城市化对气温变化影响研究进展

温康民 吴滨

（1 福建省气象科学研究所，福州 350028；2 福州市气象局，福州 350028；3 福州市智慧气象行业技术创新中心，福州 350028；4 福建省气候中心，福州 350028）

0 引言

温室气体排放和下垫面人为改变是人类活动对气候变暖影响的两个主要方面，其中城市化导致的热岛效应引起了广泛关注。由混凝土、沥青等下垫面组成的城市，较自然表面对太阳辐射的吸收、反射有很大的不同，同时，其热容量的不同加之工业、交通和商业等人类活动产生的热量，城市气温要比其周围的环境气温高，这种现象就是城市热岛效应[1]。随着全球经济的迅速发展，越来越多的人口集中于城市居住，城市化也进入了快速发展的阶段。城市化导致的热岛效应对城市生活环境（包括人类健康和出行）具有重要的影响，且其影响程度随着城市化发展逐渐增大。

地面气温序列中究竟包含多少城市化的影响，是一个极其复杂的问题。每个国家因为经济发展水平不同，其城市化的影响也不一样，在同一个国家不同的地区城市化对气温的影响也不一样。对于全球气候变暖的准确幅度及其原因，科学界还没有给出定论，主要是仪器记录时期地面气温资料的代表性尚存较大争议。其关键问题之一是当前的温度序列中还保留着城市化导致的台站附近的升温。目前全球所使用的长序列地面气温观测记录大多数源自城市附近的台站[2]，而城市市区面积占全球陆地面积的比例很小，城市站的增温不能代表大范围气温背景场的变化。在区域或全球气候变化检测及分析中，只有大范围气温背景场的数据才是有用的。温度序列受城市化影响的问题需要引起足够重视，解决不好这个问题，获得的全球或区域平均气温序列就没有代表性，得到的气候变化检测和预测的结论也就很难另人信服[3]。因此，合理评估和订正气温变化中的城市化影响，对于进一步检测区域气候变化信号，了解区域地面气候变化的观测情况，获得准确的气候变暖幅度及认识其原因，进而改善气候变化监测、检测和预测的结果，均具有重要理论和实际意义。近年来国内外许多气象科研人员针对此问题开展了一系列深入的研究。

本文旨在介绍国内外气温变化中城市化偏差评价及订正的研究现状，重点对比不同尺度上城市化对气温影响研究结果，同时探讨城市化对气温影响偏差订正技术发展现状及未来研究计划。

1 城市化对地面气温变化影响研究方法（背景站选取方法）进展

1.1 综合人口及其他指标

很多研究发现城市化对气温的影响同人口有一定的联系。Oke[4]研究发现城市人口指标的对数与热岛强度具有线性关系；Karl等[5]研究发现城市热岛强度与人口指标的平方根具有较好相关性；林学椿等[6]研究得出人口及其他城市发展指标与热岛强度变化具有较好相关性。贾艳青等[7]在分析长三角地区城市化对气温变化的影响时，把人口小于20万且位于乡村的台站作为乡村站；赵宗慈[8]也依据人口指标来挑选城市和乡村站。此外，Jones等[9]、Portman[10]、张爱英等[11]、Jin等[12]在进行乡村站遴选时，除了把人口因素作为选取指标，还把台站与城市之间的距离、台站附近环境、台站的迁站情况、台站与城市站的高度差等纳入考虑范畴，作为选取乡村参考站的指标。周雅清等[13]在分析山西省城市化对气温变化的影响时，把以台站为中心2 km半径范围内，建成区面积在1/3以内的台站定义为乡村站。因此，单纯依靠人口作为指标，容易忽略台站本身的代表性，综合人口因素及台站与城市之间的距离、台站附近环境、台站的迁站情况、台站与城市站的高度差等来选取乡村站更具代表性。

1.2 夜晚灯光指数

Peterson[14]使用卫星夜灯指标来挑取乡村站。谢志清等[15]使用DMSP/OLS夜灯指标获取长三角城市空间扩展区。此外，Yang等[16]使用1978—2013年的夜间灯光遥感数据及土地利用数据对长三角流域的187个城乡站点进行动态分类。吴子璇等[17]把珠三角地区人口、夜间灯光人口数量低于100万、区域内70%的人口密度值小于4000人/km2作为遴选指标，把气象站点周围7 km缓冲区的夜间灯光平均值小于城市气象站阈值的站作为郊区站。于凤硕等[18]根据人口、土地利用、夜晚灯光人口格网（表征人口）、土地利用（表征城市用地规模）和夜晚灯光（表征人类活动强度）5种数据来划分城乡站。因此，单纯利用夜灯指数作为划分指标，容易产生误差，因为夜灯数据并不能直接表示人口的密度，最好结合遥感数据及人口因素等作为综合划分指标。

1.3 卫星遥感数据

随着卫星遥感技术的发展，20世纪90年代末，一些学者开始采用卫星遥感资料进行乡村站的选取，如Gallo等[19]指出城乡气温差异与归一化植被指数（NDVI）成线性相关，并认为NDVI比人口指标在拟合城乡温度差异方面更有优势。Yang等[20]使用遥感图像展开了土地类型的区分，研究人类活动对我国东部气温的改变。Ren等[21]、Wickham等[22]也通过MODIS资料来选取乡村站。此外，吴蓉等[23]将台站周边2 km缓冲区范围内的建成区面积比例＜25%，同时资料序列长度不少于50年且搬迁次数不多于1次的站作为乡村站。李宇等[24]根据1 km2格网尺度的城市不透水面比例来遴选乡村站。综上，遥感数据是遴选乡村站比较常用的方法，但是单纯依据遥感数据容易忽略站点本身的代表性，因此，还应考虑迁站、站点周围环境、站点距城市的距离等因素。

1.4 海岛或高山等位置特殊站为指标

由于海岛或高山等特殊观测站受城市化的影响很小，故也被部分学者用来代表乡村站，如曾侠等[25]使用广东的海岛站代替乡村站。段春锋等[26]使用我国东部的高山站代替乡村站。由于海岛站受海洋气候影响较大，高山站受大气温度垂直递减率影响温度通常低于地面站，因此，使用海岛站或高山站作为背景站，容易引入不必要的误差。

1.5 EOF第二特征向量当作指标

聚类分析[27]也被用于乡村站的遴选。初子莹等[28]及刘学锋等[29]把空间函数的第二特征向量作为城市化或土地利用影响局地气温的指标，把年、季节气温EOF第二特征向量都为负的站作为乡村站。但是，使用聚类分析从统计学角度遴选乡村站并不是最直接和有效的方法，因为容易忽视人口因素等及站点本身的代表性。

1.6 非常规背景资料

部分学者采用一些非常规背景资料来作为乡村站，如吴息等[30]的研究中，将850 hPa温度探空资料用来选取参考站；Kalnay等[31]把NCEP/NCAR I再分析资料作为乡村站，对美国近50年城市化对最高、最低气温的影响展开分析；Kataoka等[32]使用城市周边网格数据序列替换背景站；Jones等[33]使用海温指标替换乡村站，对我国东部1951—2004年城市化效应展开了分析；Goddard等[34]使用ERA-Interim再分析资料作为背景气温资料。综上，常用的替代乡村站的非常规资料包括850 hPa温度探空资料、各种再分析资料、城市周边网格数据序列、海温指标、40 cm地温指标等，其中使用最多的是各种再分析资料，但是使用NCEP资料研究区域气候变化趋势时不确定性因素较大，因此，非常规资料并不是城乡站划分的最直接有效的手段，在进行城市化影响分析时，只能作为一种备用资料。

使用观测资料对比分析是城市化对气温变化影响研究的最重要方法，方法的关键之处在于合理地挑选乡村站。综上，挑选乡村站的方法有很多种，对于附近有足够乡村站分布的城市站，利用卫星遥感数据结合人口及其他指标来综合挑选乡村站，是最常用及有效的方法，但是，对于周边乡村站分布不够，以及沿海或靠近荒漠等特殊地理位置的城市站，利用海岛或高山等位置特殊站为指标或非常规背景资料（如再分析资料等）也是一种有效的获取乡村站资料的方法。

2 平均气温中城市化影响检测研究进展

2.1 单个城市气温中的城市化影响研究

早在1953年，Mitchell[35]发现纽黑文市温度变化受城市化影响显著。此后，Kukla等[36]和Magee等[37]也发现美国城市站气温变化中存在显著的城市化偏差。国内有关单个城市受城市化影响最经典的论述为陈沈斌等[38]、程胜龙[39]。此外，乔盛西等[40]、初子莹等[28]、林学椿等[6]、于淼等[41]也对城市化对气温的影响作了相关论述。详见表1。

表1 单个城市地面气温中城市化偏差的评价Table 1 Assessment of urbanization bias for single-city surface air temperature

除传统的观测数据研究外，数值模式模拟[42-43]也应用到城市化影响研究中（表1）。针对单个城市气温中的城市化影响评估，大都表明城市化的影响不可忽略，且随着城市化发展速度加快，城市地区气温增加有加快的趋势，导致热岛效应不断加强，且大城市气温受城市化影响最大，中小城市次之；最高和最低气温也都呈上升趋势，且城市化发展对最低气温的变化影响最大，其次是平均气温，对最高气温影响最弱。

2.2 区域气温趋势中的城市化影响研究

有关城市化对区域气温的影响，最早是由美国学者开始研究的，其中最为经典的论述为Mitchell[35]、Kukla等[36]、Karl等[5]及Epperson等[44]。早期，有关城市化对中国地区气温的影响，最为经典的论述为赵宗慈[8]、Jones等[9]及Portman[10]。

近期，城市化影响中国区域气温最为经典的论述包括周雅清等[45]、张爱英等[11]、段春锋等[26]。此外，近期关于中国区域气温受城市化影响的论述还包括Wang等[46]、Sun等[47]、肖宇昕等[48]，国外也有相关论述[49-50]。详见表2。

表2 区域地面气温中城市化偏差的评价Table 2 Assessment of urbanization bias for regional surface air temperature

从前人的研究结果能够看出，美国学者是最早开始研究地区气温中的城市化影响的国家，美国地区20世纪平均气温受城市化的影响比较严重，应引起重视，全面认识美国地区气温变化受城市化的影响十分必要；针对中国地区的研究表明，大城市站增温率明显高于小城镇和中等城市站，城市化效应对大城市气温基本上都是增温作用，平均及最低气温受城市化影响明显，但城市化对最高气温趋势影响较小，就中国大陆平均而言，20世纪60年代至21世纪初，中国平均气温受城市化影响较为严重；韩国针对区域气温中的城市化影响研究同样发现城市化增暖效应显著。

2.3 全球/半球气温记录中的城市化影响研究

早期，在全球/半球尺度上的城市化对气温的影响分析，最经典的论述包括Jones等[9,51-52,]、Easterling等[53]、Hansen等[54]。此外，Peterson[14]也对早期半球或全球尺度的气温受城市化影响作了相关论述。近期，Wickham[22]对比了由39028个站和由16132个乡村站计算的1950—2010年气温变化趋势，得出城市热岛效应的影响为0；任玉玉[55]表示北半球气温增加趋势中包含明显的城市化影响偏差。详见表3。

表3 全球/半球地面气温中城市化偏差的评价Table 3 Assessment of urbanization bias for global/hemispheric surface air temperature

因此，在全球及半球大陆尺度上，城市化对平均地面气温序列的影响可能比较弱；不同陆地地区之间有较明显的差异，这种差异不但体现在相同时期城市化增温速率和对总增温贡献的程度上，而且体现在开始出现显著城市化影响的时间上，欧美等发达国家出现最显著城市化影响的时间比中国等发展中国家要来得早；截至当前，城市化对气温变化趋势的影响在全球及大尺度区域上是否可以忽略，仍存在分歧，国际上对全球或半球气温序列中的城市化贡献率的具体数值，仍不能给出统一的定论。

3 极端气温中的城市化影响检测研究

相比气候平均态，极端气候事件对气候变化更加敏感[56]，其强度和频率的变化对环境和社会的影响更严重。近期，极端气温受城市化影响研究的经典论述包括崔林丽等[57]、郑祚芳[58]。此外，Ren等[59]、张小玲等[60]也对极端气温受城市化的影响做了相关论述。详见表4。

表4 极端气温中城市化偏差的评价Table 4 Assessment of urbanization bias for extreme temperature

从前人的研究结果能够看出，极端气温受城市化的影响应引起重视，全面认识极端气温变化受城市化的影响十分必要，针对北京、上海、宁波、天津、成都等城市的研究表明，最低气温受城市化的影响远大于最高气温，与最低气温相关的指数受城市化影响比与最高气温相关的更显著；针对华北地区及中国区域的研究表明，中国区域尤其是华北区域与最低气温有关的极端气温指数中包含显著的城市化影响，受城市化影响导致冷指数日数减少和暖指数日数增加，同时也使最低气温的极值明显升高。

4 城市化对气温影响偏差的订正研究进展

4.1 人口订正

要订正气温序列中的城市化偏差，要求构建研究时段内气温及人口指标的回归方程，但逐年的人口数据是没有的，且不同区域的发展程度、人口密度、能源消耗等各有差异，探讨人口与城市化之间的关系及适用区域是未来需要展开的课题。Karl等[5]根据美国1219个观测台站的人口数据和热岛增温速率构建了一个回归方程，对区域平均尺度的平均、最高及最低气温进行了城市化偏差订正，同时指出这个回归方程不一定适用于美国之外的地区。但应用人口订正方法订正气温变化中的城市化影响偏差并不是最常用的方法。Kim等[61]指出小城市的城市化效应实际上高于大城市，并利用聚类分析方法，对韩国南部30个不同台站的人口增长与年平均气温升高的关系进行了分析，发现超过60%的站点的气温上升与人口增长相匹配。

4.2 卫星遥感订正

Gallo等[19]通过对比城乡气温差值与地表辐射温度的城乡差值、卫星反演的归一化植被指数（NDVI），获得了显著的相关关系，认为基于人口的城市化偏差订正和基于卫星估计的城市化偏差订正有相同的误差量级，遥感方法更有潜质发展成为订正全球城市热岛偏差的最佳方法，但应用卫星遥感方法订正气温变化中的城市化影响偏差的研究还不多见。Wang等[62]基于中国长期土地利用数据集，发展了一种更加可靠和客观地估算大尺度地表温度中城市偏差的回归函数，该回归方法适用于农村站点很少的地区，且易于获取和更新数据，避免了发展中地区城市的人口数据已经过时的问题。

4.3 城乡对比订正

目前对全球尺度上的城市化偏差进行的订正主要依靠可靠的乡村站数据序列。Hansen等[63]在建立全球气温序列时，使用分段式线性订正法有效规避了人口数据等的影响，同时为了确保具有最小的城市站与其乡村站气温趋势之差，使用乡村站气温序列分别订正城市站1950年之前及1950年之后的气温。Hansen等[54]使用订正后城市站减去乡村站气温增加趋势的值达到最小的年份当作分割点，利用乡村站使用两段式线性订正避免了人口数据质量、回归方程调整检验的一系列问题。总体上，在全球和半球尺度上开展城市化偏差订正的工作还很少，一些研究者因此参照各个区域尺度评价结果，仅在分析平均气温序列的误差时才考虑这种随时间增大的偏差。

在国内，周雅清等[45]、张爱英等[64]通过城市站和乡村站的整个时段的线性趋势之差来订正城市站的增温趋势，得到的区域平均序列剔除了城市化的影响。该方法规避了回归方程调整检验、人口数据质量等一系列问题，但没有对单站气温序列的城市化偏差进行订正。周雅清等[45]通过将各类城市站得到的区域平均气温的趋势减去乡村站得到的区域气温的趋势，得到城市化偏差，再从各类台站（包括基本站、基准站）的年平均气温中减去城市化偏差，获得的华北区域气温资料集不含城市化偏差。Ren等[65]也使用了上述订正方法。

部分学者开发了城市和乡村台站资料进行气温差值订正的方法。Portman[10]对华北地区地面气温中的城市化偏差进行评估后，对该区域的城市化偏差进行了订正，订正公式为：

式中，i为1954—1983年中的任一年，Ti为订正前的温度（℃），为订正后的温度（℃），ΔTu-r为该区域30年的城市增温率（℃/30a），为30年平均城乡温度差。Choi等[66]使用同样的方法对韩国年平均和各个季节的城市站区域平均序列进行了订正。以上订正城市化偏差的研究都只是对区域平均序列中的城市化偏差进行订正，并没有逐站订正气温序列中的城市化偏差。温康民等[67]发展了一套订正站点尺度气温序列中城市化偏差的方法，并对中国国家站近50年中的城市化偏差进行了订正，获得了一套剔除城市化偏差的气温数据集，估算出城市化对中国区域气温序列的影响贡献率为19.6%。

5 讨论与展望

研究城市化对气温的影响，选用何种方法来选取参考站会对研究结果造成较大的影响。选取乡村参考站的方法比较多，它们各有优点和缺点，在分析气温或极端气温事件的城市化偏差时，通过哪种方法选取参考站或划分城乡站非常关键。运用单一方法或单一数据进行乡村参考站的选取，各种不确定性因素比较大，说服力不够，因此，综合利用多种方法或综合利用多种数据进行乡村参考站的选取是今后运用基于观测资料的对比分析法研究这类问题的一个趋势。

城市化偏差是站点气温记录中最常见的系统性偏差，城市化对温度序列变化的影响究竟有多大，如何订正其影响，只有解决了这些问题，才能准确地了解气候变暖的幅度及其原因，也才能改进气候变化监测、检测和预测的结果，这项工作将对今后区域及全球地面气温变化研究奠定基础，对于气候变化研究和推进对气候变化的了解具有重要意义。城市化偏差订正研究最早由美国学者在20世纪80年代发起，城乡对比订正是城市化偏差订正研究最重要的方法，城乡站趋势差值方法避免了人口数据质量、回归方程调整检验等一系列问题，这种方法建立在假设整个研究时期内城市化对地面气温趋势影响是准线性的基础之上。目前，国内对城市化偏差订正方法的研究较为薄弱；国外的订正方法在中国的地面气温序列订正中试验并应用的实例也较少。对地面气温变化趋势中的城市化偏差进行订正是非常重要的，只有发展可靠的订正方法，才能建立背景气温变化序列，为更好地预测区域地面气温变化趋势提供坚实的基础，这对于进一步认识地面气候变化的观测事实，检测区域气候变化信号，分析气候变化的原因，均具有重要理论和实际意义。对于普遍具有较大城市化偏差的中国地面气温观测资料，在站点基础上开展中国地面气温城市化偏差订正工作还是凤毛麟角，在站点基础上开展全球陆地地面气温城市化偏差订正工作还未见报道，这种局面无助于大尺度气候变化监测和研究工作的深入。因此，发展合理的城市化偏差订正方法，获得订正城市化偏差后的观测资料，利用订正后的资料分析研究现代气候变化，得到真实的区域或全球/半球地面气温长期变化特征，是当前气候变化领域迫切需要解决的课题之一。

关于中国近半个世纪气温序列中的城市化影响检测已开展较多工作，而针对中国近百年地面气温序列中的城市化影响的评价和订正几乎还没有相关工作开展，尽快开展相关研究对于正确认识中国近百年气温变化具有重要意义。此外，对于区域和单站尺度极端气温序列受城市化影响的研究还很少，尤其是对于城市化进程快速的东亚区域，对东亚地区极端气温事件序列中包含的城市化影响进行研究，是更准确地进行东亚极端天气、气候事件监测与检测的前提，也能为极端事件的准确预测和模拟提供依据。对东亚自然背景下极端天气、气候事件时空特征的准确分析有助于理解中国气候变化的时空规律，更准确进行气候变化监测、检测和预测，进而更好地分析气候变化对农业、水利等方面的影响，为评估气候变化及其对社会经济的影响提供支持。因此，未来有必要进一步分析评价城市化因素对东亚区域极端气温指数变化可能产生的影响。