从体感到物理量：天气现象的“可测量化”

当人们抬头看天时，往往先获得的是一种“综合体感”：热不热、闷不闷、风大不大、天空阴不阴、要不要下雨。体感并非不科学，它只是尚未被拆解为可重复、可比较、可传递的量。气象学所做的第一件事，就是把这种综合体感拆分成一组可观测的物理量，并通过统一的观测规范与业务指标把它们记录下来，使“今天很闷”能够在不同城市、不同年份、不同观测者之间被一致地理解与比较。由此，天气从经验叙述进入数据语言：大气状态不再只是感受，而是可以被测量、被绘图、被同化、被预报的一组量化描述。

一、从体感到指标：天气“可测量化”的基本框架

把体感转化为物理量，通常经历三个层次：定义量、规定测法、形成指标。例如“热”对应温度，但温度可以指地表温度、2 米气温、体感温度；必须进一步规定观测高度、遮蔽条件、时间平均方式，才具有可比性。再进一步，面向公众服务时，温度会衍生出“高温日”“热浪过程”等业务指标，便于解释风险与影响。

> 纸书提示：理解天气数据时，请先问三个问题——“测的是什么量？”“怎么测的？”“代表哪个空间与时间尺度？”许多误解都源于把不同量、不同测法、不同尺度混为一谈。

为了建立直观联系，可以把常见体感粗略映射到核心观测量（并非一一对应，而是多对多）：

• “热/冷”：#温度（气温、地表温度、体感温度）
• “闷/干”：#湿度（相对湿度、露点、比湿/混合比）、通风条件（风速）
• “压得慌/头疼”：#气压（气压及其变化趋势），但个体差异很大
• “风大/刮脸”：#风（风速、风向、阵风）
• “要不要下雨/下多大”：#降水（降水强度、累积量、相态；并常结合雷达/云图）
• “阴不阴/云很低”：云量、云底高度（ceiling）
• “看得清不清”：#能见度（水平能见度、跑道视程 RVR）与天气现象码

下面用一张流程图把“体感—观测—分析”的关系固定下来，后续章节会反复用到这条主线。

```mermaid graph TD A[主观体感\n热/闷/风大/要下雨] --> B[可观测物理量\nT, RH, Td, p, V, R, Vis...] B --> C[标准化观测\n高度/遮蔽/时间平均] C --> D[业务指标\n高温日/阵风/能见度等级/降水级别] D --> E[空间连续分析场\n观测网络+资料同化] E --> F[预报产品与风险提示\n短临/短期/中期] ```

二、温度：热与冷的第一标尺（#温度）

2.1 温度究竟“测的是什么”

日常所说“气温”，在业务上通常指近地面 2 米高度、通风良好、避免太阳直射与地面辐射干扰条件下测得的空气温度。这一规定听起来繁琐，却是可比性的根基：同样是“30℃”，如果一个传感器被太阳直晒，另一个在百叶箱或辐射罩内通风测量，数值可能差出好几度。

温度的常见单位与换算：

• 摄氏温度：$T(^\circ C)$（公众最常用）
• 开尔文温度：$T(K)=T(^\circ C)+273.15$（物理计算常用）
• 华氏温度：$T(^\circ F)=1.8T(^\circ C)+32$（部分国家常用）

> 纸书提示（单位换算速记）：风速 `m/s` 乘 `3.6` 得 `km/h`；气压 `hPa` 乘 `100` 得 `Pa`。温度从摄氏到开尔文只需加 `273.15`。

2.2 “体感温度”与“气温”不是一回事

人体的冷热感觉受多因素影响：太阳辐射、风速、湿度、衣着与代谢。气象业务常用一些综合指标辅助解释，例如热指数（Heat Index）、湿球黑球温度（WBGT）、风寒指数（Wind Chill）等。它们都在回答同一类问题：在相同气温下，为什么“晒着更热”“起风更冷”。

• 在夏季，湿度高会抑制汗液蒸发散热，使体感温度高于气温。
• 在冬季，风速大增强对流散热，使体感温度低于气温。

2.3 案例：同样 33℃，为什么有时“烤”、有时“闷”

设想两天最高气温都为 33℃：

• 情景 A：晴空少云、风弱、相对湿度中等。太阳短波辐射强，人体吸收辐射增多，“烤”的感觉突出。
• 情景 B：云量较多、风弱、露点高（空气含水量大）。辐射被云削弱，但蒸发散热效率低，“闷”的感觉突出。

这提示我们：气温是主轴，但不是体感的全部。要解释“闷热”，必须引入湿度与风。

三、湿度：闷不闷与“相对”的陷阱（#湿度）

3.1 相对湿度的“相对性”：为什么冬天 80% 不等于夏天 80%

相对湿度（Relative Humidity, RH）定义为： $$RH = \frac{e}{e_s(T)}\times 100\%$$ 其中 $e$ 是实际水汽压，$e_s(T)$ 是在温度 $T$ 下的饱和水汽压。关键在于：饱和水汽压随温度迅速增大。因此同样的 RH，在不同温度下对应的“水汽绝对含量”可能天差地别。

• 冬季 0℃、RH=80%：空气能“容纳”的水汽本来就少，实际水汽含量并不高，但相对接近饱和，所以容易起雾、结露。
• 夏季 30℃、RH=80%：空气可容纳水汽多，实际水汽含量很高，人体蒸发散热受阻，闷热显著。

这就是相对湿度常见误解的来源：它衡量的是“离饱和有多近”，而不是“水汽有多少”。

3.2 比湿/混合比：更接近“空气里有多少水汽”

若要描述空气中水汽的“含量”，更常用：

• **混合比** $w$：水汽质量与干空气质量之比（单位常用 g/kg）
• **比湿** $q$：水汽质量与湿空气总质量之比（同样常用 g/kg）

在近地面条件下两者数值接近，业务解释上可粗略理解为“每千克空气里有多少克水汽”。当讨论水汽输送、季风水汽条件、暴雨潜势时，比湿/混合比往往比相对湿度更有用。

3.3 露点：把“闷”落到一个更直观的温度量上

露点温度（Dew Point, $T_d$）是指：在保持水汽含量不变的情况下，把空气冷却到饱和时的温度。露点越高，说明空气水汽含量越大。许多体感讨论更适合用露点表达，因为它不像相对湿度那样强烈依赖当前气温。

经验上（仅作公众沟通的粗略分档）：

• $T_d < 10^\circ C$：偏干爽
• $10^\circ C \le T_d < 16^\circ C$：较舒适
• $16^\circ C \le T_d < 20^\circ C$：开始偏闷
• $T_d \ge 20^\circ C$：普遍感到闷热

露点还直接关联凝结现象：当物体表面温度低于露点，就会结露；接近地面空气温度接近露点时，容易出现雾或低云。

> 电子版提示（延伸阅读）：可对照国家气象台或各地气象服务发布的“露点”“体感温度”图形产品，观察闷热日露点的区域分布。示例入口可从国家气象中心网站产品页进入：`https://www.nmc.cn/`（不同时间路径可能调整）。

3.4 案例：玻璃起雾、晨雾与“露点差”

家庭中的“浴室镜面起雾”是露点的日常演示：洗澡时室内水汽含量上升，露点迅速升高；镜面温度较低，低于露点，于是水汽在镜面凝结成微小水滴。对应到大气中：

• 夜间辐射冷却使近地面气温下降，若降到接近露点，水汽凝结形成雾或低云。
• 业务上常用“温度—露点差”（$T - T_d$）作为接近饱和程度的直观指标：差值越小，越容易出现雾、露、低云。

一个常用近似可把露点差与云底高度联系起来（仅作经验估算）： $$H_{base} \approx 125\,(T - T_d)$$ 其中 $H_{base}$ 为云底高度（米），$T$、$T_d$ 用摄氏度。露点差 8℃ 时，云底大约在 1000 米上下；差 2℃ 时，云底可低到 250 米量级，常带来阴沉与能见度问题。

四、气压：看不见的重量与天气的非线性关系（#气压）

4.1 气压与海平面气压：为什么预报图上常画“海平面气压”

气压是单位面积上空气柱重量造成的压力。地面站测得的是站点高度处的气压，而天气图上常绘制海平面气压（MSLP），即把站点气压按标准方法折算到海平面，便于不同海拔地区比较与分析。

常用单位：

• 帕斯卡（Pa）：国际单位
• 百帕（hPa）：业务最常用，$1\,hPa = 100\,Pa$
• 标准大气压约为 $1013.25\,hPa$（海平面附近的典型值）

4.2 “低压一定下雨、高压一定晴”为什么不可靠

气压与天气相关，但关系并非线性、也非单因果。低压系统往往伴随上升运动，更容易形成云雨；高压系统往往伴随下沉运动，更容易少云晴朗。然而，决定云雨的关键并不仅是“压强大小”，还包括水汽条件、稳定度、动力抬升机制、垂直风切变等。

更实用的经验是观察：

• **气压的空间分布**：等压线疏密反映气压梯度，与风有关。
• **气压的时间变化**：快速下降常提示天气系统接近（如锋面、气旋），但仍需结合云系、雷达回波与水汽输送判断。

4.3 案例：台风来临前的“掉压”与风雨强度

台风中心附近海平面气压显著偏低（强台风可低于 950 hPa 甚至更低），但公众感受到的危险主要来自：强风（含阵风）、暴雨（短时强降水）、风暴潮等。气压本身更像一种“系统强度与结构”的信号，而真正造成影响的是由气压梯度驱动并经地形与边界层调制后的风场，以及水汽与对流组织导致的降水。

五、风：从“风大不大”到矢量场（#风）

5.1 风是矢量：既有大小也有方向

风在气象中是矢量，包含：

• **风向**：风从哪个方向吹来（例如“北风”指从北向南吹）
• **风速**：单位时间空气水平移动的距离（常用 m/s、km/h、节 knot）

观测上常规定在10 米高度、开阔下垫面测量风，以减少地物遮挡与局地涡旋影响。城市街区内“楼间风”可能很强，但不一定代表标准观测风速，这属于“代表性误差”的典型来源。

5.2 阵风：为什么“平均风不大”仍可能吹倒物体

阵风（gust）描述短时间内风速的快速增强。业务上常把某一时间窗（如 10 分钟）内的最大瞬时风或 3 秒平均最大风作为阵风指标。阵风风险与下列因素有关：

• 对流活动（雷暴下击暴流可产生强阵风）
• 地形与通道效应（峡谷、城市街谷）
• 边界层湍流增强（午后加热、冷空气入侵）

> 电子版提示：若对“阵风从哪里来”感兴趣，可在雷达回波与地面风场叠加产品中观察“回波弓形”“下击暴流”与地面风突增的对应关系。

六、降水：下不下、下多大、是什么态（#降水）

6.1 两个最容易混淆的量：强度与累积量

降水可用两类量描述：

• **降水强度**：单位时间降水量，如 `mm/h`（回答“下得有多猛”）
• **累积降水量**：一段时间内总量，如过去 1 小时、过去 24 小时降水量（回答“总共下了多少”）

同样 20 mm 的降水，若在 1 小时内完成，属于强对流短时强降水，致灾性往往高于 10 小时内的温和降水。公众问“会不会下大雨”，气象服务需要同时给出时间尺度与风险指向。

6.2 降水相态：雨、雪、冻雨与霰雹

降水相态由垂直温度结构决定，常见类型包括：

• **雨**：整层或近地层温度高于 0℃
• **雪**：从云中到地面基本保持低于 0℃
• **雨夹雪/湿雪**：近地层接近 0℃，融化与再冻结过程复杂
• **冻雨**：高空有暖层使雪融化成雨滴，近地层为浅薄冷层，雨滴过冷却后落地结冰
• **冰雹**：强对流中强上升气流使冰粒在云中多次循环增长

相态判断是预警业务的关键之一，因为其影响高度不对称：冻雨对交通与电力的破坏往往远超过同量降水的雨。

6.3 一个常见误解：降水概率不是“会下多少”

公众常见到“降水概率 60%”。在较规范的解释中，它表示在给定地点、给定时段内，降水量达到某一阈值（如 ≥0.1 mm）的概率。它不直接等价于“降水强度”或“降水量多少”，更不意味着“有 60% 的区域会下雨”这种单一含义。不同机构的概率定义与计算方法可能略有差异，但核心仍是：概率表达不确定性，强度表达影响等级，两者需要配合解读。

七、云量、云底与能见度：天空“纹理”的量化（#能见度）

7.1 云量：从“阴不阴”到覆盖度

云量可用天空被云遮蔽的比例表示，传统上也可用“八分量”（oktas）表示（0/8 至 8/8）。云量与“阴天”并非完全等价：薄而均匀的高云可使云量很大，但仍有较强散射光；而低而厚的层云即使未完全覆盖，也可能显著压暗地面辐照，造成“天很沉”。

7.2 云底高度：决定航空与低能见度天气的关键量

云底高度（ceiling）特别影响航空运行与山地交通。它与前述露点差有一定经验联系：露点差越小，云底越低，阴沉与雾霾风险越高。需要注意的是，云底的形成机制多样（地形抬升云、锋面云、对流云等），经验公式只适用于混合层较均匀、层状云较典型的情形。

7.3 能见度：并非“空气脏不脏”的单一指标

能见度是对“能看多远”的量化，受多种散射与吸收过程影响：

• **雾**：液态水滴导致强散射，能见度急剧下降
• **霾**：气溶胶粒子增强散射，呈灰白或黄色调
• **降水**：雨雪粒子直接阻挡视线
• **沙尘**：粗颗粒与吸收作用使能见度显著降低

业务中还会出现“跑道视程（RVR）”等更贴近交通安全的指标。对于公众沟通，建议把能见度与“天气现象”联动解释：同样 2 km 能见度，若由雾导致，湿滑与结露问题突出；若由沙尘导致，则呼吸健康与空气质量风险更突出。

7.4 天气现象码：把“看见的天气”编码成可计算的符号

气象观测不仅记录连续量（温度、风速），也记录离散现象（雾、雷暴、冰雹）。国际上有 WMO 的现行天气（present weather）编码体系；民航 METAR 报文也使用高度规范的缩写。编码的意义在于：它让“文字描述”进入机器可读的结构化数据，从而能够被统计、被检索、被模型吸收。

八、尺度：局地天气、天气过程与气候态的差异

8.1 空间尺度：为什么“我家这儿下雨”不等于“本市下雨”

天气具有显著的空间非均匀性：

• **微尺度/局地**（米到公里，分钟到小时）：阵雨、雷暴下的强风与强降水、城市热岛引发的局地对流
• **中尺度**（几十到几百公里，小时到一天）：飑线、梅雨锋雨带、地形降水
• **天气尺度/大尺度**（上千公里，数天）：冷空气过程、温带气旋、台风环流影响范围

因此，单个站点观测对“附近区域”的代表性有限。理解尺度，有助于正确使用预报：雷达与短临预报更擅长捕捉局地强对流，数值模式与形势分析更擅长描述大范围过程。

8.2 时间尺度：天气与气候不是对立，而是统计关系

• **天气**：某一时刻或短时段的大气状态（今天的最高气温、此刻的风）
• **天气过程**：随时间演变的系统性事件（一次寒潮过程、一次持续性强降水过程）
• **气候态**：长期统计意义上的分布特征（30 年气候平均、极端事件频率）

气候并不是“另一种天气”，而是天气在长时间尺度上的统计表征。理解这一点，可以避免两个常见误区：其一，用某一天的冷暖否定长期变暖趋势；其二，把“气候平均”误当作对某一天的确定性预报。

九、观测网络与资料同化：把点状观测变成连续的“天气图”

9.1 观测网络：地面、探空、雷达与卫星的分工

现代气象观测是多源融合体系，典型构成包括：

• **地面自动站**：提供近地面温度、湿度、气压、风、降水等高时间分辨率数据
• **探空（无线电探空）**：提供垂直廓线（温度、湿度、风），是理解稳定度与对流潜势的关键
• **天气雷达**：提供降水回波、径向速度等，擅长刻画对流结构与降水演变
• **气象卫星**：提供云系、辐射、可降水量等大范围信息，弥补海洋与稀疏地区观测不足

任何单一观测都不完整：地面站密但只“贴地”；探空“看垂直”但时次稀疏；雷达对地物遮挡与距离衰减敏感；卫星“看得广”但反演存在不确定性。天气分析依赖它们的互补。

> 电子版提示（常见传感器速览）：气温多用热敏电阻/铂电阻，湿度多用电容式湿敏元件，风速常见风杯/超声风，降水常见翻斗雨量计。不同传感器的响应时间、维护需求与误差特征不同，会影响短时极值（如阵风、短时强降水）的捕捉。

9.2 资料同化：一个直观比喻与一个核心公式

把离散观测变成连续的大气分析场，是预报系统的起点。资料同化可以用一个直观比喻理解：用“模型的先验估计”与“观测的现实证据”相互校正，得到最可信的当前大气状态。在简化的线性思想下，可写成： $$\text{分析} = \text{背景} + \text{权重}\times(\text{观测}-\text{背景投影})$$ 其中“权重”取决于两类不确定性：观测误差与背景误差。观测并非绝对真理（有误差、有代表性问题），模型也并非凭空臆测（它遵循物理定律并携带时空连续性）。同化的价值恰在于此：在不完美的信息中，求得最一致的三维（乃至四维）大气状态。

9.3 为什么“站点数据”和“格点产品”会不一样

公众常见的困惑是：手机应用显示本地气温 29℃，但家门口温度计显示 31℃。这往往不是谁对谁错，而是尺度与定义差异：

• 家用温度计可能受辐射与安装环境影响（墙面热辐射、通风不足）。
• 应用展示的可能是某格点的 2 米气温分析/预报值，代表一个区域平均意义。
• 城市内部的热岛与下垫面差异会造成显著的局地偏差。

理解观测与分析的关系，有助于更合理地使用不同来源的数据：站点数据更贴近点位实况，格点产品更适合区域对比与趋势判断。

十、概念与单位速查表（纸书友好）

| 体感问题 | 对应核心量 | 常用单位 | 典型观测规范（示意） | 易错点 | |---|---|---|---|---| | 热不热 | 气温 $T$ | ℃、K | 2 m、避辐射、通风 | 把太阳直晒温度当气温 | | 闷不闷 | RH、露点 $T_d$、比湿 $q$ | %、℃、g/kg | 湿度传感器需通风与校准 | 误把 RH 当“水汽含量” | | 压不压 | 气压 $p$、海平面气压 | hPa | 需订正高度与温度 | 以单点气压断言天气 | | 风大不大 | 风速/风向、阵风 | m/s、km/h、kt | 10 m、开阔地 | 用街口风代表区域风 | | 下不下雨 | 降水强度/累积/相态 | mm/h、mm | 雨量计维护影响准确性 | 把概率当雨量 | | 阴不阴 | 云量、云底高度 | oktas、m | 目测与仪器并用 | 高云“云量大”不等于天很暗 | | 看得清不清 | 能见度、天气现象码 | m、km、编码 | 受雾霾雨雪尘共同影响 | 把能见度等同空气质量 |

十一、把“天空语言”变成自己的观测习惯（面向普通读者的操作建议）

如果读者希望从“看天”迈向“读天”，可以建立一套低门槛的日常记录框架，把体感与量对应起来：

• **每天两次**（早晨与午后）：记录气温、相对湿度（或露点）、风速（可用体感配合蒲