文章快速检索     高级检索
  高原气象  2017, Vol. 36 Issue (2): 562-574  DOI: 10.7522/j.issn.1000-0534.2016.00005
0

引用本文 [复制中英文]

郑玉兰, 苗世光, 包云轩, 等. 2017. 建筑物制冷系统人为热排放与气象环境的相互作用[J]. 高原气象, 36(2): 562-574. DOI: 10.7522/j.issn.1000-0534.2016.00005
[复制中文]
Zheng Yulan, Miao Shiguang, Bao Yunxuan, et al. 2017. Interaction of Anthropogenic Heat Emission from Building Cooling System and Meteorological Environment[J]. Plateau Meteorology, 36(2): 562-574. DOI: 10.7522/j.issn.1000-0534.2016.00005.
[复制英文]

资助项目

北京市科技计划课题(Z151100002115045);国家国际科技合作专项(2015DFA20870);国家自然科学基金课题(41175015)

通讯作者

苗世光.E-mail:sgmiao@ium.cn

作者简介

郑玉兰 (1988), 女, 福建福州人, 助理工程师, 主要从事城市边界层气象学研究.E-mail:zyulan_student@163.com

文章历史

收稿日期: 2015-11-20
定稿日期: 2016-01-28
建筑物制冷系统人为热排放与气象环境的相互作用
郑玉兰1,2,3, 苗世光2, 包云轩3, 刘珂2     
1. 福建省气象信息中心, 福州 350001;
2. 中国气象局北京城市气象研究所, 北京 100089;
3. 南京信息工程大学, 南京 210044
摘要: 针对建筑物制冷系统人为热排放对城市气候和能源消耗影响越来越大的现状,利用改进后的建筑物能量模式BEM(Building Energy Model)与单层城市冠层模式SLUCM(Single Layer Urban Canopy Model)的耦合,实现对城市建筑物人为热排放的动态模拟;以2014年5月29日为例(北京地区极端高温个例),开展北京地区建筑物制冷系统人为热排放与城市气象环境相互作用的定量分析。WRF(Weather Research and Forecasting)/Noah/SLUCM/BEM耦合模式模拟分析表明,模式在不加入人为热时,对夜间的热岛模拟偏弱,且基本无法模拟出白天的热岛效应;加入城市交通人为热排放后,对城市热岛强度和范围的模拟有一定改善;进一步加入建筑人为热排放对气温、热通量、边界层高度等的模拟效果均有不同程度的改进。加入BEM模拟的人为热后(case2),15:00(北京时,下同)主城区地表感热通量增加30~50 W·m-2,相应地2 m气温升高0.4~0.8 ℃,二者对应关系较好。case2中的人为潜热排放导致地表潜热通量增加80~140 W·m-2,水汽通量增加0.04~0.09 g·m-2·s-1,中心城区2 m比湿增加0.5~0.9 g·kg-1,边界层高度升高100~150 m,且傍晚边界层高度开始下降的时间推迟了约1 h。加入建筑人为热后,气温等气象条件的变化会对建筑物制冷系统能耗及人为热排放产生影响。case2对比case1,建筑物制冷系统能耗增加了1.11%~3.33%,建筑物制冷系统排放的感热通量增大0.67%~1.67%、潜热通量增大0.625%~1.56%(达2.0 W·m-2以上)。研究表明,在中尺度模式中动态模拟建筑物制冷系统的人为热排放,能够改进对近地层气象要素的模拟效果。
关键词: 建筑物能量模式    制冷系统    人为感热排放    人为潜热排放    城市热岛    
1 引言

近年来, 夏季高温逐渐成为人们最关注的气象灾害之一。吴统文等 (2014)研究表明, 高温热浪天气的频繁出现不仅与全球气候变暖的大背景有关, 与城市热岛逐年增强的关系更加密切。蒋维楣等 (2007a; 2007b, 2009, 2010) 及相关研究者 (佟华等, 2004; 佟华等, 2005; 李书严等, 2008; 苗世光等, 2010) 均表明, 随着现代社会的发展, 城市面积不断扩大, 城市中的建筑物愈来愈高, 建筑物人为热排放对城市气象条件的影响变得愈来愈重要, 数值模拟是开展此类研究的有效手段。

20世纪70年代以来, 从简单的引进建筑物能量参数到不断完善的建筑物能量模式的建立, 科学家们开始研究建筑人为热对城市气象的具体影响过程, 并取得了一定进展。在中尺度模式中引入简单的参数化方案, 无法具体描述城市建筑物与其周边环境的相互作用。随着参数化方案逐渐完善, 2003年Kikegawa et al (2003)引入建筑参数的模式, 并与中尺度模式耦合, 开始能够描述建筑物与大气之间的相互作用。但是这个模式在建筑参数的选取与动态模拟的设计上相对简单, 只是将单栋建筑物看成一个盒子, 根据制冷 (取暖) 的感热潜热按固定的比例计算排入大气的热量。

Salamanca et al (2010)建立了更为完善的建筑物能量模式BEM (Building Energy Model)。建筑物的楼层区别有所体现, 同时可以动态的计算空调排入大气的人为热, 较为精确的模拟城市建筑物的能量平衡过程。但模式中各种参数对模拟结果的影响较大, 在具体的模拟中应根据模拟算例的建筑物高度及布局参数和物理属性参数、人类活动特征等实际情况进行相应调整, 才能得出符合实际的结果。Salamanca et al (2011)实际应用中发现, 在WRF (Weather Research and Forecasting) 模式中采用BEP (Building Environment Parameterization)+BEM城市冠层方案后, 在默认参数配置下, 由于空调系统排热仅考虑感热部分等多方面的原因, 夜间2 m气温模拟显著偏高, 并没有提高模拟效果。这些问题制约了BEM在城市热环境模拟方面的应用及城市气候问题的深入研究。

另一方面, WRF/Noah模式中耦合了一种相对BEP来说较为简单的单层城市冠层模式 (Single-Layer Urban Canopy Model, SLUCM)。SLUCM由Kusaka et al (2001)建立并嵌套到WRF模式中。SLUCM保留了BEP的许多优势, 如 (黄燕燕等, 2006) 指出:区分墙面、屋顶、地面的不同影响, 在表面能量收支平衡和风切边环流中考虑城市几何形状的影响; 对城市下垫面进行比较细致的划分, 根据不透水面积百分比分为低、中、高城市密度区三类; 通过分别计算屋顶, 墙面, 地面的能量收支平衡过程和风切变环流, 并在其中考虑建筑几何形状的影响。王咏薇等 (2008)研究发现, SLUCM没有对城市冠层垂直分层, 总体考虑建筑物不同表面对热通量的贡献, 计算过程较为简单, 需要确定的参数相对较少, 在与WRF等中尺度模式耦合之后, 计算量较小, 效率高, 是最适合数值天气预报业务模式采用的城市冠层模拟方案。

因此, 为了进一步完善BEM在城市热环境模拟方面的应用与城市气候的深入研究, 本文将改进后的BEM (郑玉兰等, 2015) 与WRF/Noah/SLUCM耦合, 选取北京夏季的一个极端高温个例, 对比未考虑人为热、仅考虑交通人为热排放及考虑BEM动态模拟的人为热排放三种情况下气象环境及能源消耗的差异, 研究了建筑物人为感热和潜热排放与气象条件之间的反馈过程。

2 模式发展及模拟试验设计 2.1 BEM与WRF/Noah/SLUCM的耦合

建筑物能量模式BEM (Building Energy Model) 是一个考虑了楼层问题, 并可以对空调排放的废热进行动态计算, 能够较为精确的模拟城市建筑物能量平衡过程的较为完善的数值模式。首先根据建筑物能量平衡过程计算出每个房间的热负荷 (包括感热和潜热负荷), 然后计算在空调部分运行下的实际负荷情况:定义瞬时温度T*、目标温度Ttarget和舒适温度范围ΔT。制冷系统只在T*Ttarget之差大于ΔT时运行, 空调运行时的动态感热负荷Houtn可由公式 (2) 求出, 同理可求出Eoutn:

$ {T^*} = \frac{{\Delta t}}{{{Q_B}}} \times H_{{\rm{in}}}^n + {T^n}, $ (1)
$ \begin{array}{l} H_{{\rm{out}}}^n = H_{{\rm{in}}}^n - \frac{{{Q_B}}}{{\Delta t}}({T_{{\rm{target}}}} + \Delta T - {T^n}),\\ ({T^*} > {T_{{\rm{target}}}} + \Delta T时开始制冷) \end{array} $ (2)

式中:上标n表示第n时的步值, Δt为积分时间步长, QB指一层楼内所有室内空气的总热容量。若计算出的所需制冷功率大于空调最大功率, 则空调只能运行在最大功率范围内。这样可以算出维持室内设定温度需要排出的热量, 但是这不是最终的建筑物人为热排放量, 还需要考虑不同空调的热效率和热量排放中的感热和潜热人为热的比例 (郑玉兰, 2015)。

我国夏季各种类型空调占比情况 (空气源热泵机组、螺杆式冷水机组、离心式冷水机组、直燃吸收式冷水机组4类空调所占总空调数量的比例为1:4:4:1), 根据各类空调排放情况, 估算建筑物制冷系统排热中感热、潜热分别占22%和78%, 具体分析空调排热中的感热量和潜热量, 在使用Salamanca原有BEM原理的基础上, 引入空调排热的感热比系数α进行改进, α表示空调总排热中感热所占比例 (郑玉兰等, 2015)。

本文将基于上述改进后的建筑物能量模式 (BEM) 与WRF/Noah/SLUCM耦合, 主要通过以下4个步骤实现:

(1) 变量注册表:在WRF模式的变量注册表 (Registry) 中加入与BEM相关的二维状态变量, 比如: hsout, hlout, consumption等, 并设置相关属性信息 (包括:维数定义、输入、输出、单位等)。

(2) 驱动层及中间层:在WRF模式的驱动层及中间层程序中 (如module_first_rk_step_part1. F), 将新增加的BEM相关状态变量传入到陆面模式驱动程序surface_driver中。

(3) 模式层:在WRF模式层的各级程序中, 依次加入新变量, 最终在SLUCM主程序 (module_sf_urban. F) 中可以使用这些新增加的变量。将BEM模式与SLUCM耦合, 并添加到Makefile中。

(4) 参数与控制变量:在WRF模式的参数表文件URBPARM. TBL中, 设置相关输入参数 (如:制冷系统COP、建筑物窗墙比、制冷系统开关时间、目标温湿度及可接受范围、单位面积人员数量峰值、设备产热量及其日变化曲线等) 和控制变量 (ahoption)。

通过以上4步, 实现了BEM与WRF/Noah/SLUCM的耦合。耦合前后的模拟试验对比分析表明, 未调用BEM时的模拟结果与耦合前完全相同 (图略)。由此可见, 该耦合未影响模式的其他模块, 耦合过程合理。

2.2 个例与资料

2014年5月2930日的高温过程, 主要是受高空西北气流影响, 伴随一定的下沉运动, 天空晴朗少云, 空气干燥, 白天辐射增温效应明显。

28日北京地区受暖气团影响出现日最高气温超过35 ℃的高温天气, 由此开启2014年首次大范围高温天气过程。29日, 气温继续升高, 14:05(北京时, 下同), 南郊观象台气温一举达到40.3 ℃, 15:21, 进一步升高到了41.1 ℃。城六区以及昌平、顺义、通州、大兴和房山部分地区达40~42 ℃, 其中紫竹院、官园、天坛、奥体中心、车道沟、昌平等都超过了42 ℃, 是自1951年有气象记录以来北京迎来的最早41 ℃。此前, 北京15月的极端高温出现在1968年5月14日, 达38.3 ℃。监测显示, 14:00北京南郊观象台地表温度已达61.8 ℃, 石景山站甚至达到68 ℃。

本文对这次高温过程进行了数值模拟分析, 观测资料采用了北京市295个自动气象站的逐时气温、湿度资料, 模式的初始场和边界条件采用6 h一次的NCEP再分析资料。

2.3 模拟试验设计

为实现高分辨率模拟, 采用了4重区域双向嵌套, 各嵌套区域 (图 1) 最内层d04区域为研究区范围 (图 1a)。水平网格距分别为27 km、9 km、3 km、1 km, 水平网格数 (南北×东西) 分别为: 154×154、154×154、154×154、184×172, 模式中心经纬度为 (40.24°N, 116.45°E)。模式在垂直方向分为38层, 模式顶为50 hPa, 采用上疏下密的划分方法, 其中1 km以下有13层。模式选取的积分时间段为2014年5月29日08:00至2014年5月30日08:00, 共积分24 h。模式初始场和边界条件采用美国国家环境预测中心/美国国家大气研究中心 (NCEP/NCAR) 提供的1°×1°每日4次的再分析资料。

图 1 四重双向嵌套模拟区域 (a) 及地表类型水平分布 (b) 红色的“+”为天安门位置, 红色的“· ”为海淀气象站, 红色方框为计算城市区域平均边界层高度的范围 Figure 1 Two-way nested of four layers for the domain design (a) and horizontal distribution of landcover type (b). The red "+" is the location of Tian'an Men square, the red "·" is the location of Haidian meteorological station, the red box is the area to calculate the average planetary boundary layer

数值模拟中采用的物理过程参数化方案包括: WSM 6微物理过程方案; RRTM长波辐射和Dudhia短波辐射方案; ETA相似理论近地面层方案; BouLac边界层方案; Noah陆面过程方案; SLUCM城市冠层模型; 积云对流采用Grell 3d方案 (第3和第4重嵌套区域不使用)。

本文采用新的土地利用类型, 用Landsat-TM卫星资料反演的2009年城市用地资料, 更新模式USGS原有的30 s水平分辨率全球资料 (1992—1993年) 中的旧城市土地利用, 按不透水面积百分比, 将城市用地分为低密度、中密度、高密度 (图 1b)。

本文进行了3个算例的敏感性试验, 分别采用不同的人为热算法, 具体设置如表 1所示。三个算例分别用case0、case1、case2表示, case0表示SLUCM不加入人为热, case1表示加入统计估算的人为热AH/2(模式中原有的AH包括建筑物人为热排放部分和交通人为热排放部分, 此处及case2中取AH/2代表交通人为热排放), case2为SLUCM加入BEM建筑物人为感热 (hsout)、潜热 (hlout) 以及交通人为热排放 (AH/2)。这里, 参照北京的相关统计分析 (Miao, S等, 2009; Miao, S等, 2008; 佟华, 2004) 和其他城市关于人为热排放的研究结论 (丹利占和俊杰, 2014), 交通人热排放取值为WRF模式中人为热排放默认值的一半 (AH/2)。

表 1 不同人为热排放算例设置 Table 1 List of cases for anthropogenic heat emission
3 建筑物人为热排放对气象条件的影响

建筑物人为热排放对气象条件的影响主要从2 m气温、比湿、地表感热与潜热通量、水汽通量、边界层高度、风场等方面进行分析, 三个算例中中心城区的气象要素变化如表 2所示。

表 2 各算例模拟的北京中心城区主要气象要素变化情况 Table 2 Changes of the meteorological factors for the three cases in Beijing central urban area
3.1 2 m气温与比湿的变化

为了定量分析建筑物人为热排放对2m气温和比湿的影响, 进行如下分析。

通过case0、case1、case2三种人为热耦合情况下 (图 2), 2014年5月29日15:00和5月30日03:00 2 m气温模拟和实际观测的对比 (水平填色为数值模拟结果, 圆圈中填色为观测结果) 可知, 在未加入人为热的情况下 (case0), 白天的模拟结果较差, 没有模拟出城市中心的热岛效应, 二环内及东部地区的偏小, 高温模拟的区域偏小, 且较为零散, 与实际情况存在偏差。15:00气温模拟值偏低, 城市中心二环内及东部地区模拟值约为38 ℃, 比实际气温低1 ℃以上, 且分布特征也与实际不同, 城市热岛没有模拟出来, 反而有弱的冷岛现象, 与实际情况 (圆点填色) 差距较大。

图 2 各算例case0(a, b)、case1(c, d)、case2(e, f) 模拟的2014年5月29日15:00(左) 和5月30日03:00(右)2 m气温水平分布 (单位: ℃) 图中水平填色为数值模拟结果, 圆圈中填色为观测结果, 二者色标相同 Figure 2 Horizontal distribution of air temperature at 2 m for case0 (a, b), case1 (c, d), case2 (e, f) at 15:00 on 29 May (left) and 03:00 on 30 May (right) 2014. Unit: ℃. The distribution of the color is the simulation result and the color in the circles come from the observation, while the color bar is the same

相对于case0, case1和case2对城市中心地区热岛效应的模拟都有较好的改善, 与实际观测情况较为符合。但case1对高温中心范围的模拟偏小, 加入BEM的case2有了进一步改善。15:00, 2 m气温的模拟有所改善, 39 ℃以上高温区扩大, 与自动站观测结果较一致。由图 2f可见, 夜间热岛的模拟也有较好的改善, 热岛范围从城区的西部向东部延伸, 强度略增, 夜间最高温度可以模拟到29 ℃以上, 这与王郁和胡非 (2006)得出北京城市夏季晚上存在强热岛, 并且强度范围都在扩大的观测结果基本一致。

case2模拟出了五环外东北部首都国际机场及东部通州地区高温分布, 这是因为BEM中的算法结合了图 1b中相应地区建筑物地表类型分布特点。

由此可见, 模式中考虑交通及建筑人为热排放后, 有助于改进对城市热岛范围和强度的模拟, 对于夜间2 m气温和午后2 m最高温度偏低的现象有显著的改善。

从各算例模拟的2014年5月29日15:00和17:00 2 m比湿水平分布 (图 3) 可以看出, case1与case0的比湿分布基本一致, 比湿较高的地区集中在北京东北部五环外的地区和东南部, 大约为5.4~6.6 g·kg-1, 城市中心明显偏干, 仅为3.9~4.5 g·kg-1, 耦合了BEM的case2比湿总体分布特点依然是城市地区较低, 但是中心城区的比湿增大到4.8~5.4 g·kg-1。由图 3可见, 加入建筑物制冷系统的人为潜热排放后, 城市比湿增大了约1 g·kg-1, 比湿大于5.0 g·kg-1的区域明显扩大, 与实际观测的比湿水平分布更为一致。

图 3 各算例case0(a, b)、case1(c, d)、case2(e, f) 模拟的2014年5月29日15:00(左) 和17:00(右) 2 m比湿水平分布 (单位g·kg-1) 图中水平填色为数值模拟结果, 圆圈中填色为观测结果, 二者色标相同 Figure 3 Horizontal distribution of specific humidity at 2 m for case0 (a, b), case1 (c, d), case2 (e, f) at 15:00 (left) and 17:00 (right) on 29 May 2014. Unit: g·kg-1. The distribution of the color is the simulation result and the color in the circles come from the observation, while the color bar is the same
3.2 地表感热、潜热通量的变化

建筑物人为热对城市热岛的影响直观的从2 m气温和比湿中反映出来, 但是具体的影响过程仍不够明确, 需要分析建筑物人为热排放对地表感热通量和潜热通量的影响 (图 4)。

图 4 各算例case0 (a)、case1 (b)、case2 (c) 模拟的2014年5月29日15:00地表感热通量水平分布 (单位: W·m-2) Figure 4 Horizontal distribution of surface sensible heat flux for case0 (a), case1 (b), case2 (c) at 15:00 on 29 May 2014. Unit: W·m-2

不考虑城市人为热 (图 4a) 的情况下, case0中的最大地表感热通量约为120~180 W·m-2, 在城市中心没有明显的大值区, 只在南部的五环外有分散的大值区; case1考虑了交通人为热排放 (图 4b), 最大地表感热通量达到180~240 W·m-2左右, 在城区西南部出现了大值区, 最高值达到240 W·m-2, 相对于case0增大约30 W·m-2, 在东北五环外的首都国际机场区域, 感热量从case0的180 W·m-2增大约30 W·m-2达到210 W·m-2左右, 东部通州地区同样增大30 W·m-2左右达到240 W·m-2; 耦合了BEM的case2(图 4c), 感热通量可达210~270 W·m-2, 西南部的270 W·m-2高值区扩大, 基本覆盖了整个城区, 新出现了北部的高值中心。相对于case1, 大致升高30 W·m-2

为进一步分析模拟的地表感热通量的具体变化量及其对气温的影响, 通过差值图 (图 5) 可以看出, 气温及感热通量变化多为南北向的条带状, 通州地区有小范围的东西向条带状; 耦合交通人为热与建筑人为热后, 感热通量变化幅度在30~50 W·m-2, 2 m气温的变化幅度都在-0.8~0.4 ℃左右。case2-case1气温明显升高, 升高幅度>0.4 ℃以上区域为西北五环外首都国际机场, 通州地区, 南苑机场。感热通量增加40 W·m-2以上区域与气温上升区对应关系较好。

图 5 各算例模拟的2014年05月29日15:00 2 m气温 (a, b, 单位: ℃) 和地表感热通量 (c, d, 单位: W·m-2) 的水平分布差异 (a), (c) 为case2-case1, (b), (d) 为case1-case0 Figure 5 Horizontal distribution of the differences for 2 m temperature (a, b, unit: ℃) and surface sensible heat flux (c, d, unit: W·m-2) at 15:00 on 29 May 2014. In Fig. 5, (a) and (c) represent case2-case1, (b) and (d) represent case1-case0
3.3 水汽通量的变化

BEM与AH日变化曲线相比, 最大的改进是考虑了建筑物人为热排放中的潜热部分, 将这一部分加入了城市能量和水分平衡过程中 (图 6)。15:00, 地表潜热分布 (图 6a, b), case2中地表潜热通量比case1高的多。case1城市中心为地表潜热通量的最低值, 约为60~90 W·m-2, case2中城市中心地表潜热通量增大到240~270 W·m-2。15:00, 水汽通量的变化与地表潜热通量的变化相似 (图 6c, d), 但是case1城市中心的水汽通量基本 < 0.04 g·m-2·s-1, 远远小于周围郊区, 而case2中考虑建筑人为热情况下增加到0.1 g·m-2·s-1, 增加0.04~0.09 g·m-2·s-1, 说明考虑了城市人为热潜热部分可以增加模式中城市中心的水汽通量。

图 6 各算例case1(a, c)、case2(b, d) 模拟的2014年05月29日15:00地表潜热通量 (a, b, 单位: W·m-2) 和水汽通量 (c, d, 单位: g·m-2·s-1) 水平分布 Figure 6 Horizontal distribution of the surface latent heat flux (a, b, unit: W·m-2) and moisture flux (c, d, unit: g·m-2·s-1) for case1 (a, c) and case2 (b, d) at 15:00 on 29 May 2014

耦合BEM的case2, 比湿的变化如图 7所示, 城市中心地区的增量多在0.4~1.2 g·kg-1, 以下区域增量明显:东北五环外首都国际机场, 东部朝阳区至通州地区, 南五环外地区, 增量达到1.0~1.2 g·kg-1, 两个0.8 g·kg-1增量区域呈明显的南北条带, 分别贯穿西二环和东三环。地表潜热的增量 (图 7) 在城市中心区域分布较为均匀, 增量最大达到220 W·m-2, 且与比湿的增量区域对应较好。

图 7 各算例模拟的2014年5月29日15:00 case2-case1比湿 (a) 和地表潜热通量 (b) 水平分布的差异 Figure 7 Horizontal distribution of the differences of case2-case1 on 2 m specific humidity (a) and surface latent heat flux (b) at 15:00 on 29 May 2014
3.4 边界层高度的变化

选取图 1b中红色方框区域进行多点平均, 进一步分析加入城市人为热对边界层高度日变化的影响。由各算例模拟的主城区 (图 1b中红色方框区域) 平均边界层高度日变化 (图 8) 可以看出, case1、case2模拟的边界层高度均有一定的增加, 与张亦洲等 (2013)的研究结果一致。case1模拟结果显示, 下午城市边界层高度最大能达到4.0 km。夜间稍有波动, 但平均也在400~500 m, case2模拟结果与case1类似, 但是下午边界层最大高度基本在4.3 km左右, 傍晚边界层高度下降的时间也比case1稍稍推迟了一些。需要指出的是, 本文模拟试验中采用1.5阶湍流动能闭合BouLac边界层方案, 边界层高度取为比近地层虚位温高0.5 K的高度。该方法可能会造成边界层高度计算结果的误差, 需要采用探空等观测资料验证其合理性。

图 8 各算例模拟的主城区平均边界层高度日变化 (单位: m) Figure 8 Diurnal variation of boundary layer height averaged for downtown area for three cases. Unit: m
3.5 风场的变化

各算例对10 m风场的模拟结果差别较小 (图略), 对风场的模拟与观测结果均较为一致。29日12:00城区盛行偏东风 (谷风), 22:00转为偏西风 (山风), 在城区形成了一个风场辐合带, 风速较小; 30日03:00, 来自西部山区的下坡风与北部的下坡风在西北部六环外产生了弱的辐合。

4 气象条件对建筑物人为热排放的影响

将case1中的AH曲线与case2中的人为热排放各组成部分进行对比如图 9所示。case2中的人为热有三个组成部分分别为交通、建筑物感热、建筑潜热三部分, 其中交通部分以WRF模式AH默认值的一半来估算, 将case1与case2的人为热进行比较发现, WRF模式AH默认值对午后至傍晚的排放高峰期估算较小, 整个AH曲线为双峰型, 两个高峰期基本可以对应上下班高峰期, case2的人为热曲线为基本为单峰型, 峰值区在傍晚前后, 与case1的第二峰值区相近, 时间上略早1~2 h, 且随着气象条件变化, 人为热曲线会有相应变化, 与张亦洲 (2013)实际观测的结果较为符合。

图 9 BEM算例人为热的组成与AH曲线 Figure 9 Anthropogenic heat of BEM case
4.1 人为感热和潜热排放

case2与case1的人为热差异 (感热、潜热) 分布如图 10所示, 在气温增高区域, 人为热的排放随之增大, 人为感热排放增大区主要分布在南部和北部的五环至六环区域, 首都机场增大幅度最大达到1.0 W·m-2以上; 人为潜热的增大更为明显, 在整个城区出现了分散性的增大区域, 增大幅度最高可达2.0 W·m-2以上。case2将人为热的影响通过地表通量加入气温、湿度等气象要素预报方程中, 引起了气象要素的变化, 这一过程的影响并不是单向的, 变化着的气象要素同时也会对建筑物制冷系统能耗和人为热排放产生影响。

图 10 2014年05月29日15:00时case2模拟的感热排放 (a, c) 与潜热排放 (b, d) 水平分布 (a, b) 及差异 (c, d, case2-case1) Figure 10 Horizontal distribution (a, b) of the anthropogenic sensible heat (a, c) and latent heat (b, d) calculated by BEM in Beijing in case 2 and its differences for the case2-case1 (c, d)
4.2 不同气象条件下的城市人为热排放

不同气象条件下城市人为热排放的分布和变化趋势有所不同, 人为热产生后排放到大气中, 继而影响相应环境下的各种气象要素, 这是一个完整的正反馈过程。本文着重分析了2014年5月29—30日北京出现的极端高温个例的情况, 选取2010年8月6日及2010年7月3日两个高温个例与之对比, 分析北京夏季人为热的变化规律。7月3日与5月29日个例平均气温接近, 建筑物制冷系统人为热排放明显高于8月6日个例 (图 11)。

图 11 不同气象条件下城市人为热排放对比 Figure 11 The comparison of anthropogenic heat release for different meteorological conditions
5 结果与讨论

随着城市化进程的推进, 城市面积急剧扩张, 不透水面积急速扩大, 建筑物越建越高, 空调等用电设备快速增加, 由此诱生的城市热岛现象越发严重。针对建筑物制冷系统人为热排放对城市气候和能源消耗影响越来越大的现状, 本文开展了数值模式及模拟分析研究, 初步得出以下结论:

(1) 完成了改进后的建筑物能量模式BEM与单层城市冠层模式SLUCM的耦合, 实现了对城市建筑物制冷系统人为热排放的动态模拟。

(2) WRF/Noah/SLUCM/BEM耦合模式模拟分析表明, 模式在未引入人为热时, 对夜间的热岛模拟偏弱, 且基本无法模拟出白天的热岛效应; 引入城市交通人为热排放后, 对城市热岛强度和范围的模拟有一定改善; 加入建筑人为热排放对气温、热通量、边界层高度等的模拟效果均有不同程度的改进。加入BEM模拟的人为热后 (case2), 15:00主城区地表感热通量增加30~50 W·m-2, 相应地2 m气温升高0.4~0.8 ℃, 二者对应关系较好。case2中的人为潜热排放导致地表潜热通量增加80~140 W·m-2, 水汽通量增加0.04~0.09 g·m-2·s-1, 中心城区2m比湿增加0.5~0.9 g·kg-1, 边界层高度升高100~150 m, 且傍晚边界层高度开始下降的时间推迟了约1 h。

(3) 引入建筑物诱生的人为热后, 气温等气象条件的变化会对建筑物制冷系统能耗及人为热排放产生影响。case2比case1建筑物制冷系统能耗增加了1.11%~3.33%, 建筑物制冷系统排放的感热通量增大0.67%~1.67%、潜热通量增大0.625%~1.56%(达2.0 W·m-2以上)。

本研究表明, 在中尺度模式中动态模拟建筑物制冷系统的人为热排放, 能够改进对近地层气象要素的模拟效果, 为城市热岛效应的形成机理研究、城市气象精细预报、城市规划中热岛效应适应与减缓措施的制定、以及电力部门能耗的评估与调度等提供了研究基础和数值模式工具。

应当注意到, 建筑物高度在计算人为热中是一个很重要的影响因子, 本文使用的建筑物高度数据还不够精确; 耦合BEM后的WRF/Noah/SLUCM模式运算速度明显减慢, 消耗了大量的计算机资源, 在后续研究中需要对算法进行优化; 中尺度模式中墙壁、屋顶和路面温度等物理量的误差, 严重影响了BEM对建筑物人为热的计算精度, 这些方面均需进一步深入开展研究工作。

参考文献
Kusaka Hiroyuki, Kondo Hiroaki, Kikegawa Yokihiro, et al. 2001. A simple single-layer urban canopy model for atmospheric models: Comparison with multi-layer and slab models[J]. Boundary-Layer Meteorology, 101(3): 329–358. DOI:10.1023/A:1019207923078
Kikegawa Yukihiro, Genchi Yutaka, Yoshikado Hiroshi, et al. 2003. Development of a numerical simulation system toward comprehensive assessments of urban warming countermeasures including their impacts upon the urban buildings' energy-demands[J]. Applied Energy, 76(4): 449–466. DOI:10.1016/S0306-2619(03)00009-6
Miao Shiguang, Chen Fei. 2008. Formation of horizontal convective rolls in urban areas[J]. Atmospheric Research, 89(3): 298–304. DOI:10.1016/j.atmosres.2008.02.013
Miao Shiguang, Chen Fei, Lemone Margaret A, et al. 2009. An Observational and Modeling Study of Characteristics of Urban Heat Island and Boundary Layer Structures in Beijing[J]. Journal of Applied Meteorology & Climatology, 48(3): 484.
Salamanca Francisco, Krpo Andrea, Martilli Alberto, et al. 2010. A new building energy model coupled with an urban canopy parameterization for urban climate simulations—part Ⅰ.formulation, verification, and sensitivity analysis of the model[J]. Theoretical and applied climatology, 99(3-4): 331–344. DOI:10.1007/s00704-009-0142-9
Salamanca Francisco, Martilli Alberto, Tewari Mukul, et al. 2011. A study of the urban boundary layer using different urban parameterizations and high-resolution urban canopy parameters with WRF[J]. Journal of Applied Meteorology and Climatology, 50(5): 1107–1128. DOI:10.1175/2010JAMC2538.1
丹利占, 俊杰. 2014. 广州地区人为热释放的日变化和年际变化估算[J]. 气候与环境研究, 19(6): 726–734. Zhan Junjie, Dan Li. 2014. Diurnal and annual variations of anthropogenic heat estimation in Guangzhou city, China[J]. Climatic and Environmental Research (in Chinese), 19(6): 726–734.
黄燕燕, 万齐林, 袁金南, 等. 2006. 城市冠层过程的研究与进展[J]. 热带气象学报, 22(3): 290–296. Huang Yanyan, Wan Qilin, Yuan Jinnan, et al. 2006. Development of research on urban canopy parameterization scheme, China[J]. Journal of Tropical Meteorology, 22(3): 290–296.
李书严, 陈洪滨, 李伟. 2008. 城市化对北京地区气候的影响[J]. 高原气象, 27(5): 1102–1110. Li Shuyan, Chen Hongbin, Li Wei. 2008. The Impact of Urbanization on City Climate of Beijing Region, China[J]. Plateau Meteorology, 27(5): 1102–1110.
蒋维楣, 苗世光, 张宁, 等. 2010. 城市气象与边界层数值模拟研究[J]. 地球科学进展, 25(5): 463–473. Jiang Weimei, Miao Shiguang, Zhang Ning, et al. 2010. Numerical Simulation on Urban Meteorology and Urban Boundary Layer[J]. China[J].Advances in Earth Science, 25(5): 463–473.
蒋维楣, 周荣卫, 刘红年. 2009. 精细城市边界层模式的建立及应用研究[J]. 南京大学学报:自然科学版, 45(6): 769–778. Jiang Weimei, Zhou Rongwei, Liu Hongnian. 2009. Development and applications of a fine urban boundary layer model, China[J]. Journal of Nanjing University (Natural Sciences), 45(6): 769–778.
蒋维楣, 陈燕. 2007a. 人为热对城市边界层结影响研究[J]. 大气科学, 31(1): 37–47. Jiang Weimei, Chen Yan. 2007a. The Impact of Anthropogenic Heat on Urban Boundary Layer Structure, China[J]. Chinese Journal of Atmospheric Sciences, 31(1): 37–47.
蒋维楣, 王咏薇, 刘罡, 等. 2007b. 多尺度城市边界层数值模式系统[J]. 南京大学学报:自然科学版, 43(3): 221–237. Jiang Weimei, Wang Yongwei, Liu Gang, et al. 2007b. Multi-Scale Urban Boundary Layer Modelling System, China[J]. Journal of Nanjing University (Natural Sciences), 43(3): 221–237.
苗世光, ChenFei, 等. 2010. 北京城市化对夏季大气边界层结构及降水的月平均影响[J]. 地球物理学报, 53(7): 1580–1593. Miao Shiguang, Chen Fei, et al. 2010. Month-averaged impacts of urbanization on atmospheric boundary layer structure and precipitation in summer in Beijing area, China[J]. Chinese Journal of Geophysics, 53(7): 1580–1593.
佟华, 刘辉志, 桑建国, 等. 2004. 城市人为热对北京热环境的影响[J]. 气候与环境研究, 9(3): 409–421. Tong Hua, Liu Huizhi, Sang Jianguo, et al. 2004. The Impact of Urban Anthropogenic Heat on Beijing Heat Environment, China[J]. Climatic and Environmental Research, 9(3): 409–421.
佟华, 刘辉志, 李延明, 等. 2005. 北京夏季城市热岛现状及楔形绿地规划对缓解城市热岛的作用[J]. 应用气象学报, 16(3): 357–366. Tong Hua, Liu Huizhi, Li Yanming, et al. 2005. Actuality of summer urban heat island and the impact of urban planning "wedge-shaped greenland" to reducing the intensity of urban heat island in Beijng, China[J]. Journal of Applied Meteorological Science, 16(3): 357–366.
王咏薇, 蒋维楣, 刘红年. 2008. 大气数值模式中城市效应参数化方案研究进展[J]. 地球科学进展, 23(4): 371–381. Wang Yongwei, Jiang Weimei, Liu Hongnian. 2008. Advancd in Research of Urban Effect Parameterization Scheme on Models of Atmosphere, China[J]. Advances in Earth Science, 23(4): 371–381.
王郁, 胡非. 2006. 近10年来北京夏季城市热岛的变化及环境效应的分析研究[J]. 地球物理学报, 49(1): 61–68. Wang Y, Hu F. 2006. Variations of the urban heat island in summer of the recent 10 years over Beijing and its environment effect[J]. Chinese J.Geophys.(in Chinese), 49(1): 61–68.
吴统文, 宋连春, 李伟平, 等. 2014. 北京气候中心气候系统模式研发进展——在气候变化研究中的应用[J]. 气象学报, 72(1): 12–29. Wu Tongwen, Song Lianchun, Li Weiping, et al. 2014. An overview on progress in Beijing Climate Center Climate System Model-Its development and application to Climate changes studies, China[J]. Acta Meteorologica Sinica, 72(1): 12–29.
张亦洲, 苗世光, 戴永久, 等. 2013. 北京夏季晴天边界层特征及城市下垫面对海风影响的数值模拟[J]. 地球物理学报, 56(8): 2558–2573. Zhang Yizhou, Miao Shiguang, Dai Yongjiu, et al. 2013. Numerical simulation of charcteristics of summer clear day boundary layer in Beijing and the impact of urban underlying surface on sea breeze[J]. Chinese J.Geophys.(in Chinese), 56(8): 2558–2573.
郑玉兰, 苗世光, 张崎, 等. 2015. 建筑物能量模式的改进及制冷系统人为热排放研究[J]. 高原气象, 34(3): 786–796. DOI:10.7522/j.issn.1000-0534.2014.00035 Zheng Yulan, Miao Shiguang, Zhang Qi, et al. 2015. Improvements of building energy model and anthropogenic heat release from cooling system[J]. Plateau Meteor, 34(3): 786–796. DOI:10.7522/j.issn.1000-0534.2014.00035
Interaction of Anthropogenic Heat Emission from Building Cooling System and Meteorological Environment
ZHENG Yulan1,2,3 , MIAO Shiguang2 , BAO Yunxuan3 , LIU Ke2     
1. Fujian Meteorological information center, Fuzhou 350001, China;
2. Institute of Urban Meteorology, China Meteorological Administration, Beijing 100089, China;
3. Nanjing University of Information Science & Technology, Nanjing 210044, China
Abstract: Since the accelerating of urbanization in China, in this paper the BEM (building energy model) is improved and used to study the interaction of the anthropogenic heat release from cooling system and the urban meteorological environment. Based on the case of May 29 to 30 in 2014 (extreme high temperature case in the Beijing area in summer), this paper begin to quantitative analyze above interaction. The online WRF/Noah/SLUCM/BEM results showed that, without the anthropogenic heat summer night heat island in Beijing urban areas has a deviation at night, and can hardly simulate summer heat island in the daytime. WRF model with anthropogenic heat can improve the extent and the intensity of urban heat island, which means the result can be more correct. The considering of building anthropogenic heat in WRF model would improve the simulation of temperature and specific humidity at 2 meters, upward sensible heat flux, latent flux and the upward moisture flux at the surface, and the urban boundary layer height. In case2 which adding BEM anthropogenic heat, the sensitive heat flux of downtown area increase by 30~50 W·m-2, while the 2 meters temperature at relevant area rose about 0.4~0.6 ℃, which is almost the same. The latent release in case2 result that the latent heat flux near the surface, the moisture flux, and the specific humidity of downtown area increased nearly 80~140 W·m-2, 0.04~0.09 g·m-2s-1, 0.5~0.9 g·kg-1 respectively. In addition, the planetary boundary layer height rose about 100~150 m, and the time of beginning falling got later about 1 hour. The change of meteorological condition caused by the additional building anthropogenic heat made effect on the building anthropogenic heat too. Compared to case1, the consumption of energy for case2 increased 1.11%~3.33%, the released heat from building can split into two part: sensitive heat flux and latent flux. The former increased 0.67%~1.67%, the later increased 0.625%~1.56%(which can reach above 2.0 W·m-2). This study shows that coupling with the heat release of building to WRF can improve the simulation effect of meteorological elements in the surface layer.
Key Words: Building Energy Model    Cooling system    Anthropogenic sensible heat release    Anthropogenic latent heat release    Urban heat island