祁博達(dá)

摘 要：以高溫天氣嚴(yán)重的南京市為典型案例，通過(guò)2000—2020年間逐日氣溫?cái)?shù)據(jù)，分析南京市城市高溫的動(dòng)態(tài)特征，并運(yùn)用回歸分析探討其影響因素，在此基礎(chǔ)上提出規(guī)劃應(yīng)對(duì)的策略。結(jié)果表明：①2000—2020年，南京市年平均溫呈0.37℃/10a的上升趨勢(shì)，城市極端高溫和高溫?zé)崂酥笜?biāo)均在增長(zhǎng)；②極端高溫現(xiàn)象和高溫?zé)崂酥饕l(fā)生7、8月份，且高溫?zé)崂说陌l(fā)生出現(xiàn)整體延后趨勢(shì)；③南京市城市高溫顯著的年份均溫主要受人為因素影響最為顯著，其中城鎮(zhèn)化水平對(duì)均溫的影響最大，GDP與人均工業(yè)總產(chǎn)值的影響次之，人口密度相對(duì)而言影響最低。該研究結(jié)果希望能夠?yàn)閮?yōu)化國(guó)土空間規(guī)劃以及制定應(yīng)對(duì)城市高溫的政策提供有益借鑒。

關(guān)鍵詞：高溫；高溫?zé)崂?；?dòng)態(tài)特征；應(yīng)對(duì)策略；南京市

中圖分類(lèi)號(hào)：X16文獻(xiàn)標(biāo)志碼：A文章編號(hào)：1673-9655（2024）02-00-07

0 引言

政府間氣候變化專(zhuān)門(mén)委員會(huì)（Intergovernmental

Panel on Climate Change， IPCC）歷次評(píng)估報(bào)告的海量數(shù)據(jù)顯示，21世紀(jì)以來(lái)，因人類(lèi)活動(dòng)引起的氣候系統(tǒng)變暖幾乎已經(jīng)成為公認(rèn)的事實(shí)。2013年的第五次評(píng)估報(bào)告提出平均溫可能超過(guò)2℃[1，2]；2021年IPCC第六次評(píng)估報(bào)告顯示，平均溫度增長(zhǎng)1.5℃并將持續(xù)增長(zhǎng)，且若以此增長(zhǎng)速度繼續(xù)，將有極大概率超過(guò)2℃的紅線(xiàn)[3，4]。事實(shí)上，高溫天氣是一種典型的氣象災(zāi)害事件，嚴(yán)重影響人類(lèi)社會(huì)的生活生產(chǎn)甚至威脅生命安全[5]，1995年芝加哥市高溫?zé)崂藢?dǎo)致514人死亡、3300人超額急癥；1999年美國(guó)中西部高溫?zé)崂酥聰?shù)百人死亡；2003年歐洲高溫?zé)崂耸录歉哌_(dá)上萬(wàn)人死亡[6]。在此背景下，如何應(yīng)對(duì)高溫天氣引起世界各國(guó)政府的高度關(guān)注。

迄今為止，國(guó)內(nèi)外的研究成果主要集中于高溫的特征、影響因素、產(chǎn)生后果以及應(yīng)對(duì)等方面。在高溫的特征方面，中國(guó)平均氣溫整體呈現(xiàn)上升趨勢(shì)，省會(huì)城市尤為顯著；區(qū)域之間存在一定分異，東部地區(qū)高溫天氣日數(shù)總體較多但變率小[7]；極端高溫和熱浪事件主要發(fā)生于中國(guó)南方城市，而北方發(fā)生熱浪事件較少，但是高溫強(qiáng)度仍然相當(dāng)大[8]。隨著衛(wèi)星遙感等技術(shù)的提升，通過(guò)獲取紅外波段反演的地表溫度影像，能夠更加直觀地探討城市熱環(huán)境的時(shí)空變化特征[10]。在高溫的影響因素方面，學(xué)者通過(guò)城市規(guī)模、城市發(fā)展水平、財(cái)政收入、產(chǎn)業(yè)結(jié)構(gòu)、土地利用方式、森林覆蓋率、氣溫、降水、濕度、風(fēng)速、海拔等因子綜合分析人文與自然因素對(duì)高溫產(chǎn)生天氣的影響[9]。高溫天氣的后果是多維度的，會(huì)影響人類(lèi)的經(jīng)濟(jì)、農(nóng)業(yè)等生產(chǎn)生活的各個(gè)方面，如2013年和2017年南京市高淳區(qū)發(fā)生的異常高溫使次年的茶葉產(chǎn)量降低了30%～40%[11]。另外，高溫還會(huì)增加城市居民的健康風(fēng)險(xiǎn)，導(dǎo)致流行疾病以及其并發(fā)癥的發(fā)生和加重，甚至引發(fā)超額死亡 [12]。為了應(yīng)對(duì)高溫天氣，最大程度降低負(fù)面影響，學(xué)者總體上從“減緩”與“適應(yīng)”兩個(gè)層面提出應(yīng)對(duì)策略：前者主要是通過(guò)優(yōu)化能源與產(chǎn)業(yè)結(jié)構(gòu)以減少溫室氣體排放、增加生態(tài)碳匯等；后者主要通過(guò)增加綠化覆蓋面積和納涼點(diǎn)等方式進(jìn)行適應(yīng)。值得注意的是，目前學(xué)者開(kāi)始關(guān)注預(yù)測(cè)預(yù)報(bào)和制定應(yīng)急策略[13，14]。多項(xiàng)研究結(jié)果顯示，高溫?zé)崂私】碉L(fēng)險(xiǎn)預(yù)警、健康教育和活動(dòng)鍛煉等干預(yù)性措施能夠真正有效地提高居民對(duì)城市高溫的應(yīng)對(duì)能力和適應(yīng)能力[15，16]。

前人的諸多成果為后續(xù)研究奠定了堅(jiān)實(shí)基礎(chǔ)。然而，迄今從規(guī)劃角度對(duì)典型城市高溫進(jìn)行動(dòng)態(tài)分析和應(yīng)對(duì)的成果相對(duì)較少。傳統(tǒng)城市規(guī)劃主要以城市增長(zhǎng)需求為導(dǎo)向，忽視氣候要素的影響；規(guī)劃者對(duì)氣候氣象相關(guān)知識(shí)的認(rèn)知不全面，缺乏對(duì)氣候環(huán)境要素的統(tǒng)籌考慮，規(guī)劃設(shè)計(jì)中鮮有氣候變化的直接控制指標(biāo)[17]。同時(shí)，由于不同區(qū)域的高溫天氣的特征差異懸殊，產(chǎn)生的原因與機(jī)理亦各不相同，因此對(duì)典型城市的實(shí)證研究，顯得十分重要。

鑒于此，本文以受高溫影響較大的南京市為典型案例，運(yùn)用2000—2020年逐日氣象數(shù)據(jù)，探討高溫的動(dòng)態(tài)變化特征及其影響因素，并基于此提出規(guī)劃應(yīng)對(duì)策略，希望能夠?yàn)榫徑饽暇┦懈邷赜绊懱峁┮?guī)劃啟示，并為其他同類(lèi)城市提供有益借鑒。

1 資料與方法

1.1 高溫及高溫?zé)崂说亩x

根據(jù)中國(guó)氣象局的判定標(biāo)準(zhǔn)，將日最高溫≥35℃界定為高溫。不同國(guó)家、不同組織對(duì)高溫?zé)崂讼嚓P(guān)的定義有所不同，主要通過(guò)最高溫和持續(xù)時(shí)間進(jìn)行界定。中國(guó)氣象局及學(xué)者研究明確——日最高溫＞35℃判定為高溫日，＞38℃為危害高溫日，＞40℃為極端高溫日，其中高溫日持續(xù)時(shí)間超過(guò)3 d判定為高溫?zé)崂?，超過(guò)5 d判定為強(qiáng)高溫?zé)崂薣18]；世界氣象組織（WMO） 定義高溫?zé)崂说臉?biāo)準(zhǔn)相對(duì)較低，即日最高氣溫高于 32℃，且持續(xù) 3 d 以上；荷蘭皇家氣象研究所的日最高溫標(biāo)準(zhǔn)則為25℃，持續(xù)5 d，且其中有 3 d 高于 30℃[5]；國(guó)內(nèi)黃卓等從熱浪對(duì)人體健康的影響方面提出了炎熱指數(shù)、炎熱臨界值等判定指標(biāo)，并將高溫?zé)崂藙澐譃檩p度、中度、重度三層[19]。另有學(xué)者根據(jù)不同區(qū)域與季節(jié)進(jìn)行定義，如林巧絢等基于高溫與死亡效應(yīng)聯(lián)系，對(duì)七大地區(qū)的高溫?zé)崂诉M(jìn)行了精確的定義，其中南京市所處的華東地區(qū)，高溫?zé)崂吮欢x為連續(xù)2 d及以上日平均溫度大于或等于暖季日平均溫度的67百分位的炎熱天氣（對(duì)應(yīng)絕對(duì)閾值為25.7℃）[20]。

本文主要采用中國(guó)氣象局界定的高溫與高溫?zé)崂藰?biāo)準(zhǔn)，對(duì)2000—2020年的南京市高溫及高溫?zé)崂诉M(jìn)行動(dòng)態(tài)及原因分析。

1.2 研究區(qū)域情況

南京市地處長(zhǎng)江中下游平原地區(qū)，位于東經(jīng)118°22′～119 °14′、北緯31°14′～32°37，東臨太平洋，是世界最典型的亞熱帶季風(fēng)氣候區(qū)覆蓋區(qū)。南京是中國(guó)高溫?zé)崂税l(fā)生率極高的地區(qū)之一，在1951—2009年高溫天氣統(tǒng)計(jì)中，相比國(guó)內(nèi)大部分城市，南京市高溫天氣發(fā)生頻率處于較高水平，并且嚴(yán)重影響當(dāng)?shù)厣a(chǎn)生活與居民健康，造成的人群超額死亡率超過(guò)20% [12]。因此，探討南京市的高溫?zé)崂司哂械湫鸵饬x。

1.3 數(shù)據(jù)源及研究方法

本文使用江蘇省氣象局氣象臺(tái)提供的南京市20 a（2000—2020年）逐日氣溫資料，對(duì)南京市高溫天氣動(dòng)態(tài)變化特征進(jìn)行研究，并以中國(guó)氣象局的高溫?zé)崂藰?biāo)準(zhǔn)分析其高溫?zé)崂藙?dòng)態(tài)。在此基礎(chǔ)上，根據(jù)《江蘇省統(tǒng)計(jì)年鑒》和《南京市統(tǒng)計(jì)年鑒》數(shù)據(jù)，采用因子分析與回歸分析方法，探討人口密度、GDP、人均GDP、道路密度、城鎮(zhèn)化水平等因素對(duì)南京市高溫的影響。

1.3.1 極差標(biāo)準(zhǔn)化

由于不同指標(biāo)量綱不同，不存在可比性，故需要將原始數(shù)據(jù)標(biāo)準(zhǔn)化，以消除量綱的影響。標(biāo)準(zhǔn)化公式如下：

式中：X—原始數(shù)據(jù)，Z—標(biāo)準(zhǔn)化后的數(shù)據(jù)。

本文對(duì)所收集的氣象數(shù)據(jù)以及人口密度、GDP、人均工業(yè)總產(chǎn)值、二三產(chǎn)業(yè)比重、城鎮(zhèn)化水平、城市綠化率等指標(biāo)的數(shù)據(jù)進(jìn)行極差標(biāo)準(zhǔn)化處理，代入式（1）中對(duì)不同數(shù)據(jù)歸一化，用于因子分析和多元線(xiàn)性回歸分析。

1.3.2 因子分析

因子分析基于降維的思想，將多個(gè)高溫?zé)崂擞绊懙淖兞烤酆铣蓭讉€(gè)獨(dú)立的公共因子，公共因子反映原來(lái)多個(gè)變量的同時(shí)，也反映了變量之間的內(nèi)在聯(lián)系。

本文對(duì)影響年均溫的6個(gè)使用因子分析，提取出兩個(gè)公因子，分別為人為因素（Y1）和自然因素（Y2），通過(guò)了Bartlett球形度檢驗(yàn)，并且通過(guò)最大方差法進(jìn)行旋轉(zhuǎn)，獲得兩者的得分方程式，用于均溫預(yù)報(bào)方程的表達(dá)。詳細(xì)因子分析模型參考文獻(xiàn)[21]。

1.3.3 多元線(xiàn)性回歸分析

多元線(xiàn)性回歸模型含有多個(gè)解釋變量，可用于解釋被解釋的變量（Y）與其他多個(gè)變量（x1， x2， x3，…， xp）解釋變量之間的線(xiàn)性關(guān)系。其數(shù)學(xué)模型為：

上式表示p元線(xiàn)性回歸模型，共有p個(gè)解釋變量，表示被解釋變量Y的變化可以由兩部分組成：

設(shè)第一部分（F1），由p個(gè)解釋變量x的變化引起的y的線(xiàn)性變化部分，即：

設(shè)第二部分（F2），解釋由隨機(jī)變量引起y變化的部分，用ε代替，稱(chēng)作隨機(jī)誤差。

本文通過(guò)因子分析提取兩個(gè)公因子：人為因素（Y1）和自然因素（Y2），對(duì)兩者進(jìn)行二元線(xiàn)性回歸分析，得到均溫的預(yù)報(bào)方程，并根據(jù)相關(guān)性系數(shù)得到不同因素對(duì)均溫影響程度的差異。

2 高溫的動(dòng)態(tài)演變特征

2.1 年均溫時(shí)間序列特征

通過(guò)擬合近20 a來(lái)南京市年平均氣溫隨年份的線(xiàn)性關(guān)系發(fā)現(xiàn)（圖1），2000—2020年，南京市年均溫整體呈上升趨勢(shì)，增幅為0.37℃/10a，遠(yuǎn)高于20世紀(jì)全國(guó)的溫度變化率0.25℃/a[22]，由此可見(jiàn)南京市高溫天氣的嚴(yán)峻形勢(shì)。值得注意的是，在2015年之后年均溫均位于線(xiàn)性擬合之上，可見(jiàn)其趨勢(shì)仍在加速中。由此可以預(yù)測(cè)，在未來(lái)的幾十年間，若沒(méi)有采取有效應(yīng)對(duì)措施，南京市的氣溫仍然將呈上升趨勢(shì)，且增幅可能加劇。事實(shí)上，在全球氣候變暖的大環(huán)境下，長(zhǎng)江三角洲地區(qū)從1991—2017年氣溫急劇上升，傾斜率為0.4℃/10 a，

其中以南京等經(jīng)濟(jì)發(fā)達(dá)城市為代表的江蘇南部最為顯著，達(dá)0.5～0.8℃/10a[23]。作為高溫?zé)崂说牡湫统鞘兄?，南京市受氣候變暖影響必然更加劇烈?/p>

進(jìn)一步分析近20 a南京市均溫的距平值隨時(shí)間的變化趨勢(shì)（圖2）。整體而言，2000—2020年

南京市的距平變化可分為三個(gè)階段：第一階段（2000—2007年），除2003年、2005年出現(xiàn)明顯降低外，該時(shí)段的平均氣溫距平呈現(xiàn)上升趨勢(shì)，并于2007年達(dá)到最高溫；第二階段（2008—2015年），

南京市平均氣溫主要呈負(fù)距平，證明該時(shí)段內(nèi)的平均溫對(duì)比其他年份較低，整體雖有所變化，但變幅不大；第三階段（2016年以后），均溫距平再次轉(zhuǎn)正，并有明顯加劇上升趨勢(shì)，在2021年達(dá)到20 a來(lái)的最高值，可以預(yù)測(cè)未來(lái)的南京市氣溫仍將呈現(xiàn)上升態(tài)勢(shì)。

值得注意的是，南京市在2016年以后，均溫距平值轉(zhuǎn)正，并呈明顯的上升趨勢(shì)。事實(shí)上，自

2016年起，長(zhǎng)江三角洲地區(qū)加快了區(qū)域一體化的進(jìn)程，2019的《長(zhǎng)江三角洲區(qū)域一體化發(fā)展規(guī)劃綱要》標(biāo)志著區(qū)域一體化上升為國(guó)家戰(zhàn)略，直接促進(jìn)了華東地區(qū)經(jīng)濟(jì)快速發(fā)展與城市化進(jìn)程[24]，導(dǎo)致了長(zhǎng)江三角洲地區(qū)經(jīng)濟(jì)發(fā)達(dá)城市均溫的上升。

2.2 極端高溫年際變化特征

從南京市極端高溫天數(shù)及強(qiáng)度變化趨勢(shì)可知（圖3）， 2000—2021年期間南京市極端高溫（T≥35 ℃）每年發(fā)生的天數(shù)為16.3 d，其中2008年

極端高溫出現(xiàn)次數(shù)最少（8次），2013年出現(xiàn)次數(shù)最多（35 d）。對(duì)比前后10 a的極端高溫出現(xiàn)的頻次和強(qiáng)度，從第一階段（2000—2010年）到第二階段（2011—2021年）極端高溫天數(shù)增長(zhǎng)了

3.1 d/a；相應(yīng)地，極端高溫強(qiáng)度也出現(xiàn)一定幅度的提升，達(dá)到0.03℃/a。

統(tǒng)計(jì)南京市2000—2020年極端高溫（T≥35℃）

出現(xiàn)在不同月份的總天數(shù)（圖4）發(fā)現(xiàn)，南京市極端高溫出現(xiàn)月份出現(xiàn)于5、6、7、8、9月，持續(xù)時(shí)間長(zhǎng)達(dá)5個(gè)月，且主要分布在7、8月份，其中7月份最多（185 d），8月次之（128 d）。事實(shí)上，其他學(xué)者的研究中南京市的高溫過(guò)程也發(fā)現(xiàn)其持續(xù)時(shí)間長(zhǎng)、極端氣溫高的特征，比江蘇各市更為顯著[25]。相較于中國(guó)大部分城市，南京市的夏季高溫比較嚴(yán)重，但與長(zhǎng)江中下游的無(wú)錫、杭州、南昌等高溫危害嚴(yán)重城市相比，其高溫頻次和強(qiáng)度都略微偏低[26，27]。

2.3 高溫?zé)崂四觌H變化特征

結(jié)合高溫?zé)崂祟l次與強(qiáng)度（持續(xù)時(shí)間）的年際變化特征（圖5），21世紀(jì)以來(lái)（2001—2020年）

南京市高溫?zé)崂耸录舶l(fā)生42次，平均每年發(fā)生2.1次，其中2018年出現(xiàn)頻次最多，高達(dá)5次；該時(shí)期（2001—2020年）高溫?zé)崂说某掷m(xù)天數(shù)事件總計(jì)251 d，平均12.6 d/a。以10 a為單位對(duì)比高溫?zé)崂酥笜?biāo)，第一階段（2001—2010年）平均每年

1.9次，持續(xù)時(shí)間為10.4 d/a，第二階段（2011—2020年）頻次為2.3次/a，持續(xù)時(shí)間14.7 d/a，兩者均出現(xiàn)顯著增長(zhǎng)態(tài)勢(shì)（熱浪頻次增長(zhǎng)0.4次/a，熱浪持續(xù)時(shí)間增長(zhǎng)4.3 d/a）。

結(jié)合上述研究極端高溫出現(xiàn)時(shí)間進(jìn)一步討論高溫?zé)崂说姆植家?guī)律（圖6），結(jié)果顯示，南京市2001—2000年的20 a時(shí)間內(nèi)高溫?zé)崂酥饕蟹植加?、8月份。此外，隨著時(shí)間年份的推進(jìn)，對(duì)比前后10 a的分布時(shí)間，高溫?zé)崂税l(fā)生的有明顯的延后趨勢(shì)，說(shuō)明其持續(xù)時(shí)間也在不斷延長(zhǎng)。

3 高溫的影響因素

3.1 對(duì)高溫顯著年份年均溫的因子分析

參考以往對(duì)城市高溫的研究成果[28-31]，結(jié)合上述南京市實(shí)際氣候特征規(guī)律，選取了南京市2000、2005、2010、2015、2020年的人口密度、二三產(chǎn)業(yè)比重、GDP、人均工業(yè)總產(chǎn)值、城鎮(zhèn)化水平、城市綠化率6個(gè)因子。人口密度表示常住人口與土地面積的比值；二三產(chǎn)業(yè)比重代表城市工業(yè)化與服務(wù)化水平； GDP表示為常住人口一年的生產(chǎn)活動(dòng)成果；人均GDP表示常住人口平均每人一年的生產(chǎn)活動(dòng)成果；城鎮(zhèn)化水平表示為非農(nóng)人口數(shù)量與常住人口的比值；城市綠化率表示城市建成區(qū)綠化覆蓋面積在建成區(qū)面積的占比。

由于因子較多，因此對(duì)其進(jìn)行因子分析。運(yùn)用SPSS 26.0得出各因子的特征值和方差貢獻(xiàn)率，前2個(gè)公因子解釋全部方差的81.302%，說(shuō)明所提取的兩個(gè)公因子能夠代表6個(gè)衡量年均溫指標(biāo)的81.302%，能夠較好的解釋初始數(shù)據(jù)，且KMO值大于臨界值0.6，Bartlett球形度檢驗(yàn)P值＜0.05，均通過(guò)KMO和Bartlett球形檢驗(yàn)，能夠進(jìn)行因子分析，故提取2個(gè)公因子為Y1，Y2。使用最大方差法旋轉(zhuǎn)，結(jié)果如表2所示，公因子1在人均工業(yè)總產(chǎn)值、二三產(chǎn)業(yè)比重、GDP、城鎮(zhèn)化水平、人口密度上具有較大的載荷，可歸為一類(lèi)，定義為人為因素；公因子2在綠化率具有較大的載荷，可歸為一類(lèi)，定義為自然因素。

此外，根據(jù)相關(guān)性分析結(jié)果顯示，在影響城市高溫現(xiàn)象的影響因素中，人口密度、二三產(chǎn)業(yè)比重、GDP、人均生產(chǎn)總值、城鎮(zhèn)化水平和城市綠化率的P均＜0.05，達(dá)到顯著水平，道路密度和城鎮(zhèn)化水平的P＜0.1，達(dá)到顯著水平；其中除二三產(chǎn)業(yè)比重外，其余各項(xiàng)指標(biāo)均具有顯著正向效應(yīng)。

城鎮(zhèn)化水平對(duì)年均溫的影響作用最大，城鎮(zhèn)化水平提高意味著城市硬質(zhì)地面占比提高，對(duì)城市高溫輻射折射越強(qiáng)，導(dǎo)致熱島效應(yīng)等高溫事件的發(fā)生頻率升高。GDP和人均工業(yè)總產(chǎn)值對(duì)年均溫的影響次之，GDP的提升表示社會(huì)的生產(chǎn)能力增加，二三產(chǎn)業(yè)投入更多，能源與資源的消耗更大，釋放更多的熱量，導(dǎo)致均溫提升；人均GDP取決于GDP和常住人口數(shù)量，人均GDP數(shù)值越高，消耗越高，對(duì)于高溫的現(xiàn)象緩解造成阻礙程度越高。二三產(chǎn)業(yè)比重反映城市工業(yè)化和服務(wù)化水平的比重，比重越高，消耗的能源與物質(zhì)量越多，排放的溫室氣體也越多。人口密度越高，非農(nóng)人口比重越高，單位面積生產(chǎn)生活產(chǎn)出的二氧化碳等溫室氣體越多，城市熱島效應(yīng)更為嚴(yán)重。城市綠化率反映建成區(qū)綠化面積占建成區(qū)總面積的比重，綠色植物對(duì)二氧化碳等促使溫室效應(yīng)的溫室氣體吸收，對(duì)緩解高溫?zé)崂说木哂兄匾饔谩?/p>

3.2 對(duì)高溫年份年均溫的線(xiàn)性回歸分析

利用因子分析的計(jì)算結(jié)果進(jìn)行線(xiàn)性回歸分析，回歸模型通過(guò)Durbin-Watson檢驗(yàn)，且顯著性P=0.006＜0.05，結(jié)果具有顯著性，擬合方程系數(shù)如表4所示，說(shuō)明該方程能夠?qū)Ω邷啬甑木鶞赜休^強(qiáng)的預(yù)報(bào)能力，即：

Y=0.383Y1+0.066Y2+0.487 （6）

此外，根據(jù)相關(guān)性分析結(jié)果顯示，人為因素對(duì)年均溫的相關(guān)系數(shù)為0.983，遠(yuǎn)高于自然因素的0.170，說(shuō)明南京市高溫年份的年均溫受人為的影響大于自然因素，人類(lèi)的生產(chǎn)生活活動(dòng)對(duì)高溫具有顯著的正向影響，該結(jié)果為南京市緩解城市高溫的規(guī)劃策略提供了科學(xué)依據(jù)。

4 結(jié)論與規(guī)劃應(yīng)對(duì)策略

4.1 主要結(jié)論與討論

（1）高溫的動(dòng)態(tài)變化特征

2000—2020年，南京市的年均溫正以0.37℃/10a的趨勢(shì)波動(dòng)上升，距平值變化可以分為2000—2007年、2008—2015年和2016—2020年三階段，除部分年份外，呈“正負(fù)正”的態(tài)勢(shì)，其中第二階段年均溫的總體偏低，具體原因還有待進(jìn)一步探究。南京市極端高溫持續(xù)時(shí)間和極端氣溫在7、8月份尤其明顯，6月次之，且兩者的變化基本同步。高溫?zé)崂耸悄暇┦袠O端天氣的表現(xiàn)形式之一，20 a時(shí)間內(nèi)高溫?zé)崂税l(fā)生次數(shù)為42次，持續(xù)時(shí)間251 d，以0.4次/a的速率增長(zhǎng)，持續(xù)時(shí)間也相應(yīng)延長(zhǎng)（4.3 d/a），發(fā)生高溫?zé)崂说陌l(fā)生月份有明顯的延后趨勢(shì)。相較近20 a的南京市年均溫、極端高溫和高溫?zé)崂粟厔?shì)，后10 a（2011—2020年）的增長(zhǎng)更快，若不采取有效應(yīng)對(duì)措施，城市高溫將呈快速增長(zhǎng)態(tài)勢(shì)。

（2）高溫的影響因素

城市高溫的影響因素可分為人為因素與自然因素，其中人為因素的影響最為顯著。人口密度、GDP、人均GDP和城鎮(zhèn)化水平對(duì)高溫均有顯著正向影響，而城市綠化率則具有顯著反向影響。其中城鎮(zhèn)化水平的影響作用最強(qiáng)，接著依次為GDP、人均工業(yè)總產(chǎn)值、二三產(chǎn)業(yè)比重、人口密度。值得注意的是，城市高溫的影響因素不止于此，地形、綠地、水體等自然因素和工業(yè)化水平、城市建設(shè)用地等社會(huì)經(jīng)濟(jì)因素也有不同程度的影響[8，10]，且呈現(xiàn)顯著的地區(qū)差異性，未來(lái)有關(guān)部門(mén)和民眾應(yīng)采取針對(duì)性措施以有效應(yīng)對(duì)高溫。

4.2 規(guī)劃應(yīng)對(duì)策略

城市規(guī)劃是應(yīng)對(duì)高溫天氣的重要手段之一，南京市各職能部門(mén)應(yīng)當(dāng)謹(jǐn)慎考慮當(dāng)下城市高溫不斷加劇的事實(shí)，不斷完善、調(diào)整、落實(shí)最新的國(guó)土空間規(guī)劃體系，并采取科學(xué)的規(guī)劃策略有效降低高溫危害。

一是優(yōu)化國(guó)土空間結(jié)構(gòu)，明確區(qū)域主導(dǎo)功能。結(jié)合南京市的自然山水格局，嚴(yán)格保護(hù)基本農(nóng)田，科學(xué)劃定生態(tài)紅線(xiàn)，統(tǒng)籌劃定城鎮(zhèn)開(kāi)發(fā)邊界，合理布局生產(chǎn)、生活與生態(tài)空間。明確不同區(qū)域的主導(dǎo)功能，對(duì)中心城區(qū)要適當(dāng)疏散人口和職能，提高土地利用效率，同時(shí)增加道路綠地與城市公園，增加綠地面積；城郊地區(qū)要有效承接中心城區(qū)人口和功能，緩解中心城區(qū)壓力；農(nóng)村地區(qū)則通過(guò)保護(hù)耕地、林地與園地等充分發(fā)揮其防風(fēng)固沙、碳氧轉(zhuǎn)化、熱量吸收、調(diào)節(jié)局部氣候等生態(tài)功能。

二是優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)，推進(jìn)能源可持續(xù)利用。中心城區(qū)通過(guò)“退二進(jìn)三”、騰籠換鳥(niǎo)等方式，不斷提升第三產(chǎn)業(yè)比重，尤其是大力發(fā)展適應(yīng)數(shù)字時(shí)代的交通運(yùn)輸業(yè)、郵電通訊業(yè)、商業(yè)飲食業(yè)、倉(cāng)儲(chǔ)業(yè)、金融保險(xiǎn)業(yè)、休閑旅游等現(xiàn)代服務(wù)業(yè)。強(qiáng)化光伏、風(fēng)電等可再生能源與清潔能源應(yīng)用，相應(yīng)降低火電、燃油比重，減少溫室氣體排放量；同時(shí)加強(qiáng)能效管理，提高能源使用效率。

三是優(yōu)化建筑設(shè)計(jì)，增加立體綠化。根據(jù)南京市局部溫度、濕度等具體情況合理控制建筑間距，城市建筑布局與設(shè)計(jì)要形成城市通風(fēng)走廊，有效釋放城市熱量。同時(shí)注意建筑本身的通風(fēng)設(shè)計(jì)以及垂直綠化設(shè)計(jì)，在天臺(tái)、墻壁、陽(yáng)臺(tái)等垂直空間上增加綠化量，最大程度緩解城市高溫。

四是增加綠地面積，增設(shè)城市納涼點(diǎn)。未來(lái)南京市新老城區(qū)的改造、擴(kuò)建中，必須增加生態(tài)用地指標(biāo)，逐步改善城市下墊面的熱量吸收和釋放。規(guī)劃設(shè)計(jì)環(huán)城綠化帶、城市公園，有效緩解城市高溫?zé)崂爽F(xiàn)象；適地建造人工湖，合理增加水體面積，利用水的比容量，改善城市局部氣候，達(dá)到熱時(shí)送涼、冷時(shí)放熱的效果。同時(shí)，在公園、街頭綠地、公共設(shè)施、商場(chǎng)等公共場(chǎng)所，為快遞員、環(huán)衛(wèi)工人、交警等戶(hù)外工作者提供納涼點(diǎn)。

五是完善高溫防治體系，提高敏感人群適應(yīng)能力。要完善城市高溫?zé)崂祟A(yù)警信息系統(tǒng)，編制應(yīng)急方案，構(gòu)建多元主體應(yīng)急體制，將高溫?zé)崂说膿p失降低到最小。關(guān)愛(ài)老年人、婦女兒童、戶(hù)外工作者等高敏感人群，通過(guò)宣傳引導(dǎo)、定期體檢與政策幫扶等，提升其自身防護(hù)與適應(yīng)意識(shí)，增強(qiáng)適應(yīng)和熱調(diào)節(jié)能力。

參考文獻(xiàn)：

[1] IPCC， 2013： Climate Change 2013： The Physical Science Basis. Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change[R]. Cambridge，United Kingdom and New York， NY， USA： Cambridge University Press， 2013.

[2] 秦大河， Thomas Stocker. IPCC第五次評(píng)估報(bào)告第一工作組報(bào)告的亮點(diǎn)結(jié)論[J]. 氣候變化研究進(jìn)展，2014，10（1）：1-6.

[3] 姜彤， 翟建青， 羅勇，等. 氣候變化影響適應(yīng)和脆弱性評(píng)估報(bào)告進(jìn)展： IPCC AR5到AR6的新認(rèn)知[J]. 大氣科學(xué)學(xué)報(bào)，2022，45（4）：502-511.

[4] IPCC， 2021： Climate Change 2021： The Physical Science Basis. Contribution of Working Group I to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change[R]. Cambridge University Press， Cambridge， United Kingdom and New York， NY， USA， 2021.

[5] IPCC， 2013： Climate Change 2013： The Physical Science Basis. Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change[R]. Cambridge University Press， 2013.

[6] Munari C. Effects of the 2003 European heatwave on the benthic community of a severe transitional ecosystem （Comacchio Saltworks， Italy）[J]. Marine Pollution Bulletin， 2011， 62（12）：2761-2770.

[7] 談建國(guó)， 鄭有飛. 我國(guó)主要城市高溫?zé)崂藭r(shí)空分布特征[J]. 氣象科技，2013，41（2）：347-351.

[8] 黃曉軍， 王博， 劉萌萌，等. 中國(guó)城市高溫特征及社會(huì)脆弱性評(píng)價(jià)[J]. 地理研究，2020，39（7）： 1534-1547.

[9] 郭禹慧， 黃曉軍， 鄭殿元，等. 極端高溫脅迫下中國(guó)城市脆弱性格局與影響因素[J]. 熱帶地理，2021，41（3）：596-608.

[10] 侯浩然， 丁鳳， 黎勤生. 近20年來(lái)福州城市熱環(huán)境變化遙感分析[J]. 地球信息科學(xué)學(xué)報(bào)，2018，20（3）：385-395.

[11] 陸一磊， 孔維財(cái)， 時(shí)冬頭. 影響南京市高淳區(qū)茶葉生產(chǎn)主要?dú)庀鬄?zāi)害分析[J]. 浙江農(nóng)業(yè)科學(xué)，2021，62（3）：608-610，616.

[12] 楊續(xù)超， 陳葆德， 胡可嘉. 城市化對(duì)極端高溫事件影響研究進(jìn)展[J]. 地理科學(xué)進(jìn)展，2015，34（10）：1219-1228.

[13] 王昕宇， 曾堅(jiān). 城市高溫?zé)崂藶?zāi)害防災(zāi)規(guī)劃策略研究——基于歐美國(guó)家的規(guī)劃經(jīng)驗(yàn)[J]. 現(xiàn)代城市研究，2017（8）：84-92.

[14] 陳愷， 唐燕. 城市高溫?zé)崂舜嗳跣钥臻g識(shí)別與規(guī)劃策略應(yīng)對(duì)——以北京中心城區(qū)為例[J]. 城市規(guī)劃，2019，43（12）：37-44，77.

[15] 汪慶慶， 于永， 李永紅，等. 南京社區(qū)居民應(yīng)對(duì)熱浪健康干預(yù)效果評(píng)價(jià)[J]. 中華預(yù)防醫(yī)學(xué)雜志， 2018， 52（2）：3.

[16] 李永紅， 汪慶慶， 蘭莉，等. 中國(guó)四城市社區(qū)居民應(yīng)對(duì)高溫?zé)崂说母深A(yù)措施效果評(píng)估[J]. 中華預(yù)防醫(yī)學(xué)雜志，2018，52（4）：424-429.

[17] 蔡志磊. 應(yīng)對(duì)氣候變化的城市總體規(guī)劃編制響應(yīng)[D].武漢：華中科技大學(xué)，2012.

[18] 邢佩， 楊若子， 杜吳鵬， 等. 1961—2017年華北地區(qū)高溫日數(shù)及高溫?zé)崂藭r(shí)空變化特征[J]. 地理科學(xué)，2020，40（8）：1365-1376.

[19] 黃卓， 陳輝， 田華. 高溫?zé)崂酥笜?biāo)研究[J].氣象，2011，37（3）：345-351.

[20] 林巧絢， 王黎君， 殷鵬，等. 中國(guó)不同區(qū)域基于死亡風(fēng)險(xiǎn)評(píng)估的高溫?zé)崂硕x及其疾病負(fù)擔(dān)研究[C]. 2018環(huán)境與健康學(xué)術(shù)會(huì)議--精準(zhǔn)環(huán)境健康：跨學(xué)科合作的挑戰(zhàn)，2018.

[21] Marsh W H， Morin J A， Parker D P， et al. Exploratory Structural Equation Modeling： An Integration of the Best Features of Exploratory and Confirmatory Factor Analysis[J]. Annual Review of Clinical Psychology，2014，10（1）.

[22] 任國(guó)玉， 徐銘志， 初子瑩，等. 近54年中國(guó)地面氣溫變化[J]. 氣候與環(huán)境研究，2005（4）：717-727.

[23] 胡艷， 史軍， 張敏. 長(zhǎng)江三角洲地區(qū)四季變化特征及城市化影響研究[J]. 長(zhǎng)江流域資源與環(huán)境，2021，30（6）：1343-1355.

[24] 陳飚， 王海旭， 杭雨欣. 長(zhǎng)江三角洲商業(yè)航天進(jìn)展與淺析[J]. 衛(wèi)星應(yīng)用，2022，122（2）：26-29.

[25] 鄭有飛， 丁雪松， 吳榮軍等. 近50年江蘇省夏季高溫?zé)崂说臅r(shí)空分布特征分析[J]. 自然災(zāi)害學(xué)報(bào)，2012，21（2）：43-50.

[26] 吳榮軍， 鄭有飛， 劉建軍， 等. 長(zhǎng)江三角洲主要城市高溫災(zāi)害的趨勢(shì)分析[J]. 自然災(zāi)害學(xué)報(bào)，2010，19（5）：56-63.

[27] 周晶， 劉蕾， 霍飛，等. 不同下墊面數(shù)據(jù)和城市冠層參數(shù)化方案對(duì)江蘇氣溫影響的個(gè)例分析[J]. 氣象科學(xué)，2018，38（3）：342-350.

[28] 范碧航， 李寧， 張繼權(quán)，等. 城市高溫災(zāi)害性天氣影響分析與危害評(píng)估——以長(zhǎng)春市為例[J]. 災(zāi)害學(xué)，2011，26（4）：93-97.

[29] 李縱橫， 李崇銀， 宋潔，等. 1960—2011年江淮地區(qū)夏季極端高溫日數(shù)的特征及成因分析[J]. 氣候與環(huán)境研究，2015，20（5）：511-522.

[30] 鄭穎生， 王墨， 李建軍，等. 城市高溫風(fēng)險(xiǎn)評(píng)估與氣候適應(yīng)性規(guī)劃策略——以亞熱帶高密度城市深圳為例[J]. 規(guī)劃師，2021，37（14）：13-19.

[31] 楊林川， 楊皓森， 范強(qiáng)雪，等. 大城市高溫?zé)崂舜嗳跣栽u(píng)價(jià)及規(guī)劃應(yīng)對(duì)研究——以成都市為例[J]. 規(guī)劃師，2023，39（2）：38-45.