基于自动气象站的深圳近10年城市气候变化特征研究：2011—2020年

何钰清，李磊，2，3，张丽，杨红龙

(1. 中山大学大气科学学院，广东 珠海 519082；
2. 环珠江口气候环境与空气质量变化广东省野外科学观测研究站，广东 珠海 519082；
3. 热带大气海洋系统科学教育部重点实验室，广东 珠海 519082；
4. 深圳市国家气候观象台，广东 深圳 518040)

过去40 余年，中国经历了举世瞩目的快速城市化进程。快速城市化进程叠加于全球变暖的大背景，给我国城市地区的气候带来了显著的影响[1-2]。城市化改变了下垫面的物理属性以及可渗水土地面积[3]，使得地表能量收支及地表温度发生改变，从而对城市及其周围区域的气候、天气以及环境产生重要影响[4]。许多学者报道，在中国地区，近几十年来极端天气更易发生[5-6]，尤其是极端降水、极端高温和低温[7-9]。同时，下垫面的改变对局地风场也有重要影响[10-11]，并进一步影响了局地的环境气象条件。凡此种种，给城市如何适应气候变化和保障公共安全带来了巨大的挑战。

广东省深圳市作为我国的特大城市之一，在过去的几十年里飞速发展，成为我国社会经济发展和城市化进程的一个样板型城市。深圳市的气候在过去的几十年同样发生了巨大的变化，许多研究都表明城市化对深圳的气候环境产生了巨大的影响[12-15]。一些研究给出的数据表明，1984—2002 年深圳的气温增长速率较快，而从2002—2010 年则呈下降趋势[16-17]，气候变化幅度减小。事实上，由于城市生态红线的划定，深圳城市建成区组团分布的空间格局在2010 年之前已基本定型[18]，这与同期深圳气候变暖速率减缓似乎是一致的。然而，Li 等[19]指出，深圳所在的粤港澳大湾区的发展在近年来从未停滞，即使城市建成区的组团格局已大致确定，城市能耗的增加和建筑物数量的增加，同样会对局地气候产生影响，从而使得粤港澳大湾区成为研究城市化气候效应天然的实验床（Testbed），关于本区域城市气候的相关研究仍然有持续深入开展的空间。

特别是已有的城市气候研究主要依赖于各个城市国家基本站（简称基本站）的资料开展，通常以单点的资料统计结果来研究整个城市的气候变化[14]。而实际上，城市的建筑和植被分布并不均匀，下垫面不均一，对局地气候的影响较大，依赖单站资料研究得出的结论对整个城市的代表性在一定程度上受到了影响。依赖单站资料开展城市气候研究在过去是不得已而为之的结果，因为一旦涉及长时间序列问题（例如30 年以上），一个城市通常只有一个站有超过30 年的观测记录。然而，深圳作为我国经济最发达的城市，在过去20年内陆续投资建设了大量区域自动气象站，其中相当一部分站点已经积累了10 年以上的资料，这些资料为开展精细化的城市气候研究提供了可能[20-21]。特别是在一些比较关注气候要素空间分布的城市气候研究中，自动气象站资料已经发挥了重要作用[22-23]。

在这种背景下，采用深圳2011—2020 年的自动气象站资料以及同期深圳国家基本站资料进行对比研究，期望通过研究回答以下问题：近10年深圳的变暖趋势是否已如之前研究所报道的那样有所停滞？这10 年中的城市气候变化有什么特点？利用自动气象站数据研究得到的城市气候变化特点与利用基本站单站数据得到的结果有何不同？而回答这些问题，将进一步提升对于深圳这一超大城市气候特点的科学认识，并为深圳的适应气候变化工作和精细化管理提供科学依据。

截止到2020 年底，深圳市已建有超过200 个自动气象站，根据数据的完整程度以及站点的地理位置，本文在深圳的宝安区、南山区、大鹏区、盐田区、罗湖区、福田区、坪山区、龙岗区、光明区、龙华区分别挑选了3 个数据积累10 年以上的站点代表各个区(图1、表1)，本文所用的平均温度、平均相对湿度以及2 分钟平均风速资料为2011—2020年的逐小时数据，日最高温度、日最低温度、降雨量为2011—2020 年的逐日数据。其中，光明区的塘家站以及坪山区的沙湖站相对湿度数据全部缺测，因此不计入统计。滑动降水量数据同样来自深圳的自动气象站，本文以深圳各个区为划分，分别统计了2011—2020 年每年前30 个极值，滑动取样时间分别为30 min、1 h、2 h、3 h、6 h、12 h、24 h、48 h、72 h。深圳市国家基本气象站为竹子林站，已包含在选取的30个站点中，气象数据为月平均温度、日最高温度、日最低温度、月平均风速、月平均相对湿度以及月降雨量，月尺度数据来自深圳市国家气候观象台在2011—2019年期间发布的逐月气象监测公报。利用最小二乘法对上述数据的年平均值、年总量进行一元线性拟合得到年增长率，并进行显著性检验。最后采用反距离权重插值法对上述月平均数据、月总量、年平均数据、年总量、年增长率进行空间插值。

表1 深圳各区观测站

图1 深圳自动气象站(菱形)、国家基本站(圆形)位置分布

3.1 温 度

利用深圳30个自动气象站以及基本站的逐小时气温数据、日最高温度、日最低温度数据以及大湾区范围的逐小时气温数据(ERA5 再分析数据)计算得到2011—2020 年的年平均气温时间序列(图2)。利用最小二乘法进行一元线性拟合得到温度的变化趋势(图2 中虚线)，变化趋势的显著性均通过α=0.05 的显著性检验。由图2 可获得以下信息：(1) 基本站与自动站记录数据所反映的气候变化总体趋势接近，但变化的斜率有所不同；
(2)基本站与自动站记录的年平均气温数据均呈现显著上升趋势，这表明深圳市的气候变暖趋势在近10年内并未停滞；
(3) 深圳的基本站与自动站记录的气温数据均比大湾区整体气温高大约1 ℃，表明深圳基本站总体上代表城市建成区的情况，热岛效应明显；
(4) 基本站反映的升温速率与大湾区平均升温速率保持一致，这表明深圳基本站所处位置的城市建成区格局已相当稳定，故基本站记录到的10 年升温基本上均由区域总体升温造成，城市化的影响在基本站升温过程中几乎没有贡献；
(5) 自动站数据反映的年平均气温增长率约为0.15 ℃/a，比基本站和区域的升温率约高36%。这表明，从深圳面上的情况看，过去10年城市化对深圳整体升温的贡献率大约为36%；
(6) 由于地处城市中心区，基本站日最高温度的年平均数据比自动站高，且其升温幅度也更高，达到了0.18 ℃/a；
(7) 基本站日最低温度的年平均数据比自动站仍略高，但其升温幅度却小于自动站，为0.14 ℃/a；
(8) 基本站年平均气温日较差(Diurnal Temperature Range, DTR)比自动站高，平均每年增加0.04 ℃，且DTR变化趋势与自动站相反。

图2 2011—2020年深圳气温相关要素的变化情况 a. 自动站、基本站观测的年平均气温、ERA5再分析数据反映的大湾区年平均气温及它们的一元线性拟合趋势；
b. 2011—2020年深圳自动站和基本站年平均日最高气温；
c. 年平均日最低气温；
d. 年平均DTR及其一元线性拟合趋势。

进一步分析发现，自动气象站的最低气温升温速率要高于最高气温的升温速率，从而导致年平均DTR 呈下降趋势，平均每年减小0.01 ℃，这与前人的研究结论相同[24]。而用基本站单站得到的结论却正好相反，这表明在深圳用基本站单站观测数据分析出来的近10 年气候变化，可能会出现与一些已有研究相矛盾的结论。尽管很难判断基本站单站反映的气候趋势是否准确，但本文的分析至少已表明，用它来代表全市域的情况是有可能会出现矛盾的，而用自动站网监测数据的平均值来反映气候趋势，则与本区域已有的大量研究结论更为一致。当然，自动站与基本站所反映的趋势的差异，还需要在未来更长时间序列资料基础上进一步跟踪观察。

利用自动站网观测数据，统计得到2011—2020 年的每月平均气温、日最高气温、日最低气温，深圳市的最高月平均气温出现在7 月，最低月平均气温则为1 月，平均日最高气温在6、7、8、9 月突破30 ℃，平均日最低气温为12.87 ℃，出现在1月份。对30 个站点统计得到的2011—2020 年月平均气温以及年平均气温进行反距离权重空间插值(图3)。温度分布受下垫面用地类型及海拔高度差异的影响较大，总体上平均气温呈西高东低态势，这是因为城市建成区主要集中在西部，而东部的盐田和大鹏区均有大面积的山林最热的7 月份城市热岛效应显著，有1 ℃以上的区域温度差异，特别在宝安区北部、龙岗区北部、坪山区北部以及光明区属内陆，海拔较低，海风被山体阻挡难以深入，因而温度较高。受大的环流背景影响，深圳市1月受干冷空气影响较大，气温最低且分布较为均匀，气温差异在1 ℃以内。

图3 深圳年平均气温(a)、7月平均气温(b)、1月平均气温(c)、年平均DTR(d)空间分布

图4为深圳市的年平均气温、年平均日最高气温、年平均日最低气温、年平均DTR增长率空间分布。赖鑫等[14]根据天空开阔度、人口以及经济将深圳划分为发达地区(福田、罗湖、南山)、新兴发展地区(龙华、光明、坪山)、和未发展地区(大鹏)，而宝安区西部、龙岗北部以及盐田中东部为未发展区域，其余为新兴发展地区。从图4 中可看出，平均温度增长率为0.11～0.24 ℃/a，发达地区以及新型发展地区普遍增温较大，而升温最快的区域为光明区。日最高气温以及日最低气温的增长率区间分别为0.06～0.25 ℃/a、0.11～0.26 ℃/a，与此同时，大多数地区DTR 也呈下降趋势。福田区DTR呈上升趋势主要是由于最高气温升高幅度较大造成的，作为城市中心区，福田区CBD 高楼日益增多，消耗了更多的能源，特别是午间高温时段，用于制冷的能耗在过去10 年中快速增长，进一步推升了室外的最高气温。而在深圳未开发区整体增温较少的情况下，大鹏区东部最高温和DTR 都有较大幅度的增加，这可能是测站周围景区开发导致能耗增加造成。

图4 深圳年平均温度(a)、年平均日最高温度(b)、年平均日最低温度(c)、年平均DTR(d)增长率空间分布

3.2 风 速

受城市化进程的影响，整个大湾区的近地面风速均呈下降趋势[25]，对热量、污染物的扩散不利。对比2011—2020 年的年平均风速(图5)可以发现，自动站与基本站观测到的年均风速均呈下降趋势，但总体上自动站下降速率稍缓，约每年减小0.03 m/s。而基本站的下降趋势约为每年0.05 m/s，这与深圳基本站周围近年来的城市建设开发不无关系[17]。尽管已经采取了比较严厉的管控措施，但近10年深圳基本站周边3 km 范围内的高楼数量仍有增加，从而增加了基本站所在区域的粗糙度，导致了近地面风速下降较快。

图5 深圳2011—2020年自动气象站与国家基本站年平均风速及其一元线性拟合趋势(黑色虚线)

采用上节的数据处理方法得到深圳市年平均风速空间分布图(图6a)，以及年平均风速增长率空间分布图(图6b)。年平均风速有显著的区域性特征，最大值与最小值相差2.2 m/s，未发展的生态区风速较大，例如大鹏区通常月平均风速都大于2 m/s，这是因为这些地区建筑稀疏，地面粗糙度相对小，且地形以山地为主，海拔较高，因而风速较大。西北内陆的新兴发展地区风速较小，均小于2 m/s，这些地区离海洋稍远，海风深入内陆会因沿海城市建成区的阻尼作用而损失动能。统计月尺度自动站风速数据可得，月平均风速没有显著的季节性变化，12月平均风速最大为2.11 m/s，1—11 月均小于2 m/s，8 月风速最低。图6b 表明，深圳市年平均风速在过去10 年基本呈下降趋势，总体而言，发达地区风速下降速度比新兴发展地区更快。但风速下降速率最快的地区却出现在了大鹏区的桔钓沙站，该站年均风速在10 年中下降了约2.6 m/s。究其原因，是因为该站周边在过去10年中提升了开发强度，并建设了多个游艇码头，测站周围下垫面粗糙度迅速增大从而使得风速大幅下降。全市仅有光明区的塘家站、南山区的西丽站、盐田区的三洲田站的年平均风速整体趋势为增加，但增幅极小，不具有市域面上的代表性。

图6 深圳年平均风速空间分布(a)以及年平均风速年增长率空间分布(b)

3.3 平均相对湿度

图7 给出了基本站和自动站观测到的过去10年相对湿度年均值的变化情况，二者之间的差异要大于年均气温，基本站记录到的湿度起伏要大于自动站记录到的平均值。拟合得到的二者的线性变化趋势均呈为正，表明过去10 年深圳的相对湿度总体上是呈缓慢增加的态势，且无论是基本站观测数据还是自动气象站观测数据，结论是一致的。然而，无论是经典教科书，亦或是已有的关于珠三角地区城市气候的研究，均指出由于城市化导致下垫面硬化面积增加，土壤的涵水能力下降，从而导致湿度呈下降趋势[14]。但在近期Li等[19]一项综述性研究中，对粤港澳大湾区的11 个城市的1971—2019 年的平均相对湿度进行了统计，发现在1971—2011 年期间粤港澳大湾区的相对湿度确实呈显著下降趋势，而自2012年开始，整个湾区的相对湿度却呈显著上升趋势。Li 等[19]猜测这种上升趋势可能与部分站点迁站有关，然而本文的研究却表明，这种上升趋势并不一定是由迁站造成，因为本文所用的资料来源站点在过去10 年中未迁址。邓玉娇等[26]指出近年来广东省的归一化植被指数（NDVI）却总体呈上升趋势，全省NDVI 正增长区面积占比达94.50%。这表明，尽管城市化进程十分迅速，但生态环境质量仍然得到了较大范围和较大程度的改善，即使是在城市建成区，公共绿地和城市森林仍然保持了一定的面积，甚至还有所扩张，从而增加了城市的涵水能力。特别是深圳近年来开展了大规模的海绵城市建设，更是显著增加了城市地表的透水能力和整个地面的涵水能力，而相对湿度在近10 年的逐渐上升，不过是城市生态环境改善和海绵城市建设在气候要素上的一个具体体现。

图7 深圳2011—2020年自动气象站与国家基本站年平均相对湿度及其一元线性拟合趋势(黑色虚线)

自动站年平均相对湿度空间插值的结果如图8 所示，深圳的年平均相对湿度变化区间约为67%～83%，有明显的区域性特征，总体呈东高西低的格局，未发展地区植被覆盖率高，因而相对湿度较高。对月平均相对湿度进行统计，发现有较明显的季节性变化特征，雨季(4—9 月)的相对湿度较大，5 月份月平均相对湿度最高，部分地区最高达到85%以上，而12 月为相对湿度最低的时期，受干冷空气的影响，深圳大部分区域的月平均相对湿度在60%～65%。对相对湿度的年均增长率进行差值得到图8，可发现深圳市大部分区域相对湿度都呈增加趋势，且最高每年增长约1.33%，只有龙岗区南湾站观测到的相对湿度呈下降趋势，并不具备区域面上的代表性。

图8 深圳年平均相对湿度空间分布(a)、5月平均相对湿度空间分布(b)、12月平均相对湿度空间分布(c)以及年平均相对湿度年增长率空间分布(d)

3.4 降水量

深圳市2011—2020年自动站与基本站的年总降水量数据如图9 所示，二者差异并不大，且波动均较为剧烈。拟合得到的年总雨量的线性趋势均呈上升趋势，但增长率有所不同，自动站的年总降水量每年增长11.27 mm，而基本站的增长率是自动站的3倍，然而考虑到受环流形势的影响年总雨量的年际振荡较为剧烈，仅靠10 年的数据还难以确认上升趋势确实存在。深圳年总降水量的空间分布情况受下垫面的影响较大(图10a)，迎风坡地形导致深圳市有两个降水中心(均为未发展地区)，一个是深圳中部盐田区及周边地区，另一个是大鹏区东部，最大年降雨量达到2 207.05 mm，与深圳西南部最小年降雨量的差值约为780 mm。同样地，计算得到年总降水量增长率分布图(图10b)，发现深圳大多数地区的年总降水量在大部分地区均呈上升趋势，且东部山区的增长率高于西部城区，仅在珠江口的宝安地区增长率为负。同样地，这种变化趋势还有待更长时间序列的资料予以确认。

图9 深圳2011—2020年自动气象站与国家基本站年总降水量及其一元线性拟合趋势(黑色虚线)

图10 深圳年总降水量空间分布(a)以及年总降水量增长率空间分布(b)

为得到极端降水的变化情况，分区统计了每年不同历时滑动雨量的前30 个最大记录值，计算其年平均值后再进行一元线性拟合得到不同滑动时间的极端降水量的年平均变化趋势，如图12 所示。可以看到，除光明区外，深圳发达地区以及新兴发展地区的短历时(30 min～6 h)滑动雨量的极端值实际上呈下降趋势，而长历时的极端降雨量(12～72 h)呈增加趋势，说明足以诱发城市地质灾害的长历时暴雨风险有一定程度增加。未发展地区在不同历时的极端降水量都呈上升趋势，说明这些地区的地质灾害风险比城区更高，更需要加强防范。

图11 深圳各区不同历时极端降水量的线性增长率

利用深圳市30个自动气象站记录到的气象数据的平均值与深圳市国家基本站的进行对比，结果表明，二者所描述的气候变化均呈气温变暖、风速减小和湿度增加的趋势。但二者得到的波动趋势并不完全一致，年平均增长率也有所不同。

自动气象站观测数据的均值年际变化趋势表明，深圳市2011—2020 年的平均气温增长率约1.47 ℃/(10 a)，比上一个10年显著增加，气候变暖并未停滞，且过去10 年城市化对深圳总体升温的贡献率大约在36%左右。在深圳西北地区，日最高气温年平均值已突破了30 ℃，城市总体上变得更为炎热。同时，受城市化的影响，深圳市DTR在较大范围内呈减小趋势，但在少数地区却反常地呈现了上升趋势，这可能与这些地区最高温的过快升高有关。受城市粗糙度增加的影响，深圳的地面风速总体呈下降趋势，其中发达地区风速下降更快，平均每年最高下降0.1 m/s 以上。与以往的研究不同，2011—2020 年深圳市的平均相对湿度呈上升趋势，大约每年增加0.57%，最高每年增长1.33%，一个重要的原因可能是生态环境的改善增加了城市的涵水能力。2011—2020年深圳年总降水量呈波动上升趋势，平均每年增加11.27 mm。统计深圳各区不同时次的极端降雨量数据可以发现，未发展地区的极端降雨量增速较大，年总降水量的增长率也较高，增长率最高为42.41 mm/a，而其他地区的6 h 以内的滑动降水量极大值均呈下降趋势。

此外，本文的研究表明，随着自动气象站积累数据的增加，利用多个自动气象站长时间序列数据，可以对深圳局地气候变化特征进行更加精细化的分析。这对国家基本站而言是一种有益的补充，有助于更加深刻地发掘城市化与气候变化的关系。特别是，利用自动站网观测数据对气候趋势进行分析，对于城市整个市域的代表性更有保障，从而可以避免单站观测数据的代表性问题。

猜你喜欢气象站深圳市风速珠峰上架起世界最高气象站环球时报(2022-05-05)2022-05-05深圳市鑫钻农牧科技有限公司猪业科学(2022年4期)2022-04-29深圳市朗仁科技有限公司汽车维修与保养(2021年12期)2021-03-08深圳市元征科技股份有限公司汽车维修与保养(2020年10期)2021-01-22基于最优TS评分和频率匹配的江苏近海风速订正海洋通报(2020年5期)2021-01-14深圳市元征科技股份有限公司汽车维修与保养(2020年4期)2020-07-18基于时间相关性的风速威布尔分布优化方法中国电业与能源(2020年5期)2020-06-16心灵气象站趣味(语文)(2019年3期)2019-06-12DZZ3型自动气象站一次地温数据异常的处理过程成都信息工程大学学报(2018年2期)2018-06-27基于GARCH的短时风速预测方法西南交通大学学报(2016年4期)2016-06-15