兰州市近50年城市热岛强度变化特征

利用1956-2005年兰州市日平均气温、日最高气温和日最低气温,分析了近50年兰州市城市热岛效应变化,并利用城区和郊区3种气温的倾向率计算了城市热岛强度倾向率和热岛增温贡献率。结果表明：1956-2005年兰州市3种气温的城郊差均呈逐年上升趋势,平均气温、最高气温和最低气温的倾向率分别为每10年0.371℃、0.169℃和0.654℃,其中,最低气温的城郊差上升最明显。近50年兰州市增温主要发生在后25年（1981-2005年）,前25年除城区最低气温外基本上以降温为主。后25年中,城区年平均气温、最高气温和最低气温倾向率分别为每10年0.789℃、0.997℃和0.625℃,郊区则相应为每10年0.493℃、0.790℃和0.077℃,其中最高气温增温最显著,最低气温增温最少;以年平均、最高和最低气温表示的城市热岛强度的倾向率分别为每10年0.395℃、0.188℃和0.674℃,热岛效应对城区增温的贡献率分别达到87.0%、49.6%和100%。冬季城市和郊区的平均气温和最低气温倾向率最大,但热岛增温贡献率最大的是春、夏季气温,而不是冬季气温;这可能主要与兰州市冬季严重的空气污染有关, 因为其对城市热岛有一定的抑制作用。20世纪80年代以后兰州市热岛效应有增强的趋势,但平均气温和最高气温的热岛增温贡献率除个别季节外有所下降。     

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     

城市化对中山夏季高温影响数值模拟

统计工业、交通、生活能源的消耗计算出中山市的人为热排放量,在WRF模式中使用新旧两套下垫面资料以及在城市地区引入人为热的排放,对2010年7月2—5日中山市的连续高温天气进行模拟,以评估城市化对中山市极端高温天气的影响。结果表明,在使用了新的下垫面资料后,模式能很好地模拟出中山市气温的变化和分布趋势,城市地区的热岛现象显著。城市下垫面和人为热分别使平均气温上升0.9℃和0.2℃,下垫面的改变引起的温度上升要比人为热明显,最低气温的增幅比最高气温要大。城市下垫面和人为热均能使城市热岛强度得到增强,热岛强度的变化在夜间比日间明显,在日出前达到最大,城市下垫面引起的热岛强度变化最大为1.5℃,而人为热为0.6℃。城市下垫面和人为热的引入增加了地表感热通量,使城市地区气温上升,下垫面引起的感热通量变化明显比人为热引起的要大。日间感热通量的增加比夜间大,但气温的增加则是夜间比日间明显。     

湖陆风对滨湖夏季气温和岳阳市城市热岛强度的影响

利用逐日逐时气象资料对岳阳市主城区近年夏季城市热岛强度进行了评估,探讨了东洞庭湖湖陆风对滨湖夏季气温以及城市热岛强度的影响。结果表明：平均气温郊区较城区、滨湖低1.47、1.11 ℃,最低气温郊区较城区、滨湖低1.89、2.03 ℃,最高气温城区较郊区高0.61 ℃、郊区较滨湖高0.63 ℃。白天城区气温高于郊区,郊区气温高于滨湖;夜间城区气温与滨湖基本相当,且明显高于郊区。各区逐时气温变率郊区最大,城区次之,滨湖最小,三者在23:00—次日6:00基本相当且变化较小。城区平均、最高、最低气温分别比郊区高1.47、0.61、1.89 ℃,对应城市热岛强度分别为弱、弱、中等。8:00—19:00城市热岛强度为弱,20:00—次日7:00为中等。滨湖9:00—18:00湖风强,19:00—次日8:00陆风弱。湖陆风与各区气温以及城市热岛强度均极显著相关。夜间城市热岛效应强于白天湖泊冷效应,白天城市热岛效应和夜间湖泊热效应随着站点与滨湖和郊区的距离远近影响强度不同,离滨湖越近的城市站白天受城市热岛效应影响越小,夜间受城市热岛效应影响越大。     

苏州夏季城市热岛现状及影响因子分析研究

利用2007年夏季常规和自动站气象观测资料,分析研究苏州城市热岛及其与影响因子关系.气温分布表明,市中心干将桥气温相对较高,而靠近太湖的新区镇湖镇、东山等郊区气温相对较低.苏州城市热岛强度日变化呈现双峰分布,两个峰值分别出现在10时和20时左右,最低值出现在16时左右.热岛强度与气象条件关系分析表明:(1)热岛强度受云量的影响较大;(2)与城区气温分布关系密切,相关系数为0.62;(3)与风向有关,城区风向为西风时的热岛强度大于东风时热岛强度;而城区热岛强度与风速关系不明显.另外相关站点的合理选取对城市热岛研究也十分重要.     

不同天气条件下沈阳城市热岛特征

利用1992—2008年沈阳站和新城子站逐日4个时次的平均气温、平均风速、降水量、云量和能见度资料,对不同天气条件下沈阳的城市热岛效应进行研究。结果表明：除雾和浓雾天气条件下,沈阳城市热岛强度在08时最弱外,其他天气条件下均表现为20时最强,14时最弱;不同天气条件下,夜间城市热岛强度均高于白天;晴朗无风条件下昼夜城市热岛强度差最大,为0.73℃。四季相比,除雾条件下秋季城市热岛强度最强外,其他天气条件下均为冬季最强;除大雨条件下春季城市热岛强度最弱外,其他条件下均为夏季最弱。沈阳城市热岛强度随降水量的增加而减弱,随能见度的降低而减弱,随着风速的增加而减弱。白天和夜间两个时次的差值表现为,1～3级风夜间变化幅度大于白天,0级和4～5级风速有相反规律,其他天气条件下无明显规律。     

乌鲁木齐城市热岛强度的日变化和季节特征

运用2013—2014年28个自动气象站的逐小时气温观测资料,分析了乌鲁木齐地区气温的日变化特征及季节特征。结果表明:(1)城郊日最高气温出现频率最大的时次均为北京时间17时,出现频率在20%以上。日最低气温出现频率最大的时次为08时,频率在30%以上;(2)城郊年平均气温差异即城市热岛强度在夜晚较大,07时左右达到最大,在1.5℃以上,白天较小,16时左右最小,仅有0.3℃左右;(3)城郊日最高气温出现时间与城区基本一致,但日最低气温出现时间有差别,冬季郊区最低气温出现滞后城区1 h,其他季节保持一致;(4)城区逐小时城市热岛强度日变化可分为3个阶段:08—17时为下降时期,17—22时为迅速上升时期,22—08时为稳定的强热岛时期;(5)候平均气温城市热岛强度年内变化,最大值发生在年终的第72候,为1.53℃,最小值发生在秋末第67候,为0.33℃;(6)综合来看,各季代表月平均城市热岛强度春季(4月)夜晚较强,夏季(7月)夜晚和白天都相对较弱,秋季(9月)夜晚最强,但白天最弱,甚至白天部分时刻(15—18时)出现了负值。冬季白天和晚上都比较强,是四季代表月份平均热岛强度最强的季节。日内变化即日变化,大家公认的。     

太湖对周边城市热环境影响的模拟

太湖微气候条件及局地热环境的研究对于太湖周边城市地区可持续发展以及大气宏观调控具有重要意义。为了更准确模拟太湖湖-气交换,将CLM4-LISSS浅水湖泊陆面过程参数化方案耦合进入WRF中的Noah陆面过程模型。采用太湖湖上平台及岸边陆上测站观测的数据,评估了CLM4-LISSS浅水湖泊过程方案对太湖区域近地层气象条件的模拟性能。并基于耦合模型模拟研究了太湖对周边城市区域热环境的影响。结果表明,CLM4-LISSS湖泊陆面过程方案模拟的湖表面温度能反映真实温度的变化趋势。两种陆面过程方案在2 m气温的模拟值也存在一定的差异。CLM4-LISSS与Noah方案计算所得湖上2 m气温的模拟值与观测值的平均均方根误差分别为1.77和2.22℃,平均相关系数分别为0.88和0.84;模拟10 m风速的平均均方根误差分别为1.93和2.78 m/s,平均相关系数为0.72和0.68。太湖对周边城市热环境存在明显的影响。8月太湖对周边地区15时（北京时）近地层平均降温0.5-0.7℃,影响范围达60 km。06时太湖导致周边近地层平均升温达0.7-1℃,影响范围达50 km。湖风带来的冷空气抑制了城市热岛的垂直运动,在高温天气下使得苏州、无锡和常州城市地区昼间边界层下降高度可达300、400和100 m。无锡地区边界层内气温最高降幅可达0.5-0.7℃。通过选取无锡地区2015年8月28日高温小风天气作为背景条件,分析该地区湖风对城市热岛环流的影响机制。结果表明湖风能够破坏无锡地区的热岛环流结构,改变近地面热量和水汽的分布,抑制城市热岛的垂直发展,并影响至整个无锡地区。局地热力环流的变化对于局地气候以及污染物质的输送与扩散有可能产生重要影响,准确的湖泊陆面过程参数化方案对于天气预报、空气污染模拟,以及气候模拟研究等均具有重要意义。     

城市下垫面反照率变化对北京市热岛过程的影响——个例分析

随着城市的不断发展,城区地表反照率等下垫面物理特征和属性会发生明显的变化,进而会对城市热岛等大气环境形成影响。文中使用中国气象科学研究院开发的新一代数值天气预报模式(GRAPES),针对2004年10月北京一次重空气污染事件中的典型城市热岛过程,分别设计了两种数值试验方案:(1)对照试验,使用模式缺省的城区下垫面反照率参数,取值0.18;(2)敏感性试验,参考同期中国科学院大气物理研究所铁塔280m高度下垫面反照率观测事实,将北京区域城市类型下垫面反照率减小至0.15。通过对比两种试验方案在1km水平分辨率下的24h模拟结果,研究了城市下垫面反照率变化对北京地区城市热岛过程的影响。结果表明:(1)GRAPES模式可成功模拟此次热岛过程中城区和郊区近地面温度的日变化趋势;(2)城市下垫面反照率的变化对城市热岛的发展非常重要,城市反照率下降0.03会使城市热岛强度增强0.8℃左右,结果也更接近实况。这说明随着城市发展引起的地表反照率减小有利于城市热岛强度增加;(3)通过分析地表的长波辐射发现,在城市区域较小反照率情形下,城区的长波辐射始终比郊区大,有利于热岛的形成;同时也有利于城区近地层的风场辐合增加,对此次污染过程的发展是有利的。     

建筑物制冷系统人为热排放与气象环境的相互作用

针对建筑物制冷系统人为热排放对城市气候和能源消耗影响越来越大的现状,利用改进后的建筑物能量模式BEM(Building Energy Model)与单层城市冠层模式SLUCM(Single Layer Urban Canopy Model)的耦合,实现对城市建筑物人为热排放的动态模拟;以2014年5月29日为例(北京地区极端高温个例),开展北京地区建筑物制冷系统人为热排放与城市气象环境相互作用的定量分析。WRF(Weather Research and Forecasting)/Noah/SLUCM/BEM耦合模式模拟分析表明,模式在不加入人为热时,对夜间的热岛模拟偏弱,且基本无法模拟出白天的热岛效应;加入城市交通人为热排放后,对城市热岛强度和范围的模拟有一定改善;进一步加入建筑人为热排放对气温、热通量、边界层高度等的模拟效果均有不同程度的改进。加入BEM模拟的人为热后(case2),15:00(北京时,下同)主城区地表感热通量增加30~50 W·m~(-2),相应地2 m气温升高0.4~0.8℃,二者对应关系较好。case2中的人为潜热排放导致地表潜热通量增加80~140 W·m~(-2),水汽通量增加0.04~0.09 g·m~(-2)·s-1,中心城区2 m比湿增加0.5~0.9 g·kg~(-1),边界层高度升高100~150 m,且傍晚边界层高度开始下降的时间推迟了约1 h。加入建筑人为热后,气温等气象条件的变化会对建筑物制冷系统能耗及人为热排放产生影响。case2对比case1,建筑物制冷系统能耗增加了1.11%~3.33%,建筑物制冷系统排放的感热通量增大0.67%~1.67%、潜热通量增大0.625%~1.56%(达2.0 W·m~(-2)以上)。研究表明,在中尺度模式中动态模拟建筑物制冷系统的人为热排放,能够改进对近地层气象要素的模拟效果。     

Could the Recent Taal Volcano Eruption Trigger an El Ni?o and Lead to Eurasian Warming?

正The Taal Volcano in Luzon is one of the most active and dangerous volcanoes of the Philippines. A recent eruption occurred on 12 January 2020(Fig. 1a), and this volcano is still active with the occurrence of volcanic earthquakes. The eruption has become a deep concern worldwide, not only for its damage on local society, but also for potential hazardous consequences on the Earth's climate and environment.     

COMPARATIVE ANALYSIS OF VARIOUS DATA OF AIR–SEA TEMPERATURE DIFFERENCE AND ITS VARIATION ACROSS SOUTH CHINA SEA IN THE PAST 35 YEARS

Using the International Comprehensive Ocean-Atmosphere Data Set(ICOADS) and ERA-Interim data, spatial distributions of air-sea temperature difference(ASTD) in the South China Sea(SCS) for the past 35 years are compared,and variations of spatial and temporal distributions of ASTD in this region are addressed using empirical orthogonal function decomposition and wavelet analysis methods. The results indicate that both ICOADS and ERA-Interim data can reflect actual distribution characteristics of ASTD in the SCS, but values of ASTD from the ERA-Interim data are smaller than those of the ICOADS data in the same region. In addition, the ASTD characteristics from the ERA-Interim data are not obvious inshore. A seesaw-type, north-south distribution of ASTD is dominant in the SCS; i.e., a positive peak in the south is associated with a negative peak in the north in November, and a negative peak in the south is accompanied by a positive peak in the north during April and May. Interannual ASTD variations in summer or autumn are decreasing. There is a seesaw-type distribution of ASTD between Beibu Bay and most of the SCS in summer, and the center of large values is in the Nansha Islands area in autumn. The ASTD in the SCS has a strong quasi-3a oscillation period in all seasons, and a quasi-11 a period in winter and spring. The ASTD is positively correlated with the Nio3.4 index in summer and autumn but negatively correlated in spring and winter.     

Analysis of Atmospheric Boundary Layer Height Characteristics over the Arctic Ocean Using the Aircraft and GPS Soundings

正ERRATUM to: Atmospheric and Oceanic Science Letters, 4(2011), 124-130 On page 126 of the printed edition (Issue 2, Volume 4), Fig. 2 was a wrong figure because the contact author made mistake giving the wrong one. The corrected edition has been updated on our website. The editorial office is sincerely sorry for any     

Index to Vol.31

正AN Junling;see LI Ying et al.;(5),1221—1232AN Junling;see QU Yu et al.;(4),787-800AN Junling;see WANG Feng et al.;(6),1331-1342Ania POLOMSKA-HARLICK;see Jieshun ZHU et al.;(4),743-754Baek-Min KIM;see Seong-Joong KIM et al.;(4),863-878BAI Tao;see LI Gang et al.;(1),66-84BAO Qing;see YANG Jing et al.;(5),1147—1156BEI Naifang;     

Information for Contributors

正Journal of Meteorological Research is an international academic journal in atmospheric sciences edited and published by Acta Meteorologica Sinica Press,sponsored by the Chinese Meteorological Society.It has been acting as a bridge of academic exchange between Chinese and foreign meteorologists and aiming at introduction of the current advancements in atmospheric sciences in China.The journal columns include Articles.Note and Correspondence,and research letters.Contributions from all over the world are welcome.     

前寒武纪气候演化中的三个重要科学问题

自地球形成至寒武纪将近40亿年（距今46亿～5.4亿年,通常称为前寒武纪）的气候演变是一个具有特殊难度和挑战性的研究领域,同时也是基础和前沿的研究领域。文章选择了前寒武纪气候演化中的三个重要科学问题进行综述：大气演化、两次全球性的冰川期以及暗弱太阳问题。关于大气演化,本文首先描述了大气成分的演化历史,然后简述了影响大气成分演化的三个基本过程：大气逃逸、两次大气氧含量突然增加、碳酸盐-硅酸盐循环及其对气候系统的负反馈作用。两次全球性的冰川期分别发生在古元古代（距今24亿～21亿年）和新元古代（距今8亿～5.8亿年）,文章简述了其成因以及相关的气候模拟结果。暗弱太阳问题是地球历史气候演化的一个经典问题,论文简要地综述了一些最新的研究成果和观点。     

淮河流域水文极值预测模型研究

为探索气候变化影响下水文极值的非平稳性和预测方法,建立了水文极值非平稳广义极值（GEV）分布的统计预测模型。利用1952-2010年淮河上游流域累计面雨量和流量年最大值资料、同期500 hPa环流特征量资料以及17个CMIP5模式对环流特征量的模拟结果,筛选出对水文极值影响显著的年平均北半球极涡强度指数作为GEV分布参数的预测因子。分析了在RCP2.6、RCP4.5和RCP8.5情景下2006-2050年淮河上游流域水文极值对气候变化的响应。结果表明,10年以下与10年以上重现期的水文极值在非平稳过程中呈现前者下降而后者上升的相反变化趋势;多模型预测的集合平均在未来情景中均呈现上升趋势,情景排放量越大增幅越大,重现期越长增幅也越大。与极值的常态相比,极值的极端态更易受气候变化影响。     

CHARACTERISTICS AND TRENDS OF CLIMATIC EXTREMES IN CHINA DURING 1959–2014

The spatial and temporal variations of daily maximum temperature(Tmax), daily minimum temperature(Tmin), daily maximum precipitation(Pmax) and daily maximum wind speed(WSmax) were examined in China using Mann-Kendall test and linear regression method. The results indicated that for China as a whole, Tmax, Tmin and Pmax had significant increasing trends at rates of 0.15℃ per decade, 0.45℃ per decade and 0.58 mm per decade,respectively, while WSmax had decreased significantly at 1.18 m·s~(-1) per decade during 1959—2014. In all regions of China, Tmin increased and WSmax decreased significantly. Spatially, Tmax increased significantly at most of the stations in South China(SC), northwestern North China(NC), northeastern Northeast China(NEC), eastern Northwest China(NWC) and eastern Southwest China(SWC), and the increasing trends were significant in NC, SC, NWC and SWC on the regional average. Tmin increased significantly at most of the stations in China, with notable increase in NEC, northern and southeastern NC and northwestern and eastern NWC. Pmax showed no significant trend at most of the stations in China, and on the regional average it decreased significantly in NC but increased in SC, NWC and the mid-lower Yangtze River valley(YR). WSmax decreased significantly at the vast majority of stations in China, with remarkable decrease in northern NC, northern and central YR, central and southern SC and in parts of central NEC and western NWC. With global climate change and rapidly economic development, China has become more vulnerable to climatic extremes and meteorological disasters, so more strategies of mitigation and/or adaptation of climatic extremes,such as environmentally-friendly and low-cost energy production systems and the enhancement of engineering defense measures are necessary for government and social publics.