超大城市极端天气灾害的统计分析——以广州市为例

刘睿颖，张俊玉，方 舟

0 引言

广州作为超大城市的典型，是珠三角及华南地区的经济中心。自上世纪80年代改革开放以来，经济发展迅速，城市建设速度和人口剧增，2011年广州人口总量已逾1500万。广州市市长在2011年3月在穗召开的“城市规划与科学发展研讨会”上表示，如果不做政策性宏观调控，2020年广州市人口将突破1800万，将不可避免患上“大城市病”，在土地、资源、环境、基础设施等多方面面临巨大压力。本文利用1952～2010年广州市逐日长序列温度与降水观测资料，利用相关统计分析方法，通过广州市极端天气灾害事件的频率和强度来分析城市规模的扩大对生态环境带来的影响，可以为政府部门的相关决策和促进当地经济的可持续发展起一定的参考作用。

1 资料及方法

1.1 资料

气象资料是反映天气气候事件变化的客观记录。本文使用的是广州市气象观测站1952～2010年逐日的最高、最低温度和平均温度及降水量实测资料。

1.2 分析方法

1.2.1 线性趋势

线性趋势分析方法[1]主要内容为：设xi为某一变量，ti为所对应的时间（年份或序号），建立xi与ti之间的一元线性回归方程，xi(ti)=a+bti，式中b称为趋势变化率，计算公式为：

b值的符号反映上升或下降的趋势，如b＜0，则表示在计算时段内变量呈下降趋势；b＞0，则表示在计算时段内变量呈上升趋势。

1.2.2 正态性检验

Shapiro—Wilk检验法[2]是用于检验样本是否满足所要求的正态性，它是由S.S.Shapiro与M.B.Wilk提出的，是指用顺序统计量W来检验分布的正态性。设X1，X2，…Xn是来自 N(u,σ)的样本，X(1)≤X(2)≤…≤X(n)为其次序统计量，则W统计量为

1.2.3 相关性分析

设对随机变量Y作次观测得到y1,y2,…,yn，并假设可将其线性表示为[3]

如果用矩阵形式描述线性模型，则（3）式的矩阵形式为

其中，Y是可观测的随机向量；X为回归设计阵，由p个可观测的一般变量和每个元素都是1的n维列向量构成；β为回归系数；ε是不可测的误差随机向量。E(ε)=0和 Cov(ε)=σ2In称为Gauss-Markov条件，其中 In是 n 级单位阵。线性回归过程共有九种模型方法，它们分别是全回归模型、逐步引入法、逐步剔除法、逐步筛选法等。本文采用的是逐步剔除法。

2 广州市温度及降水极端天气灾害事件统计分析

《气候变化国家评估报告》[4]中指出，气候变暖的速度太快，有可能会导致极端天气事件的发生频率增加。具体到广州这样的超大城市，通过对温度和降水逐日资料的分析，可以了解其主要特征。

2.1 平均温度与极端高温天气日数变化趋势

参考气象部门的定义，将极端高温天气定义为最高温度大于35℃的天气。利用公式（1）得到，1952～2010年，广州市年平均气温增暖趋势明显，平均上升了4.88℃（图略）。在表1中给出了利用公式（1）求出的以每十年为一时段的平均温度值。同时统计了以十年为一时段的极端高温天气日数。

表1 广州市年平均温度与极端高温天气日数变化趋势

由表1看出，广州温度的年变暖趋势明显。1952～1980年，每十年平均温度稳定在21.8℃，但在80年代开始，每十年平均温度明显上升。年高温日数变化从80年代开始也呈明显的上升趋势，尤以2000年后为甚。

2.2 平均降水量及极端降水日数变化趋势

根据我国气象部门有关规定，24小时降水量为50mm或以上的强降雨称为“暴雨”，100mm或以上称为“大暴雨”。本文将24小时降水量为50mm或以上定义为极端降水日。极端降水日极易导致降水量超过城市排水能力致使城市内产生积水灾害的现象。与表1类似，利用公式（1），1952～2010年，广州市年平均降水量平均逐年增加了22.835mm（图略）。以每十年为一时段的平均降水量和极端降水天气日数见表2。同样可看出，年平均降水量和极端降水天气日数从90年代起呈明显增加趋势。

表2 广州市年平均降水量与极端降水天气日数变化趋势

2.3 年平均温度与年平均降水量的正态性检验

广州逐年的年平均温度与年平均降水量一致呈上升趋势，它们之间是否具有相关性及相关性如何，本文拟从线性回归作分析。在作线性回归分析之前，需要检验年平均温度与降水资料是否符合正态分布，此即概率统计中的显著性问题。

利用公式（2），对年平均温度作正态性检验，设检验水平α为0.01，得出Shapiro-Wilk统计量的p值为0372（p值定义为拒绝原假设时所需的最小显著性水平），由于0.0372＞0.01，则接受原假设，即认为年平均温度服从正态分布。

与年平均温度正态性分析方法相同，可得到年平均降水检验中的Shapiro-Wilk统计量的p值为0.5474，即年平均降水量也服从正态分布。因此，可以对年平均温度与年平均降水量作相关性分析。

2.4 年平均温度与年平均降水量的相关性分析

利用公式（3）和（4），采用逐步剔除法建立年平均温度与年平均降水量的相关性。初次计算结果发现原假设为回归系数与0无显著差异。对立假设为回归系数与0有显著差异。方程不显著。第二步和第三步的步骤是一样的，即逐步剔除强影响点，重新建立回归方程。

第三步以后，回归模型有了显著改善。最后，建立了平均温度与平均降水量之间的回归方程为y=4.35529x-49.55184。

总体而言，年平均温度升高时，年平均降水量也相应增加。但从拟合图上（图略）看，这并不是一个很好的回归方程，因为图上的点无法用一条回归直线很好地拟合。并且，从剔除强影响点的过程可以看出，强影响点比较多，这也影响了回归的效果。这说明年平均温度和降水量具有一定正相关性，但降水量同时可能还受到其他因素的影响。

3 广州市温度及降水极端天气灾害事件成因分析

3.1 城市热岛有利于极端高温天气的出现

广东省位于中国的最南部，北依逶迤的南岭，南临浩瀚的南海，其独特的地理位置和地貌格局形成了广东省特有的温度气候特征。在全球变暖的大背景下，广州市的气候变化特征与广东省其他观测站相比，究竟有哪些差别？对比广东省新丰县的气候变化特征[5]可以看出广州市特有的气候特征。广东省新丰县地处粤中偏北，韶关市南端，东江、北江和流溪河三河水系分流之处，新丰江上游，以农业人口为主，这里将它作为非城市化的典型与广州作对比[注：表3与表4中的数据，取自文献5]。

表3 新丰县平均温度与极端高温天气日数变化趋势

对比表1和表3可见，广州市以十年为一阶段的平均温度与极端高温天气日数远高于新丰县的值。尤其是在1980～2010年，广州与新丰的平均温度差距有加大的趋势，年平均极端高温日数也由1980年前的略低于新丰，变化到1981～1990年间的与新丰基本持平，再到1990年以后的明显高于新丰。这充分说明了城市热岛效应特征[6～7]的影响。城市热岛效应指的是，随着城市区域发展，城市的建筑、道路及其他基础设施逐步替代空旷地带和植被，导致城市的温度高于周边郊区的温度。

3.2 城市排放的高污染物有利于极端降水天气的出现

表4 新丰县年平均降水量与极端降水天气日数变化趋势

对比表1和表3可见，广州市以十年为一阶段的平均降水量与极端降水天气日数也远高于新丰县的值。城市热岛效应的另一个重要影响是[6]，随着城市规模的扩大，由于汽车、工业生产等废气排放，由于汽车、工业生产等废气排放不但形成大量的人工热源，同时城区大气中堆积排放的大量的污染物，也有利于凝结核的形成，使城市降水量相对有所增加。

4 应对超大城市极端天气灾害事件增加的对策

(1)对城市布局进行合理规划。城市下垫面的改变是引起城市热岛效应增加的原因之一。由于城市下垫面是由柏油路、建筑墙面等吸热快、升温快的人工构筑物组成，这样的下垫面强烈地吸收太阳辐射能量，使得气温急剧升高。同时由于混凝土、柏油路等不渗水，降雨量增加时，极易导致城市积水灾害发生，导致人民生命财产的损失。因此，在城市布局时，合理保留并增加绿地和树木，有利于减少城市热岛效应的影响。

（2）提倡低能源、低消耗的生产和生活方式。城市工业生产和人们生活中释放的大量热是促成热岛效应形成的另一个原因。因此要根据城市的性质及其定位确定合理的产业结构,大力发展污染发展少的工业。在市场经济条件下，企业必须降低能源消耗，才能在激烈的竞争中求得长远的生存发展。另一方面，要合理控制城市的人口规模和密度，以降低居民生活过程中产生的废热。大力发展公共交通，对城市小汽车的保有量加以调控，以控制汽车尾气排放。

（3）倡导开发新型建筑材料。城市化的程度是衡量一个国家和地区经济、社会、文化、科技水平的重要标志，也是我国现阶段发展过程中的必由之路。随着城市化进程的加快，城市将愈来愈与高层建筑为伍。通过开发能降温节能、缓解热岛效应强度的建筑材料，可以部分缓解热岛效应的影响。

（4）提高城市地下排水系统能力。对于极端降水引发的城市积水灾害现象，除通过控制热岛效应以降低极端降水日数以外，提高城市地下排水能力是另一个重要途径。高标准地下排水系统意味着高投入。目前我国一些老城区的排水系统无法满足大规模城市化带来的极端降水的增加。但完全抛弃旧有设施则代价太大。因此需要对城市建设作全局性考虑。

总之，大规模城市化的发展已对气温和降水产生了一定的影响，并且直接导致了极端高温天气和极端降水天气的增加。在经济发展相对成熟的现阶段，城市建设不但要注重经济效益同时更要注重社会效益和环境效益，将城市的发展置于社会发展背景下，将追求城市经济水平的提高放在追求超大城市化之上，最大限度地保护自然生态环境，合理全局性地考虑城市布局和规模，同时提倡低碳城市[7]的理念，还需要政府的政策引导和社会的相关干预。

[1]黄良文.统计学[M].北京：中国统计出版社，2008.

[2]张晓冉.统计分析及其SAS实现[M].北京：清华大学出版社,2011.

[3]裴鑫德.多元统计分析及其应用[M].北京:北京农业大学出版社,1990.

[4]编委会.气候变化国家评估报告[M].北京:科学出版社,2007.

[5]温丽华，赖凤珍.新丰县近47年气候变化特征[J].广东气象,2008,30(6).

[6]刘婕，谭华芳.城市化进程中的热岛效应问题及对策[J].财经问题研究,2011,（5）.

[7]辛玲.低碳城市评价指标体系的构建[J].统计与决策,2011,（7）.