2021, Vol. 41
[PDF全文]
2. 成都市温江区气象局, 成都 611130;
3. 四川省环境保护科学研究院, 成都 610041;
4. 山东航空股份有限公司, 济南 250000
2. Wenjiang Meteorological Bureau, Chengdu 611130;
3. Sichuan Academy of Environmental Sciences, Chengdu 610041;
4. Shandong Airlines, Jinan 250000
随着人类社会的不断发展, 生活方式的不断变化, 最终形成了众多人口密集、交通发达、工商业发达的城市聚居点.由于人类生产生活排放出的人为热、大气污染物、温室气体以及人为水汽基本维持在近地面, 配合独特的城市下垫面就形成了自然界原本不存在的冠层——城市冠层, 它是位于城市地面以上、建筑层顶以下的地表形态(胡非等, 1999；沈历都等, 2018；申冲等, 2019).城市冠层显著地影响了城市中心城区以及城市周边地区的气候.因此, 对城市气候的研究成为了气候研究的焦点.
中尺度气象模式WRF中引入了城市冠层模式.城市冠层模式中包含了建筑物的几何性质, 改进了对大气热力的和动力效应的描述, 在城市气象模拟中可以最大限度的还原城市下垫面对城市气候变化产生的影响.目前国内外学者已经对城市气候进行了一定的研究(Sah, 1979；Eliasson et al., 2007；史军等, 2011；Kleerekoper et al., 2012；Carter et al., 2015), 结果显示城市的扩张对气候的影响不容乐观(胡远满等, 2002；Sheng et al., 2002；宋艳玲等, 2003；彭少麟等, 2005；白虎志等, 2005).Wang等(1996)在不修改其他条件的情况下对下垫面进行更改, 结果发现, 修改前与修改后的某些相关变量存在明显的偏差.蒙伟光等(2008)利用WRF-UCM模拟了广州地区的热岛效应并进行相关验证.陈炯等(2007)利用WRF-PUBP模式与不考虑城市建筑物影响的一般本地化方案对北京地区的气象场进行模拟, 结果表明, 耦合了城市冠层参数化方案的WRF模式的温度场和风场模拟结果与观测数据更为接近.宋静等(2009)利用WRF模式中自带的slab陆面过程参数化方案、UCM单层城市冠层方案对南京地区的城市边界层进行了模拟, 结果发现考虑了城市下垫面作用的模拟结果与实际情况更为接近.肖丹等(2011)卫星资料对成都市下垫面资料进行了订正, 结合WRF-UCM对订正后的成都市城市边界层进行模拟分析, 发现利用WRF-UCM模拟的2 m温度场精度升高, 城市化使得城市热岛效应增强, 10 m风场的风速减小, 在下风向地区的垂直环流增强.
成都市地处成都平原, 四面环山, 城市扩张迅速, 高楼林立, 静稳天气增多, 更加不利于大气污染扩散.传统中尺度模式难以准确模拟快速发展的成都城市气象场, 本文将基于中高分辨率遥感数据提取成都市精细化下垫面, 获取城市冠层信息, 采用WRF自带的城市冠层模式对成都市静稳天气的气象场进行模拟分析, 评估其模拟效果, 探讨城市冠层模式和精细分类下垫面对成都气象场变化的影响, 为城市天气气候预报、成都市空气质量预报、城市环境规划、城市建设与规划等提供科学依据.
2 研究方法(Methodology) 2.1 城市冠层参数化方案城市冠层参数化方案的发展主要分为slab模式、单层城市冠层模式以及多层城市冠层模式.Slab模式极为简单, 城市在模式中为裸土或平面, 仅仅通过区别于其它下垫面的动力、热力特征参数来体现城市下垫面影响, 而未能详细考虑特殊的城市几何特征对低层大气动力、热力结构和地面能量平衡的影响.单层城市冠层模式区分了墙面、屋顶、地面的不同影响, 将街区简化为二维, 辐射处理过为三维, 考虑了不同街区走向和太阳方位角日变化的影响.多层城市冠层模式不仅区分了建筑墙面、屋顶、路面的不同影响, 城市冠层中还划分了多层, 考虑各层间相互作用, 城市冠层建筑的几何形状为三维.该模式对城市冠层的各种过程考虑得较为全面, 因而模式也较为复杂(黄燕燕等, 2006).
2.2 成都地区精细化下垫面数据建立WRF模式自带土地利用数据采用USGS分类方法, 将环境下垫面划分为24类, 特别对农田和自然植被进行了详细划分, 但该数据是20年前的探测结果, 数据与实际土地利用类型有较大差别.另外该数据将所有城市建筑归为一类, 从图 1a中可以看到, 成都绝大部分都为农田, 仅主城区全部被划分为城市和建设用地, 完全无法反映出成都市城市建筑群的实际分布特征.
 |
| 图 1 成都市WRF自带土地利用数据(a) 及局地气候分区结果(b) Fig. 1 Distribution of WRF default underpad in Chengdu (a) and local climate zones of Chengdu(b) |
基于局地气候分区(Local Climate Zones)分类方法和Landsat 8 30 m分辨率遥感影像对城市建设用地进行较为详细的划分, 与WRF自带土地利用数据相比, 局地气候分区结果详细划分了城市建筑类型, 空间分辨率较高, 但对自然下垫面的分类较为粗略, 甚至没有对农田进行分类.从图 1b中可以看到, 成都主城区主要以紧凑型建筑为主, 由内而外逐渐变为开敞型, 植被种类较少, 未划分出农田, 与实际情况有较大出入.
WRF自带土地利用数据详细划分了自然下垫面, 而未对城市建筑群进行详细分类, 而局地气候分区的下垫面结果对城市建设用地进行了详细的划分, 而自然下垫面的划分较粗.因此, 本文结合了二者优势, 将自然下垫面采用USGS-24分类方法, 城市建设用地采用局地气候分区的分类方法, 并将空间分辨率统一, 最终得到一套完整的成都市精细分类下垫面(图 2a).可以看到, 成都的自然下垫面主要以农田为主, 老中心城区主要以紧凑型建筑为主, 高层和中层建筑居多, 由内往外发散, 新中心城区的双流、温江等地逐渐转变为开敞型和低层建筑, 其中龙泉山西部地区低层建筑较为密集.总体而言, 精细分类下垫面较前两者对于城市土地利用的分类更加符合实际, 能够为中尺度数值模式提供更为准确的下垫面数据.
 |
| 图 2 研究区精细分类下垫面分布(a)、建筑物高度分布(b) 及人为热通量密度分布(c) Fig. 2 Distribution of finely classified underlying surface data in the study area(a), building height(b) and the anthropogenic heat flux(c) |
建筑物高度和人为热通量是根据谷歌影像以及Stewart等(2014)的研究成果得到的, 其余建筑物参数参考局地气候分区中的设定, 自然下垫面采用WRF自带土地利用数据的设定.图 2b为研究区内建筑物的高度分布, 其中白色区域为自然植被.可以看到, 成都老中心城区建筑物的平均高度在20 m左右, 周边各区县除双流和温江城区建筑物较高外, 其余地区的平均高度由内而外逐渐变低.总体来看, 研究区建筑物的高度分布较为符合实际.
图 2c为研究区内人为热通量密度的分布, 其中白色区域为自然植被.可以发现, 成都市老中心城区的人为热通量密度最大, 平均达120 W·m-2左右, 在城中心与绕城高速中间存在一圈人为热通量密度的低值区, 该区域多为居住区, 人流量和能源消耗较低, 因此该区域人为热通量密度明显降低.而城市外围由于绕城高速车流量大, 该区域人为热通量密度又急速攀升.另外, 除去大的建筑群, 研究区内还存在零散的小型建筑群落, 这些区域产生的人为热较小, 但影响区域较大, 因此在研究城市气候时, 这些人为热也是不可忽视的因素.
2.3 模拟试验设计本次研究选取了2018年的一次静稳天气过程, 该过程从1月12日开始, 直至16日, 静稳状态被打破.此次试验的模拟时间为1月12日8:00—17日8:00, 模拟所需的气象场初始场数据采用FNL再分析数据, 模拟采用三层嵌套, 最内层模拟区域为成都主城区及周边行政区县(图 3).三层嵌套由外而内网格数分别为139×96、115×106、112×79, 格距分
 |
| 图 3 模拟区域(a.嵌套设置；b. 最内层区域) Fig. 3 The simulated domain (a. the three nested areas; b. the innermost area) |
别为9、3、1 km.模式每1 h输出1次结果.为了体现精细分类下垫面和城市冠层模式对城市气象场模拟的改进, 本研究使用WRF自带土地利用数据、局地气候分区结果与精细分类3种下垫面, 并与单层、多层冠层模式进行组合试验.具体组合与参数化方案设计见表 1.参数化方案的选取根据已有的研究结果设置(郭晓梅, 2016), 其他物理过程方案设置如下：长波辐射选取RRTM方案；短波辐射选取Dudhia方案；积云参数化方案选取KF方案(内两层关闭).
| 表 1 试验设计 Table 1 Experiments design |
 |
验证数据为成都市1个基准站、4个一般站和武侯区7个区域站的逐小时资料(图 3b), 使用该数据对模拟结果中的10 m风速、2 m温度、2 m相对湿度进行检验.在进行验证比对时, 选用5个常用统计量：相关系数(R)、平均偏差(MB)、平均误差(ME)、均方根误差(RMSE)以及相符指数(d).验证标准参考张碧辉(2012)等的研究结果, 温度与风速的基准值参考Emery等(2001)的研究结果(表 2).日变化趋势采用12个气象站点的平均值进行分析.
| 表 2 统计基准 Table 2 Experiments design |
|
从风速统计结果来看(表 3), 除了USGS组平均偏差未达到统计基准外, 其余6组试验的各项统计结果均在误差以内.其中城市冠层模式对风速的模拟结果有一定的改善作用, 通过将USGS-UCM组与USGS-BEP组模拟结果对比发现, 在不改进下垫面的情况下, 多层城市冠层模式对10 m风速的模拟结果具有更好的改进作用.
| 表 3 风速统计结果 Table 3 Statistical results of wind velocity |
|
对比3种下垫面的模拟结果发现, 局地气候分区和精细分类下垫面的模拟结果较WRF自带下垫面的模拟结果更优, 其中精细分类下垫面的模拟结果略优于局地气候分区下垫面的结果, 但相差不大.这是由于两种下垫面对城市建族群的分类是一样的, 而验证数据所选的站点大多为城市站点, 导致了两者模拟结果相近.因此, 使用多层城市冠层模式与精细分类下垫面的模拟结果分析静稳天气过程中的风场特征是可行的.
图 4对比了10 m风速的实测值与模拟结果.在图 4所示时段内, 站点夜间风速较小, 从9:00开始逐步上升, 风速的峰值出现在15:00, 达2 m·s-1左右.从模拟结果来看, 两种下垫面均能大体模拟出风速的日变化趋势, 但在白天存在模拟结果偏大的现象.
 |
| 图 4 2018年1月13日单层UCM (a)和多层BEP (b) 城市冠层模式10 m风速的模拟结果与实测值对比 Fig. 4 Comparison of wind velocity at 10m between simulation and observation in UCM (a) and BEP(b) model at 13th Jan 2018 |
图 5为2018年1月13日的10 m平均风场.在图 5a中, 由于WRF自带下垫面没有对城市建筑群进行详细分类, 所以研究区整体风场是连续的且风速风向变化不大.图 5b中, 局地气候分区对城市建设用地进行了详细的划分, 但自然下垫面的划分较粗, 导致自然下垫面与城市下垫面之间的风速差距较为明显.在图 5c中可以观察到城市整体风速较小, 龙泉山附近风速较大, 城内出现了大量静风区域, 存在局地风速较高的情况, 风向的不连续性与随机性尤为明显.这是由于精细分类下垫面更加贴合实际, 对城市下垫面和自然下垫面的粗糙度特征进行了修正, 而建筑物的动力作用和热力作用导致了城市湍流明显.该结果与实际情况也相符, 成都市内常年风速小, 静风频率高.
 |
| 图 5 2018年1月13日采用不同下垫面数据结合多层城市冠层模式模拟的10 m平均风场分布 (a.USGS下垫面; b.LCZ下垫面; c.CLCZ下垫面) Fig. 5 Simulation results of the average 10m wind using the multi-layer urban canopy model with different underlyingsurface at 13th Jan 2018 (a.USGS; b.LCZ; c.CLCZ) |
图 6为2018年1月13日的30 m平均风场, 对比10 m平均风场, 30 m风场受到下垫面影响较小.图 6b)相比图 5b)风向基本一致, 但自然下垫面与城市下垫面之间的风速差距有所降低.图 6c相比5c 30 m风场仍旧能受到建筑物的影响, 城区风速明显小于郊区, 在自然下垫面上, 风向的扰动性降低, 而在城市下垫面, 风向的不连续性依旧较大, 而风速较自然下垫面依旧较小.
 |
| 图 6 2018年1月13日采用不同下垫面数据结合多层城市冠层模式模拟的30 m平均风场分布 (a.USGS下垫面; b.LCZ下垫面; c.CLCZ下垫面) Fig. 6 Simulation results of the average 30 m wind using the multi-layer urban canopy model with different underlying surface at 13th Jan 2018 (a.USGS; b.LCZ; c.CLCZ) |
根据表 4展示的统计结果发现, 对于温度模拟来说, 多层城市冠层模式的模拟结果优于单层城市冠层模式.对比3种下垫面的模拟结果来看, 局地气候分区和精细分类下垫面的模拟结果较WRF自带下垫面的模拟结果更优, 而采用精细分类下垫面的模拟结果略优于采用局地气候分区下垫面的模拟结果.
| 表 4 温度统计结果 Table 4 Statistical results of temperature |
|
图 7为使用局地气候分区和精细分类下垫面模拟的温度日变化趋势图.可以看出, 两种下垫面资料都能模拟出温度的日变化趋势, 峰值与谷值出现时间基本吻合, 模拟趋势与实测结果基本一致, 但对峰值的模拟偏大.对比来看, 单层城市冠层模式对9:00~13:00的温度模拟偏大, 多层城市冠层模式的模拟结果更优.
 |
| 图 7 2018年1月13日单层UCM (a)和多层BEP (b) 城市冠层模式温度的模拟结果与实测值对比 Fig. 7 Comparison of temperature between simulation and observation in UCM and BEP model at 13th Jan 2018 |
表 5为相对湿度统计结果, 可以发现, 使用精细分类下垫面具有更加准确的模拟结果, 与关闭城市冠层模式和使用单层城市冠层模式的模拟结果相比, 多层城市冠层模式能够更准确的模拟出湿度的特征, 说明使用多层城市冠层模式并结合精细分类下垫面可以较为准确的描述研究区的能量和热量交换.
| 表 5 相对湿度统计结果 Table 5 Statistical results of relative humidity |
|
图 8为使用局地气候分区和精细分类下垫面模拟的相对湿度日变化趋势图.从实测结果可知, 夜间相对湿度较高, 0:00—10:00都保持在70%以上, 每日最高相对湿度出现在上午10:00左右, 而最低相对湿度出现在下午14:00.由图 8可以看到两种下垫面均能模拟出相对湿度的日变化特征, 能反映出夜间的高湿状态, 但采用局地气候分区下垫面的模拟结果显示出较大的波动性, 这与城市下垫面透水率低所表现出的特征相吻合, 也进一步说明局地气候分区对植被下垫面的描述不足.相较之下, 采用精细分类下垫面的模拟结果由于对植被下垫面进行了更加充分的描述, 因此整体模拟结果更加平滑, 也与实际值更加接近.
 |
| 图 8 2018年1月13日单层UCM (a)和多层BEP (b) 城市冠层模式湿度的模拟结果与实测值对比 Fig. 8 Comparison of relative humidity between simulation and observation in UCM and BEP model at 13th Jan 2018 |
1) 成都市精细化分类下垫面结合了WRF自带下垫面和局地气候分区下垫面的优势, 采用USGS-24方法划分自然下垫面, 采用局地气候分区的方法划分城市建设用地, 能够较为准确的描述成都市下垫面环境.
2) 采用精细分类下垫面的多层城市冠层模式对风速的模拟结果具有较好地改进, 使用其分析静稳天气过程中的风场特征是可行的.精细分类下垫面对城市下垫面和自然下垫面的粗糙度特征进行了修正, 能够模拟出建筑物对风的阻挡作用以及城市风场不连续, 随机性强的特性.
3) 采用精细分类下垫面的多层城市冠层模式能够较好地模拟出静稳天气过程中的温度变化趋势以及夜间的高湿状态, 可以较为准确的描述研究区的能量和热量交换.
综上所述, 在成都市对污染物扩散不利的静稳天气使用多层城市冠层模式并结合精细分类下垫面将大大提高气象场的模拟精度, 进而提高空气质量预报.
白虎志, 任国玉, 方锋. 2005. 兰州城市热岛效应特征及其影响因子研究[J]. 气象科技, 33(6): 492-495. DOI:10.3969/j.issn.1671-6345.2005.06.003 |
陈炯, 郑永光, 邓莲堂, 等. 2007. 城市建筑物对城市边界层三维结构影响的数值模拟[J]. 北京大学学报: 自然科学版, 43(3): 343-350. DOI:10.3321/j.issn:0479-8023.2007.03.012 |
Carter J G, Cavan G, Connelly A, et al. 2015. Climate change and the city: Building capacity for urban adaptation[J]. Progress in Planning, 95: 1-66. DOI:10.1016/j.progress.2013.08.001 |
Eliasson I, Knez I, Westerberg U, et al. 2007. Climate and behaviour in a Nordic city[J]. Landscape & Urban Planning, 82(1): 72-84. |
Emery C A, Tai E, Yarwood G. 2001. Enhanced meteorological modeling and performance evaluation for two Texas ozone episodes, Project Report Prepared for the Texas Natural Resource Conservation Commission[R]. Texas: the Texas Natural Resource Conservation Commission
|
黄燕燕, 万齐林, 袁金南, 等. 2006. 城市冠层过程的研究与进展[J]. 热带气象学报, (3): 290-296. DOI:10.3969/j.issn.1004-4965.2006.03.014 |
郭晓梅. 2016. 四川盆地空气质量气候特征及其大地形影响效应的观测模拟研究[D]. 南京: 南京信息工程大学
|
胡非, 李昕, 陈红岩, 等. 1999. 城市冠层中湍流运动的统计特征[J]. 气候与环境研究, 4(3): 252-258. |
胡远满, 徐崇刚, 布仁仓, 等. 2002. RS与GIS在城市热岛效应研究中的应用[J]. 环境保护科学, 28(2): 1-3. DOI:10.3969/j.issn.1004-6216.2002.02.001 |
Kleerekoper L, Esch M V, Salcedo T B. 2012. How to make a city climate-proof, addressing the urban heat island effect[J]. Resources Conservation & Recycling, 64(7): 30-38. |
蒙伟光, 张艳霞, 戴光丰, 等. 2008. "城市热岛"效应及其对高温天气影响的数值研究[C]//中国气象学会会
|
彭少麟, 周凯, 叶有华, 等. 2005. 城市热岛效应研究进展[J]. 生态环境学报, 14(4): 574-579. DOI:10.3969/j.issn.1674-5906.2005.04.026 |
申冲, 沈傲, 田春艳, 等. 2019. 城市形态参数对边界层气象条件影响的模拟[J]. 中国环境科学, 39(1): 72-82. |
沈历都, 龚强, 徐红, 等. 2018. 土地扩张对城市边界层风热环境影响的模拟研究——以沈阳市为例[J]. 气象与环境学报, 34(6): 64-74. |
史军, 梁萍, 万齐林, 等. 2011. 城市气候效应研究进展[J]. 热带气象学报, 27(6): 942-951. DOI:10.3969/j.issn.1004-4965.2011.06.019 |
宋艳玲, 张尚印. 2003. 北京市近40年城市热岛效应研究[J]. 中国生态农业学报, 11(4): 126-129. |
宋静, 汤剑平, 孙鉴泞. 2009. 南京地区城市冠层效应的模拟试验研究[J]. 南京大学学报(自然科学), 45(6): 779-789. |
Sah R. 1979. Priorities of developing countries in weather and climate[J]. World Development, 7(3): 337-347. |
Sheng X, Liao F, Ni Z, et al. 2002. The relationship between hot-island effect and vegetation of Xianmen City by remote sensing[J]. Journal of Northeast Forestry University, 30: 141-143. |
Stewart I D, Oke T R, Krayenhoff E S. 2014. Evaluation of the 'local climate zone' scheme using temperature observations and model simulations[J]. International Journal of Climatology, 34(4): 1062-1080. |
Wang W G, Jiang W M. 1996. Numerical simulation on the structure of the atmospheric boundary layer in Qingdao regions[J]. Chinese Journal of Atmospheric Sciences, 20(2): 229-234. |
肖丹, 陈静, 陈章, 等. 2011. 成都精细下垫面信息对城市气象影响的模拟试验[J]. 气象, 37(3): 298-308. |
张碧辉, 刘树华, Liu H P, 等. 2012. MYJ和YSU方案对WRF边界层气象要素模拟的影响[J]. 地球物理学报, 55(7): 2239-2248. |