《Atmosphere》：Spatiotemporal Heterogeneity of the Standardized Summer Resort Index Under Normal and Extreme High-Temperature Climates Based on a PCA–Copula Model: A Case Study of Shaanxi Province
编辑推荐：
本研究旨在解决传统避暑适宜性评价的局限性，即无法刻画多因素变量的非线性响应且线性加权存在主观性。基于陕西省1981–2024年101个气象站观测记录，构建了涵盖生理热舒适、环境适宜性、极端天气风险和气候稳定性四个维度、13个指标的评估体系。采用分组主成分分析（
本研究旨在解决传统避暑适宜性评价的局限性，即无法刻画多因素变量的非线性响应且线性加权存在主观性。基于陕西省1981–2024年101个气象站观测记录，构建了涵盖生理热舒适、环境适宜性、极端天气风险和气候稳定性四个维度、13个指标的评估体系。采用分组主成分分析（PCA）进行降维。进一步整合经验累积分布函数（ECDF）与C-vine Copula函数建立多维联合分布，得到标准化避暑指数（SSRI）。使用ERA5-HEAT的通用热气候指数（UTCI）输出进行独立外部验证，并采用留一年交叉验证（LOOCV）评估泛化性能和对极端气候的响应。结果表明，C-vine Copula能有效捕捉多维气候变量间的条件依赖和非线性结构（AIC = ?4490.36，CvM检验p = 0.175）。SSRI与基于UTCI的无热应激天数比例呈显著正相关（Kendall’s τ = 0.289，p < 0.001），LOOCV的逐年平均分类精度达66.3%。平原以风驱散热为主，而高海拔山区对温湿度变化敏感，并可检测到植被诱导的统计缓冲信号。陕西省SSRI呈现“三高两低”的空间格局：高值聚集于秦巴山区、大巴山北坡和黄龙林区，低值区分布于关中盆地和陕北风沙区。极端高温事件期间林区内相对较高的适宜性可被统计识别，受海拔—地形—植被相互作用共同调节，平衡精度为0.771。本研究的完整建模流程可为其他复杂地形区域提供方法参考。然而，所有陕西省SSRI参数、归一化阈值和分类标准均基于陕西特定数据集训练，不能直接迁移；将该指数应用于其他地区时，必须使用当地观测数据进行重拟合和校准。
全球变暖导致极端高温事件频发，夏季热应激对人类健康和旅游活动构成显著威胁。传统的避暑适宜性评价多采用单一或线性加权指标（如温湿指数THI、风效指数WEI），存在主观性强、无法刻画多因素非线性耦合的问题，且鲜少针对复杂地形区域。陕西省地处中国南北气候过渡带，拥有黄土高原、关中平原和秦巴山地等多种地貌，夏季热环境空间差异显著，是评估和优化避暑气候资源模型的理想研究区。为此，研究人员基于陕西省101个气象站1981–2024年的长序列观测数据，结合遥感植被和地形数据，提出了一种基于主成分分析（PCA）与Copula耦合的标准化避暑指数（SSRI）构建框架。该研究发表在《Atmosphere》期刊上。
研究人员首先构建了包含生理热舒适、环境适宜性、极端天气风险和气候稳定性四个维度、13个指标的评估体系。采用分组PCA对每个维度分别降维，提取五个主成分；利用经验累积分布函数（ECDF）进行非参数边际分布变换；选用C-vine Copula建立五维联合分布，通过AIC、BIC和Akaike权重选择最优模型，并基于联合概率经Kendall分布变换和标准正态化最终映射为0–100的SSRI。模型验证方面，使用ERA5-HEAT的通用热气候指数（UTCI）作为独立外部基准，并采用留一年交叉验证（LOOCV）和1997年极端高温情景检验。
关键技术方法如下：该研究主要采用了以下方法：①分组主成分分析（PCA）降维；②经验累积分布函数（ECDF）非参数边际拟合；③C-vine Copula联合分布建模；④基于通用热气候指数（UTCI）的独立外部验证；⑤留一年交叉验证（LOOCV）；⑥共克里金（Co-Kriging）空间插值。数据方面，气象观测数据来自陕西省商洛市气象局提供的101个站点（1981–2024年），植被数据来自GIMMS NDVI和250m分辨率FVC产品（资源环境科学与数据中心），高程数据来自中国科学院地理空间数据云。这些方法共同支撑了SSRI的构建与评估。
研究结果如下：
3.1 基于UTCI的外部验证与机制分析：通过计算SSRI与UTCI无热应激天数比例的秩相关系数，发现两者显著正相关（Kendall’s τ = 0.289，p < 0.001），说明SSRI具备独立的生理热响应基础，但SSRI包含更多非热信息，与单一热舒适指标存在差异。
3.2 交叉验证与泛化性能评估：以温湿指数（THI）和风效指数（WEI）组合的舒适天数比例（CP）为参考，LOOCV平均分类精度为66.3%±10.2%，证明SSRI具有较好的年际稳定性，且其回归残差与植被覆盖显著相关（r = 0.567，p < 0.001），表明SSRI包含了传统热指数无法捕捉的环境信息。
3.3 四个关键指标与SSRI的演变、非线性依赖及时空分异特征：基于31个完整站点的时间序列分析表明，1981–2020年间仅极端天气维度显著恶化（p = 0.007），生理热舒适、环境适宜性和气候稳定性无显著趋势。相关系数分析显示，热舒适与极端天气呈正相关（ρ = 0.444），与环境适宜性呈负相关（ρ = ?0.315）。Ward聚类显示，站点的时间演变模式与地形和植被耦合相关，而非单纯的地理分区。全省SSRI在1997、2006和2014年出现明显谷值，与历史极端高温干旱事件吻合。
3.4 SSRI的多维有效性与情景鲁棒性验证：以1997年极端高温事件为案例，SSRI正确识别了低适宜性站点（平衡精度0.771，敏感性0.667，特异性0.875）。与THI-WEI的内部比较显示匹配精度达86.1%，极端热浪识别率96.3%，表明SSRI能克服传统指标“平均温度掩盖极端风险”的局限。同时，在榆林等站点，SSRI识别出低适宜性，与物理舒适天数比例低一致；而在华山站，SSRI因考虑生态和稳定性给予较高评价，体现了多维优势。
3.5 陕西省SSRI空间分异与五级避暑适宜性分区：利用Co-Kriging插值绘制了250m分辨率分区图。高值区集中分布于秦巴山地、大巴山北坡和黄龙林区（SSRI ≥ 61.7），低值区位于关中平原城市群和安康汉江河谷（SSRI < 45.4）。该分区与THI-WEI舒适天数比例显著相关（Kendall τ = 0.612），并得到1997年极端情景支持。
3.6 避暑适宜性时空统计耦合特征与植被潜在缓冲信号：分析表明，低海拔盆地以风力散热为主导因子，高海拔山区以温湿度递减为主导因子。植被覆盖度高的林区在极端高温下能保持相对较高的SSRI，表现出植被对热应激的缓冲信号，且与退耕还林工程导致的植被改善相关联。
讨论部分指出，PCA-Copula非线性建模框架避免了传统线性加权的主观性和线性假设，能够捕捉多因素间的尾部依赖关系。空间分异机制受地形、植被和局地环流共同调控。40年演变显示极端天气加剧是导致SSRI长期下降的主要因素，而山地森林生态修复可能缓解热应激损失。三重验证体系（外部UTCI、内部同源比较、极端情景）增强了模型稳健性。但研究也存在局限：SSRI参数基于陕西数据训练，不可直接迁移；站点插值会平滑微地形影响；未考虑负氧离子等生态指标；样本时间空间依赖性可能低估标准误。
研究结论如下：第一，建立了面向多气候因子的非线性联合评估框架，通过分组PCA提取五个主成分，ECDF拟合边际分布，C-vine Copula构建联合分布，最优模型AIC = ?4490.36，Akaike权重0.9973，拟合优度检验p = 0.175，表明模型能合理描述陕西省夏季多维度气候因子的联合概率结构。第二，陕西省SSRI呈显著空间异质性，高值区位于秦岭中高山和大巴山北坡，低值区位于关中平原和汉江河谷，陕北风沙区因植被稀疏、日照强而适宜性低。第三，多级验证表明SSRI具有较好的独立性、稳定性和应用潜力，与UTCI的秩相关虽显著但不完全匹配，LOOCV精度66.3%，说明SSRI能综合反映避暑气候资源的多元信息，可为区域避暑资源评估和高温风险管理提供定量参考。
