天气预报哪些城市？
从1980年到2015年，我国共有362个气象站作为基准站参与了全国地面气象观测网的运行（含现失效的47座站点）；共有1118个测站作为基本站参加了自动气象站网的运行（含现失效的47座站点和待报废的42座站点）。 这些气象站在大气圈中分布相对均匀，大多位于北温带地区并具有代表性的地形特征：平原、山地、丘陵、冰川与极地。其所在的经纬度高度大致相当，将其中部分站点连结在一起，可以反映全球不同纬度的气温变化情况。同时，由于它们大部分都拥有多年的气象数据，因而能够比较清晰地呈现气温的年代变化。 基于如此大的数据量，本文最后得到一个包含1118个测量站的全球地表温度指数和时间序列。这个序列包含了各个时期气候的自然波动以及人类活动的影响。通过对比不同时期的温度数值，就可以看出气候变化的趋势。 图1 中国大陆地区及邻近海域地面气象站分布图 需要注意的是，这里的气温值是距平值，即该站当年的气温与常年体温差。为了消除气象站点数量对结果可能造成的影响，所有站点的气温值都是将其距平值标准化到[-1，+1]之间。 为了避免在分析过程中引入非线性关系，研究采用逐步回归的方法。首先通过构建包括时间(Year)在内共计20个自变量的多元线性回归模型，然后利用SAS软件包中的PROC REG过程逐次剔除不显著的自变量，最终留下3个解释变量：年度（Year）、太平洋年代际振荡（PDO）和厄尔尼诺南方涛动（ENSO）。 三者的系数符号与预期相符，且通过显著性检验。可见，PDO和ENSO分别通过正负向影响全球平均气温，而年份通过负向影响气温。由此，可以通过建立上述三个变量的计量经济学函数来描述气温的年代变化规律。
图2 大气环流模式及主要影响因子 上述分析所使用的时间序列数据量巨大，如果通过手工方式完成全部计算的话，工作量十分庞大。本文使用了现代数据分析方法中的“留一法”（leave-one-out）交叉验证技术，把原始数据分成若干组，每组包含一个样本，每个样本均用于一次迭代，直到所有样本都用于一次迭代为止。这样就能保证任何一组数据都不被重复使用，而每种数据都只参与一次计算。这种算法的速度比常规的迭代算法要快得多。