环境科学学报  2021, Vol. 41 Issue (7): 2584-2597
下垫面输入资料对深圳气象场及大气扩散能力模拟的影响    [PDF全文]
董宇童1,2, 陈丙寅1,2, 张兴腾1,2, 刘婵芳3, 何龙3, 何鹏飞3, 王伟文1,2, 王雪梅1,2, 常鸣1,2    
1. 暨南大学, 环境与气候研究院, 广州 510443;
2. 粤港澳环境质量协同创新联合实验室, 广州 510443;
3. 深圳市环境监测中心站, 深圳 518049
摘要:区域气象模式的输入资料更替相对城市化发展的实际态势存在滞后,使得空气质量预报模型受气象场模拟性能限制而难以准确预报污染事件.本文以深圳市的WRF模拟为例,对模式土地利用输入资料、城市冠层输入参数进行改进,通过提高气象场的模拟能力,探究下垫面输入资料对深圳气象场及大气扩散能力模拟的影响.结果表明,土地利用输入资料的更新使得城市建成区类型格点模拟温度在1月下降了0.05℃,在4、7和10月分别上升了1.1、0.4和0.5℃;风速在1、4、7和10月分别下降了2.3、1.8、1.9和1.8 m·s-1;相对湿度分别下降了16.1%、9.0%、14.4%和6.5%;感热通量分别升高了85.3、73.6、134.8和65.6 W·m-2;潜热通量分别下降了65.9、39.5、118.3和45.7 W·m-2.土地利用输入资料更新后,深圳市扩散指数在空气质量为"优"、"良"、"轻度污染"时段内,分别下降了约25%、20%、30%,风向变化因子分别约有5%、5%的降低和20%的升高;输入城市冠层参数后,扩散指数分别下降了约25%、15%、5%,风向变化因子分别约有5%的降低、5%和5%的升高.土地利用输入资料的更替和城市冠层参数的输入带来模拟能力的改进,更好地重现了一些复杂的边界层热动力结构,包括典型污染日午后深圳市上空南侧上升、北侧下沉的城市热岛环流和近地面的海风局地环流.
关键词下垫面    土地利用    城市冠层    大气扩散    数值模拟    
The influence of underlying surface input data on the simulation of meteorological field and atmospheric diffusion capacity in Shenzhen
DONG Yutong1,2, CHEN Bingyin1,2, ZHANG Xingteng1,2, LIU Chanfang3, HE Long3, HE Pengfei3, WANG Weiwen1,2, WANG Xuemei1,2, CHANG Ming1,2    
1. Institute for Environmental and Climate Research, Jinan University, Guangzhou 510443;
2. Guangdong-Hongkong-Macau Joint Laboratory of Collaborative Innovation for Environmental Quality, Jinan University, Guangzhou 510443;
3. Shenzhen Environmental Monitoring Center, Shenzhen 518049
Received 26 October 2020; received in revised from 11 December 2020; accepted 11 December 2020
Abstract: The update of regional meteorological model input data lags behind the actual urbanization progress. This makes it difficult for the air quality forecast model to predict pollution events accurately due to the limitation of meteorological field simulation performance. Taken the Weather Research and Forecasting (WRF) simulation in Shenzhen as an example, this study investigates the influence of underlying surface input data on the simulation of meteorological field and atmospheric diffusion capacity in this megacity. The results show that with the update of land use data, the simulated temperature in urban grids decreased by 0.05 ℃ in January and increased by 1.1, 0.4 and 0.5 ℃ in April, July and October. The wind speed decreased by 2.3, 1.8, 1.9 and 1.8 m·s-1 in January, April, July, and October, respectively, while the relative humidity decreased by 16.1%, 9.0%, 14.4%, and 6.5%. The sensible heat flux increased by 85.3, 73.6, 134.8 and 65.6 W·m-2 in January, April, July and October, respectively, while the latent heat flux decreased by 65.9, 39.5, 118.3 and 45.7 W·m-2. With the new set of land use data, the diffusion index of Shenzhen decreased by about 25%, 20% and 30% during the period when the air quality was "excellent", "good" and "slightly polluted", while the wind direction change index was about 5% decreased, 5% decreased and 20% increased, respectively. With the input of urban canopy parameters, the diffusion index decreased by about 25%, 15% and 5% during the period when the air quality was "excellent", "good" and "slightly polluted", while the wind direction change index was about 5% decreased, 5% increased and 5% increased, respectively. The replacement of land use data and the incorporation of urban canopy parameters have improved the simulations. The improved simulations show that urban heat rises in the south and sinks in the north over Shenzhen. Besides, the local circulation of sea breeze near the ground occurs on the afternoon of a typical pollution day.
Keywords: land surface    land use    urban canopy    atmospheric diffusion    numerical simulation    
1 引言(Introduction)

土地利用类型作为陆面系统的重要组成部分, 对天气系统活动产生了不可忽视的影响.土地利用类型通过改变地表反照率、辐射率、粗糙度等陆面物理属性和形态参数, 改变陆-气系统能量平衡、辐射收支等过程, 从而对天气和气候产生显著影响(Kalnay et al., 2003; Bhati et al., 2016; Chen et al., 2016; Schicker et al., 2016).目前, 广泛用于我国气象预报与环境空气质量预报的中尺度气象模式WRF, 其土地利用资料来源于美国地质调查局(United States Geological Survey, USGS)1993年制作的全球24种分类数据, 空间分辨率为30 s(Skamarock et al., 2008), 在WRF3.1版本以后增加了MODIS 2001年20类分类数据, 在WRF4.1版本后增加了MODIS 15 s分辨率数据(Broxton et al., 2014).这些数据虽有更新, 但是已经严重滞后于人类对地表土地利用的改变;同时, 有学者指出WRF内置的土地利用资料在局部地区存在明显的错分现象(常鸣等, 2014).这种滞后、错分问题严重制约模式对陆气交换过程模拟的能力.因此, 及时应用准确刻画当地实际情况的土地利用数据, 将改善模型对城市热岛和城市大气污染物扩散条件的模拟能力(林欣, 2014; 彭云飞, 2018).

作为我国改革开放以来的经济特区, 深圳逐步发展成为全球性的经济金融科技中心之一, 其土地利用状况也发生了巨大变化(毛蒋兴等, 2009), 有研究表明1980—2015年, 深圳城市建设用地面积增长迅速, 农田、水体面积剧烈减少, 城市化过程中土地利用破碎化程度加剧(张甜等, 2016).到2018年末, 深圳市建成区面积927.96 km2, 城镇化达到100%(陈华康, 2018).如此大面积的城市扩张使得地表能量、动量的空间分布格局发生重大改变, 造成城市逆温、静稳、小风等不利污染扩散的气象条件频发(尹沙沙, 2011; 段晓艳, 2016; 彭玉龙, 2016; 黄博雯, 2019; 吴芳凝, 2019).同时, 大气中污染物的输送和汇聚是一个受到广泛关注的、复杂的问题.大气边界层中的输送是造成大气中污染物汇聚的重要原因之一(苏福庆等, 2004).在大气边界层内, 影响空气输送汇聚的因子有地面风速、风向、混合层高度等, 城市化导致的下垫面改变所引起的近地面大气输送能力变化值得进一步探讨(黄晓娴等, 2012).

深圳市现有空气质量预报模型的输入资料依然选取WRF模式默认数据, 并未对其进行更新, 这对深圳局地气象场和重污染事件模拟造成了严重的干扰(刘芳, 2016; 李丹, 2018).因此本文针对深圳业务化预报模式现存的不足, 拟通过更新土地利用输入资料、改进城市冠层输入参数, 以提高气象场模拟精度, 进而提高模式对空气质量预报的能力.

2 研究方法(Research methods) 2.1 模式区域设置

本研究采用WRF v4.1.2版本模拟, 使用四重1∶3嵌套, 其中粗网格中心经纬度为28.5°N、114.0°E, 网格数分别为89×78、94×76、103×85、124×109, 对应的网格距分别为81、27、9、3 km.模式最内层模拟区域包含20个气象站点用于气象验证, 如图 1所示.模拟时段为北京时间2018年1月、4月、7月、10月, 分别代表一年中四个季节.

图 1 研究区概况图 Fig. 1 Overview map of the study area
2.2 模式物理参数化方案设置

模式选取的物理参数化方案来自Chang等基于敏感性试验推荐的物理方案(常鸣等, 2014).此套方案的具体参数方案设置如表 1所示.初始和边界条件由1°×1°NCEP再分析资料提供, 模式顶层取100 hPa, 垂直方向取30层, 模式spin-up时间设置为16 h.在本研究中, 用于对比的土地利用输入资料是:USGS资料和GLC2018资料.

表 1 模式物理参数化方案设置 Table 1 Model physical parameterization scheme settings
2.3 输入资料替换方法 2.3.1 土地利用输入资料

目前模式提供的土地利用输入资料有3套, 第一套为美国地质调查局于1993年基于AVHRR的土地、植被覆盖数据发展的全球24种土地类型的30 s分辨率数据, 第二套为基于MODIS的2001年30 s分辨率数据, 其利用类型按照IGBP(International Geosphere-Biosphere Programme)的标准分为20类, 第三套为WRFv3.6版本后添加的基于MODIS的15 s分辨率数据(Wang et al., 2018).虽然相较过去的土地利用数据集有了更高的整体分类精度, 但是在我国局部地区有较为明显的分类错误(潘小多等, 2012).例如, 有学者指出, MODIS数据集严重高估了珠三角地区的城市建成区面积(Chang et al., 2014).

为了诊断土地利用的变化对气象要素的影响, 以及城市化过程对于气象要素的改变, 本文使用了一套从地理信息资料转换为WRF资料格式的模型接口(常鸣等, 2014), 选取GLC2018土地利用数据并对输入的土地利用资料进行改进, 和WRF模式默认的USGS数据做对比.GLC2018土地利用资料由欧盟联合研究中心空间应用研究所制作(Dierckx et al., 2014).为了能够将其应用到WRF模式当中, 需要对其进行重分类.模式最内层区域两套资料的土地利用类型分布如图 2所示.

图 2 USGS、GLC2018两套资料在最内层模拟区域的土地利用类型分布及地形高度 Fig. 2 Distribution of land use types and terrain height of two sets of USGS and GLC2018 data in the innermost simulated area
2.3.2 城市冠层输入参数

城市冠层是指地面到建筑物顶这一高度范围的大气层, 是城市中最接近地表的大气层.WRF模式中主要提供3种城市冠层方案:一种单层城市冠层方案UCM和两种多层城市冠层方案:建筑环境参数化方案BEP、建筑能量模式方案BEM(沈滢洁, 2018).城市冠层方案需要准确的城市形态结构输入, 城市形态(建筑物平均高度、密度、表面材质等)决定了城市冠层内部的辐射过程和能量平衡, 从而影响城市区域的温度、湿度、风速以及边界层高度等气象指标, 是城市热岛效应形成的主要原因, 同时也对城市大气污染分布和化学反应过程具有间接影响.本研究基于Dai等(2019)建立的珠三角城市冠层参数数据集(Urban Canopy Parameterizations, UCPs), 包括建筑物平均高度、建筑物高度标准差、建筑物面积加权平均高度、建筑面积分数(图 3), 对其在深圳市区域气象模拟中的作用进行诊断.

图 3 深圳市城市冠层输入参数 (a.建筑物平均高度, b.建筑物高度标准差, c.建筑物面积加权平均高度, d.建筑面积分数) Fig. 3 Shenzhen urban canopy input parameters (a. Mean building height, b. Standard deviation of building height, c. Area weighted mean building height, d. Building plan area fraction)
2.4 实验设计及模式验证

基于模拟区域的土地利用类型和深圳市精细化城市形态结构设置3个实验案例, 以达到替换输入资料的目的, 具体实验设计方案见表 2.通过对比不同的实验方案来研究这些输入资料的更替对各气象要素模拟、近地面大气输送能力和边界层低层垂直热力结构变化的影响.其中Case1-Base、Case2-Case1分别表征更新模拟区域土地利用输入资料和添加深圳市城市冠层输入参数对实验结果的影响.这两者统称为下垫面资料.

表 2 实验设计方案 Table 2 Experimental design scheme

利用模拟时段观测与各实验模拟日均数据进行对比验证, 使用平均偏差(Mean Bias, MB)、均方根误差(Root Mean Square Error, RMSE)以及相关系数(R)等对模拟结果进行检验.平均偏差反映模拟值与观测值的平均偏离程度, 均方根误差反映模拟值与观测值的偏离程度, 各参数值越接近0, 表明模拟效果越好;同时选择相关性系数来表征模拟值与观测值之间变化趋势的吻合程度, 越接近1, 表明模拟效果越好.各指标计算公式如下:

(1)
(2)
(3)

式中, Fi为各气象要素模式模拟的结果, FFi的平均值;Oi为各气象要素的站点观测值, OOi的平均值.对温度、风速、相对湿度、气压这4个气象要素的模式气象验证结果表 3所示.

表 3 不同实验模拟的气象变量数据与观测数据的对比 Table 3 Comparison between meteorological variable data and observed data simulated by different experiments

更新土地利用资料和城市冠层参数后, 模式模拟结果均有一定程度的变化:气压、10 m风速、2 m温度和相对湿度的模拟值和观测值的偏差在Base中分别约为1.1 hPa、2.2 m·s-1、0 ℃和-5.5%, 在Case1中分别约为3.6 hPa、1.0 m·s-1、-0.1 ℃和-12.4%, 在Case2中分别约为4.0 hPa、0.9 m·s-1、0 ℃和-12.6%;而下垫面资料的更新对气象要素模拟值和观测值的相关性影响较小.4种气象要素的模拟和观测的相关系数分别约为0.9、0.4、0.9和0.6.更新下垫面资料后对10 m风速的模拟有明显的改善效果, 但一定程度上恶化了相对湿度的模拟效果.

2.5 近地面大气输送能力的表征

收集深圳市2018年空气质量监测数据, 建立2018年深圳市大气污染案例库.根据环境空气质量指数(AQI)技术规定(中华人民共和国生态环境部, 2012), 深圳市2018年1、4、7、10月里空气质量为优、良和轻度污染的天数分别为65、51、7 d.本研究借鉴前人的思路(李博等, 2018), 将边界层高度(PBLH, km)与10 m风速(WS, m·s-1)的乘积定义为扩散指数(Diffusion Index, 103 m2·s-1), 以表征扩散条件的优良.

(4)

另外, 风向的集中程度也影响污染物的输送与稀释.风向集中程度越高, 对污染物的输送与稀释效果越显著.引入风向变化因子(Wind Direction Change Index)(黄晓娴等, 2012), 采取风向矢量计算方式得到表征风向集中程度的指标, 进而表征近地面大气输送能力.其中, 扩散指数变化为正、风向变化因子变化为负, 表明扩散条件变优;反之扩散条件变差.

3 结果与讨论(Results and discussion) 3.1 土地利用数据更新对地面气象要素模拟的影响

针对最内层模拟区域范围内所有格点(共计13284个), 按照其在GLC2018资料中的土地利用类型分类, 共13种类型;按照其用途类型可分为城市建成区(A)、人为影响主导的非城市下垫面(农田、牧场、灌木丛和草地等, B)、自然主导的非城市下垫面(森林, C)三大类.模拟区域内网格土地利用类型、格点数、占比和用途类型如表 4所示.

表 4 模拟区域土地利用类型情况 Table 4 Simulated regional land use types

去除模拟区域内处在海域(土地利用类型为水体)的格点, 同时本文统计不同类型格点时的置信区间设置为99%, 即去除数量占比小于1%的种类的格点, 剩下的格点分1、4、7、10月按照转变后的土地利用类型统计Case1相对于Base的气象要素改变量的概率密度和平均值, 包括2 m温度(T2)、10 m风速(WS)、相对湿度(RH)、气压(P)、感热通量(SH)、潜热通量(LH)平均改变量, 如图 4图 5所示.分析替换土地利用资料对不同种类下垫面各气象要素的影响.

图 4 土地利用资料更新后不同种类格点基础地面气象要素改变量的概率密度图 Fig. 4 Probability density of basic surface meteorological elements of different kinds of grids after land use data updating

图 5 土地利用资料更新后不同种类格点热通量改变量的概率密度图 Fig. 5 Probability density of heat flux changes of different kinds of grids after land use data updating

由各个土地利用类型转为城市建成区类型(其他→A)对地面气象要素影响显著强于转为非城市建成区类型(其他→B, C).在整体模拟时段内, 由各土地利用类型转为城市建成区类型和转为非城市建成区类型, 其气温模拟值分别升高和降低了0.5 ℃和0.4 ℃, 风速模拟值分别降低了2.0 m·s-1和0.5 m·s-1, 相对湿度模拟值分别降低了11.5%和3.0%, 气压模拟值分别降低了2.4 hPa和2.4 hPa.表明土地利用类型的变化中城市化对气象要素的扰动强度平均约为非城市化扰动强度的近3倍.

其中1月和7月对气象要素影响略大于4月和10月.GLC2018(Case1)使得其他→A转变类型格点温度在4、7和10月有小幅增加, 分别为1.1、0.4和0.5 ℃, 在1月基本持平, 降低了0.05 ℃;风速在1、4、7和10月均有显著降低, 分别为-2.3、-1.8、-1.9和-1.8 m·s-1;相对湿度在1、4、7和10月均有显著降低, 分别为-16.1%、-9.0%、-14.4%和-6.5%;气压在1月和7月有小幅增加, 分别为2.4 hPa和6.5 hPa, 在4月和10月基本持平, 分别为0.2 hPa和0.5 hPa.对于其他→B, C转变类型, 除1月风速、1月气压和7月气压外, 土地利用数据更替对其气象要素模拟影响不大.

上述结论和前人研究(郑思轶等, 2008)得到的城市化导致温度升高、相对湿度降低的结果一致.上述结果产生的主要原因是Case1相对于Base主要增加了城市和建筑下垫面土地利用的占比, 其中模拟区域内Case1和Base中类型为城市与建筑的格点数分别为1086和20, 占比分别为8.18%和0.15%.温度的变化受能量及辐射平衡的影响, 且城市和建筑相比于其他类型改变了下垫面的热属性, 这些材质的表面吸热快且热容量小, 在相同的太阳辐射条件下升温更快;另外建筑物密度的增加使得城市冠层热量的截留作用更加明显;同时风速也相应明显减小, 这是因为城市下垫面能增加地表粗糙度, 对近地湍流产生拖曳作用, 从而降低模拟风速.另外城市下垫面大部分硬化, 下垫面不透水层面积扩大, 植被和水体覆盖相对减少, 导致蒸发减少.

为了进一步解释上述地面气象要素的变化, 引入地表能量平衡方程(Purdy et al., 2016), 见式(5).

(5)

式中, RNET、G、LE、H分别为净辐射、对地热、潜热、感热.对地热通量解释了地表变暖或者冷却过程中获得或损失的能量, 潜热解释了下垫面与大气间水分蒸发的热交换, 感热解释了下垫面与大气间湍流形式的热交换.

GLC2018(Case1)使得其他→A转变类型格点感热通量在1、4、7和10月有显著升高, 分别为85.3、73.6、134.8和65.6 W·m-2, 其增幅分别为220.1%、75.5%、267.2%和84.8%;潜热通量在1、4、7和10月有显著降低, 分别为-65.9、-39.5、-118.3和-45.7 W·m-2, 其降幅分别为96.2%、83.5%、87.4%和90.6%.对于其他→B, C转变类型, 除1、7月感热通量外, 土地利用数据更替对其热通量模拟变化影响不大.

从热通量变化的角度解释上述气象要素中温度和相对湿度变化, 具体如下:

① 城市地区植被覆盖率较低, 不透水表面积较大, 缺乏植被和水体的覆盖, 因此与乡村相比, 通过植被蒸腾、土壤蒸发等作用导致的潜热交换效率降低, 不利于城市地区的热量扩散, 故潜热通量减少(曹畅, 2017), 从而相对湿度减少.

② 由于城市潜热蒸发少, 城市地区所吸收的净辐射量在能量平衡中被更多的分配给感热交换, 感热交换效率在很大程度上取决于地表粗糙度、空气动力学阻力, 而这两者在城市地区和乡村地区有很大差异.同时, 城市建筑物墙体、屋顶、道路材料的反照率通常低于自然植被.此外在城市和建筑格点中, 建筑物遮挡导致城市冠层内部能量多次反射, 因此相比乡村地区, 城市冠层白天吸收较多的太阳短波辐射, 在夜间则相应释放更多的白天储热, 地表长波辐射限制在城市冠层内部, 不利于地表降温, 故城市和建筑格点城市冠层内净辐射增加, 进而导致对地热通量的减少和感热通量的增加, 从而提升地表温度进而提升2 m温度(曹畅, 2017), 而建筑物遮挡导致感热湍流交换效率降低, 不利于城市冠层热量扩散, 更进一步提升2 m温度.

另外, 夏季(7月)和冬季(1月)通常作为代表性的时间段进行地表能量平衡变化特征的分析, 主要原因是这两个季节能量平衡有显著特征.首先, 1月和7月净辐射分别最小和最大.其次, 植被活动在夏季达到峰值, 冬季植被活动降至一年中最低, 城乡之间由于植被影响导致的热环境差异缩小(王腾蛟等, 2013).3类转变类型格点的1, 7月感热通量和潜热通量改变量如表 5所示.

表 5 3类格点的1, 7月感热通量和潜热通量平均改变量 Table 5 Average change of sensible heat and latent heat flux for the three types of grids in January and July

植被覆盖率、比热是造成1、7两月城乡之间热通量差异的主要影响因子.B、C类地区, 乡村下垫面土地利用类型以灌木、农牧场为主, 其植被覆盖率和比热远高于城市、感热交换系数低于城市(周荣卫, 2008), 因此城市地区比乡村地区更利于感热交换, 而不利于降潜热交换, 故其他→A比其他→B, C转变类型格点感热通量的增加量和潜热通量的减少量更大.相比于1月, 7月的感热通量和潜热通量的城乡差异更大, 7月感热通量和潜热通量城乡差异分别约为1月的约1.8和2.3倍, 这是因为夏冬两季的太阳总辐射有显著差异, 珠三角地区夏季和冬季太阳总辐射日均值分别约为1400 MJ·m-2和900 MJ·m-2 (刘长焕等, 2018), 故其分配到感、潜热项的能量也存在显著季节差异;其次人为热排放的季节差异比较明显(张艳等, 2012), 这也是造成感、潜热存在季节差异的重要因素.

3.2 大气边界层底层垂直结构特征变化分析

根据深圳市污染案例库选取连续5 d空气质量为轻度污染的2018年10月4日—10月8日的BJT14:00作为研究时段, 因为此时刻垂直湍流运动最旺盛(王成刚, 2007).在最内层模拟区域内, 经过深圳站(114.00°E, 22.53°N, 如图 2地形高度图中的红点)作一条沿经线的剖线(图 2地形高度图中的红线), 绘制垂直方向的5日BJT14:00平均温度、风场、水汽混合比和边界层高度及不同Case间这些变量的差异.

土地利用资料的更替和城市冠层的输入均改变了深圳市高空上述气象要素的分布情况, 且更新土地利用资料对深圳市上空气象要素的影响高于城市冠层参数的输入.由图 6图 7可知:Base中, 深圳边界层内约1.5 km以下风向为北并有下沉气流;Case1和Case2中, 深圳市边界层内的部分处于模拟区域的温度峰值区, 风向为北并有上升气流, 且Case2比Case1的风向更为接近垂直向上.Case1相比Base在深圳市边界层高度内, 带来了约4 m·s-1垂直向上的气流, 直至边界层顶.温度增加了约1.0 ℃并处在整个模拟区域的峰值, 增量区域的上界与边界层顶重合.在边界层上方, 温度降低了约0.8 ℃.边界层高度内水汽混合比增加了约1.6 g·kg-1, 且增量峰值的区域位于边界层顶处;Case2相比Case1在深圳市南侧带来了约2 m·s-1垂直向上的气流, 约1 km以下的区域温度增加了约0.6 ℃且与边界层高度增加的区域对应.在边界层上方, 温度增加了约0.8 ℃;边界层高度内水汽混合比降低了约0.4 g·kg-1.这是因为由Base到Case1, 深圳市的土地利用类型由USGS中的非城市建成区转为城市建成区, 14:00时下垫面接收的向下短波辐射较强, 由下至上的辐射经过城市冠层中建筑物表面的多次反射, 形成了城市辐射陷阱的效应(孙仕强等, 2013), 同时城区反射率低吸热快而热容量小, 故可吸收更多短波辐射能量, 另外城区缺少水汽蒸发的蒸腾冷却作用, 收入的大部分能量被用于感热加热大气, 使得气流抬升至接近边界层顶, 导致出现垂直向上的气流差异.深圳市北侧有下沉气流, 南侧有上升气流.这可能是南侧上升、北侧下沉, 同时叠加背景北风的城市热岛环流的经向剖面.温度升高使得边界层发展更为迅速从而使得边界层更高, Case1相比Base水汽混合比略微升高的原因是其风场之差为垂直向上, 从而对地面水汽有很强的高空输送作用.同理, Case2与Case1水汽混合比差异原因是其风场之差为一个南侧向上、北侧向下的环流, 故南侧高空水汽混合比增加, 北侧反之.另外, Case1和Case2相较于Base, 在深圳市南侧近海处约500 m以下的区域带来了向北的水平气流, 导致Case2在该区域模拟出了约2 m·s-1的海陆热力环流, 这是因为下垫面资料地输入使得深圳市土地利用类型转变、城市形态更精确, 矫正了深圳市陆地比热容进而重现了海陆热力性质差异.自南的海风与深圳市上空的热岛环流耦合, 并向北、向上输送湿润的水汽, 同时空气污染物在向下风向“迁移”过程中受海风影响“减速”或在城市短期“堆积”, 使城市中空气污染物浓度随海风的出现上升, 致使城市污染程度加剧(李明华等, 2008).

图 6 沿114°E经线的温度和风场垂直分布及其差异图 Fig. 6 Vertical distribution and difference of temperature and wind field along 114 °E meridian

图 7 沿114°E经线的水汽混合比和风场垂直分布及其差异图 Fig. 7 Vertical distribution and difference of water vapor mixing ratio and wind field along 114 °E meridian
3.3 对近地面大气污染物扩散能力的影响

不同空气质量的时段下扩散指数和风向变化因子平均变化量(Case1-Base、Case2-Case1)的空间分布分别如图 8图 9所示, 以表征土地利用资料更替和城市冠层输入在风速和风向两个角度对深圳市大气输送能力格局的影响.

图 8 扩散指数平均变化量 (a.优, b.良, c.轻度污染, I. Case1-Base, II. Case2-Case1) Fig. 8 Average change of diffusion index (a. Excellent, b. Good, c. Slightly polluted, I. Case1-Base, II. Case2-Case1)

图 9 风向变化因子平均变化量 (a.优, b.良, c.轻度污染, I. Case1-Base, II. Case2-Case1) Fig. 9 Average change of wind direction change index (a. Excellent, b. Good, c. Slightly polluted, I. Case1-Base, II. Case2-Case1)

土地利用资料的更替和城市冠层参数的输入对深圳市风速扩散条件有较大影响, 且更新土地利用资料对风速扩散条件的影响高于城市冠层参数的输入.同时, 空气质量为优和轻度污染时段的扩散指数变化要大于空气质量为良的时段.由图 8 (I)可知, 土地利用输入资料由USGS更新为GLC2018后, 深圳市扩散指数在空气质量为优、良和轻度污染的时段内, 分别降低了约0.8×103、0.8×103、1.2×103 m2·s-1, 其降幅分别约为25%、20%、30%;输入城市冠层参数后, 扩散指数分别降低了约1.2×103、0.6×103、0.2×103 m2·s-1, 其降幅分别约为25%、15%、5%.结合图 3可知, 深圳市城市建筑主要分布在深圳市西南部、西北部和中部偏北地区, 这些地区更新土地利用资料后扩散指数呈现不同程度的降低趋势, 而东南部、西部中心地区城市化程度较低.上述城市化程度高的地区对应图 8中扩散指数降低的区域, 城市化程度低的地区则对应图 8中扩散指数升高的区域.这是因为如3.1节所述, 城市化程度高的地区模拟的风速低于城市化程度低的地区, 同时城市地区建筑物高度高, 其热力和动力条件使得其边界层高度更高(沈滢洁等, 2018), 但是风速变化的量级大于边界层高度,故为影响扩散指数的主要因素.同时空气质量为优时段的风速和边界层高度均高于良和轻度污染时段, 故不同Case作差后结果也相应放大, 故土地利用输入资料的替换和城市冠层参数的输入对空气质量为优的时段内扩散指数的影响大于空气质量为良和轻度污染的时段.

土地利用资料的更替和城市冠层参数的输入对深圳市风向扩散条件也有较大影响, 且更新土地利用资料对风向扩散条件的影响高于城市冠层参数的输入.同时, 空气质量为轻度污染的时段内的风向变化因子变化要大于空气质量为优和良的时段.由图 9(II)可知, 更新土地利用资料, 深圳市风向变化因子在空气质量为优和良时段内, 分别降低了约0.09、0.10, 其降幅分别约为5%、5%, 在空气质量为轻度污染的时段内, 升高了约1.20, 其增幅约为20%;输入城市冠层参数后, 风向变化因子在空气质量为优的时段降低了约0.06, 其降幅约为5%, 在空气质量为良和轻度污染的时段分别升高了约0.06和0.04, 其增幅分别约为5%和5%.在空气质量为优的时段内, 风向变化因子整体变小;在空气质量为良的时段内, 风向变化因子呈现不同的变化趋势;在空气质量为轻度污染的时段内, 风向变化因子则整体变大.这表明:这两种资料的输入可以在空气质量为优的时段模拟出更好的风向扩散条件, 在轻度污染时段内模拟出更差的风向扩散条件, 改善了不同空气质量时段内扩散条件的模拟能力.故此, 下垫面资料的更替和输入可以给空气质量模式提供更为精准的气象输入场, 尤其是在典型污染的时段, 使其得以更加准确地预报污染事件.

4 结论(Conclusions)

1) 土地利用资料的更新对2 m温度、2 m相对湿度、10 m风速、气压有一定程度的影响, 且对城市建成区类型格点的影响大于非城市建成区类型格点.土地利用类型的变化中, 城市化对气象要素的扰动强度平均约为非城市化扰动强度的近3倍.且资料更新对各要素的影响也存在明显季节差异, 相比于1月, 7月的感热通量和潜热通量的城乡差异更大, 7月感热通量和潜热通量城乡差异分别约为1月的1.8倍和2.3倍.

2) 土地利用资料的更替和城市冠层参数的输入均改变了深圳市边界层热动力结构的分布格局, 且更新土地利用资料对深圳市边界层内大气温湿结构的影响高于城市冠层参数输入的影响.这两种资料的输入使得深圳边界层内1.5 km以下的北风、下沉气流转变为北风、上升气流.更新土地利用资料使得深圳市边界层内温度升高了约1.0 ℃、水汽混合比增加了约1.6 g·kg-1, 城市冠层参数的输入则使温度升高了约0.6 ℃、水汽混合比降低了约0.4 g·kg-1.引入这两种资料促进了混合层的发展并更好的重现了一些复杂的边界层热动力结构, 包括典型污染日午后深圳市上空南侧上升、北侧下沉的城市热岛环流和近地面的海风局地环流.

3) 土地利用资料的更替和城市冠层参数的输入对深圳市近地面风场空间格局和扩散条件有较大影响, 且更新土地利用资料对风速、风向扩散条件的影响高于城市冠层参数的输入.两种资料的输入分别使扩散指数在空气质量为轻度污染型时段降低了30%和5%, 使得风向变化因子升高了20%和5%.此外, 空气质量为优和轻度污染时段内的扩散指数变化大于空气质量为良的时段;空气质量为轻度污染时段内的风向变化因子变化大于优和良时段.这两种资料的输入可以在空气质量优时段内模拟出更好的风向扩散条件, 在轻度污染时段内模拟出更差的风向扩散条件, 改善了不同空气质量时段内扩散条件的模拟能力.

参考文献
Bhati S, Mohan M. 2016. WRF model evaluation for the urban heat island assessment under varying land use/land cover and reference site conditions[J]. Theoretical and Applied Climatology, 126(1/2): 385-400. DOI:10.1007/s00704-015-1589-5
Broxton P D, Zeng X, Scheftic W, et al. 2014. A MODIS-based global 1 km maximum green vegetation fraction dataset[J]. Journal of Applied Meteorology and Climatology, 53(8): 1996-2004. DOI:10.1175/JAMC-D-13-0356.1
曹畅. 2017. 中国城市热岛时空特征及控制机制[D]. 南京: 南京信息工程大学
Chang M, Fan S, Fan Q, et al. 2014. Impact of refined land surface properties on the simulation of a heavy convective rainfall process in the Pearl River Delta region, China[J]. Asia-Pacific Journal of Atmospheric Sciences, 50(1): 645-655. DOI:10.1007/s13143-014-0052-3
常鸣, 樊少芬, 王雪梅. 2014. 珠三角土地覆被资料优选及在WRF模式中的初步应用[J]. 环境科学学报, 34(8): 1922-1933.
Chen G, Zhao L, Mochida A. 2016. Urban heat island simulations in Guangzhou, China, using the coupled WRF/UCM model with a land use map extracted from remote sensing data[J]. Sustainability, 8(7): 628. DOI:10.3390/su8070628
陈华康. 2018. 粤港澳大湾区城市群概览2018[M]. HK: City University of HK Press.
Dai J, Wang X, Dai W, et al. 2019. The impact of inhomogeneous urban canopy parameters on meteorological conditions and implication for air quality in the Pearl River Delta region[J]. Urban Climate, 29: 100494. DOI:10.1016/j.uclim.2019.100494
Dierckx W, Sterckx S, Benhadj I, et al. 2014. PROBA-V mission for global vegetation monitoring: standard products and image quality[J]. International Journal of Remote Sensing, 35(7): 2589-2614. DOI:10.1080/01431161.2014.883097
段晓艳. 2016. 我国三大城市群土地利用综合效率评价[D]. 北京: 中国地质大学
HJ 633-2012. 2012. 环境空气质量指数(AQI) 技术规定(试行)[S].
黄博雯. 2019. 深圳市大气污染物对居民死亡风险的影响[D]. 武汉: 华中科技大学
黄晓娴, 王体健, 江飞. 2012. 空气污染潜势-统计结合预报模型的建立及应用[J]. 中国环境科学, 32(8): 1400-1408. DOI:10.3969/j.issn.1000-6923.2012.08.009
Kalnay E, Cai M. 2003. Impact of urbanization and land-use change on climate[J]. Nature, 423(6939): 528-531. DOI:10.1038/nature01675
李博, 王颖, 张稼轩, 等. 2018. 河谷城市通风系数研究[J]. 环境科学研究, 31(8): 1382-1388.
李丹. 2018. 广州, 深圳城市土地集约利用评价及其对比研究[D]. 广州: 华南理工大学
李明华, 范绍佳, 王宝民, 等. 2008. 秋季珠江口地区海风对城市群空气污染的影响[J]. 中山大学学报(自然科学版), 47(4): 114-117.
林欣. 2014. 基于数值模拟的城市多尺度通风廊道识别研究[D]. 哈尔滨: 哈尔滨工业大学
刘长焕, 邓雪娇, 朱彬, 等. 2018. 近10年中国三大经济区太阳总辐射特征及其与O3, PM2.5的关系[J]. 中国环境科学, 38(8): 2820-2829. DOI:10.3969/j.issn.1000-6923.2018.08.004
刘芳. 2016. 深圳市环境空气质量状况分析及防治对策研究[D]. 大连: 大连交通大学
毛蒋兴, 闫小培, 李志刚, 等. 2009. 快速城市化过程中深圳土地利用变化的自然及人文因素综合研究[J]. 自然资源学报, 24(3): 523-535. DOI:10.3321/j.issn:1000-3037.2009.03.018
潘小多, 李新, 冉有华, 等. 2012. 下垫面对WRF模式模拟黑河流域区域气候精度影响研究[J]. 高原气象, 31(3): 657-667.
彭玉龙. 2016. 华南地区日极值气温统计降尺度研究[D]. 湘潭: 湘潭大学
彭云飞. 2018. 面向生态安全的城市土地利用优化模拟[D]. 武汉: 武汉大学
Purdy A J, Fisher J B, Goulden M L, et al. 2016. Ground heat flux: An analytical review of 6 models evaluated at 88 sites and globally[J]. Journal of Geophysical Research: Biogeosciences, 121(12): 3045-3059.
Schicker I, Arias D A, Seibert P. 2016. Influences of updated land-use data on WRF simulations for two Austrian regions[J]. Meteorology and Atmospheric Physics, 128(3): 279-301. DOI:10.1007/s00703-015-0416-y
沈滢洁, 王成刚. 2018. 北京城市热岛垂直结构的模拟研究[C]. 第35届中国气象学会年会S11城市气象与环境——第七届城市气象论坛
沈滢洁. 2018. WRF模式中城市冠层方案及边界层参数化方案最优组合的选取与应用[D]. 南京: 南京信息工程大学
Skamarock W C, Klemp J B, Dudhia J, et al. 2008. G. : A description of the Advanced Research WRF version 3[R]//NCAR Tech. Note NCAR/TN-475+ STR
苏福庆, 任阵海, 高庆先, 等. 2004. 北京及华北平原边界层大气中污染物的汇聚系统——边界层输送汇[J]. 环境科学研究, 17(1): 21-25.
孙仕强, 刘寿东, 王咏薇, 等. 2013. 城郊能量及辐射平衡特征观测分析[J]. 长江流域资源与环境, 22(4): 445-454.
王成刚, 孙鉴泞, 胡非, 等. 2007. 城市水泥下垫面能量平衡特征的观测与分析[J]. 南京大学学报: 自然科学版, 43(3): 270-279.
王腾蛟, 张镭, 张博凯, 等. 2013. 城市下垫面对河谷城市兰州冬季热岛效应及边界层结构的影响[J]. 气象学报, 71(6): 1115-1129.
Wang W, Bruyere C, Duda M, et al. 2018. User's Guides for the Advanced Research WRF (ARW) Modeling System[R]. version 3
吴芳凝. 2019. 大型场馆建设对深圳城市形态的影响研究(1979-2018年)[D]. 广州: 华南理工大学
尹沙沙. 2011. 珠江三角洲人为源氨排放清单及其对颗粒物形成贡献的研究[D]. 广州: 华南理工大学
张甜, 王仰麟, 刘焱序, 等. 2016. 1987-2015年深圳市主城区景观演变过程多时相识别[J]. 地理学报, 71(12): 2170-2184.
张艳, 鲍文杰, 余琦, 等. 2012. 超大城市热岛效应的季节变化特征及其年际差异[J]. 地球物理学报, 55(4): 1121-1128.
郑思轶, 刘树华. 2008. 北京城市化发展对温度, 相对湿度和降水的影响[J]. 气候与环境研究, 13(2): 123-133.
周荣卫, 蒋维楣, 何晓凤, 等. 2008. 应用城市冠层模式研究建筑物形态对城市边界层的影响[J]. 气象学报, 66(4): 489-499.