狄文丽，沈润平，黄安奇，韩慧敏

东北地区耕地扩张对地表增温/降温的生物物理机理分析*

狄文丽，沈润平**，黄安奇，韩慧敏

（南京信息工程大学地理科学学院，南京 210044）

土地利用/覆盖变化对气候具有重要影响，为探讨耕地扩张的气候效应，基于土地利用数据及MODIS遥感资料，采用窗口搜索法，利用能量平衡的原理，研究2000−2018年东北地区耕地扩张的潜热和净短波辐射通量变化，分析耕地扩张对地表温度的影响。结果表明：（1）研究期内东北地区耕地面积增加1.6×104km2，主要来自林地和草地，分别占耕地扩增面积的16.33%和76.24%。（2）与林地相比，耕地白天对地表具有增温作用，夜间具有降温作用，全天具有增温作用，并具有明显的季节特征。夏秋季节耕地的蒸散发弱于林地，潜热通量比林地少，导致耕地对地表具有增温作用，冬季耕地的净短波辐射远少于林地，导致耕地对地表降温。（3）与草地相比，耕地夜间总体的降温效应稍强于白天的增温效应，使耕地全天对地表具有降温效应，并具有不同的季节特征。夏秋季节耕地的蒸散发强于草地，耕地的潜热通量比草地多，成为耕地对地表降温的主要原因，而在春冬季节，耕地与草地吸收的净短波辐射差异较小，同时潜热差异也较小，因此对地表的增温/降温效应不明显。

东北地区；耕地扩张；生物物理；能量变化

土地利用/覆盖变化（LUCC）反映了人类活动对地球表面的影响[1]，并已成为全球气候变化的一个主要因素，对调节局地、区域和全球气候系统方面发挥着重要作用[2−3]，大量研究表明，土地利用/覆盖变化主要通过生物物理和生物化学过程影响气候[4]。其中生物化学过程是指土地利用/覆盖变化通过向大气排放或吸收CO2等温室气体[5]，改变大气中温室气体和气溶胶的浓度，影响长（短）波辐射，导致气候变化。生物物理过程是指土地利用/覆盖变化通过改变地表反照率、地表粗糙度以及蒸散发等地表生物物理特征，影响地表能量收支平衡，从而改变陆−气间能量和水分交换，影响气候变化[6−7]。与碳循环相关的生物化学过程已经得到广泛关注和深入研究，但其程度仍需要精确量化，相比之下，生物物理效应存在不确定性，且具有高度的时空分异特征，需要进一步关注研究。薛颖等[8]研究表明，在局地和区域尺度上，土地利用变化的生物物理气候效应超过了生物化学气候效应，生物物理过程占主导地位。因此，深入研究LUCC对局地及区域气候影响的生物物理过程，对于制定合理的气候变化适应和减缓政策具有重要参考价值。

考虑到土地利用/覆盖变化的空间异质性，站点观测和气候模式成为研究土地利用/覆盖变化（LUCC）生物物理气候效应的主要方法，但都存在一定的局限性[9]。站点观测通常需要设置多个观测点，协同观测LUCC的气候效应，但受制于气象站的建设条件和成本要求，很难进行大范围的土地覆盖/利用变化的气候效应研究[10]。气候模式虽然已经被证明可以利用驱动数据捕捉气候特征[11]，然而由于其空间分辨率较粗，且物理过程、参数化过程等的不确定性，不能可靠地再现局地更高分辨率的气候效应[12−13]。与气候模型一样，卫星观测也是研究土地利用/覆盖变化对气候影响的有效工具，它不仅可以提供高时空分辨率的数据，还可以克服尺度和空间区域性，从而更好地理解土地利用/覆盖变化如何影响区域气候及其背后的生物物理机制。

在历史时期，中国东北地区经历了较为剧烈的土地利用/覆盖变化过程，对当地的区域环境和气候造成了一定的影响[14]。过去，学者们利用气候模式就东北地区耕地扩张对气候的影响进行了研究，Gao[15]使用RegCM2模型发现，在中国东北地区南部，林地转化为耕地导致年地表温度增加，Yu等[16−17]利用多模式集成方法发现，中国东北地区林地转化为耕地导致气温下降。基于不同的气候模式研究显示了不一致的结果，表明在中国东北地区土地利用/覆盖变化的生物物理气候效应存在不确定性，因此，需要对该区域典型的土地利用/覆盖变化的气候效应进行深入研究，并探讨其影响气候变化的生物物理机理，提高对耕地扩张影响区域气候变化的认识。

本研究基于遥感方法，利用中国科学院资源环境科学数据中心的中国土地利用现状遥感监测数据集，提取2003−2018年内未发生变化的耕地、林地和草地，并结合MODIS地表温度、反照率、蒸散发、短波辐射等数据，采用窗口搜索法分析耕地与林地（草地）的地表温度差和能量差，从地表能量平衡的角度探讨耕地扩张对地表温度的影响机理，以期为未来合理规划土地利用和应对气候变化提供科学依据。

1 资料与方法

1.1 研究区概况

东北地区位于中国大陆东北部，横跨115−135°E，38−56°N，其行政区划包括辽宁省、吉林省、黑龙江省全部地区以及内蒙古自治区东部的呼伦贝尔市、兴安盟、通辽市和赤峰市（图1）。研究区占地约145万km2，东、北、西三面为低山、中山所环绕，中部为平原，海拔高度在800−1200m。该地区土地利用/覆盖类型以林地和耕地为主，是典型的农林交错带，同时经历了一定强度的土地利用/覆盖变化，其中耕地与自然植被的相互转换较为剧烈[18]。

图1 东北地区2000、2005、2010、2015和2018年未变化的土地利用类型分布

1.2 数据来源及其处理

1.2.1 土地利用数据

研究采用的数据集详见表1。其中土地利用数据来源于中国科学院资源环境科学数据中心（http://www.resdc.cn）的中国土地利用现状遥感监测数据集，空间分辨率为1km，包括耕地、林地、草地、水域、建设用地（城乡、工况和居民用地）和未利用地共6个一级类型，其中一级类型综合评级精度达到94.3%以上，满足1:10万比例尺用户制图精度[19]。

使用2000、2005、2010、2015和2018年五期中国土地利用遥感监测数据，提取研究期间未发生变化的耕地、林地和草地，如果一个像素在这5期数据（19a内）都属于一个类，那么它就被保留并被分配到特定的类，并进行下一步研究，否则不予保留，这一选择标准可以最大限度地减少19a间土地覆盖变化和分类误差的影响，最终得到一张土地利用覆盖图（图1）。其余数据为2003−2018年的平均值，即2000−2018年未发生变化的土地利用类型在2003−2018年同样未发生变化。

1.2.2 地表温度（LST）数据

2003−2018年地表温度数据是Aqua卫星MODIS地表温度（LST）产品（MYD11A2），时间分辨率为8d，空间分辨率为1km。Aqua的过境时间分别为当地时间13：30和1：30左右，分别接近日最高温度和最低温度的时间。Wan等[20]研究指出，该地表温度数据的误差小于1K，可以满足研究使用，采用平均值合成法将8d地表温度数据合成月数据，并计算16a的月平均地表温度和年均地表温度。

1.2.3 用于能量平衡计算的相关数据

2003−2018年地表反照率数据使用Terra和Aqua提供的MODIS产品MCD43A3，该产品空间分辨率为500m，时间分辨率为16d，提供了白天空反照率和黑天空反照率[21]，由于黑天空反照率与白天空反照率的平均值差异很小，且高度相关，实际晴空反照率（蓝天空反照率）计算往往取其平均值[13]，研究采用平均值合成法，计算得到16a的月平均地表反照率。

2003−2018年的潜热通量数据来源于MODIS提供的蒸散发产品MOD16A2，该产品包括蒸散发（ET）、潜热通量（LE）、潜在蒸散发（PET）和潜在潜热通量（PLE），空间分辨率为1km，时间分辨率为8d，该产品结合了植被覆盖率、反照率等遥感数据，以及气压、气温、相对湿度等实测气象信息，计算得到植被与土壤的净辐射量，再以Penman-Monteith公式为基础计算得到ET[22]，目前该数据在各个领域中也得到广泛应用[23]，本研究通过平均值合成法，计算得到16a的月平均潜热通量。

表1 研究采用的数据列表

2003−2018年向下短波辐射数据来源于云和地球的辐射能量系统（CERES）能量平衡和填充（EBAF）表面产品提供月平均地面向下短波辐射通量（https://ceres.larc.nasa.gov）。表面辐射通量基于地球观测系统中 Terra 和 Aqua卫星上的窄带成像仪的云属性，以及地球静止卫星和戈达德地球观测系统（GEOS）版本4和5模型的气象同化数据计算得到，以更全面地模拟云的昼夜循环，使用CERES 系统在晴空条件下2003−2018年1−12月向下短波辐射数据计算16a的月平均短波辐射，空间分辨率为1°，时间分辨率为 1个月。

MODIS遥感数据均来自于美国国家航空航天局网站（https://ladsweb.modaps.eosdis.nasa.gov），为统一空间分辨率，以上数据均采用双线性内插法，重采样为1km进行分析，除土地利用数据外，其他数据均为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“时空置换”方法的思路发展而来，“时空置换”通常需要两个或两个以上的地面观测站通过协同观测来实现，要求除土地利用类型不同外，其他方面如背景天气和气候、观测站周围的环境等完全相同，这样可以减少背景气候等的影响，配对站的局地微气象要素差异可以归因于土地覆盖变化的差异。随着卫星观测技术的快速发展，“时空置换”方法可以被移植到卫星数据中，即通过寻找水平距离短、海拔高度差异小、土地覆盖存在差异的像素点，这些像素间具有相似的气候、地形等非植被因素，因此，像素点的地表温度差异很大程度上由土地覆盖差异导致。大量研究表明，设置25km的窗口可以保证不同的土地利用类型具有相似的气候背景，又能保证研究样本数量足够[24−25]。基于这种思想，在提取的未变化的土地利用类型的基础上（图1），设置一个25km×25km的窗口，在空间分辨率为1km×1km的土地利用类型图上进行搜索（图2），如果一个窗口内耕地和林地（草地）的像元个数分别占窗口总像元个数的比值大于5%，就对这个窗口进行耕地与林地（草地）的地表温度差和能量差的计算，否则，以25km为步长，进行下一个窗口搜索。由此在东北地区选取到包含耕地和林地的窗口总共521个，包含耕地和草地的有效窗口为223个。

图2 窗口搜索法流程图

1.3.2 不同土地利用类型间地表温度差异

采用13：30卫星过境的MODIS地表温度产品代表白天最高地表温度，计算耕地与林地（草地）白天最高地表温度差，利用1：30卫星过境的MODIS地表温度产品代表夜间最低地表温度，计算耕地与林地（草地）的夜间最低地表温度差，全天平均地表温度用白天最高地表温度和夜间最低地表温度的均值来计算，地表温度日较差为白天最高地表温度和夜间最低地表温度的差值，以分析耕地与林地（草地）的地表温度差异。

1.3.3 不同土地利用类型间地表能量差异

为探讨耕地扩张对地表温度的影响机制，从地表能量平衡的角度出发进行研究，地表能量平衡公式[26]为

地表吸收的净短波辐射可以用地表反照率和下行短波辐射计算得到[17]，则耕地与林地或耕地与草地净短波辐射差值（∆SW）可以通过下式计算。

对式（2）进行求导，结合前文推导可以得出地表温度与各能量之间的关系[17]，即

2 结果与分析

2.1 分析期东北地区耕地扩张状况统计分析

东北地区2000-2018年土地利用类型面积变化如图3所示。由图可见，东北地区土地类型主要以林地、耕地和草地为主，其中林地占地面积最大，其次为耕地和草地。2000-2018年东北地区耕地面积增加，19a内共增加1.65×104km2，林地和草地面积略有减少，林地面积减少0.06×104km2，草地面积减少0.58×104km2。

利用2000年和2018年的土地利用类型数据，通过计算可得出东北地区土地利用转移矩阵。由表2可以看出，该地区共有42.45×104km2的土地发生转移变化，耕地面积增加1.65×104km2。其中4.87×104km2的林地转化为耕地，同时4.61×104km2的耕地转化为林地，即林地转化面积占耕地增加面积的16.3%。3.42×104km2的草地转为耕地，同时耕地转化为草地的面积为2.20×104km2，即草地转化面积占耕地增加面积的76.24%。总体来看，东北地区耕地面积增加，林地和草地面积减少，耕地面积的增加主要由林地和草地转化而来。

图3 东北地区2000−2018年土地覆盖/利用面积变化

2.2 东北地区耕地与林/草地地表温度差异分析

2.2.1 耕地与林地地表温差

（1）年尺度。图4a为耕地与林地的年均白天最高地表温差的空间分布。从搜索到的有效窗口分析，仅有0.01%的地区差值小于0，其余地区均大于0，其平

表2 2000−2018年中国东北地区土地利用转移矩阵（104km2）

均值为1.77℃±1.02℃，说明耕地与林地相比白天对地表具有增温效应。从图4b可以看出，耕地与林地的夜间最低地表温差小于0，其平均值为−0.89℃±0.51℃，说明耕地夜间对地表具有降温效应。由图4c可见，只有16%的地区耕地与林地的全天平均地表温差小于0，且差值集中分布在−0.5～0℃，其余84%的地区为耕地的地表温度大于林地，总体上，耕地与林地的全天地表温差大于0，其平均值为0.44℃±0.54℃，耕地对地表具有增温效应。从图4d耕地与林地的地表温度日较差分布图可以看出，在搜索到的有效窗口内，耕地与林地的地表温度日较差在空间分布上均大于0.5℃，说明耕地的地表温度日变化范围大于林地，这是因为耕地的最高地表温度即白天温度大于林地的最高地表温度，耕地的最低地表温度即夜间地表温度小于林地的最低地表温度，所以导致耕地地表温度日变化范围大于林地。分析可见，与林地相比，耕地白天对地表有增温效应，夜晚有降温效应，总体上，全天有增温效应。

图4 有效搜索窗口（25km×25km像素）内东北地区耕地与林地年地表温差平均值的空间分布

注：25km×25km窗口内耕地的地表温度均值减去林地的地表温度均值，即得到地表温差赋值给25km×25km的窗口。（a）白天地表温度指13：30卫星过境的MODIS地表温度产品，该数据代表日最高地表温度，（b）夜间地表温度指1：30卫星过境的MODIS地表温度产品，该数据代表日最低地表温度，（c）日最高地表温度和日最低地表温度的均值为全天平均地表温度，（d）日最高地表温度和日最低地表温度的差为地表温度日较差。图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。从月变化分析可见，耕地与林地的地表温差表现出不同的月份特征。耕地与林地的最高地表温度差即白天温差在全年大于0（图5a），说明从月尺度看耕地白天对地表具有增温效用，其中，1−3月增温效应逐渐增强，最大值在3月，为4.36℃±3.12℃，4−10月呈波动式逐渐减弱，11−12月略增强。耕地与林地的最低地表温差即夜间温差在全年小于0（图5b），说明耕地夜间对地表有降温效应，其中，1−7月降温效应逐渐减弱，8−12月降温效应呈先减弱后增强的变化趋势。耕地与林地的全天平均地表温差在2−9月大于0，耕地全天对地表有增温效应，但其他月份两者全天平均地表温差小于0，耕地全天对地表有降温效应（图5c）。耕地与林地的地表温度日较差在全年均大于0（图5d），呈先增大后减小的变化趋势，说明耕地地表温度的日变化范围大于林地，这与耕地的最高温度大于林地，耕地的最低温度小于林地有关。分析可知，与林地相比，耕地全年白天对地表有增温效应，夜间有降温效应，2−9月耕地全天对地表有增温效应，10−12月和1月对地表有降温效应。

从季节尺度看（图5e），一年四季耕地与林地的最高地表温差即白天温差大于0，耕地一年四季白天对地表有增温效应，且增温强弱为春季>夏季>冬季>秋季。耕地与林地的最低地表温差即夜间温差一年四季均小于0，耕地一年四季夜间对地表有降温效应，其中夏季降温最弱，冬季降温最强。耕地与林地的全天平均地表温差在春、夏和秋季大于0，耕地对地表具有增温效应，但在冬季，全天平均地表温差小于0，说明耕地对地表具有降温效应。耕地与林地的地表温度日较差一年四季均大于0，即耕地的地表温度日较差大于林地，耕地对地表温度的影响比林地大。因此，与林地相比，一年四季耕地白天对地表均有增温效应，夜间有降温效应，春夏秋季耕地全天对地表有增温效应，冬季有降温效应。

2.2.2 耕地与草地地表温差

（1）年尺度。由图6可以看出，耕地与草地的地表温差在空间上分布不均匀。从搜索到的有效窗口分析，60.64%的地区耕地与草地的最高地表温度差即白天温差大于0，39.36%的地区地表温差小于0，耕地与草地的白天温差平均值为0.11℃±0.79℃，说明与草地相比，耕地总体上白天对地表具有增温效应（图6a）。对图6b分析可知，耕地与草地的最低地表温差即夜间温差在67.26%的地区小于0，其余地区大于0，且集中分布在0～0.5℃，耕地与草地的夜间温差平均值为−0.25℃±0.48℃，说明与草地相比，耕地总体上在夜间对地表具有降温效应。耕地与草地的全天平均地表温差在55.2%的地区小于0，其余地区均为大于0，且集中分布在0～0.5℃，耕地与草地全天平均地表温差的平均值为−0.07℃±0.45℃，耕地对地表略有降温效应（图6c）。耕地与草地的地表温度日较差在70.5%的地区大于0，只有29.5%的地区小于0，整体上两者的日较差大于0（图6d）。分析可知，耕地与草地的地表温差在空间上分布不均匀，与草地相比，耕地总体上白天对地表具有增温效应，夜晚具有降温效应，全天略有降温效应。

（a）最高地表温度Maximum land surface temperature，（b）最低地表温度Minimum land surface temperature，（c）平均地表温度Average land surface temperature，（d）地表温度日较差Diurnal range of land surface temperature，（e）地表温度季节差值Seasonal difference of land surface temperature. 图7同The same as Fig.7.

注：上下虚线中间区域为标准差。图7、图8同。

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

图6 有效搜索窗口（25km×25km像素）内东北地区耕地与草地的年地表温差平均值的空间分布

注：25km×25km窗口内耕地的地表温度均值减去草地的地表温度均值，即得到地表温差赋值给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。从月变化分析，耕地与草地的多年月均地表温差表现出不同的月份特征。耕地与草地的月均最高地表温差即白天温差在1−6月和10−12月大于0，说明耕地对地表有增温效应，在7−9月，耕地的白天温度小于草地，耕地对地表具有降温效应（图7a）。耕地与草地的月均最低地表温差即夜间温差全年小于0，耕地对地表有降温效应，降温效应呈先减弱后增强的变化趋势（图7b）。耕地与草地的全天平均地表温差在1−6月大于0，耕地对地表略有增温效应，7−12月小于0，耕地对地表具有降温效应（图7c）。耕地与草地的地表温度日较差在1−6月和10−12月大于0，是由于耕地白天的地表温度大于草地，夜间的地表温度小于草地，而在7−9月，耕地与草地的地表温度日较差小于0，说明耕地地表温度的日变化范围小于草地（图7d）。分析可知，与草地相比，耕地白天7−9月对地表有降温效应，其他月份具有增温效应，夜间1−12月对地表均有降温效应，1−6月耕地全天对地表略有增温效应，7−12月具有降温效应。

图7 东北地区耕地与草地地表温度差的多年月均值和季节均值变化

从季节变化分析（图7e），耕地与草地的最高地表温差即白天温差在春冬季节大于0，说明耕地白天对地表有增温效应，夏季和秋季略小于0，耕地对地表有降温效应。耕地与草地的最低地表温差即夜间温差一年四季均小于0，说明耕地一年四季夜间对地表均有降温效应，其中，秋季降温效应最强，夏季降温效应最弱。耕地与草地的全天平均地表温差在春季和冬季大于0，耕地对地表有增温效应，夏季和秋季耕地与草地的全天平均地表温差小于0，说明耕地对地表有降温效应。耕地与草地的地表温度日较差在秋季小于0，即耕地导致地表温度日变化范围小于草地，在其他季节，耕地导致地表温度日变化范围大于草地。分析可知，与草地相比，耕地白天在春冬季节对地表有增温效应，夏秋季节略有降温效应，夜间一年四季对地表有降温效应，春冬季节耕地全天对地表有增温效应，夏秋季节对地表有降温效应。

2.3 东北地区耕地与林/草地的能量差异分析

依据式（7）分析可知，不同土地利用类型的地表反照率和蒸散发不同，从而影响净短波辐射和潜热变化，对局地气候造成影响。因此，分析耕地与林/草地间的净短波辐射和潜热通量变化，以探讨东北地区耕地与林地（草地）地表温度差异的机理。

图8 东北地区耕地与林地（1）和草地（2）的净短波辐射之差月均值（∆SW,a）、潜热通量之差月均值（∆LE,b）及两者之差月均值（∆SW-∆LE,c）

3 结论与讨论

3.1 结论

（1）东北地区耕地面积增加1.6×104km2，主要来源于林地和草地，林地转化为耕地的面积为0.26×104km2，占耕地面积增加的16.3%，草地转化为耕地的面积为1.22×104km2，占耕地面积增加的76.24%。

（2）与林地相比，东北地区耕地白天对地表具有增温作用，夜间对地表具有降温作用，全天对地表具有增温作用，并具有明显的季节特征，夏秋季节耕地的蒸散发弱于林地，导致耕地的潜热通量少于林地，因此耕地对地表具有增温作用，而在冬季，耕地吸收的净短波辐射远少于林地，成为耕地对地表降温的主要原因。

（3）与草地相比，东北地区耕地夜间总体的降温效应强于白天的增温效应，使耕地全天对地表降温，并具有不同的季节特征，夏秋季节耕地的蒸散发强于草地，耕地的潜热通量比草地大，导致耕地对地表具有降温效应，而在春冬季节，耕地与草地吸收的净短波辐射差异较小，同时潜热差异也较小，因此对地表的增温/降温效应不明显。

3.2 讨论

基于多源遥感数据，耕地扩张后，与林地相比，冬季对地表具有降温效应，而与草地相比，夏秋季节对地表有降温效应。本研究与基于数值模式模拟的东北地区耕地扩张对气候的影响具有相似的结果[28−30]，说明基于遥感数据采用窗口搜索的方法研究东北地区农田扩张对地表温度的影响具有较好的可信度。但还是存在一定的差异，例如本研究表明耕地扩张后，与林地相比，耕地在春夏秋季节对地表具有增温效应，而基于WRF模式模拟的研究则表明毁林开垦在春夏秋季节地表反照率增大，吸收的净短波辐射降低，使地表温度降低[31]，这可能是由以下原因导致：（1）基于情景模拟的模式中关键物理过程、地表参数化过程以及植被动态模型等的不确定性会夸大实际的温度效应[32−33]，（2）卫星观测是在没有大气反馈的情况下观测的小气候效应，而模式模拟一般都包含地表和大气的相互作用和反馈[27]。

土地利用/土地覆盖变化通过生物物理过程影响地表能量平衡（主要是潜热通量和净短波辐射）直接影响地表温度。耕地的反照率高于林地，导致耕地吸收的净短波辐射比林地少，耕地扩张对地表具有降温效应，尤其是在冬季，由于积雪覆盖，使耕地的地表反照率较高，而林地由于高大的树冠结构，对雪存在遮蔽效应，地表反照率较低[34−35]。因此，冬季耕地与林地间的地表反照率相差较大，导致耕地冬季吸收的净短波辐射大大低于林地，耕地的降温效应加强。此外，东北地区冬季干燥寒冷的气候条件，限制了植被的蒸散。因此，在冬季耕地扩张后地表反照率升高，引起的降温效应强于蒸散降低导致的增温效应（△SW−△LE<0），耕地扩张对地表有降温作用。而在夏季，东北地区水热条件充足，植被蒸散作用加强，林地相对于耕地具有较大的冠层结构[36]，这使得林地的蒸散作用强于耕地，林地比耕地具有更高的潜热，因此，在夏季耕地扩张后地表反照率升高，引起的降温效应弱于蒸散降低导致的增温效应（△SW−△LE>0），耕地扩张对地表有增温作用。

耕地与草地全年吸收的净短波辐射差异较小，因为耕地与草地的反照率区别较小且随季节波动较小[37]。在生长季，随着作物生长，作物高度和叶片大小逐渐高于草地，耕地相对于草地具有较高的地表粗糙度。尤其是在水热条件充足的夏季，作物较高的粗糙度有利于湍流热交换[38]，因此，夏季耕地相对于草地具有较高的潜热通量，导致了明显的降温效应。而在非生长季，耕地地表植被稀疏，与草地相比潜热差异不大，因此降温/升温效应不明显。

本研究基于遥感数据，分析东北地区耕地扩张对地表温度效应的影响，MODIS地表温度产品提供白天和夜晚各一次的观测数据，研究以13：30卫星过境的MODIS地表温度产品代表白天最高地表温度，1∶30卫星过境的MODIS地表温度产品代表夜间最低地表温度，全天平均地表温度用白天最高地表温度和夜间最低地表温度的均值进行计算，使得难以在更精细的时间尺度上，计算和分析耕地扩张对地表温度的影响，给研究带来了一定的不确定性。其次，由于耕地扩张是在一段时间内发生的一个渐变过程，因此，其他土地类型转化为耕地，同时也存在耕地转化为其他土地类型的情况，这对地表温度的影响效应会产生综合作用，而本研究主要关注在多年平均态下，与林地或草地相比，耕地扩张后对地表温度变化的影响，耕地扩张是一个渐变的过程，并受到其他条件的影响，土地利用类型相互转化的生物物理效应及其综合作用有待进一步分析和探讨。

[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,延晓冬,熊喆.土地利用变化对气候影响的研究进展[J].气候与环境研究,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,王让会,李映雪,等.陆地生态系统碳收支及其主要影响因素分析[J].中国农业气象,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] 刘纪远,邵全琴,延晓冬,等.土地利用变化影响气候变化的生物地球物理机制[J].自然杂志,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] 孙云,于德永,曹茜,等.土地利用/土地覆盖变化对区域气候影响的生物地球物理途径研究进展[J].北京师范大学学报:自然科学版,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] 薛颖,徐希燕,胡正华,等.亚洲热带森林减少的增温效应及其影响机制[J].中国农业气象, 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] 刘延祥.东北地区农林交错带土地利用变化及其对区域气温影响模拟研究[D].长春:中国科学院东北地理与农业生态研究所,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] 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[J].地理学报,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] 姜艳阳,王文,周正昊.MODIS MOD16 蒸散发产品在中国流域的质量评估[J].自然资源学报,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,延晓冬,熊喆.东北农田扩张对气候影响的数值模拟[J].气候与环境研究,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] 曹富强,丹利,马柱国.中国农田下垫面变化对气候影响的模拟研究[J].气象学报,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] 朱晗晖,张宇,沈晓燕,等.农牧交错带植被演变对区域气候影响的模拟[J].高原气象,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] 张宏文,张学珍,张丽娟.WRF模拟的1980-2000年中国东北农业开发对气候的影响[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] 刘向培,佟晓辉,史小康,等.东北区域农业生产对地面温度的影响[J].解放军理工大学学报:自然科学版,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] 王丽平,段四波,张霄羽,等中国区域植树造林对地表温度的影响[J].遥感学报,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

狄文丽,沈润平,黄安奇,等.东北地区耕地扩张对地表增温/降温的生物物理机理分析[J].中国农业气象,2022,43(6):450-463

收稿日期：2021−09−24

国家重点研发计划（2018YFC1506602）；国家自然科学基金重点项目（91437220）

通讯作者：沈润平，教授，主要从事陆面过程遥感研究，E-mail: rpshen@nuist.edu.cn

狄文丽，E-mail:20191211002@nuist.edu.cn