EN中文

ECOTOURISM >

2025 , Vol. 15 >Issue 3: 604 - 620

DOI: https://doi.org/10.12342/zgstly.20250070

Ecotourism

Evaluation of climate suitability for health and wellness in Anhui Province based on typical meteorological data of solar terms

  • Li Junfeng , * ,
  • Wang Xiaojie ,
  • Yao Yilin ,
  • Lu Zhengyan
Expand
  • School of Architecture and Art, Hefei University of Technology, Hefei 230601, China
* Li Junfeng. E-mail:

Received date: 2025-03-13

  Revised date: 2025-06-16

  Online published: 2025-07-23

Fold

Abstract

Health and wellness activities are a form of temporary settlement behavior, and the selection those destinations is significantly influenced by the long-term climate characteristics of the area. This study utilized meteorological data from 54 grid nodes in Anhui Province from 1991 to 2020, processed into typical meteorological data for Solar Terms, to analyze the spatiotemporal distribution characteristics of the wellness climate in Anhui Province. The study also conducted a zoning analysis of the suitability of the wellness climate using clustering methods. Additionally, data from 8 grid nodes outside Anhui Province were selected for comparative analysis. The results indicate: (1) Spring and autumn are the most suitable seasons for health and wellness in Anhui Province, with some areas suitable for summer retreats, while the winter comfort level throughout the province is relatively low; (2) Yuxi and Shexian County have the highest suitability for health and wellness, while southwestern and southern Anhui generally perform well; (3) Anhui Province can be divided into four climate characteristic zones suitable for wellness, which intuitively reflect the impact of latitude and local geography on the variability of health and wellness climate resources; (4) Compared to some northern cities, a few areas in northern Anhui have health and wellness advantages; compared to the eastern and southern neighboring regions of Anhui Province, southwestern and southern Anhui have health and wellness advantages; compared to southern cities, Anhui Province has a longer period of suitability for health and wellness, with southwestern Anhui having potential for off-peak development; (5) Under the backdrop of climate change, the suitable zones for health and wellness climate are generally shifting northward. The study innovatively proposed the use of typical meteorological data from solar terms for evaluating the suitability of the health and wellness climate, systematically revealing the spatiotemporal distribution patterns of the suitability of the health and wellness climate, addressing the issue of temporal roughness in traditional mean or threshold evaluations, and is of significant importance for the scientific evaluation of health and wellness climate resources and the development of the health and wellness tourism industry.

Key words： health and wellness climate suitability; STTMD; health and wellness climate rsources; health and wellness tourism; anhui province

Cite this article

Li Junfeng , Wang Xiaojie , Yao Yilin , Lu Zhengyan . Evaluation of climate suitability for health and wellness in Anhui Province based on typical meteorological data of solar terms[J]. ECOTOURISM, 2025 , 15(3) : 604 -620 . DOI: 10.12342/zgstly.20250070

1 引言

气候条件是康养活动的重要影响因素之一，适宜的气候环境能为人们提供舒适的旅居体验，减少因气候不适带来的健康风险。由于康养活动具有阶段性定居的特点，气候的持续性特征对康养地的选址及建设具有重要的指导意义。
康养气候适宜性研究是气候学与健康科学交叉研究的重要方向。1966年，Terjung[1]首次提出气候舒适指数（Comfort index），为气候适宜性研究奠定了基础。随后，Stringer和Oliver[2]在暴露实验的基础上，提出了温湿指数（Temperature and Humidity Index，THI）和风寒指数（Wind Chill Index，WCI），进一步丰富了气候舒适度评价的量化指标。de Freitas和 Grigorieva[3]统计表明，全球已有165种气候舒适度指标，但核心仍围绕温湿、风寒等生理影响因子，这反映出气候舒适度研究的共性框架。
中国学者在引进国际成果的同时，注重结合区域气候特征进行改进，在量化评价康养气候适宜性方面取得了大量研究成果。在方法学创新上，马丽君等[4]通过模糊层次分析法整合多项指标，解决了单一指数评价的局限性；张京红等[5]构建的“气候康养指数”则进一步纳入空气质量等健康关联因子，体现了从“舒适”向“康养”的功能拓展。在技术应用深化方面，康海滨等[6]、邵海琴和王兆峰[7]分别采用GIS技术和最邻近指数、核密度分析等方法，分析了康养旅游资源的空间特征。在实践应用方面，张明浩等[8]、周绍毅等[9]分别结合海南五指山、广西大明山等地区进行了康养气候资源的实证研究。
2020年，中国气象服务协会发布标准《气候康养地评价》（T/CMSA 0019—2020）[10]，同年，中国气象局发布标准《气候资源评价气候宜居城镇》（QX/T 570—2020）[11]。这些标准的发布为康养气候适宜性研究提供了规范和指导，推动了相关研究的标准化和规范化发展。在此基础上，基于气候条件的康养区划研究也得到了进一步关注。钟燕川等[12]通过空间热点聚类分析方法，从四川省康养气候资源分析和康养气候景点分布等方面入手，结合康养气候区开展康养气候资源分析；杨舒琳等[13]通过对泉州市盛夏时期气温及人体舒适度指数的分析，得出泉州市的避暑适宜区。这些研究在方法和技术应用上具有一定的创新性，能够为康养气候资源的开发和利用提供科学依据，但也存在研究区域局限性、指标单一性等不足。
目前，进行康养气候适宜性的量化评价数据来源主要有“均值法”“阈值法”与“典型化法”等。均值法是选取气象要素数据的时段均值或进一步量化处理的结果作为气候条件的评价依据。如孔钦钦等[14]选用1979—2014年的日均数据进行年、季节等时段的UTCI（Universal Thermal Climate Index）均值加工，从而实现对中国气候舒适度的空间格局描述以及热应力频率变化趋势的特征总结。阈值法是选定某气象要素，设定一个区间并加以统计，获得足以评价康养气候条件的参数指标，如在《气候康养地评价》[10]中，采用了将区域内常年年适宜气温（日平均气温不小于15℃且不大于25℃）的累计天数（TSDays）作为气温指标用于评分的计算。气象数据典型化方式则是对历史累年气象数据进行典型气象日的加工[15]，继而以典型气象日数据为基础进行气候适宜性的指标计算。上述方式在概括气候的时空特征上都具有较好的效果，但无论是均值法、阈值法或典型化处理所获得的评价指数均没有明确的时间坐标。例如，如果按照春、夏、秋、冬的季节划分，在中国大部分地区全年可获得4个舒适度指数的结果，但如果仅用4个指标来描述全年的气候趋势，则无论采用哪种方式，生成的指数都缺乏连续性，偶然误差较大。由于康养活动在时间上所具有的连续性特点，游客在进行康养地或者康养期的选择时，具有一定连续性且具有气象代表性的适宜性评价指数将具有更好的参考价值。而前述的方式在实现这一目标上均存在时间精度及连续性不足的问题。
文章创新性地融合中国传统节气知识，通过对气象数据的典型化处理，构建节气日典型气象日（Solar Terms Typical Meteorological Day，STTMD）气象要素数据序列。基于此序列，进一步加工形成节气日康养气候适宜性指数（Solar Terms Health and Wellness Comfortable Index，STHWCI）。STHWCI指数能够对气象条件进行连续性评估，有效弥补了目前针对具有连续时间特征的康养活动评价方法上的不足。此外，考虑到中华民族在节气知识上的悠久传承和节气所蕴含的气象节律与生命健康关系的丰富信息，文章运用现代科学方法对其进行解释和应用，也为传统文化的科学化发展和传承开辟了新的探索路径。此外，与张京红等[5]的指数研究不同，文章讨论的气候适宜性建立在气象学和气候学对气候条件的狭义认识上，不涉及空气质量、植被覆盖等其他影响因素。
安徽省地处中国东部，省域内气候类型丰富多样，全年气候变化显著，为康养活动的开展提供了丰富的选择空间。在全域旅游发展的背景下，资源的识别和评价是科学决策的关键环节[16]。基于气象数据典型化方法对安徽省0.5°经纬度网格的1991—2020年的气象数据进行加工处理，继而采用聚类方法进行康养气候适宜性分区。进一步，对安徽省康养气候资源进行全面评估和总结，明确康养适宜时段和康养地的空间分布，以期为安徽省康养活动的选址与建设提供科学依据，促进气候资源的合理开发与利用。研究成果也可对其他地区的康养气候研究和实践活动提供参考。

2 数据与方法

2.1 数据来源

研究选取北纬29°~35°，东经115°~119°30′的安徽省（简称皖）省域范围，以经纬度各0.5°为单位，共获得54个网格节点（图1）。这些节点的选择仅以经纬度为参照，其目的是检验在无主观干扰的情况下，各节点所代表地区的气候特征是否具有规律性和分区归并的可能 ① 。由于康养活动是一种选择性行为，在康养地的评价中，还需要对康养潜在市场和目的地的气候条件进行同时段的比较，研究补充选择了省外8个网格节点的数据进行加工。
图1 安徽省域气象网格节点分布图

注：基于自然资源部标准地图服务网站下载的审图号为GS(2020)4619号的标准地图制作，底图边界无修改，下同。

Fig. 1 Distribution map of meteorological grid nodes in Anhui Province

研究数据来源于欧洲中期天气预报中心（European Centre for Medium-Range Weather Forecasts，ECMWF）全球气候大气再分析的第五代工具ECMWF Reanalysis v5（ERA5）[17]。该数据集拥有全球1940年至当前日期前五天的多种大气数据，空间分辨率为0.25°（约30 km），时间分辨率达到小时级别。ERA5是开放数据，易于获取，覆盖区域完整，可有效解决实测气象站点观测时间不一致、部分地区存在观测原始资料缺失、误差、难以获取等现实障碍。数据集中气象要素全面，可提供数十项气象要素用于加工，其准确度得到了大量验证[18]，在安徽省的适用性也得到了相应的检验[19]，是当前同类研究中重要的数据源之一。研究数据选择时段为1991—2020年[20]30 a的逐时气象资料，并重点关注气温、相对湿度、风速和太阳辐射特征等气象要素。

2.2 研究方法

研究过程分为三个步骤，首先是从ERA5数据中采集安徽省域54个网格节点的气象要素累年数据（1991—2020年），并基于节气日典型气象日方法进行数据加工，作为后续工作的数据基础。随后，选用STTMD数据中的要素数据，参考现行较为通用的适用于长期性气候适宜性分析的温湿指数和风效指数等指标进行计算，并参照STTMD的数据结构组合形成用于评价康养气候适宜性的STHWCI指数序列，对安徽省各网格节点及其所代表的地区进行评价，分析各地康养气候适宜性时空分异的特征及成因。进而，采用隐马尔可夫模型（Hidden Markov Model，HMM）聚类方式对安徽省内54个节点进行分区，形成具有相似性的特征区域，用于概括不同地理位置的康养气候类型，并对其实践价值进行综合评判。

2.2.1 STTMD气象数据的加工

节气日典型气象日（STTMD）的加工原理参见李峻峰和赵瑾[21]、Li等[22]的研究。在传统的节气文化中，立春虽是一年中第一个节气日，但为了便于与气象观测数据统计年的时间相协调，将小寒设为每个公历统计年的首个节气日。依据选出的节气日典型日的所在年和具体日期，从1991—2020年ERA5气象数据集中提取相对应的各气象要素数据。
表1是以样本点（临泉-1，33°N，115°E）为例，采用STTMD方法生成的由24组数据构成的节气日典型气象日的全年数据。该结果保留了典型节气日的时间坐标，忽略年份信息，将24组气象要素数据按“月+日”依次相连可以生成一个假想年的全年气候简化数据序列。该数据序列所具有的典型化意义代表了该地区累年（30 a）中具有最大发生概率的气候特征，在该数据基础上进行的康养气候适宜度评价具有更高的气象代表性和实用价值。
表1 样本点（临泉-1，33°N，115°E）STTMD数据序列

Tab. 1 STTMD data sequence of sample node (Linquan-1, 33°N, 115°E)

节气序号 节气名称 典型节气日选定年份及日期 温度日平均值Tavg(℃) 相对湿度日平均值RHavg(%) 风速日平均值
Vavg(m/s)		 日照时数(h)
ST1 小寒 2000. 01. 06 2.30 74.20 2.56 2.55
ST2 大寒 2019. 01. 20 1.43 68.91 2.39 3.02
…… …… …… …… …… …… ……
ST23 大雪 2017. 12. 07 5.14 56.14 2.84 2.92
ST24 冬至 1994. 12. 22 4.38 68.53 3.23 3.10

注：英文字母ST代表节气（Solar Terms），ST1~ST24为小寒~冬至。

2.2.2 康养气候适宜性评价指数

（1）基础评价指标的选择
康养气候的评价，需要对一个地区或环境中影响人体康养活动的多种气象因素进行综合考虑。如在适宜的温度环境下，人体可以更好地放松和恢复，促进血液循环和新陈代谢；湿度则会影响人体的呼吸、皮肤湿度和舒适感，过高的湿度会使人感到闷热和黏腻，且高湿度环境下细菌和霉菌较易生长，易引发过敏等健康问题，过低的湿度则会导致皮肤干燥、眼睛刺痛和呼吸道不适等问题。此外，风速与日照虽对康养气候有一定的影响，但相较于温度与湿度，并非主要影响因素。根据康养气候适宜度的影响因子并结合安徽省的气候特点，研究采用《人居环境气候舒适度评价》（GB/T 27963—2011）中的温湿指数和风效指数[23]作为安徽省康养气候适宜度的基础评价指标，并结合安徽省夏、冬半年的时间节点进行了组合评价指数的设计，其中：
温湿指数I（Temperature and humidity index）是常用的气象指标，结合了温度和湿度两个重要的气候因素。它能够描述人体在特定温度和湿度条件下的热感受和不适程度，帮助评价康养气候环境是否符合人体的舒适需求。公式如下：
$I=T-0.55 \times(1-R H) \times(T-14.4)$
式中，T为气温（℃），RH为相对湿度（%）。
风效指数K由风寒指数WCI（Wind Chill Index）演变而来，它既考虑了体表的散热，也考虑了太阳辐射对人体的增热。结合了风速、平均气温和太阳辐射等多个气象因素，以更全面地评估康养环境中的热舒适度。公式如下：
$K=-(10 \sqrt{V}+10.45-V) \times(33-T)+8.55 S$
式中，V为风速（m/s），S为日照时数（h/d）。
（2）组合评价指标——STHWCI序列构建
依据《人居环境气候舒适度评价》（GB/T27963—2011）中的标准，冬半年使用风效指数K，夏半年使用温湿指数I。将加工生成的各网格节点的STTMD数据代入评价公式中，可形成STHWCI数据序列，其表达式为：
S T H W C I = [ K S T 1   K S T 2 ⋯ ⋯ I S T a ⋯ ⋯ I S T n ⋯ ⋯ K S T 23       K S T 24 ]
式中，ST1~ST24为小寒~冬至。ISTa为夏半年开始的第一个节气日，ISTn为冬半年开始的前一个节气日，但各地冬夏半年的时间分布并不一致。根据中国《气候季节划分》（GB/T 42074—2022）[24]，10℃和22℃可作为冷暖界限和暖热界限。以日均气温和五日滑动平均气温为依据，对安徽省各地的全年气温变化进行整理可得，安徽省普遍在ST6（春分）后入春，ST18（立秋）后入冬。据此，研究采用I、K两个指标组合的方式对各网格节点数据序列进行了STHWCI加工，即ST7~ST18区间采用温湿指数I，ST19~ST6采用风效指数K分别计算，将所得结果组合生成一个全年的完整序列。由于每个节气相隔时间约为15 d，结果较既往以月为单元的研究在精度上有所提升。
（3）康养气候适宜度阈值及等级划分
根据I及K的分级标准确定的STHWCI的等级阈值，共分为5个等级（表2）。康养气候适宜等级为C时为最舒适期；B及D时为较不舒适期；A及E为不舒适期。
表2 温湿指数I、风寒指数K分级与人体舒适感觉

Tab. 2 Classification of temperature-humidity index (I), wind chill index (K), and human comfort perception

感觉程度 温湿指数I 风效指数K 健康人群感觉的描述 等级
寒冷 <14.0 <-400 感觉很冷，不舒服 A
冷 14.0~16.9 -400~-300 偏冷，较不舒服 B
舒适 17.0~25.4 -299~-100 感觉舒适 C
热 25.5~27.5 -99~-10 有热感，较不舒适 D
闷热 >27.5 >-10 闷热难受，不舒服 E
需要指出的是，上述适宜度阈值（如热感、湿度或降水影响等）在不同区域，针对具有背景差异[25]或者不同行为方式的人群时具有显著区别[26]。例如，哈尔滨居民与广州居民、上海居民与西藏居民对同一冷热的感觉会有差异，尤其是极不舒适阈值指标的差异可能较大[27]。此外，不同的气候环境针对具有基础疾病的特定康养行为影响迥异，如海南的滨海区域适宜呼吸疾病人群和皮肤病人群，但对于风湿性关节炎和甲状腺功能亢进患者非常不利[28]。这些问题需要在未来的研究中逐步细化和完善。

2.2.3 基于HMM方式的康养气候适宜性聚类分区

聚类分析是一种统计方法，遵循“物以类聚”的原则[29]，根据样本之间的接近度或距离关系对其进行分组，以识别样本间的相似性和差异性。在研究中，采用STTMD数据加工生成了安徽省54个网格节点的STHWCI数据序列，然后对这些数据序列进行聚类分析，以划分省域具有不同康养气候适宜性特征的类型区。
由于STHWCI指数的表现形式为数据序列而非单个数据，具有时间上的连续性，常用的系统聚类等方式不能有效地体现这一数据特征。研究采用HMM对其进行聚类分析。HMM是一种统计模型，特别适合处理具有时间序列结构或隐含状态序列的数据[30]。鉴于研究采用的数据源为ERA5数据集，该数据集基于来自全球不同地区的多种观测数据构建，包括地面气象站数据、卫星遥感数据、探空气球数据以及海洋浮标数据等。ERA5数据集展现了随时间序列演变的天气现象，其中数据间隐藏的前后关系可能对应着不同的天气类型。采用HMM方式对安徽省STHWCI数据序列进行聚类分析，并做似然值检验，其对数似然值为509.95，单位似然值为509.95/54≈9.44，在混合模型典型参考范围[5,15]区间，属于混合模型的合理高端，基本可以实现对STHWCI指数的有效聚类。

3 结果分析

3.1 康养气候适宜性的时空特征

3.1.1 安徽省康养气候适宜时段（康养季）

将STHWCI处于C级的节气区间 ① 定义为康养适宜时段（康养季），对安徽省54个网格节点的气象数据进行计算。结果表明：安徽省康养季分为春、秋两个类型，其中春季康养季的普遍时段为ST8（谷雨）~ST12（夏至），该区间内安徽省有43个网格节点在ST8达到舒适标准，ST12后逐步因气温升高转为热不舒适区间。ST17（白露）~ST19（寒露）期间可视为安徽省具有普遍意义的第二个康养季（秋季康养季）。ST16（处暑）开始，太和、颍上、砀山等19个网格节点由热不舒适转为舒适。ST17（白露）开始，安徽省均达到舒适标准。随后，到ST20（霜降）有32个网格节点转为冷不舒适区间，到ST21（立冬），安徽省54个网格节点均转为冷不舒适区间。
少数地区在康养季上有特殊表现。其中，祁门、黟县等地最早于ST6（春分）达到舒适标准，比大多数地区提前2个节气区间。而即便在安徽省热不舒适期（ST13~ST16）的四个节气区间中，仍有部分网格节点表现出一定的舒适性，其中岳西有3个舒适节气区间，且全年没有闷热区间。颍上、蒙城、灵璧-2，金寨-1、金寨-2等5个网格节点也具有2个舒适节气区间，且同样没有达到闷热标准的节气区间。在安徽省冷不舒适期（ST20~ST7）内，祁门仍有3个舒适节气区间，宿松、东至、宁国、黟县、歙县、岳西、义安等7个网格节点具有2个舒适节气区间，宣州、潜山、舒城等14个网格节点具有1个舒适节气区间。按节气区间（15 d/区间）可计算出适宜时长（图2a），颍上、灵璧-2等13个节点的适宜时长≥150 d，其中岳西（180 d）、歙县（165 d）位列前二（图2b）。按时长统计，安徽省有三个康养季优势分布区，其中淮河以北包含颍上、灵璧-2、蒙城等3个网格节点，长江以南包含歙县、祁门、贵池、义安、湾沚等5个网格节点，江淮之间包含太湖、潜山、岳西、金安、金寨-1等5个网格节点（图3）。而环巢湖丘陵、沿江地带及部分皖北地区相对处于劣势区域。
图2 安徽省康养季时长分布及排序图

Fig. 2 Duration and ranking of health and wellness seasons in Anhui Province

图3 安徽省康养季优势地区分布

Fig. 3 Distribution of optimal health and wellness zones in Anhui Province

总体上看，安徽省康养季以春秋两季为主，部分区域因地形地貌变化形成的小气候条件使得康养季相对较长，其中地处大别山的岳西的舒适期在夏季表现较优，地处黄山的祁门则在春秋季表现突出，可据此组织具有针对性的康养活动。

3.1.2 安徽省康养气候适宜性的空间分布（康养地）

采用STHWCI的数据结果，对安徽省康养气候适宜性的空间分异进行研究。研究分别以24个节气日为时间节点，计算安徽省各网格节点的气候舒适度，并用ArcGIS克里金插值法进行插值分析（图4）。
图4 二十四节气各网格节点气候舒适度的空间分异

Fig. 4 Spatial variation of climate comfort levels at grid nodes across the 24 Solar Terms

从季节性格局来看，冬季（ST1~ST5）区间，安徽省全境寒冷，皖北高纬度地区和大别山区高海拔地区为寒冷核心区。此区间内，江淮地区以及长江以南地区舒适性相对略优，但仍属于冷不舒适区间。冬春交替（ST6~ST8）区间，祁门、黟县等地率先于ST6（春分）进入舒适区间，此时长江以北仍寒冷（图4f~4h）。至ST8（谷雨），安徽省大部舒适，仅皖北、皖南山区局部寒冷。ST9~ST11期间，安徽省大部分地区均处于气候舒适期，但局部地区开始出现向热不舒适的转变，主要以皖西、皖南的部分地区为代表。夏季（ST12~ST14）区间，安徽省的舒适区分布呈“三叶形”，集中于皖北沿淮地区、皖西大别山区、皖南山区等（图4l~4m）。至ST14（大暑），安徽全省范围闷热，最不舒适区集中在皖南沿江地区全线，以及皖西北至皖中的带状空间内，大致近似于ST13时舒适区的反像，形成另一个类似三叶草的“三脉”格局（图4m）。秋季（ST16~ST19）区间，安徽省域西部保持舒适，东部仍属于热不舒适区域。至ST17~ST19区间，安徽省进入秋季康养季，大部分地区较为舒适，此时仅皖南西部开始转向冷不舒适（图4q~4s）。秋冬（ST20~ST24）区间，从ST21（立冬）开始，安徽省域形成南北分界，北部寒冷，南部山区保持局部舒适，至ST22（小雪），安徽省寒冷，大别山区、皖南山区亦进入冷不舒适区间（图4v）。
从周期性规律上看，安徽省气候特征可以概括为“冬春过渡期-春季康养季-夏季酷热期-秋季康养季-秋冬过渡期-冬季寒冷期”的年周期性循环。其中，冬春过渡的时间较长，秋冬过渡时间较短。春季康养季和秋季康养季的时间长度接近，冬季寒冷期的时间则较长。

3.1.3 安徽省康养气候适宜性时空分布与地理特征的关联

在各节气区间内，安徽省气候舒适性的总体格局与地理特征密切相关，在空间上呈现出“三区三脉”的基本格局：ST12~ST14区间，舒适区分布呈“三区”状态，舒适区的地理分布与安徽省内大别山区、皖南山区、淮河中部水网密集区的地理特征几乎一致（图5a~5b）。由于局部地势的变化，大别山区、皖南山区等海拔较高地区呈现出气温偏低的倾向，使得这些地区的舒适度有所提高。热不舒适区集中分布在“三脉”的范围，该区域以皖江流域平原为主，较高的气温和沿江地区较大湿润度的组合使得其舒适度整体降低。沿大别山北界的部分地区也呈现出较多的热不舒适倾向，其原因仍需继续研究。在ST1~ST3区间，冷不舒适区和在ST12~ST14区间的热不舒适区的空间分布呈相似性，且表现出受大型水体周边较大湿度的负面影响（图5c）。
图5 不同节气区间气候适宜性与安徽省DEM叠合分析

Fig 5 Analysis of climate suitability overlap with DEM in Anhui Province across different Solar Term periods

相比地势和水体带来的影响，在安徽全省范围，植被的集中分布对气候适宜性的影响相对较小。从图6a~6c来看，从潜山至来安的带状植被集中区并未使得该地区的气候适宜性产生变化。金安、东至、贵池、义安、宣州等山区周边的节点，虽然植被分布较密集，也没有明显的气候舒适性转变。
图6 不同节气区间气候适宜性与安徽省植被覆盖叠合分析

Fig. 6 Analysis of the overlap between climatic suitability in different Solar Term intervals and vegetation coverage in Anhui Province

3.2 安徽省康养气候适宜性的聚类分区

3.2.1 聚类分区的目标

进行康养气候适宜性聚类分区的根本目的是了解具有相同气候规律的气候资源的集聚特征，确定不同类型康养气候分区范围，比较各分区的气候差异，查明分区内的康养气候优势及障碍，为康养气候资源的开发、利用和保护，以及制定和实施中长期康养旅游发展战略规划提供科学依据。

3.2.2 区划结果

采用HMM方式对安徽省54个网格节点的STHWCI数据聚类后，共形成4个聚类分区，分别命名为I型区、II型区、III型区和IV型区4个区域（表3），各分区网格节点的地理分布见图7。这些分区在总体特征上呈现出明显的纬向地理关联性，并反映出受局部地形地貌影响的小气候特征（表4）。
表3 安徽省康养气候适宜性分区及网格节点地理分布

Tab. 3 Climate health and wellness suitability zoning and geographical distribution of nodes in Anhui Province

分区 网格节点 地理分布
I型区 泾县-1、泾县-2，金寨-1、金寨-2，宁国，祁门，歙县，太湖，黟县，岳西（10个） 皖西南大别山区、皖南山区等
II型区 大观，当涂，东至，广德，贵池，含山，庐江，潜山，宿松，桐城，湾沚，宣州，义安（13个） 长江沿江地区安徽段
III型区 霍邱-2，金安，舒城，裕安（4个） 大别山区和皖北平原交界地带
IV型区 巢湖，砀山，定远-1、定远-2，肥东，阜南，涡阳-1、涡阳-2，淮上，怀远，霍邱-1，来安，灵璧-1、灵璧-2，蒙城，明光，全椒，寿县，泗县，太和，田家庵，萧县，颍东，颍上，埇桥（27个） 皖北平原、巢湖流域、淮河流域等
图7 安徽省康养气候适宜性分区（1991—2020年）

Fig. 7 Climate health and wellness suitability zoning in Anhui(1991—2020)

表4 安徽省康养气候适宜性分区的气候特征

Tab. 4 Characteristics of climate health and wellness suitability zoning in Anhui

分区 时段特征 空间与自然特征
I型区（盛夏避暑型康养气候区） 春季康养季从ST9（立夏）到ST12（夏至），秋季康养季可从ST17（白露）延至ST20（霜降），其中部分网格节点的春季康养季可早至ST6、ST7，如祁门、歙县、黟县等，另有部分网格节点的秋季康养季可延至ST21（立冬），如岳西、宁国、祁门等。该类型最大的优势时段为ST13（小暑）~ST16（处暑）。 地处安徽省的大别山区或皖南山区，大别山区属于亚热带湿润季风气候，森林资源丰富，植被类型繁茂且覆盖面积广；皖南山区为亚热带季风气候，受地形、季风等因素影响，夏季该地相对凉爽，较为湿润。
II型区（春秋延长型康养气候区） 春季康养季从ST7（清明）到ST12（夏至），是安徽省最早普遍进入舒适期的地区。秋季康养季从ST17（白露）至ST20（霜降）。 安徽省的长江沿江地区，分布了众多的丘陵及河流，气温和降水受季风气候影响，夏季常有暴雨，冬季则较为干燥。
III型区（两季型康养气候区） 受山地小气候影响，春季康养季的起始时间比II型区迟，夏季开始较早，夏季和秋季的整体舒适性比同期的II型区略好。该地区春季康养季从ST8（谷雨）到ST12（夏至），秋季康养季从ST17（白露）到ST20（霜降）。 安徽省的中部偏西地区，地处北亚热带北缘，湿润季风气候，冬冷夏热，四季分明。该区在地形上以山地丘陵为主，水系丰富，森林覆盖率较高，整体环境质量上比II区更好，可视为II区的增强型。
IV型区（春长冬早型康养气候区） 春季康养季与III型区相似，始自ST8（谷雨），但多数网格节点的夏季较迟，可延长至ST13（小暑），整体上春季康养季较长。秋季康养季多数网格节点始自ST16（处暑），较其他分区略早，但均至ST19（寒露）结束，时长较其他地区略短，冬季来临较早，冷不舒适期为安徽省最长。 大部分分布在淮河以北，其余分布在巢湖流域和淮河流域东部。处在暖温带与亚热带的过渡的地区，属于暖温带半湿润季风气候，气候特点四季分明，冬季寒冷，夏季炎热，秋季气温下降较快，晴好天气多。

4 讨论

4.1 安徽省康养气候的比较优势和开发利用优化策略

康养是一种典型的选择性活动。在面向市场时，康养气候条件本质上是一种比较概念。在选择康养地和康养时段时，可以运用如昂谱分析（Resource-Market-Product，RMP）[31]等方法进行综合决策。具体到康养地的评价，关键在于比较潜在市场与康养目的地之间的气候条件差异。有时，即使康养目的地的气候条件本身并不完美，但只要潜在市场的气候条件更差，就能凸显出康养目的地的气候优势。为此，研究选取了安徽省外部的8个代表性城市的气象网格节点数据作为对比，采用STHWCI生成方式对这些网格节点的气象数据进行加工。根据区位和气候特征，可将这8个网格节点分为5类：北京作为北方城市的代表，福州和广州作为南方城市的代表，郑州和济南作为北部相近地区的代表，武汉和南昌作为安徽省南部相近地区的代表，上海作为东部相近地区的代表。
图3展示了安徽省的三个康养气候优势区。这三个优势区在康养及旅游市场上的认知度上存在显著差异。其中，长江以南优势区因集中了大量徽州人文与自然资源，是中国知名的旅游目的地，认知度最高；江淮之间优势区位于皖西南大别山区，自然条件优越，景点众多，但认知度次之；淮河以北优势区人文资源丰富，但自然资源一般，认知度最低。
基于此，在进行RMP（资源-市场-产品）对比分析时，首先以长江以南优势区为主要目的地，与跨地区的重点城市进行气候条件比较。随后，针对三个优势区，进一步补充了其与周边相邻地区潜在市场的气候比较，具体如下：
（1）长江以南优势区。该优势区包含两个分区的网格节点，其中贵池、祁门、歙县等属于I型区，义安、湾沚属于II型区。与北京等北方城市相比，该优势区在春季（ST8、ST9）和秋季（ST20）具有显著的气候比较优势，初夏和暮秋为重点市场时段，也是该地区传统的旅游旺季。与福州、广州等南方城市相比，该优势区春秋两季不占优势，但南方城市入夏较早，夏季处于高温不舒适期（ST11~ST17），该地区具有一定比较优势，可重点发展避暑类康养产品。与南昌相比，该区域在夏至（ST12）、小暑（ST13）和立秋（ST15）等时段具有突出的比较优势；与武汉相比，在白露（ST17）时段具有一定优势，可发展初秋康养产品。
（2）江淮之间优势区。该区域包含三个不同类型的网格节点，其中金寨-1、岳西、太湖属于I型区，潜山属于II型区，金安属于III型区。与上海、武汉对比，除岳西、金寨外，该区域其他网格节点与上海、武汉的气候相似性较高。上海在大暑（ST14）处于闷热不舒适状态，武汉在白露（ST17）的热不舒适期延长。相比之下，岳西、金寨的热不舒适期较短，适合重点发展面向上海、武汉等地的避暑康养产品。
（3）淮河以北优势区。该区域包含一个类型区的三个网格节点，分别是灵璧-1、蒙城、颍上等。与济南、郑州相比，气候条件基本相似，仅在小暑（ST13）附近有少量差异，作为康养气候目的地的条件不够充分。可考虑发展短时游憩类消夏产品。鉴于该地区与南方城市存在较大气候差异，若能增强文旅资源开发，也可适当发展针对南方城市的春秋两季避暑类产品。
通过上述分析，可以看出安徽省的三个康养气候优势区在不同季节和不同市场背景下各有特点，可结合自身优势与市场需求，开发针对性的康养产品。

4.2 气候变化对安徽省康养气候适宜性的影响

气候变化显著地影响着地球生态系统、生物群落及人类社会，涉及人类生活、权力、经济、居住条件、迁徙活动以及身心健康等多个维度[32]。在具体的户外游憩活动上，气候变化对赏花旅游活动可能有利[33]，但也可能对登山旅游活动产生负面影响[34]。康养活动并非单纯的户外游憩，受直接的气候影响相对较小，侧重于短期持续性的气候环境或气候资源。充分研究气候变化带来的影响，对全面认识安徽省康养气候资源，发展安徽省康养产业具有重要的价值。
安徽省地处暖温带与亚热带过渡地区，位于长江、淮河中下游，地形地貌南北迥异，生态系统复杂多样，气候灾害多发频发，受气候变化不利影响较大。由安徽省生态环境厅印发的《安徽省适应气候变化行动方案》[35]显示，1961年以来，安徽省年平均气温升高速率为0.24℃/10年，其中皖北地区中部和江淮地区北部升温速率最大；四个季节中，春季和冬季最为显著，升温速率分别为0.33℃/10年和0.29℃/10年，入春和入夏明显提前，入秋和入冬明显推迟。
为了进一步对气候变化带来的影响进行评估，研究采集了所有54个网格节点的年均气温和年均相对湿度，对其数据序列进行并置拟合，所得结果明显反映出在1991—2020年，安徽省气温和相对湿度均有上升的趋势（图8a、8b）。由于STHWCI数据序列的生成基础是长期数据的典型化加工，所依托的计算方法（公式1、公式2）表明，STHWCI指数与T存在正相关关系，但I与RH，K与T之间关系则比较复杂，不是简单的线性关系，为此，论文尝试将1991—2020年的标准气候期分为1991—2000年、2001—2010年、2011—2020年三个时间段，并同样采用STTMD的数据加工方法对其进行分阶段的STHWCI指数评价，继而形成相对应的三个10年区间安徽省康养气候适宜性分区结果（图9）。从聚类分区的结果对比看，随着气候变化，在1991—2020年的30 a的时间区间内，安徽省康养气候适宜性区划呈现出I型区的范围逐渐向北扩大、II型区范围整体分布向北迁移、III型区分布缩小，IV型基本稳定但略有波动的趋势。定性描述上，可以简化为北方地区气候特征逐步南方化的特点。这与近年来气候波动加大，中国气候整体呈暖湿化趋势[36]基本相符。基于这种变化趋势，未来，安徽省的康养气候适宜性分布可能出现整体向北滑移的趋势，即北方地区的冬季渐趋缩短，南方避暑型区域有逐步扩大的可能。但康养气候资源还受局部的地形地貌和大型水体的影响，这种随气候变暖北扩的态势仍会基本稳定在一定范畴，而不是无限制地扩张。
图8 1991-2020年54个节点气象要素并置拟合

Fig. 8 1991-2020 concurrent fitting of meteorological elements at 54 nodes

图9 安徽省每10年区间段康养气候适宜性分区

Fig. 9 Health and climate suitability zoning of Anhui Province in every 10 years

5 结语

研究基于1991—2020年STTMD数据，构建了安徽省康养气候适宜性评价体系，通过时空分析和聚类区划方式，得出以下结论：
（1）时间维度上，安徽省康养气候舒适度呈现显著的季节性循环特征，春秋两季为全域性最佳康养窗口期，夏季高温高湿和冬季低温带来的不舒适是安徽全省最主要的康养气候适宜性制约因素。
（2）空间分异上表现出显著的受地形主导的特征，大别山区和皖南高海拔地区年均舒适日数为安徽全省最长，其中岳西、歙县等地的夏季舒适期更具显著优势，具备避暑康养的核心优势。
（3）分区特征明显，采用HMM聚类划定的4个康养气候类型区呈现出受纬度和地形等因素综合影响下的差异化资源禀赋，Ⅰ型区（皖西山地和黄山山区）适宜夏季避暑疗养，Ⅱ型区（沿江平原）聚焦春秋季生态康养，Ⅲ型区（江淮丘陵）需规避冬季寒冷期，Ⅳ型区（皖北平原）需结合分时或跨区组织弥补气候短板。
（4）气候变化背景下，安徽省的康养气候分区也在不断发生变动，总体上呈现出康养气候适宜版块整体向北滑移，北方地区南方化的特征。
研究的创新性体现在：（1）提出基于节气日的气象数据典型化处理方法，解决了传统均值或阈值评价的时序粗糙性问题；（2）融合温湿指数和风效指数等多指标构建具有明确时间坐标的动态评价指数STHWCI，更精准地捕捉气候时空分异；（3）实现安徽省康养气候资源的定量化分区，为产业布局提供空间决策支持。
未来研究可从三方面深化：（1）纳入空气质量参数，构建“气候-环境”耦合评价模型；（2）结合遥感数据量化植被覆盖、水体调节等生态因子的协同作用；（3）开展康养气候资源与旅游经济关联性研究，补充统计数据分析，探索区域差异化开发路径。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
Terjung W H. Physiologic climates of the conterminous United States: A bioclimatic classification based on man[J]. Annals of the Association of American Geographers, 1966, 56(1): 141-179.

[2]
Stringer E T, Oliver J E. Climate and man’s environment: An introduction to applied climatology[J]. The Geographical Journal, 1980, 146(1): 125.

[3]
de Freitas C R, Grigorieva E A. A comparison and appraisal of a comprehensive range of human thermal climate indices[J]. International journal of biometeorology, 2017, 61: 487-512.

DOI PMID

[4]
马丽君, 孙根年, 李玲芬, 等. 海口旅游气候舒适度与客流量年内变化相关分析[J]. 资源科学, 2008, 30(11): 1754-1759.

[Ma Lijun, Sun Gennian, Li Lingfen, et al. Correlation analysis of climate comfort monthly variation of tourists in Haikou city[J]. Resource Science, 2008, 30(11): 1754-1759.]

[5]
张京红, 张明洁, 张亚杰, 等. 海南气候康养指数的构建及评估[J]. 热带生物学报, 2022, 13(4): 410-415.

[Zhang Jinghong, Zhang Mingjie, Zhang Yajie, et al. Construction and evaluation of an index of climate suitable for health and wellbeing in Hainan[J]. Journal of Tropical Biology, 2022, 13(4): 410-415.]

[6]
康海滨, 李衣长, 李仁忠, 等. 基于GIS的三明市森林康养基地气候舒适度分析[J]. 福建林业科技, 2022, 49(1): 121-127.

[Kang Haibin, Li Yichang, Li Renzhong, et al. Climate comfort degree analysis of forest wellness base in Sanming based on GIS[J]. Journal of Fujian Forestry Science and Technology, 2022, 49(1): 121-127.]

[7]
邵海琴, 王兆峰. 湖南雪峰山地区康养旅游资源空间分布特征及影响因素[J]. 湖南师范大学自然科学学报, 2022, 45(4): 44-54.

[Shao Haiqin, Wang Zhaofeng. Spatial distribution characteristics and influencing factors of health and wellness tourism resources in Xuefeng Mountain area of Hunan Province[J]. Journal of Natural Science of Hunan Normal University, 2022, 45(4): 44-54.]

[8]
张明洁, 张亚杰, 张京红, 等. 海南五指山市的气候特征及其康养资源分析[J]. 海南大学学报(自然科学版), 2022, 40(2): 168-174.

[Zhang Mingjie, Zhang Yajie, Zhang Jinghong, et al. Climatic characteristics and the condition of climate health recuperation in Wuzhishan County[J]. Natural Science Journal of Hainan University, 2022, 40(2): 168-174.]

[9]
周绍毅, 林彬, 潘春江, 等. 广西大明山康养气候资源研究[J]. 气象研究与应用, 2024, 45(1): 108-113.

[Zhou Shaoyi, Lin Bin, Pan Chunjiang, et al. Study on the climatic resources of health care in Daming Mountain[J]. Journal of Meteorological Research and Application, 2024, 45(1): 108-113.]

[10]
中国气象服务协会. 气候康养地评价: T/CMSA 0019—2020[S]. 北京: 中国气象服务协会, 2020.

[China Meteorological Service Association. Evaluation of Climate Health and Wellness Destinations: T/CMSA 0019—2020[S]. Beijing: China Meteorological Service Association, 2020.]

[11]
中国气象局. 气候资源评价气候宜居城镇: QX/T 570—2020[S]. 北京: 中国气象局, 2020.

[China Meteorological Administration. Climate Resource Assessment-Climate-Suitable Towns and Cities: QX/T 570—2020[S]. Beijing: China Meteorological Administration, 2020.]

[12]
钟燕川, 郭海燕, 蔡怡亨, 等. 四川康养气候资源与利用匹配度分析[J]. 高原山地气象研究, 2023, 43(1): 146-150.

[Zhong Yanchuan, Guo Haiyan, Cai Yiheng, et al. Matching degree analysis between Sichuan healthy climate resources and utilization[J]. Plateau and Mountain Meteorology Research, 2023, 43(1): 146-150.]

[13]
杨舒琳, 林中鹏, 韩赓. 泉州市盛夏避暑旅游气候资源及区划分析[J]. 农业灾害研究, 2015, 5(12): 27-29, 56.

[Yang Shulin, Lin Zhongpeng, Han Geng. Climatic analysis and division of summer tourism resources in Quanzhou[J]. Journal of Agricultural Catastrophology, 2015, 5(12): 27-29, 56.]

[14]
孔钦钦, 郑景云, 王新歌. 1979—2014年中国气候舒适度空间格局及时空变化[J]. 资源科学, 2016, 38(6): 1129-1139.

DOI

[Kong Qinqin, Zheng Jingyun, Wang Xinge. Spatial pattern and temporal variation in thermal comfort in China from 1979 to 2014[J]. Resources Science, 2016, 38(6): 1129-1139.]

DOI

[15]
Li H L, Yang Y, Lv K L, et al. Compare several methods of select typical meteorological year for building energy simulation in China[J]. Energy, 2020, 209: 118465.

[16]
文晨, 茶静, 徐利权, 等. “全域旅游”导向下鄂西游憩服务的空间潜力预测研究: 基于集成模型的机器学习方法[J]. 景观设计学(中英文), 2022, 10(5): 8-31.

[Wen Chen, Cha Jing, Xu Liquan, et al. Spatial potential of recreational services in western Hubei Region in light of the “all-for-one tourism” development: A machine learning approach based on ensemble model[J]. Landscape Architecture Frontiers, 2022, 10(5): 8-31.]

DOI

[17]
Hersbach H, Bell B, Berrisford P, et al. Thépaut, J-N. (2018): ERA5 hourly data on single levels from 1979 to present[DB/OL]. Copernicus Climate Change Service (C3S) Climate Data Store (CDS). 10.24381/cds.adbb2d47.

[18]
Jiao D L, Xu N N, Yang F, et al. Evaluation of spatial-temporal variation performance of ERA5 precipitation data in China[J]. Scientific Reports, 2021, 11: 17956.

DOI PMID

[19]
邓学良, 祝颂, 何冬燕, 等. 安徽区域ERA5再分析资料与探空资料的对比分析[J]. 大气与环境光学学报, 2025, 20(1): 18-33.

[Deng Xueliang, Zhu Song, He Dongyan, et al. Comparison of vertical profiles between ERA5 reanalysis data and balloon radiosondes data in Anhui, China[J]. Journal of Atomospheric and Environmental Optics, 2025, 20(1): 18-33.]

[20]
World Meteorological Organization. MO guidelines on the calculation of climate normals: WMO-No. 1203(2017)[S]. World Meteorological Organization. Geneva, 2017.

[21]
李峻峰, 赵瑾. 面向长时间尺度室外热环境模拟的节气日典型气象日气象要素序列的生成[J]. 气象与环境学报, 2023, 39(5): 53-61.

[Li Junfeng, Zhao Jin. Generation of meteorological element sequence for typical meteorological days of solar terms for long-term outdoor thermal environment simulation[J]. Journal of Meteorology and Environment. 2023, 39(5): 53-61.]

[22]
Li J F, Zhao J, Lu Z Y. A typical meteorological day database of solar terms for simplified simulation of outdoor thermal environment on a long-term[J]. Urban Climate, 2024, 57: 102117.

[23]
国家质量监督检验检疫总局, 中国国家标准化管理委员会. 人居环境气候舒适度评价: GB/T 27963—2011[S]. 北京: 中国标准出版社, 2012.

[General Administration of Quality Supervision, Inspection and Quarantine of the People’s Republic of China, Standardization Administration of the People’s Republic of China. Climatic Suitability Evaluating on Human Settlement: GB/T 27963—2011[S]. Beijing: Standards Press of China, 2012.]

[24]
中华人民共和国国家质量监督检验检疫总局, 中国国家标准化管理委员会. 气候季节划分: GB/T 42074—2022[S]. 北京: 中国标准出版社, 2022.

[General Administration of Quality Supervision, Inspection and Quarantine of the People’s Republic of China, Standardization Administration of China. Classification of Climatic Seasons: GB/T 42074—2022[S]. Beijing: Standards Press of China, 2022.]

[25]
Yu D D, Rutty M, Scott D, et al. A comparison of the holiday climate index: Beach and the tourism climate index across coastal destinations in China[J]. International Journal of Biometeorology, 2021, 65(5): 741-748.

[26]
Wang S H, Tan Y W, Law R, et al. Accelerated contraction of future climate comfort zones in the southern subtropics: Insights from analysis and simulation of hiking big data[J]. Global Environmental Change, 2024, 87: 102887.

[27]
谭凯炎, 闵庆文, 王培娟. 一种基于中国气候特征和人体舒适感受的气候舒适指数模型[J]. 气象, 2022, 48(7): 913-924.

[Tan Kaiyan, Min Qingwen, Wang Peijuan. A human climate comfort index model based on the climatic characteristics and human thermal sensations in China[J]. Meteorological Monthly, 2022, 48(7): 913-924.]

[28]
衣晓峰. 候鸟式养生并不适合所有老年人[N]. 中国中医药报, 2017-11-06(007).

[Yi Xiaofeng. Migratory bird-style health preservation is not suitable for all the elderly[N]. China Traditional Chinese Medicine News, 2017-11-06(007).]

[29]
Xu R, Wunsch D. Survey of clustering algorithms[J]. IEEE Transactions on Neural Networks, 2005, 16(3): 645-678.

PMID

[30]
Mares C, Mares I, Huebener H, et al. A hidden Markov model applied to the daily spring precipitation over the Danube basin[J]. Advances in Meteorology, 2014: 237247.

[31]
吴必虎. 区域旅游开发的RMP分析: 以河南省洛阳市为例[J]. 地理研究, 2001, 20(1): 103-110.

[Wu Bihu. An analytic framework of RMP for regional tourism development: Case study of Luoyang City[J]. Geographical Research, 2001, 20(1): 103-110.]

[32]
Sri A, Bhugra D, Persaud A, et al. Global mental health and climate change: A geo-psychiatry perspective[J]. Asian Journal of Psychiatry, 2023, 84: 103562.

[33]
刘俊, 李云云, 刘浩龙, 等. 气候变化对成都桃花观赏旅游的影响与人类适应行为[J]. 地理研究, 2016, 35(3): 504-512.

DOI

[Liu Jun, Li Yunyun, Liu Haolong, et al. Climate change and peach blossom viewing: Impact and adaptation[J]. Geographical Research, 2016, 35(3): 504-512.]

[34]
刘俊, 杨璐瑜, 王胜宏, 等. 气候变化与登山旅游: 基于游客大数据的分析与模拟[J]. 旅游学刊, 2022, 37(9): 141-154.

[Liu Jun, Yang Luyu, Wang Shenghong, et al. Climate change and mountaineering: Analysis and simulation based on tourist big data[J]. Tourism Tribune, 2022, 37(9): 141-154.]

[35]
安徽省生态环境厅. 安徽省适应气候变化行动方案[EB/OL]. (2024-01-04)[2025-04-20]. https://sthjt.ah.gov.cn/public/21691/122101081.html.

[Anhui Provincial Department of Ecology and Environment. The Action Plan for Adapting to Climate Change in Anhui Province Is Issued[EB/OL]. (2024-01-04)[2025-04-20]. https://sthjt.ah.gov.cn/public/21691/122101081.html.]

[36]
Feng Y, Du S. Climate changes and landscape responses of China during the past 40 years (1979-2018) under köppen-geiger climate classification[J]. ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 2020(3): 731-737.

Options
Outlines

/

〈 〉