极端天气事件与全球变暖的矛盾及相关性研究

河南科技

HenanScienceandTechnology

地球与环境

极端天气事件与全球变暖的矛盾及相关性研究

刘建霞1

李洪轩2

王奕博2焦洋洋2

（1.南京大学信息管理学院，江苏南京

210023；2.武汉大学经济与管理学院，湖北武汉430000）

摘

son和Spearman相关系数分析法以及SPSS回归方法探究极端天气事件的出现与全球气候变化的相关性，发现全球气温变暖与极端天气现象存在显著的正相关关系，两个现象并不矛盾，可以并存。关键词：极端天气；全球变暖；相关性中图分类号：S162

文献标识码：A

文章编号：1003-5168（2020）02-0150-03

要：极寒天气是一种特殊天气现象，研究这种极端气象与全球变暖的相关性有重要意义。本文通过Pear⁃

ResearchontheContradictionandCorrelationBetweenExtreme

LIUJianxia1LIHongxuan2

WeatherEventsandGlobalWarming

WANGYibo2

WuhanUniversity，WuhanHubei430000）

（1.SchoolofInformationManagement,NanjingUniversity，NanjingJiangsu210023；2.SchoolofEconomicsandManagement,

JIAOYangyang2

Abstract:Extremecoldweatherisaspecialweatherphenomenon,anditisimportanttostudythecorrelationbe⁃tweenthisextremeweatherandglobalwarming.ThispaperusedPearsonandSpearmancorrelationcoefficientanaly⁃sisandSPSSregressionmethodtoexplorethecorrelationbetweentheoccurrenceofextremeweathereventsandglob⁃alclimatechange,foundthattherewasasignificantpositivecorrelationbetweenglobalwarmingandextremeweatherphenomena,thetwophenomenawerenotcontradictoryandcouldcoexist.Keywords:extremeweather；globalwarming；correlation近年来，全球变暖日益明显，环境问题受到全球关注［1］。人类的生存活动需要消耗石油、煤炭、天然气等化石燃料，其间产生大量的二氧化碳、甲烷等温室气体。大量温室气体排放会导致温室效应，使得全球气候变暖。当前，全球频繁出现极端天气，人们需要深入研究极端天气和全球变暖的关系。

1

研究方法

减小，则存在负相关关系。常用的相关性分析主要有图表分析法、皮尔逊（Pearson）相关系数、斯皮尔曼（Spear⁃man）相关系数等。

图表分析法是最常见也是最简单的相关性分析方

法，主要是对两个变量之间的数据进行可视化处理，简单来说就是绘制图表。单纯从数据角度很难发现其中的趋势和联系，而将数据点绘制成图表后，趋势和联系就会变得清晰起来。

Pearson相关系数（常用r表示）主要用于度量两个变

相关性分析是一种统计评估方法，用于研究两个变量之间的关系强度［2］。当想要确定变量之间是否存在联系时，这种特殊类型的分析是有用的。如果两个变量之间存在相关性，当一个变量发生系统性变化时，另一个变量也会发生系统性变化，这些变量在一段时间内一起变化。如果发现二者存在相关性，测量值可以是正的，也可以是负的。如果一个变量与另一个变量同时增加，则存在正相关关系。如果一个变量随着另一个变量的增大而

收稿日期：2019-12-06

作者简介：刘建霞（1992—），女，博士，研究方向：信息管理。

量X和Y之间的相关程度（线性相关），生成的Pearson相关系数分布于［-1，1］区间［3］。在自然科学领域，该系数

广泛用于度量两个变量之间的线性相关程度。两个变量之间的Pearson相关系数ρX,Y可以表示为：

cov(X,Y)E[(X-μX)(Y-μY)]ρX,Y==

ρXρYρXρY

（1）

cov(X,Y)为变量X和Y的协方差；ρX、ρY为式中，

第02期

极端天气事件与全球变暖的矛盾及相关性研究

·151·

变量X和Y的标准差；μX、μY为变量X和Y的期望值。

估算样本的协方差和标准差，可得到样本相关系数r（样本Pearson系数）。

r=

ˉ)(Y-Yˉ)∑(X-X

n

i

i

i=1

ni=1

气溶胶颗粒进入平流层，它们可能在平流层停留数月至数年，影响地表的太阳辐射。温室气体可以吸收红外辐射，影响地球表面温度。气溶胶可以吸收和散射红外辐射，影响云的光学和微物理性。

ˉ)∑(X-X

n

i

i=1

ˉ)(Yi-Yˉ)为样本X、Y的协方差；式中，∑(Xi-X

ni=12

ˉ)2

∑(Xi-X

ni=1ˉ)2

∑(Yi-Y

（2）

气候变化主要有两大表现，一是平均气温升高，二是极端天气增加［8-10］。而温室气体浓度升高，对全球气候变化影响极大。由于流层气溶胶和土地利用变化的不同，其强迫作用可能发生于局部区域，造成某些地区出现极端天气。气候变暖是全球气候变化趋势，极端天气是部分区域的天气变化。地球环境复杂，处于动态变化中，各个区域互相影响。全球气候变暖肯定会影响区域天气。本文统计了近50年美国极端天气发生频次，研究了极端天气发生频次与近50年全球气温变化的关系，并进行相关性分析。

极端天气影响广泛，某些极端天气（如热浪、干旱和强降水）在过去半个世纪变得更加普遍和严重。随着温室气体浓度的上升，极端天气出现频率会进一步上升［11-15］。本研究统计了美国近20年经济损失超过10亿美元的极端天气发生次数和类型，这些极端天气主要包括龙卷风、强雷暴、冰雹、飓风、洪水、森林野火、冬季风暴，如图1所示。

2.1

Pearson相关系数分析

们可以得到与式（2）等价的公式，即

nˉYi-YˉXi-X1r=()()

σXσYn-1∑i=1

r可以由(Xi,Yi)样本点的标准分数均值估算得出，人

ˉ)2为变量X和Y的标准差。、∑(Yi-Y

ni=1

ˉYi-YˉX-Xˉ、ˉ为样本X、式中，、为Y的平均值；iXY

σXσY

（3）

Y的标准分数；σX、σY为样本X、Y的标准差。样本X、

指标。它利用单调方程评价两个统计变量的相关性［4］。如果数据中没有重复值，且两个变量完全单调相关，Spearman相关系数为1或-1。Spearman相关系数被定义成等级变量之间的Pearson相关系数。对于样本容量为nn个原始数据Xi、Yi被转换成等级数据xi、yi，的样本，

Spearman相关系数是衡量两个变量依赖性的无母数

本文采用Pearson相关分析法，对全球平均气温和美国极端天气发生次数进行相关性分析。结果发现，全球平均气温和极端天气次数的相关系数ρ为0.578，二者呈显著正相关。

2.2

相关系数ρ为：

ρ=

原始数据依据其在总体数据中平均的降序位置，被分配了一个相应的等级。

Spearman相关系数表明X（独立变量）和Y（依赖变

ˉ)ˉ)(y-y∑(x-x

ˉ)ˉ)(y-y∑(x-x

i

i

i

i

i

2

i

2

（4）

笔者运用Spearman相关分析法对美国极端天气和全球气温变化进行相关性分析。结果表明，全球平均气温和极端天气次数的相关系数ρ为0.505，二者存在显著的正相关关系。

Pearson和Spearman相关系数分析表明，全球气温变3

全球变暖与局部地区极寒天气的矛盾分析

Spearman相关系数分析

Y趋于增加，量）的相关方向。当X增加时，则SpearmanY趋于减少，相关系数为正。当X增加时，则Spearman

相关系数为负。Spearman相关系数为0表明，当X增加Y没有任何趋向性。当X和Y越来越接近完全的单时，

暖与极端天气存在密切联系，呈显著的正相关。

调相关时，Spearman相关系数会在绝对值上增加。当X和Y完全单调相关时，Spearman相关系数的绝对值为1。完全的单调递增关系意味着任意两对数据Xi,Yi和Xj,Yj，有Xi-Yi和Xj-Yj总是同号。完全的单调递减关

本文采用加拿大国家气候数据门户网站的极寒天气数据，引用了加拿大各省份自1950年至今的极寒天气发生次数（加拿大国家气象局将极寒天气定义为低于-30℃的天气）。本研究利用SPSS回归分析方法，对加拿大极寒天气发生次数与全球平均气温、加拿大平均气温的关系进行回归处理。结果表明，加拿大极寒天气发生次数与加拿大平均气温的相关系数ρ为-81.946，呈显著负相关；加拿大极寒天气发生次数与全球平均气温的相关系数ρ为-6.103，同样呈负相关。

回归分析结果表明，加拿大平均温度与加拿大极寒天气次数呈显著负相关，全球平均温度与极寒天气呈现

系意味着任意两对数据Xi,Yi和Xj,Yj有Xi-Yi和Xj-Yj总是异号。

2

极端天气与气候变化的相关性分析

气候的变化是由许多人为因素和自然因素造成的［5-7］。主要人为因素包括大气温室气体、人类活动污染排放造成的对流层气溶胶增多、土地利用变化（如地球森林面积减少）。主要自然作用力是火山爆发，可能导致小

·152·

极端天气事件与全球变暖的矛盾及相关性研究

第02期

龙卷风、雷暴、冰雹飓风洪水森林火灾雪灾148127106856443221AVG:7.0714.36 AVG11图12000—2019年美国经济损失超10亿美元的极端天气事件分布

［5］姚望玲，陈正洪，向玉春.武汉市气候变暖与极端天气事件变化的归因分析［J］.气象，2010（11）：88-94.

［6］杨淑萍，赵光平，马力文，等.气候变暖对宁夏气候和极端天气事件的影响及防御对策［J］.中国沙漠，2007（6）：1072-1076.

［7］翟盘茂，刘静.气候变暖背景下的极端天气气候事件与防灾减灾［J］.中国工程科学，2012（9）：55-63.

［8］齐庆华，蔡榕硕.全球变化下中国大陆东部气温和降水的极端特性与气候特征分析［C］//第35届中国气象学会年会.2018.

［9］张忠训.全球变暖下重庆主城区极端天气气候与灾害研究［D］.重庆：西南大学，2012.

［10］杨霞，赵逸舟，李圆圆，等.乌鲁木齐极端天气事件及其与区域气候变化的联系［J］.干旱区地理，2009（6）：867-873.

［11］张胜平，张鑫，王海军，等.气候变化对山东降水及极端天气气候事件的影响分析［J］.水文，2011（4）：64-67.

［12］任国玉，陈峪.全球变暖与中国极端气候事件变化［J］.科学，2010（5）：30-33.

［13］张可慧.全球气候变暖对京津冀地区极端天气气候事件的影响及防灾减灾对策［J］.干旱区资源与环境，2011（10）：125-128.

［14］汪宝龙.1960—2009年新疆极端气温和降水事件的变化研究［D］.兰州：西北师范大学，2013.

［15］陈思蓉.我国强天气时空分布特征及极端事件动力诊断研究［D］.南京：南京信息工程大学，2008.

弱负相关。负相关说明平均温度越高，极寒天气次数越少。需要注意的是，加拿大平均温度是算术平均值，没有考虑权重，削减了个别月份气温异常偏低的影响，而放大

了部分月份气温异常偏高的影响。

从统计学上说，全球变暖和某些地区的极寒天气有一定关系，二者呈负相关是有原因的，说明全球变暖和局部地区出现极寒天气并不矛盾，可以并存。

4

结语

本文以全球变暖为背景，运用Pearson相关系数分析法、Spearman相关系数分析法和Spss回归方法，重点分析了极端天气与全球气候变化的相关性。结果表明，全球气温变暖与极端天气存在显著的正相关关系，两者并不矛盾，可以并存。

参考文献：

［1］游洪南，李丽华.浅议全球变暖对北极的影响［J］.科技视界，2019（26）：70-71.

［2］张丽，徐朋飞，吴义红，等.1961—2018年安庆市气候变化及其与厄尔尼诺/拉尼娜的相关性分析［J］.安徽农学通报，2019（22）：149-153.

［3］覃爱基.具有统计相关的皮尔逊三型随机变量和（或差）的偏差系数计算公式［J］.人民长江，1981（2）：13-21.

［4］苏丽敏，何慧爽.基于区间数的Spearman秩相关系数的多属性决策方法［J］.统计与决策，2019（6）：51-53.