四川省城市群城市化进程对城市气象要素的影响

The Influence of Urbanization Process on Urban Meteorological Elements in Sichuan City Group

摘要: 在经济快速发展，全球气候变暖的背景下，全国城市化进程稳步推进。在西部大开发等政策支持下，四川省作为重要发展区域之一，城市化进程快速推进。本文采用2000年⁓2020年城乡人口数据探究城市化水平时空分布规律、基于同期四川省土地覆盖数据分析其景观格局变化，同时结合同期气象要素的变化分析，探究四川省各城市群城市化进程对气象要素的影响。结果如下：1) 20年内四川省各城市群城市化水平增长率均为正值，城市化进程稳步推进，川东北城市群增长最快(0.1496)。2) 城市化水平空间分布存在区域性，总体规律为“成都平原城市群 > 川南城市群 > 川东北城市群”。3) 城市群不透水面的占比明显上升，例如成都平原城市群不透水面的占比从2000年1.3169%上升至2020年3.3926%。各城市群景观类型主要以农田、森林为主，各斑块之间较为紧凑、景观面积不平衡、差异大。4) 对于大多数城市来说，城市化水平与年平均相对湿度呈负相关，与年平均温度、年平均降水量呈正相关。5) 成都平原城市群、川东北城市群、川南城市群各城市群不同景观类型对城市气象要素的影响具有差异，对于成都平原城市群，不透水面的面积越大，相对湿度和日照时数就越高。

Abstract: In the context of rapid economic development and global warming, the national urbanization process has been steadily advancing. With the support of policies such as the western development, Sichuan Province, as one of the important development areas, has undergone a rapid urbanization process. This paper uses the urban and rural population data from 2000 to 2020 to explore the spatial and temporal distribution of urbanization level, analyzes the change of landscape pattern based on the land cover data of Sichuan Province during the same period, and combines the temporal distribution of meteorological elements during the same period. To explore the influence of urbanization process on meteorological elements of urban agglomerations in Sichuan Province. The results are as follows: 1) The urbanization growth rate of all urban agglomerations in Sichuan Province in the past 20 years is positive, and the urbanization process is advancing steadily, and the northeast Sichuan urban agglomerations have the fastest growth (0.1496). 2) The spatial distribution of urbanization level is regional, and the overall rule is “Chengdu Plain urban agglomeration > Southern Sichuan urban agglomeration > Northeast Sichuan urban agglomeration”. 3) The proportion of impervious surface in other urban agglomerations increased significantly. For example, the proportion of impervious surface in Chengdu Plain urban agglomeration increased from 1.3169% in 2000 to 3.3926% in 2020. The landscape types of urban agglomerations are mainly farmland and forest, and the patches are relatively compact, the landscape area is unbalanced and the differences are large. 4) For most cities, urbanization level is negatively correlated with annual mean relative humidity, and positively correlated with annual mean temperature and annual mean precipitation. 5) The impact of different landscape types on urban meteorological elements in Chengdu Plain urban agglomerations, northeast Sichuan urban agglomerations, South Sichuan urban agglomerations is different. For Chengdu Plain urban agglomerations, the greater the area of impervious surface, the higher the relative humidity and sunshine hours.

1. 引言

城市化是世界范围的历史进程，是由于人口向城市聚集而引起社会变化的过程。根据国家统计局《第七次全国人口普查公报》可知，截至2020年，居住在城镇的人口占全国人口的63.89%，居住在乡村的人口占36.11% [1]。中国常住人口城镇化率不断升高，城镇人口增长迅速[2]。

近年来，随着城市化进程逐步推进，不仅生态环境质量降低，还加剧了大气污染特征的变[3] [4]。截止2022年中国的环境质量虽稳中向好，但仍然有高达37.2%的城市空气质量不达标，大气污染现象例如酸雨、雾霾等问题仍将继续存在[5]-[7]。根据科学证实，气象要素的变化与污染物浓度的高低有很强的相关性[8]。因此，对几十年来城市化进程以及城市气象要素变化进行研究，进而探究城市化进程对城市气象要素的影响，对未来城市规划以及环境治理具有重要的意义。

城市化进程对城市气象要素的影响与人类生产生活息息相关。依据研究范围和选取气象要素丰富程度不同，可将研究主要分为四类：少数站点对单一气象要素的影响、少数站点对多个气象要素的影响、多个站点对单一气象要素的影响以及多个站点对多个气象要素的影响。少数站点对单一气象要素的影响通常基于几十年的时间，选取同一城市的城乡站点，通过对比同一气象要素的差异探究城市化对该气象要素的影响。例如，任国玉等选取1962⁓2011年藁城站和石家庄站的温度数据，通过对比二者的概率分布特征得出冬季最低温度受城市化影响最大[9]。卞韬等选取1972⁓2012年4个乡村站和石家庄城市站的风速，采用城乡对比法得出城市化对石家庄站冬季的风速有明显的影响[10]。该类研究对单一气象要素的影响有详细的探究，但对其余城市不具有普适性。少数站点对多个气象要素的影响通常选取某一城市几十年多个气象要素资料在城市化进程的背景下进行探究。例如，夏健等基于1955⁓2012年无锡市温度、相对湿度、低云量、降水量、日照时数等气象资料，通过探究城市化进程下无锡市各气象要素的时空分布变化规律，对比城乡站点得出该地区热岛效应全年显著，冬季最为明显[11]。李兴阳等基于静海县1959⁓2013年气象要素数据，通过M-K突变检验法和指数拟合方程的方法得出静海县在城镇化过程中出现显著的“热岛效应”、“暗岛效应”、“干岛效应”[12]。刘卫平等选取库尔勒站以及参考站1960⁓2015年的气象要素资料，通过对比分析得出城市化对温度、湿度影响较大[13]。此类研究对该地区城市化对多个气象要素的影响具有代表性，但对其余城市同样不具有普适性。多个站点对单一气象要素的影响通常采用较短时间大量研究范围分析大范围进行探究。胡庆芳等基于大量文献分析讨论城市化对降水的影响，归纳指出局地降水量会受到城市化的影响，但影响程度不统一，存在区域性[14]。李宇等基于1981⁓2017年气象观测资料和气候再分析数据，采用观测减去再分析法以及城乡对比法分析得出我国92个主要城市的城市化进程对局地增温的影响，结果表明所有城市均随着城市化的推进局地增温显著[15]。此类文章均选择较长的时间和大范围城市化进程对单一气象要素的影响进行研究，对大多数城市具有适用性，但有些气象要素例如降水的分布具有区域性。结合以上研究，城市化进程影响多种城市气象要素，因此不仅要研究单一气象要素，更要探究多个城市气象要素受到城市化进程的影响。综上所述，选择多个站点对多个气象要素的影响更加具有合理性和科学性。

在全球气候日益变暖、中国城市经济建设发展的大时代，西部大开发的工作稳步推进中。我国西南地区的经济快速发展，人民生活水平快速提高。四川省作为西南地区重要发展区域之一，自2003年以来，四川省的城市化水平以区域性、不均衡性为特点提高[16]。四川盆地内大气污染的情况仍未消散。O₃、PM_2.5、PM₁₀带来的污染伴有明显的区域性继续存在[17]。城市化进程的推进改变城市下垫面进而引起局地温度变化的情况时有发生[18]。由此可见，在经济日益发展、城市化水平逐步提高的四川省，探究城市化进程对城市气象的影响，对未来城市合理规划、大气污染科学防治乃至居民身体健康具有重要的意义。但是针对四川省城市群城市化进程对城市气象要素的影响研究较少，还需要进一步加强和完善。因此，本文对四川省城市群城市化进程和多个气象要素的时空变化特征进行详细分析，进而探究城市化进程对城市气象要素的影响，以期对此类研究进一步加强分析。

2. 资料选取和研究方法

2.1. 研究区域

四川省，位于中国西南部，处于97˚21′E⁓108˚12′E，26˚03′N⁓34˚19′N之间。四川省有21个地级行政区(见图1(a))。参考《四川省“十二五”城镇化发展规划》，本文重点研究四川省三个城市群：成都平原城市群(成都市、资阳市、眉山市、绵阳市、德阳市、乐山市、雅安市)，川东北城市群(巴中市、达州市、广元市、遂宁市、广安市、南充市)和川南城市群(自贡市、宜宾市、泸州市、内江市) [19]。

(a)

(b)

Figure 1. (a) Boundary and topographical map of prefecture-level administrative districts in Sichuan Provinces; (b) Maps of 38 meteorological observation station

图1. (a) 四川省地级行政区边界和地形地势示意图；(b) 38个气象观测站点示意图

2.2. 资料选取

人口数据来自国际统计局选取2000⁓2020年四川省地级市以及自治州总人口数和城乡人口数。地形数据来源于地理空间数据云的ASTER GDEM 30M分辨率数字高程数据。土地覆盖数据来源于1990年⁓2021年的中国30 m的年度土地覆盖数据，为武汉大学杨杰和黄昕教授发布[20]。气象数据来源于国家气象信息中心的中国地面气候资料日值数据集(V3.0)。由于四川省站点基础设施配备不均匀，本文依据数据选取2000年⁓2020年38个资料较完整气象站点(见图1(b))的逐日气温(℃)、相对湿度(%)、日照时间(h)、降水量(mm)、风速(m/s)。本文先通过python筛选所需站点的气象资料生成每个站点一份2000⁓2020年逐日csv数据，再计算每个站点的年平均值，继而采用反距离权重法进行插值、分区统计以及拼接，最后得到以地级行政区为单位的年平均气象要素数据。

2.3. 研究方法

本文基于2000⁓2020年人口普查数据和同期土地覆盖数据、四川省三大城市群的城市化水平、景观格局指数以及2000⁓2020年气象要素数据，从以下三个方面探究城市群城市化进程对城市气象要素的影响：

1) 城市化进程发展的程度。本文通过计算城市化水平以及景观格局指数定量反映四川省各城市群城市化进程的发展程度。继而对城市化水平进行线性回归分析并利用ArcGIS10.8采用克里金插值法绘制空间分布图探究城市化水平的时空分布特征。本文将景观类型分为草原、裸地、水域、冰雪、农田、灌木、湿地、森林、不透水面九类，通过Fragstats4.2对各城市群计算景观格局指数。

城市化水平的测算是难点。本次研究主要采用人口指标法测算城市化水平。本次研究采用城镇人口指标法测算城市化水平。城镇人口指标法为城镇人口占总人口的比例，可用公式表示为：

$C=\frac{Pc}{Pc+Pa}=\frac{Pc}{P}$ (1)

其中C表示四川省某地级行政区城市化水平，Pc表示四川省某地级行政区城镇人口数量，Pa表示四川省某地级行政区农村人口数量，P表示四川省某地级市总人口数量。

景观格局指数的选取是重点，也是体现空间设置特征以及景观结构组成的定量指标，按照其尺度从小到大分为斑块、类型或景观水平指数[21]-[23]。由于大多景观格局一年内变化不显著，故本研究选取2000年、2010年、2020年的土地利用数据探究四川省各城市群景观格局的变化[24]。结合研究区域和研究目的，由于斑块尺度的景观格局指数尺度过小，对所选区域研究意义不大，故本文仅选取类型尺度和景观水平尺度上的景观格局指数。选取的景观格局指数详细意义见表1。

Table 1. Landscape pattern index and its meaning

表1. 景观格局指数及含义

景观格局指数类型	景观格局指数名称	景观格局指数意义	应用尺度
面积与边缘指标	斑块类型面积(CA)	斑块类型总面积(hm^2)	类型
	斑块类型面积比(PLAND)	斑块所占景观面积比例(%)	类型
	最大斑块指数(LPI)	最大斑块占景观面积比例(%)	类型/景观
聚集指标	斑块密度(PD)	斑块在景观中的密度(个/hm^2)	类型/景观
	斑块结合度指数(COHESI0N)	反映斑块在景观中的聚集和分散状态	类型
	景观形状指数(LSI)	景观格局中斑块的形状指数	景观
形状指标	分维数(PAFRAC)	景观不规则几何形状的非整数维数	类型
多样性指标	蔓延度(CONTAG)	描述的是景观里不同斑块类型的团聚程度或延展趋势	景观
	香农均匀度指数(SHEI)	各拼块类型均等分布	景观

2) 气象要素变化特征。温度的上升造成城市的“热岛”效应；相对湿度和降水量可能会造成城市的“雨岛”、“干岛”效应；日照时数对城市的“暗岛”效应有明显影响；风速对城市污染物的输送有很大的影响[12] [25]。本文选取四川省38个气象站点2000⁓2020年温度、相对湿度、降水量、日照时数、风速五个气象要素利用python3.8计算线性回归系数、绘制折线统计图反映气象要素的时间分布特征。

3) 相关性分析。本文基于城市化水平和景观格局指数的分析，将四川省各城市群平均城市化水平与2000年、2020年的年平均温度、相对湿度、降水量、日照时数通过SPSS27进行相关性分析，再将四川省各城市群的斑块类型水平景观格局指数与五种气象要素的年平均值进行相关性分析，选取皮尔逊相关系数反映两者之间的相关性程度。皮尔逊相关系数r是常用分析相关性的系数之一，r的绝对值越大，表明两个变量线性相关的程度越强[26]。

3. 结果与分析

3.1. 城市化水平时空变化特征

3.1.1. 城市化水平时间变化特征

见表2，20年内四川省各城市群城市化水平增长率均为正值，城市化进程稳步推进：川东北城市群增长最快0.1496；成都平原城市群次之0.1292。除2020年成都平原城市群城市化水平最高(0.5482)。

Table 2. Urbanization levels and growth rates of urban agglomerations from 2000 to 2020

表2. 2000年⁓2020年各城市群城市化水平及增长率

年份 城市群	2000年	2010年	2020年	增长率
成都平原城市群	0.2897	0.4069	0.5482	0.1292
川东北城市群	0.1918	0.3267	0.4910	0.1496
川南城市群	0.2701	0.3692	0.5178	0.1238

3.1.2. 城市化水平空间变化特征

见图2，四川省各城市群城市化水平空间分布不均匀，存在明显的区域性。由2000年城市化水平空间分布图可知，凉山彝族自治州城市化水平较低；成都平原城市群例如德阳市、绵阳市、成都市等城市化水平较高；川东北城市群城市化水平整体较低；川南城市群，例如内江市、自贡市城市化水平也较低。2010年城市群城市化水平的空间分布同2000年一致。由2020年城市化水平空间分布图可知，城市化水平空间分布总体规律为成都平原城市群 > 川南城市群 > 川东北城市群。

3.2. 景观格局分析

3.2.1. 斑块类型水平景观格局指数分析

见表3、表4，从景观类型的变化上看，除成都平原城市群2000年出现极小面积的湿地但2010年、2020年消失，其余城市群景观类型基本不变。在20年内，川南城市群和川东北城市群均没有冰雪和湿地。

结合斑块类型面积CA以及斑块所占景观面积比例PLAND分析可知，四川省各城市群主要以农田、森林为主。成都平原城市群在2000年景观类型占比依次为农田 > 森林 > 草原 > 不透水面 > 水域 > 灌木 > 裸地 > 冰雪；2010年占比同上；2020年不透水面占比超过草原位列第三，面积由2010年180741.33 hm²增加到2020年271653.66 hm²，占比由2.2572%提升至3.3926%。川东北城市群2000年景观类型占比依次为农田 > 森林 > 水域 > 不透水面 > 灌木 > 草原 > 裸地；2010年同上；2020年不透水面超过水域位列第三，10年内面积由59015.43 hm²增加至97180.65 hm²，占比由0.854%提升至

Figure 2. Spatial distribution map of urbanization level in Sichuan Province from 2000 to 2020

图2. 2000年⁓2020年四川省各地区城市化水平空间分布图

1.4063%，同时期裸地增多。川南城市群2000年、2010年景观类型占比与川东北城市群2000年、2010年一致，但2020年不透水面超过水域位列第三，10年内面积由23482.71 hm²增加至5822.49 hm²、占比由0.6691%提升至1.6591%。

由斑块密度PD可知，20年内四川省不同城市群破碎程度较大的景观类型不同。成都平原城市群、川东北城市群以及川南城市群森林和农田的破碎程度较大。

由最大斑块占景观面积比例LPI可知，20年斑块优势度不变。成都平原城市群、川南城市群以及川东北城市群农田和森林优势度最高。其余景观类型的优势度相差不大。

由分维数指数PAFRAC可知，20年内四川省所有城市群的各景观类型数值均在1.4左右，大多没有规律。此结果与前文相同。

由斑块结合度COHESION可知，20年内各城市群该景观格局指数的数值基本保持不变，多数斑块结合程度较好，均达到90以上。虽然大部分斑块连通度较好，但各城市群间景观类型斑块结合度存在差异。成都平原城市群仅有灌木聚集程度最低，2000年、2010年均斑块结合度在75附近。川东北城市群灌木、草原、裸地相较于其他景观类型的聚集程度较差，灌木、草原的斑块结合度在65左右，裸地在2020年随着面积增大斑块结合度也由0提高至48.8233。川南城市群裸地、草原以及灌木聚集程度较差，且三种景观类型的斑块结合度变化没有明显的规律。

Table 3. Patch horizontal landscape pattern index of urban agglomerations in Sichuan Province in 2000

表3. 2000年四川省各城市群斑块水平景观格局指数

城市群	景观指数 景观类型	斑块类型 面积 CA (hm^2)	斑块所占景观面积比例PLAND (%)	斑块密度PD (个/hm^2)	最大斑块 占景观面积比例LPI (%)	分维数 指数PAFRAC	斑块结合度COHESION
成都平原城市群	草原	203661.5400	2.5435	0.6560	0.4787	1.4223	99.2910
	裸地	8035.3800	0.1004	0.0515	0.0184	1.5196	95.9507
	森林	3452947.6500	43.1231	2.5660	18.2496	1.4355	99.9430
	水域	56157.8400	0.7013	0.2940	0.0614	1.4156	97.2609
	灌木	9774.3600	0.1221	0.2868	0.0009	1.4436	75.6102
	冰雪	780.8400	0.0098	0.0096	0.0021	1.4569	90.5793
	农田	4170378.0600	52.0830	1.3439	38.3879	1.4156	99.9744
	不透水面	105445.1700	1.3169	0.5363	0.2181	1.3768	97.9909
	湿地	0.0900	0.0000	0.0000	0.0000	N/A	0.0000
川东北 城市群	森林	2446571.3400	35.4051	3.7351	17.8404	1.4392	99.9261
	农田	4332898.8000	62.7028	2.2938	26.7097	1.4025	99.9677
	草原	8835.3000	0.1279	0.4695	0.0045	1.4258	63.7444
	灌木	12771.3600	0.1848	0.5128	0.0007	1.4365	68.0159
	不透水面	47011.5000	0.6803	0.4692	0.0148	1.3990	92.7602
	水域	62124.8400	0.8990	0.2864	0.1306	1.4493	98.5525
	裸地	0.2700	0.0000	0.0000	0.0000	N/A	0.0000
川南 城市群	农田	2226374.9100	63.4388	2.7683	25.4821	1.4202	99.9370
	森林	1215895.9500	34.6460	3.4687	20.4211	1.4212	99.9323
	水域	38530.2600	1.0979	0.3480	0.5616	1.4666	99.0201
	不透水面	23482.7100	0.6691	0.5815	0.0333	1.3676	93.1597
	草原	533.1600	0.0152	0.0508	0.0010	1.4212	68.8585
	裸地	6.2100	0.0002	0.0012	0.0000	1.4730	28.6474
	灌木	4663.3500	0.1329	0.3247	0.0020	1.4115	71.0717

Table 4. Patch horizontal landscape pattern index of Sichuan urban agglomeration in 2020

表4. 2020年四川省城市群斑块水平景观格局指数

城市群	景观指数 景观类型	斑块类型面积CA (hm^2)	斑块所占景观面积比例PLAND (%)	斑块密度PD (个/hm^2)	最大斑块占景观面积比例LPI (%)	分维数 指数PAFRAC	斑块结合度COHESION
成都平原 城市群	草原	196594.4700	2.4552	0.6239	0.4669	1.4230	99.2252
	裸地	7980.4800	0.0997	0.0502	0.0153	1.4302	95.5629
	冰雪	954.1800	0.0119	0.0128	0.0023	1.4781	91.6474
	水域	72707.8500	0.9080	0.3269	0.0757	1.3902	96.7591
	森林	3604335.3900	45.0138	1.9166	18.2733	1.3838	99.9447
	灌木	23928.3000	0.2988	0.4103	0.0013	1.4371	82.9832
成都平原 城市群	农田	3829026.6000	47.8199	1.7960	28.6053	1.3984	99.9685
	不透水面	271653.6600	3.3926	0.7616	0.8684	1.3718	99.3239
	湿地
川东北 城市群	森林	3142295.2800	45.4732	2.4829	24.5471	1.4040	99.9482
	灌木	2284.0200	0.0331	0.1278	0.0003	1.4100	55.4845
	农田	3582218.6100	51.8395	2.7371	15.4544	1.3851	99.9386
	草原	3182.3100	0.0461	0.1433	0.0045	1.4193	70.9062
	不透水面	97180.6500	1.4063	0.6043	0.0629	1.3839	97.0631
	水域	83033.4600	1.2016	0.2714	0.0970	1.4359	98.3637
	裸地	19.0800	0.0003	0.0011	0.0000	1.3960	48.8233
川南 城市群	农田	2275720.3800	64.8448	1.9954	23.9354	1.3872	99.9554
	不透水面	58226.4900	1.6591	0.7468	0.1011	1.3585	97.2980
	森林	1132656.3000	32.2741	3.2234	11.6041	1.3870	99.8545
	水域	40832.5500	1.1635	0.4154	0.3094	1.4531	98.2843
	草原	744.1200	0.0212	0.0469	0.0028	1.4074	79.2897
	灌木	1297.0800	0.0370	0.1660	0.0003	1.4233	51.2939
	裸地	9.6300	0.0003	0.0012	0.0000	1.3624	46.6744

3.2.2. 景观水平景观格局指数分析

见表5，由斑块密度PD可知，20年内各城市群该指数基本随时间不变，各城市群破碎化程度整体偏高，表明地表景观格局不完整。由最大斑块指数可知，20年内各城市群数值均在30附近且都偏小，表明该斑块间面积的差异不大。结合景观形状指数和蔓延度指数可知，各城市群的景观类型之间连续分布且较为紧凑、聚集。由香农均匀指数SHEI可知，20年内各城市群该指数的数值均在0.4上下，各类型景观面积较平衡，差异不大。

Table 5. Horizontal landscape pattern index of Sichuan urban agglomeration in 2000 and 2020

表5. 2000年、2020年四川省城市群景观水平景观格局指数

年份	城市群	斑块密度PD (个/hm^2)	最大斑块 指数LPI (%)	景观形状 指数LSI	蔓延度指数CONTAG	香农均匀度指数SHEI
2000年	成都平原城市群	5.7441	38.3879	245.6448	74.2499	0.4113
	川东北城市群	7.7667	26.7097	351.026	72.9302	0.3889
	川南城市群	7.5432	25.4821	249.9595	73.239	0.385
2020年	成都平原城市群	5.8983	28.6053	272.8495	70.2163	0.4741
	川东北城市群	6.3678	24.5471	345.4093	71.3861	0.4205
	川南城市群	6.5950	23.9354	235.1783	72.9381	0.3959

综上所述，2000⁓2020年四川省各城市群主要景观类型以农田、森林为主。不透水面的占比均大幅上升：成都平原城市群不透水面20年的占比从1.3169%上升至3.3926%；川东北城市群由0.6803%上升至1.4063%；川南城市群由0.6691%上升至1.6591%。不同城市群不同景观类型的破碎化程度不同，川东北城市群、成都平原城市群、川南城市群破碎化程度最大的是森林。景观类型分布大多无规律，多数斑块之间连通度较好。

3.3. 气象要素的变化特征

见表6，各地级市随时间的变化幅度不相同：20年内四川省各地级市年平均温度随时间升高，但各回归系数的绝对值不大，上升幅度最大为眉山市0.226 a/℃；年平均相对湿度随时间变化无规律波动，线性回归系数的绝对值多小于0.05；年平均降水量除攀枝花市(−0.0493 a/mm)外，其余线性回归系数绝对值均较大，其中八个地级市的线性回归系数大于1，增加幅度为内江市 > 资阳市 > 自贡市 > 遂宁市 > 泸州市 > 宜宾市 > 眉山市 > 广安市，内江市降水量的增加幅度高达1.4378 a/mm；年平均日照时数各地级市线性回归系数的绝对值多数小于0.02；年平均风速随时间变化不显著。

Table 6. Linear regression coefficients of meteorological elements in various regions of Sichuan Province during 2000⁓2020

表6. 2000⁓2020年四川省各地区气象要素线性回归系数

气象要素 地区	温度(a/℃)	相对湿度(a/%)	降水量(a/mm)	日照时间(a/h)	风速 (m/s)
德阳市	0.0023	0.0768	0.08671	0.013	0.0994
绵阳市	−0.0011	0.0461	0.6899	0.0107	0.1704
成都市	0.0126	0.0936	0.885	0.0095	0.0453
眉山市	0.0226	0.0269	1.0539	−0.0036	0.0648
雅安市	0.0176	0.0577	0.3483	−0.01	0.0842
乐山市	0.0222	0.0075	0.9468	−0.0094	0.0958
资阳市	0.0106	−0.0365	1.3796	0.0086	0.0927
广元市	−0.0068	0.0419	0.526	0.0115	0.1193
南充市	−0.0008	−0.054	0.8135	0.0237	0.1428
遂宁市	0.009	0.0379	1.1581	0.0138	0.1372
广安市	0.009	−0.0973	1.0289	0.0006	0.1273
达州市	0.006	−0.1128	0.43	0.0184	−0.0084
巴中市	0.0014	−0.0476	0.3868	0.034	0.0265
内江市	0.0135	−0.0622	1.4378	0.0065	0.081
自贡市	0.0183	−0.0338	1.3641	0.0089	0.1231
宜宾市	0.0185	0.0445	1.108	0.011	0.1561
泸州市	0.0176	0.0532	1.1331	−0.0056	0.1026
凉山彝族自治州	0.0144	−0.1097	0.0736	0.0142	0.1035
攀枝花市	0.0141	−0.2367	−0.0493	0.0229	0.117

3.4. 城市化进程对城市气象要素的影响

3.4.1. 城市化水平对城市气象要素的影响

见表7，城市化水平对不同气象要素的影响存在差异性：除绵阳市以外，其余城市的城市化水平与温度呈强的正相关，达州市和资阳市受温度影响最大，相关系数依次为0.995和0.911；除德阳市、绵阳市、达州市和巴中市以外，其余城市的城市化水平均与降水量呈正相关，资阳市和自贡市尤为显著，相关系数分别为1.000和0.999；城市化水平与年平均风速的相关性不一，对达州市呈负相关，对攀枝花市、巴中市等呈正相关；城市化水平对日照时数的影响不同，对雅安市、凉山彝族自治州、宜宾市和遂宁市有很强的正相关，对眉山市、成都市呈很强的负相关；城市化水平对相对湿度的影响程度不同，对德阳市、资阳市、内江市、广安市等大多数城市有很强的负相关，对广元市有很强的正相关。

综上所述，20年内随着城市化进程的推进，四川省各地区的年平均温度均升高，“热岛”效应增强[26]-[28]。达州市城市化进程推进最快，年平均气温受到影响最为显著。大多数城市年平均降水量均增加，资阳市和自贡市增加幅度最大。城市化水平对日照时数的影响不同，大多数城市城市化水平与年平均相对湿度有很强的负相关。

Table 7. Correlation coefficients between urbanization level and meteorological factors in various regions of Sichuan Province from 2000 to 2020

表7. 2000⁓2020年四川省各地区城市化水平与气象要素的相关系数

气象要素 地级市	温度	相对湿度	降水量	日照时数	风速
德阳市	0.708	−0.966	−0.897	−0.39	0.979
绵阳市	−0.438	−0.721	−0.137	−0.43	0.902
成都市	0.891	0.469	0.616	−0.976	0.991
眉山市	0.89	0.677	0.878	−0.999^*	0.999^*
雅安市	0.757	0.486	0.963	0.98	0.978
乐山市	0.897	0.311	0.992	−0.79	0.994
资阳市	0.911	−0.969	1.000^*	0.722	0.984
广元市	0.427	0.759	0.758	0.752	0.978
南充市	0.786	−0.824	0.314	0.868	0.981
遂宁市	0.806	−0.03	0.991	0.918	0.996
广安市	0.897	−0.904	0.542	0.95	0.993
达州市	0.995	−0.448	−0.61	0.889	−0.07
巴中市	0.961	0.7	−0.974	0.851	0.669
内江市	0.839	−0.944	0.994	0.895	0.997^*
自贡市	0.892	−0.228	0.999^*	0.856	0.958
宜宾市	0.814	0.34	0.988	0.939	0.978
泸州市	0.87	−0.543	0.891	−0.019	0.998^*
凉山彝族自治州	0.852	−0.651	0.648	0.969	0.959
攀枝花市	0.635	−0.532	0.385	0.91	0.82

注：^*表示通过0.05水平显著性检验。

3.4.2. 景观格局对城市气象要素的影响

本文依据2000年、2010年、2020年四川省各城市群景观格局变化特征探究景观格局对城市气象要素的影响。由于成都平原城市群湿地、川东北城市群裸地面积过小，研究意义不大，故舍去。川东北城市群草原最大斑块占景观面积比例LPI二十年数值不变，无法计算相关系数，故也舍去。

见表8，在20年内成都平原城市群草原变化过程中，斑块类型面积CA、斑块所占景观面积比例PLAND和斑块结合度COHESION与温度有很强的负相关性，相关系数分别为−0.946、−0.946和−0.931。最大斑块占景观面积比例LPI和分维数指数PAFRAC与相对湿度、日照时数呈强的正相关。裸地变化过程中，六个景观格局指数均对温度呈负相关，最大斑块占景观面积比例LPI的相关系数最高−0.834。斑块类型面积CA和斑块所占景观类型比例PLAND与相对湿度、日照时数有很强的正相关。六个景观指数对降水量和风速均呈负相关，分维数指数PAFRAC相关系数最高−0.831。在森林变化过程中，景观指数与相对湿度和日照时数的相关性与草原、裸地相同。分维数指数PAFRAC均与五个气象要素呈负相关，降水量和风速最为显著依次为−0.819、−0.944。在水域的变化过程中，分维数指数PAFRAC与五个气象要素均呈负相关，其中温度、降水量、风速较为显著，相关系数依次为−0.943、−0.993、−0.987。斑块结合度COHESION与除温度外的气象要素有很强的负相关性，其中相对湿度、日照时数相关系数为−1.000最为显著。在灌木的变化过程中，斑块类型面积CA、斑块所占景观面积比例PLAND、斑块密度PD、最大斑块占景观面积比例LPI以及斑块结合度COHESION均与五种气象要素呈正相关，分维数指数PAFRAC与五种气象呈负相关。在冰雪变化过程中，斑块密度PD与温度的相关系数最高为1.000，其次为斑块类型面积CA和斑块所占景观面积比例PLAND分别为0.824、0.818。六个景观指数对相对湿度和日照时数的相关性一致。农田变化过程中，景观指数对降水量、日照时数、风速相关性较显著。在不透水面变化的过程中，六个景观指数对降水量和风速的影响较大，除分维数指数PAFRAC外，其余相关系数都在0.90以上，表明不透水面的面积越大、破碎化程度越高、聚合程度越好，降水量和风速就越大。

综上所述，成都平原城市群20年内裸地、森林、水域、灌木、农田的边界形状越简单规则，降水量和风速就越大；草原、裸地、森林、水域、灌木以及不透水面的面积越大，相对湿度和日照时数越高。

Table 8. Correlation coefficients between patch horizontal landscape pattern index and meteorological elements in Chengdu Plain urban agglomeration from 2000 to 2020

表8. 2000⁓2020年成都平原城市群斑块水平景观格局指数与气象要素的相关系数

景观类型	景观指数 气象要素	斑块类型面积 CA (hm^2)	斑块所占景观面积比例PLAND (%)	斑块密度 PD (个/hm^2)	最大斑块占景观面积比例LPI (%)	分维数 指数PAFRAC	斑块结合度COHESION
草原	温度	−0.964	−0.964	−0.776	−0.568	−0.461	−0.931
	相对湿度	0.338	0.338	0.686	0.863	0.919	0.434
	降水量	−0.882	−0.882	−0.619	−0.374	−0.256	−0.828
	日照时数	0.3	0.299	0.656	0.842	0.902	0.397
	风速	−0.719	−0.719	−0.381	−0.106	0.018	−0.643
裸地	温度	−0.582	−0.583	−0.689	−0.834	−0.689	−0.414
	相对湿度	0.854	0.853	0.774	0.611	−0.672	−0.878
	降水量	−0.39	−0.391	−0.513	−0.693	−0.831	−0.603
	日照时数	0.832	0.832	0.747	0.579	−0.701	−0.896
	风速	−0.124	−0.124	−0.26	−0.47	−0.951	−0.798
森林	温度	0.178	0.178	−0.944	−0.46	−0.673	0.926
	相对湿度	0.968	0.968	−0.26	0.92	−0.688	−0.445
	降水量	0.389	0.389	−0.993	−0.254	−0.819	0.82
	日照时数	0.978	0.978	−0.299	0.903	−0.717	−0.409
	风速	0.626	0.626	−0.987	0.02	−0.944	0.633
水域	温度	0.995	0.995	0.965	0.733	−0.943	0.045
	相对湿度	−0.177	−0.177	−0.331	−0.733	−0.262	−1.000^*
	降水量	0.947	0.947	0.885	0.566	−0.993	−0.174
	日照时数	−0.138	−0.138	−0.293	−0.705	−0.301	−1.000^**
	风速	0.824	0.824	0.724	0.319	−0.987	−0.437
灌木	温度	0.541	0.541	0.422	0.315	−0.327	0.446
	相对湿度	0.799	0.799	0.873	0.923	−0.918	0.86
	降水量	0.712	0.712	0.611	0.516	−0.526	0.631
	日照时数	0.823	0.823	0.892	0.938	−0.933	0.88
	风速	0.877	0.876	0.804	0.73	−0.739	0.819
冰雪	温度	0.824	0.818	1.000^**	−0.201	0.393	−0.179
	相对湿度	−0.625	−0.633	−0.087	0.992	0.888	0.994
	降水量	0.68	0.672	0.973	0.018	0.585	0.041
	日照时数	−0.593	−0.602	−0.047	0.986	0.906	0.989
	风速	0.454	0.445	0.872	0.29	0.784	0.312
农田	温度	−0.511	−0.511	0.693	−0.977	−0.876	−0.994
	相对湿度	−0.82	−0.82	0.668	−0.139	−0.416	0.182
	降水量	−0.687	−0.687	0.834	−1.000^**	−0.961	−0.946
	日照时数	−0.842	−0.842	0.697	−0.179	−0.452	0.142
	风速	−0.859	−0.859	0.953	−0.96	−1.000^**	−0.822
不透水面	温度	0.831	0.831	0.781	0.887	−0.347	0.991
	相对湿度	0.494	0.494	0.566	0.395	−0.91	0.064
	降水量	0.932	0.932	0.899	0.967	−0.544	0.997
	日照时数	0.529	0.529	0.599	0.432	−0.926	0.104
	风速	0.996	0.996	0.984	1.000^*	−0.753	0.936

注：^*表示通过0.05显著性检验，^**表示通过0.01显著性检验。

见表9，在20年内川东北城市群森林的变化过程中，斑块类型面积CA和斑块所占面积比例PLAND与温度呈正相关，相关系数均为0.94。斑块密度PD、分维数指数PAFRAC与日照时数呈负相关，斑块结合度COHESION与日照时数呈正相关，且相关系数的绝对值均在0.90以上。斑块类型面积CA、斑块所占景观面积比例PLAND、斑块结合度COHESION和最大斑块占景观面积比例LPI与风速呈正相关，相关系数均在0.95以上；斑块密度PD和分维数指数PAFRAC与风速有很强的负相关，相关系数依次为−1.000和−0.987。在农田变化过程中可知，斑块类型面积CA、斑块所占景观面积比例PLAND最大斑块占景观面积比例LPI均与温度呈强的负相关，斑块密度PD呈强的正相关，相关系数的绝对值均在0.90以上。除斑块密度PD相关系数0.9以外，其余景观指数与风速均呈负相关且绝对值均在0.90以上。在草原的变化进程中，斑块类型面积CA、斑块所占景观面积比例PLAND、斑块密度PD以及分维数指数PAFRAC均呈很强的负相关，数值依次为−0.996、−0.996、−0.990、−0.912。除斑块结合度COHESION相关系数为0.992外，其余景观格局指数均与风速呈负相关。灌木的变化进程中，斑块密度PD和分维数指数PAFRAC与温度呈强烈的负相关，相关系数分别为−0.885、−0.833。斑块类型面积CA、斑块所占景观面积比例PLAND、斑块密度PD均与风速有很强的负相关，相关系数依次为−0.842、−0.842、−0.915。不透水面和水域的景观格局指数在20年内与五种气象要素没有明显的相关性。

综上所述，20年内川东北城市群森林破碎程度越小、形状边界越简单、聚合程度越好日照时间越长。森林、农田破碎程度越大、形状边界越不规则，风速就越大，而草原、灌木破碎程度越小则风速越大。森林、农田、草原、灌木面积越小、破碎程度越小，温度越高。

Table 9. Correlation coefficients between patch horizontal landscape pattern index and meteorological elements in Northeast Sichuan urban agglomeration from 2000 to 2020

表9. 2000⁓2020年川东北城市群斑块水平景观格局指数与气象要素的相关系数

景观类型	景观指数 气象要素	斑块类型面积 CA (hm^2)	斑块所占景观面积比例PLAND (%)	斑块密度PD (个/hm^2)	最大斑块占景观面积比例 LPI (%)	分维数 指数PAFRAC	斑块结合度COHESION
森林	温度	0.94	0.94	−0.796	0.881	−0.679	0.64
	相对湿度	−0.432	−0.432	0.144	−0.296	−0.03	0.082
	降水量	0.059	0.059	−0.354	0.204	−0.511	0.556
	日照时数	0.755	0.755	−0.916	0.842	−0.972	0.983
	风速	0.95	0.95	−1.000^*	0.985	−0.987	0.978
农田	温度	−0.934	−0.934	0.977	−0.977	−0.733	−0.861
	相对湿度	0.415	0.415	−0.547	0.546	0.046	0.258
	降水量	−0.079	−0.079	−0.072	0.071	−0.445	−0.243
	日照时数	−0.767	−0.767	0.662	−0.663	−0.951	−0.863
	风速	−0.956	−0.956	0.9	−0.901	−0.997	−0.991
草原	温度	−0.996^**	−0.996^**	−0.990^**	.b	−0.912^*	0.703
	相对湿度	0.651	0.652	0.608	.b	0.938^**	−0.004
	降水量	0.202	0.202	0.147	.b	0.653	0.482
	日照时数	−0.559	−0.558	−0.604	.b	−0.085	0.963^**
	风速	−0.836^*	−0.836^*	−0.865^*	.b	−0.463	0.992^**
灌木	温度	−0.77	−0.77	−0.885^*	−0.046	−0.833^*	−0.17
	相对湿度	0.28	0.28	0.382	0.035	0.494	−0.002
	降水量	−0.15	−0.15	−0.09	0.016	0.1	−0.12
	日照时数	−0.71	−0.71	−0.741	−0.02	−0.53	−0.236
	风速	−0.842^*	−0.842^*	−0.915^*	−0.034	−0.743	−0.243
不透水面	温度	0.191	0.191	−0.299	0.398	−0.288	0.135
	相对湿度	0.008	0.008	0.262	−0.143	0.143	−0.033
	降水量	0.143	0.143	0.151	0.08	−0.003	0.049
	日照时数	0.273	0.273	−0.085	0.37	−0.218	0.145
	风速	0.278	0.278	−0.192	0.438	−0.281	0.162
水域	温度	0.089	0.089	−0.734	−0.057	−0.454	0.067
	相对湿度	−0.05	−0.05	0.455	−0.06	0.403	−0.002
	降水量	−0.007	−0.007	0.115	−0.121	0.236	0.044
	日照时数	0.06	0.06	−0.443	−0.152	−0.123	0.089
	风速	0.082	0.082	−0.638	−0.133	−0.288	0.093

注：^*表示通过0.05显著性检验，^**表示通过0.01显著性检验。b表示由于至少有一个变量为常量，因此无法进行计算。

见表10，在20年内川南城市群农田的变化过程中，斑块类型面积CA、斑块所占景观面积比例PLAND、最大斑块占景观面积比例LPI以及斑块结合度COHESION与温度有很强的正相关，相关系数均通过0.05显著性检验，分维数指数PAFRAC与温度呈很强的负相关，相关系数为−0.920。除分维数指数PAFRAC外，其余景观指数均与相对湿度有很强的正相关，相关系数均在0.90以上。在不透水面的变化过程中，斑块类型面积CA、斑块所占景观面积比例PLAND、最大斑块占景观面积比例LPI、斑块结合度COHESION与温度有很强的正相关，分维数指数PAFRAC与温度有很强的负相关。斑块密度PD与斑块结合度COHESION与相对湿度有很强的正相关，分维数指数PAFRAC与相对湿度有很强的负相关。在森林变化的进程中，分维数指数PAFRAC与温度有很强的负相关，除最大斑块占景观面积比例LPI，其余景观指数均与温度呈正相关。除分维数指数外，其余景观指数均与相对湿度有很强的正相关，相关系数均在0.90以上。在水域的变化过程中，斑块类型面积CA、斑块所占景观面积比例PLAND、斑块结合度COHESION均与温度呈正相关，相关系数分别为0.881、0.895、0.897。除斑块密度PD外，其余景观指数均与相对湿度呈很强的正相关，相关系数均在0.87以上。在草原的发展进程中，斑块类型面积CA、斑块所占景观面积比例PLAND、斑块密度PD均和温度有很强的负相关。灌木在变化过程中景观格局指数对气象要素并无明显的影响。在裸地发展过程中，六个景观指数均对温度有很强的负相关，但斑块类型面积CA、斑块所占景观面积比例PLAND、斑块密度PD以及最大斑块占景观面积LPI较为显著，相关系数均在0.85以上。

综上所述，20年内川南城市群农田、不透水面、森林、裸地面积越大、形状边界不规则、聚合程度越好、破碎程度越高则温度越高，而草原面积越小、破碎程度越小温度越高。农田、不透水面、森林面积越大、破碎程度越大、聚合程度越好则相对湿度越大。

Table 10. Correlation coefficients between patch type horizontal landscape pattern index and meteorological elements in southern Sichuan urban agglomeration from 2000 to 2020

表10. 2000⁓2020年川南城市群斑块类型水平景观格局指数与气象要素的相关系数

景观类型	景观指数 气象要素	斑块类型面积 CA (hm^2)	斑块所占景观面积比例PLAND (%)	斑块密度PD (个/hm^2)	最大斑块占景观面积比例LPI (%)	分维数 指数PAFRAC	斑块结合度COHESION
农田	温度	0.895^*	0.895^*	0.745	0.878^*	−0.920^**	0.901^*
	相对湿度	0.912^*	0.912^*	0.955^**	0.916^*	−0.444	0.909^*
	降水量	0.339	0.339	0.149	0.294	−0.788	0.338
	日照时数	−0.673	−0.672	−0.715	−0.681	0.344	−0.578
	风速	0.247	0.247	0.042	0.209	−0.718	0.308
不透水面	温度	0.902^*	0.921^**	0.733	0.933^**	−0.937^**	0.930^**
	相对湿度	0.762	0.775	0.850^*	0.721	−0.868^*	0.892^*
	降水量	0.769	0.749	0.511	0.779	−0.391	0.41
	日照时数	−0.5	−0.501	−0.723	−0.461	0.648	−0.547
	风速	0.584	0.588	0.179	0.635	−0.327	0.38
森林	温度	0.868^*	0.869^*	0.853^*	0.721	−0.833^*	0.901^*
	相对湿度	0.928^**	0.928^**	0.933^**	0.924^**	−0.419	0.909^*
	降水量	0.297	0.297	0.291	0.046	−0.884^*	0.337
	日照时数	−0.677	−0.677	−0.704	−0.684	0.234	−0.578
	风速	0.211	0.212	0.176	−0.001	−0.816^*	0.307
水域	温度	0.881^*	0.895^*	0.337	0.752	0.66	0.897^*
	相对湿度	0.913^*	0.909^*	0.534	0.870^*	0.990^**	0.910^*
	降水量	0.358	0.356	0.315	0.016	0.198	0.326
	日照时数	−0.706	−0.688	−0.68	−0.705	−0.623	−0.577
	风速	0.215	0.239	−0.169	−0.031	0.083	0.3
草原	温度	−0.846^*	−0.822^*	−0.826^*	−0.746	−0.726	0.166
	相对湿度	−0.642	−0.595	−0.591	−0.767	−0.214	0.297
	降水量	−0.221	−0.178	−0.233	0.042	−0.166	0.641
	日照时数	0.324	0.295	0.242	0.702	0.44	0.329
	风速	−0.435	−0.418	−0.483	0.083	−0.15	0.713
灌木	温度	−0.394	0.19	−0.139	−0.951^**	0.016	−0.258
	相对湿度	−0.195	0.292	0.125	−0.853^*	−0.188	−0.161
	降水量	−0.524	−0.433	−0.383	−0.579	0.603	−0.842^*
	日照时数	−0.281	−0.609	−0.54	0.591	0.179	0.073
	风速	−0.797	−0.616	−0.739	−0.457	0.305	−0.59
裸地	温度	−0.863^*	−0.862^*	−0.847^*	−0.889^*	−0.65	−0.716
	相对湿度	−0.682	−0.682	−0.658	−0.917^*	−0.107	−0.855^*
	降水量	−0.257	−0.257	−0.253	−0.33	−0.233	0.013
	日照时数	0.349	0.349	0.298	0.673	0.356	0.788
	风速	−0.448	−0.448	−0.469	−0.24	−0.171	0.117

注：^*表示通过0.05显著性检验，^**表示通过0.01显著性检验。

4. 研究结论

本文利用2000⁓2020年四川省城乡人口数据、四川省30 m土地覆盖数据、四川省38个气象站数据探究了城市化水平的时空分布、城市气象要素的时空分布，进而探究四川省城市群城市化水平对城市气象要素的影响以及景观格局对城市气象要素的影响，主要结论如下：

1) 四川省城市化水平空间分布不均匀，随时间变化不大，但存在明显的区域性。总体规律为“成都平原城市群 > 川南城市群 > 川东北城市群”。

2) 四川省20年内景观类型主要以森林、草原和农田为主。其中不透水面占比大幅度提升，20年内成都平原城市群不透水面的占比由1.3169%上升至3.3926%；川南城市群由0.6691%上升至1.6591%。其中川东北城市群、成都平原城市群、川南城市群破碎化程度最大的是森林。各景观类型无规律分布、面积差异不大、连通度较好，但面积比重不平衡，2010年尤为显著。

3) 四川省各地区20年内城市化水平与温度呈正相关，达州市最明显(0.995)；与年平均降水量呈正相关，资阳市(1.000)和自贡市(0.999)最显著；与年平均日照时数、年平均相对风速的相关性不同；与大多数城市年平均相对湿度呈负相关。

4) 20年内不透水面的变化对各城市群不同气象要素的影响不同。成都平原城市群不透水面的面积越大，相对湿度和日照时数就越高；川东北城市群不透水面对气象要素的影响较不显著；川南城市群不透水面的面积越大、形状边界不规则、聚合程度越好、破碎程度越高则温度越高。