气候季节（共5篇）
气候季节 篇1
我国除青藏高原及东北北部和华南南部的个别地区外,大部分地区都属于典型的四季分明区,春暖花开、夏日炎炎、秋风萧瑟、冬雪纷飞这种大自然的季节节奏和人们的生产生活密切相关。对于季节的划分,不同行业、不同地域有着各自不同的方法,但归纳起来通常有天文、农历、阳历、物候、候温和矢量等多种方法。上述季节划分方法都有一定的道理和依据,基本能反映四季的特征,但又有各自的不足,为此中国气象局于2012年11月1日制定实施了气候季节划分的国家标准,该标准计算简便,通用性强,适用于全国不同气候类型地区。对于四季分明地区,根据该标准,编制能适用于任意站点、任意时段的通用季节划分的程序还未见报道。编制能自动提取气候数据,可应用于任意站点任意时段的气候季节划分的通用计算程序,不仅能方便气象部门该项业务的开展,同时也将大幅提高气候资料的使用效率,从而更好地为农业生产和防灾减灾服务。
1 资料与方法
实例所用资料取自绍兴站,其气候资料数据库在ODBC中注册别名为“shaoxingclimate”,用户名为“zhanglibo”,密码为“58453”。日平均气温资料存放于riziliao表,字段quzhanhao(char(5))、riqi(char(8))和mt(smallint(2))分别表示区站号、日期和日平均温度。日平均气温常年值(气候平均值)取最近3个年代的平均值,取1981~2010年,由riziliao表直接导出,其生成语句为:
select quzhanhao,substring(riqi,5,4)as riqi,avg(cast(mt as float)/10)as mt into avg_riziliao from riziliao where(riqi between‘19810101’and‘20101231’)group by quzhanhao,substring(riqi,5,4)order by quzhanhao,substring(riqi,5,4)更新avg_riziliao表riqi字段为‘2002’+riqi,并插入riqi介于‘20011228’~‘20011231’的4条记录,其mt字段值取自avg_riziliao表相同月、日温度值。
2 常年气候季节界定实例
2.1 四季起始日期确定
以计算绍兴站1981~2010年常年气候季节开始日期为例,程序代码如下:
2.2 四季持续日数确定
春季持续日数的计算方法如下:
夏季和秋季持续日数的确定方法与春季相似,其SQL查询语句如下:
冬季持续日数的计算方法,分为两步,第一步先取出常年冬季起始日期和结束日期
第二步计算冬季持续日数:
表1给出本实例所计算的绍兴站四季起始日期和持续日数。
3 几点说明
(1)对于冬季入季时间需顺延至下一年判断的情况,需从12月24日至6月30日重新计算冬季起始日期,并将数据表temp10_normal中冬季起始日期由9999更改为最新值。
(2)与气候季节划分的国家标准一致,在计算日平均气温常年值时不考虑闰年的2月29日,5天滑动平均取当天及前4天这5个数据为一组求取平均值。
4 结语
利用Matlab数据库工具箱实现对日平均气温数据的自动读取,并利用Matlab强大的数值计算功能实现对气候季节的自动划分、自动转换和自动存储。该方法灵活度高、可移植性强,可实现对四季分明区任意站点任意时段气候季节的划分和输出,为气象、农业、林业等相关行业的使用带来方便。
参考文献
[1]张静,吕军,项瑛,等.江苏省四季变化的分析[J].气象科学,2008,28(5):568-572.
[2]张立波.基于Matlab的风玫瑰图绘制[J].电脑编程技巧与维护,2012,18:26-27.
[3]景振毅,张泽兵,董霖.MATLAB 7.0实用宝典[M].北京:中国铁道出版社,2009.
气候季节 篇2
水量的突变增加是从开始的,比冬夏突变晚11 a左右,比其东部地区偏晚30 a左右.
作 者：辛渝 毛炜峄 李元鹏 张新 卢戈 博力健 XIN Yu MAO Wei-yi LI Yuan-peng ZHANG Xin LU Ge BO Li-jian 作者单位：辛渝,毛炜峄,李元鹏,XIN Yu,MAO Wei-yi,LI Yuan-peng(新疆气象局,气候中心,新疆,乌鲁木齐,830002)
张新,卢戈,博力健,ZHANG Xin,LU Ge,BO Li-jian(新疆博州气象局,新疆,博乐,833400)
气候季节 篇3
物候期对气温极为敏感, 气候季节也是以气温作为衡量标准, 二者因为全球气候变暖必然会产生相应调整。春季物候提前、秋季物候推迟、生长季节延长是全球范围内普遍观测到的现象。对于气候季节的改变则表现在季节初日及持续时间上的变化, 其对农事安排、作物生长、节能减排、交通出行、穿衣保健、节令商品销售甚至老百姓季节病的发生规律上都已造成了潜移默化的改变[5]。
辽宁地处中纬度的南半部, 欧亚大陆东岸, 属温带大陆性季风气候, 雨热同季, 日照丰富, 四季分明。冬季以西北风为主, 漫长寒冷, 夏季多东南风, 炎热多雨, 春季少雨多风, 秋季短暂晴朗。气候变暖对辽宁省的气候变化也产生了一定影响, 对其进行研究具有重要的实用价值。
1 资料与方法
1.1 资料来源
该文引用的数据来源于1951—2011年辽宁省气象观测资料。
1.2 季节划分
张宝堃在《中国四季之分配》中提出了季节划分的方法, 具体如下:以5 d平均气温低于10℃为冬季, 高于22℃为夏季, 10~22℃为春秋过渡季, 并划出各地四季长短。这种季节划分方法对于农业生产有较大的实际意义。
1.3 研究方法
利用线性回归分析法进行趋势分析;采用Mann-Kendall法进行突变分析 (Mann-Kendall法是一种非参数的检验方法, 样本不必遵从某一特定规律, 同时也不受个别异常值的干扰, 能客观地表征样本序列的整体变化趋势) 。按照辽宁省中心气象台气候季节划分四季的标准进行四季的划分, 5 d滑动平均气温稳定<-10℃的第一天为隆冬的开始日期, 当5 d滑动平均气温稳定≥-10℃的第一日的前一天是隆冬的结束日期。某市辖区内超过70%的县站进入隆冬, 定为该市进入隆冬, 超过70%的县站退出隆冬的当天, 定为该市退出隆冬。全省超过70%的市地进入隆冬, 定为辽宁省隆冬开始日;超过70%的市地退出冬季的当天, 定为辽宁省隆冬结束日 (某市辖区内超过70%的县站进入春季, 定为该市进入春季, 超过70%的县站退出春季的当天, 定为该市退出春季。全省超过70%的市地进入春季, 定为辽宁省春季开始日;超过70%的市地退出春季的当天, 定为辽宁省春季结束日。其他夏季、秋季及冬季同上) 。统计辽宁省近59年四季的开始和持续期。
2 结果与分析
2.1 辽宁省近60年四季年际变化特征
从表1可以看出, 辽宁省常年入春时间4月17日, 持续天数74 d。全省最早进入春季的时间为1994年和2002年的4月1日, 最晚进入春季的时间为1954年5月2日。常年入夏时间7月3日, 持续天数59 d。全省最早进入夏季的时间为2007年6月7日, 最晚进入夏季的时间为1954年8月1日。常年入秋时间8月27日, 持续天数52 d。全省最早进入秋季的时间为1977年8月10日, 最晚进入秋季的时间为1999年9月13日。常年入冬时间10月20日, 持续天数180 d。全省最早进入冬季的时间为1980年10月8日, 最晚进入冬季的时间为2005年11月6日。常年入隆冬季节时间1月1日, 持续天数57 d。全省最早进入隆冬季节的时间为1993年的11月13日, 最晚进入隆冬季节的时间为1951年和2008年的1月11日。
2.2 辽宁省近60年四季年代际变化特征
从表2可以看出, 近60年来, 辽宁省四季分配呈现冬春季长、夏秋季短的特征。春季年代间呈现先变长后缩短的趋势;夏季在20世纪七八十年代较60年代有缩短趋势, 90年代后又呈现变长趋势;秋季则先呈变长趋势, 后呈缩短趋势;冬季70年代略变长, 之后的年代季缩短趋势非常明显, 20世纪50年代到90年代平均减少9.4 d/10 a, 2000年以后缩短趋势加剧, 仅9年时间平均比70年代缩短了14.7 d, 平均为减少8.7 d/a。
(d)
2.3 辽宁省近60年四季平均持续期变化趋势分析
2.3.1 四季开始 (终止) 日期的年际变化趋势。
从图1可以看出, 春季开始 (冬季终止) 期呈现出明显的提前趋势, 夏季开始 (春季终止) 期也呈现提前趋势, 秋季开始 (夏季终止) 期变化趋势不明显, 冬季开始 (秋季终止) 期呈现出明显的推迟趋势, 这与临沂四季开始时间变化趋势一致[17]。
2.3.2 四季持续期的年际变化趋势。
从图1可以看出, 辽宁省四季持续期的年际变化趋势如下:春夏呈增长趋势, 其中夏季较为明显;冬季呈现缩短趋势;秋季变化不明显。
2.3.3 四季持续期的突变分析。
从图2可以看出, 春季持续期呈现震荡上升趋势, 突变点在2006年左右, 后呈现缩短趋势;夏季持续期突变开始于1994年, 之前呈现上下波动, 1994—1996年突变趋势不明显但频率较大, 突变点在1996年, 之后呈现增长趋势;秋季持续期经历了由缩短到缓慢增加阶段, 但趋势不明显;冬季持续期突变点在1993年, 之后持续期明显缩短, 1956—1966、1978—1983年为冬季增长区, 而1989年之后为突变缩短区域。隆冬持续期突变开始时间在2000年, 之前趋势不是很明显, 之后呈现缩短的趋势。
3 结论
(1) 1951—2011年辽宁省的气候四季分配为冬春季长, 夏秋季短。开始期中以春季、夏季提前和冬季推迟最为显著。秋季开始期也表现出提前趋势。四季持续期中冬季缩短最为明显, 其次为春夏季的增长, 秋季持续期变化不明显。冬季缩短主要分配在春夏季。
气候季节 篇4
季节性是旅游业的显著特征之一,对区域旅游可持续发展具有重要影响［1］,而气候环境是形成旅游季节性特征的直接性原因。旅游旺季激增的旅游客流在带来巨大经济效益的同时, 也可能造成旅游地生态环境破坏、旅游供给品质下降和游客权益受损等,而在旅游淡季客流骤减又会导致旅游资源和服务设施的结构性浪费［2］。旅游供需的季节性冲突被称为旅游业中最易理解但难以解决的问题。如何打破气候环境的客观束缚, 充分利用区域自然条件与气候资源,实现旅游业的季节性优化与潜力提升已成为当前区域旅游持续发展亟待突破的发展瓶颈与政策难题。
近年来,旅游季节性问题已得到众多学者的广泛关注。国外研究集中在旅游季节性的概念内涵［3］、表现形式［4，5］、影响作用［6］、需求建模与预测［7 － 9］等方面。Bulter［3］认为,旅游季节性是旅游发展过程中一种短暂的不平衡现象,并可通过旅游人次、旅游收入、游客花费等指标予以体现; Lundtrop［4］将旅游季节性划分为“年内季节、月内季节、周内季节、公共节日内季节和一日内季节”,并将年内季节性表现形式分为“单峰型、双( 多) 峰型和无峰型”; Maning［6］等认为,旅游需求剧烈波动会带来旅游资源利用效率低、生态与社会承载力紧张、经营管理困难等问题; Grant等［10］则认为,旅游季节性在给旅游业带来经济损失的同时,也会给旅游景区维修、建筑、水电等员工带来淡季就业等积极影响; Wall等［11］用季节性指数、月度比率等方法测量了中国入境旅游市场结构与季节特征。国内学者对旅游季节性研究起步虽晚但成果丰硕。陆林［12］将旅游季节性原因划分为自然因素( 气温、降水、气象灾害、地质灾害等) 和社会因素( 旅游政策、偶发性事件等) ; 李团辉等［13］认为,旅游资源、旅游需求、旅游业和人为因素通过综合作用影响旅游业的季节性波动; 冯学钢等［2］对旅游季节性和反季旅游的国内外研究成果进行了梳理,并提出反季旅游应成为解决旅游季节性的有效措施。
学界关于旅游与气候环境关系的研究主要集中在气候适宜性方面。马丽君等［14，15］利用多年气候统计资料,对我国东部热点城市的旅游气候舒适度进行了评价,并指出其时空特征及南北差异; 刘清春等［16］测算了全国44个城市的人生气候舒适指数与偏离度,并通过Kohonen神经网络方法,将这些城市分为5大类。现有研究多集中在气候舒适度的判定及其与旅游客流关系的分析,缺乏对旅游季节性潜力的识别与策略提出。 本文在对我国大陆31个省会城市旅游气候综合舒适度分析的基础上,结合22个热点旅游城市的入境旅游季节性数据,对旅游季节性潜力进行识别并提出潜力提升策略。
2数据来源和研究方法
2. 1数据来源
旅游气候舒适度分析以我国大陆31个省会城市为对象( 因数据缺失,故不含香港与澳门特别行政区、台湾地区) ,指标包括2002—2013年城市各月平均气温、相对湿度、平均风速、 日照时数等,资料源于中国人口资源环境网、中国气象科学数据共享网。旅游流季节性分析考虑到数据代表性和可得性,以我国22个热点旅游城市各月入境旅游人次为指标,资料源于2003—2014年《中国旅游统计年鉴》和国家旅游局官方网站。
2. 2研究方法
旅游气候舒适度方法: 旅游气候舒适度即旅游者在旅游过程中,通过自身体能代谢与周围气候要素相互作用进行能量交换的自我舒适感知。当外界风速、温度、湿度等要素协调作用于人体感觉器官时,人体便感觉舒适自在,旅游气候舒适性便会提高［17］。
温湿指数( THI) 通过温度与湿度两大气候指标相结合来反映人体与周围环境的热量交换情况,是人类对气候环境感受的重要指标,公式: THI = ( 1. 8td+ 32 ) - 0. 55 ( 1 - f) × ( 1. 8td- 26) 。式中,td为平均温度,f为相对湿度。温湿指数大小适度为佳,THI值越小,则体感愈寒冷; 反之,则愈感温热。
风效指数( K) 由风寒指数公式演化而来,它既考虑到人体体表的散热过程,又考虑到了太阳辐射后人体的增热,计算公式为:式中,td为平均温度,V为平均风速。风效指数与温湿指数类似,大小以适度为佳。
着衣指数( ICL) 由澳大利亚学者Freitas［18］于1979年提出。它考虑到人体可通过着衣方式来改变气候环境造成的不适影响,从而克服了前两种指数仅考虑气候环境对人体裸露皮肤影响的局限性,公式为:。 式中,H为人体代谢率的75% ,文中取轻活动量下的人体代谢率116W / m2,此时,H = 87W / m2; a为人体对太阳辐射的吸收情况,取a = 0. 06; R表示垂直于阳光的单位面积地表接受的太阳辐射; c为太阳高度角。 以上三种气候指数的分级评价见表1。
旅游气候综合舒适度( A) 即根据上述THI、K、ICL三种指数相结合,运用德尔菲法和层级分析法,在参考马丽君等［14，15］研究基础上予以修正,建立旅游气候综合舒适度评价模型,公式为: A = 0. 49THI + 0. 19K + 0. 32ICL。式中,A为旅游气候综合舒适度,0. 49、0. 19、0. 32分别为THI、K、ICL三大指数的权重。 如果7≤A < 10时,旅游气候综合舒适度最佳; 当5≤A < 7时, 旅游气候较舒适; 当3≤A < 5时,为较不舒适; 当1≤A < 3时, 为很不舒适。
旅游流季节性方法: 旅游淡旺季判定指数( N) 用以分析旅游客流的年内集中与分散程度,可较直观地判定旅游流的季节性特征。结合邱文［19］、王丽华等［20］研究成果,选取我国22个热点旅游城市入境旅游人次为分析指标,通过计算多年月均入境客流量与全年入境旅游客流总量的百分数来判定地区旅游流的季节性分布特征,公式为:。 式中,N为旅游淡旺季判定值,m为年度数,x为年内月数,值为12,Yxi为i年第x月入境旅游客流量,Yx为第i年全年入境旅游总量。如果N > 8. 33% ,则该月为旅游旺季; 当6. 67% ≤N≤8. 33% 时,该月为旅游平季; 当N≤6. 67% 时,该月为旅游淡季。
季节性强度指数( R) 能综合地反映旅游客流的年内季节性波动强弱,在入境旅游季节性定量测度中应用广泛,公式为:式中,R为季节性强度指数;xi为第i月客流量占全年客流量的百分比。R值越大,表明旅游流年内月季分布越集中; R值越趋近于0,表明旅游客流在年内分布越均匀。
3旅游气候舒适度分析与分类
3.1 WHI、K、ICL单项指数分析
从温湿指数( 图1) 来看,我国省会城市温湿指数年内月季差异由北向南呈减小态势,哈尔滨年内温湿指数极差为60. 96, 而海口温湿差异仅为18. 69。此外,西宁、拉萨、贵阳和昆明等城市由于受地形等因素影响,温湿指数与相邻纬度城市相比有明显低峰。同时,省会城市的温湿舒适期区域差异较大。哈尔滨、长春、乌鲁木齐、沈阳等春夏和夏秋的交替时期温湿适宜, 而12月—次年2月、当年7—8月为温湿不适期。与此相反,广州、南宁、海口等南方沿海城市温湿舒适期集中在11月—次年3月,而不适期集中在炎热潮湿的当年6—10月。
风效指数( 图2) 特征与温湿指数相似,极差由高纬向低纬递减。冬季风效指数南北区域差异较大,而夏季相反,这主要与我国冬季区域间的温度、风速差异较大有关。从36. 1—25°N地带间的省会城市风效舒适期普遍较长,平均达9—10个月。其中,成都气候相对独特、昆明四季如春,全年都处于风效舒适期; 哈尔滨、长春、乌鲁木齐、沈阳等地11—3月份受寒冬冷风天气影响较多,风效舒适期多集中于夏秋两季; 福州、广州、南宁、 海口6—9月热风明显,处于风效不适期。
着衣指数( 图3) 舒适期在我国由北向南逐渐增加。东北、 华北地区的城市4—10月多处于着衣舒适期,而冬季气候寒冷,尤其是东北省会、呼和浩特和乌鲁木齐等地12月—次年2月的着衣指数均在2. 5以上,需抗寒保暖着衣才可进行外出活动。此相反,福州、广州、海口等地除7—8月份气候炎热,着衣指数较小着装不便外,其他月份的着衣指数舒适度相对良好。 此外,昆明、南宁两城市全年均处于着衣舒适期之内。
3. 2旅游气候综合舒适度分析
由上文可见,WHI、K和ICL单项指数分析具有局限性,易导致气候舒适度与舒适期年内出现较多不一致,因此本文建立三者相结合的旅游气候综合舒适度评价模型,得出我国省会城市的旅游气候综合舒适度与舒适期特征( 图4) 。
从月季差异来看,济南( 36. 6°N) 以北城市的旅游气候综合舒适度最高值多出现在每年的5月和9月,为年内最适宜开展旅游活动的时期; 最低值多出现在每年的12月—次年的1月, 冬季低温是外出旅游的主要限制因素。郑州( 34. 7°N) 以南、福州( 26. 1°N) 以北的省会城市旅游气候舒适度最高值多出现在每年的4月和9月,但区域冬夏季气候类型存在差异,最低值所在时期有所不同; 西安、合肥、贵阳等地受冬季低温影响明显, 最低值出现在1月; 上海、武汉、杭州、长沙等地受夏季高温影响,最低值出现在7—8月。此外,广州、南宁、海口冬季气候温和湿润,旅游气候综合舒适度最高值出现在11月—次年4月, 而最低值出现在7—8月。
从全年来看,我国省会城市旅游气候舒适度及舒适期由北向南呈波动增大态势,旅游气候舒适度由哈尔滨的53. 2增加到海口的74. 2,综合气候舒适期也由一年中的5个月延长到9个月。同时,昆明、成都、重庆、贵阳等地与相邻纬度城市相比, 气候综合舒适度较高且舒适期较长。
3. 3旅游气候舒适度城市分类
按旅游气候综合舒适度的季节分布特征,可将我国省会城市分为夏季舒适型、春秋舒适型、冬季舒适型和常年舒适型四大类。夏季舒适型有哈尔滨、长春、沈阳、呼和浩特、太原、兰州、西安、银川、乌鲁木齐、西宁、拉萨11个城市,主要分布于我国东北、西北内陆和青藏高原地区。每年4—10月,这些城市温湿适宜,旅游气候舒适度较高; 进入冬季后,寒冷干燥的气候客观上对旅游活动造成了不利影响。春秋舒适型城市有北京、天津、石家庄、郑州、济南、上海、南京、合肥、杭州、南昌、武汉、长沙、重庆,这些城市四季气候鲜明,旅游舒适期多集中于春秋两季。其中,上海、南京、杭州的3—6月、9—11月都处于舒适期内; 郑州、武汉、合肥等城市在春季的舒适期相对较短。冬季舒适型有广州、南宁、福州、海口4个,分布在我国南部沿海,这些城市夏季炎热高温但冬季温和湿润,旅游舒适期多集中在10月—次年5月,而6—9月旅游气候综合舒适度相对较低。常年舒适型有昆明、成都、贵阳3个城市,它们地处我国西南且位置相邻,具有相对独特的气候特征,除1—2月有短暂的不适期外,其他月份都处于旅游气候舒适期内。昆明全年有10个月的气候舒适期,成都和贵阳也有9个月左右。
4旅游流季节性分析与潜力识别
4.1城市旅游流季节性特征分析
以我国22个热点旅游城市的入境旅游人次为分析指标, 运用旅游淡旺季判定指数和季节性强度指数分别计算并得出2002—2013年各个城市旅游流季节性特征( 表2) ,并对这些城市旅游淡旺季进行归类分析。从全国范围来看,我国入境旅游流季节性波动较小,全年无明显旅游淡季,旺季主要集中在3—4月、7—8月、10月和12月这几个时段,其余月份均为旅游平季［21］,这正好与前文省会城市旅游气候舒适度分析所得出的春秋、夏季、冬季气候舒适性相匹配。我国地域辽阔,各地旅游气候条件和资源禀赋差异明显,有适宜冬季的海南避寒游、东北冰雪游,有适宜夏季的滨海度假游、北方避暑游,还有气候条件限制较小的历史文化游、民俗风情游等旅游产品。旅游气候舒适类型多样、旅游资源丰富多元使我国区域间入境旅游季节性差异一定程度上得以抵消。从具体城市来看,上海、大连、青岛、苏州、海口、北京、昆明、杭州、深圳的旅游季节强度指数均在2以下,表明这些城市入境旅游年内季节性差异相对较小, 这主要得益于这些城市的入境旅游发展较成熟且旅游资源类型较为多样。珠海、厦门、沈阳、重庆、西安的季节强度指数在3以上,说明其入境旅游客流年内季节性相对较强,这可能与这些城市的入境旅游客源市场特征或城市旅游资源结构等原因有关。
4. 2旅游流季节划分与潜力识别
根据热点旅游城市的入境客流年内分布特征,可将我国旅游流季节性划分为春秋集中型、夏冬集中型、夏季集中型和冬季集中型四种类型。春秋集中型城市主要有南京、桂林、上海等地,这类城市入境旅游季节性特征与其气候舒适性联系密切,旅游旺季多出现在旅游气候综合舒适度较高的春秋季节。 冬夏两季集中型主要有哈尔滨、沈阳和长春等城市,夏季避暑游和冬季冰雪游形成了这几个城市入境旅游的两大高峰。冬季集中型城市有三亚、海口、广州、深圳等,这些城市多处在我国南部沿海地区,冬季温暖的气候适合开展避寒旅游。而夏季集中型的城市有西安、北京、杭州、青岛等地,有的地处我国北方内陆,有的位于沿海地区,夏季避暑旅游和滨海旅游成为其入境旅游较集中的时期。
选取文中省会城市与旅游热点城市中重复出现的14个城市,对其旅游气候综合舒适度与入境旅游流季节性进行比较发现,两者并未呈现完全对应的关系,有的旅游气候舒适期内并未出现应有的旅游旺季。相反,部分入境旅游旺季正好处于旅游气候舒适度较差的时期。这说明自然气候因素( 旅游气候舒适度) 仅是形成我国旅游季节性的因素之一,并非决定性因素, 旅游资源禀赋、游客需求特征等同样对入境旅游季节性起重要作用。以旅游气候舒适期是否为区域入境旅游旺季作为季节性潜力判定标准,从而可得出这些城市的入境旅游季节性潜力时长。由表3可见,北京、杭州的旅游气候舒适期均为入境旅游旺季,说明其入境旅游市场开发较为成熟,不存在旅游气候舒适期明显浪费的现象; 重庆、广州、昆明的旅游季节性潜力月数达4—5个月,说明这些城市的入境旅游还具有较大的季节性提升潜力。此外,入境旅游夏冬两季集中型的沈阳、长春和哈尔滨的旅游季节性潜力多集中于4月、5月份,春季旅游线路开发是这些城市未来入境旅游季节性潜力挖掘的重点。
5旅游季节性潜力提升策略
5. 1树立反季旅游开发理念,突破季节性
旅游业属需求导向型产业,而旅游需求受人们生活习惯、 休假制度、家庭生命周期和个人可支配收入等因素影响,加强对客源地旅游需求的深入研究是解决旅游季节性冲突的重要途径。针对入境旅游,在巩固旅游旺季入境旅游需求的前提下,加强对旅华客源地淡季时期的营销宣传,打造四季宜游的美丽中国形象; 针对国内旅游,要以落实带薪休假制度,优化旅游消费结构为抓手,倡导游客选择淡季出游和错峰出游［2］。
当前应对旅游季节性的对策主要有直面型( 减少淡季旅游供给,降低运营成本) 、放弃型( 完全停止旅游供给,损失最小化) 和挑战型( 开发淡季旅游产品,创造淡季需求) 三种。前两种属被动和消极的应对策略,不但无法摆脱传统旅游季节束缚,而且难以实现旅游流的时空优化。因此,要树立反季旅游开发理念以积极破解旅游季节性冲突,将淡季旅游、反季旅游常态化,通过多样性手段来提高淡季时期旅游需求,实现平滑全年旅游季节性的目的。
5. 2健全旅游产品供给体系,应对季节性
气候环境是形成我国旅游季节性的直接性因素,因此充分利用地区气候资源与社会文化是旅游产品体系建设的突破所在。如东北一些城市冬季旅游气候舒适度较低,但基于自身独有的冰雪、温泉等旅游资源,仍形成了入境旅游接待旺季; 北京、西安等城市文化旅游资源丰富,旅游产品综合性强,这在一定程度上可缓解入境旅游季节性过度集中的现象。
旅游产品多元化和体系化是优化我国旅游季节性结构的重要方式。旅游季节性潜力较大的城市在稳定旺季旅游供给的同时,可开发特色反季旅游产品,形成较完善的四季旅游产品体系。如在旅游淡季举行体育赛事或民俗节庆等活动,在条件允许的地区开发文化旅游演艺产品以吸引淡季游客。此外, 可重点发展商务、休闲、会展、文化和修学等季节性限制较小的旅游形式,尤其是文化旅游可以作为抵销目的地旅游季节性的重要工具。
5. 3运用多元调控手段,协调,旅游季节性
旅游作为一种较高层次的需求类型具有较高需求弹性,尤其对经济型旅游者而言旅游价格可能是影响其出行的重要因素。采取旅游淡旺季差价策略既是应对旅游流季节差异性的基本措施,也是拓展新型旅游市场的有效方式。旺季时提高旅游价格不仅有利于缓解旅游地的环境压力,同时有利于保障旺季旅游服务质量; 淡季时通过旅游产品降价策略以吸引经济型旅游者淡季出游,从而实现地区旅游客流的季节性平衡。
气候季节 篇5
1 资料与方法
1.1 资料
BCC_CSM1.1 (m) 是全球近110 km中等分辨率的海-陆-冰-气耦合的气候系统模式, 其中大气分量模式采用BCC_AGCM2.2, 陆面分量模式采用BCC_AVIM1.0, 海洋分量模式采用MOM_L40, 海冰分量模式采用美国地球流体力学实验室海冰模拟器 (SIS) ;各分量模式通过耦合器CPL5直接耦合在一起[11]。大气初始场采用NCEP再分析资料或国家气象中心T639数值预报产品的多层次温、风及地面气压场, 海冰初始场采用NOAA最优差值的海冰密集度资料。第2代季节气候预测模式系统采用滞后平均预报 (LAF) 和奇异向量 (SV) 扰动相结合的集合预测方案, 每次预测包含150个样本, 分别使用起报日期前4 d的不同海洋和大气初值组合再叠加SV扰动得到, 预测积分10个月[10]。本文所用的实测资料为1991—2010年6—8月CMAP月降水量资料。本文利用第2代季节气候预测模式系统1991—2010年共20年6—8月回报的东北地区 (115~145°E, 40~50°N范围内) 月降水量数据, 并将其插值到2.5°×2.5°空间以便与CMAP (CPC Merged Analysis of Precipitation) 资料进行对比分析。
1.2 分析方法
本文利用皮尔逊相关系数 (Pearson product-moment correlation coefficient) 来表述2组变量之间关系密切程度, 并对其大小是否显著做统计检验。相关系数的取值范围在[-1, 1]之间, 根据已知自由度和显著水平, 查相关系数检验表, 得出rα, 如果r>rα则数据间相关系数通过检验。
利用线性回归对自变量随时间变化做出回归分析和因变量之间关系进行建模的一种回归分析。根据回归系数判断气候变量的趋势倾向, 并判断变化趋势是否显著, 对相关系数进行显著性检验。降水距平百分率反映了某一时段降水与同期平均状态的偏离程度。用公式来表达为: (实测值-同期历史均值) /同期历史均值。
2 结果与分析
2.1 空间分布对比分析
第2代季节预测模式系统、CMAP东北地区1991—2010年平均夏季累积降水量空间分布如图1所示。实况数据 (CMAP) 显示东北地区夏季累积降水量20年平均值多在300~500 mm, 只有辽宁省东南及吉林省局部地区超过了500mm。西部地区夏季累积降水量普遍偏少。东北三省中夏季累计降水量黑龙江最低。东北地区夏季累计降水量空间分布呈由北向南递增的特征。吉林省, 尤其是辽宁省夏季累计降水量空间分布特征较明显。吉林省夏季累计降水量呈由北向南递增的空间分布, 最小值不足350 mm, 位于吉林省西北部地区。辽宁省夏季累计降水量呈由西向东递增的空间分布, 最小值也不足350 mm, 位于辽宁省西部。黑龙江省北部、西部、东南部边缘地区夏季累计降水量较少, 不足350mm, 其他大范围地区降水量均在350~400 mm之间。
第2代季节预测模式系统东北地区夏季累计降水量在240~440 mm之间。高值区域仍出现在辽宁省东部及吉林省南部地区, 夏季累积降水量超过400 mm。低值区出现在黑龙江省西部及吉林省北部地区, 夏季累计降水量不足260mm。3省中黑龙江省夏季累计降水量最低。东北地区夏季累计降水量空间分布呈由北向南、由西向东递增的特征, 3省的空间分布特征均较明显。黑龙江省夏季累计降水量呈由西向东递增的空间分布, 范围在240~340 mm之间。吉林省夏季累积降水量呈由西北向东南递增的空间分布, 范围在260~440 mm之间。辽宁省夏季累计降水量呈由西向东递增的空间分布, 范围在340~440 mm之间。
1991—2010年20年平均第2代季节预测模式系统与CMAP东北夏季累计降水量差值的空间分布如图2所示。可知第2代季节预测模式系统东北地区夏季降水量数据普遍偏低0~150 mm。仅辽宁西北部分地区略偏高0~50 mm。其中差异最明显的地区位于黑龙江中部及辽宁省东南部, 但由于黑龙江中部地区夏季累计降水量较小, 偏离程度较其他地区更大。3省中吉林省预测产品较稳定。辽宁省预测产品空间差异较大, 差异由西北至东南方向由偏大至偏小变化。在夏季累计降水量空间分布上, 2组数据全省分布状况较一致。第2代季节预测模式系统在吉林夏季累计降水量省空间分布上的描述能力最强, 其次为辽宁省及黑龙江省。
计算第2代季节预测模式系统与CMAP各年的夏季累计降水量的距平百分率, 并对2组数据进行统计相关计算, 空间分布结果如图3所示, 深色区域代表通过90%的显著性检验。整体来讲, 第2代季节预测模式系统结果在各年的降水距平百分率均小于实测数据。同时, 预测模式系统对东北地区夏季累计降水量的趋势描述能力有待提高。东北较大范围地区, 尤其是中部地区预测值与实况值的累计降水量距平百分率的相关未通过90%的显著性检验。东北3省中辽宁地区相关最高, 辽宁省大部分地区2组数值的相关均通过了90%的显著性检验, 其中辽宁西部地区2组数值的相关系数达到0.7以上, 辽宁东部局部2组数值相关性较差。除西北及东部局部地区外, 吉林省大部地区预报数据质量较差。黑龙江省东部及西部局部地区2组数据相关性较好, 而中部地区相关性较差。
2.2 时间分布对比分析
由东北地区降水的实况及预测值与实况差异的空间分布特征可以看出东北地区的南北部差异较大, 所以本文以44°N为界, 将东北地区分为东北北部地区 (44~54°N, 121~134°E) 及东北南部地区 (38~44°N, 119~132°E) 。细化范围以便对比分析第2代预测模式系统在东北地区夏季累计降水量的描述能力。1991—2010年东北地区北部 (图4a) 及南部 (图4b) 模式预测夏季累计降水量与实况值各年变化及平均值曲线表明, 东北北部20年区域平均夏季累计降水量为354 mm, 模式预测结果为296 mm, 偏少16.4%。20年中有17年模式预报结果偏小, 其中最大值为2009年偏小约127 mm, 共6年偏小值超过100 mm;最小值为2001年, 偏小约2 mm。偏多的年份有1995年 (偏多7 mm) 、2007年 (偏多39 mm) 及2008年 (偏多22 mm) 。差异较明显的年份均为夏季降水累积量处于较高值得年份, 模式预测对于低值年份的描述能力较好。计算2组数据的相关性, 结果不容乐观。实况及模式预测数据均未显示东北北部地区20年来夏季累计降水量具有明显的变化趋势。但较观测数据, 模式预测结果的波动性较低, 波动程度不一致。东北南部20年区域平均夏季累计降水量为456 mm, 模式预测结果为385 mm, 偏少15.6%。20年中有16年模式预报结果偏小, 其中最大值为1995年。该年东北南部夏季累计降水量达到20年中最高值, 为619 mm, 而模式预测结果为404 mm偏小约215 mm。20年中共7年偏小值超过100 mm, 其中有4年偏小值超过150 mm;最小值为2003及2007年, 偏小值不足2 mm。偏多的年份有1995年 (偏多6 mm) 、1999年 (偏多28 mm) 及2000年 (偏多46 mm) 。差异最小的年份为1997年, 2组数据几乎一致。计算2组数据的相关性, 结果仍较差。实况及模式预测数据均未显示东北南部地区20年来夏季累计降水量具有明显的变化趋势。较观测数据, 东北南部模式预测结果的波动性较低, 波动程度不一致。
3 结论
根据新一代气候系统模式BCC_CSM1.1 (m) 研发的第2代季节预测模式系统插值到2.5°×2.5°空间分辨率的回报资料及CMAP降水数据, 分析模式系统对1990—2010年6—8月夏季累计降水量的预报能力。
东北地区夏季累积降水量20年平均值多在300~500mm, 呈由北向南递增的特征。吉林省, 尤其是辽宁省夏季累计降水量空间分布特征较明显。东北地区夏季累计降水量模式预测值为240~440 mm, 较观测值偏低0~150 mm, 仅辽宁西北部分地区略偏高0~50 mm。东北地区整体空间分布尤其是吉林省与实测结果较一致, 黑龙江省数据差异较大。
东北中部地区预测值与实况值的夏季累计降水量距平百分率的相关未通过90%的显著性检验。东北3省中辽宁地区相关最高, 吉林省预报数据质量较差。各年内, 模式预测夏季累计降水量距平百分率较观测值低。
将东北地区分为南、北两部分别计算可知20年东北北部平均夏季累计降水量为354 mm, 模式预测结果偏少16.4%, 模式预测结果对于低值年份的描述能力较好。东北南部20年区域平均夏季累计降水量为456 mm, 模式预测结果偏少15.6%。模式与实测结果的相关性较差。实况及模式预测数据均未显示东北地区夏季累计降水量具有明显的变化趋势。较观测数据, 模式预测结果的波动性较低, 波动程度不一致。
参考文献
[1]丑纪范.短期气候预测的现状问题与出路 (一) [J].沙漠与绿洲气象, 2003, 26 (2) :1-4.
[2]丑纪范.短期气候数值预测的进展和发展前景[J].世界科技研究与发展, 2001, 46 (2) :1-3.
[3]丑纪范.天气数值预报中使用过去资料的问题[J].中国科学, 1974 (6) :635-644.
[4]邱崇践, 丑纪范.天气预报的相似—动力方法[J].大气科学, 1989 (1) :22-28.
[5]丁一汇, 刘一鸣, 宋永加, 等.我国短期气候动力预测模式系统的研究及试验[J].气候与环境研究, 2002, 7 (2) :236-246.
[6]李维京, 张培群, 李清泉, 等.动力气候模式预测系统业务化及其应用[J].应用气象学报, 2005, 16 (增刊1) :1-11.
[7]王启光, 封国林, 郑志海, 等.长江中下游汛期降水优化多因子组合客观定量化预测研究[J].大气科学, 2011, 35 (2) :287-297.
[8]龚志强, 支蓉, 侯威, 等.基于复杂网络的北半球遥相关年代际变化特征研究[J].物理学报, 2012, 61 (2) :539-547.
[9]龚志强, 赵俊虎, 封国林, 等.基于年代际突变分量的东亚夏季降水动力-统计预报方案研究[J].中国科学:地球科学, 2015 (2) :236-252.
[10]吴统文, 宋连春, 刘向文, 等.国家气候中心短期气候预测模式系统业务化进展[J].应用气象学报, 2013, 24 (5) :533-543.