0 引 言
天气气候条件对人体具有重要影响，是影响地区旅游产业发展的关键因素之一（刘清春等，2007；谭凯炎等，2022；张磊磊等，2023），全球气候变暖对自然环境和人类影响深远（王姝等，2024）。气温、湿度、降水等气象要素不仅在旅游目的地选择中起决定性作用，还可塑造独特的自然景观，增强旅游吸引力（曹开军等，2015；曹永强等，2016；张波等，2017；姜忠宝等，2024）。贵州省旅游资源丰富，拥有5A级旅游景区9处、4A级旅游景区152处。2023年全省旅游接待总人数达6.36亿人次，实现旅游总收入7 404.56亿元人民币，在区域经济中占据重要地位。因此，开展贵州省气候舒适度的时空变化特征及其环境驱动因素研究，对于科学规划地方旅游产业、提升旅游服务质量具有重要意义。
人体舒适度的研究可追溯至20世纪初，经过长期发展，已形成包括温湿指数（Temperature Humidity Index，THI）、风寒指数（Wind Chill Index，WCI）、穿衣指数（Index of Clothing，ICL）、湿球温度、风效指数、通用热气候指数、基于黄金分割法的人体舒适度指数、室外天气舒适指数（Outdoor Weather Comfort Index，OWCI）等在内的160余种指标，这些指标涵盖了气温、湿度、风速、太阳辐射、服装和代谢率等多个因子，能够较为全面地反映气候环境对人体舒适度的影响（Thom，1959；王式功等，2013；Błażejczyk et al.，2013；Dong et al.，2022；谭凯炎等，2022；王耕等，2022；宋旭萍等，2023）。为更系统地综合评估气候对康养与旅游舒适度的影响，学者们还发展了气候康养旅游指数、气候旅游指数、旅游气候适宜性指数、森林综合保健指数、滨海旅游气候指数、星空旅游评估模型以及综合舒适指数（Comprehensive Comfort Index，CCI）等多种评估指标（马丽君等，2010；Tang et al.，2012；Zhu et al.，2021；蔚丹丹等，2021；马蕾等，2023）。
目前，关于贵州省气候舒适度的研究已具有一定基础，部分学者聚焦于区域性分析，如梵净山旅游气候舒适度（聂云等，2021）和黔西南州四季康养气候资源（于飞等，2022），但关于全省尺度旅游气候舒适度的时空演变研究仍较为缺乏，难以为全省旅游规划提供系统科学的支撑。本文采用综合国外多种成熟指标反映真实气候舒适状况的CCI以及更契合中国气候特征和舒适感受的OWCI，结合最小二乘法、皮尔逊相关性分析与M-K突变检验方法，研究两种指数在贵州省的适宜性，对贵州省全年及各月气候舒适日数的时空分布特征及其影响因素进行系统分析，以期为游客出行时间与目的地选择提供科学参考，同时为地方政府制定旅游产业发展策略、应对气候变化带来的不利影响、合理利用有利气候资源提供决策支持。
1 资料和方法
1.1 资料来源
使用贵州省气象大数据云平台提供的贵州省81个国家气象观测站1974年1月1日至2023年12月31日的逐日平均气温、最高气温、相对湿度、平均风速、日照时数等与人体舒适度密切相关的气象观测数据。为保障数据质量，剔除其中缺测较多的4个站点，最终选取77个数据序列完整的站点（图1）。研究站点广泛分布于贵州省全境，覆盖不同海拔和自然环境，能够较为全面地代表贵州省的气候特征。
图1
图1
贵州省地形及气象站点分布
Fig.1
Distribution of meteorological stations and terrain of Guizhou Province
1.2 研究方法
1.2.1 综合舒适指数（CCI）
综合舒适指数基于温湿指数、风寒指数和穿衣指数，采用专家打分和层次分析法确定各分指数权重，构建旅游气候舒适性综合评价模型，其计算公式（马丽君等，2010）如下：
式中：XTHI、XWCI和XICL分别为温湿指数、风寒指数和穿衣指数的分级赋值，权重系数分别为0.6、0.3、0.1。CCI的等级划分标准为：CCI≥7为舒适、5≤CCI<7为较舒适、3≤CCI<5为较不舒适、CCI<3为不舒适。
式中：t为日平均气温，单位：℃；RH为相对湿度，单位：%；V为平均风速，单位：m·s-1；H为人体代谢率的75％，轻度活动下H=87 W·m-2；a为人体吸收太阳辐射的情况，本文取0.06；R为单位面积地表接收的太阳辐射量，单位：W·m-2；α为太阳高度角，当纬度为β时，夏季太阳高度角为90°-β+23.43°，冬季太阳高度角为90°-β-23.43°，春秋季太阳高度角为90°-β。
1.2.2 室外天气舒适指数（OWCI）
OWCI主要评估在适当调节衣着的前提下，低强度活动的健康成年人在户外所感受到的气温、湿度、风速和日照等要素共同作用下的主观舒适程度，其计算公式（谭凯炎等，2022）如下：
式中：Td为日平均气温与最高气温的平均值，即白天平均气温，单位：℃；Tmax为日最高气温，单位：℃；S为日照时数，单位：h。OWCI等级划分为：OWCI≥15为非常舒适、9≤OWCI<15为舒适、0≤OWCI<9为较不舒适、OWCI<0为不舒适。
1.2.3 其他研究方法
2 结果与分析
2.1 气候舒适日数变化特征
1974—2023年，贵州省CCI与OWCI气候舒适日数均呈现相似的M型月变化趋势[图2（a）]，其中，除6、7月外，CCI月平均气候舒适日数均高于OWCI；两种指数的气候舒适日数在10月最多，分别为31.0 d和29.5 d；1月最少，分别为11.2 d和8.8 d；2月波动最大，分别为5.7~26.9 d和2.7~24.9 d；10月波动最小，分别为29.3~31.0 d和25.3~30.8 d。年气候舒适日数CCI高于OWCI，分别为250.5~296.9 d和221.2~274.3 d[图2（b）]。春、秋季以及冬季CCI气候舒适日数更多，夏季OWCI气候舒适日数更多，表明CCI能够更好地反映人体通过穿衣调节应对不舒适气候的能力，而OWCI对环境气象条件变化响应更迅速。
图2
图2
1974—2023年贵州省气候舒适日数多年月平均（a）及年平均舒适日数（b）箱线图
Fig.2
Multi-year monthly mean (a) and annual mean (b) climate comfortable days boxplots in Guizhou Province from 1974 to 2023
2.2 气候舒适日数变化趋势
1974—2023年，贵州省CCI年气候舒适日数以2.6 d·（10 a）-1的速率呈极显著上升趋势（P<0.01），而OWCI未表现出显著变化（表1）。月尺度上，CCI与OWCI气候舒适日数在3月均呈极显著上升趋势（P<0.01），11月均呈显著上升趋势（P<0.05），7月与9月则均呈显著下降趋势（P<0.05）；此外，6月CCI舒适日数显著下降（P<0.05），8月CCI舒适日数极显著下降（P<0.01），OWCI显著下降（P<0.05）。
表1 1974—2023年贵州省年和各月CCI、OWCI气候舒适日数变化趋势
Tab.1
| CCI | OWCI | CCI | OWCI | ||
|---|---|---|---|---|---|
| 1月 | 0.6 | 0.1 | 8月 | -0.7** | -0.8* |
| 2月 | 0.9 | 0.7 | 9月 | -0.4* | -0.6* |
| 3月 | 1.0** | 1.2** | 10月 | -0.1 | -0.2 |
| 4月 | 0.0 | -0.1 | 11月 | 0.5* | 0.7* |
| 5月 | -0.1 | -0.2 | 12月 | 0.4 | -0.5 |
| 6月 | -0.4* | -0.2 | 年 | 2.6** | -0.5 |
| 7月 | -0.6* | -0.6* |
注：*、**分别为P<0.05、P<0.01，下同。
2.3 气候舒适日数突变情况
图3为1974—2023年贵州省年CCI与OWCI气候舒适日数的M-K突变检验。1976年及1983—1986年贵州省年CCI气候舒适日数发生显著突变（P<0.05），1986年以后年均舒适日数较突变前平均增加8.5 d。1977年、1983—1985年及2020年贵州省年OWCI气候舒适日数发生显著突变（P<0.05），2020年后较突变前舒适日数平均减少9.1 d。
图3
图3
1974—2023年贵州省年CCI（a）及OWCI（b）气候舒适日数M-K突变检验
Fig.3
The M-K test of annual CCI (a) and OWCI (b) climate comfort days in Guizhou Province from 1974 to 2023
图4
图4
1974—2023年贵州省各月CCI气候舒适日数M-K突变检验
Fig.4
The M-K test of monthly CCI climate comfort days in Guizhou Province from 1974 to 2023
图5
图5
1974—2023年贵州省各月OWCI气候舒适日数M-K突变检验
Fig.5
The M-K test of monthly OWCI climate comfort days in Guizhou Province from 1974 to 2023
2.4 气候舒适日数空间变化
图6为1974—2023年贵州省年CCI与OWCI气候舒适日数空间分布及变化趋势。年平均CCI气候舒适日数为235.7~319.4 d，自西南向东减少。26.0%的站点年平均CCI气候舒适日数显著增加（P<0.05），3.9%的站点显著减少（P<0.05）。年平均OWCI气候舒适日数为217.1~300.9 d，自西南向东减少。6.5%的站点OWCI舒适日数呈显著增加趋势（P<0.05），7.8%的站点显著减少（P<0.05）。
图6
图6
1974—2023年贵州省年平均CCI（a）及OWCI（b）气候舒适日数空间分布（填色，单位：d）及变化趋势（符号）
Fig.6
Spatial variation (the color shaded, Unit: d) and trends (symbols) of annual mean CCI (a) and OWCI (b) climate comfort days in Guizhou Province from 1974 to 2023
图7、图8分别为1974—2023年贵州省各月CCI和OWCI气候舒适日数空间分布与变化趋势。月平均CCI气候舒适日数1—3月及11—12月空间分布相似，均表现为自西向东南递增；5—9月则表现为自西向东南减少；4月和10月舒适日数分别为28.1~29.9 d和29.5~31.0 d，空间差异较小。3月CCI气候舒适日数显著增加（P<0.05）的站点占比最高，为76.6%，而8月显著减少（P<0.05）的站点占比最高，为44.2%。月平均OWCI气候舒适日数1—3月及11—12月空间分布相似，均自西北向东南增加；5—9月均自西向东南减少；4月和10月OWCI气候舒适日数分别为24.8~28.7 d、25.6~31.0 d，空间差异较小。3月OWCI气候舒适日数显著增加（P<0.05）的站点占比最高，为81.8%，而7月显著减少（P<0.05）的站点占比最高，为52.0%。
图7
图7
1974—2023年贵州省各月CCI气候舒适日数空间分布（填色，单位：d）与变化趋势（符号）
Fig.7
Spatial variation （the color shaded， Unit： d） and trends （symbols） of monthly CCI climate comfort days in Guizhou from 1974 to 2023
图8
图8
1974—2023年贵州省各月OWCI气候舒适日数空间分布（填色，单位：d）与变化趋势（符号）
Fig.8
Spatial variation （the color shaded， Unit： d） and trends （symbols） of monthly OWCI climate comfort days in Guizhou Province from 1974 to 2023
2.5 影响气候舒适日数的环境因素
1974—2023年，贵州省各站点气候舒适日数与经纬度及海拔高度明显相关。CCI与OWCI气候舒适日数在全年及各月与海拔、经纬度的相关性表现出较强一致性（表2）。年尺度上，CCI和OWCI气候舒适日数均与站点经度、纬度呈显著负相关（P<0.01），与海拔高度呈显著正相关（P<0.01），表明气候舒适度在空间上具有明显的地理分布规律。
表2 1974—2023年贵州省年及各月CCI及OWCI气候舒适日数与经纬度及海拔的相关系数
Tab.2
| 经度 | 纬度 | 海拔高度 | ||||
|---|---|---|---|---|---|---|
| CCI | OWCI | CCI | OWCI | CCI | OWCI | |
| 1月 | 0.115** | -0.069** | -0.273** | -0.409** | -0.393** | -0.120** |
| 2月 | 0.148** | -0.008 | -0.139** | -0.265** | -0.380** | -0.170** |
| 3月 | 0.204** | 0.049** | -0.045** | -0.159** | -0.424** | -0.246** |
| 4月 | 0.151** | 0.208** | 0.204** | 0.173** | -0.105** | -0.160** |
| 5月 | -0.269** | -0.256** | 0.209** | 0.143** | 0.503** | 0.490** |
| 6月 | -0.597** | -0.563** | -0.012 | -0.069** | 0.783** | 0.752** |
| 7月 | -0.724** | -0.707** | -0.270** | -0.293** | 0.866** | 0.842** |
| 8月 | -0.699** | -0.696** | -0.264** | -0.285** | 0.845** | 0.831** |
| 9月 | -0.495** | -0.525** | -0.071** | -0.072** | 0.665** | 0.678** |
| 10月 | -0.008 | 0.202** | 0.079** | 0.053** | 0.043** | -0.273** |
| 11月 | 0.293** | 0.309** | -0.029 | -0.125** | -0.471** | -0.480** |
| 12月 | 0.276** | 0.166** | -0.176** | -0.374** | -0.520** | -0.341** |
| 年 | -0.636** | -0.635** | -0.378** | -0.502** | 0.591** | 0.632** |
月尺度上，3—4月及11—12月CCI与OWCI气候舒适日数与经度显著正相关（P<0.01），而5—9月则为显著负相关（P<0.01）。纬度方面，4—5月及10月气候舒适日数与纬度显著正相关（P<0.01）；1—3月、7—9月及12月则呈显著负相关（P<0.01）。海拔方面，5—9月CCI与OWCI气候舒适日数与海拔高度显著正相关（P<0.01），而1—4月及11—12月则呈显著负相关（P<0.01）。
总体看来，贵州省气候舒适度的时空分异受地形和经纬度因素的共同影响，1—4月和10—12月，低海拔地区气温较高，气候舒适度更好；而5—9月气温较低的高海拔地区则具有更好的气候舒适度。
3 讨论
基于CCI与OWCI模型计算的1974—2023年贵州省气候舒适度日数，在时空演变特征上表现出较强一致性，两种指数均能较好地反映贵州省气候舒适度的时空变化特征。其中，CCI气候舒适日数整体高于OWCI；CCI更能体现人体通过穿衣调节应对不舒适气候的能力，适用于反映年尺度上的变化趋势；而OWCI对环境变化更为敏感，能较好地揭示月尺度变化。空间分布上，CCI与OWCI的结果基本一致，均能较好反映单站变化特征，并且全年及各月的气候舒适日数均显著受海拔和经纬度影响。部分月份出现的响应差异反映出两种模型在气候因子敏感性上的不同。CCI模型由多个指数加权综合计算而成，考虑了穿衣调节的影响，因而对短期、单一气象要素变化不敏感；OWCI则基于气温、湿度、风速和日照等要素构建，模型结构相对简单，更适用于反映气象条件随季节变化引起的舒适度波动。
1974—2023年，贵州省气候舒适日数月际变化明显、空间分布不均，但总体舒适水平高于全国大部分主要城市（谭凯炎等，2024），气候条件较为优越。气候变化在不同时间和空间尺度上对气候舒适度的影响差异明显：4月和10月全省大部分地区普遍处于舒适及以上水平；3月与11月舒适日数显著增加，6—9月则明显减少。3月舒适日数显著增加的站点最多，7—8月显著减少的站点最多。由于贵州地形复杂、区域差异大，不同时段气候舒适度变化趋势存在差异，但全年均有适宜旅游的地区：1—3月和11—12月以南部低海拔地区为主，5—9月以西部高海拔地区为主，4月和10月全省大部地区舒适度均较好。游客可根据季节合理选择出行时间与目的地，地方政府也可结合气候舒适性分布特征，科学制定旅游发展策略。
4 结论
基于贵州省77个国家气象站1974—2023年逐日气象数据，采用CCI与OWCI模型，结合最小二乘法、皮尔逊相关性分析和M-K突变检验等方法，系统分析了贵州省气候舒适日数的时空分布特征及其对环境因子的响应，得出以下主要结论。
1）CCI气候舒适日数整体高于OWCI，两者均呈M型月变化特征。6、7月CCI气候舒适日数低于OWCI，其余月份和全年均高于OWCI。两种指数的气候舒适日数均在10月最高、1月最低，2月波动最大，10月波动最小。CCI更能反映穿衣调节对舒适度的作用，OWCI则对环境变化更为敏感。
2）1974—2023年，贵州省年CCI气候舒适日数呈极显著上升趋势[速率为2.6 d·（10 a）-1，P<0.01]，OWCI气候舒适日数变化不显著。月尺度上，CCI与OWCI气候舒适日数3月极显著上升（P<0.01），7月及9月显著下降（P<0.05），11月显著上升（P<0.05）；此外，6月CCI舒适日数显著下降（P<0.05），8月CCI舒适日数极显著下降（P<0.01），OWCI显著下降（P<0.05）。
3）贵州省年及多数月份的气候舒适日数存在显著突变，其中，2—3月突变后舒适日数增加，7—9月及11月突变后舒适日数减少，突变趋势与气候倾向分析结果一致。
4）空间分布上，贵州省年平均气候舒适日数自西南向东减少。1—3月与11—12月气候舒适日数自西向东南增加，5—9月则自西向东南减少；4月与10月空间差异相对较小。3月呈显著增加趋势的站点占比最高，7—8月呈显著减少趋势的站点最多。
5）CCI与OWCI气候舒适日数均与海拔和经纬度密切相关，表现为与经度、纬度显著负相关，与海拔高度显著正相关，说明地形因子在调控气候舒适度空间格局中具有重要作用。
尽管本文采用CCI与OWCI两种指数模型，综合考虑气温、相对湿度、风速与日照等多种气象因子，能够较为全面地反映贵州省气候舒适度特征，但尚未对贵州独特的气候地形条件进行本地化校正，后续研究仍需在模型适应性与区域优化方面进一步深化，以更好服务于地方旅游产业的科学规划与可持续发展。
参考文献
1961—2018年长白山气候舒适期变化特征
[J].
研究长白山气候舒适期的变化，可以为其旅游业发展规划提供科学依据。基于1961—2018年长白山二道气象站逐日观测资料和NCEP/NCAR（National Centers for Environmental Prediction/National Center for Atmospheric Research）再分析资料，分析长白山地区气候舒适期特征及其与大气环流的关系，并利用综合舒适指数对长白山气候舒适度进行评价。结果表明：长白山地区5—9月为气候舒适期，4月和10月为气候较舒适期。稳定气候舒适初日整体呈提前趋势[1.9 d·（10 a）<sup>-1</sup>]；稳定气候舒适终日整体呈推迟趋势[2.3 d·（10 a）<sup>-1</sup>]，且在1988年前后发生突变，由偏早转为偏晚。稳定气候舒适期平均为177 d，整体呈增长趋势[4.2 d·（10 a）<sup>-1</sup>]，其中1960—1980年代初期为偏短期，1980—1990年代中期为平稳期，1990年代中期以后转变为偏长期，并存在3~5 a周期。当东亚地区春季500 hPa高度场正异常，有利于稳定气候舒适初日异常偏早，反之异常偏晚；当东亚—西北太平洋地区500 hPa高度场存在负异常，有利于稳定气候舒适终日异常偏早，反之异常偏晚。
中国城市旅游气候舒适性分析
[J].气候是影响人们旅游活动的重要因子。本文选取了人生气候舒适指数来衡量城市旅游气候的舒适性，该指数包括温湿指数、风效指数、着衣指数。首先，计算了全国44个城市的人生气候舒适指数以及偏离度，分析了旅游气候舒适期，发现其中19个城市舒适气候期是5个月，舒适期过短或者过长的城市都较少。按照舒适期的长短以及舒适月分布的连续性，将舒适期分为3类2型。其次，从季节上看，春秋季节特别是4月、10月，除热带地区外的全国大部分地区气候都较适宜。夏季，全国大部分地区气候发生热偏，以海口气候偏离度最大，丽江、昆明、拉萨等气候都相对比较适宜，可以成为人们避暑的选择地；而冬季，全国大部分地区气候发生冷偏，以哈尔滨气候偏离度最大，地处亚热带、热带地区的城市人生气候感觉舒适。最后，为评价各城市的气候综合状况，利用各人生气候指数偏离度，通过Kohonen神经网络方法，将44个城市分成5类。
宁夏“星空旅游”气候资源适宜度评估
[J].近年来宁夏依托独特的自然资源，大力发展星空旅游产业，而星空旅游受气象条件影响很大。本文利用宁夏25个气象站常规气象观测数据、欧洲中期天气预报中心再分析资料及美国国家海洋和大气管理局卫星辐射亮度资料，从云量、光污染、能见度、视宁度、人体舒适度5个方面，构建宁夏星空旅游气候资源适宜度综合评估模型，对不同季节星空旅游气候适宜度开展评估。结果表明：宁夏大部地区一年四季都适宜或非常适宜星空旅游，而市（县、区）城区适宜度相对较低；夏季非常适宜星空旅游的区域最大，大部位于川区，秋、冬季次之，春季最小。
1961—2015年贵州省夏季旅游气候舒适度评价
[J].基于1961—2015年贵州省81个气象观测站的逐日气温、相对湿度、平均风速和日照时数等资料，分析了贵州省夏季各月的温湿指数、风效指数、穿衣指数及旅游气候舒适度的时空分布特征。结果表明：6月温湿指数和风效指数为夏季最低值，7月和8月温湿指数、风效指数和穿衣指数的年际变化基本一致，其中6月第1候和第2候是贵州省夏季最舒适的候；空间分布上，夏季温湿指数和风效指数整体上自西向东呈递增趋势，而穿衣指数由西向东呈递减趋势；舒适度空间分布表明，6月是贵州省夏季旅游的最佳月份，6月仅贵州省南部低海拔地区处于“较不舒适”等级，大部分地区处于“较舒适、舒适”等级，7月和8月“舒适”区域主要位于贵州省西部地区。
An introduction to the universal thermal climate index (UTCI)
[J].
Human climates of northern China
[J].
GSDM-WBT: Global station-based daily maximum wet-bulb temperature data for 1981-2020
[J].
Measurements of dry atmospheric cooling in subfreezing temperatures
[J].
A comprehensive evaluation of tourism climate suitability in Qinghai Province, China
[J].
Comprehensive evaluation of healthcare benefits of different forest types: A case study in Shimen National Forest Park, China
[J].
