先声明一下写这篇东西的起因：这几年我陆陆续续接过几个西南山区县的土地利用和文旅项目评估，最常被问的一句话就是“我们这里能不能做康养”。多数人把这个问题简单理解成“夏天凉不凉快”，但真正落地时你会发现，气候资源评价远比一句“凉爽”复杂得多。它要回答的是三个问题：游客什么时候来最舒服、什么体质的人适合来、哪些月份必须避开。这篇我以某西南山区县的康养适宜性评估为例，把整个分析框架、数据来源、指标算法和踩坑过程完整梳理一遍，给做旅游规划、气候资源开发或者健康产业选址的朋友做个参考。
1. 气候资源为什么是康养项目的“底层资产”
先说一个大背景。过去的观光旅游，核心资源是景点，游客“打卡”完就走，当地留不住消费。而康养旅游的逻辑完全反过来了，游客要在当地住下来，少则三五天，多则一两个月，甚至长期旅居。这就意味着，自然环境不再只是背景板，而是直接影响停留时间和复购率的核心产品。气温、湿度、风速、日照、空气质量、负氧离子浓度，这些气象要素组合起来，就是“人待着舒不舒服”的全部答案。
我常跟委托方讲一个比喻：如果把康养度假区比作一家酒店，气候就是这家酒店不可改造的硬件，而且是最贵的那种硬件。酒店房间可以重装，景观可以重新设计，但气候条件摆在那里，冷热干湿、风大雨多，这些都是“装修”动不了的。所以项目选址和产品定位之前，必须先给气候资源做一次体检，否则后面花再多钱搞配套，都可能建在一个不适宜居住的时段和地点上。
还有一层容易被忽略：气候资源是有季节结构的，一年12个月，不同人群的需求完全不同。候鸟式养老要的是冬季温暖、夏季凉爽；呼吸系统康复人群要的是空气洁净、温差不剧烈；亲子避暑只需要暑期那两个月舒服；而养生人群更看重常年负氧离子和舒适睡眠环境。同一个县，可能夏季体感舒适度极高，但冬季湿冷刺骨，也可能春秋两季非常宜人，但盛夏紫外线过强。这种时间维度的分层，就是气候资源评价最核心的输出内容。
1.1 需求变了：流量型旅游开始向停留型康养转型
这个变化不是概念炒作，而是数据驱动的必然结果。早年山区县做旅游，思路基本都是“多来几个景区、多搞几次节庆”，算的是游客人次。到后来大家发现，人次不等于收入，游客来了拍张照就走，对住宿、餐饮、理疗、慢病管理的拉动很有限。真正能带来稳定现金流的是“住下来的人”，而“住下来”的前提，恰好就是气候环境要有持续的可居住性。
我在做评估时，客户方给出的诉求差异就很有意思。文旅部门关心的是“能不能对外宣传避暑胜地”，医疗康养机构关心的是“适合哪种慢性病的疗养期”，地产投资方关心的是“未来旅居产品的卖点能支撑什么价位”。这些诉求最终都要落到一套可量化的气候适宜性数据上。没有这套数据，招商洽谈时只能说“我们这里环境好、空气好”，但说不出“不同月份舒适度如何、适合哪类人群”，说服力大打折扣。
1.2 气候评价解决的核心问题：能不能来、什么时候来、多久来一次
可以更直白地说，气候资源评价就是把“感觉舒服”翻译成可比较、可存档、可决策的指标。比如，一个海拔1200米的山地乡镇，夏季日均气温22到25摄氏度，相对湿度75%到80%，风速1.5米每秒，这种组合对多数老年人就属于“体感凉爽但无闷热压抑感”；如果同样温度，湿度超过90%，风速接近0，体感就会变成“蒸笼”，就不适宜了。差别就在那几项指标的组合。
我在设计这套分析流程时，始终坚持一个原则：不要把评价做成一本谁都不看的统计报告，而是要做成一本“可读的决策手册”。每个乡镇、每个海拔带、每个季节的适宜性结论，都要能被招商、规划、营销部门直接拿去用。这也是我这篇想讲清楚的重点。
2. 选指标不是越多越好，关键是解释“体感”
气候资源评价最怕指标堆砌。有人一上来就列了30多个要素，最后什么都想说，什么都说不清。我常用的做法是先把指标分成三组：第一组是热环境指标，管“体感冷暖”；第二组是气象风险指标，管“极端情况”；第三组是环境品质指标，管“空气质量、负氧离子这些加分项”。核心指标控制在8到12个之间，够用且不冗余。
在热环境这一组里，最有代表性的几个指数需要认真对待：温湿指数（THI）、人体舒适度指数（DI）、风寒指数（WCI）和度假气候指数（HCI）。它们不是相互替代的关系，而是各管一段场景。温湿指数主要反映湿热环境，夏季特别有用；风寒指数在冬季风速大、气温低的山区很重要；度假气候指数则把热舒适、降雨、风速、云量组装成一个综合值，适合做月度横向比较。
2.1 从温湿指数到度假气候指数：常用公式与解读
温湿指数比较常见的算法是：
THI = T - 0.55 × (1 - RH / 100) × (T - 14.5)
其中T是摄氏温度，RH是相对湿度百分比。这个公式看着复杂，本质是：在高温高湿环境下，即使气温没到极端值，人体散热也困难，体感温度会高于实际气温；在凉爽环境下，湿度的影响会小一些。我拿这个指数给非气象背景的人解释时，会直接说“它就是惩罚‘闷热’的”，夏天同样是30摄氏度，湿度60%和湿度90%，计算出来的适宜性差了一整个等级。
人体舒适度指数更常见，国内很多气象服务都在用：
DI = T - 0.55 × (1 - RH / 100) × (T - 26)
这个指数把26摄氏度当成人体热舒适基准点，高于它且湿度大增时，不适感会被放大。DI值在60到70之间通常对应“清爽、舒适”的感觉，超过80就是“炎热、不舒服”。我在实际评估中会做一套按月统计：把气象站多年逐日数据全部算成DI值，再统计每个月“舒适日数”的占比，而不是只拿月平均温湿度出结论。这样能反映一个地方的“舒适稳定性”，而不是“平均来看很舒适”。
度假气候指数HCI在旅游气候评估中用得越来越多。它把热舒适（占比约40%）、降雨（约20%）、风速（约20%）和云量/日照（约20%）四块组合为0到100的分值。划分标准大概是90分以上“非常理想”，80到89“理想”，65到79“可接受”，低于65就属于“越来越勉强”。HCI最大的好处是能跨季节比较，比如某县7月HCI为88，11月为72，那营销资源投放重点就很清楚了。
2.2 让指标回归常识：举个例子
说一个我踩过坑的案例。某次评估西南山区一个县，初步计算各月份温湿指数，发现5月、6月和9月、10月的“平均体感舒适度”几乎一样，都是“舒适”等级。但如果单纯看这个结论，就会认为春秋两季适合推同样的产品。实际上掰开逐日数据一看，5月舒适日数占比超过70%，9月只有50%，因为9月经常出现“白天暴晒、午后雷雨”的天气，体感变动剧烈。这个例子说明，平均值会掩盖舒适度的稳定性问题。
所以我后来在项目里明确规定：每个指标至少要看三组统计值——月均值、逐日舒适日数占比、极端天气频率。少一组都可能导致评估结论失真。这套方法也建议正在做类似分析的人用起来。
3. 数据质量：评价报告的生死线
指标选得再好，数据不干净，结论就不可信。做气候资源评价最常见的数据问题有三个：缺测多、站点分布不均、序列长度不足。尤其山区县，气象站本来就少，海拔差异又大，一个县城站点的数据根本代表不了整个县域。要解决这些问题，必须先做数据质量控制，再考虑空间插值。
3.1 原始气象数据会骗人
很多人下载完气象数据就开始计算，这是大忌。我拿到逐日数据后，第一步是检查异常值。比如夏季出现零下温度、连续多天相对湿度超过100%、风速为负值，这类记录要么是仪器故障，要么是人工录入失误，直接剔除并做插补。第二步是连续性检验，看看月均值有没有不该有的突变。比如某天起气温序列整体变化，很可能是站点迁移或仪器更换造成的。
第三步是基本气候学合理性检验，这需要结合地形和经验。比如一个海拔800米的地方，7月平均气温是28度，明显偏高，就要核对该站是否位于城市热岛强影响区；如果是，这个站点就不适合代表山地康养环境。数据清理很枯燥，但它决定了后续所有指标的可信度。我一直跟团队说，宁可少算十个指标，也不要把坏数据写进正式报告。
3.2 山区地形下的空间插值方法
气象站点再密，也不可能覆盖每个山头。因此要获得整个县域的“气候资源图”，必须做空间插值。这里有一条重要经验：绝对不要用单一的普通插值法直接做气温空间化，尤其在山区。正确做法是把高程作为协变量。
具体流程我通常这样设计：先建立“气温与海拔的回归关系”，用同一时段内多个不同高度站点的数据拟合出递减率；再用插值法处理残差；最后把回归趋势面和残差图层叠加。这样能得到既符合大尺度海拔规律、又保留局地波动特征的结果。常用的空间插值方法中，普通克里金在数据点分布较均匀时表现确实好，但数据少的时候，反距离加权配合高程订正反而更稳。我两张图都会出，放在一起对比，不盲信任何一种。
还有个容易被忽视的点：坡向和地形遮蔽对日照、风速的影响，在山区非常显著。阳坡和阴坡可能相差很大，但这个差异很难通过常规插值体现。顶多能在结果图上做经验修正，比如把阳坡的冬季日照时数适当调高，把山谷地带的冬季风速适当调低。这种修正没有严格数学公式，但比完全不考虑地形细节要可靠得多。
3.3 空气质量和负氧离子怎么纳入数据体系
旅游康养的卖点离不开空气质量，但这个指标比气象要素更难获取。常规气象站不测PM2.5，更不测负氧离子。我在项目里通常用“监测点短期加密观测”的方式补数据：选森林覆盖率高的核心康养区、山腰度假区、县城建成区三个点位，连续监测一段时间，对比三地差异。
负氧离子这个指标要特别小心。很多宣传里把“负氧离子浓度超过X个每立方厘米”当成卖点，实际评估时你会发现，它和天气、时段、植被类型、活动状态的关系极其敏感。雨后清晨浓度可能很高，晴天正午可能骤降；在不同树种下测量的差异也很大。我建议只把负氧离子作为康养环境的“加分项”，不纳入核心适宜性评分，避免数据重现性差导致争议。如果非要纳入，至少要说明测量时段、天气条件和测点环境，否则数据不具备横向可比性。
4. 综合评价模型：层次分析法是主要工具
评价指标很多，最后总要合成为一个结论，否则没法分区。我常用的方法是层次分析法（AHP）加模糊综合评价。层次分析法解决“权重怎么定”的问题，模糊综合评价解决“等级边界怎么划”的问题。这套组合在学术和规划界比较成熟，关键是权重确定的过程要透明、可讨论。
4.1 指标体系设计
以我某次评估为例，指标体系分三层。目标层是“旅游康养气候适宜性”；准则层设四项：气候舒适性、环境品质、极端气候风险、气候景观多样性。其中气候舒适性底下再分温湿指数、风寒指数、舒适日数占比；环境品质底下分空气质量指数、负氧离子浓度、森林覆盖率；极端气候风险底下分暴雨日数、高温日数、大风日数；气候景观多样性则看云雾景观频率、降雪积雪日数、四季分明程度。
这里有一个取舍问题。有人会质疑，森林覆盖率不是气候指标，为什么要放进气候适宜性评价里？我的考虑是，康养适宜性最终面向的是“人的体验”，森林覆盖率直接影响局部湿度、温度波动和负氧离子水平，把它作为环境品质的替代变量是合理的。如果严格限定在气象数据范围内，反而忽略了游客体感的核心影响因素。指标体系的边界，应该跟着“决策需求”走，而不是跟着“学科定义”走。
4.2 权重确定的流程
确定权重时，我一般先让委托方和相关领域的几个人员分别打分，再用层次分析法做群组判断矩阵综合。每个准则层的权重不会完全一致，比如以避暑为核心卖点的县，气候舒适性权重会给到0.5以上；如果该县冬季有温泉资源，极端气候风险的权重就必须提高，因为低温、湿冷直接影响冬季康养体验。
下面给一组我在项目里用过的演示权重，仅作参考，不要直接套用：
| 准则层 | 权重（示例） | 说明 |
|---|---|---|
| 气候舒适性 | 0.45 | 核心体验，夏季和春秋代表性指标 |
| 环境品质 | 0.20 | 空气质量、负氧离子、森林覆盖 |
| 极端气候风险 | 0.25 | 暴雨、高温、大风对康养行程的干扰 |
| 气候景观多样性 | 0.10 | 云海、雪景、四季变化带来的附加吸引力 |
权重要经过一致性检验，一致性比率CR小于0.1才算通过。如果打分矩阵算出来超过0.1，说明打分者之间的逻辑矛盾太多，需要回去调整判断。这一步不能省，否则权重就是拍脑袋。
4.3 综合得分与分级
单项指标量纲不同，要先做归一化处理。正向指标用极差标准化，数值越大得分越高；负向指标如暴雨日数、高温日数则做反向标准化。处理完之后，每个评价单元都得到一组0到1之间的指标值，再乘权重求和，得到综合得分。
分级的时候，我习惯用自然间断点法或者得分百分位数划分四个等级：优先适宜区、适宜区、一般适宜区、不适宜区。划完之后，一定要在GIS里叠加地形图看空间分布是否合理。有一次我划分完发现夏季“优先适宜区”全部集中在山谷低海拔地带，明显不合理——后来排查发现是温度空间化时高程订正系数取错了。这个教训就是，模型输出不等于最终结论，必须回到地图上用常识做人工校验。
5. 把评价结果变成“可卖的产品”
评价报告写得再厚，如果不能用它指导产品设计，就是一堆废纸。做完气候适宜性分区之后，我通常马上进入产品化阶段，把各区域、各月份的适宜性结论转化成游客能感知的东西。
5.1 从适宜性分区到旅游产品日历
最直观的产品化工具是“气候日历”。把每个乡镇或海拔带的适宜期做成一张12个月的彩色表格：深绿色表示“最佳康养期”，浅绿色表示“较适宜”，黄色表示“一般”，灰色表示“不推荐”。这张表一出来，招商和营销部门很快就知道该怎么推产品。
以典型的西南山区县为例，低海拔河谷带的适宜期集中在春秋两季，夏季闷热，冬季湿冷；中山地带夏季凉爽，春秋也还算舒服，但冬季有湿冻期；高海拔区域夏天确实是避暑胜地，但冬春季节气温低、大风多，不适合长期康养。这个“海拔分层、季节错位”的特征，正是产品设计的核心。低海拔河谷适合做春秋旅居和冬季温泉；中山地带适合做夏季避暑、秋季养生；高海拔适合做夏季短时避暑体验和户外活动，不适合宣传为四季康养。
5.2 基础设施配套的气候逻辑
很多规划把大量预算花在景观设施上，却忽略了气候条件对设施选型和运营成本的影响。举个例子，在夏季多雷雨的高山区域建露天康养步道，如果没有避雨设施和防雷设计，游客体验会非常糟糕。再比如，冬季湿冷地区，如果旅居产品没有地暖和防潮设计，评价报告里写的“冬季不适宜”就会被游客用脚投票证实。
我会把气候风险图层叠加到建筑设计建议里：日照充足的阳坡优先布置户外活动区；山谷风大的区域，建筑朝向要避开主导风向；湿度大的区域，通风设计和防霉材料比豪华装修更重要。这些建议不是气象学家的任务，但做气候资源评价的人必须提出边界条件，让规划师和建筑师知道天老爷给了什么限制。
5.3 与当地资源叠加
气候适宜性是必要条件，不是充分条件。一个地方光气候好，没有温泉、森林、水系、特色农业等资源支撑，康养产品也立不住。我一般把气候资源图和森林资源、温泉资源、民族文化资源图做叠加分析，找出“气候适宜且资源丰富”的交集区域，这些区域才是真正应该优先开发的核心片区。
实际操作中经常出现一种情况：某个高海拔区域的夏季舒适度是全季最好，但森林植被覆盖少，水源不足，建设度假设施的成本极高。这种地方就不适合大规模开发，更适合做短时露营地或者生态体验点。反过来，某个中山地带的气候舒适单项评分不是最高，但森林茂密、有温泉、距离城区近，综合开发条件反而最好。“气候不是唯一标准，但它是筛选底盘的筛子。”这话我每次汇报都会说一遍。
6. 实操中反复踩到的坑
最后聊聊实际做这类分析时最常见的几个坑。这些坑我基本都踩过，写出来希望大家能绕开。
6.1 数据时间长度不足是第一个坑
我见过不少只用一年或两年数据就下结论的评估。山区县域气候年际波动很大，一年数据可能正好赶上一个异常偏热的年份或异常多雨的年份，结论很容易跑偏。稳妥的做法是至少使用近10年数据。如果某些新设站点只有三五年数据，可以用邻站较长时间序列做相关订正和延长，但要在报告中注明数据来源和不确定性。
6.2 过度依赖“平均舒适度”
前面已经提到，平均值会掩盖舒适度的稳定性问题。这里再补一个场景：以月均气温算，某县7月23摄氏度，看起来极佳；但逐日数据显示，这个月有8天在午后出现超过32度的高温，同时有5天暴雨天气。这就不叫“宜人的避暑气候”，而叫“波动剧烈的山地气候”。做营销宣传的时候只要按“月均23摄氏度”讲，游客来了很容易产生预期落差，反噬口碑。
6.3 权重设定不讨论就上会
层次分析法的权重看似科学，实际非常依赖主观判断。如果权重设定没有经过当地政府、运营方、医疗康养机构多轮讨论，最后的评分结果很容易被质疑。我的经验是，权重初稿先做出来，然后开一次“挑刺会”，让各相关方说自己最看重的指标是什么。比如医疗背景的人一定会强调温差和极端天气，景区运营方会更看重降水日数和日照时数。平衡这些意见之后，权重才能真正做到为决策服务，而不只是数学模型的自嗨。
6.4 极端天气和气候风险被低估
最后一个坑，也是最重要的一个：很多人只算“舒适日”，不算“危险日”。做康养适宜性分析，必须把极端天气单独拉出来评估，因为康养人群以中老年为主，对高温、严寒、暴雨、雷电的耐受度显著偏低。某山区县春秋气候确实舒服，但6月到8月雷暴日数和短时强降水频率惊人，如果评价报告不提这个风险，后续户外设施和应急处置都会吃亏。
我后来在评价体系里加了一条硬性要求：任何被划为“适宜区”的地方，必须同时满足“极端天气风险低”或“有成熟避险条件”两个条件之一。否则即使舒适度得分再高，也不能直接推荐做长期康养开发。
做了这几年气候资源评估，我个人最大的体会是：气候数据本身不产生价值，产生价值的是它对决策的约束和指引。一个县的气候资源到底适合做什么、不适合做什么，哪些月份该重点营销、哪些月份该降本运营，这些答案都在数据里，但需要有人用正确的方法把它挖出来。如果你正在准备启动类似项目，建议先别急着买设备、跑模型，先把评价目的、服务人群和时间尺度讨论清楚，那比任何一个算法都重要。
