雷陽(yáng)，王紅賓，魯同所,2*，胡婧，衛(wèi)東

(1 西藏大學(xué)理學(xué)院，西藏 拉薩 850000;2 中國(guó)科學(xué)院上海應(yīng)用物理研究所，上海，201800；3 拉薩市氣象局，西藏 拉薩 850000)

由國(guó)家高能物理研究所牽頭，國(guó)家天文臺(tái)、上海微系統(tǒng)與信息技術(shù)研究所、國(guó)家天文臺(tái)獅泉河觀測(cè)站、中國(guó)科學(xué)技術(shù)大學(xué)、西藏大學(xué)等單位參與建設(shè)，中國(guó)科學(xué)院、國(guó)家自然科學(xué)基金委、科技部等部門提供資金支持的“阿里原初引力波探測(cè)計(jì)劃”(AliCPT)于2017年3月正式啟動(dòng)。其中，阿里1號(hào)(AliCPT-1)目標(biāo)是在中國(guó)西藏阿里地區(qū)5250 m處建設(shè)CMB偏振望遠(yuǎn)鏡，實(shí)現(xiàn)北天區(qū)原初引力波的精確測(cè)量,不同于LIGO探測(cè)到的天體物理引力波，原初引力波蘊(yùn)含著宇宙起源和演化的豐富物理信息，對(duì)檢驗(yàn)暴脹模型、反彈、循環(huán)等宇宙早期理論及CPT定理等意義重大。而探測(cè)原初引力波的最佳手段是測(cè)量宇宙微波背景輻射(CMB)B模式的偏振。該址位于阿里天文臺(tái)(圖1)B1點(diǎn)，海拔高、大氣稀薄、水汽含量低，同時(shí)，地處北半球中緯度，可觀測(cè)天區(qū)達(dá)70%，覆蓋了北天區(qū)低前景污染區(qū)域?；ㄔO(shè)施完善，毗鄰昆莎機(jī)場(chǎng)以及阿里地區(qū)首府獅泉河鎮(zhèn)，交通、生活便利，是北半球原初引力波探測(cè)的最佳臺(tái)址。項(xiàng)目建成后，將與南極極點(diǎn)觀測(cè)站、智利阿塔卡瑪沙漠觀測(cè)站[1-2]一起，成為國(guó)際原初引力波探測(cè)的三大基地，亦是國(guó)際上最靈敏的觀測(cè)站之一。AliCPT-2計(jì)劃在海拔6 000 m以上地點(diǎn)建設(shè)望遠(yuǎn)鏡陣列，可進(jìn)一步拓展觀測(cè)頻段，提高觀測(cè)精度。

圖1 阿里天文臺(tái)全景圖

本文主要依托“阿里原初引力波探測(cè)計(jì)劃”，基于AliCPT-2候選站點(diǎn)附近海拔5300 m的山腰上搭建的設(shè)備所取得的觀測(cè)數(shù)據(jù)，通過(guò)不同算法來(lái)分析研究阿里地區(qū)氣溫變化趨勢(shì)和氣溫突變情況，希望初步了解阿里地區(qū)氣溫變化特征及演變趨勢(shì)，因?yàn)闇囟鹊淖兓瘯?huì)影響信號(hào)的輸出效率(信噪比、探測(cè)器靈敏度)，極低溫度(-30 ℃以下)還有可能會(huì)造成某些設(shè)備工作狀態(tài)異常。阿里地區(qū)地處青藏高原北部羌塘高原核心地帶，號(hào)稱“千山之巔、萬(wàn)川之源”，海拔較高、人煙稀少、自然環(huán)境惡劣、觀測(cè)站點(diǎn)也少，相關(guān)數(shù)據(jù)缺失嚴(yán)重。本研究可以填補(bǔ)阿里地區(qū)在該領(lǐng)域研究的空白；其次，項(xiàng)目前期可以某種程度上指導(dǎo)系統(tǒng)硬件設(shè)計(jì)、材料選取等，后期可以為設(shè)備系統(tǒng)檢查維護(hù)、數(shù)據(jù)分析處理提供新思路和方向，為AliCPT順利高效運(yùn)行奠定基礎(chǔ)。隨著數(shù)據(jù)的累積和更深入的研究，希望為阿里地區(qū)居民、援藏職工、項(xiàng)目施工人員和科研工作者很好地適應(yīng)當(dāng)?shù)厣姝h(huán)境提供一定幫助，也可為決策部門建立高溫和低溫預(yù)警機(jī)制、保護(hù)相應(yīng)人群、制定公共衛(wèi)生措施提供參考，促成“阿里原初引力波探測(cè)計(jì)劃”取得成功。

1 設(shè)備狀況及數(shù)據(jù)來(lái)源

項(xiàng)目選用美國(guó)GRWS 100型自動(dòng)氣象觀測(cè)設(shè)備，2017年6月22日該設(shè)備運(yùn)抵拉薩，7月中旬完成設(shè)備安裝、調(diào)試，設(shè)備外觀完好、數(shù)據(jù)可以本地存儲(chǔ)和遠(yuǎn)程傳輸、軟件工作正常，數(shù)據(jù)完整、格式無(wú)差錯(cuò)。按照阿里項(xiàng)目進(jìn)度安排，于2017年7月將自動(dòng)氣象觀測(cè)設(shè)備架設(shè)在小孜達(dá)板附近海拔5 300 m處的山腰上，收集到2018年3月19日至2019年4月19日較為完整的數(shù)據(jù)。

2 研究方法

2.1 趨勢(shì)系數(shù)法

采用趨勢(shì)系數(shù)法來(lái)研究氣候因子在長(zhǎng)時(shí)間的變化過(guò)程中升降的趨勢(shì)。

一元線性回歸方程:

(1)

線性回歸系數(shù)：

(2)

常數(shù)：

(3)

相關(guān)系數(shù)：

(4)

其中，yi為樣本量為n的某一氣候要素(氣溫)變量，用xi表示yi所對(duì)應(yīng)的時(shí)間序列，a為常數(shù)，b為線性回歸系數(shù)，變量xi和yi的相關(guān)系數(shù)R叫做趨勢(shì)系數(shù)。而線性回歸系數(shù)b的符號(hào)表示氣候變量的趨勢(shì)傾向：b>0表示因y隨時(shí)間x的變化呈現(xiàn)出上升趨勢(shì)；b<0則表示呈現(xiàn)下降的趨勢(shì)；上升或者下降的速率用b值的大小來(lái)體現(xiàn)。趨勢(shì)系數(shù)表示變量與時(shí)間之間的關(guān)聯(lián)程度，它消除了溫度的均方差對(duì)線性回歸系數(shù)大小的影響，可以用于研究不同區(qū)域位置溫度之間長(zhǎng)期的變化趨勢(shì)。然而，溫度有可能隨時(shí)發(fā)生變化，所以在分析時(shí)次氣溫變化趨勢(shì)時(shí)，選取線性方程對(duì)序列變量進(jìn)行擬合，對(duì)于變化趨勢(shì)的顯著性，采用時(shí)間序列x與原序列變量y之間的相關(guān)系數(shù)進(jìn)行顯著性檢驗(yàn)(α=0.05)，因此只有計(jì)算出的趨勢(shì)系數(shù)等于或大于統(tǒng)計(jì)的顯著性標(biāo)準(zhǔn)時(shí)，這種變化才被認(rèn)為是一種超過(guò)了自然變化率的氣候異常變化。

2.2 距平與累積距平[3]

距平是一種常用分析方法，主要是用來(lái)確定某個(gè)時(shí)段的數(shù)據(jù)相對(duì)于該數(shù)據(jù)樣本長(zhǎng)期平均值的高低。計(jì)算公式為：

(5)

累積距平是判斷某一氣候要素變化趨勢(shì)的方法，計(jì)算公式為：

(6)

2.3 Mann-Kendall突變檢驗(yàn)法

Mann-Kendall是一種簡(jiǎn)便有效的非參數(shù)統(tǒng)計(jì)檢驗(yàn)法[4-5]，是世界氣象組織推薦的應(yīng)用于環(huán)境數(shù)據(jù)時(shí)間序列趨勢(shì)分析的方法，其優(yōu)點(diǎn)是樣本不需要遵從一定的分布，同時(shí)少數(shù)異常值也不影響檢驗(yàn)結(jié)果，方便于計(jì)算。

2.4 R/S分析法

R/S分析法最早由英國(guó)水文學(xué)家Hurts提出，又被稱之為重標(biāo)極差分析法，是一種非參數(shù)分析方法。最早使用于水文研究中，一般通過(guò)R/S分析法計(jì)算Hurts系數(shù)值，在雙對(duì)數(shù)圖上由最小二乘法擬合得出Hurts指數(shù)[6]。H為Hurts指數(shù)，存在以下3種情況：

當(dāng)0≤H<0.5時(shí)，該指數(shù)表示時(shí)間序列是反持久性的，具有比隨機(jī)序列更強(qiáng)的突變性。反應(yīng)在溫度指標(biāo)上則是溫度變化的總體趨勢(shì)與過(guò)去相反。

當(dāng)H=0.5時(shí)，該指數(shù)表示時(shí)間序列是一個(gè)隨機(jī)游動(dòng)序列，反應(yīng)在溫度指標(biāo)上則是各觀測(cè)結(jié)果之間完全獨(dú)立，溫度指標(biāo)隨機(jī)變化。

當(dāng)0.5

3 分析結(jié)果

利用趨勢(shì)系數(shù)法對(duì)各時(shí)間段日平均氣溫進(jìn)行一元線性回歸分析，得到阿里地區(qū)全年(圖2)及各季氣溫變化趨勢(shì)圖(圖3)。從圖2可知，阿里地區(qū)全年約3/4的時(shí)間氣溫低于0 ℃，最高氣溫10.30 ℃出現(xiàn)在2018年7月2日，最低氣溫-25.03 ℃出現(xiàn)在2019年1月29日，全年平均氣溫為-6.37 ℃。

圖2 阿里地區(qū)全年氣溫變化趨勢(shì)圖

由陳瀝[7]對(duì)阿里地區(qū)氣溫進(jìn)行的研究可知，改則站點(diǎn)平均氣溫變化區(qū)間為-1.46～2.36 ℃，獅泉河站點(diǎn)平均氣溫在-1.10～3.70 ℃之間變化，普蘭站點(diǎn)平均氣溫變化區(qū)間為2.00～5.70 ℃，對(duì)比發(fā)現(xiàn)自動(dòng)氣象站在觀測(cè)時(shí)段內(nèi)觀測(cè)出最低年平均氣溫(約-6.40 ℃)。根據(jù)國(guó)家氣象數(shù)據(jù)網(wǎng)的站點(diǎn)資料可知，改則站點(diǎn)代表阿里較高的東部各地區(qū)觀測(cè)場(chǎng)，站點(diǎn)設(shè)置于海拔4 414.9 m處、獅泉河站點(diǎn)代表中北部地區(qū)觀測(cè)場(chǎng)，站點(diǎn)設(shè)置于海拔4 278.6 m處、普蘭站點(diǎn)代表海拔相對(duì)低的南部地區(qū)觀測(cè)場(chǎng)，站點(diǎn)設(shè)置于海拔3 900 m處。觀測(cè)年內(nèi)最低氣溫的出現(xiàn)與氣象站所處的海拔高度密切相關(guān)，自動(dòng)氣象站全年均溫與阿里地區(qū)其他氣象站最低均溫相比最大相差約-5 ℃。這與張宇新[8]等得出氣溫與海拔都存在較明顯的負(fù)相關(guān)性，由于青藏高原的熱源作用,其氣溫垂直遞減率略小于平均值6 ℃/km的結(jié)論一致。而“阿里原初引力波探測(cè)計(jì)劃”搭建的氣象站位于海拔5 300 m的AliCPT-2觀測(cè)臺(tái)址附近，該區(qū)域代表著有人類活動(dòng)跡象的更高海拔山脊觀測(cè)場(chǎng)，因此出現(xiàn)了阿里地區(qū)年平均氣溫中的極低均溫，借此可以進(jìn)一步了解阿里地區(qū)氣溫變化特征及演變趨勢(shì)。應(yīng)用趨勢(shì)系數(shù)法擬合得到自動(dòng)氣象站觀測(cè)區(qū)域內(nèi)全年氣溫變化的一元線性回歸方程y=-0.062x+2 681.3，二者的線性相關(guān)系數(shù)能夠成功經(jīng)過(guò)α=0.05的顯著性水平檢驗(yàn)，則方程有意義?；貧w系數(shù)為負(fù)數(shù)，則表明阿里地區(qū)全年氣溫整體呈下降趨勢(shì)，就氣溫變化折線圖走勢(shì)可知，阿里地區(qū)全年中春季和夏季氣溫呈現(xiàn)波動(dòng)上升趨勢(shì)，秋季和冬季呈現(xiàn)波動(dòng)下降趨勢(shì)。由圖3顯示，阿里地區(qū)春季氣溫幾乎都處于0 ℃以下，最低氣溫-12.2 ℃出現(xiàn)在2019年3月19日，最高氣溫0.87 ℃出現(xiàn)在2018年5月13日。觀測(cè)區(qū)春季氣溫的一元線性回歸方程y=0.114x+4 932.4中線性相關(guān)系數(shù)通過(guò)了α=0.05的顯著性水平檢驗(yàn)，說(shuō)明方程有意義，且回歸系數(shù)為正數(shù)，表明阿里地區(qū)春季整體氣溫呈上升趨勢(shì)；阿里地區(qū)夏季氣溫全部處于0 ℃以上，2018年7月2日出現(xiàn)最高氣溫10.30 ℃，2019年6月18日出現(xiàn)最低氣溫0.99 ℃，夏季氣溫的一元線性回歸方程y=0.024 8x-1 067.1中線性相關(guān)系數(shù)通過(guò)了α=0.05的顯著性水平檢驗(yàn)，表明阿里地區(qū)夏季整體氣溫呈上升降趨勢(shì)；阿里地區(qū)秋季約2/3的時(shí)間氣溫處于0 ℃以下，2018年9月1日出現(xiàn)最高氣溫6.88 ℃，2019年11月7日出現(xiàn)最低氣溫-14.52 ℃，秋季氣溫的一元線性回歸方程y=-0.200 1x+8 677中線性相關(guān)系數(shù)可以通過(guò)了α=0.05的顯著性水平檢驗(yàn)，表明阿里地區(qū)秋季整體氣溫呈下降趨勢(shì)；阿里地區(qū)冬季全部氣溫處于0 ℃以下，2018年12月5日出現(xiàn)最高氣溫-9.60 ℃，2019年1月29日出現(xiàn)最低氣溫-25.03 ℃，冬季觀測(cè)時(shí)間段內(nèi)平均氣溫為-16.98 ℃，冬季氣溫的一元線性回歸方程y=-0.035 6x+1 531.8中線性相關(guān)系數(shù)通過(guò)了α=0.05的顯著性水平檢驗(yàn)，表明阿里地區(qū)冬季整體氣溫呈下降趨勢(shì)。結(jié)合季節(jié)氣溫變化趨勢(shì)圖(圖3)可知，春季氣溫變化趨勢(shì)在-12.20～0.87 ℃之間波動(dòng)，夏季在0.99～10.30 ℃之間波動(dòng)，秋季6.88～-14.52 ℃，冬季在-9.60～-25.03 ℃，季節(jié)氣溫波動(dòng)值區(qū)間與全年約有3/4時(shí)間氣溫處于0 ℃以下的結(jié)果相匹配。(2018年8月5日和11月1日數(shù)據(jù)缺失，但不影響夏秋兩季氣溫變化總體趨勢(shì)。)

如圖4所示，阿里地區(qū)年平均氣溫變化分為2個(gè)階段，2018年5—10月，總體為正距平，最大距平為16.69 ℃，出現(xiàn)在2018年7月2日，表明2018年5—10月這一階段氣溫處于偏暖時(shí)段；而2018年10月—2019年4月總體為負(fù)距平，最小距平為-18.64 ℃，出現(xiàn)在2019年1月29日，說(shuō)明2018年10月—2019年4月這一階段處于氣溫偏低時(shí)段，而全年氣溫距平總體呈現(xiàn)下降趨勢(shì)。

如圖5所示，阿里全年日均溫度累積距平呈現(xiàn)3個(gè)階段：上升階段、相對(duì)平穩(wěn)階段、下降階段，距平溫度線性圖像總體呈現(xiàn)倒“U”型。2018年4—10月呈上升趨勢(shì)，正距平占主導(dǎo)地位，氣溫處于上升時(shí)期，2018年10—12月中旬為相對(duì)平穩(wěn)階段，處于正負(fù)距平的轉(zhuǎn)折點(diǎn)，2018年12月中旬—2019年4月呈下降趨勢(shì)，負(fù)距平占主導(dǎo)地位，氣溫處于下降時(shí)期。累積距平最大值為1 422.50 ℃，出現(xiàn)在2018年10月5日。

運(yùn)用Mann-Kendall突變檢驗(yàn)法，對(duì)阿里地區(qū)全年以及春、夏、秋、冬4個(gè)季節(jié)的氣溫進(jìn)行時(shí)間序列趨勢(shì)分析與突變檢驗(yàn)，繪制出Mann-Kendall檢測(cè)曲線圖(圖6、7)。

圖6 阿里地區(qū)全年Mann-Kendall檢測(cè)曲線圖

a—春季；b—夏季；c—秋季；d—冬季。圖7 阿里地區(qū)四季Mann-Kendall檢測(cè)曲線圖

從圖6可知，阿里地區(qū)氣溫以2018年11月18日為起點(diǎn)產(chǎn)生了突變(通過(guò)了α=0.05顯著性水平的檢驗(yàn))。2018年4月1日—11月18日的平均氣溫是-0.93 ℃，2018年11月19日—2019年4月19日平均氣溫成斷崖式下降，降至-15.84 ℃，相差14.91 ℃。UF曲線從2018年4—5月中旬之間氣溫小幅度波動(dòng)，2018年5月下旬UF曲線開(kāi)始持續(xù)上升并突破α=0.05顯著性水平檢驗(yàn)的臨界線，表明氣溫上升趨勢(shì)十分顯著，9月中旬以后UF曲線持續(xù)下降在同年11月下旬突破α=0.05顯著性水平檢驗(yàn)的臨界線，表明氣溫下降趨勢(shì)十分顯著。

從圖7可以看出，春季、秋季UF和UB曲線雖有交點(diǎn)但未通過(guò)α=0.05顯著性水平的檢驗(yàn)，故春、秋兩季沒(méi)有發(fā)生氣溫突變。夏季、冬季UF和UB曲線有交點(diǎn)且通過(guò)了α=0.05顯著性水平的檢驗(yàn)，故夏、冬兩季出現(xiàn)了氣溫突變。夏季突變發(fā)生在2018年6月23日，突變前后均溫分別為3.46、5.92 ℃，冬季氣溫突變發(fā)生在2018年12月8日，突變前后均溫分別為-12.54、-17.41 ℃。氣溫突變發(fā)生在夏季、冬季，這一發(fā)現(xiàn)與丁真貢嘎[9]等得出阿里只有冬季、夏季兩個(gè)季節(jié)，其溫差普遍在25 ℃上下結(jié)論相互印證。季節(jié)氣溫的Mann-Kendall突變檢驗(yàn)結(jié)果出現(xiàn)在冬夏兩季證實(shí)了阿里地區(qū)只有冬、夏兩個(gè)季節(jié)，同時(shí)也說(shuō)明了阿里地區(qū)突變前后溫差明顯，溫度變化劇烈，且全年在冬寒與夏暖的之間交替，春、秋兩季可以視為不存在。

利用R/S分析法繪制出阿里地區(qū)全年日平均氣溫和每個(gè)季度日平均氣溫序列的Hurts指數(shù)圖(圖8、9)，可知春、夏、秋、冬四季及全年日平均氣溫的H值分別為0.89、0.84、1.03、0.70、1.08，均大于0.5，由Hurts指數(shù)所表示的含義可知，阿里地區(qū)年平均氣溫的變化具有正持續(xù)性特征，說(shuō)明項(xiàng)目觀測(cè)區(qū)未來(lái)氣溫變化的趨勢(shì)與現(xiàn)今氣溫變化的趨勢(shì)相同。秋季和全年日平均氣溫的Hurts值分別為1.03、1.08，均大于1但接近于1，說(shuō)明未來(lái)秋季與全年氣溫變化的趨勢(shì)與現(xiàn)在有很強(qiáng)的正持續(xù)性，微小數(shù)值的誤差不影響氣溫趨勢(shì)預(yù)測(cè)。

圖8 阿里地區(qū)全年氣候指標(biāo)的R/S分析結(jié)果

圖9 阿里地區(qū)四季氣候指標(biāo)的R/S分析結(jié)果

4 總結(jié)

阿里地區(qū)全年約3/4的時(shí)間日均氣溫處于0 ℃以下，從趨勢(shì)系數(shù)法與累積距平分析結(jié)果發(fā)現(xiàn)兩種算法得出阿里地區(qū)氣溫變化趨勢(shì)相似，春夏兩季氣溫呈波動(dòng)上升趨勢(shì)，秋冬兩季氣溫呈波動(dòng)下降趨勢(shì)，這亦符合氣溫隨時(shí)間變化的規(guī)律，同時(shí)也能佐證趨勢(shì)系數(shù)法及累積距平算法在研究氣溫變化的可信性，為將來(lái)研究阿里地區(qū)更長(zhǎng)時(shí)間氣候變化奠定了基礎(chǔ)。阿里地區(qū)氣溫變化隨著海拔高度的不同，氣溫在波動(dòng)范圍及其他站點(diǎn)均溫上都存在一定程度的差異，與現(xiàn)有研究的對(duì)比發(fā)現(xiàn)，海拔高度與氣溫存在負(fù)相關(guān)性，自動(dòng)氣象站全年均溫與其他氣象站最低均溫相比最大相差約-5 ℃，而氣溫的突然改變會(huì)影響探測(cè)器正常的信號(hào)輸出，由此在AliCPT項(xiàng)目設(shè)備研制及搭建放置過(guò)程，需要予以重點(diǎn)考慮氣溫突變方面的因素。

從氣溫突變的情況來(lái)看，全年和夏、冬兩季日均氣溫都發(fā)生了突變，年日均氣溫突變發(fā)生在2018年11月18日，夏季發(fā)生在6月23日，冬季發(fā)生在12月8日。根據(jù)Mann-Kendall非參數(shù)檢驗(yàn)在突變點(diǎn)前后時(shí)段內(nèi)的平均溫度有明顯差距并且通過(guò)了α=0.05顯著性水平檢驗(yàn)，說(shuō)明Mann-Kendall非參數(shù)檢驗(yàn)這一算法適用氣候因子的突變檢驗(yàn)。突變前后均溫相差較大，尤其是冬季氣溫突變前后相差-5 ℃，說(shuō)明高海拔地區(qū)氣溫變化劇烈氣候狀況復(fù)雜多變，同時(shí)與丁真貢嘎的研究結(jié)果比對(duì)，說(shuō)明Mann-Kendall檢測(cè)法在對(duì)阿里氣溫突變情況檢測(cè)中可信度高，實(shí)用性良好，對(duì)未來(lái)研究高海拔地區(qū)氣溫突變情況做出了可靠的驗(yàn)證。

R/S分析結(jié)果顯示春、夏、秋、冬四季及全年日平均氣溫的H值均大于0.5，佐證了阿里地區(qū)氣溫變化趨勢(shì)具有很強(qiáng)的正持續(xù)性特征，說(shuō)明未來(lái)氣溫變化的趨勢(shì)與現(xiàn)今氣溫變化的趨勢(shì)相同。

5 討論

在全球氣候變暖的大背景下，影響阿里氣溫變化的因素，不僅與地形特殊的地理有關(guān)，大尺度的大氣環(huán)流對(duì)氣溫的變化也產(chǎn)生至關(guān)重要的作用[10]。另外，地表覆蓋的變化[11-12]、人類溫室氣體的排放[13]都與氣溫有著密切的關(guān)系，其更深層次的影響因素還有待于更進(jìn)一步深入的研究。

從目前的結(jié)果來(lái)看，氣溫變化情況與以往研究[8-10]有相似之處，具有正相關(guān)特征，由于自動(dòng)氣象設(shè)備架設(shè)在位于海拔5 300 m的AliCPT-2觀測(cè)臺(tái)址附近，該觀測(cè)區(qū)域代表著有人類活動(dòng)跡象的更高海拔山脊觀測(cè)場(chǎng)，因此氣溫整體偏低，全年整體氣溫下降明顯，氣溫發(fā)生了突變，且突變點(diǎn)較多，突變前后溫度相差較大，突變后溫度較低，突變情況相對(duì)復(fù)雜。受制于本研究所用的氣象要素的觀測(cè)數(shù)據(jù)量還十分有限，現(xiàn)有數(shù)據(jù)只是對(duì)阿里地區(qū)一年的氣溫變化趨勢(shì)和氣溫突變的情況進(jìn)行了初步的研究，對(duì)相關(guān)算法進(jìn)行了有效驗(yàn)證。將來(lái)若有更大樣本的數(shù)據(jù)，加之用科學(xué)合理的研究方法進(jìn)行深層次分析，將會(huì)更好地預(yù)測(cè)阿里地區(qū)氣溫變化趨勢(shì)和突變規(guī)律，以便服務(wù)于“阿里原初引力波探測(cè)計(jì)劃”，同時(shí)未來(lái)也期望能對(duì)研究青藏高原氣候變化情況做出積極貢獻(xiàn)。

致謝：感謝國(guó)家自然科學(xué)基金項(xiàng)目(11803024，11747128)的資助，感謝AliCPT項(xiàng)目組成員單位、拉薩市氣象局、阿里地區(qū)氣象局等單位的大力支持。