長江三角洲城市群人為熱排放特征研究

陸 燕,王勤耕,翟一然,宋媛媛,張艷燕,孫 平 (南京大學環境學院,污染控制與資源化研究國家重點實驗室,江蘇 南京 210023)

長江三角洲城市群人為熱排放特征研究

陸 燕,王勤耕*,翟一然,宋媛媛,張艷燕,孫 平 (南京大學環境學院,污染控制與資源化研究國家重點實驗室,江蘇 南京 210023)

基于常規可獲取的能源、交通、人口等統計資料,利用“自上而下”的能源清單法,研究了2010年長江三角洲(以下簡稱“長三角”)城市群地區各類人為熱排放量及其時空分布特征.結果表明:該地區人為熱排放總量為 1.4×1019J/a,其中工業、交通、建筑、新陳代謝分別占75.1%、12.5%、9.9%和2.5%.上海、蘇州、無錫、杭州和南京五個城市的人為熱排放總量約占研究區域總量的71%.長三角城市群的人為熱年平均排放通量為5.3W/m2,大部分地區介于5～30W/m2,城市高值區一般介于20～70W/m2,上海明顯高于其他城市.為方便有關環境氣候模式的輸入,本文提供了人為熱排放的網格化空間分布和簡單的時間變化廓線.

人為熱；排放清單；城市熱島；長江三角洲

隨著城市化規模以及社會經濟的快速發展,城市熱島效應日益突出,對區域氣候與環境都會產生重要影響[1-3].很多研究表明,人為熱排放是城市熱島效應形成的重要原因之一.在國外, Ichinose等[4]發現東京人為熱源可使其熱島強度增加1～1.5℃;Fan等[5]發現費城冬季夜間人為熱源同樣可以造成熱島強度增加2～3℃;Block等[6]模擬發現人為熱排放可造成中歐冬季持續變暖.在國內,蔣維楣等[7]模擬研究發現南京、杭州的人為熱源可使熱島強度增加 1～3℃;佟華等[8]通過類比東京的研究結果發現北京城市的人為熱源白天可使城市中心溫度增加 0.5℃,夜晚增加

1～3

℃;何曉鳳等[9]、王志銘等[10]通過估算工業、交通、民用建筑的能源消耗,分別研究了北京、杭州、南京及廣州等城市的人為熱排放強度.

總體來說,當前國內外關于城市人為熱排放的研究還很不充分,特別是對于城市群尺度的人為熱排放.當前針對少數單個城市的研究結果,由于采用的資料與方法不一,研究結果不僅零散粗糙、且缺乏系統性與可比性,遠不能滿足當前對于城市群氣候與環境效應的研究需求.

長江三角洲(簡稱“長三角”)地區是我國社會經濟最發達的地區之一.該城市群規模大、人口密度高,熱島效應顯著.倪敏麗等[11]基于 MODIS地表溫度遙感資料發現長三角地區長期存在由多個城市共同形成的“熱島群”.近年來,針對長三角城市群氣候與環境效應也開展了大量的研究工作,其中數值模擬是一種重要的研究手段,由于缺乏詳細可靠的城市群人為熱排放清單,對于人為熱的影響,要么基于簡單的假定、要么不給予考慮,已成為制約模擬精確度的主要因素之一.為此,本研究針對長三角經濟區 12個主要城市(行政區),主要基于常規可獲取的各種統計資料,采用“自上而下”的能源清單法,研究該地區人為熱的排放特征;并基于GIS構建具有較高分辨率的網格化熱排放清單,同時提供不同尺度的時間變化特征廓線,從而為開展城市氣候與環境研究提供基礎與支持.

1 研究方法與資料

目前城市人為熱排放量的研究方法主要有能源清單法[12-13]、能量平衡法[14-15]和建筑能效建模法[16-17]等.能源清單法是一種比較實用可靠且普遍采用的方法,該方法基于能源消耗量來估算人為熱的排放量,又可以分為自上而下和自下而上兩種,前者從城市或某區域的能耗總量出發,從宏觀上獲得各類型人為熱排放總量,然后根據某種方式分配到較小時空尺度[18];后者則基于較小時空尺度的不同類型的能耗數據,再通過逐級統計匯總估算出城市尺度的人為熱排放量[19].對于城市群尺度來說,考慮到有關資料獲取的完整性、統一性和方便性,自上而下的方法具有明顯的優越性.

因此,本研究采用自上而下的能源清單法對長三角城市群人為熱排放量進行估算.研究區域為長三角經濟區12個主要城市,包括上海、南京、蘇州、無錫、常州、揚州、泰州、南通、鎮江、杭州、湖州及嘉興.人為熱排放源重點考慮工業、交通運輸、建筑和人類新陳代謝四個方面,其中工業進一步劃分為一般工業以及電力和熱力供應兩大類,交通運輸劃分為市內交通和其他運輸(包括城際公路運輸、鐵路運輸等)兩類,建筑則劃分為居民生活建筑和商業建筑兩類.

除人類的新陳代謝外,其他三個方面的熱排放均與能源的消耗直接相關.本研究考慮的能源類型包括各類煤(原煤、洗精煤、型煤等)、油(原油、汽油、柴油等)、氣(煤氣、天然氣、液化石油氣等)、電、熱等,為便于比較和測算,將各類能源按熱值折算成標準煤.本研究的基礎資料主要來源于全國及各級行政區社會經濟、能源等方面的統計年鑒和相關研究報告,如中國能源統計年鑒[20]、中國城市年鑒[21]及各市統計年鑒等,資料基準年原則上取2010年.為彌補部分資料的缺乏并保證資料的可靠性,對近五年(2006～2010)不同來源的資料進行了調研并對比論證,最終確定了各地區、各部門、各類能源的消費總量,如表 1所示.

能源消費相關的熱排放量可通過如下公式進行估算:

其中:E為某地區、某類型人為熱排放量,J;Cc為標準煤消耗量,t;εc為標準煤熱值,kJ/kg;根據能源統計年鑒中的能源換算系數表取值為 29271kJ/ kg;η為熱釋放率,%.對于電力和熱力行業,其熱排放僅考慮其生產(能量轉換)過程中損失的熱量,電力和熱力在使用過程中的熱排放計入不同的終端消費部門.根據全國電力工業統計快報[22]的統計結果,本研究中電力、熱力部門的平均熱釋放率η取值為60%.對于其他能源消耗,假定其最終全部轉化為熱量釋放到大氣中,因此熱釋放率η取值為100%,同時忽略時間上的滯后性.

人類新陳代謝的熱排放與人口數量和活動狀態密切相關,本研究借鑒國外有關研究方法,將一天分為兩個時間段:07:00～22:59為“活動”狀態,23:00～06:59為“睡眠”狀態[23].人類新陳代謝排放的熱量值EM可以通過下式獲得:

式中:Mp為p時間段內每人的新陳代謝熱排放總量.參考 Fanger[24]和 Quah等[13]的研究結果,“活動”時間段內代謝熱排放強度為171W/人,“睡眠”時間段內為 70W/人,結合時間可得出 Mp的值.n為人口總數,長三角地區人口數量及分布資料通過各市統計年鑒獲取,2010年各地區人口總量見表1.

表1 長三角地區12個城市人口及各部門能源消耗量Table 1 Population and energy consumption in the YRD

2 結果與討論

2.1 長三角城市群地區人為熱排放的總體特征

由表 2可見,長三角十二個城市人為熱年排放總量為1.4×1019J/a (表中數據保留一位小數,下同),其中工業企業的人為熱排放量最高,為1.0×1019J/a,占總體水平的75.1%.交通運輸和建筑物的人為熱排放分別1.7×1018, 1.3×1018J/a,占總量的 12.5%和 9.9%.人類新陳代謝熱總量則僅有3.3×1017J/a,占總量的 2.5%.各城市的人為熱排放總量相差較大,排放最大的5個城市分別是上海、蘇州、杭州、無錫、南京,其排放總量約占長三角城市群總量的71%.何曉鳳等[9]對南京、杭州兩個城市的人為熱排放總量進行過估算,其結果分別約為7.3×1017,6.5×1017J/a,小于本研究結果,其主要原因是該研究僅考慮工業、市內交通及生活建筑,而忽略了各類運輸、商業建筑以及人類新陳代謝熱的排放,另外,由于資料的基準年相差 3a以上,各城市的能源消耗量也有較大幅度的增加.

表2 長三角地區12個城市人為熱排放量和平均排放通量Table 2 Total emissions and mean fluxes of anthropogenic heat in the YRD

由表 2可見,長三角城市群人為熱平均排放通量為 5.3W/m2,各地區平均排放通量相差很大,從2.3W/m2到16.1W/m2.上海的平均排放通量遠高于其他城市,無錫、蘇州、南京等也相對較高.由于本研究著眼于城市群區域尺度,在計算各城市平均排放通量時,針對整個城市行政區面積,包括城市建成區和郊區.而當前國內外關于單一城市的人為熱排放研究,一般都針對城市建成區.因此,本研究所計算的城市平均通量明顯低于國內外多數城市的研究結果.如,2002年韓國京仁地區的人為熱排放平均通量為 45W/m2[18],2004～2005年法國圖盧茲最密集區域的平均通量為43W/m2[15],2004～2007年巴西圣保羅的人為熱平均通量在 20W/m2左右[16].在蔣維楣等[25]、何曉鳳等[9]針對長三角部分城市進行的模擬研究中,南京和杭州的平均人為熱通量密度分別為40W/m2和50W/m2.本研究基于各城市建成區面積進行了估算,結果發現,大多數城市的平均排放通量大于 70W/m2, 由于部分工業企業位于城市建成區以外,且建成區面積遠小于行政面積,上述結果可能在一定程度上高估了實際情況.

2.2 人為熱排放的網格化空間分布

為了給城市化氣候與環境效應研究(特別是數值模擬研究)提供基礎與支持,本研究在針對城市行政區計算結果的基礎上,運用GIS技術,給出了9km×9km網格尺度下長三角城市群各類人為熱排放年均強度的空間分布,如圖1所示.對于各個城市范圍內部,由于缺乏空間分布的直接信息,本研究參考精細到區縣水平的GDP和人口分布資料(來源:各市統計年鑒)進行近似分配,即對于工業企業、交通運輸及商業建筑,假定其人為熱排放量與GDP相關;對于居民建筑及人類新陳代謝,假定其熱排放與人口數量相關.首先運用Arcgis10軟件,將基于區縣水平的 GDP 和人口資料制作成 9km×9km精度的網格資料,然后分別計算出各網格 GDP(或人口)占所在城市總量的比例,在此基礎上,將城市人為熱排放總量分配到各網格,從而得到每個網格的人為熱通量值.圖1為工業、交通運輸、建筑以及人類新陳代謝人為熱排放年均通量的分布.由圖1可見,四類人為熱的空間分布很不均勻,但分布格局基本類似.工業排放主要集中分布于上海及蘇南地區,南京、杭州也相對較大.對于交通、建筑以及新陳代謝的排放,主要分布于人口較集中的城市地區,其中上海處于較高水平.圖 2(a)是長三角城市群總體人為熱年排放通量分布情況,可以看出,上海、蘇州、無錫的高值區已連成一片.另外,南京、杭州北部也存在較大范圍的高值區.長三角大部分地區人為熱排放通量介于 5～30W/m2,多數城市高值區介于 20～70W/m2.倪敏麗等[11]利用 MODIS地表溫度產品進行歸一化處理,得到長三角城市群的熱場分布圖[圖 2(b)],將本研究的結果與其進行比較,可以看出人為熱排放的空間分布與城市群的熱場分布較為一致.

圖1 長三角城市群各類人為熱年均排放通量空間分布 工業,交通運輸,建筑,人類新陳代謝Fig.1 Anthropogenic heat emissions from industries, transportation, buildings and human metabolism in the YRD

圖2 長三角城市群總體人為熱排放通量空間分布及其與地表溫度遙感結果的比較Fig.2 Spatial distribution of anthropogenic heat emission in the YRD, compared with land surface temperature classification in the YRD

2.3 人為熱排放的時間變化

城市人為熱排放具有明顯的月變化、日變化甚至周變化.為了在有關氣候環境模式中合理引入人為熱源,了解不同尺度下的時間變化特征十分重要.為簡化起見,本研究僅考慮建筑的月變化以及交通運輸、建筑和人類新陳代謝的日變化,并假定長三角各城市的時間變化特征相同.

圖3 建筑人為熱排放月變化系數Fig.3 Monthly variation of heat emissions from residential and commercial buildings

考慮到建筑的能源消耗與居民生活和商業用電量存在密切聯系,本研究根據用電量的月變化趨勢分別獲得居民建筑和商業建筑月排放變化系數,如圖3所示.圖中縱坐標的變化系數代表各月熱排放占全年(12個月)的比例.可以看出,兩類建筑熱排放的變化趨勢基本一致,夏季排放出現明顯峰值.表3給出了長三角城市群市內交通、建筑、新陳代謝人為熱排放的日變化系數,與月變化系數相似,該系數表明每個時次熱排放占全天(24h)排放總量的比例.假定市內交通人為熱排放日變化特征與車流量的變化規律一致,本研究基于薛佳平等[26]及翟一然等[27]關于長三角城市的研究結果確定其人為熱日排放變化系數.建筑的日變化系數基于 Lee等[18]對韓國較發達地區(京仁)的研究結果確定.由于各人日?；顒拥亩嘧冃?無法準確獲得整體的新陳代謝熱排放時間規律,因此假定在“活動”和“睡眠”時間段內的排放比率均是固定值,具體數值依據 Fanger[24]和Quah等[13]的相關研究確定.可以看出,市內交通熱排放在早晨和傍晚相對較高,這與早晚交通高峰相一致.建筑熱排放總體上白天較高,中午和晚上也有兩個峰值,這與炊事活動有關.

表3 交通、建筑、新陳代謝人為熱排放日變化系數(%)Table 3 Diurnal variations of heat emissions from transportation, buidlings, and human metabolism (%)

3 結語

長三角城市群的人為熱排放總量為1.4×1019J/a,其中工業、交通運輸、建筑和人類新陳代謝四部分的人為熱排放量分別占 75.1%、12.5%、9.9%和 2.5%.人為熱排放總量最大的 5個城市分別是上海、蘇州、杭州、無錫、南京,對城市群人為熱排放量的總貢獻率將近 71%.長三角城市群人為熱平均排放通量為 5.3W/m2.各地區平均排放通量相差很大,上海的平均排放通量遠高于其它城市,無錫、南京等也相對較高.長三角大部分地區人為熱排放通量介于5～30W/m2,多數城市高值區介于20～70W/m2.

本研究在城市(行政區)層面上直接依據各種統計資料,人為熱排放總量的不確定性相對較小,但在各市內部,由于缺乏詳細資料,其空間分配多數依據GDP及人口等相關信息,因此不確定性較大,在開展高空間分辨率研究時,應給予充分關注.另外,所提供的不同尺度的時間變化系數,只是反映了主要排放源的區域總體變化特征,而不同地區往往具有明顯差別,這也是將來研究需要改進的一個重要方面.

參考文獻：

[1] Agarwal M, Tandon A. Modeling of the urban heat island in the form of mesoscale wind and of its effect on air pollution dispersal [J]. Applied Mathematical Modelling, 2010,34:2520-2530.

[2] Merbitz H, Buttst?dt M, Michael S, et al. GIS-based

identification of spatial variables enhancing heat and poor air

quality in urban areas [J]. Applied Geography, 2012,33:94-106. [3] Velazquez-Lozada A, Gonzalez J E, Winter A. Urban heat island effect analysis for San Juan, Puerto Rico [J]. Atmospheric Environment, 2006,40:1731-1741.

[4] Ichinose T, Shimodozono K, Hanaki K. Impact of anthropogenic heat on urban climate in Tokyo [J]. Atmospheric Environment, 1999,33:3897-3909.

[5] Fan H, Sailor D. Modeling the impacts of anthropogenic heating on the urban climate of Philadelphia: A comparison of implementations in two PBL schemes [J]. Atmospheric Environment, 2005,39:73-84.

[6] Block A, Keuler K, Schaller E. Impacts of anthropogenic heat on regional climate patterns [J]. Geophysical Research Letters, 2004, 31,L12211.

[7] 蔣維楣,苗世光,張 寧,等.城市氣象與邊界層數值模擬研究[J]. 地球科學進展, 2010,25(5):463-473.

[8] 佟 華,劉輝志,桑建國,等.城市人為熱對北京熱環境的影響[J]. 氣候與環境研究, 2004,9(3):409-421.

[9] 何曉鳳,蔣維楣,陳 燕,等.人為熱源對城市邊界層結構影響的數值模擬研究 [J]. 地球物理學報, 2007,50(1):74-82.

[10] 王志銘,王雪梅.廣州人為熱初步估算及敏感性分析 [J]. 氣象科學, 2011,31(4):422-430.

[11] 倪敏麗,申雙和,張佳華.長江三角洲城市群熱環境研究 [J]. 大氣科學學報, 2009,32(5):711-715.

[12] Ferreira M J, Oliveira A P, Soares J. Anthropogenic heat in the city of S?o Paulo, Brazil [J]. Theoretical and Applied Climatology, 2011,104:43-56.

[13] Quah A K L, Roth M. Diurnal and weekly variation of anthropogenic heat emissions in a tropical city, Singapore [J]. Atmospheric Environment, 2012,46:92-103.

[14] Offerle B, Grimmond C S B, Fortuniak K, et al. Temporal variations in heat fluxes over a central European city centre [J]. Theoretical and Applied Climatology, 2005,84:103-115.

[15] Pigeon G, Legain D, Durand P, et al. Anthropogenic heat release in an old European agglomeration (Toulouse, France) [J]. International Journal of Climatology, 2007,27:1969-1981.

[16] Heiple S, Sailor D J. Using building energy simulation and geospatial modeling techniques to determine high resolution building sector energy consumption profiles [J]. Energy And Buildings, 2008,40:1426-1436.

[17] Zhou Y, Weng Q, Gurney K R, et al. Estimation of the relationship between remotely sensed anthropogenic heat discharge and building energy use [J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2012,67:65-72.

[18] Lee S H, Song C K, Baik J J, et al. Estimation of anthropogenic heat emission in the Gyeong-In region of Korea [J]. Theoretical and Applied Climatology, 2009,96:291-303.

[19] Sailor D J, Brooks A, Hart M, et al. A bottom-up approach for estimating latent and sensible heat emissions from anthropogenic sources [J]. Seventh Symposium on the Urban Environment, 2007.

[20] 中國電力企業聯合會全國電力工業統計快報(2010年) [EB/OL].http://www.cec.org.cn/xinxifabu/2011-02-09/39714.html.

[21] 國家統計局能源統計司.中國能源統計年鑒2010 [M]. 北京:中國統計出版社, 2011.

[22] 程安東.中國城市年鑒2010 [M]. 北京:中國城市年鑒社, 2011.

[23] Grimmond C S B. The suburban energy balance: methodological considerations and results for a mid-latitude west coast city under winter and spring conditions [J]. International Journal of Climatology, 1992,12:481-497.

[24] Fanger P O. Thermal comfort: Analysis and applications in environmental engineering [M]. New York:McGraw-Hill, 1970.

[25] 蔣維楣,陳 燕.人為熱對城市邊界層結構影響研究 [J]. 大氣科學, 2007,31(1):37-47.

[26] 薛佳平,田偉利,張清宇.杭州市機動車 NOx排放清單的建立及其對空氣質量的影響 [J]. 環境科學研究, 2010,23(5):613-618. [27] 翟一然,王勤耕,宋媛媛.長江三角洲地區能源消費大氣污染物排放特征 [J]. 中國環境科學, 2012,32(9):1574-1582.

Anthropogenic heat emissions in the Yangtze River Delta region.

LU Yan, WANG Qin-geng*, ZHAI Yi-ran, SONG

Yuan-yuan, ZHANG Yan-yan, SUN Ping (State Key Laboratory of Pollution and Control Resource Reuse, School of the Environment, Nanjing University, Nanjing 210023, China). China Environmental Science, 2014,34(2)：295～301

Based on conventional statistical data on energy consumption, transportation, population, anthropogenic heat emissions from the urban agglomeration of the Yangtze River Delta (YRD) in 2010 were estimated by using the top-down energy inventory method. Results show that total amount of anthropogenic heat emissions was 1.4×1019J/a. Industry, transportation, buildings and human metabolism contributed 75.1%、12.5%、9.9% and 2.5%, respectively. Emissions from Shanghai, Suzhou, Wuxi, Hangzhou and Nanjing accounted for nearly 71% of the total amount. The mean flux in study area was 5.3W/m2with high values between 20 and 70W/m2in most urban areas. The flux in Shanghai was obviously higher than in other cities. In order to be applied in environmental and climate modeling, a gridded inventory with simple profiles of temporal variations was provided.

anthropogenic heat；emission inventory；urban heat island；Yangtze River Delta

X16

：A

：1000-6923(2014)02-0295-07

陸 燕(1989-),女,江蘇南通人,南京大學環境學院碩士研究生,主要從事城市群人為熱排放及其環境氣候效應的研究.

2013-06-04

國家自然科學基金資助項目(41175129);國家“973”項目(2010CB428503);國家科技支撐項目(2011BAK21B03)

* 責任作者, 教授, wangqg@nju.edu.cn