城市化進程中京津冀地區相對濕度時空演變研究

張 茵，余 濤，梁晏禎，占玉林，劉 艷，陳昕然，4，王大康，劉奇鑫，4，曹萬云

（1.中國科學院空天信息創新研究院，北京 100094；2.中國科學院大學電子電氣與通信工程學院，北京 100049；3.國家國防科技工業局重大專項工程中心，北京 100101；4.中國科學院大學，北京 100049；5.南方科技大學環境科學與工程學院，廣東 深圳 518055；6.山東華宇航天空間技術有限公司，山東 煙臺 264000）

相對濕度是評價人居環境氣候舒適度的一項重要指標［1］，城市化進程的不斷加快使城市綠地空間減少，裸露的土壤逐漸被不透水面覆蓋，相對濕度有下降趨勢［2，3］，空氣干燥是引發各類疾病發病率顯著增加的原因之一［4］。研究相對濕度時空演變對城市空間布局規劃、綠化及水資源宏觀調控具有支撐作用，為提高城市宜居性提供重要參考。

近年來，國內外學者開展了有關相對濕度與城市化關系的研究工作。Hage［5］利用1 個城區機場觀測點和1 個郊區機場觀測點分析表明芝加哥市城區空氣濕度低于郊區。Unka?evi? 等［6］利用2 個郊區和1 個農村站點研究貝爾格萊德地區相對濕度發現城區一年四季低于郊區。鄭祚芳等［7］將北京市多個地面觀測站分為7 個城區站和3 個郊區站，用其均值分別代表城區和郊區的相對濕度，研究發現城區和郊區相對濕度均呈下降趨勢，干島強度呈上升趨勢，干島強度與城市化率在時間上存在正相關關系。王寶強等［8］利用1 個城區站和1 個郊區站對上海市相對濕度變化與城市化強度進行了相關性研究，結果表明相對濕度與城市化強度存在負相關關系。以上研究表明相對濕度與城市化進程存在聯系，但此類研究多是從時間序列上分析兩者的關系，而針對兩者在空間上的定量關系研究較為少見。

綜上所述，研究從早期的一個站點增加至多個站點，但是有限的地面站點存在代表性不足的缺陷，不能較好地反映空間分布情況，較難支撐城市化水平的空間異質性與相對濕度的關系研究。因此，本研究嘗試利用具有空間連續性優勢的ERA-interim再分析面狀數據替代地面觀測數據，在傳統的時間序列分析基礎上增加了相對濕度與城市化水平在空間上的定量關系，以探討相對濕度隨城市化進程的變化規律，為人居環境舒適度評價及城市人居環境規劃布局提供參考。

1 研究區域概況與數據源

1.1 研究區域概況

研究區位于京津冀地區，經緯度為113°30′E—119°50′E，37°24′N—42°35′N。主要包括北京市、天津市和河北省，總面積約為2.18×105km2，實測站點分布如圖1 所示。京津冀地區位于華北平原北部，地勢由西北向東南傾斜，西北部多為山區、丘陵和高原，中部和東南部為平原。為溫帶大陸性季風氣候，四季分明。夏季高溫多雨，冬季寒冷干燥。

圖1 研究區實測站點分布

1.2 數據源

1.2.1 再分析數據 采用歐洲中期天氣預報中心的第三代ERA-Interim 的Monthly Means of Daily Means（MMDM）1993、1997、2001、2005、2009、2013 年的相對濕度（RH）再分析資料，水平空間分辨率為

0.125°×0.125°。

ERA-interim MMDM 是繼ERA40 之后推出的新一代再分析資料，與ERA40 相比，由三維同化系統變成四維同化系統，結合了改進的濕度分析、衛星數據誤差校正等技術，實現了再分析資料的質量提升［9，10］。且 該 數 據 較NCEP-NCAR 存 在 更 小 誤差［11］，在中國的適用性比日本氣象廳（JMA）的地面相對濕度資料更高［12］。因此，ERA-interim 再分析數據可為大范圍相對濕度研究提供可靠連續性的基礎數據。

1.2.2 RH 地面觀測數據 地面觀測數據選用LI等［13］開發的中國大陸1960—2017 年746 個站點的每日RH 系列數據的均質化數據，該數據集可為準確評估近幾十年來中國RH 的時空變化特征提供可靠的數據基礎，保證了數據的均質性和完整性。

1.2.3 夜間燈光數據 采用的是Li 等［14］發布的年全球協調夜間燈光數據集，選取1993、1997、2001、2005、2009、2013 年的DMSP-OLS 數據，數據分辨率為1 km，亮度值的范圍是1～63。

2 研究方法

研究技術路線如圖2 所示，主要包括：①數據優化。以地面實測RH 數據為協變量，對再分析RH 數據進行協同克里金插值實現再分析數據優化，得到更為精確的RH 數據。②干島面積比例時間演變與土地城市化率的關系。將優化后的ERA-interim RH 月度數據合成年度數據，經過均值-標準差法分級，得到干島面積比例，與基于DMSP-OLS 數據計算的土地城市化率進行相關分析。③RH 空間變化與城市化水平的關系。基于劃分好的網格，采用網格分析方法對兩者進行空間上的相關分析，即通過網格計算平均相對濕度與城市化水平得到離散化數據，對其進行空間上的相關分析；④不同網格粒度下RH 空間變化與城市化水平的關系。在12.5、25.0、50.0、100.0、200.0 km 5 種不同網格粒度下分析兩者的相關關系。

圖2 研究技術路線

2.1 再分析數據優化

雖然氣象再分析數據具有空間連續性的優勢，但空間分辨率精細程度還不足夠，且與地面實測數據存在偏差，協同克里金不僅考慮自變量的空間自相關性，還考慮協變量與自變量之間的相關性，能有效改進估算精度［15-17］。因此，本研究基于協同克里金插值法，對氣象再分析數據進行優化。以地面實測RH 數據為協變量，對再分析RH 數據進行協同克里金插值，實現了再分析數據空間優勢與地面實測數據精度優勢兩者的結合。

設區域化變量Z*(x0)滿足二階平穩假設，協同克里金插值公式如下。

式中，Z*(x0)為在x0處的預測RH；Z1(x1i)為已知的x1i處ERA-interim 的RH；n為預測點鄰域內的點數；λ1i為參與插值的ERA-interim RH 對預測點RH的權重系數；λ2j為參與插值的RH 實測值對預測點RH 的權重系數，Z2（x2j）為已知的RH 實測數據。

為了確保對變量進行最佳且無偏的估計，權重系數的總和應等于1。因此應該滿足以下條件。

采用K折驗證法對空間插值結果進行驗證，也即交叉驗證中的留一驗證法［18］，被廣泛用于驗證。具體方法為將K等于氣象站點的個數，每次僅留1個氣象站點作為測試樣本，剩余的氣象站點作為訓練集與再分析數據進行協同克里金插值。采用均方根誤差（RMSE）作為評價氣象站點數據與再分析數據的協同克里金插值法的誤差指標，公式如下。

式中，Yi和yi分別是第i個氣象站點的實測值和空間插值的預測值。RMSE越小，說明數據優化的準確度越高。

2.2 干島面積比例與土地城市化率的關系

采用均值-標準差法對優化后ERA-interim RH數據進行相對濕度分級，確定干島面積比例，以及用夜間燈光數據計算京津冀地區土地城市化率，分析干島面積比例與土地城市化率的關系。

2.2.1 干島面積比例 研究借鑒熱島中常用的均值-標準差法，利用相對濕度均值和標準差倍數的組合來劃分相對濕度，從而實現城市干島的有效界定。具體劃分如表1 所示，自I 級至IV 級相對濕度逐漸變高。將高于平均相對濕度的區域定義為城市干島區，干島面積比例為I級和II級相對濕度的面積之和占京津冀總面積的比例，用Di表示。

表1 均值-標準差法劃分的相對濕度等級

式中，Di為第i年干島面積比例；Li為第i年I 級與II級相對濕度的面積；L為京津冀地區總面積。

2.2.2 土地城市化率 土地城市化率的定義為城鎮面積占總面積的比例。夜間燈光數據的城市空間信息能反映城市化發展的實際情況和人類活動的強弱，閾值法被廣泛應用于城市區域提取的相關研究中［19，20］。李娜［21］將燈光閾值設置為20 時提取的中國各分區城鎮用地面積與同時期的城鎮化信息最為一致。因此，本研究將20 設置為提取京津冀地區的城鎮用地面積的最小閾值，計算土地城市化率，用Ui表示，計算公式如下。式中，fi( )

x,y為提取的城市區域；Si為第i年城市用地面積；L為京津冀地區土地總面積。

2.3 RH 空間變化與城市化水平關系

為了研究相對濕度空間分布與城市化水平的關系，劃分可覆蓋京津冀地區的規則網格，如圖1 所示，采用網格分析方法，定義了基于網格的平均相對濕度和城市化水平。

平均相對濕度為網格內所有像元的相對濕度均值，反映網格內相對濕度的總體情況。

城市化水平用基于網格的平均燈光指數來表征，作為評價網格內城市發展情況的指數。平均燈光指數與基于統計數據的城市化水平存在高度相關，且兩者的城市化水平時空分布基本一致［22］，可在一定程度上反映城市發展水平。因此，城市化水平（UI）可表示如下。

式中，UIjk為第j年第k個網格的城市化水平；n為第k個網格的像元個數；DNKn為第k個網格第n個像元燈光亮度值。

3 結果與分析

3.1 RH 優化精度分析

以2005 年5 月數據為例，采用K折驗證法對ERA-interim RH 優化數據進行驗證，每次僅留1 個氣象站點作為測試樣本，剩余的氣象站點作為訓練集與再分析數據進行協同克里金插值，得到預估點的RH 與實測RH 數據的均方根誤差，與優化前ERA-interim RH 數據的均方根誤差進行對比，從表2 可以看出，原始的ERA-interim RH 數據與實測RH的均方根誤差為6.77%，經過數據優化后的均方根誤差降低了0.27 個百分點，說明將氣象站點作為協變量的協同克里金插值方法對相對濕度數據進行空間插值是一種有效、可行的方法。

表2 再分析RH 數據優化前后RMSE 對比 （單位：%）

3.2 干島面積比例時間演變與土地城市化率的關系

優化后的京津冀地區1993、1997、2001、2005、2009、2013 年的相對濕度空間分布如圖3A 至圖3F所示，從6 個年份的相對濕度空間分布來看，RH 整體上表現為下降趨勢，但在2013 年的相對濕度相較于2009 年有明顯提升，這可能與降水量的差異有關。進一步對京津冀地區的平均日累積總降水量進行統計發現，2009 年的平均日累積總降水量為1.35 mm，2013年的平均日累積總降水量為1.56 mm，同比增加了0.21 mm，降水量的增大使RH 出現大范圍提升。用閾值法提取出的同時期城區空間分布如圖3a 至圖3f 所示，城區面積表現為明顯的擴張趨勢，燈光覆蓋區域通常為RH 相對較低的區域，城市區域對應的RH 相對更低，如北京、天津、廊坊一帶及其西南部的華北平原地區長期處于RH 最低的地區，RH 可能與城市擴張存在關系。

圖3 RH 及城區空間分布

對1993、1997、2001、2005、2009、2013 年6 個年份的相對濕度進行均值-標準差法等級劃分，界定各年份的干島范圍，確定干島面積比例，如圖4 所示。基于DMSP-OLS 夜間燈光數據得到同時期的土地城市化率，如圖5 所示。可以看出，京津冀地區干島面積比例隨時間有小幅度的震蕩，總體上呈增加趨勢。城市規模隨時間在不斷擴大，土地城市化率明顯增加。

圖4 干島面積比例時間變化

圖5 土地城市化率時間變化

兩要素間相關程度通常用Pearson相關系數［23，24］來測定，將1993、1997、2001、2005、2009、2013 年的干島面積比例與京津冀地區同時期土地城市化率進行定量關系分析，結果如圖6 所示。干島面積比例與土地城市化率表現為較高的正相關，相關系數為0.689，隨著土地城市化率的增加，干島面積比例也呈增長趨勢。這說明京津冀地區的城市化進程加快，城市規模不斷擴大，自然的下墊面被不透水表面代替，減少了城市的綠地空間，對低層大氣的熱力和動力產生了不可忽視的影響［25，26］，相對濕度下降，干島面積比例增大，這種干島面積比例的增大與城市化進程中城區范圍不斷擴大存在較大的聯系。

圖6 干島面積比例與土地城市化率擬合結果

3.3 RH 空間變化與城市化水平關系

采用網格分析方法將京津冀地區劃分為50 km×50 km 全覆蓋的網格，以2005 年為例，將經過優化后的ERA-interim RH 數據進行網格處理，得到2005 年平均相對濕度離散化數據，對DMSP-OLS 夜間燈光遙感數據進行網格處理，得到城市化水平離散化數據，對兩者的空間分布進行相關分析，探究兩者之間的關系。

為直觀顯示平均相對濕度和城市化水平空間分布，將兩者離散后的數據進行網格化顯示。由圖7可以看出，平均相對濕度與城市化水平在空間分布特征上具有相反趨勢，相對濕度的低值區與城市化水平高值區較吻合，而在城市化水平較低區域對應的相對濕度較高。說明RH 的分布很可能與空間上的城市化水平差異存在聯系。

圖7 平均相對濕度（a）與城市化水平（b）分布

進一步對離散化的平均相對濕度與城市化水平剔除異常值，進行定量相關分析的結果如圖8 所示，空間上相對濕度隨著城市化水平的增高呈降低趨勢。城市化水平高的區域對應了更低的相對濕度，兩者在空間上表現為顯著的負相關關系，相關系數為-0.730，表明空間上RH 分布也受到城市化水平的影響。這是由于一方面城市化水平較高的地區通常被更多的不透水面所覆蓋，阻礙土壤與大氣之間的水分及熱力交換，使相對濕度下降。另一方面城市化水平較高的地區植被覆蓋面積相對較小，葉面蒸騰向大氣產生的水分輸送少，植被覆蓋度低的地區相對濕度通常低于植被覆蓋度高的地區，城市干島的形成與植被的喪失密切相關［27］，這與Ibrahim 等［28］的研究結果較為一致。

圖8 平均相對濕度與城市化水平擬合結果

3.4 不同網格粒度下RH 空間變化與城市化水平關系

空間尺度中的粒度是研究兩要素之間關系中尤為重要的方面，粒度是指研究中基本單元的大小，即數據收集或分析的空間單位大小，粒度的選擇可能會影響城市化水平對RH 空間分布格局的相對重要性［29，30］。因 此，研 究 基 于12.5、25.0、50.0、100.0、200.0 km 5 種不同網格粒度，統計網格的平均相對濕度與城市化水平，并進行相關分析，探究兩者之間的關系。

將提取出的京津冀地區1993、1997、2001、2005、2009、2013 年的平均相對濕度與城市化水平離散數據，剔除異常值，采用皮爾森雙側檢驗法，研究京津冀地區各年份平均相對濕度與城市化水平的定量關系，結果如表3 所示。

表3 平均相對濕度與城市化水平的相關分析結果

如圖9 所示，從各年份來看，平均相對濕度與城市化水平均表現出顯著的負相關關系，空間上兩者存在較為密切的關系，在100 km 網格粒度下兩者的相關系數可達0.700 以上。不同的網格空間粒度下，城市化水平與相對濕度均為負相關，但是相關系數的大小表現出明顯的差異性，如圖10 所示。12.5～100.0 km 網格內，平均相對濕度與城市化水平的相關系數隨著空間網格粒度的增大表現為明顯上升趨勢，且均通過0.01 顯著性水平。隨著粒度增大，平均相對濕度與城市化水平關系強度增加的原因：①從統計學的角度來講，粒度越大，空間上的樣本點越少，減少了重復空間取樣累積的誤差。②對于兩者的關系而言，更大的粒度使得夜間燈光的破碎斑塊被合并，可能消除了一些原本具有相同平均燈光指數不同平均相對濕度的樣本，這些樣本可能會導致其相關性變弱，如圖9 中綠色的圓包含了各網格粒度下較密集的樣本，可以發現粒度越小時，具有相同城市化水平而不同平均相對濕度的樣本量也越少。

圖9 平均相對濕度與城市化水平的線性擬合（1993 年）

以1993 年為例，至200 km 網格時，相關性整體上有所下降，例如1993 年，12.5、25.0、50.0、100.0 km網格下對應的平均相對濕度與城市化水平相關系數分別為-0.365、-0.511、-0.691、-0.878，至200 km 網格時的相關系數為-0.612，相關性變弱，且未通過0.01 和0.05 顯著性水平檢驗。

綜上所述，不同的網格粒度沒有對結果產生本質性的影響，隨著網格粒度的增大，平均相對濕度與城市化水平的相關系數表現為先增大后減小（圖10），增大至100 km 網格粒度時，兩者的相關性最強，相關系數為-0.700～-0.900，且均通過0.01 的顯著性水平檢驗。再增至200 km 網格粒度時，相關性減弱且顯著性不明顯。網格粒度在100 km 左右時平均相對濕度與城市化水平相關性最強，可為兩者空間關系研究中的網格粒度選擇提供依據。

圖10 不同網格粒度的相關系數變化

4 小結

本研究綜合利用ERA-interim 再分析數據與夜間燈光數據，研究了城市化進程中京津冀地區相對濕度的時空演變，主要結論如下。

1）以地面觀測RH 數據作為協變量，將ERA-interim RH 數據進行協同克里金插值后的ERA-interim RH 數據與原始數據相比，均方根誤差降低了0.27 個百分點。

2）京津冀地區干島面積比例表現為在小幅度的震蕩中呈增加趨勢，干島面積比例與土地城市化率存在較高的正相關，相關系數為0.689。干島面積比例的增大與城市化進程存在較大聯系。

3）平均相對濕度與城市化水平在空間上表現為負相關，相關系數為-0.730，且通過了0.01 顯著性水平檢驗，空間上RH 分布也受到城市化水平的影響。

4）不同網格粒度不會對平均相對濕度與平均燈光指數的關系產生本質性影響，兩者均為負相關，但相關性隨網格粒度增大呈現先增強后減弱的趨勢，在100 km 網格粒度下兩者的相關性最強，相關系數在-0.900～-0.700，為網格粒度的選擇提供了依據。

綜上所述，京津冀地區相對濕度與城市化水平在時間和空間上均存在較高的相關性。城市化是下墊面發生變化的重要驅動機制，進而引起相對濕度的改變，是城市氣候相關研究及人居環境舒適度評價不可忽視的重要影響因素。