中国气象学会主办。
文章信息
- 王咏薇, 伍见军, 杜钦, 高阳华. 2013.
- WANG Yongwei, WU Jianjun, DU Qin, GAO Yanghua. 2013.
- 不同城市冠层参数化方案对重庆高密度建筑物环境的数值模拟研究
- Numerical study of the Chongqing high-density buildings environment by the WRF with the different urban canopy schemes
- 气象学报, 71(6): 1130-1145
- Acta Meteorologica Sinica, 71(6): 1130-1145.
- http://dx.doi.org/10.11676/qxxb2013.086
-
文章历史
- 收稿日期:2012-12-07
- 改回日期:2013-06-24
2. 民航重庆空管分局, 重庆, 401120;
3. 南京信息工程大学大气环境中心, 南京, 210044
2. Chongqing Air Traffic Management Sub-bureaus, Chongqing 401120, China;
3. Center on Atmospheric Environment, Nanjing University of Information Science and Technology, Nanjing 210044, China
中尺度气象模式与城市冠层参数化方案的结合运用,是深入探究城市气象的微物理过程的有效手段。为了更好地应对气候环境变化带来的影响,在相应尺度的气象模式中确立合理的城市冠层方案,针对某一特定城市确立合理可靠的冠层外形参数,以最终建立比较完善、科学、合理的气象模式,是当前亟需解决的科学问题(Grimmond et al,2010,2011)。
近年来,城市冠层方案的发展有了长足的进展,目前较为成熟的方案包括单层冠层方案(Masson 2000; Kusaka et al,2001; Kanda et al,2005; Aoyagi et al,2011)、多层冠层方案(Martilli et al,2002; Dupont et al,2004; Kondo et al,2005; 王咏薇等,2008,2009)。这些研究大多基于理想均匀的建筑物形态假设。当前急待解决的科学问题是方案中城市地表非均匀性的合理表达。Lee等(2008)以及Lee(2011)增加了城市冠层中植被组分参与地-气交换。Martilli(2009)尝试采用两种不同的方法将真实建筑物外形参数引入参数化方案中。Salamanca等(2009,2010)建立了新的建筑物室内外能量交换模型,代替方案中建筑物内壁恒温的计算方法。Ikeda等(2010)试图简化复杂的多层冠层方案,对方案中墙壁的热通量分层计算与否以及墙面的方位是否分开计算进行了敏感性试验对比。Lindberg等(2011)考虑了复杂植被及建筑物形态对辐射过程的影响。Yaghoobian等(2012)针对如何引入室内外热量交换计算提出了不同的方案。Schubert等(2012)基于Martilli等(2002)方案引入了双街渠对辐射平衡的影响。
同时冠层方案的可靠性评估正在积极开展。Grimmond等(2010,2011)发起了冠层模式比较计划,对33个城市冠层离线方案的基本特征进行分类,采用加拿大工业城市温哥华包含有净辐射量、感热辐射量、潜热辐射量和城市热储存量的观测数据进行冠层方案性能的总体评估。Hamdi等(2007)运用BUBBLE及ESCOMPTE外场观测实验中两个中纬度欧洲城市站点的观测数据对Martilli等(2002)多层城市冠层方案的模拟性能进行了验证。Chen等(2011)针对两种多层冠层方案做了分析,重点对比了空调系统的启动与否及启动时间长短对冠层内的热通量和冠层温度的影响。Lee等(2011)运用德克萨斯外场观测的数据评估了WRF模式中城市冠层参数化方案对城市边界层的模拟性能。Hamdi等(2012)将单层城市冠层方案耦合进入数值天气预报模式并进行了验证评估。这些方案的评估工作表明,城市冠层方案在欧美城市的气象环境模拟中表现良好,但是,针对中国高密度建筑物的城市环境展开方案评估的研究并不多见。
输入参数如何准确确定是冠层方案研究中另一个非常关键的问题。冠层方案中参数众多,包括建筑物形态参数、冠层表面气象参量、表征建筑物材质热力属性的参数等。目前,冠层模式中气象参数很难直接测量确定,同时,由于测绘数据及人为活动相关信息难以准确获取,给参数的确定带来了更大的困难。Loridan等(2010)运用较先进的MOSCEM统计评估方法对WRF模式中单层冠层方案的性能及输入参数的敏感性进行了分析,结果表明该方案对屋顶材质及热力属性非常敏感。 Wang等(2011)采用蒙特卡罗方法对冠层方案中参数的不确定性及敏感性进行了分析研究。然而城市冠层方案中参数众多,目前已有的工作还远远不够。
基于以上的分析,选择中国典型的高密度建筑物城市——重庆,以2006年夏季重庆高温伏旱为背景天气,评估WRF模式中单层、多层以及增加室内外能量交换的多层冠层方案在中国高密度建筑物气象环境的适用性,并对建筑物形态参数的设置进行敏感试验。本研究旨在深入理解WRF中3种不同冠层参数化方案的计算机理,评估3种方案对城市近地层大气的模拟性能,并探讨建筑物形态参数对城市热环境模拟的敏感性。
2 WRF模式中的城市冠层参数化方案及算例2.1 3种城市冠层方案及相关参数设定
本研究采用WRF V3.2.1,目前WRF中的城市冠层参数化方案包括 Kusaka等(2001)的单层冠层方案(UCM),Martilli等(2002)的多层冠层方案(BEP)以及Salamanca等(2009,2010)的考虑室内外大气能量交换的多层冠层方案(BEP+BEM)。
(1)UCM方案
Kusaka等(2001)及Masson(2000)发展的单层方案,假设每个城市下垫面的网格内建筑物具有相同的形态,建筑物高度和宽度相同,街道对称且其长度远大于建筑物宽度。城市街区为二维,但辐射处理过程为三维,考虑了建筑物对短波辐射的阴影遮蔽效应及辐射多重反射的陷阱效应。分别在建筑物的墙面、屋顶以及路面建立能量平衡方程,求解每个面的表面温度。该方案考虑街道的不同走向和太阳高度角的日变化,可以对建筑物的东、西、南、北4个墙面分开处理。同时还考虑了人为热源的日变化。大气模式的第1层位于冠层顶部之上。根据表面温度算出每个面与相接大气间的感热通量交换,再依照每种面占一个街渠单元的面积权重得出每个街渠单元与上部大气之间总的感热通量交换。冠层内不同高度的温度、湿度和风是通过冠层顶的相关量由经验公式诊断得出的。
(2)BEP方案
Martilli等(2002)发展的多层冠层方案除了考虑建筑物对辐射及能量平衡的影响,在动力框架上,该方案在冠层内垂直方向进行分层计算处理,在每一层分别建立动量、热量和水汽预报方程。动量方程和湍能方程中加入了建筑物的拖曳力影响项,考虑建筑物对气流的拖曳及对湍能的影响。在该方案中冠层内不同层的风和温、湿度可以通过预报方程直接计算得出。
(3)BEP+BEM方案
Salamanca等(2009,2010)新方案是基于BEP方案增加了空调系统对建筑物内外能量交换的影响过程,更加合理地考虑了室内人为活动和空调能耗对室外大气的影响。该方案假设建筑物内部表面温度是室内家庭设备和人为活动能量产生和消耗量的函数,是一个随时间变化的量。同时考虑了通过窗户进入建筑物内的辐射量,通过墙面和屋顶室内外的热量交换以及空调系统的影响。即人为活动产生的潜热通量通过自然通风与外界大气进行交换,人为活动和家庭设备共同产生的感热通量通过自然通风和墙面屋顶的热扩散与外界大气进行交换,而空调系统产生的废热通量则直接进入大气。能量平衡方程计算建筑物外墙表面温度时,上述过程产生的感热通量和潜热通量分别加入能量平衡方程相应的感热和潜热项中。
2.2 算例简介近几十年来,重庆的城市化进程不断加快,建筑物多以20层左右的高层为主。与其他城市不同的是,重庆的建筑多充分利用地形,依坡而建,形成高低错落疏密有致的建筑群。受到复杂地形和城市化的综合影响,盛夏,重庆城区及周边地区极易出现高温干旱,严重影响人们正常的生活和工作。2006年盛夏,重庆出现了近50 a来最严重的高温伏旱(彭京备等,2007;何泽能等,2008;陈丽华等,2010)。至2006年8月16日,重庆28个区县最高气温超过40℃。选取的模拟时间为2006年8月13日20时—8月16日08时(北京时,下同),这3 d重庆处在高压控制之下,晴朗少云,偶有小风。
为了更加精细地得出城市热状况的特征,采用4层嵌套,水平分辨率分别为9000、3000、1000和333 m,图 1为本研究的模拟区域。最外层区域基本覆盖了青藏高原,用于捕捉天气尺度的特征,最内层涵盖了整个重庆市区及近郊,可以清晰地分辩出局地的环流特征。垂直方向分为40层,从地面至高空50 hPa。其中,2 km以下分为不等距22层(即10、25、40、50、65、75、85、 100、120、140、170、200、260、350、450、600、850、1000、1200、1500、1700和1850 m),可作为典型的城市边界层上边界。从图 1中第4层模拟区域的地形高度分布可见,重庆主城区域内山脉交错,主城区位于盆地,且两江环绕。
![]() |
图 1 WRF模拟区域以及最内层地形高度 Fig. 1 Domains for the WRF simulation and the terrain height in the simulation region |
模式中下垫面的土地利用类型可以直接影响地面反射率、发射率、粗糙度长度、热惯性等参量,因此,是控制陆面过程和边界层结构的重要参数之一。Lo等(2007)、Sertel等(2010)都充分验证了最新的精细下垫面数据对中尺度气象模式气温的模拟有明显的改善作用。由于WRF中默认的下垫面数据是美国地质勘测局在1992—1993年发布的USGS数据以及MODIS卫星遥感数据,与重庆实际下垫面有一定的差别,本研究采用重庆市气象局提供的主城区及周边地区高分辨率土地利用地理信息系统数据(333 m×333 m)作为城市的下垫面类型数据放入模式中。图 2给出了模拟试验中第4层区域的USGS、MODIS以及地理信息系统数据获取的土地利用类型。由USGS数据(图 2a)可见,红色代表的城市区域仅出现在长江嘉陵江周边一小部分,面积极小,只能代表 1992年重庆的城市规模。图中连片的农田及耕地,也与重庆周围多山的情况不符。这可能是由于USGS数据的分辨率相对于城市尺度太低,不能细致地分辨出山上的树木与耕地。近几十年来,重庆的城区面积不断扩大,模式中使用USGS数据来显示城市下垫面显然是不合适的。WRF模式自带的MODIS卫星数据(图 2b)由于其分辨率为1 km,存在每个网格中的混合像元无法精确识别的问题,且东北方向渝北地区的城区面积无法识别。图 2c为高分辨率地理信息系统数据,与重庆的用地现状能够很好吻合。
![]() |
图 2 重庆地区下垫面的土地利用类型 (a. USGS,b. MODIS,c. 地理信息系统) Fig. 2 L and surfaces category in the simulation region (a. USGS,b. MODIS,c. GIS) |
试验 | 参数化方案 | 建筑物高度 | 建筑物间距/宽度(m) | |
第一组(方案对比) | UCM | UCM(单层) | 7.5 m | 9.4/9.4 |
BEP | BEP(多层) | 20%(10 m)+60%(15 m)+20%(20 m) | 25/17 | |
BEP+BEM | BEP+BEM(多层) | 20%(10 m)+60%(15 m)+20%(20 m) | 25/17 | |
第二组(高度试验) | Height_1 | BEP+BEM(多层) | 20%(10 m)+60%(15 m)+20%(20 m) | 25/17 |
Height_2 | BEP+BEM(多层) | 20%(15 m)+60%(20 m)+20%(25 m) | 25/17 | |
Height_3 | BEP+BEM(多层) | 20%(20 m)+60%(25 m)+20%(30 m) | 25/17 | |
第三组(间距试验) | Width_1 | BEP+BEM(多层) | 20%(10 m)+60%(15 m)+20%(20 m) | 15/17 |
Width_2 | BEP+BEM(多层) | 20%(10 m)+60%(15 m)+20%(20 m) | 20/17 | |
Width_3 | BEP+BEM(多层) | 20%(10 m)+60%(15 m)+20%(20 m) | 25/17 |
所选用的其他物理过程如下:RRTM 长波辐射过程、Dudhia 短波辐射过程、 WSM5-class 微物理过程以及NOAH陆面参数化方案。由于试验的水平分辨率较高,因此,仅在嵌套最外层采用积云对流参数化方案。为了取得较好的模拟结果,避免由于其他物理方案的不同而带来的额外误差,3种冠层方案均采用Bougeault等(1989)边界层方案,通过Salamanca等(2010)的研究可知,BouLac方案对于城市冠层的模拟更好,因此,采用该边界层方案。
本研究旨在探讨WRF模式中3种冠层方案对中国高密度建筑物城市的适用性,并研究建筑物形态参数变化对城市热状况模拟的影响。进行了如下3组数值试验。第1组分别选取3种不同的冠层参数化方案,根据模式中默认的建筑物形态参数进行模拟。目前,WRF模式中冠层方案把城区分为低密度居住区、高密度居住区和工商业/交通业区3类分别进行处理,3种类型设定不同的建筑物高度和密度、街道宽度、人为下垫面所占格点面积比例以及人为热等量。当城市区域下垫面数据不够细致,无法细分为3种不同的下垫面时,冠层方案默认建筑物类型为高密度区。第2组试验假设建筑物的间距为模式默认值不变化,假设建筑物高度发生变化,设计height _1、height _2、height _3等3个算例。第3组假设建筑高度为默认值不变,而建筑物间距逐渐增大,设计width_1、width_2、width_3等3个算例。3种方案中高密度居住区的建筑物高度及间距参数设置见表 1。
3 3种城市冠层方案的对比首先,评估WRF模式中3种冠层方案对重庆高热伏旱天气的模拟性能。在第4层嵌套的模拟区域内,共有16个气象站的资料可用。其中,沙坪坝站(57516)为中国国家气象观测基本站,其他为一般加密自动站。
图 3给出了8个气象站点观测值与3种冠层方案所模拟的2 m高气温(T2)的对比情况。其中,57516、A8000、A8002、A8009、57513、A7021等6个站点在典型的城市区域。A8007站点处在水体附近,A8003站点周边多树木。表 2给出16个站点的下垫面类型、周边环境及3种冠层方案模拟值与观测值的平均偏差(BM)、均方差(ERMS)和相关系数(R)。平均偏差是指模拟值与观测值的差值在时间上的平均。负值代表模拟值低于观测值。
![]() |
图 3 3种方案8个气象站2 m高气温观测值与模拟值的对比 Fig. 3 Comparison of the observed and simulated 2 m temperatures for the 8 stations |
说明 | 下垫面类型 | 台站号 | BM(℃) | ERMS(℃) | R | ||||||
UCM | BEP | BEP+BEM | UCM | BEP | BEP+BEM | UCM | BEP | BEP+BEM | |||
城市 | 57516 | 1.4 | 1.0 | 1.0 | 1.7 | 1.5 | 1.4 | 0.952 | 1.0 | 0.979 | |
城市 | A8000 | -1.8 | -1.2 | -0.8 | 2.6 | 1.3 | 1.3 | 0.894 | 0.9 | 0.906 | |
城市 | A8001 | -2.2 | -1.8 | -1.7 | 2.3 | 1.7 | 1.6 | 0.963 | 0.9 | 0.947 | |
城市 | A8002 | -1.0 | -0.3 | -0.1 | 1.5 | 1.3 | 1.3 | 0.956 | 1.0 | 0.969 | |
城市 | A8008 | -1.1 | -0.3 | 0.1 | 2.2 | 1.3 | 1.3 | 0.915 | 0.9 | 0.941 | |
城市 | A8009 | -1.6 | -1.1 | -0.6 | 2.0 | 1.5 | 1.3 | 0.946 | 0.9 | 0.943 | |
城市 | 57511 | -0.9 | -0.8 | -0.6 | 1.8 | 1.6 | 1.5 | 0.965 | 1.0 | 0.969 | |
城市 | 57513 | -1.3 | -0.8 | -0.5 | 1.8 | 1.4 | 1.1 | 0.958 | 1.0 | 0.963 | |
城市 | A7021 | -0.9 | -0.3 | 0.4 | 1.3 | 1.1 | 1.2 | 0.965 | 1.0 | 0.954 | |
城市 | A7034 | -0.5 | -0.3 | -0.3 | 1.3 | 1.4 | 1.4 | 0.956 | 0.9 | 0.936 | |
城市平均 | -1.4 | -0.8 | -0.5 | 2.1 | 1.4 | 1.3 | 0.939 | 0.9 | 0.945 | ||
江边 | 城市 | A8007 | -1.6 | -1.0 | -0.7 | 2.2 | 2.1 | 2.1 | 0.944 | 0.9 | 0.929 |
城市 | 57518 | -1.7 | -1.4 | -1.2 | 2.5 | 2.4 | 2.3 | 0.922 | 0.9 | 0.948 | |
城市 | A7076 | -2.7 | -2.3 | -2.2 | 3.0 | 2.5 | 2.5 | 0.959 | 1.0 | 0.965 | |
非城市 | 树木 | A8003 | -1.7 | -1.6 | -1.5 | 2.3 | 2.1 | 2.0 | 0.927 | 0.9 | 0.938 |
树木 | A7075 | -2.4 | -2.3 | -2.2 | 2.7 | 2.7 | 2.5 | 0.946 | 1.0 | 0.951 | |
农田 | A8005 | -2.3 | -1.8 | -1.7 | 2.6 | 2.4 | 2.3 | 0.956 | 0.9 | 0.936 | |
总体平均 | -1.5 | -1.1 | -0.9 | 2.2 | 1.9 | 1.8 | 0.95 | 0.9 | 0.951 |
从图 3结合表 2总体来看,3种冠层方案都能比较满意地模拟出2 m高气温,误差为1—2.5℃。3个方案中,BEP+BEM方案模拟结果与观测值吻合度最高,16个站点ERMS平均值为1.8℃,而在10个典型的城市站点ERMS平均值为1.3℃。其中,UCM方案模拟的白天气温相对较低,不能较好地模拟出午后的高温。分析其原因,其一是UCM方案中设定建筑物高度统一为7.5 m,对重庆实际建筑物高度有所低估;其二,当前默认的方案人为排放的热通量小时平均最大值为50 W/m2。佟华等(2004)、何晓凤等(2007)、王志铭等(2011)的研究结果表明,北京、杭州、广州等地的人为热排放小时平均最大值超过70 W/m2,重庆的建筑物及人口均较密集,50 W/m2的设置相对较小,从而导致UCM方案模拟的近地面气温相对观测较低。
BEP和BEP+BEM两种方案的模拟结果差异较小,能够较好地和观测值吻合,ERMS大多为1—2℃。由表 2可见,BEP+BEM方案的ERMS较BEP方案略小,说明BEP+BEM方案的模拟效果更好。两种多层方案主要的区别在于BEP+BEM方案充分考虑了室内人为活动以及家庭设备产生的感热通量通过自然通风以及屋顶和墙面的热扩散与室外大气的交换,同时考虑了室内人为活动的潜热通量通过自然通风与室外大气的交换,这两部分被考虑到能量平衡方程的感热和潜热项,另外,空调系统排放的废热对室外的大气有直接加热作用。综合其影响,其模拟值会略高于BEP方案,与观测值更为接近。BEP和BEP+BEM两种方案的建筑物高度设定值较UCM方案大,模拟效果较UCM方案好,但是,模拟值仍然总体偏低。在10个典型的城市站点,BEP+BEM、BEP、UCM方案与观测值的平均偏差分别为-0.5、-0.8、-1.4℃。
通过对比分析不同站点的模拟与观测值可以发现,模拟结果与位于建筑物街区的自动站2 m高气温的吻合度最好,而对中国国家基本站的模拟值要高于观测值。主要原因在于模式模拟值表征建筑物街区中的2 m高气温,而国家基本站(57516)虽然也位于城市下垫面,但周边开阔平坦,通风性能较好,其观测值实际上表征站点附近草坪的气温,并非街区气温,因此,模拟结果高于基本站观测值。此外,由于WRF模式中并无内陆大面积水体陆面过程的计算,水体温度直接取海表面气温,与实际水体温度存在较大差异,因此,对水体附近的观测站模拟结果较差。从表 2和图 3中可以看出,水体附近的站点模拟值普遍较低。
BEP+BEM方案由于综合考虑了建筑物空调系统的能耗对大气的加热,模拟结果与2 m高气温最吻合,BEP方案次之,UCM方案最差,10个典型的城市站点其均方根误差平均值依次为1.3、1.4、2.1℃。然而由于模式中建筑物形态参数设置较低,3种方案城市站点模拟值与观测值对比,普遍偏低,平均偏差均为负值。
4 建筑物形态参数对城市热状况模拟影响的敏感试验研究模拟不同城市的热状况,冠层方案中建筑物参数应根据该城市实际建筑物形态确定,然而,由于建筑物测绘数据难以获得,当前计算过程中普遍采用默认设置的参数。建筑物高度及间距等形态参数对于热状况模拟的影响及敏感度值得进一步深入探索。
4.1 建筑物高度改变的影响设计了表 1所示的改变建筑物高度的一组试验。图 5给出建筑物高度改变时2 m高气温模拟值的差异。可见建筑物越高,白天温度越低;而夜间则越高,变化幅度在夜间更大。height_2与height_1的模拟结果差值白天为0.2℃左右,而夜间为0.3℃左右。height_3与height_1的模拟差值白天和夜间分别为0.4和0.7℃左右。在14时,这种差值区域成间歇性的点状分布,这主要是由于14时城市上空气温较高,湍流强度较强,对流作用比较明显,容易形成对流热泡上冲,造成城市区域这种间接性的气温差异。而在02时,这种差值区域成带状分布,且在城市与郊区交界的区域和江边的差值相对较小。
![]() |
图 5 建筑物不同高度模拟的2 m高气温的差异 (a. 14时height_2-height_1,b.14时height_3-height_1,c.02时height_2-height_1,d.02时height_3-height_1) Fig. 5 Difference of 2 m-temperature when the height of buildings changes (a. 14:00 BT height_2-height_1,b. 14:00 BT height_3-height_1,c. 02:00 BT height_2-height_1,d. 02:00 BT height_3-height_1) |
建筑物越高,白天温度越低,夜间则越高,且夜间的差异更明显。从热力方面来看,2 m高气温主要受到地表温度的影响,而地表温度的变化则主要由能量及辐射平衡的过程所决定。随着建筑物高度增高,相邻两栋建筑物顶部边缘的天顶角之差减小,建筑物在白天对短波辐射的遮蔽效应增强,导致白天到达地面的短波辐射减少。另外,建筑物高度增高,其总体表面积也会增大,进入冠层的短波向下的传输路径延长,由于建筑物表面对辐射的多重反射作用导致街渠陷阱效应更加明显,到达冠层底部的短波辐射就会相对减少。综合两方面对向下短波的影响,从图 4a可见,height_3与height_1地表接收到的向下短波差异在12时达到98.1 W/m2。地表接收到的向下短波辐射能量的多少直接影响地表温度,建筑物高度增高导致地表温度在白天降低,最大降低约为0.8℃。同时从能量平衡的特征可以看出,建筑物高度的增高导致白天储热增加,白天正午最大增多67.6 W/m2。白天储存的能量在夜间释放,夜间地表温度增高,日落后这些能量释放出来逐渐加热大气,导致夜间拥有高大建筑物的城市气温比拥有低矮建筑物的2 m高气温略高。
![]() |
图 4 建筑物高度改变对地面接收到的向下短波(a)和冠层储热(b)以及地表温度(c)的影响 Fig. 4 Impact on the downword shortwave radiation(a),heat storage(b) and surface temperature(c)when the height of buildings changes |
图 6分别给出建筑物高度改变时10 m高风速的差异情况。风速的变化主要受到由建筑物诱生的拖曳力的影响。在建筑物其他参数不变的情况下,建筑物高度增高后,建筑物的曳力强迫项变大,使得城市平均风速降低。图 6中试验height_2与heigth_1的10 m高风速差值约为0.3 m/s,试验height_3与heigth_1的10 m高风速差值约为0.5 m/s。14时,随着建筑物的增高,近地面气温降低,风速减小,气流的辐合程度减弱。相对于低矮建筑物,高大建筑物附近有较小风速,城市区域热量的平流作用减弱,容易造成局部升温,但同时气流有辐散减弱趋势,对升温有一定的削弱作用。综合两方面的作用,白天风场对气温的影响不明显。02时水平流场无辐合、辐散趋势,随着建筑物的增高,近地面的风速减小,有利于局部升温。
![]() |
图 6 同图 5,但为建筑物不同高度模拟的10 m高风速的差异 Fig. 6 As Fig. 5 but for the difference of 10 m-wind when the height of buildings changes |
可见,白天随着建筑物高度的增高,阴影遮蔽作用导致城市近地面气温有降低趋势,风速随建筑物高度的增高而减小,导致流场对热量的平流作用减弱,局地温度升高,但同时流场的辐散减弱不利于近地层气温的升高。综合两方面的作用,建筑物高度的变化对白天城市近地层气温的影响不明显。夜晚随着建筑物高度增高,辐射的截陷作用增强,城市近地面气温有升高的趋势,风速较小有利于局部升温,两方面共同导致夜晚升温相对较为明显。
4.2 建筑物间距改变的影响城市化进程的加剧不但表现为建筑物高度的增高,而且还表现为建筑物密度的增大,即建筑物间距减小。图 7给出建筑物间距改变时2m高气温模拟值的差异情况。由图可见,建筑物的间距越小,白天近地面气温越低,夜间则越高,且夜间变化幅度越大。在14时,试验width_2和width_1的2 m高气温模拟差值约为0.2℃,width_3和width_1的差值约为0.5℃。在02时,试验width_2的模拟值比width_1低0.4 ℃左右,而width_3比width_1低0.7℃。
![]() |
图 7 建筑物不同间距模拟的2 m气温的差异 (a. 14时width_2-width_1,b. 14时width_3-width_1,c. 02时width_2-width_1,d. 02时width_3-width_1) Fig. 7 The difference of 2 m-temperature when the interval of builds change (a. width_2-width_1 at 14:00 BT,b. width_3-width_1 at 14:00 BT,c. 02时width_2-width_1 at 02:00 BT,d. width_3-width_1 at 02:00 BT) |
建筑物的间距增大,其密度就会降低,即建筑物的高宽比就会减小。建筑物间距的增大,直接导致相邻两栋建筑物顶部边缘的天顶角之差增大,建筑物对白天短波辐射的遮蔽效应减弱,街渠陷阱效应减弱,到达地表的短波辐射也相对增多,所以,白天的地表温度相对于密度大的建筑物略高,进而导致2 m高气温略高。日落后,地表的感热通量向上,冠层内储热逐渐释放出来加热近地面大气。夜间由于高密度建筑物释放的储热比低密度建筑物多,热力湍流相对活跃,地表热通量增大,使得城市区域出现升温现象。图 8给出建筑物间距的改变对地表接收到的向下短波和冠层储热在A8009佛图关站点的影响情况。试验width_1较width_2和width_3在白天地表接收到的短波辐射少,在12时分别相差121.5和161.1 W/m2,width_2比width_3在12时偏少39.6 W/m2,这是白天试验width_1近地面气温低于试验width_2和width_3的直接原因。由冠层储热的差异来看,试验width_1较width_2和width_3在白天储存了更多的热量,夜间逐渐加热大气,使得试验width_1的地表温度较width_2和width_3在02时分别最大高出1.3和1.9℃。
![]() |
图 8 建筑物间距改变对向下短波(a)、冠层储热(b)及地表温度(c)的影响 Fig. 8 Impact on downward shortwave radiation(a),heat storage(b) and surface temperature(c)when the interval of buildings changes |
建筑物间距增大,城市冠层内的风速增大。这是因为建筑物高度不变,而间距变大导致建筑物密度减小,导致建筑物的拖曳力减小,平均风速增大。图 9a、c中width_2与width_1的10 m高风速差值约为0.5 m/s,width_3与width_1的10 m高风速差值均约为0.7 m/s。14时的风速差值比02时略大,建筑物间距越大,气流越有辐合趋势减弱。风速较大,以及较弱的辐合气流对城市区域的热量的平流输送存在正作用,使得近地面温度有降低的趋势。 02时,辐散趋势不明显,但较大风速也使得间距较大的建筑物附近温度有降低的趋势。
![]() |
图 9 同图 7,但为建筑物不同间距模拟的10 m高风速的差异 Fig. 9 As Fig. 7 but for the difference of 10 m wind when the interval of buildings changes |
建筑物间距增大后,白天冠层底部获得的短波辐射增多,夜间冠层内储存的能量减少,全天风速增大。白天,由于冠层底部接收到的短波辐射增多导致城市的近地面气温升高,同时较大风速不利于气温的升高。所以,白天的增温幅度不明显。而到了夜间,冠层内的储热较少导致气温较低,较大风速有利于热量的平流作用,所以夜间的降温幅度较白天更明显。
表 3给出建筑物高度和间距改变后,6组试验与观测值的均方根误差和平均偏差对比情况。除width_1方案外,其他方案的模拟值与观测值的均方根误差相差不大,大多数均方根误差为0.9—1.5℃。综合6组试验,近地面气温模拟值在height_2和width_2中模拟效果是最好的。采用高度为20%(15 m)+60%(20 m)+20%(25 m)(height_2),间距为20 m(width_2)的建筑物外形参数设置,其他参数如同这6组试验,进行了再一次的模拟,结果表明,模拟值与观测值的均方根误差减小至0.6℃。
台站号 | Height_1 | Height_2 | Height_3 | Width_1 | Width_2 | Width_3 | ||||||
ERMS | BM | ERMS | BM | ERMS | BM | ERMS | BM | ERMS | BM | ERMS | BM | |
57516 | 1.4 | 1.0 | 1.1 | 0.7 | 1.2 | 0.6 | 1.3 | -0.3 | 1.3 | -0.6 | 1.4 | 1.0 |
A8000 | 1.3 | -0.8 | 0.9 | -0.4 | 1.0 | 0.2 | 2.1 | 0.2 | 0.9 | -0.5 | 1.3 | -0.8 |
A8001 | 1.6 | -1.7 | 1.2 | -0.3 | 1.2 | 0.6 | 2.3 | 0.6 | 1.1 | -0.4 | 1.6 | -1.7 |
A8002 | 1.3 | -0.1 | 1.2 | -0.3 | 1.2 | 0.3 | 1.9 | 0.6 | 1.0 | -0.5 | 1.3 | -0.1 |
A8008 | 1.3 | 0.1 | 0.9 | -0.4 | 1.3 | 0.4 | 2.2 | 0.5 | 1.0 | -0.4 | 1.3 | 0.1 |
A8009 | 1.3 | -0.6 | 0.9 | -0.3 | 1.1 | -0.1 | 1.6 | 0.3 | 1.2 | -0.6 | 1.3 | -0.6 |
57511 | 1.5 | -0.6 | 1.2 | -0.3 | 1.1 | 0.4 | 1.7 | 0.4 | 1.2 | -0.4 | 1.5 | -0.6 |
57513 | 1.1 | -0.5 | 1.0 | -0.3 | 1.0 | 0.4 | 1.6 | -0.3 | 0.8 | -0.2 | 1.1 | -0.5 |
A7021 | 1.2 | -0.4 | 0.9 | -0.3 | 1.1 | 0.4 | 1.9 | 0.3 | 0.7 | -0.3 | 1.2 | -0.4 |
A7034 | 1.4 | -0.3 | 0.9 | 0.1 | 1.1 | 0.7 | 1.8 | 0.3 | 1.2 | -0.7 | 1.4 | -0.3 |
平均 | 1.3 | -0.4 | 1.0 | -0.2 | 1.1 | 0.4 | 1.8 | 0.3 | 1.0 | -0.5 | 1.3 | -0.4 |
利用中尺度模式WRF并结合精细的地理信息系统下垫面数据,以重庆2006年夏季高温伏旱的天气为背景,对比分析了WRF模式中UCM方案,BEP方案、BEP+BEM方案3种冠层方案在模拟高密度建筑物城市近地层气温的差异,并探讨了建筑物高度及间距等形态参数的变化对2 m高气温的影响及其机理。结果表明:
(1)BEP+BEM、BEP、UCM方案模拟值与观测值的均方根偏差和平均误差分别为1.3、1.4、2.1和-0.5、-0.8、-1.4℃,单层冠层方案相对较差,BEP+BEM方案最好。究其原因,单层方案相较于多层方案,建筑物低且稀疏,同时人为热量排放有低估的情况,导致单层冠层方案的模拟相对稍差。由于城市冠层方案计算出来的2 m高气温表征的是城市街渠的温度,2 m高气温模拟值与处于建筑物附近自动站的观测吻合相对较好。而国家基本站的值表征的是站点附近草坪上的气温,模拟值相对观测较高。由于WRF中Noah陆面方案中并无内陆大面积水体陆面过程的计算,水体温度直接取海表面气温,与实际水体温度存在较大差异,因此水体附近的观测站模拟结果较差。
(2)建筑物高度改变的敏感试验表明,当改变建筑物高度由默认的20%(10 m)+60%(15 m)+20%(20 m)增加为20%(15 m)+60%(20 m)+20%(25 m)时,城市站点的2 m高气温平均均方根误差由1.3℃降至1.0℃。建筑物高度增高后,白天地面接收到的短波辐射最大减少41.5 W/m2,冠层内的储热则最大增加16.4 W/m2,造成高大建筑物的近地面温度在白天有降低的趋势,夜间有升高的趋势;拥有高大建筑物的城市冠层具有较小风速,但同时气流有辐散趋势,对气温的影响不明显。而冠层内较多的储热和风场都有利于气温的升高。进一步增高到20%(20 m)+60%(25 m)+20%(30 m)时,城市站点的2 m高气温平均均方根误差又增大到1.1℃,效果变差,原因类似于建筑物间距的改变。
(3)建筑物间距参数改变的敏感试验结果表明,当改变建筑物间距由默认的25 m调整为20 m时,城市站点的2 m高气温平均均方根误差由1.3℃降至1.0℃。建筑物间距由25 m降低到20 m时,地面接收到的太阳短波辐射最大减少30.6 W/m2,冠层内的储热则最大增加14.5 W/m2,导致白天城市模拟的近地面气温有降低的趋势,而夜间有升高趋势。同时建筑物间距由25 m减小到20 m时,冠层内风速全天有0.3 m/s左右的减小,有利于局部升温。综合两方面原因,导致夜间的增温效应比白天的降温效应更明显。当进一步降低建筑物间距,建筑物间距为15 m时,模拟结果变差,城市站点的平均均方根为1.8℃。究其原因,主要是建筑物间距进一步缩小后,白天的地表温度进一步降低,而夜间进一步升高,总体偏离观测值更大。
本研究表明,对于重庆高密度建筑物的城市气象环境,BEP+BEM方案模拟效果最优,建筑物高度及间距形态参数的变化对城市2 m高气温的模拟存在较大的影响。虽然Martilli(2009)提出了将实际建筑数据引入模拟中的方法,但是由于重庆建筑物形态数据尚未获取,未对此开展研究。此外,城市冠层方案将建筑物及人为活动进行次网格尺度的均一化处理,单层方案中人为热简单地考虑日变化,当前方案设定建筑物表面材质为水泥,窗户面积占墙体面积的20%,建筑物内人口密度为100 m2/人,但是,中国很多建筑物都是反光材料,且住房内人口密度较大,在实际城市气象环境模拟过程中,这些参数如何准确地去厘定,以及参数的变化对于气象环境的敏感性等问题还需针对多个城市并且在不同天气条件下进行探讨。
陈丽华, 周率, 党建涛等. 2010. 2006年盛夏川渝地区高温干旱气候形成的物理机制研究. 气象, 36(5): 85-91 |
何晓凤, 蒋维楣, 陈燕等. 2007. 人为热源对城市边界层结构影响的数值模拟研究. 地球物理学报, 50(1): 74-82 |
何泽能, 李永华, 陈志军等. 2008. 重庆市 2006年夏季城市热岛分析. 热带气象学报, 24(5): 527-532 |
彭京备, 张庆云, 布和朝鲁. 2007. 2006年川渝地区高温干旱特征及其成因分析. 气候与环境研究, 12(3): 464-474 |
佟华, 刘辉志, 桑建国等. 2004. 城市人为热对北京热环境的影响. 气候与环境研究, 9(3): 409-421 |
王咏薇, 蒋维楣, 刘红年. 2008. 大气数值模式中城市效应参数化方案研究进展. 地球科学进展, 23(4): 371-381 |
王咏薇. 蒋维楣. 2009. 多层城市冠层模式的建立及数值试验研究. 气象学报, 67(6): 1013-1024 |
王志铭, 王雪梅. 2011. 广州人为热初步估算及敏感性分析. 气象科学, 31(4): 422-430 |
Aoyagi T, Seino N. 2011. A square prism urban canopy scheme for the NHM and its evaluation on summer conditions in the Tokyo metropolitan area, Japan. J Appl Meteor Climat, 50(7): 1476-1496 |
Bougeault P, Lacarrere P. 1989. Parameterization of orography-induced turbulence in a mesobeta-scale model. Mon Wea Rev, 117(8): 1872-1890 |
Chen F, Miao S, Tewari M, et al. 2011. A numerical study of interactions between surface forcing and sea breeze circulations and their effects on stagnation in the greater Houston area. J Geophys Res, 116(D12): D12105, doi:10.1029/2010JD015533 |
Dupont S, Otte T L, Ching J K S. 2004. Simulation of meteorological fields within and above urban and rural canopies with a mesoscale model (MM5). Bound Layer Meteor, 113(1): 111-158 |
Grimmond C S B, Blackett M, Best M J, et al. 2010. The international urban energy balance models comparison project: First results from phase 1. J Appl Meteor Climat, 49(6): 1268-1292 |
Grimmond C S B, Blackett M, Best M J, et al. 2011. Initial results from Phase 2 of the international urban energy balance model comparison. Int J Climat, 31(2): 244-272 |
Hamdi R, Schayes G. 2007. Validation of Martilli's urban boundary layer scheme with measurements from two mid-latitude European cities. Atmos Chem Phys, 7(17): 4513-4526 |
Hamdi R, Degrauwe D, Termonia P. 2012. Coupling the Town Energy Balance (TEB) scheme to an operational limited-area NWP Model: Evaluation for a highly urbanized area in Belgium. Wea Forecasting, 27(2): 323-344 |
Ikeda R, Kusaka H. 2010. Proposing the simplification of the multilayer urban canopy model: Intercomparison study of four models. J Appl Meteor Climat, 49(5): 902-919 |
Kanda M T, Kawai M, Kanega R, et al. 2005. A simple energy balance model for regular building arrays. Bound Layer Meteor, 116(3): 423-443 |
Kondo Y, Genchi Y, Kikegawa Y, et al. 2005. Development of a multi-layer urban canopy model for the analysis of energy consumption in a big city: Structure of the urban canopy model and its basic performance. Bound Layer Meteor, 116(3): 395-421 |
Kusaka H, Kondo H, KikegawaI Y, et al. 2001. A simple single-layer urban canopy model for atmospheric models: Comparison with multi-layer and slab models. Bound Layer Meteor, 101(3): 329-358 |
Lee S H, Park S U. 2008. A vegetated urban canopy model for meteorological and environmental modelling. Bound Layer Meteor, 126: 73-102 |
Lee S H. 2011. Further development of the Vegetated Urban Canopy Model including a grass-covered surface parameterization and photosynthesis effects. Bound Layer Meteor, 140(2): 315-342 |
Lee S H, Kim S W, Angevine W M, et al. 2011. Evaluation of urban surface parametrizations in the WRF model using measurements during the Texas Air Quality Study 2006 field campaign. Atmos Chem Phys, 11(5): 2127-2143 |
Lindberg F, Grimmond C S B. 2011. The influence of vegetation and building morphology on shadow patterns and mean radiant temperatures in urban areas: Model development and evaluation. Theoret Appl Climat, 105(3): 311-323 |
Lo J C F, Lau A K H, Chen F, et al. 2007. Urban modification in a mesoscale model and the effects on the local circulation in the Pearl River Delta region. J Appl Meteor Climat, 46(4): 457-476 |
Loridan T, Grimmond C S B, Grossman-Clarke S, et al. 2010. Trade-offs and responsiveness of the single-layer urban canopy parametrization in WRF: An offline evaluation using the MOSCEM optimization algorithm and field observations. Quart J Roy Meteor Soc, 136(649): 997-1019 |
Martilli A, Clappier A, Rotach M. 2002. An urban surface exchange parameterization for mesoscale models. Bound Layer Meteor, 104(2): 261-304 |
Martilli A. 2009. On the derivation of input parameters for urban canopy models from Urban morphological datasets. Bound Layer Meteor, 130: 301-306 |
Masson V. 2000. A physically based scheme for the urban energy budget in atmospheric models. Bound Layer Meteor, 94(3): 357-397 |
Salamanca F, Krpo A, Martilli A, et al. 2009. A new building energy model coupled with an urban canopy parameterization for urban climate simulations-Part Ⅰ: Formulation, verification and a sensitive analysis of the model. Theor Appl Climat, 99(3-4): 331-344 |
Salamanca F, Martilli A. 2010. A new building energy model coupled with an urban canopy parameterization for urban climate simulations-Part Ⅱ: Validation with one dimension off-line simulations. Theor Appl Climat, 99(3-4): 345-356 |
Sertel E, Robock A, Ormeci C. 2010. Impacts of land cover data quality on regional climate simulations. Int J Climat, 30(13): 1942-1953 |
Schubert S, Grossman-Clarke S, Martilli A. 2012. A double-canyon radiation scheme for multi-layer urban canopy models. Bound Layer Meteor, 145(3): 439-468 |
Wang Z H, Bou-Zeid E, Au S K, et al. 2011. Analyzing the sensitivity of WRF's single-layer urban canopy model to parameter uncertainty using advanced monte carlo simulation. J Appl Meteor Climatol, 50(9): 1795-1814 |
Yaghoobian N, Kleissl J. 2012. An indoor-outdoor building energy simulator to study urban modification effects on building energy use-model description and validation. Energy Buildings, 54: 407-417 |