城市化對河南省極端降水空間分布的影響

　　摘要：針對城市化對極端降水空間分布的影響問題，利用城市冠層模型結合 WRF (weather research and forecasting)中尺度天氣預報模式對河南省 2021 年“7.20”特大暴雨進行數(shù)值模擬，并結合國家級地面觀測站實測降水數(shù)據(jù)對該模型的模擬精度進行驗證。結果表明，考慮城市冠層影響的耦合模型能更好地模擬出區(qū)域極端降水的強度和落區(qū)，與實測降水的空間分布更為接近，耦合模擬得到的平均降水量比未考慮城市冠層影響的模擬結果高 12.1 mm;人工耗水改變了區(qū)域的水熱耦合平衡，促進了城市區(qū)域對流性降水的形成。

　　關鍵詞：城市化;極端降水;城市冠層模型;WRF 模式;絕對濕度;河南省

　　劉家宏; 駱卓然; 張永祥; 周晉軍; 邵薇薇 水資源保護2021-12-03

　　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(qū)域性極端降水呈現(xiàn)顯著增多的態(tài)勢[2-3]。城市熱島現(xiàn)象、下墊面條件改變等因素都會對水汽蒸發(fā)、空氣對流產生明顯影響，從而影響到降水強度、頻率和落區(qū)[4-5]。城市化尤其使對流層氣象活動增加，引起局部區(qū)域降水量增多，城市暴雨內澇問題愈發(fā)明顯，不僅破壞了生態(tài)環(huán)境，更是對人類的生命、財產等構成了嚴重威脅[6-10]。國內外專家對城市地區(qū)降水進行了大量的模擬研究，但早期研究主要集中于城鄉(xiāng)降水觀測資料的對比分析。Chen 等[11]基于 CMORPH 數(shù)據(jù)評估了珠江三角洲地區(qū)城市化對降水的影響，發(fā)現(xiàn)與周圍農村地區(qū)相比，城區(qū)短歷時暴雨頻率顯著增加，發(fā)生下午時段的極端降水明顯高于農村地區(qū);Song 等[12]利用 1950—2012 年的降水觀測數(shù)據(jù)，對北京地區(qū)降水的時間趨勢和空間分布進行分析，發(fā)現(xiàn)降水量顯著減少，由于城市化的影響，城區(qū)的降水量略大于郊區(qū)，沒有發(fā)現(xiàn)降水在空間上的顯著變化。現(xiàn)階段，數(shù)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(shù)值模型分析了城市化對對流性降水影響的程度，發(fā)現(xiàn)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(fā)現(xiàn)城區(qū)的降水有增多的趨勢。與有限的降水觀測數(shù)據(jù)集相比，數(shù)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(tài)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(tǒng)分析，結合國家級地面觀測站數(shù)據(jù)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，并為保障國家水安全提供參考依據(jù)。

　　1 研究區(qū)概況與數(shù)據(jù)資料

　　1.1 研究區(qū)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 9937 萬，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(huán)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]。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(qū)，鄭州、焦作、新鄉(xiāng)、洛陽、許昌、平頂山等多個城市出現(xiàn)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(qū)，7月20日16—17時的1h內，鄭州市降水量更是高達201.9 mm，創(chuàng)歷史之最。

　　1.2 數(shù)據(jù)資料

　　模式運行所需的地形數(shù)據(jù)采用MODIS_30s 下墊面數(shù)據(jù) (https://www2.mmm.ucar.edu/wrf/users/do wnload/get_sources_wps_geog.html)，氣象驅動數(shù)據(jù)采用國家環(huán)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 6h，空間分辨率為 0.25°×0.25°的再分析數(shù)據(jù)。相比 2.5°×2.5°和 1°×1°的再分析數(shù)據(jù)，該數(shù)據(jù)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(shù)據(jù)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(qū)、縣級市(城鎮(zhèn)化率較高的地區(qū))的氣象站點作為城市站點，位于縣、自治縣、鄉(xiāng)鎮(zhèn)(城鎮(zhèn)化率較低的地區(qū))的氣象站點作為郊區(qū)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(qū)站共 35 個，郊區(qū)站共 81 個。

　　2 模型設置

　　WRF 模式是目前比較先進與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(shù)化研究、數(shù)據(jù)同化研究、預報研究、區(qū)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(fā)展的一些物理過程參數(shù)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(shù)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(qū)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(shù)分別為 160×160、184×184、 229×220，根據(jù)河南省的經緯度范圍確定模擬區(qū)域的中心點坐標是為 33º53′N, 113º.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(wěn)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(wěn)定，積分時間步長設置為 135 s (最外層區(qū)域空間分辨率的 5 倍)。由于 WRF 模式中不同的參數(shù)化方案組合在不同地區(qū)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(shù)化方案進行測試，對模型物理參數(shù)化方案進行區(qū)域適用性評估，并且根據(jù)前人的研究對河南省的物理過程參數(shù)化方案進行設置和調整[18]，選取其中最優(yōu)的參數(shù)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，行星邊界層方案采用 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(shù)化方案[21-22]。設置的具體參數(shù)來源于 Wang 等[23]以及全球城市與建筑物特征數(shù)據(jù)集，其他參數(shù)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]。

　　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(tǒng)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(shù)據(jù)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，是地統(tǒng)計學常用的空間插值方法。插值得到的降水空間分布如圖 3 所示，可以看出鄭州市為模擬時段降水量最高的地區(qū)，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(qū)累積降水量小于 100mm。所有觀測站點平均降水量為 152.1 mm。對照圖 1 城區(qū)站點在河南省的分布，發(fā)現(xiàn)城區(qū)站點多分布在鄭州市周圍，可以看出城區(qū)的降水量明顯高于郊區(qū)。本次河南省極端降水的原因，主要是受 1000km 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(qū)、伏牛山區(qū)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。

　　3.2 模擬結果

　　由于模擬是對 2021 年 7 月 19—20 日的 48h 累積降水量的展示，本身具有時間屬性，而且本文對時間維的考慮主要是對比城市化前后 (有無城市冠層) 對極端降水的影響，因此在這里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有城市化因素外，還有地形和區(qū)域氣候的變化因素[25-27]。因此，本研究模型模擬均采用相同的地形數(shù)據(jù)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(qū)，模型能夠用于河南省極端降水的模擬。由于河南省為典型的農業(yè)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(qū)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，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(qū)。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(tǒng)在城市上空的停留時間，導致城市降水量的增加[28]。②城市熱島效應，城市擁有自然側植被的蒸散發(fā)量以及城市人工用水產生的蒸發(fā)量，為降水對流系統(tǒng)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(qū)，促進了陸氣的水汽交換，對于降水的形成起到促進作用。

　　圖 5 為模擬時段 UCM 方案和 NON 方案距離地面 2m 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 1g/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(tǒng)提供了水汽來源。此外，城市化降低了城市植被覆蓋度和自然蒸散發(fā)量的同時，空氣含水率更高，說明人工耗水增加的蒸發(fā)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(lián)，共同影響城市地區(qū)的降水特征，突出了城市降水機制的復雜性和區(qū)域差異。總的來說，城市化使河南省城區(qū)的空氣濕度和氣溫均升高，城市化效應顯著。

　　進一步選取了位于河南省城市地區(qū)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(qū)水汽量和溫度的變化規(guī)律的影響，進而探討城市化對降水的影響[29]。需要說明的是，位于河南省的氣象站共有 15 個，其中有 10 個是城區(qū)站，5 個是郊區(qū)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(qū)的 10 個站點進行分析，站點編號為 53898、53986、57051、57083、57089、57091、57178、57290、57297、58005。絕對濕度是單位體積空氣中水蒸汽的質量，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(fā)，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(fā)[30]。絕對濕度的計算公式為 ρ vap = mvap V = pvap RvapT (1) 式中：