Page 145 - 《高原气象》2026年第3期
P. 145
3 期 岳 鑫等:基于AHP-CRITIC模型分析评估贵州省气候舒适度的时空特征 753
气候舒适度指数是由气温、 相对湿度、 日照时数和 秋季气温贡献率 55. 5%, 仍居首位; 风速贡献显
风速共同作用的结果, 并且这些变量之间也存在一 著增加至 37. 1%; 日照时数贡献 7. 1%; 相对湿度
定的关联性, 导致它们对舒适度的影响存在非线性 贡献维持较低水平(0. 3%)。冬季气温贡献率降
变化。为了进一步探寻这些非线性变化背后的主 至 47. 5%, 而风速贡献率跃升至 46. 1%, 两者共
要影响因素, 以气候舒适度指数为切入点, 利用贡 同构成主要贡献因子; 日照时数贡献 6. 0%; 相对
献分解方法深入探究各变量在其中所占的相对贡 湿度贡献 0. 4%。整体而言, 气温是影响气候舒
献权重, 并细致分析了不同季节里各变量的具体贡 适度的最主要变量, 在四季中均占据主导地位
献率(图 6): 春季气温贡献率最高, 达 59. 1%; 其次 (贡 献 率 47. 5%~63. 8%); 风 速 是 第 二 大 贡 献 因
为风速(33. 3%); 日照时数贡献 7. 3%; 相对湿度贡 子, 其贡献率在冬季尤为突出(46. 1%); 相比之
献相对微弱, 为 0. 3%。夏季气温的主导作用更为 下, 相对湿度与日照时数的贡献相对较小。造成
显著, 贡献率达 63. 8%; 风速次之(27. 4%); 日照 这种季节差异的原因, 主要由于各季节太阳高度
时数贡献 8. 1%; 相对湿度贡献率最低, 为 0. 6%。 角存在显著不同, 这直接导致了季节性差异; 同
近年来, 我国平均的高温日数和热浪次数呈增加 时, 气温、 相对湿度等变量的极差在不同季节也
趋势(Qian et al, 2019; 张嘉仪和钱诚, 2020; 王勇 呈现出明显波动, 这些因素共同作用, 使得经过
等, 2024; 卢珊等, 2025), 这使得夏季气候舒适 标准化处理后各要素的贡献权重呈现出鲜明的季
度指数在全省大范围地区呈现降低趋势(图 5)。 节特征。
图6 1994 -2023年贵州省气候变量对气候舒适度指数的贡献率
Fig. 6 Contribution ratios of climatic factors to the climate comfort index in Guizhou Province during 1994 -2023
4 结论 9 个市州的气候舒适度指数展开了深入的时空分
析, 并探究了其年际变化趋势。在此基础上, 应用
基于贵州省 1994 -2023 年 84 个国家气象观测 贡献分解方法进一步量化了影响气候舒适度的相
站收集的气象数据, 应用 AHP-CRITIC 模型对全省 对贡献。结论如下:

