基于WRF的城市热场与城市下垫面结构的关系分析

 2022-01-20 12:01

论文总字数:13839字

目 录

1 引言 3

2 材料与方法 3

2.1 数据来源 3

2.2 数据预处理 4

2.2.1 土地利用数据 4

2.2.2 时间序列的处理 5

2.2.3 土地利用数据的分析方法 6

2.3 热场特征的分析方法 7

2.3.1 热场随时间的变化 7

2.3.2 热场随下垫面结构的分布 7

2.3.3 热场与下垫面结构建立多元线性回归关系 7

3 结果与分析 8

3.1温度的日变化 8

3.2 城镇建筑用地温度随下垫面结构的变化 8

3.3 多元线性回归分析 11

4讨论与结论 12

4.1 讨论 12

4.2 结论与建议 12

参考文献 13

致谢 15

基于WRF的城市热场与城市下垫面结构的关系分析

纪丞

, China

Abstract: Cities grow at an unbelievable pace, changing the structure of the urban underlying surface greatly, which leads to the change of the urban thermal field distribution. The urban thermal field distribution affects everything of cities. Therefore, analyzing the relationship between the urban thermal field and the urban underlying structure and revealing the interactions of different land use types will be helpful to rationalize the urban planning, alleviate the urban heat island effect and improve the quality of life of the urban residents. This paper analyses how the urban thermal field according to its underlying surface structure changes in space and time, using the grid data of temperature simulated by WRF model in Quanzhou on typical high temperature day and the land use data. Calculating the distances between every urban construction land and other types of land use makes it possible to concretely describe the different temperature distribution in urban construction land influenced by different types of land use, then quantify these influences through multiple linear regression analysis. The results show that the temperature of Dense Tall Vegetation (including Evergreen Broadleaf Forest and so on) lower than any other land use all day long. Different underlying surface types alleviate the urban heat island effect in various degree, and in descending order of the ability to alleviate the urban heat island effect are Sea, Permanent Wetlands, Dense Tall Vegetation, Sparse Low Vegetation(including Savannas and so on).

Key words: urban thermal field; underlying surface; WRF; multiple linear regression; city planning

1 引言

城市化进程不断改变着城市下垫面,进而影响城市气候[1],而城市气候又从各方面影响着人类社会的方方面面,所以城市气候一直是研究的热点,其中对城市热场的研究尤其重要。政府间气候变化专门委员会(IPCC)第五次报告中指出,在过去30年地球表面持续增暖,北半球处于自1400年来气温最高的30年[2-4]。城市作为陆地上的一个特殊区域具有显著的局地气候特征,随着城市化进程的加快,增温速率远大于非城市区域[5]。我国气象学上将日最高温度超过35°C定义为“高温天气”,《防暑降温措施管理办法》中也对35°C以上天气的高温天气作业劳动进行了限制[6]。城市高温除了会对人体生理产生不利影响[7,8],对能源与经济都是巨大的负担[9,10],等等。所以对城市热场的分析研究必要且迫切。

城市热场的研究起源于19世纪初,Lake Howard在研究伦敦城郊温差时发现了热岛效应(urban heat island, UHI),标志着城市热场研究的开始。此后,研究手段与方法不断发展,随着计算机技术、3S技术(GPS、GIS、RS)等技术的兴起,对城市热场的定量化研究不断深入。目前,世界上获得城市热场数据主要方法有气象观测方法、遥感监测方法与数值模拟方法[3,4]

气象观测方法如刘寿东等[11]利用2010年南京夏季城市热岛三维观测试验资料,分析了南京夏季典型天气条件下城市热岛的时空分布特征。遥感监测方法如毛文婷等[12]利用landsat8数据,反演出西安市地表温度、植被和不透水面等信息,对城市热岛效应与下垫面关系进行定量分析。数值模拟方法如Feng Chen等[13]通过天气研究与预测(Weather Research and Forecasting Model , WRF)模型和城市冠层模型(UCM)以1km的水平分辨率模拟受长时间热浪影响下的位于华东地区的杭州的城市热岛(UHI)效应,并且证明了WRF模型可以准确模拟出热浪中的城市热场分布。相比较之下,数值模拟方法获取的数据具有时间和空间的连续性,一定程度上综合了气象观测方法和遥感监测方法两者的优点。无论哪种方法获得热场数据后,与下垫面结构相结合进行分析通常有三种方式[14]:①下垫面分类比较分析,如俞布等[15]将苏州区下垫面分为水体、植被、建筑物和农田后比较各类下垫面温度的统计值。②下垫面归一化指数与温度建立相关关系,如刘绿柳等[16]建立了黄河流域归一化植被指数(NDVI)与温度之间的相关关系。③选取特定路径分析温度变化,如赵小艳[17]通过选定剖线分析了南京不同土地利用/覆盖类型的表面温度明显差异。

本文基于WRF模型输出的网格化数据分析城市热场和城市下垫面结构的关系,揭示不同非城镇建筑用地对城镇建筑用地温度的影响程度,为研究区域的城市规划提供缓解城市热岛效应的建议。

2 材料与方法

2.1 数据来源

本文采用的数据是泉州地区MODIS土地利用数据和WRF V3.6.1模式模拟的网格化温度数据,空间范围为北纬24.21°—25.62°,东经117.70°—119.40°,空间分辨率为1000米,时间范围为2014/07/16/02:00:00—2014/07/17/20:00:00,时间分辨率为1h。

受副热带高压影响,2014年7月研究区经历了持续的高温热浪天气,所选取时段可作为典型高温日进行分析研究。WRF模式输出的模拟数据中包含了土地利用类型数据,该数据中的土地利用分类标准采用的是IGBP(国际地圈生物圈计划)分类,共17个分类[18],即:常青针叶林(Evergreen Needleleaf Forest)、常青阔叶林(Evergreen Broadleaf Forest)、落叶针叶林(Deciduous Needleleaf Forest)、落叶阔叶林(Deciduous Broadleaf Forest)、混交林(Mixed Forest)、封闭灌木(Closed Shrublands)、开放灌木(Open Shrublands)、木质稀树草原(Woody Savannas)、稀树草原(Savannas)、草地(Grasslands)、永久湿地(Permanent Wetlands)、农田(Croplands)、城镇建筑用地(Urban and Build-Up)、农地与自然植被混合用地(Cropland/Natural Vegetation Mosaic)、积雪和冰川(Snow and Ice)、裸地(Barren or Sparsely Vegetated)、水体(Water Bodies),其中在本数据中水体指的就是海洋。

2.2 数据预处理

通过对原始土地利用数据、时间序列的合并、整理以简化分析。并且通过合适的方法从合并、整理后的土地利用数据提取下垫面结构信息,以便达到分析热场与下垫面结构的目的。

2.2.1 土地利用数据

表1左侧展示了研究区域除海洋外的16种土地利用类型及占陆地比例。

表1 研究区域土地利用类型及占陆地比例

IGBP土地利用分类

面积比

合并分类

面积比

常青针叶林

0.13%

密集高大植被

36.22%

常青阔叶林

25.80%

落叶针叶林

0.02%

落叶阔叶林

0.00%

混交林

10.27%

封闭灌木

0.03%

稀疏低矮植被

50.46%

开放灌木

0.63%

稀树草原

22.45%

木质稀树草原

0.01%

草地

2.16%

农田

17.81%

农地与自然植被混合用地

6.96%

裸地

0.41%

永久湿地

1.01%

永久湿地

1.01%

城镇建筑用地

12.31%

城镇建筑用地

12.32%

积雪和冰川

0.01%

可以看出密集高大植被类中的常青针叶林、落叶针叶林、落叶阔叶林所占比例极低,为了简化分析将这三种林地与常青阔叶林、混交林下垫面合并成“密集高大植被”土地利用类型。福建沿海农田主要种植果树茶叶,水田极少,裸地占比很少,而且由图1可知裸地分布零散并且主要分散在农田中,为简化分析将它们和封闭灌木、开放灌木、木质稀树草原、稀树草原、草地、农地与自然植被混合用地合并为“稀疏低矮植被”土地利用类型。原始数据中“积雪和冰川”占比极少,根据实际情况视作异常数据,但由图1(a)图观察到异常数据都出现在海陆交界,将“积雪和冰川”的异常数据在空间上归入“海洋”,不对其进行温度上的分析。其余土地利用分类维持不变,合并整理后的研究区域土地利用类型及占陆地比例如表1右侧所示。

剩余内容已隐藏,请支付后下载全文,论文总字数:13839字

相关图片展示:

您需要先支付 80元 才能查看全部内容!立即支付

该课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找;