Page 188 - 《高原气象》2026年第1期
P. 188

高     原      气     象                                 45 卷
              184
                     表1  长三角地区城乡站点气温线性趋势                        农村站点为 0. 630 ℃·time ·(10a) 。上述结果表
                                                                                        -1
                                                                                                -1
                  Table 1  Temperature trends at urban and rural   明, 城市站点在 HWN、 HWDU、 HWI 指数表现出
                         station in Yangtze River Delta
                                                                的上升趋势均要强于农村站点, 表明城市地区的高
                                                     -1
                                   气温线性趋势/[℃·(10a) ]            温热浪事件不仅更加频发和持久, 而且强度更强,
                                  城市站点           农村站点           这意味着城市化可能对高温热浪起着增强的作用。
                  日平均气温            0. 261 *       0. 167 *      目前已有不少研究表明, 城市化会对中国地区区域
                  日最高气温            0. 243 *       0. 171 *      气候变化产生一定的影响(安宁和左志燕, 2021;
                 *表示通过 0. 05 显著性检验(*denotes statistical significance at   Chen  and  Frauenfeld,  2016;  Lin  et  al,  2018)。 因
             the 0. 05 level)
                                                                此, 接下来将采用数值模拟的方法来探究城市化对
             这意味着在城市地区, 夜间气温的上升趋势更为显                            高温热浪产生的影响。
             著, 进而提升了日平均气温的变率, 反映出城市热                           3. 4 数值模拟结果分析
             岛效应在夜间的增强。                                         3. 4. 1 模式效果评估
             3. 3. 2 高温热浪指数变化特征                                     为了确保敏感性试验结果的可信度, 本文首先
                  表 2 总结了长三角 HWN、 HWDU 和 HWI 的长                 评估了 URBAN 试验的模拟能力。从图 6 可以看
             期变化趋势。在城市站点和农村站点的对比中,                              出, URBAN 试验对上海市 2 m 气温的模拟效果总
             HWN、 HWDU 和 HWI 均呈现显著增加趋势, 这与                      体较好, 其中, 所有站点的 RMSE 为 0. 732 ℃, 城
             全国大多数站点极端高温事件呈现出增加趋势是                              市 站 点 RMSE 为 0. 756  ℃ ,  农 村 站 点 RMSE 为
             相一致的(卢珊等, 2025)。具体来看, 城市站点的                        0. 667 ℃。不论是城市站点还是农村站点, 模式均
             HWN 上升趋势为 0. 267 time·(10a) , 农村站点为                能较好地再现气温的日变化趋势。具体来看, 模式
                                              -1
             0. 172 time·(10a) , HWDU 上升趋势在城市站点                 对城市站点的夜间气温存在一定高估, 对农村站点
                              -1
                             -1
             为 0. 604 d·(10a) , 农村站点为 0. 365 d·(10a) ,          的日间气温则略有高估。这可能是因为模式高估
                                                         -1
             HWI上升趋势在城市站点为0. 849 ℃·time ·(10a) ,                了城市夜间的热量存储和释放导致气温偏高, 以及
                                                         -1
                                                   -1
                                                                对植物蒸腾降温作用和土壤初始化湿度的低估导
              表2  长三角地区城乡站点HWN、 HWDU、 HWI线性趋势
              Table 2  Trends of HWN、 HWDU、 HWI at urban and ru‐  致农村日间气温偏高。尽管如此, 模拟结果与观测
                        ral station in Yangtze River Delta      数据的相关系数均超过 0. 95, 表明 URBAN 试验对
                                                                上海市高温事件的模拟具有较高的可信度。这一
                      高温指数             城市站点       农村站点
                              -1
                 HWN/[time·(10a) ]     0. 267*     0. 172*      评估结果为后续敏感性试验结果的可靠性提供了
                  HWDU/[d·(10a) ]      0. 604*     0. 365*      有力支撑。
                              -1
                                -1
                          -1
                HWI/[℃·time ·(10a) ]   0. 849*     0. 630*      3. 4. 2 敏感性试验结果分析
                                                                    为了深入探讨下垫面变化对气温的影响, 本文
                 *表示通过 0. 05 显著性检验(*denotes statistical significance at
             the 0. 05 level)                                   对 URBAN 和 NOURBAN 试验结果进行了分析讨
















                              图6 2018年5月1日至9月30日城市、 农村、 所有站点平均2 m气温的逐小时变化
                                 红色实线代表URBAN试验, 黑色虚线代表观测数据, 阴影部分代表该时刻气温范围
                    Fig. 6 Diurnal profiles of average 2 m temperature of urban stations, rural stations and all stations from 1 May to
                       30 September 2018. The red solid line represents the URBAN experiment, the black dotted line represents
                            the observation data, and the shaded area represents the range of temperature at the moment
   183   184   185   186   187   188   189   190   191   192   193