全球首套基于CORDEX的区域气候模型城市热岛效应评估数据集与Python工作流

《Scientific Data》：A global CORDEX-based dataset delineating urban areas and their surroundings to assess climate change in megacities

本研究针对区域气候模型(RCM)中城市区域界定标准不一的难题，开发了全球首个基于CORDEX-CORE和EURO-CORDEX模拟的城乡区域划分数据集。团队通过整合城市不透水面比例(sftimf)、地形(orog)和陆地面积比例(sftlf)等静态变量，建立了参数可调的形态学膨胀算法，为41个全球特大城市生成了25公里和12.5公里分辨率的城乡掩膜数据。该数据集结合开源Python工具包(URCLIMASK)，为评估城市化与气候变化协同作用提供了标准化分析框架，显著提升了城市热岛(UHI)强度计算的可比性与可重复性。

　　

随着全球城市化进程加速，城市热岛效应已成为威胁数亿城市居民健康的重要环境问题。当混凝土丛林取代自然地表，城市区域的气温往往比周边郊区高出3-5摄氏度。这种温度差异不仅加剧了热浪期间的健康风险，还导致能源消耗激增和劳动生产率下降。然而，准确量化城市气候变化的挑战在于：传统卫星观测难以捕捉三维城市形态对气候的影响，而高精度区域气候模型又因计算成本限制无法在全球尺度应用。

在此背景下，由Javier Diez-Sierra领衔的国际研究团队在《Scientific Data》发表的研究，创新性地利用全球协调区域降尺度实验计划框架下的模拟数据，构建了首套适用于区域气候模型的标准化城乡区域划分系统。该研究通过开发智能算法界定城市核心区与参考乡村带，为科学评估城市热岛效应提供了关键工具。

研究团队采用多源数据融合技术，整合了CORDEX-CORE（25公里分辨率）和EURO-CORDEX（12.5公里分辨率）两组区域气候模型输出数据。核心算法基于三个静态变量：城市不透水面比例、数字高程模型和陆地面积比例。通过设置城市覆盖率阈值（CORDEX-CORE为10%，CORDEX-EUR-11为40%），自动识别城市网格；再利用形态学膨胀算法，以城市区域为中心向外迭代扩展，直至乡村网格数达到城市网格的两倍（ratio_r2u=2）。该过程同步考虑高程差异（orog_diff≤100米）和水体分布（sftlf_th≥70%）等地理约束条件。

数据集表征城乡区域

如图2所示，伦敦的城市轮廓与GHS-UCDB参考数据集高度吻合，而雅加达因分辨率限制仅被表示为单个网格。研究还发现REMO模型因采用简化城市方案，其城市热岛强度估算值系统性低于采用CLM Urban模型的RegCM模型。

城市热岛强度评估

图3显示，RegCM模拟的伦敦城市热岛强度（0.5-3°C）与观测研究一致，而REMO模型因夜间热释放能力不足导致低估。在热带沿海城市雅加达（图4），城市热岛强度减弱至1-2.5°C，表明海岸线对城市热岛的调制作用。

网格数量统计验证

通过对比GHS-UCDB基准数据（图5），研究发现RegCM在CORDEX-CORE尺度下普遍低估城市网格数量，而REMO模型在高分辨率欧洲域表现更优。算法对卡托维等小城市的漏检现象，揭示了25公里分辨率对中等规模城市表征的局限性。

技术敏感性分析

研究特别警示了数据预处理对结果的影响：保守重网格化方法会平滑城市热岛信号，而最近邻插值可能导致城市核心区空间偏移。更关键的是，若使用未充分考虑城市站点的观测数据集（如E-OBS）进行偏差校正，模型固有的城市热岛信号可能被错误消除（图7）。

这项研究创建的开放科学资源，不仅填补了全球尺度区域气候模型城市气候分析的数据空白，其可复现的工作流设计还为下一代对流解析模型（Convection-Permitting RCMs）的应用铺平道路。随着CMIP6驱动的新一代CORDEX模拟数据发布，该框架将助力更精准地评估气候变化与城市化对全球特大城市群的复合影响。