作者简介:孟春雷(1976-),男,山东济宁人,副研究员,主要从事城市气象及陆面模式发展及同化研究.E-mail:clmeng@ium.cn
城市化改变了城市地区和周边区域热力、动力以及水文气象过程,从而对地表与大气相互作用产生一系列复杂的影响。目前,我国正处于城镇化的快速发展阶段,城市地表特征及其气候效应研究对于建设生态宜居城市非常重要。从城市地表特征观测与分析研究、城市下垫面特征变化对天气气候的影响途径及机理以及城市陆面模式发展3个方面总结了近年来国内外城市地表特征数值模拟研究进展。指出了当前城市地表特征数值模拟研究存在的一些问题,并且提出了今后进一步研究发展的主要方向。
Urbanization results in a suite of complex land surfaceatmosphere interactions that modify thermodynamic, radiative, dynamic, and hydrometeorological processes within the urban area and its surrounding regional footprint. Now China is undergoing a rapid development period of urbanization, so urbanization influence research is crucial important for building the ecologically amenity city. This article reviews the numerical simulation research on urban land surface characteristics in three aspects. They are urban land surface characteristics observation and analysis; the influence mechanism and processes of the urban land surface characteristics on urban weather and climate; and the development of urban land surface model, respectively. Urbanization leads to increased patch fragmentation and diversity, which may be expressed as more edges or smaller patch sizes. Urban database is crucial important to parameterize urban land surface characteristics. At present, urban land surface energy balance has been studied at length, but research associated with urban land surface water balance and water cycle is far from enough. Varieties of urban canopy models have been developed and coupled with land surface model, but urban hydrology model need to be developed in the near future. Spin up is the only assimilation method for urban canopy model, but it needs the support of longterm observational and remote sensing data. The development of an integrated urban land surface model should be a solution for urban land surface processes simulation because it integrates the urban energy balance model, urban hydrology model and natural surface model and it should be assimilated through traditional method such as variation and filter.
到2007年,全球有半数人口居住在城市[ 1]。到2030年,这一比例将超过60%[ 2]。2010年底,我国的城市化水平也达到49.68%[ 3]。伴随着经济与工业的发展,城市化对全球及区域气候和环境造成了深远影响。因此,城市气象及气候研究越来越受到重视。
总的来说,城市化改变了城市地区和周边区域热力、动力以及水文气象过程,从而对地表与大气相互作用产生一系列复杂的影响[ 4]。城市化对气候及环境的影响主要有以下4种:①城市化导致土地利用/土地覆盖变化,改变了地表物理特性,形成独特的地表能量平衡和水分平衡过程;②工业和城市化过程燃烧大量化石燃料,释放大量二氧化碳和甲烷等温室气体,导致全球气候变暖;③城市化形成与自然下垫面不同的独特的城市冠层和城市大气边界层,可改变地气之间热量与水汽交换规律以及大气边界层的湍流输送规律;④城市化导致区域性大气污染物增加,通过散射或吸收太阳辐射,改变到达地表的大气辐射通量和造成大气内部的辐射加热或冷却。其中,城市地表特征为城市化影响的核心,是城市化与全球变化研究的基础。目前,我国正处于城镇化的快速发展阶段,城市地表特征及其气候效应研究对于建设生态宜居城市非常重要。
本文从城市地表特征观测与分析研究、城市下垫面特征变化对天气气候的影响途径及机理以及城市陆面模式发展3个方面总结了近年来国内外城市地表特征数值模拟研究进展。指出了当前城市地表特征数值模拟研究存在的一些问题,并且提出了今后进一步研究发展的主要方向。
城市地表特征研究首先要弄清城市的定义与范围。高强度的人类活动对地球表面的改造产生了城市这一特殊的下垫面。城市是以非农业产业和非农业人口集聚形成的较大居民点。一般而言,人口较稠密的地区称为城市,一般包括了住宅区、工业区和商业区并且具备行政管辖功能。城市大小与范围的确定是城市地表特征研究的基础。目前主要有以下几种方法区分城市与自然下垫面:夜灯亮度与人口密度结合的方法[ 5, 6],即采用夜间灯光亮度遥感影像及人口密度统计值,通过确定阈值大小,来确定不同级别的城市、郊区及乡镇的范围,这种方法受阈值大小所限,因此不同阈值大小确定的城市范围不同;采用不透水面面积百分比的方法确定城区大小[ 7],根据研究区域不透水面积所占百分比区分城区、郊区、农村以及不同的城市功能区;高分辨率遥感影像人工解译方法[ 8],采用专题绘图仪(TM)、增强专题绘图仪(ETM+)等高分辨率影像采用人工解译方法确定城市范围;中低分辨率遥感影像与地理信息系统(GIS)数据结合的方法[ 9],采用中分辨率成像光谱仪(MODIS)等影像、夜间光强度数据和格网人口密度数据相结合的方法确定城市范围。
由于人类活动对地球表面的改造,城市地表特征与自然下垫面有着显著的区别。城市地表的主要特征有如下几点。
(1)与自然下垫面不同,城市地表具有破碎性和异质性[ 2, 10],同一地表分类所占面积通常较小,这就产生了混合像元问题[ 11],同时地表特征的破碎性导致地表热力、水力特性、发射率以及反照率等参数的高度异质性[ 12],从而对地气间物质、能量交换及大气环流带来影响。
(2)城市地表特征具有多样性和区域性[ 2]。和自然下垫面不同,不同城市地表特征有很大区别,每个城市都有各自的特点。同时,由于城市规划及人类活动等影响,同一城市的不同区域的地表特征也有明显区别。因此,研究城市地表特征及其影响需要对每个城市的特点进行具体分析。Stewart等[ 13]提出了城市本地气候区域(Local Climate Zone,LCZ)的概念,即按照类型、形态和功能相近的原则将城市区域划分为不同的本地气候区域,按照本地气候区域类型分别对不同城市地区进行精细地表参数化。
(3)城市地表特征具有立体型,城市建筑形态[ 14, 15]通常决定了城市地表粗糙度以及对太阳辐射的吸收、散射以及遮挡,从而改变了城市地表辐射平衡。
(4)城市地表具有延展性[ 5],城市通常由中心城区向四周扩展[ 16],形成不同的城市功能区域。
(5)城市大小、建筑物高度及人口密度之间具有一定的相关性。不同大小城市对天气气候的影响有明显区别。
(6)和自然下垫面相比,城市植被覆盖率通常较低,而且比较分散,另外经过人为改造,城市地区水体分布也具有自己的特点[ 12]。这些均导致了城区地表温度通常较高,蒸散则较低。
(7)城市地表最重要的特征是大面积的不透水面的出现[ 2, 11, 17]。城市不透水面能量平衡与水分循环特征与自然下垫面有显著的区别,改变了地气间物质能量交换过程和特征,从而对城市天气及气候产生的显著影响。
城市地表分类是研究城市地表特征及其变化的基础。大尺度的气象和气候模式的空间分辨率较低,城市只占模式网格的很小一部分,这时城市可以被当作单一地表分类来处理。中尺度模式空间分辨率一般为几公里,由于城市地表的破碎性和异质性,城市斑块面积通常比模式网格尺度小,这就导致了混合像元问题。这种情况下可以采用中分辨率遥感影像对城市进行分类[ 18, 19, 20];或者采用高分辨率遥感影像对城市进行分类[ 21],然后采用马赛克(Mosaic)的方式对城市地表分类进行升尺度处理[ 22, 23],如图1所示。小区尺度模式通常空间分辨率为几米到几十米,对于城市地表分类要求更高;这种情况下不仅要采用高分辨率影像对城市进行精细分类,还要考虑城市地表及冠层的三维结构或者采用GIS方法对城市特征进行描述[ 24],采用遥感影像反演建筑高度[ 25]以及不透水面、墙壁、道路等所占面积和视角范围等[ 7, 26]。
由于城市地表分类的多样性,城市地表特征数据库[ 27, 28]的建立显得异常重要。在城市地表特征数据不充足的情况下,可以根据城市地表分类对城市地表特征进行粗略的参数化,随着高分辨率城市地表特征数据的不断完善,城市地表分类的作用正逐渐降低。随着城市的发展和扩张以及人类活动对城市地表的改造,城市面积不断扩大,地表特征也在不断发生变化。采用不同时期的城市地表分类影像[ 8, 29]可以进行城市扩展及城市化的观测与分析研究。
城市地表特征变化改变了城市下垫面动力、热力及水力特性,改变了地气间辐射收支、动量通量、能量平衡和水分循环过程,从而对天气气候产生了影响。
城市地表特征变化通过改变地表物理特性(如地表反照率、粗糙度及比辐射率)引起地表辐射收支改变而影响天气气候[ 30],其中地表净辐射是地表辐射收支的核心。地表净辐射可以表示如下:
(1) |
式中:
由公式(1)可以看出,除了地表温度以外,与净辐射有关的地表参数主要包括地表反照率和发射率。地表反照率决定了地气间辐射能量分配,从而影响了地表温度、地气间交换通量等参数的模拟[ 31, 32]。由于城市建筑对光线的多次散射以及辐射截留等作用,城市反照率通常比组成城市的各个表面(如道路、墙壁、屋顶)反照率的平均值低[ 33]。最简单的反照率参数化方法是直接设定一个比较低的值,如0.15[ 34, 35]。反照率的精细参数化需要通过观测来确定[ 36, 37]或者通过卫星遥感影像[ 12, 18, 26, 38, 39]来反演。发射率决定了向上长波辐射,从而对地表能量平衡和地表温度产生影响,城市地表由于叶面积指数和植被覆盖率较低,因此发射率偏低,比一般植被覆盖地区偏低4%左右[ 12, 38]。由式(1)可以看出,城市地表反照率与发射率偏低均可以导致净辐射偏高。
地表动量通量决定了地表湍动能,从而影响了大气边界层结构,对天气气候产生影响。地气间动量通量耦合主要由地表风应力决定。地表风应力由风速和地表空气动力学粗糙度决定。城市地表的立体性和破碎性决定了城市地表具有相对较大的空气动力学粗糙度,从而具有较高的地表风应力。城市空气动力学粗糙度的确定方法包括经验公式法[ 40, 41]、观测数据估算法[ 42]以及激光雷达测量法[ 43]等。地表粗糙度文献研究众多,不过到目前为止仍没有较完美的解决方案[ 12, 44]。
地表能量平衡是指净辐射、潜热通量、感热通量和地表热通量之间的平衡过程。城市地表能量平衡决定了城市地气间的感热通量和潜热通量交换,从而对城市天气及气候产生影响。
基于傅立叶热传导定律和热力学第二定律,裸地地表能量平衡可以表示如下:
(2) |
式中:
由于人类活动、工业生产、化石燃料燃烧、交通尾气排放等因素导致了城市地区特有的人为热排放。Grimmond[ 45]将人为热排放引入到城市地表能量平衡方程中,人为热参数化方法可分为统计方法[ 33, 46, 47, 48, 49]、遥感方法[ 50]以及能量平衡剩余项方法[ 51]等。Sailor和Lu[ 52]认为人为热与人口密度有关,共包括交通、热电损耗和新陈代谢三部分,此方法得到了较为广泛的应用[ 28, 53]。由于太阳短波辐射与地理纬度有关,人为热在地表能量平衡方程中的比重与城市所在地理纬度关系密切。人为热可随时间、季节以及不同城市的变化而发生变化[ 14, 49]。加入人为热后,城市地表能量平衡可以表示如下:
(3) |
式中,
地表潜热通量与地气间比湿差成正比,与潜热阻抗成反比,可以表示如下:
(4) |
式中:
自然下垫面白天潜热通量通常为正值,夜间很小,基本可以忽略。对于城市不透水面,没有降水且地表没有积水情况下潜热通量为零。由式(2)和(3)可知,人为热的加入以及潜热通量的降低都导致了城市不透水面地表温度大大高于透水面裸地地表温度。同时,由于城区植被覆盖率相对较低,导致城区地表温度通常较高,这也是产生城市热岛效应(UHI)的根本原因。城市热岛效应根据不同定义方法可以分为近地面气温UHI、城市边界层顶气温UHI和地表温度UHI[ 4]等。相对于近地面气温UHI,地表温度UHI效应更加明显,在夏天晴朗的中午,城市不透水面地表温度甚至可以比植被下垫面高20°~30°[ 54]。热红外遥感图像[ 7, 11, 18, 37, 55]是反演城市地表温度的主要手段,利用遥感数据与常规观测数据相结合的方法,可以分析城市化对城市地表温度时空特征的影响[ 56, 57]。
地表感热通量与地气间温度差成正比,与感热阻抗成反比,可以表示如下:
(5) |
式中:
由公式(5)可以看出,由于城市地表温度较高,导致城市地表显热通量通常要高于郊区和农村。
城市化效应对地表能量平衡各分项的影响可以概括如下[ 58](图2):①由于地表温度升高导致感热通量显著增加;②由于植被覆盖率减少和不透水面的增加,潜热通量大致减少了一半;白天潜热通量明显小于感热通量[ 59, 60]。③地表储热量特别是白天储热量显著增加;④地表能量平衡存在不闭合问题,夜间更加严重[ 61, 62, 63]。
城市水分平衡是指降水、入渗、径流、蒸发和地表积水之间的平衡过程。其中,城市水分蒸发研究对于城市天气气候研究非常重要。相对于城市地表能量平衡研究,城市水分平衡研究文献比较少。原因一方面是由于城市管网等数据无法获取,另一方面则是由于对此方向重视不够[ 64]。
城市化对水分平衡的主要影响是大面积的不透水面取代了自然透水面。自然下垫面下地表水分平衡可表示如下:
(6) |
式中:
城市不透水面入渗为零,不考虑城市管网水分输送,不透水面水分平衡可表示如下:
(7) |
式中:
由公式(7)可以看出,不透水面蒸发是城市水分平衡研究的核心;同时蒸散发是陆面模式中最为重要的参数[ 65],因为它联系了地表能量平衡与水分平衡。Grimmond[ 66]首先对城市不透水面蒸发进行了参数化。Mitchell等[ 67, 68]对不透水面蒸发计算方法进行了改进,将不透水面蒸发定义为潜在水面蒸发与地表积水厚度的较小值。最近,Meng[ 54]对地表蒸发计算方法进行了修正。采用下式计算:
(8) |
式中,
图3[ 69]为不同不透水面积比率情况下地表水分平衡。城市不透水面水分平衡[ 67, 68]与自然下垫面有明显的区别,城市化对水循环的影响主要是入渗、蒸发的显著减少,地表径流增加以及地下水位的降低[ 70, 71]。
由前面的分析可知,与自然下垫面相比,城市下垫面具有自身的特点,城市地表特征变化改变了地气间动量通量、能量以及水分的交换,从而对天气气候产生影响。准确模拟城市陆面过程及地气间交换,需要在通用陆面模式基础上,发展适合城市地表特征的城市陆面模式。城市陆面模式的构建实际上就是陆面模式“城市化”[ 4]的过程,即发展新的本地化经验模式或者采用各种方式对陆面模式进行改进[ 33, 72, 73, 74],以提高模式对城市地表参数及地气交换通量的模拟能力,并且可以和天气气候等模式耦合。城市陆面模式主要分为以下几大类。
经验模式[ 75, 76, 77]较为简单,可以直接对城市下垫面特征进行模拟,不过它的致命缺陷是这些经验公式都是针对某一个或某一类特殊的城市或区域,不具有通用性。因此,模式不利于进一步推广。
此类模式主要是对陆面模式中的一些参数进行简单的调整,这些参数主要包括地表粗糙度、反照率、发射率、热容、热导率等[ 56, 78]。这种方法较为简单,没有对地表能量与水分平衡方程进行重新参数化,未考虑城市水文模式等影响,没有采用高分辨率城市地表分类数据升尺度方案等。
Masson[ 79]提出了城市地表能量平衡(TEB)方案[ 80, 81],它对城市各表面包括屋顶、墙壁和道路等进行辐射能量平衡收支处理,求解表面温度,计算各表面热通量。Kusaka[ 82]发展了TEB模式,提出了城市冠层模式(UCM)的概念。目前,城市冠层模式发展非常快,成为当前研究城市地表能量平衡的主流模式。根据城市冠层模式的复杂程度,也就是考虑城市表面与城市冠层单层或多层空气之间的热量交换[ 33, 73],可以把城市冠层模式划分为单层城市冠层模式[ 83, 84]和多层城市冠层模式[ 85, 86]。UCM研究发展很快,并且已经和天气模式与气候模式进行了耦合[ 53, 87, 88]。
为了比较不同复杂程度的城市能量平衡模式,Grimmond[ 89, 90]组织了“国际城市地表能量平衡比较计划”,目的主要是最优城市地表能量平衡方案的确定以及何种复杂程度的模式能够对城市冠层进行较准确的模拟。Grimmond[ 89]对33模式按照不同方式进行分类,验证地点为加拿大温哥华的一个工业区,用于验证的观测数据包括净短波与长波辐射、感热通量和潜热通量等。结论表明,没有一种模式对于所有参数的模拟结果优于其他模式;简单模式模拟性能和复杂模式基本一致;总体来说潜热通量模拟能力均为最差。Grimmond[ 90]比较了32种城市能量平衡模式,参与者可以提供验证地点的详细信息以便对模式中的人为设定变量进行详细参数化。结果表明,模拟结果与参与者提供信息的详细度有关,而和模式本身复杂程度关系不大。这表明尽管城市冠层模式参数化方案非常精细,但对于城市地表特征及其气候效应的机理方面的认识有待进一步加强。
城市水文模式主要研究城市化对城市水循环和水分平衡带来的影响。Grimmond研究了城市水分平衡[ 66, 91],建立了城市地区蒸发-截留模型[ 92],之后较为复杂的城市水文模式[ 67, 93]相继建立。目前我国城市水文模式研究尚未得到开展[ 64]。
集成城市陆面模式[ 23]在通用陆面模式的基础上直接构建,不需要耦合复杂的UCM。集成城市陆面模式保留了通用陆面模式在自然下垫面的全部特性,加强了模式在城市或人为下垫面的模拟和预报能力。集成城市陆面模式不仅加强了城市地表能量平衡模拟能力,而且还考虑了城市化对地表水分平衡的影响。
为了提高陆面模式模拟能力,需要将遥感观测资料与陆面模式结合,对陆面模式进行同化[ 94]。自然下垫面下的陆面模式同化已经得到了广泛开展,但城市陆面模式同化仍面临很大挑战[ 1]。原因主要是由于城市冠层模式非常复杂,此外由于城市地表特征的高度异质性和破碎性,遥感与观测数据的准确性和代表性很难得到保证。高分辨率城市陆面同化系统(u-HRLDAS)[ 54, 95]在UCM的基础上收集了大量的(通常为12-18个月)数据,通过长时间起转过程,得到比较稳定的地表参数及通量输出结果。u-HRLDAS能够对晴空下城市地表温度做出较为准确的模拟,但是需要大量、长时间的观测、遥感及再分析数据作为支撑,并且运行时间较长,很难实现业务化运行[ 4]。随着集成城市陆面模式的建立,使得传统同化算法(如变分和滤波等) 的应用成为可能。
城市地表特征数值模拟对于城市化气候效应研究以及建设生态宜居城市非常重要。城市地表特征与自然下垫面有着显著的区别,城市地表特征精细参数化以及城市地表特征数据库的建立对于城市地表特征数值模拟研究至关重要。目前我国城市地表特征数据库研究还未得到开展,城市地表特征参数化方案仍比较粗糙,急需进一步完善。
城市地表特征变化改变了城市地气间辐射收支、动量通量、能量平衡和水分循环过程,从而对天气气候产生了影响。目前城市地表能量平衡研究已经得到了深入开展,但是城市地表水分平衡以及水分循环研究还远远不够。此外,地表能量及水分平衡中关键变量的参数化方法研究仍存在很大不足。人为热的时空变化缺乏普适性的研究方法;不透水面蒸发、入渗以及径流等水文过程的参数化还未得到进一步开展。
目前城市陆面模式研发主要是发展各种复杂程度的UCM,并且和陆面模式进行耦合。但是UCM通常较为复杂,这就引入了大量的参数,针对具体的城市,如何得到或反演模式参数是模式局地化或应用中的重要障碍。UCM仅能对城市地表能量平衡进行研究,对于城市水文过程模拟能力不足。此外,UCM仅能够通过长时间起转过程的方法进行同化,这需要大量、长时间的观测、遥感及再分析数据作为支撑。集成城市陆面模式兼顾了城市地表能量与水分平衡,打破了城市冠层模式在尺度及应用范围上的局限性,并且可以和各种尺度天气气候模式进行耦合。此外,集成城市陆面模式可以采用传统同化算法(如变分和滤波等)进行同化。因此发展集成城市陆面模式应该成为今后城市地表特征数值模拟研究领域的重要发展方向。
[1] |
|
[2] |
|
[3] |
|
[4] |
|
[5] |
|
[6] |
|
[7] |
|
[8] |
|
[9] |
|
[10] |
|
[11] |
|
[12] |
|
[13] |
|
[14] |
|
[15] |
|
[16] |
|
[17] |
|
[18] |
|
[19] |
|
[20] |
|
[21] |
|
[22] |
|
[23] |
|
[24] |
|
[25] |
|
[26] |
|
[27] |
|
[28] |
|
[29] |
|
[30] |
|
[31] |
|
[32] |
|
[33] |
|
[34] |
|
[35] |
|
[36] |
|
[37] |
|
[38] |
|
[39] |
|
[40] |
|
[41] |
|
[42] |
|
[43] |
|
[44] |
|
[45] |
|
[46] |
|
[47] |
|
[48] |
|
[49] |
|
[50] |
|
[51] |
|
[52] |
|
[53] |
|
[54] |
|
[55] |
|
[56] |
|
[57] |
|
[58] |
|
[59] |
|
[60] |
|
[61] |
|
[62] |
|
[63] |
|
[64] |
|
[65] |
|
[66] |
|
[67] |
|
[68] |
|
[69] |
|
[70] |
|
[71] |
|
[72] |
|
[73] |
|
[74] |
|
[75] |
|
[76] |
|
[77] |
|
[78] |
|
[79] |
|
[80] |
|
[81] |
|
[82] |
|
[83] |
|
[84] |
|
[85] |
|
[86] |
|
[87] |
|
[88] |
|
[89] |
|
[90] |
|
[91] |
|
[92] |
|
[93] |
|
[94] |
|
[95] |
|