氣象探測環(huán)境等級評估方法及應(yīng)用

王成剛 魏夏潞 嚴家德 金蓮姬

(南京信息工程大學/中國氣象局氣溶膠與云降水重點開放實驗室， 南京 210044)

引 言

氣象站探測環(huán)境的長期穩(wěn)定及不受干擾是保證觀測資料質(zhì)量的前提和基礎(chǔ)。然而，隨著城鎮(zhèn)化的快速發(fā)展，氣象站探測環(huán)境改變在所難免。大量研究結(jié)果表明：探測環(huán)境變化對氣象要素影響非常明顯[1-12]。世界氣象組織(WMO)指出，觀測環(huán)境變化造成的誤差通常大于儀器測量誤差，可能完全淹沒真實信息，致使觀測資料不能客觀、全面反映天氣、氣候變化特征，造成錯誤結(jié)論[13-15]。2009年《國家級地面氣象觀測站網(wǎng)評估報告》中明確指出，現(xiàn)階段我國氣象探測環(huán)境惡化的問題普遍存在，很多氣象站對自然下墊面的代表性不足，觀測資料空間代表性具有很強的多樣性特征。因此，針對氣象站空間代表性問題，有必要建立一套科學、合理的等級評估方法[16-17]。

現(xiàn)階段，對觀測環(huán)境進行等級劃分的方法主要包括實地勘察法、人口指標法、衛(wèi)星遙感法3類。實地勘察法即觀測環(huán)境綜合調(diào)查評估方法，該類方法作為一項行業(yè)規(guī)范已在業(yè)務(wù)上廣泛使用[18-20]。勘察內(nèi)容主要包括地面站基本情況、觀測場四周土地使用情況、可視范圍內(nèi)障礙物等。實地勘察法主要從探測環(huán)境的技術(shù)要求層面進行評估，多用于觀測場地的建設(shè)初期，判定觀測場的建設(shè)是否合乎規(guī)范。然而實地勘察工作耗時耗力，且準確性及時效性略差。此外，研究者還利用氣象站周邊人口數(shù)量評估氣象站等級。如Karl等[21]以人口數(shù)作為衡量標準，將美國1219個氣象站劃分為郊區(qū)站、較小城市站、小城市站、中等城市站、大城市站5類。周雅清等[22]根據(jù)人口資料將華北地區(qū)282 個氣象站分為鄉(xiāng)村站、小城市站、中等城市站、大城市站和特大城市站5類。然而實地勘察法僅考慮了人為活動對觀測資料的影響，局限性較強。

隨遙感技術(shù)的快速發(fā)展，利用衛(wèi)星資料對觀測環(huán)境進行評估成為一種新興的方法。王圓圓等[23]利用MODIS地溫反演產(chǎn)品和實測地溫值的距平值作為度量標準，評估我國142個基準氣候站的環(huán)境代表性，結(jié)果顯示：約41%的氣象站代表性較好且分布于北方地區(qū)，21%代表性較差且多分布于南方。但評估方法并未討論觀測環(huán)境狀況。另外，陳飛霖等[24]、王一姝等[25]利用Google Earth軟件中的高分辨率遙感圖像評估探測環(huán)境，這一方法較實地勘察法有了較大進步，但人眼觀察法主要依賴于感官，不夠精確，不能定量描述氣象站周邊環(huán)境，在應(yīng)用中也很難建立一套行之有效的評價標準。因此，楊元建等[26]利用氣象站周邊2 km 緩沖區(qū)內(nèi)的土地利用類型和數(shù)字高程資料對觀測環(huán)境進行評估，表明利用衛(wèi)星資料對觀測環(huán)境代表性進行調(diào)查與評估可行，而且具有可視化、重塑性等優(yōu)越性。文中討論了土地利用類型對氣溫觀測值的影響，對定量觀測環(huán)境也有簡單描述。O’Neil等[27]指出可以用景觀指標參數(shù)對探測環(huán)境進行詳細描述，這些參數(shù)能夠定量反映下墊面的結(jié)構(gòu)組成和空間支配特征。Ren等[28]利用景觀指標對城市植被配置進行分析，獲取了城市植被分布和地表溫度的關(guān)系，效果較為明顯。

本文將在前人工作基礎(chǔ)上，以北京18個國家級地面氣象觀測站為研究對象(3個作為參考站，15個作為評估對象)，在觀測環(huán)境的定量描述中引入景觀指標參數(shù)，結(jié)合土地利用類型資料、建筑物高度資料、天空開闊度因子等空間結(jié)構(gòu)信息，分析氣象站環(huán)境進行三維結(jié)構(gòu)和氣象站的空間代表性，深入討論這些參數(shù)對各個氣象要素的影響程度。在此基礎(chǔ)上，歸納出一套針對探測環(huán)境進行等級劃分的評估方法——景觀指標評估法，將氣象站分類，得到氣象站資料的有效影響范圍。

1 資料與方法

1.1 資 料

1.1.1 地面氣象觀測資料

本文所用氣象資料為1990年、1994年、2000年、2005年、2011年、2013年北京18個國家級地面氣象觀測站(以下簡稱氣象站)觀測的氣溫、相對濕度、氣壓、風向、風速及降水量。根據(jù)地面氣象觀測資料三級質(zhì)量控制業(yè)務(wù)系統(tǒng)中的檢查方法[29-31]，結(jié)合研究區(qū)域內(nèi)氣象站分布情況，對其進行了連續(xù)性檢驗、極值檢驗和鄰近站點比較3個步驟的質(zhì)量控制，將檢驗過程中遇到的非連續(xù)數(shù)據(jù)、奇異值進行剔除。

1.1.2 衛(wèi)星資料

遙感數(shù)據(jù)為1990年6月14日、1994年6月9日、2000年8月20日、2005年7月25日、2011年7月26日及2013年7月31日Landsat5/TM土地利用類型，水平分辨率為25 m×25 m。為了消除大氣對于遙感影像造成的影響，利用6S輻射傳輸模型對土地利用類型資料進行大氣校正，得到6個多光譜波段的地表反射率。此外，還根據(jù)地形圖對該影像進行幾何精校正，轉(zhuǎn)換為UTM 投影，校正的整體誤差控制在0.5個像元以內(nèi)。并在此基礎(chǔ)上，將北京范圍內(nèi)的土地使用類型劃分為6種：林地、水體、城鎮(zhèn)用地、農(nóng)田、裸地和綠地。

1.1.3 數(shù)字高程資料

文中采用建筑物高度為2009年普查結(jié)果，水平分辨率為5 m×5 m，但范圍僅限于北京城區(qū)五環(huán)以內(nèi)。在此基礎(chǔ)上，計算了天空開闊度因子(sky view factor，SVF)[32]，該參數(shù)值越大對輻射、溫度、風向、風速的影響越大。建筑物高度參數(shù)也有這一作用，故本文選為描述觀測環(huán)境的影響因素。

1.2 方 法

討論觀測環(huán)境對氣象資料的代表性、準確性、可比較性的影響，首先需要對氣象站周邊復雜的觀測環(huán)境進行科學、合理、定量的描述。但現(xiàn)有研究中，對探測環(huán)境特征的描述多用文字進行抽象概括，且有一定主觀性。本文利用高分辨率衛(wèi)星遙感資料、數(shù)字高程資料，獲取氣象站周邊土地利用類型分布、建筑物高度、天空開闊度因子等景觀指標參數(shù)對探測環(huán)境進行數(shù)字化描述。

1.2.1 土地利用類型資料獲取

土地利用類型資料可反映下墊面的覆蓋特征，多年資料對比能夠給出研究區(qū)域內(nèi)地表環(huán)境的變化情況。由1990年、2013年北京土地利用類型分布(圖略)可見，多年來北京城鎮(zhèn)用地面積的擴張最為明顯，所占比例由1990年的4.54%，增加到2013年的16.58%，增幅近3倍。城鎮(zhèn)用地的巨幅增長，必然帶來氣象站周圍探測環(huán)境的大幅度變化。因此，北京市是研究氣象站代表性變化的示范區(qū)域。

1.2.2 景觀指標參數(shù)的計算

為了定量化、多角度描述觀測環(huán)境的空間結(jié)構(gòu)特征，本文選用8個景觀指標參數(shù)[33]。

①斑塊數(shù)(NP)： 表征整個研究區(qū)域中的拼塊總數(shù)，斑塊數(shù)越大，表示研究區(qū)域內(nèi)各種景觀類型越多。

②最大斑塊指數(shù)(LPI)：表征研究區(qū)域內(nèi)的優(yōu)勢土地類型，其值越大，該類型斑塊在整體景觀中優(yōu)勢越明顯，還可以反映人類活動的方向和強弱。包括最大斑塊指數(shù)和最大斑塊占城鎮(zhèn)面積比例。

③平均分維數(shù)(FRAC_MN)：表征斑塊形狀的指數(shù)，通常范圍為1～2，分維數(shù)越大表示斑塊的形狀越復雜，斑塊分布越離散。分維數(shù)取1時，表示斑塊為正方形；分維數(shù)取2時，表示斑塊的周長十分復雜，能夠遍歷整個平面。

④蔓延度指數(shù)(CONTAG)：表征研究區(qū)域內(nèi)不同拼塊類型的團聚程度，高值表示某種優(yōu)勢拼塊類型形成了良好的連接性。蔓延度會受到斑塊類型離散狀況和間斷分布狀況的影響。理論上，蔓延度指標值較小時，表明景觀中存在許多小斑塊；趨于100時，表明景觀中有連通度極高的優(yōu)勢斑塊類型存在。

⑤聚集度(AI)：表征同一類型斑塊的團聚程度，反映一定數(shù)量的要素在景觀中的相互分散性。當該斑塊類型聚集成一個緊實的整體時，AI取值為100。

⑥平均鄰近指數(shù)(MPI)：表征景觀破碎程度的指標，其值越小表示同類型拼塊離散程度大，景觀破碎程度高，其值越大表示景觀連接性好。

⑦景觀豐度(PR)：景觀中所有斑塊類型的總數(shù)，表征土地利用類型的豐富程度。

⑧斑塊類型面積(CA)：景觀中某一斑塊類型的面積，包括水體面積、城鎮(zhèn)面積等。

餐飲行業(yè)之所以易發(fā)生食品安全風險，原因如下：一是餐飲行業(yè)技術(shù)含量較低，經(jīng)營者及從業(yè)人員食品安全法律及意識較薄弱，食品安全知識水平低下；二是餐飲行業(yè)使用的原料和供應(yīng)的品種繁多，渠道不一，上游的食品安全風險會積累到本環(huán)節(jié)；三是餐飲業(yè)多處在鬧市，場所面積受限，衛(wèi)生條件不足；四是餐飲食品多以手工操作為主，加工過程繁雜、環(huán)節(jié)多，其中易出現(xiàn)因加工不當引起的污染等問題；五是餐飲食品即時加工、即時食用，無法做到經(jīng)檢驗合格后再食用，失去檢驗把關(guān)最后一個關(guān)口；六是餐飲食品為直接入口食品，對備餐、配送的要求較高，稍有不慎便會產(chǎn)生衛(wèi)生風險。

1.3 緩沖區(qū)大小選擇

由于觀測儀器架設(shè)高度不同，采樣時間不同，導致各氣象要素的代表范圍也有所差異。本文以1.5 m 氣溫和10 m高度風為例，估算資料代表范圍。

在平坦、均勻下墊面，百葉箱內(nèi)氣溫的變化主要以湍流輸送為主。以北京通州站為例，夏季平均風速為1.3 m·s-1，儀器架設(shè)高度為1.5 m，根據(jù)印痕分析理論[34]計算得到主要影響范圍(90%的影響區(qū)域)均分布在氣象站950 m范圍之內(nèi)。10 m高度平均風向、風速的測量則以平流輸送為主。同樣以通州站為例，2013年夏季，10 min平均風速低于8 m·s-1的風出現(xiàn)頻率為99.9%，即10 min之內(nèi)，能夠影響觀測值氣塊的最遠距離為4800 m。

因此，在湍流和平流輸送作用下，對于中小尺度，能夠影響觀測資料的最大影響范圍通常不會超過5 km，即以氣象站為中心5 km緩沖區(qū)即為影響資料質(zhì)量的重點區(qū)域。本文提取了北京市18個氣象站的主要影響區(qū)域，并在此基礎(chǔ)上計算了不同年代土地利用類型資料和景觀指標參數(shù)。

1.4 通州站景觀指標參數(shù)計算個例

以觀測環(huán)境變化較快的通州站為例，由不同年份土地利用類型分布(圖1)和表1可見，1990—2013年通州站周邊城市用地面積的變化最為明顯，由1990年的24.79%增長至2013年的70.80%，擴張面積有兩倍之多。裸地面積則由最初的43.53%下降至2013年的4.90%。在此期間，農(nóng)田和水體面積有較大幅度下降，而綠地面積表現(xiàn)為增長趨勢。

圖1 1990年(a)和2013年(b)通州站5 km緩沖區(qū)內(nèi)土地利用類型分布Fig.1 Distribution of land use types in 5 km buffer zone of Tongzhou Station in 1990 and 2013

指標1990年1994年2000年2005年2011年2013年城鎮(zhèn)面積/%24.7929.2947.4754.5063.6070.80林地面積/%0.040.040.060.04裸地面積/%43.5340.411.770.023.304.90農(nóng)田面積/%21.8617.2444.8329.606.235.44綠地面積/%4.694.0114.3524.4016.65水體面積/%9.818.331.881.622.422.21斑塊數(shù)9671976449859754616最大斑塊指數(shù)12.0213.6438.1145.8559.1763.61平均分維數(shù)1.05971.0591.0521.05611.05531.0525蔓延度指數(shù)37.8145.4064.1960.8062.2062.00景觀豐度指數(shù)466665聚集度指數(shù)/%88.6884.0493.4691.3392.1193.47平均鄰近指數(shù)260.25339.45416.60478.90632.351066.72

計算得到的景觀指標參數(shù)也有明顯變化。如斑塊數(shù)由1990年的967降至2013年的616，表明觀測區(qū)域內(nèi)的斑塊數(shù)有明顯減少。最大斑塊指數(shù)從1990年的12.02逐年增加到2013年的63.61，反映了該區(qū)域城市化作用尤為明顯。平均分維數(shù)則從1.0597降低到1.0525，表明研究區(qū)域內(nèi)的斑塊形狀趨于簡單。蔓延度指數(shù)由1990年的37.81增加到2013年的62.00表明該區(qū)域內(nèi)城鎮(zhèn)用地形成了良好的連接性。景觀豐度指數(shù)表征該區(qū)域內(nèi)6種土地利用類型(林地、水體、裸地、農(nóng)田、綠地和城鎮(zhèn)用地)。在1990年由于林地和綠地面積較少未被檢測出，故為4；2013年未檢測出林地，則為5；其余年份均為6。聚集度指數(shù)的逐年增加表明通州區(qū)域城鎮(zhèn)面積的團聚程度越來越明顯。平均鄰近指數(shù)近20年的變化表現(xiàn)為1990年的260.25增加到2013年的1066.72，表明區(qū)域內(nèi)斑塊的連接性越來越好。

上述指標參數(shù)可以將氣象站周邊環(huán)境很好地利用數(shù)字呈現(xiàn)，即將抽象籠統(tǒng)的環(huán)境配置情況由數(shù)字清晰具體描述，將有利于對氣象站周邊環(huán)境評估。

2 結(jié)果與分析

通過土地利用類型、景觀指標、建筑物高度、天空可視因子等參數(shù)能夠?qū)庀笳局苓叚h(huán)境進行定量、全面的數(shù)字化描述。但如果這些參數(shù)的變化對氣象要素毫無影響，則這些參數(shù)也無意義[26]。本文以北京18個氣象站為研究對象(3個作為參考站，15個作為評估對象)，利用1993—2013年觀測景觀指標參數(shù)變化對氣象要素的影響，討論這些參數(shù)有效性并對其進行篩選。

2.1 景觀指標參數(shù)與氣溫相關(guān)分析

氣溫觀測值不僅受局地觀測環(huán)境影響，同時也受氣候變化影響。為了消除這一影響，本文參照WMO確定全球氣候觀測系統(tǒng)(GCOS)陸地表面站網(wǎng)(GSN)的原則和思路以及中國氣象局要求參考站選擇標準[35-38]，選取了3個高山站為氣候背景站：佛爺頂站、霞云嶺站和上甸子站。這3個氣象站分別位于北京的西北、西南及東北方位，20多年來觀測環(huán)境的變化可忽略不計。利用每個氣象站1990，1994，2000，2005，2011，2013年氣溫平均值作為基準值，利用各年的氣溫減去平均值得到3個站1990—2013年夏季(7—8月)平均氣溫距平，3個站距平值變化趨勢較為一致，僅變化幅度有所差別。因此，這3個站的氣溫變化能夠代表該區(qū)域氣候變化特征。

將各氣象站氣溫與3個氣候背景站的平均氣溫相減，并將其與各站景觀指標參數(shù)進行相關(guān)分析，即可對現(xiàn)有指標參數(shù)的優(yōu)劣進行篩選。同樣以通州站為例，圖2為6個觀測景觀指標參數(shù)與氣溫差值的擬合結(jié)果(達到0.05顯著性水平)。由圖2可見，與氣溫值擬合最好的是城鎮(zhèn)面積，相關(guān)系數(shù)可達0.93。此外，蔓延度指數(shù)、最大斑塊指數(shù)、平均鄰近指數(shù)與氣溫呈很好的正相關(guān)關(guān)系，相關(guān)系數(shù)超過0.86。而平均分維數(shù)和水體面積與氣溫值呈負相關(guān)，相關(guān)系數(shù)分別為-0.86和-0.85，表明研究區(qū)域中斑塊形狀越復雜、水體越多，氣象站氣溫值越低。

圖2 通州站氣溫差值與6個景觀指標參數(shù)擬合Fig.2 Relation between temperature difference and six observation landscape indicator parameters at Tongzhou Station

表2為各氣象站氣溫差與景觀指標參數(shù)達到0.05顯著性水平的相關(guān)分析結(jié)果。由表2可見，不同氣象站景觀指標參數(shù)對氣溫差的影響有較大差異。如順義站氣溫觀測值僅對平均分維數(shù)的變化有響應(yīng)，而通州站則對大多數(shù)景觀指標均比較敏感。總體而言，在眾多景觀指標參數(shù)中，平均鄰近指數(shù)、景觀豐度、聚集度與氣溫差相關(guān)較弱，即只有2個氣象站的相關(guān)性達到0.05顯著性水平(表略)。而水體面積、城鎮(zhèn)面積、蔓延度指數(shù)、平均分維數(shù)、最大斑塊指數(shù)與最大斑塊占城鎮(zhèn)面積比例和氣溫相關(guān)關(guān)系較強，即多數(shù)氣象站對這些指標比較敏感。其中，氣溫值對城鎮(zhèn)面積變化的響應(yīng)最為顯著，15個統(tǒng)計氣象站中，6個氣象站的相關(guān)系數(shù)均在0.90以上。這一結(jié)果表明：隨著氣象站周邊城鎮(zhèn)面積的增加，緩沖區(qū)內(nèi)下墊面熱容量、導熱率及人為熱排放都會增長，氣溫的升高也成為必然。此外，氣溫值變化對蔓延度指數(shù)的響應(yīng)也較為顯著，5個氣象站的相關(guān)系數(shù)都在0.83以上。表明城鎮(zhèn)面積的連續(xù)性越好，越聚集，對氣溫的影響效果越顯著。

在這些指標中，水體面積、平均分維數(shù)和氣溫差表現(xiàn)為負相關(guān)。表明在水體的熱力屬性作用下，氣象站氣溫值會隨緩沖區(qū)內(nèi)水體面積的增加而降低。平均分維數(shù)統(tǒng)計結(jié)果表明：當下墊面較為單一，面積較大且形狀整齊時，對氣溫影響最為顯著。

表2 15個氣象站景觀指標參數(shù)與氣溫差相關(guān)分析Table 2 Correlations between landscape indicator parameters and temperature difference at 15 stations

2.2 景觀指標參數(shù)與絕對濕度相關(guān)分析

由于相對濕度受氣溫影響較大，為了在分析中只考慮水汽條件與景觀指標參數(shù)變化的關(guān)系，本文將相對濕度換算為絕對濕度即水汽密度(單位：g·m-3)。絕對濕度與景觀指標參數(shù)達到0.05顯著性水平的相關(guān)統(tǒng)計結(jié)果如表3所示。由表3可見，最大斑塊指數(shù)、城鎮(zhèn)面積、最大斑塊占城鎮(zhèn)面積比例、水體面積、蔓延度指數(shù)以及聚集度指數(shù)與絕對濕度的相關(guān)較強。其中，聚集度指數(shù)、蔓延度指數(shù)較為顯著，15個氣象站中，分別有5個氣象站的統(tǒng)計結(jié)果達到0.05顯著性水平。最大斑塊指數(shù)、城鎮(zhèn)面積、最大斑塊占景觀面積比例、蔓延度指數(shù)以及聚集度指數(shù)和絕對濕度表現(xiàn)為負相關(guān)。而水體面積與絕對濕度表現(xiàn)為正相關(guān)，表明氣象站周邊水體面積越大測得的絕對濕度值越大。

表3 15個氣象站景觀指標參數(shù)與絕對濕度相關(guān)分析Table 3 Correlations of landscape indicator parameters to humidity at 15 stations

2.3 景觀指標參數(shù)與風速相關(guān)分析

影響風速測量結(jié)果因素較多，如天氣系統(tǒng)、氣象站海拔高度、地形等。因此，本文采用小風占比，即小風(0.5～2 m·s-1)頻數(shù)占總頻數(shù)的百分比，作為統(tǒng)計對象。

表4為小風占比與景觀指標參數(shù)達到0.05顯著性水平相關(guān)統(tǒng)計。由表4可見，在5 km緩沖區(qū)的情況下，最大斑塊占景觀面積比例、城鎮(zhèn)面積、最大斑塊占城鎮(zhèn)面積與小風占比相關(guān)較強；且呈明顯正相關(guān)，這表明氣象站測得的小風占比隨這3個參數(shù)的增加而增加。

但水體面積、蔓延度指數(shù)、景觀豐度等參數(shù)與小風占比相關(guān)分析中出現(xiàn)正負不一致的統(tǒng)計結(jié)果，即這3個參數(shù)對小風占比影響有較大隨機性，其影響機制仍需進一步討論。

表4 15個氣象站景觀指標參數(shù)與小風占比相關(guān)分析Table 4 Correlations of landscape indicator parameters to the ratio of low wind at 15 stations

2.4 建筑高度、天空可視因子與氣象要素相關(guān)分析

由于資料限制，建筑高度和天空可視因子資料僅為2009年，無法通過年際變化討論這兩個因子對氣象要素的影響，只能從空間變化上進行分析。此外，由于建筑高度信息和天空可視因子涵蓋區(qū)域面積較小，若以5 km為緩沖區(qū)則氣象站間的重合面積太大，統(tǒng)計誤差將增大。故本節(jié)以2 km為緩沖區(qū)對氣象站周邊的建筑高度、天空可視因子與氣象觀測值進行統(tǒng)計，其中建筑高度和天空可視因子各有25個和15個統(tǒng)計結(jié)果。氣象資料為北京五環(huán)內(nèi)對應(yīng)氣象站2009年7月3日、8月3日、8月22日3個晴天個例。

圖3為建筑高度、天空可視因子與氣溫達到0.05 顯著性水平相關(guān)分析。由圖3可知，2009年7月3日、8月3日和8月22日建筑物高度與氣溫相關(guān)系數(shù)分別為0.45，0.48，0.36，且圖中數(shù)據(jù)點分布較為散亂，表明建筑物高度對氣溫影響較為復雜，非單純的線性關(guān)系。由圖3還可知，天空可視因子與氣溫則呈明顯的負相關(guān)關(guān)系，7月3日、8月3日和8月22日相關(guān)系數(shù)分別是-0.63，-0.60，-0.65。

統(tǒng)計建筑高度、天空可視因子與絕對濕度的相關(guān)分析發(fā)現(xiàn)，建筑物高度與絕對濕度的相關(guān)系數(shù)分別為-0.51，-0.50，-0.37，達到0.05顯著性水平。天空可視因子與絕對濕度的相關(guān)系數(shù)分別為0.62，0.66，0.74，均達到0.05顯著性水平?？梢钥闯觯炜湛梢曇蜃訉^對濕度的影響更強。

由建筑高度、天空可視因子與小風占比的相關(guān)分析可知，二者與小風占比相關(guān)關(guān)系較差(與建筑高度相關(guān)系數(shù)為0.157，0.089，-0.044；與天空可視因子相關(guān)系數(shù)為0.206，-0.153，0.197)，相關(guān)系數(shù)有正有負，且均未達到0.05顯著性水平。這是因為建筑高度、天空可視因子對風速的影響為較小尺度下[39]，即這兩種景觀指標參數(shù)的大范圍統(tǒng)計結(jié)果無法描述對小風的影響過程。此外，由于風向的隨時轉(zhuǎn)變，不同風向條件下，源區(qū)域內(nèi)二者的差異對風的影響也非常明顯[40]。因此，以大范圍建筑高度、天空可視因子評估氣象站小風出現(xiàn)的概率并不適合。

圖3 2009年7月3日、8月3日、8月22日晴天條件下，建筑物高度、天空可視因子與氣溫擬合結(jié)果Fig.3 The fitting of building height,sky view factor to temperature in clear sky on 3 Jul,3 Aug and 22 Aug in 2009

3 景觀指標參數(shù)選取及評估方法設(shè)定

3.1 景觀指標參數(shù)選取

由以上分析可見，并非所有景觀指標參數(shù)和氣象要素都有很好的響應(yīng)關(guān)系。為了對這些參數(shù)進行篩選，本文將景觀指標參數(shù)和各要素相關(guān)分析中達到0.05顯著性水平的氣象站數(shù)量定義為響應(yīng)強度。當響應(yīng)強度超過3個氣象站時，表明該指標對氣象要素的影響較為明顯，可認定為有效參數(shù)。以相關(guān)系數(shù)0.60為參考標準，大于0.60則相關(guān)性強，建筑物高度與氣溫變化達到0.05顯著性水平，相關(guān)系數(shù)大于0.60的氣象站有5個，則權(quán)重為5。

表5表明與氣溫響應(yīng)關(guān)系較好的景觀指標參數(shù)有7個，分別為城鎮(zhèn)面積、水體面積、最大斑塊指數(shù)、與最大斑塊占城鎮(zhèn)面積比例、蔓延度指數(shù)、平均分維數(shù)和天空可視因子。與絕對濕度響應(yīng)關(guān)系較好的景觀指標參數(shù)主要有城鎮(zhèn)面積、水體面積、最大斑塊指數(shù)、最大斑塊占城鎮(zhèn)面積比例、蔓延度指數(shù)、聚集度指數(shù)和天空可視因子。與小風占比響應(yīng)關(guān)系較好的景觀指標參數(shù)僅有水體面積、最大斑塊指數(shù)和最大斑塊占城鎮(zhèn)面積比例。

為了定量化描述各景觀指標參數(shù)對氣象要素的影響程度，本文提出了一種評估算法。即以各指標的響應(yīng)強度占總響應(yīng)強度的比例作為各指標的影響權(quán)重；以各參數(shù)與氣象要素的相關(guān)性的正負作為該參數(shù)的影響方向，正則相加，負則相減；最后以各景觀指標之和為該要素的評價因子。各氣象要素的計算公式如下:

(1)

(2)

(3)

以溫、濕、風的環(huán)境影響因子各占1/3為比例權(quán)重，則總體影響因子則可表示為

(4)

其中，TEF為氣溫的環(huán)境影響因子，量綱為1，表示環(huán)境對氣溫的影響程度；Atown為城市面積；Awater為水體面積；ILPI為最大斑塊指數(shù)；ILPI為最大斑塊占城鎮(zhèn)面積比例；ICONTAG為蔓延度指數(shù)；MFRA_MN為平均分維數(shù)；FSVF為天空開闊度；HEF為絕對濕度的環(huán)境影響因子；WEF為風速的環(huán)境影響因子；AEF為觀測環(huán)境總體影響因子。

景觀指標評估方法從觀測環(huán)境結(jié)構(gòu)配置出發(fā)，以0～100對氣象站的代表性進行評估，0代表理想狀況，表明氣象站的空間代表性最好，為典型的自然下墊面；100表征氣象站代表性最差，觀測資料可能受氣象站周邊城鎮(zhèn)用地影響較為嚴重。值得注意的是，實際環(huán)境配置中，接近0或者接近100的情況較難出現(xiàn)。

本文根據(jù)評估結(jié)果將觀測環(huán)境對觀測資料的影響分為6種：影響程度很小(郊區(qū)站)，0～25；影響程度小(近郊站)，26～35；影響程度中等(小城市站)，36～45；影響程度大(中等城市站)，46～55；影響程度很大(大城市站)，56～75；影響程度最大(特大城市站)，76～100。

3.2 評估方法對比與應(yīng)用

表6為本文對北京地區(qū)15個氣象站，觀測環(huán)境對觀測資料影響程度評估結(jié)果及與其他3種方法的對比。

在景觀指標評估法中，觀測環(huán)境對資料影響程度最小的氣象站為懷柔站，評估得分為21.52，其次是房山站(28.72)、昌平站(29.71)、密云站(30.82)、平谷站(33.22)和延慶站(33.45)，影響程度最大為豐臺站(63.64)、朝陽站(61.09)。將本文研究方法與其他3種評估方法進行對比分析，其中人口數(shù)量劃分法[22]的結(jié)果表明：15個氣象站中，人為活動對觀測資料的影響程度,懷柔站和北京市觀象臺較小，昌平站、海淀站、通州站、大興站、朝陽站和豐臺站較大。衛(wèi)星圖像評估法[25]通過Google Earth軟件對氣象站周邊土地使用情況進行調(diào)查，結(jié)果顯示：房山站等氣象站周邊環(huán)境對觀測資料的影響程度較為明顯，石景山站的影響程度則最小。衛(wèi)星資料評估法[26]利用氣象站周邊2 km內(nèi)的土地利用類型和數(shù)字高程資料評估周邊環(huán)境對觀測資料的影響程度，結(jié)果顯示：對懷柔站影響程度較小，房山站、石景山站次之，大興站、豐臺站等氣象站最大。對比發(fā)現(xiàn)，本文方法得出結(jié)論和人口數(shù)量劃分法、衛(wèi)星資料評估法類似，懷柔站周邊環(huán)境對觀測資料的影響程度最小，而豐臺站的影響程度最大。

以豐臺站為例，由不同的評估方法(表6)可見，豐臺站的觀測資料受到周邊環(huán)境影響很大。人口數(shù)量劃分法[22]利用氣象站所在地的人口數(shù)量為主要依據(jù)對其進行了分級，通過查閱2010年的《中國鄉(xiāng)、鎮(zhèn)、街道人口資料》得到豐臺地區(qū)人口數(shù)為2112162人，按照人口分級標準被分為特大城市站，人為活動對觀測資料的影響程度很大。衛(wèi)星圖像評估法[25]應(yīng)用Google Earth軟件調(diào)查氣象站周邊土地使用情況時，選擇表示氣象站近處環(huán)境范圍的距離為0～500 m，距離500～2000 m的范圍為遠處環(huán)境。豐臺站的近處和遠處幾乎被住宅用地包圍，不能較好地反映該地區(qū)較大范圍的氣象要素特點，受到觀測環(huán)境的影響程度很大。衛(wèi)星資料評估法[26]選擇3個要素：水體、植被(林地、農(nóng)田、未應(yīng)用土地)和城鎮(zhèn)每個要素所占百分比進行評估，若城鎮(zhèn)所占比例越大，則對氣象站的影響越大。豐臺的城鎮(zhèn)面積占比達到81.14%，說明城市化對豐臺站觀測資料的影響程度極大。本文運用式(4)計算豐臺站的評估得分為63.64，表示豐臺周邊環(huán)境對觀測資料的影響程度很大。綜上可見，上述4種評估方法在人口密集的豐臺站得出了相同結(jié)論。

表6 4種方法評估北京15個氣象站觀測環(huán)境對觀測資料影響Table 6 The environment impact on observations of 15 stations in Beijing by four assessment methods

本文所用方法綜合考慮了以上3種方法的優(yōu)點，如城鎮(zhèn)面積在式(4)中的使用可大致獲取該范圍的人口數(shù)量，即與人口數(shù)量劃分法所采用的評估方法類似。此外，本文方法在衛(wèi)星圖像評估法、衛(wèi)星資料評估法的基礎(chǔ)上，不僅將每種土地利用類型數(shù)字化精確呈現(xiàn)，還考慮景觀指標參數(shù)對觀測資料的影響，既對氣象探測環(huán)境的結(jié)構(gòu)配置信息進行了定量描述，又考慮了其與氣象要素之間的關(guān)系，歸納總結(jié)出一套評價標準，并給出明確的計算公式，使氣象站探測環(huán)境影響程度評估更加明確易行。

4 小 結(jié)

利用衛(wèi)星遙感資料、數(shù)字高程資料獲取的景觀指標參數(shù)能夠很好地對氣象站周圍環(huán)境配置的三維立體分布信息以數(shù)字化方式呈現(xiàn)，研究表明：

1) 景觀指標參數(shù)與氣象要素相關(guān)分析表明：對氣溫變化影響較大的參數(shù)包括城鎮(zhèn)面積、水體面積、最大斑塊指數(shù)、最大斑塊占城鎮(zhèn)面積比例、蔓延度指數(shù)、平均分維數(shù)和天空可視因子。

2) 對絕對濕度影響較大的景觀指標參數(shù)包括城鎮(zhèn)面積、水體面積、最大斑塊指數(shù)、最大斑塊占城鎮(zhèn)面積比例、蔓延度指數(shù)、聚集度指數(shù)和天空可視因子。

3) 與小風占比響應(yīng)關(guān)系較好的景觀指標參數(shù)僅為水體面積、最大斑塊指數(shù)和最大斑塊占城鎮(zhèn)面積比例。

4) 利用景觀指標評估法以北京市15個氣象站為例，將氣象站劃分為6種類型，其中環(huán)境對觀測資料影響程度最小的站為懷柔站,環(huán)境影響最大的站為豐臺站、朝陽站。