英语原文共 16 页，剩余内容已隐藏，支付完成后下载完整资料

高温热浪下城市化对边界层天气影响的模拟研究：研究中国南京的个例

摘要：配置单层城市冠层模型的天气研究与预报模型（WRF）被用来研究在一次高温热浪下城市化对边界层天气影响。这项研究区域为中国东部的南京，模拟时间从2010年7月26号至8月4号。模拟城市扩张和人为热（AH）释放可以定量分析他们对2米温度，2米水汽混合比和10米风，热应力指数的影响。城市扩张增加了城市区域每天2米温度约1.6°C并且减少城市日较差（DTR）约1.24°C。AH释放对大气增暖的贡献近22%，但是AH没有对DTR产生影响。城市区域平均风速减少约0.4m/s，并且这个减少从地面到300m都成功地模拟出来。城市化对2水汽混合比的影响在高度城市化区域显著约为1.1-1.8g/kg的减少。随着城市化比率的增高，逆温层的持续时间约短4小时并且低层大气更不稳定。当城市扩张和AH释放共同作用时，城市热岛（UHI）强度显著增强约0.74°C。城市化增加了极端热应力（约40%）并且恶化了我们城市的生活环境。

1引言

自20世纪70年代以来观察到全球平均空气温度的迅速增加，其中大多数可归因于人为温室气体（GHG），气溶胶装载和土地利用土地覆盖（LULC）的变化。（IPCC 2007） 未来的气候预测表明极端天气事件的频率和强度增加，如热浪，伴随全球变暖（Meehl and Tebaldi 2004; Della-Marta et al 2007）。在考虑严重的异常天气情景（McMichael et al，2006）时，不应忽视对人类舒适和健康的影响，特别是当城市地区通过城市化进程不断增长时。

城市化是人类活动造成的LULC变化的一个极端例子，在全球范围内迅速增长。它通过形成城市冠层增加表面粗糙度，从植被或自然表面不透水表面改变土地覆被减少蒸腾，通过吸收和反射太阳辐射影响地表能量平衡，并通过释放额外的人为热（AH）修改热力和动力学特性。这些变化必然导致通过扰动风，温度，湿度和湍流而对城市地区及其周围的行星边界层（PBL）结构进行修改（Miao et al，2009）。这将改变地方和区域的天气和气候，并影响空气污染物的运输和分布。(Arnfield 2003; Parker 2006; Miao et al. 2011; Wang et al. 2014)

居住在城市中的人口总数的百分比继续增长。世界卫生组织报告说，2014年城市人口占全球总人口的54％，高于1960年的34％。这一百分比预计在未来几十年将持续快速增长（Martine and Marshall 2007）。因此，城市化对地方和区域边界层以及人类舒适和健康的影响的估计是一个重要的研究课题，特别是在极端天气条件下（如热浪事件）。

已经进行了很多研究城市化对城市气候和气象背景的影响（Jones et al 1990; Tran et al 2006; Miao et al 2011; Zhang et al 2011; Wang et al 2012; Yang et al。2014）。基于对过去50年全球天气数据的再分析，Kalnay和Cai（2003）表明，观测到的日降温度范围（DTR）减少的一半是由于美国大陆的城市化。 Jones et al（2008）使用海面温度数据代替乡村网络，因为几乎没有真正的乡村地点来评估与中国的城市相关的变暖。他们的结果显示，在1951 - 2004年期间城市化造成了每十年约0.1°C的变暖趋势。 Xu et al（2009）和Yu et al（2013）分析了北京气象塔的观测资料，发现在过去几十年里，与城市化相关的空气温度显着上升。 Azorin-Molina et al（2014）表明，城市化加强了观测到的大气风速下降在三个主要西班牙城市，使用近地表风速趋势记录在67个陆基站。计算能力的戏剧性发展使得模型研究能够从新的角度提供定量结论。 Feng et al（2012）评估了城市化与气象研究和预报（WRF）模型的影响，发现长江三角洲地区夏季平均气温升高超过1.44°C。存不存在AH排放，Bohnenstengel et al（2014）使用英国气象办公统一模型发现，AH通量是伦敦城市热岛的一个重要因素。Yang et al（2014）基于WRF模型分析表明，城市化在密尔沃基 - 密歇根湖地区的降水分布和降水模式中发挥了重要作用。 Chen et al（2014）模拟了中国杭州的典型7月热浪，结果表明，AH释放对城市热岛效应贡献了约30％（0.22°C）。

除了改变区域天气，城市化进程也影响人体健康。Wang et al（2012）和Fischer et al（2012）计算了简单湿球差温度（SWBGT），这是一种常见的热应力指数，用于分析城市化对热浪中人体健康的影响。Sherwood和Huber（2010）表明，气候变暖可以降低人体通过排汗机制消散代谢热的能力。这对人类的热舒适，劳动生产率和与热相关的死亡率和发病率有相当大的影响（Kjellstrom et al，2009）。

以前的研究使用观测数据来确定城市化对天气和气候的影响（Bornstein and Lin 2000; Lin et al 2011）。这种方法受到气象站的数量和位置的限制，并且由于系统误差和独特的周围环境（例如不同的高度和地形）而产生不确定性。此外，由于城市扩张的影响，难以将地点指定为真正的乡村站（Ren et al 2007; Jones et al 2008）。一些研究使用全球气候模式（GCM）考虑城市化（Jin and Shepherd 2005; Oleson et al 2010），但是GCM的分辨率可能太粗糙，无法准确描述城市地区的基本表面特征。

因此，本文采用嵌套的高分辨率中尺度数值模式WRF模型与城市冠层模型（UCM）结合讨论城市化的影响。许多研究人员已经表明，这种组合能够捕获城市化对地方和区域气象学的影响（Miao et al, 2009; Shastri et al, 2014; Kang et al, 2014; Feng et al, 2014; Kusaka et al, 2014）。此外，应用热应力指数（SWBGT）来确定热环境对人体健康的影响。

这项研究是为了模拟2010年7月26日至8月4日在华南地区的持久热浪而进行的。本文的第一个目的是证明WRF / UCM模型可以准确模拟基本气象领域（2- m温度，2 m水蒸气混合比和10 m风速）。第二个目的是调查城市扩张和AH释放在什么程度上影响局部和区域边界层气象变量。然后分析城市化与热应力指数之间的关系。本文的结果旨在量化城市化如何影响极端热事件。了解城市化对空气温度，湿度，风速和热应力强度的影响，可以改善高温预报，提高南京城市的适应能力，另外，南京也是被广为人知的“中国四大火炉”之一。

2模式和资料

2.1研究区域

我们的研究关注的区域是南京，江苏省首府东部和重要的工业生产中心。位于长江三角洲平坦的冲积平原上，平均海拔约10米。它具有典型的东亚季风气候，年平均气温为2-26°C，下雨期为6月中旬至7月。作为中国最热的城市之一，平均空气温度可达35°C，夏季最高点可达40°C。

由于20世纪70年代末的经济改革，南京经历了重大的工业和经济增长，因此城市面积扩大。这表现在非农业人口总量的增加，1990年代不到200万，但现在约为700万。 此外，预计未来人口和城市地区的增加将继续增加。

2.2天气学背景

2010年7月下旬和8月初，南京市出现了强烈的热浪。7月至8月观测的月平均最高温度为32°C。在8月3日，南京站观测到的最高温度（58,238）达到38.3°C，这是该站从2005年至2010年观测到的最高温度。图1显示了国家环境预报中心（NCEP）在500 hPa和850 hPa风场和温度下的再分析数据在2010年8月3日1400 LST的天气模式背景。南京市整体受西太平洋副热带高压的控制，通常在500 hPa时以588 dgpm的等高线识别西太副高（Wang et al 2002），亚热带高压系统在未来几天强化。这种温暖的高压系统在南京产生持续平静，无云和炎热的天气。

图1 2010年8月3日在1400 LST的天气模式从NCEP再分析数据，显示在500 hPa的位势高度（实线），风速（箭头）和温度（填色）在850 hPa。 588 dgpm的红色轮廓表示西太平洋副热带高压的边界。 黑色十字表示南京的位置。 单位：dgpm是位势高度单位，m/s是风速单位，°C是温度单位

2.3模式设置

在本研究中，我们使用国家大气研究中心开发的WRF版本3.5.1模型（Skamarock et al 2008）。模型域以（32.06°N，118.8°E）为中心，三个嵌套域的水平网格间距（网格数）分别为9 km（100times;100），3 km（85times;85）和1 km 97times;97）。嵌套域的位置如图2a所示。垂直网格包含从表面到50 hPa的53个垂直分层，其中最低的16层低于1 km，在行星边界层中得到的更精细的分辨率。初始和边界条件均来自NCEP操作的全球最终分析，其在1.0°times;1.0°网格上具有6小时间隔。采用以下物理参数化方案来考虑不同的物理过程。由Chen et al开发的Noah地表模型（1996，1997），用于提供表面敏感和潜热通量和地表温度作为WRF的下边界条件。由Kusaka et al（2001）和Kusaka and Kimura（2004）开发的单层城市冠层模型（SLUCM），被用来表示城市地区的热和动态效应。该SLUCM在其表面能量预算和风切变计算中考虑城市几何和AH。此外，它有三个城市类别，如下：低密度住宅，高密度住宅和商业。每个类别都有不同的建筑材料覆盖，人口和AH值。在本文中，我们只考虑了所有城市地区的默认城市类别（高密度住宅）。其他参数化如下：延世大学PBL方案（Hong et al 2006a），单力矩六阶霰方案微物理参数化（Hong and Lim 2006b），Dudhia短波辐射方案（Dudhia 1989），快速辐射转移模型长波辐射方案（Mlawer et al 1997）和Monin-Obukhov（Janjic）地表层方案。 Grell 3D集合积云方案（Grell and Devenyi 2002）仅用于最外层嵌套。

在SLUCM中使用了几个参数，如建筑物高度，道路宽度和城市景观的分数，来描述建筑物的几何形状和城市地区的结构。以前的研究采用WRF中列出的默认值（Li等人2013; Wang等人2013b）。在这项研究中，我们设置这些参数如Zhang et al（2010a，b）的研究，他们从三个二级城市：南京，苏州和杭州的建筑信息数据库生成了价值。因此，参数可以预期代表图1的典型城市形态。我们采用了Zhang et al（2013）的热参数（例如热容量，热导率，反射率和屋顶，墙壁和地面的热辐射）。他们基于使用WRF模型的表面能平衡的离线模拟来优化这些值。详细信息列在表1中。我们工作中使用的均匀形态和热参数可能在模拟中产生不确定性。Lin et al（2008）表明，这些参数的不同值对边界层发展和地表空气温度有影响。详细的分析和灵敏度实验将在未来的研究中考虑。

图2 模拟域和地形高度。a用于WRF模拟的三个双向嵌套域的配置以及b在区域3上的地形高度的分布和30个AMS（用星号标记），XLS-II TBSS（用三角形标记）的位置。 红色星号表示2009年分类为城市站点的AMS，比较URB09和URB01的城市地区（城市地区是图4中的红色网格）。 蓝色星号表示2001年分类为城市站点的AMS，比较URB01和URB93的城市地区。 绿色星号表示1993年分类为城市地点的AMS，比较URB93和NOURB的城市地区。 黄色星号表示乡村站点。 棕色三角形表示TBSS的位置。 填充区域表示平均地形高度（单位：m）

另一个重要参数是AH，它对城市环境的影响不应忽视（Block et al 2004; Narumi et al 2009; Allen et al 2011; Giovannini et al 2014）。 Feng et al（2012）计算在北京-天津-河北和长江三角洲地区的三个城市类别（商业，高密度住宅和低密度住宅）每日最大AH分别为90，50和20 W m^-2。Chen et al（2014）在杭州市设定了与Feng et al（2012）相同的值。对于北京和天津地区，Zhang et al（2013年）分别将这些值分别增加到110，90和50 W m^-2。在本研究中，我们将南京高强度住宅类的每日最大AH值设为90 W m^-2。该能量被视为SLUCM中显热通量的一部分（Chen et al 2011）。昼夜AH轮廓如图3所示。在3.2节，我们进行了AH的敏感性实验，以量化其对气象变量的影响。

如Miao et al（2009）和Dai et al（2011）表明，城市化对空气温度的影响在平静，无云和晴朗的日子达到最大值。从2010年7月26日2000年LST到2010年8月4日1900 LST进行了为期9天的模拟，并分为三个模块。 将第一和第二块积分85小时，而第三块积分剩余的97小时。每个模拟的初始12 h被认为是缓冲时间，以最小化初始条件的影响。模式输出以小时结果的形式。

2.4试验设计

WRF / Noah / SLUCM模型中使用的默认土地利用和土地覆盖数据（USGS 24类别）是基于1

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[25732]，资料为PDF文档或Word文档，PDF文档可免费转换为Word