毛成忠，张 明，刘云鹏，张丽文，肖 刚

（1.宜昌市气象局，湖北 宜昌 443000；2.夷陵区气象局，湖北 夷陵 443100；3.武汉区域气候中心，湖北 武汉 430074）

1833年，英国气候学家Lake Howard[1]在对伦敦城区和郊区的气温进行同时间对比观测后，发现城市温度比郊区高。1958年，Manley[2]首次提出城市热岛（Urban Heat Island，UHI）的概念。此后，城市热岛引起的城市生态环境问题引起广泛关注，国内外学者相继用不同方法研究了一些大中城市发展过程中的热岛效应。1982年，周淑贞等[3]利用4个气象站和数十个流动观测点资料分析了上海城市热岛效应。1986年，Yamasitr S等[4]利用1个气象站和流动观测1 a的数据分析了东京城市热岛。1997年，陈沈斌等[5]利用1个城市站和6个郊区站分析了北京城市热岛。2001年，Morris等[6]利用4个气象站20 a的资料分析了墨尔本城市热岛。2009年，Giridharan R等[7]用77个站1 a的资料分析伦敦的城市热岛。2012年，Tanzina M等[8]用3个郊区站、2个城市站30 a资料分析多伦多城市热岛等。随着科学技术的发展，卫星遥感和数值模拟技术在城市热岛研究方面得到广泛应用，近10 a来，我国学者先后分析了上海[9]、北京[10-11]、南京[12]、西安[13]、珠三角地区[14]和长三角地区[15]等大城市和经济发达地区的城市（群）热岛。随着中国城市化快速发展，宜昌逐渐成为长江经济带上武汉与重庆之间的新兴大城市，城市规模和经济总量已经跃升为湖北省第二位，又处在长江三峡库区局地气候变化敏感区，其城市热岛效应和时空演变趋势成为政府和公众关注的热点。

1 研究区域、资料和方法

1.1 研究区域

宜昌位于湖北省西南部、长江上中游结合部和长江三峡库区东端，鄂西武陵山脉和秦巴山脉向江汉平原的过渡地带。本文研究区域为宜昌市主城区（西陵区、伍家岗区、点军区、猇亭区和夷陵区城区）及周边郊区，地理坐标为111°00′～111°35′E，30°23′～31°05′N。

1.2 研究资料

利用研究区域内2009—2018年共10 a的自动气象站逐小时气温资料，包括国家级AWS和区域加密AWS，改进以往研究中气象站偏少或资料系列偏短的不足。资料质控以中国气象局气象资料业务系统质控数据为准，MDOS未质控的部分区域加密AWS资料，按照气象行业标准《地面气象观测资料质量控制》QX/T 118-2010[16]等规范进行质量控制。宜昌市有关社会经济数据来源于湖北省统计局网站（http：//tjj.hubei.gov.cn/tjsj）的宜昌市国民经济和社会发展年度统计公报及统计年鉴。

1.3 研究方法

1.3.1方法比较

城市热岛的研究方法主要有遥感反演、数值模拟和气象站资料方法等。基于卫星遥感反演地表温度的地表城市热岛（Surface Urban Heat Island，SUHI）方法，具有覆盖范围广、时间同步性好、图像直观等特点，近年来在城市热岛研究中应用较多[9-10，12-14]。但尽管地表温度和气温关系密切，在城市环境背景下依然无法直接转换[14，17]，不能直接得出城乡之间的温度差即热岛强度，在公众服务和决策服务中不够直观，高时间分辨率和高空间分辨率两者难于兼顾，较难准确地反映一个城市在连续时间段的空间变化。

数值模拟方法在城市热岛的研究中日趋成熟，经历了一维、二维到三维的发展，不仅模拟了人为热[11]、下垫面或复杂地形[18-19]等对城市热岛的影响，还模拟了湖陆风环流[20]、大型绿楔[21]等对城市热岛的减缓作用，从理论上揭示地表能量交换和机理，在研究城市热岛成因和对策方面具有优势。但由于影响城市热岛的因素众多、各城市环境差异大，因此数值模式的通用性受到影响，且试验模拟方案复杂、并需要大量的实测气象数据支持。

气象站资料法是热岛现象发现后一个多世纪以来的传统研究方法，利用气象站观测的城乡温度差，可以直观、量化地得出热岛强度，易为大众所接受，不仅数据精度高，而且时间连续性好。但这种方法由于受到气象站数量、站点空间密度和资料序列长度的限制，在近年热岛研究中相对受到冷落。用气温资料分析的城市热岛有时也称为大气城市热岛（AUHI），以区别来源于遥感数据的地表城市热岛（SUHI），这两者之间是否存在替代或耦合关系，也是当前城市热岛研究中的热点问题之一。

传统的气象站资料方法还存在一个难点，就是如何客观地划分城市气象站与郊区气象站。尤其在中国城市化进程加快的当今，城市体量迅猛膨胀，城郊缓冲区变宽，城郊界限不断外延，原来的城郊缓冲区站点、郊区站点不断向城市区递进，城市区站点也因城市建设发展，其建筑物类别（下垫面类型或局地气候类型）变化复杂。因此，有学者提出一种基于下垫面类型（或称局地气候类型）的分类方法（Local Climate Zones，LCZ）[22]，郊区温度以低矮植被类下垫面的平均温度来代表，城区温度则通常以占建成区面积比例最大的建筑类别来代表，以此计算城市热岛强度UHIILCZ，但这种方法比较繁琐，下垫面分类常达十几种到数十种之多，还需要卫星遥感影像辅助判别下垫面类型。

1.3.2改进的气象站资料法

本文利用研究区域内77个AWS（表1），借鉴局地气候类型（LCZ）方法，结合宜昌城市建成现状（图1a），以站点下垫面类型（局地气候类型）为主要依据初步筛选出23个站点。再对初选的23站采用K均值聚类算法[23]进行分类，分析结果为0类13站、1类7站和2类3站。0类站年平均气温接近18 ℃，均分布在市区，1类和2类站年平均气温在16 ℃左右，且分布在郊区，故将0类13个站作为城区代表站，1类7个站和2类3个站作为郊区代表站，结果如表1和图1b。

表1 宜昌城区、郊区AWS代表站筛选

热岛强度的定义为城市与郊区的温度差，计算公式为：

式（1）中，Ht为热岛强度，Tc为城区AWS气温，TJ为郊区AWS气温。

2 结果与分析

2.1 年际变化

图1 宜昌市建成区（a）、城区和郊区AWS站点（b）分布

2.1.1近10 a宜昌城、郊平均气温变化

宜昌市城区、郊区近10 a平均气温变化如图2。城区与郊区近10 a的气温变化趋势一致，均呈上升趋势，其中，城区气温变化倾向率为0.986 ℃/10 a，通过0.05的显著性检验，郊区气温变化倾向率为1.159 ℃/10 a，通过0.01的显著性检验，均明显高于1951—2018年亚洲年平均气温0.23 ℃/10 a的平均增速[24]和乌鲁木齐1976—2014年0.49 ℃/10 a的平均增速[25]，这与全球变暖总趋势以及过去5 a（2014—2018年）是有完整气象观测记录以来最暖的5个年份[24]等结论是吻合的。从图2还可以看出城区气温恒高于郊区气温，说明宜昌城市热岛效应明显。

图2 近10 a宜昌市城区、郊区平均气温演变

2.1.2近10 a宜昌城市热岛强度变化

图3是近10 a宜昌年平均热岛强度和6—8月平均热岛强度的年际演变情况。年平均热岛强度在2009、2010年较强，达到1.5、1.6 ℃，之后在1.2～1.4 ℃波动。近10 a平均热岛强度为1.4 ℃，高于北京2008—2012年1.12 ℃的平均强度[26]。但近10 a宜昌平均热岛强度的增速为-0.172 ℃/10 a，但未通过0.05的显著性检验，低于北京2008—2012年0.33 ℃/10 a的增速[26]，这与宜昌近年来推进城郊“新区”建设、减缓主城区环境压力有关。热岛效应不仅与下垫面的改变相关，也受到社会经济发展和人类活动的影响。虽然由于气候变暖，城、郊年平均气温呈显著的增长趋势（图2），但宜昌近10 a年平均热岛强度却呈现出减少趋势（图3）。从表2分析可见，宜昌社会消费品零售总额的增减和GDP总量的增减与城、郊气温的增减均呈显著的负相关，而与平均热岛强度呈正相关。由此可见，与零售总额直接相关的城市工商业、人流和车流等人类活动以及经济发展增速（GDP增速）是影响城市热岛的重要影响因子。

图3 宜昌近10 a平均热岛强度、6—8月平均热岛强度年际变化

夏季（6—8月）热岛强度与年平均热岛强度的年际变化趋势、峰谷点出现年份略有不同。6—8月热岛强度总体呈现略微增强趋势，倾向变化率为0.017 ℃/10 a，但未通过0.05的显著性检验，2013、2014年较强，分别达到1.9、1.8 ℃，2011年最弱为1.2 ℃，其他年份为1.3～1.5 ℃。从表2可以看出，6—8月热岛强度与社会经济指标相关性不强，也可能与资料系列年限较短有关。

表2 宜昌市热岛效应与部分社会经济指标相关性分析

2.2 季节变化

宜昌以3—5月为春季、6—8月为夏季，9—11月为秋季，12月—次年2月为冬季（下同）。从图4可以看出宜昌热岛强度的季节变化特点是，夏季和秋季较强（1.5 ℃），冬季和春季较弱（1.2 ℃）。瓦力江等[27]用28个自动气象站2 a的气温资料分析乌鲁木齐城市热岛强度，认为秋季夜晚最强，与本研究结论基本一致，但其同时指出乌鲁木齐冬季白天和晚上都比较强，与宜昌冬季热岛强度较弱的结论相反，这可能与乌鲁木齐城市冬季集中供暖、而宜昌城市冬季没有集中供暖有关。在冬季供暖的北京地区热岛效应也是冬季和夜间较强[23]，与乌鲁木齐类似，表明冬季城市供暖会增强城市热岛。结合图5可以看出，宜昌4个季节内各时节热岛强度变化的特点是：初春、仲春时节与冬末热岛强度相同，仍为1.2 ℃，直到暮春时节才上升到1.4 ℃。初夏、盛夏时节热岛强度与暮春时节同为1.4 ℃，夏末升至一年的峰值1.6 ℃。初秋、仲秋时节也同为1.6 ℃，而暮秋和初冬、隆冬时节则是逐月连续下降到一年的谷底。冬末则开始进入一年的上升阶段。季节变化上总体表现出热岛强度变化滞后于气温变化约2个月。

图4 宜昌近10 a热岛效应的季节变化

图5 近10 a宜昌热岛强度及城区、郊区气温年变化

2.3 年变化

2.3.1热岛效应年变化

从图5可以看出，宜昌气温7月最高，城区、郊分别为28.7、27.3 ℃；1月气温最低，城区、郊区分别为5.7、4.6 ℃；全年城区、郊区气温变化形态近似以7月为对称轴的正态分布，符合当地气候的气温年变化规律。热岛强度年变化1月最弱，仅为1.1 ℃；2月回升到1.2 ℃，维持到3—4月；5月跃升为1.4℃，维持到6—7月；8月再次跃升到1.6 ℃，维持到9—10月；11、12月和次年1月则连续下降至1.4、1.3和1.1 ℃。可见，2—10月为一年中热岛增强阶段，11月—次年1月为热岛减弱阶段。增强阶段呈现出“走走停停”的“台阶”现象，即以3个月为周期的“平台期”（2—4月，5—7月，8—10月）；但在热岛减弱阶段（11月—次年1月）则是持续下降，没有“台阶”现象。一年中热岛强度最强时段为8—10月（均为1.6 ℃），若取平均值为9月，则比一年中气温峰值时间7月滞后2个月，使全年热岛强度趋势线呈明显的负偏态曲线分布。总体来看，热岛强度变化在时间上滞后于气温变化，这是因为城市复杂的三维立体几何下垫面有较大的热容量、较小的反照率、较小的风速，以及建筑物之间热辐射的多次相互反射吸收等因素，更能有效地吸收、储存太阳辐射的热量。而吸收或释放热能需要一定时间才能达到热平衡，即热滞效应导致城市升温滞后于郊区。但降温阶段的滞后性在月际尺度的分析中不明显，即气温和热岛强度同时在1月降为谷点，或者是降温阶段的滞后性需要更高时间分辨率（候或日）来揭示。

2.3.2夏季的热岛效应

根据国家生态园林城市建设考核指标的要求，分析6—8月（夏季）平均气温和热岛强度的变化得出，近10 a夏季城区、郊区平均气温均在7月达到最高，热岛强度在8月达到最强。图6则直观地显示出夏季极端温度与热岛强度的“反相位”特征，即在最高气温和极端最高气温情况下，热岛强度很弱，仅为0.6～0.9 ℃；最低气温和极端最低气温时，热岛强度较强，达到1.7～1.9 ℃。这种“反相位”现象的原因仍可能是城市和郊区下垫面热属性的差异所造成的热滞效应，即在城市气温高于乡村气温的总体格局下，气温升高时城市升温慢、乡村升温快，使城乡温差相对变小；在气温降低时城市降温慢、乡村降温快，使城乡温差相对变大。

图6 近10 a夏季宜昌城区、郊区极端气温情形下的热岛强度

2.4 日变化

分析2009—2018年0—24时（北京时，下同）逐小时城区、郊区平均气温和城市热岛强度得出图7。城区、郊区气温日变化趋势一致，均为14—15时最高，06—07时最低。热岛强度的日变化为：夜间强且变化小，上午开始减弱，中午最弱，午后至夜间逐渐加强并稳定，日最高温度时热岛弱，日最低温度时热岛强。在日变化中，气温高低与热岛强弱也是“反相位”的，这与上一节夏季气温低时热岛强、气温高时热岛弱的特征类似，也与周淑贞等[3]分析上海18时—次日04时热岛强度最强，瓦力江等[27]分析乌鲁木齐城市热岛强度在夜晚较大、白天较小，以及Magee等[28]分析阿拉斯加费尔班克斯的城市热岛效应、尚建设等[29]分析济南市夏季城市热岛夜高昼低的日变化结论一致。但研究没有明确给出这种昼高夜低现象的成因，也有学者提及白天水泥路面和建筑物贮存热量比绿地、水体贮存热量要多10%～15%，这些热量会在夜间释放，增强城市热岛[30]。本文图7显示出小时尺度分辨率下，热岛强度滞后于平均气温、热岛强弱与气温高低“反相位”的特点，直观地表达了“热滞效应”可能是热岛强度夜高昼低的主要原因。还值得注意的是，从热红外遥感反演的SUHI日变化常常与此相反，表现为白天比夜晚强，有学者认为是气温计和热红外遥感不同的工作机理所致[31]，需要更深入研究。

图7 近10 a宜昌平均气温和平均热岛强度的日变化

2.5 空间分布

2.5.1年平均热岛效应空间分布

图8a是近10 a宜昌平均气温空间分布，高温区域近似南北向的“S”型带状分布，与夷陵区、西陵区、伍家岗区、猇亭区城市核心区轮廓完全对应，非常清楚地显示出城区气温明显高于四周郊区。其中夷陵区、西陵区、伍家岗区是宜昌城市核心区，建筑物、人口、商业区稠密，猇亭区是宜昌的工业集中区。江南的点军区温度明显低于上述4个行政区，因其是最近几年才逐步开始发展的新区，人口密度、工商业密度等均远不及前述的4个行政区。

热岛强度的空间分布如图8b，与平均气温的分布类似，即热岛强度高值区也呈现沿城市中心轴线的“S”型分布，热岛强度中心有向点军区延伸凸出的趋势，与土地利用/覆盖类型的变化相一致。南部猇亭区热岛中心有向宜都市贯通的趋势，这是因为猇亭区与宜都市隔长江相望，两地工业尤其是化工发达，宜都市是湖北经济前三强的县级市，经济发展尤其是工业发展可能是城市热岛的重要驱动因子。

2.5.2夏季热岛效应空间分布

宜昌城区、郊区夏季多年平均气温分布与年平均气温分布基本一致，但夏季同等级的高温区域面积更大，高温范围向东北扩展（图8c），这与近几年向东北的土门、龙泉一带建设发展相吻合。而且在夷陵区、西陵区、猇亭区中央区域有较强的大小不等的高温斑块出现。江南的点军区夏季温度明显相对较低。6—8月热岛强度与平均气温的空间分布（图8d）类似。≥0.5 ℃的热岛面积，夏季要比年平均大1/3以上，并且夏季1.5～2.0 ℃的较强热岛斑块在夷陵区和西陵区已经连成一片。进一步证实夏季是宜昌城市热岛较强的季节之一的结论。

2.5.3近5 a热岛强度的时空演变

图8 近10 a平均气温（a）、平均热岛强度（b），6—8月平均气温（c）、平均热岛强度（d），2013年热岛强度（e）及2018年热岛强度（f）（单位：℃）

图8e、8f分别是2013、2018年宜昌城市热岛的空间分布状况。近5 a热岛强度面积虽无明显变化，但2018年老城区的中央区域出现了高于1.5 ℃的增强热岛斑块，而5 a前热岛强度均低于1.5 ℃。从下垫面的变化看，近5 a这些老城区的土地利用/覆盖类型变化并不大，市区人口也仅增长0.9%（表3），即城市规模基本稳定。但近5 a其它社会经济数据（表3）显示，接待旅游人数增长133.1%，民用汽车拥有量增长97.7%，能源消耗方面天然气和供水总量分别增长40%左右，城市中央区域AWS代表站（伍家岗站）的热岛强度增强了29.6%。这些现象说明，即使城市规模基本稳定，但人类活动加剧、能源消耗增加，使人为热源排放增加，仍导致城市热岛增强，这是今后城市生态环境值得关注的问题。在增强的热岛斑块中，也有个别站点并不在老城区的中央区域，如葛洲坝位于宜昌城区的西缘，直接受人类活动影响的程度不如城市中央区域，但热岛强度仍然增强的可能原因是宜昌盛行的东南风将城区热空气输送于此（即热岛的“下游效应”），热空气被西部山地阻挡堆积使热岛加强。再如夜明珠站点临近葛洲坝，也有类似的热岛“下游效应”，同时夜明珠处于宜昌城区西出主要通道和三峡高速公路附近，车流量很大可能是其热岛增强的原因之一。其次，葛洲坝、夜明珠都临近长江葛洲坝电站，近5 a电力生产增加或葛洲坝库区水体效应是否导致附近气温升高，则有待进一步验证。

表3 宜昌市2013年、2018年部分社会经济数据与热岛强度对比

3 结论与讨论

（1）2009—2018年宜昌城市热岛平均强度为1.4 ℃，高于北京2008—2012年的平均强度1.12 ℃，但呈现出逐年缓慢减弱的趋势，倾向变化率为-0.172 ℃/10 a。近10 a夏季（6—8月）平均热岛强度为1.5 ℃，倾向变化率为0.017 ℃/10 a，但倾向变化趋势均未通过0.05的显著性检验。近10 a宜昌社会消费品零售总额增速、GDP增速与平均热岛强度正相关，这表明社会经济发展是城市热岛的重要影响因子。

（2）宜昌城市热岛强度日变化是，早晨到中午迅速减弱，午后至傍晚逐渐加强，夜间是一天中最大值且保持稳定，与气温资料分析的其他城市热岛日变化规律基本一致。

（3）热岛强度年变化是，1月最弱为1.1 ℃，2—4月略升到1.2 ℃的“台阶”，5—7月上升到1.4 ℃的“台阶”，8—10月再上升到1.6 ℃的“台阶”，11、12月、次年1月分别下降到1.4、1.3和1.1 ℃。热岛强度的变化总体滞后于气温的变化约2个月。热岛季节变化以夏季和秋季较强（1.5 ℃），冬季和春季较弱（1.2 ℃），这与冬季供暖的北方城市以冬季热岛强度最强不同，可能是冬季城市供暖使城市气温升高的缘故。

（4）热岛强度的日、季节和年变化在时间上总体滞后于气温的变化。日、月最高气温时热岛弱，最低气温时热岛强。这些现象可能是城市下垫面热容量较大的“热滞效应”所致。

（5）城市热岛高值区与城市核心区空间分布一致，即热岛高值区与人口密集区、商业密集区和工业集中区等高度一致。热岛强度高值区的凸伸方向和趋势，与城市建设发展的方向高度一致。近5 a宜昌城市热岛面积无明显变化，但城市中央核心区热岛强度的等级增强。说明城市中心区人流、车流等人类活动的加剧、能耗的增加，使人为热排放增加，导致城市中心区热岛增强。

本文采用改进的气象站资料法对宜昌城市热岛进行分析，气象站数量、资料系列长度得到了一定程度兼顾，时间演变分析从小时级到年代级，评估结论更加客观，且量化的热岛强度较直观，易为大众和决策服务所接受。但时空分布的精细化上仍需要更高时空密度的资料来支撑，热岛效应成因和机理也有待更深入分析。我国大部分地区、特别是城市地区的气象站网密度，已经达到10 km以上，时间分辨率已经达到分钟级，这为气象站资料方法研究高时空密度的城市热岛效应奠定了基础。但城市、郊区气象站的区分以及海量数据的自动化质控和处理等仍需加强研究。融合智慧城市等大数据以满足高时空密度资料的需要也是将来多源数据的来源之一。

一般情况下大气城市热岛和地表城市热岛呈现较为一致的趋势和相关性，但两者之间的转换目前缺乏成熟和公认的方法。此外，地面仪器观测的地表温度与卫星遥感的地表温度之间的关系，目前的试验和研究也不多。近年的文献表明，城市热岛研究方法已经向气温资料、遥感反演和数值模拟等多种方法、多源数据相互融合发展，研究对象已经从单一的城市热岛向城市热环境、热岛环流、热岛影响机理和应对策略等多层面、多维度延伸拓展。