時空尺度下西安市7月平均氣溫的變化特點及相關性分析

許佳琳 崔晨風 王睿 彭曉蕾 劉宇諾 李欣愉

摘 要：氣溫變化研究作為氣候變化研究的重要內容，對人類發展具有重大意義。依據1901—2017年中國1km月氣候數據集，利用Mann-Kendall趨勢檢驗法，分析了改革開放后1978—2017年西安市7月平均氣溫及范圍的變化。結果表明：（1）1978—2017年西安市7月平均氣溫和平均氣溫在20℃以上的面積整體處于上升趨勢，20世紀的增溫率為0.535℃/10a，21世紀的增溫率為0.114℃/10a;（2）西安市7月平均氣溫發生突變的年份是1994年，平均氣溫在20℃以上的面積發生突變的年份是1990年和1994年;（3）1997—2017年西安市最高氣溫出現在新城區，最低氣溫出現在周至縣，藍田縣的增溫率最高;（4）GDP、常住人口、綠化面積與平均氣溫極差變化具有顯著的相關性。

關鍵詞：平均氣溫;氣溫變化;相關性分析;西安市

中圖分類號 P4 文獻標識碼 A 文章編號 1007-7731（2021）24-0121-04

近100年來，全球氣候變暖毋庸置疑，2019年世界氣候狀況監測顯示，全球氣候系統變暖趨勢進一步持續。針對氣候變暖及其所帶來的影響是近30年來國內外的研究熱點。相關學者研究發現，三峽庫區年平均氣溫上升速度與高程呈正相關[1];北京具有典型的城市熱島效應[2];福州和漳州的城市氣溫受下墊面的影響隨著城市化的加深而增大[3];珠江三角洲地區城市化對氣溫時空變化有較大的影響[4];北京市城市化效應中夜間熱島強度明顯大于日間[5];西安年平均氣溫、極端最低氣溫呈上升趨勢[6];西安具有區域性的極端氣溫變化[7]等。雖然近年來有較多氣溫方面的研究，但較少涉獵于西部地區小范圍內的氣溫變化情況。

本研究選擇目前城市發展速度較快、城市擴張、人口過剩等問題較多的西安市為對象，根據1901—2017年中國1km每月溫度和降水數據集，采用滑動平均法和Mann-Kendall趨勢檢驗法對1979—2017年西安7月氣溫變化趨勢進行分析，并將氣溫極差與GDP、常住人口、綠化面積進行相關性分析，探究在不同的時空尺度下當前城市化發展對西安市氣溫變化造成的影響，以期為揭示西安市氣溫變化規律提供科學依據。

1 材料與方法

1.1 研究區域概況 西安是陜西省省會，地處關中盆地中部，橫跨渭河南北兩岸，轄未央區、新城區、碑林區、蓮湖區、灞橋區、雁塔區、閻良區、臨潼區、長安區、高陵區、鄠邑區、藍田縣、周至縣11個市轄區、2個縣和功能區西咸新區。作為中國西部最大的城市之一，西部重要的文化、經濟、政治中心，西安是西部的代表城市。西安市作為新亞歐大陸橋中國段——隴海蘭新鐵路沿線經濟帶上最大的中心城市，是國家實施西部大開發戰略的橋頭堡，具有連接南北、承東啟西的重要戰略地位，樞紐城市特點十分突出。近幾年來，西安的城鎮化水平不斷提高，2020年年城鎮化水平達73.42%，城區人口規模1020.35萬人。較高的城鎮化水平在助力城市快速發展的同時，所引起的環境問題，尤其是氣溫變化問題不容忽視。據高文蘭等[6]研究發現，在西安市的城市平均氣溫增暖趨勢中，城市熱島效應對其具有重要的影響。圖1為利用Arcgis軟件制成的2017年7月平均氣溫分布地圖。

1.2 數據來源 本研究使用的西安市夏季7月平均氣溫數據集來自中國科學院水利部水土保持研究所副研究員彭守璋利用空間降尺度方案處理氣候數據集（CRU v4.02），生成的1901—2017年中國1km月氣溫降水數據集[8]。所使用的西安GDP、常住人口數等相關數據均來自西安市歷年統計公報。

1.3 數據處理 在ArcGIS 10.6中，將2015年全國縣級矢量數據投影到地理坐標系中，并且按屬性篩選出西安市的范圍，將載有全國氣溫數據的NC數據文件導入軟件中，并提取所需數據。利用按掩膜提取工具將對應西安市的氣溫提取出來，最后進行詳細的數據處理與分析。將氣溫值劃分為最低值至19.9℃、20～24.5℃、25℃至最高值3個區間，本文主要研究后2個區間。

1.4 研究方法

1.4.1 滑動平均法 以簡單平均數法為基礎，使用順序逐期增減數據求算數據的移動平均值，進而獲得預測結果。該方法可以較好地去除由于外部因素引起的突然波動對預測結果的影響，較好的推測出事物的發展趨勢。為了提高數據的準確性，防止出現相位偏差，本文選擇以5年的7月氣溫數據作為窗口長度。

1.4.2 Mann-Kendall趨勢檢驗法 Mann-Kendall趨勢檢驗法是非參數檢驗方法。該方法不需要樣本遵從一定的分布，也不會受到少數異常值干擾，適用于順序變量和類型變量。Mann—Kendall 趨勢檢驗法是一種氣候判斷及預測方法，通過使用Mann-Kendall檢驗法可以判斷出氣候序列中的突變現象及其發生時間，檢測氣候變化影響下的降水、干旱頻次趨勢。Yue等[9]對比研究了Mann-Kendall趨勢檢驗準確性，認為其與Bootstrap和t檢驗等相近。

設氣溫序列為x1，x2，...，xn，Sk表示第i個樣本xi>xj（1≤j≤i）的累計數，定義統計量：

Sk=[i=1kri，ri]=[1，xi>xj0，xi≤xj，（j=1，2…，i;k=1，2，…，n）]

將Sk標準化：

[UFk=（Sk-ESk）varSk]

其中：UF1=0，[ESk，VarSk]是累計數Sk的均值和方差。按時間序列x的逆序再次重復上述過程，同時使[UBk=-UFk，k=n，n-1，…，1，UB1=0]。并繪出[UFk]和[UBk]曲線圖。

若[UFk]或[UBk]的值大于0，則表明序列呈上升趨勢，小于0則呈下降趨勢。當它們的值超過臨界直線時，表明上升或下降趨勢顯著。超過臨界線的范圍確定為出現突變的時間段。若[UFk]和[UBk]兩條曲線的交點在臨界線之間，那么交點對應的時刻便是突變開始的時間。

2 結果與分析

2.1 西安市7月平均最高氣溫隨時間變化情況 圖2所示為1979—2017年西安地區7月氣溫最高值變化情況，圖3為利用滑動平均法的擬合成果。根據實測數據可以發現西安在近40年氣溫在震蕩式持續上升，且21世紀后上升趨勢逐漸減小。由滑動平均法所示結果，西安近40年氣溫在逐步上升且上升幅度在逐漸減小。使用滑動平均法的氣溫變化圖能夠減小短時間內氣溫變化的波動的更好地反映出西安市氣溫總體變化情況。從最高氣溫的數據經過線性擬合可以得到1978—2000年增溫率為0.535℃/10a，2001—2017年增溫率為0.114℃/10a。

2.2 西安市7月平均最高氣溫面積隨空間變化情況 平均氣溫在20℃以上的面積成波動起伏式的上升，整體變化趨勢與氣溫最高值變化類似，20世紀有明顯的增長，2000年左右增長率開始降低。在20世紀平均氣溫在25℃以上的面積有明顯的增長，2000年后增長率減小逐漸趨于平穩，而在20世紀平均氣溫在20～25℃的面積有明顯的減少趨勢，2000年后減少趨勢減小。

2.3 西安市7個分區的氣溫增長比較 根據2015年全國縣級矢量數據所得的7個分區周至縣、長安區、新城區、臨潼區、藍田縣、鄠邑區、高陵區進行氣溫增長情況的比較。利用線性擬合的方法分析可得，1997—2017年20年間，周至縣的增溫率為0.575℃/10a，長安區的增溫率為0.59℃/10a，新城區的增溫率為0.585℃/10a，臨潼區的增溫率為0.57℃/10a，藍田縣的增溫率為0.625℃/10a，鄠邑區的增溫率為0.59℃/10a，高陵區的增溫率為0.55℃/10a，其中長安區、新城區、藍田縣、鄠邑區的增溫率高于西安市的增溫率0.585℃/10a，其中，西安市7月平均氣溫最高值位于新城區，最低值位于周至縣。證明新城區是西安市最發達的區域，藍田縣近20年的發展較快。

2.4 西安市7月平均氣溫的時間變化特征

2.4.1 圖5是西安市7月平均氣溫的Mann-Kendall檢驗圖 在α=0.01的顯著性水平下，臨界值的范圍為±2.58（細實線），在α=0.05的顯著性水平下，臨界值的范圍為±1.96（細虛線）。UF（粗虛線）是氣溫序列的順序統計量，UB（粗實線）是氣溫序列逆序的統計量。由圖5可知，UF，UB曲線交點在臨界范圍內，對應年份為1994年，由此推斷，1994年開始西安市7月平均氣溫發生明顯的躍變，這一結論與王海燕等[11]指出的陜西省年平均氣溫在1993年發生增溫突變，陜北、關中分別在1994年和1995年發生突變相對應。同時從圖5也可以看出，1987年以前UB的值超過了α= 0.01的顯著性臨界值，說明這一段時間氣溫變化明顯;2000年以前UB曲線的值不斷地在減小但保持在零值以上，而UK曲線的值大于零，說明2000年以后仍處于增長趨勢，但這一階段的增長趨勢較小。

圖6所示的是1978—2017年西安市平均氣溫最低值和最高值的差值，從圖6可以看到，UB曲線一直位于零值之上，且UB（粗實線）和UF（粗虛線）曲線沒有交點，說明氣溫的差值沒有出現明顯突變。1978—1980年、1982—1987年和2000—2017年UF曲線值為負值，說明這期間氣溫差值為降低趨勢，1980—1982年和1987—2000年曲線值為正值，說明這期間氣溫的差值為增大趨勢，但未超過α= 0.05的顯著性臨界值，說明變化趨勢不明顯。

圖7是西安市7月平均氣溫在20℃以上面積的Mann-Kendall檢驗圖，在α=0.01的顯著性水平下的臨界值為±2.58（細實線），在α=0.05的顯著性水平下的臨界值為±1.96（細虛線）。UF（粗虛線）是面積序列的順序統計量，UB（粗實線）是面積序列逆序的統計量。從圖7可以看到，UF，UB曲線交點在臨界范圍內，對應年份為1990年和1994年，由此推斷，1990年和1994年西安市7月平均氣溫在20℃以上的面積發生明顯的躍變，面積變化趨勢與氣溫變化趨勢基本相近，其中1978—1980年和1982—1986年的UF曲線的值為負數，并且UB曲線的值超過α=0.05的顯著性臨界值，說明這幾段時間面積減少趨勢明顯，在1986年之后UB曲線位于α=0.05的顯著性臨界值之下，并且UF曲線值大于零，所以1986年之后面積處于增加階段且變化趨勢不明顯。

2.5 氣溫相關性分析 將7月平均氣溫最高值和最低值的溫差的滑動平均值與GDP、常住人口、綠化面積進行相關性分析，分析結果如圖8～10所示。

GDP是反映城市經濟發展的重要指標，以西安市的GDP為自變量，以7月平均氣溫的溫差作為因變量以二次多項式的方法進行相關性分析，發現二者呈顯著相關（R2=0.9228），具體情況如圖8所示。西安市的經濟發展處于擴張階段，經濟發展初期GDP的增長對擴大溫差的促進作用極為顯著，而隨著經濟發展水平不斷提高，GDP的增長對擴大溫差的促進作用逐漸減小，當GDP增長至5200萬元左右，對擴大溫差甚至表現為抑制作用。隨著社會經濟的不斷發展，人們對環保等問題的關注度更加提高、踐行度更加強烈，在發展經濟、擴大生產的同時將環保問題落實到了實處。

常住人口數量在一定程度上反映了城市規模的大小，以西安市的常住人口為自變量，以平7月均氣溫的溫差作為因變量以三次多項式的方法進行相關性分析，發現兩者存在顯著相關（R2=0.8849），具體情況如圖9所示。這說明城市常住人口變化是引起溫差變化的一個重要驅動因素，并且人口增長對溫差的影響程度較GDP對溫差的影響程度較低，由于人口的增加、聚集會導致城市的各項生產活動增加，進而導致能源消耗的增加。

城市綠化在調節一個城市氣溫的過程中起著重要作用。城市綠地有利于防治大氣、改善水體污染、改善土壤污染、改善城市氣候環境、減弱噪聲污染、最終提高城市的自然環境生態質量。以西安市的綠化面積為自變量，以7月平均氣溫的溫差作為因變量，以二次多項式進行相關性分析，發現兩者存在顯著相關（R2=0.95），具體情況如圖10所示，這說明城市綠化面積是引起溫差變化的一個重要驅動因素，在城市面積和人口不斷增加的情況下，城市綠化對于城市氣溫的影響較大。

3 結論

（1）對1978—2017年西安市7月平均氣溫數據進行整體分析，發現1978—2000年增溫率為0.535℃/10a，2001—2017年增溫率為0.114℃/10a。

（2）用Mann-Kendall檢驗發現，西安市7月平均氣溫發生躍變的年份1994年，平均氣溫在20℃以上的面積發生躍變的年份為1990年和1994年，二者的檢驗圖整體變化趨勢相近，通過檢驗圖發現平均氣溫最高值最低值的差值處于上升階段。1997—2017年中長安區、新城區、藍田縣、鄠邑區的增溫率高于西安市的增溫率0.585℃/10a，最高氣溫出現在新城區，最低氣溫出現在周至縣，藍田縣的增溫率最高。

（3）GDP、常住人口、綠化面積均與西安市7月平均氣溫最高值最低值的差值有著顯著的相關性，表明它們與平均氣溫差值的變化發展有著密切關系。其中，綠化面積與溫差的相關性最高。

致謝：感謝崔晨風老師和張楚天老師的指點、幫助。

參考文獻

[1]王圓圓，李貴才，郭徵，等.1979年—2014年三峽庫區月平均氣溫的時空變化分析[J].遙感學報，2018，22（03）：487-496.

[2]林學椿，于淑秋.北京地區氣溫的年代際變化和熱島效應[J].地球物理學報，2005（01）：39-45.

[3]官雨潔，劉壽東，曹暢.不同城市化程度的城市氣溫變化研究——以福州和漳州為例[J].熱帶氣象學報，2018，34（04）：554-560.

[4]吳子璇，張強，宋長青，等.珠三角城市化對氣溫時空差異性影響[J].地理學報，2019，74（11）：2342-2357.

[5]季崇萍，劉偉東，軒春怡.北京城市化進程對城市熱島的影響研究[J].地球物理學報，2006（01）：69-77.

[6]高文蘭，李雙雙，段克勤，等.基于均一化資料的西安極端氣溫變化特征研究[J].地理科學，2018，38（03）：464-473.

[7]李斌，解建倉，胡彥華，等.西安市近60年降水量和氣溫變化趨勢及突變分析[J].南水北調與水利科技，2016，14（02）：55-61.

[8]Peng Shouzhang，Ding Yongxia，Liu Wenzhao，et al.1 km monthly temperature and precipitation dataset for China from 1901 to 2017[J].Earth System Science Data，2019，11：1931-1946.

[9]Sheng Yue and Paul Pilon.Interaction between deterministic trend and autoregressive process[J].Water Resources Research，2003，39（4）.

[10]王紹武，羅勇，趙宗慈，等.全球變暖的停滯還能持續多久？[J].氣候變化研究進展，2014，10（06）：465-468.

（責編：張宏民）