基于Matlab軟件仿真的自然災(zāi)害對全球變暖影響

孫德勝 劉佳明 盧 爽

（華北理工大學(xué)，河北 唐山 063210）

0 引言

隨著人類科技文明的不斷發(fā)展，全球變暖的情況愈發(fā)嚴(yán)重，由于人們生活水平不斷提高，對環(huán)境的利用程度越來越大，因此環(huán)境帶來的災(zāi)害也隨之而來。2019 年發(fā)生的澳大利亞林火事件，其最主要的導(dǎo)火索就是高溫天氣和干旱，這直接導(dǎo)致世界各地林火肆虐數(shù)月。2018 年12 月印尼火山爆發(fā)，進一步對全球變暖造成影響。自然災(zāi)害都在一定程度上加劇了全球變暖，而全球變暖也會帶來一系列的連鎖反映。

施雅風(fēng)[1]研究發(fā)現(xiàn)，在全球變暖和中國境內(nèi)降水量有所減少的背景下，中國的自然災(zāi)害如洪澇災(zāi)、旱災(zāi)、農(nóng)林生物災(zāi)害、風(fēng)暴潮災(zāi)都在發(fā)展加劇，只有寒凍冰雪災(zāi)害有所減輕。陳泮勤[2]研究發(fā)現(xiàn)，全球變暖后，大氣CO2含量加倍，暴雨頻率和洪澇風(fēng)險會加劇，西北干旱將延續(xù)，森林火災(zāi)、泥石流、臺風(fēng)、滑坡災(zāi)害加劇。

1 數(shù)據(jù)來源及預(yù)處理

1.1 數(shù)據(jù)來源

該文所使用的數(shù)據(jù)來自于阿里云和KIMI Climate Explorer，其中澳大利亞，美國，中國，印尼地區(qū)和全球平均溫度1899—2022 年的溫度數(shù)據(jù)來自于阿里云，二氧化碳濃度，全球森林面積，人口數(shù)量等數(shù)據(jù)來自于KIMI Climate Explorer。

1.2 數(shù)據(jù)相關(guān)性分析

1.2.1 時間與全球平均溫度之間的相關(guān)性

在分析時間與全球平均溫度之間的關(guān)聯(lián)度時，使用SPSSPRO 軟件對數(shù)據(jù)進行處理，通過斯皮爾曼相關(guān)性系數(shù)來探究兩者之間的相關(guān)性。圖1 通過SPSSPRO 進行斯皮爾曼相關(guān)性分析，得出時間與溫度相關(guān)系數(shù)熱力圖。

圖1 相關(guān)系數(shù)熱力圖

根據(jù)圖中的數(shù)據(jù)可知，斯皮爾曼相關(guān)性系數(shù)為0.899，說明時間與全球平均溫度之間的相關(guān)性高。

1.2.2 位置與全球平均溫度之間的相關(guān)性

在進行位置與溫度之間相關(guān)性分析時，由于經(jīng)度對溫度的影響并不顯著，而緯度對溫度的影響更顯著，因此該組在分析位置與年平均溫度時，只考慮年平均溫度隨緯度變化的信息，所以對輸入的數(shù)據(jù)集，筆者團隊取其中某個點的年平均溫度和該觀測點對應(yīng)的緯度信息來分析，這樣分析的一個優(yōu)點是避免了不同緯度國家在同一年份處于不同季節(jié)而帶來的溫度差異，利用平均值可以讓數(shù)據(jù)具有更加完備的特征。在分析過程中，以緯度的絕對值信息作為采樣點的位置信息，因為在緯度絕對值相同的地段，不管緯度是正還是負，他們的年平均氣溫應(yīng)該是差不多的，不會有很大的差別。下面利用相關(guān)性分析驗證該結(jié)論，相關(guān)性分析結(jié)果如圖2 所示。

圖2 相關(guān)系數(shù)熱力圖

2 算法預(yù)測與數(shù)據(jù)分析數(shù)據(jù)

由于自然災(zāi)害并不是發(fā)生在世界上的任何角落，只是發(fā)生在個別的國家，或者個別的國家受自然災(zāi)害的影響較嚴(yán)重，同時不同國家的自然災(zāi)害對全球溫度的影響具有滯后性，發(fā)生后并不會影響全球的平均溫度，因此該文選取了個別受自然災(zāi)害較嚴(yán)重的國家進行分析，分別是在2019 年7月發(fā)生在澳大利亞的森林大火，2020 年1 月發(fā)生在中國本土和美國本土的新冠疫情以及2018 年12 月在印尼的火山爆發(fā)。以這幾個國家為依據(jù)，研究自然災(zāi)害爆發(fā)后對本土的影響。

該文建立一個基于長短期記憶神經(jīng)網(wǎng)絡(luò)的分析預(yù)測模型，根據(jù)自然災(zāi)害發(fā)生前的溫度數(shù)據(jù)預(yù)測，若無相應(yīng)的自然災(zāi)害的發(fā)生各地溫度的預(yù)測值，將預(yù)測后的結(jié)果與現(xiàn)實發(fā)生自然災(zāi)害后溫度的真實數(shù)據(jù)進行對比，即可得出自然災(zāi)害對當(dāng)?shù)氐臏囟鹊挠绊憽?/p>

2.1 LSTM 神經(jīng)網(wǎng)絡(luò)模型

通過查閱相關(guān)文獻發(fā)現(xiàn)[4]，LSTM 是一種遞歸神經(jīng)網(wǎng)絡(luò)，適用于從時間序列中提取時序特征，具有學(xué)習(xí)長期時間序列依存的能力。同時對比發(fā)現(xiàn)[3]，其比常規(guī)BP 神經(jīng)網(wǎng)絡(luò)具有更高的準(zhǔn)確性。

2.1.1 LSTM 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

LSTM 神經(jīng)網(wǎng)絡(luò)內(nèi)部結(jié)構(gòu)主要由輸入門 、遺忘門和輸出門3 個部分組成，其中 為當(dāng)前細胞單元狀態(tài)，為隱藏層的狀態(tài)，為輸入數(shù)據(jù)。如圖3 所示。

圖3 LSTM 神經(jīng)網(wǎng)絡(luò)內(nèi)部的結(jié)構(gòu)

2.1.2 LSTM 神經(jīng)網(wǎng)絡(luò)原理

每個時刻，LSTM 的輸入應(yīng)該包括3 個部分：即當(dāng)前時刻的新的輸入xt，前一時刻的記憶（也叫短期記憶）ht-1和長期記憶線（也叫細胞狀態(tài)）Ct-1。經(jīng)過三層門的計算（σ為Sigmoid 激活函數(shù)，tanh 為雙曲正切激活函數(shù)），得到新的匯總記憶，和新的記憶狀態(tài)Ct-1并更新ht。長短期記憶網(wǎng)絡(luò)（LSTM）內(nèi)部的運算過程如下所述。

①經(jīng)過遺忘門的作用，可以得到ft，如公式（1）所示。

②再下一步，進入輸入層，通過輸入門作用得到it，如公式（2）所示。

③通過輸出門的作用，可以得到Ot，如公式（3）所示。

④接下來計算匯總狀態(tài)，如公式（4）所示。

⑤計算新的記憶細胞狀態(tài)Ct，如公式（5）所示。

⑥更新短期記憶ht，如公式（6）所示。

式中：wf，wi，wo，wc為權(quán)重矩陣；af，ai，ao，ac為每層不同的偏置。

2.2 LSTM 神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果對比

分別將澳大利亞、美國、中國、印尼1899 年—2022 年的月平均溫度數(shù)據(jù)帶入LSTM 模型中，得到如下結(jié)果：1）根據(jù)澳大利亞的預(yù)測結(jié)果顯示，澳大利亞在發(fā)生森林大火后比假設(shè)沒有發(fā)生森林大火的情況下，溫度明顯升高，因此可以得出結(jié)論，森林大火對平均氣溫有影響，即加劇了氣溫的升高。原因在于森林大火一般持續(xù)時間長，受災(zāi)范圍廣，大量燃燒物燃燒將釋放大量的CO2，CO2是主要的溫室氣體，因此加劇了當(dāng)?shù)貧鉁厣?，從而進一步影響全球。2）根據(jù)美國和中國的實際溫度與預(yù)測溫度對比圖可知，新冠肺炎爆發(fā)后美國和中國的溫度并未出現(xiàn)明顯變化，實際值與未發(fā)生疫情的預(yù)測值基本相同，因此新冠肺炎疫情對氣溫的影響并不大，實際上由于全球新冠肺炎的影響，世界按下暫停鍵，工廠停工，人們足不出戶，因此二氧化碳等溫室氣體的排放增長不是很明顯，因此全球的氣溫變化不大。3）將印尼火山爆發(fā)前后的實際溫度進行對比，實際值比預(yù)測值低，其根本原因在于隨著火山噴發(fā)，產(chǎn)生的大量的二氧化硫或其他硫酸鹽物質(zhì)會進入對流層頂和平流層，轉(zhuǎn)化為含硫氣溶膠。含硫氣溶膠會通過反射部分的太陽光，導(dǎo)致地球表面接受到的太陽輻射減少，從而造成地球降溫，這也是通常所說的“陽傘效應(yīng)”。因此對處在熱帶地區(qū)的國家，太陽的直接輻射對溫度的影響更大，因此對火山噴發(fā)這種自然災(zāi)害，會使全球平均氣溫出現(xiàn)下降的趨勢。

3 探究全球變暖影響因子

3.1 影響因子分析

該文主要選擇的影響因子為二氧化碳濃度，全球森林面積，人口數(shù)量。①二氧化碳氣體作為溫室氣體中最主要的組成成分，對全球變暖有很重要的影響。全球的二氧化碳濃度是衡量其二氧化碳排放程度的重要指標(biāo)。②森林作為生態(tài)系統(tǒng)的生產(chǎn)者，可以吸收二氧化碳，生產(chǎn)氧氣，全球森林覆蓋面積越廣，二氧化碳凈化能力越強，對全球溫室效應(yīng)有很好的抑制作用。③日常生活中可以制造很多的二氧化碳，例如人們出行所用的汽車能夠排放CO2，人們的呼吸作用會釋放二氧化碳等。

3.2 影響因子與全球溫度關(guān)聯(lián)度分析

采用了灰色關(guān)聯(lián)分析法對以上3 種因素進行分析，得到每個因素的與溫度之間的灰色關(guān)聯(lián)度，通過比較得出影響溫度的主要因素。

具體步驟如下：1）確定母序列和因素序列。設(shè)母序列為x0（t），是全球的溫度數(shù)據(jù)，共有m 個數(shù)據(jù)，即x0（t）={x0（1），x0（2）...，x0（m）}，t=1，2，…，m；特征序列為xi（t），有3 個子序列，分別是二氧化碳濃度，人口數(shù)量，全球森林面積，即x0（t）={xi（1），xi（2）...，xi（m）}，i=1，2，3。2）數(shù)據(jù)標(biāo)準(zhǔn)化處理。因數(shù)據(jù)間量綱和大小存在差異，因此需要對原始數(shù)據(jù)進行變換。采用均值的方法，先分別求出各序列的平均值和標(biāo)準(zhǔn)差，再將原始數(shù)據(jù)減去平均值后除以標(biāo)準(zhǔn)差，得到的新序列即為標(biāo)準(zhǔn)化序列。3）計算關(guān)聯(lián)系數(shù)。

ρ 為分辨系數(shù)，在（0，1）取值，分辨系數(shù)越小，關(guān)聯(lián)系數(shù)間差異越大，區(qū)分能力越強，通常取 0.5。

計算關(guān)聯(lián)序度如公式（11）所示。

3.3 影響因子關(guān)聯(lián)度分析結(jié)果

根據(jù)Matlab 仿真結(jié)果可以得出，二氧化碳的濃度和森林覆蓋面積對全球平均氣溫的影響最大，其關(guān)聯(lián)度指標(biāo)分別為0.813 和0.805。人口數(shù)量對全球平均氣溫的影響與前兩項相比并不顯著，其對全球平均溫度的關(guān)聯(lián)度僅為0.537。

4 抑制全球變暖影的措施

結(jié)合全球變暖的數(shù)據(jù)來源以及對全球平均氣溫的預(yù)測及對影響全球變暖的因素的分析，可以清楚地看到，二氧化碳的排放是全球平均溫度上升的主要因素，因此減少全球CO2的排放，增加固碳量是解決全球平均氣溫持續(xù)升高的首要目標(biāo)。所謂固碳，也被稱為碳封存，是指增加除大氣之外的碳庫碳含量的措施。固碳能夠?qū)⒍嘤嗟奶挤獯嫫饋?，不排放到大氣中。因此，提出以下措施抑制全球變暖?/p>

4.1 加大對清潔能源的利用

清潔能源是現(xiàn)階段全球公認的有效解決全球CO2排放的有效方法，同時各國也在不斷加大和投入將傳統(tǒng)能源逐漸替換成清潔能源的步伐，因此，國家需要加大對清潔能源例如氫能的大力開發(fā)和應(yīng)用，有效減少CO2的排放。

4.2 國家和政府應(yīng)出臺政策進行干預(yù)管理

政府的有效干預(yù)同樣是抑制全球變暖的有效措施，不斷調(diào)整和優(yōu)化國家政策可以加強企業(yè)和個人對抑制全球變暖的責(zé)任心。

4.3 增加全球固碳量

CO2的固定是全球碳循環(huán)過程的必要階段，因此加大對CO2的固定同樣能有效減少CO2的排放，因此植樹造林，管控亂砍亂伐是抑制全球平均氣溫持續(xù)升高的有效措施。

4.4 建立碳市場

通過政府給碳定價，從根本上抑制了排放者在財務(wù)上所造成的碳排放；其次，為抵消已有的碳排放，排放者可以購買碳信用作為補償，從而為抑制全球變暖的項目帶來亟需的資金。

4.5 利用生態(tài)系統(tǒng)

固碳森林是陸地生態(tài)系統(tǒng)的主體，在全球碳循環(huán)和調(diào)節(jié)氣候變化中有極其重要的作用。通過植物的光合作用，可以提高生態(tài)系統(tǒng)的碳吸收和儲存能力，從而減少二氧化碳在大氣中的濃度。因此，增加森林總量、提高森林質(zhì)量、增強森林生態(tài)服務(wù)功能等都可以減緩全球變暖的趨勢。

4.6 土壤固碳

我國科學(xué)研究院研究表明土壤固碳可減少溫室氣體排放，稻田土壤約占我國總土壤固碳潛力的40%，因此，深入研究稻田土壤碳循環(huán)的固碳機理對減緩全球變暖具有重要意義。

5 結(jié)語

該文研究證明，自然災(zāi)害對全球變暖有一定影響。澳大利亞森林火災(zāi)發(fā)生后，加劇了二氧化碳排放，而且減少了當(dāng)?shù)厣指采w面積，進一步加劇全球變暖；而研究發(fā)現(xiàn)，新冠疫情對全球變暖的影響并不明顯；印尼火山爆發(fā)產(chǎn)生的硫氣溶膠會通過反射部分的太陽光，導(dǎo)致地球表面接受到的太陽輻射減少，進而降低地球溫度。在針對影響全球變暖的因子研究過程中發(fā)現(xiàn)，二氧化碳濃度和森林面積是對全球變暖有較大影響力的因子，因此在減緩全球溫室效應(yīng)的措施中，主要應(yīng)該考慮植樹造林，減少二氧化碳濃度增加生態(tài)系統(tǒng)固碳量。