城市化影響杭州城市熱環境的數值模擬研究

張 含,張小偉,樊高峰

城市化影響杭州城市熱環境的數值模擬研究

張 含,張小偉,樊高峰*

(1.浙江省氣候中心,浙江 杭州 310052)

通過對城市區域的氣候要素進行精細化數值模擬,可以研究城市化對城市熱環境的重要影響.利用WRF/UCM模式,以杭州為例,通過采用不同的下墊面土地利用分類數據,分析量化歷史城市化進程對月尺度城市熱環境的影響,并進一步設計了敏感性模擬試驗,研究杭州地區在理想化條件下城區面積增加約2倍時,城市熱環境的變化情況.模擬結果表明,杭州地區在2010～2017年的城市化進程中,城區面積約增加了1倍,導致8月熱島強度等級高于”無”(Ht>0.5℃)的區域擴大了91%,且主城區的2m平均氣溫增加了0.4℃,但中心城區熱島強度等級沒有明顯提升.杭州城區面積在2017年基礎上約增加2倍時,8月熱島強度等級高于”無”的區域擴大157%,1846.4km2的中心城區熱島強度等級由”弱”或”無”(Ht≤1.5℃)提升為”中等”(1.5

城市化；城市氣候學；城市熱島；數值模擬

人口和經濟的快速增長導致了大規模的城市化現象[1-2].城市區域建筑材料引起的地表儲熱能力和導熱性的增強,加上建筑垂直方向的結構特征,以及人類活動放出的熱量,導致城區地表儲存了更多的能量[3-5].這種城區與郊區地表熱量平衡特征的差異,會導致城區大氣及地表溫度高于周邊郊區,產生”城市熱源”[4,6],這種現象被稱為城市熱島效應(UHIE).城市熱島效應所引起的城市區域增溫現象,可導致城市熱環境變化,提高城市極端高溫天氣出現的可能性,從而增加氣候風險,影響生態環境質量、人體舒適度和健康[7-11].近年來,隨著城市化進程的加快,城市熱島問題也越來越突出.

預測城市熱環境變化和預防高溫災害的需要,引起了學者們對城市熱島效應的研究熱情.一些研究利用統計模型處理站點觀測資料[7-11],以及遙感影像反演[16-21]等方法來分析城市化對城市熱環境的影響.雖然統計方法可以用于對城市熱島區域的時空分布和影響因素的分析,但站點觀測資料的空間分辨率有限,不能很好地滿足城市尺度氣候要素變化的精細化研究需求.遙感影像只能反演出地表溫度,而不是與人體舒適度和城市區域氣候直接相關的近地表氣溫,這兩個變量場雖相似但有實際差別[22-23];且遙感影像資料受限于其采集頻率,在時間分辨率上不能很好地滿足城市熱環境變化的精細化研究需求.因此,利用數值模式對城市區域的中尺度天氣系統和氣候要素進行精細化模擬成為了城市熱環境和城市氣候系統領域很重要的研究方法.

近年來,一些研究利用數值模式進行模擬試驗,考察了城市化對城市熱環境的重要影響.例如,Jiang等[24]利用TEB-RAMS (Town Energy Budget- Regional Atmosphere Modeling System)模式模擬了北京城區2003年7月2日的熱島狀況(空間分辨率為1km),模擬得到的2m氣溫與觀測具有良好的相符性.Jiang等[24]的模擬結果顯示,城市化造成的下墊面土地利用類型改變對城市熱島的形成有關鍵作用.Morris等[25-26]利用WRF模式(Weather Research and Forecasting Model)評估了馬來西亞布城(Putrajaya)和巴生谷(Klang Valley)的城市熱島狀況,研究結果顯示城市下墊面狀況對城市區域氣候有重要作用,并且夜間的熱島效應比日間更明顯.前人的相關數值模擬研究通常針對某次天氣過程,較少有模擬時間超過一個月、可以反映月際及更長時間尺度氣候變化情況的研究[27-32].并且前人相關研究大多僅關注歷史上的天氣個例過程,忽略了未來可能的城市化對城市熱環境的影響.

在前人研究的基礎上,本研究利用中尺度天氣模式,設計一系列敏感性模擬試驗,進一步對不同下墊面條件下,月尺度氣候的變化情況進行定量研究.首先,利用2010～2017年的下墊面分類資料進行模擬試驗,以研究歷史城市化進程對區域氣候的影響,同時將模擬結果與氣象觀測站的歷史資料進行對比,以驗證模擬結果的可靠性.在分析歷史城市化進程對城市熱環境影響的基礎上,設計了敏感性模擬試驗,研究杭州地區在理想化條件下城區面積增加約2倍時,城市化進程對城市熱環境的潛在影響.同時,對比不同模擬試驗結果中地表能量平衡的差異,分析城市熱環境的形成機制.本研究結果可對城市熱環境和城市氣候系統領域的相關模式模擬研究等提供參考.另外,杭州作為浙江的省會城市,是華東沿海地區最發達、人口密度最大、城市化最集中的地區之一,且還具有較大的發展空間[33-34].因此,本研究以杭州為例進行城市化對城市熱環境的影響研究,也對其它城市的城市化發展規劃具有其參考價值和現實意義.對城市熱環境變化影響因素的精細化研究,有助于更好地預測未來的城市高溫災害與氣候系統變化情況,做好防災減災工作.

1 材料與方法

1.1 模式介紹

使用的模式為中尺度天氣模式WRF (Weather Research and Forecasting Model) 3.6.1版本[35].WRF模式的開發始于20世紀90年代后期,由美國大氣科學研究中心(NCAR)、美國國家海洋和大氣管理局(NOAA)、俄克拉荷馬大學、聯邦航空局(FAA)等機構聯合開發,現已被廣泛應用于生態、水文和大氣科學許多領域的研究和業務中.

為了研究城市化進程對城市熱環境的影響,模擬試驗激活了WRF中的單層UCM (Urban Canopy Model)城市冠層模塊.這里的單層UCM模式最初由Kusaka等[36]開發,由Kusaka等[37]改進,并在此基礎上,被耦合到了v2.2及以后版本的WRF模式中[38].這里的UCM城市冠層模塊主要包括以下幾個部分:(1)描述城市幾何特征的街道峽谷參數化方案,(2)建筑陰影及冠層反射輻射,(3)街道峽谷朝向及太陽方位角日變化,(4)包含八種街道峽谷(不同朝向)的下墊面,(5)Inoue的冠層流場模式[39],(6)建筑物頂、墻體與道路表面溫度的多層熱量方程,(7)人類活動消耗能量造成的加熱效應,(8)一個描述水文過程的簡單水箱模型等[38].由此,UCM模塊可以模擬建筑物頂、墻體及道路表面的熱量通量及表面溫度,并計算城市表面與大氣之間的能量與動量交換.

UCM模式已在針對許多城市的模擬研究中成功應用并得到評估,這些城市包括日本的東京[37]、美國奧克拉荷馬州的奧克拉荷馬[40]、馬來西亞的布城和巴生谷[25-26]以及中國的北京-天津-河北都市圈[41-42]和南京[43]等.另外,有關城市熱環境等方面的研究顯示,WRF/UCM模式對城市下墊面主要特征能進行較好的描述,模擬結果與觀測具有良好的相符性[24-25,44-47].通過在中尺度天氣模式中耦合UCM模式并進行敏感性模擬試驗,有助于更好地研究城市熱環境變化及其熱力學與動力學機制.

1.2 資料簡介

1.2.1 格點數據 GFS(Global Forecast System全球預報系統)分析場數據[48].GFS是NCEP(National Centers for Environmental Prediction,美國國家環境預報中心)開發的天氣預報模式,可提供大氣和土壤中的許多氣候要素數據,包括溫度、風場、降水和土壤濕度等.本研究中所使用的GFS數據為模擬時段(2017年7月31日～8月31日,北京時,下同)的分析場資料,其水平空間分辨率為0.5°×0.5°,時間分辨率為6h.該GFS分析場資料經WRF的WPS(WRF Preprocessing System)前處理模塊處理后,為模擬試驗提供了初始條件和邊界條件.

圖1 模擬區域

圖中(b)顯示了杭州站、蕭山站、余杭站和富陽站4個國家一般氣象站、(c)顯示了其他52個區域自動氣象站的位置分布

1.2.2 下墊面數據 對應于模式模擬中不同嵌套區域的不同分辨率下墊面數據.模擬所使用的下墊面數據,包括了WRF模式自帶的2min和30s分辨率的高程數據、土地利用分類數據和土壤分類數據[49].另外,還利用了浙江地區3s分辨率的高程數據[50],以及500m分辨率的MODIS (Moderate Resolution Imaging Spectroradiometer,中分辨率成像光譜儀)逐年土地分類數據[51].并且,本研究還針對模擬區域的實際情況對土地利用分類數據進行了人工修正.

1.2.3 氣象站觀測數據 杭州站(區站號:58457,經緯度:120.17°E,30.23°N)、蕭山站(區站號:58459,經緯度:120.28°E,30.18°N)、余杭站(區站號:58444,經緯度:120.28°E,30.42°N)和富陽站(區站號:58449,經緯度:119.95°E,30.05°N)4個國家一般氣象站和52個區域自動氣象站的2m高度氣溫數據(數據來源:浙江省氣候中心,圖1b, c).利用56個站點在模擬時段逐小時平均的2m氣溫數據,將模式模擬結果與觀測數據進行對比,以檢驗WRF/UCM模式的模擬效果.

1.3 模擬試驗

利用WRF/UCM模式進行了3組模擬試驗(表1,試驗Geo_10, Geo_17與Ideal_urb).所有模擬試驗采用相同的5層嵌套網格方案,模擬區域如圖1所示,模擬所使用的GFS分析場時段均為2017年7月31日～8月31日.3組模擬試驗使用相同的GFS分析場生成的初始場和邊界條件(1.2.1節).

表1 模擬試驗方案設計

圖2 試驗Geo_10,Geo_17,和Ideal_urb的下墊面土地利用主要分類情況

圖中(a, c, e)的模擬區域為區域4,(b, d, f)的模擬區域為區域5

如表1所示,模擬試驗Geo_10和Geo_17分別利用了2010年和2017年的土地利用分類數據,杭州地區2010～2017年間的城市化進程中,在圖2(a, c)所示的區域,下墊面土地利用類型為城市的區域面積增加了約1倍.模擬試驗Ideal_urb所使用的下墊面土地利用分類數據,表示了一種理想化的高度城市化狀況,即在2017年的城市化狀況基礎上,在圖2(c, e)所示的區域,下墊面土地利用類型為城市的區域面積增加了約2倍.因此,通過分別對比Geo_10和Geo_17,以及Geo_17和Ideal_urb的模擬試驗結果,可以研究模擬區域2010年至2017年(城區面積增加約1倍),以及理想化的高度城市化(城區面積在2017年基礎上再增加約2倍)對城市熱環境的影響.

3組模擬試驗的其他主要參數設置見表2.模擬試驗選擇的主要物理過程參數化方案包括:WSM (WRF Single-Moment)6類冰雹微物理過程方案[52], YSU (Yonsei University)邊界層方案[53],改進的MM5 (Mesoscale Model 5)Monin-Obukhov近地面層方案[54], Noah陸面過程方案[55],單層城市冠層(UCM)耦合方案[38], RRTM (Rapid Radiative Transfer Model)長波輻射方案[56], Dudhia短波輻射方案[57].模式最外層(區域1)采用了Kain-Fritsch (new Eta)積云參數化方案[58],內層沒有采用積云參數化方案.

表2 模擬試驗主要參數設置

2 結果與分析

2.1 模式模擬結果與觀測數據的對比

圖3為2017年8月杭州站、蕭山站、余杭站和富陽站觀測和模擬(試驗Geo_17,見1.3節)得到的2m高度逐小時平均氣溫變化時間序列.對比結果表明,WRF/UCM模式的模擬結果與觀測數據具有良好的相符性.模式能夠較好地模擬出氣溫的日變化特征,以及月際氣溫的整體變化趨勢.

圖4顯示了2017年8月杭州主城區的氣象站[56個站點,見1.2節(3)]觀測和模式模擬(試驗Geo_ 17)得到的2m高度平均氣溫的空間分布情況.對比結果表明,不論是對于8月份的全時段平均、日間或夜間平均,WRF/UCM模式均能夠較好地模擬出氣溫的空間分布情況.

2.2 2010～2017年杭州地區城市化進程對城市熱環境的影響

杭州地區在2010～2017年的城市化進程中,在圖2(a, c)所示的區域,城區面積擴大了約1倍(見1.3節).對比模擬得到的2010年和2017年8月2m高度平均氣溫的分布圖[圖5和圖6中的(a, b, c)與(d, e, f)],可以發現,在相同的大氣背景場條件下[2017年8月GFS資料,見1.2節(1)],杭州地區在2010～2017年間的城市化進程造成了模擬區域8月平均氣溫的明顯升高.

圖4 2017年8月區域5的氣象觀測站和模式模擬(試驗Geo_17)得到的2m高度平均氣溫分布

圖5 試驗Geo_10, Geo_17,和Ideal_urb中,區域4的8月2m高度平均氣溫分布

圖6 試驗Geo_10, Geo_17,和Ideal_urb中,區域5的8月2m高度平均氣溫分布

分析圖6所示的主城區的熱環境變化情況.該模擬區域的2m平均氣溫在試驗Geo_10中為29.6℃,在試驗Geo_17中則增加至30.0℃(增加約0.4℃)(圖6a, d).該模擬區域中,2m平均氣溫高于30℃的區域面積由235.6km2(試驗Geo_10)擴大至468.3km2(試驗Geo_17),增加了99%(圖6a, d).并且,與試驗Geo_10相比,試驗Geo_17中,該模擬區域日間(07:00～18:00)的2m平均氣溫從31.6℃增加至31.9℃(增加約0.3℃)(圖6b, e),夜間(19:00～次日06:00)的2m平均氣溫從27.6℃增加至28.1℃(增加約0.5℃)(圖6c, f).因此,不論是對于8月份的全時段平均、日間或夜間平均,2010～2017年間的城市化進程均使模擬區域的2m平均氣溫明顯升高,高溫區域明顯擴大,且夜間的增溫趨勢強于日間.

分析2010～2017年杭州地區城市化進程對熱島強度的影響.將遠離城市的農田地區2m平均氣溫作為郊區氣溫,將模擬區域內2m氣溫與郊區氣溫的差值定義為熱島強度(Ht).目前,根據氣溫定義的熱島強度還沒有統一的分級標準,參考相關文獻,將熱島強度分為無、弱、中等、強、極強五個級別(表3)[59-60].根據以上標準,計算得到圖7(a～f)所示的試驗Geo_ 10和Geo_17模擬區域8月平均熱島強度分布.

圖7(a, d)表明,在試驗Geo_10和Geo_17中,杭州部分中心城區的8月平均熱島強度等級為”弱(0.5

2.3 高度城市化對杭州地區城市熱環境的潛在影響

在理想化試驗Ideal_urb中,在圖2(c, e)所示的區域,杭州地區的城區面積在2017年的基礎上擴大了約2倍(見1.3節).對比模擬得到的2017年和高度城市化后8月2m平均氣溫的分布圖[圖5和圖6中的(d, e, f)與(g, h, i)],可以發現,在相同的大氣背景場條件下[2017年8月GFS資料,見1.2節(1)],杭州地區理想化的高度城市化將造成模擬區域8月平均氣溫的明顯升高.

圖6表明,該模擬區域的2m平均氣溫在試驗Geo_17中為30.0℃,在試驗Ideal_urb中則增加至30.6℃(增加約0.6℃)(圖6d, g).該模擬區域中,2m平均氣溫高于30℃的區域面積由468.3km2(試驗Geo_17)擴大至661.1km2(試驗Ideal_urb),增加了約41%(圖6d, g).并且,與試驗Geo_17相比,試驗Ideal_urb中,該模擬區域日間(07:00～18:00)的2m平均氣溫從31.9℃增加至32.3℃(增加約0.4℃)(圖6e, h),而夜間(19:00～次日06:00)的2m平均氣溫從28.1℃增加至29.0℃(增加約0.9℃)(圖6f, i).因此,不論是對于8月份的全時段平均、日間或夜間平均,該理想化的高度城市化均可能使模擬區域的2m平均氣溫明顯升高,高溫區域明顯擴大,且夜間的增溫趨勢強于日間.

表3 城市熱島強度分級標準

根據熱島強度及其分級標準(表3),計算得到圖7(d～i)所示的試驗Geo_17和Ideal_urb模擬區域8月平均熱島強度分布.在圖7所示的區域,與試驗Geo_17相比,試驗Ideal_urb中城區面積擴大了約208%,而模擬區域中平均熱島強度等級高于”無”的區域面積由1225.4km2擴大至3145.0km2,擴大了157%,且有1846.4km2的中心城區熱島強度等級由”弱”或”無”提升為”中等”(圖7d, g).因此,城區面積擴大約2倍對杭州地區熱島強度的影響,不僅體現在城區擴大導致的熱島區域范圍擴大,還體現在中心城區熱島強度等級的提升.另外,與試驗Geo_17相比,試驗Ideal_urb中,該模擬區域日間(07:00～18:00)平均熱島強度等級高于”弱”的區域面積增加了1613.8km2(1156.0～2769.8km2),而夜間(19:00～次日06:00)平均熱島強度等級高于”弱”的區域面積增加了2026.4km2(1634.4～3660.8km2).因此,城區面積擴大約2倍的高度城市化使模擬區域8月日間和夜間的熱島區域均明顯擴大,熱島強度明顯增強,且夜間的增強趨勢強于日間.

圖7 試驗(a, b, c)Geo_10,(d, e, f)Geo_17,和(g, h, i)Ideal_urb中,區域4的8月平均熱島強度分布

2.4 城市化對杭州地區城市熱環境的影響機制

圖中所示均為8月區域4的平均值,正值代表能源,負值代表能匯

地表能量平衡的分析可探究城市熱環境的形成機制(圖8).試驗Geo_17中,在圖2(c)所示區域中的城區地表,日間主要的能量來源為太陽短波輻射,平均值在午間12:00為最大,達0.67kW/m2;感熱和土壤熱通量則為主要的能匯,最大值分別為-0.29kW/m2和-0.27kW/m2.日間的土壤熱通量基本與短波輻射吸收同步變化,感熱通量則相對滯后.在夜間,土壤熱通量成為主要的能量來源.凈長波輻射通量在一天之中均表現為能匯,平均值在午間12:00最大,為0.092kW/m2.

圖8顯示,在試驗Geo_17中,對城區和郊區地表能量平衡差異影響最大的是日間的潛熱通量,平均差值在午間12:00為最大,達0.31kW/m2.這是由于相較于郊區,城區下墊面缺少植被,水汽蒸騰作用較小,因此城區日間潛熱釋放較少.在夜間,相較于郊區,城區的土壤熱源和感熱釋放較多,表明城區下墊面使土壤保留了更多的熱量,并以感熱形式向大氣釋放,維持城區夜間的熱島效應.在試驗Ideal_urb中,城區和郊區地表能量平衡的差異與試驗Geo_17相似,且潛熱通量在城區和郊區表現出更大差異,最大差值達0.33kW/m2(圖8).另外,城區比郊區在日間吸收更多的短波輻射,這是由于城區與郊區相比,下墊面的地表反射率較小,有利于吸收更多的熱量,且該特征在試驗Ideal_urb中比Geo_17中更明顯,導致試驗Ideal_urb中熱島強度更強.

3 討論

本研究利用WRF/UCM模式,進行一系列敏感性模擬試驗,量化研究城市化進程對杭州城市熱環境的影響.

研究結果表明,杭州地區在2010～2017年間的城市化進程中,城區面積約增加了1倍.城區面積增加約1倍對杭州地區城市熱環境的影響,主要體現在城區擴大導致的熱島區域范圍擴大,但中心城區熱島強度等級并沒有明顯的提升.這可能可以歸功于在這7年間,杭州的城市規劃對綠地系統的設置給予了充分考慮,因此在杭州的快速城市化進程中,仍保持中心城區熱島強度等級沒有明顯提升.杭州地區理想化的高度城市化進程中,城區面積在2017年基礎上增加了約2倍.城區面積擴大約2倍對杭州地區城市熱環境的影響,不僅體現在城區擴大導致的熱島區域范圍擴大,還體現在中心城區熱島強度等級的提升.

若未來的城市化進程進一步加快并向高度城市化的方向發展,則中心城區的熱島強度將可能有較大提升,增加極端高溫災害發生的可能性,影響城市生態系統.建議在未來的城市規劃方案制定過程中,對生態綠地系統、通風廊道等的設置給予足夠的重視,盡量減少城市化對城市熱環境和城市生態系統造成的不利影響.另外,模擬結果表明,城市化進程導致的杭州主城區的升溫、熱島區域范圍的擴大或熱島強度的增強趨勢,在夜間都比日間更為明顯.這一方面是由于城區建筑材料等熱力性質(如熱容量、熱傳導率等)與郊區有很大差異[61],使城區下墊面土壤保留更多能量,在夜間以感熱形式持續向大氣釋放;另一方面是由于相比日間,夜間的大氣層結更為穩定,熱量的擴散較弱,而城市化進程則進一步減弱了夜間的風場,阻止了夜間城區熱量的擴散[27].

除了城市化進程,還有許多因素會對城市熱環境產生影響,如水體、地形、城區建筑結構等等[62-63].在下一步的研究中,可以對更多不同城市熱環境的影響因子進行研究和比較,分析對比不同影響因子的重要性.不同的城市下墊面(如工業/居民用地等)的熱力性質差異也可能對城市熱環境產生重要影響[64-65].在下一步的研究中,可以利用模式進行敏感性模擬試驗,探究不同城市土地利用類型對城市熱環境的潛在影響.另外,本研究選取了夏季作為氣候背景場,以分析城市化進程對夏季高溫災害風險的重要影響.在下一步的研究中,可以選取不同季節的背景場進行敏感性模擬試驗,比較在不同氣候背景場條件下,城市化進程對城市熱環境的影響.

本研究利用中尺度天氣模式,對城市熱環境變化進行精細化模擬,量化分析了城市化進程對城市熱環境的潛在重要影響.為了更好地理解影響城市熱環境的重要機制,還需要進一步相關的外場觀測及數值模式模擬研究等,這對更好地預測未來城市熱環境變化、區域極端高溫災害等具有重要意義,并為人類活動與城市氣候系統相互作用機制的研究與應用提供理論依據.

4 結論

4.1 杭州地區在2010～2017年間的城市化進程中,城區面積約增加了1倍,導致杭州主城區8月平均氣溫明顯升高,高溫區域明顯擴大,但中心城區熱島強度等級并沒有明顯的提升.例如,這7年間的城市化進程使杭州主城區(圖6)的2m平均氣溫增加了0.4℃,2m平均氣溫高于30℃的區域面積增加了99%,熱島強度高于”無”的區域擴大了91%,但中心城區熱島強度仍基本保持在”弱”的等級.

4.2 杭州城區面積在2017年基礎上增加約2倍時,杭州主城區8月平均氣溫的明顯升高,高溫區域明顯擴大,且熱島強度增強.如,高度城市化可使杭州主城區(圖6)的2m平均氣溫增加0.6℃,2m平均氣溫高于30℃的區域面積增加192.8km2,熱島強度高于”無”的區域擴大157%,且有1846.4km2的中心城區熱島強度等級由”弱”或”無”提升為”中等”.對比城區面積擴大1倍和2倍的模擬結果顯示,城區和熱島區域面積的擴大不是等比例的.

4.3 城市化對杭州地區熱環境的影響,主要歸因于城區下墊面缺少植被,水汽蒸騰作用較小,因此潛熱釋放較少;且城區下墊面地表反射率較小,吸收了更多太陽短波輻射.城區和郊區的能量平衡差異在夜間更為顯著,因此城市化進程導致的杭州主城區的升溫、熱島區域范圍的擴大或熱島強度的增強趨勢,在夜間都比日間更為明顯.

[1] Martine G, Deligiorgis D, Fuersich C, et al. State of the world population 2007: Unleashing the potential of urban growth [M]. New York: United Nations Population Fund, 2007.

[2] 雷金睿,陳宗鑄,吳庭天,等.1989～2015年海口城市熱環境與景觀格局的時空演變及其相互關系 [J]. 中國環境科學, 2019,39(4):1734- 1743.

Lei J R, Chen Z Z, Wu T T, et al. Spatio-temporal evolution and interrelationship between thermal environment and landscape patterns of Haikou City, 1989～2015 [J]. China Environmental Science, 2019, 39(4):1734-1743.

[3] Oke T R. Boundary layer climates [M]. London and New York: Routledge, 1987.

[4] Manley G. On the frequency of snowfall in metropolitan England [J]. Quarterly Journal of the Royal Meteorological Society, 1958,84(359): 70-72.

[5] 侯春華,李富平,谷海紅,等.礦業密集區地表熱環境時空異質性驅動機理 [J]. 中國環境科學, 2021,41(2):872-882.

Hou C H, Li F P, Gu H H, et al. The spatiotemporal heterogeneity and driving forces of surfacial thermal environment over an intensive mining region [J]. China Environmental Sciences, 2021,41(2):872- 882.

[6] 潘明慧,蘭思仁,朱里瑩,等.景觀格局類型對熱島效應的影響——以福州市中心城區為例 [J]. 中國環境科學, 2020,40(6):2635-2646.

Pan M H, Lan S R, Zhu L Y, et al. Influence of landscape pattern types on heat island effect over central Fuzhou City [J]. China Environmental Science, 2020,40(6):2635-2646.

[7] Fang X Y, Jiang W M, Miao S G, et al. The multi-scale numerical modeling system for research on the relationship between urban planning and meteorological environment [J]. Advances in Atmospheric Sciences, 2004,21(1):103-112.

[8] Ren G Y, Zhou Y Q. Urbanization effect on trends of extreme temperature indices of national stations over mainland China, 1961～2008 [J]. Journal of Climate, 2014,27(6):2340-2360.

[9] Ren G, Li J, Ren Y Y, et al. An integrated procedure to determine a reference station network for evaluating and adjusting urban bias in surface air temperature data [J]. Journal of Applied Meteorology and Climatology, 2015,54(6):1248-1266.

[10] Mahmoud S H, Gan T Y. Long-term impact of rapid urbanization on urban climate and human thermal comfort in hot-arid environment [J]. Building and Environment, 2018,142:83-100.

[11] 陳伯民,曾智華.上海"0185"特大暴雨過程中"城市熱島"的作用 [R]. 北京:中國氣象學會, 2003.

Chen B M, Zeng Z H. Effects of "urban heat island" on Shanghai "0185" torrential rainstorm [R]. Beijing: Chinese Meteorological Society, 2003.

[12] Chen X, Jeong S J. Shifting the urban heat island clock in a megacity: a case study of Hong Kong [J]. Environmental Research Letters, 2018,13(1):14014.

[13] Liao W L, Liu X P, Li D, et al. Stronger contributions of urbanization to heat wave trends in wet climates [J]. Geophysical Research Letters, 2018,45(20):11310-11317.

[14] Guan H D, Vinodkumar, Clay R, et al. Temporal and spatial patterns of air temperature in a coastal city with a slope base setting [J]. Journal of Geophysical Research-Atmospheres, 2016,121(10):5336-5355.

[15] Peng S J, Feng Z L, Liao H X, et al. Spatial-temporal pattern of, and driving forces for, urban heat island in China [J]. Ecological Indicators, 2019,96(1):127-132.

[16] Zhang Y, Jiang P, Zhang H Y, et al. Study on urban heat island intensity level identification based on an improved restricted Boltzmann machine [J]. International Journal of Environmental Research and Public Health, 2018,15(2):186.

[17] Silva J S, Da Silva R M, Guimaraes Santos C A. Spatiotemporal impact of land use/land cover changes on urban heat islands: A case study of Paco do Lumiar, Brazil [J]. Building and Environment, 2018,136:279-292.

[18] Lin Y, Jim C Y, Deng J S, et al. Urbanization effect on spatiotemporal thermal patterns and changes in Hangzhou (China) [J]. Building and Environment, 2018,145:166-176.

[19] Yao R, Wang L, Huang X, et al. Interannual variations in surface urban heat island intensity and associated drivers in China [J]. Journal of Environmental Management, 2018,222:86-94.

[20] Wang J, Huang B, Fu D J, et al. Response of urban heat island to future urban expansion over the Beijing-Tianjin-Hebei metropolitan area [J]. Applied Geography, 2016,70:26-36.

[21] 趙安周,裴 韜,曹 森,等.京津冀城市擴張對植被和地表城市熱島的影響 [J]. 中國環境科學, 2020,40(4):1825-1833.

Zhao A Z, Pei T, Cao S, et al. Impacts of urbanization on vegetation growth and surface urban heat island intensity in the Beijing-Tianjin- Hebei [J]. China Environmental Science, 2020,40(4):1825-1833.

[22] Gallo K, Hale R, Tarpley D, et al. Evaluation of the relationship between air and land surface temperature under clear- and cloudy-sky conditions [J]. Journal of Applied Meteorology and Climatology, 2011, 50(3):767-775.

[23] 錢敏蕾,徐藝揚,李 響,等.上海市城市化進程中熱環境響應的空間評價 [J]. 中國環境科學, 2015,35(2):624-633.

Qian M L, Xu Y Y, Li X, et al. An assessment of spatial thermal environmental response to rapid urbanization of Shanghai [J]. China Environmental Science, 2015,35(2):624-633.

[24] Jiang L, Lu L X, Jiang L M, et al. Impact of a detailed urban parameterization on modeling the Urban Heat Island in Beijing using TEB-RAMS [J]. Advances in Meteorology, 2014,2014:602528.

[25] Morris K I, Salleh S A, Chan A, et al. Computational study of urban heat island of Putrajaya, Malaysia [J]. Sustainable Cities and Society, 2015,19:359-372.

[26] Morris K I, Chan A, Morris K J K, et al. Urbanisation and urban climate of a tropical conurbation, Klang Valley, Malaysia [J]. Urban Climate, 2016,19:54-71.

[27] Grossman-Clarke S, Zehnder J A, Loridan T, et al. Contribution of land use changes to near-surface air temperatures during recent summer extreme heat events in the Phoenix Metropolitan area [J]. Journal of Applied Meteorology and Climatology, 2010,49(8):1649- 1664.

[28] 鄭祚芳,高 華,王在文,等.城市化對北京夏季極端高溫影響的數值研究 [J]. 生態環境學報, 2012,21(10):1689-1694.

Zheng Z F, Gao H, Wang Z W, et al. Numerical simulation for the urbanization effects on a heat wave event around Beijing city [J]. Ecology and Environmental Sciences, 2012,21(10):1689-1694.

[29] Tse J W P, Yeung P S, Fung J C, et al. Investigation of the meteorological effects of urbanization in recent decades: A case study of major cities in Pearl River Delta [J]. Urban Climate, 2018,26:174- 187.

[30] 吳 佳,高學杰,張冬峰,等.三峽水庫氣候效應及2006年夏季川渝高溫干旱事件的區域氣候模擬 [J]. 熱帶氣象學報, 2011,27(1):44-52.

Wu J, Gao X J, Zhang D F, et al. Regional climate model simulation of the climate effects of the Three Gorge reservoir with specific application to the summer 2006drought over the Sichuan-Chongqing area [J]. Journal of Tropical Meteorology, 2011,27(1):44-52.

[31] 房小怡,王曉云,杜吳鵬,等.我國城市規劃中氣候信息應用回顧與展望 [J]. 地球科學進展, 2015,30(4):445-455.

Fang X Y, Wang X Y, Du W P, et al. The application of climate information in urban planning in China: Retrospect and future prospect [J]. Advances in Earth Science, 2015,30(4):445-455.

[32] 于玲玲,潘蔚娟,肖志祥,等.人為熱對廣州高溫天氣影響的數值模擬個例分析 [J]. 中國環境科學, 2020,40(9):3721-3730.

Yu L L, Pan W J, Xiao Z X, et al. Case studies of impacts of anthropogenic heat emissions on heat wave events in Guangzhou [J]. China Environmental Science, 2020,40(9):3721-3730.

[33] Wei Y H D. Restructuring for growth in urban China: Transitional institutions, urban development, and spatial transformation [J]. Habitat International, 2012,36(3):396-405.

[34] Shen T, Chow D H C, Darkwa J. Simulating the influence of microclimatic design on mitigating the urban heat island effect in the Hangzhou Metropolitan Area of China [J]. International Journal of Low-Carbon Technologies, 2016,11(1):130-139.

[35] Skamarock W C, Klemp J B, Dudhia J, et al. A Description of the Advanced Research WRF Version 3 [R]. Boulder, Colorado, USA: National Center for Atmospheric Research, Mesoscale and Microscale Meteorology Division, 2008.

[36] Kusaka H, Kondo H, Kikegawa Y, et al. A simple single-layer urban canopy model for atmospheric models: comparison with multi-layer and slab models [J]. Boundary-Layer Meteorology, 2001,101(3):329- 358.

[37] Kusaka H, Kimura F. Thermal effects of urban canyon structure on the nocturnal heat island: numerical experiment using a mesoscale model coupled with an urban canopy model [J]. Journal of Applied Meteorology, 2004,121(9):4487-4498.

[38] Kusaka H, Chen F, Bao J W, et al. Simulation of the urban heat island effects over the Greater Houston Area with the high resolution WRF/LSM/Urban coupled system [R]. Seattle, WA, 2004.

[39] Inoue E. On the turbulent structure of airflow within crop canopies [J]. Journal of the Meteorological Society of Japan, 1963,41:317-326.

[40] Liu Y B, Chen F, Warner T, et al. Verification of a mesoscale data- assimilation and forecasting system for the Oklahoma City area during the joint urban 2003 field project [J]. Journal of Applied Meteorology and Climatology, 2006,45(7):912-929.

[41] Wang M N, Zhang X Z, Yan X D. Modeling the climatic effects of urbanization in the Beijing-Tianjin-Hebei metropolitan area [J]. Theoretical and Applied Climatology, 2013,113(3/4):377-385.

[42] Wang M N, Yan X D, Liu J Y, et al. The contribution of urbanization to recent extreme heat events and a potential mitigation strategy in the Beijing-Tianjin-Hebei metropolitan area [J]. Theoretical and Applied Climatology, 2013,114(3/4):407-416.

[43] Yang B, Zhang Y C, Qian Y. Simulation of urban climate with high-resolution WRF model: A case study in Nanjing, China [J]. Asia-Pacific Journal of Atmospheric Sciences, 2012,48(3):227-241.

[44] Morris K I, Chan A, Morris K J K, et al. Impact of urbanization level on the interactions of urban area, the urban climate, and human thermal comfort [J]. Applied Geography, 2017,79:50-72.

[45] 蒙偉光,張艷霞,李江南,等. WRF/UCM在廣州高溫天氣及城市熱島模擬研究中的應用 [J]. 熱帶氣象學報, 2010,26(3):273-282.

Meng W G, Zhang Y X, Li J N, et al. Application of WRF/UCM in the simulation of a heat wave event and urban heat island around Guangzhou city [J]. Journal of Tropical Meteorology, 2010,26(3):273- 282.

[46] Lee S H, Kim S W, Angevine W M, et al. Evaluation of urban surface parameterizations in the WRF model using measurements during the Texas Air Quality Study 2006 field campaign [J]. Atmospheric Chemistry and Physics, 2011,11(5):2127-2143.

[47] Ooi M C G, Chan A, Ashfold M J, et al. Numerical study on effect of urban heating on local climate during calm inter-monsoon period in greater Kuala Lumpur, Malaysia [J]. Urban Climate, 2017,20:228- 250.

[48] GFS-ANL. Global forecast system analysis datasets [EB/OL]. https://www.ncdc.noaa.gov/data-access/model-data/model-datasets/global-forcast-system-gfs. 2017 [2018-11].

[49] Wang W, Bruyère C, Duda M, et al. WRF ARW version 3 modeling system user's guide [EB/OL]. MMM, NCAR, 2015:428.

[50] NASA. NASA shuttle radar topography mission 3 arc second [EB/OL]. https://dds.cr.usgs.gov/srtm/version2_1/Documentation/SRTM_Topo. pdf. 2013 [2018-11].

[51] MODIS. MODIS/terra+aqua land cover type yearly L3 global 500m SIN grid V006 [EB/OL]. https://search.earthdata.nasa.gov/. 2017 [2018-10].

[52] Hong S, Lim J J. The WRF single-moment 6-class microphysics scheme (WSM6) [J]. Asia-Pacific Journal of Atmospheric Sciences, 2006,42(2):129-151.

[53] Hong S Y, Noh Y, Dudhia J. A new vertical diffusion package with an explicit treatment of entrainment processes [J]. Monthly Weather Review, 2006,134(9):2318-2341.

[54] Jimenez P A, Dudhia J, Gonzalez-Rouco J F, et al. A revised scheme for the WRF surface layer formulation [J]. Monthly Weather Review, 2012,140(3):898-918.

[55] Ek M B, Mitchell K E, Lin Y, et al. Implementation of Noah land surface model advances in the National Centers for Environmental Prediction operational mesoscale Eta model [J]. Journal of Geophysical Research-Atmospheres, 2003,108(D22):8851.

[56] Mlawer E J, Taubman S J, Brown P D, et al. Radiative transfer for inhomogeneous atmospheres: RRTM, a validated correlated-k model for the longwave [J]. Journal of Geophysical Research-Atmospheres, 1997,102(D14):16663-16682.

[57] Dudhia J. Numerical study of convection observed during the winter monsoon experiment using a mesoscale two-dimensional model [J]. Journal of the Atmospheric Sciences, 1989,46(20):3077-3107.

[58] Kain J S. The Kain-Fritsch convective parameterization: An update [J]. Journal of Applied Meteorology, 2004,43(1):170-181.

[59] 廣東省氣候中心.氣候可行性論證技術指南系列之城市熱島效應評估技術指南 [Z]. 2014.

Guangdong Climate Center. Technical guideline on climate feasibility justification - Technical guideline for the evaluation of Urban Heat Island Effect [Z]. 2014.

[60] DB21/T 2016-2012 城市熱島強度等級 [S].

DB21/T 2016-2012 Urban heat island intensity levels [S].

[61] Oke T R. The energetic basis of the urban heat island [J]. Quarterly Journal of the Royal Meteorological Society, 1982,108:1-24.

[62] 任 俠,王詠薇,張 圳,等.太湖對周邊城市熱環境影響的模擬 [J]. 氣象學報, 2017,75(4):645-660.

Ren X, Wang Y W, Zhang Z, et al. Simulation studies for Lake Taihu effect on surrounding cities thermal environment [J]. Acta Meteorologica Sinica, 2017,75(4):645-660.

[63] 郝曉龍,王詠薇,胡 凝,等.太陽能光伏屋頂對城市熱環境及能源供需影響的模擬 [J]. 氣象學報, 2020,78(2):301-316.

Hao X L, Wang Y W, Hu N, et al. Simulation of the influence of solar photovoltaic roof on urban thermal environment and energy supply and demand [J]. Acta Meteorologica Sinica, 2020,78(2):301-316.

[64] 常 蓉.晉城市城區土地利用與地表溫度的相關性研究[D]. 晉中:山西農業大學, 2016.

Chang R. Research on the relationship between land use and land surface temperature in Jincheng District Area [D]. Jinzhong: Shanxi Agricultural University, 2016.

[65] 費鮮蕓,陳海燕,顧晶晶,等.土地利用類型及其單元綠地率與城市熱島效應相關性研究 [J]. 林業資源管理, 2015,(6):117-122.

Fei X Y, Chen H Y, Gu J J, et al. The relationship between urban heat island and land use type and its unit greening rate [J]. Forest Resources Management [J]. 2015,(6):117-122.

浙江省網絡中心的滕舟高級工程師、浙江省氣象局觀測與網絡處的袁圣和杭州市氣象信息中心的楊軍高級工程師為本研究提供了數據支持,浙江大學地球科學學院的曹龍教授為本文的英文摘要、表題、圖題等提供了指導與潤色,在此對以上專家提供的幫助與技術支持表示誠摯的感謝.

Simulated effect of urbanization on urban thermal environment in Hangzhou.

ZHANG Han, ZHANG Xiao-wei, FAN Gao-feng*

(Zhejiang Province Climate Center, Hangzhou 310017, China)., 2021,41(9)：4107～4119

We conducted high-resolution model simulations in urban areas, to investigate the important effects of urbanization on urban thermal environment. The WRF/UCM model was used to quantify the effect of past urbanization on urban thermal environment at monthly timescale for Hangzhou city, Zhejiang province, China. We also conducted sensitivity simulations to investigate the potential effects of urbanization on urban thermal environment under an idealized scenario in which urban area is tripled. In these simulations, different land use/land cover classification data were used. Simulation results show that urbanization during 2010～2017 doubles urban area at Hangzhou, leading to a 91% increase in the area with urban heat island (UHI) intensity levels stronger than “none” (Ht>0.5℃), and a rise of 0.4℃ in 2-m air temperature in the main urban area in August. If urban area is tripled from year 2017 level, the area that UHI intensity levels stronger than “none” would increase by 157%, and for 1846.4km2of the central urban area, UHI intensity levels could be elevated from “weak” or “none” (Ht￡1.5℃) to “medium” (1.5

urbanization；urban climatology；urban heat island；numerical modeling

X16

A

1000-6923(2021)09-4107-13

張 含(1992-),女,浙江衢州人,工程師,博士,主要從事生態環境和氣候變化研究.發表論文10篇.

2021-02-15

浙江省科技計劃項目(2017C33072);浙江省基礎公益研究計劃(LGF18D050001,LQ20D050003);浙江省氣象科技計劃項目(2020YB04和2019ZD07);國家自然科學基金項目(42005027)

* 責任作者, 正高級工程師, fangaofengcn@163.com