地球物理学报  2017, Vol. 60 Issue (1): 22-36   PDF    
北京城市下垫面对雾影响的数值模拟研究
张亦洲1 , 苗世光1 , 李青春1 , 戴永久2     
1. 中国气象局北京城市气象研究所, 北京 100089;
2. 北京师范大学全球变化与地球系统科学研究院, 北京 100875
摘要: 为了探究北京城市下垫面对雾天气过程的影响,为北京地区雾数值预报水平的提高提供理论基础和科学依据,选取2011年10月29日北京地区雾天个例进行了数值模拟试验,通过对WRF/Noah/UCM模式系统中城市冠层参数的调整,显著改善了模式对此次雾天气过程的模拟效果.使用参数调整后的模式系统通过敏感性试验分析研究了北京城市下垫面对雾发生、发展和消散过程的影响.结果表明:参数调整后的WRF/Noah/UCM模式系统能够与实际观测较相符地模拟此次发生在北京地区的雾天气过程,北京城市下垫面主要通过对温度的改变对雾的形成、发展和消散产生显著影响,使雾不易在城市及其附近形成和发展,延后城市地区雾的形成,但城市的存在也使得城市地区及其附近雾不易消散,相较于没有城市时消散时间延后.
关键词: WRF模式      城市冠层模式      城市热岛      城市下垫面          
Numerical simulation of the impact of urban underlying surface on fog in Beijing
ZHANG Yi-Zhou1, MIAO Shi-Guang1, LI Qing-Chun1, DAI Yong-Jiu2     
1. Institute of Urban Meteorology, China Meteorological Administration, Beijing 100089, China;
2. College of Global Chang and Earth System Science, Beijing Normal University, Beijing 100875, China
Abstract: In order to investigate the impact of urban underlying surface on fog in Beijing and improve numerical weather forecast of fog in Beijing, a numerical study of the during 29th and 30th Oct, 2011 above the Beijing area was carried out using WRF/Noah/UCM modeling system. Performances of the model on the fog case were obviously improved through adjusting the parameters in the urban canopy model of the modeling system. Furthermore, the impact of urban underlying surface in Beijing on formation, development and disappearance of fog was studied by model sensitivity tests using the adjusted modeling system. The results show that this modeling system can reconstruct the fog case quite similarly to observation. And formation, development and disappearance of the fog were evidently influenced by urban underlying surface in Beijing. These effects are mainly caused by changes of temperature. Therefore, fog is more difficult to generate in and near the city and appears much later than non-urban cases. But fog is more difficult and delayed to disappear when the city exists compared to non-urban cases..
Key words: WRF model      Urban canopy model      Urban heat island      Urban underlying surface      Fog     
1 引言

雾是一种常见的自然现象,主要由近地面水汽凝结形成.雾的成因是多方面的,已知的原因包括风、温、湿以及大气中污染物等.早期关于雾的研究始于20世纪初(Taylor,1917),主要通过野外观测开展辐射雾的研究.之后的几十年,雾的研究大多集中于外场观测实验以及特征分析方面.后来随着城市的快速发展,针对城市雾的研究逐渐开展起来,主要通过外场观测分析研究城市雾的边界层结构、理化特征,以及城市雾与大气污染的关系等(徐怀刚等,2002何友江等,2003江玉华等,2004周小刚和王强,2004ab陆春松等,2008).近年来,一些国内外学者在对雾进行较深入的研究时发现,城市对雾的形成、发展和消散有不可忽视的作用(陆春松等,2010Niu et al.,2010).目前大量的观测和统计结果表明,城市对雾的主要影响有:使城市地区大雾的发生频率下降;雾中液水含量降低,雾滴粒径减小,但雾滴数量增多;大雾天气时城市地区雾的消散时间推后,持续时间增加,雾内能见度下降(Gultepe et al.,2007石春娥等,2008Niu et al.,2010).

在雾的数值模拟研究方面,国内外学者多利用一至三维雾模式对大雾进行数值模拟研究.但早期的雾模式采用边界层数值模式,侧重于考虑近地层土壤—植被—大气的相互作用,无法考虑天气形势背景的影响,局限性很大且难以在实际雾的业务数值预报中使用.20世纪90年代以后,国外学者如英国的Ballard等(1991)开始尝试采用中尺度模式对雾进行数值模拟研究.2000年以后,我国学者开始尝试采用中尺度数值模式MM5(Mesoscale Model 5)以及WRF(Weather Research and Forecasting modeling system)进行大雾的数值模拟研究(董剑希等,2006李元平等,2007周梅等,2008).这些研究表明中尺度模式尤其是WRF模式有能力模拟预报雾的发生发展过程,且更易于通过敏感性试验研究城市下垫面、辐射、大气污染物等因素对雾产生的影响.之后国内外一些针对城市及城市下垫面对雾影响的数值模拟研究逐渐开展起来.Pagowski(2004)的研究表明土壤及城市地表水分对雾的形成有明显的影响.Fan等(2005)发现珠三角地区地表类型的变化可以影响雾的发展和推进,以及雾区的液态水含量和垂直高度.李子华等(Li et al.,2012)也通过资料分析和三维雾模式研究了国内一些城市对雾的影响.这些研究表明:城市复杂下垫面对逆温层、混合层高度等大气边界层结构特征及近地层风温湿等物理量有显著影响,进而影响雾天气过程的发展和演变(李晓莉等,20032005陈燕和蒋维楣,2006张亦洲等,2013).因此,在雾天气过程中,城市地区雾的内部特征、发展过程会因为城市特殊而复杂的下垫面而发生变化,造成雾生命史、能见度分布特征和垂直结构的改变(Gultepe et al.,2007Niu et al.,2010Li et al.,2012).

然而,现今模式对雾的模拟能力仍有待提高,还不能满足数值预报和科研工作的需求,关于雾的数值模拟研究工作大多比较简单,大多仅仅停留在对模式模拟雾过程能力的检验方面.鉴于北京地区地形及地表类型的复杂性,模拟结果往往较长三角、珠三角等其他地区更差,针对北京地区雾天气过程的数值模拟研究较少,通过敏感性试验分析城市下垫面对雾区内物理过程,特别是对雾区内低能见度的影响、怎么影响问题的研究更少.因此,本文利用WRF/Noah/UCM模式系统对北京地区一个雾天气过程个例进行了模拟研究,并对模式系统中城市冠层参数进行了调整,使得模式能够与实际较相符地模拟出此次雾天气过程.之后通过敏感性试验模拟研究了此次雾天过程分别在有无城市下垫面情况下的形成、发展和消散过程,探究北京城市下垫面对雾天气过程的影响.希望为北京地区雾的预报、城市对雾影响的模拟研究、城市减灾和规划提供研究方法、方案选择、政策制定的参考.

2 雾天个例选取

利用北京20个常规气象站中的14个海拔高度小于100 m的平原气象站资料,对近5年的雾天气过程进行筛查.若一天中有2个站以上出现能见度小于1 km的记录,则将这一天定义为一个雾日.若雾日连续3天及以上,则将这个雾天过程定义为一个持续性大雾天气过程.根据以上定义,近5年每年均出现了1~3个持续性大雾天气过程.为了有利于模式模拟,在这些天气过程中进行二次挑选,选择雾发生过程中相对湿度大于90%,且无降水的过程.最终,选取了2011年10月29日至11月1日这一雾天过程作为本文的研究对象.图 1为北京道面自动观测站的观测能见度及站点分布情况,表 1图 1a中自动站的站名及经纬度.下文中的能见度观测数据均来自北京道面自动观测站的观测数据.由于能见度观测站点较少,且分布不均,多集中于北京东南部的平原地区,北部和西部缺少观测站点,所以很难给出本次雾天过程的详细空间分布实况及演变过程.但从有限站点的能见度变化中仍然可以大致了解此次雾天过程的发生和发展情况.

图 1 北京道面自动观测站观测能见度(横坐标为北京时间,下同) (a)站点观测能见度(单位:m);(b)北京道面自动观测站位置. Fig. 1 Visibility observed by road AWS in Beijing(Horizontal ordinates are Beijing Local Time,the same hereinafter) (a)Observed visibility(unit: m);(b)Location of road AWS in Beijing.
表 1 道面自动观测站站名及经纬度 Table 1 Name,longitude and latitude of road AWS

通过查看北京道面自动观测站在这一雾天过程中的能见度数据,可知在10月29日至11月1日中午期间,站点观测的能见度基本在5000 m以下,不少站点能见度持续低于2000 m.能见度在29日下午至傍晚急剧下降,多数站点降至500 m左右,一些站点甚至低于100 m,且能见度较低时段持续至30日上午,并于中午前后明显升高,恢复至1000 m以上.而从能见度观测的空间分布来看,29日傍晚前后北京东部远郊区的观测站点能见度首先降至1000 m以下,之后能见度低于1000 m的区域逐渐向西扩大至北京东部近郊区及主城区东部,之后北京东部郊区的能见度进一步降低,30日凌晨3点后大部分站点能见度降至500 m以下,并于早上7点前后达到最低值,此时北京东部郊区大部分站点能见度小于200 m,一些站点甚至小于50 m.之后,能见度逐渐回升,30日中午后大部分站点能见度恢复至1000 m以上,但主城区东部的一些站点能见度回升至1000 m以上的时间比郊区稍晚.而在29日下午至30日中午这一大雾过程中,主城区内及西部的一些站点能见度始终没有降低到1000 m以下,大多数站点的能见度也未低于500 m.所以,10月29日下午至30日中午这一大雾天气过程,首先在29日傍晚形成于北京东部郊区,并向西发展至主城区东部城郊结合部,于30日早上日出前后达到雾最重、范围最广的峰值,之后于中午前后逐渐消散.

因此,本文以29日傍晚至30日中午这一大雾天气过程作为模拟研究对象,模式的模拟积分时段为29日20时至30日14时,共18小时.

3 模式系统设置

本文的模拟研究基于耦合了单层城市冠层模式的WRF/Noah/UCM模式系统,并采用了张亦洲等(2013)对模式系统进行的改进方案,具体为:(1)更新了下垫面地表类型,由1992—1993年的USGS(the United States Geological Survey)24类地表分类数据更新为基于2009年Landsat-TM高分辨率卫星资料,并将城市地表类型按照不透水面积百分比细化为低、中、高密度城市的下垫面分类;(2)基于Noah/UCM模式对中国科学院大气物理研究所325 m气象塔一年地表能量平衡观测的离线模拟,优化了城市冠层参数;(3)在10 m风速的计算中考虑了城市地表零平面位移高度的影响,根据建筑物高度的不同对风速进行修正.当建筑物高度大于10 m时,采用Inoue的方法计算街谷中的风速.

本文模拟试验中的模拟区域设置及所使用的初始场、边界条件、物理过程参数化方案与北京市气象局数值预报业务系统BJ-RUC v2.0(范水勇等,2013)中D2区域相同,图 2为BJ-RUC v2.0系统的模拟区域,表 2为本文模拟试验中主要物理方案设置..模拟区域水平分辨率为3 km,水平网格数为424×550,垂直方向分为38层,采用三维变分同化技术进行各种观测资料的同化分析,边界条件的时间间隔为1 h.三维变分同化时使用的观测资料包括:常规及加密探空观测、常规及加密地面观测、船舶/浮标观测、飞机观测等全球观测资料,以及北京地区实时的自动站观测、地基GPS可降水量资料以及京津冀地区6部雷达的径向风资料和雷达反射率因子(魏东等,2010).另外,本文在城市冠层模式中启用了按小时变化的人为热输入.

图 2 BJ-RUC v2.0系统预报区域 Fig. 2 Domain of BJ-RUC v2.0 modeling system
表 2 模式中选用的物理方案 Table 2 Physics scheme used in simulation
4 对模式系统的优化及模式检验

使用前文所述经过的WRF/Noah/UCM模式系统对2011年10月29—30日的大雾天气过程进行模拟试验,并将模拟结果与观测资料进行比较,评估模式系统对所选取雾天个例的模拟能力.

图 3是2 m气温、10 m相对湿度、地面能见度的观测与模拟结果比较.模拟的地面能见度由WRF后处理工具UPP(NCEP Unified Post Processor)计算得到,其中的计算方法主要依据Kunkel(1984)提出的能见度与液态水含量之间的关系公式.由图 3a—f可见,模式的模拟结果与观测相比偏差较大.00时气温偏高1~2 ℃,尤其在中心城区,温度较高的黄色区域范围明显较观测偏大.07时相对湿度的模拟结果也较观测值明显偏低,在主城区形成了一个明显的低值区,与观测不符.另外,模拟的07时地面能见度只有在东南的一小部分区域低于1 km,雾区的范围远小于观测,且局限于远郊区.其余时刻的模拟结果与观测相比也有类似偏差(图略).

图 3 10月30日温度、湿度、能见度的水平分布 (a)(d)(g)00时2 m气温(单位:℃);(b)(e)(h)07时2 m相对湿度(单位:%);(c)(f)(i)07时地面能见度(单位:m); (a)(b)(c)观测数据;(d)(e)(f)优化前模式模拟结果;(g)(h)(i)优化后模式模拟结果. Fig. 3 Horizontal distribution of temperature,humidity and visibility on 30th October (a)(d)(g)Temperature at 2 m at 00 LST(unit: ℃);(b)(e)(h)Humidity at 2 m at 07 LST(unit: %);(c)(f)(i)Visibility at ground surface at 07 LST(unit: m);(a)(b)(c)Observational data;(d)(e)(f)Simulation results before optimization;(g)(h)(i)Simulation results after optimization.

由此可见,模式系统对此次雾天气过程的模拟结果与实际观测相比偏差较大,没能模拟出与观测较相符的雾区大致范围.分析认为,模拟结果较差的原因是模拟的城市热岛强度相比实际观测过强,使得主城区近地面气温较高,城市及其周围地区水汽不易凝结,不满足雾形成的条件,雾区没能向主城区附近推进,从而与观测相悖.在单层城市冠层模式中,模拟的城市热岛强度主要取决于冠层模式中物理过程的描述以及相关城市冠层参数的设置.而模式中对物理过程的描述在绝大部分情况下是普遍适用的,但合适的城市冠层参数一般对于不同的城市以及同一城市的不同时期是会发生变化的.另外,在不同天气背景下,如使用没有考虑城市对大气气溶胶影响的模式系统对气溶胶浓度较高条件下的天气进行模拟时,也需要适当调整城市参数改善模式系统的模拟效果.综合分析了本次雾天气过程以及模拟试验设置情况,考虑模拟时段之前实际观测存在较长的能见度偏低时段,且PM2.5等大气成分观测表明,此次雾天气过程中北京地区有一定的大气污染物聚集,气溶胶浓度较高,而本文使用的模式系统中气溶胶浓度为常规状态下的固定值.大气气溶胶的增多能够削弱到达地面的短波辐射,减弱城市热岛强度.因此,为了间接反映大气气溶胶增多使到达地面辐射减弱的现象,对城市冠层模式中的相关参数进行了调整(表 3),使城市下垫面与自然下垫面在热力性质方面的差别减小约30%,主要包括减小城市中建筑物和路面的热容量(CAPR/CAPB/CAPG)和热传导系数(AKSR/AKSB/AKSG),增大城市下垫面的反照率(ALB),减小城市中建筑物和路面的发射率(EPSB/EPSG)等,使得模式模拟的城市热岛强度有所减小,以期改善模式系统对选取雾天个例的模拟结果.

表 3 城市冠层参数 Table 3 Parameters of urban canopy

图 3g—i可见,经过城市冠层参数调整后,模式的模拟结果明显比调整前更接近观测.对城市冠层参数调整前后的模拟2 m气温、比湿和10 m风速进行统计,结果绘于图 4.由图可见,参数调整后模式模拟的城市地区地面风温湿要素明显更接近观测.2 m气温的偏差由大于2 ℃减小到1 ℃以内,RMSE从2~3 ℃降低到1.5 ℃左右.2 m比湿的改善虽然没有气温的幅度大,但模拟结果的偏差和RMSE在绝大部分时刻也有所减小.模拟10 m风速的偏差在参数调整后也显著降低.

图 4 10月30日地面风温湿要素统计 a)(d)2 m气温(单位:℃);(b)(e)2 m比湿(单位:g·kg-1);(c)(f)10 m风速(单位:m·s-1);(a)(b)(c)平均值; (d)(e)(f)均方根误差(RMSE). 黑线为观测,红线为城市冠层参数调整前的模拟结果,蓝色为参数调整后的模拟结果. Fig. 4 Statistics of temperature,humidity and wind speed on 30th October (a)(d)Temperature at 2 m(unit:℃);(b)(e)Humidity at 2 m(unit: g·kg-1);(c)(f)Wind speed at 10 m(unit: m·s-1);(a)(b)(c)Average value;(d)(e)(f)RMSE. Black curves are observations. Red curves are simulation results before optimization. Blue curves are simulation results after optimization.

图 5图 7是调整城市冠层参数后模式模拟结果与观测的比较.可见调整参数后的模拟结果与观测较为一致.模拟的30日00时和01时2 m气温在量级和水平分布上均与观测很接近,此时中心城区存在城市热岛,强度约为2 ℃(图 5).在30日06时雾区向城市附近推进前城市热岛一直持续存在,且强度稳定维持在2 ℃左右,模拟结果与观测较为一致(图略).2 m相对湿度的模拟结果与观测相比也较为相符.从30日00时至07时,主城区和北京东南地区的相对湿度逐渐增大,07时绝大部分区域在95%以上,城区中心稍低,但也达到90%以上,之后全市相对湿度快速降低.模拟结果与观测相比也有一定的偏差,主要体现在西部和北部山区的模拟相对湿度明显偏低,但此次雾天气过程主要发生在东南部的平原地区,所以这种偏差对模拟此次雾天的形成、发展影响不大.在地面能见度的模拟方面,模式能够较好的模拟出能见度低值区的位置与范围,也能模拟出城区中心能见度较其周围高的现象,与观测比较相符.而且,模式模拟的能见度随时间的变化趋势也与观测接近,能见度低于500 m的区域范围在07时之前逐渐增大,07~08时达到最大,之后快速减小.但模拟的能见度水平分布有明显的边界,低值区的能见度普遍小于50 m,低值区外能见度均在10 km以上.而观测的能见度最高也未超过2 km,最低也只有少数站点小于50 m,能见度介于50 m和500 m的站点较多.造成这种现象的原因可能有:一是能见度观测的道面自动站站点较少,尤其在山区,基本没有站点;二是观测数据均来自道面自动观测站,汽车尾气等污染物有可能对能见度的观测产生影响,且PM2.5等大气成分观测数据表明此次雾天气过程大气气溶胶浓度较高,而本文采用的模式系统中不包含对大气化学成分及城市对其影响的模拟;三是能见度的模拟结果由经验公式计算得出,可能有一定的误差,而能见度的观测也可能存在偏差.

图 5 10月30日2m气温水平分布(单位:℃) (a)(c)00时;(b)(e)01时;(a)(b)模拟结果;(c)(d)观测数据. Fig. 5 Horizontal distribution of temperature at 2 m on 30th October(unit: ℃) (a)(c)00 LST;(b)(e)01 LST;(a)(b)Simulation results;(c)(d)Observations.
图 6 10月30日2 m相对湿度水平分布(单位:%) (a)(e)00时;(b)(f)02时;(c)(g)07时;(d)(h)09时;(a)(b)(c)(d)模拟结果;(e)(f)(g)(h)观测数据. Fig. 6 Horizontal distribution of humidity at 2 m on 30th October(unit:%) a)(e)00 LST;(b)(f)02 LST;(c)(g)07 LST;(d)(h)09 LST;(a)(b)(c)(d)Simulation results;(e)(f)(g)(h)Observations.
图 7 10月30日地面能见度水平分布(单位:m) (a)(e)06时;(b)(f)07时;(c)(g)08时;(d)(h)09时;(a)(b)(c)(d)模拟结果;(e)(f)(g)(h)观测数据. Fig. 7 Horizontal distribution of visibility at ground surface on 30th October(unit: m) (a)(e)06 LST;(b)(f)07 LST;(c)(g)08 LST;(d)(h)09 LST;(a)(b)(c)(d)Simulation results;(e)(f)(g)(h)Observations.
5 城市下垫面对雾影响的模拟分析

为了分析研究北京城市下垫面对本文选取的雾天气过程的影响,利用上文模拟试验中采用的经过城市冠层参数调整的WRF/Noah/UCM模拟系统对雾天个例做了一组敏感性试验.敏感性试验共有两个算例,其中一个算例即为上文中对模式进行城市冠层参数调整后的算例,将此算例命名为“Urban”.另一个算例将Urban算例中的城市地表使用类型(编号为31~33)全部替换为与城市地表使用类型临近的农田地表使用类型(编号为3),见图 8.其余设置均与Urban算例相同,将此算例命名为“NoUrban”.下文将敏感性试验中Urban算例与NoUrban算例的模拟结果进行比较分析,探究城市下垫面对雾形成、发展、消散的影响.

图 8 地表类型分布 (a)Urban算例;(b)NoUrban算例. ×: A1041自动观测站位置. Fig. 8 Distribution of land use types (a)Urban simulation case;(b)Non-urban simulation case. ×: Location of A1041 AWS station.

图 9图 10图 11分别绘出了Urban算例与NoUrban算例的2 m相对湿度、地面能见度和2 m温度差值.对比两组模拟结果可见,城市的存在,使得大雾形成前2 m相对湿度增大的速度变慢,以及大雾消散时2 m相对湿度减小的速度也变慢,并在城区形成一个相对湿度低值区.城市下垫面的存在,减缓低能见度区(雾区)的形成与扩大,减慢大雾的消散,并在城区形成一个能见度高值区.即城市下垫面阻碍大雾在城区及其周边近郊区的形成,但雾一旦形成,城市又减缓它的消散.

图 9 模拟10月29—30日2 m相对湿度水平分布(单位:%) (a)(e)29日22时;(b)(f)30日02时;(c)(g)30日07时;(d)(h)30日09时; (a)(b)(c)(d)NoUrban算例结果;(e)(f)(g)(h)Urban算例结果. Fig. 9 Horizontal distribution of simulation results of humidity at 2 m on 29—30th October(unit:%) (a)(e)29th,22 LST;(b)(f)30th,02 LST;(c)(g)30th,07 LST;(d)(h)30th,09 LST;(a)(b)(c)(d)Results of Non-urban simulation case; (e)(f)(g)(h)Results of urban simulation.
图 10 模拟10月30日地面能见度水平分布(单位:m) (a)(e)06时;(b)(f)07时;(c)(g)08时;(d)(h)10时;(a)(b)(c)(d)NoUrban算例结果;(e)(f)(g)(h)Urban算例结果. Fig. 10 Horizontal distribution of simulation results of visibility at ground surface on 30th October(unit: m) (a)(e)06 LST;(b)(f)07 LST;(c)(g)08 LST;(d)(h)10 LST;(a)(b)(c)(d)Results of Non-urban simulation case; (e)(f)(g)(h)Results of urban simulation case.
图 11 模拟10月30日2 m气温差值水平分布 (a)00时;(b)10时. Urban算例结果与NoUrban算例结果的差值(单位:℃). Fig. 11 Differences of simulation results of air temperature at 2 m on 30th October (a)00 LST;(b)10 LST. Urban simulation minus NoUrban simulation(unit:℃)

通过图 11的2 m温度差值水平分布图可见,在雾形成前的30日00时,有城市时,中心城区2 m气温较高,城市热岛强度约为1.5~2 ℃.正是由于城市热岛的存在,导致城区及其附近水汽不易凝结,郊区形成的雾向城区附近推进发展的速度较慢,城区及附近雾不易形成.而在雾开始消散时,有城市时,城区北、东和东南外围及近郊的2m气温较无城市时低1.5 ℃左右,导致该区域雾水更不易蒸发,能见度回升较慢,雾消散较晚.

为了进一步研究城市下垫面对雾垂直厚度的影响,绘出了NoUrban算例和Urban算例模拟结果中相对湿度和液态水含量的剖面图.剖面大致处于长安街所在位置,横贯整个中心城区及近郊.

图 12是相对湿度的垂直剖面图,剖面位置沿北纬39.91°(大致为长安街(图 1b中间水平黑线)所在纬度),西起东经116.1°,东至东经116.8°(图 13同).图中底部黑色长条表示城市所在大致位置,较高的表示三环路大致范围,较矮的表示五环路大致范围(图 13同).对比有无城市的模拟结果可以看出:首先,有城市时雾形成较晚.其次,有城市时雾区的西进受到城市的阻碍,不仅推进较慢,且最终只能西进到东三环路与东五环路之间,不能推进到城区中心.而在没有城市时,不仅雾区的发展速度较快,而且7时40分雾区范围最大时也能够覆盖整个主城区,西边界大致位于西五环路.第三,在雾的消散阶段,受到城市下垫面的影响,雾开始消散较晚、较慢,10时20分时有城市的模拟结果郊区近地面的相对湿度还在99%以上,而无城市时近郊地面的相对湿度已经降低到99%以下.最后,在垂直厚度方面,城市的存在也使得雾在发展阶段更加浅薄,由图 12b12e也可看出,有城市时相对湿度大于99%的垂直高度范围明显低于100 m,而在无城市时这个高度明显高于100 m.

图 12 模拟10月30日相对湿度垂直剖面 (a)(d)03∶00 LST;(b)(e)07∶40 LST;(c)(f)10∶20 LST;(a)(b)(c)Urban算例结果;(d)(e)(f)NoUrban算例结果. 图中纵坐标为海拔高度,单位:km;曲线为等值线,灰色填色表示相对湿度大于99%. Fig. 12 Vertical cross sections of simulated humidity on 30th October (a)(d)03∶00 LST;(b)(e)07∶40 LST;(c)(f)10∶20 LST;(a)(b)(c)Results of Urban simulation;(d)(e)(f)Results of Non-urban simulation. Vertical ordinates are ASL height in unit km. Contours are for humidity. Areas where humidity is greater than 99% are shaded with grey color.
图 13 模拟10月30日液态水含量垂直剖面(单位:g·kg-1) 纵坐标为海拔高度,单位:km.(a)(e)04∶30 LST;(b)(f)05∶30 LST;(c)(g)07∶00 LST;(d)(h)10∶10 LST; (a)(b)(c)(d)Urban算例结果;(e)(f)(g)(h)NoUrban算例结果. Fig. 13 Vertical cross sections of simulated liquid water content on 30th October(unit: g·kg-1) Vertical ordinate is ASL height(unit: km).(a)(e)04∶30 LST;(b)(f)05∶30 LST;(c)(g)07∶00 LST;(d)(h)10∶10 LST; (a)(b)(c)(d)Results of urban simulation;(e)(f)(g)(h)Results of Non-urban simulation.

图 13绘出了NoUrban和Urban算例结果的液态水含量剖面图.对于液态水含量,一般认为,北京秋冬季液态水含量大于0.05 g·kg-1即会出现雾,所以在此将液态水含量大于0.05 g·kg-1的区域定为雾区.比较有无城市的模拟结果可以得出与相对湿度类似的结论:城市存在时,雾区不能推进到城区中心,而无城市时雾区可以覆盖整个主城区.有城市时的雾区垂直厚度小于100 m,低于无城市时的雾区厚度.城市存在时,雾的消散也晚于无城市时,无城市时10时10分城区西边近郊地区地面的液态水含量已降低到0.01以下,而此时有城市的模拟结果还在0.05以上.除此之外,还有一些新的现象值得关注.比较图 13a图 13e可以发现,城市存在时,由于城市热岛的存在,城市及其附近不易于雾的形成,所以雾开始形成的位置有所东移,更加远离城市.再看图 13b图 13f,此时雾处于发展阶段,正在向西推进,没有城市下垫面时,在第一个液态水含量高值区的西边,主城区中心出现了第二个液态水含量高值区,形成了新的雾区,随后东边的雾区继续西进扩展,西边的雾区也发展扩大,两个雾区很快合并.可见,城市的存在不仅阻碍了形成于郊区的雾区向城区的推进,还抑制了城市地区形成新的雾区.

通过以上比较分析可以发现:城市下垫面存在时形成的城市热岛及近地面气温的升高,是阻碍、抑制城市地区及其附近雾形成、发展的主要原因.而有城市时城区外围及近郊在雾消散时2 m温度反而较低,延迟了雾的消散.为了探究城市在雾发展与消散时期这种截然不同的影响,选取了一个位置点,绘制该点相关物理量随时间的变化图,期望从中能够分析出城市对雾不同时期有抑制形成和延缓消散不同影响的原因.

选取的位置点为道面自动观测站A1041所在位置,站点经纬度为东经116.591°,北纬39.831°,站点位于北京主城区的东部偏南,朝阳区与通州区交界处,且位于主城区的外围接近城郊交界地区,见图 1b图 8.此站点在Urban和NoUrban算例中的地表类型分别为城市和农田,且在两个算例中均处于模拟雾区最大范围内,因此该点在模拟试验中地表物理量变化情况,可以代表在Urban算例中为城市而在NoUrban算例中为农田并处于雾区中的区域地表物理量变化情况,从而反映城市下垫面对地表变量及雾发展过程的影响.

图 14绘出了该点地表辐射与通量随时间的变化,图 15绘出了温度、湿度随时间的变化.图中底部实心和空心长条分别表示Urban和NoUrban算例模拟结果中该点地面能见度低于500 m的时段.比较有无城市的模拟结果可以看到,在30日03时之前,即雾开始形成之前,由于城市热岛的存在,地表温度较高,使得地表热通量较无城市时大(图 14b),进而使得近地面气温较高,不利于雾的形成和发展.所以在04~06时,无城市时该位置点已经处于雾区之中,而有城市时该点能见度仍大于500 m(图 14底部长条).此时无城市时近地面雾的出现,导致地表的向上长波辐射更多的被大气中雾滴阻挡并反射回来,使地表及近地面向下长波辐射明显增强(图 14a),地表向大气的热量耗散减小,温度下降减慢,从而使地表温度与有城市时的差距迅速减小,并在随后很快变为高于有城市时(图 15b中绿线).这也使得地表感热、潜热通量有所上升(图 14b).而此时几十米至100 m的大气由于吸收到的地表长波辐射变少,地表对近地面大气的加热作用减弱,近地面气温与Urban算例的差距进一步加大,变得更加偏低(图 15a),使得雾也更易在垂直方向上向上发展.在07时之后,该位置点在有城市的Urban算例中也已经处于能见度小于500 m的雾区之中.此时Urban算例中的地表向上长波辐射也被底层大气中的雾滴更多的阻挡反射回地面,有无城市的地表向下长波辐射又变为大致相等的情况(图 14a).但NoUrban算例的地表温度、地表感热、潜热通量在此之前已经连续3、4个小时明显大于Urban算例,地表对低层大气的加热作用强于有城市时,最终使2 m气温和近地面气温在07时左右逐渐转变为高于有城市时(图 15a图 15b中红线).于此同时,日出后向下短波辐射开始升高,地表温度开始上升,城市地表较大的热容量使得其地表温度升高较慢,这进一步加大了雾发展后期有城市比无城市时地表温度偏低的幅度(图 15b中绿线).从而导致在07~09时的雾开始消散时期有城市时地表对近地面大气的加热作用较弱,2 m气温和近地面气温较低,雾消散延迟、减缓.因此,城市下垫面的存在使城区及其附近雾形成较晚,以及城市下垫面较大的热容量,导致雾消散时期地表和近地面温度较低,是城市存在时城区及其附近雾消散有所延迟的主要原因.

图 14 模拟10月30日A1041自动站地表辐射与通量 横坐标为时间;纵坐标单位为W·m-2; 图注中“*_std”为Urban算例的模拟结果,“*_NOcity”为NoUrban算例的模拟结果.(a)地表辐射: DR为向下短波辐射,UR为向上短波辐射,DLR为向下长波辐射,ULR为向上长波辐射,RN为净辐射;(b)地表通量:SH表示感热通量,LH表示潜热通量,GH表示地表热通量. Fig. 14 Simulated radiations and fluxes on the ground surface at the location of A1041 AWS on 30th October Vertical ordinates are Beijing local time(unit: W·m-2). “*_std” are results of urban simulation. “*_NOcity” are results of non-urban simulation.(a)Radiation: DR is downward short wave radiation. UR is upward short wave radiation. DLR is downward long wave radiation. ULR is upward long wave radiation. RN is net radiation;(b)Fluxes: SH is sensible heat flux. LH is latent heat flux. GH is ground heat flux.
图 15 模拟10月30日A1041自动站温度差值和相对湿度 横坐标为时间.(a)气温差值和相对湿度:纵坐标为海拔高度,单位:km;填色为两组算例模拟结果中气温的差值;黑色曲线为相对湿度等于99%的等值线,其下方区域相对湿度大于99%;(b)地面温度差值(单位:℃):所有变量均为Urban与NoUrban算例模拟结果的差值;红线表示2 m气温,绿线表示地表温度,黄线表示2 m露点温度,蓝线表示2 m温度露点差. Fig. 15 Simulated humidity and difference of temperature at location of A1041 AWS on 30th October Horizontal ordinates are Beijing local time.(a)Humidity and difference of air temperature. Vertical ordinate is ASL height(unit: km). Shaded is difference of simulated temperature between urban and non-urban simulation. Curves are isolines at which humidity is equal to 99%. Humidity of area under the isoline is greater than 99%;(b)Difference of temperature(unit: ℃). All curves indicate differences between urban and non-urban simulations. Red curve is temperature at 2 m. Green curve is temperature on ground surface. Yellow curve is dew-point temperature at 2 m. Blue curve is dew-point deficit at 2 m.
6 结论

(1) 本文采用WRF/Noah/UCM模式系统对选取的北京地区雾天个例进行了数值模拟,通过对模式系统中城市冠层参数的调整改善了模拟效果,并通过敏感性试验分析研究了北京城市下垫面对雾天气过程的影响及其机制.

(2) 模式检验结果表明:在对WRF/Noah/UCM模式系统中城市冠层参数进行调整前,其对选取的雾天个例模拟效果较差,模拟的雾天气过程与实际观测相差较大,城市热岛明显强于观测.其主要原因可能是模式系统中没有考虑城市对大气气溶胶的影响,而PM2.5等大气成分观测表明此次雾天气过程中大气气溶胶浓度较高,能够削减到达地面的辐射,从而减弱城市热岛强度.因此,对模式中热容量、热传导系数、反照率、发射率等城市冠层参数进行了适当调整,间接反映到达地面辐射减少的现象,使模拟的城市热岛强度降低,模拟结果也得到改善,模拟的地表风温湿偏差明显减小.因此,经过城市冠层参数调整后的WRF/Noah/UCM模式系统能够较好的模拟出此次雾天气过程,模拟的雾区形成、发展与消散过程与观测较为一致.

(3) 通过将城市地表使用类型更改为农田地表使用类型的敏感性试验,研究分析了城市下垫面对本文选取的雾天个例的影响.研究表明:城市下垫面的存在,使得雾形成前城市地表及近地面温度较高,能够使雾不易在城市及其附近形成,郊区形成的雾不易向城市尤其是城市中心推进;城市下垫面存在,使得城市地区的雾相比无城市时形成较晚,地表温度降低的更快,所以在雾消散时期有城市时的城区及其附近地表温度和近地面温度明显低于无城市时,从而不利于雾的消散,使得有城市时雾的消散有所延迟.另外,城市下垫面较大的热容量,使得日出后地表增温较慢,也对雾消散时期城区较低的地表温度、近地层气温有很大贡献,进一步推迟城市下垫面存在时雾的消散时间.

(4) 在本文研究的大雾天气过程期间,PM2.5等大气气溶胶浓度也较高,因此城市中人为排放的大气污染物及气溶胶对辐射、云微物理过程及此次雾形成、发展、消散的影响值得进一步深入研究.考虑城市对大气气溶胶影响和已实现气溶胶动态模拟的WRF-Chem模式系统的采用,应对提高雾,尤其是城市地区大气污染天气背景下雾霾天气的模拟能力有所帮助.另外,随着计算机能力的进一步快速提高,今后的研究工作应考虑使用耦合了多层城市冠层和建筑物能量模式的WRF模式系统,以期对城市实现更精细、更能反映实际物理过程的数值模拟.

参考文献
Ballard S P, Golding B W, Smith R N B. 1991. Mesoscale model experimental forecasts of the haar of northeast Scotland. Mon. Wea. Rev., 119: 2107-2123. DOI:10.1175/1520-0493(1991)119<2107:MMEFOT>2.0.CO;2
Chen Y, Jiang W M. 2006. The numerical experiments of the effect of urban buildings on boundary layer structure. Plateau Meteorology (in Chinese), 25(5): 824-833.
Dong J X, Lei H C, Hu Z X, et al. 2006. Numerical simulation and diagnosis of a dense fog in Beijing and its penumbra. Climatic and Environmental Research (in Chinese), 11(2): 175-184.
Fan Q, Wang A Y, Fan S J, et al. 2005. Numerical experiment research of a marine fog event in the Pearl River Estuary region. Acta Meteor. Sinica, 19(2): 231-240.
Fan S Y, Wang H L, Chen M, et al. 2013. Study of the data assimilation of radar reflectivity with the WRF 3D-VAR. Acta Meteorologica Sinica (in Chinese), 71(3): 527-537.
Gultepe I, Tardif R, Michaelides S C, et al. 2007. Fog research:A review of past achievements and future perspectives. Pure and Applied Geophysics, 164(6): 1121-1159.
He Y J, Zhu B, Ma L. 2003. The physical process of Chongqing fog's genesis and dissipation in winter. Journal of Nanjing Institute of Meteorology (in Chinese), 26(6): 821-828.
Jiang Y H, Wang Q, Li Z H, et al. 2004. Characteristics of fog in Chongqing urban area. Meteorological Science and Technology(in Chinese), 32(6): 450-455.
Kunkel B A. 1984. Parameterization of droplet terminal velocity and extinction coefficient in fog models. J. Appl. Meteor., 23(1): 34-41. DOI:10.1175/1520-0450(1984)023<0034:PODTVA>2.0.CO;2
Li X L, Bi B G, Li Z C. 2005. Simulation study of formation mechanism of winter urban boundary layer structure over Beijing area. Acta Meteorologica Sinica (in Chinese), 63(6): 889-902.
Li X L, He J H, Bi B G, et al. 2003. The desin of urban canopy parameterization of MM5 and its' numerical simulations. Acta Meteorologica Sinica (in Chinese), 61(5): 526-539.
Li Y P, Liang A M, Zhang Z F, et al. 2007. Simulation and analysis of a winter advection fog in Beijing area. Journal of Yunnan University (in Chinese), 29(2): 167-172.
Li Z H, Yang J, Shi C E, et al. 2012. Urbanization effects on fog in China:Field research and modeling. Pure and Applied Geophysics, 169(5-6): 927-939. DOI:10.1007/s00024-011-0356-5
Lu C S, Niu S J, Yang J, et al. 2008. An observational study on physical mechanism and boundary layer structure of winter advection fog in Nanjing. Journal of Nanjing Institute of Meteorology (in Chinese), 31(4): 520-529.
Lu C S, Niu S J, Yang J, et al. 2010. Jump features and causes of macro and microphysical structures of a winter fog in Nanjing. Chinese Journal of Atmospheric Sciences (in Chinese), 34(4): 681-690.
Niu S J, Lu C S, Yu H Y, et al. 2010. Fog research in China:An overview. Adv. Atmos. Sci., 27(3): 639-661. DOI:10.1007/s00376-009-8174-8
Pagowski M, Gultepe I, and King P. 2004. Analysis and modeling of an extremely dense fog event in southern Ontario. J. Appl. Meteor., 43: 3-16. DOI:10.1175/1520-0450(2004)043<0003:AAMOAE>2.0.CO;2
Shi C E, Yang J, Qiu M Y, et al. 2008. Impacts of urban development on long-term variation of fog. Climatic and Environmental Research (in Chinese), 13(3): 327-336.
Taylor G I. 1917. The formation of fog and mist. Quart. J. Roy. Meteor. Soc., 43(183): 241-268.
Wei D, You F C, Fan S Y, et al. 2010. Assessment and analysis of sounding information obtained from Beijing Rapid Update Cycle Forecast System. Meteorological Monthly (in Chinese), 36(8): 72-80.
Xu H G, Deng B S, Zhou X G, et al. 2002. Effect of fog on urban boundary layer and environment. Journal of Applied Meteorological Science (in Chinese), 13(S1): 170-176.
Zhang Y Z, Miao S G, Dai Y J, et al. 2013. Numerical simulation of characteristics of summer clear day boundary layer in Beijing and the impact of urban underlying surface on sea breeze. Chinese Journal of Geophysics (in Chinese), 56(8): 2558-2573. DOI:10.6038/cjg20130806
Zhou M, Yin Y, Wang W W. 2008. A numerical study on the long-lasting wide spread dense fog event during December 24-27, 2006. Journal of Applied Meteorological Science (in Chinese), 19(5): 602-610.
Zhou X G, Wang Q. 2004a. Numerical simulation on the boundary layer structure during a heavy fog process over Beijing metropolitan area. Acta Meteorologica Sinica (in Chinese), 62(4): 468-475.
Zhou X G, Wang Q. 2004b. Boundary layer characteristics of urban heavy smog and fog in Beijing. Meteorological Science and Technology (in Chinese), 32(6): 404-409.
陈燕, 蒋维楣. 2006. 城市建筑物对边界层结构影响的数值试验研究. 高原气象, 25(5): 824–833.
董剑希, 雷恒池, 胡朝霞, 等. 2006. 北京及其周边地区一次大雾的数值模拟及诊断分析. 气候与环境研究, 11(2): 175–184.
范水勇, 王洪利, 陈敏, 等. 2013. 雷达反射率资料的三维变分同化研究. 气象学报, 71(3): 527–537.
何友江, 朱彬, 马力. 2003. 重庆市冬季雾生消的物理特征. 南京气象学院学报, 26(6): 821–828.
江玉华, 王强, 李子华, 等. 2004. 重庆城区浓雾的基本特征. 气象科技, 32(6): 450–455.
李晓莉, 毕宝贵, 李泽椿. 2005. 北京冬季城市边界层结构形成机制的初步数值研究. 气象学报, 63(6): 889–902.
李晓莉, 何金海, 毕宝贵, 等. 2003. MM5模式中城市冠层参数化方案的设计及其数值试验. 气象学报, 61(5): 526–539.
李元平, 梁爱民, 张中锋, 等. 2007. 北京地区一次冬季平流雾过程数值模拟分析. 云南大学学报(自然科学版), 29(2): 167–172.
陆春松, 牛生杰, 杨军, 等. 2008. 南京冬季平流雾的生消机制及边界层结构观测分析. 南京气象学院学报, 31(4): 520–529.
陆春松, 牛生杰, 杨军, 等. 2010. 南京冬季一次雾过程宏微观结构的突变特征及成因分析. 大气科学, 34(4): 681–690.
石春娥, 杨军, 邱明燕, 等. 2008. 从雾的气候变化看城市发展对雾的影响. 气候与环境研究, 13(3): 327–336.
魏东, 尤凤春, 范水勇, 等. 2010. 北京快速更新循环预报系统(BJ-RUC)模式探空质量评估分析. 气象, 36(8): 72–80.
徐怀刚, 邓北胜, 周小刚, 等. 2002. 雾对城市边界层和城市环境的影响. 应用气象学报, 13(S1): 170–176.
张亦洲, 苗世光, 戴永久, 等. 2013. 北京夏季晴天边界层特征及城市下垫面对海风影响的数值模拟. 地球物理学报, 56(8): 2558–2573. DOI:10.6038/cjg20130806
周梅, 银燕, 王巍巍. 2008. 2006年12月24-27日大范围大雾过程数值模拟. 应用气象学报, 19(5): 602–610.
周小刚, 王强. 2004a. 北京市一次大雾过程边界层结构的模拟研究. 气象学报, 62(4): 468–475.
周小刚, 王强. 2004b. 北京城市重烟尘雾与水雾过程的边界层结构. 气象科技, 32(6): 404–409.