基于自动站资料的近15年北京地区舒适度变化特征

姜江 闵晶晶 王华 雷婷 乔媛 蒋志

北京市气象服务中心，北京 100089

北京地处华北平原西北端，受自然地理位置影响，各个季节均有丰富的自然旅游资源，因而旅游业也成为了北京当地重要的支柱产业和经济增长点。但就气候感受而言，人体的感受与实际的气象要素之间存在着一定的差别。研究中已有总结，人体在不同的外界环境条件下，皮肤、眼、神经等器官因受环境刺激而产生不同的感觉，经过大脑神经系统整合后形成的总体感觉的适宜程度，被称之为人体舒适度（董蕙青等, 1999）。国内外的研究者从不同的研究角度发展出了多种舒适度指数（Biometeorological Indices, BI）（ Epstein and Moran, 2006;Blazejczyk et al., 2012; De Freitas and Grigorieva,2015），如温湿指数、有效温度、人体舒适度指数（范业正和郭来喜, 1998; 任健美等, 2004; Diffenbaugh et al., 2007; 马 丽 君 等 , 2009; Perch-Nielsen et al.,2010; 朱学玲和任健, 2011; Fischer et al., 2012; 陈永涛 , 2013; 党 冰 等 , 2013; 闫 业 超 等 , 2013; Pal and Eltahir, 2016; 姚镇海等, 2019; 柳士伟, 2020）以及加入人体热交换机制后的标准有效温度（Standard Effective Temperature, SET），生理等效温度（Physiological Equivalent Temperature, PET）（Gagge et al.,1971; Höppe, 1999; Jendritzky et al., 2012; 高 超等,2019），此类指数在计算时需输入个体参数、人体热传输等信息。此外，还有一些具有气候针对性的评价模型，如适用于冷环境的人体风寒指数（Siple and Passel, 1999）和针对热事件的热浪指标（Excess Heat Factor, EHF）（肖安和周长艳, 2017）及以“最佳舒适温度”为“冷不舒适”和“热不舒适”分界线的“黄金分割法”舒适度指数（乐满等, 2019; 卢山等, 2021）。

在全球气候变暖的背景下，北京也在经历着以变暖为主要特征的气候变化，这些变化也必然对当地的气候舒适度和旅游气候及资源产生影响，而以往的研究对近十几年气象要素变化关注度较低。考虑到多数自动站没有辐射和云量等观测记录，很难获取基于各个站点的人体感受反馈，所以本文从众多舒适度指数研究中选用了一种较为简洁，且在国内外应用较为广泛的有效温度（Effective Temperature, ET）指数（Landsberg, 1972; 吴佳等, 2017），该指数的优势在于可以用来反映气温、相对湿度、风速对人体舒适度的综合影响，并能够覆盖从寒冷到炎热的各种气候类型，输入要素都可以从基本的自动气象观测站中获取。本文将基于北京地区所有的自动站建站以来的小时级观测数据，充分利用区域级自动站的时空加密优势，最终应用有效温度指数来详细探讨近15年内北京地区舒适度的时空分布情况及变化特征。

2.1 数据

自2006年起，北京地区开始大规模地建设区域自动站，截至2020年底自动站数据已经超过550余站。为了充分利用现有数据，保证结果的可靠性且满足长时间序列的研究需求，需要对数据进行质量控制。首先，数据缺测量越低，说明仪器的维护程度越好，系统性误差也就越小。因此，在2006年1月至2021年2月（为满足气象学的冬季定义，12月至次年2月，共5538 d）时间段内，选择了数据缺测量低于90%（4985 d）的站点；
然后，进行了气候学界限值检查，即风速在0～75 m/s，气温在−80～60°C，相对湿度在0～100%。最终选择出2006年1月～2021年2月共44个自动站逐小时观测资料，涉及地面常规气象要中的气温、相对湿度和风速（站点信息见图1）。其中包含18个国家级自动站和26个区域级自动站，区域级自动站占比59%，区域站的分布在城区更为集中。同时，由于站点分布在平原中心城区较为密集，而郊区较为稀疏，因此后续分析均不做任何空间插值处理，避免所得结论有所误导。

图1 （a）北京地形和（b）所选择44个气象站点空间分布（红色圆点为国家级自动站，蓝色圆点为区域级自动站）Fig.1 (a) Beijing topography and (b) the distribution of 44 weather stations (red and blue dots represent national automatic stations and regional automatic stations, respectively)

2.2 方法

在资料处理上，按照气候学上常用的方法进行季节划分：春季3～5月、夏季6～8月、秋季9～11月、冬季12月至次年2月；
日、月、季、年要素的平均值均基于逐小时各站观测资料的算术平均。所选用的 ET 指数是由 Houghton and Yaglo（1923）提出，该指数以实验室测试出的人体冷暖的主观感受作为评价依据，随后经过不断修正，最终得到计算公式如下：

其中，T为气温（单位：°C），RH为相对湿度，V为风速（单位：m/s），该公式也称净有效温度（Net Effective Temperature, NET）公式（Li and Chan,2000）。其计算结果的最终单位仍然为°C，整个公式不存在分级计算的跳跃性，同时也可反映出人体的普遍感知，即在炎热天气下，ET指数随气温/相对湿度的升高而增大，随风速的增加而减小；
寒冷天气下，ET指数随气温降低，并随着相对湿度和风的增大而减小。ET指数对应的不同热感受分级（吴佳等, 2017）在表1中给出，其中凉爽、舒适和温暖日数可以统称为“气候适宜日数”。

表1 有效温度指数的分级Table 1 Table1 Grades of Effective Temperature (ET)

3.1 气象要素的年平均变化

2006～2020年44个站点的分析结果表明，北京地区年平均气温（图2a）、风速（图2b）、相对湿度（图2c）和ET指数（图2d）都受到了地形分布的影响。44站年平均气温范围在6.0°C（佛爷顶站）～14.6°C（四惠桥站），平均值为12.7°C，区域上呈高海拔山区气温低，低海拔平原中心城区气温高的特点。气温的空间分布特征除了受海拔因素影响，也明显的受到城市热岛特征的影响，即人口密集的平原中心城区气温会高于人口相对稀疏的郊区。

图2 2006～2020 年北京 44 站点的年平均（a）气温、（b）风速、（c）相对湿度及（d）有效温度（Effective Temperature, ET）Fig.2 Annual mean (a) temperature, (b) wind speed, (c) relative humidity, and (d) Effective Temperature (ET) of the 44 stations in Beijing from 2006 to 2020

年平均风速在周围山区风速高，平原中心城区风速低，最低值、最高值和平均值分别为0.8 m/s（古观象台）、3.7 m/s（佛爷顶站）和 1.6 m/s（平均值）。城市地形、海拔、植被和建筑布局都会影响城市平均风场的分布和局地涡旋的产生，使得风场、湍流也显现出极大的非均匀性。受城市下垫面大粗糙度的影响，城市范围风速相对于郊区会更小（贺晓冬等, 2014; 窦晶晶等, 2014）。

年平均相对湿度在45.9%（四惠桥站）～57.9%（永乐店站）范围内，平均值为52.6%，虽然相对湿度的低值中心集中在平原中心城区，但整体上相对湿度没有像其他因素一样，呈现出明显的山区与平原间的差异。原因在于夏季白天平原中心城区湿度低于郊区的干岛分布特征（于淑秋等, 2005）以及冬季多数时间内平原中心城区湿度高于郊区的季节性特点，因此相对湿度的空间特征无法在年平均湿度上得以体现。

最终得到的年平均ET指数范围在−2.9°C（佛爷顶站）～11.7°C（古观象台），平均值为8.1°C，同气温的地理分布规律相似，山区ET指数低，依照热感受分级属于冷—寒冷范围，平原中心城区ET指数相对高，依照热感受分级属于凉爽范围。

2006～2020年44站的年变化趋势显示，100%站点气温呈增加趋势，平均值为 0.1°C a−1；
52.3%站点风速呈下降趋势，平均值为 0.0 m s−1a−1；
97.7%站点相对湿度呈下降趋势，平均值为−0.3% a−1以及86.4%站点ET指数呈上升趋势，平均值为0.1°C a−1。从年平均变化结果来看，研究时段内北京地区整体呈现出变干变暖的趋势，热感受也趋于变热，与前人的研究结果较为一致（曹云等, 2019），风速变化趋势则主要体现出区域间的较大差异性。

从要素变化趋势的空间分布（图3）上来看，气温增加幅度最明显站点的集中在平原中心城区，西北和东北山区站点增加幅度最小（图3a），符合北京城市热岛本身的增温规律，即市区大于郊区，郊区大于山区的特点；
风速变化的区域差异性较大，相对而言，平原中心城区风速多表现为增加，而远郊山区表现为风速的减少；
多数站点都呈现相对湿度降低的趋势，仅有平原中心城区南部的个别站点相对湿度增加；
受风速、气温和相对湿度的影响，ET指数也仅在平原中心城区个别站点呈减小的趋势，整体呈增加趋势，ET指数增加趋势最大站点的集中在平原中心城区及近郊区的北部和东南部。

图3 同图2，但为其变化趋势Fig.3 Same as Fig.2, but for the trends

3.2 气象要素的季节平均变化

44站中，多年平均气温在四季中出现的高低顺序均为夏季、春季、秋季和冬季，平均风速在四季中的高低顺序为春季、冬季、夏季和秋季；
平均相对湿度在四季中出现的顺序均为夏季、秋季、春季和冬季；
最终基于风速、气温和相对湿度计算出的ET指数结果显示，平均ET指数在四季中的高低顺序与气温的四季排序一致（见表2）。按照ET指数的分级，平均ET指数在夏季属于“温暖”的等级，春季和秋季属于“冷”的等级，在冬季属于“寒冷”的等级。

表2 2006～2020年北京44站点四季气温、风速、湿度和ET最低、最高及平均值Table 2 Seasonal minimum, maximum, and average values of the wind speed, temperature, humidity, and ET at the 44 s tations in Beijing from 2006 to 2020

根据44站的变化趋势分析，ET指数呈增加趋势的站点比例在春季、夏季和冬季分别为100.0%、95.5%和84.1%，而在秋季仅有47.7%。整体而言，北京在春季、夏季和冬季呈现变干变暖的特点，且空间区域上的变化也较为一致。空间分布上，ET指数在春季（图4a）、夏季（图4b）和冬季（图4d）整体呈增加趋势，即热感受程度趋向变暖。其中，增加幅度最大的在春季，其次为冬季和夏季，秋季区域差异较大。

图4 2006～2020 年北京 44 站点的（a）春季、（b）夏季、（c）秋季及（d）冬季的 ET 变化趋势Fig.4 ET trends in the (a) spring, (b) summer, (c) autumn, and (d) winter at the 44 stations in Beijing from 2006 to 2020

3.3 冷暖日变化

整个北方地区的季节特征大多呈现冬夏长，春秋短的特点。从2006～2020年44站年平均结果来看，基于ET指数的热感受等级划分所得的天数比例排列依次为：31.7%（寒冷）、20.0%（凉爽）、18.2%（冷）、13.6%（舒适）、8.4%（热）、7.7%（温暖）和0.5%（炎热）。其中“气候适宜日数”在全年平均占比41.3%。在四季各季节内的平均占比为春季（50.2%）、夏季（65.1%）、秋季（48.9%）和冬季（0.1%）（见表3）。

表3 2006～2020年北京44站四季及年平均热感受等级日数Table 3 Days of the annual and seasonal thermal grades at the 44 stations in Beijing from 2006 to 2020

全年平均而言，81.8%站点的寒冷日、61.4%站点的凉爽日、54.6%站点的舒适日以及63.6%站点的温暖日表现出减少的趋势；
79.4%站点的冷日、81.8%站点的热日和93.2%站点的炎热日表现出增加的趋势。整体上，热感受趋于变暖，与前人研究一致（曹云等, 2019）。但“气候适宜日数”包含的凉爽日、舒适日和温暖日站点间差异较大，超过半数站点均表现为“气候适宜日数”减少，与前人50年（1966～2015年）的长时间序列结论相反（曹云等, 2019），但相重合的时间段内的趋势较为接近。

从区域分布上来看（图5），寒冷日整体在减少，仅中心平原中心城区个别站点在增加（图5a）；
冷日与寒冷日正相反，近郊及远郊山区站点在增加，而平原中心城区部分站点在减少（图5b）；
凉爽日和舒适日的空间变化规律较为相似，近郊及远郊山区呈减少趋势，平原中心城区呈增加趋势（图5c和图5d）；
温暖日的变化在西部、北部的远郊山区、近郊的北部地区呈增加趋势，而在近郊区和平原中心城区呈减少趋势（图5e）；
大部分地区热日在增加，增加最明显站点的分布在近郊区（图5f）；
研究时段内部分山区不存在炎热日，也无趋势变化，平原中心城区和近郊区的炎热日均呈现增加（图5g）。在区域上，不同的热感受分级中，郊区寒冷日减少程度、郊区冷日数和城区热日数的增加幅度是最为突出的，与前人的研究观点较为一致（房小怡等, 2015）。

图5 2006～2020年北京 44站年平均（a）寒冷日数、（b）冷日数、（c）凉爽日数、（d）舒适日数、（e）温暖日数、（f）热日数及（g）炎热日数变化趋势Fig.5 Annual trends of (a) very cold days, (b) cold days, (c) cool days, (d) comfort days, (e) warm days, (f) hot days, and (g) very hot days at the 44 stations in Beijing from 2006 to 2020

季节上，2006～2020年间春季有100.0%站点的寒冷日和81.8%站点的冷日出现天数在减少，而95.5%站点的凉爽日、90.9%站点的舒适日、100.0%站点的温暖日和100.0%站点的热日出现天数在增加。由于春季无炎热日出现，且春季的热感受都趋向于变暖，因此“气候适宜日数”整体在增加。

夏季基本不存在寒冷日和冷日，75.0%站点的凉爽日、65.9%站点的舒适日和70.5%站点的温暖日出现天数减少，77.3%站点的热日和93.2%站点的炎热日出现天数在增加；
夏季的热感受也趋向于变暖，但因为夏季本身的平均气温高，因此夏季“气候适宜日数”整体在减少。

秋季变化情况较为复杂，68.2%站点的寒冷日、81.8%站点的凉爽日天数的减少，而84.1%站点的冷日、63.6%站点的舒适日、65.9%站点的温暖日和93.2%站点的热日天数的增加，基本无炎热日出现。整体上，秋季的热感受也在一定程度上表现出变暖，但是“气候适宜日数”没有表现出统一的趋势，其中凉爽日整体在减少，舒适日和温暖日在增加。

冬季的热感受主要集中于寒冷日、冷日和凉爽日，“气候适宜日数”较少。冬季中81.8%站点的寒冷日表现为减少，77.3%冷日表现为增加，93.2%的凉爽日表现为增加，热感受同样趋于变暖。

本文利用自2006年1月至2021年2月的44个长时间序列站点，基于一种较为简单的ET指数来分析近15年来北京地区舒适度的变化规律，得到主要结论如下：

（1）北京地区的年平均气温、风速和ET指数都显著地受到了地形分布的影响。年平均气温在山区低，平原高；
年平均风速在山区大，平原小；
年平均相对湿度没有表现出山区与平原的显著差异；
年平均ET指数在山区属于冷—寒冷范围，在平原属于凉爽范围。季节上，多年平均的ET指数在夏季属于“温暖”的等级，春季和秋季属于“冷”的等级，在冬季属于“寒冷”的等级。

（2）研究时段内，所有站点的年平均气温均呈上升趋势，多数站点的年平均风速和年平均相对湿度呈下降趋势，最终有86.4%站点的年平均ET指数呈上升趋势。整体上，北京呈变干变暖的趋势，区域上集中于平原地区。季节上，主要表现为春季、夏季和冬季变干变暖，秋季则存在明显的区域差异。

（3）北京地区年平均寒冷日115 d、凉爽日73 d、冷日 66 d、舒适日 50 d、热日 30 d、温暖日28 d和炎热日2 d，“气候适宜日数”在全年平均占比41.3%，多数站点表现为全年“气候适宜日数”在减少。季节上，“气候适宜日数”按比例排序为：夏季39.8%、春季30.6%、秋季29.6%和冬季0。春季“气候适宜日数”整体在增加，夏季“气候适宜日数”整体在减少。秋季的热感受也在一定程度上表现出变暖，但是“气候适宜日数”没有表现出统一的趋势，凉爽日整体在减少，舒适日和温暖日在增加；
冬季的热感受主要集中于寒冷日、冷日，“气候适宜日数”较少。

（4）实际上，无论是哪种角度的舒适度指数分析都要依赖于数据本身。尽管目前有些指数考虑的更加全面，与人体健康关联更为密切，但由于相关要素数据即使能够获取，多数也只是单站的结果，无法进行大范围的区域分析工作。未来或随着格点观测数据集的更新，特别是辐射数据的更新和积累，或能开展更细致的多种舒适度指数时空对比和分析。

猜你喜欢日数平原城区长沙市望城区金地三千府幼儿园幼儿画刊(2022年8期)2022-10-18汉江上游汉中区域不同等级降水日数的气候变化特征分析绿色科技(2022年16期)2022-09-15那一片平原黄河之声(2022年6期)2022-08-26江淮平原第一关——古云梯关探秘华人时刊(2022年3期)2022-04-26平原的草安徽文学(2020年10期)2020-10-26金霞早油蟠在保定满城区的表现及栽培技术河北果树(2020年2期)2020-05-25天津市滨海新区塘沽地域雷暴日数变化规律及特征分析天津科技(2020年2期)2020-03-03浪起山走滇池(2019年1期)2019-02-14福田要建健康城区中国卫生(2016年11期)2016-11-12海南省雷暴日数年代际变化特征气象研究与应用(2016年4期)2016-02-27

推荐访问:北京地区 舒适度 特征