Analysis on the Thermal Environment Effects and Their Biophysical Factors of Agricultural Lands in Humid Subtropical Regions
-
摘要: 为分析亚热带湿润区农业用地对区域气候的影响，以江西省为例，基于2003—2019年的MODIS地表温度数据，将天然林地作为参照，分析了亚热带湿润地区农业用地热环境效应的时空变化特征及其与主要生物物理因子的关系。结果表明：(1)与天然林地相比，农业用地在白天具有明显的增温效应，年均增温幅度达1.9 ℃；夜间降温效应明显。(2)农业用地热环境效应随季节变化明显，特别是在夜晚，主要表现为农业用地在夏季的夜晚具有微弱的增温效应。(3)2003—2019年，农业用地白天增温和夜晚降温效应均呈增加态势。(4)农业用地热环境效应在白天主要受蒸散的控制，在夜晚主要受蒸散和反照率的共同控制。Abstract: To analyze the influence of agricultural land in subtropical humid zone on regional climate, the spatial and temporal variation characteristics of the thermal environmental effect of agricultural land in subtropical humid zone and its relationship with the main biophysical factors were analyzed in Jiangxi Province, based on MODIS surface temperature data from 2003 to 2019, with natural forest land as a reference. Results show: (1) agricultural lands warm the land surface significantly relativity to natural forests during the day, with annual mean temperature increase of 1.9 ℃, whereas cool the temperature substantially at night; (2) the thermal environment effects of agricultural lands vary greatly by the season, especially at night, characterized by weak nighttime warming effects du-ring summer; (3) both the daytime warming and nighttime cooling effects of agricultural lands show upward trends from 2003 to 2019; (4) the thermal environment effects of agricultural lands are primarily controlled by evapotranspiration during the day and by the joint control of evapotranspiration and surface albedo at night.
-
Keywords:
- land use /
- agriculture /
- climate effects /
- MODIS
-
土地利用对局地、区域甚至全球气候有着重要影响，成为除化石燃料燃烧外，人类影响气候变化的最大因素[1-5]。农业作为最主要的人为土地利用活动之一，通过调节陆地大气间能量、水分和动量交换在气候系统中发挥着至关重要的作用，特别是在热带和亚热带湿润区[6]。一方面，自然植被转化为农业用地会改变地表粗糙度、反照率、叶片电导和其他特性，从而增加或降低温度；另一方面，农田管理(如施肥、灌溉、松土和种植等)能显著影响当地气候[7-8]。
然而，目前关于农业用地热环境效应的认识大多基于模型模拟的方法[9-10]。由于模型的结构、参数化以及输入数据的差异，导致不同研究结果分歧较大，甚至完全相反[9-12]。同时，数值模型的分辨率通常较低(约100 km)，不能清晰反映温度变化的空间异质性。快速发展的卫星遥感技术，为评估农业用地热环境效应提供了最直接有效的观测证据。然而，已有研究大多基于代表性网格内不同土地利用类型的温度差异来量化毁林或造林的气候效应[10, 13-14]，不能全面反映农业用地对区域温度的影响，特别是大面积农业用地集中分布区域。在我国，农业用地面积占比超过50%，其通过各种因素对气候造成的增温影响不可忽视，但目前尚缺乏单独对农业热环境效应长期变化趋势的遥感监测研究。因此，急需发展新的遥感评估方法，全面评估农业用地对区域温度的影响。
本文以江西省为例，基于MODIS地表温度数据，以天然林地为参照，采用空间代替时间的方法，从像元尺度定量评估近20年农业用地的热环境效应及其时空演变规律，并结合地表蒸散、反照率和气象数据，探讨农业用地热环境效应的可能驱动因子。旨在揭示我国亚热带湿润地区农业土地利用对温度的影响特征及其控制因子，为制定缓解区域气候变化的土地利用策略提供参考。
1. 数据与方法
1.1 研究区域
江西省位于中国东南部(图 1)，长江中下游南岸，属亚热带温暖湿润季风气候，年降雨量为1 341~1 943 mm，年平均气温为16.3~17.5 ℃。江西省是一个农业人口多、农村地域大、农业比重相对较高的省份，全省耕地面积约3万km2；粮、猪、油、菜、水产等主要农产品产量在全国占有重要地位，是长三角、珠三角和港澳等地重要的农产品供应基地，其中稻谷产量居全国第2位，始终保持全国农业主产省的地位。
![]()
图 1 江西省地形图注: 此图基于国家测绘地理信息局标准地图(审图号: GS(2020)4619号)绘制，底图无修改。Figure 1. Topographic map in Jiangxi Province1.2 数据来源与预处理
1.2.1 数据来源
本文利用中分辨率成像光谱仪(Moderate Resolution Imaging Spectroradiometer，MODIS) 合成的地表温度数据(Land Surface Temperature，LST)来反映研究区的热环境条件。该遥感数据误差在1 ℃之内，已被广泛用于评估人类土地利用活动的热环境效应[15-18]。文中选取了覆盖研究区范围内的2003—2019年最新版本的MODIS/Aqua 8天合成的LST数据产品(MYD16A2，V6)，空间分辨率为1 km，通过Earthdata数据共享平台(https://search.earthdata.nasa.gov/)免费获取。Aqua卫星过境时间为地方太阳时13:30和01:30，此时地表温度分别接近日最高值和日最低值，分别用来代表白天、夜晚温度。其中蒸散数据来源于MODIS 8天合成产品(MYD16A2，V6)，空间分辨率为500 m。反照率数据来源于MODIS逐日数据产品(MCD43A1，V6)，空间分辨率为1 km。
土地利用数据来源于清华大学宫鹏教授领衔研发的第二代FROM-GLC土地覆盖产品, 该数据参考IGBP(InternationaI Geosphere Biosphere Programme)分类体系，空间分辨率为30 m[15]。
气象数据来自江西省气象局的26个气象站(图 1)2003—2019年的气温和降雨量资料，海拔数据来源于ASTER GDEM。
1.2.2 数据预处理
利用MRT(MODIS Reprojection Tool)软件对遥感数据进行批量拼接和投影处理。为了减少误差，本文仅提取平均发射率误差≤0.02 (质量控制(QC)标志为“01”)、平均LST误差≤1 K(QC标志为“00”)和天顶角≤65°的LST像元；通过ANUSPLIN软件对气象数据进行插值。
1.3 方法
1.3.1 土地利用分类
本文获取2015年的土地利用类型数据，经拼接、投影、裁剪后得到江西土地利用类型图(图 2)，主要包括农田、林地、草地、灌丛、湿地、水体、不透水面和裸地8种土地利用类型。其中林地和农田是土地利用的两大主要类型，分别占研究区总面积的63%和24%。
由于水体白天的冷却效应和夜间增暖效应会影响周围温度，本文首先剔除了湿地、水体及大型水体周围1 km的缓冲区域内的土地利用数据。为了使土地利用数据与MODIS LST数据的空间分辨率一致，本文分别计算了空间分辨率为1 km的农田和林地的面积占比，并把农田占比超过50%的像元定义为农业用地。
1.3.2 农业用地热环境效应估算方法
本文将农业用地的热环境效应(ΔT)定义为：
ΔT=Tagr−Tfor, (1) 其中，Tagr为农业用地像元的实际地表温度，可通过MODIS地表温度数据直接提取；Tfor为天然林地的地表温度。ΔT>0表示农业用地对区域环境为增温效应，ΔT < 0表示农业用地对区域环境为降温效应。由于缺乏对应每个农业用地像元位置的Tfor观测数据，本文基于农田周围天然林地的LST数据，以海拔为协变量，利用协同克里金插值方法获取Tfor。为了准确估算Tfor，降低混合用地对Tfor的影响，本文仅筛选林地面积百分比为100%的纯天然林地像元为参照。为了增加参考林地像元分布范围，同时选取了研究区周围50 km范围内的天然林地像元。
1.3.3 农业用地热环境效应时空变化及其驱动因子分析
本文首先计算2003—2019年的多年平均ΔT，分析农业用地热环境效应空间分布及其昼夜与季节变化特征。进而基于2003—2019年的逐年ΔT数据，分析农业用地热环境效应的年际变化趋势。为了探究ΔT变化与主要地表生物物理因子、气候因子的关系，本文首先采用与估算ΔT相同的方法，分析了农业用地对蒸散(evapotranspiration, ET)和反照率的影响。反照率数据包括白空反照率(White Sky Albedo，WSA)和黑空反照率(Black Sky Albedo，BSA)，由于二者的空间分布高度类似，本文采用WSA表征反照率的大小。然后，分析了ΔT的时空变化与ΔET、ΔWSA、气候因子(气温和降雨量)的相关关系。
2. 结果与讨论
2.1 结果
2.1.1 农业用地热环境效应的时空变化特征
由热环境效应的空间分布(图 3)可知：(1)在白天，农业用地的整体表现为增温效应，增温幅度最高达8 ℃，且不同季节差异较小，在夏季的增温效应略低于在其他季节的(图 3A至图 3E)。(2)在夜晚，农业用地降温效应明显，最高降温幅度达-6 ℃，且不同季节差异明显(图 3F至图 3J)：在冬季的降温幅度最大，秋季次之，在春季的增温和降温效应并存，绝大部分区域在夏季表现为增温效应。(3)南昌、上饶市与九江市的交界地带在夏季呈现微弱的降温效应(图 3B)，这可能与周围大型水体(鄱阳湖)的冷岛效应有关。
![]()
图 3 江西省农业用地热环境效应空间分布Figure 3. Spatial distribution of the thermal environment effects of agricultural lands in Jiangxi Province从地区分布(表 1)可知：(1)在白天，赣州市的增温效应最明显，增幅超过3 ℃；上饶市的最低，增幅低于1.5 ℃。就整个区域平均来看，农业用地导致白天年均增温1.97±1.02 ℃。(2)在夜晚，新余市的降温效果最明显，年均降温-0.51±0.44 ℃；景德镇市次之；赣州市的降温幅度最低，仅-0.07±0.41 ℃。整体上看，农业用地导致夜晚年均温度降低0.31 ℃。
表 1 江西省各地级市农业用地平均热环境效应Table 1. The mean thermal environment effects of agricultural lands in all the prefecture-level cities of Jiangxi Province℃ 地区 白天 春季 夏季 秋季 冬季 年均 九江市 1.41±1.27 1.12±1.32 1.68±0.10 1.55±0.94 1.44±1.05 景德镇市 1.94±0.69 1.69±0.76 2.13±0.60 2.05±0.55 1.95±0.56 上饶市 1.32±1.25 1.05±1.46 1.65±1.08 1.43±1.00 1.36±1.10 南昌市 1.84±1.39 1.17±1.66 1.97±1.33 1.91±0.98 1.72±1.20 抚州市 1.98±0.74 2.04±1.10 2.10±0.90 2.00±0.66 2.03±0.77 鹰潭市 1.78±0.71 1.99±1.14 1.79±0.75 1.68±0.66 1.81±0.73 宜春市 2.29±0.80 1.85±1.02 2.31±0.86 2.19±0.65 2.16±0.75 新余市 2.53±0.84 1.99±1.01 2.50±0.82 2.37±0.72 2.35±0.79 萍乡市 2.51±0.67 2.43±1.00 2.86±0.77 2.60±0.64 2.60±0.70 赣州市 3.02±0.82 3.16±1.16 3.38±0.95 3.19±0.84 3.19±0.89 吉安市 1.98±0.75 2.10±1.11 2.42±0.76 2.18±0.67 2.17±0.75 合计 1.95±1.09 1.75±1.36 2.17±1.06 2.01±0.91 1.97±1.02 地区 夜间 春季 夏季 秋季 冬季 年均 九江市 -0.29±0.71 0.59±0.71 -0.52±0.74 -1.13±0.61 -0.34±0.55 景德镇市 -0.21±0.48 0.25±0.39 -0.96±0.49 -1.02±0.40 -0.49±0.37 上饶市 0.20±0.71 0.72±0.66 -0.46±0.65 -0.92±0.70 -0.12±0.53 南昌市 -0.02±0.76 0.77±0.65 -0.69±0.73 -1.52±0.65 -0.37±0.58 抚州市 -0.22±0.49 0.26±0.42 -0.81±0.46 -1.09±0.58 -0.46±0.37 鹰潭市 0.21±0.50 0.54±0.45 -0.52±0.44 -0.69±0.48 -0.11±0.37 宜春市 -0.15±0.56 0.32±0.39 -0.75±0.51 -1.00±0.66 -0.40±0.45 新余市 -0.35±0.47 0.38±0.43 -0.94±0.53 -1.14±0.66 -0.51±0.44 萍乡市 -0.08±0.33 0.52±0.39 -0.43±0.34 -0.59±0.45 -0.14±0.31 赣州市 0.12±0.47 0.79±0.55 -0.35±0.43 -0.84±0.55 -0.07±0.41 吉安市 -0.09±0.47 0.42±0.40 -0.66±0.47 -0.90±0.59 -0.31±0.40 合计 -0.07±0.61 0.51±0.56 -0.64±0.59 -1.03±0.65 -0.31±0.48 从逐月变化趋势(图 4A)可知：在6月份的增温效应最低(1.3 ℃)。从年际变化趋势(图 4B)可知：2003—2019年，江西省农业用地的白天增温效应和夜晚降温效应整体上均呈加剧态势，在白天每10年平均上升0.105 ℃，在夜晚每10年平均下降0.084 ℃。
![]()
图 4 农业用地热环境效应的年内和年际变化趋势Figure 4. Intra-annual and inter-annual changes of the thermal environment effects of agricultural lands从空间分布(图 5)可知：(1)在白天，约67%的农业用地像元的增温效应呈增加趋势，主要集中在靠近城市和水体的地方。(2)在夜晚，除靠近城市和水体少部分农业用地像元外，约72%的农业用地像元呈降温效应；大部分农业用地的ΔT年际变化趋势的显著性水平高于0.05，这可能与本研究时段较短有关。
![]()
图 5 农业用地热环境效应年际变化趋势空间分布图Figure 5. Spatial distributions of the inter-annual trends of the thermal environment effects of agricultural lands2.1.2 农业用地热环境效应与驱动因子的关系
由农业用地对地表蒸散和反照率的影响(图 6，图 7)可知：(1)农业用地导致绝大部分地区蒸散降低，年均降幅达160 mm，且不同季节差异较大。夏季时的蒸散降低幅度最大，特别是在7月份的降低幅度接近40 mm；冬季时的整体变化幅度较小，大部分农业用地(54%)的蒸散呈现略高于天然林地的态势。(2)农业用地导致大部分地区(87%)的反照率增加，平均增加幅度为0.02，且不同季节影响差异极大。在秋季和冬季的增幅明显高于在春季和夏季的，其中在2月份的增加幅度最大(接近0.03)，在5月份的最低(平均变化几乎接近0)。(3)从年际变化趋势来看，在2003—2019年间，ΔET略有增加趋势，但并不显著；ΔWSA则呈显著下降态势(图 7B)。
![]()
图 7 ΔET与ΔWSA的年内和年际变化趋势Figure 7. Intera-annual and inter-annual trends of ΔET and ΔWSA农业用地热环境效应的时空变化与地表生物物理因子(蒸散和反照率)以及气候背景变化密切相关。由图 8可知：白天的ΔT与ΔET呈显著负相关，与ΔWSA呈显著正相关；夜晚的ΔT与ΔET、ΔWSA均呈显著负相关；白天的ΔT与气温呈明显的正相关，与降雨量的相关关系相对较弱。
根据ΔT逐月变化与各因子的相关系数(图 9A)可知：夜晚的ΔT与ΔET的r(33 338个像元r值的平均值，r=-0.51±0.29)、ΔWSA的r(r=-0.67±0.22)均呈显著负相关，与气温和降雨量呈显著正相关；对比之下，白天的ΔT与各驱动因子的r的相关性相对较弱(r < 0.26±0.31)，且与气候因子的r呈负相关。从年际变化趋势(图 9B)来看，ΔT与各因子的r的相关性空间异质性极大；整体上，ΔT与气温的r的相关性最显著，特别是在夜晚呈负相关(r=-0.23±0.30)，但在白天呈正相关；此外，夜晚的ΔT与降雨量的r呈较强的正相关(r=0.12±0.26)。
![]()
图 9 ΔT的逐月和年际变化与各驱动因子的相关系数注：r为33 338个像元r值的平均值。Figure 9. Correlation coefficients between month-to-month and inter annual changes of ΔT and driving factors2.2 讨论
针对农业用地生物物理温度效应研究薄弱问题，本文以地处亚热带湿润区的江西省为例，基于卫星观测技术，全面评估了农业用地的热环境效应与驱动因子，结果发现农业用地在白天具有明显的增温效应，而在夜晚的降温作用明显(图 3)，这与已有的以国家和全球为范围进行研究得到的结果[10, 13]一致。此外，本文发现农业用地的热环境效应随季节变化明显，白天的增温效应在夏季较弱，可能与大面积水稻种植过程中的农田灌溉活动有关。大量研究证实灌溉可导致蒸散增加，进而对环境有明显降温效果[7-8]。夜晚的降温效应在夏季变为微弱的增温效应，这可能与夏季蒸散加强和反照率差异明显降低有关(图 7A)。从长期变化趋势来看，本文的研究结果表明农业用地在白天的增温效应逐渐加强(图 7B)，但日益加剧的夜晚降温效应在一定程度上可抵消白天增温效应的影响。全球气候变暖、农业活动加强以及快速城市化是导致农业用地白天增温效应加强的可能原因。例如，随着温度的升高，可加剧农业用地与天然林地间的ET差异(图 7B和图 9B)；快速城市化可通过城市热岛效应影响周围农田的气候效应[19]。
与已有研究[10, 13, 20]类似，本文发现蒸散是控制农业用地白天的热环境效应的主要因子(图 8)。与天然林地相比，农业用地的蒸散降低，进而导致潜热减少，从而增加地表温度。但意外的是，本文发现农业用地在白天的增温效应与反照率呈显著正相关关系(图 8)，这与普遍认为的“反照率增加将降低地表净辐射，进而降低温度”[21]相矛盾。导致这种现象的可能原因是亚热带湿润区农田蒸散的作用远远超过反照率的影响[10], 掩盖了反照率的可能降温效应。另外，相对于森林而言，农田在夜晚的反照率较高，间接起到了降温效果[22]。对比之下，本文发现农业用地在夜晚的热环境效应受蒸散和反照率的共同控制。与已有研究结果[23-24]不同的是，本文发现气候因子对农业用地的热环境效应空间分布的影响相对较小(图 8)，这可能与研究尺度有关。本研究区内气候背景差异相对较小，其影响被局地生物物理因子所掩盖。但从年内、年际变化趋势(图 9)来看，气候因子的作用和生物物理因子作用相当，甚至超过生物物理因子的影响，特别是气温的影响，强调了气候变化在预估未来农业用地气候效应中的重要作用。
3. 结论
本文以江西省为例，分析了亚热带湿润地区农业用地热环境效应的时空变化特征及其与生物物理和气候因子的关系，主要结论如下：
(1)农业用地在白天以增温效应为主，在夜晚主要表现为降温效应，且季节变化大；
(2) 2003—2019年，大部分农业用地的白天增温效应和夜晚降温效应均呈加剧态势；
(3) 农业用地热环境效应的空间分布在白天主要受地表蒸散的影响，在夜晚受蒸散和反照率共同控制，而且年际变化趋势与气候因子(特别是气温)密切相关。
本文的科学和实践意义如下：首先，文中使用的农业用地热环境效应的定量评估方法可有效避免天然林地地理分布不均的局限性，为区域尺度土地利用活动的气候效应评估提供了一种新的视角。其次，虽然农业用地在白天具有明显增温效应，但在夜晚表现为降温效应，这与文献[25-26]的结论一致。因此，在未来评估土地利用活动对区域气候的影响时，应加强对农业用地的研究。最后，本文发现气候变化可能加剧农业用地的热环境效应，说明在未来区域气候变化评估中，需要综合考虑农业用地气候效应与气候变化的互馈机制。
-
![]()
图 1 江西省地形图
注: 此图基于国家测绘地理信息局标准地图(审图号: GS(2020)4619号)绘制，底图无修改。
Figure 1. Topographic map in Jiangxi Province
![]()
图 3 江西省农业用地热环境效应空间分布
Figure 3. Spatial distribution of the thermal environment effects of agricultural lands in Jiangxi Province
![]()
图 4 农业用地热环境效应的年内和年际变化趋势
Figure 4. Intra-annual and inter-annual changes of the thermal environment effects of agricultural lands
![]()
图 5 农业用地热环境效应年际变化趋势空间分布图
Figure 5. Spatial distributions of the inter-annual trends of the thermal environment effects of agricultural lands
![]()
图 7 ΔET与ΔWSA的年内和年际变化趋势
Figure 7. Intera-annual and inter-annual trends of ΔET and ΔWSA
![]()
图 9 ΔT的逐月和年际变化与各驱动因子的相关系数
注：r为33 338个像元r值的平均值。
Figure 9. Correlation coefficients between month-to-month and inter annual changes of ΔT and driving factors
表 1 江西省各地级市农业用地平均热环境效应
Table 1 The mean thermal environment effects of agricultural lands in all the prefecture-level cities of Jiangxi Province
℃ 地区 白天 春季 夏季 秋季 冬季 年均 九江市 1.41±1.27 1.12±1.32 1.68±0.10 1.55±0.94 1.44±1.05 景德镇市 1.94±0.69 1.69±0.76 2.13±0.60 2.05±0.55 1.95±0.56 上饶市 1.32±1.25 1.05±1.46 1.65±1.08 1.43±1.00 1.36±1.10 南昌市 1.84±1.39 1.17±1.66 1.97±1.33 1.91±0.98 1.72±1.20 抚州市 1.98±0.74 2.04±1.10 2.10±0.90 2.00±0.66 2.03±0.77 鹰潭市 1.78±0.71 1.99±1.14 1.79±0.75 1.68±0.66 1.81±0.73 宜春市 2.29±0.80 1.85±1.02 2.31±0.86 2.19±0.65 2.16±0.75 新余市 2.53±0.84 1.99±1.01 2.50±0.82 2.37±0.72 2.35±0.79 萍乡市 2.51±0.67 2.43±1.00 2.86±0.77 2.60±0.64 2.60±0.70 赣州市 3.02±0.82 3.16±1.16 3.38±0.95 3.19±0.84 3.19±0.89 吉安市 1.98±0.75 2.10±1.11 2.42±0.76 2.18±0.67 2.17±0.75 合计 1.95±1.09 1.75±1.36 2.17±1.06 2.01±0.91 1.97±1.02 地区 夜间 春季 夏季 秋季 冬季 年均 九江市 -0.29±0.71 0.59±0.71 -0.52±0.74 -1.13±0.61 -0.34±0.55 景德镇市 -0.21±0.48 0.25±0.39 -0.96±0.49 -1.02±0.40 -0.49±0.37 上饶市 0.20±0.71 0.72±0.66 -0.46±0.65 -0.92±0.70 -0.12±0.53 南昌市 -0.02±0.76 0.77±0.65 -0.69±0.73 -1.52±0.65 -0.37±0.58 抚州市 -0.22±0.49 0.26±0.42 -0.81±0.46 -1.09±0.58 -0.46±0.37 鹰潭市 0.21±0.50 0.54±0.45 -0.52±0.44 -0.69±0.48 -0.11±0.37 宜春市 -0.15±0.56 0.32±0.39 -0.75±0.51 -1.00±0.66 -0.40±0.45 新余市 -0.35±0.47 0.38±0.43 -0.94±0.53 -1.14±0.66 -0.51±0.44 萍乡市 -0.08±0.33 0.52±0.39 -0.43±0.34 -0.59±0.45 -0.14±0.31 赣州市 0.12±0.47 0.79±0.55 -0.35±0.43 -0.84±0.55 -0.07±0.41 吉安市 -0.09±0.47 0.42±0.40 -0.66±0.47 -0.90±0.59 -0.31±0.40 合计 -0.07±0.61 0.51±0.56 -0.64±0.59 -1.03±0.65 -0.31±0.48 
下载: 导出CSV
-
[1] ELLIS E C, GOLDEWIJK K K, SIEBERT S, et al. Anthropogenic transformation of the biomes, 1700 to 2000[J]. Global Ecology and Biogeography, 2010, 19(5): 589-606.
[2] 刘纪远, 邵全琴, 延晓冬, 等. 土地利用变化影响气候变化的生物地球物理机制[J]. 自然杂志, 2014, 36(5): 356-363. https://www.cnki.com.cn/Article/CJFDTOTAL-ZRZZ201405010.htm LIU J Y, SHAO Q Q, YAN X D, et al. The biogeophysical mechanism of land use change affecting climate change[J]. Nature Magazine, 2014, 36(5): 356-363. https://www.cnki.com.cn/Article/CJFDTOTAL-ZRZZ201405010.htm
[3] STOCKER T F, QIN D, PLATTNER G K, et al. Climate change 2013: the physical science basis. Contribution of working group I to the fifth assessment report of the intergovernmental panel on climate change[C]//Proceedings of the Climate Change 2013. Cambridge: Cambridge University Press, 2013.
[4] MAHMOOD R, PIELKE R A, HUBBARD K G, et al. Impacts of land use/land cover change on climate and future research priorities[J]. Bulletin of the American Meteorological Society, 2010, 91(1): 37-46. doi: 10.1175/2009BAMS2769.1
[5] YAN M, LIU J, WANG Z, et al. Biogeophysical impacts of land use/land cover change on 20th century anthropogenic climate compared to the impacts of greenhouse gas change[J]. International Journal of Climatology, 2020, 40(15): 6560-6573. doi: 10.1002/joc.6598
[6] LOBELL D B, BALA G, DUFFY P B. Biogeophysical impacts of cropland management changes on climate[J]. Geo physical Research Letters, 2006, 33(6): L06708/1-4.
[7] HAO L, SUN G, LIU Y, et al. Urbanization dramatically altered the water balances of a paddy field-dominated basin in southern China[J]. Hydrology and Earth System Sciences, 2015, 19(7): 3319-3331. doi: 10.5194/hess-19-3319-2015
[8] FALL S, NIYOGI D, GLUHOVSKY A, et al. Impacts of land use land cover on temperature trends over the continental United States: assessment using the North American Regional reanalysis[J]. International Journal of Climato-logy, 2010, 30(13): 1980-1993. doi: 10.1002/joc.1996
[9] PERUGINI L, CAPORASO L, MARCONI S, et al. Biophysi-cal effects on temperature and precipitation due to land co-ver change[J]. Environmental Research Letters, 2017, 12(5): 053002/1-14.
[10] LI Y, ZHAO M, MOTESHARREI S, et al. Local cooling and warming effects of forests based on satellite observations[J]. Nature Communications, 2015, 6(1): 6603/1-8.
[11] 董思言, 延晓冬, 熊喆. 东北农田扩张对气候影响的数值模拟[J]. 气候与环境研究, 2014, 19(3): 351-361. https://www.cnki.com.cn/Article/CJFDTOTAL-QHYH201403009.htm DONG S Y, YAN X D, XIONG Z. Numerical simulation of the influence of farmland expansion on climate in Northeast China[J]. Climate and Environmental Studies, 2014, 19(3): 351-361. https://www.cnki.com.cn/Article/CJFDTOTAL-QHYH201403009.htm
[12] YANG Q, HUANG X, TANG Q. Irrigation cooling effect on land surface temperature across China based on sate-llite observations[J]. Science of the Total Environment, 2020, 705: 135984/1-42.
[13] PENG S S, PIAO S, ZENG Z, et al. Afforestation in China cools local land surface temperature[J]. Proceedings of the National Academy of Sciences of the United States of America, 2014, 111(8): 2915-2919. doi: 10.1073/pnas.1315126111
[14] SHI W J, TAO F L, LIU J Y. Regional temperature change over the Huang-Huai-Hai Plain of China: the roles of irri-gation versus urbanization[J]. International Journal of Climatology, 2014, 34(4): 1181-1195.
[15] 姚远, 陈曦, 钱静. 城市地表热环境研究进展[J]. 生态学报, 2018, 38(3): 1134-1147. https://www.cnki.com.cn/Article/CJFDTOTAL-STXB201803038.htm YAO Y, CHEN S, QIAN J. Research progress of urban surface thermal environment[J]. Acta Ecologica Sinica, 2018, 38(3): 1134-1147. https://www.cnki.com.cn/Article/CJFDTOTAL-STXB201803038.htm
[16] 林中立, 徐涵秋, 陈弘. 我国东部沿海三大城市群热岛变化及其与城市群发展的关系[J]. 环境科学研究, 2018, 31(10): 1695-1704. https://www.cnki.com.cn/Article/CJFDTOTAL-HJKX201810006.htm LIN Z L, XU H Q, CHEN H. Changes of heat islands in the three major urban agglomerations along the east coast of my country and its relationship with the development of urban agglomeration[J]. Environmental Science Research, 2018, 31(10): 1695-1704. https://www.cnki.com.cn/Article/CJFDTOTAL-HJKX201810006.htm
[17] WAN Z. New refinements and validation of the collection-6 MODIS land-surface temperature/emissivity product[J]. Remote Sensing of Environment, 2014, 140(1): 36-45.
[18] GONG P, WANG J, YU L, et al. Finer resolution observation and monitoring of global land cover: first mapping results with Landsat TM and ETM+ data[J]. International Journal of Remote Sensing, 2013, 34(7): 2607-2654.
[19] ZHOU D, ZHAO S, ZHANG L, et al. The footprint of urban heat island effect in China[J]. Scientific Reports, 2015, 5(1): 11160/1-11.
[20] SIEBERT S, HENRICH V, FRENKEN K, et al. Update of the digital global map of irrigation areas to version 5[M]. Bonn: Institute of Crop Science and Resource Conservation, 2013.
[21] MAHMOOD R, PIELKE R A, HUBBARD K G, et al. Land cover changes and their biogeophysical effects on climate[J]. International Journal of Climatology, 2014, 34(4): 929-953.
[22] BOUNOUA L, DEFRIES R, COLLATZ G J, et al. Effects of land cover conversion on surface climate[J]. Climatic Change, 2002, 52(1): 29-64.
[23] MANOLI G, FATICHI S, SCHLAPFER M, et al. Magnitude of urban heat islands largely explained by climate and population[J]. Nature, 2019, 573: 55-60.
[24] ZHOU D C, ZHANG L X, LI D, et al. Climate-vegetation control on the diurnal and seasonal variations of surface urban heat islands in China[J]. Environmental Research Letters, 2016, 11(7): 074009/1-12.
[25] ZHOU D C, LI D, SUN G, et al. Contrasting effects of urbanization and agriculture on surface temperature in eas-tern China[J]. Journal of Geophysical Research: Atmospheres, 2016, 121(16): 9579-9606.
[26] 贾宝全, 仇宽彪. 北京市平原百万亩大造林工程降温效应及其价值的遥感分析[J]. 生态学报, 2017, 37(3): 726-735. https://www.cnki.com.cn/Article/CJFDTOTAL-STXB201703002.htm JIA B Q, CHOU K B. Remote sensing analysis of the coo-ling effect and value of one million Mu large afforestation project in Beijing plain[J]. Acta Ecologica Sinica, 2017, 37(3): 726-735. https://www.cnki.com.cn/Article/CJFDTOTAL-STXB201703002.htm
计量
- 文章访问数: 163
- HTML全文浏览量: 24
- PDF下载量: 47
