基于不同土地利用产品的华东...区夏季陆气相互作用模拟研究_昝雨露.pdf

第 42 卷 第 3 期2023 年 6 月高原气象PLATEAU METEOROLOGYVol.42 No.3June，2023昝雨露，高艳红，蒋盈沙，等，2023.基于不同土地利用产品的华东地区夏季陆气相互作用模拟研究 J.高原气象，42（3）：687-700.ZAN Yulu，GAO Yanhong，JIANG Yingsha，et al，2023.Simulation of Summer Land Air Interactions in East China Based on Different Land Use Products J.Plateau Meteorology，42（3）：687-700.DOI：10.7522/j.issn.1000-0534.2023.00019.基于不同土地利用产品的华东地区夏季陆气相互作用模拟研究昝雨露1，2，高艳红3，蒋盈沙1，苏培玺1（1.中国科学院西北生态环境资源研究院/中国科学院寒旱区陆面过程与气候变化重点实验室，甘肃 兰州 730000；2.中国科学院大学，北京 100049；3.复旦大学 大气与海洋科学系/大气科学研究院，上海 200438）摘要：土地利用和土地覆盖变化（Land Use and Land Cover Chang，LUCC）通过影响局地陆面过程及陆气相互作用进而影响局地天气和气候。为探究LUCC产品对陆气相互作用的影响，本文采用了三套LUCC产品，包括USGS、Landsat和MODIS，模拟研究不同LUCC产品对华东地区土壤和近地面温度、湿度的影响。结果表明，不同LUCC产品的土地利用类型差异主要在城市、农田和以草地、森林为主的自然植被。与USGS产品相比，Landsat和MODIS产品的城市和森林面积分别增加了2%和15%以上，农田面积则减少了17%左右。模拟结果表明，Landsat和MODIS产品的城市面积增加导致该区域的土壤温度和湿度增加，感热通量分别增加了28.1 Wm-2、68.3 Wm-2，潜热通量分别减少了28.3 Wm-2、81 Wm-2，这使得2 m气温增加了1.5 左右，相对湿度减小了约9%。USGS产品中的农田和草地在Landsat和MODIS中改变为森林也使得土壤温度、湿度和近地面能量通量、温度和湿度的空间分布随之产生变化，但相比于城市面积改变导致的变化较为复杂。此外，不同LUCC产品之间的城市面积变化对土壤温度、湿度和近地面能量通量、温度和湿度的影响要大于农田和自然植被变化产生的影响。最后，对比三个试验模拟的土壤温度、土壤湿度、2 m气温和相对湿度结果与 GLDAS（the Global Land Data Assimilation System）或站点观测资料的相关性、均方根误差、平均偏差和认同指数可以发现，使用更准确、细致的Landsat产品的模式对近地面气象条件的模拟性能要优于USGS和MODIS产品模拟结果。关键词：土地利用/土地覆盖变化；WRF模式数值模拟；城市扩张；陆气相互作用文章编号：1000-0534（2023）03-0687-14 中图分类号：P461 文献标识码：ADOI：10.7522/j.issn.1000-0534.2023.000191 引言 近几十年来，由于经济发展和政策导向的调整以及全球增温的影响，中国的土地利用状况已经发生了很大改变，这些变化主要表现在东部城市扩张加速，农田面积减小且由华北和东北向西北地区转移，中东部地区林草面积增加以及内蒙古农牧区由于退耕还林和植树造林政策的影响大面积的农田和裸地被草地以及林地覆盖等方面（刘纪远 等，2014，2018；Cao et al，2015）。上述土地利用和土地覆盖（Land Use and Land Cover Change，LUCC）的显著变化将对区域气候、水文和生态环境产生不可忽视的影响，值得深入探讨。在全球气候变化背景下，LUCC变化对局地陆面过程与区域气候具有多重影响。首先，近地面气温对LUCC的变化非常敏感（何建军等，2014；Pan et al，2021；张晨炜等，2022），城镇化与农业发展对近地面气温的影响往往能引起12 的变化（Cao et al，2020）。人工建筑和植被的变化改变了叶面积指数（leaf area in收稿日期：20221203；定稿日期：20230301资助项目：国家重点研发计划项目（2017YFC1502101）作者简介：昝雨露（1994-），男，山西运城人，博士研究生，主要从事陆面过程与数值模拟研究研究.E-mail：通信作者：高艳红（1973-），女，山西太谷县人，教授，主要从事陆气相互作用及其区域气候效应研究研究.E-mail：高原气象42 卷dex，LAI）和反照率等参数，影响了地表和大气之间的热量、水分和动量的平衡，进而影响2 m气温、湿度、边界层高度，甚至是降水的时空分布（Mallard and Spero，2019；王宇轩等，2021）。随着城市化发展程度加深，城市区域蒸发减小，2 m气温、感热通量和波文比升高，同时植被面积迅速减少，加剧了城市的热岛效应（Dow and DeWalle，2000；Kuang et al，2015；Li et al，2018）。而植被覆盖状况好的区域升温趋势较小，森林相比于其他低矮类植被类型和裸地，可以更好地起到调节局地气温的作用，使局地气温在一个较小的范围内波动（杨续超等，2009；Burakowski et al，2018）。在内蒙古地区，Qiu et al（2011）发现当草地转换为森林后，更多的水分被储存在植被中，空气湿度反而会降低。另一方面，自然植被还会通过植被的根系作用以及冠层截留作用等影响土壤湿度，进而影响局地水文和生态气候。土壤湿度作为陆面的一个重要参数，其时空分布深刻影响着地表水、热平衡，植被物候和空间分布等（Carlson et al，1994；Zhan et al，2007；程文举，2021），而植被类型的变化也会反过来影响土壤的温度、湿度。当森林被草地覆盖后，深层的土壤湿度甚至会减小一倍（Wang et al，2010；de Queiroz et al，2020）。在内蒙古地区，研究表明在森林生长阶段对水分的需求以及根系的持水能力，会使得降水无法渗入更深的土壤层，导致草地在010 cm层的土壤含水量反而要高于森林（Qiu et al，2011）。Zhang et al（2016）在中国黄土高原地区的工作也发现了相似的结论。而在中国西南地区，当农田转换为草地甚至森林时显著提高了土壤的水分渗透能力（Chen et al，2009）。Schicker et al（2016）也发现LUCC产品的改变会导致模式对土壤温度的模拟产生差异。准确而高分辨率的陆面过程模拟是开展天气和气候事件研究的重要前提（高艳红等，2021；刘维成等，2021）。作为陆面过程的重要组成部分，LUCC产品对气象过程的模拟也有显著影响，采用更高精度的LUCC产品能够提升区域气候的模拟。Cheng et al（2013）通过替换模式中的 LUCC 产品，发现台湾地区的温度和湿度会随之产生变化，尤其是城市区域。Schicker et al（2016）也发现不同的LUCC产品之间对模式模拟奥地利地区的效果并不相同，更新、更高精度的LUCC产品则对模拟效果有提高。Gao et al（2008）通过改进模式中黑河流域土地利用、植被覆盖度等资料，研究了陆面资料对近地面气象场的模拟效果，结果表明更准确的下垫面环境场有利于提高2 m气温和湿度的模拟精度。Cao et al（2015）通过模式模拟也认为LUCC产品对黑河区域地表能量和水平衡有不可忽视的作用。何建军等（2014）和张晨炜等（2022）也发现更准确的LUCC产品能提高模拟效果。华东地区作为我国重要的经济发达地区以及人口稠密区域，快速发展的经济与人口迁移使当地的地表特征产生了显著的变化。在2000-2010年，华东地区城镇持续扩张，耕地面积持续减少，并且有持续向林、草地转换的趋势（刘纪远等，2014）。这样大的土地利用变化必然会对近地面的气象要素场产生显著影响。同时，自2018年以来，华东地区极端高温事件频发，引发了对该区域天气和气候过程研究的关注，但以往的研究中对华东地区LUCC产品变化和其变化引起的区域天气和气候影响关注较少。基于下垫面对近地面气象要素场的重要影响，引入更准确、更细致的LUCC产品是提高局地天气气候模拟和预报的重要手段之一。因此，本文利用不同LUCC产品以及WRF（Weather Research and Forecasting）模式对2018年华东地区夏季气象要素展开模拟研究，评估、分析了LUCC产品改变对华东地区土壤温度、湿度和近地面能量和热量的影响，旨在为提高模式在华东地区的模拟和预报性能提供参考。2 资料来源与方法介绍 2.1模式设置WRF 模式由美国国家大气研究中心（NCAR）开发，广泛应用于气象业务预报和科学研究。WRF是完全可压缩的非流体静力模型，使用地形跟踪垂直坐标系，提供了多种参数化方案。经过多年的发展和改进，WRF已经可用于中小尺度、复杂下垫面类型、不同地理特征的天气和气象过程的研究。本文使用WRF 3.8.1版本进行模拟试验，模式使用三层嵌套网格进行模拟，模拟分辨率分别为 27 km，9 km，3 km。模式垂直分层为30层。模拟时间从2018年5月28日到8月31日，其中5月28-30日为模式预热时间，不用于后文分析。图1展示了详细的模拟区域以及地形条件 文中所涉及的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（2019）1823号的中国地图制作，底图无修改。区域1包括中国以及其他部分相邻国家，网格数为207165；区域2覆盖中国东部地区，网格数为238334；区域3为中国华东地区，网格数为508660。图1中地形为27 km分辨率的地形数据。688昝雨露等：基于不同土地利用产品的华东地区夏季陆气相互作用模拟研究3 期模式的边界层条件以及其他初始场条件由美国国家环境预报中心（National Centers for Environment Prediction，NCEP）制作的 FNL（Final Analyses）数据提供，该数据水平分辨率为1，时间分辨率为 6 h。参考李哲等（2022）和 Zan et al（2022）在华东地区开展的工作，在模拟过程中使用了以下参数化方案：WSM6（WRF Single-Moment 6-class）微物理 过 程 方 案，RRTMG（Rapid Radiative Transfer Model）长短波方案，Noah-LSM 陆面过程方案，YSU（Yonsei University）边 界 层 方 案，以 及 G-D（Grell-Devenyi）积云对流方案。2.2模拟试验设计采用 USGS、Landsat 和 MODIS 三套土地利用资料进行了三次试验，保持其他参数设置不变，分析不同LUCC产品之间的空间差异产生的土地利用类型变化，以及由此导致的陆气相互作用差异，对比研究LUCC产品变化对华东地区夏季陆气相互作用的影响。USGS和MODIS产品均为WRF模式中的默认土地利用数据，这两套LUCC产品的生成时间分别是1993年和2001年。Landsat产品则是通过Landsat卫星生成的2010年1 km分辨率数据，按照USGS分类标准重新进行分类，更新到WRF中进行的模拟。分类规则如表1所示。为便于后文分析，这里分别以EXPT_U、EXPT_L和EXPT_M指代三个模拟试验结果。2.3验证资料文中所使用日平均2 m气温、相对湿度站点数据是从中国气象数据网站获取的中国699个地面气候资料日值数据集（V3.0），其中研究区域包含157个气象站点（图1星号）。日平均2 m气温、相对湿度是每天4次定时观测值的平均值。同时，本文还使用美国全球陆面数据同化系统（the Global Land Data Assimilation System，以下简称 GLDAS）来帮助验证模式对土壤温度和湿度的模拟效果。GLDAS同化数据是通过 Noah，Catchment（CLSM）和 the Variable Infiltration Capacity（VIC）三个陆面模式将卫星数据以及地面观测数据图1WRF模式三层嵌套区域示意图（矩形）与地形高度（阴影区，单位：m）最内层区域星号标注了该范围内的所有气象站点Fig.1The three domains for WRF simulations（rectangle）and the terrain height（the shaded，unit：m）.All stations were marked with asterisks in the innermost domain表1 Landsat土地利用资料向USGS转换规则Table 1 The rules from Landsat to USGS类型城市旱作农田灌溉农田草地灌木地灌木/草地混合地稀疏草地落叶阔叶林落叶针叶林常绿阔叶林常绿针叶林水体草本湿地稀疏植被覆盖地冰雪USGS123789101112131416171924Landsat51/52/53121131/32223323/242121212141/42/4345/46/6461/62/63/65/66/6744689高原气象42 卷融合生成的地表各通量数据（Rodell et al，2004）。其中包括四层（010 cm，1040 cm，40100 cm，100200 cm）土壤温度和湿度的同化数据结果。时间分辨率为 3 h，空间分辨率为0.25。根据 Yang and Zhang（2018）和Wu et al（2021）对GLDAS土壤温度、湿度在中国地区的评估，他们认为 GLDAS资料能够较好地再现中国地区，尤其是华东地区的土壤温度、湿度的时空分布。本研究使用Noah模式产生的GLDAS 2018年6-8月的前两层土壤温度和土壤湿度数据。2.4模式评估基于以上验证资料，采用相关系数R、均方根误差（root mean square error，RMSE）、平均偏差（mean bias，MB）、一致性指数（index of agreement，IA）以评估WRF模式对土壤温、湿度以及2 m气温和相对湿度的模拟效果。统计参数计算公式如下：R=1Ni=1N(Fi-F)(Oi-O)1Ni=1N(Fi-F)21Ni=1N(Oi-O)2（1）RMSE=1Ni=1N(Fi-Oi)2（2）MB=1Ni=1N(Fi-Oi)（3）IA=1-i=1N(Fi-Oi)2i=1N(|Fi-O|+|Oi-O)|)2（4）式中：F和O分别代表模式模拟值和观测值；-F和-O分别是模拟值和观测值的平均值；N为样本总数。3 结果 3.1土地利用和土地覆盖变化图 2 分别是 EXPT_U、EXPT_L 和 EXPT_M 试验的LUCC分布。从图2中能够看出，不同LUCC产品的空间分布差异较大。这些差异主要体现在农田和草地改变为森林、城市面积增加的变化中。EXPT_U 试验中农田分布面积最高，总面积达47.2%。农田类型以灌溉农田和农林、农草混合地为主，安徽南部、江西北部以及浙江等地主要以农林、农草混合地为主，旱作农田则在山东中部小规模分布，其余地区的农田类型均为灌溉农田。森林植被主要分布在福建地区，江西西部则以草地为主，自然植被占总面积 18.7%。城市仅有零星分图2USGS（a），Landsat（b）和MODIS（c）土地利用类型分布1.城市，2.旱作农田，3.灌溉农田，4.农林、农草混合地，5.草地，6.灌木地，7.林地，8.水体，9.湿地，10.裸地或稀疏植被，11.苔原，12.冰雪Fig.2The USGS（a），Landsat（b）and MODIS（c）map.The color scale from 1 to 12 represent Urban，Dryland Cropland，Irrigated Cropland，Cropland/Woodland/Grassland，Grassland，Shrubland，Forests，Water Bodies，Wetlands，Barren or Sparsely Vegetated，Tundra，and Snow or Ice，respectively690昝雨露等：基于不同土地利用产品的华东地区夏季陆气相互作用模拟研究3 期布，占总面积0.1%。EXPT_L试验中城市和自然植被面积增加，南方主要以森林和草地为主，山东中部有小面积的草地覆盖，自然植被占总面积34.9%，农田分布为南方以灌溉农田为主，北方以旱作农田为主，与EXPT_U 试验相比农田面积有所减少，占总面积29.7%。此外，值得注意的是，EXPT_L 试验中城市面积相比EXPT_U试验中的城市面积增加，占总面积2.2%。而在EXPT_M试验中，南方大部分地区被森林覆盖，自然植被占总面积34%。EXPT_M试验中农田面积有所减少，占总面积30.6%。城市分布特征与EXPT_L试验相似，但是城市分布更加聚集，零星分布较少，占总面积2.4%。LUCC产品中下垫面的变化在模式模拟过程中实际反映的是相应的植被覆盖和反照率的变化，因此我们还分析了LAI和反照率的空间分布（图3）。从图 3 中能够看出，以 EXPT_U 试验为参考，EXPT_U 试验中福建地区的 LAI 最高，反照率最低。安徽南部、江西北部和浙江地区LAI减小，反照率则有所增加，这时的地表植被类型主要变为了农林、农草混合地。而河南、山东、安徽北部和江苏等地的LAI进一步减小，反照率进一步增大，这对应着北方大面积的农田。对比三个试验之间的LAI和反照率，可以发现，由于植被类型和城市面积的变化，EXPT_L 和 EXPT_M 试验的 LAI 在安徽南部、江西北部和浙江等地增加，福建地区减小，而EXPT_M试验的LAI变化要小于EXPT_L试验。反照率变化则略有不同，EXPT_L试验中除福建地区和江西北部零星地区的反照率有增加外，其余地区均减小。EXPT_M试验中安徽南部、江西北部和浙江等地的反照率均有略微增加。此外，城市面积增加会使EXPT_L和EXPT_M试验的LAI和反照率都有所减小。3.2模拟结果验证利用GLDAS资料，对比分析了不同土地利用产品在模式中对土壤温度、湿度的模拟结果。图4是不同深度的土壤温度 图4（a），（c）和土壤湿度图4（b），（d）的时间变化。从图4中能够看到，与GLDAS的土壤温度和湿度相比，三套数据均较好地模拟出了2018年夏季华东地区土壤温度和湿度的时间变化。从统计结果看，EXPT_U、EXPT_L和EXPT_M试验与GLDAS的土壤温度相关性均在0.9左右，而土壤湿度则在 EXPT_U和 EXPT_L的试验中相关性达到了 0.8，EXPT_M 试验仅有 0.6（均通过显著性检验）。同时，从表3和表4中也能看到，综合R、RMSE、MB和IA等统计量，EXPT_L试验模拟结果要略好于其他两个试验。与2 m气温和相对湿度的站点观测对比，从图5能够看出，三个试验基本都较好地模拟出了时间变化特征。从表 5和表 6的统计量则能看出，EXPT_U和 EXPT_L试验的相关系数较接近，相关性较好，EXPT_M试验的相关性最低。对比三个不同LUCC 产品在模式中的表现，EXPT_L 试验的 R、RMSE、MB和 IA均好于另外两个试验。综合分析EXPT_L试验的2 m气温和相对湿度的模拟结果要优于EXPT_U和EXPT_M试验。3.3LUCC产品变化对陆气相互作用的影响3.3.1LUCC产品变化对土壤温度和土壤湿度的影响分析土壤温度和土壤湿度的空间分布图（图6、图7）能够发现，土壤温度随深度增加而减小，并且受地形、海陆分布以及植被变化的影响较大。由于北方农田分布较广，而南方森林植被分布较广，不同的植被特征对土壤湿度的影响使得北方的土壤温度要高于南方，尤其以浙江和福建地区的土壤温度为最低。土壤湿度随深度增加的变化则不明显，但是其空间分布特征与土壤温度相反，北方较低而南方较高，在自然植被面积较大的浙江和福建地区最大。对比 EXPT_L 和 EXPT_M 试验与 EXPT_U试验的空间分布差异，能够发现城市面积增加使得热岛效应加剧，局地土壤温度升高。而城市地表的不透水性阻碍了土壤湿度的蒸发，导致局地土壤湿度增加，这与武利阳等（2018）的研究结果相似。中部地区的农田在改变为森林后导致LAI增加和反照率减小升高了土壤温度而减小了土壤湿度，EX表2 不同土地利用类型占比Table 2 Percentage of different land use types类型城市旱作农田灌溉农田农林/农草混合地草地灌木地森林水体湿地裸地或稀疏植被土地利用类型占比/%USGS0.13.42914.87.22.29.33400Landsat2.218.111.6010.43.320.633.20.60MODIS2.40291.661.526.33300.2691高原气象42 卷PT_L试验中这一改变较为显著。草地改变为森林则减小了局地的土壤温度，升高了土壤湿度，这一变化在EXPT_M试验中较为显著。3.3.2LUCC产品变化对能量通量的影响LUCC变化导致LAI和反照率变化从而影响了土壤湿度和温度的时空分布，同时还影响了对应的地表入射长波辐射的吸收和反射以及地表蒸发和植被蒸腾等过程，进而影响局地的能量分布。图8是感热通量和潜热通量的空间分布。从图8中能够看出，EXPT_U试验中由于北方地区较高的土壤温度和较低的土壤湿度，导致该区域的感热通量较大，潜热通量较小。越往南，植被越茂密，反照率越小、LAI越大，土壤温度逐渐减小而土壤湿度逐渐增加，感热通量因此而减小，潜热通量增大。EXPT_U试验的感热通量区域平均值为38.3 Wm-2，潜热通量为78 Wm-2。相比于EXPT_U试验，在EXPT_L试验中由于城市扩张，农田以及自然植被改变等原因，使得感热通量和潜热通量空间分布产生了差异。从差值图图能够看出，EXPT_L 试验对比 EXPT_U 试验，图3EXPT_U试验中华东地区平均叶面积指数（a）和平均反照率（d），EXPT_L-EXPT_U和EXPT_M-EXPT_U的平均叶面积指数差值（b，c）和平均反照率差值（e，f）分布Fig.3Averaged leaf area index（a）and averaged albedo（d）for EXPT_U in East China，averaged leaf area index difference（b，c）and averaged albedo difference（e，f）for EXPT_L-EXPT_U and EXPT_M-EXPT_U692昝雨露等：基于不同土地利用产品的华东地区夏季陆气相互作用模拟研究3 期图中有呈点状分布的偏高感热通量和偏低的潜热通量分布，这与EXPT_L试验的LUCC中的城市面积分布基本一致，说明这是由于城市面积变化造成的热岛效应导致感热通量升高、潜热通量降低。相比于图4华东地区GLDAS、EXPT_U、EXPT_L和EXPT_M试验的不同深度平均土壤温度（a，c）及平均土壤湿度（b、d）的时间序列Fig.4Averaged soil temperature（a，c）and the averaged soil moisture（b，d）in different depths for GLDAS，EXPT_U，EXPT_L and EXPT_M in East China表3 EXPT_U、EXPT_L和EXPT_M试验不同土壤深度土壤温度统计结果Table 3 The statistic performance of soil temperature in EXPT_U、EXPT_L and EXPT_M in different depths土壤深度010 cm1040 cm模拟试验EXPT_UEXPT_LEXPT_MEXPT_UEXPT_LEXPT_MR0.90.920.890.920.930.91RMSE/2.242.042.351.991.822.15MB/0.150.320.660.110.280.68IA0.830.830.790.810.820.78表4 EXPT_U、EXPT_L和EXPT_M试验不同土壤深度土壤湿度统计结果Table 4 The statistic performance of soil moisture in EXPT_U、EXPT_L and EXPT_M in different depths土壤深度010 cm1040 cm模拟试验EXPT_UEXPT_LEXPT_MEXPT_UEXPT_LEXPT_MR0.810.860.670.830.860.62RMSE/（m3 m-3）10.989.9511.9710.199.211.3MB/（m3 m-3）-0.030.040.30.060.210.31IA0.760.780.740.820.80.74表5 EXPT_U、EXPT_L和EXPT_M试验2 m气温的统计结果Table 5 The statistic performance of 2 m temperature in EXPT_U、EXPT_L and EXPT_M模拟试验EXPT_UEXPT_LEXPT_MR0.640.680.52RMSE/2.11.982.38MB/-1-0.8-0.9IA0.740.760.69图5华东地区站点观测的平均2 m气温、EXPT_U、EXPT_L、EXPT_M试验的平均2 m气温（a）和平均相对湿度（b）的时间序列Fig.5Averaged 2 m temperature（a）and averaged relative humidity（b）for stations，EXPT_U，EXPT_L and EXPT_M in East China693高原气象42 卷EXPT_U试验，仅计算城市下垫面改变产生的影响，感热通量在2018年夏季平均增加了28.14 Wm-2，潜热通量减少 28.3 Wm-2。同时，山东、江西南部、福建等地由于自然植被变化导致反照率和LAI增加、土壤温度减小而土壤湿度增加，从而使得感热通量减小，潜热通量增加。安徽和江苏则由于灌溉农田变为旱作农田，局地湿度减小，导致该区域的感热通量增加，潜热通量减小。安徽南部、江西北部以及浙江等地则由于农林混合地面积减少，森林面积增加，导致该地区 LAI增加、反照率减小，土壤温度增加而土壤湿度减小，进一步导致感热通量增加而潜热通量减小。综合计算农田以及自然植被面积的变化，平均感热通量和潜热通量变化都不甚明显，仅分别增加了0.4 Wm-2，减小了2 Wm-2。EXPT_M试验和EXPT_L试验的变化相似，共表6 EXPT_U、EXPT_L和EXPT_M试验相对湿度的统计结果Table 6 The statistic performance of relative humidity in EXPT_U、EXPT_L and EXPT_M模拟试验EXPT_UEXPT_LEXPT_MR0.740.780.58RMSE/%12.1911.0614.26MB/%-1.10.881.92IA0.780.80.73图6EXPT_U试验不同深度的平均土壤温度分布（a，d），EXPT_L-EXPT_U（b，e）、EXPT_M-EXPT_U（c，f）的不同深度平均土壤温度差值（单位：）Fig.6Averaged soil temperature（a，d）in different depths for EXPT_U in East China，averaged soil temperature difference in different depths for EXPT_L-EXPT_U（b，e）and EXPT_M-EXPT_U（c，f）.Unit：694昝雨露等：基于不同土地利用产品的华东地区夏季陆气相互作用模拟研究3 期同原因都是城市、农田和森林面积变化导致的感热通量和潜热通量的变化。相比于 EXPT_U 试验，EXPT_M 试验中城市区域的平均感热通量增加了68.3 Wm-2，潜热通量减小了81 Wm-2。单一城市区域由于更加聚集，更大的城市面积进一步加剧了城市区域的感热通量，减小了潜热通量。农田和植被的共同变化则造成了平均感热通量增加 56.1 Wm-2，潜热通量增加了98 Wm-2。对比LUCC产品变化造成的感热通量和潜热通量的变化能够看出，LUCC产品的变化对潜热通量的影响更大。这说明农田、自然植被的变化会通过改变植被蒸腾、冠层截留等过程对蒸散发产生显著影响。而对于城市区域，单个城市面积越大感热通量和潜热通量的变化越显著。3.3.3LUCC产品变化对2 m气温和相对湿度的影响上述分析表明，LUCC产品的变化能够显著改变土壤温度、湿度以及能量通量，因此也将影响近地表的2 m气温和相对湿度。从模式模拟的2 m气温空间分布 图9（a）可以看出，华东地区2 m气温图7EXPT_U试验不同深度的平均土壤湿度分布（a，d），EXPT_L-EXPT_U（b，e）、EXPT_M-EXPT_U（c，f）的不同深度平均土壤湿度差值（单位：m3m-3）Fig.7Averaged soil moisture（a，d）in different depths for EXPT_U in East China，averaged soil moisture difference in different depths for EXPT_L-EXPT_U（b，e）and EXPT_M-EXPT_U（c，f）.Unit：m3m-3695高原气象42 卷空间分布从北至南呈递减趋势，并且由海岸线向内陆递减。而相对湿度的空间分布 图9（d）则与2 m气温空间分布相反，纬度越低，越靠近海岸线的相对湿度更高。分别对比EXPT_L、EXPT_M和EXPT_U试验的平均2 m气温和相对湿度空间分布差值图，能够看出2 m气温、相对湿度的差值分布图与感热通量、潜热通量的差值分布图相似，只是没有感热通量和潜热通量的差值分布变化明显。2 m气温和相对湿度变化对城市面积变化最为敏感。由于城市面积增加，城市热岛效应加剧，城市区域温度升高，相对湿度减小，EXPT_L和EXPT_M试验中城市区域的平均气温相比于 EXPT_U 试验分别增加了1.6 和1.5，而相对湿度则分别减小了9.7%和9.1%。从图10（a）和图10（b）的城市平均 2 m 气温和相对湿度的时间分布也能够看出，EXPT_M 试验中城市区域 2 m 气温增加高于 EXPT_L 试 验，而 相 对 湿 度 增 加 则 低 于 EXPT_U试验。除了城市区域以外，EXPT_L试验中安徽、江苏、江西北部和浙江等地感热通量增加，使得该区域的2 m气温有所升高。相对湿度均为下降但产生的原因并不相同，如安徽和江苏地区是由于灌溉农田改变为旱作农田；江西和浙江地区则是由于草地和农林、农草混合地改变为森林。EXPT_M试验中图8EXPT_U试验中华东地区平均感热通量（a）和平均潜热通量（d），EXPT_L-EXPT_U和EXPT_M-EXPT_U的平均感热通量差值（b，c）和平均潜热通量（e，f）（单位：Wm-2）Fig.8Averaged sensible heat flux（a）and averaged latent heat flux（d）for EXPT_U in East China，averaged sensible heat flux difference（b，c）and averaged latent heat flux difference（e，f）for EXPT_L-EXPTU and EXPT_M-EXPT_U.Unit：Wm-2696昝雨露等：基于不同土地利用产品的华东地区夏季陆气相互作用模拟研究3 期山东北部、安徽、江苏、浙江和福建地区由于感热通量增加，潜热通量减小，使得这些区域2 m气温升高，相对湿度减小。而河南东部和江西由于感热通量减小，潜热通量增加导致2 m气温减小，相对湿度增加。综合计算农田和森林变化对2 m气温和相对湿度的影响，EXPT_L试验相比于EXPT_U试验增加了 0.19，EXPT_M 试验降低了 0.11，相对湿度则分别减小了 1.4%和 0.3%。因此，当LUCC产品改变时会影响局地2 m气温和相对湿度的时空变化。城市区域由于较高的感热通量和较低的潜热通量，导致 2 m 气温增加而相对湿度减小。当农田和自然植被变化时，感热通量和潜热通量的变化也使得2 m气温和相对湿度产生了相应变化。此外，城市区域的变化对2 m气温和相对湿度的影响要大于农田和自然植被的变化所造成的影响。4 结论 通过更新WRF模式的陆面资料，对华东地区近地面温度、湿度和土壤温度、湿度进行了模拟，对比分析了不同 LUCC资料对华东地区的气候效应，主要结论如下：图9EXPT_U试验华东地区平均2 m气温（a，单位：）和平均相对湿度（d，单位：%），EXPT_L、EXPT_M试验分别和EXPT_U试验平均2 m气温差值（b，c，单位：）和平均相对湿度差值（e，f，单位：%）Fig.9Averaged 2 m temperature（a，unit：）and averaged relative humidity（d，unit：%）for EXPT_U in East China，averaged 2 m temperature difference（b，c，unit：）and averaged relative humidity difference（e，f，unit：%）for EXPT_L-EXPT_U and EXPT_M-EXPT_U697高原气象42 卷（1）不同LUCC产品展示了不同面积的地表类型分布。其中以城市、农田、草地和森林等自然植被面积改变为主。城市面积占比在USGS中最小，仅占0.1%，在Landsat、MODIS中分别占比2.2%、2.4%，且 MODIS 的城市分布更加集中。农田在USGS中分布较广，多为灌溉农田，总占比47.2%，Landsat 和 MODIS 中农田面积较小，分别占比29.7%和30.6%。而以草地和森林为主的自然植被在 USGS 中则分布最少，仅有 18.7%，Landsat 和MODIS中自然植被面积则较大，分别占比 34.9%和34%。（2）对比 GLDAS 和站点观测资料，EXPT_U和EXPT_L试验的模拟结果较为接近，EXPT_M试验的模拟结果最差。通过对土壤湿度、土壤温度、2 m气温和相对湿度的R、RMSE、MB和IA等统计量结果的分析，EXPT_L 试验的模拟结果更加准确。这说明更准确、细致地LUCC产品能够有效提高模式对华东地区的模拟性能。（3）对比不同 LUCC 产品在模式中的模拟结果，城市面积改变对土壤温、湿度和近地面能量通量、2 m气温和相对湿度的影响较大。相较于EXPT_U试验，由于 LAI和反照率的改变，当城市面积增加时，EXPT_L和EXPT_M试验中城市区域土壤温度和土壤湿度增加，平均感热通量增加了28.14 Wm-2、68.3 Wm-2，平均潜热通量减小了28.3 Wm-2、81 Wm-2，2 m平均气温增加了1.6、1.5，平均相对湿度减小了 9.7%、9.1%。而当LUCC产品中草地改变为森林时，土壤温度降低、土壤湿度增加。相比于EXPT_U试验，自然植被面积变化使得EXPT_L试验平均感热通量增加了0.4 Wm-2，平均潜热通量减小了2 Wm-2，平均2 m气温增加了 0.19，平均相对湿度则减小了 1.4%。EXPT_M试验的平均感热、潜热通量则分别增加了56.1 Wm-2、98 Wm-2，平均2 m气温减小了0.11，平均相对湿度减小了0.3%。利用