城市生態氣象監測評估初步研究與實踐
——以北京為例

劉勇洪，軒春怡，李梓銘，欒慶祖，劉海濤，熊亞軍

1.中國氣象科學研究院/災害天氣國家重點實驗室，北京 100089；2.北京市氣候中心，北京 100089；3.中國氣象局京津冀環境氣象預報預警中心，北京 100089

黨的十九大報告將“生態文明”建設作為新時代堅持和發展中國特色社會主義的基本方略，圍繞這個方略，中國氣象局先后出臺了《“十三五”生態文明建設氣象保障規劃》和《關于加強生態文明建設氣象保障服務工作的意見》，并在2017年明確提出“堅持公共氣象的發展方向，大力發展安全氣象、資源氣象、生態氣象，全面提升氣象綜合防災減災和應對氣候變化能力”，重點開展包括農田、森林、草地、濕地、湖泊、荒漠、海洋（海岸帶）、城市等典型生態系統氣象監測與評估業務服務，由此城市生態氣象服務已成為城市氣象服務的未來重要發展方向和內容。

氣象條件作為影響生態系統最活躍、最直接的驅動因子，影響著生態系統的質量和人類生存的環境，關系著生態保護和建設的成果，開展生態氣象業務服務，對于中國的生態建設、生態保護和生態安全都具有重要的意義（中國氣象局，2018；陳鵬飛等，2018）。目前，關于生態氣象學（Ecometeorology）或者生態氣候學（Ecoclimatology）的定義雖未完全統一，但沒有本質上的差異，周廣勝、劉晶淼等多位學者都給出了生態氣象學各自理解的定義（陳懷亮，2008）。2002年美國環境與氣候學家Gordon Bonan出版了《生態氣候學》一書（戈登·B·伯南，2009），正式提出“生態氣候學”的概念，他認為生態氣候學是理解氣候系統內陸地生態系統功能的交叉學科，主要研究景觀與氣候之間相互影響的物理、化學和生物過程，簡言之，生態氣候就是研究“氣候影響生態和生態影響氣候”的科學，目前已成為一門快速發展的交叉學科和應用性較強的氣象科學領域新學科（王讓會，2018）。與其他自然生態系統不一樣，城市生態系統具有獨特氣候特征（如城市熱島、干島等），具有典型的“生態景觀影響氣候”特征，因此圍繞城市氣候與生態環境之間的相互關系和作用機理，從系統的觀點和角度實時監測和評估甚至預警城市生態氣象的健康與否，對城市生態文明建設和可持續發展具有重要意義。

目前對生態氣象開展監測評估在國內外都處于初始階段，生態氣象監測評估指標選擇、模型應用等技術支撐方面薄弱，生態氣象業務體系不夠完善（陳鵬飛等，2018）。早期的研究主要是針對植被生態開展監測評估，如毛留喜等（2006）基于植被凈初級生產力（NPP）建立了生態氣象監測與評估指數（EMI）模型，并進行生態氣象等級劃分進而開展中國區域生態氣象監測與評估。自中國氣象局 2005年 7月下發《生態質量氣象評價規范 (試行)》（中國氣象局，2005）以來，眾多學者基于氣象數據、遙感和GIS手段相繼開展了當地生態質量氣象評價（劉勇洪等，2007；劉少軍等，2007；任學慧等，2008；王君華等，2009；孫云鵬，2011；陳興鵑等，2014），但由于該評價規范中的評估指標主要考慮陸表生態環境（如植被、水體、土壤、農林氣象災害等），對大氣質量環境和人居環境考慮得較少，因此還不能有效應用于城市生態氣象綜合監測評估中。本文將基于生態氣象學理論和城市氣候特征，開展城市生態氣象監測評估方法初步研究，并以2018年北京為例進行實踐應用，對類似大城市開展生態氣象或生態氣候服務具有借鑒意義。

1 資料

（1）氣象資料：北京地區2018年315個區域氣象自動站逐時氣溫、降水、相對濕度、風速資料，1981—2018年觀象臺（北京氣象代表站）逐日氣溫、降水、相對濕度、風速、日照時數、天氣現象、霾日及 PM2.5觀測資料，來源于北京氣象信息中心，主要用于城市生態氣象要素監測、大氣環境和高影響天氣氣候事件監測。

（2）FY-3衛星數據：本文選用北京地區2016—2018年FY-3B陸表溫度（LST）產品數據，可通過“風云衛星遙感數據服務網（http://satellite.nsmc.org.cn/portalsite/default.aspx）”免費下載，主要用于城市熱島評估。

（3）MODIS衛星數據：本文選用北京地區2002—2018年1 km空間分辨率MODIS 16 d合成的歸一化植被指數NDVI產品（MOD13A3）、白天和夜晚8 d合成平均陸表溫度LST產品（MOD11A2，MYD11A2）、8 d合成的凈初級生產力（NPP）產品（MOD15A2H）、逐日3 km空間分辨率MODIS衛星氣溶膠光學厚度產品（MCD04），來源于美國國家地質調查局數據陸表數據中心網站（https://lpdaac.usgs.gov/data_access/data_pool），主要用于陸表生態環境和大氣環境監測評估。

（4）Landsat和環境一號衛星數據：本文選用北京地區1986—2018年30 m空間分辨率晴空Landsat衛星系列和環境一號B星數據，來源于“地理空間數據云”（http://www.gscloud.cn/），主要用于水體面積估算和生態冷源提取。

（5）其他數據：北京市 2018年逐日空氣質量指數（AQI），來源于北京市生態環境局。

2 城市生態氣象監測評估方法

城市生態系統包括自然、經濟、社會3個子系統，是一個以人為中心具有與其他系統不一樣氣候特征的復雜生態系統。因此，城市生態氣象不僅需要對大氣環境要素（如溫、濕、風、大氣氣溶膠、能見度及大氣質量等等）進行監測，還需要對與氣候相關的陸表生態環境參數如陸表溫度、土壤濕度、植被生長量等進行監測評估（王連喜等，2010），同時考慮到高影響天氣氣候對城市生態環境和城市系統運行的巨大影響，可以考慮分別從生態氣象條件、陸表生態環境、大氣環境、人居環境和高影響天氣氣候事件等方面對城市生態氣象進行監測評估。

2.1 生態氣象條件監測

常規的季節或年氣象要素評估指標一般采用國家級氣象站的氣溫、降水、日照三要素，但實際上由于國家級氣象站建站時間比較早，建站要求嚴格，一般離城市集中建成區較遠，并不能很好地反映城市氣候特征。因此，為了精細化地評估城市氣候特征，需采用高密度的區域氣象自動站資料開展基本氣候要素監測。另外，由于城市地表粗糙度增加導致城區近地風場受阻、風速普遍降低的事實以及由于城市不透水蓋度增加導致的“城市干島”現象也是城市氣候的顯著特征，因此還需開展城市風環境和相對濕度等要素監測。

2.2 陸表生態環境

2.2.1 植被覆蓋度

植被覆蓋度（Vegetation coverage，VC）是最重要的陸表生態環境因子之一，是衡量城市環境質量及居民生活福利水平的重要指標，同時也是影響城市熱島、水土流失的重要因子。在評估城市植被生態環境好壞時，可采用年最大VC反映城市“綠色”程度。VC可利用衛星觀測的歸一化植被指數（NDVI）進行估算，本研究中，利用 MODIS-NDVI產品（MOD13A3）采用像元二分模型（即純植被和裸土）進行VC估算（吳云等，2010），其中針對北京地區，純植被和裸土的NDVI分別取值為0.95和0.20。

在分析 VC變化時，往往需要評估氣象條件對其變化的貢獻率。針對半干旱地區，降水是 VC變化的最主要限制因子（孫紅雨等，1998；孫艷玲等，2010）。在這里，可以利用統計回歸法分析降水條件驅動下的VC變化趨勢率占實際VC變化趨勢率的百分比，從而初步評估氣象條件對VC變化的影響。

2.2.2 植被生態質量

氣候決定植被分布，也決定其生產力、覆蓋度和生態環境質量，可以用陸地植被生態質量指數表征（Vegetation Ecological Quality Index，VEQI）；VEQI定義為基于陸地植被NPP和VC的能夠反映陸地生態系統植被功能和覆蓋狀況的定量數值，數值越大，表明植被生態質量越好（錢栓等，2019）。其中 NPP不僅直接反映了植被群落在自然環境條件下的生產能力，表征陸地植被生態系統的質量狀況，而且是判定生態系統碳源/匯和調節生態過程的主要因子，因此可作為陸表生態環境的重要評估指標（王江山等，2017）。VEQI的估算是通過 NPP指數和VC的線性加權和來表示，而NPP指數為該時段的陸地植被NPP與歷史同期最大NPP之比（錢栓等，2019）。

本研究中，NPP指數則基于北京長時間序列MODIS-NPP產品（MOD15A2H）估算得到，NPP指數和VC的權重系數均取值為0.5。

2.2.3 陸表溫度

陸表溫度（LST）是城市地表能量平衡的關鍵因子，影響著城市生態服務功能及人居環境；一般城市建成區不透水蓋度越高，綠化率越低，LST則越高，反映城市陸表生態質量越差。目前在區域尺度上可直接利用MODIS-LST產品或者FY-3旬、月LST產品（劉勇洪等，2018）。本研究中，直接采用MODIS-LST產品（MOD11A2，MYD11A2）利用平均值合成方法獲取北京地區年均LST。

2.2.4 水庫水體面積

水源保護是生態涵養發展區的第一要務，對重點水源地如水庫進行水體面積監測可以有效反映水資源的變化。可利用30 m空間分辨率Landsat系列衛星或環境一號衛星資料，基于改進歸一化差異水體指數（MNDWI）閾值法可對水體區域進行有效提取（徐涵秋，2005）。

2.3 大氣環境

大氣環境評估是城市生態氣象評估的重要內容，目前可以開展空氣質量評估和氣象條件影響評估，在此基礎上可以開展污染源解析和基于氣象條件的大氣污染減排效果評估。

2.3.1 空氣質量

目前用來表征空氣質量的指標主要有：環保部門的環境空氣質量指數（AQI）、細顆粒物（PM2.5）以及氣象部門觀測的霾日數和氣溶膠光學厚度（AOD），其中AOD反映整層大氣中氣溶膠對直接太陽輻射的衰減能力，一般AOD越小，大氣越清潔，反之大氣越渾濁。本研究中直接利用MODIS-AOD產品（MCD04）對北京地區年均AOD進行估算。

2.3.2 大氣污染源解析和減排效果評估

目前主要利用第三代三維空氣質量模型CAMx開展PM2.5污染來源解析（陳云波等，2016），基于靜穩天氣指數（SWI）和大氣容量系數開展大氣污染減排效果評估（張恒德等，2017）。其中SWI定義為定量描述大氣的靜穩程度的綜合指數，該值越高則代表氣象條件越有利于霧霾天氣發生，不利于大氣污染擴散，靜穩天氣指數和大氣容量系數具體計算方法參見文獻（熊亞軍等，2019）。

2.4 人居環境

2.4.1 熱島強度

城市熱島是衡量城市生態環境的重要限制因子，較大程度反映城鎮建設及人類活動對城市氣候環境的不利影響，目前，除了常規的氣象觀測手段，衛星遙感也普遍應用于城市熱島監測中，可稱之為“陸表熱島強度（SUHI）”（Liu et al.，2018），且 SUHI空間分辨率更高，更能體現熱島空間分布細節。在區域尺度上可直接利用MODIS或FY-3 LST產品估算SUHI，SUHI計算方法參見文獻（劉勇洪等，2017，2015）。本研究中，2016—2018年的北京 SUHI基于FY-3B LST產品進行估算，2016年之前的北京SUHI基于MODIS LST產品進行估算。

2.4.2 生態冷源

生態冷源被定義為能產生新鮮冷空氣的區域，一般指森林、農田、大型綠地、公園和水體等；它是城市中冷空氣來源、改善空氣流通與人居環境的重要場所，可有效緩解城市熱島效應，具體提取方法可參見文獻（劉勇洪等，2017）。在這里，基于30 m空間分辨率的Landsat衛星和和環境一號B星對北京地區生態冷源進行提取。

2.5 城市高影響天氣氣候事件

本文中主要評估對人體健康和城市能耗等有較大影響的天氣氣候事件，如高溫悶熱、低溫嚴寒，可以分別用高溫悶熱日數和低溫嚴寒日數來評估當地氣象條件對人體不舒適程度。其中高溫悶熱天氣可以溫-濕指數經驗公式（黃卓等，2011；馬麗君等，2011）進行判定，嚴寒天氣以風寒指數經驗公式（張志薇等，2014）進行計算判定。對城市能耗的評估可以分別用制冷度日和采暖度日進行表征。其中制冷度日定義為室外日平均氣溫高于 26 ℃（空調制冷起始溫度）的日數的溫度累加；它是夏季制冷的重要能耗指標，一般該指標值越高，能耗就越高。采暖度日在本文中定義為室外日平均氣溫低于5 ℃（供暖起始溫度）的日數的溫度累加；它是冬季供暖的重要能耗指標，一般該指標值越低，能耗就越高。

此外，還需對城市生態環境及生命財產造成較大損失的重要氣象災害事件進行評估，如暴雨洪澇、強對流天氣災害等。

3 實踐應用

3.1 生態氣象條件監測

如圖1為北京地區20個國家氣象站和315個區域自動氣象站所繪制的 2018年主要氣象要素空間分布圖，可以看出，基于315個區域自動站的北京市年平均氣溫較20個國家氣象站更能體現出“城市熱島”和山區地形低溫等細節特征，同樣基于315個區域自動站的北京年降水量分布圖不但與20個國家站繪制的降水量空間分布有較大差異，而且更能體現出強降水具體落區位置，這有利于城市降水風險的準確評估；此外，基于區域自動站的平均相對濕度圖也能明顯體現“城市干島”特征，風速空間分布圖上顯示出二環與五環之間存在一個“冂”形風速低值區，這與已有北京城市風速空間分布研究成果一致（竇晶晶等，2014），這些結果顯示，開展城市生態氣象條件評估，區域自動站類能體現出常規國家氣象站不能得到的城市氣候特征精細化結果。

對北京 2018年主要氣象條件變化監測顯示：2018年北京年平均氣溫較常年（1981—2010年30 a平均，下同）偏高0.4 ℃，其中夏季為歷史第二高值；降水量接近常年，其中夏季降水偏多22%；日照時數接近常年；平均風速較常年偏低0.2 m·s-1，近 30年總體呈持續下降趨勢，在北京二環與五環之間存在一個“冂”形狀的風速低值區，小風（風速＜2.0 m·s-1）日數為近20年次高值；平均相對濕度較常年偏少4%，近30年總體呈下降趨勢。

3.2 陸表生態環境

3.2.1 植被覆蓋度VC

圖1 北京地區2018年基于20個國家氣象站的年均氣溫（a）和年降水量（b）以及基于315個區域自動站的相對濕度（c）、年均氣溫（d）、年降水量（e）和主城區年均風速（f）空間分布圖Fig.1 Spatial distribution of average annual temperature (a),annual precipitation (b) based on 20 national weather stations and annual relative humidity (c),average annual air temperature (d),annual precipitation and (e) annual average wind speed for main urban (f) based on 315 regional automatic stations

圖2 北京地區2018年植被覆蓋度VC（a）及2002—2018年平均VC及春夏季降水距平百分率變化（b）Fig.2 VC of Beijing in 2018 (a) and changes of annual VC and precipitation anomalies in spring-summer (b) in 2002-2018

如圖2所示為北京地區2018年植被覆蓋度及2002—2018年平均VC及春夏季降水距平百分率變化圖，可以看出2018年北京地區平均VC為61.6%，創2002年以來新高。2002—2018年北京VC總體呈增長趨勢，且VC與春夏降水距平呈明顯正相關（回歸模型R2為0.65，線性擬合模型達到0.01顯著水平）。其中2003年和2014年春夏干旱較為突出（春夏總降水量分別偏少33%和30%），是VC明顯偏低的重要原因；而2017年、2018年春夏降水較常年分別偏多21%和20%，對VC連續兩年創新高具有明顯正貢獻，其中2018年貢獻率達50%。

3.2.2 植被生態質量

如圖3為北京地區2018年植被生態質量等級分布及2002—2018年平均植被生態質量指數變化圖，可以看出2018年北京植被生態質量指數為2000年以來的最高值，生態涵養區（主要位于山區）植被生態質量處于正常或偏好等級的面積比例達 93%。2002—2018年期間，植被生態質量指數呈增加趨勢，其中2014年因春夏干旱較重，植被生長明顯偏差，氣候條件對植被生態質量的影響非常明顯。

3.2.3 水庫水體面積

2018年密云水庫水體面積為 135.6 km2（圖4a），官廳水庫水體面積為92.4 km2（圖4b），均為2000年以來最大值，且近5年水體面積均呈持續增加趨勢。水體面積變化分析顯示：2018年水庫所在地密云和延慶春季和夏季總降水量較常年分別偏多20%和9%，有利于水庫蓄水；另一方面人工影響天氣作業對密云水庫水量增加了5016×104m3，對水庫面積擴充貢獻了8.3%；對官廳水庫水量增加了484×104m3，對水庫面積擴充貢獻了6.0%。

3.2.4 陸表溫度LST

圖3 北京地區2018年植被生態質量等級分布（a）及2002—2018年平均植被生態質量指數變化（b）Fig.3 Distribution of vegetation ecological quality grades in Beijing in 2018 (a) and changes in average vegetation ecological quality index in 2002-2018 (b)

圖4 1986—2018年北京密云水庫（a）、官廳水庫（b）水體監測及相應水體面積歷年變化（c.密云水庫；d.官廳水庫）圖Fig.4 1986-2018 Beijing Miyun reservoir (a),Guanting reservoir (b) water body monitoring and corresponding water body area changes over the years(c.Miyun reservoir; d.Guanting reservoir)

圖5 2003—2018年北京地區年均白天LST空間變化趨勢（a）及時間變化（b）Fig.5 Spatial variation trend (a) and time variation (b) of annual mean LST in Beijing during 2003-2018

受山區植被覆蓋增加和平原城鎮擴張影響，北京2003—2018年山區LST呈降溫趨勢（圖5a），平原LST呈升溫趨勢，其中通州和大興相鄰的通州-亦莊城鎮化連片區域是全市 LST上升最快的區域（高于 0.15 ℃·a-1）；但 2015年開始中心城區平均LST呈下降趨勢（圖5b），2018年為20.3 ℃，為2011年以來最低值，凸顯了近幾年北京地區所采取的“百萬畝植樹造林”和“留白增綠”等措施正在不斷取得成效。

3.3 大氣環境

3.3.1 大氣質量

圖6 2018年北京地區空氣質量日歷圖（a）、年均氣溶膠光學厚度AOD空間分布（b）及2014—2018年觀象臺不同等級霾日數變化（c）Fig.6 Beijing air quality calendar map (a),annual average AOD spatial distribution (b) in 2018 and changes in the haze number of different levels for Beijing Observatory in 2014-2018 (c)

由圖6可知，2018年北京地區主要大氣污染物—PM2.5年均質量濃度為 51 μg·m-3，較過去 4 年（2014—2017年）下降了31%，沒有發生持續3天及以上的重污染天氣過程；年均氣溶膠光學厚度AOD為0.37，較過去4年平均值下降14%，大氣清潔度得到改善；霾日數為83 d，較過去4年平均值減少31%，重度、中度和輕度霾分別減少了18、23、21 d。評估結果表明，2018年氣象因素對霾日數減少的貢獻比例約為 21%。此外，大氣擴散氣象條件分析顯示：2018年大氣靜穩指數為9.8，較過去5年（2013—2017年）平均值下降8%，表明2018年北京的擴散條件較過去5年偏好。

以上分析結果表明，2018年大氣質量得到明顯改善，凸顯了近幾年政府采取的大氣污染“減排”措施對改善空氣質量的積極作用。但城市“混濁島”依舊明顯，而城市風速持續降低和小風日數增加則進一步加大了城市霾天氣發生的風險，未來還需加強城市綠化與“通風廊道”建設等工作。

3.3.2 PM2.5來源解析

2018年北京PM2.5來源解析結果顯示：北京市本地貢獻占47%，外地的污染傳輸作用顯著，貢獻率占比53%，其中河北、天津、山東分別貢獻28%、10%和6%。針對本地各行業排放對北京PM2.5的貢獻率進行解析發現，排名前三的分別是居民源、交通源和工業源，占比分別為37%、34%和20%。以上分析結果表明外地污染傳輸貢獻仍高居不下，未來還需穩步推進京津冀及周邊地區之間的大氣污染防治協作工作。

3.4 人居環境

3.4.1 熱島

由圖7可知，2018年北京有明顯熱島發生，主要集中于中心城區及遠郊各區城中心。1990—2016年，北京城市熱島從中心城區向北、東和南三面擴展，其中 2001年后由于北京奧運會的申辦成功，開展了大面積的舊城改造與城市綠化，綠化率明顯增加使得熱島面積有所減小，2008年后熱島則持續增加，其中向昌平、順義和通州方向擴展最為明顯。2016年開始，熱島強度和范圍較為穩定，到 2018年熱島不再呈增加趨勢。2018年北京市較強以上熱島面積為1615 km2，略低于2016年和2017年，熱島開始得到緩解；中心城區熱島面積百分比高達79%，略低于去年（80%）；城市副中心通州熱島面積占區內15%。

3.4.2 生態冷源

由圖8可知，2018年北京中心城區生態冷源主要分布于北京五環外的大型綠地、公園和水體以及山區林地；與 2013年相比，各區冷源面積有增有減，中心城區合計增加冷源面積1779 hm2，顯示近幾年北京地區用于人居環境改善的“藍綠”宜居空間初步形成。

圖7 1990—2018年北京城市熱島強度SUHI變化圖Fig.7 Changes of Beijing surface heat islands (SUHI) from 1990 to 2018

圖8 2018年北京中心城區生態冷源監測（a）及與2013年相比生態冷源變化圖（b）Fig.8 Ecological cold sources monitoring in Beijing's central urban area in 2018 (a) and ecological cold sources change map compared to 2013 (b)

以上結果表明，北京“植樹造林”和“留白增綠”在緩解熱島方面已初見成效，熱島增長趨勢已受到抑制，但仍維持在較高水平，熱島依舊嚴重；結合風速、植被覆蓋度與陸表溫度結果可以看出，北京副中心-通州植被覆蓋度不到50%，通州-亦莊城鎮化連片區陸表升溫較快，未來仍需關注首都百萬畝造林工程與各區綠地系統、通風廊道系統規劃（如改善北京二環到五環之間“冂”形低風速區）的銜接與配合，以及通州地區“藍綠”宜居空間建設，有針對性地開展北京城市熱島緩解與北京副中心宜居建設工作。

3.5 高影響天氣氣候事件

2018年對北京地區居民人體健康和城市交通有明顯影響的天氣事件為高溫悶熱、低溫、強降雨（大雨和暴雨）、霧、沙塵、大風等（圖9）。其中，主要高影響天氣氣候事件有：

（1）夏季高溫悶熱和冬季階段低溫天氣突出：高溫悶熱日數和制冷度日突破歷史極值，持續悶熱日數為歷史第2多，造成北京日最大電力負荷連續4 d刷新歷史紀錄，高溫中暑、熱射病頻發。嚴寒日數為 2002年以來第二高值，采暖度日較常年同期偏低57%，出現一次極端低溫天氣過程，其中2個國家級測站極端最低氣溫突破歷史極值，北京電網最大負荷創冬季新高。

圖9 2018年北京地區基于人體健康和城市交通的高影響天氣日歷圖Fig.9 High-impact weather calendar based on human health and urban traffic in Beijing in 2018

（2）連續無降水日破紀錄：北京觀象臺連續145 d沒有出現降水，突破歷史紀錄，造成森林火險氣象等級持續偏高，沙塵日數偏多。

（3）“7.16”暴雨小時雨強超“7.21 暴雨”：“7.16”暴雨最大小時雨強達到 117.0 mm，超過 2012年“7.21暴雨”，僅次于2011年“6.23暴雨”，造成北京山洪、地質災害多發，交通基礎設施損毀嚴重，直接經濟損失近10億元。

以上結果表明，在全球氣候變暖背景下，高溫、低溫、強降水等極端天氣的出現是其重要表征，而且城市化加劇了這種極端天氣事件風險，考慮到城市人口、資源高度集中與人口老齡化發展趨勢，要充分認識這種極端天氣氣候風險在北京超大城市持續出現的可能性和危害性，政府應該將此作為一個常態來考慮，并采取相關措施積極應對。

4 討論

當前，關于生態氣象尤其是城市生態氣象監測評估的理論體系還未完全建立，監測評估的對象、指標以及評估模型還沒有形成一套較為完整的技術體系，本文只是對城市生態氣象監測評估指標、方法做了初步研究，評估結果也存在一定不確定性。本研究分別從城市氣候環境、與氣候要素相關的陸表生態環境、大氣環境、人居環境、城市高影響天氣氣候事件等5個方面選取了一些典型要素和指標進行評估，實際上，這些評估指標或要素可能僅覆蓋了城市生態環境的部分，如陸表生態環境除了植被覆蓋度、植被生態質量、水體、陸表溫度外，與氣候有關的土地退化（包括土壤水蝕和土壤風蝕）指標（劉勇洪等，2007）在本研究中并沒有被納入，還有北京典型的臭氧污染、酸雨污染等也沒有納入大氣環境評估中（張倩倩等，2019；張良玉等，2019），而與人體健康密切相關的花粉氣象過敏指數（段麗等，2016）也沒有被納入人居環境評估中，因此未來還需不斷發展、完善城市生態氣象監測與評估指標。

此外，本文基于選擇的要素或指標進行單個環境要素或生態環境的某一類型進行評估，還沒有建立某一類型以及整個生態環境的綜合評估模型，例如如何利用多個氣候要素對城市氣候環境進行整體評估，如何對陸表生態環境、大氣環境、人居環境、高影響天氣氣候事件進行整體評估，以及如何對整個城市生態環境進行綜合評估，都需要用建立一系列的模型來進行定量評估，未來還需在指標選擇、權重確定、模型建立等方面開展城市生態氣象評估定量研究。

生態氣象學是一個涵蓋了生態學和氣象學的交叉學科，而城市又是最為復雜的人工生態系統，全球氣候變化背景下的城市生態問題繁多，本文只是對與氣象相關的城市陸表生態環境、大氣環境和人居環境進行了初步的研究和應用，圍繞城市“綠色宜居”和“可持續發展”這一條主線，除了上述評估指標和對象外，受大眾關注且與氣象條件密切相關的生態足跡、生態功能區劃、生態紅線（預警）、生態廊道（含通風廊道）和城市空間規劃布局等均可納入未來生態氣象監測評估重點內容中；同時無論是生態問題，還是氣象問題，把握科學合理的標準化方法，對于監測、評價及預警的基準制定，以及質量評判至關重要，也將是未來生態氣象研究的重要方向。

5 結論

本文以北京為例，應用生態氣象學理論，基于高密度自動氣象站和國家氣象站資料、衛星資料對城市生態氣象開展了監測評估初步研究和實踐應用。其中基于自動氣象站資料的主要氣象要素可有效監測城市“熱島”、“干島”、“低風速”等，基于衛星資料提取的植被覆蓋率、植被凈初級生產力、植被生態質量、水體面積、陸表溫度等指標可對陸表生態質量進行初步評估，基于氣象觀測、大氣成分與衛星觀測資料估算的氣溶膠光學厚度、霾日數、PM2.5、大氣靜穩指數等指標可對城市大氣環境進行評估，基于衛星資料和氣象觀測資料估算的熱島強度、生態冷源、高溫悶熱日數和嚴寒日數、制冷度日和采暖度日等指標可對城市人居環境及城市安全運行進行初步評估。

評估結果顯示：與常年同期相比，2018年氣象條件總體利于陸表生態環境改善；氣溫總體正常，但夏季高溫悶熱異常，冬季（2017/2018年）出現持續低溫及長時間無降水，不利于人居環境改善與城市安全運行；夏季降水明顯偏多，利于植被環境改善和水庫蓄水，但極端強降水天氣造成較大災害損失；城市“熱島”、“干島”特征明顯，但生態冷源有所增加，城市熱島得到緩解；大氣擴散條件偏好，大氣環境質量改善明顯。

以上評估結果表明，持續植樹造林、城市綠化、大氣污染治理等措施在北京生態環境改善方面卓有成效，有利的氣候條件提高了生態環境的質量，但也要看到全球氣候變暖背景下極端天氣氣候事件、城市熱島、低風速以及外來污染輸送等給大城市生態環境及安全運行帶來的風險。