東北地區(qū)耕地擴張對地表增溫/降溫的生物物理機理分析*

狄文麗，沈潤平，黃安奇，韓慧敏

東北地區(qū)耕地擴張對地表增溫/降溫的生物物理機理分析*

狄文麗，沈潤平**，黃安奇，韓慧敏

（南京信息工程大學(xué)地理科學(xué)學(xué)院，南京 210044）

土地利用/覆蓋變化對氣候具有重要影響，為探討耕地擴張的氣候效應(yīng)，基于土地利用數(shù)據(jù)及MODIS遙感資料，采用窗口搜索法，利用能量平衡的原理，研究2000?2018年東北地區(qū)耕地擴張的潛熱和凈短波輻射通量變化，分析耕地擴張對地表溫度的影響。結(jié)果表明：（1）研究期內(nèi)東北地區(qū)耕地面積增加1.6×104km2，主要來自林地和草地，分別占耕地擴增面積的16.33%和76.24%。（2）與林地相比，耕地白天對地表具有增溫作用，夜間具有降溫作用，全天具有增溫作用，并具有明顯的季節(jié)特征。夏秋季節(jié)耕地的蒸散發(fā)弱于林地，潛熱通量比林地少，導(dǎo)致耕地對地表具有增溫作用，冬季耕地的凈短波輻射遠少于林地，導(dǎo)致耕地對地表降溫。（3）與草地相比，耕地夜間總體的降溫效應(yīng)稍強于白天的增溫效應(yīng)，使耕地全天對地表具有降溫效應(yīng)，并具有不同的季節(jié)特征。夏秋季節(jié)耕地的蒸散發(fā)強于草地，耕地的潛熱通量比草地多，成為耕地對地表降溫的主要原因，而在春冬季節(jié)，耕地與草地吸收的凈短波輻射差異較小，同時潛熱差異也較小，因此對地表的增溫/降溫效應(yīng)不明顯。

東北地區(qū)；耕地擴張；生物物理；能量變化

土地利用/覆蓋變化（LUCC）反映了人類活動對地球表面的影響[1]，并已成為全球氣候變化的一個主要因素，對調(diào)節(jié)局地、區(qū)域和全球氣候系統(tǒng)方面發(fā)揮著重要作用[2?3]，大量研究表明，土地利用/覆蓋變化主要通過生物物理和生物化學(xué)過程影響氣候[4]。其中生物化學(xué)過程是指土地利用/覆蓋變化通過向大氣排放或吸收CO2等溫室氣體[5]，改變大氣中溫室氣體和氣溶膠的濃度，影響長（短）波輻射，導(dǎo)致氣候變化。生物物理過程是指土地利用/覆蓋變化通過改變地表反照率、地表粗糙度以及蒸散發(fā)等地表生物物理特征，影響地表能量收支平衡，從而改變陸?氣間能量和水分交換，影響氣候變化[6?7]。與碳循環(huán)相關(guān)的生物化學(xué)過程已經(jīng)得到廣泛關(guān)注和深入研究，但其程度仍需要精確量化，相比之下，生物物理效應(yīng)存在不確定性，且具有高度的時空分異特征，需要進一步關(guān)注研究。薛穎等[8]研究表明，在局地和區(qū)域尺度上，土地利用變化的生物物理氣候效應(yīng)超過了生物化學(xué)氣候效應(yīng)，生物物理過程占主導(dǎo)地位。因此，深入研究LUCC對局地及區(qū)域氣候影響的生物物理過程，對于制定合理的氣候變化適應(yīng)和減緩政策具有重要參考價值。

考慮到土地利用/覆蓋變化的空間異質(zhì)性，站點觀測和氣候模式成為研究土地利用/覆蓋變化（LUCC）生物物理氣候效應(yīng)的主要方法，但都存在一定的局限性[9]。站點觀測通常需要設(shè)置多個觀測點，協(xié)同觀測LUCC的氣候效應(yīng)，但受制于氣象站的建設(shè)條件和成本要求，很難進行大范圍的土地覆蓋/利用變化的氣候效應(yīng)研究[10]。氣候模式雖然已經(jīng)被證明可以利用驅(qū)動數(shù)據(jù)捕捉氣候特征[11]，然而由于其空間分辨率較粗，且物理過程、參數(shù)化過程等的不確定性，不能可靠地再現(xiàn)局地更高分辨率的氣候效應(yīng)[12?13]。與氣候模型一樣，衛(wèi)星觀測也是研究土地利用/覆蓋變化對氣候影響的有效工具，它不僅可以提供高時空分辨率的數(shù)據(jù)，還可以克服尺度和空間區(qū)域性，從而更好地理解土地利用/覆蓋變化如何影響區(qū)域氣候及其背后的生物物理機制。

在歷史時期，中國東北地區(qū)經(jīng)歷了較為劇烈的土地利用/覆蓋變化過程，對當?shù)氐膮^(qū)域環(huán)境和氣候造成了一定的影響[14]。過去，學(xué)者們利用氣候模式就東北地區(qū)耕地擴張對氣候的影響進行了研究，Gao[15]使用RegCM2模型發(fā)現(xiàn)，在中國東北地區(qū)南部，林地轉(zhuǎn)化為耕地導(dǎo)致年地表溫度增加，Yu等[16?17]利用多模式集成方法發(fā)現(xiàn)，中國東北地區(qū)林地轉(zhuǎn)化為耕地導(dǎo)致氣溫下降?；诓煌臍夂蚰Ｊ窖芯匡@示了不一致的結(jié)果，表明在中國東北地區(qū)土地利用/覆蓋變化的生物物理氣候效應(yīng)存在不確定性，因此，需要對該區(qū)域典型的土地利用/覆蓋變化的氣候效應(yīng)進行深入研究，并探討其影響氣候變化的生物物理機理，提高對耕地擴張影響區(qū)域氣候變化的認識。

本研究基于遙感方法，利用中國科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心的中國土地利用現(xiàn)狀遙感監(jiān)測數(shù)據(jù)集，提取2003?2018年內(nèi)未發(fā)生變化的耕地、林地和草地，并結(jié)合MODIS地表溫度、反照率、蒸散發(fā)、短波輻射等數(shù)據(jù)，采用窗口搜索法分析耕地與林地（草地）的地表溫度差和能量差，從地表能量平衡的角度探討耕地擴張對地表溫度的影響機理，以期為未來合理規(guī)劃土地利用和應(yīng)對氣候變化提供科學(xué)依據(jù)。

1 資料與方法

1.1 研究區(qū)概況

東北地區(qū)位于中國大陸東北部，橫跨115?135°E，38?56°N，其行政區(qū)劃包括遼寧省、吉林省、黑龍江省全部地區(qū)以及內(nèi)蒙古自治區(qū)東部的呼倫貝爾市、興安盟、通遼市和赤峰市（圖1）。研究區(qū)占地約145萬km2，東、北、西三面為低山、中山所環(huán)繞，中部為平原，海拔高度在800?1200m。該地區(qū)土地利用/覆蓋類型以林地和耕地為主，是典型的農(nóng)林交錯帶，同時經(jīng)歷了一定強度的土地利用/覆蓋變化，其中耕地與自然植被的相互轉(zhuǎn)換較為劇烈[18]。

圖1 東北地區(qū)2000、2005、2010、2015和2018年未變化的土地利用類型分布

1.2 數(shù)據(jù)來源及其處理

1.2.1 土地利用數(shù)據(jù)

研究采用的數(shù)據(jù)集詳見表1。其中土地利用數(shù)據(jù)來源于中國科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心（http://www.resdc.cn）的中國土地利用現(xiàn)狀遙感監(jiān)測數(shù)據(jù)集，空間分辨率為1km，包括耕地、林地、草地、水域、建設(shè)用地（城鄉(xiāng)、工況和居民用地）和未利用地共6個一級類型，其中一級類型綜合評級精度達到94.3%以上，滿足1:10萬比例尺用戶制圖精度[19]。

使用2000、2005、2010、2015和2018年五期中國土地利用遙感監(jiān)測數(shù)據(jù)，提取研究期間未發(fā)生變化的耕地、林地和草地，如果一個像素在這5期數(shù)據(jù)（19a內(nèi)）都屬于一個類，那么它就被保留并被分配到特定的類，并進行下一步研究，否則不予保留，這一選擇標準可以最大限度地減少19a間土地覆蓋變化和分類誤差的影響，最終得到一張土地利用覆蓋圖（圖1）。其余數(shù)據(jù)為2003?2018年的平均值，即2000?2018年未發(fā)生變化的土地利用類型在2003?2018年同樣未發(fā)生變化。

1.2.2 地表溫度（LST）數(shù)據(jù)

2003?2018年地表溫度數(shù)據(jù)是Aqua衛(wèi)星MODIS地表溫度（LST）產(chǎn)品（MYD11A2），時間分辨率為8d，空間分辨率為1km。Aqua的過境時間分別為當?shù)貢r間13：30和1：30左右，分別接近日最高溫度和最低溫度的時間。Wan等[20]研究指出，該地表溫度數(shù)據(jù)的誤差小于1K，可以滿足研究使用，采用平均值合成法將8d地表溫度數(shù)據(jù)合成月數(shù)據(jù)，并計算16a的月平均地表溫度和年均地表溫度。

1.2.3 用于能量平衡計算的相關(guān)數(shù)據(jù)

2003?2018年地表反照率數(shù)據(jù)使用Terra和Aqua提供的MODIS產(chǎn)品MCD43A3，該產(chǎn)品空間分辨率為500m，時間分辨率為16d，提供了白天空反照率和黑天空反照率[21]，由于黑天空反照率與白天空反照率的平均值差異很小，且高度相關(guān)，實際晴空反照率（藍天空反照率）計算往往取其平均值[13]，研究采用平均值合成法，計算得到16a的月平均地表反照率。

2003?2018年的潛熱通量數(shù)據(jù)來源于MODIS提供的蒸散發(fā)產(chǎn)品MOD16A2，該產(chǎn)品包括蒸散發(fā)（ET）、潛熱通量（LE）、潛在蒸散發(fā)（PET）和潛在潛熱通量（PLE），空間分辨率為1km，時間分辨率為8d，該產(chǎn)品結(jié)合了植被覆蓋率、反照率等遙感數(shù)據(jù)，以及氣壓、氣溫、相對濕度等實測氣象信息，計算得到植被與土壤的凈輻射量，再以Penman-Monteith公式為基礎(chǔ)計算得到ET[22]，目前該數(shù)據(jù)在各個領(lǐng)域中也得到廣泛應(yīng)用[23]，本研究通過平均值合成法，計算得到16a的月平均潛熱通量。

表1 研究采用的數(shù)據(jù)列表

2003?2018年向下短波輻射數(shù)據(jù)來源于云和地球的輻射能量系統(tǒng)（CERES）能量平衡和填充（EBAF）表面產(chǎn)品提供月平均地面向下短波輻射通量（https://ceres.larc.nasa.gov）。表面輻射通量基于地球觀測系統(tǒng)中 Terra 和 Aqua衛(wèi)星上的窄帶成像儀的云屬性，以及地球靜止衛(wèi)星和戈達德地球觀測系統(tǒng)（GEOS）版本4和5模型的氣象同化數(shù)據(jù)計算得到，以更全面地模擬云的晝夜循環(huán)，使用CERES 系統(tǒng)在晴空條件下2003?2018年1?12月向下短波輻射數(shù)據(jù)計算16a的月平均短波輻射，空間分辨率為1°，時間分辨率為 1個月。

MODIS遙感數(shù)據(jù)均來自于美國國家航空航天局網(wǎng)站（https://ladsweb.modaps.eosdis.nasa.gov），為統(tǒng)一空間分辨率，以上數(shù)據(jù)均采用雙線性內(nèi)插法，重采樣為1km進行分析，除土地利用數(shù)據(jù)外，其他數(shù)據(jù)均為2003?2018年16a的月平均值。

1.3 研究方法

1.3.1 窗口搜索法

窗口搜索法基于“時空置換”方法的思路發(fā)展而來，“時空置換”通常需要兩個或兩個以上的地面觀測站通過協(xié)同觀測來實現(xiàn)，要求除土地利用類型不同外，其他方面如背景天氣和氣候、觀測站周圍的環(huán)境等完全相同，這樣可以減少背景氣候等的影響，配對站的局地微氣象要素差異可以歸因于土地覆蓋變化的差異。隨著衛(wèi)星觀測技術(shù)的快速發(fā)展，“時空置換”方法可以被移植到衛(wèi)星數(shù)據(jù)中，即通過尋找水平距離短、海拔高度差異小、土地覆蓋存在差異的像素點，這些像素間具有相似的氣候、地形等非植被因素，因此，像素點的地表溫度差異很大程度上由土地覆蓋差異導(dǎo)致。大量研究表明，設(shè)置25km的窗口可以保證不同的土地利用類型具有相似的氣候背景，又能保證研究樣本數(shù)量足夠[24?25]。基于這種思想，在提取的未變化的土地利用類型的基礎(chǔ)上（圖1），設(shè)置一個25km×25km的窗口，在空間分辨率為1km×1km的土地利用類型圖上進行搜索（圖2），如果一個窗口內(nèi)耕地和林地（草地）的像元個數(shù)分別占窗口總像元個數(shù)的比值大于5%，就對這個窗口進行耕地與林地（草地）的地表溫度差和能量差的計算，否則，以25km為步長，進行下一個窗口搜索。由此在東北地區(qū)選取到包含耕地和林地的窗口總共521個，包含耕地和草地的有效窗口為223個。

圖2 窗口搜索法流程圖

1.3.2 不同土地利用類型間地表溫度差異

采用13：30衛(wèi)星過境的MODIS地表溫度產(chǎn)品代表白天最高地表溫度，計算耕地與林地（草地）白天最高地表溫度差，利用1：30衛(wèi)星過境的MODIS地表溫度產(chǎn)品代表夜間最低地表溫度，計算耕地與林地（草地）的夜間最低地表溫度差，全天平均地表溫度用白天最高地表溫度和夜間最低地表溫度的均值來計算，地表溫度日較差為白天最高地表溫度和夜間最低地表溫度的差值，以分析耕地與林地（草地）的地表溫度差異。

1.3.3 不同土地利用類型間地表能量差異

為探討耕地擴張對地表溫度的影響機制，從地表能量平衡的角度出發(fā)進行研究，地表能量平衡公式[26]為

地表吸收的凈短波輻射可以用地表反照率和下行短波輻射計算得到[17]，則耕地與林地或耕地與草地凈短波輻射差值（?SW）可以通過下式計算。

對式（2）進行求導(dǎo)，結(jié)合前文推導(dǎo)可以得出地表溫度與各能量之間的關(guān)系[17]，即

2 結(jié)果與分析

2.1 分析期東北地區(qū)耕地擴張狀況統(tǒng)計分析

東北地區(qū)2000-2018年土地利用類型面積變化如圖3所示。由圖可見，東北地區(qū)土地類型主要以林地、耕地和草地為主，其中林地占地面積最大，其次為耕地和草地。2000-2018年東北地區(qū)耕地面積增加，19a內(nèi)共增加1.65×104km2，林地和草地面積略有減少，林地面積減少0.06×104km2，草地面積減少0.58×104km2。

利用2000年和2018年的土地利用類型數(shù)據(jù)，通過計算可得出東北地區(qū)土地利用轉(zhuǎn)移矩陣。由表2可以看出，該地區(qū)共有42.45×104km2的土地發(fā)生轉(zhuǎn)移變化，耕地面積增加1.65×104km2。其中4.87×104km2的林地轉(zhuǎn)化為耕地，同時4.61×104km2的耕地轉(zhuǎn)化為林地，即林地轉(zhuǎn)化面積占耕地增加面積的16.3%。3.42×104km2的草地轉(zhuǎn)為耕地，同時耕地轉(zhuǎn)化為草地的面積為2.20×104km2，即草地轉(zhuǎn)化面積占耕地增加面積的76.24%?？傮w來看，東北地區(qū)耕地面積增加，林地和草地面積減少，耕地面積的增加主要由林地和草地轉(zhuǎn)化而來。

圖3 東北地區(qū)2000?2018年土地覆蓋/利用面積變化

2.2 東北地區(qū)耕地與林/草地地表溫度差異分析

2.2.1 耕地與林地地表溫差

（1）年尺度。圖4a為耕地與林地的年均白天最高地表溫差的空間分布。從搜索到的有效窗口分析，僅有0.01%的地區(qū)差值小于0，其余地區(qū)均大于0，其平

表2 2000?2018年中國東北地區(qū)土地利用轉(zhuǎn)移矩陣（104km2）

均值為1.77℃±1.02℃，說明耕地與林地相比白天對地表具有增溫效應(yīng)。從圖4b可以看出，耕地與林地的夜間最低地表溫差小于0，其平均值為?0.89℃±0.51℃，說明耕地夜間對地表具有降溫效應(yīng)。由圖4c可見，只有16%的地區(qū)耕地與林地的全天平均地表溫差小于0，且差值集中分布在?0.5～0℃，其余84%的地區(qū)為耕地的地表溫度大于林地，總體上，耕地與林地的全天地表溫差大于0，其平均值為0.44℃±0.54℃，耕地對地表具有增溫效應(yīng)。從圖4d耕地與林地的地表溫度日較差分布圖可以看出，在搜索到的有效窗口內(nèi)，耕地與林地的地表溫度日較差在空間分布上均大于0.5℃，說明耕地的地表溫度日變化范圍大于林地，這是因為耕地的最高地表溫度即白天溫度大于林地的最高地表溫度，耕地的最低地表溫度即夜間地表溫度小于林地的最低地表溫度，所以導(dǎo)致耕地地表溫度日變化范圍大于林地。分析可見，與林地相比，耕地白天對地表有增溫效應(yīng)，夜晚有降溫效應(yīng)，總體上，全天有增溫效應(yīng)。

圖4 有效搜索窗口（25km×25km像素）內(nèi)東北地區(qū)耕地與林地年地表溫差平均值的空間分布

注：25km×25km窗口內(nèi)耕地的地表溫度均值減去林地的地表溫度均值，即得到地表溫差賦值給25km×25km的窗口。（a）白天地表溫度指13：30衛(wèi)星過境的MODIS地表溫度產(chǎn)品，該數(shù)據(jù)代表日最高地表溫度，（b）夜間地表溫度指1：30衛(wèi)星過境的MODIS地表溫度產(chǎn)品，該數(shù)據(jù)代表日最低地表溫度，（c）日最高地表溫度和日最低地表溫度的均值為全天平均地表溫度，（d）日最高地表溫度和日最低地表溫度的差為地表溫度日較差。圖6同。

Note: The average land surface temperature of the cropland in the 25km×25km window minus the average land surface temperature of the forestland will get the land surface temperature difference assigned to the 25km×25km window. (a) The daytime surface temperature refers to the MODIS surface temperature product of the satellite transiting at 13：30 at day, and this data represents the highest daily surface temperature. (b) The night surface temperature refers to the MODIS surface temperature product of the satellite transiting at 1：30 at night. This data represents the lowest surface temperature of the day. (c) The average of the daily maximum surface temperature and the daily minimum surface temperature is the average surface temperature throughout the day. (d) The difference between the daily maximum surface temperature and the daily minimum surface temperature is the daily difference in surface temperature. The same as Fig.6.

（2）月/季尺度。從月變化分析可見，耕地與林地的地表溫差表現(xiàn)出不同的月份特征。耕地與林地的最高地表溫度差即白天溫差在全年大于0（圖5a），說明從月尺度看耕地白天對地表具有增溫效用，其中，1?3月增溫效應(yīng)逐漸增強，最大值在3月，為4.36℃±3.12℃，4?10月呈波動式逐漸減弱，11?12月略增強。耕地與林地的最低地表溫差即夜間溫差在全年小于0（圖5b），說明耕地夜間對地表有降溫效應(yīng)，其中，1?7月降溫效應(yīng)逐漸減弱，8?12月降溫效應(yīng)呈先減弱后增強的變化趨勢。耕地與林地的全天平均地表溫差在2?9月大于0，耕地全天對地表有增溫效應(yīng)，但其他月份兩者全天平均地表溫差小于0，耕地全天對地表有降溫效應(yīng)（圖5c）。耕地與林地的地表溫度日較差在全年均大于0（圖5d），呈先增大后減小的變化趨勢，說明耕地地表溫度的日變化范圍大于林地，這與耕地的最高溫度大于林地，耕地的最低溫度小于林地有關(guān)。分析可知，與林地相比，耕地全年白天對地表有增溫效應(yīng)，夜間有降溫效應(yīng)，2?9月耕地全天對地表有增溫效應(yīng)，10?12月和1月對地表有降溫效應(yīng)。

從季節(jié)尺度看（圖5e），一年四季耕地與林地的最高地表溫差即白天溫差大于0，耕地一年四季白天對地表有增溫效應(yīng)，且增溫強弱為春季>夏季>冬季>秋季。耕地與林地的最低地表溫差即夜間溫差一年四季均小于0，耕地一年四季夜間對地表有降溫效應(yīng)，其中夏季降溫最弱，冬季降溫最強。耕地與林地的全天平均地表溫差在春、夏和秋季大于0，耕地對地表具有增溫效應(yīng)，但在冬季，全天平均地表溫差小于0，說明耕地對地表具有降溫效應(yīng)。耕地與林地的地表溫度日較差一年四季均大于0，即耕地的地表溫度日較差大于林地，耕地對地表溫度的影響比林地大。因此，與林地相比，一年四季耕地白天對地表均有增溫效應(yīng)，夜間有降溫效應(yīng)，春夏秋季耕地全天對地表有增溫效應(yīng)，冬季有降溫效應(yīng)。

2.2.2 耕地與草地地表溫差

（1）年尺度。由圖6可以看出，耕地與草地的地表溫差在空間上分布不均勻。從搜索到的有效窗口分析，60.64%的地區(qū)耕地與草地的最高地表溫度差即白天溫差大于0，39.36%的地區(qū)地表溫差小于0，耕地與草地的白天溫差平均值為0.11℃±0.79℃，說明與草地相比，耕地總體上白天對地表具有增溫效應(yīng)（圖6a）。對圖6b分析可知，耕地與草地的最低地表溫差即夜間溫差在67.26%的地區(qū)小于0，其余地區(qū)大于0，且集中分布在0～0.5℃，耕地與草地的夜間溫差平均值為?0.25℃±0.48℃，說明與草地相比，耕地總體上在夜間對地表具有降溫效應(yīng)。耕地與草地的全天平均地表溫差在55.2%的地區(qū)小于0，其余地區(qū)均為大于0，且集中分布在0～0.5℃，耕地與草地全天平均地表溫差的平均值為?0.07℃±0.45℃，耕地對地表略有降溫效應(yīng)（圖6c）。耕地與草地的地表溫度日較差在70.5%的地區(qū)大于0，只有29.5%的地區(qū)小于0，整體上兩者的日較差大于0（圖6d）。分析可知，耕地與草地的地表溫差在空間上分布不均勻，與草地相比，耕地總體上白天對地表具有增溫效應(yīng)，夜晚具有降溫效應(yīng)，全天略有降溫效應(yīng)。

（a）最高地表溫度Maximum land surface temperature，（b）最低地表溫度Minimum land surface temperature，（c）平均地表溫度Average land surface temperature，（d）地表溫度日較差Diurnal range of land surface temperature，（e）地表溫度季節(jié)差值Seasonal difference of land surface temperature. 圖7同The same as Fig.7.

注：上下虛線中間區(qū)域為標準差。圖7、圖8同。

Note: The middle areas of the upper and lower dotted lines represent SD values. The same as Fig.7 and Fig.8.

圖6 有效搜索窗口（25km×25km像素）內(nèi)東北地區(qū)耕地與草地的年地表溫差平均值的空間分布

注：25km×25km窗口內(nèi)耕地的地表溫度均值減去草地的地表溫度均值，即得到地表溫差賦值給25km×25km的窗口。

Note: The average land surface temperature of the cropland in the 25km×25km window minus the average land surface temperature of the grassland will get the land surface temperature difference assigned to the 25km×25km window.

（2）月/季尺度。從月變化分析，耕地與草地的多年月均地表溫差表現(xiàn)出不同的月份特征。耕地與草地的月均最高地表溫差即白天溫差在1?6月和10?12月大于0，說明耕地對地表有增溫效應(yīng)，在7?9月，耕地的白天溫度小于草地，耕地對地表具有降溫效應(yīng)（圖7a）。耕地與草地的月均最低地表溫差即夜間溫差全年小于0，耕地對地表有降溫效應(yīng)，降溫效應(yīng)呈先減弱后增強的變化趨勢（圖7b）。耕地與草地的全天平均地表溫差在1?6月大于0，耕地對地表略有增溫效應(yīng)，7?12月小于0，耕地對地表具有降溫效應(yīng)（圖7c）。耕地與草地的地表溫度日較差在1?6月和10?12月大于0，是由于耕地白天的地表溫度大于草地，夜間的地表溫度小于草地，而在7?9月，耕地與草地的地表溫度日較差小于0，說明耕地地表溫度的日變化范圍小于草地（圖7d）。分析可知，與草地相比，耕地白天7?9月對地表有降溫效應(yīng)，其他月份具有增溫效應(yīng)，夜間1?12月對地表均有降溫效應(yīng)，1?6月耕地全天對地表略有增溫效應(yīng)，7?12月具有降溫效應(yīng)。

圖7 東北地區(qū)耕地與草地地表溫度差的多年月均值和季節(jié)均值變化

從季節(jié)變化分析（圖7e），耕地與草地的最高地表溫差即白天溫差在春冬季節(jié)大于0，說明耕地白天對地表有增溫效應(yīng)，夏季和秋季略小于0，耕地對地表有降溫效應(yīng)。耕地與草地的最低地表溫差即夜間溫差一年四季均小于0，說明耕地一年四季夜間對地表均有降溫效應(yīng)，其中，秋季降溫效應(yīng)最強，夏季降溫效應(yīng)最弱。耕地與草地的全天平均地表溫差在春季和冬季大于0，耕地對地表有增溫效應(yīng)，夏季和秋季耕地與草地的全天平均地表溫差小于0，說明耕地對地表有降溫效應(yīng)。耕地與草地的地表溫度日較差在秋季小于0，即耕地導(dǎo)致地表溫度日變化范圍小于草地，在其他季節(jié)，耕地導(dǎo)致地表溫度日變化范圍大于草地。分析可知，與草地相比，耕地白天在春冬季節(jié)對地表有增溫效應(yīng)，夏秋季節(jié)略有降溫效應(yīng)，夜間一年四季對地表有降溫效應(yīng)，春冬季節(jié)耕地全天對地表有增溫效應(yīng)，夏秋季節(jié)對地表有降溫效應(yīng)。

2.3 東北地區(qū)耕地與林/草地的能量差異分析

依據(jù)式（7）分析可知，不同土地利用類型的地表反照率和蒸散發(fā)不同，從而影響凈短波輻射和潛熱變化，對局地氣候造成影響。因此，分析耕地與林/草地間的凈短波輻射和潛熱通量變化，以探討東北地區(qū)耕地與林地（草地）地表溫度差異的機理。

圖8 東北地區(qū)耕地與林地（1）和草地（2）的凈短波輻射之差月均值（?SW,a）、潛熱通量之差月均值（?LE,b）及兩者之差月均值（?SW-?LE,c）

3 結(jié)論與討論

3.1 結(jié)論

（1）東北地區(qū)耕地面積增加1.6×104km2，主要來源于林地和草地，林地轉(zhuǎn)化為耕地的面積為0.26×104km2，占耕地面積增加的16.3%，草地轉(zhuǎn)化為耕地的面積為1.22×104km2，占耕地面積增加的76.24%。

（2）與林地相比，東北地區(qū)耕地白天對地表具有增溫作用，夜間對地表具有降溫作用，全天對地表具有增溫作用，并具有明顯的季節(jié)特征，夏秋季節(jié)耕地的蒸散發(fā)弱于林地，導(dǎo)致耕地的潛熱通量少于林地，因此耕地對地表具有增溫作用，而在冬季，耕地吸收的凈短波輻射遠少于林地，成為耕地對地表降溫的主要原因。

（3）與草地相比，東北地區(qū)耕地夜間總體的降溫效應(yīng)強于白天的增溫效應(yīng)，使耕地全天對地表降溫，并具有不同的季節(jié)特征，夏秋季節(jié)耕地的蒸散發(fā)強于草地，耕地的潛熱通量比草地大，導(dǎo)致耕地對地表具有降溫效應(yīng)，而在春冬季節(jié)，耕地與草地吸收的凈短波輻射差異較小，同時潛熱差異也較小，因此對地表的增溫/降溫效應(yīng)不明顯。

3.2 討論

基于多源遙感數(shù)據(jù)，耕地擴張后，與林地相比，冬季對地表具有降溫效應(yīng)，而與草地相比，夏秋季節(jié)對地表有降溫效應(yīng)。本研究與基于數(shù)值模式模擬的東北地區(qū)耕地擴張對氣候的影響具有相似的結(jié)果[28?30]，說明基于遙感數(shù)據(jù)采用窗口搜索的方法研究東北地區(qū)農(nóng)田擴張對地表溫度的影響具有較好的可信度。但還是存在一定的差異，例如本研究表明耕地擴張后，與林地相比，耕地在春夏秋季節(jié)對地表具有增溫效應(yīng)，而基于WRF模式模擬的研究則表明毀林開墾在春夏秋季節(jié)地表反照率增大，吸收的凈短波輻射降低，使地表溫度降低[31]，這可能是由以下原因?qū)е拢海?）基于情景模擬的模式中關(guān)鍵物理過程、地表參數(shù)化過程以及植被動態(tài)模型等的不確定性會夸大實際的溫度效應(yīng)[32?33]，（2）衛(wèi)星觀測是在沒有大氣反饋的情況下觀測的小氣候效應(yīng)，而模式模擬一般都包含地表和大氣的相互作用和反饋[27]。

土地利用/土地覆蓋變化通過生物物理過程影響地表能量平衡（主要是潛熱通量和凈短波輻射）直接影響地表溫度。耕地的反照率高于林地，導(dǎo)致耕地吸收的凈短波輻射比林地少，耕地擴張對地表具有降溫效應(yīng)，尤其是在冬季，由于積雪覆蓋，使耕地的地表反照率較高，而林地由于高大的樹冠結(jié)構(gòu)，對雪存在遮蔽效應(yīng)，地表反照率較低[34?35]。因此，冬季耕地與林地間的地表反照率相差較大，導(dǎo)致耕地冬季吸收的凈短波輻射大大低于林地，耕地的降溫效應(yīng)加強。此外，東北地區(qū)冬季干燥寒冷的氣候條件，限制了植被的蒸散。因此，在冬季耕地擴張后地表反照率升高，引起的降溫效應(yīng)強于蒸散降低導(dǎo)致的增溫效應(yīng)（△SW?△LE<0），耕地擴張對地表有降溫作用。而在夏季，東北地區(qū)水熱條件充足，植被蒸散作用加強，林地相對于耕地具有較大的冠層結(jié)構(gòu)[36]，這使得林地的蒸散作用強于耕地，林地比耕地具有更高的潛熱，因此，在夏季耕地擴張后地表反照率升高，引起的降溫效應(yīng)弱于蒸散降低導(dǎo)致的增溫效應(yīng)（△SW?△LE>0），耕地擴張對地表有增溫作用。

耕地與草地全年吸收的凈短波輻射差異較小，因為耕地與草地的反照率區(qū)別較小且隨季節(jié)波動較小[37]。在生長季，隨著作物生長，作物高度和葉片大小逐漸高于草地，耕地相對于草地具有較高的地表粗糙度。尤其是在水熱條件充足的夏季，作物較高的粗糙度有利于湍流熱交換[38]，因此，夏季耕地相對于草地具有較高的潛熱通量，導(dǎo)致了明顯的降溫效應(yīng)。而在非生長季，耕地地表植被稀疏，與草地相比潛熱差異不大，因此降溫/升溫效應(yīng)不明顯。

本研究基于遙感數(shù)據(jù)，分析東北地區(qū)耕地擴張對地表溫度效應(yīng)的影響，MODIS地表溫度產(chǎn)品提供白天和夜晚各一次的觀測數(shù)據(jù)，研究以13：30衛(wèi)星過境的MODIS地表溫度產(chǎn)品代表白天最高地表溫度，1∶30衛(wèi)星過境的MODIS地表溫度產(chǎn)品代表夜間最低地表溫度，全天平均地表溫度用白天最高地表溫度和夜間最低地表溫度的均值進行計算，使得難以在更精細的時間尺度上，計算和分析耕地擴張對地表溫度的影響，給研究帶來了一定的不確定性。其次，由于耕地擴張是在一段時間內(nèi)發(fā)生的一個漸變過程，因此，其他土地類型轉(zhuǎn)化為耕地，同時也存在耕地轉(zhuǎn)化為其他土地類型的情況，這對地表溫度的影響效應(yīng)會產(chǎn)生綜合作用，而本研究主要關(guān)注在多年平均態(tài)下，與林地或草地相比，耕地擴張后對地表溫度變化的影響，耕地擴張是一個漸變的過程，并受到其他條件的影響，土地利用類型相互轉(zhuǎn)化的生物物理效應(yīng)及其綜合作用有待進一步分析和探討。

[1] Li D,Tian P, Luo H,et al.Impacts of land use and land cover changes on regional climate in the Lhasa River basin, Tibetan Plateau[J].Science of The Total Environment, 2020, 742:140570.

[2] Liu T,Yu L,Bu K,et al.Seasonal local temperature responses to paddy field expansion from rain-fed farmland in the cold and humid Sanjiang Plain of China[J].Remote Sensing, 2018,10(12):2009.

[3] Lee X,Goulden M L,Hollinger D Y,et al.Observed increase in local cooling effect of deforestation at higher latitudes[J]. Nature,2011,479(7373):384-387.

[4] 毛慧琴,延曉冬,熊喆.土地利用變化對氣候影響的研究進展[J].氣候與環(huán)境研究,2011,16(4):513-524.

Mao H Q,Yan X D,Xiong Z.An overview of impacts of land use change on climate[J].Climatic and Environmental Research, 2011,16(4):513-524.(in chinese)

[5] 徐德福,王讓會,李映雪,等.陸地生態(tài)系統(tǒng)碳收支及其主要影響因素分析[J].中國農(nóng)業(yè)氣象,2009,30(4):519-524.

Xu D F,Wang R H,Li Y X,et al.Review on carbon cycle in terrestrial ecosystem and its influenced factors[J].Chinese Journal of Agrometeorology,2009,30(4):519-524.(in Chinese)

[6] 劉紀遠,邵全琴,延曉冬,等.土地利用變化影響氣候變化的生物地球物理機制[J].自然雜志,2014,36(5):356-363.

Liu J Y,Shao Q Q,Yan X D,et al.Geobiophysical effects of land use change on climate change[J].Chinese Journal of Nature,2014,36(5):356-363.(in Chinese)

[7] 孫云,于德永,曹茜,等.土地利用/土地覆蓋變化對區(qū)域氣候影響的生物地球物理途徑研究進展[J].北京師范大學(xué)學(xué)報:自然科學(xué)版,2015(2):189-196.

Sun Y,Yu D Y,Cao Q,et al.Review on the biogeophysical effects of changes in land use and land cover on regional climate:research progress[J].Journal of Beijing Normal University:Natural Science,2015(2):189-196.(in Chinese)

[8] 薛穎,徐希燕,胡正華,等.亞洲熱帶森林減少的增溫效應(yīng)及其影響機制[J].中國農(nóng)業(yè)氣象, 2020,41(4):191-200.

Xue Y,Xu X Y,Hu Z H,et al.Warming effect of asiantropical forest loss and its influence mechanism[J]. Chinese Journal of Agrometeorology,2020,41(4):191-200.(in Chinese)

[9] Zhao D,Wu J.The impact of land use and land cover changes on East Asian summer monsoon precipitation using the WRF-mosaic approach[J].Atmospheric Science Letters,2017,18(12): 450-457.

[10] Prevedello J A,Winck G R,Weber M M, et al.Impacts of forestation and deforestation on local temperature across the globe[J].PloS one, 2019,14(3):e0213368.

[11] García-Valdecasas Ojeda M,Gámiz-Fortis S R,Castro-Díez Y,et al.Evaluation of WRF capability to detect dry and wet periods in Spain using drought indices[J].Journal of Geophysical Research:Atmospheres,2017,122(3):1569- 1594.

[12] 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,2014,111(8):2915-2919.

[13] 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):1-8.

[14] He T,Shao Q,Cao W,et al.Satellite-observed energy budget change of deforestation in northeastern China and its climate implications[J].Remote Sensing,2015,7(9):11586- 11601.

[15] Gao X J G,Luo Y L,Lin W T,et al.Simulation of effects of land use change on climate in China by a regional climate model[J].Advances in Atmospheric Sciences,2003,20(4): 583-592.

[16] Yu L,Zhang S,Tang J,et al.The effect of deforestation on the regional temperature in Northeastern China[J]. Theoretical and Applied Climatology,2015,120(3):761-771.

[17] Zhang X,Xiong Z,Zhang X,et al.Using multi-model ensembles to improve the simulated effects of land use/cover change on temperature:a case study over northeast China[J].Climate Dynamics,2016,46(3-4):765- 778.

[18] 劉延祥.東北地區(qū)農(nóng)林交錯帶土地利用變化及其對區(qū)域氣溫影響模擬研究[D].長春:中國科學(xué)院東北地理與農(nóng)業(yè)生態(tài)研究所,2012.

Liu Y X.Research of land use change and its regional temperature effect simulation in agroforestry ecotone of Northeast China[D].Changchun:Northeast Institute of Geography and Agroecology,Chinese Academy of Science, 2012.(in Chinese)

[19] 劉紀遠,匡文慧,張增祥,等.20世紀80年代末以來中國土地利用變化的基本特征與空間格局[J].地理學(xué)報,2014, 69(1):3-14.

Liu J Y,Kuang W H,Zhang Z X,et al.Spatiotemporal characteristics,patterns and causes of land use changes in China since the late1980s[J].2014,69(1):3-14.(in Chinese)

[20] Wan Z,Zhang Y,Zhang Q,et al.Quality assessment and validation of the MODIS global land surface temperature[J]. International Journal of Remote Sensing,2004,25(1): 261-274.

[21] Wang Z,Schaaf C B,Sun Q,et al.Capturing rapid land surface dynamics with Collection V006 MODIS BRDF/NBAR/Albedo (MCD43) products[J].Remote Sensing of Environment,2018,207:50-64.

[22] Mu Q,Zhao M,Running S W.Improvements to a MODIS global terrestrial evapotranspiration algorithm[J].Remote Sensing of Environment,2011,115(8):1781-1800.

[23] 姜艷陽,王文,周正昊.MODIS MOD16 蒸散發(fā)產(chǎn)品在中國流域的質(zhì)量評估[J].自然資源學(xué)報,2017,32(3):517-528.

Jiang Y Y,Wang W,Zhou Z H.Evaluation of MODIS MOD16 evaportranspiration product in Chinese River Basins[J].Journal of Natural Resources,2017,31(3):517- 528.(in Chinese)

[24] Zhao K,Jackson R B.Biophysical forcings of land-use changes from potential forestry activities in North America[J].Ecological Monographs,2014,84(2):329-353.

[25] Zhang M,Lee X,Yu G,et al.Response of surface air temperature to small-scale land clearing across latitudes[J]. Environmental Research Letters,2014,9(3): 034002.

[26] Duveiller G,Hooker J,Cescatti A.The mark of vegetation change on Earth’s surface energy balance[J].Nature Communications,2018,9(1):1-12.

[27] Ma W,Jia G,Zhang A.Multiple satellite‐based analysis reveals complex climate effects of temperate forests and related energy budget[J].Journal of Geophysical Research:Atmospheres,2017,122(7):3806-3820.

[28] 董思言,延曉冬,熊喆.東北農(nóng)田擴張對氣候影響的數(shù)值模擬[J].氣候與環(huán)境研究,2014,19(3):351-361.

Dong S Y,Yan X D,Xiong Z.Modeled impacts of land-use and land-cover change in Northeast China on climate[J].Climatic and Environmental Research,2014, 19(3):351-361.(in Chinese)

[29] 曹富強,丹利,馬柱國.中國農(nóng)田下墊面變化對氣候影響的模擬研究[J].氣象學(xué)報,2015,73(1):128-141.

Cao F Q,Dan L,Ma Z G.Simulative study of the impact of the cropland change on the regional climate over China[J]. Acta Meterological Sinica,2015,73(1):128-141.(in Chinese)

[30] 朱晗暉,張宇,沈曉燕,等.農(nóng)牧交錯帶植被演變對區(qū)域氣候影響的模擬[J].高原氣象,2018,37(3):721-733.

Zhu H H,Zhang Y,Shen X Y,et al.A numerical simulation of the impact of vegetation evolution on the regional climate in the ecotone of agriculture and animal husbandry over China[J].Plateau Meteorology,2018,37(3):721-733.(in Chinese)

[31] 張宏文,張學(xué)珍,張麗娟.WRF模擬的1980-2000年中國東北農(nóng)業(yè)開發(fā)對氣候的影響[J].地理研究,2015,34(10): 1853-1863.

Zhang H W,Zhang X Z,Zhang L J.Simulated effects of cropland extension on climate over Northeast China from 1980 to 2000 by WRF model[J].Geographical Research, 2015, 34(10):1853-1863.(in Chinese)

[32] Pielke Sr R A,Pitman A,Niyogi D,et al.Land use/land cover changes and climate: modeling analysis and observational evidence[J].Wiley Interdisciplinary Reviews:Climate Change, 2011,2(6):828-850.

[33] Mahmood R,Pielke Sr 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.

[34] Anderson R G,Canadell J G,Randerson J T,et al.Biophysical considerations in forestry for climate protection[J]. Frontiers in Ecology and the Environment,2011,9(3): 174- 182.

[35] Arora V K,Montenegro A.Small temperature benefits provided by realistic afforestation efforts[J].Nature Geoscience, 2011,4(8):514-518.

[36] Yan H,Wang S,Dai J,et al.Forest greening increases land surface albedo during the main growing period between 2002 and 2019 in China[J].Journal of Geophysical Research: Atmospheres,2021,126(6):e2020JD033582.

[37] 劉向培,佟曉輝,史小康,等.東北區(qū)域農(nóng)業(yè)生產(chǎn)對地面溫度的影響[J].解放軍理工大學(xué)學(xué)報:自然科學(xué)版,2015, 16(1):97-102.

Liu X P,Tong X H,Shi X K,et al.The impact of farming on land surface temperature over Northeast China[J].Journal of PLA University of Science and Technology(Natural Science Edition),2015,16(1):97-102.(in Chinese)

[38] 王麗平,段四波,張霄羽,等中國區(qū)域植樹造林對地表溫度的影響[J].遙感學(xué)報,2021,25(8):1862-1872.

Wang L P,Duan S B,Zhang X Y,et al.The influence of afforestation on land surface temperature in China[J]. National Remote Sensing Bulletin,2021,25(8):1862- 1872.(in Chinese)

Analysis of the Biophysical Mechanism of Cooling/Warming Effect of Cropland Expansion on Land Surface Temperature in Northeast China

DI Wen-li, SHEN Run-ping, HUANG An-qi, HAN Hui-min

(School of Geographical Sciences, Nanjing University of Information Science & Technology, Nanjing 210044, China)

Land use and land cover change significantly affects climate. To explore the climate effects of cropland expansion, the window search method and the principle of energy balance were used to quantify how the cropland expansion in Northeast china changes the surface energy balance, thereby affecting the land surface temperature based on multi-source remote sensing data in 2000?2018. The results showed that: (1) the area of cropland increased by 1.64×104km2in Northeast China, mainly from forestland and grassland, accounting for 16.33% and 76.24% of cropland expansion area, respectively. (2) Compared with forestland, cropland has a warming effect on the surface during the daytime, a cooling effect at nighttime, and a warming effect throughout the day with obvious seasonal variation. In summer and autumn, the evapotranspiration of cropland is weaker than that of forestland, and the latent heat flux is less than that of forestland, resulting in a warming effect on the surface. In winter, the net shortwave radiation of cropland is far less than that of forestland, resulting in a cooling effect on the surface. (3) Compared with grassland, the cooling effect of cropland at nighttime is slightly stronger than that during the day, resulting in a cooling effect on the surface throughout the day with obvious seasonal variation. In summer and autumn, the evapotranspiration of cropland is stronger than that of grassland, and the latent heat flux of cropland is more than that of grassland, which has become the main reason for the cooling of cropland to the surface. In spring and winter, the difference of net shortwave radiation absorbed by cropland and grassland is small, leading that the warming/cooling effect on the surface is not obvious.

Northeast China; Cropland expansion; Biophysical; Energy change

10.3969/j.issn.1000-6362.2022.06.003

狄文麗,沈潤平,黃安奇,等.東北地區(qū)耕地擴張對地表增溫/降溫的生物物理機理分析[J].中國農(nóng)業(yè)氣象,2022,43(6):450-463

收稿日期：2021?09?24

國家重點研發(fā)計劃（2018YFC1506602）；國家自然科學(xué)基金重點項目（91437220）

通訊作者：沈潤平，教授，主要從事陸面過程遙感研究，E-mail: rpshen@nuist.edu.cn

狄文麗，E-mail:20191211002@nuist.edu.cn