中国大陆272个城市地面和冠层城市热岛强度的长期趋势

关键词：热岛，城市化，遥感，大气温度，地表温度

概要

城市冠层热岛（CLUHI）和地表城市热岛（SUHI）分别指城市地区冠层温度和地表温度高于农村地区。在区域范围内，对城市冠层热岛的长期趋势知之甚少。本研究利用卫星资料和台站气温资料，绘制了2001-2018年中国大陆1 km分辨率的气温（Ta）数据。随后，对中国大陆272个城市的CLUHI和SUHI强度（分别为CLUHII和SUHII）的时间趋势进行了研究。气温的估计精度很高，均方根误差在0.370 ℃到0.592 ℃之间。春夏季一半以上的城市CLUHII和SUHII显著增加，秋季超过三分之一，冬季超过五分之一。

夜间SUHII的变化趋势与用平均值和最小气温计算的CLUHII有较强的相关性（相关系数在0.613-0.770之间），而白天SUHII和CLUHII的变化趋势之间的关系相对较弱。人类活动是CLUHII和SUHII增加的主要驱动力。城市和农村地区不透水表面的差异与大约一半城市的CLUHII和SUHII显著相关。少数城市的CLUHII和SUHII与气象因子显著相关。这项研究突出了中国大陆CLUHII和SUHII显著增加的趋势，这可能对人类和环境产生负面影响。

亮点

• 调查了中国大陆272个城市CLUHII和SUHII的时间趋势。
• 春季和夏季，超过一半的城市CLUHII和SUHII显著增加。
• 人类活动是CLUHII和SUHII增加的主要驱动力。

1.引言

在过去的几十年里，快速的城市化强烈地改变了地球表面。这可能会导致城市地区的地下、地表和气温（Ta）比周围农村地区更高。这种现象被称为城市热岛效应，它可以影响人类的舒适和健康（Patz等人，2005），增加能源消耗（Santamouris等人，2001；Akbari等人，2015），并改变水和空气质量（Lai和Cheng，2009；Grimm等人，2008）。为了支持适应策略的设计，需要对城市热岛效应有一个全面的理解。

城市热岛一般可以分为三种类型，即地下城市热岛（SubUHI）（Zhan等人，2014）、地表城市热岛（SUHI）（Zhou等人，2019）和冠层城市热岛（CLUHI）（Pichierri等人，2012）。SUUHI、SUHI和CLUHI分别指与附近农村地区相比，城市地区的次表层温度、表层温度和冠层温度较高。SubUHI可以由观测站监测，并通过卫星遥感进行模拟。对SubUHI效应的分析是具有挑战性的，而且只在少数研究中进行（Zhan等人，2014）。SUHI效应通常由卫星遥感监测，卫星遥感提供空间上连续的陆地表面温度（Ts）数据。SUHI效应的时空变化已被广泛研究（Du等人，2016；Peng等人，2018；Peng等人，2012；Yao等人，2019；Zhou等人，2014）。例如，Yao等人（Yao等人，2019）调查了2001年至2017年全球397个城市的SUHII强度（SUHII）趋势。42.1%和30.5%的城市白天SUHII和夜间SUHII有显著增加的趋势。乡村植被覆盖率的增加是白天SUHII增加的重要驱动因素（Yao等人，2019）。CLUHI效应通常是利用来自距地面两米的气象站的气温据来研究的（Hu等人，2019；Voogt和Oke，2003）。气象站的气温数据具有较高的时间分辨率和精度，但在空间上具有不连续性。一些先进的方法也被用来分析CLUHI效应。一些研究使用了数值模型（Li等人，2019；McCarthy等人，2010；Oleson等人，2010）。例如，Li等人（Li等人，2019）首先使用天气研究和预报模型创建了1公里分辨率的气温图，然后在德国柏林分析了CLUHI强度(CLUHII）。结果表明，夜间CLUHII显著(1.62 ℃），白天CLUHII不明显(-0.04 ℃）。一些研究首先利用卫星变量映射气温数据和观测气温数据，然后分析CLUHI效应(Li和Cha，2019b；Liu等，2020）。例如，Li和Cha首先开发了一个1公里分辨率的Ta数据集，然后分析了中国32个城市的CLUHII。结果表明，白昼CLUHII为0.2 ℃-2.2 ℃，夜间CLUHII为0.3 ℃-2.4 ℃，白天和夜间CLUHII的变化范围分别为0.2 ℃-2.2 ℃和0.3 ℃-2.4 ℃。这些方法既保留了气象站监测的优点（如高时间分辨率），又弥补了气象站监测的缺点（如空间不连续性），因而具有广阔的应用前景。

关于对人类健康的影响，CLUHI效应可能比SUHI效应更重要，因为人类皮肤直接接触大气而不是陆地表面（Anniballe等人，2014；周等人，2016）。CLUHI效应及其相关决定因素的时空变化已被广泛研究（Arnfield，2003；Li等人，2019；Li和Cha，2019b；Liu等人，2020；Oke，1981；Pichierri等人，2012）。然而，目前对CLUHI效应的研究还存在一些空白。例如，在区域范围内，对CLUHI效应及其相关驱动因素的长期趋势仍然知之甚少。通过使用气象站观测到的气温数据，一些研究发现，在过去几十年中，CLUHI效应显著增强（Liao等人，2007b；Ren和Zhou，2014；Ren等人，2008；Yang等人，2011；Varquez和Kanda，2018；Park等人，2017；Founda等人，2015）。然而，这些研究大多只分析了区域平均CLUHI效应，而没有揭示CLUHI效应趋势的驱动因素。此外，由于气象站分布稀疏，这些研究具有一定的不确定性。气候模式也被用来分析CLUHI的变化。例如，McCarthy等人利用全球气候模型中的城市方案，到2050年预测了CLUHI随着未来气候变化的变化。结果表明，未来气候变暖可使全球CLUHII减少6%。然而，气候模型可能具有不确定性，结果可能在很大程度上受到模型参数的影响（Hourdin等人，2017；McCarthy等人，2010）。Liu等人（Liu等人，2020）利用卫星模拟的空间连续的气温数据分析了中国南方的CLUHI效应。结果表明，平均CLUHII为1.490 ℃，平均趋势为0.011 ℃/年。然而，Liu等人只对中国3个省的33个城市进行了CLUHI效应分析。此外，Liu等人使用的时间序列只有13年（2003-2015年）。因此，本研究旨在对CLUHI效应的时间趋势及其驱动因素进行综合分析，并对SUHI效应进行了分析，并与CLUHI效应进行了比较。这项研究中使用的气温数据是使用卫星变量和匹配学习算法绘制的。剩下的手稿组织如下。第二节介绍了研究区域和数据。第三节介绍了本研究使用的方法，包括气温的估计和验证，CLUHI效应和SUHI效应趋势的分析方法，CLURHI效应和SUHI效应趋势的驱动因素。第四节给出了主要结果，包括估算气温的准确性，CLUHI效应和SUHI效应的时间趋势，以及它们的驱动因素。第五节讨论了本研究的方法和结果。第6节给出了一个总结。

2.研究区和数据

2.1.研究区

中国是世界上人口最多的发展中国家。此外，改革开放以来，中国大陆经历了前所未有的快速城市化。城市人口从1980年的1.92亿增加到2015年的7.75亿（联合国，2018）。这就使得揭示中国大陆城市热岛效应的时间趋势变得至关重要。在这项工作中，共有272个中国大陆城市面积大于50平方公里的城市被选为研究区域（图1）。这些城市主要分布在中国东部。这272个城市的海拔在3米（扬州）到2285米（西宁）之间，不同城市的气候差异很大，年平均气温在2.5 ℃（宜春）到24.6 ℃（海口）之间，年总降水量在65 mm（库尔勒）到2874 mm（阳江）之间。

2.2.数据和预处理

本研究使用的数据及其相关信息如表1所示。首先，从中国气象数据服务中心获得2001-2018年697个气象站的气温（包括平均值、最大值和最小值）、降水量、风速和日照时数数据。气象站的空间分布如图1B所示。其次，MODIS MOD11A2 地表温度（包括白天地表温度、夜间地表温度、晴空白天和晴空夜晚）、MOD13A3增强型植被指数（EVI）和MCD12Q1土地覆盖类型数据来自NASA Level-1和大气存档与分配系统。第三，利用ArcGIS软件计算晴空太阳辐射、坡度、坡向、纬度和经度数据。第四，使用了海拔（Danielson和Gesch，2011）、地形指数（Marthews等人，2015）、夜间光照（NL）（Li等人，2020）和不透水面（IS）（Gong等人，2020）数据。

将500m分辨率的土地覆盖数据重新采样到1 km。从原始的30 m分辨率数据计算出1 km分辨率的IS（PIS）数据所占的比例。气温、降水、风速、日照时数、地表温度和EVI数据平均为一个季节（春季：3-5月；夏季：6-8月；秋季：9-11月；冬季：12-2月）。在求平均值的过程中，只使用了有效值（Yao等人，2007b；Li等人，2017）。假设全年的土地覆盖类型、NL和PIS数据是相同的。假设2001-2018年期间的地形指数、海拔、坡度、坡向、纬度和经度数据相同。

根据MODIS土地覆盖数据，697个气象站中有6个、157个、129个、12个和293个的土地覆盖类型分别为水体、自然植被、农田、近海和城市。在697个气象站中，302个、157个、132个、74个和32个2 km缓冲区的PI分别在0-20%、20%-40%、40%-60%、60%-80%和80%-100%的范围内。

图1 （a）272个选定城市的空间分布。背景图为MODIS MCD12Q1 2018年土地覆盖数据。（b）697个气象站的空间分布。背景地图是高程数据。

表1 本研究中使用的数据及其相关信息。Ta：气温。Ts：地表温度。EVI：增强植被指数。NL：夜间灯光。IS：不透水面。

您可能感兴趣的文章

• 集成数据在城市土地利用变化时空动态监测的应用——以印度金奈都市为例外文翻译资料
• 全球地表水及其长期变化的高分辨率制图外文翻译资料
• 造成沿海大型城市内涝灾害的主要因素识别——以中国广州为例外文翻译资料
• 基于SFPHD框架的中国快速城市化地区城市生态系统健康综合评价方法外文翻译资料
• 基于绿地演变的未来城市地表热岛强度的多情景模拟预测外文翻译资料
• 中国大陆272个城市地面和冠层城市热岛强度的长期趋势外文翻译资料
• 与孟加拉湾热带气旋有关的中国低纬度高原远距离降雨事件外文翻译资料
• 新丰江水库流域GPM IMERG降水产品评价及水文效用研究外文翻译资料
• 综合集成传感技术层次化框架在流域水质监测中的应用综述外文翻译资料
• 鄂尔多斯河豚国家级自然保护区半干旱湿地因气候变化和取水而退化的监测与预测外文翻译资料