地球科学进展

地球科学进展 ›› 2025, Vol. 40 ›› Issue (6): 577 -591. doi: 10.11867/j.issn.1001-8166.2025.041

综述与评述 上一篇    下一篇

全球城镇化趋势及其对气候变化的影响
何春阳1,2,3(), 刘小平4, 王伟5,6, 黄庆旭1,7(), 刘志锋1,7, 廖威林4, 朱国梁1,7   
  1. 1. 北京师范大学地表过程与水土风沙灾害风险防控全国重点实验室，北京 100875
    2. 北京师范大学环境 演变与自然灾害教育部重点实验室，北京 100875
    3. 北京师范大学 应急管理部—教育部减灾与应急 管理研究院，北京 100875
    4. 中山大学 地理科学与规划学院，广东 广州 510006
    5. 南京信息工程 大学气候系统预测与变化应对全国重点实验室大气环境中心，江苏 南京 210044
    6. 南京信息 工程大学气象灾害预报预警与评估协同创新中心，江苏 南京 210044
    7. 北京师范大学 地理科学学部自然资源学院，北京 100875
  • 收稿日期:2025-01-01 修回日期:2025-04-16 出版日期:2025-06-10
  • 通讯作者: 黄庆旭

Global Urbanization Trends and Their Impact on Climate Change

Chunyang HE1,2,3(), Xiaoping LIU4, Wei WANG5,6, Qingxu HUANG1,7(), Zhifeng LIU1,7, Weilin LIAO4, Guoliang ZHU1,7   

  1. 1. State Key Laboratory of Earth Surface Processes and Disaster Risk Reduction, Beijing Normal University, Beijing 100875, China
    2. Key Laboratory of Environmental Change and Natural Disaster, Beijing Normal University, Beijing 100875, China
    3. Academy of Disaster Reduction and Emergency Management, Ministry of Emergency Management & Ministry of Education, Beijing Normal University, Beijing 100875, China
    4. School of Geography and Planning, Sun Yat-sen University, Guangzhou 510006, China
    5. Yale-NUIST Center on Atmospheric Environment, State Key Laboratory of Climate System Prediction and Risk Management, Nanjing University of Information Science and Technology, Nanjing 210044, China
    6. Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters (CIC-FEMD), Nanjing University of Information Science & Technology, Nanjing 210044, China
    7. College of Natural Resources, Faculty of Geographical Science, Beijing Normal University, Beijing 100875, China
  • Received:2025-01-01 Revised:2025-04-16 Online:2025-06-10 Published:2025-08-04
  • Contact: Qingxu HUANG
  • Supported by:
    the National Key Research and Development Program of China(2019YFA0607203); The Research Team Program from the Faculty of Geographical Science, Beijing Normal University(2024-KYTD-09)
全文 ( 34 ) 下载PDF ( 136 )

预估未来全球城镇化情景及其对气候变化的影响，将为有效应对气候变化、促进区域及全球可持续发展提供重要的科学依据。为此，国家重点研发计划项目下属课题“全球城镇化趋势及其对气候变化的影响”预估了不同共享社会经济路径下2020—2070年全球城镇化的时空格局，并定量评估和预测了城镇化对区域和全球气候变化的影响，为揭示城镇化对区域和全球多尺度气候变化的影响提供了数据基础。研究成果对于实现全球可持续发展目标和人类命运共同体建设具有重要意义，为绿色城市和健康城市的建设提供了科学依据，也为优化城市形态和缓解城市热岛效应提供了科学参考。

关键词: 城镇化, 气候变化, 城镇化的气候效应, 全球变化

Projecting future global urbanization pathways and their impacts on climate change is essential for effectively addressing climate change and promoting sustainable regional and global development. To this end, the National Key Research and Development Program’s project, “Global Urbanization Trend and its Impact on Climate Change” simulates the spatial and temporal patterns of global urbanization patterns from 2020 to 2070 under Shared Socioeconomic Pathways (SSPs) framework and quantitatively evaluates the impact of urbanization on regional and global climate change. This provides crucial datasets for revealing the impact of urbanization on regional and global climate change at multiple scales. The findings are of great significance to the realization of the United Nations’ Sustainable Development Goals and the construction of a community with a shared future for mankind. They also provide a scientific foundation for the construction of green and healthy cities, as well as a scientific reference for optimizing urban morphology and mitigating the urban heat island effect.

Key words: Urbanization, Climate change, Climate effects of urbanization, Global change

中图分类号: 

图1 全球多尺度城镇扩展模型框架
Fig. 1 Framework of global multi-scale urban expansion model
图2 预测全球城市化率技术路线图［11］
Fig. 2 Technical flowchart for estimating global urbanization dynamics［11］
图3 1960—2009年全球城市化率真实值与模拟值［11］
Fig. 3 Actual and simulated global urbanization levels from 1960 to 2009［11］
图4 基于深度学习的城镇扩展模型框架［14］
Fig. 4 Framework of urban expansion model based on deep learning［14］
图5 SSP1情景下全球2020—2070年城镇扩展过程
Fig. 5 Global urban expansion process in 2020-2070 under SSP1 scenario
图6 城市三维空间扩张模拟模型框架［17］
Fig. 6 Framework of urban three-dimensional space expansion simulation model［17］
图7 深圳市2014—2034年不同城市用地的三维扩张强度空间分布［17］
Fig. 7 Spatial distribution of three-dimensional expansion intensity of different urban land in Shenzhen from 2014 to 2034［17］
图8 全球流域城市扩展数量和速度［18］
Fig. 8 Urban expansion amount and speed among global watersheds［18］
图9 1985—2010年粤港澳大湾区建筑物高度空间分布［19］
Fig. 9 Spatial distribution of building height in Guangdong-Hong Kong-Macao Greater Bay areas from 1985 to 2010［19］
表1 区域气候模型产品信息
Table 1 Information of regional climate model product
产品参数 中国区域中尺度气象模型产品（WRF_BNU_China） 印度区域中尺度气象模型产品（WRF_BNU_India） 尼日利亚区域中尺度气象模型产品（WRF_BNU_Nigeria）
土地利用数据 2020年和2070年BNU SSP5城镇化数据 2020年和2070年BNU SSP5城镇化数据 2020年和2070年BNU SSP5城镇化数据
大气驱动场 CMIP6 SSP585多模式集合误差订正数据 CMIP6 SSP585多模式集合误差订正数据 CMIP6 SSP585多模式集合误差订正数据
模拟时段

2020—2024年和2066—2070年

6月30日至8月1日

2020—2024年和2066—2070年

6月30日至8月1日

2020—2024年和2066—2070年

6月30日至8月1日

空间范围 京津冀、长三角和珠三角 印度全域 尼日利亚全域
空间分辨率 3 km 9 km 9 km
时间分辨率 逐时 逐时 逐时
产品要素 2 m气温（K）、2 m比湿（kg/kg）、10 m平均风速（m/s）、地面气压（Pa）、降水量（mm）、向下短波辐射（W/m2）、向上短波辐射（W/m2）、向下长波辐射（W/m2）和向上长波辐射（W/m2） 2 m气温（K）、2 m比湿（kg/kg）、10 m平均风速（m/s）、地面气压（Pa）、降水量（mm）、向下短波辐射（W/m2）、向上短波辐射（W/m2）、向下长波辐射（W/m2）和向上长波辐射（W/m2） 2 m气温（K）、2 m比湿（kg/kg）、10 m平均风速（m/s）、地面气压（Pa）、降水量（mm）、向下短波辐射（W/m2）、向上短波辐射（W/m2）、向下长波辐射（W/m2）和向上长波辐射（W/m2）
格式 NC NC NC
图10 未来城镇化对中国3个城市群、印度和尼日利亚夏季气温的影响
Fig. 10 Impact of future urbanization on summer temperature in three urban agglomerations in China， India and Nigeria
表2 全球气候模型产品信息
Table 2 Information of global climate model product
产品参数 SSP585_UC_BNU SSP585_DU_BNU SSP585_DU_GAO
土地利用数据 2020年BNU SSP5城镇化数据 BNU SSP5动态城镇化数据 Gao和O’Neill SSP5动态城镇化数据
大气驱动场 CESM2 SSP585 CESM2 SSP585 CESM2 SSP585
模拟时段 2015—2100年 2015—2070年 2015—2100年
空间范围 全球 全球 全球
空间分辨率 0.9°×1.25° 0.9°×1.25° 0.9°×1.25°
时间分辨率 逐月、逐日和逐时（2019—2023年、2096—2100年） 逐月 逐月
产品要素 2 m气温（K）、水汽压（Pa）、日最高和日最低气温（K）、湿球温度（℃）、日最高和日最低湿球温度（℃）、潜热（W/m2）、感热（W/m2）、地表热通量（W/m2）、空调和空间供暖废热（W/m2）、空调逸散热（W/m2）、空间加热热量（W/m2）、向下和向上短波（W/m2）、向下和向上长波（W/m2）、降水［kg/（m2⋅s）］、10 m风速（m/s）、大气强迫高度处的气压（Pa）、大气强迫高度处的气温（K）、大气强迫高度处的比湿（kg/kg）、大气强迫高度处的位温（K）、总径流［kg/（m2⋅s）］以及地表总径流［kg/（m2⋅s）］等 2 m气温（K）、水汽压（Pa）、日最高和日最低气温（K）、湿球温度（℃）、日最高和日最低湿球温度（℃）、潜热（W/m2）、感热（W/m2）、地表热通量（W/m2）、空调和空间供暖废热（W/m2）、空调逸散热（W/m2）、空间加热热量（W/m2）、向下和向上短波（W/m2）、向下和向上长波（W/m2）、降水［kg/（m2⋅s）］、10 m风速（m/s）、大气强迫高度处的气压（Pa）、大气强迫高度处的气温（K）、大气强迫高度处的比湿（kg/kg）、大气强迫高度处的位温（K）以及总径流［kg/（m2⋅s）］等 2 m气温（K）、水汽压（Pa）、日最高和日最低气温（K）、湿球温度（℃）、日最高和日最低湿球温度（℃）、潜热（W/m2）、感热（W/m2）、地表热通量（W/m2）、空调和空间供暖废热（W/m2）、空调逸散热（W/m2）、空间加热热量（W/m2）、向下和向上短波（W/m2）、向下和向上长波（W/m2）、降水［kg/（m2⋅s）］、10 m风速（m/s）、大气强迫高度处的气压（Pa）、大气强迫高度处的气温（K）、大气强迫高度处的比湿（kg/kg）、大气强迫高度处的位温（K）以及总径流［kg/（m2⋅s）］等
格式 NC NC NC
图11 未来城镇化对全球城市夏季气温的影响
Fig. 11 Impact of future urbanization on global urban summer temperature
图12 未来城镇化对全球夏季城市热岛强度的影响
Fig. 12 Impact of future urbanization on global summer urban heat island intensity
[1]
GE Quansheng， DAI Junhu， HE Fanneng， et al. Study on land use， land cover change and carbon cycle in China in the past 300 years［J］. Science in China （Series D）， 2008， 38（2）： 197-210.
葛全胜， 戴君虎， 何凡能， 等. 过去300年中国土地利用、土地覆被变化与碳循环研究［J］. 中国科学（D辑）， 2008， 38（2）： 197-210.
[2]
YE Duzheng， YAN Zhongwei， MA Zhuguo. Addressing climate change for sustainable development［J］. Bulletin of Chinese Academy of Sciences， 2012， 27（3）： 332-336.
叶笃正， 严中伟， 马柱国. 应对气候变化与可持续发展［J］. 中国科学院院刊， 2012， 27（3）： 332-336.
[3]
XU Guanhua， GE Quansheng， GONG Peng， et al. Global change and human sustainable development： challenges and countermeasures［J］. Chinese Science Bulletin， 2013， 58（21）： 2 100-2 106.
徐冠华， 葛全胜， 宫鹏， 等. 全球变化和人类可持续发展： 挑战与对策［J］. 科学通报， 2013， 58（21）： 2 100-2 106.
[4]
FU Congbin， DONG Wenjie， WEN Gang， et al. Regional response and adaptation to global change［J］. Acta Meteorologica Sinica， 2003， 61（2）： 245-250.
符淙斌， 董文杰， 温刚， 等. 全球变化的区域响应和适应［J］. 气象学报， 2003， 61（2）： 245-250.
[5]
SETO K C， GÜNERALP B， HUTYRA L R. Global forecasts of urban expansion to 2030 and direct impacts on biodiversity and carbon pools［J］. Proceedings of the National Academy of Sciences of the United States of America， 2012， 109（40）： 16 083-16 088.
[6]
GAO J， O’NEILL B C. Mapping global urban land for the 21st century with data-driven simulations and shared socioeconomic pathways［J］. Nature Communications， 2020， 11（1）. DOI： 10.1038/s41467-020-15788-7 .
[7]
CHEN G Z， LI X， LIU X P， et al. Global projections of future urban land expansion under shared socioeconomic pathways［J］. Nature Communications， 2020， 11（1）. DOI： 10.1038/s41467-020-14386-x .
[8]
PESARESI M. GHS-BUILT-S R2023A-GHS built-up surface grid， derived from Sentinel2 composite and Landsat， multitemporal （1975-2030）［DS］. European Commission， Joint Research Centre （JRC）， 2023.
[9]
CAO Q， YU D Y， GEORGESCU M， et al. Impacts of future urban expansion on summer climate and heat-related human health in Eastern China［J］. Environment International， 2018， 112： 134-146.
[10]
PACHAURI R K， MAYER L， Intergovernmental Panel on Climate Change. Climate change 2014： synthesis report［R］. Geneva， Switzerland： Intergovernmental Panel on Climate Change， 2015.
[11]
CHEN S Y， HUANG Q X， MUTTARAK R， et al. Updating global urbanization projections under the shared socioeconomic pathways［J］. Scientific Data， 2022， 9（1）. DOI： 10.1016/j.gloenvcha.2015.03.008 .
[12]
O’NEILL B C， KRIEGLER E， EBI K L， et al. The roads ahead： narratives for shared socioeconomic pathways describing world futures in the 21st century［J］. Global Environmental Change， 2017， 42： 169-180.
[13]
JIANG L W， O’NEILL B C. Global urbanization projections for the shared socioeconomic pathways［J］. Global Environmental Change， 2017， 42： 193-199.
[14]
PAN X H， LIU Z F， HE C Y， et al. Modeling urban expansion by integrating a convolutional neural network and a recurrent neural network［J］. International Journal of Applied Earth Observation and Geoinformation， 2022， 112. DOI： 10.1016/j.jag.2022.102977 .
[15]
HE C Y， LIU Z F， WU J G， et al. Future global urban water scarcity and potential solutions［J］. Nature Communications， 2021， 12（1）. DOI：10.1038/s41467-021-25026-3 .
[16]
HE Qingsong， LIU Yaolin， ZENG Chen， et al. Simultaneously simulate vertical and horizontal expansions of a future urban landscape： a case study in Wuhan， Central China［J］. International Journal of Geographical Information Science， 2017， 31（10）： 1 907-1 928.
[17]
ZHAO L F， LIU X P， XU X C， et al. Three-dimensional simulation model for synergistically simulating urban horizontal expansion and vertical growth［J］. Remote Sensing， 2022， 14（6）. DOI：10.3390/rs14061503 .
[18]
HUANG Q X， ZHANG H， van VLIET J， et al. Patterns and distributions of urban expansion in global watersheds［J］. Earth’s Future， 2021， 9（8）. DOI：10.1029/2021EF002062 .
[19]
WU Ziluan， LIU Xiaoping， LUO Ming. Analysis on characteristics of temporal and spatial evolution of building heights in the Guangdong-Hong Kong-Macao greater bay area based on GEE platform［J］. Geography and Geo-Information Science， 2022， 38（2）： 48-54.
吴梓銮， 刘小平， 罗明. 基于GEE平台的粤港澳大湾区建筑物高度时空演变特征分析［J］. 地理与地理信息科学， 2022， 38（2）： 48-54.
[20]
HE Chunyang， LIU Zhifeng， YANG Yanjie. Dataset of global future urban expansion （2020-2070） V1.0［DS］. National Tibetan Plateau/Third Pole Environment Data Center， 2022.
[21]
XU Z F， HAN Y， TAM C Y， et al. Bias-corrected CMIP6 global dataset for dynamical downscaling of the historical and future climate （1979-2100）［J］. Scientific Data， 2021， 8（1）. DOI： 10.1038/s41597-021-01079-3 .
[22]
PEI Lin， WANG Wei， Heng LÜ. A kilometer-scale regional dataset on future surface climate of China， India and Nigeria from 2020 to 2024 and from 2066 to 2070［DS］. National Tibetan Plateau / Third Pole Environment Data Center， 2024.
[23]
ZHANG Keer， FANG Bowen， OLESON K， et al. Urban land expansion amplifies surface warming more in dry climate than in wet climate： a global sensitivity study［J］. Journal of Geophysical Research： Atmospheres， 2025， 130（4）. DOI： 10.1029/2024JD041696 .
[24]
ZHANG K E， LEE X H， SCHULTZ N M， et al. A global dataset on subgrid land surface climate （2015-2100） from the Community Earth System Model［J］. Geoscience Data Journal， 2023， 10（2）： 208-219.
[25]
LYU H， WANG W， ZHANG K E， et al. Factors influencing the spatial variability of air temperature urban heat island intensity in Chinese cities［J］. Advances in Atmospheric Sciences， 2024， 41（5）： 817-829.
[26]
ZHANG Keer， WANG Wei， CAO Chang， et al. A global dataset on future surface climate from the Community Earth System Model 2.0 from 2015 to 2070 or 2100［DS］. National Tibetan Plateau / Third Pole Environment Data Center， 2024.
[1] 张井勇, 杨占梅, 吴凌云. 夏季极端高温预测模型系统及实际应用[J]. 地球科学进展, 2025, 40(5): 516-524.
[2] 谢思敏, 杜志恒, 王磊, 严芳萍, 崔浩, 陶长廉, 杨佼, 吴通华, 效存德. 北极海底冻土变化特征与温室气体研究进展[J]. 地球科学进展, 2025, 40(4): 360-373.
[3] 向书旗, 陈静, 游超. 中国植被火燃烧格局与展望[J]. 地球科学进展, 2025, 40(2): 207-220.
[4] 张井勇. 面向碳中和的气候变化预估与风险研究新框架[J]. 地球科学进展, 2025, 40(1): 15-20.
[5] 陈梦佳, 白炜, 张成铭, 刘文艳, 高泽永. 多年冻土区热喀斯特湖水—热—碳循环过程研究进展[J]. 地球科学进展, 2025, 40(1): 82-98.
[6] 袁星, 周诗玙, 马凤, 王钰淼, 郝奕, 梁妙玲, 陈李楠. 气候和下垫面变化下骤旱形成演变机制研究进展[J]. 地球科学进展, 2024, 39(9): 877-888.
[7] 魏泽勋, 徐腾飞, 方越, 王晶, 秦秉斌, 胡石建, 李颖, 聂珣炜, 张志祥, 李志, 曹智勇, 马强. 热带太平洋—印度洋洋际交换及其气候效应的观测研究[J]. 地球科学进展, 2024, 39(8): 788-800.
[8] 刘锦波, 张勇, 刘时银, 王欣, 蒋宗立. 青藏高原及周边石冰川识别、冰储量及动力学过程研究进展[J]. 地球科学进展, 2024, 39(4): 391-404.
[9] 倪杰, 吴通华, 张雪, 朱小凡, 陈杰, 杜宜臻. 1979—2022年三江源地区大气冻融指数时空变化特征分析[J]. 地球科学进展, 2024, 39(12): 1299-1310.
[10] 兰措. 气候变化背景下陆面模式研究进展及不足[J]. 地球科学进展, 2024, 39(1): 46-55.
[11] 丁一汇, 柳艳菊, 徐影, 吴萍, 薛童, 汪靖, 石英, 张颖娴, 宋亚芳, 王朋岭. 全球气候变化的区域响应：中国西北地区气候“暖湿化”趋势、成因及预估研究进展与展望[J]. 地球科学进展, 2023, 38(6): 551-562.
[12] 李耀辉, 于敬磊, 谷娟, 桑文军, 靳晓琳, 黄玉. 民航飞行CO2 排放及其对气候变化影响研究综述[J]. 地球科学进展, 2023, 38(1): 9-16.
[13] 陈小刚, 李凌, 杜金洲. 红树林和盐沼湿地间隙水交换过程及其碳汇潜力[J]. 地球科学进展, 2022, 37(9): 881-898.
[14] 陈亚宁, 李玉朋, 李稚, 刘永昌, 黄文静, 刘西刚, 冯梅青. 全球气候变化对干旱区影响分析[J]. 地球科学进展, 2022, 37(2): 111-119.
[15] 柴磊, 王小萍. 青藏高原持久性有机污染物研究现状与展望[J]. 地球科学进展, 2022, 37(2): 187-201.
阅读次数
全文


摘要

地址：甘肃省兰州市天水中路8号
QQ：114723517
电话：0931-8762293　E-mail：adearth@lzb.ac.cn
陇ICP备2021001824号-5　 甘公网安备62010202000687