快速城市化改变了原有自然下垫面的动力学和热力学特征,进而影响区域边界层的湍流发展和区域气候。城市建筑物增大了地表粗糙度,会对近地层空气流动产生摩擦作用,使城区风速减小,越靠近地面,风速减小越明显。风廓线变化带来的边界层动力结构的变化会影响近地层环流结构。城市内人工构筑物和路面所使用的混凝土、沥青等材料改变了自然下垫面的热力学属性,这些材料的比热容较小,在吸收同等热量的条件下,比自然下垫面(绿地、水面等)升温快。此外,城市内部含水量较少,潜热较小,地表热量更多地以显热形式释放,同时城市地区高能源消耗(空调、交通工具等)导致人为热大量排放,因而城市表面温度会明显高于自然下垫面[1-2]。由于城市的热力学作用,地表温度升高,城市上空温度梯度增大,气团上升,加剧空气垂向对流,更易产生降雨,因此城市具有“雨岛效应”[3-4]。夏季降雨与城市热岛效应强度之间存在正相关关系[5],且降雨量反过来也会影响城市热岛效应的强度[6]。Shem等[7]通过对美国亚特兰大地区夏季两场降雨事件的研究发现,城市热岛效应导致地表显热通量增大,使得对流活动提前发生。目前关于城市化对降雨影响的研究尽管已经有很多,但是结论尚不统一[8]。有一些研究发现城市化会使城市下风向降雨增加,例如Shepherd等[9]基于热带降雨测量任务(tropical rainfall measuring mission, TRMM)卫星观测数据发现夏季降雨量在城市下风向30~60 km范围内增强28%,在城区增强约5.6%;Shem等[7]对美国亚特兰大的研究发现, 夏季降雨在城市下风向增加了10%~13%。也有一些研究发现城市化会使城市上风向降雨增加,例如Lei等[10]在对印度孟买的极端降雨的模拟中发现, 城市化对垂向风结构有较大影响,使得孟买上风向降雨增加;Niyogi等[11]发现城市化使美国印第安纳波利斯上风向降雨增加。Bornstein等[3]指出由于建筑物的阻挡,暴雨云团的运动路径会发生“分叉”现象。关于城市化对降雨落区的影响机理,至今很少有研究能够给出合理的解释。
城市对降雨落区的影响与暴雨云团的移动路径有紧密联系。暴雨云团在到达城市边界时,由于城市的热力学作用,空气被加热,加剧垂向对流,更易产生降雨,但是这种影响究竟在云团到达城市边缘之时直接在上风向发生,还是云团推进到城区上空发生,又或者随主导风影响到下风向区域,是一个值得探索的问题。很显然,这与当地的风速风向条件有很大关系,而风场又与城市化的动力学效应密切相关。已有研究对城市热力学效应对降雨的影响的讨论已经非常充分,但是对城市动力学效应对降雨的影响关注较少。在已有研究中,具有城市冠层参数化的中尺度模型已被广泛用于研究城市边界层,研究结果表明,城市附近风速对城市冠层粗糙度很敏感[12]。Ping[13]研究了威尔玛飓风期间地表粗糙度对地面风的影响,发现较大的地表粗糙度可以通过产生更强的局部辐合来加强边界层次级环流,总体风暴强度随着飓风登陆期间地表粗糙度的增加而降低。申冲等[14]发现建筑物高度和密度增加会导致地表粗糙度增加,造成风速分别减小0.4 m/s和0.6 m/s。城市粗糙度可以表征不同的城市化建设阶段,包括城市建筑物高度、密度、城市化规模等,但已有研究更多的是探讨城市面积对降雨的影响[15-16],很少有研究探讨城市冠层粗糙度对降雨的影响。因此,以城市冠层粗糙度为切入点,研究以冠层粗糙度不同为特征的不同城市建设规模对附近边界层动力条件的影响,进而分析对暴雨云团运动和降雨落区的影响,具有创新性和重要意义。
本研究利用中尺度气象模式(weather research and forecasting model, WRF),耦合单层城市冠层模型(single-layer urban canopy model, UCM),以雄安新区为研究对象,在一次夏季大规模暴雨事件中进行不同城市冠层粗糙度敏感性模拟实验,分析城市冠层粗糙度对暴雨云团运动路径和降雨落区的影响。
1 研究区域与降雨事件雄安新区(图 1)是中国政府于2017年启动建设的国家级新区,坐落于太行山脉东侧(115.99°E,38.96°N),地形较平坦,平均海拔约10 m。该地区四季分明,夏季炎热多雨,冬季寒冷干燥。夏季来自太平洋和印度洋的充足水汽输送以及太行山脉的阻挡抬升效应使得该地区容易发生大规模暴雨。
根据规划,雄安新区将发展成为一个1 770 km2的大都市,其建成区面积相当于北京城区(http://www.xiongan.gov.cn/)。大规模的城市建设将吸引众多人口,城市发展建设带来的气象效应将影响数百万人的生活,需要格外关注。
本研究以发生在2016年7月20日的大规模暴雨事件(“7·20”暴雨事件)为案例,研究时段从2016年7月17日00:00:00至7月22日00:00:00(UTC时间,下同)。本次降雨持续超过40 h,最大降雨强度达56.8 mm/h,最大累积降雨量为454 mm。“7·20”暴雨的形成是由于北部冷涡和东亚季风系统的相互作用,低空急流加剧和源源不断的水汽输送为“7·20”暴雨提供了充足的水汽条件和动力条件[17]。冷空气的侵入增加了大气的斜压性,成为研究区域强对流的诱发因素。强副热带高压向中国内陆的延伸阻断了冷涡的东移,为该地区长时间的强烈对流和极端降水提供了有利的环境条件。中尺度地形(即研究区域西北的太行山)对维持和增强对流也有促进作用[18]。本次降雨分为两个阶段,第一阶段从7月18日20:00:00至19日14:00:00,第二阶段从7月19日15:00:00至20日13:00:00。第一阶段雨峰较小,第二阶段雨峰较大。在这两个降雨阶段中,该地区主导风向从西南风逐渐演变为东南风。
2 模型设置本研究使用WRF 3.7版本,采用3层双向嵌套网格,网格数量分别为200×200、220×220和187×211,分辨率分别为9、3和1 km。最外层网格(d01)覆盖了中国中部和东北部的大部分地区;中层网格(d02)覆盖了河北省、北京和天津以及山东省的北部和山西省的东部;最内层网格(d03)以雄安新区为中心,覆盖了雄安新区和周边地区,以及北京南部和天津西部。模型垂向分为54层,上边界气压设置为50 hPa。模型的初始和边界条件由美国国家环境预测中心(National Centers for Enviornmental Prediction, NCEP)的全球再分析数据(final operational global analysis, FNL)提供,其空间和时间分辨率分别为1°和6 h。模型使用中分辨率成像光谱仪(moderate-resolution imaging spectroradiometer, MODIS)土地利用类型作为下垫面输入数据。
已有研究表明,降雨模拟对大气模型采用的微物理方案非常敏感,而对行星边界层方案、辐射方案等敏感性相对较低[19-21]。本研究首先对“7·20”暴雨在该研究区域的模拟进行了不同微物理方案下的敏感性实验,包括WSM3、WSM5和WSM6,其中WSM5方案[22]的模拟结果表现出了最佳性能。因此,本研究在接下来的实验中选择WSM5作为微物理参数化方案。由于最外层的空间分辨率小于10 km,因此在3层嵌套网格中均关闭了积云方案[23]。本研究的参数化方案设置如表 1所示。
参数化方案 | 方案设置 |
微物理方案 | WSM5 |
边界层方案 | MYJ |
短波辐射方案 | Dudhia |
长波辐射方案 | RRTM |
陆面过程方案 | Noah LSM |
近地面层方案 | Monin-Obukhov |
积云方案 | 关闭 |
城市冠层方案 | UCM |
湖泊方案 | LAKE |
为了研究城市冠层粗糙度对降雨的影响,本研究设置了4个实验,如表 2所示。在CTRL方案中,采用现有真实下垫面场景(图 2a),在该场景中没有雄安新区城区存在。在URB方案中,增加了雄安新区城区(图 2b),城市粗糙度为模型默认值,即0.8 m。以往关于城市下垫面粗糙度的研究指出,郊区密集低矮的建筑物群的粗糙度约为0.4~0.7 m,而具有规则建筑物的城市群的粗糙度约为0.7~1.7 m。以世界上几个主要城市为例,墨尔本的粗糙度约为1.1 m,乌普萨拉的粗糙度约为1 m,利物浦的粗糙度约为1.2 m,而东京的粗糙度约为1.7 m[24]。高志球等[24]计算得到位于北京的中科院大气物理研究所气象塔附近的下垫面粗糙度为1.75 m,该地点附近有20多层的高层建筑,其高度在60 m以上。由此可见,模型中默认的城市下垫面粗糙度(0.8 m)略高于密集低矮建筑物群,而随着城市的建设,城市建筑物高度和密度增加,城市冠层粗糙度势必会增加。因此,本研究采用了不同的城市冠层粗糙度来表征城市建设的不同规模,以研究城市建设的不同阶段对降雨的影响。在URB+25方案中,采用与URB方案相同的土地利用类型,但是城市冠层粗糙度比URB方案增加了25%,即1 m,这是雄安新区未来建设能够达到的接近实际的粗糙度;在URB+300方案中,下垫面类型仍与URB方案相同,但是城市冠层粗糙度增加为URB方案的3倍,即2.4 m,在该方案中粗糙度取值较大,短时间内不能达到,表征一种较为极端的情景。
Xing等[18]的研究已经利用3个不同的数据源对相同模型设置下的CTRL方案在同一场降雨事件中的性能进行了模型验证。模型模拟结果与30个国家标准气象站(图 1中白色圆点所示)观测值的对比结果表明,模型的温度、湿度、风速、降雨等指标的模拟误差均在可接受范围内,且能够捕捉到各项气象指标随时间的变化趋势,降雨峰值和发生时间的模拟结果非常准确。在降雨峰值附近的3个时刻,模拟结果与国家气象科学数据中心(http://data.cma.cn)的中国自动站与CMORPH降水产品融合的逐时降水量网格数据集的对比结果表明,在降雨峰值发生前后,模型模拟的降雨分布及暴雨云团的运动路径与实测值基本一致。此外,模拟结果与无线电探空站(图 1中星号所示)观测值的对比结果表明,模型模拟的温度、混合比、风速在垂向分布都非常准确。总之,模型对于“7·20”暴雨模拟的各个气象指标从时间分布、水平分布、垂向分布上都与观测值吻合良好,能够很好捕捉暴雨发生时间、峰值、分布等主要特征,这表明模型在该配置下性能良好。
3 结果分析图 3为3个不同城市冠层粗糙度方案与CTRL方案的累积降雨量差值分布。在第一阶段的降雨过程中,从图 3a可以看到,城市的存在使得城区累积降雨量增大约50 mm,城市下风向区域降雨增加约100 mm,局部最大值可达125 mm。一般来讲,城市带来的降雨增加主要是由于城市热岛效应增加了地表温度,产生上升气流,促进垂向对流和水汽辐合,从而增加了降雨的可能性。在URB方案中,城市冠层粗糙度较小,基本不会对暴雨云团的移动产生阻挡,云团过境城区时,城市的热力学作用得到充分发挥,从而在城区及下风向形成较大的对流降雨。当城市冠层粗糙度增大之后(图 3b),城市表现出对云团的阻挡作用,导致城市上风向及两侧降雨增加,城区降雨略有增加,城市下风向降雨变化不大。随着城市冠层粗糙度的进一步增大(图 3c),暴雨云团运动路径发生改变,城市上风向降雨变化不大,城市两侧(主要是沿风向的左侧)降雨明显增加,城区和下风向降雨变化不大。在URB方案中,降雨增加主要出现在城市东北部,而在URB+25和URB+300方案中,降雨增加主要出现在城市正北部和西北部,冠层粗糙度增加使降雨落区向西偏移了约100 km。
在降雨的第二阶段,该地区主导风向发生变化,由西南风变为东南风。与第一阶段类似,可以看到URB方案中城区及下风向降雨明显增加(图 3d)。在URB+25方案中,城区及下风向的降雨比URB方案减少约25 mm,城市正北部的北京范围内,降雨也比URB方案减少约25 mm(图 3e)。在URB+300方案中,风向在接近城市时发生偏转,从城市东部向北绕过,导致降雨增加的位置与前两种方案显著不同,降雨主要发生在上风向和城市正北部,降雨落区向东偏移了约50 km(图 3f)。
由此可见,城市冠层粗糙度会对降雨落区产生显著影响。在城市冠层粗糙度较小时,城市的动力学效应影响不大,对降雨产生主要影响的是城市的热力学效应;而当城市冠层粗糙度增大后,城市的动力学效应得到充分发挥,暴雨云团移动到城市边界时速度减慢,运动方向可能会发生偏转或产生分叉,使得云团不会经过城区,城市的热力学效应难以发挥,致使城区及下风向降雨变化不大。
图 4显示了在整个降雨过程中,4个方案的城区平均降雨强度、2 m温度、2 m比湿、10 m风速、边界层高度、潜热及显热随时间的变化趋势。降雨发生之前,城市热岛效应使得城市温度偏高约1 ℃(图 4b),因此当云团到达城市边界时,逐步被加热,从而加剧对流强度,发生降雨。图 4a显示,在URB方案中,城市的存在使得降雨提前发生。在降雨发生之后,城区温度降低,比湿降低,随后城市的存在对温度和湿度的影响不大(图 4b和4c)。对于URB+25和URB+300方案,由于冠层粗糙度增加,对暴雨云团运动有阻碍作用,部分云团不过境城区,导致城市热岛效应对降雨的影响推迟或削弱。因此,在这两种方案中,虽然城市也表现出提前降雨和“雨岛效应”,但与URB方案相比,降雨提前的时间和降雨量增加的量级要小得多(图 4a)。城市的热力学效应主要发生在降雨之前,在降雨发生之后,城市温度降低,热岛效应消失。因此,城市对第一阶段降雨过程影响较大,而对第二阶段降雨过程影响较小,尽管第二阶段降雨量较大。
城市因其较大的冠层粗糙度,会显著减小近地面风速(图 4d)。第一阶段降雨过程中,URB方案城区风速减小1 m/s左右,而URB+25和URB+300方案城区风速减小2 m/s左右,这是城市冠层粗糙度影响暴雨云团移动速度和降雨落区的主要原因。第二阶段降雨过程中,城市使风速最大减小约5 m/s。其次,城市也会影响局地边界层高度,在两个阶段降雨发生之前,均可以观察到城市边界层高度高于自然下垫面(图 4e),而在降雨发生之时,由于剧烈的局地对流,使得城市与自然下垫面的边界层高度无显著区别。
由于城市下垫面的高不透水率和低含水量,在同等太阳辐射条件下,城区地表升温快,且地表热量大部分以显热形式释放,因此城区潜热显著低于自然下垫面(图 4f),而显热显著高于自然下垫面(图 4g)。在7月19日02:00:00左右,URB方案的潜热高于URB+25和URB+300方案,这可能是由于URB方案先发生了降雨,增加了地表含水量,蒸发增大。随着城市冠层粗糙度的增大,显热的峰值有增大趋势,这说明随着城市规模的扩张,楼高及密度增大,城市的显热可能会进一步增大。
为了研究城市在垂向剖面上垂向风速的变化,沿图 3中蓝色虚线AB(风向)作7月18日降雨开始前后的垂向风速剖面图,如图 5所示。垂向风速越大,说明该地区垂向对流越强烈。在CTRL方案中,对流中心随风向移动,强度不大。在URB方案中,城区对流强度显著增大,且持续时间长,在城市上空对流高度超过7 km,并且这种影响可以随主导风影响到下风向区域。这是URB方案使城区及城市下风向区域降雨增加的主要原因。在URB+25方案中,由于城市冠层粗糙度增大,风速减小,对流中心的移动显著减慢,至22:00:00才出现在城市上空,比URB方案(20:00:00)慢了2 h,且对流强度较小,至23:00:00才在城市上边界看到较为强烈的对流现象。在URB+300方案中,随着城市冠层粗糙度的进一步增大,城区对垂向风速的影响变得不明显,只在21:00:00观察到城市上风向的对流,但对流并没有向城区及下风向发展,而是可能产生运动方向的改变,因此对城区及下风向降雨影响不大,转而影响了城市两侧地区的降雨。
沿图 3中蓝色虚线AB作7月18日降雨开始前后雨水混合比的剖面图,如图 6所示。暴雨云团的移动速度明显随城市冠层粗糙度的增加而减慢。在20:00:00,URB方案中云团已经移动到城市上空,但在URB+25和URB+300方案中,云团仍位于城市上风向。在21:00:00,URB方案中云团已经移动至城市下边缘,而在URB+25方案中云团位于城市正中心,云团运动比URB方案慢1 h,在URB+300方案中,云团仍滞留在城市上风向。随着时间发展,URB方案中云团移动至下风向,而URB+25方案中云团仍停留在城市上空及城市上边界,在URB+300方案中,云团一直停留在上风向,只有少量到达城市上空。
图 7展示了7月18日降雨开始前后700 hPa高度处暴雨云团的水平分布及演变。在19:00:00,也就是降雨开始的前一时刻,4种方案的云团分布基本类似。在20:00:00,URB方案中城区出现上升气流,产生水汽辐合,城区对流加强,云团汇聚,产生降雨。在URB+25和URB+300方案中,由于城市冠层粗糙度增加产生的阻挡作用,云团停留在城市上风向,在URB+300方案中,云团已经产生向北运动的趋势。由于北部地形较高(图 1),云团因城市的阻挡作用改变运动方向,向北遇到山地,抬升而形成地形雨。21:00:00至22:00:00,CTRL方案中没有出现城市的辐合作用,水汽的分布较为分散,主要受到地形抬升作用而在山区形成地形雨。在URB方案中,城市的水汽辐合作用非常显著,形成典型的雨岛效应,并且该效应在云团离开城市之后仍在发挥作用,致使城市下风向降雨显著增加。在URB+25和URB+300方案中,都能够看到因城市粗糙度增加带来云团运动路径发生改变的现象。在URB+25方案中,仍有部分云团经过了城市,城区降雨略有增加。在URB+300方案中,云团在20:00:00就产生了向北运动绕过城市的趋势,其后因地形抬升作用,在山区形成了较大的降雨,而城区降雨变化不大。
4 小结
本研究利用WRF模型对雄安新区2016年“7·20”暴雨进行了模拟,通过设置不同城市冠层粗糙度方案,分析城市建设规模对暴雨云团的运动和降雨落区的影响。
结果表明,城市冠层粗糙度对暴雨云团的运动和降雨落区有显著影响:当城市冠层粗糙度较小时,云团经过城市时被加热,产生上升气流和水汽辐合,加剧垂向对流,从而增加城区和下风向的降雨;当城市冠层粗糙度较大时,云团在城市上风向停留,使城市上风向降雨增加;城市冠层粗糙度进一步增加会改变暴雨云团的运动方向,使城市周边降雨增加。城市冠层粗糙度增加可以使暴雨云团运动速度减慢1 h,城区对流中心的出现减慢2 h,当粗糙度足够大时,暴雨云团运动方向发生偏移,甚至不会在城区出现明显的对流中心。在“7·20”暴雨事件中,城市冠层粗糙度增加使第一阶段降雨落区向西偏移了约100 km,第二阶段降雨落区向东偏移了约50 km。由此可见,城市冠层粗糙度可能是影响降雨落区的重要原因之一。此外,在对城市降雨事件进行模拟时,城市冠层粗糙度的取值可能会在一定程度上影响模拟结果。本研究为未来城市规划与建设提供了科学依据,对城市降雨模拟的参数选择具有参考意义。
[1] |
GRIMMOND S. Urbanization and global environmental change:Local effects of urban warming[J]. Geographical Journal, 2007, 173(1): 83-88. |
[2] |
NIE W, ZAITCHIK B F, NI G, et al. Impacts of anthropogenic heat on summertime rainfall in Beijing[J]. Journal of Hydrometeorology, 2017, 18(3): 693-712. |
[3] |
BORNSTEIN R, LIN Q. Urban heat islands and summertime convective thunderstorms in Atlanta:Three case studies[J]. Atmospheric Environment, 2000, 34(3): 507-516. |
[4] |
MIAO S, CHEN F, LEMONE M A, et al. An observational and modeling study of characteristics of urban heat island and boundary layer structures in Beijing[J]. Journal of Applied Meteorology and Climatology, 2009, 48(3): 484-501. |
[5] |
GU Y, DAN L. A modeling study of the sensitivity of urban heat islands to precipitation at climate scales[J]. Urban Climate, 2018: S1618699950.
|
[6] |
DAN L, MALYSHEV S, SHEVLIAKOVA E. Exploring historical and future urban climate in the Earth System Modeling framework:2. Impact of urban land use over the Continental United States[J]. Journal of Advances in Modeling Earth Systems, 2016, 8(2): 936-953. |
[7] |
SHEM W, SHEPHERD M. On the impact of urbanization on summertime thunderstorms in Atlanta:Two numerical model case studies[J]. Atmospheric Research, 2009, 92(2): 172-189. |
[8] |
MAHMOOD R, PIELKE R A, HUBBARD K G, et al. Land cover changes and their biogeophysical effects on climate[J]. International Journal of Climatology, 2014, 34(4): 929-953. |
[9] |
SHEPHERD J M, PIERCE H, NEGRI A J. Rainfall modification by major urban areas:Observations from spaceborne rain radar on the TRMM satellite[J]. Journal of Applied Meteorology, 2002, 41(7): 689-701. |
[10] |
LEI M, NIYOGI D, KISHTAWAL C, et al. Effect of explicit urban land surface representation on the simulation of the 26 July 2005 heavy rain event over Mumbai, India[J]. Atmospheric Chemistry & Physics & Discussions, 2008, 8(20): 5975-5995. |
[11] |
NIYOGI D, PYLE P, MING L, et al. Urban modification of thunderstorms:An observational storm climatology and model case study for the Indianapolis urban region[J]. Journal of Applied Meteorology & Climatology, 2011, 50(5): 285-286. |
[12] |
VARQUEZ A C G, NAKAYOSHI M, KANDA M. The effects of highly detailed urban roughness parameters on a sea-breeze numerical simulation[J]. Boundary-Layer Meteorology, 2015, 154(3): 449-469. |
[13] |
PING Z. Impact of land-surface roughness on surface winds during hurricane landfall[J]. Quarterly Journal of the Royal Meteorological Society, 2010, 134(633): 1051-1057. |
[14] |
申冲, 沈傲, 田春艳, 等. 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, 2019, 39(1): 72-82. |
[15] |
SCHMID P E, NIYOGI D. Impact of city size on precipitation-modifying potential[J]. Geophysical Research Letters, 2013, 40(19): 5263-5267. |
[16] |
苗世光, CHEN F, 李青春, 等. 北京城市化对夏季大气边界层结构及降水的月平均影响[J]. 地球物理学报, 2010, 53(7): 1580-1593. |
[17] |
甘璐, 郭文利, 邓长菊. 北京地区两次特大暴雨过程的对比分析[J]. 干旱气象, 2017, 35(2): 239-249. |
[18] |
XING Y, NI G, YANG L, et al. Modeling the impacts of urbanization and open water surface on heavy convective rainfall:A case study over the Emerging Xiong'an City, China[J]. Journal of Geophysical Research:Atmospheres, 2019, 124(16): 9078-9098. |
[19] |
EFSTATHIOU G A, ZOUMAKIS N M, MELAS D, et al. Sensitivity of WRF to boundary layer parameterizations in simulating a heavy rainfall event using different microphysical schemes. Effect on large-scale processes[J]. Atmospheric Research, 2013, 132-133(10): 125-143. |
[20] |
LIU C, IKEDA K, THOMPSON G, et al. High-resolution simulations of wintertime precipitation in the Colorado Headwaters region:Sensitivity to physics parameterizations[J]. Monthly Weather Review, 2011, 139(11): 3533-3553. |
[21] |
SINGH K S, BONTHU S, PURVAJA R, et al. Prediction of heavy rainfall over Chennai Metropolitan City, Tamil Nadu, India:Impact of microphysical parameterization schemes[J]. Atmospheric Research, 2018, 202: 219-234. |
[22] |
HONG S, DUDHIA J, CHEN S. A revised approach to ice microphysical processes for the bulk parameterization of clouds and precipitation[J]. Monthly Weather Review, 2004, 132(1): 103-120. |
[23] |
STENSRUD D J. Parameterization schemes: Keys to understanding numerical weather prediction models[M]. Cambridge, UK: Cambridge University Press, 2009.
|
[24] |
高志球, 卞林根, 逯昌贵, 等. 城市下垫面空气动力学参数的估算[J]. 应用气象学报, 2002(S1): 26-33. |