城市化對河南省極端降水空間分布的影響

2022-01-26 08:54:18劉家宏駱卓然張永祥周晉軍邵薇薇

水資源保護 2022年1期

劉家宏，駱卓然，張永祥，周晉軍，邵薇薇

(1.中國水利水電科學研究院流域水循環模擬與調控國家重點實驗室，北京 100038；2.北京工業大學城市建設學部，北京 100124)

極端降水是諸多極端天氣氣候事件中，對人們生活影響最為直接和顯著的災害之一[1]。近年來由于受到全球氣候變化和人類活動的影響，全球降水分布不均性明顯增加，區域性極端降水呈現顯著增多的態勢[2-3]。城市熱島現象、下墊面條件改變等因素都會對水汽蒸發、空氣對流產生明顯影響，從而影響到降水強度、頻率和落區[4-5]。城市化會使對流層氣象活動增加，引起局部區域降水量增多，城市暴雨內澇問題愈發明顯，對人民的生命、財產等構成了嚴重威脅[6-10]。

國內外專家對城市地區降水進行了大量的模擬研究，但早期研究主要集中于城鄉降水觀測資料的對比分析。Chen等[11]基于CMORPH數據評估了珠江三角洲地區城市化對降水的影響，發現與周圍農村地區相比，城區短歷時暴雨頻率顯著增加，發生在下午時段的極端降水明顯高于農村地區；Song等[12]利用1950—2012年的降水觀測數據，對北京地區降水的時間趨勢和空間分布進行分析，發現降水量顯著減少，由于城市化的影響，城區的降水量略大于郊區。現階段，數值模擬已被廣泛應用于城市化降水研究中[13-14]。Thielen等[15]采用γ尺度數值模型分析了城市化對對流性降水影響的程度，發現城市表面潛熱通量和粗糙度的增加會引起城市降水量的增加；侯愛中等[16]采用單層城市冠層模型與WRF(weather research and forecasting)天氣預報模式耦合來模擬北京市極端降水，發現城區的降水有增多的趨勢。與有限的降水觀測數據集相比，數值模擬可以提供具有更豐富空間分布信息，更有助于揭示降水的空間分布，并且從氣象學入手，基于城市冠層模型的中尺度氣象模擬，對城市的布局、形態進行量化研究，目前還是比較新的研究思路[17]。

本研究基于城市冠層模型耦合WRF中尺度天氣預報模式對河南省2021年“7·20”特大暴雨進行模擬，并對此次暴雨的特征、空間分布和成因進行系統分析，結合國家級地面觀測站數據對WRF模式的模擬性能進行驗證，通過對比有無城市冠層模型時降水空間分布的差異，探討城市化對極端降水的影響，以期能夠加深對城市化與極端降水內在關系的理解，在一定程度上提高應對極端降水事件的能力。

1 研究區概況與數據資料

1.1 研究區概況

河南省地處北緯31°23′～36°22′，東經110°21′～116°39′之間，全省總面積16.7萬km2，2020年常住人口為9 937萬人，是全國重要的綜合交通樞紐。如圖1所示，河南省地勢西高東低，北、西、南三面由太行山、伏牛山、桐柏山、大別山沿省界呈半環形分布，氣候具有四季分明、雨熱同期、復雜多樣和氣象災害頻繁的特點[18]。

圖1 河南省地面高程及國家級地面觀測站的位置分布Fig.1 Ground elevation and location distribution ofnational ground observation stations in Henan Province

2021年7月17—22日，河南省遭遇極端強降雨事件，強降雨中心主要分布在河南省西北部和中部地區，鄭州、焦作、新鄉、洛陽、許昌、平頂山等多個城市出現特大暴雨，造成重大人員傷亡和財產損失。鄭州市是本次特大暴雨過程中降水量最大、受災最嚴重的地區之一，7月20日16—17時的1 h內，鄭州市降水量更是高達201.9 mm，創歷史之最。

1.2 數據資料

模式運行所需的地形數據采用MODIS_30s下墊面數據(https://www2.mmm.ucar.edu/wrf/users/download/get_sources_wps_geog.html)；氣象驅動數據采用國家環境預報中心(National Centers for Environmental Prediction)提供的再分析資料(https://rda.ucar.edu/datasets/ds083.3/)，選擇了其中時間分辨率為6 h，空間分辨率為0.25°×0.25°的再分析數據。相比2.5°×2.5°和1°×1°的再分析數據，該數據集精度更高，模擬結果更為可靠。

為了驗證模型模擬的準確性，采用中國氣象數據網的中國地面氣象站逐小時觀測資料對模擬結果進行驗證(http://data.cma.cn/site/index.html)。將位于地級市、市轄區、縣級市(城鎮化率較高的地區)的氣象站點作為城市站點，位于縣、自治縣、鄉鎮(城鎮化率較低的地區)的氣象站點作為郊區站點。位于河南省內的國家級地面觀測站共有116個，其中城區站共35個，郊區站共81個(圖1)。

2 模型設置

WRF模式是目前比較先進、靈活的中尺度天氣預報模式，具有易攜帶高效且可并行運算的特性。應用場景包括：理想化模擬、參數化研究、數據同化研究、預報研究、區域氣候研究以及耦合模式應用等領域。WRF模式主要由前處理、主程序、后處理3部分構成，模式包含了最新發展的一些物理過程參數化方案，如微物理、積云對流、輻射、陸面以及邊界層等過程的參數化方案。

為了獲取高分辨率的計算結果，模式采用三層嵌套方案來提升區域的分辨率[19]，如圖2所示，D01、D02、D03各層空間分辨率分別為27 km、9 km、3 km，對應的網格數分別為160×160、184×184、229×220，根據河南省的經緯度范圍確定模擬區域的中心點坐標為33°53′N,113°30′E，垂直分層為34層，頂層氣壓設置為50 hPa，考慮城市冠層模型的穩定性及與WRF模式的耦合情況，本研究選用單層城市冠層模型[20]。為了確保模式運行的穩定，積分時間步長設置為135 s(最外層區域空間分辨率的5倍)。由于WRF模式中不同的參數化方案組合在不同地區的適用性存在較大差異，因此，首先在模擬前對應用最廣的幾種參數化方案進行測試，對模型物理參數化方案進行區域適用性評估，并且根據前人的研究對河南省的物理過程參數化方案進行設置和調整[18]，選取其中最優的參數化方案組合，微物理過程采用Thompson方案，長波輻射采用RRTM方案，短波輻射采用Dudhia方案，陸面過程采用Noah方案，行星邊界層采用YSU方案，城市冠層采用UCM方案，模式第一層積云過程采用KF方案，由于模式第二層和第三層的空間分辨率均小于10 km，因此未選用積云過程參數化方案[21-22]。設置的具體參數來源于Wang等[23]以及全球城市與建筑物特征數據集，其他參數主要采用UCM的默認設置。模型共設置了2組模擬對照試驗：不考慮城市冠層模型(記為NON)和考慮城市冠層模型(記為UCM)，城市冠層模型對城市的建筑物高度、密度、幾何形狀、建筑材料、街道寬度和走向、綠化面積等因素做了細致的刻畫[24]。

圖2 模擬區域的三層嵌套示意圖Fig.2 Schematic diagram of three-layernesting of simulation area

3 結果與分析

3.1 觀測結果

本研究選取的模擬時段為2021年7月18—20日，其中18日為預熱期，19—20日為用于分析的時段。為了進一步分析觀測降水量的空間分布情況，采用地統計學中常用的克里金插值法來對116個站點進行插值計算，克里金插值算法是利用數據點間的空間相關性，可以自動識別采樣點的空間分布，消除采樣點分布不均勻帶來的誤差，可信度較高。插值得到的降水量空間分布如圖3所示，可以看出鄭州市為模擬時段降水量最高的地區，兩天的累積降水量超過500 mm，東部和南部降水量較少，累積降水量小于50 mm，西部地區累積降水量小于100 mm。所有觀測站點平均降水量為152.1 mm。對照圖1城區站點在河南省的分布，發現城區站點多分布在鄭州市周圍，可以看出城區的降水量明顯高于郊區。本次河南省極端降水的原因，主要是受1 000 km外的臺風“煙花”和副熱帶高壓氣流的影響，大量的水汽通過偏東風源源不斷從海上輸送到陸地，再加上河南省太行山區、伏牛山區特殊地形對偏東氣流起到抬升輻合效應，從而導致了如此強勁的降水。

圖3 河南省地面觀測站累積降水量觀測值Fig.3 Observed values of cumulative precipitation atground observation stations in Henan Province

3.2 模擬結果

由于模擬是針對2021年7月19—20日的48 h累積降水量，具有時間屬性，而且本文主要考慮對比城市化前后(有無城市冠層)對極端降水的影響，因此沒有詳細分析逐小時的降水序列特征。引起城市降水量變化除城市化因素外，還有地形和區域氣候變化的因素。因此，本研究模型模擬均采用相同的地形數據和氣象資料來剝離其他的影響因素，進而分析城市化對極端降水的影響。由圖4可以看出，兩個方案均能夠較好地模擬出河南省降水強度和落區，模型能夠用于河南省極端降水的模擬。河南省為典型的農業大省，兩個方案模擬的主要差別分布在鄭州市附近。由于考慮了城市冠層物理過程，UCM方案更好地模擬出了強降水中心，范圍相比NON方案更大一些，而且在東南部的低值區域，UCM方案的模擬精度也會更高一些。UCM方案模擬的平均降水量為144 mm，相比NON方案模擬的平均降水量131.9 mm，高出了12.1 mm。城市化對降水起到了增強作用，其原因可能是以下兩個方面：①城市阻礙效應。城市冠層對空氣具有摩擦和阻礙作用，其粗糙度高于郊區，當其與地表產生的熱量和水汽量相遇時，容易形成上升的熱氣流；此外，建筑物的阻擋容易降低降水云團的移動速度，增加降水系統在城市上空的停留時間，導致城市降水量的增加。②城市熱島效應。城市擁有自然側植被的蒸散發量以及城市人工用水產生的蒸發量，為降水對流系統提供了充足的水汽，再加上城市熱島效應使得城市產生了高溫區，促進了陸-氣的水汽交換，對于降水的形成起到促進作用。

(a) NON方案

(b) UCM方案圖4 兩個方案的模擬結果Fig.4 Simulation results of two schemes

圖5為模擬時段UCM方案和NON方案距離地面2 m處平均比濕和溫度的差值。由圖5可見，UCM方案模擬的比濕大約比NON方案高1 g/kg，說明城市化增加了河南省近地面的空氣濕度，值得注意的是，增加最多的是鄭州市附近(城市下墊面)。鄭州市人口密集，人工耗水隨城市化進程大大增加，促進了陸-氣的水汽交換，為降水對流系統提供了部分水汽來源。此外，城市化降低了城市植被覆蓋度和自然蒸散發量的同時，空氣含水率更高，說明人工耗水增加的蒸發量高于由于城市化導致的自然蒸散的減少量。UCM方案模擬的溫度比NON方案模擬的溫度高約1.5 ℃，表明城市冠層物理過程增加了城市地表的溫度，水汽垂直輸送的速率加快，導致對流性降水增加。氣溫的升高也將增強大氣的保水能力，從而增加暴雨的頻率。這些影響相互關聯，共同影響城市地區的降水特征，突顯了城市降水機制的復雜性和區域差異。總的來說，城市化使河南省城區的空氣濕度和氣溫均升高，城市化效應顯著。

(a) 比濕差值

進一步選取了位于河南省城市地區共10個國家級地面觀測站1960—1969年(城市化緩慢時期)和2010—2019年(城市化加快時期)水汽壓和溫度的逐月氣象觀測資料，并結合城市人工耗水過程，探討城市化對河南省城市地區水汽量和溫度的變化規律的影響，進而探討城市化對降水的影響[25]。需要說明的是，位于河南省的氣象站共有15個，其中10個城區站、5個郊區站，由于本研究主要是針對城市化對極端降水空間分布的影響，因此主要對位于城區的10個站點進行分析，站點編號為53898、53986、57051、57083、57089、57091、57178、57290、57297和58005。

絕對濕度是單位體積空氣中水蒸氣的質量，反映了空氣中的實際水汽含量，既包括由于天然降水所引起的植被蒸散發，也包括建筑物內人工用水及道路灑水等人類活動引起的水分蒸發[26]。絕對濕度的計算公式為

(1)

式中：ρvap為絕對濕度，g/m3；mvap為空氣中溶解水的質量，g；V為空氣體積，m3；pvap為水汽壓，Pa；Rvap為水蒸氣的氣體常數，為461.5 J/(kg·K)；T為溫度，K。

對河南省城市化前后絕對濕度的變化進行分析，結果如圖6所示，可以看出，各地區城市的水汽量基本持平，所有10個站點1960—1969年絕對濕度的平均值為9.8 g/m3，2010—2019年絕對濕度的平均值為9.7 g/m3，說明了大規模城市化以來，雖然建筑物和硬化地面大面積覆蓋了城市地區使得城區自然蒸發量減少，但人工耗水活動產生的蒸發量增加，例如建筑物內用水、道路灑水、人工灌溉等，彌補了減少的自然蒸發量。有研究表明，當城市化達到一定程度以后，綜合耗水強度會超過原自然狀態的蒸散發強度[27]。圖7為不同站點城市化前后溫度的變化，可以看出除57089站點的溫度基本持平外，其他站點的溫度都有了顯著的提升。所有10個觀測站1960—1969年溫度的平均值為13.0 ℃，2010—2019年溫度的平均值為13.9 ℃。城市化使得城區溫度增加，由于人工耗水的作用，使得城市化過程中水汽量基本與過去持平，彌補了因植被覆蓋率減小的自然側蒸發量。Zhou等[28]提出城市耗水計算模型，發現2000—2015年廈門市城市水耗散強度呈增加趨勢，并且建筑物所占的耗水比例最大；Luo等[25]