1 引言
陆面通过物理、 化学和生物过程， 与近地表大气之间进行能量、 动量以及物质的交换， 控制和影响着大气低层状况变化， 是天气和气候系统的重要组成部分。其中， 城市是主要通过热量交换影响天气/气候的典型下垫面类型， 湖泊则是主要通过水汽交换影响天气/气候的典型下垫面类型。以往的陆面影响研究多研究每种下垫面的影响， 对两种典型下垫面的区域天气/气候效应的对比分析不多， 尤其是对暴雨过程的影响。
截至2018年， 中国拥有8.37亿城市人口， 是全球城市人口最多的国家， 占全球城市人口总数的20%左右， 到2050年中国城市人口还可能增加2.55亿人（UN and DESA， 2019）。随着城市人口的不断增长以及城市化的快速扩张， 城市化对区域天气/气候的影响日益凸显， 尤其不容忽视的是其对降水时空格局分布的改变。以往大量的观测和数值模拟结果分析表明， 城市对于所在区域的降水强度和位置存在明显影响（Wang et al， 2012； Yang et al， 2013； Han et al， 2014； Dou et al， 2015； Zhang et al， 2017； Debbage and Shepherd， 2019； 苗世光等， 2020）。其中有相当一部分研究结果发现城市会增强下风处的降水， 并提出以下几点可能的机制： （1）城市下垫面的热力性质会产生不稳定的大气条件， 从而影响中尺度环流的生成、 加强和位移（Shepherd and Burian， 2003）。（2）城市下垫面提升的地表粗糙度增强了地表辐合（Thielen et al， 2000）。（3）城市建筑群作为一个屏障， 会阻挡和分裂过境的天气系统（Bornstein and Lin， 2000）。（4）城市灌溉和工业活动增加了低层大气水汽含量（Diem and Brown， 2003）。（5）通过提供丰富的云凝结核来源， 提升气溶胶浓度而改变云微物理过程（Schmid and Niyogi， 2017； 何萍等， 2021）。
湖泊相对于陆面具有较小的反照率， 较低的表面粗糙度和较高的热容量（Notaro et al， 2013； Huang et al， 2019）。此外， 湖泊也为低层大气供应了充足的水汽（Huang et al， 2019）。因此， 湖-气相互作用在区域水循环和能量收支等方面均与地-气相互作用有显著的差异， 并影响了湖泊的区域天气和气候（Samuelsson et al， 2010； Farley and Toumi， 2014； Sun et al， 2015； Tsujimoto and Koike， 2013； Ma et al， 2019； 苏东生等， 2019）。前人的研究表明， 湖泊可以激发或者增强下风处的降水， 称为湖泊效应降水（Eichenlaub， 1970； Niziol et al， 1995； Notaro et al， 2013； Wen et al， 2015； Dai et al， 2018）， 这种现象不仅发生在大湖和深湖， 同时也存在于中小尺度的湖泊（Steenburgh et al， 2000； Laird et al， 2009； Alcott et al， 2012）。此外， 湖泊也会影响过境地天气系统的移动和强度， 进而导致降水的时空分布发生变化（Angel and Isard， 1998； Schroeder et al， 2006； Owens et al， 2017； Zou et al， 2020）。
对于湖滨城市， 城市热岛效应与湖陆风环流相互作用， 会让降水机制变得更加复杂（Keeler and Kristovich， 2012； Yang et al， 2014）。位于江苏省南部的太湖是中国第三大淡水湖， 面积约为2400 km2， 湖的西部和北部较深（2.5 m）， 东部较浅（<1.5 m）， 平均深度约为1.9 m（Lee et al， 2014）。在过去的几十年里， 太湖流域经历了快速的城市化， 毗邻太湖的苏州、 无锡和常州3个城市总人口2195万人， 占江苏省总人口的28%， GDP（国内生产总值）37086亿元， 占江苏省总GDP的40%， 是长江三角洲城市群中人口和经济的重要组成部分（江苏省统计局和国家统计局江苏调查总队， 2019）。前人研究表明， 太湖与周围陆地温差会形成明显的湖陆风环流， 从而影响周边降水产生的位置和强度（Li et al， 2003； Zhang et al， 2011； Gu et al， 2016； Wang et al， 2017； Zhang et al， 2019）。但是， 随着城市化的进程， 太湖周边城市的热岛效应不容忽视（赵亚芳等， 2017）， 再加上太湖地区的湖陆风环流， 二者是否存在相互作用， 对区域降水的影响有多大， 这方面的研究涉足较少， 结论尚未明确。
因此， 本研究采用数值模拟试验， 以江淮梅雨期间一次由低空切变线引起的暴雨为例， 研究了城市和湖泊相互作用对暴雨过程的影响。此次暴雨过程发生在2015年6月27日， 是在500 hPa副热带高压西伸北抬， 并且中国东部沿海有西风槽活动， 850 hPa江淮地区有切变线活动的环流背景下产生的。受其影响， 安徽中部至江苏南部出现大暴雨带， 暴雨中心出现在江苏南部的江南地区， 多站出现200 mm以上的降水， 其中常州金坛出现274.6 mm的特大暴雨。此次暴雨导致当地河湖水位超过警戒线引发洪水， 部分农田被淹， 道路交通中断， 多个城市内涝严重， 造成了重大经济损失。因此， 选择此次暴雨过程进行研究， 能够更加深入地了解和掌握城市与湖泊在暴雨过程中所起的作用， 有助于提升模式对类似的暴雨灾害的预报能力， 提升防灾减灾水平。
2 资料来源与方法介绍
2.1 模式设置
本文使用WRF 3.8.1版本， 采用WSM6微物理方案， RRTM长波辐射方案， Dudhia短波辐射方案， MYJ边界层方案， Kain-Fritsch积云对流方案， Noah-MP陆面方案， 其中陆面参数选取与Gao et al（2015）的相同。考虑到青藏高原对于东部降水的潜在影响（Gao et al， 2011）， 模式四重嵌套的最外层网格包括了整个青藏高原， 网格分辨率分别为27 km、 9 km、 3 km和1 km， 垂直方向分30层， 水平格点数分别为207×165、 238×334、 508×640、 895×868， 具体空间分布如图1 （a）所示［文中所涉及的地图是基于中华人民共和国自然资源部地图技术审查中心标准地图服务系统下载的审图号为GS（2016）1569的中国地图制作， 底图无修改］。模式的驱动数据采用时间间隔为6 h的ERA-Interim再分析资料。为了更好地模拟湖泊要素， 还采用了WRF3.8.1中的湖泊模型（Gu et al， 2015； Oleson et al， 2013）。模式的模拟时间从2015年6月26日02:00（北京时， 下同）至27日20:00， 共42 h， 其中前18 h为spin-up时间。
2.2 试验设计
本研究设计了一组控制试验和两组敏感性试验。控制试验采用上述模式设置， 第一组敏感性试验将控制试验中太湖附近的3个大城市常州、 无锡、 苏州［图1 （b）］替换为农田（无城市试验）， 第二组敏感性试验将控制试验中的整个太湖替换为农田（无湖试验）， 其他模式参数设置如控制试验， 其中城市、 湖泊和农田的反照率和粗糙度长度分别约为15 %和80 cm、 8 %和0.01 cm以及17 %和15 cm。
2.3 观测资料
本文所使用的降水观测资料有： （1）中国气象数据网提供的包含中国699个基准、 基本气象站气温、 气压、 降水量、 蒸发量、 风向风速、 日照时数和0 cm地温要素日值数据的中国地面气候资料日值数据集（V3.0）。本文主要使用了该数据集的日降水作为模式模拟降水的验证资料。（2）中国气象数据网提供的中国自动站与CMORPH降水产品融合的逐时降水量网格数据集（1.0版）。该数据集利用概率密度函数匹配（PDF）误差订正和最优插值（OI）等方法将全国30000多自动观测站逐时降水量与美国环境预测中心的气候预测中心开发的实时卫星反演CMORPH降水产品有效结合， 最终得到空间分辨率为0.1°， 时间分辨率为1 h的融合降水数据产品。
3 结果分析
3.1 模拟结果分析
通过对比观测资料、 融合资料及控制试验24 h累积降水的空间分布［图2 （a）~（c）］， 可以看到融合资料和控制试验模拟降水的大值中心与观测降水的大值中心落区较接近， 都位于江苏省的西南部， 同时其范围也比较一致。此外， 由于二者分辨率（10 km与 1 km）的差异， 控制试验在小尺度降水的刻画上更加精细， 能够表现降水在空间分布上的细微差异。研究区域降水的小时日变化［图2 （d）］显示， 控制试验模拟的降水与融合资料有着相似的降水日变化趋势。因此， 控制试验模拟的结果基本可以反映此次暴雨过程的空间分布和时间变化。
图2 2015年6月26日20:00至27日20:00观测资料（a）、 融合资料（b）和控制试验（c）的24 h累积降水量（阴影， 单位： mm）， 以及融合资料和控制试验在研究区的区域平均小时累积降水对比（d）图（c）中AB为剖面方向 Fig.2 24-hour accumulated precipitation （the shaded， unit： mm） of observation （a）， merged data （b） and control simulation （c） from 20:00 on 26 to 20:00 on 27 June 2015， and comparison of hourly precipitation averaged within the study area of the control simulation with that of merged data （d）.In Fig.2（c）， line AB is cross section |
选取了图1 （b）中所示的常州、 无锡及苏州3个代表站点， 对比了观测资料、 融合资料以及控制试验在3个站点的24 h累积降水（2015年6月26日20:00至27日20:00）结果如表1 所示。与观测相比， 融合资料在3个站点降水绝对偏差分别为22.2 mm、 -32.7 mm和-22.3 mm， 而控制试验模拟的降水绝对偏差则为-34.3 mm、 -17.6 mm和 3.3 mm， 除了在常州控制试验模拟的累积降水的绝对偏差的偏离程度略高于融合资料， 其他两个地区均低于融合资料。从相对偏差来看， 融合资料与观测的累积降水在3个站点分别是9.1%， -23.0%和-65.5%， 而控制试验模拟的累积降水相对观测资料的变化分别为-14.1%， -12.4%和9.7%。从整体上看， 控制试验模拟的累积降水相比于融合资料与观测更接近。因此， 控制试验模拟的3个站点的降水与观测较为一致， 可以反映3个站点（城市）的此次暴雨过程。
表1 观测资料、 融合资料与控制试验在3个气象站点的24 h累积降水及相关统计量Table 1 24-hour accumulated precipitation and related statistics of observation， merged data and control simulation at three meteorological stations |
| 统计量 | 统计对象 | 常州 | 无锡 | 苏州 |
|---|---|---|---|---|
| 24 h累积降水 /mm | 观测 | 244.0 | 142.0 | 34.0 |
| 融合 | 266.2 | 109.3 | 11.7 | |
| 控制 | 209.7 | 124.4 | 37.3 | |
| 绝对偏差 /mm | 融合-观测 | 22.2 | -32.7 | -22.3 |
| 控制-观测 | -34.3 | -17.6 | 3.3 | |
| 相对偏差 /% | （融合-观测）/观测 | 9.1 | -23.0 | -65.6 |
| （控制-观测）/观测 | -14.1 | -12.4 | 9.7 |
3.2 敏感性试验模拟结果分析
3.2.1 降水模拟结果分析
控制试验在研究区域的24 h平均累积降水量为89.9 mm， 无城市试验为80.5 mm， 无湖试验为83.2 mm。就相对偏差而言， 控制试验比无城市和无湖试验分别多产生了10.5%和7.5%的降水。根据24 h累积降水［图3 （a）~（e）］来看， 控制试验和敏感性试验（无城市和无湖试验统称， 后同）的降水区域基本都位于太湖的西北方， 但超过160 mm的降水大值区的分布则有着显著的差异。控制试验的降水大值区主要位于常州的南部， 无城市试验的降水大值区范围相对较小， 零散地分布在常州的西部和南部， 无湖试验的降水大值区则分布在常州的北部。由图3 （d）和图3 （e）可知， 敏感性试验和控制试验的降水差负值区主要位于太湖北部和两个城市之间的区域， 以及太湖中部和南部及其向湖外扩展的区域， 最高达到了-50 mm以上， 说明敏感性试验相比控制试验在该区域存在明显的降水减少现象。
3.2.2 降水机理分析
为了进一步研究太湖和周围城市对于暴雨的影响机制， 选择了两个降水较多较为集中的时段进行分析， 分别为6月27日夜间（04:00 -05:00）、 日间（15:00 -16:00）［图3 （f）~（o）］。
从对流有效位能（Convective available potential energy， CAPE）与对流抑制能（Convective inhibition， CIN）分布（图4 ）可以看到， 敏感性试验在常州区域的CAPE值分布明显高于控制试验， 差值约为400 J·kg-1， 而CIN值明显低于控制试验， 相差约10 J·kg-1［图4 （a）~（c）， （g）~（i）］。同样15:00的CAPE与CIN值的分布存在相似结果， 控制试验的CAPE值在常州区域比敏感性试验低了约400 J·kg-1， CIN值稍高于敏感性试验［图4 （d）~（f）， （j）~（l）］。常州区域两个时间点的CAPE和CIN值的分布来看， 敏感性试验似乎比控制试验更容易触发对流， 产生更多的降水， 但实际上控制试验产生的降水更多一些［图3 （f）~（o）］。这表明敏感性试验与控制试验的降水差异不是CAPE和CIN的差异所导致的， 即CAPE和CIN不是触发此次暴雨的主要因子， 而太湖和周边城市之间相互作用在触发城市范围对流的过程中不容忽视。
以地表温度为代表， 进一步分析了降水发生前的能量积累。地表温度分布显示， 夜间时段［图5 （a）~（c）］， 控制试验中太湖与附近3个城市形成了一个暖区， 相比城市以北和以东的区域温度高出2 ℃左右； 而无城市和无湖试验无法产生这样的联合暖区。无城市试验在湖区的温度与控制试验相当［图5 （b）］， 但相比控制试验在3个城市区域低了至少1 ℃。与控制试验对比， 无湖试验在整个太湖温度低了1 ℃。日间时段［图5 （d）~（f）］， 控制试验与无城市试验相比同样存在与以上类似的结果， 不同的是， 日间太湖与周围城市的温差明显要高于夜间， 最高达到了7 ℃左右， 并且控制试验与无湖试验相比， 太湖主体区域的温度则偏低2 ~ 5 ℃。敏感性试验与控制试验显著的温度差将进一步导致近地面风场的差异。
图 5 控制和敏感性试验在2015年6月27日03:00（a~c）和14:00（d~f）地表温度的分布（单位： ℃）， 及04:00（g~i）和15:00（j~l）近地面风速（阴影， 单位： m·s-1）和风场（矢量， 单位： m·s-1）的分布Fig.5 Surface skin temperature （unit： ℃） at 03:00 （a~c） and 14: 00 （d~f） and near surface wind speed （the shaded， unit： m·s-1） and vector （vector， unit： m·s-1） at 04:00 （g~i） and 15:00 （j~l） on 27 June 2015 in the control and sensitivity simulations |
由近地面风场可知［图5 （g）~（i）］， 04:00的控制试验在常州区域形成了一个10 m·s-1风速大值中心， 而在无城市试验中并没有产生如控制试验的大风速区， 无湖试验的大风速区则明显偏北。根据近地面风场散度［图7 （a）~（c）］分布， 控制试验中大风速区偏南与太湖之间的区域产生了一个近地面风场辐合区， 与图3 （f）的降水区域相对应， 而无城市试验常州附近的近地面风场散度则偏弱， 无湖试验的风场辐合区则位于常州以西及西北的区域。15:00的控制试验和无湖试验的风速大值中心基本都位于常州及其周围［图5 （j）~（l）］， 但无城市试验的风速大值中心则处于常州的西北方向。3个试验都形成了明显的近地面风场辐合线［图7 （d）~（f）， 后称地面辐合线］。控制试验与无湖试验的地面辐合线的位置强度相近， 而无城市试验的地面辐合线则明显偏西北， 常州及以东部分的辐合线强度也明显不如其他两个试验。所以， 控制试验和无湖试验在常州区域产生了较强的降水中心［图3 （k）， （m）］， 无城市试验则没有［图3 （l）］。
图6 2015年6月27日04:00和15:00控制和敏感性试验沿图2（c）剖面AB的风场（矢量， 单位： m·s-1）、 垂直速度（a~f， 阴影， 单位： m·s-1）和水汽通量（g~l， 阴影， 单位： g·s-1 ·hPa-1 ·cm-1）分布白色虚线之间的部分为城市区域 Fig.6 Cross section of wind （vector， unit： m·s-1）， vertical velocity （a~f， the shaded， unit： m·s-1） and water vapor flux （g~l， the shaded， unit： g·s-1·hPa-1·cm-1）， along line AB shown in Fig.2（c） at 04:00 and 15:00 on 27 June 2015 in the control and sensitivity simulations.The urban area is marked between two dashed white vertical line |
图7 控制和敏感性试验近地面风场（矢量， 单位： m·s-1）及水平散度（彩色区， 单位： ×10-3 s-1）在2015年6月27日04:00（a~c）、 15:00（d~f）、 16:00（g~i）和17:00（j~l）的分布Fig.7 Near surface wind field （vector， unit： m·s-1） and horizontal divergence （color area， unit： ×10-3 s-1） in the control and sensitivity simulations at 04:00 （a~c）， 15:00 （d~f）， 16:00 （g~i）， and 17:00 （j~l） on 27 June 2015 |
夜间时段的垂直速度、 水汽通量剖面显示［图6 （a）~（c）， （g）~（i）］， 控制试验城市低空区域范围内产生了高达3 m·s-1的垂直上升运动， 同时形成两个局地环流， 而敏感性试验却没有呈现出较明显的上升运动。控制试验中城市南侧边缘的垂直上升区南部产生了显著的水汽通量中心， 中心值在45 g·s-1 ·hPa-1 ·cm-1左右。这也是控制试验在常州的夜间降水较大， 且降水大值区位于常州南部［图3 （f）］的原因， 与之相比的敏感性试验则并没有产生出如此明显的水汽通量中心。而日间时段剖面显示［图6 （d）~（f）， （j）~（l）］， 控制试验中在城市内产生了两个显著的垂直上升区， 位于城市南部和中部， 中心强度可达4 m·s-1左右， 并形成两个局地环流， 无城市试验的局地环流则位于城市北侧， 无湖试验则与控制试验相类似， 在城市南侧和北侧产生了两个局地环流， 强度与控制试验相近。3个试验中的水汽通量大值区的分布都位于强垂直上升运动的南侧， 无湖试验的水汽通量值明显低于控制试验和无城市试验， 相差大约5 g·s-1 ·hPa-1 ·cm-1， 这可能是由于太湖的移除导致湖面蒸发提供的水汽缺失造成的。控制试验形成水汽通量中心与图4 （d）的降水区域位置有着很好的对应， 基本解释了这个区域降水的成因。而无城市试验虽然也有水汽通量大值中心， 但是缺乏城市下垫面的持续加热， 垂直运动中心的范围和强度都相对较弱， 产生的降水也相对较少。
综合以上的分析可知， 虽然控制试验在城市区域的CAPE值远低于敏感性试验， CIN值高于敏感性试验， 但是却在城市区域及附近产生了更多的降水， 其原因主要是由于太湖与周边城市以及二者与周围地区的温差， 导致近地面风场在城市区域形成风速大值区， 并在城市边缘产生明显的风场辐合区， 进一步形成垂直上升区， 最终在城市附近发展为降水中心。
3.2.3 切变线演变过程的对比分析
由近地面风场散度分布和地面辐合线的位置可知［图7 （d）~（f）］， 由于日间太湖与城市温差加剧， 地面湖陆风增强， 相比无湖试验， 控制试验地面辐合线的位置更偏西北， 且其强度也强于无湖试验。而无城市试验的地面辐合线的位置与控制试验接近， 但范围和强度不及其他两个试验。3个试验的地面辐合线在移动过程中都得到了相应的增强和发展［图7 （g）~（l）］， 但是控制试验的地面辐合线的发展最为充分， 其增幅显著高于敏感性试验， 后续的范围和强度也明显高于敏感性试验。
图8 2015年6月27日15:00（a~c）、 16:00（d~f）、 17:00（g~i）控制和敏感性试验850 hPa风场（矢量， 单位： m·s-1）及水平散度（彩色区， 单位： ×10-3 s-1）分布Fig.8 The wind field （vector， unit： m·s-1） and horizontal divergence （color area， unit： ×10-3 s-1） at 850 hPa in the control and sensitivity simulations at 15:00 （a~c）， 16:00 （d~f）， and 17:00 （g~i） on 27 June 2015 |
根据16:00的低空切变线的分布情况可知［图8 （d）~（f）］， 低空切变线移动过程中与地面系统在位置上不断相互调整适应， 基本与图7 （g）~（i）的地面辐合线位置相对应， 但控制试验的低空切变线显著强于敏感性试验。由图8 （g）~（i）反映出17:00的低空切变线状况可知， 只有控制试验的低空切变线维持了较为完整的形态和强度， 无城市试验的低空切变线在湖区的部分相对较弱， 湖区以外的部分与控制试验强度相当， 而无湖试验的低空切变线不论在湖区还是在湖区以外的部分都呈现出明显的消散状态， 由此可见， 太湖对于低空切变线强度的维持存在明显的影响。
值得注意的是， 850 hPa切变线在15:00和17:00都出现了不连续的断裂情况， 15:00出现在常州地区， 17:00出现在太湖东南边缘处， 结合剖面［图6 （d）］和地面辐合线的移动［图7 （d）~（j）］可以发现， 城市和湖泊附近形成的强近地面风场辐合会形成强烈的垂直运动， 从地面直达低空， 进一步影响低空切变线所在气压层的流场， 导致低空切变线发生断裂。
为了更好地了解地面辐合线配合低空切变线在移动过程中垂直方向上的运动情况， 采用了积分垂直螺旋度来反映垂直方向上的旋转（垂直涡度）与沿旋转轴方向运动（垂直速度）的强弱关系。根据图9 积分垂直螺旋度分布， 并结合上述15:00 -17:00各试验低空切变线和地面辐合线的移动状况来看， 控制试验中的积分垂直螺旋度大值区基本与地面辐合线在移动发展过程中的形态相吻合， 并且一直维持着较高的强度。而无城市试验在相应时间点地面辐合线位置的积分垂直螺旋度相对较弱， 只呈现出零星的大值中心。同样地， 无湖试验的积分垂直螺旋度大值分布虽然与地面辐合线对应关系相比无城市试验更好， 但是强度却不如控制试验。因此， 由于控制试验中城市和湖泊的共同影响下， 使得控制试验具有较高的积分垂直螺旋度， 所形成的地面辐合线对850 hPa风场（低空切变线）的影响相比敏感性试验要更大一些， 更甚者会导致如图8 （a）常州区域低空切变线位置南移的情况出现。
最后来分析3个试验低空切变线不同的演变过程所引发的水汽条件差异。通过控制试验在15:00、 16:00和17:00的水汽通量积分分布情况［图10 （a）， （d）， （g）］， 以及对比图10 中相同时刻无城市和无湖试验的结果可知， 控制试验中随着低空切变线系统移动过程中， 无论是水汽通量积分在700 kg·m-1·s-1左右的高值区面积， 还是超过700 kg·m-1·s-1左右的大值中心面积， 控制试验都显著高于敏感性试验， 可见控制试验形成的风场背景下， 积聚了更多的水汽， 在研究区域内产生了更多的降水［图3 （d）， （e）］。值得注意的是， 在有太湖的控制试验和无城市试验中， 在太湖区域周围水汽通量积分值明显高于无太湖的无湖试验， 可见太湖为其所属以及周边区域提供了充沛的水汽， 为暴雨的发生发展提供了重要条件。
图10 2015年6月27日15:00（a~c）、 16:00（d~f）、 17:00（g~i）控制和敏感性试验在1000~700 hPa水汽通量垂直积分（阴影， 单位： kg·m-1 ·s-1）及平均水平风场（矢量， 单位： m·s-1）的分布Fig.10 Integrated moisture flux （the shaded， unit： kg·m-1 ·s-1） from 1000 hPa to 700 hPa and mean horizontal wind filed （vector， unit： m · s-1） of the control and sensitivity simulations at 15:00 （a~c）， 16:00 （d~f）， and 17:00 （g~i） on 27 June 2015 |
4 结论与讨论
采用WRF3.8.1模式对2015年6月27日江苏南部一次由低空切变线引发的暴雨进行了1 km的高分辨模拟研究， 并对比了两组敏感性试验和控制试验的模拟结果， 探究了太湖及其周边3个城市对本次暴雨过程的影响， 主要结论如下：
（1） 太湖与周围城市的共同作用会增强研究区域的降水， 24 h累积降水比仅有太湖多出了10.5%， 比仅有城市多出了7.5%。相比之下， 城市对于暴雨过程的影响要大于太湖。
（2） 太湖与周边城市及二者与周围地区的温差， 会导致近地面风场在城市及其附近区域产生辐合， 形成垂直上升区， 进而产生对流降水。同时太湖的存在可以提供丰富的水汽， 从而增加该区域的降水。
（3） 太湖与城市的增强作用形成的强地面辐合线会影响低空切变线形成的位置， 且低空切变线在移动过程中会与地面辐合线相互调整、 相互增强， 并在空间上趋于一致。总而言之， 太湖与周围城市会影响低空切变线的生成位置和强度， 并且在低空切变线的移动过程中起到了维持和加强的作用。造成这种状况的一部分原因是太湖和周围城市与周边环境的温差影响了地面风场的辐合位置和强度， 另一部分与湖泊较低的表面粗糙度无法对低空切变线地面部分产生较大的阻碍和摩擦消耗有关。
本文探究了华东地区太湖和周边城市对于一次暴雨过程的影响， 尽管有一些发现， 但除切变线外， 暴雨的成因还有很多。首先， 本次试验中湖泊和城市对暴雨过程的影响机理是否适用其他过程引起的暴雨研究还有待探讨。其次， 考虑到湖泊效应影响范围有限， 为了研究湖泊和城市协同影响， 本研究仅考虑了距离太湖最近的3个城市， 而没有探究整个长三角城市群的影响。最后， 除湖泊和城市外， 陆面还有很多要素对降水过程有影响， 比如地形、 土壤湿度、 植被覆盖等。高分辨率模拟条件下对陆面要素的刻画更加精细， 可以更加深入地研究地表对天气过程的影响。因此， 利用高分辨率模拟， 还有很多陆-气相互作用的内容值得研究。