高原气象

高原气象 >

2025 , Vol. 44 >Issue 3: 810 - 822

DOI: https://doi.org/10.7522/j.issn.1000-0534.2024.00092

去城市化作用前后华中区域气温对比分析

  • 张玉翠 , 1 ,
  • 赵琳 2 ,
  • 谭江红 1 ,
  • 闫彩霞 1 ,
  • 秦鹏程 3
展开
  • 1. 襄阳市气象局，湖北 襄阳 441021
  • 2. 国家气候中心，北京 100081
  • 3. 武汉区域气候中心，湖北 武汉 430074

张玉翠（1985 -）， 女， 天津人， 工程师， 主要从事天气预报、 气候变化与农业气象的研究. E-mail：

收稿日期: 2024-04-07

  修回日期: 2024-09-04

  网络出版日期: 2024-11-20

基金资助

湖北省生态环境厅低碳专项“湖北省气候变化事实及影响分析”

收起

Comparative Analysis on Air Temperature before and after De-urbanization in Central China

  • Yucui ZHANG , 1 ,
  • Lin ZHAO 2 ,
  • Jianghong TAN 1 ,
  • Caixia YAN 1 ,
  • Pengcheng QIN 3
Expand
  • 1. Xiangyang Meteorological Bureau，Xiangyang 441021，Hubei，China
  • 2. National Climate Center，Beijing 100081，China
  • 3. Wuhan Regional Climate Center，Wuhan 430074，Hubei，China

Received date: 2024-04-07

  Revised date: 2024-09-04

  Online published: 2024-11-20

Copyright

© Editorial Department of Plateau Meteorology （CC BY-NC-ND）
Fold

摘要

城市化水平不同， 其对地面气温序列的影响程度也不尽相同， 甚至差异较大。为明确华中区域不同程度的城市化对地面气温序列的影响， 基于1964 -2023年华中区域268个国家气象观测站的逐日气温资料， 选取了大城市站、 一般城市站、 国家基本/基准站， 并运用经验正交函数法（EOF）和邻站选取等方法选取了参考站； 构建了城市化偏差、 城市化偏差贡献率、 城市化偏差订正的计算公式； 分1964 -2023年和1979 -2023年两个时段， 对比分析了城市化对大城市站、 一般城市站、 国家基本/基准站年、 季平均气温、 平均最高和最低气温序列的影响， 并对上述台站年、 季气温序列中的城市化偏差进行了订正。结果表明： 两个时段城市化对城市站和基本/基准站年平均气温、 年平均最高和最低气温的影响均为增温， 且1979 -2023年上述台站三类气温城市化偏差较1964 -2023年均略有升高， 而大城市站和基本/基准站三类气温的城市化偏差贡献率却有所下降。就平均气温而言， 两个时段城市化对城市站和基本/基准站年平均最低气温的影响程度显著高于对年平均最高气温的影响程度； 就季节而言， 1964 -2023年， 城市化对冬季增温作用最明显， 而1979 -2023年冬季城市化增温速率显著减弱； 就不同等级台站而言， 1964 -2023年城市化对大城市站的影响最显著， 1979 -2023年一般城市站年平均气温的城市化偏差贡献率较大城市站高出5.6%， 两个时段国家基本/基准站年平均气温城市化偏差为0.040~0.041 ℃·（10a）-1。城市化偏差订正后， 1964 -2023年华中区域年平均气温、 年平均最高和最低气温的增温趋势分别减少了0.044 ℃·（10a）-1、 0.010 ℃·（10a）-1、 0.070 ℃·（10a）-1； 城市化程度最显著的河南省中东部增温趋势下降最明显， 因此在城市快速发展的同时应重点关注其对气候和环境带来的影响。

关键词： 均一性检验; 城市化偏差; 城市化偏差订正; 气温序列; 华中区域

本文引用格式

张玉翠 , 赵琳 , 谭江红 , 闫彩霞 , 秦鹏程 . 去城市化作用前后华中区域气温对比分析[J]. 高原气象, 2025 , 44(3) : 810 -822 . DOI: 10.7522/j.issn.1000-0534.2024.00092

Abstract

The effects on surface air temperature series are different or more by urbanization with different levels， in order to clarify this difference in Central China， based on the daily air temperature data of 268 national meteorological stations of Central China during 1964 -2023， the big city stations， general city stations and national basic/reference stations were selected， meanwhile the reference stations were selected by the methods of Empirical Orthogonal Function （EOF） and adjacent station selection.Then the calculation formulas of urbanization bias， contribution of urbanization bias and urbanization bias correction were constructed.The effects of urbanization on annual and seasonal average temperature， average maximum and minimum temperature series of big city， general city and national basic/reference stations were comparably analyzed in Central China in 1964 -2023 and 1979 -2023， and then the urbanization biases of the annual and seasonal temperature series in above stations were corrected.The results showed that： in the two periods， the annual average temperature， annual average maximum and minimum temperature in city and basic/reference stations increased by urbanization， and the urbanization biases of the three temperatures in above stations in 1979 -2023 were more than those in 1964 -2023， but the contributions of urbanization bias decreased in big city and basic/reference stations.As far as average temperature was concerned， the effect of urbanization on annual average minimum temperature was significantly higher than that in annual average maximum temperature in city and basic/reference stations in the two periods； As far as season was concerned， it was the most significant effect on winter warming by urbanization in 1964 -2023， while it decreased obviously in 1979 -2023； As far as different level stations were concerned， it was the most significant effect of urbanization on big city stations in 1964 -2023， while the contribution of urbanization bias of general city stations was 5.6% higher than that in big city stations in 1979 -2023， the urbanization biases of the annual average temperature in national basic/reference stations were 0.040~0.041 ℃·（10a）-1 in the two periods.After urbanization bias correction， the warming trends of annual average temperature， annual average maximum and minimum temperature reduced 0.044 ℃·（10a）-1， 0.010 ℃·（10a）-1， 0.070 ℃·（10a）-1 respectively in Central China in 1964 -2023； The areas with the most significant decrease of warming trend were the central east of Henan Province which were the areas with the most significant urbanization in Central China， as the rapid development of urban， the impacts on climate and environment should be put specially attention.

Key words： homogeneity adjustment; urbanization bias; urbanization bias correction; air temperature series; Central China

1 引言

联合国政府间气候变化专门委员会（IPCC）第六次评估报告显示， 人类活动加速了全球气候变暖， 其对全球变暖的贡献是“毋庸置疑”的（IPCC， 2021）， 近年来极端天气、 气候事件频发且强度增加（吴佳等， 2022； 杜一博等， 2024； 晏红明等， 2023； 鲍艳等， 2023）。气候变暖与人类活动关联密切（杨元建等， 2011）， 城市化是一个重要的体现（何萍和赵锦玲， 2024）， 其对地面气温序列的影响取决于城市化进程的速度和程度。《中国气候变化蓝皮书（2023）》指出， 1901 -2022年中国地表年平均气温上升趋势为0.16 ℃·（10a）-1， 升温速率高于全球同期。国内外诸多学者研究发现， 城市化对气温序列的影响程度有显著的区域性和季节性差异。
Kalnay and Cai（2003）研究发现美国大陆城市化和土地利用的变化导致气温日较差减小了50%； Choi et al（2003）研究发现， 1968 -1999年城市化对韩国大城市增温率的影响高于小城市， 增温率差值为0.15 ℃·（10a）-1； Fujibe（1995）研究发现， 在城市化作用下， 日本年平均气温增温率为0.2~0.5 ℃·（10a）-1。而我国学者也普遍研究发现， 中国地面气温序列受城市化影响较明显， 其中大城市的城市化增温率高于国家基本/基准站的城市化增温率（贾艳青等， 2017； 周雅清和任国玉， 2005； 唐国利等， 2008）， 且年平均最低气温的城市化增温率显著高于年平均最高气温的城市化增温率（石涛等， 2011； 陈正洪等， 2005； 李宇等， 2022）。陈正洪等（2005）对湖北省气温序列的城市化增温趋势进行了分析， 指出湖北省城市站城市化偏差随时间有显著增大的趋势， 且冬季年平均气温城市化增温最显著； 贾艳青等（2017）研究指出城市化对长三角地区不同级别城市极端气温的影响存在差异， 城市化使得大城市站和一般城市站月最高气温极大值分别增加了0.09 ℃·（10a）-1和0.05 ℃·（10a）-1， 城市化贡献率分别高达100%和81.8%； 周雅清和任国玉（2005）对华北地区地表气温序列中的城市化影响进行了分析， 并对国家基本/基准站气温序列中的城市化偏差进行了订正， 订正后的华北地区基本/基准站年平均气温变化趋势由0.29 ℃·（10a）-1降至0.18 ℃·（10a）-1； 唐国利等（2008）分析了西南地区大中城市站和基本/基准站地面气温序列中的城市化影响及贡献率， 指出上述台站年平均气温均呈增温趋势， 但增温率较我国其他地区偏弱， 其中大中城市站年平均气温的城市化增温率比基本/基准站高出0.034 ℃·（10a）-1； 张爱英（2009）研究发现1961 -2004年中国国家站年平均气温城市化增温率为0.076 ℃·（10a）-1， 占总增温的27.33%； 黄宏涛等（2016）分析指出1963 -2012年城市化使得珠三角地区年平均气温和年平均最低气温均升高， 且对秋季的影响最显著。
城市站和国家基本/基准站的气温序列与不受城市化影响或受城市化影响较小的郊区站的气温序列存在明显差异， 对城市站和国家基本/基准站气温序列中的城市化偏差进行分析和订正， 具有重要的理论和现实意义。我国城市化快速发展是在改革开放以后， 也即20世纪70年代末开始（梁萍等， 2011）， 本研究以1979年为分界点， 选取1964 - 2023年和1979 -2023年两个时段对比分析城市化对华中区域大城市站、 一般城市站、 国家基本/基准站年、 季平均气温、 平均最高和最低气温序列的影响， 在此基础上， 对上述台站年、 季平均气温、 平均最高和最低气温序列中的城市化偏差进行订正。目前华中区域范围内地面气温序列的城市化影响分析及城市化偏差订正的研究较少， 本研究可为区域气候分析提供理论依据和数据支撑。

2 资料来源与方法介绍

2.1　研究区概况

华中区域是中国七大地理分区之一， 地处24°38′N -36°22′N， 108°21′E -116°38′E， 位于中国中部， 黄河中下游和长江中游地区， 包括河南省、 湖北省、 湖南省［图1， 该图及文中涉及的所有地图是基于中华人民共和国自然资源部地图技术审查中心标准地图服务系统下载的审图号为GS（2020）4619号的中国地图制作， 底图无修改］。地势西高东低， 地形地貌主要为岗地、 山地、 丘陵、 平原和盆地。从北至南为暖温带-亚热带、 湿润-半湿润气候向亚热带季风湿润气候过渡区域， 年平均气温12.9~19.1 ℃， 年平均降水量553~1761 mm， 雨热同季， 旱涝频繁。
图1 华中区域位置及气象台站分布

Fig.1 Location and distribution of meteorological stations in Central China

2.2　数据来源与处理

气象数据来源于湖北省气象局， 选取1964 - 2023年华中区域268个国家气象观测站的逐日平均气温、 平均最高和最低气温， 所选气象台站中的缺测值（缺测率0.75%）， 以缺测值前后各5年的平均值替代。人口数量资料来源于河南省、 湖北省、 湖南省统计局2020年第七次人口普查数据； 华中区域DEM 90 m高程数据、 1980年和2020年土地利用/覆盖数据取自资源环境科学与数据平台； 华中区域地理信息数据取自全国地理信息资源目录服务系统。
气象台站的迁移是引起中国地面气温序列出现非均一性的主要原因， 对地面气温序列的变化趋势有一定的影响， 其影响程度与所迁站新、 旧站址的地理因素和环境密切相关。例如湖北武汉站2010年将气象台站由市区迁至市郊， 湖北通城站于1965年和2014年进行了2次迁移。为保证研究结果的可靠性， 运用Pettitt方法对所选取的268个气象台站的年平均气温进行了均一性检验， 发现武汉站未出现气温突变， 通城站在2005年出现了气温突变， 而这并非由迁站所致， 因此认为武汉站和通城站气温序列的变化是连续的。如果某区域的大部分台站气温突变点出现在相同或相近的几年内， 这可能是气候突变的反应。通过查阅资料， 发现Pettitt均一性检验结果中仅6个气象台站气温突变是由迁站所致， 因此在进行城市站和参考站的选取时， 对迁站引起气温突变的6个气象台站不予采用。
为消除地理因子如地形、 海拔因素对气温的影响， 选取1994 -2023年为气候参考期， 将华中区域268站逐年、 季的平均气温、 平均最高和最低气温转化为气温距平值（以下简称气温序列）进行相关分析。季节划分参照气象季节规定， 春季为3 -5月， 夏季为6 -8月， 秋季为9 -11月， 冬季为12月至次年2月。利用Matlab进行气温数据的Pettitt均一性检验、 经验正交函数（EOF）模态分析， 利用ArcGIS 10.5处理DEM 90 m高程数据、 地理信息数据和土地利用数据， 并绘制华中区域地形图、 土地利用类型图和气温变化趋势的空间分布图。

2.3　研究方法

2.3.1　城市站的选取

为全面分析华中区域城市化对地面气温序列的影响， 选取大城市站、 一般城市站、 国家基本/基准站（部分台站有重复）进行分析。大城市站和一般城市站的选取根据地理位置和人口数量共同确定， 将气象台站位于城区且城区常住人口数量大于100万的城市选为大城市站、 40~100万的城市选为一般城市站， 共选取了22个大城市站、 12个一般城市站和54个国家基本/基准站。

2.3.2　参考站的选取

分析不同类型气象台站气温序列的城市化影响关键在于选取不受城市化影响的参考站， 台站的海拔高度、 下垫面的种类、 周围的建筑物密度等对参考站的气温有显著影响。本文采用经验正交函数法（EOF）进行参考站的选取， 并对台站的地理位置、 人口数量和附近建筑分布加以限定。空间函数第二特征向量反映城市化（如人口数量、 土地利用等因素）对气温的影响， 将第二特征向量为负值的气象台站作为参考站的备选站（陈正洪等， 2005）； 将备选参考站中远离城市且所属城市城镇人口低于20万， 以台站为圆心、 半径2 km范围内建筑物面积比例小于35%的台站选定为参考站。气象台站地理位置及附近建筑分布情况依据Google Earth遥感地图资料获取及估算。
由于华中区域南北跨度较大， 为尽可能消除不同纬度对气温的影响， 分别对河南省、 湖北省、 湖南省气象台站的年平均气温序列进行经验正交函数（EOF）分解， 分别选出各省的参考站， 对于每个城市站一般选取一个以上参考站。为避免自然因素存在差异， 保证气温数据的空间一致性， 本文参考邻站选取法（任国玉等， 2010）， 将某城市站定义为圆心， 将城市站与参考站之间的距离d定义为半径（d<200 km）， 圆内与该城市站海拔高度差值小于100 m的气象台站选定为该城市站的参考站， 邻省的城市站可以跨省份选取参考站。在湖南省南部参考站较密集的区域舍弃了3个站点， 最终华中区域共选定20个地面气温序列参考站。气象台站之间的距离公式如下：
d C 1 , C 2 = r ⋅ a r c c o s [ s i n u 1 s i n u 2 + c o s u 1 c o s u 2 c o s ( v 1 - v 2 ) ]
式中： C 1、 C 2分别为城市站和参考站； ν 1、 μ 1为C 1站点的经度和纬度； ν 2和μ 2为C 2站点的经度和纬度； r为地球半径， 取6371 km。

2.3.3　城市化偏差计算方法

为定量分析城市化对地面气温序列的影响， 将城市化偏差表征为城市在发展过程中人类活动、 土地利用等城市化因素引起的城市附近气象台站地面气温序列线性趋势的变化， 即城市化引起的地面气温序列的趋势偏差（初子莹和任国玉， 2005）。研究表明（丁硕毅等， 2015； 任玉玉等， 2010）， 利用城市站与参考站气温序列气候倾向率的差值进行城市化偏差的分析是最合理的， 城市化偏差计算公式为：
Δ T c r = T c - T r
式中： △Tcr 为城市化偏差； Tc 为城市站气温序列倾向率； Tr 为该城市站的参考站气温序列倾向率的均值。Tc、 Tr 由最小二乘法求得， 取10倍的线性趋势系数［单位： ℃·（10a）-1］。

2.3.4　城市化偏差贡献率计算方法

城市化偏差贡献率是指城市化引起的气温变化趋势在该气温序列变化趋势中所占的比率， 计算公式为：
E c r = Δ T c r T c ⋅ 100 % = T c - T r T c ⋅ 100 %
式中： Ecr 为城市化偏差贡献率， 其正负由（Tc-Tr ）的符号决定。当Tc >Tr 时， Ecr >0， 说明城市化加剧了城市气温的升高； 当Tc =Tr 时， Ecr =0， 说明城市化对城市气温序列无影响； 当Tc <Tr 时， Ecr <0， 说明城市化导致城市气温下降。将Ecr >100%视同Ecr =100%， Ecr<-100%视同Ecr=-100%。

2.3.5　城市化偏差订正方法

订正城市站气温序列中的城市化偏差， 就是将订正年份的气温值减去城市化偏差等量值。本文采用张爱英（2009）所采用的城市化偏差订正方法， 认为城市化偏差在研究时段内是线性变化的， 将研究时段内城市站与参考站气温序列的线性趋势差值作为总的城市化偏差值， 对华中区域城市站和国家基本/基准站气温序列进行订正， 公式为：
T D = T d - Δ T c r / 10 ⋅ d - k
式中： TD 为订正后的气温距平值； Td 为订正前的气温距平值； d为订正年份； k为气温序列的开始年份。

3 结果与分析

3.1　华中区域城市化进程与气温变化

3.1.1　华中区域城市化进程

利用1980年和2020年分辨率为1 km的土地利用/覆盖数据中的城市建设用地来分析华中区域城市化进程（图2）。1980 -2020年华中区域城市化发展速度总体较快， 其中1980年城市建设用地分布稀疏， 占华中区域总面积的0.16%， 2020年城市建设用地面积增长至4.37%， 城市化快速发展区域主要位于河南省中东部、 湖北省东南部和湖南省东北部； 城市化进程的加快改变了城市下垫面的原有属性， 使得近地面大气结构发生变化， 形成了城市局地小气候， 影响了地面气温序列的变化趋势。
图2 1980年（a）和2020年（b）华中区域土地利用类型的空间分布

Fig.2 Spatial distribution of land-use in Central China in 1980 （a） and 2020 （b）

3.1.2　华中区域气温的长期变化趋势

1964 -2023年和1979 -2023年两个时段华中区域大城市站、 一般城市站、 基本/基准站、 参考站的年平均气温、 年平均最高和最低气温变化趋势一致， 均呈增温趋势， 且大城市站、 一般城市站增温趋势最显著、 其次为基本/基准站， 参考站增温趋势最弱（表1）， 说明最显著的增温区域位于城市及其附近区域。由于基本/基准站气温序列未剔除城市化影响， 而我国关于气候的研究大多是基于基本/基准站的资料， 这必然会造成研究结论偏高。与1964 -2023年相比， 1979 -2023年各级台站三类气温的增温趋势均有所增加， 且年平均气温的增加幅度高于年平均最低气温， 但低于年平均最高气温； 年平均气温、 年平均最高气温增加幅度最显著的均是大城市站， 增温幅度分别为0.094 ℃·（10a）-1和0.13 ℃·（10a）-1； 年平均最低气温增加幅度最显著的是基本/基准站， 增温幅度为0.085 ℃·（10a）-1。
表1 两个时段华中区域各级台站气温变化趋势

Table 1 The trend of temperature variation of all level stations in Central China in the two periods

时段 气温要素 大城市站/［℃·（10a）-1］ 一般城市站/［℃·（10a）-1］ 基本/基准站/［℃·（10a）-1］ 参考站/［℃·（10a）-1］
1964 -2023年 年平均气温 0.304 0.282 0.255 0.204
年平均最高气温 0.245 0.265 0.247 0.229
年平均最低气温 0.384 0.336 0.303 0.233
1979 -2023年 年平均气温 0.398 0.363 0.345 0.293
年平均最高气温 0.375 0.377 0.364 0.339
年平均最低气温 0.461 0.415 0.388 0.309

3.1.3　华中区域四季气温的长期变化趋势

从四季气温长期变化趋势来看（表2）， 整体而言， 1964 -2023年华中区域各级台站在春季增温趋势最显著， 其次为冬季和秋季， 夏季增温趋势最弱。就各季节而言， 春季、 夏季、 秋季大城市站和一般城市站增温趋势最显著且相差不大， 其次为基本/基准站， 参考站增温趋势最弱； 冬季大城市站增温趋势最显著， 而一般城市站的增温趋势略低于基本/基准站， 参考站增温趋势依然最弱。
表2 两个时段华中区域各级台站四季气温变化趋势

Table 2 The trend of temperature variation of all level stations in four seasons in Central China in the two periods

季节 气温要素 1964 -2023年 1979 -2023年

大城市站

/［℃·（10a）-1］

一般城市站

/［℃·（10a）-1］

基本/基准站

/［℃·（10a）-1］

参考站

/［℃·（10a）-1］

大城市站

/［℃·（10a）-1］

一般城市站

/［℃·（10a）-1］

基本/基准站

/［℃·（10a）-1］

参考站

/［℃·（10a）-1］
春季 平均气温 0.424 0.422 0.374 0.286 0.617 0.608 0.566 0.484
平均最高气温 0.421 0.468 0.433 0.375 0.657 0.690 0.664 0.631
平均最低气温 0.466 0.425 0.371 0.274 0.640 0.620 0.563 0.445
夏季 平均气温 0.150 0.160 0.124 0.074 0.315 0.322 0.281 0.200
平均最高气温 0.080 0.131 0.092 0.087 0.312 0.358 0.324 0.261
平均最低气温 0.258 0.240 0.204 0.143 0.364 0.350 0.299 0.217
秋季 平均气温 0.296 0.279 0.245 0.194 0.368 0.340 0.316 0.269
平均最高气温 0.212 0.242 0.210 0.200 0.294 0.311 0.271 0.255
平均最低气温 0.400 0.352 0.317 0.246 0.481 0.435 0.409 0.347
冬季 平均气温 0.401 0.274 0.318 0.095 0.332 0.231 0.281 0.103
平均最高气温 0.403 0.295 0.305 0.084 0.353 0.259 0.271 0.098
平均最低气温 0.440 0.300 0.337 0.086 0.370 0.278 0.313 0.108
1979 -2023年华中区域各级台站春季增温趋势依然最显著， 而冬季增温趋势最弱， 春季、 夏季、 秋季各级台站三类气温增温趋势均高于1964 -2023年， 这与徐园园等（2017）的研究结论一致。春季增温趋势增幅略高于夏季， 显著高于秋季和冬季， 各级台站春季平均气温增加幅度为0.186~0.198 ℃·（10a）-1； 除参考站冬季增温趋势略有增加外， 其他各级台站冬季增温趋势均低于1964 -2023年， 说明城市化对冬季升温的抑制作用显著， 且以大城市站增温趋势减弱最明显， 其次为一般城市站， 基本/基准站增温趋势减弱最小， 大城市站冬季平均气温、 平均最高和最低气温增温趋势分别降低了0.069 ℃·（10a）-1、 0.050 ℃·（10a）-1和0.070 ℃·（10a）-1。参考站气温变化受城市化影响较小， 主要体现的是气温的自然变化， 1979 -2023年参考站各季节三类气温的增温趋势较1964 -2023年均有所增加， 说明华中区域背景气候可能呈变暖趋势。
两个时段的春季、 夏季、 秋季大城市站年平均最高气温增温趋势均低于一般城市站， 冬季一般城市站三类气温的增温趋势均低于大城市站和基本/基准站。考虑主要是大城市原本城市化水平较高， 而一般城市初始城市化水平较低， 研究时段内尤其是改革开放后， 一般城市的城市化平均发展速度显著加快， 地表固化面积迅速增多， 加之工业的迅速发展， 加速了一般城市站白天辐射升温强度， 导致其年平均最高气温增幅高于大城市站； 而冬季气温低、 环境容量小， 在城市快速发展及工业排放加剧的影响下， 一般城市空气中气溶胶粒子浓度明显高于大城市和基本/基准站所属县市， 气溶胶粒子对一般城市站冬季升温的抑制作用最显著， 导致一般城市站冬季增温趋势小于大城市站和基本/基准站（张西雅和扈海波， 2017； 宋春城等， 2020）。

3.2　华中区域气温的城市化影响分析

3.2.1　华中区域气温城市化影响的长期变化趋势

由表3可知， 两个时段华中区域城市站和基本/基准站年平均气温、 年平均最高和最低气温的城市化偏差均为正值， 且城市化对年平均最低气温影响最显著， 其次为年平均气温， 对年平均最高气温影响较弱， 这与黄宏涛等（2016）的研究结论一致。就年平均气温和年平均最低气温而言， 1964 -2023年， 城市化使得城市站和基本/基准站的气温升高， 且对大城市站影响最显著， 其城市化偏差贡献率为24.3%和31.2%； 对一般城市站影响稍弱， 城市化偏差贡献率为21.9%和24.9%； 对基本/基准站影响最弱， 城市化偏差贡献率仅6.5%和6.9%。就年平均最高气温而言， 城市站和基本/基准站城市化增温趋势微弱， 城市化使得上述台站年平均最高气温均有所下降， 其中大城市站气温下降最明显， 城市化偏差贡献率为-18.4%， 一般城市站气温下降最弱， 城市化偏差贡献率仅-0.4%。
表3 两个时段华中区域城市站和基本/基准站气温的城市化偏差（U）和城市化偏差贡献率（C）

Table 3 Urbanization bias （U） and its contribution （C） of temperature in city and basic/reference stations in Central China in the two periods

时段 气温要素 大城市站 一般城市站 基本/基准站
U/［℃·（10a）-1］ C/% U/［℃·（10a）-1］ C/% U/［℃·（10a）-1］ C/%
1964 -2023年 年平均气温 0.090 24.3 0.063 21.9 0.040 6.5
年平均最高气温 0.001 -18.4 0.020 -0.4 0.006 -8.7
年平均最低气温 0.150 31.2 0.097 24.9 0.058 6.9
1979 -2023年 年平均气温 0.092 13.8 0.076 19.4 0.041 1.0
年平均最高气温 0.021 -18.5 0.054 4.4 0.012 -9.3
年平均最低气温 0.167 26.9 0.128 27.6 0.078 6.8
与1964 -2023年相比， 1979 -2023年城市站和基本/基准站三类气温城市化增温趋势均有所增加。就年平均气温而言， 一般城市站城市化增温趋势增幅最明显， 城市化偏差增加了0.013 ℃·（10a）-1， 而城市化偏差贡献率降低了2.5%； 大城市站城市化偏差增加了0.002 ℃·（10a）-1， 而城市化偏差贡献率降低了10.5%； 基本/基准站城市化偏差略增加但城市化偏差贡献率降低了5.5%。1979 -2023年大城市站和基本/基准站年平均最高、 最低气温城市化偏差增加幅度为0.006~0.020 ℃·（10a）-1， 而城市化偏差贡献率降低了0.1%~4.3%， 再次说明华中区域背景气候可能呈变暖趋势； 城市化使得一般城市站的年平均最高和最低气温均升高， 且年平均最高气温受城市化影响相对明显， 由1964 -2023年的气温下降转为气温上升， 城市化偏差贡献率升高了4.8%。城市化对一般城市站气温变化的影响说明城市化进程越快， 其城市化影响越明显。

3.2.2　华中区域四季气温城市化影响的长期变化趋势

1964 -2023年， 华中区域城市化对冬季增温趋势的影响显著高于其他三个季节（图3）， 这与前人的研究结论一致（白虎志等， 2006； 纳丽等， 2013； 官雨洁等， 2018）。就不同季节而言， 华中区域城市化对城市站和基本/基准站气温序列的影响有明显差异。就平均气温和平均最低气温而言［图3（a）， （c）］， 在春、 夏、 秋季， 城市化对城市站的影响明显高于基本/基准站； 在冬季， 城市化使得大城市站和基本/基准站显著升温， 城市化偏差为0.192~0.262 ℃·（10a）-1， 且基本/基准站平均最低气温的城市化偏差较大城市站高出0.039 ℃·（10a）-1， 说明基本/基准站气温序列中的城市化影响已经非常明显。就平均最高气温而言［图3（b）］， 在春、 夏、 秋季， 城市化对一般城市站增温趋势影响最显著， 在冬季大城市站和基本/基准站的城市化偏差陡然增大， 分别为0.208 ℃·（10a）-1和0.187 ℃·（10a）-1， 占总增温的100%和91.4%， 说明冬季大城市站和基本/基准站平均最高气温的增温主要由城市化引起的。
图3 1964 -2023年华中区域城市站和基本/基准站四季气温的城市化偏差和城市化偏差贡献率

Fig.3 Urbanization bias and its contribution of temperature in four seasons in city and basic/reference stations in Central China during 1964 -2023

同1964 -2023年相比， 1979 -2023年春、 夏、 秋季城市站和基本/基准站城市化偏差有所增大或有微弱减小， 而冬季城市化偏差明显减小（图略）， 以大城市站减小最明显， 其平均气温、 平均最高和最低气温城市化偏差分别减小了0.057 ℃·（10a）-1、 0.029 ℃·（10a）-1 和0.078 ℃·（10a）-1； 两个时段冬季一般城市站三类气温的城市化偏差均为负值， 说明在冬季， 城市化对一般城市站升温的抑制作用最显著。两个时段冬季大城市站和基本/基准站的平均气温、 平均最低气温的城市化偏差贡献率均为100%， 而一般城市站平均气温、 平均最低气温的城市化偏差贡献率均为-100%， 表明上述台站两个时段冬季的平均气温、 平均最低气温的增降温完全由城市化引起的。

3.3　华中区域城市化偏差订正

3.3.1　华中区域城市化偏差订正后气温的长期变化趋势与空间分布

为深入分析华中区域城市化对地面气温序列的影响， 对1964 -2023年华中区域大城市站、 一般城市站、 国家基本/基准站年、 季气温序列进行了城市化偏差的订正， 得到了华中区域较为全面地剔除城市化影响的地面气温序列。订正后， 1964 -2023年华中区域年平均气温、 年平均最高和最低气温的增温趋势分别减少了0.044 ℃·（10a）-1、 0.010 ℃·（10a）-1和0.070 ℃·（10a）-1， 可见年平均最低气温增温趋势的减少幅度明显高于年平均最高气温的减少幅度。
由订正前后华中区域三类气温增温趋势的空间分布（图4）可以看出， 城市化偏差订正后， 就年平均气温而言， 增温最显著区域面积明显减小， 其中河南省中东部增温趋势减弱最明显， 减少了0.003~0.355 ℃·（10a）-1； 就年平均最高气温而言， 河南省北部和西部、 湖北省西部和湖南省西部增温趋势明显减小， 减小幅度为0.002~0.120 ℃·（10a）-1， 且增温最显著区域出现微弱的西移和南扩， 其中湖北省东南部和湖南省东部增温趋势明显增加， 增加幅度为0.004~0.212 ℃·（10a）-1； 就年平均最低气温而言， 订正前增温最显著区域基本消失， 而河南省西部增温趋势明显增加， 增加幅度为0.012~0.227 ℃·（10a）-1。对比华中区域土地利用数据（图2）， 河南省中东部城市化进程居华中区域之最， 城市化偏差订正后， 其增温趋势减弱也最明显， 说明城市化对区域地面气温序列的变化趋势有显著影响。
图4 1964 -2023年华中区域城市化偏差订正前后气温变化趋势［单位： ℃·（10a）-1］

Fig.4 The trend of temperature variation before and after urbanization bias correction in Central China during 1964 -2023.Unit： ℃·（10a）-1

3.3.2　华中区域城市化偏差订正后四季气温的长期变化趋势

城市化偏差订正后， 华中区域各季节的增温趋势均有所下降（表4）， 下降最显著的是冬季， 其平均气温、 平均最高和最低气温分别下降了0.169 ℃·（10a）-1、 0.167 ℃·（10a）-1和0.198 ℃·（10a）-1； 春、 夏、 秋季增温趋势下降幅度相差不大且平均最低气温增温趋势的下降幅度均高于平均最高气温， 春、 夏、 秋季平均气温下降了0.053~0.059 ℃·（10a）-1， 平均最高气温下降了0.014~0.017 ℃·（10a）-1， 平均最低气温下降了0.065~0.081 ℃·（10a）-1。
表4 1964 -2023年华中区域城市化偏差订正前后四季气温变化趋势

Table 4 The trend of temperature variation in four seasons before and after urbanization bias correction in Central China during 1964 -2023

季节 平均气温/［℃·（10a）-1］ 平均最高气温/［℃·（10a）-1］ 平均最低气温/［℃·（10a）-1］
订正前 订正后 订正前 订正后 订正前 订正后
春季 0.388 0.335 0.449 0.435 0.386 0.308
夏季 0.125 0.072 0.100 0.083 0.207 0.142
秋季 0.253 0.194 0.221 0.206 0.325 0.244
冬季 0.312 0.143 0.309 0.142 0.337 0.139
城市化偏差订正后， 大城市站、 一般城市、 基本/基准站年平均气温序列的变化趋势曲线均与参考站一致（图5）， 增温趋势与参考站相差不大， 分别略偏高0.010 ℃·（10a）-1、 0.015 ℃·（10a）-1、 0.011 ℃·（10a）-1， 说明订正后的华中区域大城市站、 一般城市站、 基本/基准站的地面气温序列的变化趋势基本能代表华中区域背景气候的变化趋势。
图5 1964 -2023年华中区域城市化偏差订正后各级台站年平均气温距平变化趋势

Fig.5 The trend of annual average temperature anomaly variation of all level stations after urbanization bias correction in Central China during 1964 -2023

4 讨论

周雅清和任国玉（2005）研究指出， 均一性订正后的华北区域城市化偏差较订正前仅升高了0.02 ℃·（10a）-1， 此结果表明， 气温序列是否进行均一性订正对城市化偏差的影响不是很显著。因此， 本研究仅进行了均一性检验以剔除非气候因子对气温序列的干扰。研究城市化对地面气温序列影响的关键是选取不受城市化影响的参考站， 除了依据前人认为对台站分型效果较好的经验正交函数法（EOF）， 还依据任国玉等（2010）研究的中国地面气温序列参考站遴选方法进行参考站的选取， 最大程度地避免了下垫面改变、 海拔差和区域气候差异对参考站地面气温序列的影响， 由此选定的参考站基本不受城市化影响或受城市化影响较小， 依此进行的城市站和基本/基准站城市化影响的研究结果与实际的城市化影响较为接近。
本研究得出， 城市化对华中区域年平均气温的升高有加速作用， 且对城市站的影响高于基本/基准站， 这与大部分学者的研究结论一致（贾艳青等， 2017； 周雅清和任国玉， 2005； 唐国利等， 2008； 白虎志等， 2006）。两个时段城市化对华中区域城市站和基本/基准站年平均最低气温的影响显著高于对年平均最高气温的影响， 我国诸多学者对湖北省、 安徽省、 甘肃省、 中国主要城市年平均最高、 最低气温的城市化影响研究也得出了相同结论（陈正洪等， 2005； 石涛等， 2011； 白虎志等， 2006； 李宇等， 2022）。与1964 -2023年相比， 1979 -2023年冬季城市化增温速率显著减弱， 说明华中区域城市化对地面气温序列的影响存在明显的年际差异。两个时段城市化对一般城市站冬季三类气温升温的抑制作用最强， 这与周雅清和任国玉（2005）对华北地区的研究结果相似， 说明城市化进程越快， 城市化引起空气中气溶胶粒子的增加对冬季增温的抑制作用越明显。本研究得出1964 - 2023年华中区域大城市站和基本/基准站年平均气温的城市化偏差分别为0.090 ℃·（10a）-1和0.040 ℃·（10a）-1， 与研究时段相似且地理距离相近的西南地区大中城市站和基本/基准站年平均气温的城市化偏差0.086 ℃·（10a）-1和0.052 ℃·（10a）-1（唐国利等， 2008）相差不大， 说明所选取的分析方法较为科学合理， 研究结论较为可靠。
本研究假设参考站的气温序列变化趋势等同于区域背景气候的变化趋势， 但随着城市化速度的加快， 参考站难免或多或少受到城市化及局地气候的影响， 这种影响通常会引起升温， 因此所得城市化偏差和城市化偏差贡献率可能为最小估计值， 城市化偏差订正后， 增温趋势的减少幅度应被认为是最小值。不同空间尺度的城市化增温程度可能存在差异， Chao et al（2020）研究表明， 城市化增暖随着空间尺度的增大而减少， 因此华中区域城市化对单一城市的影响可能高于本研究的结果。不同时段的城市化对气温的影响不尽相同， 有研究表明（黄宏涛等， 2016）， 珠三角地区2003 -2010年气温呈下降趋势， 与改革开放后的1979 -2012年的气温变化趋势有明显差异。近年来城市绿地面积的增加对城市气温的升高有一定的减缓作用， 在今后的研究中可加强近代气温序列的年际变化特征研究及原因分析。
国家基本/基准站气温资料是我国研究气候的基础资料， 在本研究的分析中， 至少在华中区域， 国家基本/基准站年、 季气温资料中的城市化影响已相当明显， 因此， 在进行气候的研究中剔除城市化偏差是非常必要的， 但气温序列中的城市化偏差很难被完全剔除， 本研究对气温序列采取线性订正， 与实际剔除城市化影响的气温序列存在差异， 在未来可加强对城市化偏差订正方法的研究。

5 结论

本研究采用城市站与参考站地面气温序列气候倾向率差值的分析方法， 对1964 -2023年和1979 -2023年两个时段华中区域大城市站、 一般城市站、 国家基本/基准站年、 季气温序列中的城市化影响进行了对比分析； 并对1964 -2023年大城市站、 一般城市站、 国家基本/基准站年、 季平均气温、 平均最高和最低气温序列中的城市化偏差进行了订正， 得到以下主要结论：
（1） 两个时段， 各级台站年、 季平均气温、 平均最高和最低气温均呈增温趋势， 其中大城市站、 一般城市站增温趋势最显著、 其次为基本/基准站， 参考站增温趋势最弱； 两个时段华中区域各级台站在春季增温趋势最显著， 且1979 -2023年春、 夏、 秋季各级台站三类气温的增温趋势较1964 -2023年均有所增加， 冬季仅参考站增温趋势略有增加。
（2） 两个时段华中区域城市站和基本/基准站年平均气温、 年平均最高和最低气温的城市化偏差均为正值， 且年平均最低气温的城市化偏差显著高于年平均最高气温的城市化偏差； 1979 -2023年城市站和基本/基准站三类气温城市化偏差较1964 - 2023年均略有升高， 大城市站和基本/基准站三类气温的城市化偏差贡献率却下降较明显或小幅下降， 一般城市站年平均最高和最低气温的城市化偏差贡献率略有上升。整体而言， 1964 -2023年城市化对大城市站的影响最显著， 其年平均气温的城市化偏差贡献率为24.3%， 1979 -2023年一般城市站年平均气温的城市化偏差贡献率较大城市站高出5.6%。
（3） 1964 -2023年， 华中区域城市化对冬季增温作用显著高于春、 夏、 秋季， 1979 -2023年冬季城市化偏差明显减小。两个时段的春、 夏、 秋季， 城市化对一般城市站平均最高气温升温作用最明显， 冬季城市化对一般城市站三类气温升温的抑制作用最强。
（4） 城市化偏差订正后， 1964 -2023年华中区域年平均气温、 年平均最高和最低气温的增温趋势分别减少了0.044 ℃·（10a）-1、 0.010 ℃·（10a）-1、 0.070 ℃·（10a）-1； 冬季增温趋势下降最显著， 且各季节的平均最低气温增温趋势的下降幅度均高于平均最高气温； 订正后， 大城市站、 一般城市站、 基本/基准站年平均气温序列的变化趋势较参考站分别略偏高0.010 ℃·（10a）-1、 0.015 ℃·（10a）-1、 0.011 ℃·（10a）-1； 城市化程度最显著的河南省中东部增温趋势下降最明显。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
Chao L Y， Huang B Y， Yang Y J， et al， 2020.A new evaluation of the role of urbanization to warming at various spatial scales： evidence from the Guangdong-Hong Kong-Macau region， China ［J］.Geophysical Research Letters， 47（20）： 1-9.DOI： 10.1029/2020GL089152 .

Choi Y， Jung H S， Nam K Y， et al， 2003.Adjusting urban bias in the regional mean surface temperature series of South Korea， 1968-99［J］.International Journal of Climatology， 23（5）： 577-591.DOI： 10.1002/joc.881 .

Fujibe F， 1995.Temperature rising trends at Japanese cities during the last hundred years and their relationships with population， population increasing rates and daily temperature ranges［J］.Papers in Meteorology and Geophysics， 46（2）： 35-55.DOI： 10.2467/mripapers.46.35 .

IPCC， 2021.Summary for policymakers.In： climate change 2021： the physical science basis.Contribution of working group I to the sixth assessment report of the intergovernmental panel on Climate Change［M］.Cambridge and New York： Cambridge University Press， 1-41.

Kalnay E， Cai M， 2003.Impact of urbanization and land-use change on climate［J］.Nature， 423： 528-531.DOI： 10.1038/nature01675 .

白虎志， 任国玉， 张爱英， 等， 2006.城市热岛效应对甘肃省温度序列的影响［J］.高原气象， 25（1）： 90-94.

Bai H Z， Ren G Y， Zhang A Y， et al， 2006.The effect urban heat island on change of regional mean temperature in Gansu Province， China［J］.Plateau Meteorology， 25（1）： 90-94.

鲍艳， 魏宇晨， 南素兰， 等， 2023.全球2 ℃温升背景下青藏高原植被对气候变化的响应［J］.高原气象， 42（1）： 49-59.DOI： 10.7522/j.issn.1000-0534.2022.00074.Bao Y ，

Wei Y C， Nan S L， et al， 2023.Vegetation over the Qinghai-Xizang Plateau in response to climate change with a 2 ℃ global warming［J］.Plateau Meteorology， 42（1）： 49-59.DOI： 10.7522/j.issn.1000-0534.2022.00074 .

陈正洪， 王海军， 任国玉， 等， 2005.湖北省城市热岛强度变化对区域气温序列的影响［J］.气候与环境研究， 10（4）： 771-779.

Chen Z H， Wang H J， Ren G Y， et al， 2005.Change of urban heat island intensity and its effect on regional temperature series： a case study in Hubei Province［J］.Climatic and Environmental Research， 10（4）： 771-779.

初子莹， 任国玉， 2005.北京地区城市热岛强度变化对区域温度序列的影响［J］.气象学报， 63（4）： 534-540.

Chu Z Y， Ren G Y， 2005.Change in urban heat island magnitude and its effect on mean air temperature record in Beijing region［J］.Acta Meteorologica Sinica， 63（4）： 534-540.

丁硕毅， 乔冠瑾， 郭媛媛， 等， 2015.珠三角城市群热岛及其气象影响因子研究［J］.热带气象学报， 31（5）： 681-690.DOI： 10.16032/j.issn.1004-4965.2015.05.011.Ding S Y ，

Qiao G J， Guo Y Y， et al， 2015.Study on the urban heat islands and meteorological elements over the Pearl River Delta［J］.Journal of Tropical Meteorology， 31（5）： 681-690.DOI： 10.16032/j.issn.1004-4965.2015.05.011 .

杜一博， 李双双， 冯典， 等， 2024.全球变暖背景下陕西省夏季极端降水及其大尺度环流特征［J］.高原气象， 43（2）： 342-352.DOI： 10.7522/j.issn.1000-0534.2023.00062.Du Y B ，

Li S S， Feng D， et al， 2024.Characteristics of extreme summer precipitation and large-scale circulation in Shaanxi Province under global warming［J］.Plateau Meteorology， 43（2）： 342-352.DOI： 10.7522/j.issn.1000-0534.2023.00062 .

官雨洁， 刘寿东， 曹畅， 2018.不同城市化程度的城市气温变化研究-以福州和漳州为例［J］.热带气象学报， 34（4）： 554-560.DOI： 10.16032/j.issn.1004-4965.2018.04.013.Guan Y J ，

Liu S D， Cao C， 2018.Different urbanization degree of urban temperature change-a case study of Fuzhou and Zhangzhou［J］.Journal of Tropical Meteorology， 34（4）： 554-560.DOI： 10.16032/j.issn.1004-4965.2018.04.013 .

何萍， 赵锦玲， 2024.云南高原昆明市城市发展对雨季长短变化的反馈［J］.高原气象， 43（3）： 595-604.DOI： 10.7522/j.issn.1000-0534.2023.00088.He P ，

Zhao J L， 2024.The feedback of urban development on the variation of rainy season in Kunming city， Yunnan Plateau［J］.Plateau Meteorology， 43（3）： 595-604.DOI： 10.7522/j.issn.1000-0534.2023.00088 .

黄宏涛， 吴荣军， 王晓云， 等， 2016.城市化对珠三角地区气温及日较差的可能影响［J］.气象， 42（7）： 847-856.DOI： 10.7519/j.issn.1000-0526.2016.07.008.Huang H T ，

Wu R J， Wang X Y， et al， 2016.Effect of urbanization on temperature and diurnal temperature range in Pearl River Delta［J］.Meteorological Monthly， 42（7）： 847-856.DOI： 10.7519/j.issn.1000-0526.2016.07.008 .

贾艳青， 张勃， 张耀宗， 等， 2017.城市化对长三角地区极端气温影响的时空分异研究［J］.自然资源学报， 32（5）： 814-828.DOI： 10.11849/zrzyxb.20160575.Jia Y Q ，

Zhang B， Zhang Y Z， et al， 2017.Effect of urbanization on spatial and temporal variation of extreme temperature events in the Yangtze River Delta［J］.Journal of Natural Resources， 32（5）： 814-828.DOI： 10.11849/zrzyxb.20160575 .

李宇， 周德成， 闫章美， 等， 2022.中国主要城市的城市化对局地增温的贡献［J］.环境科学， 43（5）： 2822-2830.DOI： 10.13227/j.hjkx.202109081.Li Y ，

Zhou D C， Yan Z M， et al， 2022.Contribution of urbanization to local warming in major cities of China ［J］.Environmental Science， 43（5）： 2822-2830.DOI： 10.13227/j.hjkx.202109081 .

梁萍， 丁一汇， 何金海， 等， 2011.上海地区城市化速度与降水空间分布变化的关系研究［J］.热带气象学报， 27（4）： 475-483.DOI： 10.3969/j.issn.1004-4965.2011.04.005.Liang P ，

Ding Y H， He J H， et al， 2011.Study of relationship between urbanization speed and change of spatial distribution of rainfall over Shanghai［J］.Journal of Tropical Meteorology， 27（4）： 475-483.DOI： 10.3969/j.issn.1004-4965.2011.04.005 .

纳丽， 许建秋， 任少云， 等， 2013.城市化对固原气温变化趋势的影响［J］.干旱气象， 31（4）： 738-743.DOI： 10.11755/j.issn.1006-7639（2013）-04-0738.Na L ，

Xu J Q， Ren S Y， et al， 2013.Effect of urbanization on variation trends of air temperatures in Guyuan［J］.Journal of Arid Meteorology， 31（4）： 738-743.DOI： 10.11755/j.issn.1006-7639（2013）-04-0738 .

任国玉， 张爱英， 初子莹， 等， 2010.我国地面气温参考站点遴选的依据、 原则和方法［J］.气象科技， 38（1）： 78-85.DOI： 10.19517/j.1671-6345.2010.01.016.Ren G Y ，

Zhang A Y， Chu Z Y， et al， 2010.Principles and procedures for selecting reference surface air temperature stations in China ［J］.Meteorological Science and Technology， 38（1）： 78-85.DOI： 10.19517/j.1671-6345.2010.01.016 .

任玉玉， 任国玉， 张爱英， 2010.城市化对地面气温变化趋势影响研究综述［J］.地理科学进展， 29（11）： 1301-1310.

Ren Y Y， Ren G Y， Zhang A Y， 2010.An overview of researches of urbanization effect on land surface air temperature trends［J］.Progress in Geography， 29（11）： 1301-1310.

石涛， 杨元建， 蒋跃林， 等， 2011.城市热岛强度变化对安徽省气温序列的影响［J］.气候与环境研究， 16（6）： 779-788.

Shi T， Yang Y J， Jiang Y L， et al， 2011.Impact of the variation of urban heat island intensity on temperature series in Anhui Province ［J］.Climatic and Environmental Research， 16（6）： 779-788.

宋春城， 怀保娟， 张泽钰， 等， 2020.济南市气溶胶光学厚度变化与城市发展水平研究［J］.绿色科技， （12）： 239-241， 244.DOI： 10.16663/j.cnki.lskj.2020.12.089.Song C C ，

Huai B J， Zhang Z Y， et al， 2020.Research on the variation of atmospheric aerosol optical depth and the city development level in JiNan［J］.Journal of Green Science and Technology， （12）： 239-241， 244.DOI： 10.16663/j.cnki.lskj.2020.12.089 .

唐国利， 任国玉， 周江兴， 2008.西南地区城市热岛强度变化对地面气温序列影响［J］.应用气象学报， 19（6）： 722-730.

Tang G L， Ren G Y， Zhou J X， 2008.Change of urban heat island intensity and its effect on surface mean air temperature records in Southwest China［J］.Journal of Applied Meteorological Science， 19（6）： 722-730.

吴佳， 吴婕， 闫宇平， 2022.1961-2020年青藏高原地表风速变化及动力降尺度模拟评估［J］.高原气象， 41（4）： 963-976.DOI： 10.7522/j.issn.1000-0534.2022.00065.Wu J ，

Wu J， Yan Y P， 2022.Changes of surface wind speed over Qinghai-Xizang Plateau from 1961 to 2020 and evaluation of the dynamical downscaling simulations［J］.Plateau Meteorology， 41（4）： 963-976.DOI： 10.7522/j.issn.1000-0534.2022.00065 .

徐园园， 任永健， 许存华， 等， 2017.城市化对咸宁地区气温变化的贡献分析［J］.江西农业学报， 29（5）： 101-106.DOI： 10.19386/j.cnki.jxnyxb.2017.05.20.Xu Y Y ，

Ren Y J， Xu C H， et al， 2017.Analysis of contribution of urbanization to air temperature variability in Xianning［J］.Acta Agriculturae Jiangxi， 29（5）： 101-106.DOI： 10.19386/j.cnki.jxnyxb.2017.05.20 .

晏红明， 王灵， 金燕， 等， 2023.云南冬季气温变化的主要模态及其影响的关键环流因子［J］.高原气象， 42（2）： 386-402.DOI： 10.7522/j.issn.1000-0534.2021.00070.Yan H M ，

Wang L， Jin Y， et al， 2023.Dominant patterns of winter temperature variation in Yunnan and key circulation factors affecting on them［J］.Plateau Meteorology， 42（2）： 386-402.DOI： 10.7522/j.issn.1000-0534.2021.00070 .

杨元建， 荀尚培， 石涛， 等， 2011.基于遥感的合肥土地利用变化对气温序列影响分析［C］//杨军编著.2010年卫星遥感应用技术交流论文集.北京： 气象出版社， 185-194.

Yang Y J， Xun S P， Shi T， et al， 2011.Impact of land-use change on temperature in Hefei city based on remote sensing［C］//Yang J， Ed.Proceedings of 2010 workshop on satellite remote sensing application technology.Beijing： China Meteorological Press， 185-194.

张爱英， 2009.国家基本基准站地面气温序列中城市化影响的检测与订正［D］.北京： 中国气象科学研究院， 1-60.

Zhang A Y， 2009.Detection and correction on the impact of urbanization on surface air temperature series of national basic/reference stations ［D］.Beijing： Chinese Academy of Meteorological Sciences， 1-60.

张西雅， 扈海波， 2017.京津冀地区气溶胶时空分布及与城市化关系的研究［J］.大气科学， 41（4）： 797-810.DOI： 10.3878/j.issn.1006-9895.1611.16186.Zhang X Y ，

Hu H B， 2017.Spatio-temporal characteristics of aerosol optical depth and their relationship with urbanization over Beijing-Tianjin-Hebei region ［J］.Chinese Journal of Atmospheric Sciences， 41（4）： 797-810.DOI： 10.3878/j.issn.1006-9895.1611.16186 .

周雅清， 任国玉， 2005.华北地区地表气温观测中城镇化影响的检测和订正［J］.气候与环境研究， 10（4）： 743-753.

Zhou Y Q， Ren G Y， 2005.Identifying and correcting urban bias for regional surface air temperature series of North China over period of 1961-2000 ［J］.Climatic and Environmental Research， 10（4）： 743-753.

Options
文章导航

/

〈 〉

本系统由北京玛格泰克科技发展有限公司设计开发 技术支持：support@magtech.com.cn