EN中文

地理学报 >

2023 , Vol. 78 >Issue 3: 620 - 639

DOI: https://doi.org/10.11821/dlxb202303008

气候变化与土地利用

1916—2020年北京城市变迁及其与区域气候演化的关系

  • 杨仕琪 , 1, 2 ,
  • 王冀 , 3 ,
  • 窦银银 1 ,
  • 栾庆祖 3 ,
  • 匡文慧 1
展开
  • 1.中国科学院地理科学与资源研究所 中国科学院陆地表层格局与模拟重点实验室，北京 100101
  • 2.中国科学院大学资源与环境学院，北京 100049
  • 3.北京市气候中心，北京 100089
王冀(1973-), 男, 河北武强人, 正高级工程师, 主要从事全球气候分析和变化研究。E-mail:

杨仕琪(1999-), 女, 河南洛阳人, 硕士研究生, 主要从事城市生态遥感方向研究。E-mail:

收稿日期: 2022-07-20

  修回日期: 2023-03-04

  网络出版日期: 2023-03-27

基金资助

国家自然科学基金项目(41871343)

北京市气象灾害风险普查地理空间信息产品研制与技术服务项目(0701-214130210301)

收起

Spatio-temporal evolution of urbanization and its relationship with regional climate change in Beijing over the past century

  • YANG Shiqi , 1, 2 ,
  • WANG Ji , 3 ,
  • DOU Yinyin 1 ,
  • LUAN Qingzu 3 ,
  • KUANG Wenhui 1
Expand
  • 1. Key Laboratory of Land Surface Pattern and Simulation, Institute of Geographic Sciences and Natural Resources Research, CAS, Beijing 100101, China
  • 2. College of Resources and Environment, University of Chinese Academy of Sciences, Beijing 100049, China
  • 3. Beijing Municipal Climate Center, Beijing 100089, China

Received date: 2022-07-20

  Revised date: 2023-03-04

  Online published: 2023-03-27

Supported by

National Natural Science Foundation of China(41871343)

Project of Beijing Meteorological Disaster Risk Census in Geospatial Information Product Development and Technical Services(0701-214130210301)

Fold

摘要

剖析百年尺度的城市变迁与气候要素变化对提升区域气候演变机理的认知具有重要意义。本文基于卫星遥感图像、社会经济数据和气象站点实测等数据，采用人机交互解译方法，刻画了1916—2020年北京城市扩展过程。利用滑动平均法和Mann-Kendall趋势检验方法，分析了关键气象要素的变化特征，从而揭示了百年尺度城市土地利用变化和社会经济发展与区域气候变化之间的关系。研究表明：1916—2020年北京城市土地面积增长了64.48倍，围绕中心地域呈圈层式蔓延扩展，呈现“缓慢—加速—减速”的扩展模式，城市扩展速度在2000—2010年达到峰值，为70.12 km2/a。1916—2020年北京的5 a滑动平均气温和年降水量分别为12.25 ℃和588.6 mm。随着城市发展，1916—2020年北京市5 a滑动平均气温以0.22 ℃/10a波动上升，1978年以来升温显著。年降水量则呈现波动下降趋势，速率为9.37 mm/10a。城市不透水面的加速扩张可能造成地表能量收支的改变，从而引发城市变暖。城市化率与气温升高具有协同关系，不同时段差异显著，1916—2020年北京城市化对区域升温的贡献为20.83%。另一方面，地表能量收支改变与空气污染物排放增加可能导致北京城市地区降水减少。本文结果可为提升北京城市变迁对区域气候演变影响过程和机制的认知提供科学参考。

关键词： 城市扩展; 气候变化; 百年尺度; 时空特征; 土地利用

本文引用格式

杨仕琪 , 王冀 , 窦银银 , 栾庆祖 , 匡文慧 . 1916—2020年北京城市变迁及其与区域气候演化的关系[J]. 地理学报, 2023 , 78(3) : 620 -639 . DOI: 10.11821/dlxb202303008

Abstract

Understanding the mechanisms of regional climate evolution requires extensive research on long-term urbanization and meteorological elements. The various data sources and an interactive interpretation method were utilized to reproduce the urban expansion in Beijing over the past century. The relationship between urban development and regional climate change was then determined by using the moving average method and the Mann-Kendall trend test. We found that the area of urban land in Beijing increased 64.48 times from 1916 to 2020, expanding in a circle around the central region. The rate of urban expansion peaked at 70.12 km2/a between 2000 and 2010. The average annual temperature and precipitation from 1916 to 2020 in Beijing were 12.25 ℃ and 588.6 mm, respectively. The 5-year moving average temperature fluctuated upward by 0.22 ℃/10a over the past century, with a notable warming trend since 1978. Precipitation trended downward at a rate of 9.37 mm/10a. The accelerated expansion of the impervious surface area in the city might lead to urban warming by altering the surface energy balance. The rate of urbanization and the regional temperature rise were positively correlated, with urbanization accounting for 20.83% of the regional warming in Beijing. Changes in the surface energy balance and an increase in air pollution emissions might result in a decline in precipitation. The results provide scientific resources for advancing knowledge of the processes and mechanisms by which urban development influences the regional climate change.

Key words： urban expansion; climate change; long-term scale; spatiotemporal patterns; land use

1 引言

城市化作为多尺度环境变化的热点区域，是人类活动改造自然环境的重要方式[1]。城市空间扩展是城市化过程以及城市土地利用变化最直接的表现形式[2]。城市扩展通过改变地表反照率、比辐射率、粗糙度、蒸散量等导致全球气候系统变暖[3]，对区域热量收支和大气流场产生影响，由此引起区域气候环境发生变化[4⇓-6]。因此，厘清人类活动影响下的城市化进程对区域气候的影响，揭示城市化与气象要素之间的作用机制对于认识区域气候变化规律具有重要的现实意义。
1949—2019年中国城市土地面积增长12倍，70 a年均增长988.69 km2 [7]。21世纪以来，中国城市扩展速度达到了1788 km2/a，且城市不透水面的年均扩展速率为20世纪90年代的2.16倍[8⇓-10]。预计到2030年，全球城市土地覆盖将增加近两倍[11]，大多数人口将面临城市地区人为气候变化的影响[12]。《中国气候变化蓝皮书（2021）》指出中国的升温速率显著高于同期全球的平均水平，1951—2020年的升温速率为0.26 ℃/10a，是20世纪初以来的最暖时期[13]。伴随城市扩展的区域气候变化研究广受关注。
当前国内外已围绕城市化背景下气候要素变化开展了大量研究[6,14⇓⇓ -17,19⇓⇓⇓⇓ -24]。严中伟等[16]基于均一化气温观测序列集，发现自1900年来，中国气温升高趋势为1.3~1.7 ℃/100a，远高于早期评估结果。崔耀平等[6]通过对20世纪70年代和2008年京津唐城市增温效应模拟发现，由城市主导的土地利用变化导致的研究区增温幅度大于0.05 ℃，城市扩展区增温0.29 ℃，其导致的增温贡献率达到32.75%。Cao等[17]根据北京市实测数据发现，20世纪80—90年代观测温度增加0.69 ℃，20世纪90年代到21世纪初温度上升0.12 ℃。城市变暖的强度也因地区和国家而异，主要取决于城市发展速度与结构[18]。1911—2012年美国的昼夜温差呈现稳步下降的趋势，斜率为-0.0047 ℃/a，自1991年以来下降趋势更为显著[19]。加拿大的变暖速度约是全球平均气温的两倍[20]，地表气温在1948—2012年间上升了1.7 ℃[21]。有研究表明城市扩展除了对气温带来影响外，还会影响区域降水的变化，城市化的快速推进会带来一定程度的增雨效应[22]。欧美国家因城市化进程推进较早，具有长期降水观测序列，基于城乡降水观测资料对比，发现了城市化的降雨效应[23-24]。1961—2020年，中国平均年降水量呈增加趋势，而华北东南部、黄淮大部、西南地区东部和南部、西北地区东南部年降水量呈减少趋势[13]。然而，对于城市化对降水的影响仍存在争议，城市化是否导致降水增加尚未得到证实[25]。
城市化导致气候系统变化等方面的研究成果为本文提供了重要的参考。观测减去再分析方法（Observation Minus Reanalysis, OMR）被广泛应用[26-27]，Kalnay等[26]使用实地气温变化趋势减去再分析气温变化趋势的方法，将1950—1999年美国大陆的昼夜温度范围下降一半归因于城市土地利用变化；Zhou等[27]利用最小二乘法估计观测数据和再分析数据的线性趋势，揭示1978年以来中国城市化导致的地表升温。此外，区分城市站点和乡村站点（Urban Minus Rural, UMR）来解释城市化对气温的影响也被广泛应用[18,28]，Fujibe[18]基于1979—2006年日本561个站点数据，根据人口和土地利用栅格数据对气象站点进行分类，发现在低人口密度（<100人/km2）的站点表现出0.3~0.4 ℃/10a的变暖趋势，得出温度升高在很大程度上是由背景气候引起的结论。已有研究证明UMR可能低估城市化对气温升高的影响，采用OMR的精度相对较高[27-28]。就降水而言，将城市化对降水的影响分离出来往往采用城市站点降水减去乡村站点降水[22,29]。例如，Sun等[30]利用1980—2015年京津冀地区降水观测数据，结合城乡降水差异，创建城市化效应指标量化城市发展对降水的作用。上述研究为城市化引起的气候效应的机理研究提供了重要参考，然而，现阶段对于长时间序列的城市变迁及城市变化与区域气候演化关系认知仍不清晰。
因此，本文的目的是揭示百年来北京市的城市变迁过程以及城市发展对区域气候演化造成的影响。建立起1916—2020年北京市城市社会经济发展数据集，采用北京市遥感影像数据、历史图集等，开展数字解译矢量化，获取城市边界信息，重现百年来北京城市化发展进程。基于百年尺度的气象站点实测数据和再分析数据，采用观测减去再分析方法，量化百年来北京城市化对区域增温的贡献，归纳不同时期气温、降水的变化规律及其与城市发展指标之间的相关关系。旨在提升百年来北京城市化进程的发展规律及不同时段城市化对于气象要素影响的认知，为韧性城市的气候适应提供有效的参考依据与决策支持。

2 研究方法与数据来源

2.1 研究区概况

北京市位于华北平原北部，毗邻渤海湾，上靠辽东半岛，下临山东半岛，地理位置在115.7°E~117.4°E、39.4°N~41.6°N。北京地势西北高、东南低，属于温带季风气候，夏季高温多雨，冬季寒冷干燥，年平均温度为12 ℃，年平均降水在400~800 mm，且季节分配不均，近80%的降水集中在夏季[31⇓-33]。截至2020年北京市常住人口数达2189.0万人，地区生产总值为36102.6亿元[34]。北京市作为首都和超大型城市，具有重要的国际影响力。近几十年来经济高速发展，北京经历了快速的城市化过程，城市面临的各种风险和挑战加剧，因此，“韧性城市”建设方案被纳入北京市城市规划建设管理全过程。充分认识、了解北京城市发展进程和区域气候的演化过程，对于城市规划发展、统筹拓展城市空间韧性和未来气候变化监测具有重要的参考意义。

2.2 数据收集与预处理

2.2.1 数据来源

本文所使用的数据有4类（表1）：城市扩展数据、社会经济数据、气象要素数据和通量观测数据。其中，城市扩展数据主要包括中国土地利用/覆盖变化数据集、遥感影像数据和历史图件；社会经济数据主要包括人口数据和区域生产总值（Gross Domestic Products, GDP）数据。气象要素数据主要包括气温数据和降水数据。通量观测数据主要包括地表反照率、净辐射、显热通量等实测数据。
表1 研究数据来源

Tab. 1 Lists of data sources

数据类别 数据源 时间 数据类型/分辨率 数据来源
城市扩展 CLUD 2000年、2010年、
2020年		 矢量 中国科学院地理科学与资源研究所
历史图件 1916年
1949年、1978年		 - 京都市内外城地图[37]
《中国城市地图集》[38]
Landsat系列遥感影像 1972—2020年 80 m栅格 http://glovis.usgs.gov/
HJ-A/B 2008—2020年 30 m栅格 http://www.cresda.com/CN/
GF-1 2013—2020年 2~8 m栅格 http://www.cresda.com/CN/
锁眼卫星遥感影像 1959—1986年 0.6 m栅格 http://earthexplorer.ugus.gov/
人口经济 人口数据 1916—1949年 - 参考文献[40]
1949—2020年 - 《北京市统计年鉴》[34]《新中国六十年统计资料汇编》[39]
GDP数据 1949—2020年 - 北京市宏观经济与社会发展基础数据库、《新中国六十年统计资料汇编》[39]
气象要素 气温数据 1916—2020年 - 北京市气象探测中心
降水数据 1916—2020年 - 北京市气象探测中心
再分析数据 1916—2015年 1°栅格 https://www.psl.noaa.gov/data/gridded/reanalysis/
辐射通量 观测数据 2011年12月—2012年11月 站点数据 Kuang et al., 2020[41]
2000年、2010年、2020年3期土地利用数据来自中国科学院地理科学与资源研究所1∶10万全国土地利用/覆盖变化数据（China Land Use/Cover Dataset, CLUD），一级类型综合评价精度达到94%以上，二级类型综合精度达90%以上[35-36]。遥感影像数据来自Landsat系列遥感影像、锁眼卫星遥感影像、HJ-A/B和GF-1卫星影像。1916年城市边界提取自历史图件由内务部职方司测绘处所制的京都市内外城地图[37]，1949年和1978年城市边界提取自《中国城市地图集》[38]。
1916—2020年北京市人口数据来源于《北京市统计年鉴》[34]《新中国六十年统计资料汇编》[39]以及相关参考文献[40]。1949—2020年北京市GDP数据来自于《新中国六十年统计资料汇编》[39]、北京市宏观经济与社会发展基础数据库。
1916—2020年气温和降水数据来自北京市气象探测中心（前身为北京观象台），该中心是北京建站时间超过百年和参加国际气象观测资料交换的台站。研究中用于估计城市化对气温贡献的再分析数据来自美国国家海洋和大气管理局提供的Twentieth Century Reanalysis Project V3版本，本文采用了1916—2015年逐月气温数据，空间分辨率为1°。
通量观测数据来自课题组2011年12月—2012年11月北京市奥林匹克公园和科学院南里建筑屋顶观测点的实测数据，主要包括地表反射率、净辐射、潜热通量等观测数据，用于揭示城市化导致区域气候变化的物理机制[41]。

2.2.2 数据预处理

2000年、2010年和2020年3期土地利用数据基于Landsat MSS/ETM/TM/OLI、HJ-A/B、GF-1等遥感影像，借助专家地学知识，经人机交互解译、目视判读生成。城市土地即城市建设用地，包括市区建筑物集中连片的部分以及近郊内与城市有密切联系的其他城市建设用地[42]。在本文中依据城市边界定义，对CLUD数据提取二级类型代码为51的城市建设用地作为2000年、2010年和2020年城市边界信息数据集。1916年、1949年和1978年城市边界数据基于历史图件和锁眼卫星等遥感影像，经影像配准和人机交互目视解译，提取城市矢量边界信息。
根据已有研究[40]，将1925年前北京市人口按照内城区和外城区进行划分，1925年（含）至1949年北京人口数量包括内城区、外城区及四郊区。为保证数据的连贯性和一致性，本文以内城区人口数占总人口数比例作为城市化率。
城市化导致的观测环境条件变化或其他原因的迁移，是造成气象观测结果时间序列非均一性的主要原因[43]。根据所记载的气象观测沿革，北京观象台自建站以来发生多次迁移（图1）。本文所用的气象观测记录数据均由气象探测中心进行了序列订正，对迁站期间的数据进行处理，保证了气象数据的可比性。此外，为减小噪声对变化趋势的影响，使数据更具有泛化性，研究对气温采用每5 a滑动平均算法处理[44]。Twentieth Century Reanalysis Project V3版本所提供的再分析数据时间范围是1916—2015年，为了保证再分析数据的一致性，减少不同再分析数据集所导致的不确定性，本文通过线性插值的方法计算出2015—2020年的再分析气温数据。
图1 北京观象台迁移示意图

Fig. 1 The relocation of Beijing Ancient Observatory

2.3 研究方法

本文采用城市扩展面积、速度、强度以及GDP变化速率等指标，对1916—2020年北京市不同发展时段城市扩展过程及社会经济指标变化情况进行分析。利用百年尺度气象数据，分时段描述主要气象要素的时空变化特征，采用Mann-Kendall非参数检验揭示气象要素的变化规律。研究采用分段线性回归和观测减去再分析的方法，对北京市城市化与气温、降水的影响进行分段归纳和量化处理。最后结合分析城市化过程中地表能量收支以及大气状况等因素变化，揭示了城市化发展与区域气候演化的关系（图2）。
图2 研究技术流程

Fig. 2 The flowchart of this study

2.3.1 分析城市扩展状况

在此选取城市扩展速率、城市扩展强度用以比较不同时期城市土地利用扩展的快慢与强弱，城市扩展强度的实质是用各空间单元的土地面积来对年均扩展速度进行标准化处理，增强可比性[45]。
（1）城市扩展速率
由于1949年以前北京市城市扩展变化不明显，在此选取重要时间节点，分别统计北京市1916—1949年、1949—1978年、1978—2000年、2000—2010年和2010—2020年5个时间段内的城市扩展速度[46]，即：
D U L t 1 - t 2 = U L t 2 - U L t 1 t 2 - t 1
式中： D U L t 1 - t 2表示t1到t2时段内北京城市扩展速度； U L t 1和 U L t 2分别为t1和t2时段内的城市土地面积。
（2）城市扩展强度
采用城市扩展强度指数来描述北京市城市用地扩展的空间差异特征，其计算公式为[46]：
Q U L t 1 - t 2 = U L t 2 - U L t 1 A × 1 T × 100 %
式中： Q U L t 1 - t 2为城市用地扩展强度；A为研究区域总面积；T为研究的时段长度。

2.3.2 分析社会经济指标

城市化是指第二、三产业在城市集聚，农村人口不断向非农产业和城市转移，使城市数量增加、规模扩大的经济、社会发展过程[47]。GDP是衡量地区经济发展水平的重要指标[48]。因此研究选取这两个关键指标来反映城市变迁。
（1）城市化率
城市化率是指一个地区城镇人口占该地区常住人口的比例，即：
U R t = U P t T P t × 100 %
式中： U R t为t时段的城市化率； U P t和 T P t分别为t时刻的城镇人口和常住人口。
（2）GDP变化速率
GDP增长速率计算方式如下：
D G t 1 - t 2 = G D P t 2 - G D P t 1 t 2 - t 1
式中： D G t 1 - t 2表示t1到t2时段内GDP增长速度； G D P t 1和 G D P t 2分别为t1和t2时段内的研究区GDP总量。

2.3.3 分析气象站点观测数据

年代际气候跃变是指两个稳定气候阶段之间统计特征量发生显著差异的现象。采用滑动平均法和Mann-Kendall检验分析北京市的气温年代际变化，识别气温跃变年份[49]。
（1）5 a滑动平均算法
滑动平均法可以消除平均温度变化的不稳定波动[50]，计算公式如下：
T 5 a = T n - 2 + T n - 1 + T n + T n + 1 + T n + 2 5
式中： T 5 a为某年的5 a滑动平均气温； T n为某年气温； T n - 2为某年前2 a的气温值， T n - 1为某年前1 a的气温值，以此类推。
（2）Mann-Kendall趋势检验
Mann-Kendall趋势检验常被用于气象学研究[51]，是由曼恩和肯德尔提出的基于秩的非参数统计检验，可以通过使用非参数程序来估计序列的斜率[52]，采用Mann-Kendall非参数检验分析1916—2020年来北京市城市发展对气象要素变化趋势的影响：
S = ∑ j = 1 n - 1 ∑ i = j + 1 n s i g ( x i - x j )
式中：xi和xj分别表示第i年和j年的值，且i>j。
s i g x i - x j = 1 , x i ≠ x j 0 , x i = x j
F t = Q t + B
式中：F(t)为趋势变化方程，其中Q为斜率。
Q = x j - x i j - i , j > i
当有n个数值时，可以得到N = n(n-1)/2个斜率估算值[53]。

2.3.4 城市化对气象要素变化的影响

（1）量化城市化对气温变化的贡献
再分析数据对陆地表面的变化不敏感，因此观测数据与再分析数据之间的气温趋势差异可用于量化城市化对气温的影响[27]，贡献率的计算公式为：
U C = Δ T o b - Δ T r e Δ T o b × 100 %
式中： Δ T o b为北京观象台站所观测气温年际变化率； Δ T r e为再分析气温年际变化率。
（2）地表能量平衡
城市化进程改变了地表特性，对地表辐射能量平衡造成扰动，从而引起区域温度变化，在这里采用北京市2012年城市建筑屋顶和城市绿地的辐射通量的变化情况，来揭示城市化对区域温度变化的影响[41]：
R n + Q F = G + H + L E + Q A
式中： Q F代表人为热（W/m2）； G为土壤热通量（W/m2）； H为显热通量（W/m2）； L E为潜热通量（W/m2）； Q A代表平流热（W/m2），在相对均匀的城市表面，水平平流热可以忽略不记。净辐射量 R n（W/m2）由下行短波辐射、上行短波辐射、下行长波辐射和上行长波辐射计算而来，不受外部湍流影响。

3 结果与分析

3.1 城市扩展过程

1916—2020年北京城市经历了“缓慢—加速—减速”的扩展模式（表2），不同时段内城市扩展速度和强度差异显著。城市面积由1916年的35.31 km2增长至2020年的2312.14 km2，增长了64.48倍。1916—1949年北京市城市扩展速率缓慢，仅为2.34 km2/a。1949—2000年北京由消费城市变成生产城市，一系列城市建设围绕工业化开展，但城市扩展仍保持较低速率。进入21世纪以来，北京城市发展进入新阶段，2008年北京奥运会的举办对城市空间扩展产生巨大影响，北京城市扩展速度达到峰值70.12 km2/a。2010年后，中国共产党“十八大”首次提出生态文明建设的概念，出台了一系列政策聚焦土地综合整治、生态保护修复等，北京城市扩展速度明显放缓（57.29 km2/a）。城市扩展强度与城市扩展速率的变化趋势相对应，百年间北京城市扩展强度为0.13%，2000—2010年间的扩展强度最高为4.26%，其次为2010—2020年，再次为1978—2000年，1949年以前的扩展强度近乎为0。
表2 1916—2020年北京市城市扩展

Tab. 2 Statistics on urban expansion in Beijing from 1916 to 2020

时段 1916—1949年 1949—1978年 1978—2000年 2000—2010年 2010—2020年 1916—2020年
城市土地面积(km2) 35.31 112.54 466.06 1038.07 1739.24 2312.14
城市扩展面积(km2) 77.23 353.52 572.01 701.17 572.89 2276.83
城市扩展速率(km2/a) 2.34 12.19 26.00 70.12 57.29 21.89
城市扩展强度(%) 0.01 0.07 3.49 4.26 3.49 0.13
1916—2020年北京城市土地面积增长变化剧烈，围绕中心地域呈圈层式蔓延扩展，且不同阶段城市扩展差异显著（图3）。元代至明清时期的北京城市建设形成了京城平面的“凸”字型，奠定了现代城市空间格局与空间扩展基本过程的基础。1916—1949年北京城市扩展围绕老城区呈圈层式展开，扩展区域主要位于现在的东城区和西城区。1949—1978年北京市城市扩展出现新的模式，即沿东西、南北轴线蔓延扩展，东西轴线的城市扩展蔓延长度大于南北轴线，在中心城市外的区域开始出现零星的城市建设。1978年以后北京城市面积迅速扩大，一方面主城区范围向四环外扩展，另一方面，顺义、昌平、房山等地区的卫星城扩展，逐渐与中心城市融合。2010—2020年受限于地形影响，北京城市扩展主要以原来的城市为基础，向南北方向和东部扩展。
图3 1916—2020年北京市城市扩展及观象台位置变化

Fig. 3 Urban expansion and changes of the location of the observatory in Beijing from 1916 to 2020

3.2 城市化轨迹与阶段

1916—2020年北京城镇人口呈指数型增长，城市化率呈现波动上升态势（图4a），城镇人口数量增加1869万。1916年北京市内城区人口仅有47.95万人，但此时近代技术与社会资本向城市集中，人口城市迁移导向明显，城市化率较高（59.85%）。1930年北京市城市化率下降的原因是统计时包括了四郊区的户口[40]，人口基数增大。1930—1950年北京城市化率和人口数量增长缓慢，与战乱、自然灾害等因素有关。1950—1960年为满足新中国成立后经济发展的需要，保障城市工业的供给，政府鼓励农村劳动力向城市流动，城镇人口剧增，在1960年时出现的较高城市化率62%，城镇人口增至460.30万人。1960—1970年社会动荡严重冲击国民经济秩序，城镇人口数量首次出现下降的变化态势。1978年以后，经济状况开始扭转，改革开放改变了经济发展方式和区域资源配置，北京城市发展需要更多的劳动力，对第二、三产业劳动力的需求激增。2010—2020年城市化率增速仅为1.08%，这一阶段北京市人口调控政策强度加大，开始落实住房限购政策，与此同时京津冀协同发展通过城市功能疏解带动了人口疏解，使得城市化率增速放缓。
图4 北京市城镇人口、城市化率及第二、三产业GDP变化

Fig. 4 Changes in urban population, urbanization rate and the second and tertiary industries of GDP in Beijing

城市化是指第二、三产业在城市聚集[47]，在此选取北京市1949—2020年第二、三产业GDP的变化情况来反映城市发展（图4b）。1949—2020年北京市第二、三产业GDP快速增长，呈现指数型增长态势。从不同时段来看，1949—1978年是中国初步工业化的探索时期，农业对工业扩张的限制明显，北京市第二、三产业GDP变化增速缓慢，仅为3.49亿元/a。1978—2000年随着改革开放的大规模持续引进，工业实现由劳动密集型向资本技术密集型转变，服务业发展经历由规模扩大向结构优化的转变，第二、三产业GDP开始出现明显抬升，1978—2000年升高了2979.20亿元，平均增速为135.42亿元/a。21世纪以来，GDP以前所未有的增速显著提升，2000—2020年GDP增加32912.59亿元，平均增速为1645.63亿元/a，是1978—2000年GDP增速的12.15倍，1949—1978年GDP增速的472.13倍。

3.3 北京市百年来气象要素变化特征

3.3.1 气温要素变化特征

北京市5 a滑动平均气温变化整体呈现波动升高的特征，平均气温为12.25 ℃（图5），不同时段温度变化差异明显。具体而言，北京市5 a滑动温度从20世纪60年代中期呈现下降趋势，2000年以来温度显著升高，未出现显著突变时刻（图6）。百余年间气温升高了2.24 ℃，气温的升温速率为0.22 ℃/10a，1970—2020年的升温速率为0.52 ℃/10a，2000—2020年的升温速率为0.34 ℃/10a。其中，1951—2020年北京市气温升温速率为0.33 ℃/10a，略高于全国气温升温速率0.26 ℃/10a[13]。就当年气温而言，最低温度出现在1968年，为11.03 ℃，1955年和1954年次之，最冷的5 a全部出现在1971年以前。最高温度出现在2016年，为13.86 ℃，2018年和2019年次之，最暖的5 a全部出现在2010年以后。
图5 1916—2020年北京市5 a滑动平均气温变化

Fig. 5 Variation of 5-year moving average temperature in Beijing from 1916 to 2020

图6 北京市5 a滑动平均气温Mann-Kendall检验结果

Fig. 6 Mann-Kendall test for the 5-year moving average temperature in Beijing

从不同时段来看，1916—1949年和1949—1978年北京市5 a滑动平均气温的变化波动下降趋势并不明显，1949—1978年降温速率为0.05 ℃/10a。1961年左右的温度在1949—1978年研究段内出现了小高峰，这与该时期北京发生的大范围自然灾害有关。1978年以后温度升高速率明显加快，分别是0.76 ℃/10a（1978—2000年）、0.30 ℃/10a（2000—2010年）和0.89 ℃/10a（2010—2020年）。

3.3.2 降水要素变化特征

1916—2020年北京市平均年降水量为588.6 mm，整体呈现波动下降趋势，递减速率为9.37 mm/10a（图7）。1961—2020年平均年降水量亦呈下降趋势，与全国降水增加的趋势相反，与华北东南部降水量变化一致[13]。具体而言，年均降水量在20世纪20年代初期下降，然后一直呈上升趋势，21世纪以来一直呈现下降趋势，在1988—1989年和1990—1991年间出现明显的突变现象（图8）。其中降水量最大年份在1959年，年降水量高达1404.6 mm。降水量最小年份在1921年，平均年降水量仅为256.2 mm，两个年份的降水量相差1148.4 mm。降水量最多的10 a均分布在1970年以前，降水最少的10 a的年份间隔相对较大。
图7 1916—2020年北京市年降水量变化

Fig. 7 Variation of annual precipitation in Beijing from 1916 to 2020

图8 北京市年降水量Mann-Kendall检验结果

Fig. 8 Mann-Kendall test for the annual precipitation in Beijing

3.4 百年尺度城市化对区域气候的影响及机制

3.4.1 城市化对区域气温变化的影响

城市化率作为城市化的度量指标，可以直接反映城市的发展进程。基于分段线性回归的方法表明，不同时段城市化率与5 a滑动平均气温的相关性存在差异（图9）。除1916—1949时间段之外，其他时间段内的城市化率与5 a滑动平均气温均存在正相关，两者在1978—2000年存在高度相关性，相关系数高达0.92，这个时间段是城市快速发展的一个阶段，城市化率提升超20个百分点，城市化的快速推进对气温变化产生了剧烈影响。2000—2010年和2010—2020年的城市化率与5 a滑动平均气温呈现中度相关性，相关系数分别为0.63和0.79，说明在这两个时间段内城市化率的提高对气温变化具有一定程度的影响。当城市化率大于60%时，城市化率对气温的影响更加明显。值得注意的是，1916—1949年城市化率与5 a滑动平均气温存在弱的负相关性，其相关系数为-0.30，此时城市化处于初级阶段，对气温变化产生的影响较小。
图9 不同时段北京市城市化率与5 a滑动气温相关性

Fig. 9 Correlation between urbanization rate and 5-year moving average temperature in Beijing at different periods

基于观测减去再分析方法的结果表明，1916—2020年北京市城市化对气温变化具有显著影响，且不同时段内城市化贡献差异明显（图10）。平均增温幅度和城市化对区域增温的贡献率分别为0.035 ℃/10a和20.83%。1949—1978年观测气温变化趋势小于再分析数据的变化趋势，背景气候变化的影响高于城市化。自1978年以后，城市化带来的增温效应开始加剧，以2000—2010时段最为明显，城市化增温幅度达到了0.60 ℃/10a。2010—2020年城市化的增温速率放缓，贡献率下降至20.40%。
图10 基于OMR的城市化对气温的影响

Fig. 10 Impact of urbanization on temperature based on OMR method

城市化导致的下垫面类型转换表现出的热力差异是区域气温变化的关键要素，城市不透水地表扩张造成的地表能量收支变化可以来解释区域温度变化[54]。1916—2020年北京市城市面积增长64.48倍，下垫面及城市景观结构发生剧烈变化。城市化引起的自然用地向不透水面的转变改变了地表的辐射特性（地表反照率）和太阳辐射的吸收率[55]，导致北京市地表温度、显热通量和波文比沿郊区—城郊—城区梯度变化逐渐升高[54]。表3显示了北京市不同下垫面地表参量的对比情况。就能量平衡而言，相较于城市不透水地表，在温暖季（春季、夏季和秋季），城市化引起的变暖效应主要归因于潜热通量的变化[56]。绿地植被蒸腾的热耗散作用更为活跃，表现出的LE/Rn高于城市建筑地区，白天绿地区域LE/Rn是不透水地表的6.15倍。在冬季白天，显热通量和土壤热通量变化是区域升温的主控因子[56]。除了少部分用于植被蒸腾作用外，其他热量通过显热扩散到大气和土壤中，不透水地表的(H+G)/Rn高于植被地区。在夜间，储存热量的释放是区域增温的主要影响因素，不透水地区全年夜间G/Rn是植被地区的2.47倍，城市夜间储存的热量释放分布在较浅的大气边界中，且随着空气在城市区域移动会积累更多的热量，城市中心经历更强烈的变暖过程[57]。波文比的变化进一步说明了在白天潜热通量主导增温过程；夜间的增温过程以显热释放为主[41]。
表3 2012年北京市城市建筑与绿地地表参数观测[41]

Tab. 3 Observation of surface radiation fluxes of urban buildings and green spaces in 2012[41]

Rn(W/m2) 反照率 LE/Rn H/Rn G/Rn 波文比
白天 夜间 白天 夜间 白天 夜间 白天 夜间 白天 夜间 白天 夜间
冬 建筑 37.27 -72.76 0.23 0.00 0.47 -0.27 0.47 0.01 0.23 0.25 0.99 -0.04
绿地 67.42 -41.34 0.19 0.03 0.09 -0.05 0.56 0.32 -0.06 0.19 5.96 -6.54
春 建筑 156.52 -80.36 0.26 0.03 0.05 -0.10 0.28 -0.05 0.18 0.40 5.71 0.49
绿地 206.62 -33.84 0.19 0.08 0.31 -0.27 0.23 0.39 0.06 0.05 0.75 -1.41
夏 建筑 179.67 -61.11 0.24 0.07 0.05 -0.23 0.22 -0.11 0.18 0.50 4.34 0.50
绿地 238.68 -21.68 0.18 0.07 0.49 -0.72 0.11 0.32 0.05 0.11 0.22 -0.45
秋 建筑 96.12 -74.32 0.23 0.01 0.10 -0.12 0.21 0.04 0.19 0.32 2.15 -0.36
绿地 147.05 -38.28 0.18 0.03 0.43 -0.19 0.17 0.14 -0.02 0.27 0.39 -0.75
全年 建筑 117.40 -72.14 0.24 0.03 0.17 -0.18 0.30 -0.03 0.19 0.37 3.30 0.15
绿地 164.94 -33.79 0.19 0.05 0.33 -0.31 0.27 0.29 0.01 0.15 1.83 -2.29

3.4.2 城市化对区域降水变化的影响

1916—2020年北京市不同时段城市化率对年降水量的影响较小（图11）。其中1916—2010年间城市化率与年降水量不存在显著相关性，2010—2020年城市化率与降水呈现负相关。1916—2010年北京城市化率对区域降水影响微弱，与已有研究结果相符[25]。
图11 不同时段北京市城市化率与年降水量相关性

Fig. 11 Correlation between urbanization rate and annual precipitation in Beijing at different periods

北京市属温带季风性气候，夏季东南季风带来丰沛的水汽，区域尺度的降水影响的主导作用超出城市化影响，Kaufmann等[55]研究表明夏季城市化与降水之间没有因果关系。冬季北方冷锋带来降水，降水变化幅度较小，因此冬季区域城市化效应更加明显。在本文中，近100年北京市降水量以9.37 mm/10a的速率下降，夏季降低速率为12.74 mm/10a，冬季下降速率为0.15 mm/10a，夏季降水的减弱在区域降水变化中占主导地位，而冬季降水主要受城市化影响，呈下降趋势（图7、图12）。尽管北京市城市化率与年降水量的分段相关性并不显著（图11），但城市内部结构对降水的影响不容忽视，下垫面热量传输变化对降水存在影响[58]。百年来北京城市扩张改变地表属性，不透水面的扩张使得城市地表显热通量增加，减少了用于蒸发过程的净辐射比例（表3），从而加深了大气层深度并加强低层大气中水蒸气的混合，阻止大气层中水蒸气的积累，减少了区域循环降水的水汽供应，使得对流的有效势能降低，大气水分转化为降雨的效率受到抑制[55,59 -60]，降水量逐渐减少。
图12 北京市夏季和冬季降水变化距平值

Fig. 12 Anomaly of precipitation change in summer and winter in Beijing

除了土地覆被变化的影响以外，城市化造成的人口增长和第二、三产业增加导致了大气中污染物排放激增，1916—2010年北京市人口数量增长近40倍，21世纪第二、三产业GDP总量的增速是1978—2000年GDP增速的12.15倍，是1949—1978年GDP增速的472.13倍。城市化导致的空气污染物增加与降水之间存在紧密耦合[61]，在城市地区和工业设施地区的受污染云层中，污染增加了云凝结和云滴浓度，形成较小的云滴[62]，云滴凝结和冰沉降的形成受到抑制，从而减少降水[63]。此外，降水减少可能会因为空气污染物排放的增加而被放大[55]。

3.4.3 气温与降水变化的相关关系

1916—2020年北京市5 a滑动平均气温与降水量变化间的相关性并不显著（图13），尽管1916—1949年和2010—2020年气温和降水呈现负相关关系，但均未通过显著性水平检验。研究普遍认为降水量和温度之间的相关性随时间变化有所改变：1978—2012年北京市夏季降水量随气温升高呈现先升后降的变化过程[64]。在季风作用影响下，京津冀地区气温与降水间存在负相关性[65]。Huang等[66]研究表明黄河流域的降水与温度之间的负相关性随时间呈上升趋势，且半湿润区降水对温度变化的响应较弱。在同样受季风影响的印度地区，温度与降水量在1月和5月呈正相关，在7月呈负相关[67]。气温和降水的相关性可由大气遥相关解释，此外还涉及土壤湿度的作用，土壤湿度降低抑制蒸散作用使地表变暖，大气可用水分降低，进一步抑制降水[68]。近100年来北京城市地区降水量与气温变化的相关性较为复杂。北京市地处半湿润地区，受季风的影响显著。城市化增加了不透水地表，降低土壤水分，改变了空气温度，从而对降水产生影响。
图13 不同时段北京市5 a滑动平均气温与年降水量相关性

Fig. 13 Correlation between 5-year moving average temperature and annual precipitation in Beijing at different periods

4 讨论与结论

4.1 讨论

1916—2020年来北京市升温显著，高于全球和全国变化幅度。1916—2020年北京市气温升高2.24 ℃，升温速率为0.22 ℃/10a（表4）。2020年全球气温较工业化前水平（1850—1900年）升高1.09 ℃，陆域温度升高1.59 ℃，亚洲区域所观测的平均温度的升高，已经超出自然变率的范畴[69]。根据《中国气候变化蓝皮书2021》记录，1951—2020年中国地表年平均气温呈显著上升趋势，升温速率为0.26 ℃/10a[13]，此间北京市气温升温速率为0.33 ℃/10a（图5）。相较于全球其他大型城市，北京市温度升高趋势更为明显。Ajaaj等[70]对1901—2008年18个特大城市的降水量和气温进行趋势分析，包括北京在内的约70%的城市地区显示出较高的升温趋势。Papalexiou等[71]回顾1966—2015年71个大城市或特大城市的气温变化情况，其中巴黎增温速度高达0.96 ℃/10a，巴塞罗那次之（0.60 ℃/10a），北京增温速度为0.46 ℃/10a，在27个城市中排名第五。本文认为北京在1966—2015年的增温速度为0.47 ℃/10a，与其结果基本一致。与其他特大城市相比，1978以来北京市城市扩展加速，蔓延式不透水面持续扩张，尽管美国特大城市规模远高于北京，但是补丁填充模式限制美国特大城市边界范围的扩张。1970—2010年北京市不透水面扩张速度和面积显著高于美国芝加哥、洛杉矶等特大城市，40 a间北京市不透水面扩张的面积约为芝加哥的3倍，洛杉矶的13倍[72]。高速的城市扩张势必对区域气温产生影响。1966—2015年北京市升温速率为0.47 ℃/10a，而芝加哥和洛杉矶的温度有所降低，降温速率分别是0.02 ℃/10a和0.18 ℃/10a[71]，3个城市的气温变化在一定程度上与城市用地有关，进一步说明了北京城市扩展带来的增温效应。相比之下，东京城市的扩展受限于土地资源，不会像北京一样出现大面积的扩张，因此升温速率较高的原因与土地高度集约利用条件下城市化率升高城市人为热源的排放有关。
表4 北京市气温变化情况比较

Tab. 4 Comparison of temperature changes in Beijing and other cities

区域 时间 气温变化(℃) 增温速率(℃/10a) 数据来源
全球 2020年较1850—1900年 +1.09 - IPCC AR6[69]
中国 1951—2020年 - 0.26 《中国气候变化蓝皮书2021》[13]
北京 1916—2020年 +2.24 0.22 本文
1951—2020年 - 0.33 本文
1966—2015年 - 0.47 本文
1966—2015年 - 0.46 文献[71]
芝加哥 1966—2015年 - -0.02 文献[71]
洛杉矶 1966—2015年 - -0.18 文献[71]
东京 1966—2015年 - 0.42 文献[71]
本文重现了北京百年城市扩展过程及人口经济的变化趋势，分析了百年气温和降水的变化规律以及城市化与气象要素的相关关系，并且探讨了同时期北京市与其他城市的城市化进程对区域温度变化的影响。研究为城市化对于区域气候影响的内在机理提供科学参考，同时为研究提高城市气候适应和未来预测提供决策支持。尽管如此，研究仍存在以下局限性：① 受限于数据记录的时间跨度，所采用的气象站点数据较为单一，未能考虑到城市与乡村的温度差异[73]。另一方面，历史数据的缺失导致研究缺乏对城市化与气候要素变化之间的量化分析。② 城市内部下垫面结构复杂，城市内部能量收支受较多因素影响，如：城市楼房所吸收的能量随着楼房高度及建筑材质的变化有所差异，增温效应强度不一[54,74]；城市建筑高度的变化会引起地表热通量的变化，从而对城市降水产生影响[75]；地表粗糙度对对流降水过程有较大的影响[76]。区域气候变化的驱动机制复杂[77]，基于不断完善的区域气候模式，如何量化城市化对气候影响的贡献将会被进一步探讨。

4.2 结论

针对现阶段长时间序列的城市变迁与区域气候演化关系认知不清晰的问题，本文基于卫星遥感图像、社会经济数据和气象站点实测等数据，揭示了1916—2010年北京市气象要素的变化特征，探究了北京市不同时段城市化发展与区域气候演化的关系，主要结论如下：
（1）1916—2020年来北京城市土地面积增长变化剧烈，围绕中心地域呈圈层式蔓延扩展，且不同阶段城市扩展差异显著。扩展速率经历了“缓慢（1916—1978年）—加速（1978—2010年）—减速（2010—2020年）”的模式。城市面积由1916年35.31 km2增长至2020年的2312.14 km2，增长了64.48倍。
（2）1916—2020年北京年平均气温和年降水量分别为12.25 ℃和588.6 mm。随着城市的发展，5 a滑动平均气温变化整体呈现先波动降低后升高的特征，百余年间的增温速率为0.22 ℃/10a。降水整体呈现波动下降趋势，速率为9.37 mm/10a。
（3）城市不透水面的加速扩张可能改变地表能量收支，从而导致局部气温升高。城市化率与区域气温升高具有协同关系，不同时段差异显著。1916—2020年北京市城市土地利用变化和社会经济发展对气温的贡献为20.83%。另一方面，地表能量收支改变与空气污染物排放增加可能导致北京城市地区的降水减少。
本文提升了百年来北京市城市扩张和社会经济过程对区域气候变化影响的认知，为研究提高城市气候适应和未来预测提供重要参考。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Grimm N B, Faeth S H, Golubiewski N E, et al. Global change and the ecology of cities. Science, 2008, 319(5864): 756-760.

DOI PMID

[2]
Kuang Wenhui, Liu Jiyuan, Shao Quanqin, et al. Dynamic urban growth model at regional scale and its application. Acta Geographica Sinica, 2011, 66(2): 178-188.

DOI

[匡文慧, 刘纪远, 邵全琴, 等. 区域尺度城市增长时空动态模型及其应用. 地理学报, 2011, 66(2): 178-188.]

[3]
Qin Dahe, Chen Zhenlin, Luo Yong, et al. Updated understanding of climate change sciences. Advances in Climate Change Research, 2007, 3(2): 63-73.

[秦大河, 陈振林, 罗勇, 等. 气候变化科学的最新认知. 气候变化研究进展, 2007, 3(2): 63-73.]

[4]
Pielke R A Sr, Adegoke J, BeltraáN-Przekurat A, et al. An overview of regional land-use and land-cover impacts on rainfall. Tellus B: Chemical and Physical Meteorology, 2007, 59(3): 587-601.

DOI

[5]
Radhi H, Fikry F, Sharples S. Impacts of urbanisation on the thermal behaviour of new built up environments: A scoping study of the urban heat island in Bahrain. Landscape and Urban Planning, 2013, 113: 47-61.

DOI

[6]
Cui Yaoping, Liu Jiyuan, Zhang Xuezhen, et al. Modeling urban sprawl effects on regional warming in Beijing-Tianjing-Tangshan urban agglomeration. Acta Ecologica Sinica, 2015, 35(4): 993-1003.

[崔耀平, 刘纪远, 张学珍, 等. 京津唐城市群土地利用变化的区域增温效应模拟. 生态学报, 2015, 35(4): 993-1003.]

[7]
Kuang W H. 70 years of urban expansion across China: Trajectory, pattern, and national policies. Science Bulletin, 2020, 65(23): 1970-1974.

DOI

[8]
Liu J Y, Zhang Z X, Xu X L, et al. Spatial patterns and driving forces of land use change in China during the early 21st century. Journal of Geographical Sciences, 2010, 20(4): 483-494.

DOI

[9]
Kuang W H, Liu J Y, Zhang Z X, et al. Spatiotemporal dynamics of impervious surface areas across China during the early 21st century. Chinese Science Bulletin, 2013, 58(14): 1691-1701.

DOI

[10]
Kuang W H, Yang T R, Liu A L, et al. An EcoCity model for regulating urban land cover structure and thermal environment: Taking Beijing as an example. Science China Earth Sciences, 2017, 60(6): 1098-1109.

DOI

[11]
Seto K C, Güneralp B, Hutyra L R. Global forecasts of urban expansion to 2030 and direct impacts on biodiversity and carbon pools. PNAS, 2012, 109(40): 16083-16088.

DOI PMID

[12]
IPCC. Climate Change 2013. The Physical Science Basis. Cambridge: Cambridge University Press, 2013.

[13]
National Climate Center. Blue Book on Climate Change in China 2021. Beijing: Science Press, 2021.

[中国气象局气候变化中心. 中国气候变化蓝皮书(2021). 北京: 科学出版社, 2021.]

[14]
Velazquez-Lozada A, Gonzalez J E, Winter A. Urban heat island effect analysis for San Juan, Puerto Rico. Atmospheric Environment, 2006, 40(9): 1731-1741.

DOI

[15]
Sachsen T, Ketzler G, Knörchen A, et al. Past and future evolution of nighttime urban cooling by suburban cold air drainage in Aachen. DIE ERDE: Journal of the Geographical Society of Berlin, 2014, 144(3-4): 274-289.

[16]
Yan Zhongwei, Ding Yihui, Zhai Panmao, et al. Re-assessing climatic warming in China since the last century. Acta Meteorologica Sinica, 2020, 78(3): 370-378.

[严中伟, 丁一汇, 翟盘茂, 等. 近百年中国气候变暖趋势之再评估. 气象学报, 2020, 78(3): 370-378.]

[17]
Cao W, Huang L, Liu L L, et al. Overestimating impacts of urbanization on regional temperatures in developing megacity: Beijing as an example. Advances in Meteorology, 2019: 15. DOI:10.1155/2019/3985715.

DOI

[18]
Fujibe F. Detection of urban warming in recent temperature trends in Japan. International Journal of Climatology: A Journal of the Royal Meteorological Society, 2009, 29(12): 1811-1822.

[19]
Qu M, Wan J, Hao X J. Analysis of diurnal air temperature range change in the continental United States. Weather and Climate Extremes, 2014, 4: 86-95.

DOI

[20]
Wan H, Zhang X B, Zwiers F W. Human influence on Canadian temperatures. Climate Dynamics, 2019, 52(1): 479-494.

DOI

[21]
Rajulapati C R, Gaddam R K, Nerantzaki S D, et al. Exacerbated heat in large Canadian cities. Urban Climate, 2022, 42: 101097. DOI: 10.1016/j.uclim.2022.101097.

DOI

[22]
Hu Qingfang, Zhang Jianyun, Wang Yintang, et al. A review of urbanization impact on precipitation. Advances in Water Science, 2018, 29(1): 138-150.

[胡庆芳, 张建云, 王银堂, 等. 城市化对降水影响的研究综述. 水科学进展, 2018, 29(1): 138-150.]

[23]
Burian S J, Shepherd J M. Effect of urbanization on the diurnal rainfall pattern in Houston. Hydrological Processes, 2005, 19(5): 1089-1103.

DOI

[24]
Shepherd J M. Evidence of urban-induced precipitation variability in arid climate regimes. Journal of Arid Environments, 2006, 67(4): 607-628.

DOI

[25]
Rosenzweig C, Solecki W D, Hammer S A, et al. Climate Change and Cities:First Assessment Report of the Urban Climate Change Research Network. Cambridge: Cambridge University Press, 2011.

[26]
Kalnay E, Cai M. Impact of urbanization and land-use change on climate. Nature, 2003, 423(6939): 528-531.

DOI

[27]
Zhou L M, Dickinson R E, Tian Y H, et al. Evidence for a significant urbanization effect on climate in China. PNAS, 2004, 101(26): 9540-9544.

PMID

[28]
Li Yu, Zhou Decheng, Yan Zhangmei, et al. Contribution of urbanization to local warming in major cities of China. Environmental Science, 2022, 43(5): 2822-2830.

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

[29]
Jin Yirong, Hu Qingfang, Wang Yintang, et al. Impacts of rapid urbanization on precipitation at two representative rain gauges in Shanghai City. Journal of Hohai University (Natural Sciences), 2017, 45(3): 204-210.

[金义蓉, 胡庆芳, 王银堂, 等. 快速城市化对上海代表站降水的影响. 河海大学学报(自然科学版), 2017, 45(3): 204-210.]

[30]
Sun T, Sun R H, Khan M S, et al. Urbanization increased annual precipitation in temperate climate zone: A case in Beijing-Tianjin-Hebei region of North China. Ecological Indicators, 2021, 126: 107621. DOI: 10.1016/j.ecolind.2021.107621.

DOI

[31]
Zhang B, Xie G D, Li N, et al. Effect of urban green space changes on the role of rainwater runoff reduction in Beijing, China. Landscape and Urban Planning, 2015, 140: 8-16.

DOI

[32]
Sun Y, Zhang X B, Ren G Y, et al. Contribution of urbanization to warming in China. Nature Climate Change, 2016, 6(7): 706-709.

DOI

[33]
Li X Y, Kuang W H, Sun F Y. Identifying urban flood regulation priority areas in Beijing based on an ecosystem services approach. Sustainability, 2020, 12(6): 2297. DOI: 10.3390/su12062297.

DOI

[34]
Beijing Municipal Bureau of Statistics. Beijing Statistical Year Book 2021. Beijing: China Statistics Press, 2022.

[北京市统计局. 北京统计年鉴2021. 北京: 中国统计出版社, 2022.]

[35]
Liu Jiyuan, Kuang Wenhui, Zhang Zengxiang, et al. Spatiotemporal characteristics, patterns and causes of land use changes in China since the late 1980s. Acta Geographica Sinica, 2014, 69(1): 3-14.

DOI

[刘纪远, 匡文慧, 张增祥, 等. 20世纪80年代末以来中国土地利用变化的基本特征与空间格局. 地理学报, 2014, 69(1): 3-14.]

[36]
Kuang Wenhui, Zhang Shuwen, Du Guoming, et al. Remotely sensed mapping and analysis of spatio-temporal patterns of land use change across China in 2015-2020. Acta Geographica Sinica, 2022, 77(5): 1056-1071.

DOI

[匡文慧, 张树文, 杜国明, 等. 2015—2020年中国土地利用变化遥感制图及时空特征分析. 地理学报, 2022, 77(5): 1056-1071.]

DOI

[37]
National Library of China, Surveying and Mapping Press. Beijing in Ancient Maps. Beijing: Surveying and Mapping Press, 2010.

[中国国家图书馆, 测绘出版社. 北京古地图集. 北京: 测绘出版社, 2010.]

[38]
Editorial Committee of Atlas of Cities of China. Atlas of Cities of China (Vol. 1). Beijing: Sinomap Press, 1994.

[中国城市地图集编辑委员会. 中国城市地图集(上册). 北京: 中国地图出版社, 1994.]

[39]
Department of Comprehensive Statistics of National Bureau of Statistics. China Compendium of Statistics 1949-2008. Beijing: China Statistics Press, 2010.

[国家统计局国民经济综合统计司. 新中国六十年统计资料汇编. 北京: 中国统计出版社, 2010.]

[40]
Gao Wenchao. Study on the changes and causes of spatial distribution pattern of Beijing population from 1912 to 1948. Population Journal, 2018, 40(6): 62-74.

[高文超. 1912—1948年北京人口空间分布格局变动及原因研究. 人口学刊, 2018, 40(6): 62-74.]

[41]
Kuang W H, Li Z L, Hamdi R. Comparison of surface radiation and turbulent heat fluxes in Olympic Forest Park and on a building roof in Beijing, China. Urban Climate, 2020, 31: 100562. DOI: 10.1016/j.uclim.2019.100562.

DOI

[42]
Kuang W H. Simulating dynamic urban expansion at regional scale in Beijing-Tianjin-Tangshan Metropolitan Area. Journal of Geographical Sciences, 2011, 21(2): 317-330.

DOI

[43]
Li Qingxiang, Menne M J, Williams Jr C N, et al. Detection of discontinuities in Chinese temperature series using a multiple test approach. Climatic and Environmental Research, 2005, 10(4): 736-742.

[李庆祥, Menne M J, Williams Jr C N, 等. 利用多模式对中国气温序列中不连续点的检测. 气候与环境研究, 2005, 10(4): 736-742.]

[44]
Zhang Xuemei, Chen Li, Ji Juzhi, et al. Climate change and its effect in Harbin from 1881 to 2010. Journal of Meteorology and Environment, 2011, 27(5): 13-20.

[张雪梅, 陈莉, 姬菊枝, 等. 1881—2010年哈尔滨市气候变化及其影响. 气象与环境学报, 2011, 27(5): 13-20.]

[45]
Liu Shenghe, Wu Chuanjun, Shen Hongquan. A GIS based model of urban land use growth in Beijing. Acta Geographica Sinica, 2000, 55(4): 407-416.

DOI

[刘盛和, 吴传钧, 沈洪泉. 基于GIS的北京城市土地利用扩展模式. 地理学报, 2000, 55(4): 407-416.]

DOI

[46]
Wang Qi'an, Shi Jiancheng, Kuang Wenhui, et al. Global ecosystems and environment observation analysis research cooperation (2020): Global urban land composite and expansion in 2000-2020. http://old.chinageoss.cn/geoarc/2020/C/index.html.

[王琦安, 施建成, 匡文慧, 等. 全球生态环境遥感监测2020年度报告: 全球城市扩展与土地覆盖变化. http://old.chinageoss.cn/geoarc/2020/C/index.html.]

[47]
Jian Xinhua, Huang Kun. Empirical analysis and forecast of the level and speed of urbanization in China. Economic Research Journal, 2010, 45(3): 28-39.

[简新华, 黄锟. 中国城镇化水平和速度的实证分析与前景预测. 经济研究, 2010, 45(3): 28-39.]

[48]
Chen Binkai, Lin Yifu. Development strategy, urbanization and the rural-urban income disparity in China. Social Sciences in China, 2013(4): 81-102.

[陈斌开, 林毅夫. 发展战略、城市化与中国城乡收入差距. 中国社会科学, 2013(4): 81-102.]

[49]
Cao Aili, Zhang Hao, Zhang Yan, et al. Decadal changes of air temperature in Shanghai in recent 50 years and its relation to urbanization. Chinese Journal of Geophysics, 2008, 51(6): 1663-1669.

[曹爱丽, 张浩, 张艳, 等. 上海近50年气温变化与城市化发展的关系. 地球物理学报, 2008, 51(6): 1663-1669.]

[50]
Miao Qilong, Ding Yuanyuan, Wang Yong, et al. Impact of climate warming on the distribution of China's thermal resources. Journal of Natural Resources, 2009, 24(5): 934-944.

DOI

[缪启龙, 丁园圆, 王勇, 等. 气候变暖对中国热量资源分布的影响分析. 自然资源学报, 2009, 24(5): 934-944.]

DOI

[51]
Shi H Y, Wang G Q. Impacts of climate change and hydraulic structures on runoff and sediment discharge in the middle Yellow River. Hydrological Processes, 2015, 29(14): 3236-3246.

DOI

[52]
Sen P K. Estimates of the regression coefficient based on Kendall's tau. Journal of the American Statistical Association, 1968, 63(324): 1379-1389.

[53]
Zhai Jun, Shao Quanqin, Liu Jiyuan. Impact analysis of climate change from land use/cover change in Inner Mongolia Plateau. Journal of Natural Resources, 2014, 29(6): 967-978.

DOI

[翟俊, 邵全琴, 刘纪远. 内蒙古高原土地利用/覆被变化对气温变化的影响分析. 自然资源学报, 2014, 29(6): 967-978.]

DOI

[54]
Kuang W H, Dou Y Y, Zhang C, et al. Quantifying the heat flux regulation of metropolitan land use/land cover components by coupling remote sensing modeling with in situ measurement. Journal of Geophysical Research: Atmospheres, 2015, 120(1): 113-130.

DOI

[55]
Kaufmann R K, Seto K C, Schneider A, et al. Climate response to rapid urban growth: Evidence of a human-induced precipitation deficit. Journal of Climate, 2007, 20(10): 2299-2306.

DOI

[56]
Shen P K, Zhao S Q, Ma Y J. Perturbation of urbanization to earth's surface energy balance. Journal of Geophysical Research: Atmospheres, 2021, 126(8): e2020JD033521. DOI: 10.1029/2020JD033521.

DOI

[57]
Zhao L, Lee X H, Smith R B, et al. Strong contributions of local background climate to urban heat islands. Nature, 2014, 511(7508): 216-219.

DOI

[58]
Souma K, Tanaka K, Suetsugi T, et al. A comparison between the effects of artificial land cover and anthropogenic heat on a localized heavy rain event in 2008 in Zoshigaya, Tokyo, Japan. Journal of Geophysical Research: Atmospheres, 2013, 118(20): 11600-11610.

DOI

[59]
Zhang C L, Miao S G, Li Q C, et al. Impacts of fine-resolution land use information of Beijing on a summer severe rainfall simulation. Chinese Journal of Geophysics, 2007, 50(5): 1172-1182.

DOI

[60]
Wang J, Feng J M, Yan Z W. Impact of extensive urbanization on summertime rainfall in the Beijing region and the role of local precipitation recycling. Journal of Geophysical Research: Atmospheres, 2018, 123: 3323-3340.

DOI

[61]
Cerveny R S, Balling R C. Weekly cycles of air pollutants, precipitation and tropical cyclones in the coastal NW Atlantic region. Nature, 1998, 394(6693): 561-563.

DOI

[62]
Borys R D, Lowenthal D H, Cohn S A, et al. Mountaintop and radar measurements of anthropogenic aerosol effects on snow growth and snowfall rate. Geophysical Research Letters, 2003, 30(10): 1538. DOI: 10.1029/2002GL016855.

DOI

[63]
Rosenfeld D. Suppression of rain and snow by urban and industrial air pollution. Science, 2000, 287(5459): 1793-1796.

PMID

[64]
Zheng Zuofang. A study on relationship between summer precipitation and air temperature in Beijing area. Meteorological Monthly, 2016, 42(5): 607-613.

[郑祚芳. 北京地区夏季降水与气温的对应关系. 气象, 2016, 42(5): 607-613.]

[65]
Men B H, Wu Z J, Liu H L, et al. Spatio-temporal analysis of precipitation and temperature: A case study over the Beijing-Tianjin-Hebei region, China. Pure and Applied Geophysics, 2020, 177: 3527-3541.

DOI

[66]
Huang Y, Cai J, Yin H L, et al. Correlation of precipitation to temperature variation in the Huanghe River (Yellow River) basin during 1957-2006. Journal of Hydrology, 2009, 372(1-4): 1-8.

DOI

[67]
Rajeevan M, Pai D S, Thapliyal V. Spatial and temporal relationships between global land surface air temperature anomalies and Indian summer monsoon rainfall. Meteorology and Atmospheric Physics, 1998, 66(3-4): 157-171.

DOI

[68]
Déry S J, Wood E F. Observed twentieth century land surface air temperature and precipitation covariability. Geophysical Research Letters, 2005, 32: L21414. DOI: 10.1029/2005GL024234.

DOI

[69]
IPCC. Climate change 2021. The Physical Science Basis. https://www.ipcc.ch/report/ar6/wg1/#FulReport.

[70]
Ajaaj A A, Mishra A K, Khan A A. Urban and peri-urban precipitation and air temperature trends in mega cities of the world using multiple trend analysis methods. Theoretical and Applied Climatology, 2018, 132(1): 403-418.

DOI

[71]
Papalexiou S M, AghaKouchak A, Trenberth K E, et al. Global, regional, and megacity trends in the highest temperature of the year: Diagnostics and evidence for accelerating trends. Earth's Future, 2018, 6(1): 71-79.

DOI

[72]
Kuang W H, Chi W F, Lu D S, et al. A comparative analysis of megacity expansions in China and the US: Patterns, rates and driving forces. Landscape and Urban Planning, 2014, 132: 121-135.

[73]
Zhou Yaqing, Ren Guoyu. The effect of urbanization on maximum, minimum temperatures and daily temperature ranges in North China. Plateau Meteorology, 2009, 28(5): 1158-1166.

[周雅清, 任国玉. 城市化对华北地区最高、最低气温和日较差变化趋势的影响. 高原气象, 2009, 28(5): 1158-1166.]

[74]
Zhang R H, Kuang W H, Yang S Q, et al. The influence of urban three-dimensional structure and building greenhouse effect on local radiation flux. Science China Earth Sciences, 2021, 64(11): 1934-1948.

DOI

[75]
Kim G, Cha D H, Song C K, et al. Impacts of anthropogenic heat and building height on urban precipitation over the Seoul metropolitan area in regional climate modeling. Journal of Geophysical Research: Atmospheres, 2021, 126(23): e2021JD035348. DOI: 10.1029/2021JD035348.

DOI

[76]
Thielen J, Wobrock W, Gadian A, et al. The possible influence of urban surfaces on rainfall development: A sensitivity study in 2D in the meso-γ-scale. Atmospheric Research, 2000, 54(1): 15-39.

DOI

[77]
Chapman S, Watson J E M, Salazar A, et al. The impact of urbanization and climate change on urban temperatures: A systematic review. Landscape Ecology, 2017, 32(10): 1921-1935.

DOI

Options
文章导航

/

〈 〉