城市化对河南省极端降水空间分布的影响

刘家宏，骆卓然，张永祥，周晋军，邵薇薇

(1.中国水利水电科学研究院流域水循环模拟与调控国家重点实验室，北京 100038；2.北京工业大学城市建设学部，北京 100124)

极端降水是诸多极端天气气候事件中，对人们生活影响最为直接和显著的灾害之一[1]。近年来由于受到全球气候变化和人类活动的影响，全球降水分布不均性明显增加，区域性极端降水呈现显著增多的态势[2-3]。城市热岛现象、下垫面条件改变等因素都会对水汽蒸发、空气对流产生明显影响，从而影响到降水强度、频率和落区[4-5]。城市化会使对流层气象活动增加，引起局部区域降水量增多，城市暴雨内涝问题愈发明显，对人民的生命、财产等构成了严重威胁[6-10]。

国内外专家对城市地区降水进行了大量的模拟研究，但早期研究主要集中于城乡降水观测资料的对比分析。Chen等[11]基于CMORPH数据评估了珠江三角洲地区城市化对降水的影响，发现与周围农村地区相比，城区短历时暴雨频率显著增加，发生在下午时段的极端降水明显高于农村地区；Song等[12]利用1950—2012年的降水观测数据，对北京地区降水的时间趋势和空间分布进行分析，发现降水量显著减少，由于城市化的影响，城区的降水量略大于郊区。现阶段，数值模拟已被广泛应用于城市化降水研究中[13-14]。Thielen等[15]采用γ尺度数值模型分析了城市化对对流性降水影响的程度，发现城市表面潜热通量和粗糙度的增加会引起城市降水量的增加；侯爱中等[16]采用单层城市冠层模型与WRF(weather research and forecasting)天气预报模式耦合来模拟北京市极端降水，发现城区的降水有增多的趋势。与有限的降水观测数据集相比，数值模拟可以提供具有更丰富空间分布信息，更有助于揭示降水的空间分布，并且从气象学入手，基于城市冠层模型的中尺度气象模拟，对城市的布局、形态进行量化研究，目前还是比较新的研究思路[17]。

本研究基于城市冠层模型耦合WRF中尺度天气预报模式对河南省2021年“7·20”特大暴雨进行模拟，并对此次暴雨的特征、空间分布和成因进行系统分析，结合国家级地面观测站数据对WRF模式的模拟性能进行验证，通过对比有无城市冠层模型时降水空间分布的差异，探讨城市化对极端降水的影响，以期能够加深对城市化与极端降水内在关系的理解，在一定程度上提高应对极端降水事件的能力。

1 研究区概况与数据资料

1.1 研究区概况

河南省地处北纬31°23′～36°22′，东经110°21′～116°39′之间，全省总面积16.7万km2，2020年常住人口为9 937万人，是全国重要的综合交通枢纽。如图1所示，河南省地势西高东低，北、西、南三面由太行山、伏牛山、桐柏山、大别山沿省界呈半环形分布，气候具有四季分明、雨热同期、复杂多样和气象灾害频繁的特点[18]。

图1 河南省地面高程及国家级地面观测站的位置分布Fig.1 Ground elevation and location distribution ofnational ground observation stations in Henan Province

2021年7月17—22日，河南省遭遇极端强降雨事件，强降雨中心主要分布在河南省西北部和中部地区，郑州、焦作、新乡、洛阳、许昌、平顶山等多个城市出现特大暴雨，造成重大人员伤亡和财产损失。郑州市是本次特大暴雨过程中降水量最大、受灾最严重的地区之一，7月20日16—17时的1 h内，郑州市降水量更是高达201.9 mm，创历史之最。

1.2 数据资料

模式运行所需的地形数据采用MODIS_30s下垫面数据(https://www2.mmm.ucar.edu/wrf/users/download/get_sources_wps_geog.html)；气象驱动数据采用国家环境预报中心(National Centers for Environmental Prediction)提供的再分析资料(https://rda.ucar.edu/datasets/ds083.3/)，选择了其中时间分辨率为6 h，空间分辨率为0.25°×0.25°的再分析数据。相比2.5°×2.5°和1°×1°的再分析数据，该数据集精度更高，模拟结果更为可靠。

为了验证模型模拟的准确性，采用中国气象数据网的中国地面气象站逐小时观测资料对模拟结果进行验证(http://data.cma.cn/site/index.html)。将位于地级市、市辖区、县级市(城镇化率较高的地区)的气象站点作为城市站点，位于县、自治县、乡镇(城镇化率较低的地区)的气象站点作为郊区站点。位于河南省内的国家级地面观测站共有116个，其中城区站共35个，郊区站共81个(图1)。

2 模型设置

WRF模式是目前比较先进、灵活的中尺度天气预报模式，具有易携带高效且可并行运算的特性。应用场景包括：理想化模拟、参数化研究、数据同化研究、预报研究、区域气候研究以及耦合模式应用等领域。WRF模式主要由前处理、主程序、后处理3部分构成，模式包含了最新发展的一些物理过程参数化方案，如微物理、积云对流、辐射、陆面以及边界层等过程的参数化方案。

为了获取高分辨率的计算结果，模式采用三层嵌套方案来提升区域的分辨率[19]，如图2所示，D01、D02、D03各层空间分辨率分别为27 km、9 km、3 km，对应的网格数分别为160×160、184×184、229×220，根据河南省的经纬度范围确定模拟区域的中心点坐标为33°53′N,113°30′E，垂直分层为34层，顶层气压设置为50 hPa，考虑城市冠层模型的稳定性及与WRF模式的耦合情况，本研究选用单层城市冠层模型[20]。为了确保模式运行的稳定，积分时间步长设置为135 s(最外层区域空间分辨率的5倍)。由于WRF模式中不同的参数化方案组合在不同地区的适用性存在较大差异，因此，首先在模拟前对应用最广的几种参数化方案进行测试，对模型物理参数化方案进行区域适用性评估，并且根据前人的研究对河南省的物理过程参数化方案进行设置和调整[18]，选取其中最优的参数化方案组合，微物理过程采用Thompson方案，长波辐射采用RRTM方案，短波辐射采用Dudhia方案，陆面过程采用Noah方案，行星边界层采用YSU方案，城市冠层采用UCM方案，模式第一层积云过程采用KF方案，由于模式第二层和第三层的空间分辨率均小于10 km，因此未选用积云过程参数化方案[21-22]。设置的具体参数来源于Wang等[23]以及全球城市与建筑物特征数据集，其他参数主要采用UCM的默认设置。模型共设置了2组模拟对照试验：不考虑城市冠层模型(记为NON)和考虑城市冠层模型(记为UCM)，城市冠层模型对城市的建筑物高度、密度、几何形状、建筑材料、街道宽度和走向、绿化面积等因素做了细致的刻画[24]。

图2 模拟区域的三层嵌套示意图Fig.2 Schematic diagram of three-layernesting of simulation area

3 结果与分析

3.1 观测结果

本研究选取的模拟时段为2021年7月18—20日，其中18日为预热期，19—20日为用于分析的时段。为了进一步分析观测降水量的空间分布情况，采用地统计学中常用的克里金插值法来对116个站点进行插值计算，克里金插值算法是利用数据点间的空间相关性，可以自动识别采样点的空间分布，消除采样点分布不均匀带来的误差，可信度较高。插值得到的降水量空间分布如图3所示，可以看出郑州市为模拟时段降水量最高的地区，两天的累积降水量超过500 mm，东部和南部降水量较少，累积降水量小于50 mm，西部地区累积降水量小于100 mm。所有观测站点平均降水量为152.1 mm。对照图1城区站点在河南省的分布，发现城区站点多分布在郑州市周围，可以看出城区的降水量明显高于郊区。本次河南省极端降水的原因，主要是受1 000 km外的台风“烟花”和副热带高压气流的影响，大量的水汽通过偏东风源源不断从海上输送到陆地，再加上河南省太行山区、伏牛山区特殊地形对偏东气流起到抬升辐合效应，从而导致了如此强劲的降水。

图3 河南省地面观测站累积降水量观测值Fig.3 Observed values of cumulative precipitation atground observation stations in Henan Province

3.2 模拟结果

由于模拟是针对2021年7月19—20日的48 h累积降水量，具有时间属性，而且本文主要考虑对比城市化前后(有无城市冠层)对极端降水的影响，因此没有详细分析逐小时的降水序列特征。引起城市降水量变化除城市化因素外，还有地形和区域气候变化的因素。因此，本研究模型模拟均采用相同的地形数据和气象资料来剥离其他的影响因素，进而分析城市化对极端降水的影响。由图4可以看出，两个方案均能够较好地模拟出河南省降水强度和落区，模型能够用于河南省极端降水的模拟。河南省为典型的农业大省，两个方案模拟的主要差别分布在郑州市附近。由于考虑了城市冠层物理过程，UCM方案更好地模拟出了强降水中心，范围相比NON方案更大一些，而且在东南部的低值区域，UCM方案的模拟精度也会更高一些。UCM方案模拟的平均降水量为144 mm，相比NON方案模拟的平均降水量131.9 mm，高出了12.1 mm。城市化对降水起到了增强作用，其原因可能是以下两个方面：①城市阻碍效应。城市冠层对空气具有摩擦和阻碍作用，其粗糙度高于郊区，当其与地表产生的热量和水汽量相遇时，容易形成上升的热气流；此外，建筑物的阻挡容易降低降水云团的移动速度，增加降水系统在城市上空的停留时间，导致城市降水量的增加。②城市热岛效应。城市拥有自然侧植被的蒸散发量以及城市人工用水产生的蒸发量，为降水对流系统提供了充足的水汽，再加上城市热岛效应使得城市产生了高温区，促进了陆-气的水汽交换，对于降水的形成起到促进作用。

(a) NON方案

(b) UCM方案图4 两个方案的模拟结果Fig.4 Simulation results of two schemes

图5为模拟时段UCM方案和NON方案距离地面2 m处平均比湿和温度的差值。由图5可见，UCM方案模拟的比湿大约比NON方案高1 g/kg，说明城市化增加了河南省近地面的空气湿度，值得注意的是，增加最多的是郑州市附近(城市下垫面)。郑州市人口密集，人工耗水随城市化进程大大增加，促进了陆-气的水汽交换，为降水对流系统提供了部分水汽来源。此外，城市化降低了城市植被覆盖度和自然蒸散发量的同时，空气含水率更高，说明人工耗水增加的蒸发量高于由于城市化导致的自然蒸散的减少量。UCM方案模拟的温度比NON方案模拟的温度高约1.5 ℃，表明城市冠层物理过程增加了城市地表的温度，水汽垂直输送的速率加快，导致对流性降水增加。气温的升高也将增强大气的保水能力，从而增加暴雨的频率。这些影响相互关联，共同影响城市地区的降水特征，突显了城市降水机制的复杂性和区域差异。总的来说，城市化使河南省城区的空气湿度和气温均升高，城市化效应显著。

(a) 比湿差值

进一步选取了位于河南省城市地区共10个国家级地面观测站1960—1969年(城市化缓慢时期)和2010—2019年(城市化加快时期)水汽压和温度的逐月气象观测资料，并结合城市人工耗水过程，探讨城市化对河南省城市地区水汽量和温度的变化规律的影响，进而探讨城市化对降水的影响[25]。需要说明的是，位于河南省的气象站共有15个，其中10个城区站、5个郊区站，由于本研究主要是针对城市化对极端降水空间分布的影响，因此主要对位于城区的10个站点进行分析，站点编号为53898、53986、57051、57083、57089、57091、57178、57290、57297和58005。

绝对湿度是单位体积空气中水蒸气的质量，反映了空气中的实际水汽含量，既包括由于天然降水所引起的植被蒸散发，也包括建筑物内人工用水及道路洒水等人类活动引起的水分蒸发[26]。绝对湿度的计算公式为

(1)

式中：ρvap为绝对湿度，g/m3；mvap为空气中溶解水的质量，g；V为空气体积，m3；pvap为水汽压，Pa；Rvap为水蒸气的气体常数，为461.5 J/(kg·K)；T为温度，K。

对河南省城市化前后绝对湿度的变化进行分析，结果如图6所示，可以看出，各地区城市的水汽量基本持平，所有10个站点1960—1969年绝对湿度的平均值为9.8 g/m3，2010—2019年绝对湿度的平均值为9.7 g/m3，说明了大规模城市化以来，虽然建筑物和硬化地面大面积覆盖了城市地区使得城区自然蒸发量减少，但人工耗水活动产生的蒸发量增加，例如建筑物内用水、道路洒水、人工灌溉等，弥补了减少的自然蒸发量。有研究表明，当城市化达到一定程度以后，综合耗水强度会超过原自然状态的蒸散发强度[27]。图7为不同站点城市化前后温度的变化，可以看出除57089站点的温度基本持平外，其他站点的温度都有了显著的提升。所有10个观测站1960—1969年温度的平均值为13.0 ℃，2010—2019年温度的平均值为13.9 ℃。城市化使得城区温度增加，由于人工耗水的作用，使得城市化过程中水汽量基本与过去持平，弥补了因植被覆盖率减小的自然侧蒸发量。Zhou等[28]提出城市耗水计算模型，发现2000—2015年厦门市城市水耗散强度呈增加趋势，并且建筑物所占的耗水比例最大；Luo等[25]

图6 不同站点城市化前后绝对湿度的变化Fig.6 Change in absolute humidity of differentstations before and after urbanization

图7 不同站点城市化前后温度的变化Fig.7 Change in temperature of different stationsbefore and after urbanization

利用全国613个观测站研究表明，城市化使得全国大多数城市绝对湿度增加，人工耗水增加的蒸发量大于自然植被减少的蒸散发量，与本研究模拟结果一致。

4 结 论

a.加入城市冠层模型能更好地模拟出河南省2021年“7·20”暴雨的空间分布情况，同时对本次暴雨的降水量高值区和降水量低值区的模拟相比于未考虑城市冠层的方案模拟结果有所改善，城市化增强了极端降水的强度。

b.由于人工耗水作用，弥补了城市化区域天然植被减少带来蒸发减少效应，使得空气的绝对湿度在城市化过程中保持相对稳定，而温度的增加促进了城区上空对流性降水的发展。