基于有效温度指数的云南舒适度变化分析
吴佳1, 高学杰2,3,*, 韩振宇1, 徐影1
1.中国气象局国家气候中心,北京 100081
2.中国科学院大气物理研究所气候变化研究中心, 北京 100029
3.中国科学院大学,北京 100049
*通信作者:高学杰(1966-),男,河北石家庄人,研究员,主要从事区域气候模拟和气候变化研究.E-mail:gaoxuejie@mail.iap.ac.cn

作者简介:吴佳(1984-),女,湖南怀化人,副研究员,主要从事区域气候模拟和气候变化研究.E-mail:wujia@cma.gov.cn

摘要

使用高分辨率的格点化观测资料CN05.1,基于考虑了气温、相对湿度和风速影响的有效温度指数ET,进行了云南省1961—2014年气候舒适度变化的研究。结果表明,云南省地形高的北部地区气温低、相对湿度小、风速大、ET小,地形低的区域则相反。近几十年云南全境均表现出气温升高、相对湿度和风速减小、ET升高的变化趋势。对ET不同分级日数的分析指出:云南省北部冷—寒冷日和凉爽日较多,南部则主要为凉爽日和舒适日,并且全省冷—寒冷日呈明显减少趋势,凉爽日在北部增加、南部减少,舒适日显著增加,温暖及热—炎热日在南部个别地方增加,气候适宜日在4个季节均增加。在全球变暖背景下,冷—寒冷日的大幅度减少和气候适宜日的增加均表明,云南省目前的气候适宜程度有所提高。

关键词: 气候变化; 有效温度; CN05.1观测资料; 云南
中图分类号:P463.1 文献标志码:A 文章编号:1001-8166(2017)02-0174-13
Analysis of the Change of Comfort Index over Yunnan Province Based on Effective Temperature
Wu Jia1, Gao Xuejie2,3,*, Han Zhenyu1, Xu Ying1
1.National Climate Center, China Meteorological Administration, Beijing 100081, China
2.Climate Change Research Center, Institute of Atmospheric Physics, Chinese Academy of Sciences, Beijing 100029, China
3.University of Chinese Academy of Sciences, Beijing 100049, China
*Corresponding author:Gao Xuejie (1966-),male, Shijiazhuang City, Hebei Province, Professor. Research areas include regional climate modeling and climate change studies.E-mail:gaoxuejie@mail.iap.ac.cn

First author:Wu Jia(1984-), female, Huaihua City, Hu’nan Province, Associate professor. Research areas include regional climate modeling and climate change studies.E-mail:wujia@cma.gov.cn

Abstract

The Effective Temperature (ET), which considers the aggregate effects of temperature, relative humidity and wind speed to describe the human thermal sensitivity, was employed to investigate the change of thermal conditions over Yunnan Province in China during the period of 1961-2014. The observation data used in the study is the high resolution gridded daily scale dataset CN05.1. The results show that over the northern part of the Province with high elevation mountains, colder temperature, lower relative humidity and stronger wind speed prevail, which leads to the lower ET values there. Opposite conditions are found over the low elevation areas in the south. An overall warming and decrease of both relative humidity and wind speed are observed in the latest decades in the whole Province, resulting in the general increase of ET over the region. Analysis based on the different assessment scales of ET shows that, more cold/extreme cold days and cool days exist in the north, while the cool days and comfortable days are mainly distributed in the south. General decrease of cold/extreme cold days is found over the region. An increase of the cool days in the north and decrease of it in the south, significant increase of the comfortable days, and increase of warm and hot/extreme hot days over portions in the south are reported. More climatic favorable days are found in all of the four seasons. Within the climate change context, the significant reduction of cold/extreme cold days and increase of climatic favorable days indicate that the climate in Yunnan Province so far tends to be more favorable for the human beings.

Keyword: Climate change; Effective temperature; CN05.1 observation dataset; Yunnan Province.
1 引 言

云南省地处中国西南边陲, 南邻印度洋和太平洋, 位于东南季风和西南季风控制地带, 同时又受青藏高原的影响, 形成了独特且复杂多样的自然地理环境。其气候多变, 兼具低纬气候、季风气候及高原气候的多重特点, 表现出四季温差小、干湿分明、南北区域气候差异显著等特征[1]。受特殊地形和气候的影响, 云南具有多样化的动植物资源和良好的自然生态环境, 气候适宜, 其省会昆明素有“ 春城” 之称, 除宜居之外, 旅游资源也非常丰富, 2015年全省旅游业总收入达到3 281.79亿元, 旅游业增加值占GDP的6.6%(http:∥www.yn.xinhuanet.com/2016info2/20160521/3156225_c.html)。

人体对气候条件感觉的舒适与否, 首先取决于气温, 其次湿度和风速等因素也起着重要作用。在气温适中时, 湿度对人体舒适感觉的影响不明显, 但当气温较高/较低时则使人感到闷热/湿冷。此外风可以影响人体散热, 当气温高时能使人感觉凉爽, 气温低时又会加剧寒冷和不适。研究人员发展出了很多生物气象指数(biometeorological indices), 在综合各个气象和气候要素的基础上, 描述人体对气候条件感觉的程度[2~4], 并在近年来用于研究未来全球变暖对人体舒适度的影响[5~8]。这些指数中的温湿指数、风寒指数和有效温度等, 在国内也得到了广泛应用和发展, 这些研究大多基于个别气象台站观测资料, 用于评价特定地点和景区等的旅游气候和资源等条件, 如海滨旅游地、东部沿海沿边城市、五台山、云南省和甘肃平凉等地[9~13], 参考文献[14, 15]对相关研究进行了综述和介绍。

在全球气候变暖背景下, 最近几十年云南省的气候和中国其他地区一样[16~21], 经历着以变暖为主要特征的气候变化。云南地区的增温以20世纪90年代后最为显著, 但较中国平均弱, 且冬季、春季增幅较其他季节要大; 20世纪50年代至21世纪初, 中国及西南地区风速减小趋势较明显, 同时相对湿度也略有减小[22~24]。这种变化也必然对当地的气候舒适度和旅游气候及资源等产生影响。

本文使用一套包括有多气候要素、高水平分辨率的日尺度格点化数据CN05.1[25], 基于综合考虑了温度、相对湿度和风速影响的有效温度指数(Effective Temperature, ET), 在以往对全国开展的分析工作基础上[26], 进一步深入针对云南省, 进行了这一区域1961— 2014年气候舒适度分布及其变化的研究, 探讨并给出了云南不同地区、不同季节舒适度的变化特征。

2 数据和方法介绍

CN05.1的制作, 沿用了CN05[27]数据的做法, 使用“ 距平逼近” 方法(anomaly approach)实现, 但CN05.1引入更多气象台站的观测资料(实际使用2 395个)。数据集目前除原有的日平均、最高气温、最低气温及降水外, 还增加了日平均蒸发、相对湿度、风速3个变量, 数据时段为1961— 2014年, 分辨率为0.25° × 0.25° (经纬度)。目前, 该数据集已广泛应用于气候变化检测、归因和模式评估等研究[28~32]。该数据集在云南地区所使用的观测台站数目为127个, 其分布在图1中给出。

图1 研究区域在中国的位置及其地形高度和分区
图中* 为制作格点化数据所使用的观测台站位置, 各数字分别代表的地区范围为:1.昆明市; 2.曲靖市; 3.玉溪市; 4.临沧市; 5.昭通市; 6.楚雄州; 7.迪庆州; 8.红河州; 9.文山州; 10.普洱市; 11.丽江市; 12.德宏州; 13.大理州; 14.保山市; 15.怒江州; 16.西双版纳州
Fig.1 The location of analyzed region in China, elevation and sub-regions
Asterisks indicate the observing stations used in the creation of the gridded dataset, while the numbers indicate the range of sub-regions: 1.Kunming; 2.Qujing; 3.Yuxi; 4.Lincang; 5.Zhaotong; 6.Chuxiong; 7.Diqing; 8.Honghe; 9.Wenshan; 10.Puer; 11.Lijiang; 12.Dehong; 13.Dali; 14.Baoshan; 15.Nujiang; 16.Xishuangbanna

ET指数最早由Houghton等[33]提出, 该指数以冷暖的主观感受作为评价依据, 通过在实验室中测试人体的感受得到。Missenard[34]将其进行改进, 并提出计算公式, 该公式仅考虑了相对湿度。随后Gregorczuk[35]又引入了风速的影响, 最后Landsberg[36]和Hentschel[37]在此基础上进行了修正, 得到本研究所使用的计算公式:

ET=37- 37-T0.68-0.0014·RH+11.76+1.4·V0.75-0.29· T· (1-0.01· RH)

式中:T是日平均气温, RH是相对湿度, V是风速。该公式也称净有效温度公式(Net Effective Temperature)[38], 其综合考虑了气温、相对湿度、风速对人体舒适度的影响。目前用于评估气候舒适度的模型很多, 其中有以人体热交换机制为基础、对冷热环境都具有较好适用性的机理模型, 如SET, PET和UTCI等[39~41], 但这些机理模型普遍涉及个体参数、人体热传输等复杂因素, 较难获取。而ET具有计算相对简便, 使用的均为常规气象观测数据, 并覆盖从寒冷到炎热的各种气候类型, 反映了人体的普遍感知(即在炎热天气下, ET随气温/相对湿度的升高而增大, 但随风速的增加而减小; 寒冷天气下, ET随气温降低, 并随着相对湿度和风的增大而减小)等优点。ET对应的不同热感受分级在表1中给出。

表1 ET指数分级 Table 1 Assessment scales of ET

本研究的分析区域为云南省全境(图1), 包括16个地级市和自治州, 分别为:昆明市、曲靖市、玉溪市、临沧市、昭通市、楚雄州、迪庆州、红河州、文山州、普洱市、丽江市、德宏州、大理州、保山市、怒江州、西双版纳州, 并将CN05.1数据的0.25° × 0.25° 格点, 使用MeteoInfo软件[42]归入各地区, 以进行空间分布平均的计算。同时将一年划分为4个季节, 即冬季(12月至次年2月)、春季(3~5月)、夏季(6~8月)和秋季(9~11月)进行分析。

3 结果分析
3.1 气温、相对湿度、风速及ET的分布和变化

图2首先给出1961— 2014年用于计算ET的年平均气温、相对湿度、风速及年平均ET的分布及其变化趋势。可以看到, 云南省年平均气温(图2a)呈明显的南暖北冷形势, 受地形分布(图1a)影响显著。西北部的高原地区, 即迪庆、怒江和丽江北部气温最低, 年平均气温基本低于10 ℃。大于18 ℃的高值中心主要位于南部的西双版纳全境、普洱和红河的南部以及文山的东部, 这些地区对应的地形较低, 普遍在1 250 m以下(图1a)。东北部及中部地区则普遍在12~16 ℃, 年平均气温的全省平均值为14.4 ℃(表2)。就季节来看, 冬季气温最低, 区域平均值为8.2 ℃, 夏季最高, 达19.3 ℃, 春秋季则分别为15.4 ℃和14.6 ℃(表2)。

近几十年来气温在全省均呈明显的升高趋势(图2b), 并在大部分地区升温趋势通过95%统计显著性检验。其中西双版纳、普洱、迪庆以及昆明、玉溪和红河的部分地区增温幅度较大, 为0.2~0.3 ℃/10a; 丽江东部、楚雄和昭通北部较小, 为0~0.1 ℃/10a; 其他区域普遍增温0.1~0.2 ℃/10a。由表2可以看到, 云南省冬季气温上升幅度最大, 达0.23 ℃/10a, 秋季次之, 为0.16 ℃/10a, 春夏季则分别为0.14 ℃/10a和0.15 ℃/10a, 年平均为0.17 ℃/10a, 均通过95%显著性检验。

云南省的年平均相对湿度一般为60%~80%(图2c)。其分布和地形依然存在较好的对应关系, 北部高原地区, 如迪庆、丽江、大理、楚雄和昆明等地相对湿度较小, 尤其是迪庆北部的相对湿度最低, 不到55%。相对湿度较大的地区地形也较低, 如南部边境地带、东部的昭通以及西部的德宏等, 相对湿度达到75%以上。云南省年平均相对湿度的区域平均值为74%(表2)。冬季和春季相对湿度较小, 区域平均值分别为69%和65%, 夏季和秋季较大, 分别为83%和80%。除昭通的个别地方外, 相对湿度在全省总体呈一致的微弱减少趋势, 并且除德宏、昭通和楚雄等部分地区外, 均通过95%显著性检验(图2d)。其中迪庆、丽江、玉溪和红河等地减少趋势最为明显, 减少值大于0.9%/10a。东部如昭通、曲靖、文山及中部的楚雄等地相对湿度变化较小, 大部分区域变化趋势值为-0.3%~0。全省区域平均变化值为-0.63%/10a, 冬、春、夏、秋的变化分别为-0.61%/10a, -0.52%/10a, -0.64%/10a及-0.69%/10a, 其中秋季减小幅度最大, 春季最小, 并除冬季外, 其他季节及年平均的减少趋势通过95%显著性检验(表2)。

图2e给出年平均风速的分布。可以看到, 地势高的北部地区年平均风速大, 如2 000 m以上的高原地区基本在2.5 m/s以上, 地势低的区域则普遍较小, 尤其是南部的西双版纳和普洱最小, 在1.5 m/s以下。全省区域平均年平均风速为2.2 m/s, 冬季和春季较大, 分别为2.3 m/s和2.7 m/s, 夏季和秋季相对较小, 分别为1.9 m/s和1.7 m/s(表2)。其变化趋势分布除文山出现小范围增大外, 其他地区基本减小, 并且大部分区域减少趋势通过95%显著性检验, 变化不显著的地区有怒江、丽江、大理、文山及西双版纳等(图2f)。昆明、玉溪和曲靖等地减小幅度较大, 趋势值在-0.15 (m/s)/10a以上, 其他大部分地区普遍在-0.1~0 (m/s)/10a。全省区域的年平均风速变化趋势值为-0.08 (m/s)/10a, 冬季和春季较大, 分别为-0.11 (m/s)/10a和-0.12 (m/s)/10a, 夏季和秋季较小, 仅分别为-0.04 (m/s)/10a和-0.05 (m/s)/10a, 均通过95%显著性检验(表2)。

表2 1961— 2014年云南省区域平均气温(℃)、相对湿度(%)、风速(m/s)和ET(℃)的值及趋势(括号中, ℃/10a, %/10a, (m/s)/10a, ℃/10a) Table 2 Regional mean of the mean for temperature (℃), relative humidity (%), wind speed (m/s) and ET (℃) and their linear trends (in parentheses, ℃/10a, %/10a, (m/s)/10a, ℃/10a) over Yunnan Province during 1961-2014

云南省年平均ET分布特征(图2g), 为25° N以北地区主要为冷, 寒冷的情况则主要发生在迪庆, 25° N以南以凉爽为主, 最南的西双版纳出现小范围的舒适地区。可见, 云南省以冷和凉爽2种舒适情况为主。全省年平均ET值为8.4 ℃, 其中冬季最低(1.3 ℃), 春季次之(8.6 ℃), 秋季和夏季则较为温暖(分别为9.3 ℃和14.4 ℃)。年平均ET变化趋势在全省均表现为增加, 且除昭通外, 大部分地区的增加趋势通过95%显著性检验(图2h), 其变化形势基本与气温一致, 反映了气温的主导作用[25]。就全省区域平均来看, 年平均ET变化趋势值为0.33 ℃/10a, 增加幅度大约是气温的2倍。就不同季节来看, 冬季的增幅最大, 达0.49 ℃/10a, 春季次之, 为0.33 ℃/10a, 秋季为0.28 ℃/10a, 夏季最小, 为0.23 ℃/10a(表2)。上述各变化趋势值均通过95%显著性检验。

3.2 年平均不同热感受日数的分布和变化

图3给出了云南省年平均不同热感受(冷— 寒冷、凉爽、舒适、温暖及热— 炎热日数)的空间分布。从图3a可以看到, 高原地区冷— 寒冷日数最多, 普遍高于200 d/a, 尤其是迪庆和临近的怒江等地, 数值一般都在300 d/a以上; 南部冷日较少, 基本不到100 d/a, 以西双版纳最少。云南省大部分地区的凉日(图3b)为100~200 d/a, 西北部的高原地区较少(因冷和寒冷日较多), 基本不到100 d/a, 最低为迪庆; 西部的德宏和临沧则相对较多, 部分地区大于200 d/a。

年平均舒适日(图3c)的区域分布差异较大。西北部高原一带的如迪庆、怒江、丽江以及大理西北部, 全年基本没有舒适日; 25° N以北的其他地区也普遍较少, 不到10 d/a; 25° N往南舒适日明显增多, 尤其是普洱和西双版纳最多, 数值均在100 d/a以上。

温暖日(图3d)主要分布在云南南部, 25° N以北则仅出现于昭通和楚雄的部分地区, 温暖日最多的是西双版纳, 其次为文山。云南省大部分地区没有出现热— 炎热日分布(图3e), 并且存在的区域数值也较小, 基本不到5 d/a。

由年平均冷— 寒冷日的变化趋势(图4a)可以看到, 全省各州市均表现为减少趋势(均通过95%显著性检验), 其中减少幅度最大的分别是德宏、普洱和临沧, 趋势值接近-10 d/10a; 迪庆和丽江变化幅度相对较小。凉爽日的变化趋势(图4b)表现出明显的南北差异, 以25° N为界, 以北的10个州市增加并基本都通过95%显著性检验, 以南的6个州市则减少, 但仅普洱和西双版纳通过显著性检验; 增加的地区以昆明和曲靖幅度最大, 减少的地区则以南端的西双版纳和普洱最明显。

图4c为舒适日的变化趋势, 可以看到, 除西北部高原一带, 即本身无舒适日地区(图3c)没有变化外, 其他州市都表现出一致增加的趋势。增幅最大的是普洱, 其次为德宏和临沧, 接近10 d/10a; 其他州市增加趋势值在5 d/10a以下, 其中大理、昆明和曲靖增幅较弱, 均不到1.0 d/10a。

温暖日在云南省的分布较少(图3d), 其变化趋势(图4d)也显示仅在南部有所增加。其中西双版纳和普洱的增加更明显一些(通过95%显著性检验)。热— 炎热日在分布较少的同时, 在大部分地方除西双版纳有所增加外, 总体变化也不大(图4e)。

图2 1961— 2014年云南省年平均气温、相对湿度、风速和ET的分布及其变化趋势(斜线为通过95%显著性检验的区域)
(a) 气温(℃); (b) 气温变化趋势(℃/10a); (c)相对湿度(%); (d) 相对湿度变化趋势(%/10a); (e) 风速(m/s); (f) 风速变化趋势((m/s)/10a); (g)ET(℃); (h)ET变化趋势(℃/10a)
Fig.2 Spatial distributions of the mean and linear trend for temperature, relative humidity, wind speed and ET over Yunnan Province during 1961-2014 (the oblique line indicates the trends are significant at 95% confidence level)
(a) Mean temperature (℃); (b) Trend of temperature (℃/10a); (c) Mean relative humidity (%); (d) Trend of relative humidity (%/10a); (e) Mean wind speed (m/s); (f) Trend of wind speed ((m/s)/10a); (g) Mean ET (℃); (h)Trend of ET (℃/10a)

图3 1961— 2014年云南省年平均冷— 寒冷(a)、凉爽(b)、舒适(c)、温暖(d)及热— 炎热日(e)的分布(单位:d/a)Fig.3 Spatial distributions of the annual mean of cold/extreme cold (a), cool (b), comfort (c), warm (d), hot/extreme hot(e) days over Yunnan Province during 1961-2014 (unit: d/a)

图4 1961— 2014年云南省16个地级市和自治州年平均冷— 寒冷(a)、凉爽(b)、舒适(c)、温暖(d)及热— 炎热日(e)的变化趋势(* 代表通过95%信度检验, 单位:d/10a)Fig.4 Regional mean of the linear trend of cold/extreme cold (a), cool (b), comfort (c), warm (d), hot/extreme hot days (e) over 16 prefecture-level cities and autonomous prefectures of Yunnan Province during 1961-2014 (* indicates the trend is significant at the 95% confidence level, unit: d/10a)

3.3 “ 气候适宜” 日数在四季的分布和变化

本节原始定义中的凉爽、舒适和温暖日数统称为“ 气候适宜日数” , 分析其在4个季节及年平均的分布及变化趋势。首先由图5a可以看出, 冬季气候适宜日在25° N以北分布较少, 普遍不到1 d/a, 南部地区则较多, 其中西双版纳大部分地方的数值达到75 d/a以上。春季(图5b)的适宜日较多, 除了迪庆和怒江北部外其他州市均有分布, 并且数值都在25 d/a以上, 南部地区则超过50 d/a, 西双版纳最多, 达到90 d/a(即基本上整个春季均为适宜日)。

夏季(图5c)云南省适宜日最多, 西北部高原地区数值较小, 一般不到50 d/a, 东北部地区则为50~75 d/a, 其他州市基本超过90 d/a。秋季(图5d)和春季类似, 除迪庆和怒江有小部分区域没有分布外, 其他地区均有适宜日, 其中西北部数值在1~25 d/a, 东北部为10~50 d/a, 南部则在50 d/a以上, 西双版纳一般为90 d/a。

图5e还给出了年平均适宜日的分布, 可以看到, 云南省全年适宜日分布较多, 其中西北部高原一带较少, 普遍不到75 d/a, 迪庆最少, 为25 d/a以下, 其次是怒江和丽江。其他州市则基本大于150 d/a, 南方达到250 d/a以上。

图6为4个季节及年平均气候适宜日的变化趋势。由图6a可以看到, 气候适宜日在冬季主要表现为增加, 并且云南南部增加的幅度较为显著, 北部地区则主要为弱的增加或变化不大。春季(图6b)除西双版纳减少0.8 d/10a外(通过95%显著性检验), 其他区域均表现为增加趋势, 增幅最大的地区分布在云南省中部, 一般在2 d/10a以上。

图5 1961— 2014年云南省“ 气候适宜日数” (含凉爽、舒适和温暖3个分级)的分布(单位:d/a)
(a) 冬季; (b) 春季; (c) 夏季; (d) 秋季; (e) 年平均
Fig.5 Spatial distributions of the annual mean of “ climatic favorable days” (include cool, comfort, and warm days) over Yunnan Province during 1961-2014 (unit: d/a)
(a) DJF; (b) MAM; (c) JJA; (d) SON; (e) Annual

图6 1961— 2014年云南省16个地级市和自治州气候适宜日数的变化趋势(* 代表通过95%信度检验, 单位:d/10a)
(a) 冬季; (b) 春季; (c) 夏季; (d) 秋季; (e) 年平均
Fig.6 Regional mean of the linear trend of climatic favorable days over 16 prefecture-level cities and autonomous prefectures of Yunnan Province during 1961-2014 (* indicates the trend is significant at the 95% confidence level, unit: d/10a)
(a) DJF; (b) MAM; (c) JJA; (d) SON; (e) Annual

夏季气候适宜日较多(图5c), 多数地区已经超过80 d/a, 因此其变化趋势反而较小(图6c), 南部地区基本表现为弱的减少(如西双版纳、普洱和文山)或变化不大, 西双版纳减少最大。其他地区为增加, 其中西北部高原增幅最显著, 一般为2~3 d/10a。秋季(图6d)的变化趋势和春季较为类似, 中部地区增加明显, 西北部高原及西双版纳变化不大。其中昆明和昭通的增幅最大, 其次是红河, 增加2.0 d/10a以上。

图6e可以看到, 云南16个州市的年平均气候适宜日均有显著增加, 其中临沧、普洱和德宏超过8 d/10a, 增幅最小的迪庆也达2.1 d/10a。

3.4 主要地区的不同热感受日数的平均值及变化

云南是一个旅游大省, 为更好地为旅游服务提供参考, 在本节中分析了5个重点地区和旅游胜地, 分别为昆明、迪庆(香格里拉市所在州)、丽江、大理和西双版纳, 及全省区域平均的一些统计结果。首先各热感受等级的日数及其变化趋势在表3中给出。

表3所示, 由于地处高原, 云南省整体的冷和寒冷日数相对较多, 全省平均值为175 d/a, 接近全年日数的半数, 其中北方的迪庆州(首府为香格里拉)几乎全年均为冷和寒冷日, 南端西双版纳的冷和寒冷日数则不足1个月。在全球变暖背景下, 所有地区的冷和寒冷日数都在显著减少, 以昆明和西双版纳减少的幅度最大, 为6 d/10a左右, 而北方的迪庆则最小, 为2.2 d/10a。

云南全省平均的凉爽日数同样较多, 数值为149 d/a, 为全年日数的40%, 迪庆最少, 仅为12 d/a。其变化除在西双版纳有较大减少外, 在全省以增加为主, 趋势值为1.4 d/10a。舒适日数主要见于西双版纳地区, 数值也较大, 为157 d/a, 全省平均为39 d/a, 呈增加趋势(3.5 d/10a); 温暖日数及热— 炎热日数同样位于西双版纳, 数值分别为20 d/a和2 d/a, 并均呈显著增加趋势(4.8 d/10a和2.1 d/10a)。

“ 气候适宜” 日数在上述主要地区的四季分布和年平均值在表4中给出。冬季的气候适宜日数仅见于西双版纳且数值较大, 为68 d/a, 其变化趋势也为显著增加(5.4 d/10a)。春季西双版纳的气候基本全部为适宜但呈减少趋势; 昆明和大理的数值也较大, 在1个月左右并为增加趋势; 全省平均为49 d/a, 趋势值为1.8 d/10a。夏季全省的平均适宜日数为81 d/a, 占整个夏季日数的90%左右, 除迪庆较少为11 d/a外, 其他地区日数均较多, 除西双版纳呈减少趋势外, 其他地区均为增加, 数值为1~2 d/10a。秋季的情况和春季类似, 全省平均为51 d/a, 但各地的趋势值均为增加。

全年而言, 西双版纳的气候适宜日数最多, 达到338 d/10a, 占全年总日数的90%以上; 其次为昆明和大理, 为全年日数的40%多; 全省平均值为189 d/10a, 占全年日数的一半, 并呈较大增加趋势(5.4 d/10a)。

表3 1961— 2014年云南省主要旅游地及全省的年平均冷— 寒冷、凉爽、舒适、温暖和热— 炎热日数(d/a)及其变化趋势(括号中, d/10a) Table 3 Regional mean of the annual mean (d/a) and linear trend (in parentheses, d/10a) of cold/extreme cold, cool, comfort, warm, hot/extreme hot days over major tourist regions and the whole province in Yunnan during 1961-2014
表4 1961— 2014年云南省主要旅游地及全省的各季节和年平均“ 气候适宜” 日数(含凉爽、舒适和温暖3个分级)(d/a)及其变化趋势(括号中, d/10a) Table 4 Regional mean of the annual mean (d/a) and linear trend (in parentheses, d/10a) of “ climatic favorable days” (include cool, comfort, and warm days) over major tourist regions and the whole province in Yunnan during 1961-2014
4 结果与讨论

本文使用CN05.1格点化观测数据集, 研究和探讨了云南省1961— 2014年由有效温度(ET)所表征的气候舒适度变化。首先给出影响舒适度变化的3个因素(气温、相对湿度和风速)及ET的分布和变化趋势, 在此基础上进一步探讨了云南省及其16个州市的年平均冷和寒冷日、凉爽日、舒适日、温暖日及热— 炎热日的分布和变化趋势, 最后对云南省4个季节的气候适宜日分布及变化趋势也进行了分析, 得到以下主要结论:

(1) 云南省年平均气温、相对湿度和风速分布均受地形的影响显著。年平均气温升高趋势值为0.17 ℃/10a, 冬季升温幅度最大, 秋季次之; 相对湿度变化为在四季都有微弱的减小, 年平均趋势为-0.64%/10a; 平均风速也基本呈弱的减小趋势, 并以冬季和春季减幅较大, 年平均趋势值为-0.08 (m/s)/10a。总体而言, 由于相对湿度和风速的变化不明显, 因此气温增加的贡献相对较大, 年平均ET值呈显著增加趋势, 趋势值为0.33 ℃/10a, 并以冬季增幅最大, 春季次之, 秋季和夏季较小。

(2) 由于地处高原地区, 云南全省平均而言, 以冷和寒冷及凉爽的日数最多, 分别为175 d/a和149 d/a, 舒适日其次, 为39 d/a, 温暖及热— 炎热日则很少。其分布基本依地形在北方冷和寒冷日较多, 如迪庆和怒江全年有300 d以上, 而舒适日数则在南方的西双版纳最多, 达到157 d/a。在全球变暖背景下, 云南地区的舒适日数有明显增加(趋势为3.5 (d/a)/10a), 冷和寒冷日数则明显减少(-5.6 d/10a), 气候总体更加趋于适宜化。但在南方的西双版纳等地, 热— 炎热日数已有增加, 未来气候的进一步变暖将继续加重这种趋势。

(3) 冬季云南省“ 气候适宜日” (包括凉爽、舒适和温暖日)在北部较少, 南部较多; 春季则除迪庆和怒江外, 其他区域均增加到25 d/a以上; 夏季气候适宜日最多, 尤其是南部各区基本在90 d/a以上, 即整个夏季的气候均为适宜; 秋季情况和春季类似, 全省平均的适宜日数占季节总日数的一半以上。年平均气候适宜日数以西双版纳最大, 达到338 d/a, 全省平均为189 d/a。其变化趋势为除春季和夏季的西双版纳外, 在其他州市各季节均为增加, 全省年平均气候适宜日的增加趋势为5.4 d/10a。

最后需要指出的是, 人体舒适度研究是一个复杂的问题, 如一方面尽管本研究使用的ET指数已经考虑了气温、相对湿度和风速的影响, 但受资料等多方面的限制, 一些影响人体舒适感受的因素如太阳辐射等并未考虑。另一方面, 受生活习惯和耐受程度不同的影响, 不同地区的人群对相同气候舒适度条件的感受也有所不同。因此本文所得结论仍具有一定的局限性, 需要未来在搜集更多资料、使用更加复杂的、经本地化的舒适度指数基础上, 开展一步的研究和分析工作。此外全球变暖将在未来很长一段时间内持续, 未来云南省各地区气候舒适度的变化和预估, 也是有待开展的工作, 以更好地为区域气候变化适应和评估服务。

The authors have declared that no competing interests exist.

参考文献
[1] Editorial Committee of the Climate Change Projection and Its Impact Assessment Report on Climate Change over Yunnan in the Next 10-30 YearsNext 10-30 Years. Climate Change Projection and Its Impact Assessment Report on Climate Change over Yunnan in the Next 10-30 Years[M]. Beijing: Meteorological Press, 2014.
[云南未来10~30年气候变化预估及其影响评估报告编写委员会. 云南未来10~30年气候变化预估及其影响评估报告[M]. 北京: 气象出版社, 2014. ] [本文引用:1]
[2] Epstein Y, Moran D S. Thermal comfort and heat stress indices[J]. Industrial Health, 2006, 44(3): 388-398. [本文引用:1]
[3] Blazejczyk K, Epstein Y, Jendritzky G, et al. Comparison of UTCI to selected thermal indices[J]. International Journal of Biometeorology, 2012, 56: 515-535, doi: 10.1007/s00484-011-0453-2. [本文引用:1]
[4] Freitas C R, Grigorieva E A. A comprehensive catalogue and classification of human thermal climate indices[J]. International Journal of Biometeorology, 2015, 59(1): 109-120. [本文引用:1]
[5] Diffenbaugh N S, Pal J S, Giorgi F, et al. Heat stress intensification in the Mediterranean climate change hotspot[J]. Geophysical Research Letters, 2007, 34: L11706, doi: 10.1029/2007GL030000. [本文引用:1]
[6] Perch-Nielsen S L, Amelung B, Knutti R. Future climate resources for tourism in Europe based on the daily tourism climatic index[J]. Climatic Change, 2010, 103(3/4): 363-381, doi: 10.1007/s10584-009-9772-2. [本文引用:1]
[7] Fischer E M, Oleson K W, Lawrence D M. Contrasting urban and rural heat stress responses to climate change[J]. Geophysical Research Letters, 2012, 39: L03705, doi: 10.1029/2011GL050576. [本文引用:1]
[8] Pal J S, Eltahir E A B. Future temperatures in southwest Asia projected to exceed a threshold for human adaptability[J]. Nature Climate Change, 2015, 6: 197-200, doi: 10.1038/nclimate2833. [本文引用:1]
[9] Fan Zhengye, Guo Laixi. The climate suitability of tourism at the coastline destinations of China[J]. Journal of Natural Resources, 1998, 13(4): 304-311.
[范正业, 郭来喜. 中国海滨旅游地气候适宜性评价[J]. 自然资源学报, 1998, 13(4): 304-311. ] [本文引用:1]
[10] Ren Jianmei, Niu Junjie, Hu Caihong, et al. Tourism climate and evaluation of comfortableness in Wutai Mountain[J]. Geographical Research, 2004, 23(6): 856-862.
[任健美, 牛俊杰, 胡彩虹, . 五台山旅游气候及其舒适度评价[J]. 地理研究, 2004, 23(6): 856-862. ] [本文引用:1]
[11] Ma Lijun, Sun Gennian, Wang Jiejie. Evaluation of tourism climate comfortableness of coastal cities in the Eastern China[J]. Progress in Geography, 2009, 28(5): 713-722.
[马丽君, 孙根年, 王洁洁. 中国东部沿海沿边城市旅游气候舒适度评价[J]. 地理科学进展, 2009, 28(5): 713-722. ] [本文引用:1]
[12] Chen Yongtao. Evaluation of tourism climate comfort index in Yunnan Province[J]. Ecological Economy, 2013, (2): 305-310.
[陈永涛. 云南省旅游气候舒适度评价[J]. 生态经济: 学术版, 2013, (2): 305-310. ] [本文引用:1]
[13] Dang Bing, Wang Shigong, Shang Kezheng. Evaluation of tourism climate comfort level in Pingliang of Gansu Province[J]. Journal of Arid Meteorology, 2013, 31(4): 684-689.
[党冰, 王式功, 尚可政. 甘肃平凉市的旅游气候舒适度评价[J]. 干旱气象, 2013, 31(4): 684-689. ] [本文引用:1]
[14] Zhu Xueling, Ren Jian. Analysis and forecast of human comfort[J]. Meteorological and Environmental Sciences, 2011, 34(Suppl. ): 131-134.
[朱学玲, 任健. 人体舒适度的分析与预报[J]. 气象与环境科学, 2011, 34(增刊): 131-134. ] [本文引用:1]
[15] Yan Yechao, Yue Shuping, Liu Xuehua, et al. Advances in assessment of bioclimatic comfort conditions at home and abroad[J]. Advances in Earth Science, 2013, 28(10): 1 119-1 125.
[闫业超, 岳书平, 刘学华, . 国内外气候舒适度评价研究进展[J]. 地球科学进展, 2013, 28(10): 1 119-1 125. ] [本文引用:1]
[16] Wang Zunya, Ding Yihui, He Jinhai, et al. An updating analysis of the climate change in China in recent 50 years[J]. Acta Meteorologica Sinica, 2004, 62(2): 228-236.
[王遵娅, 丁一汇, 何金海, . 近50年来中国气候变化特征的再分析[J]. 气象学报, 2004, 62(2): 228-236. ] [本文引用:1]
[17] Ren Guoyu, Guo Jun, Xu Mingzhi, et al. Climate changes of China’s mainland over the past half century[J]. Acta Meteorologica Sinica, 2005, 63(6): 942-956.
[任国玉, 郭军, 徐铭志, . 近50年中国地面气候变化基本特征[J]. 气象学报, 2005, 63(6): 942-956. ] [本文引用:1]
[18] Li Yu, Zhu Gengrui. Changes of climate zones in the transition area of three natural zones during the past 50 years and their responses to climate change[J]. Advances in Earth Science, 2015, 30(7): 791-801, doi: 1011867/j. issn. 1001-8166. 2015. 07. 0791.
[李育, 朱耿睿. 三大自然区过渡地带近50年来气候类型变化及其对气候变化的响应[J]. 地球科学进展, 2015, 30(7): 791-801, doi: 10.11867/j.issn.1001-8166.2015.07.0791. ] [本文引用:1]
[19] Yang Jianping, Ding Yongjian, Fang Yiping, et al. Research frame of vulnerability and adaptation for the cryosphere and its changes[J]. Advances in Earth Science, 2015, 30(5): 517-529, doi: 1011867/j. issn. 1001-8166. 2015. 05. 0517.
[杨建平, 丁永建, 方一平, . 冰冻圈及其变化的脆弱性与适应研究体系[J]. 地球科学进展, 2015, 30(5): 517-529, doi: doi: 10.11867/j.issn.1001-8166.2015.05.0517. ] [本文引用:1]
[20] Dong Guoqing, Li Liping, Zheng Guangfen. Changing trends of winter temperature in recent 53 years in Ningxia and impact for agriculture[J]. Advances in Earth Science, 2016, 31(11): 1 172-1 181, doi: 1011867/j. issn. 1001-8166. 2016. 11. 1172.
[董国庆, 李丽平, 郑广芬. 宁夏近53 年冬季气温变化趋势及对农业的影响[J]. 地球科学进展, 2016, 31(11): 1 172-1 181, doi: 10.11867/j.issn.1001-8166.2016.11.1172. ] [本文引用:1]
[21] Cheng Jiangang, Xie Ming’en. The analysis of regional climate change features over Yunnan in recent 50 years[J]. Progress in Geography, 2008, 127(5): 19-26.
[程建刚, 解明恩. 近50年云南地区气候变化特征分析[J]. 地理科学进展, 2008, 127(5): 19-26. ] [本文引用:1]
[22] Li Meng, Zhu Yong, Huang Wei. Influence of climate change on climate potential productivity in Yunnan[J]. Chinese Journal of Agrometeorology, 2010, 31(3): 442-446.
[李蒙, 朱勇, 黄玮. 气候变化对云南气候生产潜力的影响[J]. 中国农业气象, 2010, 31(3): 442-446. ] [本文引用:1]
[23] Liu Yu, Zhao Erxu, Huang Wei, et al. Characteristic analysis of precipitation and temperature trend in Yunnan Province in recent 46 years[J]. Journal of Catastrophology, 2010, 25(1): 39-44, 63.
[刘瑜, 赵尔旭, 黄玮, . 云南近46年降水与气温变化趋势的特征分析[J]. 灾害学, 2010, 25(1): 39-44, 63. ] [本文引用:1]
[24] Duan Xu, Tao Yun. The climate change of Yunnan over the last 50 years[J]. Journal of Tropical Meteorology, 2012, 28(2): 243-250.
[段旭, 陶云. 云南近50 年来的气候变化[J]. 热带气象学报, 2012, 28(2): 243-250. ] [本文引用:1]
[25] Wu Jia, Gao Xuejie. A gridded daily observation dataset over China region and comparison with the other datasets[J]. Chinese Journal Geophysics, 2013, 56(4): 1 102-1 111, doi: 106038/cjg20130406.
[吴佳, 高学杰. 一套格点化的中国区域逐日观测资料及与其它资料的对比[J]. 地球物理学报, 2013, 56(4): 1 102-1 111, doi: 10.6038/cjg20130406. ] [本文引用:2]
[26] Wu J, Gao X J, Giorgi F, et al. Changes of effective temperature and cold/hot days in late 10 as over China based on a high resolution gridded observation dataset[J]. International Journal of Climatology, 2017, doi: 10.1002/joc.5038. [本文引用:1]
[27] Xu Y, Gao X J, Shen Y, et al. A daily temperature dataset over China and its application in validating a RCM simulation[J]. Advances in Atmospheric Sciences, 2009, 26(4): 502 763-502 772. [本文引用:1]
[28] Gao X J, Wang M L, Giorgi F. Climate change over China in the 21st century as simulated by BCC_CSM1. 1-RegCM4. 0[J]. Atmospheric and Oceanic Science Letter, 2013, 6: 381-386, doi: 10.3878/j.issn.1674-2834.13.0029. [本文引用:1]
[29] Hu Qin, Jiang Dabang, Fan Guangzhou. Evaluation of CMIP5 Models over the Qinghai-Tibetan Plateau[J]. Chinese Journal of Atmospheric Sciences, 2014, 38(5): 924-938.
[胡芩, 姜大膀, 范广洲. CMIP5全球气候模式对青藏高原地区气候模拟能力评估[J]. 大气科学, 2014, 38(5): 924-938. ] [本文引用:1]
[30] Huang Y Y, Wang H J, Fan K. Improving the prediction of the summer Asian-Pacific Oscillation using the interannual increment approach[J]. Journal of Climate, 2014, 27: 8 126-8 134, doi: 45010.1175/JCLI-D-14-00209.1. [本文引用:1]
[31] Hua Wenjian, Chen Haishan, Li Xing. Effects of future land use change on the regional climate in China[J]. Scientia Sinica Terrae, 2015, 45(7): 1 034-1 042.
[华文剑, 陈海山, 李兴. 未来土地利用变化影响中国区域气候的数值模拟[J]. 中国科学: 地球科学, 2015, 45(7): 1 034-1 042. ] [本文引用:1]
[32] Shi Y, Gao X J, Xu Y, et al. Effects of climate change on heating and cooling degree days and potential energy demand in the household sector of China[J]. Climate Research, 2016, 67: 135-149, doi: 10.3354/cr01360. [本文引用:1]
[33] Houghton F C, Yaglo C P. Determining equal comfort lines[J]. Journal of the American Society of Heating and Ventilating Engineers, 1923, 29: 165-176. [本文引用:1]
[34] Missenard F A. Température effective d’une atmosphere Généralisation temperature résultante d’un milieu[M]∥Encyclopédie Industrielleet Commerciale, Etude physiologique et technique de la ventilation. Paris: Librerie de l’Enseignement Technique, 1933. [本文引用:1]
[35] Gregorczuk M. Biometeorological and hygienic assessment of negative effective temperatures[J]. Hygiene and Sanitation, 1968, 33: 400-403. [本文引用:1]
[36] Land sberg H E. The Assessment of Human Bioclimate: A Limited Review of Physical Parameters[M]. Geneva: World Meteorological Organization (WMO No. 331), Technical Note No. 123, 1972. [本文引用:1]
[37] Hentschel G. A human biometeorology classification of climate for large and local scales[C]∥Proc. WMO/HMO/UNEP Symposium on Climate and Human Health. Leningrad: Vol. I, WCPA-No. 1, WMO, 1987. [本文引用:1]
[38] Li P W, Chan S T. Application of a weather stress index for alerting the public to stressful weather in Hong Kong[J]. Meteorological Applications, 2000, 7(4): 369-375. [本文引用:1]
[39] Gagge A P, Stolwijk J A J, Nishi Y. An effective temperature scale based on a simple model of human physiological regulatory response[J]. ASHRAE Transactions, 1971, 77: 247-272. [本文引用:1]
[40] Höppe P. The physiological equivalent temperature—A universal index for the biometeorological assessment of the thermal environment[J]. International Journal of Biometeorology, 1999, 43: 71-75. [本文引用:1]
[41] Jendritzky G, de Dear R, Havenith G. UTCI—Why another thermal index?[J]. International Journal of Biometeorology, 2012, 56(3): 421-428. [本文引用:1]
[42] Wang Y Q. MeteoInfo: GIS software for meteorological data visualization and analysis[J]. Meteorological Applications, 2014, 21(2): 360-368. [本文引用:1]