20世纪90年代以来，我国进入城市化快速发展阶段^[1]，然而城市发展深刻影响着城市居民的生活感受和生活质量。20世纪20年代国外已有关于人体气候舒适指数的研究，英国学者Houghton等提出了有效温度的概念，1959年由Thom提出并由Bosen进一步发展的温湿指数被广泛应用于不同气候条件下的人体舒适度评价^[2]。近年来研究更为深入，如Sookchaiya等^[3]对空调建筑物内的人体舒适度情况进行了研究，Mahmoud等^[4]分析了炎热干旱区城市公园的人体舒适度情况。朱燕君等^[5]对北京7—9月的人体舒适度指数等要素的平均状况、演变特征等进行了统计分析；郑有飞等^[6]引进并修正了热气候指数，提高了南京市的公共气象服务质量。但这些研究多是关于城市人体舒适度时空变化和城市不同下垫面对人体舒适度的影响研究，没有回答城市化水平的差异是否会影响城市人体舒适度，城市舒适度变化与哪些城市因素关系最为密切等问题。

长江三角洲地区地理位置优越、城市密集，城市气候也倍受关注。为此，本文选取长江三角洲上海、南京、杭州、合肥4个城市的气象数据和城市化发展数据，探索城市化水平与城市人体舒适度变化之间的关系，并揭示城市因子和人体舒适度两者交互作用的规律，以期为长江三角洲城市群及我国其他城市的可持续发展提供参考依据。

本文所用资料包括1981—2011年上海、南京、杭州、合肥的日平均气温、平均相对湿度长序列数据。另外，1991—2011年历年4个城市总人口数量、建成区面积、工业产值等资料，数据来自《中国统计年鉴》^[7]和《中国城市统计年鉴》^[8]。

人体舒适度是从气象学角度评价人类在不同气候条件下舒适感的一项生物气象指标^[9]，关于人体舒适度的预报方法研究很多^[10]，本文选择其中应用最为广泛的温湿指数^[11]，具体公式为

(1)

式 (1) 中，I_TH为温湿指数，T_d为环境温度预报值，T_d=T×9/5+32, 单位：℃；H_R为相对湿度，单位：%。

人体舒适度根据I_TH值划分为9级，I_TH < 55 (≤3级) 时, 定义为冷不舒适; I_TH为55~70 (4~6级) 定义为舒适；I_TH > 70 (≥7级) 时, 定义为热不舒适^[12]。

另外，利用气候趋势系数和倾向率^[13]揭示人体舒适度的长期变化特征，运用模糊综合评判^[14-16]对城市化综合水平进行评价，并利用灰色关联^[17]及相关分析来研究影响人体舒适度的重要城市因子。

上海、南京、杭州、合肥1981—2010年不同舒适度等级日数的多年平均值见图 1。从图 1中可以看出，4个城市的气候舒适程度基本类似，舒适日数略少于冷不舒适日数与热不舒适日数，其中冷不舒适日数从多到少依次为南京、合肥、上海、杭州，热不舒适日数从多到少依次为杭州、合肥、上海、南京，舒适日数从多到少依次为上海、杭州、南京、合肥。但总体来讲，长江三角洲地区这4个城市由于在地理空间上具有显著的相似性，气候差异不大^[18]，因此气候舒适程度差别不大。

图 1

图 1. 1981—2010年长江三角洲4个城市气候舒适度 Fig 1. Climatic comfort index of four cities of the Yangtze River Delta from 1981 to 2010

上海、南京、杭州、合肥4个城市冷不舒适日数变化情况见图 2。通过拟合趋势线可以看出，自1981年以来，冷不舒适日数都呈下降趋势，上海、南京、杭州、合肥冷不舒适日数的趋势系数分别为-0.7176，-0.7081，-0.6331，-0.6325，下降趋势均达到0.01显著性水平。冷不舒适日数倾向率分别为-9.244 d/10 a，-7.333 d/10 a，-7.228 d/10 a，-6.113 d/10 a，冷不舒适日数下降幅度从大到小依次为上海、南京、杭州、合肥。

图 2

图 2. 1981—2010年冷不舒适日数演变特征 Fig 2. The evolution characteristics of the number of cold uncomfortable days from 1981 to 2010

1981—2010年上海、南京、杭州、合肥热不舒适日数变化情况见图 3。通过拟合趋势线可以看出，4个城市热不舒适日数均不同程度的呈现上升趋势。上海、南京、杭州、合肥热不舒适日数的趋势系数分别为0.6691，0.4760，0.6357，0.5154，上升趋势都达到0.01显著性水平。热不舒适日数变化范围分别为105~141 d，109~143 d，109~149 d，112~158 d。计算热不舒适日数的倾向率，得到上海、南京、杭州、合肥分别为7.902 d/10 a，4.242 d/10 a，7.301 d/10 a，6.056 d/10 a，可知热不舒适日数增加幅度从大到小依次为上海、杭州、合肥、南京。这虽与近年来气候变暖背景有关，但与城市发展带来的热岛效应等也关系密切，已有研究表明：城市热岛使得热不舒适日数增多，冷不舒适日数减少，高温现象加剧^[18-19]。王体健等^[20]研究表明，近50年来，长江三角洲地区气温呈上升趋势，上海升温速度最快。陈春根等^[21]研究表明：上海、南京、杭州等地为长江三角洲地区显著的增温高值中心。

图 3

图 3. 1981—2010年热不舒适日数演变特征 Fig 3. The evolution characteristics of the number of hot uncomfortable days from 1981 to 2010

4个城市的舒适日数变化不明显，总体来讲，长江三角洲地区这4个城市舒适日数年际差别不大，每年舒适日数基本持平 (图略)。

应用模糊综合评判法对各个城市1991—2010年的城市化综合水平进行整体评价。共选取8个因子作为城市发展模糊综合评价的指标。评价指标为U=(城市总人口, 建成区面积, 生产总值, 工业总产值, 用电量, 人均绿地面积, 人均道路面积, 公共交通实有车辆)。模糊转换矩阵根据升半梯形隶属函数进行计算，得到模糊关系矩阵R。根据变异系数法确定上述8个因子相应权重，A=(0.155, 0.091, 0.148, 0.166, 0.165, 0.103, 0.014, 0.159)。

将模糊关系矩阵与权重集合相乘，可以得到这20年来城市各项指标均值的模糊综合评判结果:上海为0.8840，南京为0.3000，杭州为0.1752，合肥为0.0277。

因此，就城市化水平而言，选取的4个城市的20年平均城市化水平综合评判值依次为上海、南京、杭州、合肥，与冷不舒适日数下降幅度变化一致。城市化水平整体评价值与冷不舒适日数的10年倾向率的相关系数为-0.97，达到0.01显著性水平，城市化水平整体评价值与热不舒适日数倾向率值则相关不显著。可见，冷不舒适日数变化趋势与城市整体化发展水平相关更密切。潘敖大等^[18]研究证明，长江三角洲城市群地区气温的升高趋势呈现出与城市群空间分布相似的态势，冬季平均气温增加趋势强于夏季，城市带内尤为显著。谢志清等^[22]研究表明热岛强度的长期变化与该地区的城市人口和经济发展呈明显的正相关。本文研究结果进一步证明冷不舒适日数下降与城市发展关系十分密切。

为了研究城市因素与不同舒适度日数的具体关系，利用灰色关联法分析1991—2010年8项具体的城市指标 (城市总人口、建成区面积、生产总值、工业总产值、用电量、人均绿地面积、人均道路面积、公共交通实有车辆) 与城市冷不舒适日数和热不舒适日数的关系。设城市冷不舒适日数和热不舒适日数为参考数列，其余8项城市指标为比较数列，通过灰色关联分析，分别得到各项城市指标与城市冷不舒适日数和热不舒适日数列的关联度见表 1。

表 1

表 1 城市不同舒适度日数与各城市发展指标之间的灰色关联分析 Table 1 Grey correlation analysis between the number of different comfort degree days and urbanization indices 城市化体系 指标 灰色关联度 冷不舒适日数 热不舒适日数 上海 南京 杭州 合肥 上海 南京 杭州 合肥 人口类 城市总人口 0.6604 0.4079 0.5737 0.6157 0.7788 0.4591 0.6890 0.6641 地域空间类 建成区面积 0.5445 0.2836 0.3457 0.4947 0.5853 0.3156 0.3830 0.5240 经济类 生产总值 0.4091 0.2878 0.2767 0.3289 0.6765 0.3005 0.2862 0.3538 工业总产值 0.3779 0.2658 0.2363 0.3461 0.3940 0.2799 0.2548 0.3754 能源类 用电总量 0.4659 0.3431 0.2652 0.5112 0.5000 0.3695 0.2941 0.5403 基础设施类 人均园林绿地面积 0.4263 0.2659 0.4555 0.5590 0.4792 0.2978 0.5060 0.5947 人均铺装道路面积 0.3875 0.3327 0.3141 0.4554 0.4331 0.3753 0.3463 0.4988 公共交通实有车辆 0.5712 0.3927 0.3022 0.4424 0.4181 0.4445 0.3373 0.5048

表 1 城市不同舒适度日数与各城市发展指标之间的灰色关联分析 Table 1 Grey correlation analysis between the number of different comfort degree days and urbanization indices

由表 1可见，城市因素对人体舒适度的影响明显，与上海冷不舒适日数关联密切的因素主要有城市总人口、公共交通实有车辆、建成区面积，与热不舒适日数关联密切的有城市总人口、生产总值、建成区面积；与南京市冷不舒适日数关联密切的因素主要有城市总人口、公共交通实有车辆、用电总量，与热不舒适日数关联密切的有城市总人口、公共交通实有车辆、人均道路面积；与杭州市冷不舒适日数和热不舒适日数关联密切的城市因素都是城市总人口、人均园林绿地面积、建成区面积；与合肥市冷不舒适日数和热不舒适日数关联密切的城市因素都是城市总人口、人均园林绿地面积、用电总量。即无论对于冷不舒适日数还是热不舒适日数，城市总人口都是影响城市人体舒适度的最主要城市因子，这与谢志清等^[22]研究一致。其次是建成区面积、公共交通实有车辆、用电总量、人均绿地面积等，这与佟华等^[23]、段海来等^[24]研究一致。

本文利用1991—2010年长江三角洲地区上海、南京、杭州、合肥的气象资料和城市发展资料，研究了人体舒适度变化趋势与城市化综合水平的关系，并对影响人体舒适度的主要城市因子进行探讨。主要结论如下：

1) 1981—2010年，上海、南京、杭州、合肥4个城市舒适程度差别不大。4个城市冷不舒适日数呈减少趋势，热不舒适日数呈增加趋势，舒适日数变化不大。

2) 选取1991—2010年8项具体的城市指标对城市发展综合水平进行模糊综合评判，城市化水平整体评价值与冷不舒适日数倾向率值之间达到0.01显著性水平，与热不舒适日数倾向率值之间相关不显著。

3) 根据灰色关联分析得出影响长江三角洲上海、南京、杭州、合肥人体舒适度的最主要城市因子均为总人口数量，其他影响因子不同城市间略有差异，综合看来，其他主要影响因子为建成区面积、公共交通实有车辆、总用电量和绿地面积等。