春节人口迁移的气候效应:以郑州为例

目前,我们对人类活动通过温室气体、气溶胶和土地利用对气候产生重要影响已经获得了很多认识。但是,人口迁移流动在多大程度上能够影响气候尚不清楚。中国春节期间的人口大迁移是世界上每年最大规模的人类迁徙。利用城市站和参考站的气温差表示城市热岛强度,以一个典型中国中部大城市—郑州为例,研究了春节人口大迁移对城市热岛效应的影响。结果表明,2005~2013年平均的春节周日平均、日最高和日最低温度郑州站与中牟站的差分别为0.16°C、0.29°C和-0.03°C,比春节周前2~4周和春节周后2~4周的平均值低了0.50°C、0.06°C和0.66°C。相对变化而言,日平均、日最高和日最低温度的差分别降低了76%、16%和105%。春节周日平均和日最低温度的差的变化都通过了99%的信度检验。     

短期大规模人口流动对上海市城市热岛效应的影响

城市热岛效应是一种非常重要的局地气候现象,随着全球变暖和城市化快速发展,城市热岛效应受到越来越多的关注和研究。以往的研究表明人口聚集和人口数量对城市热岛效应和区域城市气候会产生显著的影响。但是,人口短期的快速迁移流动对城市气候是否存在影响以及影响的程度多大尚不清楚。本文利用世界上每年最大规模的人类迁徙——春节人口流动来探讨人口短期快速流动对国际化大都市上海城市热岛效应的影响。研究结果表明,2000~2015年上海市春节周日最高温、日均温和日最低温城市热岛强度分别为0.35℃、0.90℃和1.53℃,相对于背景场(春节前2~4周和春节后2~4周的平均值),分别低了0.16℃、0.11℃和0.15℃,相对变化分别为31.4%、10.9%和8.9%。由此可见,人口短期快速迁移流动是影响热岛效应和城市气候一个重要因素,但是人口流动对城市热岛效应的影响是复杂的,其效应与气候背景、天气状况、城市规模、城市人口流动特征及分布甚至城市烟花爆竹燃放(通过影响气溶胶、云量及废热影响城市热岛效应)等因素交织在一起,未来仍需开展进一步的深入研究。     

北京"城市热岛"效应现状及特征

利用2002年北京自动气象站资料,对北京“城市热岛”效应现状进行了分析。为了与20世纪70年代的结果相比较,选择城区代表站为天安门广场站,城郊代表站为朝阳气象站站。与20世纪70年代相比,目前北京的“城市热岛”表现出一些新特点:1)利用城区与城郊日均温差表示的“城市热岛”强度的统计结果表明,现在北京的“城市热岛”效应在夏季最强,秋、冬季次之,春季最弱,2)除夏季“城市热岛”整天存在(午后的平均强度在2℃左右)以外,其他季节的午后,天安门广场地区经常出现“城市冷岛”现象。3)北京“城市热岛”消失的极限风速没有发生系统性变化,当风速>3级时,北京“城市热岛”基本上消失。作者还研究了北京“城市热岛”形成和消失的日变化特征,以及“城市热岛”强度对风速等气象要素变化的响应特征。值得指出的是,对强“城市热岛”的个案分析显示,冬季夜晚“城市热岛”强度经常表现出较大的波动性,与此相伴随,城郊地面风出现风向突变和风速的阵性现象。     

Urban Heat Island and Boundary Layer Structures under Hot Weather Synoptic Conditions: A Case Study of Suzhou City, China

A strong urban heat island (UHI) appeared in a hot weather episode in Suzhou City during the period from 25 July to 1 August 2007. This paper analyzes the urban heat island characteristics of Suzhou City under this hot weather episode. Both meteorological station observations and MODIS satellite observations show a strong urban heat island in this area. The maximum UHI intensity in this hot weather episode is 2.2℃, which is much greater than the summer average of 1.0℃ in this year and the 37-year (from 1970 to 2006) average of 0.35℃. The Weather Research and Forecasting (WRF) model simulation results demonstrate that the rapid urbanization processes in this area will enhance the UHI in intensity, horizontal distribution, and vertical extension. The UHI spatial distribution expands as the urban size increases. The vertical extension of UHI in the afternoon increases about 50 m higher under the year 2006 urban land cover than that under the 1986 urban land cover. The conversion from rural land use to urban land type also strengthens the local lake-land breeze circulations in this area and modifies the vertical wind speed field.     

西南地区城市热岛强度变化对地面气温序列影响

利用1961—2004年我国西南地区322个站的气温观测资料, 分析了乡村站、小城市站、大中城市站和国家基准/基本站气温变化趋势特点, 着重研究了城市化对城镇站和国家站地面气温记录的影响程度和相对贡献比例。结果显示:区域平均的各类台站年平均气温呈现不同程度的上升趋势, 城市站、国家站的增温速率均高于乡村站。大中城市站和国家站的年平均热岛增温率分别为0.086 ℃/ 10a和0.052 ℃/10a, 其增温贡献率分别达57.6%和45.3%。与大多数地区不同, 西南地区的增温速率明显偏小。因此, 尽管平均热岛强度变化比许多地区弱, 但其相对贡献明显, 表明城市化对该区域气温趋势的绝对影响较弱, 但相对影响较强。另外, 城市热岛增温有明显的季节变化, 表现为秋季最强, 春季或冬季次之, 夏季最弱。热岛增温贡献率则为春季最大 (100%), 夏季次之 (73%以上), 秋季和冬季相对较小。这主要是因为春、夏两季背景气候变凉或趋势微弱, 热岛增温在实际增温中占有更高的比例。     

河北省城市热岛强度变化对区域地表平均气温序列的影响

按照大中城市站、城市站、国家基本/基准站与乡村站等类别,对河北省区域内55个气象站1961～2003年和1981～2003年时段月、季、年平均气温变化进行了对比分析.结果表明:近40年来,大中城市增温趋势最为显著,城市站、国家基本/基准站增温趋势较强,乡村站增温趋势最小,季节中以冬季增温为最大;城市热岛效应增强因素对大中城市站、城市站、国家基本/基准站年平均温度增加的份额分别占到44.7%、38.7%、39.7%.城市热岛效应增强因素对季节增暖的作用在夏秋季较大,冬季最小;近20年来各类台站增温趋势更加明显,但热岛增温效应对平均温度序列增温的相对贡献却在降低,说明近20年的迅速增温可能是由于大气环流和增强的温室效应引起的;近20年全省各类台站由于城市热岛效应引起的增温与1961～2003年整个时段相比表现不一,部分站城市热岛增温效应绝对量趋于增强,部分站城市热岛增温效应趋于弱化或消失.因此,城市热岛增温效应对台站和区域平均温度序列的影响比较复杂,它受到人口增长、城市化进程、乡村台站环境变化等多种因素的影响.     

武汉市城市热岛强度非对称性变化

利用武汉市区气象站及其周边4个县气象站1960-2005年的气温资料,计算了46 a及分时段的季节和年平均气温、平均最高和最低气温倾向率,城市热岛强度倾向率及其贡献率。结果表明：46 a来,城区和郊区的平均气温均以上升趋势为主,最低气温增幅最大,最高气温增幅最小,甚至下降;冬季增幅最快,夏季增幅最慢,甚至下降,这是第一类非对称性。 城市热岛效应也存在增强趋势,以年平均、最低和最高气温表示的城市热岛强度倾向率分别为0.235℃/10 a、0.425℃/10 a和0.034℃/10 a,热岛效应贡献率分别达到60.4%、67.7%和21.8%,这是第二类非对称性。 46 a来的增温和城市热岛强度加强主要是最近23 a快速增温所致,进入本世纪增温进一步加剧。 摘要 计算了武汉市气象站、周边4县气象站平均的1960～2005年间以及前后两半时段四季和年平均、最高、最低气温倾向率,城市热岛强度倾向率和贡献率。结果表明：1）46年来,城区和郊区的平均气温均以增趋势为主,平均气温倾向率为正,最低气温增幅最大,最高气温增幅最小甚至下降,冬季增幅最快,夏季增幅最慢甚至下降,这是第一类非对称性;2）城市热岛效应也存在增趋势,以年平均、最低、最高气温表示的城市热岛强度倾向率分别为0.235、0.425、0.034 ℃/10a,热岛效应贡献率分别达到60.4%、67.7%、21.8%,这是第二类非对称性,3）46年来的增温和城市热岛强度加强主要是后23年快速增温所致,前23年气温变化不明显。武汉市气象站气温资料严重地保留着城市化影响,建议尽快迁站。 关键词 城市热岛强度 最高气温 最低气温 非对称性变化     

合肥市夏季热岛特征研究

根据2002牟夏季高温期间合肥市城市小气候考察的资料，分析了合肥市夏季城市热岛特征以及热岛强度的历史变化。结果表明：1）合肥市夏季热岛强度的日变化与冬季明显不同，夏季晴天一天中热岛强度只出现一个峰值，其基本特征与Oke提出的理想状态下的城市热岛强度日变化的模式曲线非常相似，而冬季与高纬地区的加拿大卡尔加里城市的热岛强度日变化特征接近。这反映了冬、夏两季人类活动、能源消耗量的不同；2）随着城市范围的扩大和城市绿化工程的实施，合肥市热岛面积、分布形状有了一定的改变，但主要分布特征和强度基本没有变化。     

东北平原腹地城市化与城市热岛的可能驱动因子

用近50年逐日气象观测记录和城市发展统计资料分析了东北平原腹地3个不同规模城市,即大城市长春,中等城市延吉和山区小城镇临江的年和季节平均气温、最高最低气温等,发现其差别很大,其排序不一定同城市化速率(人口和国内生产总值GDP)、土地利用或能见度趋势对应。但气温日较差趋势均与城市化速率成比例。3个城市气温趋势均表现为变暖,且最低气温趋势大于最高气温趋势;冬季变暖强于夏季。这说明影响夜间或冬季气温的才是城市热岛的主要驱动因子。冬、夏最高气温趋势排序一致,除临江外,最低气温趋势排序与最高气温相反。临江冬季最低气温趋势最强,可能与其特殊地理环境造成的弱风气候有关。最低气温趋势排序与城市化速率排序大致相同,最高气温趋势排序相反。综合对比分析表明,这3个城市气候变暖差异的主要因子不可能是土地利用,而是城市人为热释放和空气污染,后者主要影响夜间的射出长波辐射。二者的影响范围趋势应该同城市化速率成比例,对气温趋势有明显影响。其次,不能忽略地理环境因子对气温趋势及其排序的影响。不过,气温日较差在一定程度上可以削弱城市地理因素等的影响,其趋势是一个反映城市化对气候影响的的合适指标。研究还表明,需要重视空气污染对长波辐射的影响并应该在数值模式辐射参数化中加以考虑。     

湖北省城市热岛强度变化对区域气温序列的影响

计算湖北省71个气象站1961～2000年间四季、年平均、最低、最高气温倾向率,绘制其等值线分布图,设计并求取武汉站相对郊区代表站、全省的城市代表站、基本和基准站相对乡村代表站的热岛增温速率和贡献率.结果表明:1)40年来气温倾向率多为正,即呈增温趋势,但时空分布不均,冬季最低气温增速大,夏季最高气温增速小甚至降温,非对称性变化明显,几乎所有情况后20年增温加剧;2)武汉站、全省城市代表站热岛效应影响存在着显著的随时间增大趋势,武汉年平均、最低、最高气温的热岛增温速率分别为0.2、0.37、0℃/10 a,贡献率分别为64.5%、67.3%、0%,而全省城市代表站年3项气温的热岛增温速率略小,贡献率则可达75%以上,有些情况可达100%,且时间差异、非对称性特征与武汉较一致;3)近40年来全省基本和基准站热岛增温贡献率可达60%以上,近20年来还有50%左右.因此,目前根据国家基本、基准站资料建立的温度序列严重地保留着城市化影响.     

基于自动站观测资料的深圳城市热岛研究

利用103个自动站气温观测资料,对深圳的城市热岛现象进行了研究.分析表明:1)高速的城市化进程造成自动站周边下垫面属性的变化,对气温造成了显著影响,这种影响即使是在仅仅10年内也表现得较为明显.2)由于深圳地处海滨,深圳的近地层气温分布是海陆作用叠加城市热岛效应形成的结果.按照传统定义的深圳城市热岛,其空间分布在不同季...     

上海地区盛夏高温分布和热岛效应的初步研究

根据1997～1998年的7～8月高温加密观测资料和卫星遥感资料,应用自然正交函数分解技术(EOF),对上海地区盛夏高温分布的气候平均场和第一特征场进行了分析.上海地区盛夏平均高温场分布具有显著的城市热岛效应特征.作者详细讨论了市区建成面积、土地利用类别、人口密度和人为热等都市化因素对热岛效应范围和强度的影响,并做出定量的估计,提出了缓解城市热岛效应的若干对策.第一特征场分析表明,风向是影响上海地区热岛效应范围和强度变化的最主要的气象因子.     

Modeling the Warming Impact of Urban Land Expansion on Hot Weather Using the Weather Research and Forecasting Model: A Case Study of Beijing,China

The impacts of three periods of urban land expansion during 1990–2010 on near-surface air temperature in summer in Beijing were simulated in this study, and then the interrelation between heat waves and urban warming was assessed. We ran the sensitivity tests using the mesoscale Weather Research and Forecasting model coupled with a single urban canopy model,as well as high-resolution land cover data. The warming area expanded approximately at the same scale as the urban land expansion. The average regional warming induced by urban expansion increased but the warming speed declined slightly during 2000–2010. The smallest warming occurred at noon and then increased gradually in the afternoon before peaking at around 2000 LST—the time of sunset. In the daytime, urban warming was primarily caused by the decrease in latent heat flux at the urban surface. Urbanization led to more ground heat flux during the day and then more release at night, which resulted in nocturnal warming. Urban warming at night was higher than that in the day, although the nighttime increment in sensible heat flux was smaller. This was because the shallower planetary boundary layer at night reduced the release efficiency of near-surface heat. The simulated results also suggested that heat waves or high temperature weather enhanced urban warming intensity at night. Heat waves caused more heat to be stored in the surface during the day, greater heat released at night, and thus higher nighttime warming. Our results demonstrate a positive feedback effect between urban warming and heat waves in urban areas.     

Modelling Sea Surface Temperature (SST) in the Hudson Bay Complex Using Bulk Heat Flux Parameterization: Sensitivity to Atmospheric Forcing,and Model Resolution

ABSTRACT

Sea surface temperature (SST) from four Nucleus for European Modelling of the Ocean (NEMO) model simulations is analyzed to study the bulk flux parameterization to compute SST over the Hudson Bay Complex (HBC) for the summer months (August and September) from 2002 to 2009. The NEMO simulation was forced with two atmospheric forcing sets with different resolutions: the Coordinated Ocean-ice Reference Experiment, version 2 (COREv2), as the lower resolution and the Canadian Meteorological Centre’s Global Deterministic Prediction System Reforecasts (CGRF) as the higher resolution. The CGRF forcing is also implemented in the third and fourth runs using different runoff data and different NEMO resolutions (1/12° versus 1/4°). Results show that all four modelled SSTs followed observed SST patterns, with regional differences in SST bias between simulations with different atmospheric forcing. The SST differences are small between simulations forced with the same atmospheric forcing but with different model resolution or runoff. This implies that the model resolution and runoff have a small effect on the simulated SST in the HBC. Moreover, to better capture the effect of near-surface temperature (T_air) on simulated SST, we conducted three analyses using the Haney flux linearization formula. Results from these assessments did not indicate any direct influence on the model-simulated SSTs by T_air. Looking at the heat flux as a signature for SST showed that both averaged spatial distribution and time series of net heat flux produced by the three CGRF forcing simulations were higher than the net heat flux generated by the CORE 2 simulation. This was generally true for all four components of the total heat flux (sensible, latent, shortwave, and longwave) individually as well. Total heat flux in summer is governed by the shortwave heat flux, with values up to 120?W?m^?2 in August, and the longwave heat flux is the main contributor to the total heat flux differences. These heat flux differences lead to corresponding colder model SSTs for the CGRF runs and warmer SSTs for the CORE 2 simulations.