规划微气候测量以提升可靠性：对气象数据代表性的前瞻性评估

《Building and Environment》：Planning Microclimate Measurements with Confidence: Prospective Assessment of Weather Data Representativeness

　　

本研究开发了一套基于KS的工作流程，用于规划和验证代表性测量日。经验筛选将五天全部具有代表性的概率从48%提高到72%。预测式筛选需要方向性天空指标才能实现有益的提升。非代表性日在各季节可使UTCI估计值偏移高达13°C。代表性不仅影响数据质量标签，还影响科学解释。

**引言**

随着气候变化影响的加速[1]、测量技术的进步、观测方法的多样化[2]、数值建模技术的简化[3]以及计算资源的广泛可得，城市微气候研究在过去十年经历了快速且持续增长[4]。特别是，针对城市热岛效应、城市过热缓解策略以及户外热舒适的研究得到了大幅扩展[[5], [6], [7]]。这些气候导向的研究领域通常依赖于气象和气候数据的收集、模拟与应用，以支持科学理解和实际决策。

城市热岛研究的扩展尤为显著。涵盖数千条Web of Science记录的文献计量分析[5,7]显示，过去十年间出版物数量急剧增加，2015年后增速加快，反映出日益增长的跨学科参与。聚焦城市热缓解的微气候研究也取得了并行增长[8]。近期的元分析[6]表明，关于绿色、蓝色和灰色基础设施干预措施的研究文献正在迅速扩展，涵盖多种气候背景和世界区域，并持续报告出可测量的降温效益，特别是在极端高温事件期间。

户外热舒适研究同样已成为城市微气候研究中高度活跃的子领域[9]。多篇综述[[9], [10], [11]]记录了过去十年户外热舒适出版物呈指数级增长，这由气候变化和快速城市化导致的户外热条件恶化所驱动。

伴随这种快速增长，在标准化气象和气候数据的收集、处理和应用方面也出现了持续存在的挑战[12]。一项针对微气候研究人员的调查显示，"缺乏通用的数据收集协议及其导致的结果缺乏可比性"被评为该领域当前面临的第二大紧迫挑战[2]。

过去十年间，若干举措试图应对这些挑战。这些举措包括提出微气候研究中的气象数据测量原则[13,12]、对仪器和硬件配置进行详细检查[2,4,14]，以及世界气象组织等国际组织发布的指南文件[15]。总体而言，这些努力构成了一个不断演进的框架，旨在提高城市微气候研究中气象和气候数据的一致性、可比性和可靠性。

尽管在标准化城市微气候研究测量实践方面取得了日益增长的努力，但在气象数据的适用性和代表性方面仍存在实质性差距。特别是，目前尚不存在标准框架来评估短期微气候观测或模拟是否足以代表当地气候条件[13]。与具有大空间域和长观测期的中尺度气象研究不同，微气候研究在更精细的尺度上进行，使得数据时空代表性成为一个基本关切，理想情况下需要明确的统计验证，但在实践中往往被忽视。

在考虑代表性时，通常是先验假设而非严格评估。现场测量经常依赖于经验标准[13]，例如选择晴天以近似"典型"的当地条件，而数值研究则经常采用理想化的气象数据集，包括典型气象年、试验参考年、参考气象年或气候态平均值。

经验性综述进一步表明，空间和时间覆盖范围往往有限：研究区域通常限制在不到四公里的范围内[16]，对约400项近期微气候研究的综述发现，很大一部分依赖于少于一周的观测或模拟期[13]，而户外热舒适研究的综述同样报告了以单季节、单次测量设计为主的状况[17]。长期、跨季节和多站点调查当然存在——包括多国户外舒适度调查[18]、为期一年、二十个站点的城市网络监测[19]，以及全年季节性研究，尽管这些研究仍然是在代表每个季节的选定晴朗、平静日子里进行测量的[20]。然而，上述综述中这类调查仍占少数，即使是长期调查，通常也集中在几个选定的代表性日或典型时期进行密集测量和分析。因此，那些日子是否代表当地条件的问题依然存在。这些覆盖约束在很大程度上源于微气候模拟的高计算成本以及现场测量的实际限制，包括设备可用性、人力、站点可达性和后勤复杂性。

互补数据源可以缓解，但无法消除这些约束。站点网络和数值模拟提供高时间分辨率的长期记录[21]；卫星地表温度产品提供亚公里分辨率的大面积覆盖[22]，但存在空间不连续性和相对较短的时间跨度[23]；而实地调查则捕捉常规站点和卫星无法分辨的人类尺度参数。关键在于，任何数据源的选择都无法消除代表性问题：对于站点记录、模拟、卫星反演和实地调查，所选时期是否代表当地气候的问题均存在。因此，差距不在于数据源缺乏，而在于缺乏一种方法来验证——并理想情况下预判——所选测量期的代表性。

时间空间代表性的不足削弱了城市热岛、户外热舒适和热缓解策略研究之间结果的可推广性。正如先前研究所述[9]，测量结果仍然"在时空上分散"，阻碍了对时间变率进行综合表征，并导致了文献中看似矛盾的结论。

已开发了几种定量方法来定义代表性气象数据，尤其针对建筑性能模拟。典型气象年和试验参考年方法从历史记录生成代表性年度气象文件，对于为长期模拟提供标准化气象输入非常有用。然而，这些方法并不能直接回答城市微气候实地工作中的一个常见问题：一个往往只有几天的短期测量期是否足以满足预期研究问题的代表性要求。柯尔莫哥洛夫-斯米尔诺夫统计量为此类代表性评估提供了原则性基础[27]。

近期工作[13]已开始通过将气象代表性视为统计属性而非假设来解决这一问题。该研究基于站点：利用香港天文台数十个地面站点多年（2012–2021）的记录以及一个多日、多站点的现场测量案例，开发了一个基于KS的框架，用于测试短期气象数据是否与多年基线分布一致。这种回顾性能力允许在调查结束后验证数据质量。本研究将该框架从回顾性验证扩展到前瞻性决策支持，以规划测量调查（两项研究的关系和不同数据基础如图1所示）。这一扩展需要回顾性评估无法提供的三种能力。

首先，常见的经验性日选择实践尚未针对统计代表性进行测试。研究人员通常使用简单规则来选择测量日，例如温度适中、晴朗或天气稳定，但这些规则的价值通常是假设的而非量化的。这造成了不确定性，即经验筛选是否真正提高了测量日质量，还是仅仅重复了偶然选择典型日的高概率。关键问题是：简单的日选择规则能否提高为实际实地工作选择代表性测量日的机会？

其次，基于预测的筛选需要从直觉转向量化指导。任何有经验的实地研究人员都会在部署前检查天气预报；开放的问题不是是否要参考预报，而是使用哪些预报量、设定什么阈值，以及它们带来多少可量化的改进。正如本研究所示，仅根据预报温度和风量子进行筛选，将选择代表性日单日的概率仅提高了1.6个百分点。而加入方向性天空状况信息则使五日增益——即所有五个调查日都具有代表性的概率改进——从随机调度水平提高了4.6到21.3个百分点。关键问题是：哪些预报可获取的量子和阈值实际上能识别出更合适的测量日？

第三，非代表性数据的实际后果仍未得到充分量化。一个代表性标签是有用的，但研究人员还需要知道非代表性日是否会实质性地改变研究的科学结果。这对于导出的微气候指标尤为重要，例如户外热舒适，其中温度、湿度、风和辐射相关效应相互作用。关键问题是：纳入非代表性日能在多大程度上改变短期微气候测量调查的输出和解释？

这些问题共同定义了上述回顾性、基于站点的框架中缺失的四个要素：（i）经验性日选择规则与随机调度基线的基准比较；（ii）基于预报可获取量的前瞻性筛选；（iii）一个具有针对虚假晴天预报稳健性测试的方向性低云门限；以及（iv）非代表性日对导出热舒适指标（UTCI）后果的量化。这些要素构成了本研究的增量贡献。

本研究开发了一个用于在城市微气候研究中选择和验证代表性测量日的实用工作流程。为应对第一个差距，本研究评估了已接近常见实地实践的经验筛选规则。温度适中日、低云日、高太阳辐射日和晴天代理日与基于KS的代表性类别以及无筛选随机基线进行了比较。这一分析路径探讨了简单规则是否能提高选择代表性日的机会，以及该改进是否足够大以证明在实践调度中使用它们的合理性。

为应对第二个差距，本研究量化了哪些预报可获取量、在哪些阈值下实际能改善部署前筛选。使用每日温度和风预测作为简化的预报模拟，随后加入白天低云指标，以测试方向性天空信息是否提供了超越温度和风本身的增益。虚假晴天稳健性测试考察了当部分晴天预测错误时，低云效益是否依然存在。

为应对第三个差距，本研究量化了代表性类别对估计户外热舒适的后果。通过逐步用非代表性日替换代表性日来模拟短期五日调查，并在各季节和网格点之间比较由此产生的UTCI暴露。这一分析路径测试了代表性是否不仅影响数据标签，还影响科学解释。

分析使用了香港10年（2010–2019）的高分辨率WRF气象数据，其中2019年作为独立验证年保留，并结合香港天文台云量和太阳辐射观测。这一主要数据基础未用于早期的基于站点的框架研究；两项研究共享KS参考方法，但无共享的主要数据集。全小时KS代表性框架用作公共参考标准，而简化筛选规则则测试其在现场规划前或规划中改善测量日选择的能力。

本研究为微气候研究做出了三项方法论贡献。第一，它将前瞻性数据质量评估付诸实践，使研究人员能够在资源投入前基于证据对测量时机做出决策。第二，它首次系统验证了经验选择实践与统计代表性标准的对比。第三，它建立了数据代表性与研究结果可靠性之间的定量关系，使研究人员能够进行风险评估，并以适当的置信范围传达发现。这些贡献共同将现有的回顾性评估框架转化为一个全面系统，支持整个研究工作流程中从调查规划、数据收集到分析和解释的知情决策。

这三条分析路径的贡献并非一个选择测量日的单一通用规则。相反，该研究提供了一种结构化方法来比较筛选选项，判断其相对于随机调度的价值，并使用全小时KS框架验证最终数据质量。

**方法论**

本研究将回顾性基于KS的代表性框架[13]扩展为一个用于规划和评估短期微气候测量调查的实用工作流程。方法论围绕三条相互关联的分析路径组织，建立在一个共同的2010-2019年WRF和气象站点观测数据集之上。首先，经验筛选规则针对全小时KS真值进行测试，以确定常见的测量前规则能否提高选择代表性日的概率。

**经验筛选在随机调度基础上改进了测量日选择**

在随机调度下，五日调查包含五个一级类日的概率为47.62%，至少四个的概率为85.71%（表S1）。

图3将七条筛选规则所评估的九种配置（温度规则贡献了三种σ设置）与基线方案进行了对比，对比维度包括活动天数构成、筛选通过率和单日等级1概率；其中，温度加晴天条件和温度加低云条件的配置将五天全部为等级1的概率分别提升至72.42%和

**讨论**

本研究将此前仅用于活动实施后数据质量检查的框架扩展为一套覆盖整个测量流程的工作流：出行前选择合适的天数、判断这些天数应获得多大程度的信任，以及在测量完成后对其进行验证。讨论部分分为四个小节。4.1节阐述了三个分析流程分别回答了什么问题，4.2节将这些结论转化为逐步选择测量天数的操作流程。4.3节则将……

**结论**

本研究得出三项主要发现。第一，基于经验的天数选择规则可以在统计意义上显著改善短期微气候活动，相较于随机安排：温度适中规则提供了一种灵活的默认选项，而低云或晴天过滤条件可进一步提高可靠气象条件的出现概率，代价是符合条件天数减少。第二，预报式筛选仅在纳入可靠的天况信息时才具有实质性附加价值；仅依赖逐日温度和风速预报的效果有限

**生成式人工智能使用说明**

在本文准备过程中，作者使用OpenAI的ChatGPT检查语法、拼写和语言表达的清晰度。所有科学内容、分析、解读和结论均未使用该工具生成。作者已审阅最终稿件并对其内容承担全部责任。

**CRediT作者贡献声明**

Kai Gao：撰写—审阅与修改，撰写—初稿，可视化，验证，方法论，调查研究，正式分析，概念化。

Lingye Yao：撰写—审阅与修改，调查研究。

Jie Feng：撰写—审阅与修改，撰写—初稿，方法论，调查研究，正式分析，数据管理。

Priya Rajagopalan：撰写—审阅与修改，方法论。

Edward Ng：撰写—审阅与修改，指导，资源，项目管理，方法论。

Kai Gao | Lingye Yao | Jie Feng | Priya Rajagopalan | Edward Ng