1 引言
辐射强迫(RF, Radiative Forcing)是指由于气候系统内部变化，如二氧化碳或太阳辐射的变化等外部强迫引起的对流层顶垂直方向上的净辐射变化。联合国政府间气候变化专门委员会(IPCC, Intergovernmental Panel on Climate Change)在历次评估报告中均把RF作为评价人类活动的气候效应时的一个关键指标[1]，而研究土地利用变化的RF对评估人类活动的气候效应具有重要意义。
土地利用变化可以有效地反映出人类活动对地表植被及其对应的地表反照率因子的影响[2,3]。中国城市快速扩张，并且以高密度不透水地表扩张为主[4]。这些人类活动可以直接改变地表植被覆盖类型，也可以通过对气候因素的影响间接作用于植被生长过程[5,6]，将导致生物地球物理因子—地表反照率产生变化，从而影响到辐射能量的收支[7,8]。在全球尺度上，受人类活动影响，土地利用变化会引起反照率升高从而产生负的RF[9]。但是，人类活动影响下的土地利用变化导致RF在不同时间段具有很强的空间分异性。因此，如何在区域上有效评估人类活动对辐射能量的影响仍面临着挑战，如何在以像元为单位上分析土地利用变化对应的辐射能量反馈更是鲜有研究涉及。
城市作为人类活动的积聚区，其空间扩展及其对区域气候的影响，如热岛效应等均得到了广泛地关注[10]。有研究表明北京市土地利用变化明显增加了其区域温度[11]。相应地，城市化对植被生长过程的影响也越来越引起人们的关注[12]。而植被生长过程直接影响着地表反照率[13]。有研究表明，不同的土地利用类型具有差异明显的地表反照率特征[14]，并且，地表反照率能很好地表征不同类型的地面对于太阳辐射的反射能力，其直接影响着地表能量的分配[15]，所以，由于城市化过程中地表反照率的改变具有多样性，使得RF的改变也同样具有多样性和复杂性[16]。反照率的变化反映着自然因素和人类活动的综合响应。已有很多研究基于区域气候模式开展了地表覆盖变化的气候效应模拟[17]，大气模式可以有效地反映出各个物理过程，但是模式参数众多，各个算法集成后，其气候因子对地表覆盖变化的敏感度不同，这就很难解释土地利用变化对应的气候贡献；并且模式还往往难以剥离出平流的干扰。为解决这个问题，IPCC在其评估报告中多次使用了一个面板参数化方案，从地表反照率入手开展RF的分析研究[1]，但植被覆盖变化在其间的作用却并未被深入分析。
本研究在分析北京市土地利用变化基础上，利用遥感产品：地表植被物候、增强型植被指数、反照率和下行短波辐射数据来具体分析人类活动作用下的地表覆被生长状况；并进一步探讨了下垫面反照率的变化及植被变化对RF产生的影响。
2 数据与方法
2.1 研究区概况
北京市(115.7°~117.4°E，39.4°~41.6°N)毗邻渤海湾，上靠辽东半岛，下临山东半岛，在华北平原与太行山脉、燕山山脉的交接部位。北京市的地势特征是西北高、东南低。西部为西山属太行山脉；北部和东北部为军都山属燕山山脉，平均海拔为43.5 m；其中，平原的海拔高度在20~60 m之间，山地一般海拔为1 000~1 500 m。其气候是典型的北温带半湿润大陆季风性气候，四季分明，春天干旱多风，夏季高温多雨，秋天清爽凉快，冬天寒冷干燥。其年平均气温在11℃至12℃之间，年平均降水量达到640 mm左右。北京市的平均日照时数在2 000~2 800 h之间。北京市地带性植被类型以暖温带落叶阔叶林为主，并有少面积的温性针叶林分布。大面积平原地区内除城镇用地外，其植被覆盖以草地、林地为主。
2.2 研究数据与预处理
土地利用(LUC)数据。该数据来自于中国科学院资源环境科学数据中心，通过目视解译Landsat影像数据生成矢量，并经过栅格化处理而成，其空间分辨率为1 km。本研究选取了2000年和2015年两期北京市的LUC数据[18]。
植被增强型植被指数(EVI)和植被生长季长度(LOS)数据。这两个数据均来自于美国亚利桑那大学植被指数及物候实验室(VIP)。其中，EVI和LOS数据的空间分辨率为0.05° × 0.05°，EVI数据的时间分辨率是16 d，LOS数据时间分辨率为年。
2.3 研究方法
2.3.1 土地利用再分类
作为引起辐射强迫发生改变的驱动因子，城市化主要是通过生物地球化学过程和生物地球物理过程来改变地表辐射能力的收支平衡的，而土地利用城市化的过程往往与人类活动密不可分。
利用两期北京市LUC数据，按照受人为干预程度的大小分别划分出城区、耕地和以自然植被(例如草地、林地等)为主的其他区域，并将两期划分的结果归并。具体的再分类规则如下：以2000年三种土地利用类别情况为参照，对2015年北京市的利用土地进行分区，分类的结果如下。将从2000~2015年用地类型一直保持为城区和耕地的土地面积划分为老城区和耕地，城市扩建的土地面积视为城市扩展区。除去耕地和老城区，在剩余的土地面积中，受人为因素影响较小，主要是基于自然因素而未发生改变的区域划分为自然纯像元区，例如草地、林地等；由于某些原因发生改变的区域归到混合变化区。
由于自然纯像元区主要是受自然因素为主，所以，本研究基于自然纯像元区对应的是自然变化速率的假设上进行讨论的。那么，其他分区中的统计特征变量与纯像元区域中变量的差值就代表了受到的人为影响强度，差值越大，说明受到人为影响的程度越强，差值越小，受到人为影响的程度越小。该假设是在同一个气候带，同一个地理环境空间，同一个植被类型下建立的，存在有一定的局限性和地区特异性。
2.3.2 局地辐射强迫的计算
其中：
其中：
其中:Rs为每年的下行短波辐射值(W/m2)，Ta为到达大气层顶的透射率因子，表示从表面反射到大气顶层的辐射的比例。结合
这里用表达
2.3.3 归一化植被数据
为了有效地评估人类活动对植被生长的影响，分别对每种土地覆被类型2000~2015年的植被增强型植被指数(EVI)和植被生长季长度(LOS)的数据进行了归一化处理。所采用的计算公式为：
其中：KEVI和KLOS分别表示EVI和LOS的归一化结果，与PP相比，其余4区K值变化的波动越大，说明受到人类活动的影响越强；K值变化的波动越小，则说明人类活动对该地区植被生长产生的作用越弱。Max和Min分别指研究时段内每一年EVI和LOS的最大值和最小值。
2.3.4 年际变化趋势分析
本文采用趋势线方法分析2000~2015年北京市年均地表反照率和年均RF的年际变化速率及其空间分布。其表达式为[24]：
其中：n为研究时段的总年数，本文中n=16(2000~2015年)；xi为第i年的研究因子(年均反照率、年均RF)值；k表示研究因子年际变化趋势的斜率，反映了因子的变化速率以及变化趋势，即k > 0，表明研究因子在研究时段内呈上升的趋势，反之研究因子在研究时段内呈下降趋势；k的绝对值大小反映了研究因子变化的速率，其绝对值越大，说明该因子上升或下降得越快。
3 结果分析
3.1 北京土地利用变化
由北京市土地利用类型空间分布图分析可得，耕地和城市用地的面积变化剧烈，并且大部分的退耕面积都转化为了城市用地面积。而城市也呈圈层状向外扩张的趋势较为明显，北京市出现典型的“退耕扩城”的现象。
2000年北京市划分为三种用地类型，即城镇、耕地和其他用地类型，其占地面积比重分别为7.67%、31.65%和60.68%；到2015年，三者的面积比重变化为10.82%、28.15%和61.03%。15年间城镇占地面积增加了514 km2，对应的面积变化率为41.4%；耕地面积减少了575 km2，其面积变化率为11.1%；而以自然因素为主导的其他用地类型面积增加了58 km2，其面积变化率仅为0.6%。
更进一步，根据上述土地利用变化的情况，本研究对北京市在整个研究时段内按照受人为干预的程度做出分区，分别为受人类活动因素影响为主的老城区、城市扩展区、混合变化区、耕地和以自然因素为主导的自然纯像元区。分区后的北京市土地占地类型主要以自然纯像元区为主，占地面积达到9 743 km2，其次为耕地，面积为4 619 km2。城市区总面积达到1 776 km2，其中包括1 259 km2的老城区和517 km2的城市扩展区。北京市土地利用类型发生变化的非城扩占地面积很小，只有272 km2 （图1)。
图1
3.2 反照率变化及辐射强迫
受人类活动影响较大的老城区、城市扩展区、混合变化区和耕地的反照率普遍较高，其2000~2015年平均值都围绕0.145上下浮动，而自然纯像元区的反照率较低，平均值仅为0.115。从2000年到2015年北京市反照率整体呈下降趋势。
分区中，老城区的反照率呈显著下降趋势，且其下降速度最大，为-0.000 4，城市扩展区，混合变化区和耕地下降速度趋于一致，为-0.000 3； 纯像元区的反照率在16年中几乎保持稳定(图2)。
图2
图2
2000~2015年各类土地利用类型反照率的年变化趋势
Fig.2
Annual change of albedo of various land use types from 2000 to 2015
由土地利用类型发生改变引起的反照率变化产生负的RF，具有降温作用[25]。以2000年为本底，本研究引入RF参量来表述反照率变化对能量收支的直接影响。不同土地利用类型中RF在15年中都呈上升趋势，且其走势大致相同。就平均值而言，自然纯像元区具有最高的RF，为-0.29 W/m2，而其余分区中的RF都相对较小(老城区：-0.45, 城市扩展区：-0.62, 耕地：-0.56, 混合变化区：-0.60)。虽然自然纯像元区的RF较高，但增长慢；而受人为影响的老城区、城市扩展区、混合变化区及耕地的RF较低，但增长较快。自然纯像元区的RF上升趋势为0.01 W/m2/a；而其他土地利用类型中的RF在近15年内增长较快，增速大于0.04 w/m2/a(图3)。
图3
图3
各土地利用类型下RF的年变化和各土地利用在不同时段的趋势(Slope)比较
Fig.3
Annual RF of various land use types and Comparison of slope values of various land use types in different periods
此外，从时间断面上来看，以2000年为本底，前后三年，即2001~2003与2013~2015年的差值显示，在自然情况下，自然纯像元区的RF差值最小，为0.19 W/m2，而有人为参与的老城区, 城市扩展区, 混合变化区, 耕地等4个土地利用类型的RF差值分别为0.88 W/m2、0.78 W/m2、0.81 W/m2和0.89 W/m2，均远大于自然纯像元区。这说明，从时间序列来看，土地利用变化对RF的提升作用会明显体现出来。
3.3 植被生长对RF的影响
利用Boxplot对北京市EVI和LOS进行分区统计(图4)。依照人类活动程度由深到浅的分区排序中，其EVI也呈现递增趋势，即自然纯像元区(EVI)>耕地(EVI)>混合变化区(EVI) > 城市扩展区(EVI)>老城区(EVI)。其中，自然纯像元区内的EVI最大，2000~2015年平均值为0.229，其次是耕地，平均EVI值为0.215，而对于人口较密集、受人为影响较大的老城区、城市扩展区以及混合变化区的EVI相对较小，平均EVI值分别是0.155、0.177和0.202。与之相反，LOS大致呈现递减趋势，即老城区(LOS) > 混合变化区(LOS)>城市扩展区(LOS) > 自然纯像元区(LOS)>耕地(LOS)。相较于耕地和自然纯像元区中的2000~2015年平均LOS，老城区、城市扩展区和混合变化区的相对要长，分别为203.8 d、192.2 d和192.7 d,老城区的平均LOS最长。这表明，受人类活动影响较大的区域相对于纯自然区域或受人类干预较小的区域，植被的生长周期出现了延长现象。
图4
图4
各类土地利用类型的EVI及LOS箱线图
Fig.4
Boxplot of the five land use types for EVI and LOS
为了进一步分析，将老城区、城市扩展区、混合变化区、耕地以及自然纯像元区的EVI和LOS进行归一化处理，将处理后的数据进行时间序列的分析，可以看出，自然纯像元区从2000年到2015年的EVI呈上升趋势，且波动较小，分别将老城区、城市扩展区、混合变化区、耕地四区的走势线与自然纯像元区的相对比，发现其趋势呈上升态势，但波动更大，说明EVI的增长受到了人为类活动的影响；且城市扩展区的波动最大，对应在该区人类活动对EVI影响最大。各区的LOS在研究时段内均呈上升趋势，与自然纯像元区相比，其余四区的LOS波动较大，尤其是老城区，说明人类活动对其植被的生长周期造成了延长的现象，在老城区体现的最为明显(图5)。在老城区体现的最为明显，这可能是受城市化规模迅速发展下城市热岛效应带来增温的影响[26]。另外，城市一般选择生态服务潜力较高的物种进行种植[27]，该类植被延长了北京市总体地表植被的平均生长周期。
图5
图5
2000~2015年EVI和LOS受人为影响各类土地覆被与自然纯像元区(绿色线)的标准化年动态比较
Fig.5
Comparison of normalized annual dynamics of human-affected land use types with PP for EVI and LOS (green line) during 2000~2015
为探究RF与植被生长的联系，本研究通过将RF与EVI做线性回归分析，得到北京市RF与EVI存在显著的正相关关系(图6)。其中，自然纯像元区中RF与EVI的趋势值较小，为5.48，表明在自然状态下，RF随EVI的增大上升较慢；而剩余分区中RF与EVI的趋势值较大，最大的出现在耕地，趋势值达到了111.05，且通过0.01水平的显著性检验。老城区、城市扩展区、混合变化区中RF和EVI的趋势值分别为68.64、86.58和80.10。
图6
北京市整体RF与LOS存在正相关关系。在各分区中，自然纯像元区的RF与LOS的趋势值为负，且相关性较差，说明在不受人类活动影响的条件下， LOS对RF的影响并不显著。而在老城区、城市扩展区、混合变化区及耕地中，RF与LOS存在着正相关性，且老城区和城市扩展区的正相关关系显著，其趋势值分别为0.08、0.05、0.03和0.02，依次减小，说明受人为因素影响，LOS的延长对RF存在正的贡献率，并且该贡献率随人类作用程度的加深而增大(图6)。
4 结论与讨论
自20世纪以来，北京市土地利用格局发生了明显的变化，尤其是以耕地和城镇用地的变化最为显著，城市建设占用大量的耕地。不同土地利用类型的植物生长状况不同，自然纯像元区的EVI均值较大，而老城区、城市扩展区、混合像元区以及耕地的EVI均值相对较小。北京市的LOS整体上在增长，相对于自然纯像元区，LOS延长较长的土地利用类型为受到人类影响剧烈的老城区，城市扩展区和混合像元区。北京市各土地利用类型中植被生长状况的差异性反映到地表反照率上，相对应，RF受此影响而增加。因此，从辐射收支的角度来看，土地利用变化在某种程度上增加了地表辐射量，产生了正的RF；而且土地利用强度大的区域其RF效应也往往越强。总体而言，随着时间的推移，人类活动显著增强了辐射强迫效应。
本研究以遥感数据为支撑，在像元尺度上考虑了人类活动通过影响地表覆盖而改变地表能量收支，而地表植被的影响因子众多，气候变化和人类活动都是重要的影响因素[26,27,28,29]。同时，地表反照率的影响因素也非常多[30,31]，尤其在人类活动影响剧烈的城市区域，建筑表面及其阴影、辐射传输及植被等因素均影响着地表反照率[32]。本研究结果显示，虽然在自然纯像元区，自然植被的反照率较低，对应的RF也较大，但RF变化较小；而受到人类活动影响，人类利用强度较大的土地利用类型(老城区、城市扩展区、混合像元区和耕地)的EVI降低，LOS延长—可能受城市热岛影响—使得RF增加明显[26]。另外，城市一般选择生态服务潜力较高的物种进行种植[27]，该类植被也会延长北京市地表植被的平均生长周期[33]。此外，很多人用多年平均的太阳辐射值来替代当年的太阳辐射数据，来求算年RF。就北京市而言，本研究同时用多年平均的太阳辐射计算了RF，对比现有的逐年太阳辐射的计算结果，发现两者差值很小(0.004 w/m2)，相对逐年的RF偏差了0.97%，相差确实不大。虽然本研究使用了逐年太阳辐射遥感反演数据，但是考虑到用到的数据来源不统一，且空间分辨率不同，这会对分析结果造成一定影响。还应该说明的是，北京市的市中心、郊区以及周边农村的大气状况都会受人类活动的影响，而且北京市的整个大气能量系统也或多或少受周边省份的影响[17]。但整体而言，考虑到采取逐栅格分析，不同土地利用变化类型的像元数，即样本数较多，因此，本研究结果有较高的参考价值。
参考文献
Climate Change 2007: The Physical Science Basis
[R].
Biogeophysical Effects of Land Use on Climate: Model Simulations of Radiative Forcing and Large-scale Temperature change
[J].
Current Challenges of Implementing Anthropogenic Land-Use and Land-Cover Change in Models Contributing to Climate Change Assessments
[J].
Research Progress and Prospect of Urban Land Use/Cover Change and Ecological Regulation of Thermal Environment
[J].
城市土地利用/覆盖变化与热环境生态调控研究进展与展望
[J].
Simulation Analysis of Radiation Balance of Different Underlying Surfaces in Cities
[J].
城市不同下垫面辐射平衡的模拟分析
[J].
Trajectories of the Earth System in the Anthropocene
[J].
The Response of Arctic Vegetation to the Summer Climate: Relation between Shrub Cover, NDVI, Surface Albedo and Temperature
[J].
Radiative Forcing over China due to Albedo Change Caused by Land Cover Change during 1990-2010
[J].
Earth's Energy Imbalance and Implications
[J].
Simulation Study on Vertical Structure of Urban Heat Island in Beijing
[C]∥
北京城市热岛垂直结构的模拟研究
[C]∥
Study on the Influence of Land Use Change on the Thermal Environment in Beijing-Tianjin-Hebei Urban Agglomeration
[J].
京津冀城市群土地利用变化对热环境的影响研究
[J].
Spatio-temporal Pattern of Vegetation Cover and its Relationship with Urbanization in Beijing-Tianjin-Hebei Megaregion from 2000 to 2010
[J].
京津冀地区城市化对植被覆盖度及景观格局的影响
[J].
Global Cooling: Increasing World-wide Urban Albedos to Offset CO2
[J].
Study on Surface Albedo of Spectral Radiation of Different Land Use Types in China
[J].
中国不同土地利用类型分光辐射地表反照率研究
[J].
Surface Albedo Raise in the South American Chaco: Combined Effects of Deforestation and Agricultural Changes
[J].
Influence of Urbanization on Radiative Forcing in Beijing
[J].
北京地区城市化对辐射强迫的影响估算
[J].
Modeling Urban Sprawl Effects on Regional Warming in Beijing-Tianjing-Tangshan Urban Agglomeration
[J].
京津唐城市群土地利用变化的区域增温效应模拟
[J].
Spatial and Temporal Patterns of China's Cropland during 1990-2000: An Analysis based on Landsat TM Data
[J].
Multi-scale Evaluation of Global Gross Primary Productivity and Evapotranspiration Products derived from Breathing Earth System Simulator (BESS)
[J].
Preliminary Evaluation of the Long-Term Glass Albedo Product
[J].
Including CO2-emission Equivalence of Changes in Land Surface Albedo in Life Cycle Assessment, Methodology and Case Study on Greenhouse Agriculture
[J].
Climate Impacts of Bioenergy: Inclusion of Carbon Cycle and Albedo Dynamics in Life Cycle Impact Assessment
[J].
The Radiative Forcing Potential of Different Climate Geoengineering Options
[J].
Snow Cover and Vegetation-Indu-ced Decrease in Global Albedo from 2002 to 2016
[J].
Review of Urban Heat Island Effect
[J].
城市热岛效应研究综述
[J].
Plant Selection for the Urban Landscape in Beijing City
[D].
北京城市植物选择方法研究
[D].
Si Yuefang. Assessment and Classification of Urban-Rural Development Transformation in China: The Study of Bohai Rim
[J].
北京市城扩展的空间格局与影响因素
[J].
Vegetation Dynamics and Responses to Climate Change and Human Activities in Central Asia
[J].
Assimilation of Surface Albedo and Vegetation States from Satellite Observations and Their Impact on Numerical Weather Prediction
[J].
. The Albedo of Earth
[J].
Multiple Albedo Variation Caused by the Shadow Effect of Urban Building and Its Impacts on the Urban Surface Heat Budget
[J].
Temporal Consistency between Gross Primary Production and Solar-Induced Chlorophyll Fluorescence in the Ten Most Populous Megacity Areas over Years
[J].
