1 引言

气温不仅是气候系统的重要表征指标，也直接影响人们的日常生活和生态环境，因此，日最高、最低气温以及气温日变化的特征受到了广泛的关注和重视(王旻燕等，2005；唐国利等，2006；吴凌云等，2011)。

日变化是气候的基本特征之一，日最高温度、最低温度出现时间的迟早与水汽蒸发、凝结等大气物理过程的关系十分紧密，是判断寒潮、霜冻、高温、冷害等极端气候事件的重要指标，气温日变化速度的快慢对于进一步认识日变化与天气变化的关系、提高气温逐时预报的准确性、延长预报时效将有很大的帮助，该方向的研究对准确认识气温的极值特征有十分重要的作用，同时，对全球和区域性气候变化、地气之间的能量转化、大气的化学 成分、浓度的变化等方面的日变化和极值出现时 间的研究都有重要的指示作用(杨玉华等，2003；Chudnovsky et al.,2004；徐阳阳等，2009)。

受太阳辐射日变化的影响，近地面气温一般在14时(北京时，下同)至15时出现最高值，日出前后出现最低值，气温在日出后升温较快，夜间温度变化渐缓，但是，地表状况的差异、天气状况的不同等因素使日最高最低气温的出现时间以及变温速率受到一定程度的影响(吕达仁等，2002；任国玉等，2005；赵娜等，2011)。城市化进程导致城市的下垫面的改变及城市热岛环流的形成，从而影响着日最高最低气温的出现时间以及气温的日变化速率(Peterson et al.,1999)。目前，城市化进程带来的城市热岛效应的研究已有很多，尤其是城市和郊区在气温方面的差异对比研究已经相当成熟(Saaroni et al.,2000；张朝林等，2007；林学椿等，2009)，近些年，我国自动气象站的扩建给中国城市气候的精细化研究带来了可能性。丁金才等(2001)根据上海地区加密观测资料，对上海地区高温分布特征进行了诊断分析，胡文志等(2009)基于香港城郊代表站点的小时资料，对比了城郊站点的气温和相对湿度差异的日变化和季节变化，李兴荣等(2010)基于深圳自动观测站的资料，分析了深圳不同下垫面的小气候区夏季典型晴天的温湿及舒适度特征。从已有研究来看，利用自动气象站小时资料对区域气候进行日变化特征的研究还不太多，其原因是观测资料在时间和空间上的密度还很不足，很难对区域气候的精细特征进行系统的分析和诊断。

为了了解城市化对北京气候的影响，本文基于北京地区2007～2010年67个自动气象站逐小时气温观测资料，通过统计北京城区和郊区观测站日最高、最低气温出现时间以及不同时间间隔变温的大小，认识城区和郊区日极值气温出现时间、变温的日变化规律，以及其在不同区域、不同季节的差异性特征等，可为城市化效应对北京地区城郊日变化差异的分析提供细致的分析信息，从而为准确认识极值事件以及精细化预报提供参考依据。

北京地区自1998年开始建立自动气象观测网，经过10多年的建站和发展，已经形成了一个时间上和空间上都较为密集的自动气象观测网，截至2010年，已有加密自动气象观测站100多个。杨萍等(2011)构建了北京地区逐小时气温观测资料的质量评估流程，对北京地区逐小时气温观测资料的完整性、准确性和可靠性进行了定量化的评估，利用邻近站点的数据对少量的缺测值进行空间插补，形成了一套质量较高的小时气温数据集。在数据集的构建中，充分考虑海拔高度等因素对温度值的影响，如在空间一致性方法进行错误数据识别以及采用空间插值方法对缺测数据进行插补时，均充分考虑了海拔高度对气温的影响，以确保数据集能够更加客观和接近于真实状态。本文所用资料来源于这套数据集中2007～2010年67个站点逐小时的气温资料，其中，城区站点30个，分布于东城、西城、海淀、朝阳、石景山、丰台等主城区，去除了城区中自动站附近下垫面景观相异(如公园、水域等)的站点。郊区站点37个，分布于昌平、怀柔、密云、平谷、门头沟、房山等远郊区和山区，去除了明显城市化的近郊区域和城镇(如顺义、大兴、通州)站点。

在给出北京地区城区、郊区站点平均温度日变化特征的基础上，通过对最高、最低温度等表征日变化特征出现时间的概率分布，分析了城市环境对温度日变化的影响。具体方法为：利用出现率(出现次数/总次数)来表征日最高(低)温度在各时次出现的概率，统计了城区和郊区代表站点及区域平均的全年和季节日最高温度(最低温度)出现时间的概率分布特征，并分季节对城区和郊区不同单位时间内的变温的年平均特征及其季节变化进行了分析，具体包括1小时变温、3小时变温、6小时变温三种情况，t时刻的变温值用(k=1，3，6)表示。分季节研究中，选取典型月份1月、4月、7月、10月分别代表冬、春、夏、秋季进行 研究。

人们很早就注意到，局地环境和下垫面特征不仅对气温有重要的影响，也对其日变化有重要影响，以下我们将给出北京地区城、郊日变化特征，并对这种日变化的概率分布特征进行分析。

图 1给出了不同季节下城区和郊区的日变化特征。图 1的结果显示，由于城、郊周边环境的不同，不仅在温度值上存在明显差异，而且日最高(最低)温度的出现时间有较大不同，日最高温度的出现时间除了春季城区和郊区出现时间一致(15时)外，其他各季城区均较郊区出现时间滞后1小时。而日最低温度的出现时间上季节差异明显，但城区和郊区最低气温出现时间在春、夏、秋三季是一致的，只有冬季城区早于郊区，城区最低气温出现在07时，郊区则滞后1小时。从图 1中已经看到了日极值温度的出现时间上存在着城郊差异和季节差异，而事实上，最高(最低)温度出现的时间是日变化中最重要的特征，过去人们主要分析每个区域最高(最低)温度平均的出现时间，对其分布状况或偏离程度的关注不多，最高(最低)温度出现时间的概率可以表征气温日变化形态的概率分布特征。因此，对最高(最低)出现时间的概率分布的认识，可以深化对气温日变化特征的了解，也可以为精细化天气预报提供气候背景知识。

图 1

Fig. 1

图 1 城区(实心点线)和郊区(空心点线)温度日变化特征：(a)春季；(b)夏季；(c)秋季；(d)冬季Fig. 1 Diurnal temperature changes in urban(solid point) and rural(hollow point)areas：(a)Spring;(b)summer;(c)autumn;(d)winter

图 2给出了城区和郊区代表站点最高、最低温度出现率的日分布特征。其中，图 2a为城区十个代表站点(天安门、官园、十八里店、玉渊潭、新发地、和平西桥、玉泉营、丰台体育馆、顺义、观象台)最高温度出现率的日分布特征，图 2b为郊区代表站点(张坊、新庄、菩萨鹿、龙庆峡、旧县、九渡河、云蒙山、佛爷顶、上甸子、霞云岭)最高温度出现率的日分布特征，图 2c为城区代表站点(站点名同图 2a)最低温度各时次出现率的时间分布特征，图 2d为郊区代表站点(站点名同图 2b)最低温度各时次出现率的日分布特征。

图 2

Fig. 2

图 2 城区典型代表站点最高温度(a)、最低温度(c)和郊区典型代表站点最高温度(b)、最低温度(d)出现率的时间分布Fig. 2 Time distribution of(a，b)maximum and (c，d)minimum temperature occurrence rate at typical stations in(a，c)urban and (b，d)rural areas

由图 2可以看出，城区代表站点日最高温度最大出现率的时次均为15时，占出现率的35%以上，最低温度最大出现率的时次均为06时，占出现率的25%～30%；而郊区代表站点日最高温度最大出现率的时间比较分散，位于14时或15时，占出现率的比率基本上低于35%，其日最低温度最大出现率的时次位于05时或06时，占出现率比率在20%到28%之间。对比城区和郊区的日变化曲线，发现城区最高、最低温度各时次出现率的日变化曲线非常一致，近乎重合(图 2a和图 2c)，郊区最高、最低温度的日变化曲线明显较为分散(图 2b和图 2d)。一方面说明城区不同站点最高、最低温度最大出现率的时间与郊区相比更为集中，即城区站点之间具有较好的时间一致性，另一方面也说明城区各站点最高、最低温度最大出现率与郊区各站点相比占有更高的比率，最高(低)温度的出现时间更为集中。

不同站点最高(低)温度最大出现率的时间一致性差别，可能与城区和郊区局地下垫面环境的差异有关。北京城区位于平坦地域，地形差异不大，且市区基本以房屋建筑、水泥地面等为主，具有比较一致的下垫面和周边环境，因此最高、最低温度出现时间的概率分布曲线比较一致，最大概率出现时间基本一致。相比之下，郊区的下垫面性质迥异，下垫面性质的不同使其具有不同的热容量，导致对自然辐射加 热的响应时间有别(刘树华等，2002；刘熙明等，2006)，且郊区站点局地环境和地理位置差异也相对较大，日变化特征就会表现出较大的差异性。

为了说明城、郊最高(最低)温度出现时间的差异性，进一步对比城区和郊区最高、最低温度出现率的特征。图 3给出了城(郊)区所有站点最高(低)温度出现率的逐小时变化情况。与郊区相比，城区最高、最低温度的出现时间更集中于最大出现率的时刻，这与图 2的结果一致。此外，城区最高温度出现的时间倾向偏晚，最低温度出现时间趋于偏早，这可能是由于白天城区气溶胶含量较高，对太阳辐射的散射较强(Ohashi et al.,2002)，其辐 射加热产生滞后效应，因此最高温度出现时间偏晚，而夜间到凌晨城区太阳辐射开始启动加热的时间相对偏早，导致最低温度出现时间偏早。

图 3

Fig. 3

图 3 城区(实心点线)和郊区(空心点线)最高温度(a)与最低温度(b)出现率的逐小时变化Fig. 3 Hourly variations of(a)maximum and (b)minimum temperature occurrence rate in urban(solid point) and rural(hollow point)areas

图 4和图 5分别给出城(郊)区最高、最低温度逐时出现率的各季节平均状况。从图 4a-d中可见，各季节最高温度出现率的分布特征曲线尽管 有差异，但基本形态和年平均的情况类似。对最 高温度出现的时间，城区比较集中，最大出现率占的比例较高，最高温度出现时间偏晚于郊区。其中秋、冬两季最为集中，最大概率占的比例超过了45%，春、夏季较为分散，最大概率占的比例不超过35%。对最低温度出现时间，其各季特征也比 较一致(图 5a-d)，城区比郊区集中且偏早于郊区，出现时间趋于偏早。最低温度的最大出现率对应的时次冬季最晚(城区08时，郊区07时)，秋季次之(07时)，春季较早(06时)，夏季最早(05时)。其中春、夏两季最为集中，最大概率占的比例超过了45%，秋、冬季最低温度出现时间较为分散，尤其是冬季城郊差别很大，城市的特征曲线比郊区更加分散，这很可能是由于冬季取暖增加了气溶胶效应有关(徐祥德等，2005)。上述结果与天气过程的影响可能存在着较为密切的关系。如夏季可能受到降水过程的影响，而冬季会常常伴随不同时间的冷空气过程。

图 4

Fig. 4

图 4 城区(实心点线)和郊区(空心点线)春季(a)、夏季(b)、秋季(c)和冬季(d)最高温度出现率的逐小时变化Fig. 4 Maximum temperature occurrence rate in urban(solid point) and rural(hollow point)areas in(a)spring，(b)summer，(c)autumn，(d)winter

图 5

Fig. 5

图 5 各季城区(实心点线)和郊区(空心点线)春季(a)、夏季(b)、秋季(c)和冬季(d)最低温度出现率的逐小时变化Fig. 5 Minimum temperature occurrence rate in urban(solid point) and rural(hollow point)areas in(a)spring，(b)summer，(c)autumn，(d)winter

变温是指单位时间间隔内温度的变化幅度，是天气变化强度的重要指标，同时变温也会对人体健康产生重要的影响。除了平均日变化的昼升夜降的特征外，本节将深入分析不同单位时间内城区和郊区变温的差异及其随季节的变化规律。 4.1 变温的日变化特征及其季节差异

图 6给出了不同时间间隔下气温变化幅度的曲线，具体包括1小时变温(图 6a)、3小时变温(图 6b)和6小时变温(图 6c)年平均的日变化特征曲线。从图中可以看到，城区和郊区最大变温出现时间一致，但无论是基于多长的单位时间，城区变温的幅度均小于郊区。最大变温出现的时间随着间隔时段的增加而增大，最大变温的大小和太阳辐射 急剧变化相关，即和日出、日落变化的时间相关联，而最高温度和最低温度的出现时刻具有滞后效应。1小时、3小时、6小时的最大正变温出现时间t时刻分别为09时、11时、13时，对应的最大负变温出现时间分别为18时、20时、22时。从图中还可见，与正变温相比负变温是一个较为缓慢的过程。

图 6

Fig. 6

图 6 城区(实心点线)和郊区(空心点线)气温变化的日变化规律：(a)1小时变温；(b)3小时变温；(c)6小时变温Fig. 6 Diurnal variation of temperature increment in urban(solid point) and rural(hollow point)areas:(a)For 1 hour;(b)for 3 hours;(c)for 6 hours

1小时变化的日变化特征中(图 7)，城区的整体变温幅度小于郊区，春、秋和冬季变温幅度较大，夏季变温幅度最小，其中郊区秋季最大正(负)变温幅度均超过2.5℃，城区超过1.5℃，而夏季最大正(负)变温幅度均在1.5℃左右，城区在1.0℃左右。就城区而言，春秋两季日平均变温值(负变温取其绝对值)幅度相对较大，其绝对值分别为0.76℃(春)和0.72℃(秋)，冬夏两季变温幅度相对较小，其绝对值分别为0.55℃(冬)和0.59℃(夏)。与之相比，郊区的平均变温值高于城区，秋季变温值最大，达到0.86℃，春季次之(0.85℃)，冬季更小(0.76℃)，夏季最低(0.68℃)。

图 7

Fig. 7

图 7 城区(实心点线)和郊区(空心点线)1小时变温的日变化曲线：(a)春季；(b)夏季；(c)秋季；(d)冬季Fig. 7 Diurnal temperature variation for 1 hour in urban(solid point) and rural(hollow point)areas:(a)Spring;(b)summer;(c)autumn;(d)winter

此外，正负变温的不对称性特征在1小时变温曲线中非常明显，以春季为例，正变温过程始于07时，到08时就达到峰值，即仅用1小时左右就完成了正变温过程，而负变温过程始于14时，到17时方到达负变温峰值，该过程用了3小时的时长。可见，1小时变温过程中，负变温过程比正变温要平缓很多。

与1小时变温结果相比，3小时变温(图略)正负变温过程开始至最大变温峰值所需要时间的差别不大，3小时最大正变温发生时次冬季偏晚(11时)，其余季节均最大正变温发生时次均在10时，最大负变温发生时次春夏季偏晚(20时)，秋冬季偏早(19时)。6小时(图略)变温相对比较均匀，没有明显的跳跃过程，这说明剧烈的变温过程(尤其是正变温)实际上是在3小时甚至是1小时以内完成的。

为了进一步对比一天温度的变化中，多长时效的变温占据日气温变化的主要贡献，结合前文的结果，表 1给出了1小时、3小时、6小时全年平均以及各季的最大变温速率。

表 1(Table 1)

表 1 城区和郊区年平均和季节的最大变温速率(单位：℃ h-1) Table 1 The average maximum climate rate of temperature variation in urban and rural areas per year and in four seasons(°C h-1)

表 1 城区和郊区年平均和季节的最大变温速率(单位：℃ h-1) Table 1 The average maximum climate rate of temperature variation in urban and rural areas per year and in four seasons(°C h-1)

可以看到，1小时和3小时最大变温速率的改变不大，如夏季城区的变温速率在1小时变温和3小时变温中只相差了0.06℃，而6小时变温和3小时变温相比，速率相差了0.3℃，可以推断，平均的最大增温主要是发生在3小时之内，而3小时以后，增温速率已经和平均增温速率相差无几。

图 8给出了1小时、3小时、6小时最大正变温出现时间出现率的日变化特征。可以看到，不同变温条件下城郊最大变温出现率的日变化曲线有所差别。1小时城区最大正变温出现率曲线右偏，这可能与城区气溶胶较多，热容量较大有关系；3小时最大变温的出现时间最为集中，最大概率时间为10时，城区的峰值大于郊区，城区最大概率时间占到比例超过了40%。

图 8

Fig. 8

图 8 城区(实心点线)和郊区(空心点线)最大正变温出现时间出现率的日变化：(a)1小时变温；(b)3小时变温；(c)6小时变温Fig. 8 Occurrence rate of maximum positive temperature increment in urban(solid point) and rural(hollow point)areas：(a)For 1 hour；(b)for 3 hours；(c)for 6 hours

类似地，图 9给出了最大负变温出现时间的结果。可以看到，负变温出现率曲线比较分散，1小时最大负变温最大概率所占比例不超过20%，城区仅为15%，与郊区相比，城区最大降温的时间偏早于郊区。而3小时以上变温出现率曲线为右偏，最大负变温出现时间随单位时间的延长而趋于集中，最大出现概率所占的比例郊区超过25%，且郊区大于城区。从图中可以注意到，负变温过程是相对缓慢过程。

图 9

Fig. 9

图 9 城区(实心点线)和郊区(空心点线)最大负变温出现时间出现率的日变化：(a)1小时变温；(b)3小时变温；(c)6小时变温Fig. 9 Occurrence rate of maximum negative temperature increment in urban(solid point) and rural(hollow point)areas:(a)For 1 hour;(b)for 3 hours;(c)for 6 hours

图 10给出了不同季节1小时最大正变温出现时间概率分布。可以看到，冬季1小时最大变温出现时间最为集中，春秋次之，夏季最为分散。冬季郊区出现时间的最大概率所占比例超过35%，而夏季仅为15%左右。该结果的可能原因是夏季天气过程多于冬天。从最大正变温的概率分布曲线的形态看，秋、冬季城区概率分布曲线比郊区概率分布曲线呈现左偏，而春、夏季则呈现右偏的特征，其中以夏、秋两季的偏度最为明显。秋季城区最大概率分布曲线比郊区左偏，与李兴荣等(2008)研究北京秋季城市热岛效应的结果一致，其原因主要是由于秋季北京地区水汽含量较小，城市清晨“干岛”效应突出，日出后太阳辐射的加热作用使市区地面气温上升的速率和幅度均更大的缘故。夏季水汽含量相对较大，城区的气溶胶、污染等较重，热容量较大，因此太阳辐射的增温效应城区较慢，显示为右偏特征。3小时变温、6小时变温的季节差异基本类似(图略)。

图 10

Fig. 10

图 10 城区(实心点线)和郊区(空心点线)1小时最大正变温出现时间:(a)春季;(b)夏季;(c)秋季;(d)冬季Fig. 10 Occurrence rate of maximum positive temperature increment in urban(solid point) and rural(hollow point)areas for 1 hour:(a)Spring;(b)summer;(c)autumn;(d)winter

图 11给出了1小时最大负变温出现时间概率分布的季节差异。城郊1小时最大负变温出现率峰值的分布时次在夏、冬两季有较明显的差别，夏季和冬季城区较郊区均早1个时次(夏季城区22时，郊区23时，冬季城区17时，郊区18时)，春秋季城郊出现率峰值的发生时次一致，春季为19时，秋季为18时。城区较郊区发散，秋季最为集中，冬夏次之。秋季曲线中郊区最大概率所占的比例超过40%，城区超过30%，而春季郊区仅在20%左右，城区在15%左右。最大负变温出现的平均时间主要受日落时间影响，但天空状况变化对辐射冷却的影响，以及冷空气的入侵活动将使之发生偏移。春季冷空气活动频繁，气温波较大，使最大负变温的出现在各个时次的随机性增大。秋季最大负变温出现时间的概率分布为什么最为集中，其原因有待进一步研究。最大正、负变温出现的时间均表现出郊区比较集中的特点，表现了城市热容量比郊区大(刘树华等，2002；刘熙明等，2006)，且具有更多变化的复杂性。

图 11

Fig. 11

图 11 城区(实心点线)和郊区(空心点线)1小时最大负变温出现时间:(a)春季;(b)夏季;(c)秋季;(d)冬季Fig. 11 Occurrence rate of maximum negative temperature increment in urban(solid point) and rural(hollow point)areas for 1 hour:(a)Spring;(b)summer;(c)autumn;(d)winter

本研究基于北京地区自动气象站逐小时气温观测资料，得到了城区和郊区日极值气温出现时间以及气温变化快慢的总体规律和季节特征，主要结论如下：

(1)城区站点最高(低)温度最大出现率的时次更加集中，而郊区相对分散，且城区不同站点最高(低)温度出现概率的日变化曲线也非常一致。与城区代表站点相比，郊区最高(低)温度不同站点日变化的差异性也更大。说明城区站环境的差异性比郊区小，平均热容量则比郊区大。

(2)城区最高温度出现的时间较晚，可能原因是城区白天气溶胶含量较高，导致城区辐射加热的滞后效应所致，而最低温度出现的时间城区偏早于郊区，可能因为晚上到清晨郊区的水汽含量比城区大，太阳辐射开始启动加热的时间相对城区较晚。城郊温度日变化的不同特点，和城市的热岛效应、干岛效应有密切关系。

(3)城区的整体变温幅度小于郊区，春、秋和冬季变温幅度较大，夏季变温幅度最小，其中郊区秋季最大正(负)变温幅度均超过2.5℃，城区超过1.5℃，而夏季最大正(负)变温幅度均在1.5℃左右，城区在1.0℃左右。最强的变温过程一般在3小时以内，其中正变温是比较急剧的过程，负变温相对比较缓慢的过程。

(4)最大正变温出现的时间在冬季最为集中，夏季最为分散；而最大负变温概率在秋季最为集中，在春季最为分散。从变温的特征可以看到，最大正、负变温出现的时间均表现出郊区比城区更为集中的特点，表现了城市热容量比郊区大，且具有更多变化的复杂性。

由于受到城市热岛、复杂环境、地理位置、多样性地形、天气系统等多重因素的影响，城区和郊区的气温日变化特征值得研究的方面很多。本文仅仅是对北京城区和郊区的日变化平均情况进行了多方面的统计和分析。事实上，地理位置、地形条件不同的郊区站之间日变化特征有何差别、晴空条件、有云条件、降水降雪条件等天气系统影响下的日变化特征有何差别，这些方面的问题都值得在后续工作中进行更加深入和系统性的研究和探讨。