2020, Vol. 36
2. 福州市气象局，福建 福州 350014;
3. 福建省气候中心，福建 福州 350001;
4. 福建省气象局，福建 福州 350001;
5. 闽侯县气象局，福建 福州 350100
2. Fuzhou Meteorology Bureau, Fuzhou 350014, China;
3. Fujian Climate Center, Fuzhou 350001, China;
4. Fujian Meteorology Service, Fuzhou 350001, China;
5. Minhou Meteorology Bureau, Fuzhou 350100, China
近年来随着经济发展和城市化进程的加快, 城市化过程对环境产生了深远的影响。地表利用/地表覆盖的城市化以及建筑物在水平和垂直方向上密度的增加是城市热岛效应形成的主要原因[1-2]。城市扩张、建筑区域和人口活动密度的增加、地表属性的显著改变，极大增强了城市热岛效应的作用，导致了诸如能源消耗增长、空气污染、能见度恶化等一系列城市气候问题。
城市区域相对于乡村区域，呈现出更复杂的地表结构特征。地表覆盖、土地利用种类、地表反照率、土壤质地等作为影响陆气相互作用的陆面因子，他们的变化影响着区域内大气和地表之间的能量、动量和水分循环[3]，进而改变了气温[4]、大气边界层[5]和局地环流[6]。
耦合了城市冠层模式UCM的WRF模式，考虑了城市特征、建筑物对辐射的影响等作用，较好地改进了模式对城市区域的描述，对城市的热效应、流场和降雨等都有较好的模拟能力，并在多个城市的城市化影响研究中得到应用[7]。Holt等[8]利用耦合了城市冠层模式和陆面过程模式的WRF模式，准确地再现了局地气候，并认为城市热岛效应在边界层发展和由热力效应产生的海陆风环流的模拟中起了重要作用。Yu等[9]和Wang [10]在数值模式中引入新的地表覆盖数据，结果显示中国最大的3个城市群都出现了典型的热岛现象。蒙伟光等[11]和张赟程等[12]分别研究了广州和上海的城市热岛效应与海陆风环流之间的相互作用。何林宴等[13]和王可心等[14]的研究表明，社会的发展使得中小城市的热岛效应也日趋明显，并对城市的局地降雨和高温发生和发展产生影响。
WRF模式中默认的陆面资料是U. S. Geological Survey (USGS)于1992年前后在Advanced Very High Resolution Radiometer (AVHRR)数据基础上得到的。随着社会的发展，USGS资料已经有不足之处，自WRF3.1版本发布以来，WRF模式提供了Moderate-resolution Imaging Spectroradiometer(MODIS，中分辨率成像光谱仪)的地表利用资料，使得WRF能得到比USGS更好的结果[15-16]。2006年前后WRF模式中加入了分辨率更高，具有更多地表信息的下垫面数据，但是城市化迅速发展，该资料与实际的城市区域相比还有明显的差别。何建军等[17]研究表明准确的陆面资料对提高WRF模式模拟近地面乃至整个边界层气象场至关重要，特别对高分辨率数值模拟来说，引入最新的、与实际最接近的陆面信息资料是十分必要的。
寿亦萱等[18]认为沿海(湖、江、河)城市的热岛问题更为复杂，这些城市的空气运动除了受城市热岛环流的影响，还受到海陆风环流的影响，另外依山而建城市的热岛效应与周围地形环流的相互作用也是一个复杂的科学问题。福州地处中国东南的丘陵地形，地表类型分布不均，地表利用种类复杂，主城区位于三面环山的山谷中，山谷、河流交错分布，闽江贯穿城市向东流入台湾海峡，城市中心还有面积达30公顷的西湖，独特的山谷地形和海陆分布使得福州的城市热岛效应具有更显著的特点。最新的MODIS遥感资料能够反映福州最新的城市发展状态，但利用最接近实际的地表利用和地表种类等陆面信息资料，开展针对福州复杂的陆面种类及其变化对城市热岛效应的研究还比较缺乏。本文利用WRF模式和不同时期的地表种类分布资料，采用数值模拟的方法，研究城市区域下垫面的变化在福州一次极端高温天气事件中的影响，探讨城市化对城市气温以及热岛效应的影响。
2 天气背景和形势自1961年以来，福州市区大于35 ℃的高温日数(图 1a)和极端最高气温(图 1b)都呈现出逐年增加的趋势。特别是2013年8月福州出现了持续性的高温天气，月平均气温较常年偏高0.7 ℃，8月8日福州市区的最高气温突破了8月的历史记录，达到40.6 ℃，同时长乐区的最高气温39 ℃也突破了该站的历史极值。本文以2013年8月8日的极端高温事件作为研究对象，研究地表利用变化对城市热岛效应的影响。
|
图 1 福州市区高温日数变化趋势(a)和极端高温变化趋势(b) |
这是一次典型的夏季高温天气形势：西太平洋副热带高压强大、天气静稳、风速小、天空云量少和无降水。8日500 hPa副高增强，华东地区处于副高控制下，850 hPa为高压脊前的西北气流，下沉气流的绝热增温更有利于出现高温(图 2)，华东沿海地区850 hPa高度上出现了24 ℃以上的高温区域。
|
图 2 2013年8月8日00时(a)和12时(b)(世界时，下同)的500 hPa高度(等值线)，850 hPa风场(风矢)，温度(填色) 红点为福州位置。 |
本文使用的资料包括：自动气象观测站资料；常规探空资料；美国Earth Observation System (EOS)卫星上MODIS [19]遥感的L3级陆地标准数据集中的地表覆盖/地表种类资料(MCD12Q1，分辨率为500 m)；欧洲中期天气预报中心(ECMWF) ERA-Interim再分析资料(水平分辨率为0.25 °× 0.25 °，时间分辨率为6小时，垂直方向27层)；WRF数值模式输出的模拟资料。
欧洲中期天气预报中心(ECMWF)再分析数据ERA- Interim[20](https://www.ecmwf.int/en/forecasts/datasets/archive-datasets/reanalysisdatasets/era-interim)，是由大气同化系统同化常规资料和卫星观测资料得到的，并在ERA-15和ERA-40产品的基础上进行了升级，耦合了大气、海洋和陆地模型，使用最新的同化技术，实现再分析资料质量的提升，所以ERA-Interim再分析数据能提供更高精度更高质量的背景场数据。
本文城市热岛强度(Urban Heat Island Intensity，以下简称UHII)的计算方法采用文献[1] Oke的定义计算得到。本文选取福州城区附近16个自动站作为本文的对比观测点(图 3)，其中7个城市地表自动站点作为城市站(红色)，9个郊区地表的站点作为郊区站(蓝色)。
|
图 3 福州城市热岛效应观测站点分布图 红色：城市站；蓝色：郊区站；阴影为城市范围。 |
本文利用ENVI和MRT软件，将下载自MODIS网站的2015年地表覆盖/地表种类数据，经过数据拼接、转换和订正等处理后，改写成为WRF模式静态基础数据格式。1992年和2005年的土地利用资料为WRF模式提供的静态数据(https://www2.mmm.ucar.edu/wrf/users/download/get_sources_wps_geog.html)。
3.3 试验方案设计 3.3.1 模式及试验参数本文使用耦合Noah陆面模式和城市冠层模式(UCM)的非静力中尺度WRF模式(版本号为3.7.1)。试验采用双向嵌套的4重网格，网格距分别为25 km、5 km、1 km和0.2 km(图 4)；垂直方向上43层，其中有17层在0.9 σ层以下，最低层离地面大约15~20 m；模拟区域中心为119.5 ° E，25.6 °N。
|
图 4 数值试验区域分布图(a)、第三和第四层嵌套区域(b，阴影为地形高度，单位：m) |
本文中数值试验模拟时段为2013年8月7日12时—9日00时，使用ERA-Interim再分析资料作为背景场数据，逐30分钟输出结果，文中讨论使用的数据都是D04区域的模拟结果。为了更好考虑城市建筑的热力、动力效应及其在城市冠层对辐射等要素的拦截，试验在模式的最内层区域内耦合了UCM，UCM的道路、屋顶和墙面的热容量、热传导、反照率、辐射系数、粗糙长度等参数均采用标准参数。数值模拟的其他物理过程参数化方案，如表 1所示。
|
表 1 数值试验各区域和物理参数化方案 |
需要指出的是，本文模拟中内层区域处于模式灰区，在灰区网格中，当非局地项足够大时，次网格湍流输送量被高估，网格分辨的过程就会被削弱[21]；考虑本文模拟的夏季极端高温天气过程处于天气静稳背景下[22-23]，天空云量少和无降水，因此在边界层方案的选择上为局地湍流闭合的MYJ方案。
3.3.2 试验方案本文利用三个不同时期(1992年、2005年和2015年)的地表利用数据，设计3个数值试验(表 2)，以研究城市地表利用变化对城市区域极端高温、城市热岛效应和城市局地环流的影响。
|
|
表 2 数值试验方案 |
图 5是3个数值试验的最内层区域的地表种类/地表利用的分布图。随时间的变化，福州城市区域范围呈现明显的扩张趋势。C2015试验的地表种类/地表利用由MODIS遥感反演得到的(图 5b)，沿江区域的山谷地带基本都是城市地表，城市区域占模拟区域(D04)的比例为22.4%，与同时期卫星影像照片(图 5a)相比，试验中城市区域与实际城市区域分布基本一致；C2005试验中地表利用/地表覆盖分类的分辨率与C2015相同(图 5c)，但在城市区域周围和沿江沿河区域分布着耕地和散落的植被地表，城市区域占比为8.59%；而C1992试验中，城市区域仅分布在闽江北岸的小块区域内(图 5d)，所占比例仅为1.52%，而耕地和荒地面积占模拟区域近一半(46.5%)。因此，本文将C2015作为控制实验。
|
图 5 D04区域内地表种类和地表覆盖分布图 a.卫星照片(紫色方框)；b. C2015；c. C2005；d. C1992。 |
本文利用了相关系数(R)、平均绝对误差(MAE)、标准差(Std Dev)和均方根误差(RMSE)等统计方法对观测和模拟结果进行检验。各指标计算公式如下：
| $ R = \frac{{\sum\nolimits_{i = 1}^N {\left( {{M_i} - \overline M } \right) \times \left( {{O_i} - \overline O } \right)} }}{{\sqrt {\sum\nolimits_{i = 1}^N {\left( {{M_i} - \overline M } \right)} \sqrt {\sum\nolimits_{i = 1}^N {\left( {{O_i} - \overline O } \right)} } } }} $ | (1) |
| $ {\rm{MAE}} = \frac{1}{N}\sum\nolimits_{i = 1}^N {|{M_i} - {O_i}|} $ | (2) |
| $ {\rm{RMSE}} = \sqrt {\frac{{\sum\nolimits_{i = 0}^N {{{\left( {{M_i} - {O_i}} \right)}^2}} }}{N}} $ | (3) |
其中，M是模式值，
图 6是2013年8月8日00时(图 6a和6b)和12时(图 6c和6d)的500 hPa高度场(左)和850 hPa风场(右)D01区域的模拟结果(C2015)与实况观测的对比，耦合了UCM的WRF模式的模拟结果与实况观测保持了较好的一致。
|
图 6 2013年8月8日D01区域内00时(a，b)和12时(c，d)500 hPa高度(左，等值线为模拟，黑色数值为观测)和850 hPa风场(右，黑色为模拟，红色为观测)的对比 |
表 3是C2015试验中两个时次位势高度场和风场的模拟与观测的平均绝对误差。可以发现，控制试验模拟的位势高度与实况观测的平均绝对误差小于1位势什米，同时风速的模拟结果与观测的平均绝对误差也小于2 m/s。这说明了WRF模式对2013年8月8日极端高温天气过程的模拟是可靠的，模拟结果是可信的。
|
|
表 3 数值模拟结果与实况探空观测的平均绝对误差 |
图 7是数值试验模拟的8日06时地面气温(2 m气温，下同)，8日福州的高温主要出现在福州市区、闽江及大樟溪等溪流的沿河及山谷地带(图 7d)。三个数值试验都能够模拟出福州市区最高气温的水平分布状况，特别是超过35 ℃的高温区域与城市、耕地和荒地等地表利用区域相一致，并与城市范围的变化有密切的关系(表 4)。C1992中城区范围偏小(图 4a)，使得其模拟的高温范围最小，高温也最弱(图 7a)，城市站的最高气温平均值比观测低0.86 ℃(表 4)；C2005和C2015中超过35 ℃的范围随城区面积扩展都有所增大(图 7b、7c)，但C2005中市区东部的城市地表种类仍为耕地，其高温比观测低2~3 ℃(图 7b)，另外，C2005试验的中心城区以外的城市地表分散，对应的高温区域也较零散；C2015中城市地表分布更接近实际，其地面气温的平均值最高，也更接近实况观测，与实况的相关系数和均方根误差都优于其他数值试验。可见，随着城市化发展，城市区域扩大，城市地表反照率降低，增大了城市地表对太阳辐射的吸收；同时，人工地面和建筑材料的使用，减小了地表蒸发，这些都使得城市区域的近地面气温明显升高。
|
图 7 2013年8月8日06时模拟(C1992(a)、C2005(b)、C2015(c))地面气温与实况观测(d) 内部方框为D04区域。 |
|
|
表 4 数值试验与观测地面气温的平均值、相关系数和均方根误差 相关系数达到99%置信度水平。 |
地表能量平衡是决定城市热岛效应形成的重要过程，辐射能量是地表能量平衡的重要分量。吸收的太阳短波辐射是地表温度变化的外强迫项，白天其作为源项加热地表并通过地表其他通量耗散出去，夜间作为能量的汇，通过长波辐射冷却地表。郊区地表城市化后，下垫面的物理、辐射以及热力等参数的变化不仅改变了地表辐射特征，而且也影响地-气之间的能量交换，进而改变了地表能量平衡。选取在C1992中为郊区植被、C2005中为城市和郊区混合区域、C2015中为城市地表的区域作为参考区域(图 5d中橙色区域)。图 8为该区域内热量平衡方程中平均的土壤热通量、感热通量和潜热通量的时间曲线图。由图 8可见，城市化对该区域的土壤热通量、感热通量和潜热通量有着明显的影响：当区域为植被地表时(C1992)，地面能量交换以潜热通量为主(白天时段平均潜热通量为279.7 W/m2)，而土壤热通量和感热通量则相对较小；当区域处于城市化边缘时(C2005)，地面能量仍以潜热通量为主，但土壤热通量和感热通量都增大了(分别增加了19.4 W/m2和56.7 W/m2)；区域地表种类变为城市下垫面时(C2015)，土壤热通量和感热通量都比C1992增加了2倍左右，相反地表潜热通量减小到了1/6。此外，C2015实验中，入夜(8日12时)前后土壤热通量出现近160 W/m2的峰值(图 7a)，表明地表种类城市化后，白天存储在城市内的热量在夜间得以释放，增强城市地表的热惯性，增加城市区域的夜间气温，减小城区的昼夜温差。
|
图 8 数值试验地表热量收支曲线 a.土壤热通量；b.地表感热通量；c.地表潜热通量。 |
城市热岛效应无论白天或夜间都存在，图 9是7日12时—9日00时城市站点和郊区站点的地面最高气温时间序列及按照公式(1)计算得到的UHII的对比图。三个试验中城市站和郊区站的最高气温均在06时前后出现峰值，最低值则出现在日出前后(22时)。模拟时段内，地面最高气温观测平均为32.8 ℃，C2015的模拟的城市站点平均最高气温为32.6 ℃，与观测接近，C1992和C2005模拟的城市站平均最高气温较观测低0.9 ℃和0.5 ℃；郊区站观测的最高气温平均值为30.7 ℃，C2015和C2005的平均气温较观测分别高了0.4 ℃和0.3 ℃，而C1992则比观测低了0.3 ℃。这表明城市区域的扩大使城市站和郊区站的地面气温都有所升高，城市站气温升高更明显。从UHII的日变化来看(图 9c)，00时前后是UHII最小时段；随着气温上升UHII强度逐渐增大，上半夜(12—18时)为UHII的最强时段(接近3 ℃)，随后UHII逐渐减弱。从平均来看，上午时段(7日22时—8日05时)，C2015的UHII最小、C2005的次之、C1992最大；下午时段(8日06—10时)，C2015的UHII最大、C2005的次之、C1992最小；夜间时段(8日11—22时)，C2015的UHII最小、C1992最大。从极端来看，C2015的极大值出现在下午(8日07 —08时)，极大值超过3 ℃；而C1992和C2005的极大值均出现在夜间。可见，随着城市范围的增大和地表覆盖的改变，城市吸收热量更多、更快，UHII在午后呈现出增大的趋势并更易出现极端值；而夜间，城市和郊区存储的热量都得以释放，但郊区下垫面城市化，UHII呈现出减小的趋势。
|
图 9 模拟最高气温(城市站(a)、郊区站(b))和城市热岛指数(c)的对比 |
福建区域内风的分布受到季风、海陆风、城市等环流系统的影响，加上海峡和山谷地形等诸多陆面因素，其分布十分复杂。从数值试验和观测的城市站和郊区站地面风速统计表中(表 5)，地面风的平均值分别由C1992的2.18 m/s和2.57 m/s减小到C2015的1.45 m/s和1.63 m/s；均方根误差也由C1992的1.76 m/s和2.29 m/s减小到C2015的1.46 m/s和1.83 m/s。由此看出，C2015对地面风的模拟结果更接近实况观测，并且随着城市范围的扩大和郊区站的城市化，地表摩擦和粗糙度增大，城市站和郊区站的地面风速都存在减小的趋势。从本次过程模拟的平均风速看(图 6)，福建区域内850 hPa高度上的风速为4 m/s左右，06时福州市区地面附近的风速为2 m/s左右，可见，地表种类城市化后，较弱的低层和近地面风速更有利于稳定大气层结的形成和维持，以及城市区域内热量的累积。
|
|
表 5 数值试验与观测地面风的平均值和均方根误差 |
福州地处我国东南沿海，台湾海峡西岸，位于闽江的入海口，受到海峡、山谷等地形因素，再加上城市快速扩张，使得福州市风的分布十分复杂。有研究表明，风有助于大气柱的垂直混合，并对城市热岛效应的强度和时空分布具有重要的影响。
图 10是2013年8月8日06时数值试验与观测的地面风的水平分布。观测中(图 10d)，有三支气流流向福州市区：沿着闽江河谷吹向市区的西北风(以下称为气流A)；从闽江口区域吹向市区的偏东风(以下称为气流B)和湄洲湾向北进入市区的偏南风(以下称为气流C)，其中气流B和C都是由海陆热力差异形成的气流。数值试验都能较好地模拟出气流A，但在气流的强度上差别明显：C1992试验模拟的市区西北的山区和河谷之间的气温差较小(4~6 ℃)，山区冷气流下坡流向河谷的气流A的风速最小，只有2.35 m/s；而C2015试验中，河谷内地表种类变为城市地表，山区与河谷之间的最大温差超过10 ℃，山区与河谷形成强烈的局地温差，气流A的风速也最强，达4.32 m/s。对于气流B来说，C1992中城市范围最小，城市区域与临海区域的温度差最小，由热力环流驱动的海风平均风速为2.49 m/s，仅仅影响到119 °30′ E附近；在C2015试验中，城市区域与临海区域的温差超过5 ℃，风速也增大到5.19 m/s，海风影响区域比C1992试验向城区方向推进了5~10 km，扩展到119 °24′ E，已到达福州市区附近。对气流C而言，当城市地表利用改变后，也存在一个风速增大和向北推进的结论。可见，地表利用城市化后，增大了城市与山区以及城市与海洋之间的温度梯度，同时促进了山谷风和海陆风环流的发展。
|
图 10 2013年8月8日06时模拟地面风场(风矢和风杆)、气温差(填色)和地形高度(等值线) a. C1992；b. C2005；c. C2015；d.观测(方框为D04)。 |
垂直方向上(图 11)，城市范围扩展以及地表种类的变化，凸显了城市地表的加热作用，城市区域形成高温中心，C1992中这个高温中心仅为34 ℃，C2005试验出现了大范围的35 ℃的区域，C2015试验中35 ℃的区域范围比C2005明显增大，并且出现了超过36 ℃的中心。同时，地面加热形成上升气流，促进了垂直运动的发展；三个试验中，C2015的垂直速度最大，超过0.5 m/s，垂直运动的伸展高度达到2.5 km以上；超过C1992(1.0 km)近1.5 km。
|
图 11 2013年8月8日06时数值试验剖面图 垂直速度×0.1：填色，风：风矢，气温：等值线，红线为城市。a.地形及剖面位置；b. C1992；c. C2005；d. C2015。 |
本文利用常规观测资料、MODIS地表覆盖资料和耦合了UCM模式的WRF模式模拟结果，分析和讨论了城市地表利用变化和城市区域范围的变化对福州城市热岛效应，及其对与城市化紧密相关的城市局地环流的影响。
(1) 使用了接近实际的MODIS地表覆盖资料后，WRF模式能提供与观测较接近的模拟结果。
(2) 地表利用城市化和城市范围的扩展对城市区域的气温和城市热岛效应有直接的影响。午后，城区的感热通量比郊区增加明显，气温上升更快、更显著，热岛效应呈现出增大的趋势；夜间，城区和郊区存储的热量都得以释放，但郊区下垫面城市化，使两者间温差变小，热岛效应呈现出减小的趋势。
(3) 地表利用城市化后，城市和郊区的地面风场也发生明显变化。水平方向上，城市区域地表摩擦和粗糙度的增大，城市区域地面风速明显减小；同时，午后城市热岛效应增强，改变了城市与郊区的热力对比，增大了城市与山区以及城市与海洋之间的温度梯度，促进了山谷风和海陆风环流的发展。垂直方向上，地表加热效应增强，形成上升气流，促进了垂直运动的发展。
本文仅讨论了城市地表利用变化后对城市热岛效应和午后热力环流的影响，对城市热岛效应也有重要影响的城市地表的种类、城市三维结构、人为热源等因素并没有涉及；此外，午后城市热岛效应增大，形成局地的风速辐合和上升运动的加强，与小尺度对流系统的发生发展有密切的关系，这些方面的研究将在以后的工作中继续开展。
| [1] |
OKE T R. The energetic basis of the urban heat island[J]. Quart J Roy Meteor Soc, 1982, 108(455): 1-24. |
| [2] |
GRIMMOND C S B, OKE T R. Comparison of heat fluxes summertime observations in the suburbs of four North American cities[J]. J Appl Meteor, 1995, 34(4): 873-889. DOI:10.1175/1520-0450(1995)034<0873:COHFFS>2.0.CO;2 |
| [3] |
PIELKE R A. Influence of the spatial distribution of vegetation and soils on the prediction of cumulus convective rainfall[J]. Rev Geophys, 2001, 39(2): 151-177. DOI:10.1029/1999RG000072 |
| [4] |
FOY B D, MOLINA L T, MOLINA M J. Satellite-derived land surface parameters for mesoscale modelling of the Mexico City basin[J]. Atmos Chem Phys, 2006, 6(5): 1315-1330. |
| [5] |
FAN S J, FAN Q, YU W, et al. Atmospheric boundary layer characteristics over the Pearl River Delta, China, during the summer of 2006: Measurement and model results[J]. Atmos Chem Phys, 2011, 11(13): 6297-6310. DOI:10.5194/acp-11-6297-2011 |
| [6] |
WAN H C, ZHONG Z, YANG X Q, et al. Impact of city belt in Yangtze River Delta in China on a precipitation process in summer: A case study[J]. Atmos Res, 2013, 125(1): 63-75. |
| [7] |
CHEN F, KUSAKA H, TEWARI M, et al. Utilizing the coupled WRF/LSM/Urban modeling system with detailed urban classification to simulate the urban heat island phenomena over the Greater Houston area[C]. Vancouver: AMS Fifth Urban Environment Conference, 2004: 23-27.
|
| [8] |
HOLT T, PULLEN J. Urban canopy modeling of the New York City metropolitan area: A comparison and validation of single-and multilayer parameterizations[J]. Mon Wea Rev, 2007, 135(5): 1906-1930. DOI:10.1175/MWR3372.1 |
| [9] |
YU M, CARMICHAEL G R, ZHU T, et al. Sensitivity of predicted pollutant levels to urbanization in China[J]. Atmos Environ, 2012, 60(2): 544-554. |
| [10] |
WANG W G. The influence of thermally-induced mesoscale circulations on turbulence statistics over an idealized urban area under a zero background wind[J]. Bound Layer Meteor, 2009, 131(3): 403-423. DOI:10.1007/s10546-009-9378-2 |
| [11] |
蒙伟光, 郑艳萍, 王宝民, 等. 热岛与海风相互作用对珠三角午后强降水影响的观测和模拟研究[J]. 热带气象学报, 2014, 30(6): 1011-1026. |
| [12] |
张赟程, 王晓峰, 张蕾, 等. 海风与热岛耦合对上海强对流天气影响的数值模拟[J]. 高原气象, 2017, 36(3): 705-717. |
| [13] |
何林宴, 简茂球. 广西贵港地区极端高温日的时间变化特征及其环流背景[J]. 热带气象学报, 2019, 35(5): 694-708. |
| [14] |
王可心, 陈粲, 包云轩, 等. 福建省晋江市城市热岛强度时空变化特征分析[J]. 热带气象学报, 2019, 35(6): 852-864. |
| [15] |
张朝林, 苗世光, 李青春, 等. 北京精细下垫面信息引入对暴雨模拟的影响[J]. 地球物理学报, 2007, 50(5): 1373-1382. |
| [16] |
MIAO S G, CHEN F, LEMONE M A, et al. An observational and modeling study of characteristics of urban heat island and boundary layer structures in Beijing[J]. J Appl Meteor, 2009, 48(3): 484-501. DOI:10.1175/2008JAMC1909.1 |
| [17] |
何建军, 余晔, 刘娜, 等. 复杂地形区陆面资料对WRF模式模拟性能的影响[J]. 大气科学, 2014, 38(3): 484-498. |
| [18] |
寿亦萱, 张大林. 城市热岛效应的研究进展与展望[J]. 气象学报, 2012, 70(3): 338-353. |
| [19] |
FRIEDL M A, SULLA-MENASHE D, TAN B, et al. MODIS Collection 5 global land cover: Algorithm refinements and characterization of new datasets[J]. Remote Sensing of Environment, 2010, 114(1): 168-182. DOI:10.1016/j.rse.2009.08.016 |
| [20] |
DEE D P, UPPALA S M, SIMMONS A J, et al. The ERA-interim reanalysis: configuration and performance of the data assimilation system[J]. Q J R Meteorol Soc, 2011, 137(656): 553-597. DOI:10.1002/qj.828 |
| [21] |
SHIN H H, HONG S Y. Analysis of resolved and parameterized vertical transports in convective boundary layers at gray-zone resolutions[J]. J Atmos Sci, 2013, 70(10): 3248-3261. DOI:10.1175/JAS-D-12-0290.1 |
| [22] |
SHIN H H, HONG S Y. Intercomparison of planetary boundary-layer parametrizations in the WRF model for a single day from CASES-99[J]. Bound Layer Meteor, 2011, 139(2): 261-281. DOI:10.1007/s10546-010-9583-z |
| [23] |
黄文彦, 沈新勇, 王卫国, 等. 边界层参数化方案对边界层热力和动力结构特征影响的比较[J]. 地球物理学报, 2014, 57(5): 1399-1414. |