长江三角洲城市群人为热排放特征研究

陆 燕,王勤耕,翟一然,宋媛媛,张艳燕,孙 平 (南京大学环境学院,污染控制与资源化研究国家重点实验室,江苏 南京 210023)

长江三角洲城市群人为热排放特征研究

陆 燕,王勤耕*,翟一然,宋媛媛,张艳燕,孙 平 (南京大学环境学院,污染控制与资源化研究国家重点实验室,江苏 南京 210023)

基于常规可获取的能源、交通、人口等统计资料,利用“自上而下”的能源清单法,研究了2010年长江三角洲(以下简称“长三角”)城市群地区各类人为热排放量及其时空分布特征.结果表明:该地区人为热排放总量为 1.4×1019J/a,其中工业、交通、建筑、新陈代谢分别占75.1%、12.5%、9.9%和2.5%.上海、苏州、无锡、杭州和南京五个城市的人为热排放总量约占研究区域总量的71%.长三角城市群的人为热年平均排放通量为5.3W/m2,大部分地区介于5～30W/m2,城市高值区一般介于20～70W/m2,上海明显高于其他城市.为方便有关环境气候模式的输入,本文提供了人为热排放的网格化空间分布和简单的时间变化廓线.

人为热；排放清单；城市热岛；长江三角洲

随着城市化规模以及社会经济的快速发展,城市热岛效应日益突出,对区域气候与环境都会产生重要影响[1-3].很多研究表明,人为热排放是城市热岛效应形成的重要原因之一.在国外, Ichinose等[4]发现东京人为热源可使其热岛强度增加1～1.5℃;Fan等[5]发现费城冬季夜间人为热源同样可以造成热岛强度增加2～3℃;Block等[6]模拟发现人为热排放可造成中欧冬季持续变暖.在国内,蒋维楣等[7]模拟研究发现南京、杭州的人为热源可使热岛强度增加 1～3℃;佟华等[8]通过类比东京的研究结果发现北京城市的人为热源白天可使城市中心温度增加 0.5℃,夜晚增加

1～3

℃;何晓凤等[9]、王志铭等[10]通过估算工业、交通、民用建筑的能源消耗,分别研究了北京、杭州、南京及广州等城市的人为热排放强度.

总体来说,当前国内外关于城市人为热排放的研究还很不充分,特别是对于城市群尺度的人为热排放.当前针对少数单个城市的研究结果,由于采用的资料与方法不一,研究结果不仅零散粗糙、且缺乏系统性与可比性,远不能满足当前对于城市群气候与环境效应的研究需求.

长江三角洲(简称“长三角”)地区是我国社会经济最发达的地区之一.该城市群规模大、人口密度高,热岛效应显著.倪敏丽等[11]基于 MODIS地表温度遥感资料发现长三角地区长期存在由多个城市共同形成的“热岛群”.近年来,针对长三角城市群气候与环境效应也开展了大量的研究工作,其中数值模拟是一种重要的研究手段,由于缺乏详细可靠的城市群人为热排放清单,对于人为热的影响,要么基于简单的假定、要么不给予考虑,已成为制约模拟精确度的主要因素之一.为此,本研究针对长三角经济区 12个主要城市(行政区),主要基于常规可获取的各种统计资料,采用“自上而下”的能源清单法,研究该地区人为热的排放特征;并基于GIS构建具有较高分辨率的网格化热排放清单,同时提供不同尺度的时间变化特征廓线,从而为开展城市气候与环境研究提供基础与支持.

1 研究方法与资料

目前城市人为热排放量的研究方法主要有能源清单法[12-13]、能量平衡法[14-15]和建筑能效建模法[16-17]等.能源清单法是一种比较实用可靠且普遍采用的方法,该方法基于能源消耗量来估算人为热的排放量,又可以分为自上而下和自下而上两种,前者从城市或某区域的能耗总量出发,从宏观上获得各类型人为热排放总量,然后根据某种方式分配到较小时空尺度[18];后者则基于较小时空尺度的不同类型的能耗数据,再通过逐级统计汇总估算出城市尺度的人为热排放量[19].对于城市群尺度来说,考虑到有关资料获取的完整性、统一性和方便性,自上而下的方法具有明显的优越性.

因此,本研究采用自上而下的能源清单法对长三角城市群人为热排放量进行估算.研究区域为长三角经济区12个主要城市,包括上海、南京、苏州、无锡、常州、扬州、泰州、南通、镇江、杭州、湖州及嘉兴.人为热排放源重点考虑工业、交通运输、建筑和人类新陈代谢四个方面,其中工业进一步划分为一般工业以及电力和热力供应两大类,交通运输划分为市内交通和其他运输(包括城际公路运输、铁路运输等)两类,建筑则划分为居民生活建筑和商业建筑两类.

除人类的新陈代谢外,其他三个方面的热排放均与能源的消耗直接相关.本研究考虑的能源类型包括各类煤(原煤、洗精煤、型煤等)、油(原油、汽油、柴油等)、气(煤气、天然气、液化石油气等)、电、热等,为便于比较和测算,将各类能源按热值折算成标准煤.本研究的基础资料主要来源于全国及各级行政区社会经济、能源等方面的统计年鉴和相关研究报告,如中国能源统计年鉴[20]、中国城市年鉴[21]及各市统计年鉴等,资料基准年原则上取2010年.为弥补部分资料的缺乏并保证资料的可靠性,对近五年(2006～2010)不同来源的资料进行了调研并对比论证,最终确定了各地区、各部门、各类能源的消费总量,如表 1所示.

能源消费相关的热排放量可通过如下公式进行估算:

其中:E为某地区、某类型人为热排放量,J;Cc为标准煤消耗量,t;εc为标准煤热值,kJ/kg;根据能源统计年鉴中的能源换算系数表取值为 29271kJ/ kg;η为热释放率,%.对于电力和热力行业,其热排放仅考虑其生产(能量转换)过程中损失的热量,电力和热力在使用过程中的热排放计入不同的终端消费部门.根据全国电力工业统计快报[22]的统计结果,本研究中电力、热力部门的平均热释放率η取值为60%.对于其他能源消耗,假定其最终全部转化为热量释放到大气中,因此热释放率η取值为100%,同时忽略时间上的滞后性.

人类新陈代谢的热排放与人口数量和活动状态密切相关,本研究借鉴国外有关研究方法,将一天分为两个时间段:07:00～22:59为“活动”状态,23:00～06:59为“睡眠”状态[23].人类新陈代谢排放的热量值EM可以通过下式获得:

式中:Mp为p时间段内每人的新陈代谢热排放总量.参考 Fanger[24]和 Quah等[13]的研究结果,“活动”时间段内代谢热排放强度为171W/人,“睡眠”时间段内为 70W/人,结合时间可得出 Mp的值.n为人口总数,长三角地区人口数量及分布资料通过各市统计年鉴获取,2010年各地区人口总量见表1.

表1 长三角地区12个城市人口及各部门能源消耗量Table 1 Population and energy consumption in the YRD

2 结果与讨论

2.1 长三角城市群地区人为热排放的总体特征

由表 2可见,长三角十二个城市人为热年排放总量为1.4×1019J/a (表中数据保留一位小数,下同),其中工业企业的人为热排放量最高,为1.0×1019J/a,占总体水平的75.1%.交通运输和建筑物的人为热排放分别1.7×1018, 1.3×1018J/a,占总量的 12.5%和 9.9%.人类新陈代谢热总量则仅有3.3×1017J/a,占总量的 2.5%.各城市的人为热排放总量相差较大,排放最大的5个城市分别是上海、苏州、杭州、无锡、南京,其排放总量约占长三角城市群总量的71%.何晓凤等[9]对南京、杭州两个城市的人为热排放总量进行过估算,其结果分别约为7.3×1017,6.5×1017J/a,小于本研究结果,其主要原因是该研究仅考虑工业、市内交通及生活建筑,而忽略了各类运输、商业建筑以及人类新陈代谢热的排放,另外,由于资料的基准年相差 3a以上,各城市的能源消耗量也有较大幅度的增加.

表2 长三角地区12个城市人为热排放量和平均排放通量Table 2 Total emissions and mean fluxes of anthropogenic heat in the YRD

由表 2可见,长三角城市群人为热平均排放通量为 5.3W/m2,各地区平均排放通量相差很大,从2.3W/m2到16.1W/m2.上海的平均排放通量远高于其他城市,无锡、苏州、南京等也相对较高.由于本研究着眼于城市群区域尺度,在计算各城市平均排放通量时,针对整个城市行政区面积,包括城市建成区和郊区.而当前国内外关于单一城市的人为热排放研究,一般都针对城市建成区.因此,本研究所计算的城市平均通量明显低于国内外多数城市的研究结果.如,2002年韩国京仁地区的人为热排放平均通量为 45W/m2[18],2004～2005年法国图卢兹最密集区域的平均通量为43W/m2[15],2004～2007年巴西圣保罗的人为热平均通量在 20W/m2左右[16].在蒋维楣等[25]、何晓凤等[9]针对长三角部分城市进行的模拟研究中,南京和杭州的平均人为热通量密度分别为40W/m2和50W/m2.本研究基于各城市建成区面积进行了估算,结果发现,大多数城市的平均排放通量大于 70W/m2, 由于部分工业企业位于城市建成区以外,且建成区面积远小于行政面积,上述结果可能在一定程度上高估了实际情况.

2.2 人为热排放的网格化空间分布

为了给城市化气候与环境效应研究(特别是数值模拟研究)提供基础与支持,本研究在针对城市行政区计算结果的基础上,运用GIS技术,给出了9km×9km网格尺度下长三角城市群各类人为热排放年均强度的空间分布,如图1所示.对于各个城市范围内部,由于缺乏空间分布的直接信息,本研究参考精细到区县水平的GDP和人口分布资料(来源:各市统计年鉴)进行近似分配,即对于工业企业、交通运输及商业建筑,假定其人为热排放量与GDP相关;对于居民建筑及人类新陈代谢,假定其热排放与人口数量相关.首先运用Arcgis10软件,将基于区县水平的 GDP 和人口资料制作成 9km×9km精度的网格资料,然后分别计算出各网格 GDP(或人口)占所在城市总量的比例,在此基础上,将城市人为热排放总量分配到各网格,从而得到每个网格的人为热通量值.图1为工业、交通运输、建筑以及人类新陈代谢人为热排放年均通量的分布.由图1可见,四类人为热的空间分布很不均匀,但分布格局基本类似.工业排放主要集中分布于上海及苏南地区,南京、杭州也相对较大.对于交通、建筑以及新陈代谢的排放,主要分布于人口较集中的城市地区,其中上海处于较高水平.图 2(a)是长三角城市群总体人为热年排放通量分布情况,可以看出,上海、苏州、无锡的高值区已连成一片.另外,南京、杭州北部也存在较大范围的高值区.长三角大部分地区人为热排放通量介于 5～30W/m2,多数城市高值区介于 20～70W/m2.倪敏丽等[11]利用 MODIS地表温度产品进行归一化处理,得到长三角城市群的热场分布图[图 2(b)],将本研究的结果与其进行比较,可以看出人为热排放的空间分布与城市群的热场分布较为一致.

图1 长三角城市群各类人为热年均排放通量空间分布 工业,交通运输,建筑,人类新陈代谢Fig.1 Anthropogenic heat emissions from industries, transportation, buildings and human metabolism in the YRD

图2 长三角城市群总体人为热排放通量空间分布及其与地表温度遥感结果的比较Fig.2 Spatial distribution of anthropogenic heat emission in the YRD, compared with land surface temperature classification in the YRD

2.3 人为热排放的时间变化

城市人为热排放具有明显的月变化、日变化甚至周变化.为了在有关气候环境模式中合理引入人为热源,了解不同尺度下的时间变化特征十分重要.为简化起见,本研究仅考虑建筑的月变化以及交通运输、建筑和人类新陈代谢的日变化,并假定长三角各城市的时间变化特征相同.

图3 建筑人为热排放月变化系数Fig.3 Monthly variation of heat emissions from residential and commercial buildings

考虑到建筑的能源消耗与居民生活和商业用电量存在密切联系,本研究根据用电量的月变化趋势分别获得居民建筑和商业建筑月排放变化系数,如图3所示.图中纵坐标的变化系数代表各月热排放占全年(12个月)的比例.可以看出,两类建筑热排放的变化趋势基本一致,夏季排放出现明显峰值.表3给出了长三角城市群市内交通、建筑、新陈代谢人为热排放的日变化系数,与月变化系数相似,该系数表明每个时次热排放占全天(24h)排放总量的比例.假定市内交通人为热排放日变化特征与车流量的变化规律一致,本研究基于薛佳平等[26]及翟一然等[27]关于长三角城市的研究结果确定其人为热日排放变化系数.建筑的日变化系数基于 Lee等[18]对韩国较发达地区(京仁)的研究结果确定.由于各人日常活动的多变性,无法准确获得整体的新陈代谢热排放时间规律,因此假定在“活动”和“睡眠”时间段内的排放比率均是固定值,具体数值依据 Fanger[24]和Quah等[13]的相关研究确定.可以看出,市内交通热排放在早晨和傍晚相对较高,这与早晚交通高峰相一致.建筑热排放总体上白天较高,中午和晚上也有两个峰值,这与炊事活动有关.

表3 交通、建筑、新陈代谢人为热排放日变化系数(%)Table 3 Diurnal variations of heat emissions from transportation, buidlings, and human metabolism (%)

3 结语

长三角城市群的人为热排放总量为1.4×1019J/a,其中工业、交通运输、建筑和人类新陈代谢四部分的人为热排放量分别占 75.1%、12.5%、9.9%和 2.5%.人为热排放总量最大的 5个城市分别是上海、苏州、杭州、无锡、南京,对城市群人为热排放量的总贡献率将近 71%.长三角城市群人为热平均排放通量为 5.3W/m2.各地区平均排放通量相差很大,上海的平均排放通量远高于其它城市,无锡、南京等也相对较高.长三角大部分地区人为热排放通量介于5～30W/m2,多数城市高值区介于20～70W/m2.

本研究在城市(行政区)层面上直接依据各种统计资料,人为热排放总量的不确定性相对较小,但在各市内部,由于缺乏详细资料,其空间分配多数依据GDP及人口等相关信息,因此不确定性较大,在开展高空间分辨率研究时,应给予充分关注.另外,所提供的不同尺度的时间变化系数,只是反映了主要排放源的区域总体变化特征,而不同地区往往具有明显差别,这也是将来研究需要改进的一个重要方面.

参考文献：

[1] Agarwal M, Tandon A. Modeling of the urban heat island in the form of mesoscale wind and of its effect on air pollution dispersal [J]. Applied Mathematical Modelling, 2010,34:2520-2530.

[2] Merbitz H, Buttstädt M, Michael S, et al. GIS-based

identification of spatial variables enhancing heat and poor air

quality in urban areas [J]. Applied Geography, 2012,33:94-106. [3] Velazquez-Lozada A, Gonzalez J E, Winter A. Urban heat island effect analysis for San Juan, Puerto Rico [J]. Atmospheric Environment, 2006,40:1731-1741.

[4] Ichinose T, Shimodozono K, Hanaki K. Impact of anthropogenic heat on urban climate in Tokyo [J]. Atmospheric Environment, 1999,33:3897-3909.

[5] Fan H, Sailor D. Modeling the impacts of anthropogenic heating on the urban climate of Philadelphia: A comparison of implementations in two PBL schemes [J]. Atmospheric Environment, 2005,39:73-84.

[6] Block A, Keuler K, Schaller E. Impacts of anthropogenic heat on regional climate patterns [J]. Geophysical Research Letters, 2004, 31,L12211.

[7] 蒋维楣,苗世光,张 宁,等.城市气象与边界层数值模拟研究[J]. 地球科学进展, 2010,25(5):463-473.

[8] 佟 华,刘辉志,桑建国,等.城市人为热对北京热环境的影响[J]. 气候与环境研究, 2004,9(3):409-421.

[9] 何晓凤,蒋维楣,陈 燕,等.人为热源对城市边界层结构影响的数值模拟研究 [J]. 地球物理学报, 2007,50(1):74-82.

[10] 王志铭,王雪梅.广州人为热初步估算及敏感性分析 [J]. 气象科学, 2011,31(4):422-430.

[11] 倪敏丽,申双和,张佳华.长江三角洲城市群热环境研究 [J]. 大气科学学报, 2009,32(5):711-715.

[12] Ferreira M J, Oliveira A P, Soares J. Anthropogenic heat in the city of São Paulo, Brazil [J]. Theoretical and Applied Climatology, 2011,104:43-56.

[13] Quah A K L, Roth M. Diurnal and weekly variation of anthropogenic heat emissions in a tropical city, Singapore [J]. Atmospheric Environment, 2012,46:92-103.

[14] Offerle B, Grimmond C S B, Fortuniak K, et al. Temporal variations in heat fluxes over a central European city centre [J]. Theoretical and Applied Climatology, 2005,84:103-115.

[15] Pigeon G, Legain D, Durand P, et al. Anthropogenic heat release in an old European agglomeration (Toulouse, France) [J]. International Journal of Climatology, 2007,27:1969-1981.

[16] Heiple S, Sailor D J. Using building energy simulation and geospatial modeling techniques to determine high resolution building sector energy consumption profiles [J]. Energy And Buildings, 2008,40:1426-1436.

[17] Zhou Y, Weng Q, Gurney K R, et al. Estimation of the relationship between remotely sensed anthropogenic heat discharge and building energy use [J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2012,67:65-72.

[18] Lee S H, Song C K, Baik J J, et al. Estimation of anthropogenic heat emission in the Gyeong-In region of Korea [J]. Theoretical and Applied Climatology, 2009,96:291-303.

[19] Sailor D J, Brooks A, Hart M, et al. A bottom-up approach for estimating latent and sensible heat emissions from anthropogenic sources [J]. Seventh Symposium on the Urban Environment, 2007.

[20] 中国电力企业联合会全国电力工业统计快报(2010年) [EB/OL].http://www.cec.org.cn/xinxifabu/2011-02-09/39714.html.

[21] 国家统计局能源统计司.中国能源统计年鉴2010 [M]. 北京:中国统计出版社, 2011.

[22] 程安东.中国城市年鉴2010 [M]. 北京:中国城市年鉴社, 2011.

[23] Grimmond C S B. The suburban energy balance: methodological considerations and results for a mid-latitude west coast city under winter and spring conditions [J]. International Journal of Climatology, 1992,12:481-497.

[24] Fanger P O. Thermal comfort: Analysis and applications in environmental engineering [M]. New York:McGraw-Hill, 1970.

[25] 蒋维楣,陈 燕.人为热对城市边界层结构影响研究 [J]. 大气科学, 2007,31(1):37-47.

[26] 薛佳平,田伟利,张清宇.杭州市机动车 NOx排放清单的建立及其对空气质量的影响 [J]. 环境科学研究, 2010,23(5):613-618. [27] 翟一然,王勤耕,宋媛媛.长江三角洲地区能源消费大气污染物排放特征 [J]. 中国环境科学, 2012,32(9):1574-1582.

Anthropogenic heat emissions in the Yangtze River Delta region.

LU Yan, WANG Qin-geng*, ZHAI Yi-ran, SONG

Yuan-yuan, ZHANG Yan-yan, SUN Ping (State Key Laboratory of Pollution and Control Resource Reuse, School of the Environment, Nanjing University, Nanjing 210023, China). China Environmental Science, 2014,34(2)：295～301

Based on conventional statistical data on energy consumption, transportation, population, anthropogenic heat emissions from the urban agglomeration of the Yangtze River Delta (YRD) in 2010 were estimated by using the top-down energy inventory method. Results show that total amount of anthropogenic heat emissions was 1.4×1019J/a. Industry, transportation, buildings and human metabolism contributed 75.1%、12.5%、9.9% and 2.5%, respectively. Emissions from Shanghai, Suzhou, Wuxi, Hangzhou and Nanjing accounted for nearly 71% of the total amount. The mean flux in study area was 5.3W/m2with high values between 20 and 70W/m2in most urban areas. The flux in Shanghai was obviously higher than in other cities. In order to be applied in environmental and climate modeling, a gridded inventory with simple profiles of temporal variations was provided.

anthropogenic heat；emission inventory；urban heat island；Yangtze River Delta

X16

：A

：1000-6923(2014)02-0295-07

陆 燕(1989-),女,江苏南通人,南京大学环境学院硕士研究生,主要从事城市群人为热排放及其环境气候效应的研究.

2013-06-04

国家自然科学基金资助项目(41175129);国家“973”项目(2010CB428503);国家科技支撑项目(2011BAK21B03)

* 责任作者, 教授, wangqg@nju.edu.cn