删除或更新信息，请邮件至freekaoyan#163.com(#换成@)

中国大陆1961-2010年间气候舒适期的空间格局及其演变

本站小编 Free考研考试/2021-12-29

李山¹^,²^,, 孙美淑¹^,², 张伟佳¹^,², 谭蕾¹^,², 朱妮娜¹^,², 王远飞¹^,²

1. 华东师范大学地理科学学院,上海 200241

2. 华东师范大学地理信息科学教育部重点实验室,上海 200241

Spatial patterns and evolving characteristics of climate comfortable period in the mainland of China: 1961-2010

LIShan¹^,²^,, SUNMeishu¹^,², ZHANGWeijia¹^,², TANLei¹^,², ZHUNina¹^,², WANGYuanfei¹^,²

1. School of Geographic Sciences, East China Normal University, Shanghai 200241, China

2. Key Laboratory of Geographic Information Science , Ministry of Education, Shanghai 200241, China

收稿日期:2016-05-4
修回日期:2016-09-7
网络出版日期:2016-11-25
版权声明:2016《地理研究》编辑部《地理研究》编辑部
基金资助:

国家重大科学研究计划课题（2012CB955803）

国家社会科学基金重点项目（12AJY008）

作者简介:
-->作者简介：李山（1974- ）,男,四川西昌人,博士,副教授,研究方向为旅游地理学与旅游气候学。E-mail:sli@geo.ecnu.edu.cn

展开

摘要
气候舒适期作为气候舒适度/人体舒适度评价的一种时间标尺,对建筑设计、人体健康和旅游发展等意义深远。以“月”界定气候舒适期的传统研究因时间粒度较大,不利于全球变化下区域间横向和区域内纵向的比较和解析。根据中国大陆775个基本（基准）气象站点1961-2010年间的逐日气象数据,利用温湿指数（THI）和风效指数（WEI）的组合模型策略对其“舒适”分级标准进行改进,在“天气舒适日数累加”这一以“天”为粒度的气候舒适期界定下,对中国大陆近50年来气候舒适期的空间格局及其演变开展分析。研究给出了中国大陆的年均气候舒适期数值及其季节分配,揭示了年均气候舒适期的空间格局及其季节性差异,探讨了50年来气候舒适期的空间演变及其季节性特点,为全球变化的区域响应提供一种有关人居环境建设和人类活动适应的基础认识和科学依据。

关键词：气候舒适度;人体舒适度;天气舒适日数;风效指数;温湿指数;旅游气候学;胡焕庸线
Abstract
Climate comfortable period (CCP) is a temporal index evaluating the climate comfortableness or human thermal comfortableness. It is of significance to architectural design, public health and tourism development etc. Most of studies on CCP generally take month-scale as the time granularity, which is too long to precisely chart the intra- or inter-regional differences, especially under global climate change. This article chooses day-scale as the time granularity of CCP, which is more precise than month-scale. Based on the daily meteorological data from 775 basic weather stations in the mainland of China from 1961 to 2010, which is provided by China Meteorological Science Data Sharing Service Network, this paper makes use of Temperature Humidity Index (THI) and Wind Effect Index (WEI), and modifies them to fit the actual situation of China in order to assess the climate comfortableness in the mainland of China since the 1960s. This study indicates the average annual and seasonal CCP and its spatial patterns in the mainland of China, and summarizes the evolving characteristics of CCP over the past 50 years. These results can provide some scientific understandings for human settlements environmental constructions, and also be helpful to improve local or regional resilience responding to global climate change.

Keywords：climate comfortableness;human thermal comfort;weather comfortable days;wind effect index;temperature humidity index;tourism climatology;Hu Huanyong Line

-->0
PDF (1656KB)元数据多维度评价相关文章收藏文章
本文引用格式导出EndNote Ris Bibtex 收藏本文-->
李山, 孙美淑, 张伟佳, 谭蕾, 朱妮娜, 王远飞. 中国大陆1961-2010年间气候舒适期的空间格局及其演变[J]. , 2016, 35(11): 2053-2070 https://doi.org/10.11821/dlyj201611005
LI Shan, SUN Meishu, ZHANG Weijia, TAN Lei, ZHU Nina, WANG Yuanfei. Spatial patterns and evolving characteristics of climate comfortable period in the mainland of China: 1961-2010[J]. 地理研究, 2016, 35(11): 2053-2070 https://doi.org/10.11821/dlyj201611005

1 引言

气候舒适度是为了从气象学角度评价不同天气/气候条件下人体的舒适状态,根据人类机体与大气环境之间的热交换而制定的生物气象指标,它反映了人体对热环境满意程度的意识状态^[1],是人类活动和人居环境的重要影响因子^[2-4]。气候舒适度差异直接导致区域气候舒适期长短及其季节性变化,对建筑设计^[5,6]和人体健康^[7,8]产生着重要影响,特别对季节性旅游流的形成^[9,10]和度假旅游地的发展^[11,12]更是具有决定性作用。近一个世纪以来,全球变暖已经成为一个不争的科学共识^[13-16],并形成了差异性的区域气候响应^[13,17],这在客观上造成气候舒适度及气候舒适期在不同地区有着不同变化。尤其对中国而言,国土辽阔、经纬跨度大且下垫面条件多样,气候变化的区域差异更为突出,对不同地区、不同领域所带来的影响程度不一、优劣各异^[18,19]。因此,需要着眼全国开展总体性的舒适期空间分布及其演变规律研究,从而为全球气候变化的区域响应提供一种有关人—地关系的基础认识,进而为人居环境建设和人类活动适应提供必要的科学依据。
气候舒适期作为衡量气候舒适时间长短（时长）的一个概念,直观并量化地表征了气候舒适度,因时间粒度和时间连续性差异,对其存在三种不同的理解。第一种界定,以“月”（或“旬”）等较大的时间粒度来界定气候舒适期,一般不要求月份（或旬）之间的连续性,这种界定在国内被广为接受。例如,20世纪80年代,刘继韩利用秦皇岛市1976-1980年平均的分月气象数据计算评价了其各个月份的气候舒适情况,并提出利用山地垂直气候变化条件发展山地旅游的建议^[20];在90年代,范业正等对中国沿海地区多年平均的分月气候舒适度进行评价,发现渤海湾沿岸城市及海南省南部城市有4~6个月连续的适宜度假和修疗养气候条件,其他沿海城市的气候舒适期（月）相对较短且分散在春秋两个季节^[21];进入21世纪以来,众多气候舒适度的相关研究也都延续了分月尺度的界定分析传统^[22-25]。以月尺度界定来研究气候舒适期,一方面是“气候”自身关注较大较长时间尺度的某种反映,另一方面可能更在于逐月气象数据相对逐日气象数据具有较强的可得性。然而,相对日值数据（较小的时间粒度）而言,根据月值数据（较大的时间粒度）所计算的气候舒适期存在三个明显不足：① 首先,人体舒适度模型在理论上刻画的是非线性“瞬时”体感,当使用“平均”气象要素值来进行替代计算时,就会模糊细节而偏离原意,时间粒度越大则这种偏离越远。② 其次,不利于横向比较。例如,某月同为A地和B地的舒适月,但有可能该月中A地每天均为天气舒适日,而B地仅一半天数为天气舒适日,两者在同一舒适月中有着近半个月的舒适日数差,客观存在的显著差异难以在月尺度上得到反映。③ 最后,不利于纵向比较,例如中国大陆不同区域舒适日数的年际差异是客观存在的^①(① 数据来源于国家气象局公布的《2012年中国气候公报》。),但其舒适月份一般情况下保持着相对稳定,气候变化的体感差异难以在月尺度上得到表征刻画。因此,在日值气象数据可得的情况下,摒弃分月传统,在日尺度上开展气候舒适期研究,已经开始受到越来越多的关注,也就产生了对气候舒适期的另外两种界定。
第二种界定,天气舒适日起止日期之间的一整段时间,是一个以“天”为计量单位的连续时间段。某地一年中可能存在数个这样的舒适期,例如,罗生洲等利用西宁市1954-2011年间的逐日气象数据,分别计算了多个舒适度指数所对应的气候舒适期起止日期及其持续天数,结果表明西宁较适宜旅游季节一般从4月中旬开始到10月中旬结束,综合舒适期约184天,并且在年际间呈变长趋势^[26]。
第三种界定,某个时间段内天气舒适日数的累加,同样以“天”为计量单位,“有一天算一天”而不要求舒适日之间的连续性。例如,王胜等利用安徽省70个气象台站1961-2010年逐日气象数据,计算分析了安徽省天气舒适日数（以及正常日数和不舒适日数）的分月变化和空间分布特征,发现各地年均舒适日数从90多天到160多天不等并呈年际增长趋势^[27]。本文根据气候舒适期的第三种界定,对中国大陆1961-2010年的气候舒适期开展空间演变研究。

2 数据来源与研究方法

2.1 数据来源

气温、风速、相对湿度和日照时数等日值气象资料来源于中国气象科学数据共享服务网站（http://cdc.cma.gov.cn/）提供的1951-2010年824个气象基准、基本站点的地面气候资料日值数据集。本文剔除了一个季节性站点（区站号54287,位于吉林省延边朝鲜自治州）和一个无日照时数观测的站点（区站号54646,位于天津市）,其余的822个站点历年数量分布情况如图1所示。在经历最初10年站点数量建设的迅速增长后,1960年代开始维持稳定的慢增长态势,为保障站点数据的连续性和完整性,本文选取1961年及以前就已存在的775个站点,以1961-2010年为时间范围进行气候舒适期的计算分析。

显示原图|下载原图ZIP|生成PPT
图11951-2010年中国大陆基本（基准）气象站点历年数量累计
-->Fig. 1Cumulative number of the benchmark weather stations in the mainland of China from 1951 to 2010
-->

2.2 研究方法

2.2.1 气候舒适度评价模型的选择与分级标准的改进本文中的气候舒适期是指某段时间内天气舒适日数的累加,而某天是否舒适则需通过气候舒适度评价模型/指数的计算并参照相应分级标准进行界定。据不完全统计,肇始于20世纪初的气候舒适度研究在一百多年的历史发展中出现过160多种评价指数^[28],总体上可以被划分为经验模型和机理模型这两个大类^[29-31]。孙美淑等对气候舒适度评价模型的综述研究表明,兴起于20世纪60年代的机理模型虽然在“理论研究”中渐居主流,但却有“多变量待估、参数化两难”的局限,这使得产生于20世纪20年代计算简便而又相对合理的经验模型在“实践应用”中仍然占据半壁江山^[32]。尤其是经验模型中兼具热环境和冷环境普适性特点的特吉旺评价体系^[33]自提出后更是被广泛应用,其组合模型评价策略自20世纪80年代引入中国以来成为国内气候舒适度评价研究的主流模式^[32]。这一方法的基本思路是分别从源于冷环境适用和源于热环境适用的经验模型中分别选取的一个经典的评价模型,以组合模型的形式开展气候舒适度评价。特吉旺组合最初的模型是有效温度（Effective Temperature,ET）和风效指数（Wind Effect Index,WEI）,考虑到其中有效温度的计算是通过查列线表得到,不适合多区域逐日的大量数据计算,所以本文用与之原理相似且应用更为普遍的温湿指数（Temperature Humidity Index,THI）^[34]予以代替,即采用温湿指数和风效指数的组合模型评价策略。实际上,二者的组合,也是国家标准——《人居环境气候舒适度评价》（GB/T 27963-2011）所推荐的气候舒适度评价模型,在国内应用研究中被广泛使用^{[21,35,36]。}
风效指数源于美国****Siple等针对冷环境评价而提出的风寒指数（Wind Chill Index,WCI）^[37]。特吉旺在其基础上考虑了白天太阳辐射增热的影响,使用日照时数对公式进行修正得到风效指数,即式（1）,并根据WEI值划分出12级人体感觉分级标准^[33]（表1）。对于气候舒适期的计算而言,需要对其分级标准在中国大陆的适宜性进行科学辨识,即对“舒适”阈值范围给予进一步界定。为此,本文计算了1961-2010年间中国大陆775个基本（基准）气象站点的逐日WEI值,得到总计14077949份样本,并统计了这些样本在其12个等级划分中对应的气温分布信息,特别是落入18~24 ℃这一经验舒适气温的情况（表1）,以此作为判别分级标准合理性的重要依据^[32]。统计显示：① 特吉旺分级标准中WEI阈值为[-200,-50）的“暖风”等级对应的样本气温平均值为21.9 ℃,且接近6成（59.8%）的样本落入到18~24 ℃的经验舒适气温范围,具有相当的合理性,是判别气候环境为“舒适”的首选等级;② 特吉旺分级标准中WEI阈值为[-300,-200）的“舒适风”等级对应的样本气温平均值为17.2 ℃,虽然略超出18~24 ℃范围,但约45.3%的样本落入到18~24 ℃中,具有一定的合理性,可以作为判别气候环境为“舒适”的补充等级;③ 特吉旺分级标准中,与“暖风”和“舒适风”等级相邻的是“皮感不明显风”（WEI∈[-50,80））和“凉风”（WEI∈[-600,-300））,这两个等级对应的样本平均气温均不在18~24 ℃范围内,更重要的是落入18~24 ℃范围内的样本数分别仅为12.5%和4.8%,显然不能纳入到气候环境“舒适”的阈值范围;④ 此外的8个WEI等级,没有一个样本落入到18~24 ℃,更不能划入“舒适”阈值范围。因此,本文将特吉旺WEI分级标准中的“暖风”和“舒适风”等级共同作为气候环境“舒适”的判别标准,即将其阈值界定为[-300,-50）,以此作为某地气候舒适期计算的WEI依据。目前这种“舒适”阈值的界定方式尚属于简单的“阈值合并”,并没有打破原始等级划分中各自的阈值范围,即未就“凉风—舒适风—暖风—皮感不明显风”这4个包含有经验舒适气温（18~24 ℃）样本的等级进行“阈值重构”,没有达成从WEI∈[-600,80）中直接识别出气候环境“舒适”的阈值范围。因此,单独以WEI的“舒适”阈值标准来界定气候舒适期存在较大的局限,需要其他指标的有效配合。故而,本文将进一步引入THI,并尝试对其气候环境“舒适”的判别标准进行“阈值重构”的优化。
Tab. 1
表1
表1WEI分级标准下的样本—气温分布统计
Tab. 1Statistical distribution on the sample temperature under the categories of WEI

特吉旺WEI分级标准		样本—气温分布统计
WEI（kcal/m² $\begin{matrix} ? \end{matrix}$ h）	人体感觉	样本数（个）	气温范围（℃）	气温平均值（℃）	气温标准差（℃）	舒适气温范围（18~24℃）的样本数（占比）
< -1400	外露皮肤冻僵	22454	-42.7~ -6.9	-21.8	5.2	0（0）
[-1400, -1200）	刺骨寒风	98142	-46.7~ -1.2	-18.1	5.7	0（0）
[-1200, -1000）	很冷的风	329979	-44.5~ 4.5	-13.7	6.3	0（0）
[-1000, -800）	冷风	833715	-36.2~ 10.3	-7.8	6.9	0（0）
[-800, -600）	很凉的风	1792019	-25.5~ 16.0	-0.7	6.4	0（0）
[-600, -300）	凉风	4625073	-13.9~ 24.5	9.0	5.9	220521（4.8%）
[-300, -200）	舒适风	1976619	3.7~ 27.3	17.2	3.9	895777（45.3%）
[-200, -50）	暖风	2754827	9.5~ 31.3	21.9	3.3	1647147（59.8%）
[-50, 80）	皮感不明显风	1388302	18.5~ 35.2	26.6	2.1	173551（12.5%）
[80, 160^*）	皮感热风	238459	26.4~ 32.7	30.2	1.0	0（0）
[80, 160^**）	不舒适热风	3 006	32.8~ 35.5	33.2	0.5	0（0）
≥ 160^***	非常不舒适热风	15354	31.1~ 39.0	33.0	0.9	0（0）

注：1. 样本数指中国大陆775个基本（基准）气象站点1961-2010年期间有计算WEI所需气象观测数据的天数;2. 特吉旺原文中^*同时气温∈[30, 32.8）℃、^**同时气温≥32.8℃、^***同时气温≥35.6℃,但这种气温与WEI配合的分级体系是“不完备”的,会导致大量样本“遗漏”而无法归类,故将之调整为^*同时气温<32.8℃、^**同时气温∈[32.8, 35.6）℃、^***或者气温≥35.6℃;3. 特吉旺原文中“外露皮肤冻僵”等级的WEI值为≤-1400,本文在阈值期间的处理上采取了“左闭右开”模式,故作微调。

新窗口打开
温湿指数又名不舒适指数（Discomfort Index,DI）,最早用于热不舒适的评价,后来随着在各地的广泛应用扩展至寒冷环境的舒适度评价^[32],即式（2）但相应的分级标准却不尽相同^[35,38,39]。

\begin{matrix} WEI = - (10 \sqrt[]{v} + 10.45 - v) (33 - t) + \frac{200 \times S}{D} \end{matrix}

（1）

\begin{matrix} THI = t - 0.55 (1 - 0.01 RH) (t - 14.5) \end{matrix}

（2）
式中：

\begin{matrix} t \end{matrix}

为气温（℃）;

\begin{matrix} v \end{matrix}

为风速（m/s）;

\begin{matrix} RH \end{matrix}

为相对湿度（%）;

\begin{matrix} S \end{matrix}

为日照时数（h）;

\begin{matrix} D \end{matrix}

为昼长（h）。
孙美淑等对THI传统分级标准的信度分析表明,相关标准在中国地区的适用性和合理性存在较大局限,因此本文根据“小概率原理”设计下述方法,在Kyle的^[39]基础上对THI中的有关于人体舒适感觉的分级标准进行“阈值重构”的局部改进：① 中国《民用建筑供暖通风与空气调节设计规范》（GB 50736-2012）中指出,设计供暖时室内温度在18~24 ℃是人体感觉舒适的范围,本文取其平均值21 ℃作为最舒适的经验气温。根据中国大陆31个省会城市/直辖市相关站点近30年（1981-2010年）69个站点的日值气象数据,对各城市包含的多站点数据进行汇总得到相应城市日值气象数据的平均值,以此作为后续计算的基础数据。需要说明的是,之所以选择省会城市作为THI“阈值重构”的计算样本,一是因为中国大陆地域辽阔且分异显著,而省会城市具有“区域代表性”,能从宏观上反映其总体空间状况;二是考虑到省会城市往往是区域人口的聚集中心,气候舒适与否具有广泛的受众基础。② 首先计算各城市分月的平均气温（各城市所有气象站点的多年平均值）,找出月平均气温属于18~24 ℃范围并且最接近21 ℃的月份,将之确定为该城市的最舒适月。③ 计算发现西宁和拉萨两地最高月均气温低于18 ℃,不符合18~24 ℃这一经验舒适气温范围,将其剔除后进一步计算剩余29个城市在各自最舒适月份中30年间逐日的THI。④ 根据小概率原理（本文取0.05为小概率）,假设最舒适月中偏热的不舒适和偏冷的不舒适均为小概率事件,即各自出现的概率均不超过5%,从而保证该月90%天数属于人体感觉的舒适范围。⑤ 将各城市最舒适月30年间逐日的THI从高到低排序（小月总计900日而大月总计930日）,取第5%分位数（小月为第45日,大月为第46日）对应的THI为“舒适”阈值的上限值,取第95%分位数（小月为第855日,大月为第884日）对应的THI为“舒适”阈值的下限值,从而得到各城市人体感觉评价为“舒适”等级的阈值范围（表2）。⑥ 计算29个城市THI“舒适”阈值下限（低临界值）和上限（高临界值）的平均值和中位数（表3）。结果表明,低临界值的平均值为16.1 ℃、中位数为16.0 ℃,高临界值的平均值为23.9℃、中位数为24.0 ℃,故而本文取16.0 ℃为下限、取24.0 ℃为上限,并以“左闭右开”的方式将气候环境的“舒适”阈值区间界定为[16.0,24.0）℃。
Tab. 2
表2
表21981-2010年中国大陆省会城市/直辖市最舒适月内温湿指数（THI）与日数累计频率的对应关系
Tab. 2Cumulative percentage of days at different THI values in the most comfortablemonth of each Chinese provincial and capital city from 1981 to 2010

城市名称	最舒适月		不同THI（℃）下限值对应的日数累计频率（%）													不同日数累计频率对应的THI下限值（℃）
城市名称	月份	日均温℃	14	15	16	17	18	19	20	21	22	23	24	25	26	5%	95%
北京	5	19.4	95.7	91.2	83.2	69.6	51.9	33.3	18.8	9.2	3.2	1.2	0.1	0	0	21.5	14.2
长春	6	21.0	98.2	96.0	92.9	86.7	76.2	60.3	44.0	28.3	14.8	6.1	0.8	0.2	0	23.1	15.4
哈尔滨	8	21.0	99.8	99.4	97.4	93.2	86.1	72.0	55.9	36.8	22.6	12.4	5.7	1.7	0.1	24.1	16.6
呼和浩特	8	21.0	100	99.2	96.9	91.0	80.3	63.4	41.6	23.4	10.9	3.4	0.2	0	0	22.6	16.3
济南	9	21.6	99.6	97.8	94.9	89.8	82.0	70.7	56.9	38.9	24.4	12.4	6.0	1.7	1.3	24.3	16.0
兰州	7	19.9	99.8	97.3	92.0	83.7	66.3	43.8	24.7	11.7	4.1	1.6	0.8	0	0	21.8	15.7
上海	5	20.3	98.4	96.8	92.5	83.9	72.0	57.0	41.3	25.7	13.4	6.5	2.2	0.3	0.1	23.2	15.5
沈阳	6	22.1	99.2	98.7	97.4	95.3	91.1	82.8	65.7	46.2	27.0	11.8	2.9	0.1	0	23.7	17.2
石家庄	9	21.2	99.1	97.4	93.3	88.4	79.8	68.1	52.4	35.7	21.8	11.6	4.3	1.9	0.7	23.9	15.7
太原	8	22.2	99.9	99.5	98.8	97.6	94.0	84.2	69.8	52.2	33.3	17.3	5.5	1.7	0	24.1	17.7
天津	9	21.0	98.9	96.8	93.3	87.6	78.4	66.8	51.0	34.9	20.2	10.2	3.6	1.2	0.6	23.8	15.6
乌鲁木齐	7	19.5	96.3	92.5	84.8	69.1	49.6	25.2	9.8	2.4	0.6	0	0	0	0	20.6	14.5
西安	5	21.5	98.9	97.8	94.6	88.2	76.3	64.5	47.8	33.9	16.1	5.9	0	0	0	23.1	16.0
银川	8	21.9	99.9	99.7	98.6	96.1	90.3	77.0	58.2	37.2	20.8	9.7	2.7	0.8	0.1	23.5	17.2
郑州	9	21.2	98.9	97.1	94.8	89.6	82.1	70.8	55.6	37.1	23.3	12.9	6.2	2.8	1.0	24.4	16.0
重庆	5	21.7	99.7	98.9	97.5	94.3	87.7	77.2	63.4	47.6	30.6	16.6	7.0	2.2	0.9	24.4	16.8
贵阳	9	20.5	99.2	97.8	91.8	85.1	73.3	59.0	46.0	31.8	17.3	7.8	1.7	0.1	0	23.3	15.6
海口	3	21.9	97.1	94.3	91.9	87.1	80.9	75.1	68.9	60.9	49.2	35.3	22.6	9.5	2.0	25.4	14.8
杭州	5	21.3	98.7	98.0	94.4	90.2	82.2	70.3	56.1	42.0	24.3	13.4	7.3	1.5	0.6	24.3	15.8
合肥	5	21.8	98.5	96.7	93.9	90.0	83.2	73.0	59.2	46.7	32.7	18.1	9.0	3.3	1.2	24.6	15.7
昆明	6	20.3	99.4	98.4	96.2	93.2	84.2	68.1	43.8	12.8	0.3	0	0	0	0	21.4	16.3
南昌	5	22.8	99.4	98.3	96.9	94.2	90.9	85.4	74.7	61.6	48.6	34.8	22.3	10.9	4.5	25.9	16.9
南京	5	21.1	98.5	96.8	93.3	87.6	78.2	66.8	51.1	36.2	21.7	10.3	4.6	1.4	0.4	23.9	15.5
南宁	4	22.7	98.4	96.9	94.8	91.8	86.0	79.6	71.7	61.7	52.2	41.4	29.9	16.4	3.6	25.8	16.0
武汉	5	22.5	98.8	97.8	95.4	93.2	88.1	80.3	68.3	56.2	42.7	29.8	18.2	7.7	2.4	25.5	16.2
长沙	5	22.5	99.1	97.7	95.5	92.4	88.2	80.4	69.5	56.7	46.5	34.4	21.4	10.1	4.5	26.0	16.2
成都	9	21.1	99.9	99.3	98.6	96.2	89.3	75.0	55.1	37.7	20.4	11.2	4.4	2.0	0.7	24.0	17.3
福州	5	22.3	100	99.6	98.6	96.9	92.7	86.6	72.8	59.4	41.6	29.1	15.1	6.7	1.8	25.2	17.4
广州	4	22.3	98.7	97.0	95.2	92.3	87.9	81.1	71.8	61.0	49.1	36.8	23.6	8.0	1.3	25.3	16.1

注：城市中一些基本（基准）气象站点的观测数据起始建于1961年以后,例如拉萨55493站（1962年）、55585站（1973年）、杭州58448站（1966年）、长沙57687站（1970年）、乌鲁木齐51469站（1978年）、西安57131站（2005年）,这些站点虽不属于1961年以来的775个基本（基准）气象站点,但为保持城市的完整性,本表的计算仍然使用了这些站点的相关数据。

新窗口打开
Tab. 3
表3
表31981-2010年中国大陆省会城市/直辖市温湿指数“舒适”阈值的统计指标（℃）
Tab. 3Statistical threshold for the "comfortable" category of THI according to the Chinese provincial and capital cities from 1981 to 2010 (℃)

THI统计指标		最大值	中位数	最小值	平均值	标准差
舒适阈值	低临界值	17.7	16.0	14.2	16.1	0.8
舒适阈值	高临界值	26.0	24.0	20.6	23.9	1.4

新窗口打开
进一步,计算中国大陆775个基本（基准）气象站点1961-2010年间的逐日温湿指数THI,据此比较改进后的分级标准（表4）,结果表明：① Kyle的分级标准中THI∈[15.0,20.0）℃作为“舒适”等级具有一定的合理性,此时落入舒适气温范围（18~24 ℃）的样本数占比达到55.1%;但如果仅仅将THI∈[15.0,20.0）℃作为“舒适阈值”,则会导致大量THI∈[20.0,26.5）℃（“炎热”等级）但气温却落入18~24 ℃的样本（其占比高达46.0%）被“遗漏”;② 如果将Kyle的分级标准中的“舒适”和“炎热”等级进行简单的“阈值合并”,即将THI∈[15.0,26.5）℃作为新的“舒适阈值”,那么落入18~24 ℃的样本比例仅占到二分之一（约50.2%）,而在本文“阈值重构”的改进标准下,这个比例超过了三分之二（约67.9%）,合理性得到显著提升。
根据WEI“阈值合并”和THI“阈值重构”的分级标准,若某天的WEI和THI的数值同时落在各自的“舒适”阈值内,即WEI∈[-300,-50）kcal/m²

\begin{matrix} ? \end{matrix}

h且THI∈[16.0,24.0）℃,则定义这一天为天气舒适日,某段时间内舒适天数的累加即是相应的气候舒适期（表5）。也就是说,本文采用“组合模型”评价策略,所界定的气候舒适期是一种“交集”结果,根据中国大陆775个基本（基准）气象站点1961-2010年间的逐日气象数据计算（表5）,两个模型组合（WEI与THI）的舒适“交集”日数在WEI单一模型舒适日数中的比例为70.2%,而在THI单一模型舒适日数中的比例为76.5%,均超过了7成。一方面说明WEI和THI在对“舒适”等级的界定上具有较好的一致性,另一方面也表明对单一模型的“舒适”计算结果需要审慎对待,因为存在不小误判（此处为2成到3成）的可能。需要进一步明确的是,本文计算得到的气候舒适期因同时满足了WEI和THI的“舒适”阈值,具有“最舒适”的含义,是一种“强约束”意义下的舒适期,与《中国气候公报》中“舒适日数”（舒适期）“弱约束”情景下的计算结果存在较大差异。《中国气候公报》对舒适日数（即舒适期）的计算是一种“分季节单模型”方式^[40]：春、秋两季采用实感温度模型（考虑气温、湿度和风速）、冬季采用风冷力指数（即风寒指数,考虑气温和风速）、夏季采用炎热指数（一种改进型温湿指数,考虑气温、湿度和风速）,并使用了相对宽松的“舒适”阈值标准。例如,在实感温度（ET）的5级评价标准中,ET≤27为“极热不适”,ET

\begin{matrix} \in \end{matrix}

[24, 27）为“热不舒适”,ET∈[10, 24）为“舒适”,ET∈[0, 10）为“凉不舒适”,ET<0为“冷不舒适”,其“舒适”等级的阈值区间跨度大,具有较强的包容性。
Tab. 4
表4
表4温湿指数（THI）“舒适”阈值标准改进前后的相关样本-气温分布统计
Tab. 4Statistical distribution on sample temperature under the "comfortable-related" categories of THI

THI（℃）	人体感觉	样本—气温分布统计					备注
THI（℃）	人体感觉	样本数（个）	气温范围（℃）	气温平均值（℃）	气温标准差（℃）	舒适气温范围（18~24℃）的样本数（占比）	备注
[13.0, 15.0）	凉	1007097	11.3~15.5	13.8	0.7	0（0）	Kyle（1994）原始分级标准（部分）
[15.0, 20.0）	舒适	2755424	15.0~25.8	18.2	1.9	1517851（55.1%）
[20.0, 26.5）	炎热	3110084	20.0~37.2	24.4	2.2	1429399（46.0%）
[13.0, 16.0）	凉	1526765	11.3~17.6	14.5	1.1	0（0）	本文对“舒适”阈值标准的改进
[16.0, 24.0）	舒适	4342437	16.0~33.6	21.0	2.8	2947223（67.9%）
[24.0, 26.5）	炎热	1003403	24.0~37.2	26.7	1.2	27（≈0）

注：样本数指中国大陆775个基本（基准）气象站点1961-2010年间有计算THI所需气象观测数据的天数。

新窗口打开
Tab. 5
表5
表5气候舒适期计算的温湿指数—风效指数组合模型策略
Tab. 5Model combination of THI and WEI for evaluating the climate comfortable period in China

气候舒适度模型	舒适阈值	舒适样本数（个）		舒适交集占比（%）
气候舒适度模型	舒适阈值	组合模型（交集）	单一模型	舒适交集占比（%）
THI（℃）	[16.0,24.0）	3321690	4342437	76.5
WEI（kcal/m² $\begin{matrix} ? \end{matrix}$ h）	[-300,-50）	3321690	4731446	70.2

注：样本数根据中国大陆775个基本（基准）气象站点1961-2010年间逐日气象观测数据计算。

新窗口打开
2.2.2 气象站点面积加权中国大陆775个基本（基准）气象站点分布（图2a）呈现东南密集、西北稀疏的特点,在统计全国或各省区的气候舒适期平均值时,相应范围内各站点舒适期的简单平均就会因“取样密度”差异而导致计算结果的不稳定性。所以本文利用ArcGIS划分各气象站点的泰森多边形,分别在全国（图2b）和省份两种地理尺度下,根据泰森多边形面积大小赋予各气象站点相应权重,从而求得更加稳定合理的全国及分省的气候舒适期“面积加权”平均值。

显示原图|下载原图ZIP|生成PPT
图2中国大陆775个基本（基准）气象站点分布及其泰森多边形划分
-->Fig. 2The 775 benchmark weather stations in the mainland of China
-->

2.2.3 历史演变的表征方法本文采用气象气候学中常用的线性倾向估计方法对气候舒适期随时间的变化趋势进行分析^[27,41],即对各站点1961-2010年共50年来年际间（全年）和分季节（四季）的气候舒适期进行10年滑动平均,每个站点计算得到41个相应的滑动均值（滑动数据无缺失的站点,年度和秋、冬两季均为773个,春、夏两季均为774个）,从而建立舒适期滑动均值与相应时间序列的一元线性回归方程,计算公式为：

\begin{matrix} x_{i} = a t_{i} + b (i = 1, \dots, 41) \end{matrix}

（3）
式中：

\begin{matrix} x_{i} \end{matrix}

为某一气象站点在第i时段的气候舒适期滑动均值（天）;

\begin{matrix} t_{i} \end{matrix}

表示

\begin{matrix} x_{i} \end{matrix}

所对应的时间序列;

\begin{matrix} a \end{matrix}

为线性倾向率（线性倾向系数）,通常取

\begin{matrix} a \times 10 \end{matrix}

（天/10年）来开展相应分析。系数

\begin{matrix} a \end{matrix}

可以用最小二乘法进行估计,其正负表示增加或减少趋势,其值的大小反映增加或减少的速率,回归系数

\begin{matrix} a \end{matrix}

的显著性用相关系数r来进行检验^[41]。此外,本文还计算了气候舒适期的两阶段差值（即1986-2010年平均值减去1961-1985年平均值）,与线性倾向估计法的计算结果进行交互验证分析。

3 空间格局特征

3.1 全国格局

采用组合模型策略,根据式（1）和式（2）及相应舒适阈值标准（表5）,计算得到了两种不同加权模式下中国大陆多年的平均气候舒适期（表6）。在气象站点简单平均（实际上是一种等权重模式）下,气候舒适期比面积加权模式的结果有显著变化,年均提高了近15天,变幅达20.6%;从季节上,秋、春两季的变化数量突出（均超过5天）,而冬季的变化幅度最大（增幅达87.5%）。因此,本文采用面积加权来统计平均气候舒适期,能有效规避气象站点空间分布不均而造成的“抽样误差”,从而相对客观地反映国土空间的整体状况。
Tab. 6
表6
表61961-2010年中国大陆的年平均气候舒适期（天）
Tab. 6Annual average climate comfortable period ofthe mainland of China from 1961 to 2010 (day)

加权模式	气候舒适期
加权模式	年	春	夏	秋	冬
面积加权平均	71.3	18.0	35.2	16.5	1.6
站点简单平均	86.0	23.4	36.3	23.2	3.1

新窗口打开
表6显示,在气象站点泰森多边形面积加权模式计算下,全国年平均气候舒适期约为71.3天,其中夏季（6-8月）舒适期达35.2天,约占全年舒适期的1/2;春（3-5月）、秋（9-11月）两季舒适期较为接近,各占全年舒适期的1/4左右;冬季（12-次年2月）舒适期非常短,全国平均不到2天。也就是说在全国尺度上,一年365天中仅1/5左右（比例19.5%）的天数是严格意义上“舒适”的,春、秋两季的舒适期比例与全年水平较为接近（分别为19.6%和18.1%）,同样不到当季1/5的天数;即使在舒适期最长的夏季,严格意义上的“舒适”天数也不到当季的2/5天数（比例为38.3%）,而到冬季,全国则难言舒适了。本文计算的全国年均舒适期不足《中国气候公报》中气候舒适期（舒适日数）的一半^②(② 国家气象局公布的《2012中国气候公报》指出中国常年的气候舒适期（舒适日数）约为153.2天。),“强约束”与“弱约束”的差异可见一斑（相关测度模型的差异分析参见本文2.2小节）。
虽然总体上看全国气候舒适环境并不乐观,但对于国土空间东西和南北跨度大的中国而言,区域差异显著,并伴随着鲜明的季节性变化。本文基于ArcGIS软件,应用普通克里金插值法,选择1 km×1 km的栅格点尺度,根据中国大陆775个基本（基准）气象站点气候舒适期的计算结果,对全国气候舒适期进行空间化插值,得到中国大陆年度（图3）和季度（图4）气候舒适期的空间分布。图3和图4中的暖色调（偏红色）表明其舒适期高于全国平均值,冷色调（偏蓝色）表明其舒适期低于全国平均值。

显示原图|下载原图ZIP|生成PPT
图31961-2010年中国大陆年平均气候舒适期的空间格局
-->Fig. 3Spatial pattern of the annual average climate comfortable period in the mainland of China from 1961 to 2010
-->

显示原图|下载原图ZIP|生成PPT
图41961-2010年中国大陆四季平均气候舒适期的空间格局
-->Fig. 4Spatial patterns of the seasonal average climate comfortable period in the mainland of China from 1961 to 2010
-->

图3显示：① 全国气候舒适期整体上呈现为“东南长、西北短”的空间格局,年均舒适期均值等值线与胡焕庸线具有较好的吻合度^[42,43],但“内蒙古西部—宁夏—甘肃（河西走廊）—新疆”一带的舒适期高于全国平均值,形成“局部突破”;② 全国年均舒适期最高的区域是云贵高原,而最低的区域是青藏高原,两个区域总体上相邻位于胡焕庸线东西两侧,但却是“一线之隔,天壤之别”。值得注意的是,在青藏高原内部,一些地区无论春夏秋冬的舒适期均为“零值”（图4中小于零的舒适期均归为“零值”）,成为舒适期的终年“洼地”。
图4显示：① 春、秋两季（图4a和图4c）,气候舒适期分布与全年情况基本一致,似乎也受到胡焕庸线的“锁定”,在整体上呈现为“东南长、西北短”的空间格局,舒适期均值等值线与胡焕庸线在长城以南的吻合度较好,但东北地区的舒适期总体上低于全国平均值,而新疆的盆地区域（以塔里木盆地和准格尔盆地为代表）则高于全国平均水平,对胡焕庸线形成“局部突破”;② 夏季（图4b）,气候舒适期高于全国平均值的区域主要分布于中国地势的二级阶梯,以及东北和环渤海地区,“高纬度或中海拔”在夏季成为较长舒适期的主导力量;③ 冬季（图4d）,气候舒适期呈现为“南方长、北方短”的空间格局,舒适期“零值”南界在“秦岭—黄河”一带,而舒适期均值等值线则纬向分布于27

\begin{matrix} ° \end{matrix}

N~28

\begin{matrix} ° \end{matrix}

N,“低纬度”在冬季成为较长舒适期的主导力量。

3.2 省份状况

对中国大陆31个省份分别进行气象站点的泰森多边形划分,同样采用面积加权模式统计出各省区的平均气候舒适期（表7）。结果表明：
Tab. 7
表7
表71961-2010年中国大陆各省份全年和四季的气候舒适期排名
Tab. 7Provincial rankings of the average annual and seasonal climate comfortable period in the mainland of China from 1961 to 2010

省份	分级	全年		春季				秋季		冬季
省份	分级	舒适期（天）	排名	舒适期（天）	排名	舒适期（天）	排名	舒适期（天）	排名	舒适期（天）	排名
云南	A级	159.0	1	44.2	1	65.4	1	41.8	1	7.6	4
贵州	B级	118.9	2	34.5	7	48.9	9	33.7	11	1.8	7
海南		118.1	3	28.5	13	1.2	31	32.6	14	55.9	1
福建		106.5	4	42.5	3	15.6	25	41.3	2	7.1	5
广东		105.2	5	42.6	2	2.9	30	36.6	7	23.0	2
广西		104.1	6	40.2	4	8.2	28	40.0	3	15.8	3
重庆		103.8	7	38.4	5	26.2	18	39.0	4	0.2	10
陕西	C级	93.1	8	21.9	21	53.1	7	18.0	22	0.0	15
北京		93.0	9	25.6	16	44.1	11	23.2	18	0.0	15
辽宁		92.0	10	14.3	25	59.4	3	18.4	21	0.0	15
山西		90.5	11	18.9	23	58.0	5	13.5	24	0.0	15
浙江		90.4	12	33.6	8	17.3	24	38.6	5	0.9	9
湖北		88.9	13	32.2	10	23.3	21	33.2	12	0.1	12
江西		88.0	14	35.2	6	14.8	26	35.6	8	2.3	6
湖南		87.9	15	32.5	9	19.2	23	35.0	9	1.1	8
天津		87.2	16	26.2	14	32.7	15	28.3	17	0.0	15
山东		87.0	17	23.7	18	34.0	14	29.3	16	0.0	15
河南		87.0	18	29.8	11	27.2	17	30.0	15	0.0	15
江苏		86.6	19	25.7	15	26.2	19	34.6	10	0.0	15
上海		86.5	20	24.2	17	23.7	20	38.4	6	0.2	10
河北		85.1	21	22.1	20	42.7	12	20.2	19	0.0	15
安徽		82.9	22	29.1	12	20.5	22	33.1	13	0.1	12
宁夏		81.2	23	14.6	24	56.7	6	9.8	25	0.0	15
吉林		80.3	24	8.6	28	62.8	2	8.9	26	0.0	15
新疆	D级	79.2	25	22.5	19	40.1	13	16.6	23	0.0	15
甘肃		70.5	26	13.0	26	48.6	10	8.9	27	0.0	15
内蒙古		69.9	27	9.8	27	52.8	8	7.3	28	0.0	15
黑龙江		68.9	28	5.4	29	58.3	4	5.2	29	0.0	15
四川		68.6	29	19.3	22	29.9	16	19.2	20	0.1	12
青海	E级	12.6	30	0.3	30	11.9	27	0.4	30	0.0	15
西藏	E级	8.2	31	0.3	31	7.5	29	0.4	31	0.0	15

新窗口打开
（1）以20天为间隔,按照年均气候舒适期长短将31个省区划分为5个等级,其中A级（舒适期大于120天）包含1个省区,B级（舒适期100~120天）包含6个省区,C级（舒适期80~100天）包含17个省区,D级（舒适期60~80天）包含5个省区,E级（舒适期小于60天）包含2个省区。共计有25个省区的年均舒适期超过全国平均水平（71.3天）,但其中属于A级（优秀）和B级（良好）水平的省区不多（共计7个）,而半数以上（54.8%）的省区属于C级（中等）水平,总体上中等条件的人居气候环境是中国大陆的客观现实。
（2）云南全年舒适期长达159天,比排名第2的贵州多出约40天,在全国遥遥领先,同时也占据了春、夏、秋三季的舒适期头名,为“昆明天天是春天”提供着坚实自然环境基础;实际上,位于云南普洱市的气象站点（区站号56954）有着全国最长的年均舒适期,高达239.3天（一年中近2/3的天数,图3中的最高值比实际值略有下降）,再次为云南的“四季如春”提供了证明。贵州年均舒适期排名全国第2,但其分季节舒适期均在前6名以外,季节性优势不明显,其“爽爽的贵阳”更多体现为一种整体气候环境优势。
（3）海南的年均舒适期排名全国第3,其值与贵州不相上下,是“国际旅游岛”建设的重要自然基础;尤其在冬季,海南舒适期长达55.9天,是排名第2（广东）的2.4倍,是排名第3（广西）的3.5倍,避寒优势独领风骚;然而在夏季,海南舒适期排名全国倒数第1,人居气候环境并不“舒适”,但较高的气温（水温）却可能正好为海南滨海旅游这种“专项活动”所需。
（4）分季节舒适期前3名中,广东具有春、冬优势（排名均列第2）,福建具有秋、春优势（排名分列第2、第3）,广西具有秋、冬优势（排名均列第3）,这种除了夏季以外的“双季领先”优势也促成了福建、广东和广西等南方省区年均气候舒适期整体排名位置的靠前（第4~第6）;而在夏季,吉林、辽宁（排名分列第2、第3）等北方省区的舒适期排名位置整体靠前,避暑优势突出。
（5）西藏、青海的年均气候舒适期分别为8.2天、12.6天,位列全国最后两名,时长不足排名倒数第3（四川）的1/5（比例分别为12.0%、18.5%）,人居气候环境难言“舒适”,其春、秋、冬三季均位列最末,夏季略有改观,但也属于后5名之列。四川的年均舒适期68.6天,排名全国倒数第3,似乎与“天府之国（成都）”“一座春天栖息的城市（西昌）”等经验感知不符,这种状况主要是受川西地区（青藏高原东缘）低值舒适期的“拖累”（图3和图4）所致,四川其他区域的舒适期总体上是明显高于全国的平均值,如图3所示。
（6）上海的年均气候舒适期为86.5天,排名全国第20位,属于C级（中等）水平,但其秋季的舒适期排名全国第6位,具有一定的季节性优势。位于上海的全球第6个迪斯尼乐园（度假区）已于2016年6月16日正式开门迎客,对于一个以室外活动为主的主题公园而言,舒适气候条件的重要性不言而喻,然而就上海全国靠后的舒适期排名来看,其并不具备良好的舒适气候环境优势,这是今后管理运营中必须面对的一个重要挑战。

4 历史演变规律

本文根据中国大陆775个基本（基准）气象站点1961-2010年气候舒适期的10年滑动均值,计算了所有站点的线性倾向率,选取通过了0.05水平显著性检验的气象站点,其中全年664个,春季638个,夏季590个,秋661季个,冬季671个（75%以上的站点通过检验,数量充足）,据此进行空间插值,得到全年和四季气候舒适期线性倾向率的空间分布（图5a和图6）。同时,本文还计算了所有气象站点1986-2010年（后25年）与1961-1985年（前25年）这两个阶段划分下气候舒适期均值之间的差值（简称两阶段差值）,一方面统计了两阶段差值的全年和四季情况（表8）,另一方面对两阶段差值进行了空间插值（图5b）。需要说明的是,空间插值结果（图5和图6）中将线性倾向率[-0.01, 0.01）（天/10年）和两阶段差值[-0.01, 0.01）（天）均单列为一个等级,是为了更准确地将那些舒适期几乎保持不变（其值可近似为“零”）的区域突显出来,从而便于更细致深入地分析。

显示原图|下载原图ZIP|生成PPT
图51961-2010年中国大陆年均气候舒适期历史变化的空间格局
-->Fig. 5Spatial evolution of the annual average climate comfortable period in the mainland of China from 1961 to 2010
-->

显示原图|下载原图ZIP|生成PPT
图61961-2010年中国大陆四季平均气候舒适期线性倾向率变化的空间格局
-->Fig. 6Spatial evolution of the seasonal average climate comfortable period in Mainland of China from 1961 to 2010
-->

Tab. 8
表8
表81961-2010年中国大陆气候舒适期的历史变化
Tab. 8Evoluation of the annual and seasonal climate comfortable period in the mainland of China from 1961 to 2010

时间尺度	全年	春季	夏季	秋季	冬季
气候舒适期的两阶段差值（天）（1986-2010年均值与 1961-1985年均值之差）	3.6	1.2	0.3	1.7	0.4

新窗口打开
研究表明：
(1）后25年（1986-2010年）与前25年（1961-1985年）相比（表8）,全国气候舒适期平均增加了3.6天（年均增加0.144天）,其中秋、春两季累计贡献了约8成的增加量,是舒适期增加的主要来源。这种气候舒适期的增加在空间上具有普遍性,直观上看,线性倾向率分布图（图5a）和两阶段差值分布图（图5b）能形成交互验证。进一步统计发现,线性倾向率为“正”（舒适期增加）为“零”（舒适期几乎不变）和为“负”（舒适期减少）的区域面积占比分别为83.8%、0.2%和16.0%,而舒适期两阶段差值（1986-2010年均值与1961-1985年均值之差）为“正”、为“零”和为“负”的区域面积占比分别为84.1%、0.1%和15.8%,两种方法都给出了类似的结果,即全国大部分地区的气候舒适期在1961-2010年间呈现为增加态势。从全国尺度来看,气候舒适期在空间分布上总体形成了“一纵一横”的高增长地带和“一北一南”的负增长区域,即“大兴安岭—秦岭—云南高原”（一纵）与“柴达木盆地—秦岭—杭州湾”（一横）成为“十字形交叉”的高增长地带,而“新疆塔里木—甘肃西北—内蒙古西部”（一北）和“云南南端—海南岛”（一南）成为“二字形平行”的负增长区域。当然,无论是高增长地带还是负增长区域,它们在空间上都是“非连续”的,是一种忽略细部特征后的总体态势反映,其形成机制尚待进一步探索。
（2）在春、秋两季（图6a和图6c）,全国大部分地区的舒适期呈增加态势,其中春季线性倾向率为“正”“零”和“负”的区域面积占比分别为78.9%、3.3%和17.8%,秋季线性倾向率为“正”“零”和“负”的区域面积占比分别为96.6%、1.1%和2.3%,秋季舒适期的“遍在性”增加更为突出;舒适期的负增长出现在以“一南”（云南南端—海南岛）为代表的局部地区。
（3）夏季（图6b）,线性倾向率为“正”“零”和“负”的区域面积占比分别为52.5%、0.4%和47.1%,舒适期的增加与减少在国土空间上可谓“平分秋色”;舒适期减少的区域表现为“一北一南一沿海”,即除了年度舒适期负增长的“一北一南”外,沿海省区的舒适期也基本上呈现为减少趋势。
（4）冬季（图6d）,舒适期线性倾向率为“正”“零”和“负”的区域面积占比分别为17.2%、78.6%和4.2%,即接近8成的区域几乎保持不变（为“零”）,呈现为一种“南增北持”的总体空间变化格局,其舒适期增加的北界没有越过“秦岭—淮河”一带;总体而言,舒适期增加的区域大于减少的区域,其中减少的区域主要位于贵州及其周边地区。需要指出的是,冬季北方地区舒适期的“持”（几乎保持不变）并不意味着气候环境的一成不变,而是这种变化并未动摇北方地区冬季舒适期为“零”（图4d）的基本态势,从而产生了从“零”到“零”的“持”。

5 结论与讨论

5.1 结论

本文根据中国大陆775个基本（基准）气象站点1961-2010年间的逐日气象数据,利用风效指数和温湿指数的组合模型策略,对中国大陆近50年来气候舒适期的空间格局及其演变开展分析。研究表明：
（1）温湿指数分级标准“阈值重构”后的区间[16.0,24.0）（℃）,可以作为判定气候环境为“舒适”等级的阈值标准,结合风效指数“阈值合并”后的“舒适”阈值,则可作为“强约束”条件下中国气候舒适期（舒适日数）计算的组合评价标准。据此标准计算,中国大陆年均气候舒适期约71.3天,其中夏季最长（35.2天）,春、秋次之（18.0天和16.5天）,冬季最短（1.6天）,总体上呈现为“半夏半春秋”的格局（即夏季占比接近1/2,春、秋各占比接近1/4）。
（2）全国和春秋两季的年均气候舒适期呈现为“东南长、西北短”的空间格局,舒适期被胡焕庸线的“整体锁定”与对胡焕庸线的“局部突破”并存;夏季,舒适期高值区主要分布于中国地势的二级阶梯以及东北和环渤海地区,“高纬度或中海拔”成为较长舒适期的主导力量;冬季舒适期呈现为“南方长、北方短”的空间格局,“低纬度”成为较长舒适期的主导力量。
（3）在省区尺度上,年均气候舒适期的前三名是云南、贵州、海南,后三名是西藏、青海、四川。从舒适期季节分配上看,云南在春、夏、秋三季独占鳌头,海南在冬季一马当先;广东、福建、广西具有“双季优势”,它们有两个季节（夏季除外）的舒适期在全国排名第2或第3,而在夏季,吉林、辽宁等北方省区的舒适期排名位置整体靠前。
（4）全国年均气候舒适期近50年（1961-2010年）来呈增长态势,后25年比前25年总计增加了约3.6天,其中秋、春两季累计贡献了约8成的增加量;从空间上看,年均舒适期增加具有“遍在性”（超过8成）,并在总体形成了“一纵一横”的高增长地带和“一北一南”的负增长区域。分季节看,春、秋两季的舒适期增加在空间上与全年一样具有“遍在性”,秋季尤其突出;夏季,舒适期的增加与减少在空间上可谓“平分秋色”,其中“一南一北一沿海”表现为负增长;冬季,全国大部分地区（近8成）的舒适期几乎保持“零值”不变,并在空间上呈现为“南增北持”的变化格局,其增加的北界没有越过“秦岭—淮河”一带,而减少的主要是贵州及其周边地区。

5.2 讨论

以“天”为时间粒度对气候舒适期的探索^[26,27,40]已经有了初步的学术研究和业务应用,其后续拓展中可以进一步关注以下几个问题：
（1）气候舒适期的多元界定。现有气候舒适期界定中存在“月”“旬”和“天”等多种时间粒度,其中“天”粒度上又进一步区分为强调“起止舒适日期”的连续时间段和不强调连续性的“舒适日数累加”这两种理解。本文立足全国范围的研究着眼于“累加”而忽略了“起止”,但若是立足城市的研究则既可探索“累加”又可关注“起止”,从而形成更丰富的科学认识和实践应用。
（2）气候舒适期的评价模型。经验模型和机理模型是气候舒适度评价的两种基本类型,它们是气候舒适期计算的依据所在。本文的计算采用了经验模型中的温湿指数和风效指数,并对其“舒适”等级标准进行了优化界定,但就信度而言,分级标准的“阈值合并”（针对风效指数）显然不及“阈值重构”（针对温湿指数）,值得进一步探索。此外,类似着衣指数（Index of Clothing,ICL）^[44]等经典经验模型和通用热气候指数（Universal Thermal Climate Index,UTCI）^[45]等机理模型,也可尝试优化并引入到气候舒适期的评价之中,丰富其计算模型基础。
（3）气候舒适期的人文影响。本文更多地着眼于气候舒适期的特征刻画,其旨在为全球气候变化的区域响应提供一种有关人—地关系的基础认识。基于气候舒适期的这种基础认识,后续研究可以进一步探索其对人口分布、产业扩散、旅游发展等的可能影响,从而丰富气候舒适期的关联研究;此外,还可进一步将“舒适期”测度拓展到“不舒适期”测度,并将两者结合,开展它们的“人文影响”研究,丰富其实践应用领域,进而为人居环境建设和人类活动适应提供必要的科学依据。
致谢: 感谢华东师范大学叶超教授对本文英文摘要的润色斧正。
The authors have declared that no competing interests exist.

参考文献原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子

[1]	ANSI/ASHRAE Standard55-2010. Thermal Environmental Conditions for Human Occupancy . Atlanta: American Society of Heating, Refrigerating and Air-Conditioning Engineers, Inc., 2010.URL [本文引用: 1]
[2]	Büntgen U, Tegel W, Nicolussi K, et al.2500 years of European climate variability and human susceptibility. Science, 2011, 331(6017): 578-582.https://doi.org/10.1126/science.1197175 URLPMID:21233349 [本文引用: 1]摘要 Climate variations influenced the agricultural productivity, health risk, and conflict level of preindustrial societies. Discrimination between environmental and anthropogenic impacts on past civilizations, however, remains difficult because of the paucity of high-resolution paleoclimatic evidence. We present tree ring-based reconstructions of central European summer precipitation and temperature variability over the past 2500 years. Recent warming is unprecedented, but modern hydroclimatic variations may have at times been exceeded in magnitude and duration. Wet and warm summers occurred during periods of Roman and medieval prosperity. Increased climate variability from ~250 to 600 C.E. coincided with the demise of the western Roman Empire and the turmoil of the Migration Period. Such historical data may provide a basis for counteracting the recent political and fiscal reluctance to mitigate projected climate change.
[3]	Shindell D, Kuylenstierna J C I, Vignati E, et al. Simultaneously mitigating near-term climate change and improving human health and food security. Science, 2012, 335(6065): 183-189.https://doi.org/10.1126/science.1210026 URLPMID:22246768摘要 Abstract Tropospheric ozone and black carbon (BC) contribute to both degraded air quality and global warming. We considered ~400 emission control measures to reduce these pollutants by using current technology and experience. We identified 14 measures targeting methane and BC emissions that reduce projected global mean warming ~0.5掳C by 2050. This strategy avoids 0.7 to 4.7 million annual premature deaths from outdoor air pollution and increases annual crop yields by 30 to 135 million metric tons due to ozone reductions in 2030 and beyond. Benefits of methane emissions reductions are valued at $700 to $5000 per metric ton, which is well above typical marginal abatement costs (less than $250). The selected controls target different sources and influence climate on shorter time scales than those of carbon dioxide-reduction measures. Implementing both substantially reduces the risks of crossing the 2掳C threshold.
[4]	Serrao-Neumann S, Schuch G, Harman B, et al.One human settlement: A transdisciplinary approach to climate change adaptation research. Futures, 2014, 65: 97-109.https://doi.org/10.1016/j.futures.2014.08.011 URL [本文引用: 1]摘要 The threat of climate change demands that human settlements adapt to unavoidable impacts. Climate change is a complex problem that requires traditional disciplines to work together to facilitate an integrated and coordinated response to its impacts. Transdisciplinary research approaches have been recognised for being well placed to aid responses to complex problems such as climate change. This paper draws on the experience of the South East Queensland Climate Adaptation Research Initiative (SEQCARI), Australia, to reflect upon the challenges involved in undertaking transdisciplinary research aimed at developing and improving a range of adaptation options for specific sectors as well as across sectors. Challenges and learning's are discussed based on the three phases of transdisciplinary research processes: problem framing and team building, co-creation of solution-oriented transferable knowledge, and (re)integration and application of created knowledge. Four key insights are then discussed to advance transdisciplinary research approaches for climate change adaptation: adoption of a dynamic learning approach such as learning-by-doing/doing-by-learning to provide sufficient flexibility and scope to navigate potential barriers and conflicts; selection of social sciences to drive integration; choice of one sector as a platform for integration; and acknowledgement of existing barriers and limitations associated with the political context in which the research takes place.
[5]	Feriadi H, Wong N H.Thermal comfort for naturally ventilated houses in Indonesia. Energy and Buildings, 2004, 36(7): 614-626.https://doi.org/10.1016/j.enbuild.2004.01.011 URL [本文引用: 1]摘要 For naturally ventilated buildings (NVB) located in the tropical regions, thermal comfort (TC) prediction based on predicted mean vote (PMV) standard has shown some deviations from the observed results. Hot and humid environmental conditions throughout the year and personal adaptation could have an effect on expectation and perception about TC. Through an extensive field survey conducted in residential buildings in Indonesia, 525 sets of data had been gathered. The data analysis revealed that the PMV equation had predicted warmer thermal perception as compared to what people actually felt. Interestingly, it was observed that under hot and humid tropical climate, people indicated preference to cooler environment as compared to what the neutral temperature has shown. The study also investigated the occupant’s adaptive control preferences in creating a more thermally comfortable living environment. The reciprocal effects of occupant’s thermal perception and behavioural adaptation were explored. In tropical free-running buildings where the air temperature and humidity might not be modified easily without mechanical means, the people seemed to prefer higher wind speed.
[6]	Tahbaz M.Psychrometric chart as a basis for outdoor thermal analysis. International Journal of Architectural Engineering & Urban Planning, 2011, 21(2): 95-109. [本文引用: 1]
[7]	Laschewski G, Jendritzky G.Effects of the thermal environment on human health: An investigation of 30 years of daily mortality data from SW Germany. Climate Research, 2002, 21(1): 91-103.https://doi.org/10.3354/cr021091 URL [本文引用: 1]摘要 ABSTRACT The objective of this study is to investigate the climate sensitivity of health in a moder- ate climate of SW Germany. Daily mortality rates for the 30 yr period 1968-1997 for Baden-Württem- berg (SW Germany) have been investigated with regard to the possible impacts of the thermal envi- ronment. A complete heat budget model of the human being (Klima-Michel model with outcome 'perceived temperature') has been used to assess the atmospheric conditions of heat exchange. Mor- tality data show a marked seasonal pattern with a minimum in summer and a maximum in winter. During the seasonal minimum in summer, death rates rise sharply with increasing heat load, reach- ing highest values during pronounced heat waves. Under comfortable conditions, mortality data show the lowest rates. Increasing cold stress also causes death rates to rise. In addition, thermal changes on a time scale of 1 wk have been considered in comparison to short-term exposures. In all seasons changes towards 'warmer' conditions in terms of perceived temperature result in adverse effects, while changes to 'colder' conditions provide relief. This is unexpected for the winter. The daily correlation coefficients between the deviations of perceived temperature and the deviations of mortality rate from the smoothed values (Gaussian filter, 101 d) show a pronounced seasonal pattern with significant differences from zero between March and August. From the end of June to the begin- ning of July, about 25% of the variance in the deviations of mortality rate from the smoothed values can be explained by the effects of the thermal environment. The winter values show only non-signif- icant correlations, strong day-to-day variability, but marked time lags of 8 d and more, while in sum- mer there is practically no difference in the results between the zero and 1 d lags. Cold spells lead to excess mortality to a relatively small degree, which lasts for weeks. The mortality increase during heat waves is more pronounced, but is followed by lower than average values in subsequent weeks.
[8]	叶殿秀, 尹继福, 陈正洪, 等. 1961-2010年我国夏季高温热浪的时空变化特征 . 气候变化研究进展, 2013, 9(1): 15-20.https://doi.org/10.3969/j.issn.1673-1719.2013.01.003 Magsci [本文引用: 1]摘要利用全国753个站1961—2010年夏季逐日最高气温资料和基于死亡率明显增加而制定的高温热浪指标的已有研究成果，统计分析了我国高温热浪频次、日数和强度的时空分布特征。结果表明：我国的高温热浪频次、日数、强度高值区基本相同，均在江淮、江南大部和四川盆地东部等地，其中江西北部、浙江北部高温热浪频次最高，高温日数最多；浙江北部高温强度尤为突出。近50年来我国夏季高温热浪的频次、日数和强度总体呈增多、增强趋势，但也呈现明显的阶段性变化特征，20世纪60—80年代前期高温热浪频次和强度呈减少（弱）趋势，80年代后期以来，高温热浪频次和强度呈增多（强）趋势。区域变化特征明显，华北北部和西部、西北中北部、华南中部、长江三角洲及四川盆地南部呈显著增多（强）趋势；而黄淮西部、江汉地区呈显著减少趋势。自20世纪90年代以来，我国高温热浪的范围明显增大。 [Ye Dianxiu, Yin Jifu, Chen Zhenghong, et al.Spatiotemporal change characteristics of summer heatwaves in China in 1961-2010. Advances in Climate Change Research, 2013, 9(1): 15-20.]https://doi.org/10.3969/j.issn.1673-1719.2013.01.003 Magsci [本文引用: 1]摘要利用全国753个站1961—2010年夏季逐日最高气温资料和基于死亡率明显增加而制定的高温热浪指标的已有研究成果，统计分析了我国高温热浪频次、日数和强度的时空分布特征。结果表明：我国的高温热浪频次、日数、强度高值区基本相同，均在江淮、江南大部和四川盆地东部等地，其中江西北部、浙江北部高温热浪频次最高，高温日数最多；浙江北部高温强度尤为突出。近50年来我国夏季高温热浪的频次、日数和强度总体呈增多、增强趋势，但也呈现明显的阶段性变化特征，20世纪60—80年代前期高温热浪频次和强度呈减少（弱）趋势，80年代后期以来，高温热浪频次和强度呈增多（强）趋势。区域变化特征明显，华北北部和西部、西北中北部、华南中部、长江三角洲及四川盆地南部呈显著增多（强）趋势；而黄淮西部、江汉地区呈显著减少趋势。自20世纪90年代以来，我国高温热浪的范围明显增大。
[9]	Scott D, McBoyle G, Schwartzentruber M. Climate change and the distribution of climatic resources for tourism in North America. Climate Research, 2004, 27(10): 105-117.https://doi.org/10.3354/cr027105 URL [本文引用: 1]摘要 Tourism is a major sector of the global economy, and it is strongly influenced by climate. At some travel destinations, climate represents the natural resource on which the tourism industry is predicated. Global climate change has the potential to alter the distribution of climate assets among tourism destinations, with implications for tourism seasonality, demand and travel patterns. Changes i...
[10]	Amelung B, Nicholls S, Viner D.Implications of global climate change for tourism flows and seasonality. Journal of Travel Research, 2007, 45(2): 285-296.https://doi.org/10.1177/0047287506295937 URL [本文引用: 1]摘要 Tourism is a climate-dependent industry, and many destinations owe their popularity to their pleasant climates during traditional holiday seasons. This article explores the potential implications of climate change for global tourism, with special emphasis on seasonality. Combination of two climate change scenarios with the Tourism Climatic Index reveals that the locations of climatically ideal ...
[11]	De Freitas C R, Scott D, McBoyle G. A second generation climate index for tourism (CIT): Specification and verification. International Journal of Biometeorology, 2008, 52(5): 399-407.https://doi.org/10.1007/s00484-007-0134-3 Magsci [本文引用: 1]摘要 <a name="Abs1"></a>Climate is a key resource for many types of tourism and as such can be measured and evaluated. An index approach is required for this task because of the multifaceted nature of weather and the complex ways that weather variables come together to give meaning to climate for tourism. Here we address the deficiencies of past indices by devising a theoretically sound and empirically tested method that integrates the various facets of climate and weather into a single index called the Climate Index for Tourism (CIT). CIT rates the climate resource for activities that are highly climate/weather sensitive, specifically, beach “sun, sea and sand” (3S) holidays. CIT integrates thermal (T), aesthetic (A) and physical (P) facets of weather, which are combined in a weather typology matrix to determine a climate satisfaction rating that ranges from very poor (1 = unacceptable) to very good (7 = optimal). Parameter A refers to sky condition and P to rain or high wind. T is the body-atmosphere energy balance that integrates the environmental and physiological thermal variables, such as solar heat load, heat loss by convection (wind) and by evaporation (sweating), longwave radiation exchange and metabolic heat (activity level). Rather than use T as a net energy (calorific) value, CIT requires that it be expressed as thermal sensation using the standard nine-point ASHRAE scale (“very hot” to “very cold”). In this way, any of the several body-atmosphere energy balance schemes available may be used, maximizing the flexibility of the index. A survey (<i>N</i> = 331) was used to validate the initial CIT. Respondents were asked to rate nine thermal states (T) with different sky conditions (A). They were also asked to assess the impact of high winds or prolonged rain on the perceived quality of the overall weather condition. The data was analysed statistically to complete the weather typology matrix, which covered every possible combination of T, A and P. Conditions considered to be optimal (CIT class 6–7) for 3S tourism were those that were “slightly warm” with clear skies or scattered cloud (≤25% cloud). Acceptable conditions (CIT = 4–5) fell within the thermal range “indifferent” to “hot” even when the sky was overcast. Wind equal to or in excess of 6 m/s (22 km/h) or rain resulted in the CIT rating dropping to 1 or 2 (unacceptable) and was thus an override of pleasant thermal conditions. Further cross-cultural research is underway to examine whether climate preferences vary with different social and cultural tourist segments internationally.
[12]	吴普, 席建超, 葛全胜. 中国旅游气候学研究综述 . 地理科学进展, 2010, 29(2): 131-137.https://doi.org/10.11820/dlkxjz.2010.02.001 Magsci [本文引用: 1]摘要随着全球气候变化的加剧和旅游业的快速发展，气候变化对旅游业的影响逐渐为各界所重视，旅游气候学也因此成为旅游和气候学界研究的热点。文章从文献总量、结构，研究阶段划分，研究内容和方法4个方面回顾我国旅游气候学的研究进展。对我国旅游气候学研究的综述表明：目前，我国旅游气候学研究尚处在初级阶段，方法体系还没建立；旅游气候学研究也没得到旅游学界充分认可，研究领域“留白”较多。未来旅游界要更加充分认识气候变化对旅游业的影响，更多地投入到该领域研究中来；加强旅游气候学理论研究，不断拓宽研究的领域、视角，深入研究旅游者对气候变化的响应；厘清气候变化对旅游业的影响，提出旅游业对气候变化的适应与对策，不断丰富、完善旅游气候学研究。 [Wu Pu, Xi Jianchao, Ge Quansheng.Research on the tourism climatology: Review and preview. Progress in Geography, 2010, 29(2): 131-137.]https://doi.org/10.11820/dlkxjz.2010.02.001 Magsci [本文引用: 1]摘要随着全球气候变化的加剧和旅游业的快速发展，气候变化对旅游业的影响逐渐为各界所重视，旅游气候学也因此成为旅游和气候学界研究的热点。文章从文献总量、结构，研究阶段划分，研究内容和方法4个方面回顾我国旅游气候学的研究进展。对我国旅游气候学研究的综述表明：目前，我国旅游气候学研究尚处在初级阶段，方法体系还没建立；旅游气候学研究也没得到旅游学界充分认可，研究领域“留白”较多。未来旅游界要更加充分认识气候变化对旅游业的影响，更多地投入到该领域研究中来；加强旅游气候学理论研究，不断拓宽研究的领域、视角，深入研究旅游者对气候变化的响应；厘清气候变化对旅游业的影响，提出旅游业对气候变化的适应与对策，不断丰富、完善旅游气候学研究。
[13]	IPCC. Climate Change 2013: The Physical Science Basis. Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge & New York: Cambridge University Press, 2013.URL [本文引用: 2]摘要 Climate models have continued to be developed and improved since the AR4, and many models have been extended into Earth System models by including the representation of biogeochemical cycles important to climate change. These models allow for policy-relevant calculations such as the carbon dioxide (CO2) emissions compatible with a specified climate stabilization target. In addition, the range of climate variables and processes that have been evaluated has greatly expanded, and differences between models and observations are increasingly quantified using 鈥榩erformance metrics鈥. In this chapter, model evaluation covers simulation of the mean climate, of historical climate change, of variability on multiple time scales and of regional modes of variability. This evaluation is based on recent internationally coordinated model experiments, including simulations of historic and paleo climate, specialized experiments designed to provide insight into key climate processes and feedbacks and regional climate downscaling. Figure 9.44 provides an overview of model capabilities as assessed in this chapter, including improvements, or lack thereof, relative to models assessed in the AR4. The chapter concludes with an assessment of recent work connecting model performance to the detection and attribution of climate change as well as to future projections.
[14]	Solomon S, Daniel J S, Neely R R, et al.The persistently variable "background" stratospheric aerosol layer and global climate change. Science, 2011, 333(6044): 866-870.https://doi.org/10.1126/science.1206027 URLPMID:21778361摘要 Recent measurements demonstrate that the “background” stratospheric aerosol layer is persistently variable rather than constant, even in the absence of major volcanic eruptions. Several independent data sets show that stratospheric aerosols have increased in abundance since 2000. Near-global satellite aerosol data imply a negative radiative forcing due to stratospheric aerosol changes over this period of about -0.1 watt per square meter, reducing the recent global warming that would otherwise have occurred. Observations from earlier periods are limited but suggest an additional negative radiative forcing of about -0.1 watt per square meter from 1960 to 1990. Climate model projections neglecting these changes would continue to overestimate the radiative forcing and global warming in coming decades if these aerosols remain present at current values or increase.
[15]	Poloczanska E S, Brown C J, Sydeman W J, et al.Global imprint of climate change on marine life. Nature Climate Change, 2013, 3(10): 919-925.https://doi.org/10.1038/NCLIMATE1958 Magsci摘要 Past meta-analyses of the response of marine organisms to climate change have examined a limited range of locations(1,2), taxonomic groups(2-4) and/or biological responses(5,6). This has precluded a robust overview of the effect of climate change in the global ocean. Here, we synthesized all available studies of the consistency of marine ecological observations with expectations under climate change. This yielded a meta-database of 1,735 marine biological responses for which either regional or global climate change was considered as a driver. Included were instances of marine taxa responding as expected, in a manner inconsistent with expectations, and taxa demonstrating no response. From this database, 81-83% of all observations for distribution, phenology, community composition, abundance, demography and calcification across taxa and ocean basins were consistent with the expected impacts of climate change. Of the species responding to climate change, rates of distribution shifts were, on average, consistent with those required to track ocean surface temperature changes. Conversely, we did not find a relationship between regional shifts in spring phenology and the seasonality of temperature. Rates of observed shifts in species' distributions and phenology are comparable to, or greater, than those for terrestrial systems.
[16]	秦大河, Stocker T. IPCC第五次评估报告第一工作组报告的亮点总结 . 气候变化研究进展. 2014, 10(1): 1-6.https://doi.org/10.3969/j.issn.1673-1719.2014.01.001 Magsci [本文引用: 1]摘要 IPCC第五次评估报告（AR5）第一工作组（WGI）报告的亮点结论，是过去7年全世界气候变化科学研究成果凝练出来的精华。20世纪50年代以来全球气候变暖的一半以上是人类活动造成的。1971年以来人为排放温室气体产生热量的93%进入了海洋，海洋还吸收了大约30%人为排放的CO<sub>2</sub>，导致海表水pH值下降了0.1，等等。采用全球耦合模式比较计划第五阶段（CMIP5）的模式，预估未来全球气候变暖仍将持续，21世纪末全球平均地表温度在1986—2005年的基础上将升高0.3～4.8℃。限制气候变化需要大幅度持续减少温室气体排放。如果将1861—1880年以来人为CO<sub>2</sub>累积排放控制在1000 GtC，那么人类有超过66%的可能性把未来升温幅度控制在2℃以内（相对1861—1880年）。 [Qin Dahe, Stocker T.Highlights of the IPCC Working Group I Fifth Assessment Report. Advances in Climate Change Research, 2014, 10(1): 1-6.]https://doi.org/10.3969/j.issn.1673-1719.2014.01.001 Magsci [本文引用: 1]摘要 IPCC第五次评估报告（AR5）第一工作组（WGI）报告的亮点结论，是过去7年全世界气候变化科学研究成果凝练出来的精华。20世纪50年代以来全球气候变暖的一半以上是人类活动造成的。1971年以来人为排放温室气体产生热量的93%进入了海洋，海洋还吸收了大约30%人为排放的CO<sub>2</sub>，导致海表水pH值下降了0.1，等等。采用全球耦合模式比较计划第五阶段（CMIP5）的模式，预估未来全球气候变暖仍将持续，21世纪末全球平均地表温度在1986—2005年的基础上将升高0.3～4.8℃。限制气候变化需要大幅度持续减少温室气体排放。如果将1861—1880年以来人为CO<sub>2</sub>累积排放控制在1000 GtC，那么人类有超过66%的可能性把未来升温幅度控制在2℃以内（相对1861—1880年）。
[17]	Piao S L, Ciais P, Huang Y, et al.The impacts of climate change on water resources and agriculture in China. Nature, 2010, 467(9): 43-51.https://doi.org/10.1038/nature09364 URLPMID:20811450 [本文引用: 1]摘要 China is the world's most populous country and a major emitter of greenhouse gases. Consequently, much research has focused on China's influence on climate change but somewhat less has been written about the impact of climate change on China. China experienced explosive economic growth in recent decades, but with only 7% of the world's arable land available to feed 22% of the world's population, China's economy may be vulnerable to climate change itself. We find, however, that notwithstanding the clear warming that has occurred in China in recent decades, current understanding does not allow a clear assessment of the impact of anthropogenic climate change on China's water resources and agriculture and therefore China's ability to feed its people. To reach a more definitive conclusion, future work must improve regional climate simulations-especially of precipitation-and develop a better understanding of the managed and unmanaged responses of crops to changes in climate, diseases, pests and atmospheric constituents.
[18]	陈宜瑜, 丁永建, 佘之祥, 等. 中国气候与环境演变评估(Ⅱ): 气候与环境变化的影响与适应、减缓对策 . 气候变化研究进展, 2005, 1(2): 51-57.Magsci [本文引用: 1]摘要气候与环境变化对我国的影响表现在自然、社会、经济和政治等各个方面。通过对我国气候与环境影响的评估，从生态系统、农业、水资源、重大工程等方面进行了论述。在此基础上，从冰冻圈、生态系统、土地退化、工业、交通、服务业、城市与生活等几个方面进行了气候影响的利弊分析。进而评估了气候变化对我国区域可持续发展的影响，提出了气候变化的适应与减缓对策。 [Chen Yiyu, Ding Yongjian, She Zhixiang, et al.Assessment of climate and environment changes in China (Ⅱ): Measures to adapt and mitigate the effects of climate and environment changes. Advances in Climate Change Research, 2005, 1(2): 51-57.]Magsci [本文引用: 1]摘要气候与环境变化对我国的影响表现在自然、社会、经济和政治等各个方面。通过对我国气候与环境影响的评估，从生态系统、农业、水资源、重大工程等方面进行了论述。在此基础上，从冰冻圈、生态系统、土地退化、工业、交通、服务业、城市与生活等几个方面进行了气候影响的利弊分析。进而评估了气候变化对我国区域可持续发展的影响，提出了气候变化的适应与减缓对策。
[19]	秦大河. 气候变化科学与人类可持续发展 . 地理科学进展, 2014, 33(7): 874-883.https://doi.org/10.11820/dlkxjz.2014.07.002 Magsci [本文引用: 1]摘要政府间气候变化专门委员会（IPCC）自2007 年发布第四次评估报告（AR4）以来，新的观测证据进一步证明，全球气候系统变暖是毋庸置疑的事实。2012 年之前的3 个连续10 年的全球地表平均气温，都比1850 年以来任何一个10 年更高，且可能是过去1400 年来最热的30 年。虽然1998-2012 年全球地表增温速率趋缓，但还不能反映出气候变化的长期趋势。1970 年以来海洋在变暖，海洋上层75 m以上的海水温度每10 年升温幅度超过0.11℃；1971-2010 年地球气候系统增加的净能量中，93%被海洋吸收。全球平均海平面上升速率加快，1993-2010 年间高达3.2 mm/年。全球海洋的人为碳库很可能已增加，导致海洋表层水酸化。1971 年以来，全球几乎所有冰川、格陵兰冰盖和南极冰盖的冰量都在损失。其中1979 年以来北极海冰范围以每10 年3.5%~4.1%的速率缩小，同期南极海冰范围以每10 年1.2%~1.8%的速率增大。北半球积雪范围在缩小。20 世纪80 年代初以来，大多数地区的多年冻土温度升高。已在大气和海洋变暖、水循环变化、冰冻圈退缩、海平面上升和极端气候事件的变化中检测到人类活动影响的信号。1750 年以来大气CO<sub>2</sub>浓度的增加是人为辐射强迫增加的主因，导致20 世纪50 年代以来50%以上的全球气候变暖，其信度超过95%。采用CMIP5 模式和典型浓度路径（RCPs），预估本世纪末全球地表平均气温将继续升高，热浪、强降水等极端事件的发生频率将增加，降水将呈现“干者愈干、湿者愈湿”趋势。海洋上层的温度比1986-2005 年间升高0.6~2.0℃，热量将从海表传向深海，并影响大洋环流，2100 年海平面将上升0.26~0.82m。冰冻圈将继续变暖。为控制气候变暖，人类需要减少温室气体排放。如果较工业化之前的温升达到2℃，全球年均经济损失将达到收入的0.2%~2.0%，并造成大范围不可逆的影响，导致死亡、疾病、食品安全、内陆洪涝、农村饮水和灌溉困难等问题，影响人类安全。但如果采取积极行动，2℃的温升目标仍可望达到。为遏制逐渐失控的全球变暖，需全球共同努力减排，以实现人类可持续发展的理想。 [Qin Dahe.Climate change science and sustainable development. Progress in Geography, 2014, 33(7): 874-883.]https://doi.org/10.11820/dlkxjz.2014.07.002 Magsci [本文引用: 1]摘要政府间气候变化专门委员会（IPCC）自2007 年发布第四次评估报告（AR4）以来，新的观测证据进一步证明，全球气候系统变暖是毋庸置疑的事实。2012 年之前的3 个连续10 年的全球地表平均气温，都比1850 年以来任何一个10 年更高，且可能是过去1400 年来最热的30 年。虽然1998-2012 年全球地表增温速率趋缓，但还不能反映出气候变化的长期趋势。1970 年以来海洋在变暖，海洋上层75 m以上的海水温度每10 年升温幅度超过0.11℃；1971-2010 年地球气候系统增加的净能量中，93%被海洋吸收。全球平均海平面上升速率加快，1993-2010 年间高达3.2 mm/年。全球海洋的人为碳库很可能已增加，导致海洋表层水酸化。1971 年以来，全球几乎所有冰川、格陵兰冰盖和南极冰盖的冰量都在损失。其中1979 年以来北极海冰范围以每10 年3.5%~4.1%的速率缩小，同期南极海冰范围以每10 年1.2%~1.8%的速率增大。北半球积雪范围在缩小。20 世纪80 年代初以来，大多数地区的多年冻土温度升高。已在大气和海洋变暖、水循环变化、冰冻圈退缩、海平面上升和极端气候事件的变化中检测到人类活动影响的信号。1750 年以来大气CO<sub>2</sub>浓度的增加是人为辐射强迫增加的主因，导致20 世纪50 年代以来50%以上的全球气候变暖，其信度超过95%。采用CMIP5 模式和典型浓度路径（RCPs），预估本世纪末全球地表平均气温将继续升高，热浪、强降水等极端事件的发生频率将增加，降水将呈现“干者愈干、湿者愈湿”趋势。海洋上层的温度比1986-2005 年间升高0.6~2.0℃，热量将从海表传向深海，并影响大洋环流，2100 年海平面将上升0.26~0.82m。冰冻圈将继续变暖。为控制气候变暖，人类需要减少温室气体排放。如果较工业化之前的温升达到2℃，全球年均经济损失将达到收入的0.2%~2.0%，并造成大范围不可逆的影响，导致死亡、疾病、食品安全、内陆洪涝、农村饮水和灌溉困难等问题，影响人类安全。但如果采取积极行动，2℃的温升目标仍可望达到。为遏制逐渐失控的全球变暖，需全球共同努力减排，以实现人类可持续发展的理想。
[20]	刘继韩. 秦皇岛市旅游生理气候评价 . 地理学与国地研究, 1989, 5(1): 35-39.URL [本文引用: 1] [Liu Jihan.Evaluation of the tourism physical climate of Qinhuangdao. Geography and Territorial Research, 1989, 5(1): 35-39.]URL [本文引用: 1]
[21]	范业正, 郭来喜. 中国海滨旅游地气候适宜性评价 . 自然资源学报, 1998, 13(4): 304-311.https://doi.org/10.3321/j.issn:1000-3037.1998.04.003 URL [本文引用: 2]摘要选定我国２５个滨海城市和１２个岛屿共计３７个测站的四项指标３０多个系列年资料，对海滨城市和近岸岛屿的气候进行了系统分析。研究发现，我国的渤海湾沿岸海滨城市和海南同部城市有长达４－６个月的度假和休疗养的气候条件，它们在季节上有着较强的互补性，相比之下，其他海滨城市适宜旅游季节不长，且分成春，秋两个时段，综合条件不太理想。 [Fan Yezheng, Guo Laixi.The climate suitability of tourism at the coastline destinations of China. Journal of Natural Resources, 1998, 13(4): 304-311.]https://doi.org/10.3321/j.issn:1000-3037.1998.04.003 URL [本文引用: 2]摘要选定我国２５个滨海城市和１２个岛屿共计３７个测站的四项指标３０多个系列年资料，对海滨城市和近岸岛屿的气候进行了系统分析。研究发现，我国的渤海湾沿岸海滨城市和海南同部城市有长达４－６个月的度假和休疗养的气候条件，它们在季节上有着较强的互补性，相比之下，其他海滨城市适宜旅游季节不长，且分成春，秋两个时段，综合条件不太理想。
[22]	刘清春, 王铮, 许世远. 中国城市旅游气候舒适性分析 . 资源科学, 2007, 29(1): 133-141.Magsci [本文引用: 1]摘要气候是影响人们旅游活动的重要因子。本文选取了人生气候舒适指数来衡量城市旅游气候的舒适性，该指数包括温湿指数、风效指数、着衣指数。首先，计算了全国44个城市的人生气候舒适指数以及偏离度，分析了旅游气候舒适期，发现其中19个城市舒适气候期是5个月，舒适期过短或者过长的城市都较少。按照舒适期的长短以及舒适月分布的连续性，将舒适期分为3类2型。其次，从季节上看，春秋季节特别是4月、10月，除热带地区外的全国大部分地区气候都较适宜。夏季，全国大部分地区气候发生热偏，以海口气候偏离度最大，丽江、昆明、拉萨等气候都相对比较适宜，可以成为人们避暑的选择地；而冬季，全国大部分地区气候发生冷偏，以哈尔滨气候偏离度最大，地处亚热带、热带地区的城市人生气候感觉舒适。最后，为评价各城市的气候综合状况，利用各人生气候指数偏离度，通过Kohonen神经网络方法，将44个城市分成5类。 [Liu Qingchun, Wang Zheng, Xu Shiyuan.Climate suitability index for city tourism in China. Resources Science, 2007, 29(1): 133-141.]Magsci [本文引用: 1]摘要气候是影响人们旅游活动的重要因子。本文选取了人生气候舒适指数来衡量城市旅游气候的舒适性，该指数包括温湿指数、风效指数、着衣指数。首先，计算了全国44个城市的人生气候舒适指数以及偏离度，分析了旅游气候舒适期，发现其中19个城市舒适气候期是5个月，舒适期过短或者过长的城市都较少。按照舒适期的长短以及舒适月分布的连续性，将舒适期分为3类2型。其次，从季节上看，春秋季节特别是4月、10月，除热带地区外的全国大部分地区气候都较适宜。夏季，全国大部分地区气候发生热偏，以海口气候偏离度最大，丽江、昆明、拉萨等气候都相对比较适宜，可以成为人们避暑的选择地；而冬季，全国大部分地区气候发生冷偏，以哈尔滨气候偏离度最大，地处亚热带、热带地区的城市人生气候感觉舒适。最后，为评价各城市的气候综合状况，利用各人生气候指数偏离度，通过Kohonen神经网络方法，将44个城市分成5类。
[23]	马丽君, 孙根年, 李馥丽, 等. 陕西省旅游气候舒适度评价 . 资源科学, 2007, 29(6): 40-44.Magsci摘要气候舒适的程度及持续时间的长短，是影响旅游地旅游季节长短的重要因素。本文利用陕西省30年气候资料，采用温湿指数、风寒指数和着衣指数指标，对陕西省各地区各月旅游气候舒适度进行了分析。结果显示，陕北各地区旅游舒适期在5月～9月，关中各地区的旅游舒适期多在4月、5月、9月和10月，汉中和安康舒适期在4月、5月、9月和10月，商洛的旅游舒适期在4月、5月、6月、8月和9月，不舒适期以榆林最长为4个月，以汉中和安康最短为0个月。由于地理位置和海拔高度的不同，陕西省内各个地区的旅游气候舒适度有相当的差异，在南北方向上差异尤其明显。冬季南北差异性表现尤为突出，舒适指数随纬度的升高而降低。全省可以分为陕南、关中、陕北、秦岭4个旅游气候区。 [Ma Lijun, Sun Gennian, Li Fuli, et al.Evaluation of tourism climate comfortableness in Shaanxi province. Resources Science, 2007, 29(6): 40-44.]Magsci摘要气候舒适的程度及持续时间的长短，是影响旅游地旅游季节长短的重要因素。本文利用陕西省30年气候资料，采用温湿指数、风寒指数和着衣指数指标，对陕西省各地区各月旅游气候舒适度进行了分析。结果显示，陕北各地区旅游舒适期在5月～9月，关中各地区的旅游舒适期多在4月、5月、9月和10月，汉中和安康舒适期在4月、5月、9月和10月，商洛的旅游舒适期在4月、5月、6月、8月和9月，不舒适期以榆林最长为4个月，以汉中和安康最短为0个月。由于地理位置和海拔高度的不同，陕西省内各个地区的旅游气候舒适度有相当的差异，在南北方向上差异尤其明显。冬季南北差异性表现尤为突出，舒适指数随纬度的升高而降低。全省可以分为陕南、关中、陕北、秦岭4个旅游气候区。
[24]	吴普, 葛全胜. 海南旅游客流量年内变化与气候的相关性分析 . 地理研究, 2009, 28(4): 1078-1084.Magsci摘要气候是旅游资源不可或缺的组成部分,也是影响旅游地开发的重要因素,直接影响到旅游季节的长短及旅游客流的年内变化。利用海南9个气象站点自建站以来的气候资料及近5年旅游统计资料,通过特吉旺气候舒适指数、相关分析和回归分析等方法,分析海南气候舒适度及其与旅游客流量年内变化的相关性。结果表明:11月~3月是海南旅游的最适宜期;气候对海南旅游客流量有显著影响,以气温为主导的气候舒适度是海南旅游客流年内淡旺季变化及游客旅游决策的主要影响因素;温度与海南旅游客流量呈显著负相关关系;与海口比较而言,三亚旅游业对气候更加敏感。本项研究对更好地将气候整合到旅游产品中进行宣传促销、提高产品吸引力,对海南旅游业发展规划,对提前预判游客规模尽早做出对策安排及旅游投资有很强的现实指导意义。 [Wu Pu, Ge Quansheng.An analysis of annual variation of tourist flows and climate change in Hainan province. Geographical Research, 2009, 28(4): 1078-1084.]Magsci摘要气候是旅游资源不可或缺的组成部分,也是影响旅游地开发的重要因素,直接影响到旅游季节的长短及旅游客流的年内变化。利用海南9个气象站点自建站以来的气候资料及近5年旅游统计资料,通过特吉旺气候舒适指数、相关分析和回归分析等方法,分析海南气候舒适度及其与旅游客流量年内变化的相关性。结果表明:11月~3月是海南旅游的最适宜期;气候对海南旅游客流量有显著影响,以气温为主导的气候舒适度是海南旅游客流年内淡旺季变化及游客旅游决策的主要影响因素;温度与海南旅游客流量呈显著负相关关系;与海口比较而言,三亚旅游业对气候更加敏感。本项研究对更好地将气候整合到旅游产品中进行宣传促销、提高产品吸引力,对海南旅游业发展规划,对提前预判游客规模尽早做出对策安排及旅游投资有很强的现实指导意义。
[25]	孙根年, 余志康. 中国30°N、35°N线城市气候舒适度与地形三级阶梯的关系 . 干旱区地理, 2014, 37(3): 447-457.Magsci [本文引用: 1]摘要我国地形西高东低、呈三级阶梯，这种地形格局必然影响到气候要素及旅游气候舒适度的东西向分布。选取30°N和35°N线各19个城市，依据气候观测数据计算了各地温湿指数、风寒指数和着衣指数，划分了气候舒适期和非舒适期，分析了气候舒适度与地形三级阶梯的关系，结论如下：（1）地形三级阶梯对气候的影响首先是对月均温度的影响，以1月、4月、7月和10月为代表，分析地表温度随着海拔高度的变化，发现夏季温差较大，而冬季温差较小，并随纬度升高而温差幅度增大；（2）各城市典型月温湿指数与地形三级阶梯呈现相应的变化，在横断山海拔3 000 m处，各月温湿指数有一个明显的突变，夏季温湿指数差异较大，冬季温湿指数差异较小；（3）各城市气候舒适期、非舒适期呈反对称分布，东部一级阶梯因夏季高温，舒适期5～7个月、非舒适期4～6个月，中部二级阶梯舒适期长达6～8个月、非舒适期4～5个月，西部三级阶梯舒适期只有0～4个月，非舒适期达8～12个月。本研究揭示了我国旅游气候舒适度的东西差异，为宏观旅游开发提供了气候学的参考。 [Sun Gennian, Yu Zhikang.Relationship of climate comfort degree of cities near 30°N and 35°N with 3-step terrain of China. Arid Land Geography, 2014, 37(3): 447-457.]Magsci [本文引用: 1]摘要我国地形西高东低、呈三级阶梯，这种地形格局必然影响到气候要素及旅游气候舒适度的东西向分布。选取30°N和35°N线各19个城市，依据气候观测数据计算了各地温湿指数、风寒指数和着衣指数，划分了气候舒适期和非舒适期，分析了气候舒适度与地形三级阶梯的关系，结论如下：（1）地形三级阶梯对气候的影响首先是对月均温度的影响，以1月、4月、7月和10月为代表，分析地表温度随着海拔高度的变化，发现夏季温差较大，而冬季温差较小，并随纬度升高而温差幅度增大；（2）各城市典型月温湿指数与地形三级阶梯呈现相应的变化，在横断山海拔3 000 m处，各月温湿指数有一个明显的突变，夏季温湿指数差异较大，冬季温湿指数差异较小；（3）各城市气候舒适期、非舒适期呈反对称分布，东部一级阶梯因夏季高温，舒适期5～7个月、非舒适期4～6个月，中部二级阶梯舒适期长达6～8个月、非舒适期4～5个月，西部三级阶梯舒适期只有0～4个月，非舒适期达8～12个月。本研究揭示了我国旅游气候舒适度的东西差异，为宏观旅游开发提供了气候学的参考。
[26]	罗生洲, 巨克英, 罗延年, 等. 1954-2011年西宁旅游气候舒适期时间变化分析 . 冰川冻土, 2013, 35(5): 1193-1201.https://doi.org/10.7522/j.issn.1000-0240.2013.0134 Magsci [本文引用: 2]摘要利用西宁市1954-2011年逐年逐日气温、相对湿度、平均风速和日照时数等气象资料, 运用温湿指数THI、风寒指数WCI、着衣指数ICL和人体舒适度指数K计算模型, 计算西宁逐年逐日旅游舒适指数和舒适日概率, 分析西宁年内气候舒适期起止时间、期间天数;年际、年代际变化特点以及各模型指数年际间是否存在突变等. 综合舒适度指数结果显示: 较适宜旅游季节从4月中旬开始, 10月中旬结束, 为时184 d;没有适宜旅游期和最适宜旅游期, 这一结果反映了西宁夏季凉爽的气候特点. 用温湿指数、人体舒适度指数等模型计算出的较舒适期天数在年际和年代际间均呈上升趋势;较舒适期天数在年际间存在突变(增多)现象. 西宁旅游舒适日在年际间呈增多的趋势, 对该地区旅游业发展是一个有利因素. [Luo Shengzhou, Ju Keying, Luo Yannian, et al.Analysis of the temporal variation in climatic comfortable period for tourism in Xining, 1954-2011. Journal of Glaciology and Geocryology, 2013, 35(5): 1193-1201.]https://doi.org/10.7522/j.issn.1000-0240.2013.0134 Magsci [本文引用: 2]摘要利用西宁市1954-2011年逐年逐日气温、相对湿度、平均风速和日照时数等气象资料, 运用温湿指数THI、风寒指数WCI、着衣指数ICL和人体舒适度指数K计算模型, 计算西宁逐年逐日旅游舒适指数和舒适日概率, 分析西宁年内气候舒适期起止时间、期间天数;年际、年代际变化特点以及各模型指数年际间是否存在突变等. 综合舒适度指数结果显示: 较适宜旅游季节从4月中旬开始, 10月中旬结束, 为时184 d;没有适宜旅游期和最适宜旅游期, 这一结果反映了西宁夏季凉爽的气候特点. 用温湿指数、人体舒适度指数等模型计算出的较舒适期天数在年际和年代际间均呈上升趋势;较舒适期天数在年际间存在突变(增多)现象. 西宁旅游舒适日在年际间呈增多的趋势, 对该地区旅游业发展是一个有利因素.
[27]	王胜, 田红, 谢五三, 等. 近50年安徽省气候舒适度变化特征及区划研究 . 地理科学进展, 2012, 31(1): 40-45.https://doi.org/10.11820/dlkxjz.2012.01.006 URL [本文引用: 3]摘要利用安徽省70个台站1961-2010年逐日平均气温、风速和相对湿度,根据气候舒适度评价模型,计算得到安徽省气候舒适度时空分布特征,在此基础上通过GIS空间插值对气候舒适度进行综合区划和评价。结果表明:安徽省气候舒适度有明显的季节变化和区域分布特征,季节上每年4-10月气候总体舒适,而11月-次年3月气候相对不舒适;空间上南部地区气候较为舒适,而北部气候相对不舒适。在气候变暖的背景下,年气候舒适天数逐年增多,且在1986年左右存在一次显著性增多的突变;年不舒适日数明显减少,并且在1997年左右也发生一次显著性减少的突变。综合区划显示,全省气候最舒适区主要位于沿江地区和江南南部,而气候最不舒适区位于淮北东北部、大别山区和皖南山区。 [ Wang Sheng, Tian Hong, Xie Wusan, et al.A study on variations and comprehensive zoning of climate comfort degree in Anhui province in the past 50 years. Progress in Geography, 2012, 31(1): 40-45.]https://doi.org/10.11820/dlkxjz.2012.01.006 URL [本文引用: 3]摘要利用安徽省70个台站1961-2010年逐日平均气温、风速和相对湿度,根据气候舒适度评价模型,计算得到安徽省气候舒适度时空分布特征,在此基础上通过GIS空间插值对气候舒适度进行综合区划和评价。结果表明:安徽省气候舒适度有明显的季节变化和区域分布特征,季节上每年4-10月气候总体舒适,而11月-次年3月气候相对不舒适;空间上南部地区气候较为舒适,而北部气候相对不舒适。在气候变暖的背景下,年气候舒适天数逐年增多,且在1986年左右存在一次显著性增多的突变;年不舒适日数明显减少,并且在1997年左右也发生一次显著性减少的突变。综合区划显示,全省气候最舒适区主要位于沿江地区和江南南部,而气候最不舒适区位于淮北东北部、大别山区和皖南山区。
[28]	De Freitas C R, Grigorieva E A. A comprehensive catalogue and classification of human thermal climate indices. International Journal of Biometeorology, 2015, 59(1): 109-120.https://doi.org/10.1007/s00484-014-0819-3 URLPMID:24682541 [本文引用: 1]摘要 The very large number of thermal climate indices that have been proposed over the past 100 years or so is a manifestation of the perceived importance within the scientific community of the thermal environment and the desire to quantify it. Schemes used differ in approach according to the number of variables taken into account, the rationale employed, the relative sophistication of the underlying body-atmosphere heat exchange theory and the particular design for application. They also vary considerably in type and quality, as well as in several other aspects. Reviews appear in the literature, but they cover a limited number of indices. A project that produces a comprehensive documentation, classification and overall evaluation of the full range of existing thermal climate indices has never been attempted. This paper deals with documentation and classification. A subsequent report will focus on evaluation. Here a comprehensive register of 162 thermal indices is assembled and a sorting scheme devised that groups them according to eight primary classification classes. It is the first stage in a project to organise and evaluate the full range of all thermal climate indices. The work, when completed, will make it easier for users to reflect on the merits of all available thermal indices. It will be simpler to locate and compare indices and decide which is most appropriate for a particular application or investigation.
[29]	Brake R, Bates G.A valid method for comparing rational and empirical heat stress indices. Annals of Occupational Hygiene, 2002, 46(2): 165-174. [本文引用: 1]
[30]	Blazejczyk K, Epstein Y, Jendritzky G, et al.Comparison of UTCI to selected thermal indices. International Journal of Biometeorology, 2012, 56(3): 515-535.https://doi.org/10.1007/s00484-011-0453-2 Magsci摘要 Over the past century more than 100 indices have been developed and used to assess bioclimatic conditions for human beings. The majority of these indices are used sporadically or for specific purposes. Some are based on generalized results of measurements (wind chill, cooling power, wet bulb temperature) and some on the empirically observed reactions of the human body to thermal stress (physiological strain, effective temperature). Those indices that are based on human heat balance considerations are referred to as "rational indices". Several simple human heat balance models are known and are used in research and practice. This paper presents a comparative analysis of the newly developed Universal Thermal Climate Index (UTCI), and some of the more prevalent thermal indices. The analysis is based on three groups of data: global data-set, synoptic datasets from Europe, and local scale data from special measurement campaigns of COST Action 730. We found the present indices to express bioclimatic conditions reasonably only under specific meteorological situations, while the UTCI represents specific climates, weather, and locations much better. Furthermore, similar to the human body, the UTCI is very sensitive to changes in ambient stimuli: temperature, solar radiation, wind and humidity. UTCI depicts temporal variability of thermal conditions better than other indices. The UTCI scale is able to express even slight differences in the intensity of meteorological stimuli.
[31]	闫业超, 岳书平, 刘学华, 等. 国内外气候舒适度评价研究进展 . 地球科学进展. 2013, 28(10): 1119-1125.https://doi.org/10.11867/j.issn.1001-8166.2013.10.1119 Magsci [本文引用: 1]摘要开展气候舒适度评价对于科学指导旅游出行、客观评价城市人居环境等都具有重要的理论价值和实践意义, 近年来随着旅游业的蓬勃发展和生活质量的普遍提高, 气候舒适度评价愈发成为当前研究的热点问题。在回顾近百年来该领域研究成果的基础上, 划分出气候舒适度评价的3个重要时期, 介绍了每个时期具广泛影响的人体舒适度模型, 论述了各种模型提出的时代背景、基本思想和适用条件。研究表明：气候舒适度评价由简单的经验模型向复杂的机理模型、由时空局限性模型向客观普适性模型发展, 具有精细化、客观化的发展趋势；目前, 国内气候舒适度评价研究中仍以经验模型的应用较为普遍, 但在模型的选择上要注意其季节及地域适用性；发展具有普适性的气候舒适度评价模型、探索气候舒适度精细化评估技术是今后研究中亟待解决的问题；开展特色宜人气候评价有望拓展舒适气候评价研究的深度和范围, 是今后重要的研究方向。 [Yan Yechao, Yue Shuping, Liu Xuehua, et al.Advances in assessment of bioclimatic comfort conditions at home and abroad. Advances in Earth Science, 2013, 28(10): 1119-1125.]https://doi.org/10.11867/j.issn.1001-8166.2013.10.1119 Magsci [本文引用: 1]摘要开展气候舒适度评价对于科学指导旅游出行、客观评价城市人居环境等都具有重要的理论价值和实践意义, 近年来随着旅游业的蓬勃发展和生活质量的普遍提高, 气候舒适度评价愈发成为当前研究的热点问题。在回顾近百年来该领域研究成果的基础上, 划分出气候舒适度评价的3个重要时期, 介绍了每个时期具广泛影响的人体舒适度模型, 论述了各种模型提出的时代背景、基本思想和适用条件。研究表明：气候舒适度评价由简单的经验模型向复杂的机理模型、由时空局限性模型向客观普适性模型发展, 具有精细化、客观化的发展趋势；目前, 国内气候舒适度评价研究中仍以经验模型的应用较为普遍, 但在模型的选择上要注意其季节及地域适用性；发展具有普适性的气候舒适度评价模型、探索气候舒适度精细化评估技术是今后研究中亟待解决的问题；开展特色宜人气候评价有望拓展舒适气候评价研究的深度和范围, 是今后重要的研究方向。
[32]	孙美淑, 李山. 气候舒适度评价的经验模型:回顾与展望 . 旅游学刊, 2015, 30(12): 19-34.https://doi.org/10.3969/j.issn.1002-5006.2015.12.007 Magsci [本文引用: 4]摘要气候舒适度表征了人体在外界气象环境综合作用下感觉舒适或不舒适的程度,其对建筑设计、人体健康、旅游活动等均有着重要影响,尤其是对度假旅游地的发展意义深远。气候舒适度研究在其100多年的发展历史中出现过上百个评价模型,总体上可划分为经验模型和机理模型这两个大类。虽然以热平衡方程为基础的机理模型自20世纪60年代产生以来,在气候舒适度评价的“理论研究”中日趋主流,但产生于20世纪20年代的经验模型仍在“实践应用”中占据着半壁江山。然而,由于缺乏对经验模型系统而细致的梳理,在大量“引入性”实践应用中,对模型适用条件的判别分析不足且对评估分级标准也缺乏针对性调整,制约了气候舒适度评价的科学性和实用性。文章力图从发展历程、应用领域、现实局限和未来展望等视角,对气候舒适度评价的经验模型进行较为全面的梳理。研究为经验模型勾勒出一个相对清晰的整体图景,详细阐明了众多经典模型的起源背景、计算公式和适用条件,并明确了这些模型之间的逻辑联系和演进脉络;同时,研究在总结其应用领域和分析其现实局限的基础上,结合气候舒适度评价“经验-机理”的演化态势,进一步提出了融入热交换机理、发展专门化模型、制定针对性标准等3个未来的发展方向。 [Sun Meishu, Li Shan.Empirical indices evaluating climate comfortableness: Review and prospect. Tourism Tribune, 2015, 30(12): 19-34.]https://doi.org/10.3969/j.issn.1002-5006.2015.12.007 Magsci [本文引用: 4]摘要气候舒适度表征了人体在外界气象环境综合作用下感觉舒适或不舒适的程度,其对建筑设计、人体健康、旅游活动等均有着重要影响,尤其是对度假旅游地的发展意义深远。气候舒适度研究在其100多年的发展历史中出现过上百个评价模型,总体上可划分为经验模型和机理模型这两个大类。虽然以热平衡方程为基础的机理模型自20世纪60年代产生以来,在气候舒适度评价的“理论研究”中日趋主流,但产生于20世纪20年代的经验模型仍在“实践应用”中占据着半壁江山。然而,由于缺乏对经验模型系统而细致的梳理,在大量“引入性”实践应用中,对模型适用条件的判别分析不足且对评估分级标准也缺乏针对性调整,制约了气候舒适度评价的科学性和实用性。文章力图从发展历程、应用领域、现实局限和未来展望等视角,对气候舒适度评价的经验模型进行较为全面的梳理。研究为经验模型勾勒出一个相对清晰的整体图景,详细阐明了众多经典模型的起源背景、计算公式和适用条件,并明确了这些模型之间的逻辑联系和演进脉络;同时,研究在总结其应用领域和分析其现实局限的基础上,结合气候舒适度评价“经验-机理”的演化态势,进一步提出了融入热交换机理、发展专门化模型、制定针对性标准等3个未来的发展方向。
[33]	Terjung W H.Physiologic climates of the conterminous United States: A bioclimatic classification based on man. Annals of the Association of American Geographers, 1966, 56(1): 141-179.https://doi.org/10.1111/j.1467-8306.1966.tb00549.x URL [本文引用: 2]摘要 ABSTRACT ABSTRACT This study deals with human comfort expressed in a physio-climatic classification. Four physiological and psychological reactions of man to temperature, relative humidity, wind chill, and solar radiation are combined into two nomograms from which average human reactions can be deduced. Comfort and Wind Effect Indices are applied to meteorological data of the conterminous United States for July and January, daytime and nighttime, respectively. Maps combining both indices for July apply the classification on a larger scale (Southern California), and on a smaller scale (U.S.). A map of annual physio-climatic extremes synthesizes in generalized form how man tends to feel in various areas on a yearly basis. Thus, a three-step system results which attempts to revise certain conventional notions about comfort regions. No paradoxical distributions are apparent and the classification seems limited only by the availablity and reliability of data. The scheme is applicable to any dimension: time or region, and is considered a contribution to medical geography, climatological education, tourism, military geography, housing, clothing, and a general analytical tool, introducing greater precision into geography.
[34]	Thom E C.The discomfort index. Weatherwise, 1959, 12(2): 57-61.https://doi.org/10.1080/00431672.1959.9926960 URL [本文引用: 1]
[35]	李秋, 仲桂清. 环渤海地区旅游气候资源评价 . 干旱区资源与环境, 2005, 19(2): 149-153. [本文引用: 2] [Li Qiu, Zhong Guiqing.Evaluation on climate resource for tourism in the region around Bohai. Journal of Arid Land Resources and Environment, 2005, 19(2): 149-153.] [本文引用: 2]
[36]	唐焰, 封志明, 杨艳昭. 基于栅格尺度的中国人居环境气候适宜性评价 . 资源科学, 2008, 30(5): 648-653.Magsci [本文引用: 1]摘要运用GIS技术，基于1km×1km栅格尺度，计算了中国的温湿指数和风效指数，并系统分析了二者的时空分布规律，在此基础上，定量评价了中国人居环境的气候舒适期与适宜性。结果表明：①中国温湿指数和风效指数的空间分布大势由东南沿海向西北内陆递减，中国人居环境的气候适宜性整体呈由东南沿海向西北内陆，由高原、山地向丘陵、平原递减的趋势；②基于温湿指数和风效指数的中国人居环境气候舒适期地域差异显著，最高值分布在东南丘陵和云贵高原东南部，舒适期长达12个月，青藏高原和天山山地等高寒地区为全年气候不舒适区；气候舒适期超过半年（6个月）的地区，面积占全国的1/3强；气候舒适期为12个月的地区，面积不足全国的1%；③中国人居环境的气候适宜性评价表明，气候适宜地区占国土面积的63.14%，相应人口占98.22%，临界适宜区和不适宜区面积各占14.06%和22.77%，而相应人口仅占1.62%和0.16%，人口明显集中分布于气候适宜地区。 [Tang Yan, Feng Zhiming, Yang Yanzhao.Evaluation of climate suitability for human settlement in China. Resources Science, 2008, 30(5): 648-653.]Magsci [本文引用: 1]摘要运用GIS技术，基于1km×1km栅格尺度，计算了中国的温湿指数和风效指数，并系统分析了二者的时空分布规律，在此基础上，定量评价了中国人居环境的气候舒适期与适宜性。结果表明：①中国温湿指数和风效指数的空间分布大势由东南沿海向西北内陆递减，中国人居环境的气候适宜性整体呈由东南沿海向西北内陆，由高原、山地向丘陵、平原递减的趋势；②基于温湿指数和风效指数的中国人居环境气候舒适期地域差异显著，最高值分布在东南丘陵和云贵高原东南部，舒适期长达12个月，青藏高原和天山山地等高寒地区为全年气候不舒适区；气候舒适期超过半年（6个月）的地区，面积占全国的1/3强；气候舒适期为12个月的地区，面积不足全国的1%；③中国人居环境的气候适宜性评价表明，气候适宜地区占国土面积的63.14%，相应人口占98.22%，临界适宜区和不适宜区面积各占14.06%和22.77%，而相应人口仅占1.62%和0.16%，人口明显集中分布于气候适宜地区。
[37]	Siple P A, Passel C F.Measurements of dry atmospheric cooling in subfreezing temperatures. Proceedings of the American Philosophical Society, 1945, 89(1): 177-199. [本文引用: 1]
[38]	王德瀚. 我国南方体感温度(温湿指数)分布的气候学特征 . 热带地理, 1986, 6(1): 38-44.Magsci [本文引用: 1]摘要人对天气冷热的感觉,不仅受制于温度,而且受制于湿度和风等要素.为表征大气环境对人体冷暖感觉的影响,曾设计了几种人体生理气候指数,其中以温湿指数(Temperature-humidity Index)使用较广泛,它是把温度、湿度对人体冷暖感觉的影响综合成一个量的一种指数,原称不舒适指数(Discomfort Index),其表达式如下. [Wang Dehan.Climatological features of physical sensation temperature (temperature-humidity index) distribution in south China. Tropical Geography, 1986, 6(1): 38-44.]Magsci [本文引用: 1]摘要人对天气冷热的感觉,不仅受制于温度,而且受制于湿度和风等要素.为表征大气环境对人体冷暖感觉的影响,曾设计了几种人体生理气候指数,其中以温湿指数(Temperature-humidity Index)使用较广泛,它是把温度、湿度对人体冷暖感觉的影响综合成一个量的一种指数,原称不舒适指数(Discomfort Index),其表达式如下.
[39]	Kyle W J.The human bioclimate of Hong Kong. In: Brazdil R, Kolar M. Proceedings of the Contemporary Climatology Conference. Brno: Tisk Litera, 1994: 345-350. [本文引用: 2]
[40]	中国气象局国家气候中心. 全国气候影响评价2009. 北京: 气象出版社, 2010. [本文引用: 2] [China Meteorology Administration's National Climate Centre. China Climate Impact Assessment 2009. Beijing: China Meteorological Press, 2010.] [本文引用: 2]
[41]	魏凤英. 现代气候统计诊断与预测技术. 2版. 北京: 气象出版社, 2007. [本文引用: 2] [Wei Fengying.Modern Climatic Statistical Diagnosis and Prediction Technology. 2nd ed. Beijing: China Meteorological Press, 2007.] [本文引用: 2]
[42]	胡焕庸. 中国人口之分布 . 地理学报, 1935, 2(2): 33-74.URL [本文引用: 1] [Hu Huanyong.Distribution of the population of China. Acta Geographica Sinica, 1935, 2(2): 33-74.]URL [本文引用: 1]
[43]	陆大道, 王铮, 封志明, 等. 关于“胡焕庸线能否突破”的学术争鸣 . 地理研究, 2016, 35(5): 805-824.https://doi.org/10.11821/dlyj201605001 Magsci [本文引用: 1]摘要著名地理学家胡焕庸先生于1935年提出中国人口地理的重要分界线（简称“胡焕庸线”）,被广泛认可和引用,是中国地理学发展的重要成果。2014年底,李克强总理参观人居科学研究展时,高度关注胡焕庸线,并提出了胡焕庸线能否突破的问题。胡焕庸线因而再度引起争论和热议。据此,组织了一些地理**围绕该问题进行学术讨论,力图从不同层面展现们对胡焕庸线的理解与反思,从而深化胡焕庸线的科学价值和现实意义,进而指导中国新型城镇化战略的实施和区域实践。 [Lu Dadao, Wang Zheng, Feng Zhiming, et al.Academic debates on Hu Huanyong population line. Geographical Research, 2016, 35(5): 805-824.]https://doi.org/10.11821/dlyj201605001 Magsci [本文引用: 1]摘要著名地理学家胡焕庸先生于1935年提出中国人口地理的重要分界线（简称“胡焕庸线”）,被广泛认可和引用,是中国地理学发展的重要成果。2014年底,李克强总理参观人居科学研究展时,高度关注胡焕庸线,并提出了胡焕庸线能否突破的问题。胡焕庸线因而再度引起争论和热议。据此,组织了一些地理围绕该问题进行学术讨论,力图从不同层面展现**们对胡焕庸线的理解与反思,从而深化胡焕庸线的科学价值和现实意义,进而指导中国新型城镇化战略的实施和区域实践。
[44]	Auliciems A, De Freitas C R. Cold stress in Canada: A human climatic classification. International Journal of Biometeorology, 1967, 20(4): 287-294. [本文引用: 1]
[45]	Jendritzky G, De Dear R, Havenith G.UTCI-Why another thermal index. International Journal of Biometeorology, 2012, 56(3): 421-428.https://doi.org/10.1007/s00484-011-0513-7 Magsci [本文引用: 1]摘要 Existing procedures for the assessment of the thermal environment in the fields of public weather services, public health systems, precautionary planning, urban design, tourism and recreation and climate impact research exhibit significant shortcomings. This is most evident for simple (mostly two-parameter) indices, when comparing them to complete heat budget models developed since the 1960s. ISB Commission 6 took up the idea of developing a Universal Thermal Climate Index (UTCI) based on the most advanced multi-node model of thermoregulation representing progress in science within the last three to four decades, both in thermo-physiological and heat exchange theory. Creating the essential research synergies for the development of UTCI required pooling the resources of multidisciplinary experts in the fields of thermal physiology, mathematical modelling, occupational medicine, meteorological data handling (in particular radiation modelling) and application development in a network. It was possible to extend the expertise of ISB Commission 6 substantially by COST (a European programme promoting Cooperation in Science and Technology) Action 730 so that finally over 45 scientists from 23 countries (Australia, Canada, Israel, several Europe countries, New Zealand, and the United States) worked together. The work was performed under the umbrella of the WMO Commission on Climatology (CCl). After extensive evaluations, Fiala's multi-node human physiology and thermal comfort model (FPC) was adopted for this study. The model was validated extensively, applying as yet unused data from other research groups, and extended for the purposes of the project. This model was coupled with a state-of-the-art clothing model taking into consideration behavioural adaptation of clothing insulation by the general urban population in response to actual environmental temperature. UTCI was then derived conceptually as an equivalent temperature (ET). Thus, for any combination of air temperature, wind, radiation, and humidity (stress), UTCI is defined as the isothermal air temperature of the reference condition that would elicit the same dynamic response (strain) of the physiological model. As UTCI is based on contemporary science its use will standardise applications in the major fields of human biometeorology, thus making research results comparable and physiologically relevant.

中国大陆1961-2010年间气候舒适期的空间格局及其演变

本站小编 Free考研考试/2021-12-29

Spatial patterns and evolving characteristics of climate comfortable period in the mainland of China: 1961-2010

1 引言