加入收藏   |   联系我们   |   论坛  |   中国科学院
研究进展
城市化效应对中国局地气温观测记录的影响

城市化是人类活动影响地球系统最典型的例子之一,其影响因素主要包括城市土地利用,人为热释放以及人为气溶胶排放等。城市化影响局地气温观测序列,其效果易与温室气体增加引起的近地面增温相混淆,因而成为气候变化检测和归因领域关注的问题之一。

曾有研究认为,近几十年中国气温观测中城市化增温达0.1°C/10年甚至更高。然而,近年基于均一化观测而得到的结果要小得多。其中的不确定性主要源于数据质量和评估方法。随着城市化进程,为满足气象观测标准,很多气象站向郊区或乡村迁移,导致这些站点的气温序列存在变冷的趋势偏差,进而导致城市增温率被高估。我们基于近年发展的均一化气温序列集,通过统计分析客观划分城乡站点(图1和图2),发现城市化增温占北京观象台所测增温趋势的贡献在20%以内(Wang et al 2013a)。该结果和近年另一项独立研究的结果可相互印证(Zhao et al 2014)。

城市化效应的一个常用分析方法是‘观测减再分析’(OMR)。该方法的基本思路是:经过气候模式计算的再分析资料代表大尺度气候变化,不包括局地土地利用变化(如城市化)的影响;因而用实地气温观测减去再分析的气温序列即可推算城市化的贡献。然而,由于再分析资料中气温序列的多年代际变率(MDV)相对于实测MDV存在系统性偏差(图3),该方法在应用中通常会高估城市化效应(Wang et al 2013b),因为相反的结果往往被忽视了。

结合精细化的动态陆面演变和实地气候观测分析,发展高分辨率区域气候模拟,将有助于进一步理解和量化城市化的气候效应(Wang et al 2012)。图4显示了3.3km分辨率的我国三大城市群热岛分布。虽然现有气候模式还存在不足,但随着各种物理过程参数化的日益完善和高性能计算能力的提升,其模拟结果也必将越来越可靠。

参考文献:

Wang, J., Z. W. Yan, Z. Li, W. D. Liu, and Y. C. Wang, 2013a: Impact of urbanization on changes in temperature extremes in Beijing during 1978-2008, Science Bulletin, 58, 4679-4686. http://link.springer.com/article/10.1007/s11434-013-5976-y

Wang, J., Z. W. Yan, P. D. Jones, and J. J. Xia, 2013b: On “Observation minus Reanalysis” method: A view from multidecadal variability, Journal of Geophysical Research-Atmosphere, 118, 1-9. http://onlinelibrary.wiley.com/doi/10.1002/jgrd.50574/full

Zhao, P., P. D. Jones, L. Cao, Z. W. Yan, S. Y. Zha, Y. N. Zhu, Y. Yu, and G. L. Tang, 2014: Trend of surface air temperature in eastern China and associated large-scale climate variability over the last 100 years, Journal of Climate, 27, 4693-4703.

http://journals.ametsoc.org/doi/abs/10.1175/JCLI-D-13-00397.1

Wang, J., J. M. Feng, Z. W. Yan, Y. H. Hu, and G. S. Jia, 2012: Nested high-resolution modeling of the impact of urbanization on regional climate in three vast urban agglomerations in China, Journal of Geophysical Research-Atmosphere, 2012, 117, D21103.

Wang, J., and Z. W. Yan, 2016: Urbanization-related warming in local temperature records: a review, Atmospheric and Oceanic Science Letters, 9(2), 129-138.

http://www.tandfonline.com/doi/full/10.1080/16742834.2016.1141658

  

  图1 北京地区1992(a)、2000(b)和2008(c)年夜晚灯光值空间分布;(d)北京地区20个气象站的地理位置以及该地区1978-2008年平均气温的空间分布(单位: °C)。绿色星号、方块、实心点和三角形分别代表城市、近郊、乡村和山地站点。引自Wang et al (2013a)。

  

  图2采用三个温度指标(年平均气温,年寒冷天数和年炎热天数)进行聚类分析结果的三维散点图,可清晰地区分出不同类型的气候站点。引自Wang et al (2013a)。

  图3 基于EEMD方法得到的CRUTEM4数据集(实线)和20世纪再分析资料中北半球陆表年平均气温序列(棕线),及其长期趋势(红线)和多年代际变率(蓝线)。可见不同年代际时期计算的OMR趋势可以是相反的。引自Wang et al (2013b)。

  

  图4 基于WRF-UCM区域气候模式在3.3km空间分辨率下模拟得到的我国三大城市群(a:珠三角;b:长三角;c:京津冀)城市增温空间分布(单位: °C)。引自Wang et al (2012)。


相关附件
相关文档
版权所有 © 中国科学院东亚区域气候-环境重点实验室,中国科学院大气物理研究所,北京,100029
京ICP备14024088号  电话:010-82995160  E-mail:webmaster@tea.ac.cn