城市生态气象监测评估初步研究与实践——以北京为例

刘勇洪，轩春怡，李梓铭，栾庆祖，刘海涛，熊亚军

1.中国气象科学研究院/灾害天气国家重点实验室，北京 100089；2.北京市气候中心，北京 100089；3.中国气象局京津冀环境气象预报预警中心，北京 100089

党的十九大报告将“生态文明”建设作为新时代坚持和发展中国特色社会主义的基本方略，围绕这个方略，中国气象局先后出台了《“十三五”生态文明建设气象保障规划》和《关于加强生态文明建设气象保障服务工作的意见》，并在2017年明确提出“坚持公共气象的发展方向，大力发展安全气象、资源气象、生态气象，全面提升气象综合防灾减灾和应对气候变化能力”，重点开展包括农田、森林、草地、湿地、湖泊、荒漠、海洋（海岸带）、城市等典型生态系统气象监测与评估业务服务，由此城市生态气象服务已成为城市气象服务的未来重要发展方向和内容。

气象条件作为影响生态系统最活跃、最直接的驱动因子，影响着生态系统的质量和人类生存的环境，关系着生态保护和建设的成果，开展生态气象业务服务，对于中国的生态建设、生态保护和生态安全都具有重要的意义（中国气象局，2018；陈鹏飞等，2018）。目前，关于生态气象学（Ecometeorology）或者生态气候学（Ecoclimatology）的定义虽未完全统一，但没有本质上的差异，周广胜、刘晶淼等多位学者都给出了生态气象学各自理解的定义（陈怀亮，2008）。2002年美国环境与气候学家Gordon Bonan出版了《生态气候学》一书（戈登·B·伯南，2009），正式提出“生态气候学”的概念，他认为生态气候学是理解气候系统内陆地生态系统功能的交叉学科，主要研究景观与气候之间相互影响的物理、化学和生物过程，简言之，生态气候就是研究“气候影响生态和生态影响气候”的科学，目前已成为一门快速发展的交叉学科和应用性较强的气象科学领域新学科（王让会，2018）。与其他自然生态系统不一样，城市生态系统具有独特气候特征（如城市热岛、干岛等），具有典型的“生态景观影响气候”特征，因此围绕城市气候与生态环境之间的相互关系和作用机理，从系统的观点和角度实时监测和评估甚至预警城市生态气象的健康与否，对城市生态文明建设和可持续发展具有重要意义。

目前对生态气象开展监测评估在国内外都处于初始阶段，生态气象监测评估指标选择、模型应用等技术支撑方面薄弱，生态气象业务体系不够完善（陈鹏飞等，2018）。早期的研究主要是针对植被生态开展监测评估，如毛留喜等（2006）基于植被净初级生产力（NPP）建立了生态气象监测与评估指数（EMI）模型，并进行生态气象等级划分进而开展中国区域生态气象监测与评估。自中国气象局 2005年 7月下发《生态质量气象评价规范 (试行)》（中国气象局，2005）以来，众多学者基于气象数据、遥感和GIS手段相继开展了当地生态质量气象评价（刘勇洪等，2007；刘少军等，2007；任学慧等，2008；王君华等，2009；孙云鹏，2011；陈兴鹃等，2014），但由于该评价规范中的评估指标主要考虑陆表生态环境（如植被、水体、土壤、农林气象灾害等），对大气质量环境和人居环境考虑得较少，因此还不能有效应用于城市生态气象综合监测评估中。本文将基于生态气象学理论和城市气候特征，开展城市生态气象监测评估方法初步研究，并以2018年北京为例进行实践应用，对类似大城市开展生态气象或生态气候服务具有借鉴意义。

1 资料

（1）气象资料：北京地区2018年315个区域气象自动站逐时气温、降水、相对湿度、风速资料，1981—2018年观象台（北京气象代表站）逐日气温、降水、相对湿度、风速、日照时数、天气现象、霾日及 PM2.5观测资料，来源于北京气象信息中心，主要用于城市生态气象要素监测、大气环境和高影响天气气候事件监测。

（2）FY-3卫星数据：本文选用北京地区2016—2018年FY-3B陆表温度（LST）产品数据，可通过“风云卫星遥感数据服务网（http://satellite.nsmc.org.cn/portalsite/default.aspx）”免费下载，主要用于城市热岛评估。

（3）MODIS卫星数据：本文选用北京地区2002—2018年1 km空间分辨率MODIS 16 d合成的归一化植被指数NDVI产品（MOD13A3）、白天和夜晚8 d合成平均陆表温度LST产品（MOD11A2，MYD11A2）、8 d合成的净初级生产力（NPP）产品（MOD15A2H）、逐日3 km空间分辨率MODIS卫星气溶胶光学厚度产品（MCD04），来源于美国国家地质调查局数据陆表数据中心网站（https://lpdaac.usgs.gov/data_access/data_pool），主要用于陆表生态环境和大气环境监测评估。

（4）Landsat和环境一号卫星数据：本文选用北京地区1986—2018年30 m空间分辨率晴空Landsat卫星系列和环境一号B星数据，来源于“地理空间数据云”（http://www.gscloud.cn/），主要用于水体面积估算和生态冷源提取。

（5）其他数据：北京市 2018年逐日空气质量指数（AQI），来源于北京市生态环境局。

2 城市生态气象监测评估方法

城市生态系统包括自然、经济、社会3个子系统，是一个以人为中心具有与其他系统不一样气候特征的复杂生态系统。因此，城市生态气象不仅需要对大气环境要素（如温、湿、风、大气气溶胶、能见度及大气质量等等）进行监测，还需要对与气候相关的陆表生态环境参数如陆表温度、土壤湿度、植被生长量等进行监测评估（王连喜等，2010），同时考虑到高影响天气气候对城市生态环境和城市系统运行的巨大影响，可以考虑分别从生态气象条件、陆表生态环境、大气环境、人居环境和高影响天气气候事件等方面对城市生态气象进行监测评估。

2.1 生态气象条件监测

常规的季节或年气象要素评估指标一般采用国家级气象站的气温、降水、日照三要素，但实际上由于国家级气象站建站时间比较早，建站要求严格，一般离城市集中建成区较远，并不能很好地反映城市气候特征。因此，为了精细化地评估城市气候特征，需采用高密度的区域气象自动站资料开展基本气候要素监测。另外，由于城市地表粗糙度增加导致城区近地风场受阻、风速普遍降低的事实以及由于城市不透水盖度增加导致的“城市干岛”现象也是城市气候的显著特征，因此还需开展城市风环境和相对湿度等要素监测。

2.2 陆表生态环境

2.2.1 植被覆盖度

植被覆盖度（Vegetation coverage，VC）是最重要的陆表生态环境因子之一，是衡量城市环境质量及居民生活福利水平的重要指标，同时也是影响城市热岛、水土流失的重要因子。在评估城市植被生态环境好坏时，可采用年最大VC反映城市“绿色”程度。VC可利用卫星观测的归一化植被指数（NDVI）进行估算，本研究中，利用 MODIS-NDVI产品（MOD13A3）采用像元二分模型（即纯植被和裸土）进行VC估算（吴云等，2010），其中针对北京地区，纯植被和裸土的NDVI分别取值为0.95和0.20。

在分析 VC变化时，往往需要评估气象条件对其变化的贡献率。针对半干旱地区，降水是 VC变化的最主要限制因子（孙红雨等，1998；孙艳玲等，2010）。在这里，可以利用统计回归法分析降水条件驱动下的VC变化趋势率占实际VC变化趋势率的百分比，从而初步评估气象条件对VC变化的影响。

2.2.2 植被生态质量

气候决定植被分布，也决定其生产力、覆盖度和生态环境质量，可以用陆地植被生态质量指数表征（Vegetation Ecological Quality Index，VEQI）；VEQI定义为基于陆地植被NPP和VC的能够反映陆地生态系统植被功能和覆盖状况的定量数值，数值越大，表明植被生态质量越好（钱栓等，2019）。其中 NPP不仅直接反映了植被群落在自然环境条件下的生产能力，表征陆地植被生态系统的质量状况，而且是判定生态系统碳源/汇和调节生态过程的主要因子，因此可作为陆表生态环境的重要评估指标（王江山等，2017）。VEQI的估算是通过 NPP指数和VC的线性加权和来表示，而NPP指数为该时段的陆地植被NPP与历史同期最大NPP之比（钱栓等，2019）。

本研究中，NPP指数则基于北京长时间序列MODIS-NPP产品（MOD15A2H）估算得到，NPP指数和VC的权重系数均取值为0.5。

2.2.3 陆表温度

陆表温度（LST）是城市地表能量平衡的关键因子，影响着城市生态服务功能及人居环境；一般城市建成区不透水盖度越高，绿化率越低，LST则越高，反映城市陆表生态质量越差。目前在区域尺度上可直接利用MODIS-LST产品或者FY-3旬、月LST产品（刘勇洪等，2018）。本研究中，直接采用MODIS-LST产品（MOD11A2，MYD11A2）利用平均值合成方法获取北京地区年均LST。

2.2.4 水库水体面积

水源保护是生态涵养发展区的第一要务，对重点水源地如水库进行水体面积监测可以有效反映水资源的变化。可利用30 m空间分辨率Landsat系列卫星或环境一号卫星资料，基于改进归一化差异水体指数（MNDWI）阈值法可对水体区域进行有效提取（徐涵秋，2005）。

2.3 大气环境

大气环境评估是城市生态气象评估的重要内容，目前可以开展空气质量评估和气象条件影响评估，在此基础上可以开展污染源解析和基于气象条件的大气污染减排效果评估。

2.3.1 空气质量

目前用来表征空气质量的指标主要有：环保部门的环境空气质量指数（AQI）、细颗粒物（PM2.5）以及气象部门观测的霾日数和气溶胶光学厚度（AOD），其中AOD反映整层大气中气溶胶对直接太阳辐射的衰减能力，一般AOD越小，大气越清洁，反之大气越浑浊。本研究中直接利用MODIS-AOD产品（MCD04）对北京地区年均AOD进行估算。

2.3.2 大气污染源解析和减排效果评估

目前主要利用第三代三维空气质量模型CAMx开展PM2.5污染来源解析（陈云波等，2016），基于静稳天气指数（SWI）和大气容量系数开展大气污染减排效果评估（张恒德等，2017）。其中SWI定义为定量描述大气的静稳程度的综合指数，该值越高则代表气象条件越有利于雾霾天气发生，不利于大气污染扩散，静稳天气指数和大气容量系数具体计算方法参见文献（熊亚军等，2019）。

2.4 人居环境

2.4.1 热岛强度

城市热岛是衡量城市生态环境的重要限制因子，较大程度反映城镇建设及人类活动对城市气候环境的不利影响，目前，除了常规的气象观测手段，卫星遥感也普遍应用于城市热岛监测中，可称之为“陆表热岛强度（SUHI）”（Liu et al.，2018），且 SUHI空间分辨率更高，更能体现热岛空间分布细节。在区域尺度上可直接利用MODIS或FY-3 LST产品估算SUHI，SUHI计算方法参见文献（刘勇洪等，2017，2015）。本研究中，2016—2018年的北京 SUHI基于FY-3B LST产品进行估算，2016年之前的北京SUHI基于MODIS LST产品进行估算。

2.4.2 生态冷源

生态冷源被定义为能产生新鲜冷空气的区域，一般指森林、农田、大型绿地、公园和水体等；它是城市中冷空气来源、改善空气流通与人居环境的重要场所，可有效缓解城市热岛效应，具体提取方法可参见文献（刘勇洪等，2017）。在这里，基于30 m空间分辨率的Landsat卫星和和环境一号B星对北京地区生态冷源进行提取。

2.5 城市高影响天气气候事件

本文中主要评估对人体健康和城市能耗等有较大影响的天气气候事件，如高温闷热、低温严寒，可以分别用高温闷热日数和低温严寒日数来评估当地气象条件对人体不舒适程度。其中高温闷热天气可以温-湿指数经验公式（黄卓等，2011；马丽君等，2011）进行判定，严寒天气以风寒指数经验公式（张志薇等，2014）进行计算判定。对城市能耗的评估可以分别用制冷度日和采暖度日进行表征。其中制冷度日定义为室外日平均气温高于 26 ℃（空调制冷起始温度）的日数的温度累加；它是夏季制冷的重要能耗指标，一般该指标值越高，能耗就越高。采暖度日在本文中定义为室外日平均气温低于5 ℃（供暖起始温度）的日数的温度累加；它是冬季供暖的重要能耗指标，一般该指标值越低，能耗就越高。

此外，还需对城市生态环境及生命财产造成较大损失的重要气象灾害事件进行评估，如暴雨洪涝、强对流天气灾害等。

3 实践应用

3.1 生态气象条件监测

如图1为北京地区20个国家气象站和315个区域自动气象站所绘制的 2018年主要气象要素空间分布图，可以看出，基于315个区域自动站的北京市年平均气温较20个国家气象站更能体现出“城市热岛”和山区地形低温等细节特征，同样基于315个区域自动站的北京年降水量分布图不但与20个国家站绘制的降水量空间分布有较大差异，而且更能体现出强降水具体落区位置，这有利于城市降水风险的准确评估；此外，基于区域自动站的平均相对湿度图也能明显体现“城市干岛”特征，风速空间分布图上显示出二环与五环之间存在一个“冂”形风速低值区，这与已有北京城市风速空间分布研究成果一致（窦晶晶等，2014），这些结果显示，开展城市生态气象条件评估，区域自动站类能体现出常规国家气象站不能得到的城市气候特征精细化结果。

对北京 2018年主要气象条件变化监测显示：2018年北京年平均气温较常年（1981—2010年30 a平均，下同）偏高0.4 ℃，其中夏季为历史第二高值；降水量接近常年，其中夏季降水偏多22%；日照时数接近常年；平均风速较常年偏低0.2 m·s-1，近 30年总体呈持续下降趋势，在北京二环与五环之间存在一个“冂”形状的风速低值区，小风（风速＜2.0 m·s-1）日数为近20年次高值；平均相对湿度较常年偏少4%，近30年总体呈下降趋势。

3.2 陆表生态环境

3.2.1 植被覆盖度VC

图1 北京地区2018年基于20个国家气象站的年均气温（a）和年降水量（b）以及基于315个区域自动站的相对湿度（c）、年均气温（d）、年降水量（e）和主城区年均风速（f）空间分布图Fig.1 Spatial distribution of average annual temperature (a),annual precipitation (b) based on 20 national weather stations and annual relative humidity (c),average annual air temperature (d),annual precipitation and (e) annual average wind speed for main urban (f) based on 315 regional automatic stations

图2 北京地区2018年植被覆盖度VC（a）及2002—2018年平均VC及春夏季降水距平百分率变化（b）Fig.2 VC of Beijing in 2018 (a) and changes of annual VC and precipitation anomalies in spring-summer (b) in 2002-2018

如图2所示为北京地区2018年植被覆盖度及2002—2018年平均VC及春夏季降水距平百分率变化图，可以看出2018年北京地区平均VC为61.6%，创2002年以来新高。2002—2018年北京VC总体呈增长趋势，且VC与春夏降水距平呈明显正相关（回归模型R2为0.65，线性拟合模型达到0.01显著水平）。其中2003年和2014年春夏干旱较为突出（春夏总降水量分别偏少33%和30%），是VC明显偏低的重要原因；而2017年、2018年春夏降水较常年分别偏多21%和20%，对VC连续两年创新高具有明显正贡献，其中2018年贡献率达50%。

3.2.2 植被生态质量

如图3为北京地区2018年植被生态质量等级分布及2002—2018年平均植被生态质量指数变化图，可以看出2018年北京植被生态质量指数为2000年以来的最高值，生态涵养区（主要位于山区）植被生态质量处于正常或偏好等级的面积比例达 93%。2002—2018年期间，植被生态质量指数呈增加趋势，其中2014年因春夏干旱较重，植被生长明显偏差，气候条件对植被生态质量的影响非常明显。

3.2.3 水库水体面积

2018年密云水库水体面积为 135.6 km2（图4a），官厅水库水体面积为92.4 km2（图4b），均为2000年以来最大值，且近5年水体面积均呈持续增加趋势。水体面积变化分析显示：2018年水库所在地密云和延庆春季和夏季总降水量较常年分别偏多20%和9%，有利于水库蓄水；另一方面人工影响天气作业对密云水库水量增加了5016×104m3，对水库面积扩充贡献了8.3%；对官厅水库水量增加了484×104m3，对水库面积扩充贡献了6.0%。

3.2.4 陆表温度LST

图3 北京地区2018年植被生态质量等级分布（a）及2002—2018年平均植被生态质量指数变化（b）Fig.3 Distribution of vegetation ecological quality grades in Beijing in 2018 (a) and changes in average vegetation ecological quality index in 2002-2018 (b)

图4 1986—2018年北京密云水库（a）、官厅水库（b）水体监测及相应水体面积历年变化（c.密云水库；d.官厅水库）图Fig.4 1986-2018 Beijing Miyun reservoir (a),Guanting reservoir (b) water body monitoring and corresponding water body area changes over the years(c.Miyun reservoir; d.Guanting reservoir)

图5 2003—2018年北京地区年均白天LST空间变化趋势（a）及时间变化（b）Fig.5 Spatial variation trend (a) and time variation (b) of annual mean LST in Beijing during 2003-2018

受山区植被覆盖增加和平原城镇扩张影响，北京2003—2018年山区LST呈降温趋势（图5a），平原LST呈升温趋势，其中通州和大兴相邻的通州-亦庄城镇化连片区域是全市 LST上升最快的区域（高于 0.15 ℃·a-1）；但 2015年开始中心城区平均LST呈下降趋势（图5b），2018年为20.3 ℃，为2011年以来最低值，凸显了近几年北京地区所采取的“百万亩植树造林”和“留白增绿”等措施正在不断取得成效。

3.3 大气环境

3.3.1 大气质量

图6 2018年北京地区空气质量日历图（a）、年均气溶胶光学厚度AOD空间分布（b）及2014—2018年观象台不同等级霾日数变化（c）Fig.6 Beijing air quality calendar map (a),annual average AOD spatial distribution (b) in 2018 and changes in the haze number of different levels for Beijing Observatory in 2014-2018 (c)

由图6可知，2018年北京地区主要大气污染物—PM2.5年均质量浓度为 51 μg·m-3，较过去 4 年（2014—2017年）下降了31%，没有发生持续3天及以上的重污染天气过程；年均气溶胶光学厚度AOD为0.37，较过去4年平均值下降14%，大气清洁度得到改善；霾日数为83 d，较过去4年平均值减少31%，重度、中度和轻度霾分别减少了18、23、21 d。评估结果表明，2018年气象因素对霾日数减少的贡献比例约为 21%。此外，大气扩散气象条件分析显示：2018年大气静稳指数为9.8，较过去5年（2013—2017年）平均值下降8%，表明2018年北京的扩散条件较过去5年偏好。

以上分析结果表明，2018年大气质量得到明显改善，凸显了近几年政府采取的大气污染“减排”措施对改善空气质量的积极作用。但城市“混浊岛”依旧明显，而城市风速持续降低和小风日数增加则进一步加大了城市霾天气发生的风险，未来还需加强城市绿化与“通风廊道”建设等工作。

3.3.2 PM2.5来源解析

2018年北京PM2.5来源解析结果显示：北京市本地贡献占47%，外地的污染传输作用显著，贡献率占比53%，其中河北、天津、山东分别贡献28%、10%和6%。针对本地各行业排放对北京PM2.5的贡献率进行解析发现，排名前三的分别是居民源、交通源和工业源，占比分别为37%、34%和20%。以上分析结果表明外地污染传输贡献仍高居不下，未来还需稳步推进京津冀及周边地区之间的大气污染防治协作工作。

3.4 人居环境

3.4.1 热岛

由图7可知，2018年北京有明显热岛发生，主要集中于中心城区及远郊各区城中心。1990—2016年，北京城市热岛从中心城区向北、东和南三面扩展，其中 2001年后由于北京奥运会的申办成功，开展了大面积的旧城改造与城市绿化，绿化率明显增加使得热岛面积有所减小，2008年后热岛则持续增加，其中向昌平、顺义和通州方向扩展最为明显。2016年开始，热岛强度和范围较为稳定，到 2018年热岛不再呈增加趋势。2018年北京市较强以上热岛面积为1615 km2，略低于2016年和2017年，热岛开始得到缓解；中心城区热岛面积百分比高达79%，略低于去年（80%）；城市副中心通州热岛面积占区内15%。

3.4.2 生态冷源

由图8可知，2018年北京中心城区生态冷源主要分布于北京五环外的大型绿地、公园和水体以及山区林地；与 2013年相比，各区冷源面积有增有减，中心城区合计增加冷源面积1779 hm2，显示近几年北京地区用于人居环境改善的“蓝绿”宜居空间初步形成。

图7 1990—2018年北京城市热岛强度SUHI变化图Fig.7 Changes of Beijing surface heat islands (SUHI) from 1990 to 2018

图8 2018年北京中心城区生态冷源监测（a）及与2013年相比生态冷源变化图（b）Fig.8 Ecological cold sources monitoring in Beijing's central urban area in 2018 (a) and ecological cold sources change map compared to 2013 (b)

以上结果表明，北京“植树造林”和“留白增绿”在缓解热岛方面已初见成效，热岛增长趋势已受到抑制，但仍维持在较高水平，热岛依旧严重；结合风速、植被覆盖度与陆表温度结果可以看出，北京副中心-通州植被覆盖度不到50%，通州-亦庄城镇化连片区陆表升温较快，未来仍需关注首都百万亩造林工程与各区绿地系统、通风廊道系统规划（如改善北京二环到五环之间“冂”形低风速区）的衔接与配合，以及通州地区“蓝绿”宜居空间建设，有针对性地开展北京城市热岛缓解与北京副中心宜居建设工作。

3.5 高影响天气气候事件

2018年对北京地区居民人体健康和城市交通有明显影响的天气事件为高温闷热、低温、强降雨（大雨和暴雨）、雾、沙尘、大风等（图9）。其中，主要高影响天气气候事件有：

（1）夏季高温闷热和冬季阶段低温天气突出：高温闷热日数和制冷度日突破历史极值，持续闷热日数为历史第2多，造成北京日最大电力负荷连续4 d刷新历史纪录，高温中暑、热射病频发。严寒日数为 2002年以来第二高值，采暖度日较常年同期偏低57%，出现一次极端低温天气过程，其中2个国家级测站极端最低气温突破历史极值，北京电网最大负荷创冬季新高。

图9 2018年北京地区基于人体健康和城市交通的高影响天气日历图Fig.9 High-impact weather calendar based on human health and urban traffic in Beijing in 2018

（2）连续无降水日破纪录：北京观象台连续145 d没有出现降水，突破历史纪录，造成森林火险气象等级持续偏高，沙尘日数偏多。

（3）“7.16”暴雨小时雨强超“7.21 暴雨”：“7.16”暴雨最大小时雨强达到 117.0 mm，超过 2012年“7.21暴雨”，仅次于2011年“6.23暴雨”，造成北京山洪、地质灾害多发，交通基础设施损毁严重，直接经济损失近10亿元。

以上结果表明，在全球气候变暖背景下，高温、低温、强降水等极端天气的出现是其重要表征，而且城市化加剧了这种极端天气事件风险，考虑到城市人口、资源高度集中与人口老龄化发展趋势，要充分认识这种极端天气气候风险在北京超大城市持续出现的可能性和危害性，政府应该将此作为一个常态来考虑，并采取相关措施积极应对。

4 讨论

当前，关于生态气象尤其是城市生态气象监测评估的理论体系还未完全建立，监测评估的对象、指标以及评估模型还没有形成一套较为完整的技术体系，本文只是对城市生态气象监测评估指标、方法做了初步研究，评估结果也存在一定不确定性。本研究分别从城市气候环境、与气候要素相关的陆表生态环境、大气环境、人居环境、城市高影响天气气候事件等5个方面选取了一些典型要素和指标进行评估，实际上，这些评估指标或要素可能仅覆盖了城市生态环境的部分，如陆表生态环境除了植被覆盖度、植被生态质量、水体、陆表温度外，与气候有关的土地退化（包括土壤水蚀和土壤风蚀）指标（刘勇洪等，2007）在本研究中并没有被纳入，还有北京典型的臭氧污染、酸雨污染等也没有纳入大气环境评估中（张倩倩等，2019；张良玉等，2019），而与人体健康密切相关的花粉气象过敏指数（段丽等，2016）也没有被纳入人居环境评估中，因此未来还需不断发展、完善城市生态气象监测与评估指标。

此外，本文基于选择的要素或指标进行单个环境要素或生态环境的某一类型进行评估，还没有建立某一类型以及整个生态环境的综合评估模型，例如如何利用多个气候要素对城市气候环境进行整体评估，如何对陆表生态环境、大气环境、人居环境、高影响天气气候事件进行整体评估，以及如何对整个城市生态环境进行综合评估，都需要用建立一系列的模型来进行定量评估，未来还需在指标选择、权重确定、模型建立等方面开展城市生态气象评估定量研究。

生态气象学是一个涵盖了生态学和气象学的交叉学科，而城市又是最为复杂的人工生态系统，全球气候变化背景下的城市生态问题繁多，本文只是对与气象相关的城市陆表生态环境、大气环境和人居环境进行了初步的研究和应用，围绕城市“绿色宜居”和“可持续发展”这一条主线，除了上述评估指标和对象外，受大众关注且与气象条件密切相关的生态足迹、生态功能区划、生态红线（预警）、生态廊道（含通风廊道）和城市空间规划布局等均可纳入未来生态气象监测评估重点内容中；同时无论是生态问题，还是气象问题，把握科学合理的标准化方法，对于监测、评价及预警的基准制定，以及质量评判至关重要，也将是未来生态气象研究的重要方向。

5 结论

本文以北京为例，应用生态气象学理论，基于高密度自动气象站和国家气象站资料、卫星资料对城市生态气象开展了监测评估初步研究和实践应用。其中基于自动气象站资料的主要气象要素可有效监测城市“热岛”、“干岛”、“低风速”等，基于卫星资料提取的植被覆盖率、植被净初级生产力、植被生态质量、水体面积、陆表温度等指标可对陆表生态质量进行初步评估，基于气象观测、大气成分与卫星观测资料估算的气溶胶光学厚度、霾日数、PM2.5、大气静稳指数等指标可对城市大气环境进行评估，基于卫星资料和气象观测资料估算的热岛强度、生态冷源、高温闷热日数和严寒日数、制冷度日和采暖度日等指标可对城市人居环境及城市安全运行进行初步评估。

评估结果显示：与常年同期相比，2018年气象条件总体利于陆表生态环境改善；气温总体正常，但夏季高温闷热异常，冬季（2017/2018年）出现持续低温及长时间无降水，不利于人居环境改善与城市安全运行；夏季降水明显偏多，利于植被环境改善和水库蓄水，但极端强降水天气造成较大灾害损失；城市“热岛”、“干岛”特征明显，但生态冷源有所增加，城市热岛得到缓解；大气扩散条件偏好，大气环境质量改善明显。

以上评估结果表明，持续植树造林、城市绿化、大气污染治理等措施在北京生态环境改善方面卓有成效，有利的气候条件提高了生态环境的质量，但也要看到全球气候变暖背景下极端天气气候事件、城市热岛、低风速以及外来污染输送等给大城市生态环境及安全运行带来的风险。