基于逐步多元线性回归和随机森林模型预测黄河流域极端气温事件

摘要

全球变暖背景下，极端气候事件频发，且对黄河流域等地区的经济发展及人民生活造成严重危害。基于1961—2020年黄河流域80个站点的日气温数据提取了6个逐月极端气温指数（ETI）。利用多重共线性分析去除有相依性的环流指数，并考虑滞后性进行Pearson相关分析，筛选出各ETI的关键环流指数及最佳滞后时间；之后基于最佳滞后时间下的关键环流指数建立逐步多元线性回归（SMLR）和随机森林（RF）模型。对模型进行精度评价，探究环流指数在单站点及整个流域的重要性，并预测了2022年11月的6个ETI值。结果表明：黄河流域ETI中最高气温（TXx）、暖昼天数（TX90p）、酷热天数（TD30）和最低气温（TNn）呈波动上升趋势，而霜冻天数（FD0）和冷夜天数（TN10p）呈下降趋势；极端高温事件的强度和发生频率的空间分布特征与极端低温事件基本相反。以靖远站TXx为例，各关键环流指数对TXx具有不同程度的影响(0.10max<0.89),r_max对应的最佳滞后时间主要为5、6、11、12个月。SMLR和RF模型对黄河流域各ETI的预测能力都较好，验证期的决定系数（R²）范围分别为0.53～0.95和0.64～0.95;除对TXx的模拟效果稍弱外，其他5个ETI的RF模型模拟效果均优于SMLR模型。太平洋区极涡强度指数（PPVI）是影响黄河流域TXx、TNn、TX90p和FD0的最重要环流因子，北非—北大西洋—北美副高脊线位置指数（NANRP）对TN10p和TD30的影响最大。预测的2022年11月ETI的空间分布特征与多年平均情况基本相似。研究结果为黄河流域极端气温事件预报提供了参考。

关键词

极端气温指数 / 环流指数 / 随机森林模型 / 逐步多元线性回归模型 / 黄河流域