土地利用/覆蓋變化對中國不同季節(jié)氣溫的影響

董思言，延曉冬，熊 喆，石 英，王娟懷

1 國家氣候中心， 北京 100081 2 北京師范大學(xué)， 北京 100875 3 中國科學(xué)院大氣物理研究所全球變化東亞區(qū)域研究中心， 北京 100029 4 蘭州大學(xué)大氣科學(xué)學(xué)院， 蘭州 730000

土地利用/覆蓋變化對中國不同季節(jié)氣溫的影響

董思言1,*，延曉冬2，熊 喆3，石 英1，王娟懷4

1 國家氣候中心， 北京 100081 2 北京師范大學(xué)， 北京 100875 3 中國科學(xué)院大氣物理研究所全球變化東亞區(qū)域研究中心， 北京 100029 4 蘭州大學(xué)大氣科學(xué)學(xué)院， 蘭州 730000

近幾十年中國地區(qū)土地利用/覆蓋變化(LUCC)較大，在區(qū)域氣候模擬中尤其需要使用更加準(zhǔn)確的土地利用/覆蓋數(shù)據(jù)。基于模式原有的USGS和新開發(fā)的LUC90兩種土地利用/覆蓋資料，利用區(qū)域環(huán)境集成模擬系統(tǒng)(RIEMS2.0)分別進行連續(xù)10a模擬，分析LUCC對中國不同季節(jié)氣溫的影響。結(jié)果表明：1)采用LUC90資料后，中國及東北、華北、華南夏季平均氣溫增加，但只有東北模擬與觀測值的偏差減小，且通過顯著性檢驗(P<0.01)。中國及東北、華南冬季平均氣溫增加，并且模擬與觀測值的偏差減少。中國及華北和華南對冬季氣溫年際變率的模擬改善好于夏季。2)土地利用/覆蓋變化通過影響潛熱通量的變化和凈吸收輻射通量的變化來影響不同季節(jié)氣溫的變化。冬季凈輻射通量變化對氣溫變化的貢獻較夏季大，而夏季潛熱通量變化對氣溫變化的貢獻較冬季大。雨養(yǎng)農(nóng)田轉(zhuǎn)變森林、草地、灌溉農(nóng)田過程造成通量變化，其對氣溫變化的影響也存在不同分區(qū)季節(jié)的差異。

區(qū)域氣候模式；土地利用/覆蓋變化；數(shù)值模擬；氣溫；地面通量

土地利用/覆蓋變化(LUCC)主要通過改變地表屬性，進而改變陸-氣能量平衡，水分和物質(zhì)交換以及生物地球化學(xué)過程等，在局地、區(qū)域和全球不同空間尺度上對氣候產(chǎn)生影響[1-3]。目前在區(qū)域氣候模式中，土地利用/覆蓋類型不能直接驅(qū)動氣候變化，而是利用每種類型所代表的地表物理參數(shù)的改變來影響氣候，區(qū)域氣候模式中農(nóng)田(包括灌溉農(nóng)田)與自然植被的生物地球物理作用差異大，所用到當(dāng)前的土地利用/覆蓋的精確與否，直接關(guān)系到對氣候模擬的準(zhǔn)確性，使用精確的土地利用/覆蓋資料對區(qū)域氣候模擬有重要意義，但是目前土地利用/覆蓋數(shù)據(jù)來源不同，有不同的分類方法[4]。多數(shù)區(qū)域氣候模式(包括RIEMS2.0)模擬用到的土地利用/覆蓋數(shù)據(jù)為較早的美國地質(zhì)調(diào)查所the United States Geological Survey(USGS)發(fā)布的土地利用/覆蓋數(shù)據(jù)，中國現(xiàn)代大多數(shù)地區(qū)經(jīng)歷高強度土地利用變化，具有復(fù)雜多樣的特點，該模式中USGS資料不能準(zhǔn)確反映中國土地利用/覆蓋特征。中國科學(xué)院地理科學(xué)與資源研究所最新開發(fā)了土地利用/覆蓋數(shù)據(jù)庫，該數(shù)據(jù)庫選取遙感影像資料，利用調(diào)查統(tǒng)計資料進行訂正，在高分辨率數(shù)據(jù)庫基礎(chǔ)上進行升尺度方法，同時采取更加合理的分類方法，是較為準(zhǔn)確的資料。因此，急需基于新土地利用/覆蓋資料進行RIEMS2.0模擬性能檢驗，來應(yīng)用于中國區(qū)域氣候的模擬。

另外，土地利用/覆蓋變化與陸-氣耦合聯(lián)系[5]，將影響地面能量平衡[6-7]，進而影響氣溫變化，這些影響不僅會表現(xiàn)在年均值上，也會表現(xiàn)在不同季節(jié)上。過去很多學(xué)者對中國區(qū)域進行了這方面LUCC模擬研究[8-10]，但是對造成中國不同季節(jié)氣溫變化和地面通量之間關(guān)系進行深入分析的研究很少[11-12]。本文利用USGS和中科院地理所新開發(fā)的LUC90兩種土地/利用覆蓋資料，來進行土地利用/覆蓋變化對中國區(qū)域氣候模擬影響的長期模擬試驗，其結(jié)果不僅可以檢驗基于新資料的模擬效果，而且也有助于對LUCC的不同季節(jié)氣溫的效應(yīng)更加全面地認(rèn)識。

1 模式、資料與分析方法

1.1 模式與資料

本研究采用中國科學(xué)院大氣物理研究所全球變化東亞區(qū)域研究中心，研究開發(fā)的區(qū)域環(huán)境集成系統(tǒng)模式(RIEMS2.0)，它是在RIEMS1.0基礎(chǔ)上開發(fā)的區(qū)域氣候模式，該模式對于季風(fēng)亞洲區(qū)多年平均環(huán)流特征、氣溫和降水具有較好的模擬性能[13-15]，并參加區(qū)域氣候模式比較計劃RMIP(Regional climate Model Inter-comparison Project)，在區(qū)域氣候模擬方面有良好的表現(xiàn)[16]。

在本研究中， RIEMS2.0采用輻射方案為National Center for Atmospheric Research Community Climate Model 3 (NCAR CCM3)方案[17]，CCM3 輻射方案是在CCM2 基礎(chǔ)上,短波部分加進了氣溶膠影響,長波部分加進了痕量氣體如甲烷、氮氧化物影響。陸面過程使用Biosphere-Atmosphere Transfer Scheme 1e(BATS1e)[18]，行星邊界層方案使用Medium Research Forecast(MRF)方案，積云對流參數(shù)化方案選擇Grell方案[19]。

初始場和側(cè)邊界場由美國國家環(huán)境預(yù)測中心再分析資料NCEPⅡ得到，其中側(cè)邊界方案采用指數(shù)松弛邊界方案。模式的水平分辨率為30 km，中心位于(123°E，46°N)，采用lambert投影方式，模式模擬的范圍包括整個中國區(qū)域。

本研究所用到的土地利用/覆蓋數(shù)據(jù)是來自中國科學(xué)院地理科學(xué)與資源研究所最新開放的土地利用/覆蓋數(shù)據(jù)庫，它能更好反映中國土地利用/覆蓋的現(xiàn)實特征。采用該數(shù)據(jù)庫中的1990年土地利用/覆蓋數(shù)據(jù)資料(即LUC90資料)。設(shè)計兩組數(shù)值模擬試驗，第一個為USGS試驗，中國土地利用/覆蓋采用模式原有美國地質(zhì)調(diào)查所的植被分類數(shù)據(jù)USGS 1990年資料。第二個為LUC90試驗，中國土地利用/覆蓋采用LUC90資料。采用BATS分類方法，將這兩種土地覆蓋資料轉(zhuǎn)化為模式讀取18種植被/土地覆蓋類型：1農(nóng)田/混合農(nóng)田(雨養(yǎng)農(nóng)田),2短草,3常綠針葉林,4落葉針葉林,5落葉闊葉林,6常綠闊葉林,7高草,8沙漠,9苔原,10灌溉農(nóng)田,11半沙漠,12冰蓋,13沼澤-濕地,14內(nèi)陸水,15海洋,16常綠灌木,17落葉灌木,18混交林。圖1為USGS資料和LUC90資料的空間分布，從這兩種土地利用/覆蓋資料在中國的差異可以看出，USGS資料(圖1)，農(nóng)田植被面積過大，與實際的土地利用/覆蓋不符合，并且沒有合理的灌溉類型，而LUC90資料(圖1)，包含更為精確的雨養(yǎng)農(nóng)田、灌溉農(nóng)田等數(shù)據(jù)。

在兩次模擬試驗中，除了中國土地利用/覆蓋資料有差異外，其余模式參數(shù)方案設(shè)置均相同，進行兩個積分模擬，積分時間從1990年1月1日到2001年2月28日，其中1990年為積分穩(wěn)定時間(Spin-up)時段，分析1991年3月1日到2001年2月28日總共10a的數(shù)據(jù)。

圖1 USGS和LUC90中國土地利用/覆蓋類型分布圖

1.2 分析方法

用于模擬檢驗的觀測氣溫資料是CN05資料[20]。CN05在高分辨模式的模擬檢驗中，得到了廣泛的應(yīng)用。由于該資料是0.5°×0.5°格點資料，為了便于進行與觀測資料進行定量比較，將觀測資料采用雙線性插值的方法，插值成30km×30km的觀測結(jié)果。

將LUC90試驗和USGS試驗10年平均結(jié)果進行差異分析，來表征土地利用/覆蓋資料變化對中國區(qū)域氣候模擬的影響。同時，對兩個試驗變化的模擬結(jié)果進行統(tǒng)計顯著性檢驗。所采用的檢驗方法是student-t檢驗，將變化結(jié)果中通過置信度95%的t檢驗的格點，認(rèn)為是通過顯著性檢驗(P<0.05)，將變化結(jié)果中通過置信度99%的t檢驗的格點，認(rèn)為是通過顯著性檢驗(P<0.01)。對兩試驗的距平變化進行研究，來分析土地利用/覆蓋變化對年際變化模擬的影響，對比年際變化分析采用的觀測氣溫也為CN05資料，并進行統(tǒng)計顯著性檢驗。

同時，為了揭示中國小尺度現(xiàn)象和特征，進行不同季節(jié)分區(qū)的研究。夏季包括6月、7月和8月，冬季包括12月、1月和2月。根據(jù)土地利用/覆蓋變化格點分布、氣候特性和地理特點，將中國地區(qū)分成3個重點研究區(qū)域，分別為東北區(qū)(NE)(39°N—54°N,119°E —134°E)、華北區(qū)(CN)(32°N—39°N,111°E—122°E)和華南區(qū)(CS)(27°N—32°N,106°E—122°E)。

2 結(jié)果與分析

2.1 對氣溫的影響

2.1.1 氣溫變化

圖2為中國不同季節(jié)平均氣溫變化的空間分布(LUC90-USGS)。從圖中可以看出，中國地區(qū)土地利用/覆蓋變化對平均氣溫的影響具有明顯的季節(jié)變化特點，以往研究也發(fā)現(xiàn)這一特征[11]。對夏季來說，中國地區(qū)氣溫升高0.28℃，其中東北西部、陜西北部，華北氣溫升高超過1℃，河北、湖南以及黃河流域中游等地區(qū)，通過顯著檢驗(P<0.05)。對冬季來說，中國地區(qū)氣溫升高0.09 ℃，要比夏季氣溫升高的范圍和幅度都小很多，東北中部、貴州和廣西一帶區(qū)域氣溫升高，其中在吉林西部、長三角等地區(qū)顯著升高(P<0.01)，河北部分、西藏南部氣溫降低幅度較大，降低1℃以上，但只有小部分區(qū)域顯著降低(P<0.01)。采用LUC90資料后，中國區(qū)域最明顯的變化特征是，東部夏季氣溫大面積升高。

圖2 采用LUC90資料后多年平均氣溫變化

LUCC對不同季節(jié)氣溫有不同的影響，也相應(yīng)改變RIEMS2.0對不同季節(jié)氣溫的模擬能力，可以通過試驗?zāi)M與觀測值的偏差變化進行比較分析。圖3為中國多年不同季節(jié)平均氣溫模擬與觀測偏差的空間分布。表1為中國及3個分區(qū)多年平均氣溫模擬與觀測的偏差。采用LUC90資料后。對夏季來說，中國地區(qū)平均氣溫的暖偏差增加，各分區(qū)中只有東北(NE)平均氣溫的偏差減少，且通過極顯著性檢驗(P<0.01)(表1，圖3)。對冬季來說，氣溫模擬與觀測偏差的模擬改進效果好于夏季，中國地區(qū)氣溫的偏差減少0.09℃，各分區(qū)中除了華北(CN)外其他各區(qū)氣溫的偏差減小，對華南(CS)的模擬效果有明顯的改善，偏差減少0.22℃，并通過顯著性檢驗(P<0.05)。

圖3 多年平均氣溫模擬與觀測偏差的空間分布Fig.3 Mean surface temperature bias (simulation minus observation) pattern in summer UGSG and LUC90;in winter USGS and LUC90

表1 多年平均氣溫模擬與觀測值的偏差/℃

2.1.2 對氣溫年際變率的影響

在氣候平均態(tài)和季節(jié)氣候變化的分析基礎(chǔ)上，對氣候的距平年際變化進行分析，采用觀測氣溫資料CN05進行比較驗證。通過計算兩個試驗不同季節(jié)氣溫的距平，可以消除模擬結(jié)果中的系統(tǒng)偏差，更清楚地發(fā)現(xiàn)，土地利用/覆蓋變化對中國氣溫年際變化的影響。表2為中國及分區(qū)兩試驗?zāi)M距平變化曲線與觀測相關(guān)系數(shù)，可以發(fā)現(xiàn)，RIEMS2.0對冬季距平模擬與觀測的相關(guān)系數(shù)較好。采用LUC90資料后，對冬季來說，在中國及華北、華南距平模擬與觀測的相關(guān)系數(shù)都有增加，對其冬季氣溫年際變率模擬能力有很大提高。對夏季來說，只有華北距平模擬與觀測的相關(guān)系數(shù)增加，對其夏季氣溫年際變率模擬能力略有改進。

表2 1991—2000年氣溫距平模擬與觀測的相關(guān)系數(shù)

2.2 對氣溫影響的作用機理

土地利用/覆蓋變化通過粗糙度、地表發(fā)射率、葉面積指數(shù)等地表參數(shù)的改變，影響能量平衡，從而引起氣溫變化，并且它們之間存在著復(fù)雜的關(guān)系[21]。地表氣溫變化可能是凈吸收輻射量變化引起的[22]，也可能是凈吸收輻射量中感熱通量和潛熱通量間分配造成的[2]。LUCC使得中國及不同分區(qū)不同季節(jié)氣溫變化，理解氣溫的變化機理，需要對地面通量變化分析(表3)。

對夏季來說，中國地區(qū)潛熱通量顯著降低2.62W/m2(P<0.01)，感熱通量顯著增加1.48 W/m2(P<0.01)，凈吸收輻射通量增加0.05 W/m2，潛熱通量、感熱通量和凈吸收輻射通量變化與氣溫變化的空間相關(guān)系數(shù)分別為-0.49、0.70、0.01，夏季潛熱通量變化的空間分布和氣溫變化的空間分布有很好的負(fù)相關(guān)， LUCC主要通過潛熱通量變化來影響中國夏季氣溫的變化。從不同分區(qū)來看，3個分區(qū)夏季潛熱通量都降低，感熱通量增加，并且對應(yīng)氣溫升高，從各分區(qū)通量變化與氣溫變化的空間相關(guān)系數(shù)來看，潛熱通量的變化是東北和華北氣溫變化的主導(dǎo)因素，潛熱通量減少是東北和華北氣溫增加的原因，其中華北夏季潛熱通量降低最多(-7.88W/m2)，其變化與氣溫變化負(fù)相關(guān)系數(shù)的絕對值最大(-0.67)，因此，溫度降低也是分區(qū)中最大的(0.94℃)。

對冬季來說，中國地區(qū)潛熱通量顯著降低0.37W/m2(P<0.01)，感熱通量增加0.03W/m2，凈吸收輻射顯著通量降低0.19 W/m2(P<0.01)，潛熱通量和感熱通量變化與氣溫變化的空間相關(guān)系數(shù)分別為0.10、0.30，凈吸收輻射通量變化和氣溫變化的空間相關(guān)系數(shù)增加到0.29，可見冬季凈吸收輻射通量變化對氣溫變化的影響作用增強，但是潛熱通量降低引起的增溫作用仍對中國冬季氣溫變化有很大影響，導(dǎo)致中國氣溫略有升高(0.09℃)。從不同分區(qū)來看，3個分區(qū)凈輻射通量變化與氣溫變化有很好的正相關(guān)，由于冬季潛熱通量變化較夏季小，并且潛熱通量變化與氣溫變化空間相關(guān)系數(shù)減少，通過潛熱通量對氣溫影響作用也變小，而凈吸收輻射通量變化與氣溫變化的空間相關(guān)系數(shù)增加，對氣溫變化的影響作用大于潛熱通量(蒸散發(fā))對氣溫變化的作用，凈吸收輻射通量增加是東北和華南氣溫增加主要原因，其中東北的冬季凈吸收輻射通量增加(0.18 W/m2)，其變化與氣溫變化的相關(guān)系數(shù)也比其他兩個分區(qū)大(0.69)，凈吸收輻射通量對氣溫增加起主導(dǎo)作用。華北區(qū)凈輻射通量減少，氣溫降低，華北區(qū)凈輻射通量對氣溫作用超過潛熱通量對氣溫變化的影響，使得氣溫顯著降低(-0.18℃)。

所以，土地利用/覆蓋變化通過影響潛熱通量的變化和凈吸收輻射通量的變化來影響不同季節(jié)氣溫的變化，夏季潛熱通量變化對氣溫變化的貢獻較冬季大，而冬季凈輻射通量變化對氣溫變化的貢獻較夏季大。

表3 土地利用/覆蓋變化后地面通量變化及其與氣溫變化的空間相關(guān)系數(shù)(斜線后)

Table 3 Mean surface air temperature change in China and its regions, and their spatial correlation with flux change(values to right of slashes)

*為通過置信度95%的顯著性檢驗; ** 為通過置信度99%的顯著性檢驗

2.3 不同分區(qū)中雨養(yǎng)農(nóng)田類型變化對不同季節(jié)氣溫的影響

從圖1中對比可以發(fā)現(xiàn)，中國地區(qū)LUC90資料相對于USGS資料來說，變化最多的格點類型是雨養(yǎng)農(nóng)田3311個格點，這格點主要集中在中國東部地區(qū)，其中1506個格點變?yōu)楣喔绒r(nóng)田， 772個格點變?yōu)樯郑?435個格點變?yōu)槎滩荩袊恋乩?覆蓋變化的主要特征是雨養(yǎng)農(nóng)田面積減少，主要轉(zhuǎn)變?yōu)樯帧⒍滩莺凸喔绒r(nóng)田。中國不同分區(qū)這3種土地利用/覆蓋類型變化與氣溫變化有密切的聯(lián)系，在不同分區(qū)對不同季節(jié)氣溫的影響也有不同特征。圖4為3種土地覆蓋變化格點上不同分區(qū)季節(jié)氣溫和地面通量變化，從圖4中可以清楚發(fā)現(xiàn)，華北和華南夏季地面通量變化幅度比冬季大，氣溫變化幅度也比冬季大。雖然同樣為增溫過程不同土地覆蓋變化過程中地面通量變化對氣溫影響明顯不同。

從雨養(yǎng)農(nóng)田格點變?yōu)樯址治觯瑢ο募緛碚f，東北、華北夏季潛熱通量增加，很多學(xué)者在高緯度地區(qū)也得到類似的結(jié)論，而在中緯度的農(nóng)田管理效率高的地區(qū)，農(nóng)田變?yōu)樯挚赡軐?dǎo)致蒸發(fā)散的降低，潛熱降低[23]，這在夏季更為突出，這是因為在水分供應(yīng)充分的情況下，農(nóng)作物有更高的蒸發(fā)率[23-24]，因此，華南夏季潛熱通量下降，并且幅度很大。對冬季來說，Snyder 等[25]認(rèn)為由于冬季和春季積雪的作用，冬季凈輻射通量在高緯度地區(qū)變化更大，東北和華北在冬季也有同樣的表現(xiàn)(圖4)。雨養(yǎng)農(nóng)田格點變森林對不同季節(jié)的影響，與Dong等[11]中得到的結(jié)論一致，即在冬季高緯度凈輻射通量變化對氣溫的貢獻較大，而在夏季低緯度的蒸發(fā)散(潛熱)變化對氣溫的影響較大。

從雨養(yǎng)農(nóng)田格點轉(zhuǎn)變?yōu)槎滩莘治觯瑢ο募緛碚f，3個分區(qū)凈吸收輻射通量減少，潛熱通量減少，雨養(yǎng)農(nóng)田和短草在夏季有相似的地表反照率，變?yōu)槎滩輧粑蛰椛渫繙p小，但是生長季雨養(yǎng)農(nóng)田比短草的葉面積指數(shù)、地表粗糙度更大，雨養(yǎng)農(nóng)田變?yōu)槎滩莺螅羯l(fā)減少，潛熱通量減少，氣溫升高，這是由于潛熱通量變化成為主導(dǎo)作用的結(jié)果[23]。對冬季來說，華北和華南凈吸收輻射減小、潛熱減少，東北農(nóng)田變?yōu)槎滩莺髢粑蛰椛湓黾樱瑵摕嵩黾印＿@是冬季短草小于東北收割后農(nóng)田的地表反照率，農(nóng)田變?yōu)槎滩荩沟枚緝粑蛰椛湓黾?使得氣溫升高)，潛熱通量增加(使得氣溫降低)，兩者作用凈吸收輻射作用更大，所以氣溫升高。

從雨養(yǎng)農(nóng)田格點轉(zhuǎn)變?yōu)楣喔绒r(nóng)田分析，對夏季來說，3個分區(qū)凈吸收輻射通量增加，潛熱通量增加。對冬季來說，東北和華北灌溉在冬季停止，吸收輻射通量降低，潛熱通量增加。華南凈吸收輻射減少，潛熱通量卻減少，并且中國多數(shù)分區(qū)冬季感熱通量變化與氣溫變化沒有很好對應(yīng)，這是可能由于本研究采用的區(qū)域氣候模式RIEMS2.0中的陸面過程參數(shù)表述不合理，并且灌溉農(nóng)田的土壤濕度設(shè)置與實際的灌溉農(nóng)田存在一定的差別，所以未來仍需進一步改進灌溉農(nóng)田的參數(shù)化方案。

圖4 中國夏季不同分區(qū)農(nóng)田變化格點上多年平均氣溫和地面通量變化

3 討論

本文基于最新的LUC90資料，利用RIEMS2.0對中國進行長時間高分辨率的模擬，比較與模式原有USGS資料下模擬的差異，分析土地利用/覆蓋資料變化對氣溫及地面通量的影響。結(jié)果表明：

(1)土地利用/覆蓋資料對區(qū)域氣候模擬有重要影響。中國區(qū)域土地利用/覆蓋具有復(fù)雜多樣的特點，準(zhǔn)確反映中國土地利用/覆蓋特征一直是過去相關(guān)研究中棘手的問題。本文所用的中國土地利用/覆蓋資料，是選取遙感影像資料，利用調(diào)查統(tǒng)計資料進行訂正，進行升尺度合成，并采取更加合理的分類方法，得到較為準(zhǔn)確的資料，應(yīng)用新的土地利用/覆蓋資料對于中國氣候模擬具有重要意義。

(2)采用新的土地利用/覆蓋資料后，中國及多數(shù)分區(qū)夏季和冬季氣溫都升高，對東北夏季氣溫模擬能力提高，對中國及多數(shù)分區(qū)冬季的模擬能力有提高。RIEMS2.0對中國氣溫年際變率有很好的模擬能力，采用LUC90資料后，中國及華北和華南冬季氣溫年際變率模擬有很大提高能力，改進效果好于夏季，華北的改進好于東北和華南。LUCC造成這種增溫是與地面通量的變化密切相關(guān)的，并且相關(guān)程度會隨分區(qū)和季節(jié)表現(xiàn)不同的差異，夏季潛熱通量變化對氣溫變化的貢獻較冬季大，而冬季凈輻射通量變化對氣溫變化的貢獻較夏季大，不同分區(qū)是因為緯度造成的地面通量分配的變化影響氣溫的變化。

(3)雨養(yǎng)農(nóng)田轉(zhuǎn)變?yōu)樯帧⒍滩莺凸喔葘鉁睾偷孛嫱康挠绊懖煌嗤恋乩?覆蓋變化的在不同分區(qū)對其影響也不一樣。在夏季，農(nóng)田變?yōu)槎滩莸臐摕嵬繙p少，隨著緯度降低，減少幅度變大；在冬季，農(nóng)田變?yōu)樯值膬粑蛰椛湓黾樱S著緯度降低，增加幅度變小。另外，不同類型土地利用/覆蓋變化對氣候的影響不僅限于近地面通量，它通過能量交換，影響到大氣環(huán)流，進而會影響東亞季風(fēng)的模擬，在以后的研究中需要探討其引起季風(fēng)的變化。

(4)LUCC使得華北夏季和冬季氣溫的模擬與觀測值差值增大，這可能是由于本研究中對城市化土地利用類型考慮不足，僅將城市類型簡化處理，這顯然與真實地城市類型有差異。雨養(yǎng)農(nóng)田變?yōu)楣喔绒r(nóng)田后，華南冬季灌溉農(nóng)田增加沒有使得潛熱通量增加，多數(shù)分區(qū)對感熱通量模擬效果有待提高，這是可能由于BATS1e中灌溉農(nóng)田的土壤濕度設(shè)為定值，尚未考慮其隨時間的變化，參數(shù)表達與實際的灌溉農(nóng)田存在一定的差別。所以，不僅要通過提高土地利用/覆蓋資料提高資料準(zhǔn)確性來提升RIEMS2.0的模擬能力，未來也要改進城市和灌溉等地表物理過程的參數(shù)化，考慮更多的耦合過程，讓區(qū)域模式更好地反映這土地利用類型和這些物理參數(shù)之間的關(guān)系。

另外，在未來研究中，區(qū)域氣候模式中不僅要考慮土地利用/覆蓋變化的生物地球物理效應(yīng)，而且也要考慮土地利用/覆蓋變化的生物地球化學(xué)效應(yīng)。綜合分析土地利用/覆蓋變化、溫室效應(yīng)和氣溶膠對氣候變化的相對貢獻，將為氣候變化的歸因和檢測分析提供依據(jù)。

[1] Pielke R A, Pitman A, Niyogi D, Mahmood R, McAlpine C, Hossain F, Goldewijk K K, Nair U, Betts R, Fall S, Reichstein M, Kabat P, de Noblet N. Land use/land cover changes and climate: Modeling analysis and observational evidence. WIREs Climatic Change, 2011, 2(6): 828-850.

[2] Pitman A J, de Noblet-Ducoudré N, Cruz1 F T, Davin E L, Bonan G B, Brovkin V, Claussen M, Delire C, Ganzeveld L, Gayler V, van den Hurk B J J M, Lawrence P J, van der Molen M K, Müller C, Reick C H, Seneviratne S I, Strengers B J, Voldoire A. Uncertainties in climate responses to past land cover change: First results from the LUCID intercomparison study. Geophysical Research Letters, 2009, 36(14): L14814, doi: 10.1029/2009GL039076.

[3] Mahmood R, Quintanar A I, Conner G, Leeper R, Dobler S, Pielke R A, Beltran-Przekurat A, Hubbard K G, Niyogi D, Bonan G, Lawrence P, Chase T, McNider R, Wu Y L, McAlpine C, Deo R, Etter A, Gameda S, Qian B D, Carleton A, Adegoke J O, Vezhapparambu S, Asefi S, Nair U S, Sertel E, Legates D R, Hale R, Frauenfeld O W, Watts A, Shepherd M, Mitra C, Anantharaj V G, Fall S, Chang H I, Lund R, Trevio A, Blanken P, Du J Y, Syktus J. Impacts of land use/land cover change on climate and future research priorities. Bulletin of the American Meteorological Society, 2010, 91(1): 37-46.

[4] Ge J J, Qi J G, Lofgren B W, Moore N, Torbick N, Olson J M. Impacts of land use/cover classification accuracy on regional climate simulations. Journal of Geophysical Research, 2007, 112(D5): D05107, doi: 10.1029/2006JD007404.

[5] Diffenbaugh N S. Influence of modern land cover on the climate of the United States. Climate Dynamics, 2009, 33(7/8): 945-958.

[6] Levis S. Modeling vegetation and land use in models of the Earth system. Wiley Interdisciplinary Reviews: Climate Change, 2010, 1(6): 840-856.

[7] Seneviratne S I, Corti T, Davin E L, Hirschi M, Jaeger M H, Lehner I, Orlowsky B, Teuling A J. Investigating soil moisture-climate interactions in a changing climate: A review. Earth-Science Reviews, 2010, 99(3/4): 125-161.

[8] Suh M S, Lee D K. Impacts of land use/cover changes on surface climate over east Asia for extreme climate cases using RegCM2. Journal of Geophysical Research, 2004, 109(D2): D02108, doi: 10.1029/2003JD003681.

[9] Takata K, Saito K, Yasunari T. Changes in the Asian monsoon climate during 1700-1850 induced by preindustrial cultivation. Proceedings of the National Academy of Sciences of the United States of America, 2009, 106(24): 9586-9589.

[10] 高學(xué)杰, 張冬峰, 陳仲新, Pal J S, Giorgi F. 中國當(dāng)代土地利用對區(qū)域氣候影響的數(shù)值模擬. 中國科學(xué)(D輯): 地球科學(xué), 2007, 37(3): 397-404.

[11] Dong S Y, Yan X D, Xiong Z. Varying responses in mean surface air temperature from land use/cover change in different seasons over northern China. Acta Ecologica Sinica, 2013, 33(3): 167-171.

[12] 董思言, 延曉冬, 熊喆. 東北農(nóng)田擴張對氣候影響的數(shù)值模擬. 氣候與環(huán)境研究, 2014, 19(3): 351-361.

[13] 趙得明, 符淙斌, 延曉冬. 區(qū)域環(huán)境集成模擬系統(tǒng)RIEMS2. 0對中國多年降水和氣溫模擬能力分析. 科學(xué)通報, 2009, 54(16): 2379-2387.

[14] 熊喆, 符淙斌, 延曉冬. 區(qū)域環(huán)境集成系統(tǒng)模式以及對我國夏季季風(fēng)的模擬研究. 科學(xué)通報, 2009, 54(18): 2826-2834.

[15] Zhao D M. Performance of Regional Integrated Environment Modeling System (RIEMS) in precipitation simulations over East Asia. Climate Dynamics, 2013, 40(7/8): 1767-1787.

[16] Fu C B, Wang S Y, Xiong Z, Gutowski W J, Lee D K, McGregor J L, Sato Y, Kato H, Kim J W, Suh M S. Regional climate model intercomparison project for Asia. Bulletin of the American Meteorological Society, 2005, 86(2): 257-266.

[17] Kiehl J T, Hack J J, Bonan G B, Boville B A, Briegleb B P, Williamson D L, Rasch P J. Description of the NCAR Community Climate Model (CCM3). NCAR Technical Note NCAR/TN-420+STR, Colorado: NCAR, 1996, 160pp.

[18] Dickinson R E, Henderson-Sellers A, Kennedy P J. Biosphere-Atmosphere Transfer Scheme (BATS) Version 1e as coupled to the NCAR Community Climate Model. NCAR Technical Note NCAR/TN-387+STR, 1993.

[19] Grell G A. Prognostic evaluation of assumptions used by cumulus parameterizations. Monthly Weather Review, 1993, 121(3): 764-787.

[20] Xu Y, Gao X J, Shen Y, Xu C H, Shi Y, Giorgi F. A daily temperature dataset over China and its application in validating a RCM simulation. Advances in Atmospheric Sciences, 2009, 26(4): 763-772.

[21] de Noblet-Ducoudré N, Boisier J P, Pitman A, Bonan G B, Brovkin V, Cruz F, Delire C, Gayler V, Van den Hurk B J J M, Lawrence P J, Van der Molen M K, Müller C, Reick C H, Strengers B J, Voldoire A. Determining robust impacts of land-use-induced land cover changes on surface climate over North America and Eurasia: results from the first set of LUCID experiments. Journal of Climate, 2012, 25(9): 3261-3281.

[22] IPCC. Climate Change 2007: the physical science basis // Solomon S, Qin D, Manning M, Chen Z, Marquis M, Averyt K B, Tignor M, Miller H L, eds. Changes in Atmospheric Constituents and in Radiative Forcing. Cambridge, UK: Cambridge University Press, 2007: 129-234.

[23] Bonan G B. Ecological Climatology: Concepts and Applications. Cambridge: Cambridge University Press, 2002, 678pp.

[24] Puma M J, Cook B I. Effects of irrigation on global climate during the 20th century. Journal of Geophysical Research, 2010, 115(D16): D16120, doi: 10.1029/2010JD014122.

[25] Snyder P K, Delire C L, Foley J A. Evaluating the influence of different vegetation biomes on the global climate. Climate Dynamics, 2004, 23(3/4): 279-302.

Impacts of land use/cover change in China on mean temperature

DONG Siyan1,*, YAN Xiaodong2, XIONG Zhe3, SHI Ying1, WANG Juanhuai4

1NationalClimateCenter,Beijing100081,China2BeijingNormalUniversity,Beijing100875,China3KeyLaboratoryofRegionalClimate-EnvironmentResearchforTemperateEastAsia,InstituteofAtmosphericPhysics,ChineseAcademyofSciences,Beijing100029,China4CollegeofAtmosphericSciences,LanzhouUniversity,Lanzhou730000,China

In recent years, Regional land use/cover in China change a lot, and climate simulation need to do more research, especially related to impacts on climate simulation by using new accuracy land cover data sets in region climate model. In this paper, With the original land use / land cover data based on (USGS) and high accuracy land use/cover data (LUC90), Regional Integrated Environmental Model System (RIEMS2.0) were used for 10 consecutive years numerical simulation about impacts on climate, and the analysis was focused on the surface temperature and surface fluxes, testing statistical significance. The results showed that: 1)After using LUC90 data simulation, winter cold bias value compared to observation value in most regions in China was reduced, and different seasons temperature bias of northeast area were reduced, passing the test of significance in the summer(P< 0.01). The annual mean temperature in China, North China and South China in the winter of interannual variability simulation was better than in the summer. 2) Effects of land use change on the distribution of the surface fluxes in different regions and different seasons have different performance, mainly through changes in net radiation and latent heat fluxes to the impact of temperature. We found in the winter contribution of net radiation flux change to mean temperature change was large in summer, and in the summer the latent heat flux change contribution to temperature change was more than in winter. Different land use/cover change process in different regions in different seasons resulted to different effect on the temperature.

regional climate model; land use / cover change; numerical simulation; temperature; surface fluxes

國家重點基礎(chǔ)研究發(fā)展計劃項目(2012CB417205)；公益性行業(yè)專項(GYHY201406020)

2014-07-07;

2015-03-04

10.5846/stxb201407071393

*通訊作者Corresponding author.E-mail: dongsy@cma.gov.cn

董思言，延曉冬，熊喆，石英，王娟懷.土地利用/覆蓋變化對中國不同季節(jié)氣溫的影響.生態(tài)學(xué)報,2015,35(14):4871-4879.

Dong S Y, Yan X D, Xiong Z, Shi Y, Wang J H.Impacts of land use/cover change in China on mean temperature.Acta Ecologica Sinica,2015,35(14):4871-4879.