
作者 | 吳子勁
來源 | 網(wǎng)易數(shù)讀
每年夏天都會引發(fā)全民熱議的問題,就是哪個城市最熱。
對于全球國土面積世界前四、擁有至少五種氣候類型(18種細(xì)分類型)的中國而言,這個問題確實(shí)不好回答。
何況,每個人擁有自己的感受。所以在面對火爐城市討論的時候,很多人往往會覺得:我住在這里,我就覺得很熱,憑什么我這里沒上榜?
那么到底哪些城市才是真正的火爐呢?傳統(tǒng)的“四大火爐”還能坐穩(wěn)自己的位置嗎?
看著天氣APP上顯示的氣溫數(shù)據(jù),站在室外的我們經(jīng)常會覺得這個數(shù)字好像不太準(zhǔn)。如果想在數(shù)據(jù)有限的情況下盡可能地還原個人在不同地方對熱的感受,綜合考慮濕度、風(fēng)速影響的“室外體感溫度”會是比“氣溫”更適合的指標(biāo)。
基于新浪微博用戶@ 王_曉磊 根據(jù)美國國家氣候數(shù)據(jù)中心數(shù)據(jù)整理更新的中國氣象歷史數(shù)據(jù),數(shù)讀菌計算了室外體感溫度為基礎(chǔ)的各類指標(biāo),對全國31個省/直轄市/自治區(qū)(不含港澳臺)的省會城市酷熱程度進(jìn)行了排名。
為什么只對省會城市進(jìn)行排名,難道其他城市的人就不覺得熱嗎?
這個問題在數(shù)據(jù)分析的過程得到了完美解答:如果對全國300多個地級行政區(qū)的酷熱程度進(jìn)行排名,那么前20名將有極大概率由海南、廣東、廣西3省各城包攬。
為了留住各大火爐的面子,數(shù)讀菌這里只對省會城市進(jìn)行了分析。
上圖呈現(xiàn)了1973-2018年間,7-9月室外體感均溫至少1次排名前10的省會城市。
廣州、南昌、???、南寧4個城市在四十六年間體感均溫始終大于29 ℃,霸榜前四。除了??跒闊釒Ъ撅L(fēng)氣候,其余三城都屬于亞熱帶季風(fēng)氣候,低緯度為他們的夏季帶來了充足的太陽輻射量,是這些城市長期以來讓人們覺得酷熱的重要原因之一。
唯一有機(jī)會沖擊前四的武漢,在1991-2000年間體感均溫逼近南昌,達(dá)30.33 ℃,不過此后體感均溫呈下降趨勢,排名漸降。
另一個值得注意的城市是福州,其體感均溫從1973-1980年間的不足28 ℃持續(xù)上升,至2011-2018年間已達(dá)30.23 ℃,成為近年來霸榜四城之外最熱的省會。
有讀者可能會好奇為什么新疆沒有上榜。新疆作為陸地面積第一大的省級行政區(qū),其內(nèi)部氣候存在不少差異,省會烏魯木齊的夏季并沒有想象中炎熱。
不過,火焰山吐魯番的熱名不虛傳,7-9月室外體感均溫可達(dá)29.56 ℃,更不用提建國以來的歷史記錄極端最高氣溫就發(fā)生在吐魯番(1975年7月13日,49.6 ℃),只是由于并非省會,因此未能入榜。
盡管不及吐魯番,省會城市的極端高溫也不容小覷。
為了更好地反映某個省會城市最熱能有多熱,數(shù)讀菌選取了每個省會城市7-9月室外體感溫度排名前1%對應(yīng)的數(shù)值,并計算出比這更高的極端高溫出現(xiàn)了多少天。
上榜省會的每個極端高溫都比人體正常的體溫要高,真是看見數(shù)字就能感覺到熱浪來襲。
北方城市西安、鄭州入榜,室外體感極端高溫下限分別為38.42 ℃、38.08 ℃,1973-2018年間體感溫度高于高溫下限的天數(shù)分別為27天、22天,基本上兩三年就能遇到一次,并非十分罕見。
就在今年夏天,河南商報6月3日的報道稱,鄭州成為全國首個分鐘級氣溫達(dá)到 40 ℃ 的省會城市,河南省域內(nèi)其他城市甚至有氣溫超過40 ℃的。
雖然高溫發(fā)生在6月,與上圖數(shù)據(jù)的時間跨度并不重合,但也足以證明在極端高溫方面,鄭州及其所在的河南城市同樣不容忽視。
杭州、廣州極端高溫出現(xiàn)的天數(shù)最多,均為32天,室外體感極端高溫下限分別為40 ℃、39 ℃,平均來說每隔一年多就能碰上一回,可能比你微信上某些好友的見面頻率更高。
中國天氣網(wǎng)在2017年7月26日曾報道,杭州當(dāng)時已連續(xù)五天最高氣溫沖上了40 ℃,可以說是“田水沸如湯,背汗?jié)袢鐫姟薄?/span>
對于溫度的感受,除了平均溫度、極端高溫這類通過一個數(shù)據(jù)點(diǎn)表示溫度集中趨勢以及極端情況的指標(biāo)外,呈現(xiàn)一定時間段內(nèi)溫度變化大小的指標(biāo)也十分重要。
簡單來說,如果一個地方無論白天還是晚上都那么熱,會讓人更絕望。
從上圖能夠看出,海口、福州、廣州、南寧四城的體感溫差顯著低于其他城市(至少相差超過1 ℃),在緯度低與離海近的協(xié)同作用下,夏季生活在這4個城市的人即使在晚上也很難感受到明顯的涼意,一天下來不同時候的體感溫度和日平均體感溫度的差別并不大。
相比較而言,上圖其他城市的體感溫差較大,一天當(dāng)中會有相對較為明顯的室外體感溫度低潮期,實(shí)屬難得的涼意。
如果說一天之內(nèi)的體感溫差小到已經(jīng)足夠讓人絕望,那么幾十天之內(nèi)都很熱就更讓人無奈。
雖然前文的統(tǒng)計范圍是常識中比較熱的7-9月,然而有些地方熱的時間甚至比這更長。
研究顯示,人體最為舒適的體感溫度為18-23 ℃,體感溫度在23-28 ℃之間就會有熱的感覺,在此之上會覺得炎熱,開始感覺難受。
100天,將12個城市分成了兩個世界。
在???、廣州和南寧,長期以來每年室外體感溫度大于29 ℃的天數(shù)都超過了100天,也就是說每年都有超過3個月的時間讓人熱得難受。
這3個城市集均溫高、溫差小、時間長于一體,可以說是最熱省會綜合排名前3了。
與體感均溫變化趨勢類似,福州的酷熱時長增長也讓人注目,每年的酷熱時長在1973-1980年間僅為45天,約1個半月;在2011-2018年間變?yōu)槊磕?7天,近3個月,酷熱時長增長幅度超過90%。
福州可以認(rèn)為是1973-2018年間變熱程度最大的省會城市。
福州可能是46年間國內(nèi)居民感受變熱幅度最大的城市,然而它并不孤獨(dú)。在全國300多個地級行政區(qū),1973-2018年的趨勢同樣是越來越熱。
全國范圍而言,1973年7-9月的平均氣溫約22.49 ℃,2018年升至23.53 ℃,平均氣溫升幅超過1 ℃。
對于國土面積如此大的國家而言,平均氣溫提升1 ℃的難度,遠(yuǎn)大于你的臥室氣溫因?yàn)榭照{(diào)或暖氣而降低或升高1 ℃。
全球的情況同樣不容樂觀。根據(jù)NASA的數(shù)據(jù),2019年6月是歷史記錄中全球最熱的6月,即將過完的7月也有可能獲此“殊榮”。
在越來越熱的夏天,能救我這條命的,就只有空調(diào)了。
附錄:
室外體感溫度公式(中國氣象局、美國國家海洋和大氣管理局-NOAA通用)
室外體感溫度 = 1.04*T + 2.0*e – 0.65*v -2.7
其中T為氣溫(℃),e為實(shí)際水氣壓(kPa),v為風(fēng)速(m/s)
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實(shí)戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請求開發(fā)時(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點(diǎn)數(shù)據(jù)的科學(xué)計數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點(diǎn)數(shù)據(jù)時的科學(xué)計數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價值 在數(shù)據(jù)驅(qū)動決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實(shí)踐到業(yè)務(wù)價值挖掘 在數(shù)據(jù)分析場景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價值導(dǎo)向 統(tǒng)計模型作為數(shù)據(jù)分析的核心工具,并非簡單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10