引言

气温是表征气候系统的重要指标，不仅影响生态环境，也与人们的日常生活紧密联系。因此，日最高、最低气温及平均气温的变化特征引起了广泛的关注和重视^[1-3]。

日最高气温是天气和气候的基本特征之一。受天气系统、地形属性、城市热岛效应等多个因素影响，同一气候区的最高气温也存在一定的差异。近年来，许多中外学者对城市热岛效应问题进行了讨论，尤其是城市和郊区在气温方面的差异对比已经相当成熟^[4-6]，这些学者的结论均表明城市化对气温的影响较为显著，且具有明显的阶段性和季节性。此外，对北京、上海、武汉、深圳等地区的研究均发现显著的城市热岛增温^[7-10]。

济南是山东省省会，城市发展迅速，其下垫面既有城市郊区背景，也有南部山区地形因素。截至2016年11月底，济南建设完成了75个区域自动气象站，为济南城市气候的精细化研究带来了可能。朱家其等^[8]利用上海城区自动气象站观测资料和郊区气象站资料，分析了上海城区气温变化及城市热岛特征。胡文志等^[11]根据香港城郊代表站点逐小时资料，对比分析了城郊站点的气温和相对湿度差异的变化特征。李兴荣等^[10]基于深圳自动观测站的资料，研究了深圳夏季典型晴天不同小气候区的温度、湿度及舒适度特征。从已有研究来看，基于自动气象站资料分析区域多种下垫面下最高气温的差异性研究还不太多。

利用济南市2010—2014年6个气象站点逐小时气温观测资料，通过分位数、一致性、相关性、正态性和周期性等分析参量，研究城区、郊区、山区不同地形属性下最高气温相关统计值的区域差异，可为城市化效应及地形属性对济南市最高气温的影响提供一些细致的信息，为提高精细化预报水平提供参考依据。

1 资料和方法 1.1 资料

利用高分辨率的区域自动站观测资料研究分析不同地形属性下最高气温的差异性，问题的关键在于如何选取有代表性的城市和郊区背景站点。根据济南市地形分布特点(图 1)，充分考虑城市热岛效应和山区地形属性等因素影响，分别选取长清(简称为cq)、市政府(简称为sz)、市地震局(简称为dz)、西营镇北(简称为xyb)、跑马岭(简称为pm)和济南(简称为jn)6个代表站，其中济南站，作为市区代表站；长清、市政府和市地震局三站，海拔高度100 m左右，自西向东横穿济南市区，分别代表西部城郊、市中心和东部城郊；同时市地震局与西营镇北和跑马岭两站，均位于东部城郊，从北向南海拔依次升高，分别为100 m、200 m和300 m左右。采用济南地区上述6个自动气象站2010年3月1日—2014年2月28日逐时观测数据，共4 a，每日北京时正点观测记录。

1.2 方法

区域气象观测站观测质量参差不齐，做好区域气象观测站质量控制，是应用该资料开展研究的前提条件。本文选取“箱形图识别异常值方法”，编写相应算法软件，对所用站点逐时资料序列进行质量控制，剔除异常值，在此基础上推算出逐日最高气温。箱形图可以用来观察数据整体的分布情况，利用中位数、25%分位数、75%分位数、上边界、下边界等统计量来描述数据的整体分布情况。通过计算这些统计量，生成一个箱体图，箱体包含了大部分的正常数据，而在箱体上边界和下边界之外的，就是异常数据。其中上下边界的计算公式如下：

$ \begin{align} & \ \ \ \ \text{UpperLimit=}{{\mathit{Q}}_{\text{3}}}\text{+1.5}{\mathit{IQR}}\text{=} \\ & 75 \%分位数+(75 \%分位数-25\%分位数) \times 1.5 \\ \end{align}\ $

(1)

$ \begin{align} & \ \ \ \ \text{LowerLimit=}{{\mathit{Q}}_{\text{1}}}\text{+1.5}{\mathit{IQR}}\text{=} \\ & 25 \%分位数-(75 \%分位数-25\%分位数) \times 1.5 \\ \end{align}\ $

(2)

(1)、(2)式中：Q₁表示下四分位数，即25%分位数；Q₃为上四分位数，即75%分位数；IQR表示上下四分位差，系数1.5是一种经过大量分析和经验积累起来的标准，一般情况下不做调整。

站点间差异性主要从气候统计值、相关性、一致性、正态性、周期性等不同方面开展分析，其中采用分位数作为气候统计值差异分析参量，基于箱形图方式开展站点间对比分析；相关性分析采用Pearson相关系数及Euclidean距离两个参量；基于t检验开展要素一致性统计检验；正态性分析基于频率直方图开展；利用小波分析方法开展周期性分析。本文针对春、夏、秋、冬四季探讨测站间差异性的季节演变特征，季节划分标准如下：春季选取3—5月，夏季选取6—8月，秋季选取9—11月，冬季选取当年12月—次年2月。

2 结果分析 2.1 整体变化特征差异分析

从最高气温箱形图的站点对比(图 2)可以看出：春、夏、秋、冬四季，各站间箱形图所示的各项统计值(高值、低值、中位数和四分位数)存在较大差异。结果表现为市政府站最高气温的各项统计值略高于济南站和长清站，明显高于其他三个站，且东部城郊一线自北向南伴随着海拔高度的升高，各相关统计量值逐站减小，跑马岭站作为山区代表站各项数值显著偏低。市区最高气温各项相关数值明显高于山区和城郊，可能与城市热岛效应有关。冉桂平等^[12]利用1964—2006年济南市逐日平均气温资料发现，济南的城市热岛在空间分布上以市政府为中心呈环状放射发展，且热岛强度在冬季最强，春、秋季次之，夏季最弱。

另外，济南各站间最高气温箱形图统计值的区域差异在夏季表现得最为明显，这可能与夏季强烈的太阳辐射有关，能在一定程度上放大不同地形属性对太阳辐射加热的响应。刘伟东等^[7]在研究城市化对北京地区气温变化的影响时，指出城市化对日平均气温、最低气温的影响在秋季最大，对最高气温的影响则在夏季较为显著，这与本文结论较为一致。

2.2 不同站点间相关性分析

从冬、春、夏和秋季6个站之间的最高气温相关系数(表 1-4)分析，各站间相关系数均很高，达到90%以上，其中城区间各站点相关系数更高，均超过95%，而山区站与其他各站间的相关系数相对较小，最高气温相关系数存在一定的区域差异。此外，各站点之间最高气温相关系数也存在一定的季节差异，一般春、秋季节相关系数高于冬、夏季节。上述结果可能与季节性天气过程的影响存在较为密切的关系，如夏季可能受到局地强对流过程的影响，而冬季则常常伴随不同强度的冷空气过程。

从6个站点的最高气温Euclidean距离站点分布(表 5-8)发现，因距离和地形属性的不同，各站间Euclidean距离存在明显的差异，一般距离相近、地形属性相同的站点间Euclidean距离比较小，而空间距离较远、地形属性差异明显的测站间Euclidean距离数值比较大，如济南站，冬季与同属城区、海拔高度相近、空间距离相近的长清、市政府站的Euclidean距离数值较小，分别为15.7和17.8，而与东部城郊市地震局站Euclidean距离数值则为27.1，与较远距离外、且位于山区中部的西营镇北站Euclidean距离增大到44，与距离最远、高程最高的山顶观测站跑马岭站Euclidean距离最大达到81，明显高于城区各站间Euclidean距离。此外，山区中距离相近站点间的Euclidean距离数值一般比城区间距离相近站点间的Euclidean距离数值偏大。但各站点间Euclidean距离数值的季节差异较小。Euclidean距离的站点对比特征表明各站间最高气温存在不同程度的差异性，差异的大小与地形属性和站点距离等因素有关。

选取与济南站相关系数最大、Eulidean距离较小的两站(市政府和长清)与济南站作一致性TS检验(表 9)，其结果均未能通过一致性TS检验，说明各站间最高气温的差异较为显著。

2.3 不同站点间正态性分布特征差异分析

从不同季节下6个站点最高气温的频率分布特征(图 3)分析，不同观测站最高气温的频率分布差异较小，各站最高气温遵循较为一致的概率分布规律。但同一站点不同季节间的分布状态差异性较大，冬季最高气温频率直方图分布与标准正态曲线分布拟合较好，夏季次之，而春季和秋季拟合度较差。对于适用于正态分布的数理统计方法而言，冬夏季的最高气温适用性应高于春秋季。从最高气温K-S检验结果(图略)来看，冬、春、夏、秋四季各站均未能通过正态性检验，说明最高气温的MOS预报可预报性较低。

2.4 周期性变化特征差异分析

选取济南、西营镇北及跑马岭站的夏季最高气温做小波分析(图 4)，3个站的最高气温周期分布状态差异性并不显著，一般6—7月最高气温存在一个显著的准单周(7 d左右)振荡周期。此外，在较大尺度15~21 d (准两至三周)的周期震荡也非常明显，对于4 d以下小尺度来说，则有更多的温度偏高期和偏低期的循环交替，但上述两个周期未通过显著性检验。

综合分析表明，济南区域6个站点最高气温相关统计量的站点差异主要体现在均值、中位数等“定量属性”参量，而各站最高气温的频率分布以及周期振荡特征基本趋于一致，站点间差异性较小。说明在同一气候区内，各站点间最高气温的定性统计量分布特征较为相似。基于以上结论，在实际预报和研究方法选取过程中可以对不同站点的最高气温采取统一的统计方法进行处理，简化多级数据处理程序，为发展集成预报方法奠定基础。

3 结论

1) 分别代表城区、城郊以及不同海拔山区等不同地形属性的6个站点最高气温分位数统计值(高值、低值、中位数和四分位数)存在一定的站点间差异，其中不同海拔站点间差异较为显著，而相同海拔城区、城郊以及山区各测站之间的差异则相对较小。同时站点间的区域差异在夏季表现得最为明显。

2) 城区间各站最高气温的相关性较强，而山区站与其他各站间的相关性则相对较弱。这种相关性还表现出明显的季节特征，春秋季节明显高于冬夏季节，可能原因是夏季多强对流天气而冬季多冷空气活动，受天气过程影响，最高气温变化较为剧烈。

3) 6个站点最高气温的频率分布以及周期振荡特征基本一致。其中，冬季最高气温频率直方图分布与标准正态曲线分布拟合较好，夏季次之，而春季和秋季拟合度较差，且各站最高气温在6—7月存在一个显著的准单周振荡周期。