清华大学 水沙科学与水利水电工程国家重点实验室, 北京 100084
收稿日期：2019-05-08
基金项目：国家重点研发计划（2018YFA0606002）
作者简介：黄蓓(1992—), 女, 博士研究生
通讯作者：倪广恒, 教授, E-mail:ghni@tsinghua.edu.cn
摘要：快速的城市化发展通过改变下垫面影响了区域的陆气过程，同时高密度、高强度的人类活动带来大量的人为热排放，加剧了城市局地气候变化。分析人为热及其动态变化对城市局地气候的影响，对探究城市陆气过程具有重要的科学价值。该研究在中尺度气象模式（WRF）中考虑人为热估算模型（LUCY），选取北京地区为研究对象，对比分析了在WRF中是否考虑高时空精度的人为热带来的差异，并以冬季集中供暖为例分析了大量人为热集中释放对局地气候的影响。结果显示：采用WRF-LUCY模型的模拟结果在各气象要素变化以及城乡环流中均有较为合理的表现；集中供暖前后的人为热变化导致空气温度骤增且快速达到新的稳定状态；气温的升高幅度在夜间较大，日间较小。该研究为城市局地气候模拟提供了可靠的工具，为城市能耗规划和环境改善提供了科学依据。
关键词：城市局地气候冬季集中供暖人为热
Local climate impact of central heating in the winter based on the WRF-LUCY model
HUANG Bei, NI Guangheng
State Key Laboratory of Hydroscience and Engineering, Tsinghua University, Beijing 100084, China
Abstract: Rapid urbanization affects land and atmospheric processes through changes in the underlying surface conditions. At the same time, high-density, high-intensity human activities in urban areas result in large amounts of anthropogenic heat (AH) emissions which impact the local urban climate. Thus, research on the impact of anthropogenic heat on the local urban climate is important for exploring urban land-atmosphere interactions. This study couples weather research and forecasting model (WRF) with the heating results calculated by the large scale urban consumption of energy (LUCY) model. This study analyzes how the high spatial and temporal resolution of the anthropogenic heat emission model used in the WRF model affects the simulation results. The Beijing winter central heating system is used as an example to study the impact of a large anthropogenic heat release on the local climate. The results show that the WRF-LUCY model gives reasonable predictions of the meteorological elements and the urban-rural circulation, that the anthropogenic heat released by the heating causes the air temperature to rapidly increase, and that the temperature rise is greater at night than during the day. This study provides a reliable tool for urban local climate simulations and a scientific basis for urban energy planning and environmental improvement.
Key words: urban local climatewinter central heatinganthropogenic heat
城市地区具有人口密度大、下垫面复杂、工业发达、路网密集等特征，因此产生了一系列城市特有的环境问题，如热岛效应、城市雨洪等[1]，进而危害人类的生命财产安全。以城市热威胁为例，流行病学研究发现，在高温天气下，气温每提升1 ℃，死亡率将会提升4.5%[2]。城市高温不仅直接危害人类健康，而且间接加剧了其他污染物对人类的影响，例如PM10每增加10 μg·m-3，死亡风险在中温下增加1.60%，高温下将增加2.55%[3]。虽然城市面临着多种环境问题，城市人口依然在不断增加，预计到2050年，世界城市人口将突破63亿[4]。研究城市局地气候不仅有助于分析城市水热环境，还可为城市能耗规划和环境改善提供科学依据。
城市热环境的独特性主要体现在两方面：1)下垫面具有多样的几何形态(如街谷形态)和非天然材质(如沥青、混凝土)[5]；2)城市热环境受到动态的人类活动影响。人为热(anthropogenic heat，AH)是指由人类活动造成的向大气释放的显热与潜热通量，按来源主要分为建筑人为热、交通人为热、新陈代谢人为热和工业排放人为热4大类。人为热在地表能量平衡中表现为
| $R_{\mathrm{n}}+Q_{\mathrm{F}}=H+\mathrm{LE}+Q_{\mathrm{s}}+Q_{\mathrm{A}}.$ | (1) |
人为热由于来源多样、数据复杂且受观测局限，往往在气候模式中被简化考虑[6]。以中尺度气象模式(weather research and forecasting model, WRF)为例，模型中的人为热值按土地利用类型进行设置，商业区、高密度人口区、低密度人口区的人为热分别为90、50、20 W·m-2。WRF耦合的建筑能耗分析模型(building energy analysis model, BEM)采用建筑能耗模型对人为热计算进行了改进，但是其空间分布依然与土地利用类型直接相关。可见，现有模型在下垫面保持不变的情况下，无法刻画人为热的动态变化。
然而，人为热具有复杂的时空分布特征，并进一步影响城市水热环境[7]。研究显示，人为热会增加城市地区的湍流交换，增加湍流动能，从而抬升城市边界层高度，增强热岛环流，且在夜间尤为明显[8]。Fan等[9]指出，美国费城人为热在冬季约为60 W·m-2，夏季约为90 W·m-2，并导致城市在夜间分别升温0.8 ℃和2.5 ℃。聂琬舒[10]认为人为热使城市区域降水增加，并使城市下风向区域降水减少。因此，在气象模式中有必要更精确地考虑人为热的时空分布，并且探究人为热变化对局地气候的影响。
中国北方的冬季集中供暖是人为热大量释放的典型事件。据统计，2015年中国北方地区的城镇供暖面积达到132亿m2，供暖能耗达到1.91亿t标准煤[11]。近年来，集中供暖的能耗来源由煤炭逐步向天然气转化，有效缓解了供暖带来的污染负荷影响，然而依旧导致了巨大的建筑人为热排放[12]。大面积的、骤然的建筑人为热排放增加必然对城市局地气候产生影响。李炬等[13]通过分析北京地区的气象观测数据认为，导致北京冬季人为热总量高于夏季这一现象，供暖产生的人为热排放是重要原因；赵娜等[14]通过对1961—2008年间北京地区的气候观测资料分析得到，供暖人为热排放是导致北京城区冬季平均气温显著升高的主要原因；吴凯等[15]通过站点观测数据和夜间灯光指数分析中国东部城市的地面非均匀增暖现象，认为京津冀地区的人为热主要来源于冬季的集中供暖，由于供暖效应在夜间强于白天，使得冬季最低气温升高。作为人类活动导致人为热排放的典型现象，冬季集中供暖期间人为热骤增，影响了城市局地气候。本研究将通过模型模拟进一步分析这一现象。
本研究将大尺度城市能耗估算模型(large scale urban consumption of energy model, LUCY)的结果引入中尺度气象模式WRF中，选取北京地区为研究对象，用更详细精确的人为热时空分布结果替代原模型中过于简化的人为热常量值，以提高模拟结果的合理性，并揭示了人为热对城市水热环境的影响；进一步分析北京冬季集中供暖情景下，城市人为热集中释放对局地气候的影响。
1 研究方法1.1 WRF-LUCY模型LUCY[16]提供了一种计算人为热通量的方法，以高分辨率的人口数据为基础，结合气温、车辆拥有数、能耗数据，将研究区域内一年的总能耗值进行合理的时间分配与空间分配，计算得到区域内的建筑人为热、交通人为热和新陈代谢人为热。模型假设研究区域内的能耗瞬时释放到大气中转化成人为热，且能耗和交通的空间分布均与人口分布相关。LUCY模型有一个全球范围内的、可编辑的数据库，内容包括不同区域的公共假日时间、人口、车辆使用情况及能源消耗数据等，可以针对特定的研究区域输入详细的信息，从而提高人为热计算结果对不同地区的适用性。
WRF[17]具有嵌套功能，可以进行高分辨率模拟，同时可以耦合城市冠层模型(urban canopy model, UCM)[18]，被广泛应用于城市水文气象研究中。然而，在WRF的城市模块中，人为热一直被简化考虑，且在量值上有一定低估。LUCY模型可以输出1 h、1 km×1 km分辨率的人为热结果，从而可以较好地与WRF相结合，方便进一步研究人为热对城市局地气候的影响。
本研究在UCM模型中，用LUCY计算所得每个城市格点的每h人为热值，替代原本单一且简化的常量，使模型使用相对更准确的且具有时空分布的人为热值。
1.2 研究区域北京位于115.7°~117.4°E、39.4°~41.6°N，平均海拔43.5 m，属于暖温带半湿润大陆性季风气候。北京四季分明，其中夏季炎热多雨，冬季寒冷干燥，春秋两季持续时间较短；且风向有明显的季节变化，夏季盛行东南风，冬季盛行西北风。年降水量在450~700 mm之间，其中夏季降水量占全年降水量的70%~80%，并多以暴雨形式出现[19]。太阳辐射量112~136 kcal/cm2，日照时数2 200~2 600 h，全年平均风速2.1~2.2 m·s-1。
统计显示，2005—2015年期间，北京人口快速增长[20]，其中昌平区的人口增长率达到150%，通州、大兴、丰台等多个城区的人口增长率高于50%。与之相对应的是，北京的能源消耗增长率也达到了24.1%。快速的城市化进程伴随着人口和能耗的快速增长，导致人为热排放量增加。
1.3 数值实验设计与参数设置为分析LUCY人为热值在WRF模拟中的影响，本研究以北京地区为例，进行对比分析。实验采取3层嵌套，即d01、d02、d03区域，对应网格精度分别为9、3、1 km，其中d03区域覆盖了北京地区。模拟区域如图 1所示，且所有的结果分析将采用d03区域的模拟结果，因此采用了单向嵌套模式，且仅在最内层的研究区域中考虑LUCY人为热。3层嵌套区域在x和y方向上分别有100×100、100×100、130×100个网格单元，在垂直方向上均以27个网格来解析边界层结构。
 |
| 图 1 (网络版彩图)模拟区域示意图 |
| 图选项 |
考虑到夏季的高温威胁，人为热导致的城市增温作用在夏季会带来更大的危害，因此在对比及验证人为热在WRF-LUCY模型中的影响时将选取夏季时段进行研究。为得到更为一般化的结论，选取无明显的热浪高温且天气晴朗无降水的时段，2012年7月13日0点至2012年7月21日0点(UTC)，进行模拟分析。由于最大的网格尺寸(9 km)小于10 km且选取时段没有降水，因此各嵌套区域均不考虑积云参数方案[21]，其余参数方案设置如表 1所示。模拟以National Centers for Environmental Prediction Final Operational Global Analysis Data作为气象驱动数据。方案设置详见表 2中方案A1—A3。
表 1 模拟实验的参数方案设置
| 参数方案 | 方案设置 |
| 微物理方案 | Double-Moment 3-class方案 |
| 长波辐射方案 | Rapid Radiative Transfer方案 |
| 短波辐射方案 | Dudhia方案 |
| 陆面过程方案 | Noah陆面过程方案 |
| 城市冠层方案 | UCM+LUCY方案 |
| 边界层方案 | Mellor-Yamada-Janji Ac'方案 |
表选项
在此基础上，改进后的WRF-LUCY可以进一步研究人为热集中释放的影响，例如北方冬季集中供暖的影响。以2012与2013年为例，当年供暖日期分别为11月3日、11月15日，模拟起始日期为开始供暖前3 d，终止日期为开始供暖后5 d，因此模拟时段分别为2012年10月31日0点至2012年11月07日0点、2013年11月12日0点至2013年11月19日0点(UTC)，模拟区域、参数方案同上。供暖前模型仅考虑交通人为热与新陈代谢人为热，之后则分别考虑保持原状和加入建筑人为热两个方案，如表 2中方案B1、B2所示。但是，在实际的供暖情景中，由于有试供暖的存在以及管道输送的时间差，人为热并不是全城在同一时刻骤然增加的；而且，供暖人为热属于建筑人为热的一部分，虽然占比较高但不是全部。本研究对这两点进行了简化处理。以2013年11月15日中午12点为例，有无供暖场景下的人为热输入如图 2所示，其中红色边框为d03区域的城市下垫面边界。由于北京地区的大部分大型工业已转移，本研究不考虑单独的工业人为热点源。
表 2 模拟实验方案设置
| 方案 | 人为热设置 | 描述 |
| A1 | 无AH | 人为热值为0 |
| A2 | WRF AH | 采用WRF-UCM方案及其默认人为热值 |
| A3 | LUCY AH | 采用WRF-LUCY方案 |
| B1 | 仅设置交通与新陈代谢人为热 | 模拟时段内无冬季集中供暖 |
| B2 | 集中供暖前同方案B1，供暖后增加建筑人为热 | 模拟时段内有冬季集中供暖 |
表选项
 |
| 图 2 (网络版彩图)模拟方案B1、B2的人为热输入示意图 |
| 图选项 |
2 WRF-LUCY结果分析2.1 模型验证图 3为WRF AH输入下的气象模拟结果与LUCY AH输入下的模拟结果的对比，并通过Taylor图分析二者的2 m气温和2 m相对湿度与观测数据的相关性，用以验证WRF-LUCY的模拟效果，验证时段为2012年7月16日0点至2012年7月19日0点。Taylor图对比分析了该时段内每h的模拟值与观测值，其极轴为二者的相关系数，水平轴为归一化标准偏差，内圆轴为归一化均方根误差。观测数据为中国气象局(CMA)北京地区30个站点的每h观测数据。
 |
| 图 3 WRF AH方案和LUCY AH方案下模拟结果与观测结果的Taylor图 |
| 图选项 |
从图 3可以看到，整体上WRF AH方案与LUCY AH方案的各站点分布情况较为一致。2 m气温的相关系数大多集中在0.8~0.95，其中LUCY AH方案中更多站点的相关系数接近0.95；温度值在两个模拟方案中均有所低估，但平均偏差误差(mean bias error, MBE)从WRF AH方案的-1.711 ℃变化为LUCY AH方案的-1.442 ℃，后者更接近观测结果。WRF AH方案和LUCY AH方案的归一化均方根误差(root mean squared error, RMSE)则分别为1.623和1.683，基本保持不变。因此，LUCY AH方案下的2 m气温模拟结果相对较好。不少研究者发现WRF的2 m气温的模拟结果偏低，这与人为热值在原模型中被低估有关[22]。WRF-LUCY通过相对更为精准的人为热输入有效改善了这一情况。然而，模型模拟中的方案选择(如Mellor-Yamada-Janji Ac'边界层方案)导致结果依然存在着一定的气温低估现象[23]。2 m相对湿度也存在类似的情况。二者的相关系数均集中在0.8左右。WRF AH方案和LUCY AH方案的MBE分别为-15.556%和-13.612%，LUCY AH方案的模拟结果相对更为准确。
2.2 LUCY人为热对各气象要素的影响在WRF中，是否考虑人为热以及如何考虑人为热，均会对其模拟结果产生影响。图 4为北京城市中心区的各气象要素空间平均结果，包括显热、潜热、地表温度、2 m温度、2 m湿度、城市边界层高度及10 m风速，为2012年7月14日0点至2012年7月18日0点的多日结果。对比WRF AH方案与无AH方案可以看到，在WRF中完全不考虑人为热值与采用其默认人为热值的差别极小，仅在湿度和风速上有略微差别，换而言之，原WRF模型中人为热的影响几乎可以忽略。然而，对比WRF AH方案与LUCY AH方案可以看出，当人为热输入改为LUCY方案后，各气象要素均受到较为明显的影响，由于假设人为热均以显热形式排放，因此潜热和2 m湿度受到的影响较小。
 |
| 图 4 北京城区的显热、潜热、地表温度、2 m气温、2 m湿度、边界层高度、10 m风速的空间平均结果图 |
| 图选项 |
显热在日间增幅为100~150 W·m-2，地表温度在日间增幅约4~5 ℃，且二者增长趋势基本保持一致。2 m温度的增幅可达约1 ℃，与显热相反的是，其峰值往往在夜间达到。这是由于城市比周边地区有较高的热岛容量，其排放的人为热在日间被吸收后，在夜间释放，使得夜间空气温度增加，其原理与城市热岛效应在夜间更为明显相一致；虽然人为热在日间排放值更大，但受太阳辐射影响，日间原本有较为剧烈的湍流运动，人为热的影响被带到更高层的大气中，而夜间边界层较为稳定，原本的显热值接近于零，人为热排放出的热通量集中在近地大气中，使得近地气温升高。与2 m温度相一致的是，城市边界层高度的抬升与显热的增幅也有明显的滞后性，边界层高度增幅最大可达1 000 m，峰值大致出现在傍晚18点至凌晨2点。同时，边界层的抬升也导致了风速的增加，增幅约1~2 m·s-1。
2.3 LUCY人为热对城乡环流的影响在WRF模拟中充分考虑人为热带来的另一个重要影响体现在城乡环流上。以北京时间2012年07月16日中午12点为例，图 5显示了此时d03区域LUCY AH与WRF AH两个方案下的10 m风速及风向差值空间分布变化，图中细线标注区域为北京的城市下垫面地区。可以看到，在非城市下垫面地区两个方案的风速差较小，差值基本在0.5 m·s-1以内，而城市下垫面范围内风速差可以达到2 m·s-1，可见城区人为热对该区域的风速具有明显影响。两个方案的风向差形成一个明显的水平气流辐合现象，说明人为热显著加剧了城乡环流。这一现象在模拟时段内的日间均有所体现，正午时段尤为明显。
 |
| 图 5 2016年7月16日12点d03区域在WRF AH与LUCY AH场景下10 m风速的差值空间分布比较 |
| 图选项 |
为了具体说明人为热对城乡环流的加剧作用，本研究进一步分析了同一时刻过城市中心点的南北方向风速剖面，结果如图 6所示，其中剖面位置详见图 5中剖面线(箭头所示)。图 6中：灰度为垂向(z方向)风速大小，正值为风向向上，负值为风向向下；箭头则表示了剖面上的风速及风向(y方向与z方向)。类似地，从图 6中可以看到，非城市地区垂向风速变化较小，而城区垂向风速变化可以达到约0.6 m·s-1，在LUCY AH方案中可以看到城区明显的上升气流，从而形成明显的城乡环流。在WRF AH方案下(图 6a)几乎不存在城乡环流作用，这与传统的观测和认知相违背，而LUCY AH方案则很好地体现了城乡环流作用，凸显在WRF模拟中充分考虑人为热的重要性。
 |
| 图 6 (网络版彩图)2016年7月16日12点WRF AH与LUCY AH场景下风速垂向分布图(m·s-1)及其差值比较 |
| 图选项 |
3 冬季集中供暖对局地气候的影响3.1 集中供暖对热环境的时间分布影响以冬季集中供暖为例，分析人为热动态变化对WRF模拟结果的影响。图 7为2013年11月北京供暖前后，d03区域的气象要素平均变化值，供暖日期为11月15日，期间无降水。可以看出，随着人为热的骤增，显热排放量增大约20 W·m-2，地表温度和2 m气温均表现出即时的反应。其中地表温度在2 h内骤增7 ℃，2 m气温也在同时段内骤增3 ℃，且在之后的几天内保持稳定，地表温度和2 m气温平均增幅分别为3.1 ℃和1.5 ℃，而日间影响较小，变化范围在0.5 ℃以内。10 m风速的影响主要也发生在傍晚18点至凌晨2点，变化值可达1.2 m·s-1。2012年各气象要素的变化也类似(图 8)，但不同的是，降水期间人为热骤增带来的影响被弱化。11月4日降水期间，有无供暖情景下的地表温度、2 m气温及10 m风速的变化均较小，但在降水停止(11月5日—6日)后，人为热的影响恢复到之前的水平。
 |
| 图 7 2013年11月北京供暖前后显热、地表温度、2 m气温、10 m风速的时间分布 |
| 图选项 |
 |
| 图 8 2012年11月北京供暖前后显热、地表温度、2 m气温、10 m风速、降雨强度的时间分布 |
| 图选项 |
为印证集中供暖引起的温度骤增现象，本研究对2010—2013年期间每年供暖(11月)前后的北京气温变化进行统计分析，详见图 9。供暖时间点如图中垂线所示，气温数据为每3 h的2 m空气温度(数据源：Global WATCH Forcing Datasets, 1979—2014[24])，供暖前后各取10 d气温分别进行线性拟合，如图 9中虚线所示，用以分析温度变化趋势。可以看到，集中供暖前后有较为明显的气温骤升现象，不过增长幅度小于模拟结果。其原因可能有两方面：1)实际供暖并不是在全城同一时刻开启，模型中对人为热的骤增有所高估；2)实际气温还受到其他因素影响。另外，并非每年的供暖前后都可以看到明显的气温骤增现象(如2013年)，这也与以上两点原因有关：1)气温受背景场的变化趋势影响；2)试供暖、北京动物园等地区提前供暖等都可能影响供暖人为热排放，从而影响局地气温变化。
 |
| 图 9 2010—2013年期间供暖前后每3 h气温变化 |
| 图选项 |
3.2 集中供暖对热环境的空间分布影响考虑到集中供暖的影响主要体现在傍晚，以2013年11月17日20点为例，进一步分析集中供暖对热环境空间分布的影响。图 10为该时刻的显热、地表温度、2 m气温、边界层高度的差值分布，即有供暖情景的模拟结果减去无供暖情景，图中线框为北京城区边界，其中边界层高度分布图由于存在噪点，非城市区域被屏蔽。整体上看，各气象要素在空间分布上表现出较高的相关性。由于傍晚整体显热值偏低，大部分区域的显热差值并不明显，差值主要集中在约四环路以内，其中部分区域可达100 W·m-2以上。北京正中心(一环)的显热差值反而相对较小，与人为热的输入值保持一致。地表温度差和2 m温度差的空间分布基本相同，一方面，二者均与下垫面的城市边界保持高度统一；另一方面，其差值分布均表现出南多北少的特征，这与该时刻的风向有关。对于人为热排放量较大的部分格点，其地表温度差最高可达约24 ℃，2 m温度差则最高可达约10 ℃。由于人为热导致的空气下沉的滞后性，太阳落山后城市边界层高度在供暖场景下依然有较高的数值，而非供暖场景下已随着太阳落山而减小，导致此时的边界层高度差值最大可达约1 600 m，依然主要集中在城区南部。
 |
| 图 10 2013年11月17日20点北京在有/无供暖下显热、地表温度、2 m气温、边界层高度的空间分布差值 |
| 图选项 |
4 小结本研究通过将WRF与LUCY人为热的计算结果相结合，构建了考虑人为热高精度时空分布的陆面过程模型，为城市局地气候模拟提供了可靠的工具。在城市下垫面不发生变化的情况下，本研究通过对比在模型中是否考虑LUCY人为热，分析了动态人为热对城市局地气候的影响；以北方冬季集中供暖为例，分析人为热骤增对城市热环境的影响。本文模拟将供暖人为热简化为建筑人为热，且对试供暖等实际场景进行了简化，因此考虑了一种较为极端的人为热集中释放情景，放大了供暖人为热的影响。
研究发现，WRF模型中默认的人为热值偏小，其对显热、温度、湿度、风速等气象要素均不能带来明显影响，而WRF-LUCY通过充分考虑人为热，使其对城乡环流和城市边界层的影响在模型中得以体现。另外，冬季供暖导致了城市人为热骤增，其影响主要体现在夜间。在人为热排放发生骤增的2 h内(凌晨0点~2点)，城市的地表温度和2 m温度分别增加了7 ℃和3 ℃，且较快达到新的稳定状态，期间二者的平均增幅分别为3.1 ℃和1.5 ℃，但这一影响在日间被逐渐削弱，正午时刻的影响几乎可以忽略。同时，空气下沉时刻滞后，在太阳落山后城市边界层高度仍可达1 000 m以上，远高于对集中供暖前的模拟结果。
参考文献
| [1] | GRIMMOND S. Urbanization and global environmental change:Local effects of urban warming[J]. The Geographical Journal, 2007, 173(1): 83-88. |
| [2] | ANDERSON G B, BELL M L. Heat waves in the United States:Mortality risk during heat waves and effect modification by heat wave characteristics in 43 U.S. communities[J]. Environmental Health Perspectives, 2011, 119(2): 210-218. |
| [3] | STAFOGGIA M, SCHWARTZ J, FORASTIERE F, et al. Does temperature modify the association between air pollution and mortality? A multicity case-crossover analysis in Italy[J]. American Journal of Epidemiology, 2008, 167(12): 1476-1485. |
| [4] | UNDP (United Nations Development Programme). Human development report 2011[R/OL].[2019-04-05]. http://hdr.undp.org/en/content/human-development-report-2011. |
| [5] | 刘大龙, 贾晓伟, 杨竞立, 等. 城市辐射场模拟性能对比分析[J]. 清华大学学报(自然科学版), 2019, 59(3): 243-248. LIU D L, JIA X W, YANG J L, et al. Analyses of urban radiative field simulations[J]. Journal of Tsinghua University (Science and Technology), 2019, 59(3): 243-248. (in Chinese) |
| [6] | NIE W S, ZAITCHIK B F, NI G H, et al. Impacts of anthropogenic heat on summertime rainfall in Beijing[J]. Journal of Hydrometeorology, 2017, 18(3): 693-712. |
| [7] | ZHANG Y Z, MIAO S G, DAI Y J, et al. Numerical simulation of urban land surface effects on summer convective rainfall under different UHI intensity in Beijing[J]. Journal of Geophysical Research:Atmospheres, 2017, 122(15): 7851-7868. |
| [8] | 任智勇.人为热对城市边界层结构影响研究[C]//第27届中国气象学会年会论文集.北京: 中国气象学会, 2012: 1-10. REN Z Y. The impact of anthropogenic heat on urban boundary layer[C]//Proceedings of the 27th Chinese Meteorological Society. Beijing: Chinese Meteorological Society, 2012: 1-10. (in Chinese) http://www.cnki.com.cn/Article/CJFDTotal-DQXK200701003.htm |
| [9] | FAN H L, SAILOR D J. 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(1): 73-84. |
| [10] | 聂琬舒.城市人为热时空分布特征及区域水文气象影响研究[D].北京: 清华大学, 2015. NIE W S. Spatiotemporal characteristics of anthoropogenic heat in an urban environment and impacts on hydrometeorology[D]. Beijing: Tsinghua University, 2015. (in Chinese) |
| [11] | 焦婷婷. 严寒和寒冷地区居住建筑采暖期的确定及供暖基准温度研究[J]. 建筑与文化, 2019(2): 81-82. JIAO T T. Determination of heating period and study of the heating base temperature of residential buildings in severe cold and cold regions[J]. Architecture & Culture, 2019(2): 81-82. (in Chinese) |
| [12] | 刘念雄, 莫丹, 王牧洲, 等. 城市家庭居住碳排放的社会-技术分析方法与应用[J]. 清华大学学报(自然科学版), 2015, 55(9): 933-939. LIU N X, MO D, WANG M Z, et al. Social technical analysis of urban household residential carbon emissions in China[J]. Journal of Tsinghua University (Science and Technology), 2015, 55(9): 933-939. (in Chinese) |
| [13] | 李炬, 窦军霞. 北京城市气象观测试验进展[J]. 气象科技进展, 2014, 4(1): 36-45. LI J, DOU J X. Progress in urban meteorological experiments in Beijing[J]. Advances in Meteorological Science and Technology, 2014, 4(1): 36-45. (in Chinese) |
| [14] | 赵娜, 刘树华, 虞海燕. 近48年城市化发展对北京区域气候的影响分析[J]. 大气科学, 2011, 35(2): 373-385. ZHAO N, LIU S H, YU H Y. Urbanization effects on local climate in Beijing in recent 48 years[J]. Chinese Journal of Atmospheric Sciences, 2011, 35(2): 373-385. (in Chinese) |
| [15] | 吴凯, 杨修群. 中国东部城市化与地面非均匀增暖[J]. 科学通报, 2013, 58(8): 642-652. WU K, YANG X Q. Urbanization and heterogeneous surface warming in eastern China[J]. Chinese Science Bulletin, 2013, 58(12): 1363-1373. DOI:10.1007/s11434-012-5627-8 (in Chinese) |
| [16] | ALLEN L, LINDBERG F, GRIMMOND C S B. Global to city scale urban anthropogenic heat flux:Model and variability[J]. International Journal of Climatology, 2011, 31(13): 1990-2005. |
| [17] | SKAMAROCK W C, KLEMP J B. A time-split nonhydrostatic atmospheric model for weather research and forecasting applications[J]. Journal of Computational Physics, 2008, 227(7): 3465-3485. |
| [18] | KUSAKA H, KIMURA F. Coupling a single-layer urban canopy model with a simple atmospheric model:Impact on urban heat island simulation for an idealized case[J]. Journal of the Meteorological Society of Japan:Ser. Ⅱ, 2004, 82(1): 67-80. |
| [19] | 严中伟, 裴琳, 周天军, 等. 2017年冬季北京霾日极少的大尺度气候和环流背景:兼论"霾气候"预测研究[J]. 气象学报, 2018, 76(5): 816-823. YAN Z W, PEI L, ZHOU T J, et al. Unusually clear sky in Beijing during winter 2017 and the underlying large-scale climatic anomalies:With implication for "haze-climate" study[J]. Acta Meteorologica Sinica, 2018, 76(5): 816-823. (in Chinese) |
| [20] | 北京市统计局, 国家统计局北京调查总队.北京统计年鉴2016[EB/OL].[2019-04-05] http://tjj.beijing.gov.cn/nj/main/2016-tjnj/zk/indexch.htm. Beijing Statistical Bureau, National Bureau of Statistics Beijing Investigation Team. Beijing statistical yearbook 2016[EB/OL].[2019-04-05] http://tjj.beijing.gov.cn/nj/main/2016-tjnj/zk/indexch.htm.(in Chinese) |
| [21] | STENSRUD D J. Parameterization schemes:Keys to understanding numerical weather prediction models[M]. Cambridge, UK: Cambridge University Press, 2009. |
| [22] | CHEN F, YANG X C, ZHU W P. WRF simulations of urban heat island under hot-weather synoptic conditions:The case study of Hangzhou City, China[J]. Atmospheric Research, 2014, 138: 364-377. |
| [23] | HU X M, NIELSEN-GAMMON J W, ZHANG F Q. Evaluation of three planetary boundary layer schemes in the WRF model[J]. Journal of Applied Meteorology and Climatology, 2010, 49(9): 1831-1844. |
| [24] | WEEDON G P, GOMES S, VITERBO P, et al. Creation of the WATCH forcing data and its use to assess global and regional reference crop evaporation over land during the twentieth century[J]. Journal of Hydrometeorology, 2011, 12(5): 823-848. |
