基于地理探測器的東北地區氣溫變化影響因素定量分析

于佳　劉吉平

摘要：利用地理探測器，結合ArcGIS技術及線性傾向率方法，對東北地區1960-2011年氣溫變化情況以及影響因素進行定量分析。研究結果表明，1960-2011年東北地區氣溫線性傾向率介于0.22～0.64 ℃/10 a之間，氣溫呈升高趨勢，升溫幅度由南向北逐漸增大；影響因子貢獻量由大到小為植被類型、地貌類型、濕地率、GDP、土壤類型、人口密度、農田率、氣候類型、海拔高度、森林率，自然因子影響氣溫變化的貢獻量大于社會因子； 因子之間具有交互作用，主要表現為協同作用和非線性協同作用，社會因子增強了自然因子的貢獻量，共同導致氣溫變化。本研究為更加準確認識氣溫變化的影響因素及制定有效預防氣候變化的相關政策提供科學依據。

關鍵詞：地理探測器；氣溫變化；影響因子；東北地區；貢獻量

中圖分類號：P94 文獻標志碼：A 文章編號：0439-8114（2015）19-4682-06

DOI：10.14088/j.cnki.issn0439-8114.2015.19.007

Abstract： The temperature variation and its influence factors were analyzed quantitatively combined with ArcGIS and linear trend analysis. The results showed that the temperature linear tendency rate ranged from 0.22℃/10a to 0.64℃/10a from 1960 to 2011. The temperature rise gradually increased from south to north in northeast China. The contribution of factors to temperature rise were as following， vegetation type， geomorphic， wetland， GDP， soil， population， farmland， climate， elevation and forest. The contribution of natural factors was higher than that of social factors. There was interaction between factor， mainly fo synergies and nonlinear synergies. The social factors enhanced the contribution of natural factors to the temperature rise， and both social factors and natural factors lead to rising the temperature of northeast China.

Key words： geographical detector； temperature variation； influence factors； Northeast China； contribution

根據全球政府間氣候專門委員會的第五次評估報告，全球變暖既成事實，該事實所引起的負面影響已獲得廣泛關注[1]。國內外學者對氣溫變化的特征及其機理進行了深入的研究[2-12]，包括對于全球氣候變化成因的研究，中國氣溫變化的區域差異和時空變化的研究，還包括對于未來氣溫變化預估等研究，而對氣溫變化影響因素的定量研究相對較少[3]。中國氣溫也呈現明顯增溫趨勢，與全球氣溫變化趨勢一致[2-7]，但不同地區氣溫變化幅度有所不同。就中國東北地區而言，東北地區位于亞歐大陸東部中高緯度地區，氣候的季節性變化與整個東亞大氣環流緊密相連，氣候變率比較大[10]，影響因素復雜多樣。

為了定量分析東北地區氣溫變化的影響因素，以及影響因素之間的相互關系，本研究嘗試利用地理探測器進行探測分析。目前地理探測器主要應用在環境因子與人類健康之間的關系研究[13-15]，如Wang等[14]利用地理探測器研究中國和順地區神經中樞缺陷疾病的致病因子，但在氣候變化與其驅動因子間的關系研究尚不多見。本研究利用地理探測器研究東北地區氣溫變化與其驅動因子之間的定量關系，比較不同驅動因子對氣溫變化的貢獻量大小，研究驅動因子在影響氣溫變化中的相互關系，為更加準確認識氣候變化的影響因素及制定有效預防氣候變化的相關政策提供科學依據。

1 材料與方法

1.1 研究區域概況

東北區在行政區劃上包括黑龍江省、遼寧省和吉林省以及內蒙古地區的4個盟市（通遼市、呼倫貝爾市、赤峰市和興安盟），地理位置為38°72′N-53°55′N，115°52′E-135°09′E（圖1），屬于溫帶大陸性季風氣候。東北地區總面積為1.26×106 km2，約占全國總面積的13%。地貌類型和土地利用類型復雜多樣，主要的自然地理單元包括大興安嶺、小興安嶺、長白山地和松嫩平原。主要的植被類型為寒溫帶落葉針葉林、溫帶針闊葉混交林、溫帶森林草原、草甸草原和干草原。東北地區是我國綜合經濟發展水平較高的經濟增長地區。

1.2 方法

1.2.1 數據來源 研究尺度不同，氣候變化的影響因素亦不同。具體區域與全球尺度的氣候變化影響因素亦不同。全球尺度上氣候變化的影響因素，主要研究的是氣候系統內部變率（如環流因子）和外強迫因子（如太陽活動、火山活動、人類活動），而對于區域（東北地區）的氣候變化，其影響因素主要包括區域的下墊面性質以及人類活動的影響，因此本研究應用的數據主要包括東北地區氣候區劃圖、地貌區劃圖、植被區劃圖、土壤區劃圖、DEM數據、東北地區各縣市的氣象資料、社會經濟數據等。選用東北地區1960-2011年119個氣象臺站的年平均氣溫數據，數據源自中國氣象科學數據共享服務網（http：//cdc.cma.gov.cn/）；濕地率、森林率和農田率的變化幅度隨著時間的推移變化比較大，所以采用中間時期東北地區1985年的數據進行分析研究；氣候區劃圖、地貌區劃圖、植被區劃圖、土壤區劃圖來源于東北地區自然地圖集[15]；DEM數據由馬里蘭大學地球科學數據中心（http：//glcfcpp.umiacs.umd）提供；社會經濟數據來源于1960-2011年黑龍江省、吉林省、遼寧省和內蒙古自治區的統計年鑒及相關歷史統計資料。海拔高度采用每個網格海拔高度的平均值，GDP和人口密度采用1960-2011年的平均值。利用平均氣溫計算氣溫線性傾向率，在ArcGIS 9.3里對DEM數據進行處理，計算得到平均海拔高度，對區劃圖進行數字化處理。且為保證數據時空上的連續性和完整性，對于缺失數據通過與鄰近點的線性回歸分析進行插值補齊，將插值后的數據與原數據相結合進行處理分析。

1.2.2 研究方法 根據東北地區的面積和研究尺度，結合地理探測器的應用要求[16]，將整個研究區域劃分成1 812個網格，每個網格的面積為625 km2。本研究用線性傾向率方法計算每一個氣象臺站的氣溫傾向率，然后利用ArcGIS 9.3，采用克里金插值方法，預測每一個網格的氣溫傾向率，并利用地理探測器定量分析氣溫變化的影響因素。

利用地理探測器軟件，以氣溫傾向率作為GridSystem圖層，其他驅動因子作為地理區域圖層，進行探測分析。

2 結果與分析

2.1 東北地區氣溫變化區域差異

根據所選擇的1960-2011年氣象臺站觀測數據，通過線性傾向率和克里金插值方法，結合ArcGIS技術，得到東北地區氣溫線性傾向率空間插值圖（圖2）。東北地區氣溫線性傾向率介于0.22～0.64 ℃/10 a之間，最小值與最大值分別位于東北地區南端遼寧省內，以及東北地區東北角黑龍江省內以呼瑪為中心周圍地區，呈現由南向北遞增趨勢，說明整個東北地區升溫幅度由南向北逐漸增大。氣溫線性傾向率由南向北呈現條帶狀分布，北部地區以哈爾濱、齊齊哈爾一線大致呈現東南—西北走向，南部大部分區域呈現東北—西南走向。

從行政區劃上分析，吉林省、遼寧省和內蒙古南部小部分區域增溫幅度較小，而且區域內地區之間升溫幅度差別不大，最大值與最小值的差值為0.07 ℃/10 a，黑龍江省和內蒙古北部區域增溫幅度較大，區域內相鄰地區之間氣溫變化幅度差別不大，但非相鄰地區之間氣溫變化幅度差值較大，最大值與最小值的差值為0.331 ℃/10 a。

2.2 氣溫變化影響因子的定量分析

2.2.1 風險分析 為了確定驅動因子對氣溫變化的具體影響，本研究從自然驅動因子和社會驅動因子兩個層面開展風險分析。自然因子有土壤類型、植被類型、地貌類型、氣候類型、海拔高度、濕地率、森林率（圖3和圖4）；社會因子有人口密度、國內生產總值和農田率（圖5）。以不同的海拔高度為例（表1），比較氣溫變化的差異性情況，編號1～8代表不同的海拔高程，1代表海拔高度（h）<120 m，2代表120 m≤h<240 m，3代表240 m≤h<360 m，4代表 360 m≤h<480 m，5代表480 m≤h<600m，6代表 600 m≤h<720 m，7代表720 m≤h<840 m，8代表h≥840 m。

結果表明，當將平均海拔高度按照以上數值進行分級時，氣溫變化統計顯著差異性結果為最佳，說明海拔高度對氣溫變化具有風險性。如同海拔高程的風險分析，對其他因子做類似分析，將分類因子（土壤、植被、地貌、氣候）按照不同類型進行分級，經風險探測器探測，結果顯示當地貌類型分為6類，植被類型分為9類，土壤類型分為9類，氣候類型分為4類時，因子的統計顯著差異性為最佳。因此將土壤、植被、地貌和氣候按照不同類型進行分類；其他因子通過風險探測器反復探測統計顯著差異性情況，根據探測結果進行分級，結果顯示當分為8級時，因子的顯著差異性為最佳，因此將這些研究因子根據不同數值分為8級進行探測研究。探測結果表明所有因子均存在差異性，且差異性顯著，說明所研究的影響因子對氣溫變化具有風險性。

2.2.2 因子分析 利用因子探測器探測影響因子之間的相對重要性，即每個因子對氣溫變化的貢獻量（PD，H），排列順序如下。

自然因子：植被類型（67.5%）>地貌類型（42.0%）>濕地率（34.6%）>土壤類型（20.3%）>氣候類型（17.8%）>海拔高度（6.9%）>森林率（6.6%）。

社會因子：GDP（30.5%）>人口密度（28.3%）>農田率（24.9%）

植被類型和地貌類型影響氣溫變化的貢獻量排在前兩位，表明區域自然環境對氣溫變化有主導作用；森林率和海拔高度對氣溫變化的貢獻量最小，PD，H小于10%；植被類型與GDP的貢獻量差值較大，即自然因子與社會因子在影響氣溫變化時差異性較大，并以不同方式和強度影響氣溫變化；社會因子中PD，H最小的農田率，大于氣候類型、海拔高度和森林率的PD，H，表示并不是所有自然因子對氣溫變化的影響都有主導作用，社會因子對氣溫變化影響不容忽視；比較社會因子影響氣溫變化的貢獻量，PD，H差值均不超過5%，這主要是由于所有社會活動都與人口數量變化密切相關，所以社會因子如社會活動、人口數量等對氣溫變化的影響力相當。

2.2.3 交互分析 在自然環境中，氣溫變化是多種因素共同作用的結果，而在實際環境中，也不可能存在單一因素或者單一性質的因素影響氣溫變化。利用交互探測器探測驅動因子之間影響氣溫變化的相互關系。驅動因子之間主要是協同作用和非線性協同作用，不存在相互獨立起作用的因子（表2）。濕地率∩森林率兩種因子在影響氣溫變化時具有協同作用[濕地率∩農田率>濕地率（0.346）+農田率（0.066）]，根據C與A+B的差值來分析，協同作用相對于其他因子之間的協同作用較為顯著。

社會因子中，GDP與農田率和人口密度之間的交互結果（GDP∩農田<（GDP+農田率），GDP∩人口密度<（GDP+人口密度）相比較，農田率與GDP交互作用（PD，H）大于人口密度與GDP的交互作用（PD，H），而農田率的貢獻量小于人口密度，表示GDP增強農田率影響氣溫變化的強度大于人口密度。此外，社會因子交互作用的貢獻量與兩個因子單獨作用貢獻量之和的差值較小，進一步說明社會因子之間影響氣溫變化的差異性較小。此外，存在一種因子對其他因子影響不大，或幾乎沒有影響的情況，但是該因子的作用不能被忽略，仍然屬于協同作用。社會因子可以增強自然因子對氣溫變化的貢獻量，說明社會因子，即人類活動對氣溫變化的影響越來越大。

自然因子與社會因子的交互作用，交互結果為：農田率∩濕地率（61.9%）> GDP∩濕地率（61.4%）>GDP∩森林率（58.3%）>農田率∩森林率（47.5%）

不同自然因子與社會因子交互作用的貢獻量不同，交互作用最大（PD，H）為61.9%（農田率∩濕地率），大于社會因子之間交互作用（PD，H）的最大值54.8%（農田率∩人口密度），小于自然因子之間交互作用（PD，H）的最大值72.5%（海拔高度∩植被類型），說明在所有影響氣溫變化的因子中，區域自然因子占主導作用，當自然因子與社會因子共同作用影響氣溫變化時，社會因子會增強自然因子對氣溫變化的影響力度，共同作用導致氣溫變化。

3 結論

1）東北地區氣溫幅度由南向北逐漸增大，升溫幅度最大的地區是黑龍江省呼瑪縣，增溫幅度最小的是遼寧省遼陽市。氣溫變化呈現條帶狀分布，低緯地區大致呈現東北—西南走向，高緯地區以哈爾濱、齊齊哈爾一線大致呈現東南—西北走向。

2）因子探測器探測結果顯示，自然因子植被類型和地貌類型影響氣溫變化的貢獻量相對較大；濕地在影響氣溫變化方面具有相對重要的地位；自然因子影響氣溫變化的差異性較大，社會因子影響氣溫變化的差異性相對較小。

3）交互探測器探測結果顯示，所研究的影響因子具有交互作用，共同導致氣溫變化；存在交互貢獻量大于兩個因子單獨作用貢獻量之和，屬于非線性協同作用，因子海拔高度和土壤類型、海拔高度和氣候類型、濕地率和森林率、農田率和人口密度呈現非線性協同作用；同時也存在交互貢獻量小于兩個因子單獨作用貢獻量之和，但大于每一個因子單獨作用的貢獻量，屬于協同作用，如自然因子海拔高度和植被類型、社會因子GDP和人口密度呈現協同作用，因子之間相互增強影響氣溫變化的驅動強度。但隨著人類活動范圍和強度的增大，社會因子影響氣溫變化的貢獻量也會隨之增大

由于數據缺失以及數據的不可用性，本研究中只對影響氣溫變化的一部分驅動因子做了定量分析，量化說明自然因子和社會因子在影響氣溫變化時，因子之間的相對重要性以及二者交互作用時影響氣溫變化的相對重要性，進一步分析驅動因子之間的相互關系。在自然空間中，自然因子和社會因子不會單獨存在，而是相互依附相互影響相互改變，人為因子對自然環境的影響越來越大[16，17]，例如賀建林等[17]關于人類社會活動對自然環境的影響與對策初探的研究，張麗玲[18]對人與自然關系的主體原因探析的研究，均說明了社會因子與自然因子之間相互影響相互依存的關系。而對于每個影響因子具體怎樣影響氣溫變化，其作用過程和作用機制有待進一步研究。

參考文獻：

[1] 秦大河，STOCKER T. IPCC第五次評估報告第一工作組報告的亮點結論[J].氣候變化研究進展，2014，10（1）：1-6.

[2] 楊冬紅，楊學祥.全球氣候變化的成因初探[J].地球物理學進展，2013，28（4）：1666-1677.

[3] KING D.Climate change：the science and policy[J]. Journal of Applied Ecology，2005，42（5）：779-783.

[4] WEART S R. The discovery of global warming[M].Cambridge： Harvard University Press， 2008.

[5] 董思言，高學杰.長期氣候變化——IPCC第五次評估報告解讀[J].氣候變化研究進展，2014，10（1）：56-59.

[6] 張雪芹，孫 楊，毛煒嶧，等.中國干旱區氣溫變化對全球變暖的區域響應[J].干旱區研究，2010，27（4）：592-599.

[7] 閆敏華.東北地區器測時期氣候變化及其地域差異研究[M].北京：科學出版社，2007.

[8] 張 強，韓永翔，宋連春.全球氣候變化及其影響因素研究進展綜述[J].地球科學進展，2005，20（9）：990-998.

[9] 張晶晶，陳 爽，趙昕奕.近50年中國氣溫變化的區域差異及其與全球氣候變化的聯系[J].干旱區資源與環境，2006，20（4）：1-6.

[10] 趙宗慈，羅 勇. 21世紀中國東北地區氣候變化預估[J].氣象與環境學報，2007，23（3）：1-4.

[11] 董滿宇，吳正方.近50年來東北地區氣溫變化時空特征分析[J].資源科學，2008，30（7）：1093-1099.

[12] 汪 凱，葉 紅，唐立娜，等.氣溫日較差研究進展：變化趨勢及其影響因素[J].氣候變化研究進展，2010，6（6）：417-423.

[13] HU Y， WANG J F， REN D， et al. Geographical-detector-based risk assessment of the under-five mortality in the 2008 Wenchuan Earthquake，China[J].PLoS ONE，2011，6（6）：e21427.

[14] WANG J F， LI X H， CHRISTAKOS G， et al. Geographical detectors-based health risk assessment and its application in the neural tube defects study of the Heshun Region， China[J]. International Journal of Geographical Information Science， 2010，24（1）：107-127.

[15] 中國科學院黑龍江流域綜合考察隊.東北地區自然地圖集[Z].北京：科學出版社，1965.

[16] CAO F， GE Y， WANG J F. Optimal discretization for geographical detectors-based risk assessment[J]. GIScience & Remote Sensing，2013，50（1）：78-92.

[17] 賀建林，張 勇.人類社會活動對自然環境的影響與對策初探[J].云南地理環境研究，2001，13（1）：28-33.

[18] 張麗玲.人與自然關系的主體原因探析[J].洛陽師范學院學報，2002（6）：13-14.