劉顯男， 張良俠， 閆章美

(南京信息工程大學(xué)應(yīng)用氣象學(xué)院， 南京 210044)

土地利用對(duì)局地、區(qū)域甚至全球氣候有著重要影響，成為除化石燃料燃燒外，人類影響氣候變化的最大因素[1-5]。農(nóng)業(yè)作為最主要的人為土地利用活動(dòng)之一，通過(guò)調(diào)節(jié)陸地大氣間能量、水分和動(dòng)量交換在氣候系統(tǒng)中發(fā)揮著至關(guān)重要的作用，特別是在熱帶和亞熱帶濕潤(rùn)區(qū)[6]。一方面，自然植被轉(zhuǎn)化為農(nóng)業(yè)用地會(huì)改變地表粗糙度、反照率、葉片電導(dǎo)和其他特性，從而增加或降低溫度；另一方面，農(nóng)田管理(如施肥、灌溉、松土和種植等)能顯著影響當(dāng)?shù)貧夂騕7-8]。

然而，目前關(guān)于農(nóng)業(yè)用地?zé)岘h(huán)境效應(yīng)的認(rèn)識(shí)大多基于模型模擬的方法[9-10]。由于模型的結(jié)構(gòu)、參數(shù)化以及輸入數(shù)據(jù)的差異，導(dǎo)致不同研究結(jié)果分歧較大，甚至完全相反[9-12]。同時(shí)，數(shù)值模型的分辨率通常較低(約100 km)，不能清晰反映溫度變化的空間異質(zhì)性?？焖侔l(fā)展的衛(wèi)星遙感技術(shù)，為評(píng)估農(nóng)業(yè)用地?zé)岘h(huán)境效應(yīng)提供了最直接有效的觀測(cè)證據(jù)。然而，已有研究大多基于代表性網(wǎng)格內(nèi)不同土地利用類型的溫度差異來(lái)量化毀林或造林的氣候效應(yīng)[10,13-14]，不能全面反映農(nóng)業(yè)用地對(duì)區(qū)域溫度的影響，特別是大面積農(nóng)業(yè)用地集中分布區(qū)域。在我國(guó)，農(nóng)業(yè)用地面積占比超過(guò)50%，其通過(guò)各種因素對(duì)氣候造成的增溫影響不可忽視，但目前尚缺乏單獨(dú)對(duì)農(nóng)業(yè)熱環(huán)境效應(yīng)長(zhǎng)期變化趨勢(shì)的遙感監(jiān)測(cè)研究。因此，急需發(fā)展新的遙感評(píng)估方法，全面評(píng)估農(nóng)業(yè)用地對(duì)區(qū)域溫度的影響。

本文以江西省為例，基于MODIS地表溫度數(shù)據(jù)，以天然林地為參照，采用空間代替時(shí)間的方法，從像元尺度定量評(píng)估近20年農(nóng)業(yè)用地的熱環(huán)境效應(yīng)及其時(shí)空演變規(guī)律，并結(jié)合地表蒸散、反照率和氣象數(shù)據(jù)，探討農(nóng)業(yè)用地?zé)岘h(huán)境效應(yīng)的可能驅(qū)動(dòng)因子。旨在揭示我國(guó)亞熱帶濕潤(rùn)地區(qū)農(nóng)業(yè)土地利用對(duì)溫度的影響特征及其控制因子，為制定緩解區(qū)域氣候變化的土地利用策略提供參考。

1 數(shù)據(jù)與方法

1.1 研究區(qū)域

江西省位于中國(guó)東南部(圖1)，長(zhǎng)江中下游南岸，屬亞熱帶溫暖濕潤(rùn)季風(fēng)氣候，年降雨量為1 341～1 943 mm，年平均氣溫為16.3～17.5 ℃。江西省是一個(gè)農(nóng)業(yè)人口多、農(nóng)村地域大、農(nóng)業(yè)比重相對(duì)較高的省份，全省耕地面積約3 萬(wàn)km2；糧、豬、油、菜、水產(chǎn)等主要農(nóng)產(chǎn)品產(chǎn)量在全國(guó)占有重要地位，是長(zhǎng)三角、珠三角和港澳等地重要的農(nóng)產(chǎn)品供應(yīng)基地，其中稻谷產(chǎn)量居全國(guó)第2位，始終保持全國(guó)農(nóng)業(yè)主產(chǎn)省的地位。

圖1 江西省地形圖Figure 1 Topographic map in Jiangxi Province注:此圖基于國(guó)家測(cè)繪地理信息局標(biāo)準(zhǔn)地圖(審圖號(hào):GS(2020)4619號(hào))繪制，底圖無(wú)修改。

1.2 數(shù)據(jù)來(lái)源與預(yù)處理

1.2.1 數(shù)據(jù)來(lái)源 本文利用中分辨率成像光譜儀(Moderate Resolution Imaging Spectroradiometer，MODIS)合成的地表溫度數(shù)據(jù)(Land Surface Temperature，LST)來(lái)反映研究區(qū)的熱環(huán)境條件。該遙感數(shù)據(jù)誤差在1 ℃之內(nèi)，已被廣泛用于評(píng)估人類土地利用活動(dòng)的熱環(huán)境效應(yīng)[15-18]。文中選取了覆蓋研究區(qū)范圍內(nèi)的2003—2019年最新版本的MODIS/Aqua 8天合成的LST數(shù)據(jù)產(chǎn)品(MYD16A2，V6)，空間分辨率為1 km，通過(guò)Earthdata數(shù)據(jù)共享平臺(tái)(https:∥search.earthdata.nasa.gov/)免費(fèi)獲取。Aqua衛(wèi)星過(guò)境時(shí)間為地方太陽(yáng)時(shí)13:30和01:30，此時(shí)地表溫度分別接近日最高值和日最低值，分別用來(lái)代表白天、夜晚溫度。其中蒸散數(shù)據(jù)來(lái)源于MODIS 8天合成產(chǎn)品(MYD16A2，V6)，空間分辨率為500 m。反照率數(shù)據(jù)來(lái)源于MODIS逐日數(shù)據(jù)產(chǎn)品(MCD43A1，V6)，空間分辨率為1 km。

土地利用數(shù)據(jù)來(lái)源于清華大學(xué)宮鵬教授領(lǐng)銜研發(fā)的第二代FROM-GLC土地覆蓋產(chǎn)品,該數(shù)據(jù)參考IGBP(InternationaI Geosphere Biosphere Programme)分類體系，空間分辨率為30 m[15]。

氣象數(shù)據(jù)來(lái)自江西省氣象局的26個(gè)氣象站(圖1)2003—2019年的氣溫和降雨量資料，海拔數(shù)據(jù)來(lái)源于ASTER GDEM。

1.2.2 數(shù)據(jù)預(yù)處理 利用MRT(MODIS Reprojection Tool)軟件對(duì)遙感數(shù)據(jù)進(jìn)行批量拼接和投影處理。為了減少誤差，本文僅提取平均發(fā)射率誤差≤0.02(質(zhì)量控制(QC)標(biāo)志為“01”)、平均LST誤差≤1 K(QC標(biāo)志為“00”)和天頂角≤65°的LST像元；通過(guò)ANUSPLIN軟件對(duì)氣象數(shù)據(jù)進(jìn)行插值。

1.3 方法

1.3.1 土地利用分類 本文獲取2015年的土地利用類型數(shù)據(jù)，經(jīng)拼接、投影、裁剪后得到江西土地利用類型圖(圖2)，主要包括農(nóng)田、林地、草地、灌叢、濕地、水體、不透水面和裸地8種土地利用類型。其中林地和農(nóng)田是土地利用的兩大主要類型，分別占研究區(qū)總面積的63%和24%。

圖2 江西省土地利用圖Figure 2 Land use map in Jiangxi province

由于水體白天的冷卻效應(yīng)和夜間增暖效應(yīng)會(huì)影響周圍溫度，本文首先剔除了濕地、水體及大型水體周圍1 km的緩沖區(qū)域內(nèi)的土地利用數(shù)據(jù)。為了使土地利用數(shù)據(jù)與MODIS LST數(shù)據(jù)的空間分辨率一致，本文分別計(jì)算了空間分辨率為1 km的農(nóng)田和林地的面積占比，并把農(nóng)田占比超過(guò)50%的像元定義為農(nóng)業(yè)用地。

1.3.2 農(nóng)業(yè)用地?zé)岘h(huán)境效應(yīng)估算方法 本文將農(nóng)業(yè)用地的熱環(huán)境效應(yīng)(ΔT)定義為：

ΔT=Tagr-Tfor，

(1)

其中，Tagr為農(nóng)業(yè)用地像元的實(shí)際地表溫度，可通過(guò)MODIS地表溫度數(shù)據(jù)直接提?。籘for為天然林地的地表溫度。ΔT>0表示農(nóng)業(yè)用地對(duì)區(qū)域環(huán)境為增溫效應(yīng)，ΔT<0表示農(nóng)業(yè)用地對(duì)區(qū)域環(huán)境為降溫效應(yīng)。由于缺乏對(duì)應(yīng)每個(gè)農(nóng)業(yè)用地像元位置的Tfor觀測(cè)數(shù)據(jù)，本文基于農(nóng)田周圍天然林地的LST數(shù)據(jù)，以海拔為協(xié)變量，利用協(xié)同克里金插值方法獲取Tfor。為了準(zhǔn)確估算Tfor，降低混合用地對(duì)Tfor的影響，本文僅篩選林地面積百分比為100%的純天然林地像元為參照。為了增加參考林地像元分布范圍，同時(shí)選取了研究區(qū)周圍50 km范圍內(nèi)的天然林地像元。

1.3.3 農(nóng)業(yè)用地?zé)岘h(huán)境效應(yīng)時(shí)空變化及其驅(qū)動(dòng)因子分析 本文首先計(jì)算2003—2019年的多年平均ΔT，分析農(nóng)業(yè)用地?zé)岘h(huán)境效應(yīng)空間分布及其晝夜與季節(jié)變化特征。進(jìn)而基于2003—2019年的逐年ΔT數(shù)據(jù)，分析農(nóng)業(yè)用地?zé)岘h(huán)境效應(yīng)的年際變化趨勢(shì)。為了探究ΔT變化與主要地表生物物理因子、氣候因子的關(guān)系，本文首先采用與估算ΔT相同的方法，分析了農(nóng)業(yè)用地對(duì)蒸散(evapotranspiration,ET)和反照率的影響。反照率數(shù)據(jù)包括白空反照率(White Sky Albedo，WSA)和黑空反照率(Black Sky Albedo，BSA)，由于二者的空間分布高度類似，本文采用WSA表征反照率的大小。然后，分析了ΔT的時(shí)空變化與ΔET、ΔWSA、氣候因子(氣溫和降雨量)的相關(guān)關(guān)系。

2 結(jié)果與討論

2.1 結(jié)果

2.1.1 農(nóng)業(yè)用地?zé)岘h(huán)境效應(yīng)的時(shí)空變化特征 由熱環(huán)境效應(yīng)的空間分布(圖3)可知：(1)在白天，農(nóng)業(yè)用地的整體表現(xiàn)為增溫效應(yīng)，增溫幅度最高達(dá)8 ℃，且不同季節(jié)差異較小，在夏季的增溫效應(yīng)略低于在其他季節(jié)的(圖3A至圖3E)。(2)在夜晚，農(nóng)業(yè)用地降溫效應(yīng)明顯，最高降溫幅度達(dá)-6 ℃，且不同季節(jié)差異明顯(圖3F至圖3J)：在冬季的降溫幅度最大，秋季次之，在春季的增溫和降溫效應(yīng)并存，絕大部分區(qū)域在夏季表現(xiàn)為增溫效應(yīng)。(3)南昌、上饒市與九江市的交界地帶在夏季呈現(xiàn)微弱的降溫效應(yīng)(圖3B)，這可能與周圍大型水體(鄱陽(yáng)湖)的冷島效應(yīng)有關(guān)。

圖3 江西省農(nóng)業(yè)用地?zé)岘h(huán)境效應(yīng)空間分布Figure 3 Spatial distribution of the thermal environment effects of agricultural lands in Jiangxi Province

從地區(qū)分布(表1)可知：(1)在白天，贛州市的增溫效應(yīng)最明顯，增幅超過(guò)3 ℃；上饒市的最低，增幅低于1.5 ℃。就整個(gè)區(qū)域平均來(lái)看，農(nóng)業(yè)用地導(dǎo)致白天年均增溫1.97±1.02 ℃。(2)在夜晚，新余市的降溫效果最明顯，年均降溫-0.51±0.44 ℃；景德鎮(zhèn)市次之；贛州市的降溫幅度最低，僅-0.07±0.41 ℃。整體上看，農(nóng)業(yè)用地導(dǎo)致夜晚年均溫度降低0.31 ℃。

表1 江西省各地級(jí)市農(nóng)業(yè)用地平均熱環(huán)境效應(yīng)Table 1 The mean thermal environment effects of agricultural lands in all the prefecture-level cities of Jiangxi Province ℃

從逐月變化趨勢(shì)(圖4A)可知：在6月份的增溫效應(yīng)最低(1.3 ℃)。從年際變化趨勢(shì)(圖4B)可知：2003—2019年，江西省農(nóng)業(yè)用地的白天增溫效應(yīng)和夜晚降溫效應(yīng)整體上均呈加劇態(tài)勢(shì)，在白天每10年平均上升0.105 ℃，在夜晚每10年平均下降0.084 ℃。

從空間分布(圖5)可知：(1)在白天，約67%的農(nóng)業(yè)用地像元的增溫效應(yīng)呈增加趨勢(shì)，主要集中在靠近城市和水體的地方。(2)在夜晚，除靠近城市和水體少部分農(nóng)業(yè)用地像元外，約72%的農(nóng)業(yè)用地像元呈降溫效應(yīng)；大部分農(nóng)業(yè)用地的ΔT年際變化趨勢(shì)的顯著性水平高于0.05，這可能與本研究時(shí)段較短有關(guān)。

圖5 農(nóng)業(yè)用地?zé)岘h(huán)境效應(yīng)年際變化趨勢(shì)空間分布圖Figure 5 Spatial distributions of the inter-annual trends of the thermal environment effects of agricultural lands

2.1.2 農(nóng)業(yè)用地?zé)岘h(huán)境效應(yīng)與驅(qū)動(dòng)因子的關(guān)系 由農(nóng)業(yè)用地對(duì)地表蒸散和反照率的影響(圖6，圖7)可知：(1)農(nóng)業(yè)用地導(dǎo)致絕大部分地區(qū)蒸散降低，年均降幅達(dá)160 mm，且不同季節(jié)差異較大。夏季時(shí)的蒸散降低幅度最大，特別是在7月份的降低幅度接近40 mm；冬季時(shí)的整體變化幅度較小，大部分農(nóng)業(yè)用地(54%)的蒸散呈現(xiàn)略高于天然林地的態(tài)勢(shì)。(2)農(nóng)業(yè)用地導(dǎo)致大部分地區(qū)(87%)的反照率增加，平均增加幅度為0.02，且不同季節(jié)影響差異極大。在秋季和冬季的增幅明顯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(平均變化幾乎接近0)。(3)從年際變化趨勢(shì)來(lái)看，在2003—2019年間，ΔET略有增加趨勢(shì)，但并不顯著；ΔWSA則呈顯著下降態(tài)勢(shì)(圖7B)。

圖6 ΔET和ΔWSA的空間分布Figure 6 Spatial distributions of ΔET and ΔWSA

圖7 ΔET與ΔWSA的年內(nèi)和年際變化趨勢(shì)Figure 7 Intera-annual and inter-annual trends of ΔET and ΔWSA

農(nóng)業(yè)用地?zé)岘h(huán)境效應(yīng)的時(shí)空變化與地表生物物理因子(蒸散和反照率)以及氣候背景變化密切相關(guān)。由圖8可知：白天的ΔT與ΔET呈顯著負(fù)相關(guān)，與ΔWSA呈顯著正相關(guān)；夜晚的ΔT與ΔET、ΔWSA均呈顯著負(fù)相關(guān)；白天的ΔT與氣溫呈明顯的正相關(guān)，與降雨量的相關(guān)關(guān)系相對(duì)較弱。

圖8 年均ΔT與驅(qū)動(dòng)因子的相關(guān)關(guān)系Figure 8 Correlations between annual ΔT and driving factors

2.2 討論

針對(duì)農(nóng)業(yè)用地生物物理溫度效應(yīng)研究薄弱問(wèn)題，本文以地處亞熱帶濕潤(rùn)區(qū)的江西省為例，基于衛(wèi)星觀測(cè)技術(shù)，全面評(píng)估了農(nóng)業(yè)用地的熱環(huán)境效應(yīng)與驅(qū)動(dòng)因子，結(jié)果發(fā)現(xiàn)農(nóng)業(yè)用地在白天具有明顯的增溫效應(yīng)，而在夜晚的降溫作用明顯(圖3)，這與已有的以國(guó)家和全球?yàn)榉秶M(jìn)行研究得到的結(jié)果[10,13]一致。此外，本文發(fā)現(xiàn)農(nóng)業(yè)用地的熱環(huán)境效應(yīng)隨季節(jié)變化明顯，白天的增溫效應(yīng)在夏季較弱，可能與大面積水稻種植過(guò)程中的農(nóng)田灌溉活動(dòng)有關(guān)。大量研究證實(shí)灌溉可導(dǎo)致蒸散增加，進(jìn)而對(duì)環(huán)境有明顯降溫效果[7-8]。夜晚的降溫效應(yīng)在夏季變?yōu)槲⑷醯脑鰷匦?yīng)，這可能與夏季蒸散加強(qiáng)和反照率差異明顯降低有關(guān)(圖7A)。從長(zhǎng)期變化趨勢(shì)來(lái)看，本文的研究結(jié)果表明農(nóng)業(yè)用地在白天的增溫效應(yīng)逐漸加強(qiáng)(圖7B)，但日益加劇的夜晚降溫效應(yīng)在一定程度上可抵消白天增溫效應(yīng)的影響。全球氣候變暖、農(nóng)業(yè)活動(dòng)加強(qiáng)以及快速城市化是導(dǎo)致農(nóng)業(yè)用地白天增溫效應(yīng)加強(qiáng)的可能原因。例如，隨著溫度的升高，可加劇農(nóng)業(yè)用地與天然林地間的ET差異(圖7B和圖9B)；快速城市化可通過(guò)城市熱島效應(yīng)影響周圍農(nóng)田的氣候效應(yīng)[19]。

與已有研究[10,13,20]類似，本文發(fā)現(xiàn)蒸散是控制農(nóng)業(yè)用地白天的熱環(huán)境效應(yīng)的主要因子(圖8)。與天然林地相比，農(nóng)業(yè)用地的蒸散降低，進(jìn)而導(dǎo)致潛熱減少，從而增加地表溫度。但意外的是，本文發(fā)現(xiàn)農(nóng)業(yè)用地在白天的增溫效應(yīng)與反照率呈顯著正相關(guān)關(guān)系(圖8)，這與普遍認(rèn)為的“反照率增加將降低地表凈輻射，進(jìn)而降低溫度”[21]相矛盾。導(dǎo)致這種現(xiàn)象的可能原因是亞熱帶濕潤(rùn)區(qū)農(nóng)田蒸散的作用遠(yuǎn)遠(yuǎn)超過(guò)反照率的影響[10],掩蓋了反照率的可能降溫效應(yīng)。另外，相對(duì)于森林而言，農(nóng)田在夜晚的反照率較高，間接起到了降溫效果[22]。 對(duì)比之下，本文發(fā)現(xiàn)農(nóng)業(yè)用地在夜晚的熱環(huán)境效應(yīng)受蒸散和反照率的共同控制。與已有研究結(jié)果[23-24]不同的是，本文發(fā)現(xiàn)氣候因子對(duì)農(nóng)業(yè)用地的熱環(huán)境效應(yīng)空間分布的影響相對(duì)較小(圖8)，這可能與研究尺度有關(guān)。本研究區(qū)內(nèi)氣候背景差異相對(duì)較小，其影響被局地生物物理因子所掩蓋。但從年內(nèi)、年際變化趨勢(shì)(圖9)來(lái)看，氣候因子的作用和生物物理因子作用相當(dāng)，甚至超過(guò)生物物理因子的影響，特別是氣溫的影響，強(qiáng)調(diào)了氣候變化在預(yù)估未來(lái)農(nóng)業(yè)用地氣候效應(yīng)中的重要作用。

圖9 ΔT的逐月和年際變化與各驅(qū)動(dòng)因子的相關(guān)系數(shù)Figure 9 Correlation coefficients between month-to-month and inter annual changes of ΔT and driving factors注：為33 338個(gè)像元r值的平均值。

3 結(jié)論

本文以江西省為例，分析了亞熱帶濕潤(rùn)地區(qū)農(nóng)業(yè)用地?zé)岘h(huán)境效應(yīng)的時(shí)空變化特征及其與生物物理和氣候因子的關(guān)系，主要結(jié)論如下：

(1)農(nóng)業(yè)用地在白天以增溫效應(yīng)為主，在夜晚主要表現(xiàn)為降溫效應(yīng)，且季節(jié)變化大；

(2)2003—2019年，大部分農(nóng)業(yè)用地的白天增溫效應(yīng)和夜晚降溫效應(yīng)均呈加劇態(tài)勢(shì)；

(3)農(nóng)業(yè)用地?zé)岘h(huán)境效應(yīng)的空間分布在白天主要受地表蒸散的影響，在夜晚受蒸散和反照率共同控制，而且年際變化趨勢(shì)與氣候因子(特別是氣溫)密切相關(guān)。

本文的科學(xué)和實(shí)踐意義如下：首先，文中使用的農(nóng)業(yè)用地?zé)岘h(huán)境效應(yīng)的定量評(píng)估方法可有效避免天然林地地理分布不均的局限性，為區(qū)域尺度土地利用活動(dòng)的氣候效應(yīng)評(píng)估提供了一種新的視角。其次，雖然農(nóng)業(yè)用地在白天具有明顯增溫效應(yīng)，但在夜晚表現(xiàn)為降溫效應(yīng)，這與文獻(xiàn)[25-26]的結(jié)論一致。因此，在未來(lái)評(píng)估土地利用活動(dòng)對(duì)區(qū)域氣候的影響時(shí)，應(yīng)加強(qiáng)對(duì)農(nóng)業(yè)用地的研究。最后，本文發(fā)現(xiàn)氣候變化可能加劇農(nóng)業(yè)用地的熱環(huán)境效應(yīng)，說(shuō)明在未來(lái)區(qū)域氣候變化評(píng)估中，需要綜合考慮農(nóng)業(yè)用地氣候效應(yīng)與氣候變化的互饋機(jī)制。