基于自動氣象站資料的宜昌城市熱島分析

毛成忠，張 明，劉云鵬，張麗文，肖 剛

（1.宜昌市氣象局，湖北 宜昌 443000；2.夷陵區氣象局，湖北 夷陵 443100；3.武漢區域氣候中心，湖北 武漢 430074）

1833年，英國氣候學家Lake Howard[1]在對倫敦城區和郊區的氣溫進行同時間對比觀測后，發現城市溫度比郊區高。1958年，Manley[2]首次提出城市熱島（Urban Heat Island，UHI）的概念。此后，城市熱島引起的城市生態環境問題引起廣泛關注，國內外學者相繼用不同方法研究了一些大中城市發展過程中的熱島效應。1982年，周淑貞等[3]利用4個氣象站和數十個流動觀測點資料分析了上海城市熱島效應。1986年，Yamasitr S等[4]利用1個氣象站和流動觀測1 a的數據分析了東京城市熱島。1997年，陳沈斌等[5]利用1個城市站和6個郊區站分析了北京城市熱島。2001年，Morris等[6]利用4個氣象站20 a的資料分析了墨爾本城市熱島。2009年，Giridharan R等[7]用77個站1 a的資料分析倫敦的城市熱島。2012年，Tanzina M等[8]用3個郊區站、2個城市站30 a資料分析多倫多城市熱島等。隨著科學技術的發展，衛星遙感和數值模擬技術在城市熱島研究方面得到廣泛應用，近10 a來，我國學者先后分析了上海[9]、北京[10-11]、南京[12]、西安[13]、珠三角地區[14]和長三角地區[15]等大城市和經濟發達地區的城市（群）熱島。隨著中國城市化快速發展，宜昌逐漸成為長江經濟帶上武漢與重慶之間的新興大城市，城市規模和經濟總量已經躍升為湖北省第二位，又處在長江三峽庫區局地氣候變化敏感區，其城市熱島效應和時空演變趨勢成為政府和公眾關注的熱點。

1 研究區域、資料和方法

1.1 研究區域

宜昌位于湖北省西南部、長江上中游結合部和長江三峽庫區東端，鄂西武陵山脈和秦巴山脈向江漢平原的過渡地帶。本文研究區域為宜昌市主城區（西陵區、伍家崗區、點軍區、猇亭區和夷陵區城區）及周邊郊區，地理坐標為111°00′～111°35′E，30°23′～31°05′N。

1.2 研究資料

利用研究區域內2009—2018年共10 a的自動氣象站逐小時氣溫資料，包括國家級AWS和區域加密AWS，改進以往研究中氣象站偏少或資料系列偏短的不足。資料質控以中國氣象局氣象資料業務系統質控數據為準，MDOS未質控的部分區域加密AWS資料，按照氣象行業標準《地面氣象觀測資料質量控制》QX/T 118-2010[16]等規范進行質量控制。宜昌市有關社會經濟數據來源于湖北省統計局網站（http：//tjj.hubei.gov.cn/tjsj）的宜昌市國民經濟和社會發展年度統計公報及統計年鑒。

1.3 研究方法

1.3.1方法比較

城市熱島的研究方法主要有遙感反演、數值模擬和氣象站資料方法等。基于衛星遙感反演地表溫度的地表城市熱島（Surface Urban Heat Island，SUHI）方法，具有覆蓋范圍廣、時間同步性好、圖像直觀等特點，近年來在城市熱島研究中應用較多[9-10，12-14]。但盡管地表溫度和氣溫關系密切，在城市環境背景下依然無法直接轉換[14，17]，不能直接得出城鄉之間的溫度差即熱島強度，在公眾服務和決策服務中不夠直觀，高時間分辨率和高空間分辨率兩者難于兼顧，較難準確地反映一個城市在連續時間段的空間變化。

數值模擬方法在城市熱島的研究中日趨成熟，經歷了一維、二維到三維的發展，不僅模擬了人為熱[11]、下墊面或復雜地形[18-19]等對城市熱島的影響，還模擬了湖陸風環流[20]、大型綠楔[21]等對城市熱島的減緩作用，從理論上揭示地表能量交換和機理，在研究城市熱島成因和對策方面具有優勢。但由于影響城市熱島的因素眾多、各城市環境差異大，因此數值模式的通用性受到影響，且試驗模擬方案復雜、并需要大量的實測氣象數據支持。

氣象站資料法是熱島現象發現后一個多世紀以來的傳統研究方法，利用氣象站觀測的城鄉溫度差，可以直觀、量化地得出熱島強度，易為大眾所接受，不僅數據精度高，而且時間連續性好。但這種方法由于受到氣象站數量、站點空間密度和資料序列長度的限制，在近年熱島研究中相對受到冷落。用氣溫資料分析的城市熱島有時也稱為大氣城市熱島（AUHI），以區別來源于遙感數據的地表城市熱島（SUHI），這兩者之間是否存在替代或耦合關系，也是當前城市熱島研究中的熱點問題之一。

傳統的氣象站資料方法還存在一個難點，就是如何客觀地劃分城市氣象站與郊區氣象站。尤其在中國城市化進程加快的當今，城市體量迅猛膨脹，城郊緩沖區變寬，城郊界限不斷外延，原來的城郊緩沖區站點、郊區站點不斷向城市區遞進，城市區站點也因城市建設發展，其建筑物類別（下墊面類型或局地氣候類型）變化復雜。因此，有學者提出一種基于下墊面類型（或稱局地氣候類型）的分類方法（Local Climate Zones，LCZ）[22]，郊區溫度以低矮植被類下墊面的平均溫度來代表，城區溫度則通常以占建成區面積比例最大的建筑類別來代表，以此計算城市熱島強度UHIILCZ，但這種方法比較繁瑣，下墊面分類常達十幾種到數十種之多，還需要衛星遙感影像輔助判別下墊面類型。

1.3.2改進的氣象站資料法

本文利用研究區域內77個AWS（表1），借鑒局地氣候類型（LCZ）方法，結合宜昌城市建成現狀（圖1a），以站點下墊面類型（局地氣候類型）為主要依據初步篩選出23個站點。再對初選的23站采用K均值聚類算法[23]進行分類，分析結果為0類13站、1類7站和2類3站。0類站年平均氣溫接近18 ℃，均分布在市區，1類和2類站年平均氣溫在16 ℃左右，且分布在郊區，故將0類13個站作為城區代表站，1類7個站和2類3個站作為郊區代表站，結果如表1和圖1b。

表1 宜昌城區、郊區AWS代表站篩選

熱島強度的定義為城市與郊區的溫度差，計算公式為：

式（1）中，Ht為熱島強度，Tc為城區AWS氣溫，TJ為郊區AWS氣溫。

2 結果與分析

2.1 年際變化

圖1 宜昌市建成區（a）、城區和郊區AWS站點（b）分布

2.1.1近10 a宜昌城、郊平均氣溫變化

宜昌市城區、郊區近10 a平均氣溫變化如圖2。城區與郊區近10 a的氣溫變化趨勢一致，均呈上升趨勢，其中，城區氣溫變化傾向率為0.986 ℃/10 a，通過0.05的顯著性檢驗，郊區氣溫變化傾向率為1.159 ℃/10 a，通過0.01的顯著性檢驗，均明顯高于1951—2018年亞洲年平均氣溫0.23 ℃/10 a的平均增速[24]和烏魯木齊1976—2014年0.49 ℃/10 a的平均增速[25]，這與全球變暖總趨勢以及過去5 a（2014—2018年）是有完整氣象觀測記錄以來最暖的5個年份[24]等結論是吻合的。從圖2還可以看出城區氣溫恒高于郊區氣溫，說明宜昌城市熱島效應明顯。

圖2 近10 a宜昌市城區、郊區平均氣溫演變

2.1.2近10 a宜昌城市熱島強度變化

圖3是近10 a宜昌年平均熱島強度和6—8月平均熱島強度的年際演變情況。年平均熱島強度在2009、2010年較強，達到1.5、1.6 ℃，之后在1.2～1.4 ℃波動。近10 a平均熱島強度為1.4 ℃，高于北京2008—2012年1.12 ℃的平均強度[26]。但近10 a宜昌平均熱島強度的增速為-0.172 ℃/10 a，但未通過0.05的顯著性檢驗，低于北京2008—2012年0.33 ℃/10 a的增速[26]，這與宜昌近年來推進城郊“新區”建設、減緩主城區環境壓力有關。熱島效應不僅與下墊面的改變相關，也受到社會經濟發展和人類活動的影響。雖然由于氣候變暖，城、郊年平均氣溫呈顯著的增長趨勢（圖2），但宜昌近10 a年平均熱島強度卻呈現出減少趨勢（圖3）。從表2分析可見，宜昌社會消費品零售總額的增減和GDP總量的增減與城、郊氣溫的增減均呈顯著的負相關，而與平均熱島強度呈正相關。由此可見，與零售總額直接相關的城市工商業、人流和車流等人類活動以及經濟發展增速（GDP增速）是影響城市熱島的重要影響因子。

圖3 宜昌近10 a平均熱島強度、6—8月平均熱島強度年際變化

夏季（6—8月）熱島強度與年平均熱島強度的年際變化趨勢、峰谷點出現年份略有不同。6—8月熱島強度總體呈現略微增強趨勢，傾向變化率為0.017 ℃/10 a，但未通過0.05的顯著性檢驗，2013、2014年較強，分別達到1.9、1.8 ℃，2011年最弱為1.2 ℃，其他年份為1.3～1.5 ℃。從表2可以看出，6—8月熱島強度與社會經濟指標相關性不強，也可能與資料系列年限較短有關。

表2 宜昌市熱島效應與部分社會經濟指標相關性分析

2.2 季節變化

宜昌以3—5月為春季、6—8月為夏季，9—11月為秋季，12月—次年2月為冬季（下同）。從圖4可以看出宜昌熱島強度的季節變化特點是，夏季和秋季較強（1.5 ℃），冬季和春季較弱（1.2 ℃）。瓦力江等[27]用28個自動氣象站2 a的氣溫資料分析烏魯木齊城市熱島強度，認為秋季夜晚最強，與本研究結論基本一致，但其同時指出烏魯木齊冬季白天和晚上都比較強，與宜昌冬季熱島強度較弱的結論相反，這可能與烏魯木齊城市冬季集中供暖、而宜昌城市冬季沒有集中供暖有關。在冬季供暖的北京地區熱島效應也是冬季和夜間較強[23]，與烏魯木齊類似，表明冬季城市供暖會增強城市熱島。結合圖5可以看出，宜昌4個季節內各時節熱島強度變化的特點是：初春、仲春時節與冬末熱島強度相同，仍為1.2 ℃，直到暮春時節才上升到1.4 ℃。初夏、盛夏時節熱島強度與暮春時節同為1.4 ℃，夏末升至一年的峰值1.6 ℃。初秋、仲秋時節也同為1.6 ℃，而暮秋和初冬、隆冬時節則是逐月連續下降到一年的谷底。冬末則開始進入一年的上升階段。季節變化上總體表現出熱島強度變化滯后于氣溫變化約2個月。

圖4 宜昌近10 a熱島效應的季節變化

圖5 近10 a宜昌熱島強度及城區、郊區氣溫年變化

2.3 年變化

2.3.1熱島效應年變化

從圖5可以看出，宜昌氣溫7月最高，城區、郊分別為28.7、27.3 ℃；1月氣溫最低，城區、郊區分別為5.7、4.6 ℃；全年城區、郊區氣溫變化形態近似以7月為對稱軸的正態分布，符合當地氣候的氣溫年變化規律。熱島強度年變化1月最弱，僅為1.1 ℃；2月回升到1.2 ℃，維持到3—4月；5月躍升為1.4℃，維持到6—7月；8月再次躍升到1.6 ℃，維持到9—10月；11、12月和次年1月則連續下降至1.4、1.3和1.1 ℃。可見，2—10月為一年中熱島增強階段，11月—次年1月為熱島減弱階段。增強階段呈現出“走走停停”的“臺階”現象，即以3個月為周期的“平臺期”（2—4月，5—7月，8—10月）；但在熱島減弱階段（11月—次年1月）則是持續下降，沒有“臺階”現象。一年中熱島強度最強時段為8—10月（均為1.6 ℃），若取平均值為9月，則比一年中氣溫峰值時間7月滯后2個月，使全年熱島強度趨勢線呈明顯的負偏態曲線分布。總體來看，熱島強度變化在時間上滯后于氣溫變化，這是因為城市復雜的三維立體幾何下墊面有較大的熱容量、較小的反照率、較小的風速，以及建筑物之間熱輻射的多次相互反射吸收等因素，更能有效地吸收、儲存太陽輻射的熱量。而吸收或釋放熱能需要一定時間才能達到熱平衡，即熱滯效應導致城市升溫滯后于郊區。但降溫階段的滯后性在月際尺度的分析中不明顯，即氣溫和熱島強度同時在1月降為谷點，或者是降溫階段的滯后性需要更高時間分辨率（候或日）來揭示。

2.3.2夏季的熱島效應

根據國家生態園林城市建設考核指標的要求，分析6—8月（夏季）平均氣溫和熱島強度的變化得出，近10 a夏季城區、郊區平均氣溫均在7月達到最高，熱島強度在8月達到最強。圖6則直觀地顯示出夏季極端溫度與熱島強度的“反相位”特征，即在最高氣溫和極端最高氣溫情況下，熱島強度很弱，僅為0.6～0.9 ℃；最低氣溫和極端最低氣溫時，熱島強度較強，達到1.7～1.9 ℃。這種“反相位”現象的原因仍可能是城市和郊區下墊面熱屬性的差異所造成的熱滯效應，即在城市氣溫高于鄉村氣溫的總體格局下，氣溫升高時城市升溫慢、鄉村升溫快，使城鄉溫差相對變小；在氣溫降低時城市降溫慢、鄉村降溫快，使城鄉溫差相對變大。

圖6 近10 a夏季宜昌城區、郊區極端氣溫情形下的熱島強度

2.4 日變化

分析2009—2018年0—24時（北京時，下同）逐小時城區、郊區平均氣溫和城市熱島強度得出圖7。城區、郊區氣溫日變化趨勢一致，均為14—15時最高，06—07時最低。熱島強度的日變化為：夜間強且變化小，上午開始減弱，中午最弱，午后至夜間逐漸加強并穩定，日最高溫度時熱島弱，日最低溫度時熱島強。在日變化中，氣溫高低與熱島強弱也是“反相位”的，這與上一節夏季氣溫低時熱島強、氣溫高時熱島弱的特征類似，也與周淑貞等[3]分析上海18時—次日04時熱島強度最強，瓦力江等[27]分析烏魯木齊城市熱島強度在夜晚較大、白天較小，以及Magee等[28]分析阿拉斯加費爾班克斯的城市熱島效應、尚建設等[29]分析濟南市夏季城市熱島夜高晝低的日變化結論一致。但研究沒有明確給出這種晝高夜低現象的成因，也有學者提及白天水泥路面和建筑物貯存熱量比綠地、水體貯存熱量要多10%～15%，這些熱量會在夜間釋放，增強城市熱島[30]。本文圖7顯示出小時尺度分辨率下，熱島強度滯后于平均氣溫、熱島強弱與氣溫高低“反相位”的特點，直觀地表達了“熱滯效應”可能是熱島強度夜高晝低的主要原因。還值得注意的是，從熱紅外遙感反演的SUHI日變化常常與此相反，表現為白天比夜晚強，有學者認為是氣溫計和熱紅外遙感不同的工作機理所致[31]，需要更深入研究。

圖7 近10 a宜昌平均氣溫和平均熱島強度的日變化

2.5 空間分布

2.5.1年平均熱島效應空間分布

圖8a是近10 a宜昌平均氣溫空間分布，高溫區域近似南北向的“S”型帶狀分布，與夷陵區、西陵區、伍家崗區、猇亭區城市核心區輪廓完全對應，非常清楚地顯示出城區氣溫明顯高于四周郊區。其中夷陵區、西陵區、伍家崗區是宜昌城市核心區，建筑物、人口、商業區稠密，猇亭區是宜昌的工業集中區。江南的點軍區溫度明顯低于上述4個行政區，因其是最近幾年才逐步開始發展的新區，人口密度、工商業密度等均遠不及前述的4個行政區。

熱島強度的空間分布如圖8b，與平均氣溫的分布類似，即熱島強度高值區也呈現沿城市中心軸線的“S”型分布，熱島強度中心有向點軍區延伸凸出的趨勢，與土地利用/覆蓋類型的變化相一致。南部猇亭區熱島中心有向宜都市貫通的趨勢，這是因為猇亭區與宜都市隔長江相望，兩地工業尤其是化工發達，宜都市是湖北經濟前三強的縣級市，經濟發展尤其是工業發展可能是城市熱島的重要驅動因子。

2.5.2夏季熱島效應空間分布

宜昌城區、郊區夏季多年平均氣溫分布與年平均氣溫分布基本一致，但夏季同等級的高溫區域面積更大，高溫范圍向東北擴展（圖8c），這與近幾年向東北的土門、龍泉一帶建設發展相吻合。而且在夷陵區、西陵區、猇亭區中央區域有較強的大小不等的高溫斑塊出現。江南的點軍區夏季溫度明顯相對較低。6—8月熱島強度與平均氣溫的空間分布（圖8d）類似。≥0.5 ℃的熱島面積，夏季要比年平均大1/3以上，并且夏季1.5～2.0 ℃的較強熱島斑塊在夷陵區和西陵區已經連成一片。進一步證實夏季是宜昌城市熱島較強的季節之一的結論。

2.5.3近5 a熱島強度的時空演變

圖8 近10 a平均氣溫（a）、平均熱島強度（b），6—8月平均氣溫（c）、平均熱島強度（d），2013年熱島強度（e）及2018年熱島強度（f）（單位：℃）

圖8e、8f分別是2013、2018年宜昌城市熱島的空間分布狀況。近5 a熱島強度面積雖無明顯變化，但2018年老城區的中央區域出現了高于1.5 ℃的增強熱島斑塊，而5 a前熱島強度均低于1.5 ℃。從下墊面的變化看，近5 a這些老城區的土地利用/覆蓋類型變化并不大，市區人口也僅增長0.9%（表3），即城市規模基本穩定。但近5 a其它社會經濟數據（表3）顯示，接待旅游人數增長133.1%，民用汽車擁有量增長97.7%，能源消耗方面天然氣和供水總量分別增長40%左右，城市中央區域AWS代表站（伍家崗站）的熱島強度增強了29.6%。這些現象說明，即使城市規模基本穩定，但人類活動加劇、能源消耗增加，使人為熱源排放增加，仍導致城市熱島增強，這是今后城市生態環境值得關注的問題。在增強的熱島斑塊中，也有個別站點并不在老城區的中央區域，如葛洲壩位于宜昌城區的西緣，直接受人類活動影響的程度不如城市中央區域，但熱島強度仍然增強的可能原因是宜昌盛行的東南風將城區熱空氣輸送于此（即熱島的“下游效應”），熱空氣被西部山地阻擋堆積使熱島加強。再如夜明珠站點臨近葛洲壩，也有類似的熱島“下游效應”，同時夜明珠處于宜昌城區西出主要通道和三峽高速公路附近，車流量很大可能是其熱島增強的原因之一。其次，葛洲壩、夜明珠都臨近長江葛洲壩電站，近5 a電力生產增加或葛洲壩庫區水體效應是否導致附近氣溫升高，則有待進一步驗證。

表3 宜昌市2013年、2018年部分社會經濟數據與熱島強度對比

3 結論與討論

（1）2009—2018年宜昌城市熱島平均強度為1.4 ℃，高于北京2008—2012年的平均強度1.12 ℃，但呈現出逐年緩慢減弱的趨勢，傾向變化率為-0.172 ℃/10 a。近10 a夏季（6—8月）平均熱島強度為1.5 ℃，傾向變化率為0.017 ℃/10 a，但傾向變化趨勢均未通過0.05的顯著性檢驗。近10 a宜昌社會消費品零售總額增速、GDP增速與平均熱島強度正相關，這表明社會經濟發展是城市熱島的重要影響因子。

（2）宜昌城市熱島強度日變化是，早晨到中午迅速減弱，午后至傍晚逐漸加強，夜間是一天中最大值且保持穩定，與氣溫資料分析的其他城市熱島日變化規律基本一致。

（3）熱島強度年變化是，1月最弱為1.1 ℃，2—4月略升到1.2 ℃的“臺階”，5—7月上升到1.4 ℃的“臺階”，8—10月再上升到1.6 ℃的“臺階”，11、12月、次年1月分別下降到1.4、1.3和1.1 ℃。熱島強度的變化總體滯后于氣溫的變化約2個月。熱島季節變化以夏季和秋季較強（1.5 ℃），冬季和春季較弱（1.2 ℃），這與冬季供暖的北方城市以冬季熱島強度最強不同，可能是冬季城市供暖使城市氣溫升高的緣故。

（4）熱島強度的日、季節和年變化在時間上總體滯后于氣溫的變化。日、月最高氣溫時熱島弱，最低氣溫時熱島強。這些現象可能是城市下墊面熱容量較大的“熱滯效應”所致。

（5）城市熱島高值區與城市核心區空間分布一致，即熱島高值區與人口密集區、商業密集區和工業集中區等高度一致。熱島強度高值區的凸伸方向和趨勢，與城市建設發展的方向高度一致。近5 a宜昌城市熱島面積無明顯變化，但城市中央核心區熱島強度的等級增強。說明城市中心區人流、車流等人類活動的加劇、能耗的增加，使人為熱排放增加，導致城市中心區熱島增強。

本文采用改進的氣象站資料法對宜昌城市熱島進行分析，氣象站數量、資料系列長度得到了一定程度兼顧，時間演變分析從小時級到年代級，評估結論更加客觀，且量化的熱島強度較直觀，易為大眾和決策服務所接受。但時空分布的精細化上仍需要更高時空密度的資料來支撐，熱島效應成因和機理也有待更深入分析。我國大部分地區、特別是城市地區的氣象站網密度，已經達到10 km以上，時間分辨率已經達到分鐘級，這為氣象站資料方法研究高時空密度的城市熱島效應奠定了基礎。但城市、郊區氣象站的區分以及海量數據的自動化質控和處理等仍需加強研究。融合智慧城市等大數據以滿足高時空密度資料的需要也是將來多源數據的來源之一。

一般情況下大氣城市熱島和地表城市熱島呈現較為一致的趨勢和相關性，但兩者之間的轉換目前缺乏成熟和公認的方法。此外，地面儀器觀測的地表溫度與衛星遙感的地表溫度之間的關系，目前的試驗和研究也不多。近年的文獻表明，城市熱島研究方法已經向氣溫資料、遙感反演和數值模擬等多種方法、多源數據相互融合發展，研究對象已經從單一的城市熱島向城市熱環境、熱島環流、熱島影響機理和應對策略等多層面、多維度延伸拓展。