土地利用/覆蓋變化對中國不同季節氣溫的影響

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， 北京 100875 3 中國科學院大氣物理研究所全球變化東亞區域研究中心， 北京 100029 4 蘭州大學大氣科學學院， 蘭州 730000

土地利用/覆蓋變化對中國不同季節氣溫的影響

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， 北京 100875 3 中國科學院大氣物理研究所全球變化東亞區域研究中心， 北京 100029 4 蘭州大學大氣科學學院， 蘭州 730000

近幾十年中國地區土地利用/覆蓋變化(LUCC)較大，在區域氣候模擬中尤其需要使用更加準確的土地利用/覆蓋數據。基于模式原有的USGS和新開發的LUC90兩種土地利用/覆蓋資料，利用區域環境集成模擬系統(RIEMS2.0)分別進行連續10a模擬，分析LUCC對中國不同季節氣溫的影響。結果表明：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。雨養農田轉變森林、草地、灌溉農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季節的差異。

區域氣候模式；土地利用/覆蓋變化；數值模擬；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，水分和物質交換以及生物地球化學過程等，在局地、區域和全球不同空間尺度上對氣候產生影響[1-3]。目前在區域氣候模式中，土地利用/覆蓋類型不能直接驅動氣候變化，而是利用每種類型所代表的地表物理參數的改變來影響氣候，區域氣候模式中農田(包括灌溉農田)與自然植被的生物地球物理作用差異大，所用到當前的土地利用/覆蓋的精確與否，直接關系到對氣候模擬的準確性，使用精確的土地利用/覆蓋資料對區域氣候模擬有重要意義，但是目前土地利用/覆蓋數據來源不同，有不同的分類方法[4]。多數區域氣候模式(包括RIEMS2.0)模擬用到的土地利用/覆蓋數據為較早的美國地質調查所the United States Geological Survey(USGS)發布的土地利用/覆蓋數據，中國現代大多數地區經歷高強度土地利用變化，具有復雜多樣的特點，該模式中USGS資料不能準確反映中國土地利用/覆蓋特征。中國科學院地理科學與資源研究所最新開發了土地利用/覆蓋數據庫，該數據庫選取遙感影像資料，利用調查統計資料進行訂正，在高分辨率數據庫基礎上進行升尺度方法，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，來應用于中國區域氣候的模擬。

另外，土地利用/覆蓋變化與陸-氣耦合聯系[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在年均值上，也會表現在不同季節上。過去很多學者對中國區域進行了這方面LUCC模擬研究[8-10]，但是對造成中國不同季節氣溫變化和地面通量之間關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/覆蓋變化對中國區域氣候模擬影響的長期模擬試驗，其結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的不同季節氣溫的效應更加全面地認識。

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院大氣物理研究所全球變化東亞區域研究中心，研究開發的區域環境集成系統模式(RIEMS2.0)，它是在RIEMS1.0基礎上開發的區域氣候模式，該模式對于季風亞洲區多年平均環流特征、氣溫和降水具有較好的模擬性能[13-15]，并參加區域氣候模式比較計劃RMIP(Regional climate Model Inter-comparison Project)，在區域氣候模擬方面有良好的表現[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，積云對流參數化方案選擇Grell方案[19]。

初始場和側邊界場由美國國家環境預測中心再分析資料NCEPⅡ得到，其中側邊界方案采用指數松弛邊界方案。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域。

本研究所用到的土地利用/覆蓋數據是來自中國科學院地理科學與資源研究所最新開放的土地利用/覆蓋數據庫，它能更好反映中國土地利用/覆蓋的現實特征。采用該數據庫中的1990年土地利用/覆蓋數據資料(即LUC90資料)。設計兩組數值模擬試驗，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調查所的植被分類數據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化為模式讀取18種植被/土地覆蓋類型：1農田/混合農田(雨養農田),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灌溉農田,11半沙漠,12冰蓋,13沼澤-濕地,14內陸水,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農田、灌溉農田等數據。

在兩次模擬試驗中，除了中國土地利用/覆蓋資料有差異外，其余模式參數方案設置均相同，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的數據。

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的觀測結果。

將LUC90試驗和USGS試驗10年平均結果進行差異分析，來表征土地利用/覆蓋資料變化對中國區域氣候模擬的影響。同時，對兩個試驗變化的模擬結果進行統計顯著性檢驗。所采用的檢驗方法是student-t檢驗，將變化結果中通過置信度95%的t檢驗的格點，認為是通過顯著性檢驗(P<0.05)，將變化結果中通過置信度99%的t檢驗的格點，認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，并進行統計顯著性檢驗。

同時，為了揭示中國小尺度現象和特征，進行不同季節分區的研究。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，將中國地區分成3個重點研究區域，分別為東北區(NE)(39°N—54°N,119°E —134°E)、華北區(CN)(32°N—39°N,111°E—122°E)和華南區(CS)(27°N—32°N,106°E—122°E)。

2 結果與分析

2.1 對氣溫的影響

2.1.1 氣溫變化

圖2為中國不同季節平均氣溫變化的空間分布(LUC90-USGS)。從圖中可以看出，中國地區土地利用/覆蓋變化對平均氣溫的影響具有明顯的季節變化特點，以往研究也發現這一特征[11]。對夏季來說，中國地區氣溫升高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，通過顯著檢驗(P<0.05)。對冬季來說，中國地區氣溫升高0.09 ℃，要比夏季氣溫升高的范圍和幅度都小很多，東北中部、貴州和廣西一帶區域氣溫升高，其中在吉林西部、長三角等地區顯著升高(P<0.01)，河北部分、西藏南部氣溫降低幅度較大，降低1℃以上，但只有小部分區域顯著降低(P<0.01)。采用LUC90資料后，中國區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對不同季節氣溫有不同的影響，也相應改變RIEMS2.0對不同季節氣溫的模擬能力，可以通過試驗模擬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，中國地區平均氣溫的暖偏差增加，各分區中只有東北(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，中國地區氣溫的偏差減少0.09℃，各分區中除了華北(CN)外其他各區氣溫的偏差減小，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

在氣候平均態和季節氣候變化的分析基礎上，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氣溫的距平，可以消除模擬結果中的系統偏差，更清楚地發現，土地利用/覆蓋變化對中國氣溫年際變化的影響。表2為中國及分區兩試驗模擬距平變化曲線與觀測相關系數，可以發現，RIEMS2.0對冬季距平模擬與觀測的相關系數較好。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系數都有增加，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系數增加，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系數

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、地表發射率、葉面積指數等地表參數的改變，影響能量平衡，從而引起氣溫變化，并且它們之間存在著復雜的關系[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不同季節氣溫變化，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系數分別為-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相關， LUCC主要通過潛熱通量變化來影響中國夏季氣溫的變化。從不同分區來看，3個分區夏季潛熱通量都降低，感熱通量增加，并且對應氣溫升高，從各分區通量變化與氣溫變化的空間相關系數來看，潛熱通量的變化是東北和華北氣溫變化的主導因素，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相關系數的絕對值最大(-0.67)，因此，溫度降低也是分區中最大的(0.94℃)。

對冬季來說，中國地區潛熱通量顯著降低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系數分別為0.10、0.30，凈吸收輻射通量變化和氣溫變化的空間相關系數增加到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，導致中國氣溫略有升高(0.09℃)。從不同分區來看，3個分區凈輻射通量變化與氣溫變化有很好的正相關，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系數減少，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系數增加，對氣溫變化的影響作用大于潛熱通量(蒸散發)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系數也比其他兩個分區大(0.69)，凈吸收輻射通量對氣溫增加起主導作用。華北區凈輻射通量減少，氣溫降低，華北區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系數(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 不同分區中雨養農田類型變化對不同季節氣溫的影響

從圖1中對比可以發現，中國地區LUC90資料相對于USGS資料來說，變化最多的格點類型是雨養農田3311個格點，這格點主要集中在中國東部地區，其中1506個格點變為灌溉農田， 772個格點變為森林， 435個格點變為短草，中國土地利用/覆蓋變化的主要特征是雨養農田面積減少，主要轉變為森林、短草和灌溉農田。中國不同分區這3種土地利用/覆蓋類型變化與氣溫變化有密切的聯系，在不同分區對不同季節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季節氣溫和地面通量變化，從圖4中可以清楚發現，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。

從雨養農田格點變為森林分析，對夏季來說，東北、華北夏季潛熱通量增加，很多學者在高緯度地區也得到類似的結論，而在中緯度的農田管理效率高的地區，農田變為森林可能導致蒸發散的降低，潛熱降低[23]，這在夏季更為突出，這是因為在水分供應充分的情況下，農作物有更高的蒸發率[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變化更大，東北和華北在冬季也有同樣的表現(圖4)。雨養農田格點變森林對不同季節的影響，與Dong等[11]中得到的結論一致，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散(潛熱)變化對氣溫的影響較大。

從雨養農田格點轉變為短草分析，對夏季來說，3個分區凈吸收輻射通量減少，潛熱通量減少，雨養農田和短草在夏季有相似的地表反照率，變為短草凈吸收輻射通量減小，但是生長季雨養農田比短草的葉面積指數、地表粗糙度更大，雨養農田變為短草后，蒸散發減少，潛熱通量減少，氣溫升高，這是由于潛熱通量變化成為主導作用的結果[23]。對冬季來說，華北和華南凈吸收輻射減小、潛熱減少，東北農田變為短草后凈吸收輻射增加，潛熱增加。這是冬季短草小于東北收割后農田的地表反照率，農田變為短草，使得冬季凈吸收輻射增加(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。

從雨養農田格點轉變為灌溉農田分析，對夏季來說，3個分區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，并且中國多數分區冬季感熱通量變化與氣溫變化沒有很好對應，這是可能由于本研究采用的區域氣候模式RIEMS2.0中的陸面過程參數表述不合理，并且灌溉農田的土壤濕度設置與實際的灌溉農田存在一定的差別，所以未來仍需進一步改進灌溉農田的參數化方案。

圖4 中國夏季不同分區農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。結果表明：

(1)土地利用/覆蓋資料對區域氣候模擬有重要影響。中國區域土地利用/覆蓋具有復雜多樣的特點，準確反映中國土地利用/覆蓋特征一直是過去相關研究中棘手的問題。本文所用的中國土地利用/覆蓋資料，是選取遙感影像資料，利用調查統計資料進行訂正，進行升尺度合成，并采取更加合理的分類方法，得到較為準確的資料，應用新的土地利用/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，中國及多數分區夏季和冬季氣溫都升高，對東北夏季氣溫模擬能力提高，對中國及多數分區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的，并且相關程度會隨分區和季節表現不同的差異，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)雨養農田轉變為森林、短草和灌溉對氣溫和地面通量的影響不同，相同土地利用/覆蓋變化的在不同分區對其影響也不一樣。在夏季，農田變為短草的潛熱通量減少，隨著緯度降低，減少幅度變大；在冬季，農田變為森林的凈吸收輻射增加，隨著緯度降低，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，影響到大氣環流，進而會影響東亞季風的模擬，在以后的研究中需要探討其引起季風的變化。

(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。雨養農田變為灌溉農田后，華南冬季灌溉農田增加沒有使得潛熱通量增加，多數分區對感熱通量模擬效果有待提高，這是可能由于BATS1e中灌溉農田的土壤濕度設為定值，尚未考慮其隨時間的變化，參數表達與實際的灌溉農田存在一定的差別。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化，考慮更多的耦合過程，讓區域模式更好地反映這土地利用類型和這些物理參數之間的關系。

另外，在未來研究中，區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，而且也要考慮土地利用/覆蓋變化的生物地球化學效應。綜合分析土地利用/覆蓋變化、溫室效應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。

[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] 高學杰, 張冬峰, 陳仲新, Pal J S, Giorgi F. 中國當代土地利用對區域氣候影響的數值模擬. 中國科學(D輯): 地球科學, 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. 東北農田擴張對氣候影響的數值模擬. 氣候與環境研究, 2014, 19(3): 351-361.

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

[14] 熊喆, 符淙斌, 延曉冬. 區域環境集成系統模式以及對我國夏季季風的模擬研究. 科學通報, 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

國家重點基礎研究發展計劃項目(2012CB417205)；公益性行業專項(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氣溫的影響.生態學報,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.