1.5 城市化对天气气候的影响

1.5.1 城市热岛效应分析

城市热岛效应是城市天气气候效应的最直接表现。早期的研究表明，1954—1983 年的30年里中国城市热岛强度普遍增加0.1 ℃（Wang et al.，1990）。Zhou等（2004）认为中国的城市热岛较其他国家尤为显著，且长江流域和华南的城市化使得城市气温的日变化幅度减小。21世纪初以来，越来越多自动观测站被用来检测城市气象要素，大大提高了城市热岛效应研究结果的准确性（Yang et al.，2013）。沈钟平等（2017）基于上海城市综合气象观测体系，采用质量控制后的加密自动观测数据揭示了上海城市热岛的多中心结构特征（图1.5.1），其季节变化受到大气环流季节转换和局地海陆风的影响。

快速的城市化及其增强的城市热岛效应不仅影响城市气温分布格局，还对我国多数地面气象台站记录的气候变暖具有明显的影响。尽管城市化对全球或半球陆地平均气温的增温贡献率不超过10％，但在中国大陆地区，地面气温上升趋势中大约2到4成可归因于城市化影响（任玉玉等，2010）。而且，城市化气候效应对极端温度事件的发生频次也有一定影响。Wang等（2013）发现北京地区近30年快速城市化对极端暖夜（冷夜）的增加（减少）趋势贡献为12.7％或2.07d/10a（29.0％或5.06d/10a），对于持续（3d）的极端冷夜事件，城市化效应显著加强了其减少趋势，贡献达34％。

在城市化影响气温的数值模拟研究中，城市化引起区域增温是绝大多数研究所认同的结论，但对增温的量化结果还存在不一致。Zhang等（2010）通过敏感性试验发现城市化效应引起城市地区冬季平均地表气温上升（0.45 ± 0.43）℃，夏季上升（1.9 ± 0.55）℃。Feng等（2012）发现城市下垫面改变使得中国区域全年增温0.13 ℃，长三角等城市化显著地区增温可达0.84 ℃。通过对中国三大城市群高分辨率嵌套模拟，Wang等（2012）发现城市土地利用使得城市地区地表气温上升1 ℃左右，此效应在夏季体现最为明显。而城市化相关的人为热释放导致中国区域气温上升0.15 ℃，在长三角增温可达0.89 ℃（Feng et al.，2012）。Chen等（2009）在城市边界层模式中考虑了人为热的影响，并对南京、杭州等地的城市边界层结构开展研究，取得了有效的成果。

1.5.2 城市对降水的影响研究

城市化对降水时空分布格局的改变是城市化效应的另一重要体现。相比城市热岛研究，城市化对降水的影响研究多集中在21世纪。

（1）城市对降水影响的观测分析

城市化影响降水研究多侧重于利用地面气象站点、卫星和地面遥感观测等手段获得降水资料，揭示城市对区域降水量和空间分布的影响（Chen et al.，2003；孙继松、舒文军，2007；王喜全等，2008；Liang and Ding，2017）。Yang等（2017）研究表明，受区域气候类型、城市规模等因素的影响，城市化对降水空间分布及变化趋势的影响具有明显的区域差异。以上海为例，快速城市化进程阶段的暴雨频数及其变化趋势的空间分布较慢速城市化进程有更明显的城市雨岛特征（Liang et al.，2013）。Dou等（2015）研究发现，城市热岛强度可以作为区分城市对降水影响类型的关键因子：强热岛条件下城区降水增多增强，而弱热岛条件下由于城市粗糙下垫面的作用降水发生分叉从而导致城区降水减少。不仅单个城市，城市群对降水分布也有影响。其中，长三角城市群与邻近平原地区相比有明显的降水增幅（赵文静等，2011），且降水大值中心通常位于城市中心下游20～70 km。

许多研究都发现城市化导致大城市降水量和强降水事件增多，例如：发现城市化造成南京（周建康等，2003）、广州（廖镜彪等，2011）等地的大雨、暴雨和大暴雨等强降水日数增加。对北京而言，尽管城市化对降水的影响以干岛效应为主，但对短历时降水、100毫米以上致灾暴雨的频率（Hu，2015）以及低温雨雪事件的强度（Han et al.，2014）都有明显的雨岛效应。孟丹等（2017）针对基于卫星遥感产品分析发现，北京7·21暴雨期间，城市热岛与雨岛的空间分布上存在一致性，且两者在雨强最大时段的相关性最好。Yu等（2017）对该次降水研究发现城市增强了地面感热通量及风场辐合，从而增强了此次降水。Yang等（2017）研究也证明了北京短历时强降水与热岛中心在空间分布上的一致性，但其发生时间则滞后3 小时以上。

Liang和Ding（2017）以上海为代表，采用1916—2014年近百年小时降水资料分析表明，近百年来上海地区小时强降水的极端性显著增强（图1.5.2）。在空间分布上，小时强降水事件的发生频数及降水总量的变化趋势均具有城市雨岛特征。上海城市化发展既有利于城区的强降水发生，又有利于降水强度的增大，从而进一步使小时强降水总雨量增加。城市热岛对强降水的发生有增幅作用。此外，上海作为沿海城市，与城市热岛相联系的海风环流易导致中心城区的气流辐合，加之来自海上的水汽输送，进一步促进了强降水的发生和极端性。

（2）城市对降水影响的数值模拟研究

已有城市化影响降水的数值试验研究主要集中在城市土地利用、人为热释放和气溶胶对降水的影响等方面。一方面，一系列高分辨率数值模拟试验研究表明，城市化带来的土地利用改变对北京（Guo et al.，2006；Zhang et al.，2009）、长三角和珠三角地区（Wang et al.，2012）夏季降水有减少的作用。Miao等（2011）通过不同城市土地利用情景的数值试验表明：城市化效应使得城市区域的飑线破裂成对流单体，最终降水量的变化幅度取决于城市化的程度。另一方面，Feng等（2014）发现，城市化带来的人为热释放使得珠三角和长三角地区特别是城市区域夏季降水有所增加，京津冀地区的夏季降水变化不太显著。在海风与热岛耦合影响降水方面，李维亮等（2003）的研究表明，海风、江（湖）风环流与城市热岛效应之间存在相互增强的过程，在长三角沿江一带容易形成水平风速辐合，与该地区降水量的增加有直接关系。Lin等（2008）就台湾一次暴雨过程的敏感性试验发现，城市热岛环流和山地迎风面的抬升作用能促发对流，且城市规模越大，该城市下风方向的降水增幅就越显著。Zhang等（2017）对北京不同热岛条件下的两次降水过程进行了数值模拟研究，发现不同城市热岛条件下城市对降水影响不同。郭良辰等（2019）对北京一次降雪过程的数值模拟研究表明：城区更容易产生混合型降水。此外，研究表明城市气溶胶对降水同样有显著的、复杂的影响（陈卫东等，2015，2017）。上述研究多数选取的是个别天气过程进行数值模拟，加之试验的区域和时间跨度也不同，城市化对降水影响的模拟结果还具有较大的不确定性（Yu et al.，2018）。

1.5.3 城市气象与城市规划

城市气象与城市规划既息息相关、相辅相成，又相互影响。城市规划要考虑当地的风向、风速、气温、降水等气象条件，以及高温热浪、暴雨、内涝、风暴潮等极端天气气候事件（Baklanov et al.，2018）。反之，城市建筑群布局等下垫面变化和人类活动，也会对城市气象要素产生影响。

城市气象在城市规划中的应用领域主要集中在区域规划、城市总体规划、城市通风廊道规划、绿地规划、工业布局选址、海绵城市规划、建筑布局与形态设计，以及考虑气象灾害和气候承载力等因素的生态保护红线划定、气候适应性城市规划等（苗世光等，2013；刘姝宇，2014；杜吴鹏等，2016；房小怡等，2018）。

传统城市规划对气象因素考虑最多的是风。利用风玫瑰图或主导风向指导城市功能区布局特别是工业区选址最为常见，即“上风向、下风向”（中国地理学会，1985）。

到20世纪末和21世纪初，我国逐渐开始重视气象和大气环境对城市规划的影响，国家重点科技攻关、北京市重大科技项目“北京城市规划建设与气象条件及大气污染关系研究”对城市规划与气象环境间的相互作用进行了较为系统的研究（北京城市规划建设与气象条件及大气污染关系研究课题组，2004），建立了城市规划建设对大气环境影响数值模拟系统、评估指标体系和评估系统。随着气象观测资料及研究手段愈加丰富，通过对风速、风向、气温、湿度、大气污染扩散进行空间分析并将其与城市规划和城市设计结合，为制定、优化和调整城市规划方案提供了更为翔实的气象参考（汪光焘等，2005；王晓云，2007；Miao et al.，2009a；郑祚芳等，2014）。同时，利用分钟级气象观测资料开展分区暴雨强度公式编制和设计暴雨雨型，以及开展建筑供暖、通风与空气调节设计气象参数计算等，也成为适应气候变化城市规划中的一项重要内容（住房和城乡建设部、中国气象局，2014；Li et al.，2018b）。

随着数值模拟和3S技术的进步（杜吴鹏等，2017；Yu et al.，2019；Zhang et al.，2019），基于城市规划对气象技术在精细化、准确化、空间化等的更高需求，使得数值模式水平网格距覆盖10 m～3000 m范围，在城市总体规划或区域规划中考虑不同功能区布局、在详细规划和街区规划中考虑建筑物和精细下垫面对局地气象条件和污染扩散的影响成为可能。遥感和地理信息技术的突飞猛进则推动将不同气象要素图层与地形、地貌图层以及土地利用、城市布局图层叠加融合，形成城市环境气候图（任超、吴恩融，2011；He et al.，2015；Liu et al.，2016）。

1.5.4 城市化与气候变化

城市化与气候变化是未来人类社会面临的两个重大挑战，两者的联系也日益紧密。局地气候背景对城市化气候效应有重要影响（Zhao et al.，2014；Cao et al.，2016；Liao et al.，2018）。与北美洲等地区不同，我国高强度的城市热岛不是发生在华东地区的超大城市，而是西部半干旱地区的中小城市，雾霾的辐射效应或许是这些城市增温的主导因子之一（Cao et al.，2016）。同时，气候变暖导致极端天气气候事件发生频率增加、强度增大，对人口和物质资产集聚程度高、地理位置多位于沿海和河谷地带的城市地区造成严重风险（IPCC，2012）。一方面，气候模型预测表明，随着全球气候变暖，城市热浪的增长将更严重、更频繁，如未来低排放情景下，类似2013 年的华东地区的极端热浪事件的发生频率或将增加50％（Sun et al.，2014；Sun et al.，2016）。另一方面，快速城市化进程已然造成了很多气候环境问题，导致局地高温热浪天气（杨续超等，2015；Yang et al.，2017）和空气污染事件（Ma et al.，2010）频发。

随着高分辨率区域气候模式（Regional Climate Model，RCM）的快速发展，国外学者开始尝试使用RCM耦合城市冠层模式的动力降尺度方法来研究未来气候变化和城市化共同影响下的城市气候变化特征。Chen和Frauenfeld（2016）基于全球气候模式未来低排放情境模拟结果，使用动力降尺度方法，指出未来城市地区将会导致局地或区域1.9 °C的增温，尤其夏季和傍晚；城市化导致降水分布不均，夏季风增强而冬季风偏弱。城市化与气候变化两者的相互作用已成为当前气候变化领域研究的热点问题之一。

1.5.5 中国城市化对区域气候与空气质量影响研究

自然下垫面到人工下垫面的转变改变了植被土壤大气连续体中能量、动量、水分和微量气体的交换，进而影响局部以及区域环流和气候，并影响污染物的扩散和空气质量（图1.5.3）（Ma et al.，2019；Wang et al.，2007，2009a，2009b；Zhang et al.，2010，2016b）。另外伴随着全球变化的大背景，若无合理规划或将加重诸如极端天气、海平面上升、空气质量恶劣等一系列的城市环境问题并进而对中国的公共健康、可持续发展等产生负面影响。

城市下垫面的高度异质性使得其边界层呈现出高度时空复杂性，对大气中污染物的存续产生显著影响。Wang等（2009b）借助数值模型发现城市面积增加导致2 m气温和边界层高度升高，10 m风速下降。气象条件的变化导致地表O ₃ ，NO _x ，VOCs，SOA和NO ₃ 自由基浓度发生明显变化（Wang et al.，2009a，2009b）。O ₃ 白天增加2.9％～4.2％，夜间增加4.7％～8.5％；NO _x 和VOCs浓度分别降低了4 ppbv和1.5 ppbv，主要城市表面NO ₃ 自由基浓度增加约4～12 pptv；且O ₃ 和NO ₃ 自由基浓度增加的区域，一般与气温升高和风速降低区域相吻合；Aitken模态SOA受城市化影响较大（－3％～9％），其中由芳烃前体物产生的SOA表现最为明显（14％）的增长，京津冀也有类似的结果（Yu et al.，2012）。

1.5.6 城市气象灾害风险评估

近年来，受全球气候变化影响，极端天气及气候事件增多（IPCC，2014），导致气象灾害频发（Allen et al.，2002；Bouwer，2011）。城市是一个巨大的承灾体，在自然灾害面前往往不堪一击。城市化加剧了城市地区遭受气象灾害冲击的程度及频度，增强了气象致灾因子的风险特性（王迎春等，2009；Mccarthy et al.，2010；Seneviratne，2012）。同时人口的高度聚集、财产的集中分布及不断加剧的城市承灾体脆弱性，某种程度上放大了城市气象灾害风险（尹占娥等，2012；扈海波等，2014；秦大河等，2015）。因此，城市气象灾害风险突增是致灾因子强度增强并伴随承灾体脆弱性及风险暴露不断加大的多种风险因子共同作用的结果（姜彤等，2018）。

国内外学者都非常注重城市气象灾害风险的研究（Dilley et al.，2005；张继权等，2006；史培军，2009），尤其在风险分析、风险预警及减轻城市气象灾害风险上做了大量工作，如UNDP（2004）开发的灾害风险指数系统（Disaster Risk Index，DRI）、美国FEMA的HAZUS灾害评估模型（Wine et al.，2004），以及欧洲空间规划观测网络（ESPON）项目组研发的多重风险评估方法（Greving，2006）等都应用在城市气象灾害风险评估及分析应用中。Escuder等（2012）还整合了灾害风险的社会视角和居民的风险感知等非工程因素，提出定量化的城市暴雨内涝灾害风险分析方法，用于风险识别及自然灾害风险防范。国内在城市气象灾害风险评估的研究总体上比较初步，但也逐渐向风险分析、风险预警及风险管理等应用领域拓展（黄崇福等，1994；王邵玉等，2005；葛全胜等，2008；扈海波等，2010；尹占娥等，2012；刘敏等，2012；Zhang et al.，2018）。殷杰等（2009）和尹占娥等（2010）提出了基于GIS技术的城市地区中小尺度暴雨内涝灾害风险评估模型，为城市多尺度暴雨内涝灾害的情景分析和风险评估提出探索性导向。权瑞松（2012）构建了城市典型地上建筑与典型地下空间设施的暴雨内涝风险评估模型，评估上海市不同情景下中心城区住宅、地铁系统等的暴雨内涝风险，为减轻城市气象灾害风险提供具有实际操作价值的风险评估方法。扈海波等（2013）提出用自下而上的城市暴雨积涝灾害风险定量评估方法来实施城市地区的暴雨积涝灾害预评估，为建立城市暴雨积涝风险评估指标和模型用于城市暴雨积涝风险评估及风险预警提供思路。Hu（2016）提出基于人工智能技术的空间遗传编程算法（SPG）来开展城市暴雨灾害风险评估及区划。这些工作在建立城市气象灾害风险评估模型的基础上致力于减轻城市气象灾害风险并发挥了应有的作用，尤其是在对城市防灾减灾有实际应用意义的灾害风险识别、灾害预评估及风险预警方面做了有益的探索。 6YWowG0N4yc0K5plydn+llpl8jE8UyP7lBKl2nUO0hONvw7D6C4M/eSbbSsvW3LT