基于AHP-CRITIC模型分析评估贵州省气候舒适度的时空特征

  • 岳鑫 , 1 ,
  • 唐晓 2 ,
  • 王烁 1 ,
  • 陈早阳 1 ,
  • 罗语嫣 3 ,
  • 汪超 1
展开
  • 1. 贵州省气候中心,贵州 贵阳 550002
  • 2. 中国科学院大气物理研究所大气环境与极端气象全国重点实验室,北京 100029
  • 3. 四川省资阳市气象局,四川 资阳 641300

岳鑫(1998 -), 女, 重庆人, 助理工程师, 主要从事气候评估与预测方向的研究. E-mail:

收稿日期: 2025-06-13

  修回日期: 2025-09-11

  网络出版日期: 2026-04-24

基金资助

中国气象局复盘总结专项(FPZJ2025-120)

贵州省登记制项目(黔气科登[2025]05-01号)

Spatial-Temporal Characteristics of Climate Comfort in Guizhou Province Based on the AHP-CRITIC Model

  • Xin YUE , 1 ,
  • Xiao TANG 2 ,
  • Shuo WANG 1 ,
  • Zaoyang CHEN 1 ,
  • Yuyan LUO 3 ,
  • Chao WANG 1
Expand
  • 1. Guizhou Climate Center,Guiyang 550002,Guizhou,China
  • 2. State Key Laboratory of Atmospheric Environment and Extreme Meteorology,Institute of Atmospheric Physics,Chinese Academy of Sciences,Beijing 100029,China
  • 3. Ziyang Meteorological Office,Ziyang 641300,Sichuan,China

Received date: 2025-06-13

  Revised date: 2025-09-11

  Online published: 2026-04-24

Copyright

© Editorial Department of Plateau Meteorology (CC BY-NC-ND)

摘要

气候舒适度是影响人类住区评估、 旅游发展、 公共卫生以及气候适应调控的关键因子。贵州省地处云贵高原东部, 独特的地理环境造成了气候舒适度显著的时空差异。本文基于1994 -2023年贵州省84个国家气象观测站数据, 采用AHP-CRITIC (Analytic Hierarchy Process-Criteria Importance Through Intercriteria Correlation)模型对省内9个市州的气候舒适度时空分布进行了研究。该方法通过将层次分析法(Analytic Hierarchy Process, AHP)确定的各气象要素主观权重与CRITIC法得到的客观权重相结合, 有效融合了主观经验与数据内在关联, 显著提升了评估的科学性。结果发现: 贵州省气候舒适度指数呈下降趋势, 年际变化速率为-0.03 (10a)-1。这一趋势主要是由于夏季气候舒适度指数的显著下降, 其速率为-0.11 (10a)-1。贵州省年均气候舒适度指数为“舒适”等级日数达到160天, 六盘水市以203天位居全省之首。六盘水市、 安顺市和黔西南州的年均“较舒适”及以上等级天数均超过300天, 展现出显著的气候优势。其中, 六盘水市在4 -10月月均超过20天达到“舒适”等级; 黔西南州全年处于“较舒适”及以上等级。空间分布上, 贵州省气候舒适度呈现出显著的季节差异与地域分异特征。春季和秋季, 全省各市州的气候舒适度普遍较高。夏季, 六盘水市、 毕节市、 安顺市、 贵阳市以及黔西南州西北部地区的气候舒适度指数维持在“较舒适”至“舒适”等级, 展现出独特的凉爽优势。相比之下, 冬季除南部地区外, 大部分地区处于“较不舒适”与“不舒适”等级, 1月则是冬季气候舒适度最低的时段。通过贡献分解方法进一步量化各要素的贡献率发现, 气温是影响气候舒适度的最主要变量, 在四季中均占据主导地位(贡献率47.5%~63.8%); 风速为第二大贡献因子。本研究为云贵高原地区的气候舒适度研究提供了新的定量评估结果, 可对理解气候变化情景下的贵州省气候舒适度时空分布及其变化提供参考。

本文引用格式

岳鑫 , 唐晓 , 王烁 , 陈早阳 , 罗语嫣 , 汪超 . 基于AHP-CRITIC模型分析评估贵州省气候舒适度的时空特征[J]. 高原气象, 2026 , 45(3) : 744 -757 . DOI: 10.7522/j.issn.1000-0534.2025.00100

Abstract

Climate comfort is a key determinant of human-settlement suitability, tourism development, public health, and climate-adaptation strategies, as its variations directly influence residents’ quality of life, tourists’ travel decisions, and the formulation of regional climate resilience policies.Guizhou Province, situated in the eastern Yunnan-Guizhou Plateau, is characterized by complex terrain and varied landforms.This distinctive environment has led to significant temporal and spatial variations in climate comfort across the province, making it a typical region for exploring climate suitability on plateaus.This study systematically analyzed the spatiotemporal distribution patterns of climate comfort across the province’s nine cities and prefectures using the AHP-CRITIC (analytic hierarchy process-criteria importance through intercriteria correlation) method.The research was based on long-term observational data from 84 national meteorological stations spanning three decades (1994 -2023), ensuring a comprehensive and reliable data foundation.A notable advantage of the AHP-CRITIC method lies in its ability to integrate subjective and objective assessment dimensions: it combines the subjective weights of meteorological elements determined by the AHP method with the objective weights derived from the CRITIC method.This dual-weight fusion effectively mitigates the limitations of single-method biases, thereby significantly enhancing the scientific rigor of the climate comfort evaluation.Guizhou’s annual climate comfort index showed a declining trend at a rate of -0.03 per decade, which was primarily driven by a pronounced downward trend in summer, with the rate reaching -0.11 per decade.In terms of comfortable days, the annual average number of “comfortable” days across the province is 160, among which Liupanshui City stands out with 203 “comfortable” days.Liupanshui, Anshun, and Qianxinan each recorded over 300 days annually classified as “relatively comfortable” or better.Specifically, Liupanshui had over 20 “comfortable” days per month from April to October, whereas Qianxinan remained “relatively comfortable” or better year-round.Spatially, climate comfort in Guizhou showed marked seasonal and regional variations, with uniformly high levels across all cities and prefectures in spring and autumn.In summer, Liupanshui, Bijie, Anshun, Guiyang, and the northwest part of Qianxinan maintained “relatively comfortable” to “comfortable” conditions, offering a distinct cool-summer advantage.In winter, most areas were in “relatively uncomfortable” or “uncomfortable” categories except the southern part of the province, with January being the least comfortable month.Contribution decomposition showed air temperature to be the dominant driver in every season (contribution rate 47.5%~63.8%), followed by wind speed.These findings provide new quantitative insights into climate comfort across the Yunnan-Guizhou Plateau and serve as a reference for understanding the spatiotemporal distribution and variations of climate comfort in Guizhou under climate change scenarios.

1 引言

气候舒适度是用于评估人们在不同气候条件下所感受到的舒适程度的指标, 其核心依据是人体与近地大气之间的热交换过程(Parsons, 2014)。作为温度、 湿度、 风力等气候条件的综合表征, 气候舒适度一旦超过阈值, 便会对人类健康和社会经济生活产生严重负面影响(Di et al, 2018)。因此, 开展气候舒适度的评估研究有重要意义。具体而言, 开展相关研究的意义体现在两方面: 一方面, 基于日常地面监测数据分析气候舒适度的长期演变特征, 可深化对气候变化规律及其影响的认知, 为理解区域对全球气候变化的响应提供理论支撑; 另一方面, 揭示其空间分布及其演变趋势, 可为建筑设计、 旅游发展、 公共卫生以及气候适应调控等领域提供科学指导(Chen and Ng, 2012Cheung and Hart, 2014Beccali et al, 2018Aminipouri et al, 2019Zeng et al, 2025)。国外研究始于Terjung(19661968)提出的舒适指数, 为定量评估奠定了理论基础。该领域发展出多元评价标准, 涵盖人体舒适指数(雷东洋等, 2021)、 炎热指数(王欣睿和景元书, 2005)、 通用热气候指数(唐进时等, 2015Zeng et al, 2020Zhou et al, 2022金天等, 2025)。近年来, 气候舒适度评估已在巴基斯坦(Ullah et al, 2024)、 西班牙(Hidalgo-García et al, 2025)和印度(Naskar et al, 2024)等地广泛开展。常用的温湿指数(Temperature-Humidity Index, THI)通过考虑温度和湿度来反应人体和周围环境的热量交换(Thom, 1959)。风效指数(Wind Effect Index, WEI)既考虑体表的散热也考虑了太阳辐射后人体的增热, 它是反映体表与周围环境之间的热交换, 即体表单位面积的热交换量率(正值为吸热, 负值为散热)(范业正和郭来喜, 1998)。上述两个指数仅仅考虑了气候要素对人体裸露皮肤的影响程度。着衣指数(Index of Clothing, ICL)考虑人体可通过穿戴衣物改变外界条件给体感舒适带来的影响(Auliciems and de Freitas, 1976)。由于使用单一指数来评估与气候相关的舒适度状态不够可靠(Eludoyin et al, 2013)。为弥补单一指数的局限, 中国学界普遍将这3个指数联立构建气候舒适度指数, 目前已在辽宁省(曹永强等, 2016)、 重庆市(何静等, 2010)、 广东省(Zhang et al, 2022)等多地开展了气候舒适度指数的评估, 为区域气候资源开发与气候适应性管理等提供了科学依据(余珊和戴文远, 2005; 曹云等, 2019; Zhao and Wang, 2021黄启锋等, 2024)。
现有研究在各指标赋权方法上普遍采用专家评分结合层次分析法(Analytic Hierarchy Process, AHP)(马丽君等, 2009马丽君和孙根年, 2009), 该方法通过构建系统的评价指标体系, 将复杂的气候舒适度评价问题分解为目标层、 准则层和指标层等多个层次结构。该方法将专家的专业知识与定量分析相结合, 有效处理多指标、 多层次的复杂评价问题, 在一定程度上实现了主观判断的科学化与规范化。然而, 其不可避免地存在主观局限性。为应对传统评价方法的主观局限性, 学界在气候舒适度评价研究中不断探索新路径, 王妍方等(2016)通过人体舒适指数、 风寒指数、 THI与ICL构建模糊判断矩阵, 在一定程度上减小因专家主观认知差异导致的评价偏差, 得出了攀枝花适宜旅游的月份。李佳恩等(2022)通过数字高程模型推算空间温度后结合WEI、 THI与ICL进行模糊层次分析, 构建综合舒适评价模型, 进一步评价了攀枝花市的气候舒适度。模糊层次分析法将模糊数学引入层次分析法中, 允许模糊判断, 避免强行精确化导致的偏差。陈力和苑全治(2018)基于客观赋权熵值法原理, 通过各指标值所提供的信息量大小客观确定指标权重, 进而构建了洛阳的旅游气候舒适度评价模型。杨颖璨等(2024)也通过熵值法建立了广东省舒适度综合指数。但如何实现主客观赋权的有效协同仍是亟待解决的问题。
贵州省“冬无严寒、 夏无酷暑”的亚热带湿润季风气候具有显著舒适度优势。独特的地形地貌造就了立体气候特征, 使得省内不同海拔区域呈现出“一山有四季, 十里不同天”的微气候差异。近年来, 向红琼和于飞(2010)对全省旅游气象舒适度进行了分析, 发现夏季具备避暑条件。张波等(2017)通过AHP方法构建的旅游气候舒适度进一步分析夏季旅游气候舒适度, 发现6月是贵州省的最佳避暑月份。这些研究为挖掘贵州省气候旅游等优势特征提供了重要参考。然而, 在气候舒适度指数构建方法上, 现有研究多依赖单一赋权方法, 未能充分平衡主观经验与客观数据的关系, 且对于贵州省气候舒适度的研究多集中于现状评价, 而对其趋势变化的分析则相对较少。AHP方法在计算权重系数时主观性较强, 而CRITIC(Criteria Importance Through Intercriteria Correlation)方法(Diakoulaki et al, 1995)则能够更为客观地评估各指标的权重。AHP方法具有使用简单、 计算高效以及对多层次的定性、 定量数据的普适性等优点。目前我国运用客观方法构建气候舒适度评价体系时, 熵值法(陈力和苑全治, 2018杨颖璨等, 2024)较为常用。由于温湿指数、风效指数和着衣指数是根据温度、 湿度、 风速等气象数据计算得到, 其各指标之间具有一定的关联性。相较于熵值法, CRITIC方法能够更合理地分配权重, 减少冗余信息的影响。
因此, 本文基于1994 -2023年贵州省84个国家气象观测站数据, 构建了AHP-CRITIC组合赋权模型, 综合考虑温湿、 风效、 着衣三大指数, 对贵州省的气候舒适度进行了评估, 并借助空间插值技术将站点数据拓展至市州层面。通过运用AHP-CRITIC模型, 深入研究了贵州省9个市州的气候舒适度, 分析了其时空分布特征, 并揭示了近年来贵州省气候舒适度的变化趋势。此外, 本研究还借鉴了归一化偏导数法(Normalized Partial Derivatives, NPD)框架(Naeem et al, 2024), 构建了贡献分解法, 对各因子的贡献率进行了量化分析。

2 数据来源与方法介绍

2.1 数据来源

本文利用1994 -2023年贵州省84个国家观测站的逐日气象观测资料, 包括温度、 风速、 日照时数等。图1展示了贵州省地形以及国家观测站点分布情况。文中使用的地图是基于中华人民共和国自然资源部地图技术审查中心标准地图服务系统下载的审图号为GS(2024)0650号的标准地图制作, 底图无修改。
图1 贵州省地形及站点分布图

Fig.1 Topography and station distribution of Guizhou Province

2.2 方法介绍

2.2.1 气候舒适度指数构建

综合考虑气候条件对裸露皮肤的影响及外界环境的改变, 选用了常用的温湿指数(THI)、 风效指数(WEI)和着衣指数(ICL), 并利用这3个指数构建的综合气候舒适度指数(Climate Comfort Index, CCI)模型, 对贵州省气候舒适度进行量化分析。
温湿指数是通过气温和湿度的组合反映人体和周围环境的热量交换, 计算公式(杨颖璨等, 2024)为:
T H I = ( 1.8 T + 32 ) - 0.55 ( 1 - R H ) × ( 1.8 T - 26 )
式中: THI为温湿指数; T为气温(单位: ℃); RH为相对湿度(单位: %)。
风效指数由风寒指数演变而来(范业正和郭来喜, 1998), 综合考虑了风速与气温对裸露皮肤的影响, 计算公式(张波等, 2017)为:
W E I = - ( 10 V + 10.45 - V ) ( 33 - T ) + 8.55 S
式中: WEI为风效指数; T为气温(单位: ℃); V为风速(单位: m·s-1); S为日照时数(单位: h)。
着衣指数指人体可通过穿戴衣物改变外界条件给体感舒适带来的影响, 计算公式(Zhang et al, 2022)为:
I C L = 33 - T 0.155 × H - H + a R c o s   α ( 0.62 + 19 V ) H
式中: ICL为着衣指数; T为气温(单位: ℃); V为风速(单位: m·s-1); H为人体代谢率的75%, 取轻活动量下的代谢率H=87 W·m-2a=0.06表示人体对太阳辐射的吸收情况; R=1367 W·m-2 α为太阳高度角, 取平均状态的纬度为β, 夏季太阳高度角为(90° - β +23°26′), 冬季太阳高度角为(90° - β -23°26′), 春秋两季的太阳高度角为(90° - β)。
为量化评估气候舒适度指数, 对温湿指数(THI)、 风效指数(WEI)、 着衣指数(ICL)分别进行分级与赋值(表1)。分级逻辑为: 从寒冷不舒适到舒适再到炎热不舒适, 对应赋值依次为1、 3、 5、 7、 9、 7、 5、 3、 1(赋值越高, 代表该指数对应的舒适度越高, 其中赋值9为非常舒适, 1为极不舒适)。表1中详细列出了各指数级别的具体划分标准与对应赋值(马丽君和孙根年, 2009; 曹云等, 2019; Zhang et al, 2022)。
表1 温湿指数、 风效指数、 着衣指数的分级标准

Table 1 Classification criteria for temperature-humidity indexTHI), wind effect indexWEI), and index of clothingICL

温湿指数(THI) 风效指数(WEI) 着衣指数(ICL) 舒适度评价 赋值
分级值 人体感觉 分级值 人体感觉 分级值 适宜着衣
THI≤40 极冷 WEI≤-1000 酷冷风 ICL≥2.5 羽绒或毛皮衣 极不舒适 1
40<THI≤45 寒冷 -1000<WEI≤-800 冷风 1.8≤ICL<2.5 便服加坚实外套 不舒适 3
45<THI≤55 偏冷 -800<WEI≤-600 稍冷风 1.5≤ICL<1.8 冬季常用便服 较不舒适 5
55<THI≤60 清凉 -600<WEI≤-300 凉风 1.3≤ICL<1.5 春秋常用便服 舒适 7
60<THI≤65 -300<WEI≤-200 舒适风 0.7≤ICL<1.3 衬衫和常用便服 非常舒适 9
65<THI≤70 -200<WEI≤-50 暖风 0.5≤ICL<0.7 轻便的夏装 舒适 7
70<THI≤75 偏热 -50<WEI≤80 暖热风 0.3≤ICL<0.5 短袖开领衫 较不舒适 5
75<THI≤80 闷热 80<WEI≤160 热风 0.1≤ICL<0.3 热带单衣 不舒适 3
80<THI 极闷热 160<WEI 炎热风 ICL<0.1 短裤 极不舒适 1
CRITIC法(Diakoulaki et al, 1995)可兼顾指标内部变异程度和指标间关联程度对指标权重的影响。它基于评价指标的对比强度和指标之间的冲突性来综合衡量指标的客观权重。对比强度以各指标内部变异大小来衡量, 以标准差的形式表示, 标准差越大, 该指标对应的信息量越大, 权重越高; 冲突性反映了影响因子之间的相关性特征, 用相关系数表示, 相关系数越大, 权重越低。
基于将第j(j=1, 2, …, n)项评估指标在第i(i=1, 2, …, mmN+)日的观测数据记为 X i j, 则初始矩阵为 A = X i j m × n, 如式(4)所示:
A = X i j m × n= X 11 X 1 n X m 1 X m n
由于各指标量纲和计量单位均有较大差别, 为了消除因量纲所带来的影响, 将各项指标进行归一化处理, 通过式(5)对初始矩阵进行无量纲化处理, 得到标准矩阵 A ' = X i j ' m × n
X i j ' = X i j - m i n ( X i j ) m a x ( X i j ) - m i n ( X i j ) 促进 因子 m a x ( X i j ) - X i j m a x ( X i j ) - m i n ( X i j ) 抑制 因子
式中: m a x ( X i j )为第j项指标中的最大值; m i n ( X i j )为第j项指标中的最小值。指标变异性以评估指标的标准差 σ j表示:
X j ¯ = 1 m i = 1 m X i j '
σ j = i = 1 m ( X i j ' - X j ¯ ) 2 m - 1
式中: X j ¯为第j项评估指标的均值; σ j为第j项评估指标的标准差。指标冲突性以 R j表示:
R j = k = 1 n ( 1 - r k j )
式中: R j为第j项指标与其他指标冲突性量化值; r k j为第k项指标与第j项指标的相关系数。
j项评估指标的信息量用 τ j表示:
τ j = σ j   R j
因此, 第j项指标的客观权重如(10)所示:
ω j = τ j j = 1 n τ j
基于1994 -2023年全省的观测数据, 通过CRITIC方法得到温湿、 风效、 着衣指数的权重 ω j分别为0.34、 0.43、 0.23。
层次分析法(AHP)通过将复杂问题分解为具有层次结构的指标体系, 结合专家打分的方式, 逐层分析各因素的相对重要性, 提供了主观经验的结构化表达。本文引用马丽君和孙根年(2009)通过专家打分与AHP法得到湿温、 风效、 着衣指数的权重 S j分别为0.6、 0.3、 0.1。
基于总偏差最小化的原则对AHP法和CRITIC法组合权重进行耦合(林爱军等, 2024), 其计算公式如下:
K j = ω j S j j = 1 n ω j S j
式中: K j为AHP-CRITIC组合赋权法得到的综合权重; ω j为CRITIC方法的客观权重向量; S j为AHP模型的主观权重向量。
通过式(11)确定AHP-CRITIC模型的温湿、 风效、 着衣指数权重分别为0.47、 0.37、 0.16。建立气候舒适度CCI评价模型:
C C I = 0.47 × W T H I + 0.37 × W W E I   + 0.16 × W I C L
式中: W T H I W W E I   W I C L分别为温湿、 风效、 着衣指数的赋值(为表1中对应的分级赋值, 取值1、 3、 5、 7、 9); CCI为气候舒适度指数。
通过3个指数的分级赋值利用式(12)对气候舒适度指数(CCI)进行4级分级: 7≤CCI时为舒适等级; 5≤CCI<7时为“较舒适”等级; 3≤CCI<5时为“较不舒适”等级; 1≤CCI<3时为“不舒适”等级。

2.2.2 贡献分解方法

为定量评估气温、 相对湿度、 风速、 日照时数对气候舒适度指数的相对贡献, 本文参考Naeem et al(2024)构建的标准化偏导数模型框架, 用于准确量化气温、 相对湿度、 风速和日照时数对气候舒适度指数贡献率。
本文对每一变量X进行归一化, 消除量纲差异:
X k , i ' = ( X k , i - X k , m i n X k , m a x - X k , m i n )
式中: X k , i '为变量标准化处理后的无量纲值; X k , i为某一观测变量(气温、 相对湿度、 风速与日照时数)的第i个样本; X k , m a x X k , m i n分别表示1994 -2023年对应季节内的最大值和最小值。对每一个样本i, 计算各指数对气候舒适度指数的边际贡献量:
C k , i = C C I X k , i ' ( X k , m a x - X k , m i n )
式中: C k , i为变量k对第i个样本的贡献量。
贡献归一化:
P k , i = C k , i k = 1 4 C k , i × 100 %
式中: P k , i为变量k在第i个样本中的百分比贡献。
按季节分组求取平均值, 春季(3 -5月)、 夏季(6 -8月)、 秋季(9 -11月)、 冬季(12月至次年2月)得到各季节的相对贡献率:
P ¯ k , s = 1 N s i s P k , i
式中: P ¯ k , s为季节s内变量k的平均贡献率; N s为季节s的样本总数。

3 结果与分析

3.1 气候舒适度指数时间变化特征

3.1.1 多年平均月季变化

全省的气候舒适度指数在4 -5月、 9 -10月舒适度最高, 1月舒适度最低。全省“较舒适”及以上等级年均天数达到284天, 安顺市、 六盘水市与黔西南州的气候舒适度指数在“较舒适”及以上(“较舒适”与“舒适”)等级的年均天数超过300天。全省气候舒适度指数为“舒适”的天数为160天。六盘水市、 黔西南州、 安顺市、 毕节市、 贵阳市的年均舒适日数均大于全省均值。其中, 六盘水市舒适天数最高, 约203天(表2)。各市州的月际变化呈现“M”型, 即春秋两季舒适水平较高。值得注意的是, 黔西南州气候宜人, 全年气候舒适度指数较高(CCI>5), 冬季较温暖, 夏季较凉爽, 全年处于“较舒适”及以上等级[图2(a)]。六盘水市在4 -10月期间, 气候舒适度指数均达到了“舒适”等级, 且月“舒适”天数均超过了20天[图2(c)]。
表2 1994 -2023年贵州省各市州气候舒适度相关日数及周期统计

Table 2 Statistics of climate comfort-related days and periods in cities and prefectures of Guizhou Province during 1994 -2023

市州 舒适天数/d 舒适期 较舒适期 较舒适及以上天数/d
安顺市 180 4 -6月, 9 -10月 2 -3月, 7 -8, 11月 304
毕节市 168 4 -6月月, 8 -10月 3月, 7月, 11月 284
贵阳市 164 4 -6月, 9 -10月 3月, 7 -8月, 11月 286
六盘水市 203 4 -10月 2 -3月, 11 -12月 302
黔东南州 131 4 -5月, 10月 2 -3月, 6 -9月, 11 -12月 263
黔南州 148 4 -5月, 9 -10月 2 -3月, 6 -8月, 11 -12月 286
黔西南州 181 3 -5月, 9 -11月 1 -2月, 6 -8月, 12月 305
铜仁市 126 4 -5月, 10月 2 -3月, 6月, 9月, 11 -12月 256
遵义市 140 4 -5月, 9 -10月 2 -3月, 6 -8月, 11 -12月 271
全省 160 4 -5月, 9 -10月 2 -3月, 6 -8月, 11 -12月 284
图2 1994 -2023年贵州省气候舒适度指数的月际变化(a)与季节变化(b)、 舒适天数的月际变化(c)

(b)中黑色虚线5和7分别为“较舒适”等级和“舒适”等级的基准线

Fig.2 Monthly (a) and seasonal (b) variations of the climate comfort index, and monthly variation of comfortable days (c) in Guizhou Province during 1994 -2023.The black dashed lines 5 and 7 in (b) represent the threshold for “relatively comfortable” and “comfortable” levels, respectively

从季节变化来看, 全省在春季和秋季达到“舒适”等级, 夏季处于“较舒适”等级, 冬季则处于“较不舒适”等级。其中, 安顺市、 六盘水市、 黔西南州、 铜仁市和遵义市在春季处于“舒适”等级; 毕节市和六盘水市在夏季处于“舒适”等级; 安顺市、 六盘水市、 黔南州、 黔西南州和遵义市在秋季处于“舒适”等级; 冬季黔南州、 黔西南州和铜仁市处于“较舒适”等级, 其余市州处于“较不舒适”等级[图2(b)]。

3.1.2 年际变化

1994 -2023年, 全省各季节气候舒适度呈现出差异化的变化趋势(图3)。其中, 春季气候舒适度以0.08 (10a)-1的速率上升(p<0.05), 表明该季节正从“较舒适”向“舒适”等级过渡; 夏季则以0.11 (10a)-1的速率显著下降(p<0.01), 按此趋势推算, 约102年后全省夏季气候舒适度将从“较舒适”等级降至“较不舒适”等级; 秋季气候舒适度以0.05 (10a)-1的速率下降, 冬季全省的年际变化则不显著。从区域分布来看, 各市州春季和秋季的气候舒适度指数均接近7, 呈现出较好的区域一致性; 相比之下, 各市州夏季和冬季的气候舒适度指数离散程度较高, 区域差异相对明显。具体来看, 夏季气候舒适度呈现空间分化特征: 铜仁市指数最低, 为全省夏季最不舒适的地区; 六盘水市指数最高, 是夏季全省气候舒适度最优的区域。综合来看, 1994 -2023年全省气候舒适度整体以0.03 (10a)-1的速率下降[图3(e)], 这一整体下降趋势主要由夏季气候舒适度的显著下降所主导。
图3 1994 -2023年贵州省气候舒适度指数的年际变化(圆形标记线)及趋势(黑色虚线)

Fig.3 Interannual variations (circle markers) and linear trend (black dashed line) of the climate comfort index in Guizhou Province during 1994 -2023

3.2 气候舒适度指数空间分布特征

3.2.1 逐月多年平均空间分布

从逐月气候舒适度指数的空间分布(图4)来看, 全年呈现出显著的季节性变化特征。冬季时, 全省中部和西部地区的气候舒适度指数处于“较不舒适”水平, 其中1月“较不舒适”和“不舒适”区域范围达到全年最大。春季, 3月“较舒适”区域开始逐步拓宽, 南部低海拔地区已成为“舒适”区域; 4 -5月, “舒适”区域进一步延伸, 覆盖全省大部分地区。夏季, 6月南部地区气候舒适度指数降至“不舒适”等级; 7 -8月, “较不舒适”区域范围扩大, 涵盖南部地区、 黔东南州中东部、 铜仁市大部, 以及遵义市东北部、 东南部的余庆县和西部的赤水县。秋季, 全省气候舒适度指数均回升到“较舒适”及以上等级; 9 月“舒适”区域主要集中在省中西部; 10月西部为“较舒适”等级, 其余大部分地区均达到“舒适”等级; 11月大部分地区由“舒适”等级降至“较舒适”等级。总体而言, 3 -11月期间, 毕节市、 六盘水市、 贵阳市、 安顺市以及黔西南州西北部地区的气候舒适度指数稳定在“较舒适”及以上等级; 遵义市和铜仁市在3 -6月及9 -11月维持“较舒适”及以上等级; 黔东南州与黔南州的 “较舒适” 及以上等级主要出现在春秋两季; 南部地区在夏季达到“较不舒适”等级, 其余季节均处于“较舒适”及以上水平。
图4 1994 -2023年贵州省气候舒适度指数逐月空间分布

Fig.4 Monthly spatial distribution of the climate comfort index in Guizhou Province during 1994 -2023

3.2.2 逐月变化趋势空间分布

逐月空间演变规律显示(图5), 1月、 2月、 4月、 5月、 10月与11月全省大部分地区气候舒适度的空间变化并不显著。具体来看, 1月、 2月、 4月与11月全省多数区域呈增加趋势, 意味着气候舒适度在逐步提升; 而5月与10月全省大部分地区呈减小趋势, 气候舒适度有所下降。对比之下, 12月、 6月、 7月、 8月及9月的变化特征更为突出, 全省大部分地区呈减小趋势, 舒适度等级逐渐变差; 仅有3月, 全省大部分区域呈增加趋势, 气候舒适度不断改善。综合来看, 全省大部分地区的气候舒适度等级整体呈现逐渐降低的态势。值得关注的是, 毕节市西部的威宁县气候舒适度保持稳态, 且在多数月份呈现向更舒适的方向发展的趋势。
图5 1994 -2023年贵州省气候舒适度指数线性趋势的空间分布[单位: (10a)-1

黑点为通过α=0.05的显著性水平检验区域

Fig.5 Spatial distribution of linear trends in the climate comfort index in Guizhou Province during 1994 -2023.Unit: (10a)-1.Black dots denote areas significant at the 0.05 level

3.3 气候舒适度指数的贡献分析

在全省范围内, 气候舒适度展现出明显的季节性变化特征(图4)。Zhao and Wang (2021) 针对河南省的气候舒适度与各气象因子(平均温度、 相对湿度、 日照时数和风速)之间的关系进行了研究, 通过计算皮尔逊相关系数, 发现平均温度和相对湿度是控制气候舒适度变化的主要气候因子。由于气候舒适度指数是由气温、 相对湿度、 日照时数和风速共同作用的结果, 并且这些变量之间也存在一定的关联性, 导致它们对舒适度的影响存在非线性变化。为了进一步探寻这些非线性变化背后的主要影响因素, 以气候舒适度指数为切入点, 利用贡献分解方法深入探究各变量在其中所占的相对贡献权重, 并细致分析了不同季节里各变量的具体贡献率(图6): 春季气温贡献率最高, 达59.1%; 其次为风速(33.3%); 日照时数贡献7.3%; 相对湿度贡献相对微弱, 为0.3%。夏季气温的主导作用更为显著, 贡献率达63.8%; 风速次之(27.4%); 日照时数贡献8.1%; 相对湿度贡献率最低, 为0.6%。近年来, 我国平均的高温日数和热浪次数呈增加趋势(Qian et al, 2019张嘉仪和钱诚, 2020王勇等, 2024卢珊等, 2025), 这使得夏季气候舒适度指数在全省大范围地区呈现降低趋势(图5)。秋季气温贡献率55.5%, 仍居首位; 风速贡献显著增加至37.1%; 日照时数贡献7.1%; 相对湿度贡献维持较低水平(0.3%)。冬季气温贡献率降至47.5%, 而风速贡献率跃升至46.1%, 两者共同构成主要贡献因子; 日照时数贡献6.0%; 相对湿度贡献0.4%。整体而言, 气温是影响气候舒适度的最主要变量, 在四季中均占据主导地位(贡献率47.5%~63.8%); 风速是第二大贡献因子, 其贡献率在冬季尤为突出(46.1%); 相比之下, 相对湿度与日照时数的贡献相对较小。造成这种季节差异的原因, 主要由于各季节太阳高度角存在显著不同, 这直接导致了季节性差异; 同时, 气温、 相对湿度等变量的极差在不同季节也呈现出明显波动, 这些因素共同作用, 使得经过标准化处理后各要素的贡献权重呈现出鲜明的季节特征。
图6 1994 -2023年贵州省气候变量对气候舒适度指数的贡献率

Fig.6 Contribution ratios of climatic factors to the climate comfort index in Guizhou Province during 1994 -2023

4 结论

基于贵州省1994 -2023年84个国家气象观测站收集的气象数据, 应用AHP-CRITIC模型对全省9个市州的气候舒适度指数展开了深入的时空分析, 并探究了其年际变化趋势。在此基础上, 应用贡献分解方法进一步量化了影响气候舒适度的相对贡献。结论如下:
(1) 全省气候舒适度指数的“舒适”日数达160天。全省春秋季处于“较舒适”及以上等级, 形成双峰式舒适期。其中, 六盘水市年均舒适天数约203天, 4 -10月处于“舒适”等级且月均舒适天数超过20天; 黔西南州全年保持“较舒适”及以上等级的区域, 具有“四季皆宜”的独特气候特征; 六盘水市、 安顺市与黔西南州年均“较舒适”及以上等级日数突破300天。在1994 -2023年, 全省气候舒适度整体呈现下降趋势, 年际变化速率为-0.03 (10a)-1。夏季气候舒适度指数以0.11 (10a)-1的速率显著下降是全省气候舒适度整体下降的重要因素。
(2) 从空间分布特征来看, 全省各市州在春季和秋季的气候舒适度处于“较舒适”及以上等级。夏季期间, 六盘水市、 毕节市、 安顺市、 贵阳市以及黔西南州西北部地区的气候舒适度指数维持在“较舒适”至“舒适”等级, 展现出独特的凉爽优势。相比之下, 冬季除南部地区外, 大部分地区处于“较不舒适”与“不舒适”等级, 1月是冬季气候舒适度最低的时段。3月全省舒适度指数呈正变率, 气候舒适度越来越好; 而夏季, 尤以7 -8月为甚, 大部分地区舒适度呈负变率。值得注意的是, 毕节市西部威宁县维持稳态, 且在大部分月份呈向更舒适方向发展的趋势。
(3) 气温是影响气候舒适度的最主要变量, 在四季中均占据主导地位(贡献率47.5%~63.8%); 风速是第二大贡献因子, 其贡献率在冬季尤为突出(46.1%); 相比之下, 相对湿度与日照时数的贡献相对较小。
Aminipouri M Rayner D Lindberg F, et al, 2019.Urban tree planting to maintain outdoor thermal comfort under climate change: The case of Vancouver’s local climate zones[J].Building and Environment, 158: 226-236.DOI: 10.1016/j.buildenv.2019.05.022 .

Auliciems A de Freitas C R1976.Cold stress in Canada.A human climatic classification[J].International Journal of Biometeorology20(4): 287-294.DOI: 10.1007/BF01553585 .

Beccali M Strazzeri V Germanà M L, et al, 2018.Vernacular and bioclimatic architecture and indoor thermal comfort implications in hot-humid climates: an overview[J].Renewable and Sustainable Energy Reviews, 82: 1726-1736.DOI: 10.1016/j.rser. 2017.06.062 .

Chen L Ng E2012.Outdoor thermal comfort and outdoor activities: a review of research in the past decade[J].Cities29(2): 118-125.DOI: 10.1016/j.cities.2011.08.006 .

Cheung C S C Hart M A2014.Climate change and thermal comfort in Hong Kong[J].International Journal of Biometeorology58(2): 137-148.DOI: 10.1007/s00484-012-0608-9 .

Di Napoli C Pappenberger F Cloke H L2018.Assessing heat-related health risk in Europe via the Universal Thermal Climate Index (UTCI)[J].International Journal of Biometeorology62(7): 1155-1165.DOI: 10.1007/s00484-018-1518-2 .

Diakoulaki D Mavrotas G Papayannakis L1995.Determining objective weights in multiple criteria problems: the critic method[J].Computers and Operations Research22(7): 763-770.DOI: 10.1016/0305-0548(94)00059-H .

Eludoyin O M Adelekan I O Webster R, et al, 2014.Air temperature, relative humidity, climate regionalization and thermal comfort of Nigeria[J].International Journal of Climatology34(6): 2000-2018.DOI: 10.1002/joc.3817 .

Hidalgo-García D Founda D Rezapouraghdam H2025.Spatiotemporal variability of the Universal Thermal Climate Index during heat waves using the UrbClim climate model: Implications for tourism destinations[J].Urban Climate, 59: 102281.DOI: 10.1016/j.uclim.2024.102281 .

Naeem S Zhang Y Q Li C C, et al, 2024.Estimation and attribution of nonlinear trend of water use efficiency using a normalized partial derivative approach[J].Journal of Environmental Management, 372: 123323.DOI: 10.1016/j.jenvman.2024.123323 .

Naskar P R Mohapatra M Singh G P, et al, 2024.Spatiotemporal variations of UTCI based discomfort over India[J].Journal of Earth System Science133(1): 47.DOI: 10.1007/s12040-024-02261-y .

Parsons K2014.Human thermal environments: the effects of hot, moderate, and cold environments on human health, comfort, and performance[M].CRC Press, Inc.

Qian C Zhang X B Li Z2019.Linear trends in temperature extremes in China, with an emphasis on non-Gaussian and serially dependent characteristics[J].Climate Dynamics53(1): 533-550.DOI: 10.1007/s00382-018-4600-x .

Terjung W H1966.Physiologic climates of the conterminous United States: a bioclimatic classification based on man[J].Annals of the Association of American Geographers56(1): 141-179.DOI: 10.1111/j.1467-8306.1966.tb00549.x .

Terjung W H1968.World patterns of the distribution of the monthly comfort index[J].International Journal of Biometeorology12(2): 119-151.DOI: 10.1007/BF01553502 .

Thom E C1959.The discomfort index[J].Weatherwise12(2): 57-61.DOI: 10.1080/00431672.1959.9926960 .

Ullah N Chao L Khan T U, et al, 2024.Insights into climate change dynamics: a tourism climate index-based evaluation of Gilgit-Baltistan, Pakistan[J].Heliyon10(15): e35315.DOI: 10. 1016/j.heliyon.2024.e35315 .

Zeng D Wu J K Mu Y Q, et al, 2020.An assessment of tourism climate comfort in the China-Pakistan economic corridor[J].Sustainability12(17): 6981.DOI: 10.3390/su12176981 .

Zeng P Sui Y W Liu Y Y, et al, 2025.Heat risk during hot weather is associated with poorer self-reported mental health: a cross-sectional study in Shanghai, China[J].Cities, 164: 106078.DOI: 10.1016/j.cities.2025.106078 .

Zhang Y C Xiao F A Mei H, et al, 2022.Comprehensive analysis of climate-related comfort in Southern China: Climatology, trend, and interannual variations[J].Urban Climate, 46: 101349.DOI: 10.1016/j.uclim.2022.101349 .

Zhao J Y Wang S J2021.Spatio-temporal evolution and prediction of tourism comprehensive climate comfort in Henan Province, China[J].Atmosphere12(7): 823.DOI: 10.3390/atmos12070823 .

Zhou L Y Schmude J Zhai P M, et al, 2022.Changes in thermal comfortable condition in the Qinghai-Tibet Plateau from 1979 to 2020[J].Advances in Climate Change Research13(5): 666-675.DOI: 10.1016/j.accre.2022.09.003 .

陈力, 苑全治, 2018.基于熵值法的洛阳旅游气候舒适度研究[J].洛阳师范学院学报37(6): 20-25.

Chen L Yuan Q Z2018.Study on Luoyang tourism climate comfort based on entropy method[J].Journal of Luoyang Normal University37(6): 20-25.

范业正, 郭来喜, 1998.中国海滨旅游地气候适宜性评价[J].自然资源学报(4): 17-24.

Fan Y Z Guo L X1998.The climate suitability of tourism at the coastline destinations of China[J].Journal of Natural Resources(4): 17-24.

何静, 田永中, 高阳华, 等, 2010.重庆山地人居环境气候适宜性评价[J].西南大学学报(自然科学版)32(9): 100-106.

He J Tian Y Z Gao Y H, et al, 2010.Assessment of climate suitability for human settlement environment in mountain areas of Chongqing[J].Journal of Southwest University (Natural Science Edition)32(9): 100-106.

黄启锋, 陈佳涵, 王禹, 等, 2024.1970-2019年广州市气候舒适度特征分析[J].山地气象学报48(2): 83-88.

Huang Q F Chen J H Wang Y, et al, 2024.Analysis of climate comfort characteristics in Guangzhou from 1970 to 2019[J].Journal of Mountain Meteorology48(2): 83-88.

金天, 陈彩虹, 吴锦奎, 2025.气候变化背景下黄河流域气候舒适度分布特征及时空变化[J].高原气象44(3): 604-615.

Jin T Chen C H Wu J K2025.Distribution characteristics and temporal variation of climate comfortableness in the Yellow River Basin under the background of climate change[J].Plateau Meteorology44(3): 604-615.

雷东洋, 何卫平, 丁丽丽, 等, 2021.湖北省1971-2020年人体舒适度时空分布特征分析[J].湖北农业科学60(): 227-233.DOI: 10.14088/j.cnki.issn0439-8114.2021.S2.059.Lei D Y

He W P Ding L L, et al, 2021.Analysis of the human comfort index spatial-temporal distribution characteristics in Hubei Province from 1971 to 2020[J].Hubei Agricultural Sciences60(Sup 2): 227-233.DOI: 10.14088/j.cnki.issn0439-8114.2021.S2.059 .

李佳恩, 刘永吉, 刘园园, 2022.四川省攀枝花市气候舒适度时空特征分析[J].西南师范大学学报(自然科学版)47(9): 91-98.DOI: 10.13718/j.cnki.xsxb.2022.09.014.Li J E

Liu Y J Liu Y Y2022.Analysis on temporal and spatial characteristics of climate comfort in mountain tourism area of Panzhihua City[J].Journal of Southwest China Normal University (Natural Science Edition)47(9): 91-98.DOI: 10.13718/j.cnki.xsxb.2022.09.014 .

林爱军, 李如, 豆红强, 等, 2024.基于AHP-CRITIC和GIS的大型光伏电站应急物资节点选址与最优路线选取[J].科技通报40(7): 38-45.DOI: 10.13774/j.cnki.kjtb.2024.07.007.Lin A J

Li R Dou H Q, et al, 2024.Emergency material node siting and optimal route selection for large photovoltaic power plants based on AHP-CRITIC and GIS[J].Bulletin of Science and Technology40(7): 38-45.DOI: 10.13774/j.cnki.kjtb.2024.07.007 .

卢珊, 胡泽勇, 沈姣姣, 等, 2025.近62 年我国极端高温事件的时空变化特征[J].高原气象44(1): 201-213.DOI: 10.7522/j.issn.1000-0534.2024.00058.Lu S

Hu Z Y Shen J J, et al, 2025.Spatio-temporal variations of extreme heat events over China in recent 62 years[J].Plateau Meteorology44(1): 201-213.DOI: 10.7522/j.issn.1000-0534.2024.00058 .

马丽君, 孙根年, 2009.中国西部热点城市旅游气候舒适度[J].干旱区地理32(5): 791-797.DOI: 10.13826/j.cnki.cn65-1103/x.2009.05.026.Ma L J

Sun G N2009.Evaluation of climate comfort index for tourism hot-spot cities in West China[J].Arid Land Geography32(5): 791-797.DOI: 10.13826/j.cnki.cn65-1103/x.2009.05.026 .

马丽君, 孙根年, 王洁洁, 2009.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28(5): 713-722.

Ma L J Sun G N Wang J J2009.Evaluation of tourism climate comfortableness of coastal cities in the Eastern China[J].Progress in Geography28(5): 713-722.

唐进时, 申双和, 华荣强, 等, 2015.热气候指数评价中国南方城市夏季舒适度[J].气象科学35(6): 769-774.DOI: 10.3969/2014jms.0094.Tang J S

Shen S H Hua R Q, et al, 2015.Assessment on summer comfort level of southern cities in China by UTCI[J].Journal of the Meteorological Sciences35(6): 769-774.DOI: 10.3969/2014jms.0094 .

王欣睿, 景元书, 2005.我国东部城市冬夏季人体舒适度比较[J].广东气象27(4): 34-36.DOI: 10.3969/j.issn.1007-6190.2005.04.012.Wang X R

Jing Y S2005.Comparison of human comfort in winter and summer in eastern cities of China[J].Guangdong Meteorology27(4): 34-36.DOI: 10.3969/j.issn.1007-6190.2005.04.012 .

王妍方, 尹雪梅, 程希平, 2016.基于FAHP模型的攀枝花旅游气候舒适度分析[J].环境工程34(): 1083-1086, 1107.

Wang Y F Yin X M Cheng X P2016.Analysis of the tourism climatic comfortable index in Panzhihua region based on fuzzy analytic hierarchy process[J].Environmental Engineering34(Sup 1): 1083-1086, 1107.

王勇, 秦豪君, 王澄海, 等, 2024.2022年夏季西北干旱区一次持续性高温的成因分析[J].高原气象43(2): 450-463.

Wang Y Qin H J Wang C H, et al, 2024.Analysis of the causes of a persistent heat wave in the summer of 2022 in the northwest arid region[J].Plateau Meteorology43(2): 450-463.

王勇, 秦豪君, 王澄海, 等, 2024.2022年夏季西北干旱区一次持续性高温的成因分析 [J].高原气象43(2): 450-463.

Wang Y Qin H J Wang C H, et al, 2024.Analysis of the causes of a persistent heat wave in the summer of 2022 in the northwest arid region [J].Plateau Meteorology43(2): 450-463.DOI: 10.7522/j.issn.1000 0534.2023.00069 .

向红琼, 于飞, 2010.贵州山地高分辨旅游气象舒适度时空分布特征[J].贵州气象34(3): 3-6.

Xiang H Q Yu F2010.High-resolution temporal and spatial distribution of tourism meteorological comfort level in Guizhou mountainous area[J].Journal of Guizhou Meteorology34(3): 3-6.

杨颖璨, 许艾米, 朱平, 等, 2024.气候变化下广东气候舒适度时空演变特征分析[J].热带气象学报40(5): 789-800.DOI: 10.16032/j.issn.1004-4965.2024.069.Yang Y C

Xu A M Zhu P, et al, 2024.Spatial and temporal characteristics of climate comfort periods in Guangdong Province in a changing climate[J].Journal of Tropical Meteorology40(5): 789-800.DOI: 10.16032/j.issn.1004-4965.2024.069 .

余珊, 戴文远, 2005.福建省旅游气候评价[J].福建师范大学学报(自然科学版)21(2): 103-106.DOI: 10.3969/j.issn.1000-5277.2005.02.025.Yu S

Dai W Y2005.Fujian Province tour climate evaluation[J].Journal of Fujian Normal University (Natural Science Edition)21(2): 103-106.DOI: 10.3969/j.issn.1000-5277.2005.02.025 .

张波, 谭文, 古书鸿, 等, 2017.1961-2015年贵州省夏季旅游气候舒适度评价[J].干旱气象35(3): 420-426, 438.

Zhang B Tan W Gu S H, et al, 2017.Evaluation of tourism climate comfort in summer in Guizhou Province during 1961-2015[J].Journal of Arid Meteorology35(3): 420-426, 438.

张嘉仪, 钱诚, 2020.1960-2018年中国高温热浪的线性趋势分析方法与变化趋势[J].气候与环境研究25(3): 225-239.DOI: 10.3878/j.issn.1006-9585.2020.19134.Zhang J Y

Qian C2020.Linear trends in occurrence of high temperature and heat waves in China for the 1960-2018 period: method and analysis results[J].Climatic and Environmental Research25(3): 225-239.DOI: 10.3878/j.issn.1006-9585.2020.19134 .

文章导航

/