肖宇昕, 吳鉦, 方德賢, 何軍, 湯劍平*

1 南京大學(xué)大氣科學(xué)學(xué)院， 南京 210023 2 重慶市氣象科學(xué)研究所， 重慶 401147 3 重慶市渝北區(qū)氣象局， 重慶 401147 4 重慶市氣象臺， 重慶 401147

0 引言

土地利用及覆蓋變化(Land Use /Cover Change，LUCC)與溫室氣體排放是人類活動對局地與區(qū)域氣候變化產(chǎn)生影響的兩種重要途徑(Lawrence and Chase,2010).其中城市化便是人類活動引起下墊面改變而影響區(qū)域氣候的極端表現(xiàn)，它可以通過對地表粗糙度、反照率和植被覆蓋等產(chǎn)生影響，從而引起溫度、風(fēng)速等氣象要素的改變(Pielke and Avissar，1990; Mahmood et al., 2014;楊續(xù)超等，2010).在全球變暖背景下，隨著中國城市化進(jìn)程的不斷加速，城市化擴(kuò)張對局地天氣、氣候的影響問題得到了越來越多的關(guān)注(季崇萍等，2006；王詠薇等，2008；張雷等，2011).

城市化能顯著影響局地的氣溫，其中最顯著的表現(xiàn)形式之一就是城市熱島效應(yīng)(Urban Heat Island effects，UHI)，它指城市的氣溫比其周邊自然環(huán)境氣溫高的現(xiàn)象.城市化對局地和區(qū)域氣溫影響的研究已經(jīng)在全世界范圍內(nèi)得到廣泛研究(Kalnay and Cai, 2006; Zhou et al., 2004; Jazcilevich et al.,2000; Philandras et al.,1999; Fall et al., 2010).Sun 等(2016) 利用中國地區(qū)2400多站的逐日觀測資料分析了城市化對中國區(qū)域增暖的貢獻(xiàn)，表明城市化對中國地區(qū)氣溫增暖貢獻(xiàn)了大概1/3的幅度.氣溫觀測資料中包含了溫室氣體效應(yīng)，城市化和其他土地利用變化等的共同效應(yīng)，又由于城市發(fā)展和觀測的不可逆性，如何合理分離出城市化影響氣溫的信號是開展后續(xù)研究的關(guān)鍵步驟.當(dāng)前，定量研究城市化對氣溫變化的影響主要有三種方法：城郊站點比較法(UMR)，觀測減再分析法(OMR，Kalnay and Cai, 2003)和數(shù)值模擬方法.UMR方法是在城市站附近按照一定的原則遴選鄉(xiāng)村站，對比城鄉(xiāng)站點觀測到的差異來表征城市化對氣溫的影響(謝志清等，2007；吳婕等，2015)，但由于中國地區(qū)很多觀測站都在城郊附近，鄉(xiāng)村站點難以嚴(yán)格界定，很難分離鄉(xiāng)村站自身受城市化的影響.Kalnay和Cai(2003)提出了采用地面觀測資料和再分析資料趨勢的差值來估算城市化的影響，主要的假設(shè)是基于再分析數(shù)據(jù)沒有同化地面觀測資料，從而不受城市化長期變化的影響.該方法在中國區(qū)域城市化影響氣溫的研究中已經(jīng)得到了廣泛應(yīng)用(孫敏等，2011；鄭有飛等，2014).Yang等(2011)利用OMR方法研究了中國東部地區(qū)城市化擴(kuò)展對平均氣溫的影響，得到城市化和其他土地利用變化對區(qū)域增暖的貢獻(xiàn)為24.22%.隨著計算機技術(shù)和高分辨率大氣數(shù)值模式的快速發(fā)展，利用高分辨率數(shù)值模式進(jìn)行城市化對區(qū)域氣候影響的研究也在廣泛開展(李欣等，2011; 湯劍平等，2004).吳風(fēng)波等(2015)利用耦合城市冠層的WRF模式研究了城市化對長江三角洲夏季區(qū)域氣候變化影響，發(fā)現(xiàn)城市化使得以上海為中心的長三角城區(qū)氣候態(tài)平均氣溫顯著升高，氣溫升高最大值達(dá)0.8 ℃.Zhao和Wu(2017)利用MM5也模擬了不同年度城市擴(kuò)展對中國區(qū)域氣候變化的影響.雖然已有較多研究工作探討了中國區(qū)域城市化發(fā)展對區(qū)域溫度的影響，但這些研究基本集中在中國3大城市群區(qū)域(京津冀，長江三角洲，珠江三角洲)，而在我國西南地區(qū)開展的研究還較少.

近年來，成都和重慶區(qū)域的經(jīng)濟(jì)快速發(fā)展，城市化進(jìn)程也顯著加快.高速的城市化進(jìn)程使四川盆地內(nèi)城市區(qū)域的熱島效應(yīng)問題凸顯，引起人們越來越多地關(guān)注(唐國利等，2008).白瑩瑩等(2015)利用重慶地區(qū)17個站點和再分析資料，研究了城市化進(jìn)程對重慶夏季高溫炎熱天氣的影響.程志剛等(2016)利用2000—2010年MODIS地表溫度產(chǎn)品，結(jié)合夜間燈光數(shù)據(jù)分析了成都地區(qū)夏季城市溫度及城市熱島變化的分布特征，表明城市熱島對區(qū)域的增暖有明顯的貢獻(xiàn)，并在2010年達(dá)到0.29 ℃.以上研究表明快速的城市化發(fā)展對四川盆地區(qū)的溫度，特別是夏季氣溫變化有顯著影響，但這些研究的時段還相對較短，所用站點資料較為稀少，同時也缺少高分辨率數(shù)值的區(qū)域氣候模擬驗證.因此，為了更深入探索城市化對四川盆地夏季氣溫的影響，非常有必要利用更多的觀測資料和更長的時間序列進(jìn)行統(tǒng)計分析，并結(jié)合數(shù)值模擬方法開展較為系統(tǒng)的研究.

本文首先利用經(jīng)過均一化檢驗和訂正的四川盆地區(qū)域長期氣象觀測站資料，采用OMR方法分析了城市化及其他土地利用變化對夏季氣溫(包括平均，最高和最低氣溫)變化趨勢的影響.進(jìn)一步結(jié)合區(qū)域氣候模擬數(shù)值試驗，驗證了城市化進(jìn)程對四川盆地內(nèi)大型城市(成都和重慶)區(qū)域氣溫的影響并嘗試探討了可能的原因和機制.

1 資料與方法

1.1 數(shù)據(jù)資料

研究中用到的觀測資料選取了中國西南部地區(qū)地理范圍介于27°N—33°N，103°E—109°E之間的169個地面觀測站點1998—2012年逐日的地面2 m平均氣溫和最低最高氣溫數(shù)據(jù)，站點分布如圖1所示.OMR方法中用到的再分析資料選擇同時段美國國家環(huán)境預(yù)報中心 NCEP(National Centers for Environmental Prediction)與美國能源部DOE(Department Of Energy)合作研制的NCEP/DOE AMIP-Ⅱ Reanalysis資料2 m高度上逐日的最高和最低氣溫數(shù)據(jù)(以下簡稱NCEP/DOE)，數(shù)據(jù)為高斯格點分布，全球共192×94個格點.資料中沒有同化地表溫度、水汽和地表風(fēng)的觀測，只同化了相關(guān)上層大氣觀測數(shù)據(jù)，因此可以認(rèn)為資料中的地表溫度不受城市化及土地利用類型的影響，僅反映由于溫室氣體的排放和大氣環(huán)流所引起的大尺度氣候變化(Kanamitsu et al.，2002).所以地面觀測結(jié)果減去NCEP/DOE全球再分析資料對應(yīng)的溫度趨勢差而得到的OMR值便可以用來反映由于下墊面變化引起的局地氣溫變化情況，表現(xiàn)出各種形式的土地利用與氣候變化間的關(guān)系.

圖1 WRF模擬區(qū)域及地形及觀測站點(黑圓點)Fig.1 WRF simulation domain with distribution of meteorological stations (black dots)

1.2 WRF模擬試驗設(shè)計

模擬試驗所采用的模式為美國國家環(huán)境預(yù)報中心NCEP和美國國家大氣研究中心NCAR(national center for atmospheric research)聯(lián)合研發(fā)的新一代中尺度天氣預(yù)報系統(tǒng)WRFV3 (版本3.6.1).該模式采用非靜力動力框架且包含較多的物理過程參數(shù)化方案，已經(jīng)廣泛應(yīng)用于城市化區(qū)域氣候效應(yīng)的模擬研究(吳風(fēng)波等，2015；Zhao and Wu，2017).模擬試驗中心位于30.5°N，107°E，水平分辨率8 km，經(jīng)緯向格點數(shù)各為150(如圖1).模擬時間選取1998—2012年每年夏季的5月16日到9月1日，前16天(5月16—31日)作為模式spin-up時間，僅對夏季6月、7月、8月的試驗結(jié)果進(jìn)行分析.模式積分步長20 s，垂直30層，向內(nèi)取14個格點為模式緩沖區(qū).模擬試驗所采用的物理參數(shù)化方案包括：WSM5微物理過程方案，CAM3長波、短波輻射過程方案，Monin-Obukhov近地面層方案，Noah陸面過程方案，YSU邊界層方案，UCM城市冠層方案及Betts-Miller-Janjic積云對流參數(shù)化方案.模擬試驗的驅(qū)動場來自歐洲中期天氣預(yù)報中心ECMWF(European Centre for Medium-Range Weather Forecasts)第3代全球再分析資料(ERA-Interim)(Dee et al., 2011)，該資料的水分辨率為0.75°×0.75°.

本文開展了3組不同城市化下墊面的模擬試驗：第1組試驗(以下簡稱Urb1998)采用固定的川渝地區(qū)1998年城市下墊面信息，如圖2a所示，該時期四川盆地城市區(qū)域較小，反應(yīng)了成都、重慶及周邊在城市化快速發(fā)展前的特征；第2組試驗(簡稱Urb2012)采用了固定的2012年城市下墊面信息(圖2h)，反映了四川盆地區(qū)域城市化快速發(fā)展后的特征；第3組試驗(CTL)采用1998—2012年逐年變化的川渝地區(qū)城市下墊面信息，反映了四川盆地1998—2012年較接近真實城市化陸面變化的年變化特征.3組試驗除下墊面信息以外，其他WRF模式參數(shù)設(shè)置均相同.下墊面信息中城市面積的獲取是通過將美國國防氣象衛(wèi)星計劃DMSP(Defense Meteorological Satellite Program)夜間燈光數(shù)據(jù)與由美國地理測量局USGS(United States Geological Survey)提供的土地利用資料中城市面積對比，獲取到會使得提取出的燈光區(qū)范圍與實際城區(qū)范圍較一致的灰度值經(jīng)驗閾值，再用該閾值處理逐年DMSP夜晚穩(wěn)定燈光數(shù)據(jù)得到1998—2012年每一年的城市面積.燈光數(shù)據(jù)由美國DMSP衛(wèi)星上搭載的傳感器獲得，已廣泛用于城市面積的提取和研究(Croft, 1978; Imhoff et al., 1997; Henderson et al., 2003;陳晉等，2003;何春陽等，2006).這里CTL試驗中所使用的1998—2012年燈光反演得到成都及重慶區(qū)域城市面積變化如圖2所示，可以看到兩大都市的城市范圍隨時間在不斷擴(kuò)張.

1.3 數(shù)據(jù)處理

為避免臺站遷移、觀測儀器更換等因素對氣候序列均一性造成的可能影響(李慶祥等，2003)，利用RHtestV4軟件包(Wang and Feng,2013)對四川盆地區(qū)域169個觀測臺站1998—2012年的逐日氣溫序列進(jìn)行了均一性檢驗及訂正.RHtest方法的原理主要是基于懲罰最大T檢驗(PMT)和懲罰最大F檢驗(PMFT)，經(jīng)驗性地考慮了時間序列的滯后一階自相關(guān)，并嵌入了多元線性回歸算法.本文主要是根據(jù)無需參考序列的PMFT方法進(jìn)行斷點的檢測，發(fā)現(xiàn)了具有可靠斷點的5個站點，分別為56380洪雅站，56383青神站，57518巴南站，57612綦江站，57633酉陽站；并分別對這些站點的地面氣溫氣候序列數(shù)據(jù)進(jìn)行了基于平均值調(diào)整(mean-adjusted)的訂正(Wang,2008a; Wang, 2008b).

用于統(tǒng)計分析的WRF模式試驗結(jié)果和再分析數(shù)據(jù)都采用雙線性插值的方法處理到了與站點觀測資料相同的區(qū)域范圍和分辨率，并根據(jù)溫度直減率進(jìn)行了地形訂正.最后采用線性傾向估計法來計算各站點溫度序列的變化趨勢，通過趨勢對比獲得城市化對溫度氣象要素的影響.

圖2 1998—2012年城市范圍演變(暗色區(qū)域為城市面積，圖示逐兩年變化)Fig.2 Expansion of urban areas during 1998—2012, showing is a biennial change

2 結(jié)果分析

2.1 基于OMR方法分析城市化對地面氣溫變化的影響

首先基于臺站的逐日地面氣溫(平均，最高和最低)觀測資料，根據(jù)Kalnay和Cai(2003)提出的OMR方法計算了站點地面氣溫序列和再分析序列線性趨勢的差值.由于NCEP/DOE再分析資料中沒有同化地表溫度、水汽和地表風(fēng)的觀測，可認(rèn)為其中的地表氣溫不受土地利用類型的影響，僅反映由于溫室氣體的排放和大氣環(huán)流所引起的大尺度氣候變化.因此，站點觀測和再分析資料序列線性趨勢的差值反映了城市化和其他土地利用變化對地面氣溫長期變化的影響.在運用OMR方法之前，從時間變化和空間分布檢驗了再分析資料在研究區(qū)域的可靠性.首先比較了NCEP/DOE再分析資料和站點觀測的月平均地面氣溫在四川盆地區(qū)域的時間變化特征，圖3為選取2個站點(溫江56187，沙坪壩57516)的月平均地面平均氣溫，最高和最低氣溫的時間序列圖，從中可以看到雖然再分析資料和觀測之間有偏差，但二者的變化特征非常一致，月平均溫度變化序列的相關(guān)都在0.85以上.圖4為站點觀測和再分析資料的1998—2012年夏季平均溫度及其變化趨勢的空間分布特征.受盆地地形特征影響，夏季四川盆地地區(qū)為地面氣溫高值區(qū)，而周邊高海拔地區(qū)地面氣溫相對較低；再分析資料能非常合理地再現(xiàn)近15年平均四川盆地夏季地面氣溫的分布，但盆地西南部區(qū)域的地面氣溫略有偏高.從近15年地面氣溫的變化趨勢上看，四川盆地大部分地區(qū)有明顯的增溫，線性趨勢為0.1 ℃·a-1左右，而在盆地的北部部分區(qū)域有弱的降溫趨勢；NCEP/DOE再分析資料的地面氣溫趨勢分布和站點觀測基本一致，除盆地北部部分區(qū)域的降溫趨勢外，其他地方都是增暖，但增暖趨勢略高于站點觀測.同時也對再分析資料顯示的日變化特征和年際變化進(jìn)行了分析，大部分站點的逐日序列與觀測資料相關(guān)系數(shù)在0.6以上，大部分地區(qū)均方根誤差均小于3 ℃，在地形復(fù)雜區(qū)域稍大.再分析資料的溫度年際變化序列與各站點觀測序列的相關(guān)系數(shù)幾乎都超過了0.8，均方根誤差也基本在1 ℃左右.這些檢驗結(jié)果都表明了NCEP/DOE再分析資料基本能夠再現(xiàn)四川盆地區(qū)域各站點的地面氣溫變化特征.

圖3 日平均氣溫(t2m)，日最高氣溫(tmax)和日最低氣溫(tmin)觀測和再分析資料的月序列 (a—c) 溫江站; (d—f) 沙坪壩站.Fig.3 Monthly mean series of observed and NCEP/DOE Reanalysis surface air temperature (a—c) Show daily mean temperature, daily maximum temperature and daily minimum temperature of Wenjiang station (56187), (d—f) is Shapingba station (57516)

圖4 再分析資料(a—c，g—i)與觀測(d—e，j—l)1998—2012年夏季日平均氣溫(t2m)， 日最高氣溫(tmax)和日最低氣溫(tmin)及其變化趨勢Fig.4 Spatial distribution of summer daily mean temperature, daily maximum temperature and daily minimum temperature (a—f) and trends (g—l) from 1998 to 2012 based on NCEP/DOE and observation

根據(jù)OMR方法的計算公式，采用臺站觀測資料計算的溫度變化線性趨勢值減去再分析資料計算得到的溫度變化線性趨勢值，得到了四川盆地區(qū)域1998—2012年共15年期間夏季平均地面氣溫，日最高、低氣溫的OMR趨勢空間分布(圖5).由圖可見，夏季平均地面氣溫的OMR趨勢在四川盆地內(nèi)基本都是正值，OMR值的大小在0.03 ℃·a-1左右，且在重慶和成都等大城市圈附近的OMR正值更明顯；而在盆地的南北兩側(cè)區(qū)域及重慶東部地區(qū)為弱的負(fù)值.夏季日最高氣溫的OMR趨勢和地面氣溫的OMR分布基本相似，在成都和重慶等大城市區(qū)域附近，以及盆地東部區(qū)域為正值，而在四川盆地以南貴州等地區(qū)為負(fù)值.與平均氣溫和日最高氣溫不同，夏季日最低氣溫的OMR趨勢值在整個區(qū)域內(nèi)基本都是正值，且在四川盆地區(qū)域的OMR正值最大，部分站點超過0.1 ℃·a-1.這些結(jié)果表明，1998—2012年期間四川盆地及周邊區(qū)域的城市化及其他土地利用變化對地面氣溫有較明顯的影響，特別是在大城市圈附近，而且對日最低氣溫的影響更顯著.

2.2 城市化對四川盆地地面氣溫影響的數(shù)值模擬

為了進(jìn)一步驗證城市化土地利用變化對四川盆地地面氣溫變化的影響，利用數(shù)值模式WRF開展了3組不同城市化下墊面分布變化的模擬試驗(Urb1998,Urb2012和CTL試驗).下面將在檢驗?zāi)Ｊ侥M性能的基礎(chǔ)上，分析城市化變化對四川盆地地面溫度變化的影響.

2.2.1 利用WRF模式對1998—2012年四川盆地夏季地面氣溫模擬的檢驗

選用WRF的CTL試驗進(jìn)行模擬檢驗.CTL試驗采用1998—2012年逐年變化的城市下墊面信息，更接近真實的城市化變化特征.通過與實際站點觀測的對比分析，分別從氣候平均態(tài)，逐日相關(guān)和年際變化三個方面檢驗?zāi)Ｊ降哪M效果.

圖6展示的是WRF模式CTL試驗?zāi)M的1998—2012年夏季平均溫度及其與站點觀測差值的空間分布，可以看到WRF模擬的夏季平均溫度分布與觀測較為接近(圖4d)，在盆地區(qū)域溫度較高，周邊高海拔地區(qū)溫度較低；模式模擬的溫度分布空間相關(guān)系數(shù)均在0.95以上，且平均地面氣溫的均方差誤差只有0.83 ℃,日最高和最低氣溫的RMSE也在1.5 ℃以下.從WRF模擬減去觀測的差值(圖6d—f)也可以明顯看到，模式的偏差基本都在2 ℃以內(nèi)，對于四川盆地內(nèi)的城市區(qū)域日平均地面氣溫和日最高溫度略有高估，同時低估了盆地區(qū)域內(nèi)及重慶南部貴州等區(qū)域的日最低溫度.總的來說，WRF模式能夠較合理再現(xiàn)四川盆地區(qū)域夏季平均地面氣溫的空間分布特征，對盆地內(nèi)的平均和最高溫度有所高估，而最低溫度則有所低估.

進(jìn)一步評估了WRF CTL試驗對四川盆地區(qū)域地面溫度逐日變化的模擬能力.圖7計算了WRF模式模擬的夏季溫度逐日變化序列與實際觀測的相關(guān)系數(shù)(圖7a—c)及均方根誤差RMSE(圖7d—e)，從空間分布圖中可以看到模式對日平均地面氣溫逐日變化的模擬能力相對較高，相關(guān)系數(shù)在整個模擬區(qū)域都超過了0.8；對于日最高和最低氣溫逐日變化模擬的時間相關(guān)系數(shù)基本在0.6以上.同時模擬的日平均氣溫，日最低氣溫的均方根誤差在2 ℃左右，對于日最高溫度模擬的均方根誤差稍大.

圖8計算了模擬與觀測的各站點1998—2012年夏季地表日平均氣溫，日最高氣溫和最低氣溫年際變化序列的相關(guān)系數(shù)和均方根誤差.從中可以發(fā)現(xiàn)，WRF模式能基本合理再現(xiàn)各站點地面氣溫的年際變化特征，除了日最低氣溫在盆地西側(cè)地形邊緣的個別站點的相關(guān)系數(shù)稍低為0.6，在其他大部分站點都超過了0.8；對于日平均氣溫，日最高氣溫的均方根誤差模擬，除了盆地西側(cè)的部分站點以外，大部分站點RMSE在2 ℃以內(nèi)，對于日最低氣溫盆地區(qū)域的模擬均方根誤差稍大一些.

最后檢驗了WRF模式CTL試驗對四川盆地夏季平均氣溫年際變率(用標(biāo)準(zhǔn)差表示)特征的模擬能力.圖9為站點觀測與WRF模式模擬的1998—2012年夏季平均地面氣溫年際變率空間分布，從圖中可以看到站點觀測到地面氣溫的年際變率都是在四川盆地區(qū)域有高值區(qū)，而在周邊區(qū)域為低值；其中日最高氣溫的年際變率最大，在盆地區(qū)域超過了1.2 ℃，其次為日平均氣溫變率達(dá)0.8 ℃，而日最低氣溫的年際變率相對較小，大部分都在0.4 ℃左右.WRF模式較好地模擬出了夏季平均地面氣溫年際變率的空間分布特征，即在四川盆地為年際變率的高值區(qū)，而在周邊地區(qū)為低值區(qū).同時，WRF模式也能模擬出夏季日平均氣溫，日最高和最低氣溫三者的年際變率差異，日最高氣溫的年際變率最大，盆地大部分區(qū)域超過了1.2 ℃，其次為日平均氣溫和日最低氣溫；但模式模擬的年際變率比觀測略偏大，特別是在盆地邊緣的地形區(qū)域.

綜上，從WRF模式對四川盆地地面氣溫的平均分布、逐日和年際變化的模擬結(jié)果來看，模式都能較合理地再現(xiàn)四川盆地川渝地區(qū)夏季氣溫的時間和空間變化特征，該模擬試驗結(jié)果可以用于對于該區(qū)域城市化效應(yīng)的研究.

圖5 1998—2012年臺站觀測與NCEP/DOE資料日平均氣溫(t2m)，日最高氣溫(tmax)和 最低氣溫(tmin)變化趨勢之差(OMR值)Fig.5 The OMR trends (obs trend minus NCEP/DOE trend) of 1998—2012 summer surface air daily mean temperature, daily maximum temperature and daily minimum temperature

圖6 WRF模式CTL試驗?zāi)M的1998—2012年夏季日平均氣溫，日最高氣溫和最低氣溫(a—c) 及其與站點觀測的差值(d—f)Fig.6 Summer mean surface air temperature of 1998—2012 based on simulation (a—c) and the difference (d—f) with observation

圖7 1998—2012年夏季地表日平均氣溫，日最高氣溫和最低氣溫與觀測結(jié)果逐日相關(guān)系數(shù)(a—c)和均方根誤差(d—f)Fig.7 The correlation coefficient (a—c) and root-mean-square error (d—f) of summer daily surface air temperature of 1998—2012 based on simulation and observation

圖8 1998—2012年夏季地表日平均氣溫，日最高氣溫和最低氣溫與觀測結(jié)果逐年相關(guān)系數(shù)(a—c)和均方根誤差(d—f)Fig.8 The correlation coefficient (a—c) and root-mean-square error (d—f) of summer yearly surface air temperature of 1998—2012 based on simulation and observation

圖9 觀測與模式模擬1998—2012年夏季溫度年際變率Fig.9 Standard deviations of summer mean surface air temperature of 1998—2012 based on observation and simulation

2.2.2 不同城市化進(jìn)程對四川盆地地面氣溫變化影響的模擬

圖10 3組試驗?zāi)M下重慶(a)，成都(b)日平均氣溫， 日最高氣溫和最低氣溫逐年變化Fig.10 Summer surface air temperature in Chongqing (a), Chengdu (b) area using three different simulation

基于數(shù)值模擬試驗設(shè)計的四川盆地區(qū)域3組不同城市陸面特征的試驗結(jié)果(Urb1998, Urb2012和CTL試驗)，選取106°E—107°E，29°N—30°N范圍內(nèi)2012年的城市格點作為重慶的城市化影響區(qū)域的平均，選取103.5°E—104.5°E，30°N—31°N范圍內(nèi)城市格點作成都城市化影響區(qū)域的平均.圖10討論了3組試驗中夏季(6,7,8月)2大城市群區(qū)域地面平均氣溫，最高和最低氣溫時間序列，同時計算了溫度的變化趨勢(表1).從圖中可以觀察到對于日平均氣溫，日最低最高氣溫的模擬中，城市化面積較大的Urb2012試驗的溫度高于Urb1998年固定城市面積小的試驗；同時由于兩組試驗中每年的城市面積固定，兩者模擬的溫度變化趨勢小于城市面積逐年增長的CTL試驗顯示出的升溫趨勢.結(jié)合表1對比3組試驗的差異，同樣可以觀察到城市化對于日最低溫的影響大于對日平均氣溫，對日最高氣溫影響相對稍小.從表中我們看到3組模擬試驗得到夏季的平均氣溫和日最高最低氣溫在成都和重慶都呈現(xiàn)上升趨勢，但上升程度有所差異.Urb1998和Urb2012試驗的氣溫的上升趨勢基本一致，而CTL試驗顯示出的升溫趨勢明顯高于城市范圍保持不變的2組試驗，表明了逐年增長的城市下墊面會對平均溫度和日最低溫度的變化趨勢產(chǎn)生較大的影響.成都地區(qū)CTL試驗中的最低氣溫升溫趨勢達(dá)到了0.22 ℃·a-1，比Urb1998試驗中高出了0.20 ℃·a-1.同時，從表中可以看到不斷擴(kuò)張的城市下墊面對成都的日平均氣溫和最高氣溫的上升趨勢也分別產(chǎn)生了約0.15 ℃·a-1和0.06 ℃·a-1的影響.對于重慶區(qū)域，擴(kuò)張的城市化升溫趨勢(CTL試驗)也比城市面積不變的兩組試驗中日最低氣溫趨勢高約0.16 ℃·a-1，對日平均氣溫和最高氣溫的影響分別約為0.13 ℃·a-1和0.06 ℃·a-1.通過以上對比重慶和成都兩個城市區(qū)域的CTL試驗與另外兩組固定城市下墊面試驗的增溫趨勢差異，可以發(fā)現(xiàn)城市化下墊面特征的逐漸擴(kuò)張將顯著增大夏季地面氣溫尤其是日最低氣溫的升高趨勢.

表1 3組實驗下成都、重慶1998—2012年夏季溫度變化趨勢(單位：℃·a-1)Table 1 Trend of surface air temperature in Chengdu, Chongqing area using three different simulation (unit:℃·a-1)

最后參照OMR的原理和計算方法，用城市面積逐年變化的CTL控制試驗的溫度變化趨勢減去固定城市面積的試驗Urb1998溫度變化趨勢(也可以減去Urb2012試驗趨勢，會得到類似的結(jié)果)，來定量衡量不斷擴(kuò)張的城市下墊面對地面氣溫變化的影響.圖11展示了CTL試驗與Urb1998試驗夏季地面平均氣溫，日最高和最低氣溫長期變化趨勢差值的空間分布特征，從圖中可以看到WRF模擬的逐年城市化擴(kuò)張對于氣溫變化趨勢的影響均為增溫效應(yīng)且其中對最低氣溫的影響最為顯著，在城市區(qū)域附近對最低溫度的變化趨勢增加影響超過0.15 ℃·a-1；而對最高溫度的變化趨勢的影響則相對較弱，在城市區(qū)域的增暖趨勢變化也僅在0.5 ℃·a-1左右；對日平均地面氣溫的影響也較為明顯，影響的空間分布特征類似日最低溫度.這些模式模擬結(jié)果與圖5利用觀測資料得到的OMR結(jié)果較為相似，同樣都反映了城市化的變化對日最低氣溫變化趨勢的顯著影響，同時模式模擬的城市化對溫度變化趨勢的影響程度也和觀測的較為接近.綜上分析，對比不同城市化進(jìn)程模擬試驗得到的結(jié)論與2.1節(jié)中采用OMR方法計算出的城市下墊面信息改變對升溫趨勢影響得到的結(jié)果較為一致.

2.2.3 城市化下墊面影響氣溫變化的可能原因

為了進(jìn)一步探討城市化影響溫度變化的機制，分析了由城市化陸面變化引起的反照率及地表能量變化特征.圖12展示了Urb2012試驗減去Urb1998試驗得到的地面氣溫(包括平均，日最高和最低氣溫)，地表反照率，感熱和潛熱差值的空間分布特征.從中可以發(fā)現(xiàn)，城市化下墊面的改變對于日最低溫度的影響相對更加顯著.這是由于最低氣溫通常發(fā)生在夜間，不受太陽輻射影響，最低氣溫的改變更直接地反映出下墊面土地覆被特征的變化.同時發(fā)現(xiàn)Urb2012試驗中成都和重慶區(qū)域的地表反照率和潛熱在城市擴(kuò)張區(qū)域要明顯小于Urb1998試驗，而感熱釋放則要更大.這表明了城市化的擴(kuò)張會降低下墊面的地表反照率從而增加了地面的短波輻射吸收和凈輻射(圖略)，同時城市地表的不透水性會使得水汽蒸發(fā)減少，從而減少潛熱而增加地表感熱.以上這些陸面特征的變化進(jìn)一步影響了地表的能量收支，從而改變了局地的熱力結(jié)構(gòu)，最終影響到城市及其周邊的溫度變化，使城市區(qū)域的地表溫度明顯增加.而隨著城市化的不斷擴(kuò)張，城市陸面變化改變對區(qū)域地面氣溫的影響也逐漸加大，從而使得城市化影響區(qū)域的溫度變化趨勢呈明顯的增暖趨勢.

圖11 1998—2012年不同城市化進(jìn)程的模擬日平均氣溫，日最高氣溫最低氣溫變化的趨勢差值分布Fig.11 The difference of temperature trends of 1998 to 2012 between simulation CTL and Urb1998

圖12 Urb2012試驗與Urb1998試驗?zāi)M的氣溫(a—c)，地表反照率(d)，潛熱(e)和感熱(f)差異Fig.12 The difference of temperature (a—c), albedo (d), latent heat (e) and sensible heat (f) between simulation Urb2012 and Urb1998

3 結(jié)論

本文在對站點觀測資料進(jìn)行均一性檢驗和訂正的基礎(chǔ)上，分析了四川盆地區(qū)域1998—2012年夏季地面2 m溫度(包括平均氣溫，日最高最低氣溫)的變化趨勢.并通過觀測資料變化趨勢減去再分析資料趨勢差值的OMR方法定量分離出下墊面信息對于地面溫度變化的影響.在此基礎(chǔ)上，進(jìn)一步通過合理設(shè)計固定城市區(qū)域變化的Urb1998、Urb2012和城市化區(qū)域逐年變化的CTL試驗，驗證了四川盆地區(qū)域城市化變化對于地面溫度變化趨勢的影響，得出以下結(jié)論：

(1)基于站點觀測和再分析資料的OMR結(jié)果表明成都和重慶兩個大城市區(qū)域下墊面的改變對于夏季地面2 m氣溫的升溫趨勢影響可以達(dá)到0.1 ℃·a-1，其中對日最低氣溫的升溫趨勢影響最為明顯，對平均氣溫和最高氣溫影響相對稍小.

(2)WRF模式模擬的CTL試驗可以合理模擬出四川盆地及附近地區(qū)夏季氣溫的分布特征，試驗對于多年平均溫度氣候態(tài)空間分布特征，逐日平均氣溫和日最高最低氣溫的時間序列變化特征及溫度年際變化的模擬也都與站點實際觀測比較接近.模擬結(jié)果具有較高適用性，可用于四川盆地區(qū)域夏季氣溫變化的研究.

(3)不同城市化進(jìn)程試驗?zāi)M的氣溫變化趨勢差值與基于站點和再分析數(shù)據(jù)的OMR結(jié)果類似，都表明了重慶成都區(qū)域的城市下墊面對地面2 m溫度的變化趨勢有顯著影響，尤其是對于日最低氣溫的變化趨勢影響最為劇烈.

致謝感謝評審專家們提出的寶貴意見.