要研究LUCC的气候效应问题,土地覆盖数据是首要和关键的信息来源,是研究陆面过程的重要基础。要真实地描述全球及区域的能量、水循环以及生物地球化学过程等,就必须要有合理的土地覆盖数据信息,这关系到地表覆被类型的分类以及模型中地表下垫面的刻画以及特征参数的给定。因此,调查土地覆盖变化,监测和制定精确的土地覆盖状况对建立完善的区域或全球尺度气候系统模型,提高陆地生态系统、水文模式性能以及深入理解陆面过程和陆—气相互作用起着至关重要的作用^{[ 7]}。近几十年来,随着卫星、遥感以及计算机技术的迅猛发展,土地覆盖数据的获取手段由最初的土地调查、定位勘测、文献资料整理等升级到更精细高效的遥感探测技术。由于土地覆盖数据的重要意义,世界各国以及国际组织相继运用不同的遥感技术和卫星数据(如Landsat7/8,AVHRR,SPOT-4 VEGETATION,MODIS)发展成了包括全球及区域尺度的土地覆盖数据集。目前,中国区域的土地覆盖数据集主要包括5种产品:欧洲联合研发中心2000年全球土地覆盖数据产品(GLC2000)中国子集^{[ 8]}、美国地质调查局为国际地圈生物圈计划建立的数据集(IGBP-DISCover)^{[ 9]}、波士顿大学建立的基于MODIS的土地覆盖数据产品(MODIS系列)^{[ 10]}、美国马里兰大学生产的全球土地覆盖数据集(UMD)中国区域子集^{[ 11]}和中国科学院组织实施的中国2000年1︰10万土地覆盖数据,即“中国地区土地覆盖综合数据集”^{[ 12, 13]}。土地覆盖数据的准确性将直接关系到气候效应在全球模式和区域气候模式中的模拟可靠性,故在研究LUCC气候效应的工作中,选择合适、精确的土地覆盖资料是十分重要的。很多学者检验和评价了现有土地覆盖产品的精度问题^{[ 14]}。冉有华等^{[ 15]}评价了现有的国际土地覆盖数据在中国的精度、适用性以及所存在的问题等,发现GLC2000和MODIS土地覆盖数据有更高的整体分类精度,IGBP数据的整体分类精度次之,但是3种数据在局部都存在明显的分类错误,UMD的分类精度整体最低。GLC2000和MODIS系列数据在中国区域的总体精度都能达到61.7%以上^{[ 16]}。杨永可等^{[ 17]}统一把国际上五套土地覆盖数据集转换成IGBP的分类体系评价数据集的精度,结果表明GLC2000的总体精度和Kappa系数最高,而GlobCover2005的精度最低。MODIS数据集和GLC2000数据集对中国耕地制图的总体精度要高于UMD数据集和IGBP-DISCover数据集。4类数据制图精度高的区域主要分布在中国的农业主产区,而误差大的区域主要分布在中国山区或耕地比例低的区域。吴文斌等^{[ 18]}认为,低空间分辨率的信息源、基于像元的分类方法,以及中国复杂地形特征是土地覆盖数据精度差异的主要原因。

从全球区域的人口、农作物和牧场的历史估计表明,在亚洲,人口和农作物的增加最显著^{[ 19]}。中国是一个农业大国,土地利用的变化一直与农业生产的发展联系在一起。在过去的历史发展进程中,我国的种植业一直在农业活动中占有极大的比重,对土地的依赖大,是人类改变自然生态系统面貌的根本原因^{[ 20]}。新中国成立后,随着人口的增长,经济的快速发展以及社会的进步,我国的土地利用变化也比过去任何时期都活跃得多^{[ 21]}。这不仅给我国的地表格局带来前所未有的变化,也会对我国甚至东亚地区的环境和气候产生深远的影响^{[ 22]}。

由于中国地区下垫面的多样性和复杂性,土地利用变化的空间格局存在很大的差异,例如在长江三角洲、黄淮平原以及四川盆地等传统农业区,城镇居民建设用地的扩张占据了大面积的耕地,而在北方农牧交错带和西北绿洲农业区耕地开垦严重^{[ 23]}。国家实施了退耕还林还草政策,对中西部地区土地覆盖的改善有积极的影响。葛全胜等^{[ 24]}综合各种数据和研究成果发现,我国的林地、原地、居住工矿地以及交通用地的面积在20世纪50年代后持续增加,而草地、水体等的面积呈减小趋势,对于耕地而言,在50~80年代期间增加明显,而在80~90年代间的变化不大。在中国过去300年中,森林和耕地面积变化是相互关联的,尤其是新中国成立后,森林和耕地面积的变化呈现相反的趋势^{[ 20]}。葛全胜等^{[ 25]}认为20世纪前、中期土地利用变化是自然和社会经济共同作用的结果,但是人口、政府政策等社会经济因素的影响更大。刘纪远等^{[ 26]}基于卫星数据发现,20世纪90年代我国的耕地面积呈现北增南减、总量增加的趋势,增加的耕地主要来自于北方草地和林地的开垦。而林地用地面积总体呈现减小的趋势。在中国东部地区,尤其是在长江中下游和华北地区主要还是以耕地为主。朴世龙等^{[ 27]}和方精云等^{[ 28]}基于归一化植被指数(NDVI)讨论中国植被覆盖的动态变化,发现NDVI在东部呈下降趋势或者不明显,而西部和农业区增加显著,这与城市化过程、农业生产以及植被对气候变化的响应有关。从过去的大范围的土地利用方式的变化和植被覆盖的变化可以看出,土地利用变化中一个重要的转变就是由自然植被变成农田,随着世界人口的增长,这种转变还将会继续。城市化的发展是土地利用变化最典型的例子,随着经济的发展,区域工业化与城镇化进程,土地利用方式发生了重大改变。总的来说,21世纪以来,中国处于土地利用快速变化期,黄淮海平原、东南沿海地区与四川盆地城乡建设用地显著扩张,导致南方水田面积明显减少;而西北绿洲农业发展与东北地区开垦导致北方旱地面积略有增加;受西部开发“生态退耕”政策的影响,中西部地区林地面积显著增加^{[ 29]}。

从观测中很难将LUCC对局地气候的影响信息从全球变化的大背景下剥离。很多学者基于城市和非城市地区的观测数据分析城市化的影响^{[ 38~ 40]},但是对于城乡站点的分类选取有很多方法,比如运用卫星遥感数据(灯光数据、土地覆盖信息)、城镇建设用地、城市人口统计资料^{[ 41~ 43]}进行分类,还可以运用统计方法遴选城市和乡村站^{[ 44, 45]}。由于城市的扩张、站点迁移、观测仪器等因素,很多观测序列存在非均一性问题。最近,吴凯等^{[ 46]}基于均一化调整的温度序列和夜间灯光数据,考察了中国东部城市化与地面非均匀增暖;王君等^{[ 47]}

采用聚类分析客观地把观测站分类,讨论城市化对极端温度的影响,充分考虑了观测站点的划分问题,更具反映城市化效应。就城市尺度而言,一般处于同样的大尺度环流或气候背景下,即城市尺度上其影响在各个观测台站附近基本相同。因此,同一时期不同观测站、特别是城郊站间的差别就主要反映所在地城市化等的影响差异。但是这种对比研究仅仅局限于研究城市地区,并没有包含其他土地利用/覆盖类型对气候的影响。国内外学者对典型区域的观测统计分析做了大量工作,其中Kalnay等^{[ 48]}在这方面做了开创性的工作,他们提出了“Observation Minus Reanalysis”(OMR)方法,即用观测资料与再分析数据的趋势差值来表征土地利用变化和城市化的作用,因为再分析数据反映了大尺度环流和温室气体的作用,对土地利用/覆盖不敏感,而观测数据中包含了所有辐射强迫因子的作用。OMR方法提供了一个新的视角研究人类活动对气候的影响,广泛地应用于国内外的LUCC研究当中^{[ 49~ 51]}。Zhou等^{[ 52]}基于站点的OMR区域,结合NDVI和人口数据,估算了中国东南部城市化对气温的影响。Zhang等^{[ 53]}考察了中国东部土地利用变化对气温的影响,发现最低温度的增幅大于最高温度,导致气温日较差减小。杨续超等^{[ 54]}基于2期土地覆盖数据,利用OMR方法分析中国地表气温变化对土地利用/覆盖类型的敏感性。龚天宇等^{[ 55]}针对中国南方,曹巍等^{[ 55]}针对北京地区,讨论不同土地利用/覆盖类型的气温变化趋势,揭示不同土地利用/覆盖类型对气温影响的规律。尽管OMR方法可以提取不同时空尺度LUCC的作用,其局限性依然存在,较难排除其他因子的影响(温室效应等)。有些学者基于归一化植被指数(NDVI)和气象要素的统计联系,评估植被覆盖变化对气候的影响^{[ 57, 58]}。杨续超等^{[ 59]}利用NDVI结合OMR方法分析了植被覆盖状况对中国地表气温变化的影响。

关于LUCC对气温(或地表温度)的研究很多,也有学者讨论LUCC对降水、蒸发、湿度、风速和风向等的影响。Kaufmann等^{[ 60]}研究了珠江三角洲城市化对降水的影响,发现快速城市化导致降水减小,减小的原因可能是由于热岛效应引起的陆面水循环以及与能源有关的气溶胶排放有关。Zhang等^{[ 61]}也发现20世纪80年代开始,北京地区的快速城市化与夏季降水减小密切相关。城市化使得城区相对湿度总体呈下降趋势,郊区则略有上升,平均风速呈减少趋势^{[ 62~ 64]}。利用气象塔资料,彭珍等^{[ 65]}发现城市化的发展导致城区近地面的平均风速逐年递减,但是阵风并不存在相似的递减趋势,即城市冠层的抬升对阵风的影响并不显著;徐阳阳^{[ 66]}揭示出城市化发展使得相对风速有逐年减小的趋势,并且越靠近地面,相对风速的减小越明显,反映出城市建筑对近地面层空气流动的摩擦作用。

数值模拟是区分自然因素变化和人类活动贡献的重要研究手段,为揭示人类活动的影响和机理问题起重要作用。过去几十年,利用数值模拟开展了大量关于LUCC气候效应的研究,针对中国地区的问题也倍受国内外科学家的普遍关注。

早期研究土地利用/覆盖变化对气候的影响主要集中于单一地表参数的敏感性试验。刘晓东等^{[ 67]}通过改变青藏高原的地表反射率研究对夏季气候的影响。陈海山等^{[ 68]}通过改变植被LAI讨论对地表状况的影响。郑益群等^{[ 69]}考虑了反照率和粗糙度变化的植被退化试验。马迪等^{[ 70]}研究了森林覆盖度增加对局地气候的影响,地表粗糙度的增加,利于垂直运动的发生,导致降水增加。很多学者通过替换研究区域原有植被类型来讨论植被覆盖变化对区域气候的影响,例如研究青藏高原^{[ 71]};西北地区^{[ 72~ 74]},华北地区^{[ 75]},南方^{[ 76]}以及北方地区^{[ 77]},也有学者通过考虑不同的地形作用,不同的天气背景条件下,研究植被覆盖的影响^{[ 78]}。长期以来,敏感性试验一直被认为是理解气候关键物理过程的重要手段,并在相关研究领域得到了广泛应用。作为土地利用变化最典型的一种,城市化对局地气候也可以产生明显影响,城市建筑面积、密度增大,城市反照率减小,将导致地表蒸发减小,地表吸收的热量增多,从而加剧城市热岛效应。很多学者通过改变城市下垫面来研究中国东部城市群对天气、气候和大气环流的作用^{[ 79~ 81]}。虽然虚拟试验,由于夸大了异常强迫的作用,使其在理解实际问题方面存在一定的局限性。但是,应该指出,在理解真实过程的影响机制之前,虚拟试验有助于回答气候对异常强迫是否敏感的问题,而这是开展进一步研究的基础。

土地覆盖数据是理解人类活动与全球变化相互作用的关键信息来源,目前土地覆盖资料主要还是由卫星遥感获得,反映历史和当代人类活动影响下的地表覆盖信息。为了探讨人类活动影响下的LUCC对区域气候的影响,很多学者开展了对比实际植被和自然(潜在)植被的研究工作^{[ 82~ 87]},但是对中国区域气候影响,尤其是对季风环流模拟的结论却存在很大争议。随着大气环流模式、区域气候模式的进一步完善以及陆面过程参数化的改进和发展,通过对比不同时期^{[ 88~ 90]}、不同年代^{[ 91~ 93]}、不同数据源^{[ 94, 95]}的土地覆盖资料研究正在逐渐开展。众所周知,相对于1750 年,LUCC引起的反照率“辐射强迫”全球平均值为-0.15±0.1W/m²,而CO₂增加导致的“辐射强迫”为1.68±0.35 W/m²,但这并不能说明LUCC的作用不显著,那么LUCC能否与温室气体排放造成的变化相比拟?郑益群等^{[ 96]}发现历史时期的植被和大气CO₂浓度变化的共同作用使得东亚大部分地区增温,但是工业化造成的植被退化使该地区呈现总体干旱化的趋势。Zhao等^{[ 97]}指出,CO₂浓度的改变和区域尺度LUCC均会对我国降水产生影响,CO₂增加导致降水增强,LUCC则会减弱降水强度。研究表明,尽管LUCC的全球平均变化很小,但是LUCC 引起的区域变化可以和海温异常,大气CO₂浓度变化相比拟^{[ 98, 99]}。LUCC的生物地球物理机制十分复杂,还与气候背景场联系紧密^{[ 100]}。华文剑等^{[ 101]}发现,不同的气候背景,LUCC的气候敏感性相反,这是特别值得注意的问题。因为气候背景的不同,可能就会造成LUCC引起的气候效应存在差异。

相对于对过去LUCC的影响研究,人们也关注未来LUCC引起的气候效应。很多学者利用土地利用情景变化模型,分析中国区域未来的地表覆盖状况^{[ 102, 103]}。宋帅等^{[ 104]}利用社会经济学模型与区域气候模式的耦合,分析了未来50年中国气候的可能演变特征,以及探讨了影响气候的原因。李建云等^{[ 105]}利用SEDM预测模型探究了南水北调后农业灌溉对中国北方气候的影响,发现不仅受灌区的气候环境发生改变,邻近地区的气候也产生较明显的变化。随着未来人类活动的加剧、人口的增长以及经济、社会的发展,LUCC 很可能会继续加速,农田面积正在日益增长,以满足世界人口的需求和经济发展,这种迅速的增长会不会对区域气候产生显著的影响?最近,国际上了发展了新的未来气候情景RCPs(Representative Concentration Pathways)用于CMIP5模式的气候模拟^{[ 106]},而且也考虑了未来LUCC的变化。为了探讨未来LUCC 变化对气候的影响,国际上组织了LUCID(Land Use and Climate,IDentification of robust impacts),LUCID 计划不是描述不同模式土地覆盖变化的敏感性,而是认知LUCC 对气候影响的可靠性,分离LUCC 的变化和模式变率造成的噪声^{[ 107, 108]}。