廉麗姝,李寶富,,*,陳忠升,陳亞寧,孫小銀

1 曲阜師范大學地理與旅游學院,日照 276826 2 中國科學院新疆生態(tài)與地理研究所,荒漠與綠洲生態(tài)國家重點實驗室,烏魯木齊 830011 3 西華師范大學國土資源學院,南充 637002

土地利用/覆被變化(Land Use/Cover Change,簡稱LUCC)是全球變化的重要驅動因素,是迄今人類改變地球系統(tǒng)最重要的方面之一。土地利用類型的變化將影響著地表反照率、地面粗糙度及土壤的熱力、水分特性等地表屬性,從而對氣候以及陸面過程產生極其重要的影響[1- 2]。在區(qū)域尺度上,植被覆蓋變化也能對地表能量平衡和水分平衡產生實質性的影響[3]。因此,LUCC能夠顯著影響區(qū)域氣候變化已經毋庸置疑[4-5]。而且對于區(qū)域尺度而言,多數地區(qū)氣候內部變率的貢獻大于外強迫,區(qū)域尺度氣溫變化的機制較全球、半球尺度更為復雜[6]。因此,開展LUCC對區(qū)域氣候變化的影響研究,對明確區(qū)域氣候變化機理具有重要的科學意義。

LUCC的區(qū)域氣候效應研究的主要方法有兩大類。一是利用統(tǒng)計學分析法,分析觀測數據與再分析資料之間的關系,從而揭示LUCC對區(qū)域氣候的影響[7]。二是運用陸-氣耦合模式,結合模擬試驗,研究LUCC產生的區(qū)域氣候效應[8- 10]。后者因具有良好的物理基礎,能夠揭示區(qū)域氣候變化的機制而被廣泛應用[11-14]。例如張學珍等[15]利用WRF(Weather Research and Forecasting)模式,研究了中國中東部耕地擴張對表面氣溫的影響,結果發(fā)現農業(yè)擴張對大尺度的區(qū)域溫度影響較??；王明娜等[5]利用區(qū)域模式WRF模擬分析了21 世紀初期2001—2010年中國北方半干旱區(qū)土地利用變化對地表溫度的影響; 董思言等[16]利用區(qū)域環(huán)境集成模擬系統(tǒng)模擬了土地利用/覆被變化對中國不同季節(jié)氣溫的影響；陳海山等[17]模擬了近20年中國土地利用變化對區(qū)域氣候的影響。多數研究表明,由于正、負溫度效應在區(qū)域平均的過程中相互抵消,使得LUCC 對區(qū)域平均溫度變化的影響甚微[5,15],主要表現在同一時間上,LUCC引起某些土地利用類型的溫度增加,某些土地類型的溫度卻減少；而在同一空間范圍內,不同時間尺度也表現出不同的溫度變化趨勢。可見,LUCC 對區(qū)域氣候的影響主要限于局地[5,16]。然而,多數研究主要集中在較大的區(qū)域(大于1106km2),且空間分辨率多集中在30km及以上水平,時間分辨率多介于季節(jié)和年尺度之間[16,18],這從很大程度上影響了研究結果的精度。另外,LUCC對區(qū)域氣溫的影響研究較多,而對局地降水的研究相對較少。

同時,LUCC對區(qū)域氣候變化產生的重要影響,也勢必會影響水文過程,即為LUCC的間接水文效應。但是,多數研究注重探索LUCC引起產流、匯流等直接水文過程的變化[19- 20],鮮見有探討LUCC對水文過程產生的間接影響的研究。因此,本研究基于衛(wèi)星觀測的研究區(qū)1990年和2010年LUCC客觀事實,利用WRF模式,以魯南局地(沂河流域)為例,從更高空間(3km)和時間分辨率(月和日尺度)尺度,探析LUCC對局地氣溫和降水變化的影響；并采用彈性系數法,定量評估LUCC產生的間接水文效應。研究結論對準確解讀LUCC對局地氣候的影響機制,明確局地水文過程變化機理具有重要的科學指導意義。

1 材料與方法

1.1 研究區(qū)概況

圖1 研究區(qū)位置及沂河流域水文和氣象站點分布 Fig.1 The study area location map and distribution of meteorological and hydrological stations in Yihe river basin

沂河是淮河流域沂沭泗水系中較大河流,位于33.5°—36.5°N,117°—119.0°E之間(圖1),北接海河平原,南鄰黃淮平原,為臨沂地區(qū)的母親河。沂河源出山東省沂源縣,經沂水、沂南、臨沂、蒙陰、平邑、郯城等縣、市,至江蘇省邳縣吳樓村入新沂河,抵燕尾港入黃海,流域面積1.7×104km2。

1.2 試驗設計與數據來源

1.2.1 基于WRF模式的LUCC區(qū)域氣候效應

采用WRF 3.7研究LUCC引起的區(qū)域氣候要素的變化,從而揭示LUCC的間接水文效應。由于氣溫和降水是影響徑流變化的主導氣候因子,因此本文主要利用WRF模式研究LUCC引起的區(qū)域氣溫和降水的變化,從而分析其對徑流的影響。

本研究主要包括控制試驗和敏感性試驗。模擬區(qū)域的中心經緯度為35.8°N、118.1°E。試驗采用3層嵌套方式,水平分辨率分別為27km(domain1)、9km(domain2)和3km(domain3)(圖1),對應的格點數分別為27×36、49×67和91×130。考慮到短時間內LUCC基本穩(wěn)定及數據的可獲取性,采用2010年LUCC和2013年的驅動場作為控制試驗,模擬2013年不同月份的氣溫和降水狀況。敏感性試驗是將研究區(qū)(domain3)2010年LUCC數據改為1990年。除了LUCC不同之外,所有試驗采用了相同的設置和物理參數化方案,所以控制試驗與各敏感試驗模擬結果之差反映了研究區(qū)LUCC對區(qū)域氣候要素的影響。

由于研究區(qū)氣候季節(jié)變化明顯,本文設置模擬時間(UTC)為2013年1月1日00時—2013年2月1日00時；2013年4月1日00時—2013年5月1日00時；2013年7月1日00時—2013年8月1日00時；2013年10月1日00時—2013年11月1日00時。這樣一方面可以反映WRF模式對不同季節(jié)天氣特征的模擬狀況,同時可以展示LUCC對不同天氣動力狀況下的氣候要素的影響。另外,參考前人研究成果[15]及敏感性試驗,本試驗采用的微物理過程方案為Lin等的方案,長波輻射方案為rrtm方案,短波輻射方案為Dudhia方案,近地面層方案為Monin-Obukhov方案,陸面過程方案為Noah方案,邊界層方案為YSU方案,積云參數化方案為淺對流Kain-Fritsch(new Eta)方案。初始場和側邊界使用的是NCAR提供的1°×1°的NCEP-FNL再分析數據。

本文假設LUCC引起氣候要素變化量與實際氣溫或降水量大小呈正比,那么可以有：

(1)

式中,δ是研究區(qū)1990—2010年LUCC引起的2013年氣溫或降水變化量；ΔX4為WRF模式模擬的LUCC引起研究區(qū)2013年1、4、7和10月氣溫或降水的變化量之和；Xms2013為用1990年LUCC模擬的2013年1、4、7和10月平均氣溫或降水量之和；X2013為研究區(qū)2013年實測平均氣溫或降水總量。

本研究的模擬運算采用WRF 3.7并行版本,在曙光天闊服務器1620-G15(32CPU)上完成?？刂圃囼灪兔舾行栽囼灥耐鈱?domain1和domain2)均利用USGS(美國地質勘測局)10′和2′土地利用數據,內層(domain3)用中國科學院資源環(huán)境科學數據中心(http://www.resdc.cn) 2010年1km×1km土地利用數據(重分類、重采樣和格式轉換后)和1990年土地利用數據。運用研究區(qū)實測氣象站數據驗證控制試驗模擬結果。實測氣象資料包括兗州、沂源、莒縣和徐州氣象站的逐日氣溫和降水數據。

1.2.2 徑流對氣候要素變化的彈性系數

在氣候變化對水文過程影響研究中,通常采用彈性系數來表征水文要素對氣象要素的敏感性。本文采用Zheng等[21]提出的彈性計算方法分析1960—2013年徑流量對降水或氣溫變化的彈性系數。計算公式如下：

(2)

因此,LUCC引起2013年徑流變化率(φ)為：

φ=ε·δ/X2013×100%

(3)

1.2.3 Mann-Kendall單調趨勢檢驗

本文運用Mann-Kendall單調趨勢檢驗判定徑流和氣候要素在某一時間段的變化趨勢是否顯著。本文取P= 0.05的顯著性檢驗水平,若時間序列在此置信水平下存在顯著變化趨勢,則|Z|=1.96,Z為正值,表明時間序列具有上升或增加趨勢,Z為負值,則表示具有下降或減少趨勢。

2 結果與分析

2.1 控制試驗模擬結果檢驗

基于控制試驗模擬的不同月份逐日氣溫與實測數據之間的關系可知,WRF模式能夠較好的反映研究區(qū)各月氣溫狀況,模擬溫度與實測溫度之間的相關性均達到了P<0.001顯著性水平(圖2)。當然,模擬值與實測值之間也具有一定的誤差。從月尺度上,WRF模式對2013年1月和7月模擬的平均氣溫略低于實測值,誤差率分別為9.1%和6.2%；而對4月和10月模擬的平均氣溫略高于實測值,誤差率分別為1.8%和3.3%?？傮w來看,WRF模式對研究區(qū)氣溫模擬結果可靠,可以較好的反映氣溫的時空變化特征。

圖2 觀測和控制試驗模擬的2013年1、4、7和10月份日均溫度散點圖Fig.2 Scatter plots of measured and modeled daily temperatures in January, April, July, and October 2013

圖3展示的是控制試驗模擬的不同月份逐日降水與實測數據之間的關系。結果表明,雖然WRF模式對降水的模擬精度低于氣溫,但模擬降水與實測降水之間的相關性均達到了P<0.05顯著性水平。從誤差率來看,WRF模式對2013年1月和4月模擬的總降水量略低于實際值,誤差率分別為4.8%和14.3%；而對7月和10月模擬的總降水量略高于實測值,誤差率分別為6.7%和17.1%?？梢钥闯?WRF模式對研究區(qū)降水模擬結果可信。

圖3 觀測和控制試驗模擬的2013年1、4、7和10月份日降水量變化Fig.3 Measured and modeled (controlled simulations) precipitation changes in January, April, July, and October 2013

2.2 土地利用/覆被變化分析

從各土地利用類型所占面積比例來看,1990和2010年,研究區(qū)土地利用類型均是以旱地為主,分別占到總面積的70.3%和68.6%,其次是水田,分別占總面積的11.4%和11.1%,草地和有林地所占面積比例介于5.4%—7.2%之間,而其他土地利用類型所占面積比例較小(圖4)。

從土地利用類型的變化量來說,1990—2010年,旱地面積減少量最大,為1089.8km2。其次是水田和草地,分別減少了198.3km2和62.2km2。而城市建設用地增加量最大,為821.8km2,其次為裸地和水體,分別增加了207.8km2和214.2km2。另外,永久濕地(75.0km2)和疏林地(55.6km2)面積略有增加,而其他土地利用類型的面積變化量較小。由此可以看出,近20多年來,研究區(qū)土地利用類型主要是以旱地向建設用地(747.3km2)和裸地(132.4km2)轉化的過程。

圖4 1990和2010年沂河流域土地利用狀況Fig.4 Land use/cover in 1990 and 2010 for Yihe river basin

2.3 LUCC導致的氣象要素變化

2.3.1 氣溫變化

圖5展示的是由控制試驗與敏感性試驗模擬氣溫的差值,其結果表明由近20年的LUCC引起的不同月份氣溫空間變化?？梢钥闯?由于LUCC引起的1月和10月氣溫均增加了0.2℃；而7月氣溫呈現降低態(tài)勢(0.1℃),另外4月氣溫基本穩(wěn)定。從各土地利用類型的平均溫度來說,1月僅有城市建設用地平均溫度略有降低,其他各土地利用類型平均溫度均表現為上升態(tài)勢,其中混交林氣溫上升幅度最大,為0.8℃,其次是水體,溫度升高了0.4℃,而落葉闊葉林和濕地氣溫上升幅度較小,均小于0.1℃。4月僅有旱地溫度略有增加,但幅度很小,其他各土地利用類型平均溫度均降低,其中混交林溫度減少幅度最大,為1.0℃,其次是水體,溫度降低了0.3℃,而濕地、落葉闊葉林、水田和草地溫度降幅較小,小于0.1℃。7月所有的土地利用類型溫度均呈減少態(tài)勢,其中仍是混交林和水體降溫幅度較大,分別為1.3℃和0.3℃,其次是城市建設用地和灌木林地,降溫幅度介于0.2—0.3℃,而濕地氣溫減少量最小,小于0.1℃,其他旱地、草地、水田等土地利用類型溫度降幅在0.1—0.2℃之間。10月所有的土地利用類型的溫度均表現為上升態(tài)勢,其中混交林和水體升溫幅度最大,分別為0.7℃和0.3℃,其次是灌木林地,溫度增幅在0.2℃左右,而其他土地利用類型的溫度增加幅度較小,小于0.1℃。

圖5 近20年LUCC引起2013年不同月份氣溫變化量Fig.5 Temperature changes in January, April, July, and October due to the LUCC during the 20-year period

2.3.2 降水變化

控制試驗與敏感性試驗模擬降水的差值結果表明(圖6),近20年的LUCC引起的1月和4月降水變化量很小,可以忽略不計；10月降水略有增加,增量為0.3mm；而7月由LUCC引起的平均降水減少幅度較大,降低了23.7mm?？梢?LUCC對夏季降水影響較大,這是因為研究區(qū)夏季降水量相對豐富,LUCC變化可以從一定程度上影響水汽通量的變化。

圖6 近20年LUCC引起2013年不同月份降水變化量Fig.6 Precipitation variations in January, April, July, and October 2013 due to LUCCs during the 20-year period

2.4 LUCC的間接水文效應

基于1960—2013年研究區(qū)年徑流和氣象資料,利用公式(2)計算得到沂河流域年徑流量對年降水變化的彈性系數為2.4,意即研究區(qū)年降水量變化1%,將引起年徑流量變化2.4%。而研究區(qū)年徑流量對年均氣溫變化的彈性系數小于降水,為-1.8,這表明氣溫升高1%,將導致徑流減少1.8%。這也說明研究區(qū)降水對徑流的影響程度大于氣溫。

同時,基于公式(3)可以得出1990—2010年LUCC引起2013年降水和氣溫變化導致的沂河年徑流量的變化率分別為18.4%和1.7%?？梢钥闯?LUCC的間接水文效應主要表現在對降水變化的影響。

3 討論

WRF模式模擬結果表明,近20年來研究區(qū)LUCC導致局地氣候發(fā)生了明顯變化,而且這種變化對徑流量產生了重要影響。因此,LUCC的水文效應不僅表現在改變地表植被的截留量、土壤水分的入滲能力等產流、匯流方面,而且體現在通過影響局地降水和蒸發(fā)等氣象要素而間接影響徑流。因此,LUCC導致的間接水文效應值得進一步關注,這也是我們未來工作的重點。在研究方法上,可考慮基于氣候模式與具有良好物理機制的水文模型耦合的方法,全面解析LUCC產生的氣候和水文效應。

雖然WRF模式模擬結果通過了顯著性檢驗,但本文僅模擬了各季節(jié)的代表性月份LUCC對局地氣候的影響,這給模擬結果帶來一定的不確定性,因此要加強更長時間尺度的模擬與研究,進一步準確揭示LUCC產生的氣候效應。同時,研究結果表明,不僅溫度在區(qū)域平均的過程中會因正、負效應而相互抵消,而且降水也存在類似現象,這與前人研究結果一致[5,15]。因此,應從更高空間和時間分辨率角度科學揭示LUCC對局地氣候的影響。

另外,模擬結果表明,1990—2010土地利用類型變化使得研究區(qū)城市建設用地在個別月份的溫度略有下降,可以有以下3個方面的探討：一是盡管城市建設用地溫度略降,但是LUCC導致的區(qū)域溫度總體還是以升高為主,而城市建設用地僅是城市土地利用的一種類型,因此,至于LUCC是否導致研究區(qū)城市“熱島”整體減弱的還有待進一步研究；二是熱島效應不僅表現在強度上,也體現在空間分布上,雖然城市建設用地熱島減弱,但在空間上熱島范圍在擴張；三是研究表明,在2005年以后我國東部許多地區(qū)的城市熱島出現減弱的趨勢[22],例如葛榮鳳等[23]研究發(fā)現北京二環(huán)區(qū)域的熱環(huán)境呈現一定程度的好轉,張曉莉等[24]指出1987—2013年西寧城區(qū)熱島強度小幅減弱,韓貴鋒等[25]研究顯示近20年來重慶部分城區(qū)的熱島強度明顯減弱。這主要是因為近年來我國城市空間格局優(yōu)化、城市綠化面積增加等現象使得人為因素對城市環(huán)境的不利影響在減弱[22],人居環(huán)境改善[25]。因此,近20年來研究區(qū)LUCC導致城市建設用地溫度在個別月份略有降低也是可以理解的。

4 結論

(1)1990—2010年,研究區(qū)土地利用變化明顯,主要是以旱地向建設用地(747.3km2)和裸地(132.4km2)轉化的過程。

(2)近20年來,土地利用類型變化的區(qū)域氣候效應明顯且具有一定的時空差異性。WRF模式模擬結果表明,LUCC引起2013年1月和10月氣溫都增加了0.2℃,使得7月氣溫卻減小了0.2℃,而4月氣溫基本穩(wěn)定。其中,LUCC導致混交林和水體的溫度變化幅度較大,在0.4—1.3℃之間,而對落葉闊葉林和濕地氣溫的影響較小,其溫度變化幅度均小于0.1℃。降水方面,1990—2010年LUCC引起1月和4月的降水變化幾乎可以忽略不計,導致10月降水增加了0.3mm,而引起7月降水變化較大,即減少23.7mm。

(3)1960—2013年,沂河徑流對流域氣候要素變化響應敏感。流域降水和氣溫變化1%,將會導致徑流分別改變2.4%和1.8%。同時,1990—2010年,LUCC的間接水文效應顯著,主要表現在LUCC使得2013年徑流量減少了20.1%。

[1] IPCC. Climate Change 2013: the Physical Science Basis: Summary for Policymakers. Working Group I Contribution to the IPCC Fifth Assessment Report. Cambridge, UK: Cambridge University Press, 2013.

[2] Zhang X Z, Tang Q H, Zheng J Y, Ge Q S. Warming/cooling effects of cropland greenness changes during 1982- 2006 in the North China Plain. Environmental Research Letters, 2013, 8(2): 024038.

[3] Pielke R Sr, Beven K, Brasseur G, Calvert J, Chahine M, Dickerson R R, Entekhabi D, Foufoula-Georgiou E, Gupta H, Gupta V, Krajewski W, Krider E P, Lau W K M, McDonnell J, Rossow W, Schaake J, Smith J, Sorooshian S, Wood E. Climate change: the need to consider human forcings besides greenhouse gases. EOS, Transactions American Geophysical Union, 2009, 90(45): 413- 413.

[4] Pitman A J, Arneth A, Ganzeveld L. Regionalizing global climate models. International Journal of Climatology, 2012, 32(3): 321- 337.

[5] 王明娜, 韓哲, 張慶云. 21世紀初中國北方半干旱區(qū)土地利用變化對地表溫度的影響. 氣候與環(huán)境研究, 2016, 21(1): 65- 77.

[6] 滿文敏, 周天軍, 張麗霞, 吳波, 張潔. 20世紀溫度變化中自然變率和人為因素的影響: 基于耦合氣候模式的歸因模擬. 地球物理學報, 2012, 55(2): 372- 383.

[7] Peng S S, Piao S L, Zeng Z Z, Ciais P, Zhou L M, Li L Z X, Mynenif R B, Yin Y, Zeng H. Afforestation in China cools local land surface temperature. Proceedings of the National Academy of Sciences of the United States of America, 2014, 111(8): 2915- 2919.

[8] 華文劍, 陳海山, 李興. 中國土地利用/覆蓋變化及其氣候效應的研究綜述. 地球科學進展, 2014, 29(9): 1025- 1036.

[9] 崔耀平, 劉紀遠, 張學珍, 秦耀辰, 董金瑋. 京津唐城市群土地利用變化的區(qū)域增溫效應模擬. 生態(tài)學報, 2015, 35(4): 993- 1003.

[10] Gao X J, Zhang D F, Chen Z X, Pal J S, Giorgi F. Land use effects on climate in China as simulated by a regional climate model. Science in China Series D: Earth Sciences, 2007, 50(4): 620- 628.

[11] Wang M N, Xiong Z, Yan X D. Modeling the climatic effects of the land use/cover change in eastern China. Physics and Chemistry of the Earth, Parts A/B/C, 2015, 87- 88: 97- 107.

[12] 劉紀遠, 邵全琴, 延曉冬, 樊江文, 鄧祥征, 戰(zhàn)金艷, 高學杰, 黃麟, 徐新良, 胡云峰, 王軍邦, 匡文慧. 土地利用變化對全球氣候影響的研究進展與方法初探. 地球科學進展, 2011, 26(10): 1015- 1022.

[13] 邵璞, 曾曉東. 土地利用和土地覆蓋變化對氣候系統(tǒng)影響的研究進展. 氣候與環(huán)境研究, 2012, 17(1): 103- 111.

[14] Liu F S, Tao F L, Liu J Y, Zhang S, Xiao D P, Wang M, Zhang H, Bai H Z. Effects of land use/cover change on land surface energy partitioning and climate in Northeast China. Theoretical and Applied Climatology, 2016, 123(1/2): 141- 150

[15] 張學珍, 劉紀遠, 熊喆, 張宏文. 20世紀末中國中東部耕地擴張對表面氣溫影響的模擬. 地理學報, 2015, 70(9): 1423- 1433.

[16] 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)學報, 2015, 35(14): 4871- 4879.

[17] 陳海山, 李興, 華文劍. 近20年中國土地利用變化影響區(qū)域氣候的數值模擬. 大氣科學, 2015, 39(2): 357- 369.

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

[19] 雷超桂, 許有鵬, 張倩玉, 王躍峰, 李廣. 流域土地利用變化對不同重現期洪水的影響——以奉化江皎口水庫流域為例. 生態(tài)學報, 2016, 36(16): 5017- 5026.

[20] 袁宇志, 張正棟, 蒙金華. 基于SWAT模型的流溪河流域土地利用與氣候變化對徑流的影響. 應用生態(tài)學報, 2015, 26(4): 989- 998.

[21] Zheng H X, Zhang L, Zhu R R, Liu C M, Sato Y, Fukushima Y. Responses of streamflow to climate and land surface change in the headwaters of the Yellow River Basin. Water Resources Research, 2009, 45(7): W00A19, doi: 10.1029/2007WR006665.

[22] 劉沁萍. 近20年來中國建成區(qū)擴張、建成區(qū)植被和熱島效應變化及其人文影響因素研究[D]. 蘭州: 蘭州大學, 2013.

[23] 葛榮鳳, 王京麗, 張力小, 田光進, 馮悅怡. 北京市城市化進程中熱環(huán)境響應. 生態(tài)學報, 2016, 36(19): 6040- 6049.

[24] 張曉莉, 趙鵬祥, 高凌寒, 趙選, 王輝. 基于Landsat影像的西寧市主城區(qū)熱島效應分析. 西北林學院學報, 2016, 31(3): 183- 190.

[25] 韓貴鋒, 顏文濤, 趙珂, 葉林. 近20年來重慶市主城區(qū)地表熱島的時空變化. 環(huán)境科學研究, 2012, 25(6): 615- 621.