基于局地气候区的上海一次高温热浪过程的模拟

Simulation of a heat wave event in Shanghai based on Local Climate Zones

摘要

局地气候区（Local Climate Zone，LCZ）是一种城市高分辨率土地利用分类体系，将LCZ地图作为输入数据引入数值模型中，可以提供高分辨率的城市形态参数，提升城市地区的精细化模拟水平.针对超大城市——上海2017年7月19日至28日的高温热浪过程，采用WRF （Weather Research and Forecasting）耦合LCZ进行数值模拟，设置CTL，NOAH和NOURB三个算例来探究土地利用变化和人为热对高温热浪下上海城市热岛的贡献以及城市化对短时强降水的影响.结果表明，在考虑到城市土地利用变化和人为热排放时，该模式较好地再现了上海市夜间的冠层城市热岛和白天的城市热岛环流.夜间，土地利用变化和人为热均对冠层城市热岛有正向贡献，两者的贡献分别为0.89 ℃和1.02 ℃；白天，人为热对冠层城市热岛的正向贡献为0.27 ℃，土地利用变化则由于建筑物的阴影遮蔽效应对冠层城市热岛起到0.28 ℃的负向贡献.对上海市2017年7月22日的短时强降水过程的模拟研究发现，城市的存在会通过减少大气底层的水汽以及改变气温垂直分布来降低大气底层的对流有效位能，从而对城区的短时强降水起到抑制作用.研究结论有利于提高对夏季高温热浪下城市热岛的认识，为应对未来高温热浪事件可能带来的热胁迫以及提升城市地区夏季小尺度降水的预报能力提供一定的理论参考.

Abstract

The Local Climate Zone (LCZ) is a high⁃resolution urban land use classification. Incorporating LCZ maps as input data into numerical models can provide detailed urban morphological parameters，thereby enhancing the precision of simulations in urban areas. This study focuses on a heat wave event in Shanghai from July 19 to 28，2017，and employs the Weather Research and Forecasting (WRF) model coupled with the LCZ scheme for numerical simulation. Three experimental cases CTL，NOAH，and NOURB were designed to investigate the contributions of land use change and anthropogenic heat to the urban heat island in Shanghai during the heat wave，as well as the impact of urbanization on short⁃term heavy precipitation. The results indicate that when both urban land use changes and anthropogenic heat emissions are considered，the model successfully reproduces the canopy urban heat island at night and the urban heat island circulation daytime in Shanghai. At night，both land use change and anthropogenic heat positively contribute to the canopy urban heat island intensity，with contributions of 0.89 ℃ and 1.02 ℃，respectively. During the day，anthropogenic heat contributes positively by 0.27 ℃ to the canopy urban heat island (UHI)，while land use change exerts a negative contribution of 0.28 ℃ due to the shading effect of buildings. The simulation of the short⁃term heavy precipitation process on July 22，2017，in Shanghai found that the presence of cities reduces the convective available potential energy (CAPE) in the lower atmosphere by reducing water vapor and altering temperature vertical distribution，thereby suppressing short⁃term heavy precipitation in urban areas. The findings of this study contribute to a better understanding of the urban heat island during summer heat waves and provide theoretical insights for addressing potential heat stress from future heat wave events and improving the forecasting capability for small⁃scale precipitation in urban areas during summer.

Graphical abstract

关键词

局地气候区 / 城市热岛 / 短时强降水 / 高温热浪

Key words

local climate zone / urban heat island / short⁃term heavy precipitation / heat wave

中国目前正处于快速城市化阶段.在城市化过程中，自然下垫面向城市下垫面转变并伴随人类活动的增多，从而改变气温、降水、空气质量、边界层结构以及地表能量平衡^［1］，这会给城市带来许多气候风险和环境问题，例如城市热岛（Urban Heat Island，UHI）、空气污染、极端天气等^［2-4］，使居民健康和城市正常运行受到威胁.因此，城市化带来的问题受到越来越多的关注.

UHI是城市化带来的典型问题，它是指城区气温明显高于周边郊区的现象^［5］.数值模拟是研究UHI的重要手段，土地利用数据作为数值模拟中刻画下垫面性质的关键输入，直接参与地表能量平衡过程，显著影响边界层结构和局地环流，并与区域气候效应研究紧密相连^［6-7］.传统的数值模拟研究通常使用WRF默认的土地利用数据（如MODIS，USGS和CORINE），这种土地利用数据分类过于笼统，不能反映真实城市形态的非均匀性特征.Stewart and Oke^［8］提出的局地气候分区（Local Climate Zone，LCZ）将城市土地类别细化为10种，强调城市内部的非均匀性，在进行城市热环境模拟时应用LCZ方案可以提升模拟性能^［9］，从而更好地认识UHI.目前已有许多研究将LCZ方案应用到数值模拟中进行UHI的分析，比如Singh et al^［10］通过WRF耦合LCZ探讨了不同类型的人为热对新加坡UHI的贡献；Mughal et al^［11］将LCZ引入WRF/MLUCM中，对比了不同LCZ下的UHI强度差异；Zhou et al^［12］对日本仙台市的研究则通过WRF耦合LCZ探究了交通热排放对UHI强度的贡献.在中国，Wang and Wang^［13］和杨大虎^［14］都将精细化的LCZ下垫面引入WRF/BEP/BEM中，分别模拟了厦门和上海在高温过程中的城市热环境.不同城市的UHI成因存在差异^［15］.目前，国内外已有研究评估了不同因子对UHI的贡献^{［10，16-17］}，然而国内还缺乏将LCZ引入WRF后的UHI贡献因子研究.将精细化的LCZ下垫面数据以及相对应的城市形态参数引入WRF，可以更好地再现UHI的真实情况，基于此进行UHI贡献因子的研究可以为城市规划、热岛缓解和气候变化适应提供更精准的科学依据.

城市化导致的土地利用变化还会通过影响地表热量平衡、大气与地表层之间的水汽动量交换而改变城市地区的中小尺度降水^［18］.有研究表明城市的存在有利于强对流天气的形成，并且会使降水中心更明显、降水落区更集中^［19-20］，Kyakuno^［21］对日本小尺度降水的模拟研究发现城市环境中的极端降水强度比非城市区域更大.然而，也有研究提出了不同观点，例如Zhang et al^［22］认为UHI效应与水汽减少相结合会使城市地区边界层加厚，对流有效位能（Convective Available Potential Energy，CAPE）降低，从而减弱暖季降水；卢宁生等^［23］对南宁一次强降水过程的研究也发现城市的存在会减少地表的水汽蒸发和局部大气水分供给，降低CAPE，削弱降水.由此可见，城市化对中小尺度强降水的影响机制尚未明确.

目前，已有部分研究将LCZ体系应用于强降水事件的分析中.Savi et al^［24］对塞尔维亚诺维萨德的强降水事件进行观测研究，发现强降水与土地覆盖类型之间存在统计关系，不同的LCZ类型可能会影响局地降水特征.Nadimpalli et al^［25］将LCZ分类引入WRF模式，模拟印度东部海岸布巴内斯瓦尔市的强对流事件，将WUDAPT （World Urban Database And Access Portal Tools）生成的500 m分辨率LCZ数据与MODIS默认土地利用数据的模拟效果对比，发现基于LCZ的模拟显著改善了降水空间变异性，减少了整体偏差，提高了高分辨率降水预报能力.LCZ方法可以为分析城市化对局地强降水的影响机理提供新的视角.国内还缺乏基于LCZ方法对城市中短时强降水事件的分析.

在全球变暖的背景下，高温热浪事件频发，高温热浪对UHI有明显的协同加强^［26-28］，使城市遭遇更强的热胁迫.短时强降水是强对流天气的一种，在夏季最为频发^［29］，易造成城市内涝、山洪、泥石流和山体滑坡等次生灾害^［30］，影响人们生活、出行，甚至威胁到人们的生命财产安全^［31］，因其发展迅速、局地性强，目前对其的确定性预报能力依旧有限.基于LCZ方法，对高温热浪下的UHI机理以及城市的短时强降水事件进行深入研究对于城市规划、热岛缓解以及制定防灾减灾策略具有重要意义.

基于以上背景，本研究将LCZ应用于WRF中对上海2017年7月的一次高温热浪过程进行高分辨率模拟，通过敏感性试验，定量分析了土地利用变化和人为热排放对上海市UHI的贡献，并通过分析上海2017年7月22日的短时强降水典型个例，探讨城市对高温热浪下短时强降水的影响，为未来小尺度降水预报提供参考.

1 材料和方法

1.1　研究区域

上海是中国长三角地区的典型特大城市，占地面积6340.5 km²，自改革开放以来，经历了迅速扩张和城市化，吸引了大量人口聚集，常住人口约为2480万人.上海毗邻东海，为海滨城市，属亚热带季风气候，四季分明，雨热同期，夏季高温多雨，冬季温和少雨.在全球变暖和城市化背景下，夏季高温热浪事件频发^［32］，上海因为UHI的存在以及极高的人口密度，会在夏季遭遇更强的热胁迫^［33］.此外，夏季的午后是上海强降水的多发时期^［34］，而上海市城市化影响短时强降水的关键因素还有待进一步探究.因此，选取上海作为研究对象来进行UHI的机理研究并探讨城市化对强降水的影响.

1.2　研究时段与天气背景介绍

中国气象局将连续三天日最高气温大于35 ℃的高温天气过程定义为热浪，热浪的出现会带来一些危害，例如威胁人体健康和植物生长、降低人体热舒适度以及增大能源消耗^［35-37］.此外，有研究发现高温热浪会加强UHI效应^［33］.2017年7月大气环流稳定，西太平洋副高位置偏西，强度偏强，持续控制华东地区，下沉气流以及辐射增温共同作用导致上海的气温不断上升^［38］.2017年7月12-28日，上海的最高气温一直在35 ℃以上，甚至有几天出现高于40 ℃的极端高温，该时段为典型的高温热浪时段，且22日午后上海市出现了短时局地强降水，因此，选取该时段进行数值模拟为分析高温热浪下的UHI以及城市中的对流触发机制提供了理想案例.

1.3　WRF耦合LCZ

本研究使用Weather Research and Forecasting model （WRF v3.8.1）开展数值模拟.WRF模式默认的土地利用/土地覆盖基于不透水面覆盖率将城市笼统地分成高密度住宅区、低密度住宅区和工业商业区这三类，这一分类方式对城市结构进行了较大简化，难以准确地描述城市下垫面的非均匀性，在使用默认土地利用类别时，模式所调用的城市形态参数来源于URBPARM.TBL中的默认值，不能精确反映具体城市的独特形态.引入建筑物详细信息有助于更真实地反映城市的三维结构，从而改善模式对风、温、湿等气象要素的模拟^［39-41］.LCZ是一种增添了建筑物详细信息的城市高分辨率土地利用分类，它将城市土地利用类型细化为10类.为了更真实地还原城市形态、提升模式对城市气象要素的模拟水平，本研究通过W2W方法将LCZ引入WRF中，该方法用LCZ地图替代WRF默认的MODIS土地覆盖数据中的城市类别，将URBPARM.TBL中的原始参数由默认的三种扩展到与LCZ相对应的10种.本研究使用的LCZ地图由马倩等^［42］通过WUDAPT制作而得，准确度达到83%.每一个LCZ类型对应不同的城市形态参数，本研究中的LCZ城市形态参数取值参考杨大虎^［14］.W2W方法将城市形态参数直接分配给高分辨率的LCZ地图，然后再聚合到WRF网格中，这种方法为每个WRF格点生成了独特的城市形态参数值，从而能在模拟中更好地再现城市边界层特征^［43］.

1.4　数值试验设计

模拟研究采用WRF v3.8.1，为探究土地利用变化和人为热对UHI的贡献，设计了三个算例进行敏感性试验，分别命名为CTL，NOAH和NOURB.这三个算例的模拟区域均保持一致，均采用三层双向嵌套方案，D01，D02和D03格距分别为9，3和1 km，对应的格点数则分别为161×161，271×241和238×205，其中，最内层模拟域D03以上海市为中心，垂直方向均分为29层，模拟时段均为2017年7月19日00：00 UTC（协调世界时）至29日00：00 UTC，前12 h为模拟预热期.

CTL为控制算例，采用1.3中方法用LCZ土地利用数据替代WRF中默认的MODIS土地利用数据，城市地表参数化方案为BEP+BEM；NOAH也采用LCZ土地利用数据，作为对照组，其城市地表参数化方案采用BEP，BEP方案不考虑人为热；NOURB采用MODIS土地利用数据，并将其中的城市建筑类别全部替换为农田，城市地表参数化方案则依旧采用BEM，该方案抹除了城市建筑，并且不考虑人为热影响.除了土地利用数据和城市地表参数化方案之外，三个算例的其他参数化方案设置均保持一致，采用Lin云微物理方案^［44］、RRTMG长波辐射方案^［45］、RRTMG短波辐射方案^［45］、Eta相似理论地面层方案^［46］、Noah陆面过程方案^［47］、MYJ边界层方案^［46］，并在D01使用Grell⁃Freitas （GF）积云对流方案^［48］.模拟域的设置以及最内层D03中的LCZ类型和城市覆盖占比见图1.本研究采用美国气象环境中心（National Centers for Environmental Prediction，NCEP） 6 h间隔的再分析数据集（分辨率为0.25°）作为驱动模型的初始条件和边界条件.

1.5　观测资料

2.1节中模式检验以及2.3节中降水实况图中所用到的2 m气温和1 h降水量的观测数据均来自上海的地面自动气象观测站，该数据的采集严格遵守《自动气象站观测规范GB/T 337013 2017》.剔除掉难以进行LCZ归类以及缺测值过多的站点后共保留51个站点.为排除因测量偶然误差导致的粗大误差，本研究采用拉依达准则^［49］对原始观测数据进行质量控制，文中所使用的观测数据均通过质量检验.

2 试验结果

2.1　模式检验

利用观测数据对CTL，NOAH和NOURB的模拟结果进行检验，图2给出各LCZ的2 m气温观测值和模拟值的时间序列，由图2可见CTL，NOAH和NOURB均较好地还原了上海高温热浪下2 m气温的变化趋势.

下表给出各LCZ的2 m气温模拟值和观测值的均方根误差（Root Mean Square Error，RMSE）以及相关系数R（通过显著性检验）.可以看到三个算例中2 m气温的模拟值与观测值的RMSE几乎都小于3 ℃，仅NOURB中的紧凑低层（LCZ 3）和大型低层（LCZ 8）的RMSE分别为3.07 ℃和3.11 ℃.此外，三个算例在不同LCZ中的模拟值与观测值的相关系数R均较高，都达到0.85，其中大部分超过0.9.

图2进一步显示三个算例的模拟结果存在差异.在低矮植被类型（LCZ D）中，三个算例的模拟结果最为一致，各模拟曲线几乎重叠，这主要是由于LCZ D中不存在建筑物与人为热排放，因此模式中下垫面类型和城市冠层方案的改变对该类LCZ的模拟效果几乎没有影响.而在建筑密集的LCZ类型中，三个算例的模拟结果出现明显区别：夜间CTL模拟值高于后两者，且更接近实测值，这是由于CTL同时考虑了建筑形态与人为热排放的作用，NOAH未包含人为热排放，NOURB则完全忽略了建筑形态及人为热排放，建筑物在夜间释放的储热以及人类活动所排放的热量，均会促使局地气温升高，这种差异在建筑高大密集的LCZ类别（如LCZ 1，LCZ 2，LCZ 4和LCZ 5）中尤为突出.白天时段，即使在建筑类LCZ中，三个算例的模拟结果仍较为接近，这是由于建筑物遮蔽阳光造成的降温效应会与建筑物截限长波辐射造成的升温效应相抵消.

CTL模拟得到的气温曲线与观测气温曲线重叠度最高，且CTL模拟值与观测值的RMSE在所有LCZ中均比NOAH和NOURB更小，说明CTL的模拟效果最佳，与实际情况最接近.且CTL模拟效果的优越性在建筑物高大密集的LCZ中更明显.

2.2　对高温热浪下上海市热环境的数值模拟

排除降水的影响，画出三个算例在7月24-28日（无降水）夜间22：00-02：00的平均2 m气温和10 m风场平面图（图3），由图可知，CTL和NOAH算例中均出现冠层UHI，市区2 m气温相较于郊区明显偏高，而NOURB中上海的2 m气温分布较为均匀，没有出现UHI现象.这是因为在CTL和NOAH算例中，市区的建筑物在夜间会大量释放白天储存的热量，同时建筑物对长波辐射的截陷效应在夜间起到保温作用，因此降温较慢，而郊区地表辐射冷却作用强，散热迅速，降温较快.图3显示CTL中的冠层UHI相较于NOAH中的更明显，这是因为CTL相较于NOAH更多考虑了人为热的排放，人为热在夜间持续释放会进一步减缓市区的降温速度.

图4给出三个算例在7月24-28日午间10：00-14：00的平均2 m气温和10 m风场及对应的气温风场垂直剖面（剖面位置在平面图中以红色实线标出，下文所有垂直分布图均沿此剖面绘制）.午间，CTL与NOAH均模拟出城区气温高于郊区的UHI现象.受偏东背景风的影响，气温高值区域向西偏移，并伴有气流向城市气温高值区的辐合.CTL和NOAH的垂直剖面图还展示了UHI环流，在市中心附近（121.1°~121.5°E）有明显的气流上升支.CTL的市中心增温相较于NOAH更显著，气流辐合也更强.NOURB的模拟结果中并没有出现热岛现象，气流在陆地上略有辐合但不如CTL和NOAH明显，垂直剖面上仅能看到海风环流而无热岛环流，市中心附近并没有像CTL和NOAH中那样明显的上升气流.

显然，高温热浪下的上海在夜间和白天都存在UHI现象，而土地利用的改变和人为热的排放都对UHI的形成有一定的贡献.

对CTL，NOAH，NOURB的模拟结果两两做差进行对比，可以更直观地体现土地利用变化和人为热排放对UHI的贡献，其中CTL与NOURB的差值表示人为热和土地利用变化的共同贡献，CTL与NOAH的差值表示人为热的贡献，NOAH与NOURB的差值表示土地利用变化的贡献.图5和图6分别给出了2017年7月24-28日夜间22：00-02：00和午间10：00-14：00不同算例之间的2 m气温和10 m风场差值.

首先分析夜间的情况，从图5可以看到上海市夜间CTL与NOURB、CTL与NOAH、NOAH与NOURB的2 m气温差值在城区均为明显的正值，这表明土地利用变化和人为热排放这两个因子在夜间均具有增温效应，对冠层UHI均有正向贡献.随后，分别求出（T_{\mathrm{C}\mathrm{T}\mathrm{L}}-T_{\mathrm{N}\mathrm{O}\mathrm{U}\mathrm{R}\mathrm{B}}），（T_{\mathrm{C}\mathrm{T}\mathrm{L}}-T_{\mathrm{N}\mathrm{O}\mathrm{A}\mathrm{H}}）和（T_{\mathrm{N}\mathrm{O}\mathrm{A}\mathrm{H}}-T_{\mathrm{N}\mathrm{O}\mathrm{U}\mathrm{R}\mathrm{B}}）的城区平均值，以定量化人为热和土地利用变化对冠层UHI贡献，结果表明，夜间，在建筑物与人为热共同作用下，上海城区气温上升了1.91 ℃ （T_{\mathrm{C}\mathrm{T}\mathrm{L}}-T_{\mathrm{N}\mathrm{O}\mathrm{U}\mathrm{R}\mathrm{B}}）；仅考虑建筑物（土地利用变化）的作用（即NOAH模拟结果减去NOURB模拟结果）时升温0.89 ℃；仅考虑人为热的作用时升温1.02 ℃ （T_{\mathrm{C}\mathrm{T}\mathrm{L}}-T_{\mathrm{N}\mathrm{O}\mathrm{A}\mathrm{H}}）.人为热对冠层UHI的贡献较大，占53.4%，而土地利用变化对冠层UHI的贡献稍小，占46.6%.

图6表明午间情况与夜间不同，平面图中城区建筑物密集区的2 m气温差值（T_{\mathrm{C}\mathrm{T}\mathrm{L}}-T_{\mathrm{N}\mathrm{O}\mathrm{U}\mathrm{R}\mathrm{B}}）显示为负值，说明人为热和建筑物的共同作用会使城区建筑物密集区的2 m气温降低，对UHI起到的贡献是负向的.平面图（T_{\mathrm{C}\mathrm{T}\mathrm{L}}-T_{\mathrm{N}\mathrm{O}\mathrm{A}\mathrm{H}}）中整个上海市没有出现2 m气温差负值，甚至市区有较小正值区，这说明人为热对午间的UHI起到较弱的正向贡献，而气温差值平面图（T_{\mathrm{N}\mathrm{O}\mathrm{A}\mathrm{H}}-T_{\mathrm{N}\mathrm{O}\mathrm{U}\mathrm{R}\mathrm{B}}）中城区建筑物密集区也为负值，说明建筑物对UHI起到负向作用，甚至有可能导致城市冷岛出现，这是因为建筑物在白天会遮挡太阳光，其阴影遮蔽效应会使得城市冠层高度以下的气温降低.定量化结果进一步验证了上述结论，午间，气温差（T_{\mathrm{C}\mathrm{T}\mathrm{L}}-T_{\mathrm{N}\mathrm{O}\mathrm{A}\mathrm{H}}）在城区的平均值为0.27 ℃，这代表人为热在午间对冠层UHI的贡献，而T_{\mathrm{N}\mathrm{O}\mathrm{A}\mathrm{H}}-T_{\mathrm{N}\mathrm{O}\mathrm{U}\mathrm{R}\mathrm{B}}在城区的平均值为-0.28 ℃，这代表土地利用变化在午间对冠层UHI的贡献，可见建筑物在午间会使城区2 m气温下降.T_{\mathrm{C}\mathrm{T}\mathrm{L}}-T_{\mathrm{N}\mathrm{O}\mathrm{U}\mathrm{R}\mathrm{B}}在城区的平均值为-0.1 ℃，说明土地利用变化和人为热排放的贡献相互抵消，总和仅为-0.1 ℃.

然而，从图6中第二列气温风场差值剖面来看，午间的气温差值（T_{\mathrm{N}\mathrm{O}\mathrm{A}\mathrm{H}}-T_{\mathrm{N}\mathrm{O}\mathrm{U}\mathrm{R}\mathrm{B}}）在城区上方为正值（图6f），这与2 m高度处的情况不同，且风场差值体现出UHI环流的特征，与图6a平面图上存在的风场差值向市区辐合的现象相符合，这说明城区土地利用变化在城市冠层高度以上即起到增温作用，并会促使UHI环流的形成.为了进一步验证上述结论，作出105 m高度（模式中设置的建筑物最大高度）午间各个算例之间的气温风场差值平面图（图7），由图可见在105 m高度处，（T_{\mathrm{C}\mathrm{T}\mathrm{L}}-T_{\mathrm{N}\mathrm{O}\mathrm{A}\mathrm{H}}）的情况与近地面几乎相同，人为热对午间105 m高度的UHI起到微弱的正向作用，而气温差值（T_{\mathrm{N}\mathrm{O}\mathrm{A}\mathrm{H}}-T_{\mathrm{N}\mathrm{O}\mathrm{U}\mathrm{R}\mathrm{B}}）的情况则和近地面（2 m）出现明显的差别，从图7c可以看到在建筑物密集的城区，气温差值为正，说明土地利用变化在105 m高度处及以上对UHI起到正向贡献，这是因为建筑物在该高度处已经不再遮挡阳光，其阴影遮蔽效应在该高度处无法维持，同时，由于建筑表面多为不透水材质，建筑接受到的太阳辐射会迅速以感热形式加热大气，使该高度处的大气迅速升温.而105 m高度处城区的气温差值（T_{\mathrm{C}\mathrm{T}\mathrm{L}}-T_{\mathrm{N}\mathrm{O}\mathrm{U}\mathrm{R}\mathrm{B}}）也为正值，这与午间该气温差值的垂直剖面显示的结果相符，说明在城市冠层高度以上，人为热的增温作用很小，不如建筑物的增温效果明显.以上结果表明，上海高温热浪下白天冠层以上的UHI以及UHI环流主要源于土地利用的变化，人为热起到的作用较小.

2.3　上海午后短时强降水的模拟

历史天气资料和自动气象站的1 h降水资料显示上海2017年7月22日午后经历了一次局地短时强降水天气过程.图8a~d为观测站点测得的13：00-16：00的1 h降水量平面图，可以看到13：00上海市区北部出现小范围的降水，14：00降水落区向南移动，且范围有所扩大，15：00降水继续南移且强度有所减弱，16：00降水向西偏南方向移动，且强度进一步减弱，趋于消散.图8e~h则给出了CTL算例13：00-16：00的降水模拟结果，13：00降水出现在上海市区北侧，14：00范围扩大且强度加强，15：00强度略有减弱，16：00明显减弱消散，该过程模拟结果与观测结果相对应，CTL算例较好地模拟出了上海此次午后局地短时强降水.

图9则给出观测和CTL模拟得到的上海7月22日13：00-16：00的2 m气温场，其中，图9a~d为观测值，图9e~h为CTL模拟值，从图中可见CTL很好地模拟出了上海7月22日午后由于强降水而造成的局部气温低值，与降水位置相对应，该气温低值区首先出现在上海市的北部，随后范围扩大并向南移动，在14：00低温范围最大且值最低，15：00起逐渐减弱消散，此过程与观测结果相对应.

CAPE在气象学上代表单位质量的空气块从自由对流高度上升到平衡高度时获得的能量，其计算公式如下：

CAPE={\int }_{Z_{\mathrm{L}\mathrm{F}\mathrm{C}}}^{Z_{\mathrm{E}\mathrm{L}}}g\frac{T_{v,\mathrm{p}\mathrm{a}\mathrm{r}\mathrm{c}\mathrm{e}\mathrm{l}}-T_{v,\mathrm{e}\mathrm{n}\mathrm{v}\mathrm{i}\mathrm{r}\mathrm{o}\mathrm{n}\mathrm{m}\mathrm{e}\mathrm{n}\mathrm{t}}}{T_{v,\mathrm{e}\mathrm{n}\mathrm{v}\mathrm{i}\mathrm{r}\mathrm{o}\mathrm{n}\mathrm{m}\mathrm{e}\mathrm{n}\mathrm{t}}}\mathrm{d}z

其中，g为重力加速度；T_{v,\mathrm{p}\mathrm{a}\mathrm{r}\mathrm{c}\mathrm{e}\mathrm{l}}和T_{v,\mathrm{e}\mathrm{n}\mathrm{v}\mathrm{i}\mathrm{r}\mathrm{o}\mathrm{n}\mathrm{m}\mathrm{e}\mathrm{n}\mathrm{t}}分别为气块与环境的虚温；Z_{\mathrm{E}\mathrm{L}}和Z_{\mathrm{L}\mathrm{F}\mathrm{C}}分别为平衡高度和自由对流高度.CAPE是用于判断大气垂直稳定性和对流发展潜力的重要指标，其值越大越有可能出现强对流.

图10为CTL模拟得到的上海7月22日逐小时的CAPE垂直剖面（剖面对应图3中的红色实线），由图可知，从08：00开始CAPE从底部逐渐增大，到12：00 CAPE最大值已超过4000 J·kg^-1，十分有利于强对流的发生.实况中13：00市区出现降水，降水位置与CAPE最大值所在位置相对应，13：00后降水对应位置的CAPE逐渐减小，16：00降水趋于结束，对应位置的CAPE也降至较低水平.总体而言，CTL很好地模拟出7月22日上海市区由于受到不均匀加热而产生的午后热雷雨过程以及该过程中的CAPE值变化情况.

图11为CTL和NOURB模拟得到的CAPE差值的垂直剖面，由图可见整个过程中CAPE差值总体地存在一条分界线，在分界线下层为负，上层为正，该分界线的高度与NOURB算例中的边界层高度相对应，随着时间推移逐渐从几百米高度上升至1500 m以上.这种现象说明城市化带来的下垫面改变以及人为热排放会使得城市地区大气底层的不稳定能量减少，对流被抑制.这种现象可以从两方面来解释，一方面是气温的变化，在白天，由于建筑物对太阳辐射的阴影遮蔽效应，城市冠层高度以下的空气温度会降低，而在城市冠层以上，由于城市地区感热通量增多以及人为热的排放，空气温度有所升高，这会使城市影响下的大气层结不稳定度减弱；另一方面则是水汽的影响，水汽是CAPE的重要贡献来源，图12给出了CTL和NOURB水汽混合比（简写为“QVAPOR”）差值的垂直剖面，由图12可见城区上方水汽混合比的差值随高度变化明显，并存在一个与CAPE差值位置相对应的分界线，总体而言在分界线下层为负值，上层为正值，这说明城市的存在会使得大气底层中的水汽减少，这是因为城市化会导致不透水表面增多，潜热通量（即蒸散发）减小.以上分析与Zhang et al^［22］以及卢宁生等^［23］的研究结论相符.

在城市的影响下，气温和水汽的垂直分布发生变化，底层大气不稳定度减弱且水汽减少，这意味着城市的存在会抑制强对流的发展，减弱短时强降水的强度.

3 结论

本研究在WRF中引入高分辨率的LCZ土地利用分类地图，并为每一个LCZ类型配上对应的城市形态参数，设置CTL，NOAH和NOURB三个算例，选取上海市2017年7月的高温热浪时段（7月19-28日）进行数值模拟（该高温热浪时段中还包括了7月22日的一次短时强降水过程），以探究UHI的形成机制以及城市化对短时强降水可能带来的影响.得出的主要结论如下.

（1）对2 m气温的模拟检验表明：CTL，NOAH和NOURB均较好地再现了2 m气温的变化趋势，各LCZs的模拟值与观测值的相关系数均超过0.85，且三个算例模拟的2 m气温在低矮植被（LCZ D）中最接近，在有高大密集的建筑物的LCZs中差异最明显.对比来看，CTL的模拟效果最好，与观测情况最接近.

（2） CTL和NOAH在白天和夜间均模拟出冠层UHI，夜间的冠层UHI更明显.且CTL和NOAH算例的垂直剖面模拟图中均能看到上海市白天的UHI环流，但在去除城市下垫面以及人为热的NOURB算例中，夜间和白天均没有模拟出冠层UHI，也不存在UHI环流.

（3）通过对三个算例两两做差以进行UHI贡献因子的定量分析，结果显示：夜间，土地利用变化和人为热排放分别对冠层UHI起到0.89 ℃和1.02 ℃的贡献，分别占46.6%和53.4%.午间，人为热对冠层热岛和边界层热岛都有较小的正向贡献（对冠层热岛的贡献为0.27 ℃），土地利用变化由于建筑物的阴影遮蔽效应对冠层热岛起到0.28 ℃的负向贡献，对冠层高度以上的边界层热岛则有正向贡献.

（4） CTL算例的模拟结果较好地再现了上海7月22日午后局地短时强降水过程，包括其发生发展消散的时间以及对应的位置，对CTL和NOURB模拟的CAPE进行对比分析后发现城市的存在会通过减少大气底层的水汽和改变气温垂直分布来降低大气底层的CAPE，从而可能抑制城区降水.

参考文献

[1] Emmanuel R, Krüger E. Urban heat island and its impact on climate change resilience in a shrinking city：The case of Glasgow,UK. Building and Environment,2012,53：137-149.

[2] 孙育玉,曹静. 我国城市大气污染防治现状及对策分析.生态与资源,2024(10)：31-33.

[3] 田伟守. 城市化与城市极端气温的多尺度相互作用研究：以南京为例. 硕士学位论文. 南京:南京信息工程大学,2024.

[4] 袁宇锋,翟盘茂. 全球变暖与城市效应共同作用下的极端天气气候事件变化的最新认知. 大气科学学报,2022,45(2):161-166.

[5] Oke T R. Boundary layer climate. 2^nd edition. London：Routledge,2002.

[6] Zhang N, Chen Y, Gao H,et al. Influence of urban land cover data uncertainties on the numerical simulations of urbanization effects in the 2013 high⁃temperature episode in Eastern China. Theoretical and Applied Climatology,2019,138(3)：1715-1734.

[7] Xiang X Y, Zhai Z H, Fan C L,et al. Modelling future land use land cover changes and their impacts on urban heat island intensity in Guangzhou,China. Journal of Environmental Management,2024,366：121787.

[8] Stewart I D, Oke T R. Local climate zones for urban temperature studies. Bulletin of the American Meteorological Society,2012,93(12)：1879-1900.

[9] Brousse O, Martilli A, Foleyan M,et al. WUDAPT,an efficient land use producing data tool for mesoscale models?Integration of urban LCZ in WRF over Madrid. Urban Climate,2016,17：116-134.

[10] Singh V K, Mughal M O, Martilli A,et al. Numerical analysis of the impact of anthropogenic emissions on the urban environment of Singapore. Science of the Total Environment,2022,806(Part 2)：150534.

[11] Mughal M O, Li X X, Yin T G,et al. High‐resolution,multilayer modeling of Singapore's urban climate incorporating local climate zones. Journal of Geophysical Research Atmospheres,2019,124(14)：7764-7785.

[12] Zhou X L, Yamamoto M, Yan S T,et al. Exploring the impacts of heat release of vehicles on urban heat mitigation in Sendai,Japan using WRF model integrated with urban LCZ. Sustainable Cities and Society,2022,82：103922.

[13] Wang F, Wang Y W. Potential role of local contributions to record⁃breaking high⁃temperature event in Xiamen,China. Weather and Climate Extremes,2021,33：100338.

[14] 杨大虎. LCZ城市非均匀下垫面应用于上海高影响天气的模拟研究. 硕士学位论文. 南京:南京信息工程大学,2023.

[15] Zhao L, Lee X, Smith R B,et al. Strong contributions of local background climate to urban heat islands. Nature,2014,511(7508)：216-219.

[16] Wang A, Li X X, Xin R,et al. Impact of anthropogenic heat on urban environment：A case study of Singapore with high⁃resolution gridded data. Atmosphere,2023,14(10)：1499.

[17] Chen Y, Zhang N. Urban heat island mitigation effectiveness under extreme heat conditions in the Suzhou⁃Wuxi⁃Changzhou metropolitan area,China. Journal of Applied Meteorology & Climatology,2018,57(2)：235-253.

[18] Yao Z J, Huang G R. Effects of land use changes across different urbanization periods on summer rainfall in the pearl river delta core area. International Journal of Disaster Risk Science,2023,14(3)：458-474.

[19] 顾高玥. 城市效应对上海局地强降水天气的影响研究. 硕士学位论文. 上海：华东师范大学,2020.

[20] 张赟程. 城市效应对上海地区夏季午后强对流天气的影响研究. 硕士学位论文. 上海:华东师范大学,2016.

[21] Kyakuno T. Assessment of urban land use impacts on small⁃scale precipitation patterns during warm seasons:A case study of Japanese cities. Urban Climate,2025,63：102577.

[22] Zhang C L, Chen F, Miao S G,et al. Impacts of urban expansion and future green planting on summer precipitation in the Beijing metropolitan area. Journal of Geophysical Research Atmospheres,2009,114(D2)：D02116.

[23] 卢宁生,汤耀国,张丁丁,等. 南宁城市土地扩张对一次低涡型强降水过程影响的数值试验. 高原气象,2025,44(4)：1018-1033.

[24] Stevan S, Mathias K, Dragan D. Precipitation spatial patterns in cities with different urbanisation types：Case study of Novi Sad (Serbia) as a medium⁃sized city. Geographica Pannonica,2020,24(2)：88-99.

[25] Nadimpalli R, Patel P, Mohanty U C,et al. Impact of urban parameterization and integration of WUDAPT on the severe convection. Computational Urban Science,2022,2(1)：41.

[26] Li D, Bou⁃Zeid E. 2013：Synergistic interactions between urban heat islands and heat waves:the impact in cities is larger than the sum of its parts. Journal of Applied Meteorology and Climatology,2013,52(9)：2051-2064.

[27] Li D, Sun T, Liu M F,et al. Contrasting responses of urban and rural surface energy budgets to heat waves explain synergies between urban heat islands and heat waves. Environmental Research Letters,2015,10(5)：054009.

[28] Li D, Sun T, Liu M F,et al. Changes in wind speed under heat waves enhance urban heat Islands in the Beijing metropolitan area. Journal of Applied Meteorology and Climatology,2016,55(11)：2369-2375.

[29] 陈炯,郑永光,张小玲,等. 中国暖季短时强降水分布和日变化特征及其与中尺度对流系统日变化关系分析. 气象学报,2013,71(3)：367-382.

[30] 赵强,郑永光,井宇,等. 我国短时强降水研究进展.地球科学进展,2025,40(1)：21-38.

[31] Markowski P, Richardson Y. Mesoscale meteorology in midlatitudes. Hoboken,NJ,USA：John Wiley & Sons,2010：3-10.

[32] 吴雨佳,李亚荣,何建军,等. 城市化对长江三角洲地区夏季高温热浪影响的研究. 高原气象,2026,45(1)：179-190.

[33] 敖翔宇,谈建国,支星,等.上海城市热岛与热浪协同作用及其影响因子.地理学报,2019,74(9):1789-1802.

[34] 周伟东,韩宁,戴建华,等. 上海地区暴雨预警评估及不同天气型暴雨预警差异分析. 暴雨灾害,2022,41(4)：405-412.

[35] Karl T R, Quayle R G. The 1980 summer heat wave and drought in historical perspective. Monthly Weather Review,1981,109(10)：2055-2073.

[36] Ciais P, Reichstein M, Viovy N,et al. Europe⁃wide reduction in primary productivity caused by the heat and drought in 2003. Nature,2005,437(7058)：529-533.

[37] Lee W K, Lee H A, Lim Y H,et al. Added effect of heat wave on mortality in Seoul,Korea. International Journal of Biometeorology,2016,60(5)：719-726.

[38] 马浩,刘昌杰,钱奇峰,等. 2017年盛夏7-8月浙江省高温热浪特征及环流背景分析. 自然灾害学报,2021,30(5)：85-99.

[39] 陈燕,蒋维楣. 城市建筑物对边界层结构影响的数值试验研究. 高原气象,2006,25(5)：824-833.

[40] Mu Q C, Miao S G, Wang Y W,et al. Evaluation of employing local climate zone classification for mesoscale modelling over Beijing metropolitan area. Meteorology and Atmospheric Physics,2020,132(3)：315-326.

[41] Li N N, Yang J X, Tang X X. Spatiotemporal scale⁃dependent effects of urban morphology on meteorology：A case study in Beijing using observations and simulations. Building and Environment,2023,240：110383.

[42] 马倩,王咏薇,苗世光,等. 中国大城市具有建筑物分类的土地利用分类数据集构建研究. 大气科学学报,2022,45(1)：135-147.

[43] Demuzere M, Argüeso D, Zonato A,et al. W2W：A python package that injects WUDAPT's local climate zone information in WRF. Journal of Open Source Software,2022,7(76)：4432.

[44] Lin Y L, Farley R D, Orville H D. Bulk parameterization of the snow field in a cloud model. Journal of Applied Meteorology and Climatology,1983,22(6)：1065-1092.

[45] Iacono M J, Delamere J S, Mlawer E J,et al. Radiative forcing by long⁃lived greenhouse gases：Calculations with the AER radiative transfer models. Journal of Geophysical Research Atmospheres,2008,113(D13)：D13103.

[46] Janji Z I. The step⁃mountain eta coordinate model: further developments of the convection,viscous sublayer,and turbulence closure schemes. Monthly Weather Review,1994,122(5)：927-945.

[47] Chen F, Dudhia J. Coupling an advanced land surface⁃hydrology model with the Penn state⁃NCAR MM5 modeling system.Part I：Model implementation and sensitivity. Monthly Weather Review,2001,129(4)：569-585.

[48] Grell G A, Freitas S R. A scale and aerosol aware stochastic convective parameterization for weather and air quality modeling. Atmospheric Chemistry and Physics,2014,14(10)：5233-5250.

[49] Mcconaghy T, Breen K, Dyck J,et al. 3⁃Sigma verification and design∥Mcconaghy T,Breen K,Dyck J,et al. Variation⁃Aware Design of Custom Integrated Circuits:A Hands⁃on Field Guide. New York:Springe,2013：65-114.

基金资助

国家自然科学基金(U2342221)

中国气象局城市气象创新团队(CMA2022ZD09)

浙江省气象局科技计划青年项目(2024QN22)