。
主成分得分小于0的城市，说明其湿热程度较低，气候偏向于干、冷的特点。
北京、太原、沈阳、兰州、拉萨、银川、吐鲁番、酒泉、哈尔滨、乌鲁木齐、呼和浩特、漠河这12个采样点城市，其纬度相对上文中的城市来说相对较高，有的海拔较高，因此气温较低。
兰州、银川、吐鲁番、酒泉、乌鲁木齐、呼和浩特等城市由于深处内陆、远离海洋、水汽较少，大陆性明显，气候比较干旱。
漠河、哈尔滨等城市，则属于典型的纬度较高，接收太阳辐射少，气温低的城市。
3.全国主要城市气候特征聚类分析
系统聚类分析方法是定量地研究地理事物分类问题和地理分区问题的重要方法。
因此我们采用系统聚类分析方法对中国主要城市气候特征的区域相似性和差异性作综合和系统的分析。
3.1基于欧氏距离的聚类计算
首先采用标准差标准化方法对主成分得分的数据进行处理；
然后采用平方Euclidean距离测量样本间距离；
最后计算出四种系统聚类分析方法的结果，通过比较选出最邻近元素的方法计算距离并对样本进行分类，从而得到全国经济发展水平的区域谱系图（见下图）
3.2全国主要城市气候特征相似性和差异性分析
当类间距取1.6（谱系图中第一条长竖虚线线所示）和2.5（谱系图中第二条长竖粗线所示）时，可以将25个观察点划分为三个类和五个亚类。
第一类：
哈尔滨、拉萨、太原、漠河、兰州、北京、西安、沈阳、郑州、银川、乌鲁木齐、呼和浩特、酒泉、吐鲁番为一类。
在这一大类下面只有一个亚
类，即哈尔滨、拉萨、太原、漠河、兰州、北京、西安、沈阳、郑州、银川、乌鲁木齐、呼和浩特、酒泉、吐鲁番这14个城市本身。
这14个城市，在纬度上，都位于秦岭-淮河一线以北，位于我国的温带地区，气温较南方低，特别是哈尔滨、漠河等地区。
在经度上，部分城市位于中国内陆的中西部，受海洋水汽影响小，气候干旱，特别是兰州、西安、银川、乌鲁木齐、呼和浩特、酒泉、吐鲁番等地区。
在垂直高度上，有部分城市处于海拔较高的位置，气温低，但日照多，如日光城拉萨。
这一类城市，其湿热水平低，在主成分得分上大部分表现为小于0，气候特征以干、冷为主。
第二类：
上海、宜昌、西昌、昆明、成都、腾冲、南昌、海口、广州、南宁为一类。
在这一大类中，可以分为三个亚类。
其中，上海、宜昌、西昌、昆明、成都为一亚类；
腾冲、南昌、海口、广州为一亚类；
南宁自成一亚类。
这三个亚类中，从第一亚类湿热程度最低，其次是最后一个亚类，湿热程度最高的是第二个亚类，即海口、广州、腾冲、南昌这个亚类。
第一亚类中的上海、宜昌、西昌、昆明、成都等城市，均位于长江极其以南地区，纬度较低，温度较高，属于亚热带气候。
而第二亚类和第三亚类，例如南宁、海口、广州等城市，纬度比第一亚类更低，气温更高，濒临海洋，降水也极其丰沛，因此湿热程度非常高。
第三类：
香港。
而且香港在这一类中，自成一亚类。
其湿热水平，高于第二类。
由数据分析结果可知，香港的综合主成分得分相对其他的城市来说极高，排名第一。
在本次采集的数据中，香港的平均最低气温就有20多摄氏度，且年平均总降水量竟然大于2000mm，其湿热程度可见一斑。
香港的温度很低，又濒临海洋，水汽也非常丰富，气候极其温暖湿润。
这也是把它从第二类中分离出来的原因。
4.主要站点气候特征比较
在聚类分析的基础上，我提取出每个类别中比较典型的站点，一共选择个站点，即哈尔滨、银川、上海、广州以及香港，对它们的气温和降水做出比较图，如下。
4.1气温比较
根据原始数据，制作出这五个城市的平均最高气温、平均气温和平均最低气温比较图。
由图不难分析出：
①这三张图的整体分布规律是完全一致的，只是在Y轴（温度轴）上有一定距离的平移。
温度由高到低顺次平行排列，分别是香港、广州、上海、银川、哈尔滨。
其中有一处例外，在平均最高温度比较图中，广州的温度在盛夏甚至超过了香港。
这是因为香港和广州虽然都是沿海城市，但是广州濒临的是一个海湾，而香港直接濒临我国的南海，换言之，香港的海洋性相对于广州来说更强，所以，最高温也就没有广州高；
上海的温度情况则不想同，上海每到盛夏时节，其温度则骤然上升，甚至与香港、广州相同。
②每个城市的温度曲线都为单峰曲线，只有一个峰值，均出现在7月。
③就温度变化来说，一年中，温度变化幅度最大的是哈尔滨，由北向南依次递减，温度变幅最小的是香港。
④由三幅图综合，可看出，哈尔滨和银川的温度曲线最为接近，也可间接验证上文聚类分析中，哈尔滨与银川为一类的分析结果。
4.2降水比较
根据原始数据，制作出这五个城市的降水量以及降水日数的比较图，如图。
降水量的多寡顺序基本上维持由南到北逐渐递减的，香港最多，银川最少。
但是不再像温度图那样平行，具体分析如下：
降水量与降水日数的时空分布规律基本一致、略有不同：
哈尔滨、香港、银川这三个
城市的降水量和降水日数都是夏季多，冬季少。
而广州和上海则不同，这两所城市的降水量和降水日数在7、8月份都有所减少，在秋季才有所回升，其中广州的降水量和降雨日数峰值均位于春季。
上海的降水量峰值在六月份和九月份，降雨日数峰值也和广州一样在春季。
出现这种差异的原因是：
①广州为华南地区，副高以北的雨带到达华南是正值春季。
因此我们可以看见同样位于华南的香港，其降水量在春季几乎接近直线上升，在夏季（7月份）反而有所下降。
②上海位于长江中下游平原，雨带在6月份到达这里，形成“梅雨”季节，阴雨连绵，降水日数和降水量均很多。
副高在7、8月份到达此区，在当地形成“伏旱”的天气，高温干燥。
因此在夏季，上海的降水量和降水日数都急剧减少。
正是由于降水有这样的特点，因此在聚类分析中，上海和广州被分在了同一大类。
5.结论
通过主成分分析将选用的用于分析全国主要城市气候特征的6个指标，“降维”成了1个综合的、独立的的主成分，避免了6个斜交的、相关的指标在分析问题上造成的偏差。
这个主成分的累积贡献率达到了86.003%；
由主成分载荷可知X1（平均最高气温）、X2（平均气温）、X3（平均最低气温）、X5（年降水量）对气候特征的湿热程度影响突出；
各主成分得分和综合主成分得分清楚地反映了全国各地区在综合湿热程度上的差异和特点。
在主成分分析气候特征的相似性和差异性，对它们进行了分型划类。
由最后的分析结果和折线图比较可知，该谱系图的结论与现实一致，说明这种方法能很好地反映现实状况，准确可靠。
参考文献
[1]丁一汇.中国气候[M]，北京:
科学出版社,2013.
[2]杨令宾.计量地理学[M]，长春:
吉林人民出版社,2005.101-112，135-148.
[3]王民.地理[M]，北京:
中国地图出版社,2004.
Quantitativeanalysisofthemajorcities’climatecharacteristicsinChina
LiYi1WuZhengfang2
（1.CollegeofGeographicScience,NortheastNormalUniversity,ChangchunChina130024;
2.CollegeofGeographicScience,NortheastNormalUniversity,ChangchunChina130024）
Abstract:
6indicesincludingtheaveragehighesttemperature,theaveragetemperature,theaverageminimumtemperature,theaveragetimeofsunshine,theamountofprecipitationanddaysofrainfallof25citiesinChinafrom1960to1990werefirstlyselectedtoanalyzetheprincipalcomponentsusingSPSS;
Then,basingontheresultofprincipalcomponentanalysis（PCA）,thesystemicclusteranalysismethodwasusedtoproductthepedigreemap.Accordingtothepedigreemap,thecomparabilitiesanddifferencesofclimatecharacteristicsbetweendifferentplacewereexplored.Finally,choosingtypicalurban’sclimateindextomakeacomparison,andverifyingtheresultofclusteranalysis.TheresultssuggestthattheintegrationofPCAandsystemicclusteranalysisisuseful,scientificandauthentictoanalyzetheclimatecharacteristicsinChina.
Keywords:
climatecharacteristics;
principalcompositionanalysis;
clusteranalysis;
comparison.
升级会员 