京津唐城市群土地利用变化的区域增温效应模拟

崔耀平, 刘纪远, 张学珍, 秦耀辰, 董金玮

1 河南大学环境与规划学院，中原经济区“三化”协调发展河南省协同创新中心, 开封 475004 2 中国科学院地理科学与资源研究所, 北京 100101 3 俄克拉荷马大学微生物和植物生物学系空间分析中心, 俄克拉荷马 73019 美国

京津唐城市群土地利用变化的区域增温效应模拟

崔耀平1,2, 刘纪远2,*, 张学珍2, 秦耀辰1, 董金玮3

1 河南大学环境与规划学院，中原经济区“三化”协调发展河南省协同创新中心, 开封 475004 2 中国科学院地理科学与资源研究所, 北京 100101 3 俄克拉荷马大学微生物和植物生物学系空间分析中心, 俄克拉荷马 73019 美国

土地利用变化与大气相互作用，影响区域气候，而城市及其周边地区受人类活动影响很大，成为土地利用变化最为强烈的区域。利用耦合了城市冠层模型的中尺度大气模式(WRF/UCM)，在2008年的初始大气条件和边界条件下，用20世纪70年代后期和2008年两期京津唐地区土地利用资料替换WRF/UCM模式推荐的地表覆盖数据，模拟分析不同土地利用类型及其变化对应的气候差异情况。在此过程中，利用插值方法(ANUSPLIN)得到京津唐及其周边26个气象站点观测气温的插值数据，并以此在时空尺度上对比验证了模式的模拟结果。结果表明：WRF/UCM较好地模拟出了近地表2 m的气温，无论在空间上还是在时间上都表现良好；由城市扩展主导的土地利用变化导致研究区大部分区域的增温幅度大于0.05 ℃，且最大的增温区域出现在城市扩展区，可达1.31 ℃。此外本研究初步探讨了土地利用变化的增温贡献率，结果显示研究区土地利用变化导致增温0.08 ℃，整体贡献率为9.88%，城市扩展区增温0.29 ℃，表示出了城市扩展导致的增温贡献率达到32.75%。

LUCC; 城市热岛; 气候变化; WRF/UCM; 城市扩展

土地利用/土地覆盖(Land Use and Land Cover, LULC)通过生物地球化学和生物物理机制作用于全球气候变化。生物地球化学方面通过改变生物地球化学循环的速率，进而影响大气化学成分；生物物理方面主要通过地表物理参数的改变影响地表能量的吸收和分配，进而影响地表能量平衡。当前土地利用/土地覆盖变化(LUCC)和农业生产已经贡献了25.0%的温室气体[1]；与此同时，LUCC通过引起地表反照率、比辐射率、粗糙度及比热容、蒸散量的变化也对区域热收支和大气流场发挥影响，由此引发区域气候环境发生变化[2]。由于两种机制均对地表气温产生影响，因此要从全球气候变化大背景中区分出来LUCC通过地表物理参数的改变作用于局部气候的信息就显得尤为重要和困难[3]。

城市化进程不仅影响到了区域土地覆盖变化，而且也是影响全球环境变化的一个重要因素。城市周边土地利用类型多样，且转类频繁发生，其常表现为大量的人工建筑景观用地替代原先自然的下垫面(如耕地等)。不断加速的城市化对城市和区域气候有深远的影响[4]。区域气候本身具有开放性和综合性的特征，地表辐射、能量及动能的不同都会直接/间接地影响到近地表气温，最终局地微气象条件、城市冠层、城郊区的大气边界层切换、及大气环流都对温度变化造成一定影响[5- 6]。比如城市热岛(Urban Heat Island, UHI)现象在很大程度上正是这种影响的具体体现[7]。

具体到典型城市群区域，土地利用变化更为明显，其对区域气候的增温影响也最为显著，因此相关的研究也有很多。比如初子莹和任国玉曾利用北京20个台站40a的月平均温度资料，证实了热岛效应的存在，且其对城市气象站记录的地表平均温度的绝对影响也是随时间显著增大的[8]。郭军等应用台站气象观测资料，分析了近40 年天津地区年及四季的气温变化特征及其与城市化的关系。结果显示：天津市年平均气温呈显著增加趋势，市区年平均以及各季平均气温变化幅度明显高于其它各区[9]。任国玉、刘学锋等对北京、武汉、以及河北省区域的气温变化进行的分析表明：近 40 年来，大中城市增温趋势显著，但近 20 年来热岛增温效应对平均温度序列增温的相对贡献却在降低[10- 11]。

耦合城市冠层模块的中尺度气候模式WRF (Weather Research and Forecasting Model)由于其较高的模拟精度而被广为应用。作为新一代中尺度模式，WRF模式很适合开展中小尺度的模拟分析。城市冠层模块(Urban Canopy Model, UCM)最初由Kusaka等提出，后来Chen等又对其进行了发展，并耦合到WRF模式中来研究城市的气候[12- 13]。当前已有很多学者基于WRF/UCM开展研究，国外利用该模式开展了数据同化、城市热岛效应、大气环境等多方面的研究[14- 15]。国内如孟伟光等利用WRF/UCM模拟不同下垫面对城市高温天气及热岛效应的影响[16]；宋静等用其模拟了城市下垫面、城市冠层下垫面和自然下垫面等3种情况下的城市天气过程[17]。这些研究为利用和设置WRF/UCM模块方案提供了很好的参考和借鉴。

京津唐区域是以城市扩展为主导的LUCC典型城市群区域，为了厘清该区LUCC导致的区域温度变化，本研究在WRF/UCM模式支持下，严格限定模式其他条件一致，变换研究区20世纪70年代后期和2008年两期LULC，模拟不同土地利用类型下的地表气温差异；并利用站点实测气温的插值结果，验证模拟效果，最终分析得出研究区LUCC的增温贡献率。

1 研究数据与方法

1.1 研究数据及预处理

1.1.1 气象数据及预处理

ANUSPLIN插值方法是一种公认的比较精确的温度插值方法，已被很多学者进行过温度的插值精度验证，表现良好[18]。ANUSPLIN是由澳大利亚科学家Hutchinison等基于薄盘样条理论开发的，它允许引进多元协变量线性子模型，可以平稳地处理二维以上的样条，还能同时进行多个表面的空间插值，对于时间序列的气象数据尤其适合[19]。

为了对比验证对2008年模拟的温度值，本研究用京津唐区域及其周边26个气象站点的观测气温数据，利用ANUSPLIN插值，输出日步长的气温空间数据(图1)。

图1 26个气象站点图Fig.1 The 26 Meteorological observation sites

1.1.2 两期LUCC数据及预处理

本研究用到1970s和2008年两期京津唐区域1∶10万的LULC数据，原数据分类标准为中国科学院土地资源遥感分类系统[20]。利用两期LULC矢量数据和1∶1万城市主城区内部功能结构矢量数据[21]，参照USGS的土地覆盖类型划分标准，归并后转换为1 km栅格，得到了WRF模式所需的土地利用数据[22]。具体类别转换规则为：在城市主城区内部依照其功能结构和Google Earth影像辅助划分为高、低密度住宅区；在其他区域参照LULC类型进行归类：LULC的水田归为灌溉农田/牧场；旱田归为旱作农田/牧场；高中低覆盖草地归为草地；有林地归为落叶阔叶林；中高山有林地归为混交林/常绿针叶林；灌木林归为灌木林；疏林地归为混合灌木/草地；水域归为水体；沼泽地归为湿地；城镇用地归为城市和建筑用地；农村居民点、其他建设用地及未利用土地归为干裸地和稀疏植被地(图2)。

1.2 模拟方案

本研究采用最新的ARW-WRF 3.3 (Advanced Research WRF)开展相关模拟。选取单层城市冠层模块UCM，其最基本的特征是对城市区域的3种表面(屋顶、墙壁、道路)分别建立能量平衡关系，在此平衡关系的基础上求解温度，并且还考虑到了建筑物与外部大气之间的热量传送以及道路下面与道路上面的热量传导。

本研究进行了两组试验，分别是用2008年和1970s的土地利用数据替换掉最内层的WRF模式推荐的地表覆盖类型数据。为保证本研究的模拟精度，以研究区为中心区域设定三重嵌套：D01、D02和D03的格距分别为27、9和3 km，积分步长90 s。模式所需侧边界强迫数据及海冰、海温、土壤湿度数据等均由6h间隔的NCEP/FNL再分析资料提供。采用的基本方案及其相关说明如表1所示[23]。

表1 WRF/UCM若干设定及相关说明Table 1 The several settings and explanations in WRF/UCM

选取内层的京津唐城市群区域作为典型城市扩展研究区，利用两组方案模拟得到的近地表2 m气温结果，及其分别对应的LULC资料展开分析。

2 模拟结果的对比验证

对应本研究的主要目的，这里用研究区及其周边26个气象站点2008年的实测气温日值的ANUSPLIN插值结果，对WRF模式模拟的近地表气温(2 m)结果展开对比验证。

以年平均值的空间分布来说，ANUSPLIN插值和WRF模式模拟的近地表气温结果都可以反映出京津唐的温度趋势：两者从西北到东南温度均呈现升高趋势，温度等值线均依次从6 ℃升高到9 ℃和12 ℃(图3a, b)。图3还选取2008年1，4，7，10等4个月份的温度平均值加以显示(图3c—j)，从中可以看出，同年均值表现出来的一样，两者反映出来的气温空间变化趋势基本一致。虽然在最值上有1—3 ℃的差别，但是从西北部的高原、山区到东南部的平原地带，空间格局均具有明显的一致性。从细节上看，唐山市西北部、延庆县城一带稍高于周边温度的情况也都能反映出来，说明WRF合理地模拟出了的研究区的近地表气温。

同时，由于输入数据和算法存在差异，两种方法获取的空间气温也各具特点。图3a显示：气象站插值的结果更多体现出来了海拔和地形的影响，而受限于气象站点的数量和空间分布，在区域上来看，并不能完全反映出地表覆盖类型对温度的影响。图3b显示出WRF模式在模拟近地表温度时，综合考虑了多种气象和地表覆盖类型等，其结果可以更好地反映出一些下垫面的细节。北京、天津等城市主城区的温度明显区别与周边郊区地带，热岛效应被很好地模拟出来。此外，一些湿地等区域具有的较低气温格局信息也被成功模拟出来。

研究区2008年整体气温值比较如下：WRF模拟的最大和最小温度值分别为15.26和0.68 ℃，而对应的AUSPLINE插值结果为13.64和1.37 ℃；WRF模拟的气温平均值为11.10 ℃，而插值得到的为10.85 ℃，两种方法的平均温差为0.25 ℃；两种方法获取的气温差值绝对值几乎都在0.5 ℃以下，两者的一致性程度非常高(图4)。

综上时空对比结果，说明WRF模式较好地模拟出了近地表气温的空间格局及时间变化，其在本研究的应用中具备合理性和可靠性。

图3 WRF/UCM模拟的2008年4个典型月份及气温年均值的分布格局Fig.3 The spatial pattern of air temperature modelled by WRF/UCMa：ANUSPLIN插值的年平均气温，b：WRF模式模拟的年平均气温，c：ANUSPLIN插值的1月份平均气温，d：WRF模式模拟的1月份平均气温，e：ANUSPLIN插值的4月份平均气温，f：WRF模式模拟的4月份平均气温，g：ANUSPLIN插值的7月份平均气温，h：WRF模式模拟的7月份平均气温，i：ANUSPLIN插值的10月份平均气温，j：WRF模式模拟的10月份平均气温

3 LUCC的区域增温效应

3.1 区域温度的差值分析

研究区经过近30年的发展，2008年的城市土地增长了2倍多，增长了2.1倍；而相应地林草地的面积减少3.75%；水体湿地面积减少20.99%；干裸地和稀疏植被区减少了25.60%。为真实反映这种地表覆盖变化所导致的温度差异，首先对模拟结果进行t检验(Student′st-test)，认为满足95.0%置信区间的栅格才具有统计学意义。考虑了满足t检验的结果(图5a)显示：研究区20世纪70年代对应的模拟温度年均值分别为11.02 ℃，2008年的为11.10 ℃，整体增温0.08 ℃，其中，最大增温区域出现在城市扩展区，平均增温0.29 ℃，最大增温可达1.31 ℃(图5b)。

图4 模拟的2008年研究区平均温度的月变化Fig.4 The monthly variation of simulated temperature of 2008

京津唐区域的气温变化具有空间异质性，城市扩展区增温作用明显，且地表覆盖作用于气温具有季节差异性。图5给出了20世纪70年代后期和2008年两期土地利用类型对应的气温模拟结果值。图5a和图5b分别为两期时间对应温差通过t检验的区域(用浅灰色小方格标注)及温度年均差。从气温的年均差值来看，空间分布的规律性比较明显，北京、天津和唐山等城市市区及其新扩展区域温度均有明显升高，尤其以新扩展城区为甚，比较清楚地显示出城市扩展对温度的巨大影响。图5c是1月份的温差，增温区域也主要是城市扩展区，分布在京津唐主城区周边及部分新增的居民建设用地，而在其余区域的温度值变化并不大。4月份的情况与1月份稍有不同，整体均呈现出增温趋势，但增温幅度最大的也以新增扩展区为主(图5d)。7月份温差的空间分布格局与1月和4月份明显不同，大幅增温的区域不仅出现在城市扩展区，还进一步扩大到整个市区，尤其以北京、天津等较大城市主城区为主，其温度增加值均在1.0 ℃以上，最大可达1.47 ℃(图5e)。10月份反映出秋季情况，此时温度大幅升高的区域也以城市周边扩展区为主(图5f)。其中在7月份，由于夏季整体的温度值较高，城市化导致的增温效应在较大范围内表现出来。

图5 城市扩展前后温差的空间分布Fig.5 The spatial distribution of temperature differences in different urban sprawl stagesa: 温差t检验通过0.05显著性水平的区域，b: 1970s后期和2008年的温度年均差，c: 1970s后期和2008年1月份的温差，d: 1970s后期和2008年4月份的温差，e: 1970s后期和2008年7月份的温差，f: 1970s后期和2008年10月份的温差

对应空间数据的分析，温差的幅度也随时间有所不同。就四季平均值来看，春季增温0.8 ℃，夏季增温幅度最大，为0.15 ℃，秋季增温幅度最小，为0.01 ℃，而冬季为0.05 ℃。此外，图5也显示出在一些区域，LUCC起到了降温作用，如在研究区的东北和西南等栅格区域。说明虽然京津唐区域的土地利用变化是以城市化为主导，但是该区域的某些土地利用变化仍会带来一定的降温效应，且在远离城市群的某些区域被明显地表现出来。总之，LUCC导致的增温幅度最大的区域分布在城市扩展区，其次为城市旧城区，再次为城区外围的近郊区，也即是城区受城市扩展的影响最大，增温也最明显，而外围区域相对增温幅度较小。

3.2 LUCC的增温贡献率初探

为了量化两期土地利用类型及其转类对应的温度变化情况，表2逐一给出了各种情况对应的温度变化值。注意：根据WRF/UCM模式的输入要求，这里的城镇土地利用类型为包含大城市主城区及其周边一定范围内的较大城镇建设用地；对其他土地利用类型也稍作了调整，表中的其他土地利用类型包括了非城市主城区的乡村居民点、工矿用地及部分裸地等(图6a)。从表中可以看出：当城镇土地利用类型不发生变化时，由于周边的城市扩展及其他土地利用类型的变化，依然导致了原有城区的温度升高0.43 ℃。这充分说明了城市扩展巨大的升温效应，且几乎所有的类型转换均呈现增温，大部分增温幅度大于0.05 ℃。

表2 土地利用类型变化及其对应的温度变化Table 2 The temperature changes of different land use changes

本研究根据1970s到2008年的LUCC对应的温度变化值，利用各转类的面积比例做加权求算不同土地利用类型及其转类的增(/降)温效应(表2)。整体来讲，转类到城镇类型，即代表着城市扩展区域的增温效应可达0.29 ℃，这也是各转类类型增温效应的最大值。其余的增温效应依次为：到其他>到耕地>到水体>到林地>到草地。没有发生转类的各土地利用类型的增温大小分别是城镇0.43 ℃，耕地、水体0.07 ℃，林地0.05 ℃，其他0.04 ℃，草地0.03 ℃。同时，除了在某些远离城镇的小范围区域内，研究区整体平均情况下没有出现降温效应(负值)的主要原因可以归结于该区存在能大幅度增温效应的城市扩展情况、城镇用地和裸地覆盖面积增加所致(他们的增温效应分别达到了0.29和0.09 ℃)，由此，其实又体现出大气温度受到的综合影响，也即要考虑温度升高区的影响范围、程度及干扰因素，比如会受到与这些转类发生区域相距远近，风速风向及海拔等气象及地表因素的诸多影响。要注意的是：这个增温值既包含了自身类型没有发生变化的区域的增温，又包含其他不同类型的转换。虽然其综合了各土地利用类型及其转类的温度变化信息，基本反映出不同土地利用类型变化的增温效应大小，但是受限于转类前的类型及其转类面积的影响，单纯看此指标也具有一定的片面性。

为了探讨和分析LUCC的增温效应，这里引入LUCC增温贡献率的概念。本研究认为前文获取的温度增加值是由LUCC引起的地表水热通量变化导致的，而京津唐区域2008年和1970s (1975—1978年的平均值) ANUSPLIN插值结果的年均差为现实的综合增温幅度，既有LUCC的影响，又有大气温室气体作用，也有人为热、气溶胶等的影响，因此两者的温差之比简单表示了LUCC的增温贡献率。

图6 研究区土地利用变化及模拟的温差与ANUSPLIN插值的温差之比Fig.6 The LUCC and the ratio of D_values of simulated temperature and interpolated temperature

城市扩展为主导的LUCC在京津唐地区的增温效应存在空间异质性，相似地，其增温贡献率也存在明显的空间差异。图6b给出了WRF模拟的温差与ANUSPLIN插值得到的温差之比，从中可以看出LUCC增温贡献率的大小及空间分布。同前面的分析一致，增温贡献率最大的区域仍分布在城市扩展区，甚至大于0.5；其次为旧城区，增温比例大部分大于0.1，北京主城区甚至在0.3—0.5之间。值得注意的是，LUCC在北京市北部区域的增温贡献率很大，在0.1—0.3之间。虽然整体处于增温态势，但LULC转类多种多样，一些转成水体、林地等的类型仍旧会有一定范围内出现降温效应。因此，部分区域的比值小于0，即意味着该区域出现一定的降温作用。要说明的是这个结果有一定不确定性，因为插值温度和WRF模拟温度在空间上并非一一对应，会造成一些区域的增温贡献比值偏大或偏小，而这种偏差信息尚无法量化表达。

统计结果显示：京津唐区域2008年插值的温度平均值为10.85 ℃，1970s后期是10.04 ℃，两者相差0.81 ℃，其中城市扩展区域增温0.89 ℃，这是综合增温值。而WRF模拟的研究区整体增温0.08 ℃，城市扩展区的增温效应是0.29 ℃。因此，LUCC的增温贡献率在京津唐地区整体为9.88%，而城市扩展的增温贡献率达到了32.75%。在绝大部分区域，LUCC的增温贡献率在0.0%—30.0%，其中大部分在10.0%以内，占到整个京津唐地区的71.0%，另有14.0%区域的增温贡献率在10.0%—30.0%之间。

4 讨论和结论

4.1 讨论

土地利用变化导致了地表不同热力及动力特征，从而对气候产生影响。中国近代历史时期(1700 年以来)以森林砍伐、草地退化及耕地、城镇用地面积扩大为主的土地利用变化可能会对中国区域降水、温度产生了显著影响[24]。然而土地利用变化与黑炭、气溶胶等通过反照率等引起的辐射强迫在-0.20 [±0.20]-0.10 [±0.1]W/m2，且存在较大不确定性[25]。相对而言，城市扩展引起的热岛效应则是一个较为明显的气候变化特征。在世纪尺度上，城市化对某些区域带来的升温值大约为0.5 ℃[26]。中国的城市热岛强度1991—2000年间增长了0.11 ℃左右[27]，近40年中国城市扩展的增温贡献大概为0.01 ℃，在某些城市群可达0.09 ℃[14]，也有学者认为中国的热岛效应在近50年贡献不到0.06 ℃[28]。以上研究受限于不同的数据和方法，结果虽有差异，但结论均显示出城市扩展的热岛效应及其对区域气温的巨大影响。

对比他人的研究结果来看，本研究的结论处在合理范围。多位学者用详实的气象站点观测资料研究证实在中国大陆地区，国家级气象台站年均地面气温的上升趋势中，至少有27.3%可归因于城市化的影响。就华北地区而言，城镇化造成的增温贡献率达到了37.9%[29- 30]。以上研究的城镇化影响是包括了城市扩展和人为热等因素的综合影响，京津唐城市群地处华北，而本研究得到其LUCC导致增温了0.08 ℃，整体增温贡献率为9.88%，城市扩展区增温0.29 ℃，单纯由城市扩展导致的增温贡献率达到了32.75%。本研究基于2008年的气象场，实际上，土地利用变化不仅使温度变化，还能引起基本流场的变化，从而在较大范围内影响大气状况[24]；模拟的气温值直接对比气象站观测气温数据，有0.5 m高度的误差。将来可以用模式模拟的综合增温结果代替观测气温的插值结果，分析贡献率问题。这样虽会重复引入模式噪音，但差值处理本身会消除大气背景场及噪音信息，对模拟的分析和解释也将更为充分。基于模拟的研究本身得到的值在方向和趋势上具有意义，而对具体的数值不赞成直接被作为确定的结果来引用。

4.2 结论

LUCC特别是城市扩展引起地-气相互作用因子量值发生变化，进而影响着天气过程并导致区域气候变化。中国自20世纪70年代末以来，随经济和社会的发展，城镇用地的空间拓展日益成为现在乃至将来土地利用变化的主导特征。本研究选取城市扩展主导的LUCC典型区-京津唐城市群区域，模拟分析LUCC对区域气候的影响，取得了如下基本结论：

(1) 气温的ANUSPLIN插值结果和WRF/UCM模拟结果对比验证表明，WRF/UCM可以较好地模拟出2008年近地表2 m的大气温度，无论在空间上还是在时间上都表现良好。

(2) 两期温差分析表明，由城市扩展主导的LUCC导致了研究区温度的整体升高，且大部分区域增温幅度大于0.05 ℃，最大的增温区域出现在城市扩展区，最大增温幅度可达1.31 ℃。

(3) 研究区整体增温0.08 ℃，城市扩展区域的增温幅度达到了0.29 ℃，相当于同期气象观测升温数值的9.88%和32.75%，表示出了土地利用变化及城市扩展对该区气温升高的贡献率。

[1] Anderson-Teixeira K J, Snyder P K, Twine T E, Cuadra S V, Costa M H, DeLucia E H. Climate-regulation services of natural and agricultural ecoregions of the Americas. Nature Climate Change, 2012, 2: 177- 181.

[2] Pielke Sr R A, Adegoke J, Beltran-Przekurat A, Hiemstra C A, Lin J, Nair U S, Niyogi D, Nobis T E. An overview of regional land-use and land-cover impacts on rainfall. Tellus B, 2007, 59(3): 587- 601.

[3] Yang X C, Zhang Y L, Liu L S, Zhang W, Ding M J, Wang Z F. Sensitivity of surface air temperature change to land use-cover types in China. Science in China (Series D: Earth Sciences), 2009, 52(8): 1207- 1215.

[4] Zhou L M, Dickinson R E, Tian Y H, Fang J Y, Li Q X, Kaufmann R K, Tucker C J, Myneni R B. Evidence for a significant urbanization effect on climate in China. Proceedings of the National Academy of Sciences of the United States of America, 2004, 101(26): 9540- 9544.

[5] 张学珍, 郑景云, 何凡能, 王鐯森. MODIS BRDF/Albedo 数据在中国温度模拟中的应用. 地理学报, 2011, 66(3): 356- 366.

[6] 崔耀平, 刘纪远, 胡云锋, 王军邦, 匡文慧. 城市不同下垫面辐射平衡的模拟分析. 科学通报, 2012, 57(6): 465- 473.

[7] 陈爱莲, 孙然好, 陈利顶. 基于景观格局的城市热岛研究进展. 生态学报, 2012, 32(14): 4553- 4565.

[8] 初子莹, 任国玉. 北京地区城市热岛强度变化对区域温度序列的影响. 气象学报, 2005, 63(4): 534- 540.

[9] 郭军, 李明财, 刘德义. 近 40 年来城市化对天津地区气温的影响. 生态环境学报, 2009, 18(1): 29- 34.

[10] Ren G Y, Chu Z Y, Chu Z H, Ren Y Y. Implications of temporal change in urban heat island intensity observed at Beijing and Wuhan stations. Geophysical Research Letters, 2007, 34(5), doi:10. 1029/2006GL027927.

[11] 刘学锋, 于长文, 任国玉. 河北省城市热岛强度变化对区域地表平均气温序列的影响. 气候与环境研究, 2005, 10(4): 763- 770.

[12] Kusaka H, Kimura F. Coupling a single-layer urban canopy model with a simple atmospheric model: Impact on urban heat island simulation for an idealized case. Journal of the Meteorological Society of Japan, 2004, 82(1): 67- 80.

[13] Miao S G, Chen F, Li Q C, Fan S Y. Impacts of urban processes and urbanization on summer precipitation: A case study of heavy rainfall in Beijing on 1 August 2006. Journal of Applied Meteorology and Climatology, 2011, 50(4): 806- 825.

[14] Chen F, Kusaka H, Bornstein R, Ching J, Grimmond C S B, Grossman-Clarke S, Loridan T, Manning K W, Martilli A, Miao S G, Sailor D, Salamanca F P, Taha H, Tewari M, Wang X M, Wyszogrodzki A A, Zhang C L. The integrated WRF/urban modelling system: development, evaluation, and applications to urban environmental problems. International Journal of Climatology, 2011, 31(2): 273- 288.

[15] Ching J, Brown M, McPherson T, Burian S, Chen F, Cionco R, Hanna A, Hultgren T, Sailor D, Taha H, Williams D. National urban database and access portal tool. Bulletin of the American Meteorological Society, 2009, 90(8): 1157- 1168.

[16] 蒙伟光, 张艳霞, 李江南, 林文实, 戴光丰, 李昊睿. WRF-UCM在广州高温天气及城市热岛模拟研究中的应用. 热带气象学报, 2010, 26(3): 273- 282.

[17] 宋静, 汤剑平, 孙鉴泞. 南京地区城市冠层效应的模拟试验研究. 南京大学学报: 自然科学, 2009, 45(6): 779- 789.

[18] Shao Q Q, Sun C Y, Liu J Y, He J F, Kuang W H, Tao F L. Impact of urban expansion on meteorological observation data and overestimation to regional air temperature in China. Journal of Geographical Sciences, 2011, 21(6): 994- 1006.

[19] Hijmans R J, Cameron S E, Parra J L, Jones P G, Jarvis A. Very high resolution interpolated climate surfaces for global land areas. International Journal of Climatology, 2005, 25(15): 1965- 1978.

[20] 刘纪远. 中国资源环境遥感宏观调查与动态研究. 北京: 中国科学技术出版社, 1996.

[21] 匡文慧. 多尺度城市土地利用变化时空信息分析与情景模拟: 以京津唐都市圈为例 [D]. 北京: 中国科学院地理科学与资源研究所, 2009.

[22] Liu J Y, Liu M L, Tian H Q, Zhuang D F, Zhang Z X, Zhang W, Tang X M, Deng X Z. Spatial and temporal patterns of China′s cropland during 1990- 2000: An analysis based on Landsat TM data. Remote Sensing of Environment, 2005, 98(4): 442- 456.

[23] 胡向军, 陶健红, 郑飞, 王娜, 张铁军, 刘世祥, 尚大成. WRF模式物理过程参数化方案简介. 甘肃科技, 2008, 24(20): 73- 75.

[24] 李巧萍, 丁一汇, 董文杰. 中国近代土地利用变化对区域气候影响的数值模拟. 气象学报, 2006, 64(3): 257- 270.

[25] IPCC. Climate Change 2007: The Physical Science Basis. Geneva, 2007.

[26] Jones P D, Groisman P Y, Coughlan M, Plummer N, Wang W C, Karl T R. Assessment of urbanization effects in time series of surface air temperature over land. Nature, 1990, 347(6289): 169- 172.

[27] He J F, Liu J Y, Zhuang D F, Zhang W, Liu M L. Assessing the effect of land use-land cover change on the change of urban heat island intensity. Theoretical and Applied Climatology, 2007, 90(3- 4): 217- 226.

[28] Li Q, Zhang H, Liu X, Huang J. Urban heat island effect on annual mean temperature during the last 50 years in China. Theoretical and Applied Climatology, 2004, 79(3- 4): 165- 174.

[29] 任玉玉, 任国玉, 张爱英. 城市化对地面气温变化趋势影响研究综述. 地理科学进展, 2010, 29(11): 1301- 1310.

[30] 周雅清, 任国玉. 华北地区地表气温观测中城镇化影响的检测和订正. 气候与环境研究, 2005, 10(4): 743- 753.

Modeling urban sprawl effects on regional warming in Beijing-Tianjing-Tangshan urban agglomeration

CUI Yaoping1,2, LIU Jiyuan2,*, ZHANG Xuezhen2, QIN Yaochen1, DONG Jinwei3

1CollaborativeInnovationCenterforthe“ThreeModernization”HarmoniousDevelopmentofCentralPlainsEconomicRegion,CollegeofEnvironmentandPlanning,HenanUniversity,Kaifeng475004,China2InstituteofGeographicSciencesandNaturalResourcesResearch,ChineseAcademyofSciences,Beijing100101,China3CenterforSpatialAnalysis,DepartmentofMicrobiologyandPlantBiology,UniversityofOklahoma,Oklahoma73019,USA

Land use and land cover change (LUCC) significantly influence regional climate as a critical aspect in the land-atmosphere interaction system. Cities and their surrounding regions tend to experience more intensive LUCC due to the high population and human activities. And the accelerating LUCC and urbanization has become an important factor which affect regional even global temperature change. In some developed countries, the space expansion rate and population growth rate all are low level. However, from the point of view of a long time (decades) and worldwide, the processes of urbanization are sustainably increasing observably. As a developing country, China is undergoing rapid urbanization, which is characterized by not only the extension of urban economy and population but also the expansion of urban land (urban sprawl). Urban sprawl is often presented by the conversion from original natural underlying surface to artificial architectural landscape land. Comparing with some developed countries (such as the United States) which have higher urbanization level but lower urban sprawl rate due to lower population growth rate, China is experiencing an urban sprawl process with high area ratios and magnitudes. The change process will have profound impacts on regional climate, revealed by the urban heat island (UHI) effect. Different land use types have different biophysical characters and processes, the emission of greenhouse gases only is one factor of the climatic change, the differences of surface radiation, energy and kinetic energy will directly or indirectly affect the near-surface energy balance, the local micro-meteorological conditions, the urban canopy layer, the atmospheric boundary layer and atmospheric circulation in urban and suburban areas, and affect the regional temperature changes finally. In this study, WRF/UCM (Weather Research and Forecasting Model / Urban Canopy Model), a meso-scale atmospheric model, which couple with an urban canopy model, was used to simulate the differences of near surface air temperature according to the different underlying surfaces, namely the land use/land cover types of 1970s and 2008 in Beijing-Tianjin-Tangshan region were used to replace the land cover data recommended by WRF itself. All the process were based on the meteorological field of 2008 and the other conditions all were the same. In the process, ANUSPLIN method was used to get interpolation data of observed temperature collected by 26 meteorological stations in the study area and its surrounding area. The study results showed that: WRF/UCM performed well on simulating the air temperature, both in the temporal or spatial scale. Almost all of the land use type transformations presented warming trend because the LUCC was dominant by urban sprawl in the area. And the warming extent over 0.05 ℃ in most of the study area. The largest warming region appeared in the urban expansion regions, up to 1.31 ℃. The entirety warming extent of the study area led by LUCC was 0.08 ℃, indicating that the warming contribution ratio of LUCC was 9.88%. Meanwhile, the warming extent of the urban expansion regions was 0.29 ℃, showing that the warming contribution ratio caused by urban sprawl up to 32.75%.

LUCC; Urban heat island; climate change; WRF/UCM; Urban sprawl

国家自然科学基金(41371409,14101504,41171438); 国家重点基础研究发展计划(2014CB954302)；河南大学青年科研人才种子基金资助

2013- 05- 19;

2014- 07- 15

10.5846/stxb201305191114

*通讯作者Corresponding author.E-mail: liujy@igsnrr.ac.cn

崔耀平, 刘纪远, 张学珍, 秦耀辰, 董金玮.京津唐城市群土地利用变化的区域增温效应模拟.生态学报,2015,35(4):993- 1003.

Cui Y P, Liu J Y, Zhang X Z, Qin Y C, Dong J W.Modeling urban sprawl effects on regional warming in Beijing-Tianjing-Tangshan urban agglomeration.Acta Ecologica Sinica,2015,35(4):993- 1003.