字数：4817
阅读时间：30分钟
论文信息
标题：Urbanization exacerbates continental- to regional-scale warming
时间：2024.6
作者：TC Chakraborty, Yun Qian
导读：各个国家和大洲的城市地区都出现了大规模的增长。城市变暖信号已变得足够强烈，可以在更大范围内探测到，但目前的研究主要集中于探究区域尺度的城市变暖（城市热岛），而非全球性的变化，因此有必要把城市化纳入到全球变暖的研究框架中来。不过必须指出，全球变暖的主要原因仍然不是城市化。但考虑到未来城市化的预期，解决这些影响很重要
研究摘要：
背景：在估计过去大规模气候变化和未来气候预测时，城市化通常被忽略，因为城市历史上仅覆盖地球表面的一小部分。
结论：通过将全球地表温度观测与城市地区的历史估计相结合，我们证明城市对大陆到区域范围变暖的贡献已不可忽视，特别是对于快速城市化的亚洲地区和国家。因此，预计下个世纪的城市扩张表明城市对未来大范围地表气候的影响将进一步增加（在 2100 年的高排放情景下，北美和欧洲的影响约为 0.16 K）。基于这些结果以及气温，我们认为，与其他形式的土地利用/土地覆盖变化一致，城市化应明确纳入气候变化评估。这需要将动态城市范围和生物物理学纳入当前的地球系统模型中，以量化城市对跨尺度气候系统的潜在反馈。
1. 研究背景
土地利用/土地覆盖（LULC）的变化通过生物物理和生物地球化学途径调节地球气候。这些影响虽然高度不确定，但足够大，可以在未来的气候预测中明确考虑。然而城市地区在大尺度上对气候的影响的研究中被省略或粗略地表示，因为它们传统上覆盖了地球表面的一小部分。
然而，在局部尺度上，城市化的物理过程——用建筑结构取代自然土地覆盖——可以通过生物物理途径显著改变地表气候。这些途径包括地表反射率或反照率的变化、蒸散量的减少、动量和其他能量通量的变化等。以前的观测研究也试图计算城市化是否对大尺度气候学和气候学趋势有任何可测量的影响，结果好坏参半。
关于城市对大尺度温度趋势的可能影响的大部分研究都是利用气象站对2米气温（AT）的测量进行的或由其补充的。由于气象站通常远离城市核心以避免可能的污染，这些原位测量不适合估计城市化及其空间异质性对大尺度气候的影响。此外，AT测量存在重大抽样偏差，在许多快速城市化的国家缺乏观测数据，并且长期存在其他不均匀性。
虽然区域气候模型可用于检测城市发展和扩张对更广泛气候的影响，这些城市模型具有很大的不确定性，并且在全球范围内运行成本高昂。
二十多年来对发射的红外辐射进行的空间完整卫星观测的可用性提供了一个机会，可以解决其中一些同质性问题，并使用LST来检测陆地气候上的城市信号。遥感文献中的城市气候研究经常使用LST，但重点是UHI效应，当使用LST量化时，也称为地表UHI。因此，大多数基于LST的城市气候研究，无论是在单个城市还是多个城市，都侧重于城市化对变暖的局部影响。
使用这些相同的卫星观测来问一个关于城市化在我们星球上的作用的不同但基本的问题：城市及其变化，包括横向增长，对大尺度气候有可察觉的影响吗？我们证明，近几十年来，城市对大陆到区域规模的LST的影响是不可忽略的，部分原因是城市的快速扩张，如对历史城市土地覆盖的多个估计所示，特别是在亚洲。此外，不同SSP的预期未来城市化表明，这种城市对更大尺度地表气候信号的贡献进一步增加。
2. 方法
2.1. 不同时期的城市面积
对于历史趋势，我们使用欧空局CCI土地覆盖数据，该数据从1992年到2020年每年以约300米的分辨率提供。为了估计工业化前的城市面积，我们处理了1850年全球环境历史数据库（HYDE版本3.2）最近的人为估计中的城市像素。对于城市土地的未来预测，我们使用最近开发的所有五个SSP的约1公里未来城市化数据集。
2.2. 大陆尺度的城市温度信号
从每天大约13,000次全球MODIS观测中生成LST的年度合成数据。城市温度信号（DLSTu）计算为所有陆地像素的空间平均（按国家、大陆、地区或所有陆地表面）LST（LSTall）和除城市陆地像素以外的所有陆地像素的平均LST（LSTall-u）之间的差。
总体LST趋势是由几个竞争因素造成的，包括生物物理表面特性的变化、年代际到数十年的变化、云量、气溶胶和其他大气成分驱动的太阳变亮和变暗的长期趋势等。但在本研究中，我们不关注这些总体趋势的贡献者，而是通过上述方程消除这些其他因素的影响，以分离出整体城市信号。我们也不关注局部规模的城市气候信号，例如 UHI。
2.3. 大陆城市信号的其他因素
除了 LST 之外，我们还估计已知受城市化调节的其他地表和大气变量的城市信号。这包括地表植被和空气动力学粗糙度、太阳辐射的表面反射率和空气污染的替代指标。这些趋势解释了由于与城市化不直接相关的区域因素（包括空气污染清洁工作和大规模砍伐/造林）导致的变量绝对变化。
增强型植被指数 (EVI) 是地表活植被的替代指标，用于估算大陆尺度植被上的城市信号。
空气动力学粗糙度 ( r a ) 通常难以在异质地形上测量，尤其是城市。在这里，我们将其近似为全球 ALOS World 3D - 30m (AW3D30) 数字表面模型的标准偏差。
地表总反射率或反照率 (α) 可分为黑天空反照率 (BSA)，即直射光束辐射的反射率，以及白天空反照率 (WSA)，即漫射辐射的反射率。WSA 和 BSA 的年度 (2003-2019) 合成图由 MODIS 每日反照率产品生成，最后，将这两个合成图像与逐像素估计的年度太阳光散射分数（kd ）相结合，得到总 α：
用具有较高质量控制标志的像素，从 Terra 和 Aqua 的测量中获得大约 1 公里的每日 MODIS 产品，生成气溶胶光学深度 (AOD) 的年度复合材料，这是衡量大气柱中气溶胶整体辐射特性的量度。
2.4.趋势和敏感性分析
为了计算长期趋势，需要使用普通最小二乘法 (OLS) 将全国总体平均值（LST all，以及 EVI all、r a,all、α all和 AOD all）以及城市信号（ΔLST u、ΔEVI u、Δ r a, u、Δα u和 ΔAOD u）与年份进行回归。将城市信号除以总体趋势（假设为 ΔLST u /LST all）可以初步估计城市在所选时间段内对趋势的贡献。
还计算了这些城市信号对从 ESA CCI 数据计算出的城市百分比的敏感度，从而消除了对时间的明确依赖。也可以针对特定季节估算出类似的敏感度。
是基于2003 年至 2019 年之间两个变量的标准差 (std )简化的长轴回归的斜率， fb,2100,SSP5是基于调整后的未来城市化预测的城市分数，fb,1850是来自 HYDE 数据集的 1850 年的城市分数。
2.5.与传统方法的区别
在卫星遥感文献中，城市对变暖的影响几乎总是在当地尺度上量化，通常通过从邻近地区的 LST 中减去平均城市 LST。
我们想估计城市对温度的影响是否可以在更大的范围内（从区域到大陆）检测到，而不管这些地区的城市分布如何。这对于了解城市化是否能对大规模气候信号产生可察觉的影响都很重要
为了说明，我们将我们的方法与传统的基于缓冲区的方法进行了比较。我们首先对 2019 年 ESA CCI 数据集估计值中的连续城市像素组进行矢量化，在全球范围内生成 846,742 个城市群。然后，将地表 UHI 计算为城市群的平均 LST 与郊区内的非城市和非水像素的平均 LST 之间的差值。正如人们所预料的那样，所有大陆的局部城市 LST 信号或表面 UHI 显示的值都比大陆/全球尺度的城市 LST 信号高得多
2.6. 因素对城市气温信号的贡献
虽然这不是本研究的主要重点，但我们还会研究国家级城市 LST 信号与主要地表和大气因素的相应信号之间的关联，以进行合理性检查。为此，我们首先计算 2003 年至 2019 年之间城市信号的所有趋势，并将每个国家的趋势视为样本。为了捕捉线性和非线性相互作用，我们使用随机森林回归，RF 模型将 ΔLST u (ΔLST u,t )的趋势表示为 ΔEVI u、Δ r a, u、Δα u和 ΔAOD u的相应趋势的通用函数。
3. 结果
3.1. 历史城市扩张
根据欧洲空间局气候变化倡议 (ESA CCI) 土地覆盖数据，1992 年至 2019 年间，全球城市面积增加了约 226%（从 0.256% 增加到 0.577%）（每十年增加全球陆地面积的 0.13%）在城市面积最多的 20 个国家中，中国和美国的十年间城市面积增长最快，而日本、德国和乌克兰的城市面积占全国陆地面积的百分比增长最快。
图1：（A）展示了 1992 年至 2019 年间各国城市面积增长百分比的全球地图。（B 和 C）分别显示了大陆尺度和 20 个城市化程度最高的国家（2019 年）城市面积百分比的十年变化率。（D）显示了 1992 年和 2019 年部分选定城市的城市范围（红色像素）。水像素为黑色。（E）与（C）类似，但表示每十年城市面积的增长。(B)、(C) 和 (E) 中的误差线表示线性最小二乘回归斜率的标准误差。所有变化都具有统计学意义 。
3.2. 最容易受到热应激影响的人群
为了分离出城市温度或变暖信号，我们首先计算两种情景下大陆到区域尺度的年 LST 值，一种情景包括年度城市像素，一种情景不包括。这两种情景之间的差异趋势（ΔLST u）给出了城市对总体趋势的贡献。
图2：本研究概述了用于估计从区域到大陆尺度的城市变暖信号的方法，以中国上海大都市地区为例。每年的城市 LST 信号由所有陆地像素和除城市以外的所有陆地像素的区域平均 LST 之差给出。基于所有年度信号的趋势分析提供了城市对大规模变暖贡献的总体估计。
图9 夜间商业区主导因素对LST的SHAP主效应
3.3. 不同尺度上城市温度趋势信号
根据 Aqua 卫星观测，全球陆地白天（图A）和夜间（图D）LST 出现了十年来统计上显着的增长。除亚洲和欧洲外，大陆尺度的白天LST趋势普遍不显著（p≥0.05）。
与整体白天 LST 相对较弱的大陆尺度趋势不同，城市 LST 信号在几乎所有情况下都具有统计意义，其中北美白天趋势最强（图B）和亚洲夜间趋势最强（图E）
将城市信号除以总体趋势可得出城市对趋势的部分贡献。全球城市部分贡献很小，但对于白天（0.013 或 1.3%）和夜间（0.011 或 1.1%）都不可忽略。
图3：（A）基于 2003 年至 2019 年卫星观测，包括城市像素的大陆尺度和全球白天（当地时间下午 1:30 左右）LST 的十年变化率。（B）仅隔离来自城市像素的贡献（包含城市像素的情景和不包含城市像素的情景之间的 LST 差异趋势）。(D 和 E) 与 (A) 和 (B) 类似，但用于夜间（当地时间大约凌晨 1:30）。（C 和 F）城市信号趋势占 LST 整体大陆尺度趋势的比例。误差线表示线性最小二乘回归斜率的标准误差，每条线下方的 ∗ 数量表示相关性的统计显著性水平（∗∗∗p < 0.0001；∗∗p < 0.001；∗p < 0.01；ns, p ≥ 0.05）。
3.4.欧洲城市地区的环境不公正
城市 LST 信号可以表示为不同尺度下城市百分比的强函数。线性关系的灵敏度通常为正，即随着更多土地城市化，城市 LST 信号会增加，但也有例外，例如非洲在白天表现出负灵敏度（每城市 % -0.016 ± 0.001 K），这反映了气候干燥时地表 UHI 量级较小（有时为负）。
由于这些敏感性是所考虑的时间段和土地覆盖数据集的间接函数，我们测试了这两个因素的各种组合，发现结果总体上是一致的（图C和 D）。
图4：（A）每年白天LST 的城市信号与大陆和全球范围内相应的城市百分比之间的关联。(B) 与 (A) 类似，但针对的是夜间。所有情况下都标注了最佳拟合线，包括斜率的标准误差和判定系数。(C 和 D) 来自不同数据源和时间段的敏感度，包括 MODIS Aqua（AQUA_ESA）和 Terra（TERRA_ESA）估计值、使用 MODIS 和全球人工不透水区（GAIA）土地覆盖数据集（分别为 AQUA_MODIS 和 AQUA_GAIA）的 Aqua 估计值，以及来自两个不同时期的 Landsat（Landsat_ESA 为 2003-2019 年，Landsat_ESA_1992 为 1992-2019 年）。
尽管 LST 观测仅限于卫星时代，但这些高灵敏度可以为我们提供前工业化时期和未来预测中全球陆地温度信号的潜在贡献。例如对于北美，这种贡献在 1880 年几乎为零（0.008% 城市），而对于 2100 年的 SSP5（1.9% 城市），可以上升到 0.17 K（白天；夜间 0.12 K）。在全球范围内，对于 SSP5（白天和夜间），贡献可能上升到 0.05 K 左右。
图5：基于 1 公里全球投影的各大洲和世界不同 SSP 的城市百分比。在每种情况下，水平黑色和蓝色虚线分别代表 1880 年和 2019 年估计的城市百分比。根据 SSP 场景着色的方块和菱形（右侧 y 轴上的刻度标签）代表 2100 年白天和夜间城市 LST 信号总量。
4. 结论
·我们利用来自同一传感器的全球空间连续 LST 观测结果，结合动态土地覆盖数据分离该信号。通过本质上对陆地上几乎所有像素进行人口级采样，该方法消除了由于气象站位置不规则和城市气象站定义不同而导致的偏差。
·地球系统模型是我们在过程层面理解自然世界的最佳工具，但目前它还不足以分离城市对气候变化的影响，因为全球范围内纳入城市土地覆盖的少数模型都是以过于简单的方式进行分离的。而本研究能够分离城市变化和扩张对区域气候的重要影响。
·由于地球系统的其他人类活动变化，无论城市化与否，全球变暖都是不可避免的。城市化略微加剧了这种变暖。
·预计未来全球大多数人口将居住在城市，我们的研究结果支持了明确将城市化（或最好是“城市演变”）作为另一个 LULCC 来捕捉人类世关键组成部分的重要性。
原文链接：https://www.cell.com/one-earth/fulltext/S2590-3322(24)00248-3
Chakraborty, T. C., and Yun Qian. "Urbanization exacerbates continental-to regional-scale warming." One Earth (2024).
本文编辑 | 胡瑾瑜 复旦大学环境科学与工程系
关于我们
本公众号由复旦城市生态与暴露生态学研究组(Urban Ecology and Exposure Ecology Lab, UEEE)运营维护，发布相关研究成果，更传播城市生态与暴露生态学最新研究与实践。欢迎专家学者将研究成果在此发布（发送邮件:zhaowu_yu@fudan.edu.cn），让更多人了解您的研究及工作。
