尽管许多监测数据和研究表明全球气候存在明显的变暖趋势，但由于全球气候变化是 气候尺度上的全球问题，其影响因素和趋势极为复杂。极端天气尤其是极寒天气的发生， 使其与全球气候变暖存在表观上的矛盾性。因此，寻找求证影响气候变化的因素，解释极 端天气与全球气候变化间的关系，对于理解和认识全球气候变化的态势有着重要意义。

基于此，本文旨在研究全球气候变化的影响因素和相关性程度，构建简化的全球气候 变化模型，并分析极端天气的形成原因及其与全球气候变暖之间的关系，构建极端天气模 型予以分析，最后尝试提出新的概念来替代“全球变暖”。然后将各因素的历史数据与全球 温度之间建立多变量回归模型，构建了三种全球气候模型对未来 25 年的气候变化进行预 测；运用 Python 和 SPSS 软件量化全球温度分布数据，建立极端天气数据与全球气候的关 联性模型；运用关联性模型量化极端天气与全球局部地区的异常气候现象之间的关联程 度，以此提出新概念揭示气候变化的趋势和复杂性。

针对问题一， 需要对加拿大各地历史天气变化以及海洋表面温度的历史数据进行分 析，研究其时空变化趋势。考虑到加拿大国土面积较大，监测站点较多，研究中选取 4 个 典型地点，基于其历史天气数据分析温度对时间的倾向率和温度变化的平稳性与周期性。

对于海洋表面温度的分析，首先采用 python 对最新的全球海洋表面温度数据集 ERSST.V5 进行数据提取和分析，将海洋表面温度数据分为高中低三个纬度范围分别进行分析，以规 避全球平均处理后的局部温度变化特征。

针对问题二， 要求构建刻画气候变化的模型，对未来 25 年的全球气候作出预测。为 此，寻找并求证影响气候变化的因素，从而建立气候变化的多变量预测模型。研究中结合 文献调研，初步确定肯恩影响全球气候变化的因素后，搜集整理了大量的全球气候数据和 各要素的历史数据集，运用 SPSS 和 Python 软件对这些历史数据的时空变化趋势等特性做 统计分析。然后分析各因素的历史数据与全球温度的关联性，研究中构建了三种全球气候 模型：全球气候变化多变量线性回归模型、基于随机森林算法的多变量非线性模型和基于 ARIMA 的时间序列模型。 采用这三种全球气候模型对未来 25 年的气候变化进行预测。并2 针结果预测结果分析三种模型的优缺点及推广可行性。模型的应用中，发现多变量线性回 归模型结果揭示了影响全球气候变化的影响因素及影响程度，基于随机森林算法的多变量 非线性模型的拟合程度很高， ARIMA 模型则对于未来 25 年的全球温度预测结果合理性最 高。

针对问题三， 基于全球范围内各经纬度网格的温度数据集 GISTEMP， 将极端天气进 行界定并量化，采用极端天气的离群频次作为量化指标， 构建极端天气与全球气候的关联 性模型。同时，研究基于统计学对极端天气的态势与全球气候变化的关系进行分析，改进 性地提出极端天气态势的三种模式： A 模式、 B 模式和 C 模式。模型结果揭示全球极端天 气的变化趋势接近 C 模式，即全球平均温度升高，极热天气频次增加，极寒天气频次有所 降低。结果还表明局地极热频次与全球温度距平存在显著正相关关系，极寒频次与其存在 明显负相关。这表明全球气候逐渐变暖，极寒频次有所降低，但这并不意味极寒天气不会 发生，或发生时的程度有所降低。

针对问题四， 需要解释局地极寒与全球变暖的关系，并提出新概念来替代“全球变暖”。

在问题三对于极端天气的量化数据和关联性模型的基础上， 本研究进一步尝试探究局地极 寒天气等极端气象的形成机理，在搜集整理大量气象要素的历史数据基础上， 建立了局地 极端天气的多因子关联性模型。从关联性模型运行结果得到的各因素的相关性系数， 找出 影响全球极端天气的因素并量化影响程度。 基于前述研究，本文提出了全球气候变暖的两 个可替代性新概念： “全球气候异常”和“全球气候振荡热移”。

本文对于所构建模型均进行了检验与评价，结合模型应用的结果，对于模型优缺点进 行评价，提出各模型相应的推广可行性及进一步改进的建议。

关键词：全球气候变化；多变量回归模型；关联性分析；随机森林算法； ARIMA 模 型极端天气；局地极寒；量化分析

链接：https://pan.baidu.com/s/15_DEwYptLRnOePHm2THszw
提取码：czi8