城市分类对中国城市化影响评估的不确定性分析

储鹏,江志红*,李庆祥,董良鹏



城市分类对中国城市化影响评估的不确定性分析

储鹏①,江志红①*,李庆祥②,董良鹏①

① 南京信息工程大学 气象灾害教育部重点实验室/气候与环境变化国际合作联合实验室/气象灾害预报预警与评估协同创新中心,江苏 南京 210044;

② 国家气象局 国家气象信息中心,北京 100081

2013-03-03收稿，2015-06-10接受

国家重点基础研究发展计划(973计划)项目(2010CB428505);中国科学院碳专项项目(XDA05090000);国家科技支撑计划项目(2012BAC22B00);中国气象局气候变化专项项目(CCSF201224)

采用美国国防气象卫星计划的夜间灯光数据DMSP/OLS、MODIS土地覆盖数据、人口数据进行城、乡气象站点的划分,探讨了三种不同划分方法对城市化不确定性的影响,并根据三种方法认定的城、乡站点,使用均一化订正的地面观测气温数据,分析了1961—2004年我国不同区域和12个城市群的城市热岛效应(Urban Heat Island effect,UHI effect)对气温变化的影响。结果表明:东南、西南和东北地区城市化影响研究的不确定性主要体现在UHI effect的数值大小上,而西北地区的不确定性则多体现在变化趋势的方向上;用三种方法同时认定的城、乡站点对比表明,中国东南地区城市化对区域气温增暖的贡献较强,西北地区较弱,东北和西南地区则无明显一致的影响;城市化对季节平均温度的影响存在南北差异,春、秋季在南方的影响显著,冬、春季在北方的影响显著。

城市化

增暖贡献

城市热岛效应

影响评估

全球变暖已经成为世界性关注的气候和环境问题。人类活动对于气候变化有着不可忽略的作用,其中由于土地利用变化产生的城市热岛效应(Urban Heat Island effect,UHI effect)对区域气候,特别是地球表面气温有着直接的影响(Wang et al,1990;赵宗慈,1991;Zhou et al.,2004;Parker 2005;谢志清等,2007)。Hansen and Lebedeff(1987)发现,从数据中剔除人口超过10万的城市台站观测值后,全球过去100多年的平均气温大约只上升了0.1 ℃;Karl and Jones(1990)的研究结果则进一步表明,1901—1984年美国年平均温度序列中的城市化偏差介于0.1～0.4 ℃之间,高于同期增温趋势(0.16 ℃/84yr);Hughes and Balling(1996)对南非1885—1993年的平均气温研究表明:大部分增温是发生在过去近30 a,其中一半以上与城市化有关;Easterling et al.(1997)以人口数据为依据,将全球5 400个观测站划分为城市站和非城市站,进行了气温增暖趋势的评估,结果表明城市台站无论最高、最低和日较差气温增暖趋势都远远高于非城市体现的气候趋势。李庆祥等(2010)进行了近百年中国气温变化的估计,发现1900—2006年中国气温变化速度为(0.09±0.017)℃/10 a,近50 a(1954—2006年)气温增暖趋势约为(0.26±0.032)℃/10 a,近30 a(1979—2006年)增暖趋势为(0.45±0.13)℃/10 a,气温增暖速率呈明显加剧趋势,比全球和北半球增温速率明显偏高。而Jones et al.(1989,1990,2008)对前苏联、中国东部、澳大利亚东部以及美国的城市和农村站平均气温变化进行比较分析的结果却表明,城市化对这些地区地表平均气温变化的影响很小。Li et al.(2004)利用REOF(Rotated Empirical Orthogonal Function)将中国分为5个区域,逐个区域采用经验正交函数(EOF)第一特征向量的荷载权重加权平均的方法建立距平序列,并比较各区平均气温序列变化趋势差异,发现这种差异并不显著。但众多研究表明,对于单个站点和一些更小尺度的特殊区域,城市化的贡献则更为显著(Wang et al.,1990;司鹏等,2010a,b;Yang et al.,2011;黄嘉佑等,2004;Ren et al.,2007;董良鹏等,2014)。

综合来看,各个研究者所采用的资料不同、方法各异以及台站所在城市的发展水平的差别是导致上述这些不同研究结果产生的主因(徐永明等,2007;张爱英等,2010;李庆祥,2012;李娇等,2014)。特别是长期以来,学界就如何有效区分城、乡站,如何揭示大小城市之间热岛效应的差异,热岛效应除了受城市人口数影响之外,是否还存在地理或纬度上的差异等问题,尚缺乏公认的结果。Kalnay and Cai(2003)就指出,在研究城市化气候效应时,结果往往因采用不同的方法划分城市和乡村的区域而不同。Peterson and Owen(2005)也认为UHI effect信号的大小依赖于用来区分城市和乡村站的元数据,但区分的方法有很多,结果也就不同。Spronken-Smith and Oke(1998),Gallo(2005)还认为城市公园的区域尺度以及站点周围的微环境对于观测的温度有显著影响,这进一步使得城、乡站区分和城市化对于气候变化影响的研究复杂化。黄嘉佑等(2004),王振华等(2010)都是根据人口数目对城市和乡村站进行划分。针对沿海城市,曾侠和钱光明(2006)特别提出,可以将海岛站作为背景场的参照站与城市站进行对比。

基于此,本文通过灯光、MODIS以及人口这三种在城市化的影响研究中采用较多的方法,分别划分中国各个区域内的城市和乡村站点,集中对比不同区分方法在中国不同区域以及12个城市群的城市化贡献的差异和不确定性,并根据三种方法共同认定的的城市、乡村站点划分,分析城市化对近几十年我国气温变化的贡献。

1　资料与方法

1.1资料

本文采用3种元数据信息对城市、乡村站点进行划分:1)遥感夜间灯光数据:美国国家地球物理数据中心(the National Geophysical Data Center,NGDC)提供的2000年DMSP/OLS(Defense Meteorological Satellite program/Operational Linescan System)资料,该资料的水平分辨率为1 km。2)中等分辨率成分光谱仪(MODerate-resolution Imaging Sperctroradiometer,MODIS)数据:2001年MODIS LCT产品(MCD12Q1)的空间分辨率为500 m,时间分辨率为1 a。3)社会经济统计数据:所用的城镇用地面积数据主要来源于《中国国土资源年鉴》,人口统计数据来自第5次(2000年)全国人口普查。

本文采用的气象数据是由国家气象信息中心提供的中国约740个基准基本站经过均一化处理的气温资料(李庆祥,2012)。为了计算方便,本文舍弃了1960年以前的部分,只截取了1961—2004年间资料较为完整的序列。

1.2城乡气象站分类方法

Yang et al.(2011)利用DMSP/OLS遥感夜间灯光和人口统计数据,在地理信息系统(Geographic Information System,GIS)技术的支持下,提出一种快速、客观、定量划分城、乡气象站点的方法。本文基于Yang et al.(2011)的方法,通过ENVI(the ENvironment for Visualizing Images)截取各省灯光面积与统计城镇面积比对,确定各省城市气象站灯光阈值。使用Arcgis软件以各气象站点为中心选取7 km半径(当半径大于7 km时,缓冲区内灯光平均值变化减缓)的缓冲区,当站点缓冲区内灯光平均值大于所在省份阈值则为城市站,反之则为乡村站(图略)。

MODIS数据也较常见于用于城乡站点的划分。MODIS陆地研究小组于2008年推出了年土地覆盖分类产品MCD12Q1(空间分辨率500 m)。MCD12Q1包含5种不同的分类方案,本文选取的是国际地圈生物圈计划IGBP(International Geophere-Biosphere Program)的分类系统,分了17个土地覆盖类型。这个系统包括11类自然植被,3类开发过的土地,3类非植被土地类型。MODIS划分按照离气象站点最近的格点及其周围8个格点的地表覆盖类型,将该气象城市站点定义为:中心点的类型为城市,且9个点中至少70%(6个点)的点为城市类型(图略)。

城市化研究中常见的是运用人口指标来区分城市和乡村,这是单一指标的做法。运用人口指标能够从数量上简洁、直观地反映城市化程度,但是由于统计数据的不连续性,同时不同人口类型城市的气温变化也存在差异,这使得运用单一人口进行城市化分类变得困难。本文根据第5次全国人口普查资料以及台站元数据资料,借鉴Li et al.(2004)的方法,将城市非农人口10万及以上或者城市非农人口在5万以上并且台站位于市区,定义为城市站(图略)。

从划分结果来看,由于三种方法侧重点和出发点不同,导致城乡站点区分结果差异十分明显,且呈现不同的区域性特点。在经济不发达地区灯光资料所认可的城市站明显多于人口和MODIS,这可能是由于站点位置靠近当地城区或邻近大型工业建筑,使得其灯光值较高。同时灯光对于城市周边站点的判断则更加准确,例如重庆沙坪坝(57516),龙华(58367)。这些站点通常离市区较近或位于市区,但由于土地类型的差异,人为因素的干扰以及统计资料的缺失,MODIS和人口划分时会存在争议。MODIS划分是直接通过下垫面类型的分类进行判断,不过MODIS资料本身混合像元效应较严重,且不考虑统计数据的影响,当台站周围下垫面环境较复杂时(例如我国东南部),MODIS对站点判断会产生偏差。同时不同区域的地理条件也会对城乡划分产生影响,这说明台站周围一定范围的地理和人文环境才是决定站点类型的主要因素。单一、大尺度、统一标准的方法不适用于中国地区台站的划分。因此本文将三种方法综合考虑处理,得到三种方法共同认定的城市和乡村站点,这就使城乡站点划分更加准确。

2　城市化对区域增温贡献的评估

综合利用上述三种不同城、乡站点分类方法,对全国740个观测站进行城、乡站点划分,同时参考Li et al.(2004),将中国分为东南、东北、西南、西北四个主要区域。将上述综合考量得到的共同城、乡站点,采用Yang et al.(2011)中的UMR(Urban Minus Regional)方法,研究中国地区城市热岛效应对气温增暖的平均影响。为了方便文中UHI effect增温贡献的区别,灯光站点UHI effect为分类1,MODIS站点UHI effect为分类2,人口站点UHI effect分类为3,三种方法共同认定站点UHI effect为分类A。

2.1区域城市热岛效应对气温的影响

2.1.1城市热岛效应对年平均温度的影响

图1a显示三种方法对评估城市化影响年平均温度变化的差异较大。东南和西北部三种方法的城市化增温影响结果较为符合一般经验,即城市化导致气温变暖加快。最低温度受城市热岛效应的影响三种方法的结果都显示大于最高和平均温度,但不同方法的结果存在数值差别,例如东南部年平均最低气温1、2、3类UHI effect分别是0.057 4 ℃/10 a、0.033 9 ℃/10 a、0.066 4 ℃/10 a,三种结果差别明显。分类1和2最高温度UHI effect都是负值,最低和平均温度都是正贡献,而分类3最高、最低和平均温度UHI effect都是正贡献。分类1和3的UHI effect数值结果较为接近,这与两者在我国东南部城乡分类结果相近是一致的(表1)。分类2最高,最低和平均温度受城市化影响的程度在三种方法的结果中都最低,这与分类2判断东南一些城市气象站点时出现的偏差相符。

图1b显示在我国西北部,三种方法得到的年平均温度UHI effect差异较为明显,同时UHI effect数值和比例与东南部相比均大大减小(如西北部年平均最低气温1、2、3类方法UHI effect分别是0.001 7 ℃/10 a、-0.004 5 ℃/10 a、0.020 5 ℃/10 a),并且不同方法间没有明显规律,差异较大。分类1和2检测的城市化对气温的影响都比较微弱,其中分类1最高,最低和平均温度UHI effect都是正值,最低温度受城市化的影响大于最高和平均温度;分类2则相反,最高温度UHI effect为正值,最低温度UHI effect却为负值,而平均温度几乎没有表现出城市化带来的影响;分类3最高温度的UHI effect为负值,最低和平均温度为正值,且远高于分类1和2的结果,但与东南部相比城市热岛的影响还是不显著。

图1c表明,东北部与西北部相比趋势变化更加明显,分类2年平均最低温度UHI effect为正值,而分类1和3的最高、最低和平均温度的UHI effect都是负值,且最低温度UHI effect的数值依然保持最低,可见该区域气温受城市化的影响还存在一定争议。

表1三种方法城、乡站点划分个数

Table 1The numbers of urban and rural stations according to the three classification methods

分类1城市分类1乡村分类2城市分类2乡村分类3城市分类3乡村分类A城市分类A乡村东南1251451261441391318083西南1911123107171131098东北11911489144971364671西北2681287917901165

图1　三种方法区域热岛效应对年平均温度影响对比(单位:℃/10 a)a.东南部区域b.西北部区域c.东北部区域d.西南部区域Fig.1　Comparison of the influence of the three methods for the urban heat island effect in terms of annual average temperature change[units:℃·(10 yr)-1]:(a)southeast areas;(b)northwest areas;(c)northeast areas;(d)southwest areas

图1d显示三种分类方法得到的西南地区最高、最低和平均温度的UHI effect都是负值,但最低温度UHI effect的数值最低,可见该区域城市化对气温增暖的影响并不显著。

分类A城市热岛增温影响显示(图2),城市化对年平均最低温度增温的影响大于年平均最高和平均温度,这说明城市化对最低温度影响较大,对最高气温影响较小。东南部城市化对气温增温影响较强,年平均最低气温UHI effect为0.089 1 ℃/10 a,增温贡献率为34.11%;西北城市化增温影响较弱,年平均最低气温UHI effect仅为0.023 0 ℃/10 a;而东北和西南部城市化影响则呈现负值,说明城市化对这两个区域的增暖影响并不显著。

图2　区域热岛效应对年平均温度的影响(单位:℃/10 a)Fig.2　Regional urban heat island effect on annual average temperature change[units:℃·(10 yr)-1]

东南和西北部UHI effect结果的规律性较好,分类A乡村站点的最高、最低和平均气温增温趋势都低于三种方法划分,而分类A城市站点的增温趋势则与三种方法基本相近,这表明分类A有效去除了各种争议性的乡村站点,更加接近背景气候变化引起的增温趋势(表2)。同时2类UHI effect低于分类A的结果,从乡村站点增温趋势看,三种方法中,无论最高、最低和平均温度都是2类增温趋势最高,而东北、西南部规律性则不明显,所以导致上述UHI effect区域增暖趋势降低的结果。

2.1.2城市热岛效应对季节平均温度的影响

季节平均温度的城市化增温中,东南地区(图3)不同方法UHI effect趋势方向基本保持一致,东南地区平均和最低温度UHI effect都是正值,分类1和3的UHI effect数值结果较为接近,分类3所显示的城市化对气温变化的影响除秋季平均温度外都是最强。分类2除夏季外,其余季节UHI effect都是最低。最高温度除冬季都显示负值外,其他季节不同分类方法间UHI effect结果没有明显规律,存在一定争议(表3)。

表21961—2004年区域年平均温度增暖趋势

Table 2　1961—2004 annual average temperature warming trend℃/(10 a)

注：1)表示通过信度为0.05的显著性检验.

图3　东南地区三种分类方法的城市热岛效应对季节平均温度的影响对比(单位:℃/10 a)Fig.3　Comparison of the influence of the three methods for the urban heat island effect in terms of seasonal average temperature over the southeast region[units:℃·(10 yr)-1]

表31961—2004年东南地区季节平均温度增暖趋势

Table 31961—2004 seasonal average temperature warming trend of the southeast℃/(10 a)

注：1)表示通过信度为0.05的显著性检验.

西北地区(图4)不同方法间变化差异较大,除平均和最低温度在冬季不同方法UHI effect的结果较为一致外,其余情况都存在较大差别。与东南部相比,分类3的最高、最低、平均温度UHI effect都下降明显,分类1、2在秋、冬季略高于东南部的结果,但总体而言该区域城市化对气温增温影响相对较弱。同时,东南和西北这两个区域最低温度UHI effect都大于最高和平均温度,季节平均温度所显示的不确定性与年平均温度的不确定性结果基本一致(表4)。

图4　西北地区三种分类方法的城市热岛效应对季节平均温度的影响对比(单位:℃/10 a)Fig.4　Comparison of the influence of the three methods for the urban heat island effect in terms of the seasonal average temperature over the northwest region[units:℃·(10 yr)-1]

表41961—2004年西北地区年平均温度的增暖趋势

Table 41961—2004 seasonal average temperature warming trend of the northwest℃/(10 a)

注：1)表示通过信度为0.05的显著性检验.

东北地区(图略)不同方法的结果没有明显规律,但最低温度UHI effect基本都是大于最高和平均温度。三种方法在春季最高、最低和平均温度UHI effect都是正值,且UHI effect数值也是大于其他季节,说明这一地区春季城市化的影响比较明显。其他季节不同方法的结果差异较大,没有明显规律可循;西南地区(图略)除分类3春季的最高和平均温度UHI effect以及分类1、3春季和冬季的最低温度UHI effect出现少数正值外,其余情况的UHI effect基本都是负值,表明该区域的城市化影响不显著。上述结果表明,这两个区域季节平均温度所显示的不确定性也是与年平均温度的不确定性结果基本一致。

由上,不同分类方法存在一定的不确定性。从分类A城市热岛的增温贡献上可以看出(图5a),东南部四季城市化增温对最低温度的影响大于最高和平均温度,且季节UHI effect保持与年平均相似的规律性(表5),分类A乡村的增温趋势都是低于三种方法划分乡村站的增温趋势。东南地区UHI effect的影响在秋季最强,最低温度UHI effect达到了0.109 8 ℃/10 a,冬、春季次之,夏季最弱。最低温度增温贡献率春、夏、秋、冬四季分别为42.19%、44.1%、59.16%、18.6%。可见城市热岛效应对东南地区季节气温增暖的影响非常显著。

图5b显示西北部城市热岛季节影响差异较大,最高温度除冬季外,其余季节UHI effect是正值,夏季最强;平均温度UHI effect四季都为正值,冬季最强;最低温度UHI effect则是冬季最强,且远高于其他季节,达到了0.106 0 ℃/10 a。

虽然城市化对东北部年平均温度增温影响不显著,但春季最高、最低、平均温度城市化影响呈现正值(图略),最低气温的UHI effect大于最高、平均温度。秋季最高、最低和平均温度的UHI effect则与春季相反,都是负值。冬季和夏季,最低温度城市化影响相对较为明显。冬季最低温度的UHI effect为0.084 0 ℃/10 a,是四季中的最高值。

西南地区(图略)除春季最低温度有0.001 0 ℃/10 a的正值外,其他季节平均最高、最低、平均温度城市化影响都是负值,结合西南地区年平均UHI effect结果,说明这一区域城市化对气温增暖的影响比较弱。

图5　区域城市热岛效应对季节平均温度影响(单位:℃/10 a)a.东南地区b.西北地区Fig.5　Regional urban heat island effect on seasonal average temperature change[units:℃·(10 yr)-1]:(a)southeast areas;(b)northwest areas

表5区域季节平均温度的增暖趋势和UHI effect

Table 5Seasonal mean temperature warming trend and urban heat island effect of the southeast and northwest℃/10 a

注：1)表示通过信度为0.05的显著性检验;城、乡站点划分按照分类A方法.

上述分析表明,不同分类方法对区域城市化影响评估呈现出较大差异,但总体而言,城市化对最低温度增暖的影响大于最高和平均温度。对于各个地区而言,城市化对最低温度的影响在东南地区秋季、西南地区春季、西北和东北地区冬季最大。

2.2城市群增温效应影响

随着中国经济快速发展,中国城市化发展呈现多极化的特点,根据中国科学院地理科学与资源研究所完成的《2010中国城市群发展报告》称,城市群是中国未来经济发展格局中最具活力和潜力的核心地区,也是未来中国城市发展的重要方向。所以本文选取12个代表性的城市群(图略),运用相同的方法进行了UHI effect贡献的检验。

2.2.1城市群发展对年平均温度的影响

城市群年平均温度城市化增温影响显示(图6),长株潭、武汉、关中、长三角、海峡西岸、黔中、天山北坡、中原、滇中这9个城市群的城市热岛效应对年平均最低气温的影响大于年平均温度和最高温度。其中,长株潭、武汉、关中、长三角、海峡西岸、黔中城市化影响符合一般城市化会促进气温升高的规律;天山北坡、中原、滇中的这种城市化增温效应相对较弱;京津冀、成渝、哈大长城市化的这种影响并不显著。长株潭地区城市化对年平均最高、最低和平均温度的增温影响在12个城市群中都是最强,其城市化影响最为显著。

图6　各城市群的城市热岛效应对年平均温度的影响(单位:℃/10 a)Fig.6　Urban heat island effect on annual average temperature change for each city group[units:℃·(10 yr)-1]

图7　各城市群的城市热岛效应对季节平均温度(单位:℃/10 a)的影响(方块、圆圈、三角分别表示最高温度、平均温度、最低温度)　　a.长株潭;b.武汉;c.关中;d.长三角;e海峡西岸;f.黔中Fig.7　Urban heat island effect on seasonal average temperature change for each city group[units:℃·(10 yr)-1],in which the squares with crosses indicate maximum temperature,circles indicate mean temperature,and triangles indicate minimum temperature:(a)Chang-Zhu-TAN;(b)Wu Han;(c)Central Shaanxi;(d)Yangtze River Delta;(e)Cross-strait;(f)Central Guizhou

2.2.2城市群发展对季节平均温度的影响

城市化对各季气温增温的贡献显示(图7),对于长株潭、武汉、关中、长三角、海峡西岸、黔中6个城市群,城市化对季节最低气温的影响在各季节均大于最高和平均温度。长株潭和关中地区最高、平均、最低温度UHI effect四季都为正值,规律性较好。长株潭地区秋季最低温度UHI effect最强,最高、平均、最低温度城市化增温贡献率分别为56.92%、76.31%、94.99%(表略),关中地区春季最低温度的城市化增温贡献率为73.49%;长三角、海峡西岸、武汉、黔中4个城市群最高温度UHI effect在不同季节出现负值,但最低温度UHI effect都为正值,长三角、海峡西岸和黔中的秋季最低温度UHI effect最强,城市化增温贡献率分别为54.07%、73.82%、54.96%;武汉春季最低温度UHI effect最为显著,城市化增温贡献率达到75.4%。可见城市热岛效应对这些城市群的增温效应是真实存在的。

城市化影响相对较弱的城市群中(图略),城市化增温影响四季呈现出不同的特点。总体上,城市化对中国区域气温变化的影响呈现出一定的差异性。在我国大部分地区,城市化的增温效应较为显著(尤其是对最低气温);但也有部分区域城市化的增温效应并不明显,不过这些区域在不同季节也显示出城市化对气温升高有一定的影响。同时,城市群UHI effect季节变化特征基本符合我国北方冬、春季(南方春、秋季)城市化的增温效应较强的特点。

3　结论

本文从城市化发展的不同角度出发,通过三种不同分类方法,对中国城市化对温度变化的影响进行了对比研究,并依据分类A划分城、乡站点,分析了中国城市化对气温升高的影响,主要得出以下结论:

1)不同城、乡气象站点划分方法产生的研究不确定性因地区和季节不同而呈现不同的特点:东南、西南和东北地区不确定性主要体现在城市热岛效应的数值大小上,而西北地区的不确定性则多体现在变化趋势的方向上。

2)城市热岛效应对最低气温升高的影响最为明显,且在中国东南地区的城市热岛效应最为显著,其年平均最低气温的城市化影响为0.089 1 ℃/10 a,增温贡献率为34.11%;西北地区次之,东北、西南地区则不明显。季节气温变化受城市热岛效应的影响在南部区域春、秋季较为显著,在北部区域则是冬、春季。

3)大部分城市群气温变化中都有明显城市热岛效应的增温贡献,且城市热岛效应影响越强的区域和季节,其规律性也越明显:城市热岛效应对最低(高)气温的影响最强(弱)。虽然部分城市群的热岛效应对年平均温度的影响不明显,但对季节平均气温变化存在一定的影响。

References)

董良鹏,江志红,沈素红,2014.近十年长江三角洲城市热岛变化及其与城市群发展的关系[J].大气科学学报,37(2):146-154.Dong L P,Jiang Z H,Shen S H,2014.Urban heat island change and its relationship with urbanization of urban agglomerations in Yangtze River Delta in past decade[J].Trans Atmos Sci,37(2):146-154.(in Chinese).

Easterling D R,Horton B,Jones P D,1997.Maximum and minimum temperature trends for the globe[J].Science,277(5324):364-367.

黄嘉佑,刘小宁,李庆祥,2004.中国南方沿海地区城市热岛效应与人口的关系研究[J].热带气象学报,20(6):713-722.Huang J Y,Liu X N,Li Q X,2004.The study of relationship between heat island effect and population in cities over South China[J].J Trop Meteor,20(6):713-722.(in Chinese).

Gallo K P,2005.Evaluation of temperature differences for paired stations of the U.S.Climate Reference Network[J].J Climate,18(18):1631-1638.

Hughes W S,Balling R C,1996.Urban influences on South African temperature trends[J].Int J Climatol,16(8):935-940.

Hansen J,Lebedeff S,1987.Global trends of measured surface air temperature[J].J Geophys Res,92(D11):13345-13372.

Jones P D,Kelly P M,Goodess C M,et al.,1989.The effect of urban warming on the northern hemisphere temperature average[J].J Climate,2(3):285-290.

Jones P D,Groisman P Y,Coughlan M,et al.,1990.Assessment of urbanization effects in time series of surface air temperature over land[J].Nature,347(6289):169-172.

Jones P D,Lister D H,Li Q X,2008.Urbanization effects in large-scale temperature records,with an emphasis on China[J].J Geophys Res,113(D16):280-288.

Kalnay E,Cai M,2003.Impact of urbanization and land-use change on climate[J].Nature,423(6939):528-531.

Karl T R,Jones P D,1990.Comments on "Urban bias in area-averaged surface air-temperature trends" Reply to GM Cohen[J].Bull Amer Met Soc,71:571-574.

李娇,任国玉,任玉玉,等,2014.资料均一化对沈阳站气温趋势和城市化偏差分析的影响[J].大气科学学报,37(3):297-303.Li J,Ren G Y,Ren Y Y,et al.,2014.Effect of data homogenization on temperature trend estimation and urban bias at Shenyang station[J].Trans Atmos Sci,37(3):297-303.(in Chinese).

Li Q,Zhang H,Liu X,et al.,2004.Urban heat island effect on annual mean temperature during the last 50 years in China[J].Theor Appl Climatol,79(3):165-174.

李庆祥,董文杰,李伟,等,2010.近百年中国气温变化中的不确定性估计[J].科学通报,55(16):1544-1554.Li Q X,Dong W J,Li W,et al.,2010.Assessment of the uncertainties in temperature change in China during the last century[J].Chin Sci Bull,55(16):1544-1554.(in Chinese).

李庆祥,2012.气候资料均一性研究导论[M].北京:气象出版社.Li Q X,2012.Introduction to the study of homogeneity of climate data[M].Beijing:China Meteorological Press.(in Chinese).

Parker D E,2005.A demonstration that large-scale warming is not urban[J].J Climate,19(12):2882-2895.

Peterson T C,Owen T W,2005.Urban heat island assessment:Metadata are important[J].J Climate,18(14):2637-2646.

Ren G Y,Chu Z Y,Chen Z H,et al.,2007.Implications of temporal change in urban heat island intensity observed at Beijing and Wuhan stations[J].Geophys Res Lett,34(34):89-103.

司鹏,李庆祥,李伟,等,2010a.城市化对深圳气温变化的贡献[J].大气科学学报,33(1):110-116.Si P,Li Q X,Li W,et al.,2010.Urbanization-induced surface air temperature change in Shenzhen[J].Trans Atmos Sci,33(1):110-116.(in Chinese).

司鹏,李庆祥,李伟,2010b.城市化进程对中国东北部气温增暖的贡献检测[J].气象,36(2):13-21.Si P,Li Q X,Li W,2010.Impact of urbanization on surface air temperature warming in Northeast China[J].Meteor Mon,36(2):13-21.(in Chinese).

Spronken-Smith R A,Oke T R,1998.The thermal regime of urban parks in two cities with different summer climates[J].Int J Remote Sens,19(11):2085-2104.

Wang W C,Zeng Z,Karl T R,1990.Urban heat island in China[J].Geophys Res Lett,17(17):2377-2380.

王振华,钱锦霞,溪玉香,2010.山西省城市化对气温趋势的影响[J].干旱区研究,27(3):438-442.Wang Z H,Qian J X,Xi Y X,2010.Effect of urbanization on temperature change trend in Shanxi province[J].Arid Zone Research,27(3):438-442.(in Chinese).

谢志清,杜银,曾燕,2007.长江三角洲城市带扩展对区域温度变化的影响[J].地理学报,62(7):717-727.Xie Z Q,Du Y,Zeng Y,2007.Impact of urbanization on regional temperature change in the Yangtze river delta[J].Acta Geographica Sinica,62(7):717-727.(in Chinese).

徐永明,刘勇洪,魏鸣,2007.基于MODIS数据的长江三角洲地区土地覆盖分类[J].地理学报,62(6):640-648.Xu Y M,Liu Y H,Wei M,2007.Land cover classification of the Yangtze River delta using MODLS data[J].Acta Geographica Sinica,62(6):640-648.(in Chinese).

Yang X C,Hou Y L,Chen B D,2011.Observed surface warming induced by urbanization in east China[J].J Geophys Res,116(D14):263-294.

曾侠,钱光明,2006.广东省沿海城市热岛特征分析[J].气象,32(11):94-97.Zeng X,Qian G M,2006.Characteristics of urban heat island effect in the coastal cities of Guangzhou[J].Meteor Mon,32(11):94-97.(in Chinese).

张爱英,任国玉,周兴江,等,2010.中国地面气温变化趋势中的城市化影响偏差[J].气象学报,68(6):957-966.Zhang A Y,Ren G Y,Zhou X J,et al.,2010.On the urbanization effect on surface air temperature trends over China[J].Acta Meteorologica Sinica,68(6):957-966.(in Chinese).

赵宗慈,1991.近39年中国气温变化与城市化影响[J].气象,17(4):14-16.Zhao Z C,1991.The change of temperature and the effects of the urbanization in China in the last 39 years[J].Meteor Mon,17(4):14-16.(in Chinese).

Zhou L M,Dickinson R E,Tian Y H,et al.,2004.Evidence for a significant urbanization effect on climate in China[J].P Natl Acad Sci USA,101(26):9540-9544.

Considerable differences in the influence of urbanization on climate change are found owing to the different methods employed to classify urban and rural observation stations.In this study,based on DMSP/OLS(Defense Meteorological Satellite program/Operational Linescan System) night light data,MODIS land cover data and population data,three different methods are used to distinguish between urban and rural observation station,from which we try to identify a reliable method of classification and study the effects of the three methods in terms of the uncertainty in urbanization impact assessment.Specifically,we analyze the urban heat island effect on changes in maximum temperature,minimum temperature and average temperature over different regions and 12 city groups in China for the period 1961—2004.The data used in this paper are air temperature data,provided by the National Meteorological Information Center of China,based on approximately 740 stations.The results show that the different classification methods yield considerable differences in the urban heat island effect,and with different regional characteristics.The uncertainties of the urban heat island effect over the southeast,southwest and northeast are mainly characterized by the absolute numerical quantities,whereas over the northwest it is characterized by the change trend.The urban heat island effect has a more significant influence on minimum temperature warming than maximum temperature and average temperature.There is a significant contribution of the urban heat island effect over the southeast,whereas the effect over the northwest is relatively weak.There is no influence of the urban heat island effect over the northeast and southwest.The urban heat island effect on the seasonal variation in temperature shows large differences between the north and south of China.Specifically,it is more significant in spring and autumn over South China,but in winter and spring over North China.Meanwhile,the results of the 12 city groups in China are similar to these characteristics.Temperature changes over most of the city groups are contributed to greatly by the urban heat island effect,especially in terms of the regional and seasonal effect.The urban heat island effect on minimum temperature is strongest,and the effect is more obvious over Southeast China;the value of the urban heat island effect on minimum temperature is 0.089 1 ℃·(10 yr)-1and the contribution rate of warming is 34.11%.Meanwhile,the urban heat island effect on maximum temperature is weakest.Although the urban heat island effect is not obvious for some of the city groups,the influence is significant in terms of the seasonal change.Taking the Chengdu-Chongqing region in spring as an example,the urban heat island effect on maximum temperature can reach 0.036 4 ℃·(10 yr)-1,and the effect on the seasonal change in maximum temperature is more significant than on minimum and average temperature.

urbanization;warming contribution;urban heat island effect;impact assessment

(责任编辑：孙宁)

Analysis of the effect of uncertainty in urban and rural classification on urbanization impact assessment

CHU Peng1,JIANG Zhihong1,LI Qingxiang2,DONG Liangpeng1

1KeyLaboratoryofMeteorologicalDisaster,MinistryofEducation(KLME)/JointInternationalResearchLaboratoryofClimateandEnvironmentChange(ILCEC)/CollaborativeInnovationCenteronForecastandEvaluationofMeteorologicalDisaster(CIC-FEMD),NanjingUniversityofInformationScience&Technology,Nanjing210044,China;2NationalMeteorologicalInformationCenter,Beijing100081,China

10.13878/j.cnki.dqkxxb.20130303003

引用格式：储鹏,江志红,李庆祥,等,2016.城市分类对中国城市化影响评估的不确定性分析[J].大气科学学报,39(5):661-671.

Chu P,Jiang Z H,Li Q X,et al.,2016.Analysis of the effect of uncertainty in urban and rural classification on urbanization impact assessment[J].Trans Atmos Sci,39(5):661-671.doi：10.13878/j.cnki.dqkxxb.20130303003.(in Chinese).

*联系人，E-mail:zhjiang@nuist.edu.cn