从“天气”到“气候”：你每天看到的天空在讲什么

你每天抬头看到的那片天空，并不是“随机变化的背景板”。它是一套有规律的物理系统在你头顶的即时投影：太阳如何加热地表、地表如何把热量和水汽交还给空气、空气如何在重力与旋转的约束下流动并凝结成云、又如何把水以雨雪的形式送回地面。学气象学的第一步，不是背概念，而是把“看到的现象”与“背后的要素”对应起来——从今天开始，你会逐渐听懂天空在说什么。

天气与气候：差别不在“大小”，而在“统计”

很多初学者把“天气”和“气候”理解成“短期 vs 长期”。这没错，但不够精准。更关键的区别是：天气是一次具体的状态，气候是一段时间内状态的统计分布。

用一句话抓住核心

• **天气（Weather）**：某个时间、某个地点，大气的“即时状况”（温度、湿度、风、云、降水等的组合）。
• **气候（Climate）**：某地在较长时期（通常至少数十年）里，天气的**平均值、波动范围、极端事件概率**等统计特征。

你可以用“掷骰子”来理解：

• 今天的天气像你掷出的一次点数（比如 2 点）。
• 气候像这颗骰子的“规则”：它是六面均匀骰？还是被动了手脚更容易出 6？以及“出 6 的概率是多少”。

> 关键提醒： > 极端天气与气候变化并不矛盾。气候变暖并不意味着不会冷，而是意味着“冷的概率分布在变”。很多争论就卡在“我今天很冷，所以不可能变暖”的误解上。

为什么气候常用“30 年”作为尺度？

你会在很多资料里看到“30 年平均气候值”。原因并不是 30 年有什么神秘魔力，而是：

• 年际变化很大（例如厄尔尼诺/拉尼娜会让某些地区某几年明显偏暖偏湿或偏冷偏干）。
• 用足够长的样本，才能更稳定地估计“平均”和“极端概率”。

先记住一个学习策略：当你描述“天气”，尽量用具体；当你描述“气候”，尽量用概率。 例如：

• 天气表达：今天 16:00 开始刮北风，气温 20℃ 降到 14℃，并出现阵雨。
• 气候表达：这个城市春季冷空气活动频繁，气温波动大，阵雨概率高。

七个常见气象要素：你需要的“天空字典”

你每天看到的变化，大多能拆解为以下要素。掌握它们的含义与测量方式，你就拥有了阅读天气的基本语法。

为方便你快速建立框架，先给出一张“总览表”，后面逐项讲清楚“是什么、怎么测、怎么看”。

| 要素 | 你感受到的是什么 | 常用单位 | 常见测量方式（气象站/家用） | 初学者最该看什么 | |---|---|---|---|---| | 温度 | 冷热、昼夜变化 | ℃ | 百叶箱温度计、电子温度计 | 日变化幅度、冷暖平流 | | 湿度 | 闷、干、起雾、出汗难不难 | %（相对湿度）/露点℃ | 湿度计、露点仪 | 露点与温度差（凝结/云雾） | | 气压 | 很难直接感觉，但与天气系统强相关 | hPa | 气压计（站压/海平面气压） | 气压趋势（升/降） | | 风 | 风向、风力、体感温度、污染扩散 | m/s、级 | 风向标、风速仪 | 风向变化（转向）、阵风 | | 云量/云状 | 阴晴、日照、降水前兆 | 成（okta）/定性 | 人工观测、云高仪 | 云底高度、云的层次结构 | | 能见度 | 远处清不清、雾霾/沙尘 | km、m | 能见度仪、人工判读 | 突降（雾/降水/扬尘） | | 降水 | 雨雪强度、持续时间 | mm | 翻斗雨量计、量筒雨量筒 | 是否“对流性”（短强） |

接下来逐项拆开。

温度：不仅是“多少度”，更是“哪里来的热”

温度测的是什么？

气象学里常说的“气温”，一般指离地面约 1.5 米、通风遮阳条件下测得的空气温度。这很重要，因为你在柏油路上、阳台玻璃后、车里测出来的温度，往往不是“标准气温”，而是被地面辐射与局地环境强烈影响的温度。

初学者常犯的两个误区

1. 把太阳直晒下的温度当气温：直晒会让温度计本体被加热，读数偏高。 2. 忽略“昼夜温差”：很多天气转折不体现在当天最高温，而体现在夜间降温是否明显——这与云量、风、湿度密切相关。

一个必须记住的物理直觉：干绝热递减率

空气团上升会膨胀冷却（不需要背推导，先记直觉）：

• **干空气未凝结时**，上升冷却大约 **9.8 ℃/km**（干绝热递减率）。

这将直接决定“上升能不能形成云”“对流能不能发展”，也是后面讲雷暴、强对流的基础。

> 侧边栏（电子版可跳转）： > 如果你后续学习到“稳定层结/不稳定层结”，温度随高度递减的快慢就是关键。递减越快，空气越容易继续上升，对流越容易发生。

湿度：相对湿度不等于“水汽多少”，露点才更诚实

相对湿度（RH）到底是什么？

相对湿度是一个“比例”：

• 在当前温度下，空气里实际水汽压 $e$ 与饱和水汽压 $e_s(T)$ 的比值：

$$RH = \frac{e}{e_s(T)} \times 100\%$$

这意味着：温度一变，相对湿度就会变，即便空气中的水汽总量没变。 所以“下午不下雨但闷”和“清晨起雾但不闷”在湿度上可能很相似，却由温度控制了 RH 的表现。

露点：把“含水量”从温度里剥离出来

露点温度（Td）：把空气冷却到开始凝结（RH=100%）时的温度。

• 露点越高，通常意味着空气里水汽越多。
• 露点接近气温，意味着更容易起雾、形成低云、出现凝结。

一个非常实用的经验：

• **气温 T 与露点 Td 的差（T−Td）越小，越“潮湿且易凝结”**。

> 实用公式（估算云底高度）： > 云底高度（米）≈ $125 \times (T - T_d)$ > 例如地面气温 28℃，露点 22℃，差值 6℃，云底约 750 米，常见于闷热午后对流云发展的早期。

气候变暖与水汽：一个关键的“7%/℃”

在常见温度范围内，空气的饱和含水能力会随温度上升而上升。一个广泛使用的近似是：每升高 1℃，饱和水汽压约增加 7%（Clausius–Clapeyron 关系的直觉结果）。 这为理解“为什么很多地方强降水更容易变强”提供了物理底座：当环境更暖、可容纳的水汽更多，一旦触发凝结释放，降水潜力就更大（当然是否下雨还取决于抬升机制与动力条件）。

小练习：用手机天气里的“温度+湿度”算露点

你不必每天手算，但做过一次会非常清楚 RH 的“温度依赖性”。下面给一个常用近似（Magnus 公式），你可以当作工具：

```python import math

def dew_point_celsius(T, RH):

T: 摄氏温度，RH: 相对湿度(0-100)

a, b = 17.62, 243.12 gamma = (a * T / (b + T)) + math.log(RH / 100.0) Td = (b * gamma) / (a - gamma) return Td

print(dew_point_celsius(28, 70)) ```

你会发现：同样 70% 的湿度，在 10℃ 和 30℃ 下“空气实际含水”完全不是一回事。

气压：看不见摸不着，却是天气系统的“骨架”

气压是什么？

气压是空气柱对单位面积的压力。地面气压随高度变化很大，因此天气图常把观测值换算为海平面气压，便于比较不同海拔地点。

常用单位：hPa（百帕），1 hPa = 100 Pa。

为什么气压对“要不要下雨”这么敏感？

你不需要一开始就掌握完整的动力学，只要先建立两条直觉： 1. 低压系统更容易伴随上升运动 → 上升冷却 → 凝结成云雨的概率更高。 2. 高压系统更容易伴随下沉运动 → 下沉增温变干 → 云减少、天气更稳定（但也可能带来逆温与污染积累）。

初学者最有价值的做法：看“趋势”而不是绝对值

同一数值在不同地区意义不同（海拔、季节都会影响背景气压）。但气压在数小时到一两天内的快速下降，往往提示天气系统正在接近。 如果你家里有带气压计的手表或简易气象站，先训练自己只看三件事：

• 过去 3–6 小时：升还是降？
• 过去 24 小时：幅度大不大？
• 变化是否突然加速？

> 经验提醒： > 气压趋势对“锋面、气旋”类的天气很敏感，但对“午后热雷雨”未必敏感，因为后者可能主要由局地热力触发。

风：风向变化往往比风速更“会讲话”

风从哪里来？

风本质上是空气从高压区流向低压区的运动，但由于地球自转的影响（科里奥利力），实际风向会偏转，形成大尺度环流。你不必立刻背公式，先记住观测层面的关键点：

• **风向**：风从哪里吹来（北风=从北往南吹）。
• **风速**：平均风速与阵风要区分。阵风对体感、树倒、航班影响更大。
• **风随高度变化（风切变）**：对强对流、台风结构非常关键，后面章节会展开。

初学者观测的“高性价比信号”

• **风向转变**：例如从南风转北风，常意味着冷空气南下或锋面过境。
• **阵风突然增强**：可能与对流云系、下击暴流、雷雨出流有关。
• **夜里仍然很大风**：常提示大尺度系统（如冷锋、强压梯度）主导，而不仅是日间热对流。

> 快速估风（无仪器）： > 你可以用蒲福风级的生活化描述估计风力，例如“树叶持续摇动”“小树摇摆”“行走阻力明显”等。目标不是精确到 0.1 m/s，而是训练你把风力变化“记到脑子里”。

云量与云：天空写在脸上的“过程图”

云是怎么来的？

云的本质是：空气在上升冷却过程中达到饱和，水汽凝结成大量微小水滴/冰晶，散射光形成可见的白色或灰色结构。

要形成云，往往需要两件事： 1. 足够的水汽（露点不低）。 2. 让空气上升的机制：地表加热（热对流）、地形抬升、锋面抬升、低层辐合等。

为什么云能“预告天气”？

因为不同云系对应不同尺度的抬升方式与层结结构。初学者先不追求全套云属云种，抓住三类最实用的识别：

• **层状云（Stratus 类）**：像铺开的灰白“天花板”，常与稳定层结、弱上升或逆温有关，易带来阴天、毛毛雨或雾。
• **积状云（Cumulus 类）**：像堆起来的棉花，常与对流有关；若发展成高耸的积雨云，雷阵雨概率上升。
• **卷云/高云（Cirrus/Altostratus 等）**：高空薄纱或大片半透明云幕；在某些形势下，可能是暖湿气流增强、系统接近的前奏。

> 观察技巧（每天 1 分钟）： > 不要只看“有没有云”，而要看“云的层次”。 > - 如果高空先出现卷云，随后中云增多，最后低云加厚并转为降水，这常是一套较完整的大尺度系统演变。 > - 如果午后从零散积云迅速长成塔状云，变化在 30–90 分钟内完成，常是局地对流的特征。

能见度：雾、霾、雨、沙尘都在这里“显形”

能见度不是“空气里脏不脏”的单一指标，而是光在空气中被散射/吸收后的结果。导致能见度下降的常见原因包括：

• **雾**：空气接近饱和，微小水滴大量存在。
• **霾/污染颗粒物**：干燥条件下也可能很“灰”。
• **降水**：雨滴雪花直接遮挡并增强散射。
• **沙尘**：粗颗粒显著降低能见度，常伴随偏强风。

初学者的实用判断路线是： 1. 看湿度/露点差：接近饱和更像雾；差很大更像霾或沙尘。 2. 看风：雾常在弱风、夜间/清晨更容易出现；沙尘常伴较强风。 3. 看天空颜色与太阳边缘：霾下太阳轮廓更模糊、偏黄；雾更“白”。

降水：一毫米不是“一点点”，短时强降水更不是“小雨”

降水量怎么理解？

降水量常用 mm 表示，本质是“如果雨水均匀铺在地面上，它的厚度是多少”。

• **1 mm 降水 = 1 L/m²**（一平方米一升水）。

这能帮你把“数字”转换成直觉：20 mm 就是每平方米 20 升，若在 1 小时内下完，就已经不算小。

两类降水先分清：层状 vs 对流

• **层状降水**：范围大、持续久、强度相对稳定（常与锋面、暖湿气流抬升有关）。
• **对流性降水**：范围小但强度大、变化快（雷阵雨、短时强降水常见）。

这一点直接关系到“为什么你觉得预报不准”：对流降水的空间尺度小、寿命短，你家在雨核边缘与雨核中心，体验可以完全不同。

为什么同一座城市会“预报不准”：误差从哪来？

“预报不准”常被理解成“气象台不行”。更接近事实的说法是：预报是在有限观测与计算能力下，对一个混沌系统做概率性推断。你需要知道误差的主要来源，才能学会正确使用预报。

误差来源一：你的地点不是“格点中心”

数值天气预报把大气切成三维网格（格点），每个格点给出平均状态。你的家可能位于：

• 河谷、山坡、海边、城市热岛边缘

这些局地差异远小于格点尺度，却能显著改变体感与降水。

结论：预报更像“区域平均的趋势”，不是你家窗台的直播。

误差来源二：时间对齐问题（尤其是降水）

很多应用显示“某小时下雨”，你会把它当作“整点必下”。但预报输出往往是：

• 某 1 小时累计量
• 或某 3 小时累计量

时间窗内只要下过一阵，就可能被显示为“有雨”。于是你会感到“明明那一小时没下”。

建议：看预报时尽量找“累计降水图”和“雷达回波（临近）”，你会更清楚雨到底在哪。

误差来源三：对流是“硬骨头”

午后雷阵雨常由局地触发（地表加热、辐合线、地形抬升），其发生位置可能只差几十公里，但对你来说就是“有雨/没雨”的天壤之别。 因此，对流预报最好用概率和范围理解，而不是“准点/准地点”。

误差来源四：预报本质上有“可预报性上限”

大气是典型的混沌系统：初始条件差一点，几天后就会放大成明显差异（这就是“蝴蝶效应”的气象学本义）。 你不必陷入数学细节，只要记住使用层面的结论：

• **0–2 小时**：更依赖雷达/卫星的临近预报（nowcasting），适合“是否带伞”。
• **1–3 天**：总体最可靠，适合安排出行、户外活动。
• **4–7 天**：趋势仍有价值，但细节（下雨的小时与地点）不应当作“确定事件”。
• **7–10 天及更久**：更多看“大势”（冷暖、是否有明显过程），用概率思维。

下面用一张流程图把“你如何用不同产品”串起来：

```mermaid graph TD A[你想知道什么？] --> B{时间尺度} B --> C[0-2小时：临近] B --> D[1-3天：短期] B --> E[4-7天：中期趋势] B --> F[>7天：形势与概率] C --> C1[看雷达/卫星/闪电] D --> D1[看逐小时温度 风 降水概率] E --> E1[看过程：冷空气/锋面/台风路径带] F --> F1[看距平：偏暖偏冷概率] ```

三个具体案例：把“要素”与“现象”对上号

下面用三个你很可能经历过的场景，示范如何用“要素语言”读天气。建议你边读边回忆自己城市的类似经历。

案例一：预报“有阵雨”，你这儿却一滴没下

现象：手机显示下午有阵雨，你带伞一整天，结果周围有人被淋，你所在街区却干着。 用要素解释：

• 这很可能是**对流性降水**：雨区小、移动快、强度集中。
• 降水的触发与发展依赖局地抬升（辐合线、热岛边界、地形）。
• 你所在位置可能处在雨核边缘，或雨核在你旁边 5–20 km 处经过。

你能怎么做（可操作）： 1. 早上看一次“逐小时降水概率”，不要只看图标。 2. 下午临近时（出门前 30 分钟）看雷达回波：雨核在哪、往哪走。 3. 观察天空：积云是否快速高耸、云底是否变黑、风是否突然转向并变凉（雷雨出流常见）。

案例二：一股冷空气过境，体感像“开了空调”

现象：上午还温暖，下午突然北风大、变冷，晚上甚至需要加衣。 用要素解释：

• **风向转变（南→北）** + **气温快速下降** + **气压上升**，常对应冷锋或冷空气南下。
• 风带来的不仅是“把你吹冷”，更是把不同性质的空气团“搬运”过来（冷平流）。

你能怎么做（可操作）：

• 观察“风向是否持续转为偏北并增强”。
• 看气压趋势：冷空气后部常见气压回升。
• 记录当天的“最低温出现时间”：若最低温出现在夜里并不断刷新，常提示冷空气影响仍在加强。

案例三：同城不同温度：市区热、郊区凉

现象：你在市中心觉得闷热，朋友在郊区说很舒服；夜里市区比郊区更不容易降温。 用要素解释：

• 城市下垫面（柏油、水泥）热容量与吸收率高，白天储热、夜间放热，形成**城市热岛**。
• 绿地、水体通过蒸散与较高反照率降温。
• 风弱、云少的夜晚，热岛更明显。

你能怎么做（可操作）：

• 用两套温度计在不同环境对比（阴影通风处 vs 靠墙/近地面）。
• 观察夜间云量：云多时辐射冷却弱，郊区降温优势会减小。
• 如果你关注健康与运动，夏季夜跑在热岛强的区域可能更“闷”，需要调整路线与补水。

初学者的“每天 5 分钟观测清单”：把天看成一门技能

你不需要成为观测员，但你需要建立一套稳定、可复用的记录方法。目标是：用最小成本积累“体感—要素—预报”之间的对应关系。

观测原则：固定时间、固定位置、固定指标

• **固定时间**：建议一天两次（比如 8:00 与 20:00），实在忙就一次。
• **固定位置**：同一扇窗/同一段路，减少环境差异。
• **固定指标**：只记录最关键的 6–8 项，长期坚持比一次写很多更重要。

5 分钟清单（建议照抄到笔记）

1. 天空：云量（晴/少云/多云/阴）+ 云类型（层状/积状/高云）。 2. 风：风向（大致即可）+ 风力（弱/中/强；是否有阵风）。 3. 体感：凉/舒适/闷/热；是否出汗困难。 4. 温度与湿度（若有仪器）：记录 T、RH（或露点）。 5. 气压趋势：升/降/平（若无气压计，可用天气 App 的气压曲线）。 6. 能见度：远处建筑是否清晰；是否灰白。 7. 降水：无/毛毛雨/阵雨/持续雨；开始与结束大概时间。 8. 对照预报：预报说了什么？你观察到什么？差异在哪？

> 复盘句式（强烈建议每次最后写一句）： > “今天的关键变化是____，它和____（风/气压/云）同步出现，因此我推测____。”

你会在两周内获得的“可见进步”

• 你开始能从云与风的变化判断“接下来 1–3 小时会不会变天”。
• 你开始不再用“准/不准”评价预报，而是用“尺度