引言

IPCC第五次评估报告明确指出，1880—2012年全球平均地表温度已升高了约0.85℃，海平面上升、冰川退缩、极端天气和气候事件的频率和强度增加，对自然生态系统和人类社会都已产生了深刻影响^[1-2]。在全球气候变化过程中，人类活动的作用是不可忽视的，其中有关土地利用方式变化对气候变化的影响备受学者们的关注^[3-5]。城市化是人类大规模改变土地利用方式的重要途径之一，城市非渗透性、三维结构复杂的人工地表，增加了下垫面的粗糙程度，加之城市内部高强度的人类活动，改变了其地表的能量收支分配^[6]，这不仅导致同期城市与郊区的气温差异，还影响城市区域近地表的大气流动和能量传输。上述影响在规模较大的城市更为明显，比如形成强烈的热岛效应^[7-8]，这种独立于周边地区的局地气候特征，持续影响着城市环境及其人口的健康状况。

城市对局地气候要素的影响被附近地面气象观测站记录，如气温、风向和风速等。以往研究的焦点多集中在评价城市对气温的影响上，且主要是通过对比分析城市/乡村站气温差异的方法来估算城市化对气温变化的影响^[9-10]。此方法已被运用于各种尺度的城市化增温研究中，这对于研究城市气候环境变化、评价区域尺度上的城市化增温具有积极意义。然而，台站分布不均匀、遴选及分类标准不统一以及某些台站存在迁站历史等因素会导致研究结果存在不确定性^[9-10]。近期一些研究发现，近地表的大气流动对城市热岛的强度及分布影响显著^[11-13]。为此，Jin等^[8]综合了风向、城市规模及气象站位置等因素提出了城市影响指数模型，用以评估中国的城市化对气象站观测气温的影响程度，此方法同样运用在对我国华北地区大城市增温效应的评价^[14]。

本文基于上述城市影响指数模型，在考虑城市人造地表规模^[15]、气象站位置^[16]及风向^[12]的同时，细化了参数的计算方法，对比分析了长沙市附近气象站点的气温观测资料，并评估了气温资料中的城市增温幅度。城市影响指数模型的建立和改进为评估地面气温观测资料中的城市化影响偏差提供了新的方法，其结果有助于更加深刻地认识城市化对城市及其附近地面气温的影响。最后讨论了风速对城市热岛的影响，以求为相关研究提供新的思路。

1 研究区概况

地表大气流动对热量传输的影响不可忽视，为方便对比分析，研究对象应具备两个基本条件，即具有稳定的主导风向、附近存在多个地面气象观测站。经过筛选，本文最终选取长沙市及其附近2个国家级基本/基准气象站(表 1)作为研究对象。

长沙市位于湖南省东部偏北(图 1)。作为湖南省省会城市，长沙市土地面积近1.2万km2，其中城区面积556 km2，2015年末全市常住总人口达743.18万，是我国南方地区重要的中心城市之一，经济总量位居中部第二，仅次于武汉。长沙市城区北、西、南缘为山地，东南以丘陵为主，季风气候显著，常年主导风向为西北风和东南风，属亚热带季风性湿润气候。

2 数据与方法 2.1 数据

本文采用的是由国家基础地理信息中心牵头、多家单位共同参与研制的以2010年为基准年的全球30 m地表覆盖数据(GlobeLand30-2010)。该数据覆盖南北纬80°的陆地范围，包括耕地、森林、草地、灌木地、湿地、水体、苔原、人造地表、裸地、冰川和多年积雪等11种地表覆盖类型，共包含853幅分幅数据，本研究仅使用包含湖南省长沙市的1幅遥感制图数据。气象资料来自中国气象数据共享服务网提供的《中国地面气候资料日值数据集》，所用数据包括长沙市两气象站2007—2009年的逐日平均气温(T_mean)、平均最高气温(T_max)、平均最低气温(T_min)、最大风速的风向(16方位)及风速(S_W)。

2.2 方法

通过加权平均，本研究将日平均气温转化为月平均气温、日最大风速转化为月平均风速。由于长沙市东、西气象站海拔分别为44.9 m和68.0 m，根据海拔每升高100 m，气温下降0.65℃的规律，以东站气温为基准对西站的气温观测资料予以订正，以确保气温对比分析的准确性。

由于现有气象资料的限制，参考Jin等^[8]的研究，本文假定日最大风速的风向为该日的最多风向，因此采用日最大风速的风向作为当日主导风向。通过统计2007—2009年不同主导风向出现的日数，并分别除以3年的总日数，计算得到每个风向的风频，用以绘制16方位风向玫瑰图。

在Jin等^[8]的研究中，分别统计了每个风向通过城市区域到达气象站的距离，用距离长短表示某风向穿过城市区域所传输到气象站的热量大小，并作为模型参数之一。但直接将距离参数运用到对单一城市和气象站的气温评价上略显粗糙，因此本文将城市区域进行分区，并用分区内的人造地表面积代替距离参数。因为城市人造地面在短期内变化不大，所以本研究仅使用2010年的地表覆盖遥感制图数据，在ArcGIS 10.0中进行长沙市及其周边地区的人造地表提取(图 2)。基于GIS缓冲区功能^[17]，分别以长沙市东、西气象站为圆心，以2 km距离为间隔做缓冲区，最大缓冲距离设置为36 km，即得18个缓冲带。参照16方位风向玫瑰图，将每个风向左右各偏转11.25°，把缓冲区分割成288个分区。

图 2显示了分别以西站和东站为圆心所做的缓冲分区，图中数字1~16表示16个方位的风向(风向用i表示)，每个风向方位上均有18个缓冲分区，距离气象站最近的为第1分区，依次向外编号为第2分区、第3分区至第18分区(分区编号用j表示)。虽然每个风向方位的缓冲分区数量相同，但是分区内的人造地表面积以及分区到气象站的距离是不同的，因此各分区产生的热量对气象站气温观测的影响存在差异。分别统计各分区内的人造地表面积(S_ij)及相应分区与气象站的距离(D_ij)，并将二者的比值定义为城市影响指数，用来表示在风的作用下，上风向区域的人造地表所产生的热量对下风向气象站气温记录的影响程度。城市影响指数计算公式如下：

其中：K_d表示城市影响指数日值，当日主导风向用i表示；K表示城市影响指数月值，即当月对应的城市影响指数日值(K_d)之和；i表示风向方位，i=1，2，3，…，16，其中i=1和i=5分别代表北风和东风；j表示缓冲带编号，j=1，2，3，…，18，其中j=1和j=18分别代表最远缓冲距离为2 km和36 km的缓冲带；S_ij表示i风向上第j缓冲带分区内的人造地表面积(km²)；D_ij表示i风向上第j缓冲带分区到气象站的最远距离，即第j缓冲带的缓冲距离(km)。

根据2007—2009年长沙市两个气象站每日主导风向及公式(1)，分别计算两气象站的K_d，将每月对应的K_d值加权得到K，进而计算东、西气象站每月K值的差值(ΔK)。本文采用一元线性回归方程拟合两站36个月ΔK与气温差值(ΔT)的关系，本文所指差值均为东站减去西站所得，并根据拟合的一元线性回归方程估算气象站气温资料中的城市影响偏差。

3 研究结果 3.1 气温差异

通过计算2007—2009年长沙市东、西气象站月平均气温差值(ΔT_mean)、月平均最高气温差值(ΔT_max)和月平均最低气温差值(ΔT_min)，发现两个气象站的T_mean、T_max和T_min都存在一定的差异，且这种差异在不同的月份变化显著(图 3)。

2007—2009年，ΔT_mean多为负值，在2007年、2008年和2009年的最大绝对值分别为0.79℃、0.90℃和0.51℃；ΔT_max多为正值，在2007年、2008年和2009年的最大绝对值分别为0.51℃、0.32℃和0.83℃；ΔT_min多为负值，在2007年、2008年和2009年的最大绝对值分别为1.29℃、1.34℃和0.97℃。经计算，2007年、2008年和2009年东、西气象站年平均气温的差值分别为-0.24℃、-0.30℃和-0.17℃，年平均最高气温的差值分别为0.11℃、0.05℃和0.16℃，年平均最低气温的差值分别为-0.73℃、-0.69℃和-0.64℃。可见，3年来西气象站记录的平均气温和平均最低气温显著高于东站，分别平均高出0.24℃和0.69℃，东气象站仅平均最高气温略高于西站，3年平均高出0.11℃。

3.2 风向差异

图 4表明，长沙市东、西气象站观测的主导风向均为西北风，但具体风向及风频仍存在一定差异。东站观测的主导风向为15风向，风频接近40%，风向1和7的风频接近10%，其余风向的风频很小；而西站观测的主导风向为15和16风向，风频分别约30%和20%，其余风向的风频虽然很小，但与东站相应风向的风频仍有差异。

3.3 城市影响指数差异

图 5表明，长沙市东、西气象站记录的地面气温在不同风向上所受城市影响差异很大。当日主导风向为东风或东南风(风向方位4~7) 时，西站记录的气温受城市影响远大于东站(图 5a)；当日主导风向为西南风、西风或西北风(风向方位11~15) 时，东站记录的气温受城市影响远大于西站(图 5b)。此外，随着距离的增加，各分区城市影响指数基本呈现出先增大后减小的规律，这与气象站和城市的相对位置关系密切。

2007—2009年长沙市两气象站36个月的城市影响指数差异显著，且年内变化具有一定的规律性(图 6)。东站城市影响指数月值(K_e)在冬季(1—2月，12—14月，24—26月)较大、夏季(6—8月，18—20月，30—32月)较小，呈现出由冬季向夏季逐渐减小，再由夏季向冬季逐渐增大的趋势。西站城市影响指数月值(K_w)的年内变化规律与东站相似，但周期略有延迟且波动幅度较小。此外，大多数月份的K_e > K_w，表明长沙市区对东站的气温影响大于西站。2007年、2008年和2009年K_e的年平均值分别为2.10、1.97和1.96，K_w的年平均值分别为1.50、1.52和1.49。

3.4 气温资料中的城市影响偏差

图 7为两气象站ΔK与ΔT的相关关系。其中，ΔK与ΔT_mean的相关系数R为0.57(P < 0.001)；ΔK与ΔT_max和ΔT_min的相关系数R分别为0.48(P < 0.005) 和0.47(P < 0.005)。可见，ΔK分别与ΔT_mean、ΔT_max和ΔT_min之间存在极显著正相关关系。

在同一气候背景下，当城市化对两个气象站的影响不同时，可造成一定的气温差异。对于某一城市站而言，假定周围没有任何城市和人为热源，那么其城市影响指数和城市增温均等于0，而实际上该站存在城市化影响，那么实际与假定状况下的ΔK=K，因此可将K值代入一元线性回归方程计算该站气温资料中的城市影响偏差。将线性回归方程的常数项设置为0，再分别将东、西气象站各月K值代入方程，计算得到地面气温观测资料中的城市影响偏差(图 8)。

本研究对气温的对比分析主要集中在月尺度上，以往研究多是分析城市对气温年际或季节变化的影响^[18-19]，却忽视了逐月的城市化增温差异。图 8表明，2007—2009年气象站逐月气温观测资料中的城市影响偏差差异显著，其波动规律与K值的波动规律一致。东站气温的城市影响偏差在秋季和冬季较高，在春季和夏季较低；西站的城市影响偏差在春季和冬季较高，在夏季则相对较低。

此外，两气象站T_mean中的城市影响偏差(U_Tmean)和T_min中的城市影响偏差(U_Tmin)明显大于T_max中的城市影响偏差(U_Tmax)(图 8)。2007年、2008年和2009年东站的U_Tmean分别达0.63℃、0.59℃和0.58℃，西站的U_Tmean分别达0.45℃、0.45℃和0.44℃(表 2)。

长沙市区对附近两气象站气温变化的影响在年内不同时段差异显著，其变化规律与大多数研究的结果基本一致^[20-22]。以2007年为例，东站U_Tmean的极小值和极大值分别为0.47℃和0.82℃，波动范围达0.35℃；西站U_Tmean的极小值和极大值分别为0.25℃和0.62℃，波动范围达0.37℃(表 2)。

3.5 气象站风速差异及影响

2007—2009年长沙市东、西气象站逐月平均风速(S_w)存在较大差异，风速差异在夏季(6—8月)和秋季(9—11月)尤为明显(图 9)。经计算，东站2007年、2008年和2009年的年平均风速分别为4.95 m/s、4.67 m/s和4.52 m/s，西站的年平均风速分别为4.61 m/s、4.43 m/s和4.49 m/s。

城市热岛是城市化影响气温变化的最主要表现形式^[21]。以往研究表明，城市及城市化对风速的时空变化均有影响^[23-24]，而风速可对城市热岛产生影响，通常认为风速与城市热岛强度存在显著负相关关系^{[9, 11]}。显然长沙市东气象站的年平均风速大于西气象站，因此在风的作用下东站周围区域的增温效应可能得到了更大程度的减缓。然而本文发现东站记录的气温资料中，城市影响偏差仍大于西站，导致这一现象的可能原因是东站所受城市影响程度明显高于西站，风速对城市热岛强度的缓解比两站的城市增温差异小。

4 结论

本文通过分析长沙市附近两个气象观测站2007—2009年的逐月气象资料，发现两气象站观测的气温和主导风向均存在较大差异，表明城市对局地气候的影响显著。主要结论如下。

(1) 2007—2009年长沙市东、西气象站逐月平均气温存在显著差异，其中东、西气象站T_mean、T_max和T_min的最大差异绝对值分别达0.90℃、0.83℃和1.34℃。

(2) 东、西气象站观测的主导风向均为西北风，但具体风向及风频仍存在一定差异。

(3) 受气象站位置及不同时段主导风向的影响，东、西气象站的逐月K值存在不同的季节变化规律。东站和西站平均K值3年均值分别为2.01和1.50。

(4) ΔK与ΔT之间均存在极显著正相关关系。经计算，2007年、2008年和2009年，东站的U分别为0.63℃、0.59℃和0.58℃，西站的U分别为0.45℃、0.45℃和0.44℃。

本研究所采用的方法避免了因参考站数量不足、遴选标准不统一等原因而造成的研究结果的不确定性^{[10, 21]}。在计算城市影响指数时综合考虑城市地块面积、气象站位置以及风向因素，使研究结果更加可信，为定量评估气温观测资料中的城市影响偏差提供了新的思路。此外，风速在缓解城市热岛强度中起到一定的作用，但本研究尚未对风速的影响做定量分析，因此在以后研究城市气候变化时，应更加注意风向和风速的共同影响。由于本文仅选用两个距离城市很近的气象站进行了分析，气象要素本身受城市化的影响，因此文中计算的城市增温可能仍然存在一定的不确定性。选择相同气候背景下不受城市化影响的乡村站进行分析和比较，将有助于改进本文研究方法。