時(shí)空尺度下西安市7月平均氣溫的變化特點(diǎn)及相關(guān)性分析

許佳琳 崔晨風(fēng) 王睿 彭曉蕾 劉宇諾 李欣愉

摘 要：氣溫變化研究作為氣候變化研究的重要內(nèi)容，對(duì)人類發(fā)展具有重大意義。依據(jù)1901—2017年中國1km月氣候數(shù)據(jù)集，利用Mann-Kendall趨勢(shì)檢驗(yàn)法，分析了改革開放后1978—2017年西安市7月平均氣溫及范圍的變化。結(jié)果表明：（1）1978—2017年西安市7月平均氣溫和平均氣溫在20℃以上的面積整體處于上升趨勢(shì)，20世紀(jì)的增溫率為0.535℃/10a，21世紀(jì)的增溫率為0.114℃/10a;（2）西安市7月平均氣溫發(fā)生突變的年份是1994年，平均氣溫在20℃以上的面積發(fā)生突變的年份是1990年和1994年;（3）1997—2017年西安市最高氣溫出現(xiàn)在新城區(qū)，最低氣溫出現(xiàn)在周至縣，藍(lán)田縣的增溫率最高;（4）GDP、常住人口、綠化面積與平均氣溫極差變化具有顯著的相關(guān)性。

關(guān)鍵詞：平均氣溫;氣溫變化;相關(guān)性分析;西安市

中圖分類號(hào) P4 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 1007-7731（2021）24-0121-04

近100年來，全球氣候變暖毋庸置疑，2019年世界氣候狀況監(jiān)測(cè)顯示，全球氣候系統(tǒng)變暖趨勢(shì)進(jìn)一步持續(xù)。針對(duì)氣候變暖及其所帶來的影響是近30年來國內(nèi)外的研究熱點(diǎn)。相關(guān)學(xué)者研究發(fā)現(xiàn)，三峽庫區(qū)年平均氣溫上升速度與高程呈正相關(guān)[1];北京具有典型的城市熱島效應(yīng)[2];福州和漳州的城市氣溫受下墊面的影響隨著城市化的加深而增大[3];珠江三角洲地區(qū)城市化對(duì)氣溫時(shí)空變化有較大的影響[4];北京市城市化效應(yīng)中夜間熱島強(qiáng)度明顯大于日間[5];西安年平均氣溫、極端最低氣溫呈上升趨勢(shì)[6];西安具有區(qū)域性的極端氣溫變化[7]等。雖然近年來有較多氣溫方面的研究，但較少涉獵于西部地區(qū)小范圍內(nèi)的氣溫變化情況。

本研究選擇目前城市發(fā)展速度較快、城市擴(kuò)張、人口過剩等問題較多的西安市為對(duì)象，根據(jù)1901—2017年中國1km每月溫度和降水?dāng)?shù)據(jù)集，采用滑動(dòng)平均法和Mann-Kendall趨勢(shì)檢驗(yàn)法對(duì)1979—2017年西安7月氣溫變化趨勢(shì)進(jìn)行分析，并將氣溫極差與GDP、常住人口、綠化面積進(jìn)行相關(guān)性分析，探究在不同的時(shí)空尺度下當(dāng)前城市化發(fā)展對(duì)西安市氣溫變化造成的影響，以期為揭示西安市氣溫變化規(guī)律提供科學(xué)依據(jù)。

1 材料與方法

1.1 研究區(qū)域概況 西安是陜西省省會(huì)，地處關(guān)中盆地中部，橫跨渭河南北兩岸，轄未央?yún)^(qū)、新城區(qū)、碑林區(qū)、蓮湖區(qū)、灞橋區(qū)、雁塔區(qū)、閻良區(qū)、臨潼區(qū)、長安區(qū)、高陵區(qū)、鄠邑區(qū)、藍(lán)田縣、周至縣11個(gè)市轄區(qū)、2個(gè)縣和功能區(qū)西咸新區(qū)。作為中國西部最大的城市之一，西部重要的文化、經(jīng)濟(jì)、政治中心，西安是西部的代表城市。西安市作為新亞歐大陸橋中國段——隴海蘭新鐵路沿線經(jīng)濟(jì)帶上最大的中心城市，是國家實(shí)施西部大開發(fā)戰(zhàn)略的橋頭堡，具有連接南北、承東啟西的重要戰(zhàn)略地位，樞紐城市特點(diǎn)十分突出。近幾年來，西安的城鎮(zhèn)化水平不斷提高，2020年年城鎮(zhèn)化水平達(dá)73.42%，城區(qū)人口規(guī)模1020.35萬人。較高的城鎮(zhèn)化水平在助力城市快速發(fā)展的同時(shí)，所引起的環(huán)境問題，尤其是氣溫變化問題不容忽視。據(jù)高文蘭等[6]研究發(fā)現(xiàn)，在西安市的城市平均氣溫增暖趨勢(shì)中，城市熱島效應(yīng)對(duì)其具有重要的影響。圖1為利用Arcgis軟件制成的2017年7月平均氣溫分布地圖。

1.2 數(shù)據(jù)來源 本研究使用的西安市夏季7月平均氣溫?cái)?shù)據(jù)集來自中國科學(xué)院水利部水土保持研究所副研究員彭守璋利用空間降尺度方案處理氣候數(shù)據(jù)集（CRU v4.02），生成的1901—2017年中國1km月氣溫降水?dāng)?shù)據(jù)集[8]。所使用的西安GDP、常住人口數(shù)等相關(guān)數(shù)據(jù)均來自西安市歷年統(tǒng)計(jì)公報(bào)。

1.3 數(shù)據(jù)處理 在ArcGIS 10.6中，將2015年全國縣級(jí)矢量數(shù)據(jù)投影到地理坐標(biāo)系中，并且按屬性篩選出西安市的范圍，將載有全國氣溫?cái)?shù)據(jù)的NC數(shù)據(jù)文件導(dǎo)入軟件中，并提取所需數(shù)據(jù)。利用按掩膜提取工具將對(duì)應(yīng)西安市的氣溫提取出來，最后進(jìn)行詳細(xì)的數(shù)據(jù)處理與分析。將氣溫值劃分為最低值至19.9℃、20～24.5℃、25℃至最高值3個(gè)區(qū)間，本文主要研究后2個(gè)區(qū)間。

1.4 研究方法

1.4.1 滑動(dòng)平均法 以簡單平均數(shù)法為基礎(chǔ)，使用順序逐期增減數(shù)據(jù)求算數(shù)據(jù)的移動(dòng)平均值，進(jìn)而獲得預(yù)測(cè)結(jié)果。該方法可以較好地去除由于外部因素引起的突然波動(dòng)對(duì)預(yù)測(cè)結(jié)果的影響，較好的推測(cè)出事物的發(fā)展趨勢(shì)。為了提高數(shù)據(jù)的準(zhǔn)確性，防止出現(xiàn)相位偏差，本文選擇以5年的7月氣溫?cái)?shù)據(jù)作為窗口長度。

1.4.2 Mann-Kendall趨勢(shì)檢驗(yàn)法 Mann-Kendall趨勢(shì)檢驗(yàn)法是非參數(shù)檢驗(yàn)方法。該方法不需要樣本遵從一定的分布，也不會(huì)受到少數(shù)異常值干擾，適用于順序變量和類型變量。Mann—Kendall 趨勢(shì)檢驗(yàn)法是一種氣候判斷及預(yù)測(cè)方法，通過使用Mann-Kendall檢驗(yàn)法可以判斷出氣候序列中的突變現(xiàn)象及其發(fā)生時(shí)間，檢測(cè)氣候變化影響下的降水、干旱頻次趨勢(shì)。Yue等[9]對(duì)比研究了Mann-Kendall趨勢(shì)檢驗(yàn)準(zhǔn)確性，認(rèn)為其與Bootstrap和t檢驗(yàn)等相近。

設(shè)氣溫序列為x1，x2，...，xn，Sk表示第i個(gè)樣本xi>xj（1≤j≤i）的累計(jì)數(shù)，定義統(tǒng)計(jì)量：

Sk=[i=1kri，ri]=[1，xi>xj0，xi≤xj，（j=1，2…，i;k=1，2，…，n）]

將Sk標(biāo)準(zhǔn)化：

[UFk=（Sk-ESk）varSk]

其中：UF1=0，[ESk，VarSk]是累計(jì)數(shù)Sk的均值和方差。按時(shí)間序列x的逆序再次重復(fù)上述過程，同時(shí)使[UBk=-UFk，k=n，n-1，…，1，UB1=0]。并繪出[UFk]和[UBk]曲線圖。

若[UFk]或[UBk]的值大于0，則表明序列呈上升趨勢(shì)，小于0則呈下降趨勢(shì)。當(dāng)它們的值超過臨界直線時(shí)，表明上升或下降趨勢(shì)顯著。超過臨界線的范圍確定為出現(xiàn)突變的時(shí)間段。若[UFk]和[UBk]兩條曲線的交點(diǎn)在臨界線之間，那么交點(diǎn)對(duì)應(yīng)的時(shí)刻便是突變開始的時(shí)間。

2 結(jié)果與分析

2.1 西安市7月平均最高氣溫隨時(shí)間變化情況 圖2所示為1979—2017年西安地區(qū)7月氣溫最高值變化情況，圖3為利用滑動(dòng)平均法的擬合成果。根據(jù)實(shí)測(cè)數(shù)據(jù)可以發(fā)現(xiàn)西安在近40年氣溫在震蕩式持續(xù)上升，且21世紀(jì)后上升趨勢(shì)逐漸減小。由滑動(dòng)平均法所示結(jié)果，西安近40年氣溫在逐步上升且上升幅度在逐漸減小。使用滑動(dòng)平均法的氣溫變化圖能夠減小短時(shí)間內(nèi)氣溫變化的波動(dòng)的更好地反映出西安市氣溫總體變化情況。從最高氣溫的數(shù)據(jù)經(jīng)過線性擬合可以得到1978—2000年增溫率為0.535℃/10a，2001—2017年增溫率為0.114℃/10a。

2.2 西安市7月平均最高氣溫面積隨空間變化情況 平均氣溫在20℃以上的面積成波動(dòng)起伏式的上升，整體變化趨勢(shì)與氣溫最高值變化類似，20世紀(jì)有明顯的增長，2000年左右增長率開始降低。在20世紀(jì)平均氣溫在25℃以上的面積有明顯的增長，2000年后增長率減小逐漸趨于平穩(wěn)，而在20世紀(jì)平均氣溫在20～25℃的面積有明顯的減少趨勢(shì)，2000年后減少趨勢(shì)減小。

2.3 西安市7個(gè)分區(qū)的氣溫增長比較 根據(jù)2015年全國縣級(jí)矢量數(shù)據(jù)所得的7個(gè)分區(qū)周至縣、長安區(qū)、新城區(qū)、臨潼區(qū)、藍(lán)田縣、鄠邑區(qū)、高陵區(qū)進(jìn)行氣溫增長情況的比較。利用線性擬合的方法分析可得，1997—2017年20年間，周至縣的增溫率為0.575℃/10a，長安區(qū)的增溫率為0.59℃/10a，新城區(qū)的增溫率為0.585℃/10a，臨潼區(qū)的增溫率為0.57℃/10a，藍(lán)田縣的增溫率為0.625℃/10a，鄠邑區(qū)的增溫率為0.59℃/10a，高陵區(qū)的增溫率為0.55℃/10a，其中長安區(qū)、新城區(qū)、藍(lán)田縣、鄠邑區(qū)的增溫率高于西安市的增溫率0.585℃/10a，其中，西安市7月平均氣溫最高值位于新城區(qū)，最低值位于周至縣。證明新城區(qū)是西安市最發(fā)達(dá)的區(qū)域，藍(lán)田縣近20年的發(fā)展較快。

2.4 西安市7月平均氣溫的時(shí)間變化特征

2.4.1 圖5是西安市7月平均氣溫的Mann-Kendall檢驗(yàn)圖 在α=0.01的顯著性水平下，臨界值的范圍為±2.58（細(xì)實(shí)線），在α=0.05的顯著性水平下，臨界值的范圍為±1.96（細(xì)虛線）。UF（粗虛線）是氣溫序列的順序統(tǒng)計(jì)量，UB（粗實(shí)線）是氣溫序列逆序的統(tǒng)計(jì)量。由圖5可知，UF，UB曲線交點(diǎn)在臨界范圍內(nèi)，對(duì)應(yīng)年份為1994年，由此推斷，1994年開始西安市7月平均氣溫發(fā)生明顯的躍變，這一結(jié)論與王海燕等[11]指出的陜西省年平均氣溫在1993年發(fā)生增溫突變，陜北、關(guān)中分別在1994年和1995年發(fā)生突變相對(duì)應(yīng)。同時(shí)從圖5也可以看出，1987年以前UB的值超過了α= 0.01的顯著性臨界值，說明這一段時(shí)間氣溫變化明顯;2000年以前UB曲線的值不斷地在減小但保持在零值以上，而UK曲線的值大于零，說明2000年以后仍處于增長趨勢(shì)，但這一階段的增長趨勢(shì)較小。

圖6所示的是1978—2017年西安市平均氣溫最低值和最高值的差值，從圖6可以看到，UB曲線一直位于零值之上，且UB（粗實(shí)線）和UF（粗虛線）曲線沒有交點(diǎn)，說明氣溫的差值沒有出現(xiàn)明顯突變。1978—1980年、1982—1987年和2000—2017年UF曲線值為負(fù)值，說明這期間氣溫差值為降低趨勢(shì)，1980—1982年和1987—2000年曲線值為正值，說明這期間氣溫的差值為增大趨勢(shì)，但未超過α= 0.05的顯著性臨界值，說明變化趨勢(shì)不明顯。

圖7是西安市7月平均氣溫在20℃以上面積的Mann-Kendall檢驗(yàn)圖，在α=0.01的顯著性水平下的臨界值為±2.58（細(xì)實(shí)線），在α=0.05的顯著性水平下的臨界值為±1.96（細(xì)虛線）。UF（粗虛線）是面積序列的順序統(tǒng)計(jì)量，UB（粗實(shí)線）是面積序列逆序的統(tǒng)計(jì)量。從圖7可以看到，UF，UB曲線交點(diǎn)在臨界范圍內(nèi)，對(duì)應(yīng)年份為1990年和1994年，由此推斷，1990年和1994年西安市7月平均氣溫在20℃以上的面積發(fā)生明顯的躍變，面積變化趨勢(shì)與氣溫變化趨勢(shì)基本相近，其中1978—1980年和1982—1986年的UF曲線的值為負(fù)數(shù)，并且UB曲線的值超過α=0.05的顯著性臨界值，說明這幾段時(shí)間面積減少趨勢(shì)明顯，在1986年之后UB曲線位于α=0.05的顯著性臨界值之下，并且UF曲線值大于零，所以1986年之后面積處于增加階段且變化趨勢(shì)不明顯。

2.5 氣溫相關(guān)性分析 將7月平均氣溫最高值和最低值的溫差的滑動(dòng)平均值與GDP、常住人口、綠化面積進(jìn)行相關(guān)性分析，分析結(jié)果如圖8～10所示。

GDP是反映城市經(jīng)濟(jì)發(fā)展的重要指標(biāo)，以西安市的GDP為自變量，以7月平均氣溫的溫差作為因變量以二次多項(xiàng)式的方法進(jìn)行相關(guān)性分析，發(fā)現(xiàn)二者呈顯著相關(guān)（R2=0.9228），具體情況如圖8所示。西安市的經(jīng)濟(jì)發(fā)展處于擴(kuò)張階段，經(jīng)濟(jì)發(fā)展初期GDP的增長對(duì)擴(kuò)大溫差的促進(jìn)作用極為顯著，而隨著經(jīng)濟(jì)發(fā)展水平不斷提高，GDP的增長對(duì)擴(kuò)大溫差的促進(jìn)作用逐漸減小，當(dāng)GDP增長至5200萬元左右，對(duì)擴(kuò)大溫差甚至表現(xiàn)為抑制作用。隨著社會(huì)經(jīng)濟(jì)的不斷發(fā)展，人們對(duì)環(huán)保等問題的關(guān)注度更加提高、踐行度更加強(qiáng)烈，在發(fā)展經(jīng)濟(jì)、擴(kuò)大生產(chǎn)的同時(shí)將環(huán)保問題落實(shí)到了實(shí)處。

常住人口數(shù)量在一定程度上反映了城市規(guī)模的大小，以西安市的常住人口為自變量，以平7月均氣溫的溫差作為因變量以三次多項(xiàng)式的方法進(jìn)行相關(guān)性分析，發(fā)現(xiàn)兩者存在顯著相關(guān)（R2=0.8849），具體情況如圖9所示。這說明城市常住人口變化是引起溫差變化的一個(gè)重要驅(qū)動(dòng)因素，并且人口增長對(duì)溫差的影響程度較GDP對(duì)溫差的影響程度較低，由于人口的增加、聚集會(huì)導(dǎo)致城市的各項(xiàng)生產(chǎn)活動(dòng)增加，進(jìn)而導(dǎo)致能源消耗的增加。

城市綠化在調(diào)節(jié)一個(gè)城市氣溫的過程中起著重要作用。城市綠地有利于防治大氣、改善水體污染、改善土壤污染、改善城市氣候環(huán)境、減弱噪聲污染、最終提高城市的自然環(huán)境生態(tài)質(zhì)量。以西安市的綠化面積為自變量，以7月平均氣溫的溫差作為因變量，以二次多項(xiàng)式進(jìn)行相關(guān)性分析，發(fā)現(xiàn)兩者存在顯著相關(guān)（R2=0.95），具體情況如圖10所示，這說明城市綠化面積是引起溫差變化的一個(gè)重要驅(qū)動(dòng)因素，在城市面積和人口不斷增加的情況下，城市綠化對(duì)于城市氣溫的影響較大。

3 結(jié)論

（1）對(duì)1978—2017年西安市7月平均氣溫?cái)?shù)據(jù)進(jìn)行整體分析，發(fā)現(xiàn)1978—2000年增溫率為0.535℃/10a，2001—2017年增溫率為0.114℃/10a。

（2）用Mann-Kendall檢驗(yàn)發(fā)現(xiàn)，西安市7月平均氣溫發(fā)生躍變的年份1994年，平均氣溫在20℃以上的面積發(fā)生躍變的年份為1990年和1994年，二者的檢驗(yàn)圖整體變化趨勢(shì)相近，通過檢驗(yàn)圖發(fā)現(xiàn)平均氣溫最高值最低值的差值處于上升階段。1997—2017年中長安區(qū)、新城區(qū)、藍(lán)田縣、鄠邑區(qū)的增溫率高于西安市的增溫率0.585℃/10a，最高氣溫出現(xiàn)在新城區(qū)，最低氣溫出現(xiàn)在周至縣，藍(lán)田縣的增溫率最高。

（3）GDP、常住人口、綠化面積均與西安市7月平均氣溫最高值最低值的差值有著顯著的相關(guān)性，表明它們與平均氣溫差值的變化發(fā)展有著密切關(guān)系。其中，綠化面積與溫差的相關(guān)性最高。

致謝：感謝崔晨風(fēng)老師和張楚天老師的指點(diǎn)、幫助。

參考文獻(xiàn)

[1]王圓圓，李貴才，郭徵，等.1979年—2014年三峽庫區(qū)月平均氣溫的時(shí)空變化分析[J].遙感學(xué)報(bào)，2018，22（03）：487-496.

[2]林學(xué)椿，于淑秋.北京地區(qū)氣溫的年代際變化和熱島效應(yīng)[J].地球物理學(xué)報(bào)，2005（01）：39-45.

[3]官雨潔，劉壽東，曹暢.不同城市化程度的城市氣溫變化研究——以福州和漳州為例[J].熱帶氣象學(xué)報(bào)，2018，34（04）：554-560.

[4]吳子璇，張強(qiáng)，宋長青，等.珠三角城市化對(duì)氣溫時(shí)空差異性影響[J].地理學(xué)報(bào)，2019，74（11）：2342-2357.

[5]季崇萍，劉偉東，軒春怡.北京城市化進(jìn)程對(duì)城市熱島的影響研究[J].地球物理學(xué)報(bào)，2006（01）：69-77.

[6]高文蘭，李雙雙，段克勤，等.基于均一化資料的西安極端氣溫變化特征研究[J].地理科學(xué)，2018，38（03）：464-473.

[7]李斌，解建倉，胡彥華，等.西安市近60年降水量和氣溫變化趨勢(shì)及突變分析[J].南水北調(diào)與水利科技，2016，14（02）：55-61.

[8]Peng Shouzhang，Ding Yongxia，Liu Wenzhao，et al.1 km monthly temperature and precipitation dataset for China from 1901 to 2017[J].Earth System Science Data，2019，11：1931-1946.

[9]Sheng Yue and Paul Pilon.Interaction between deterministic trend and autoregressive process[J].Water Resources Research，2003，39（4）.

[10]王紹武，羅勇，趙宗慈，等.全球變暖的停滯還能持續(xù)多久？[J].氣候變化研究進(jìn)展，2014，10（06）：465-468.

（責(zé)編：張宏民）