中国城市扩展对气温观测的影响及其高估程度，本文主要内容关键词为：中国论文,气温论文,程度论文,城市论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
修订日期：2009-07-12
1 引言
全球变暖在最近几十年已经成为科学界关注的重点问题。自1979年第一次世界气候大会(FWCC)召开以来，对气候变暖的研究一直没有停歇，并且突破了科学研究领域，由世界气象组织(WMO)、联合国环境署(UNEP)等机构联合建立了政府间气候变化协调委员会(IPCC)。IPCC在其发表的各期评估报告中，均对过去和当前温室气体排放及气候变化做出了评估，同时还对未来大气温室气体浓度及其可能造成的气候变化做出了预测[1-3]。
地球表面气温在20世纪一直保持着升高的趋势，国内外不少专家和学者对这一现象进行了研究。IPCC第三次评估报告中指出全球平均地表温度在19世纪末以来升高了约0.6±0.2℃，北半球气温上升趋势更加明显，增温达1℃以上[2]。中国近百年的气温变化趋势与同期北半球的变化趋势基本一致[4-6]，唐国利等计算了1905-2001年我国年平均气温升高为0.79℃[7]，但是中国在20世纪50年代气温急剧下降，进入一个冷期，直到70年代末期气温开始回升，80年代后期气温急剧上升，90年代达到第二个暖期，然后气温一直呈现上升趋势，因此自50年代以后中国的气温增长趋势高于北半球的平均水平[4，6]。任国玉等计算了1951-2004年中国年平均地表气温变暖幅度约为1.3℃，比全球或者北半球同期高得多，全国大范围的增暖主要发生在近20余年[8]。
土地利用变化产生的城市热岛效应对区域气候，特别是地球表面气温有着直接的影响。城市化使得下垫面的物理特性发生改变，从而改变了水汽和热量的局部循环，导致城市及周边气流、气候环境的改变。因此，城市热岛效应也被广泛地认为是全球升温的原因之一[9-11]。
中国自20世纪70年代末以来，随着经济和社会的发展，城镇用地的空间拓展日益成为现在乃至将来的土地利用变化的主导特征[12-16]。中国的气象观测站点多建于城镇的周边地带，随着城市化进程的加快，许多气象站点所处的位置及其周边环境发生了很大的变化，被动地经历了“进城”的过程。在人口高度密集、工业集中的城市，人类活动排放的热量与其他环境条件的共同作用致使城区气温普遍高于周围郊区的气温。高温的城市处于低温郊区的包围之中，如同汪洋大海中的一个个小岛，因此称之为“城市热岛”现象[14]。城市热岛是在一定气候条件下城市本身的产物，随着城市的规模扩大，对能源的要求和消耗提高，人口、建筑物更加密集，高层建筑与日俱增，增加了建筑的容积率，所有这些因素使城市产生的人为热大大加强。城区内原有的自然植被被水泥、沥青、砖瓦表面所代替，加上高效能的排水系统，使城市产生了类似沙漠的热效应。沿街的高楼大厦形成人工峡谷和人工悬崖峭壁，致使城市的气温、环流、湿度、烟尘颗粒度与郊区大不相同，这就更加有利于城市热岛的形成和加强[17-22]。
城市规模扩大和建筑密度增大等一系列影响局部气候的因素带来的城市热岛效应大大影响了气象站点的观测数据。以往的研究多半忽略了这个问题，或者直接生硬地将城市气象站点的数据舍弃，在评价区域平均气温时间序列时会造成研究结果的高估或低估[23，24]。在进行区域气候和生态系统模拟研究时，经常会利用已有的气象站点观测数据来进行区域上的插值，如果保留原始数据不进行热岛效应的判别和剔除，而恰好城市周边又缺少相应的非城市站点，就会使城市周边地区的插值温度“升高”，从而造成对区域气候、生态系统生产力等科学研究的高估；相反，如果武断地剔除掉城市站点数据，则不能反映城市地区的真实热环境，又会造成相应的低估。因此，气象站点的“进城”及其对区域插值气温的“高估”研究具有十分重要的意义。
在评价热岛效应强度的研究中，一项重要内容是对气象站点进行分类，以往的研究通常是以人口数来区分城市和农村站点。Jones认为人口超过500，000的为城市站点[25]，而农村站点的人口通常少于100，000，这种判别方式有着很大的局限性。首先，对于站点是否位于城市内部，以及站点周边的自然状况等均未加以考虑，另外，判别的出发点并不是落在站点所处位置的物理下垫面的特性上。何剑锋等利用中国资源环境遥感调查数据库中80年代中后期、90年代中期和90年代末期的土地利用变化和土地利用动态数据，对全国700多个气象站点的下垫面进行了判别，从而区分城市和农村站点[26]。这种判别方法是对以往基于社会经济因子的判别方式的改善和提高，充分考虑了站点的下垫面的物理特征，使得城市站点的判定更为可信。
本文是在何剑锋的研究基础上，将研究的时间尺度扩大到1970-2007年；在站点判别方面，为了提高判别的准确性，直接采用不同时期的遥感影像结合实证调研的方式，从站点所处下垫面的物理特性出发，区分城市和农村站点。另外，在研究中采用的气温数据除了中国的756个站点外，还添加了周边国家和地区具有相同测量手段的国际交换站点的相同历史时期的观测数据作为补充，以增加边境区域数据插值的可靠性。
2 数据与方法
2.1 数据来源
(1)日值气温数据 本研究采用的气温数据包括两部分：由中国气象局提供的全国756个气象站点1951-2007年逐日平均气温数据，在研究中选取了自1970年以来的数据，进行了月平均处理并剔除了异常值；为了保证气温数据在空间上的连续性，本研究从NCDC(National Climatic Data Center)发布的GHCN(Global Historical Climatology Network)第二版月值数据中选取了中国大陆边界500 km范围内其它国家和地区的气象站点同时期的观测数据作为补充。
(2)遥感影像 本研究收集到20世纪70年代末的MSS影像、1990年前后的TM影像、2000年和2005年前后的ETM影像。影像数据覆盖了全国气象站点，是判别气象站点下垫面属性的主要依据。MSS影像的空间分辨率为60 m，一共198帧，判别时采用3、2、1波段的合成影像；TM和ETM影像的分辨率均为30 m，其中1990年前后的影像有196帧，2000年前后的影像409帧，2005年前后的影像59帧，均采用4、3、2波段合成影像来进行站点判别。
(3)其他数据 在对不同历史时期气象站点下垫面进行判别时，还参考了20世纪80年代中后期、90年代中期和90年代末期的土地利用变化和动态数据[12]。
2.2 方法
2.2.1 气象站点下垫面的判别和分类 本文在区分城市和农村站点时，摒弃了传统的以社会经济因子如人口数为判断条件的方式，直接从遥感影像上判别站点周围的下垫面是否从像农田之类的自然覆盖转变为水泥、沥青等人工覆盖，以此来确定站点是否“进城”。这样就极大地避免了对城市站点的误判。因为隶属于大城市的站点可能并未设立在城市中心区，或者有着完善的保护措施，周边是具有一定保护和缓冲作用的绿地，或者设立在山顶上；同样也有一些小城市的站点，尽管城市规模不大，但是站点已经完全被包围，气象观测环境遭到了很大的破坏。而基于遥感影像的判别能基本上排除城市规模大小的干扰，完全从站点所处位置的自然环境出发，能较好地识别出真正受到热岛效应影响的站点。
根据中国气象局提供的全国气象站点的地理坐标，首先使用ArcGIS软件对气象站点进行了空间化和投影变换，并对部分遥感影像进行了校正，以使得气象站点的空间分布数据与遥感影像很好地匹配。接下来通过人工判读的方式，对全国700多个气象站点在20世纪70年代末、1990年、2000年和2005年几个时期的下垫面属性进行判别。
在判别过程中，着重于城市化对气象站点所处位置的影响，通过气象站点及其周边一定范围内的下垫面变化情况，将该气象站点定义为城市或非城市站点，并按照影像的时期给出“进城”时间。如图1所示站点，即认为该站点自1999年后“进城”，1999年后的观测数据必然受到城市热岛效应的影响。此外，部分气象站点虽然已经被城区包围，但是城市的规模和建筑密度并不大，并且站点周围采取了一定的保护性措施，仍可认为该站点未受城市化所带来的热岛效应的影响。
图1 宁夏银川站1991、1999和2005年下垫面变化
Fig.1 Underlying surface change of Yinchuan Station in 1991,1999 and 2005
为了进一步验证影像判别的结果，本研究还对全国各气象站点进行了电话咨询，对人工判读的准确性进行了验证。结果表明，人工判读的可信度比较高，基本上符合当地情况；同时电话咨询的结果也证实部分进城站点已经或者正在着手对站点进行搬迁，有些站点正在新老站上同时观测和对比验证。
图2 气象站点的空间分布及其进城时间
Fig.2 Spatial distribution and ′entering city′ period of meteorological stations
经统计，20世纪70年代末进城站点为37个，80年代进城站点增加了40个，90年代增加了51个，2000年以后增加了18个(图2)。从进城站点的空间分布和进城时期上可以看出，这与中国这一时期经济发展的进程直接相关。
气象站点“进城”多发生于华东、华南及沿海地区，特别是在上世纪80和90年代，2000年以后，“进城”现象逐渐向西部内陆地区推进。气象站点“进城”现象在一定程度上反映了中国社会经济和城市化进程的发展和分布特点。
2.2.2 气温数据空间插值 近年来，随着大量的区域性和全球栅格气象数据库的不断建立和完善，气象数据空间栅格化技术和方法也在不断更新和改进。气象信息的空间化技术主要有简单的几何数学模型法，如反距离加权法(IDW)、泰森多边形法，较为复杂的趋势面法和多元回归法，以及更为复杂的空间统计方法和薄片样条技术等[27-29]。
本研究采用了澳大利亚科学家Hutchinson基于薄片样条理论编写的曲面拟合软件ANUSPLIN进行气温数据的空间插值。该软件在空间插值过程中考虑了地形因子对气温的影响，是目前公认较好的气象数据插值方法。ANUSPLIN允许引进多元协变量线性子模型，模型系数可根据数据自动确定，因此可以平稳地处理二维以上的样条，这就为引入多个影响因子作为协变量，进行气象要素空间插值提供了可能。更为重要的是它能同时进行多个表面的空间插值，对于长时间序列的气象数据尤为合适[30-32]。
根据气象站点的下垫面判别结果和进城时间，对气象站点逐年进行筛选，剔除进城的站点，得到一组排除了城市热岛效应的潜在影响的背景气温数据。分别对全部观测数据和背景气温数据进行插值，得到自1970年以来中国大陆地区的两组月平均气温数据，一组采用原始观测数据进行插值，反映了真实气温的空间分布，一组是排除了可能存在的热岛效应的背景气温序列。这两组数据将用于评估热岛效应强度及其对区域气温的高估作用。
3 热岛效应强度评估
3.1 热岛强度计算
热岛效应强度是评估城市化对地表气候状况影响的一个有效因子，其计算方法有两种类型：时间序列法和空间差值法。时间序列法是用城市化后的气温减去城市化前的气温；空间差值法是计算同时期城市气温观测数据与该城市郊区气温观测数据的差值[33]。这两种方法都有着各自的优势和局限性，针对本研究所涉及的空间范围和气温数据特点，采用了何剑锋[24]提出的计算方法来估算热岛强度，公式如下：
将每一年的城市站点的观测数据与背景气温进行叠加，逐月计算出两个温度的差值。从计算结果来看，并不是所有的“进城”站点的HI都大于0，也就是说，在假定插值过程可靠的前提下，对城市和非城市站点的判别仍然可能存在着误差，或者这些城市站点观测环境保护较好。因此，必须通过对城市站点的HI进行统计分析来进一步验证站点判别和热岛效应强度计算的可靠性和准确性。
3.2 统计分析和检验
将1970-2007年分割成1970-1979、1980-1989、1990-1999和2000-2007年四个时期，并将每一年的1-3月、4-6月、7-9月和10-12月分别定义为冬季、春季、夏季和秋季，分时段统计各年各季节城市站点的HI大于0的频率。用i、j、k分别代表站点、年份和季节，首先判断i站点j年k季节的HI值并进行二值转换，得到：
从图3中可以看出，各时期频数等于统计年数的站点的比例较大，这一部分站点完全受到热岛效应的影响；随着频数降低，站点数也逐渐减少，这些站点在统计时期内只是部分年份受热岛效应的影响较为显著。在研究中，我们将每年每个季节的HI均大于0的站点的HI值进行了分年份季节的平均，从而统计出各时期各季节的平均热岛强度。
3.3 热岛效应强度评估
根据统计分析和检验的结果，将每个时期各季节HI大于0的年数等于最大年数，即F=10或F=8(2000-2007)的站点的HI的平均值做为该年该季节的平均热岛强度。
1970-2007年各季节平均热岛强度分别为冬季0.62℃、春季0.43℃、夏季0.41℃和秋季0.61℃，秋冬季节略高于春季和夏季。70年代，平均热岛强度较小，基本上处于平稳状态，没有明显的上升趋势，且各季节之间的差异也较小；80年代以后，各季节的平均热岛强度都开始明显上升，秋冬季节的上升快于春夏，季节间差异逐渐明显。从整个时期来看，各季节平均热岛强度均呈明显的上升趋势，分别为冬季0.020℃/a，秋季0.017℃/a，春季0.011℃/a，夏季0.012℃/a(图4)。
图3 1970-1979、1980-1989、1990-1999、2000-2007四个时期各季节HI大于0的频数
Fig.3 Frequency of HI>0 during four periods:1970-1979,1980-1989,1990-1999 and 2000-2007
图4 1970-2007各季节平均热岛强度及其变化趋势
Fig.4 Seasonal average UHI and its changing trends during 1970-2007
4 热岛效应对区域气温高估的影响分析
热岛效应对区域气温的高估主要表现在城市周边的非城市地带，由于缺少非城市站点，在进行气温数据的空间插值时，这些区域的气温受到城市气象站点气温观测值的影响很大，因此会有一定程度的高估。通过比较全部气象站点和剔除城市气象站点之后进行空间插值的数据，可以识别出热岛效应对区域气温高估的空间分布。逐年逐月的数据对比会表现出较大的差异和波动性，为了反映这种空间分布的统计特征，本文采用对两组数据的年平均气温进行对比的方式来识别气温高估区域。
4.1 各时期气温高估区域的识别和分析
以1970-2007年的真实气温和背景气温的空间数据为基础，分别计算1970-2007、1970-1979、1980-1989、1990-1999和2000-2007几个时间段的年平均气温的均值，然后用实测气温减去背景气温，即得到气温被高估的区域(图5)。
近40年来，全国因城市扩展而带来的热岛效应对区域气温造成的高估现象广泛分布在东部沿海和华北、东北地区。从各个时间段上来看，70年代的高估并不明显，平均高估值也很低，进入80年代以后，气温高估区域开始增多，并且在高估幅度上逐渐提高，90年代和2000年以后，气温高估的广度和深度都有很大的提高(表1)。
根据中国东、中、西部地区的划分，对全国气温高估区域进行分区统计，得到每个历史时期不同地区的气温高估平均值(图6和表1)。自1970到2007年，气温高估总的趋势为东部地区略高于中部地区，东部和中部的气温高估均远高于西部地区。其中，70年代东部和西部地区的气温高估几乎为0，仅有中部的极少数地区存在着平均值不足0.01℃的高估；80年代仍然是中部地区的平均高估值略高，东部地区的高估开始上升；90年代，中部和西部的平均高估值仍在缓慢增长，而东部的平均高估值有了显著提高；2000年以后东部地区的高估与前一阶段基本持平，而中西部的增加相对明显，但仍没有超过东部。
4.2 区域气温高估对增温计算的影响
以往基于地面气温观测数据来进行气候变暖的研究基本上均未考虑城市化和城市扩展对气温观测数据的影响，本研究建立了剔除城市站点的背景气温序列，通过两套气温数据分别对近几十年中国增温幅度进行计算，得到城市化和城市扩展对增温计算的干扰程度。
本文利用1970-2007年年平均气温的空间插值数据，采用最小二乘法对38年的年平均气温倾斜率进行了计算，并以此来计算70年代以来的增温幅度。经计算，1970到2007年真实气温序列的气温变化速率为0.426℃/10a，近40年来的增温约为1.58 ℃；而背景气温的平均增温速率为0.423℃/10a，增温为1.57 ℃。在全国尺度上，两套数据的差值仅为0.01℃，但是区域上的差异比较显著，特别是在受城市化影响较大的东部沿海和一些中部地区的城市群周围(图7)。从图7中可以看出，城市扩展带来的站点“进城”在增温计算中的贡献十分明显，特别是在京津冀、长三角、珠三角等城市群地区有着突出的表现。另外，东北地区、内蒙古部分地区受到的影响也较为明显。在气温被高估的区域周围形成逐渐递减的增温圈层，有些核心地带对增温幅度的贡献高达0.5℃以上。在气温高估区域内对增温幅度的平均贡献为0.09℃，远远高于全国的平均水平。
图6 1970-2007年东中西部气温高估分区统计
Fig.6 Regional statistics of over-evaluated air temperature during 1970-2007
5 讨论与结论
5.1 讨论
城市热岛是城市区域特有的气候现象，它跟城市区域的下垫面特性有着密切的联系，其形成和强度受到土壤、植被组成、透水性等一系列因素的影响，城市内部的建筑环境以及城市内产生的各种人为热也都会改变局部区域的热环境，造成区域上地表气温的差异。
城市热岛效应的评估和监测会因为气象数据和空间尺度的不同而有不同的方法和途径，在大区域尺度上，因为站点的稀疏，每一个站点的观测数据影响范围都比较大。为了准确识别出受热岛效应影响的区域，对站点的下垫面属性的判别非常关键，否则会造成很大的偏差。本研究在这方面做了大量细致的工作，特别是对历史时期的下垫面变化进行了较为详尽的调查，为热岛效应强度的评估及其在区域上的影响范围和程度分析打下了很好的基础。但是，中国的气象站点分布太广，各地的具体情况差异很大，基于遥感影像的判别方式仍然比较单一。另外，气象站点在研究期间内可能已经迁移，通过电话咨询的方式也并不能完全地调查清楚，因此，对气象站点位置的变迁还有待于进一步调查。
由于全国尺度上很难找到足够的城市和农村气象站点对，本文采用的剔除城市气象站点进行空间插值作为背景气温的方法是可行的。但是，在内蒙古、新疆和西藏等边远地区，由于少数的城市站点的剔除，而使得周边区域大范围失去可供插值的站点，因此在评价区域气温高估时，在这些地区会有一定程度的夸大。
本研究在空间插值过程中采用了比较成熟的气象插值方法，而且在计算热岛效应强度时十分依赖插值的结果，因此会受到空间插值的精度和可信度的影响。如何提高最终研究结果的准确性，还需要在空间插值方法上进一步完善。
热岛效应强度的季节差异性与何剑锋的研究基本上是一致的，由于扩大了时间尺度，各季节热岛效应强度都呈现出明显的增长趋势；增长的高峰期出现在80年代以后，这与中国改革开放的经济社会进程是吻合的；在2000年以后，热岛强度仍然处于增长的态势，但是增长趋于平稳。热岛效应强度的阶段性差异与社会发展和人类活动，以及由此带来的土地利用变化有着密切的关系，也有待于进一步的研究和探讨。
图7 近40年来城市化在气温增暖中的贡献
Fig.7 The ascent of air temperature by urbanization in recent 40 years
城市热岛效应在区域上的增温贡献在本研究中得到证实和量化，这些贡献主要集中在城市周边的部分区域，而且随着“进城”站点的增多，贡献区域不断在扩大。这些区域在站点稀疏的边远地区会被夸大，同时，进城站点的气温观测值也真实反映了其所在城市一定范围内的气温状况，因此，本文提取出的气温高估区域应进一步剔除城市区域本身。
5.2 结论
(1)20世纪70年代以来，随着改革开放的不断深入，整个中国的社会经济不断高速发展，城市化进程逐步加快，气象站点出现被动“进城”现象；进城站点的数目持续递增。
(2)通过计算进城站点与背景气温的差值，证实了城市化带来的热岛效应对进城气象站点的气温观测值的影响确实存在。另外，并非所有经遥感影像判别进城的站点均受到明显的热岛效应影响。
(3)热岛效应强度在季节上的差异为秋冬季略高于春季和夏季；各季节的热岛效应强度总体上都呈上升趋势；70年代的变化趋势比较平稳，季节间的差异不明显，80年代以后热岛效应强度开始明显增长，且秋冬季节的上升趋势大于春夏季。
(4)70年代以来，全国因城市扩展带来的热岛效应对气象观测站点产生影响而对区域气温造成了一定程度的高估。从时间上来看，70和80年代这种高估相对较小，90年代以后高估区域和高估程度都有显著提高；从空间分布看，东部沿海地区从70年代到现在上升的趋势较快，2000年以后渐趋平缓，中部地区的上升趋势紧随东部，西部地区整体上增长趋势比较平缓；近年来气温高估的区域和高估程度有从东部向中西部缓慢推移的趋势。
(5)近40年来，中国大陆地区的增温约为1.58℃，其中热岛效应造成的全国气温高估的贡献约为0.01℃；在气温高估区域的贡献达到0.09 ℃。