利用WRFNAQPMS模拟土地利用变化对武汉城市灰霾天气的影响

苏振华 何报寅 周亚东 梁胜文 胡柯 王自发

摘要城市化极大地改变了城市下垫面的性质，这有可能增加灰霾天气发生的概率和强度.利用Landsat7ETM+和HJ1A卫星多光谱遥感数据，通过人工解译获得2002年和2012年武汉市土地利用情况，并对武汉市土地利用规划图进行数字化和尺度转换.在此基础上，针对武汉市典型灰霾天气过程，对不同土地类型（历史、现状和规划）利用WRFNAQPMS空气质量数值模式进行了不同情景的模拟.同时，对比分析和揭示了不同情境下，大气风场和主要大气污染物浓度场的变化，解析了下垫面对灰霾天气的影响.可为从灰霾天气防治的角度完善城市土地规划和建设提供科学依据.关键词武汉；灰霾；土地利用；WRFNAQPMS；情景模拟

中图分类号X513

文献标志码A

0引言

霾是指大量极细微的干尘粒即干气溶胶粒子等物质均匀地分布在空气中，使空气普遍混浊、水平能见度小于10km的现象[1].霾一般是由灰尘、硫酸与硫酸盐、硝酸与硝酸盐等粒子组成，由于易散射波长较长的光而常呈现为黄色或橙灰色，在城市环境中也称作灰霾[2].由于对空气能见度产生直接影响，并且会对人类生命健康造成危害，灰霾现象越来越频繁地引起社会各界的关注.

目前针对灰霾危害的研究包括两个方面，一是针对能见度的降低带来的一系列问题的研究，二是对健康效应的关注.其中PM25对人类身体健康产生的危害远大于构成灰霾的其他成分，因此当前国内外大气颗粒物与人类健康之间关系的研究主要集中于PM25方面[37].

伴随城市化过程的下垫面及其性质的改变，一方面表现在不透水面和高楼显著增加，另一方面则是绿地和水体面积显著减小，城市下垫面的热容量减少而粗糙度增加.这些因素降低了城市水平风速，增加了城市逆温层发生的概率和强度，造成污染物扩散的气象条件的恶化，进而增加了灰霾天气发生的概率和强度[8].为揭示这一过程，尚需要开展深入的研究工作，利用空气质量数值预报模式进行情景模拟是揭示这一过程的主要手段之一[917].

本文以武汉市为案例，研究城市化过程中下垫面及其物理性质的变化与城市灰霾天气的关系，利用空气质量数值预报模式进行情景模拟，探讨和分析下垫面变化对城市灰霾天气的影响，为从城市的规划、绿化和管理的角度減少灰霾污染提供科学依据.

1研究区概况和数据源

11研究区概况

湖北省武汉市地处华中，位于113°41′～115°05′E，29°58′～31°22′N之间，在江汉平原东部，北倚大别山脉，南邻幕阜山脉，东西横距132km，南北跨距为154km，市域面积达8494km2，截至2012年末武汉市常住人口达1002万人[18].武汉地区是典型的亚热带季风湿润气候，年均气温约158～175℃，辖区内湖泊众多，素有“百湖之市”美称.作为传统的工业城市，武汉市城市面积在全国位居前列，随之而来

学报（自然科学版），2018，10（5）：547556JournalofNanjingUniversityofInformationScienceandTechnology（NaturalScienceEdition），2018，10（5）：547556

苏振华，等.利用WRFNAQPMS模拟土地利用变化对武汉城市灰霾天气的影响.

SUZhenhua，etal.

UsingWRFNAQPMStosimulatetheinfluenceoflandusechangeongrayhazeweatherinWuhancity.

的大气灰霾污染在华中地区也首屈一指.据统计，2013年武汉市PM25超标天数达到177d，严重污染主要集中于冬季和春季，其中以1月和12月最为严重.本次研究覆盖武汉市市域全境.

12数据源

本文采用2002年10月Landsat7ETM+行列号为122038、122039、123038和123039的四景数据多光谱影像数据以及2012年12月HJ1A卫星CCD1行列号为45776和45780的两景多光谱数据.

13数据预处理

利用Landsat7的ETM+多光谱数据、HJ1A卫星CCD多光谱数据分别进行辐射定标、大气校正、几何校正、图像镶嵌、裁剪及数据融合，经过遥感人工解译，通过高分辨率Quickbird影像验证以及部分野外实地验证（2012年）得到30m分辨率的2002年及2012年两期武汉市土地利用情况（图1）.

2土地利用变化情况

根据以上步骤得到的武汉市2002年土地利用分类图、武汉市2012年土地利用分类图以及武汉市土地利用总体规划图，在ArcGIS100中对各类别进行统计，得到往期（2002年数据）、现状（2012年数据）和规划（2020年总体规划）中的武汉市土地利用情况变化（表1和图2）.表1武汉市土地利用统计

从2002到2012年的10年间，武汉市城镇建设用地面积占城市总面积的比例由71%增长为141%，增长幅度接近1倍，是武汉市快速城市化的阶段，城市以极高的速度向周围扩张；与此同时，农用地面积比例从690%下降为655%，而林地面积比例则从99%下降到620%，其面积减少了30%；水体面积比例则基本稳定.从2012年至2020年，按目前规划，武汉市的城市化继续扩张，城镇建设用地比例将从141%增加到215%，即再增加1/3，相应地，农用地将从655%下降至500%，林地则从62%增加到127%，水体变化不大.

3不同土地利用情景对天气和主要污染物影响的模拟

研究时段的选择：依据武汉市环境监测站点的日均数据，选择典型的内源性污染过程，并考虑研究时段应尽可能接近土地利用现状数据来源影像的拍摄时间（2012年冬季）.2013年1月是一次典型的区域污染造成的灰霾过程，其中污染物浓度在1月3日开始急剧上升，10日左右达到阶段峰值，12日左右污染物浓度有所下降.综合考虑以上因素，结合模型的运行情况，将1月3—14日灰霾过程中污染物浓度的一次显著升降过程选定为情景模拟的研究对象（图3）.

在完成下垫面数据的更新工作、确定模拟时段之后，将WRFNAQPMS模式在使用同样气象初始场、同排放源的设定下针对四期不同的土地利用数据（2002年、模式中默认数据、2012年、2020年规划）进行了情景模拟.

31模式运行

在WRF模块中，在研究时段内采用逐日模拟的方式来避免偏差值的累加，使用真实的气象场数据作为初始场，将每次逐日模拟结果中的单日数据合并作为WRF模块模拟得到的中间气象场.所得结果为4×312個时次的中间气象场数据（研究期为12d，考虑到模式中时间为世界时，需改为北京时间，因此模拟期为13d）.

在NAQPMS模块中则使用WRF模块输出的气象场源数据共同作为初始场，对模式在四期土地利用数据条件下分别进行一次完整的13d模拟，所得结果为4×312个时次的污染物浓度数据.

32数据验证

321气象场的数据验证

站点选择了位于武汉市主城区的汉口监测站和位于郊区的江夏区监测站，一个位于主城区内部，一个位于远离主城区的边缘地带.

验证结果如图4所示：

1）模式较好地模拟了温度和风速的变化趋势，与观测值之间的相关度较好；

2）下垫面更新后模拟值和观测值的相关度较更新前基本持平并略有提高；

3）研究期内温度缓慢上升，风速有所波动但总体为逐渐下降，与温度有相反的变化趋势.

为定量化评估模式对气象场的模拟效果，本文计算了两个站点两组要素模拟值和观测值的平均值、相关系数（r）、平均偏差（Bias）和均方根误差（RMSE），结果如表2所示.

两个站点对风速和地面2m气温的模拟均与观测值之间有较好的相关度，相关系数总体在08以上，能够反映这两个气象因子的变化趋势；从平均偏差和均方根误差可以看出几组模拟值普遍高于观测值，其中风速模拟效果略好于气温.

322污染物浓度数据验证

模式对PM25、PM10和CO的模拟显示（图5）：在第一阶段（第一周）污染物浓度持续上升期模拟效果相对准确，在第二阶段（污染物浓度出现波动的阶段）模拟效果低于第一阶段.

在PM25等污染物浓度的监测值出现波动时（1月8日），气象监测站点的风速监测值出现了上升，而污染物浓度并没有因扩散条件的改善而降低，这意味着在此期间，风场从武汉市东北方向输送而来的外源性污染物在起作用.

为定量化评估NAQPMS模式对污染物浓度的模拟效果，本文计算了两个站点、新旧两种下垫面、三种主要大气污染物浓度模拟值和观测值的平均值、相关系数（r）、平均偏差（Bias）和均方根误差（RMSE）.

统计结果（表3）显示：

1）模式对PM25和PM10的模拟值与观测值之间的相关度较好，相关系数在06左右，模拟值的平均偏差和均方根误差总体略高于观测值；CO模拟效果一般.

2）从下垫面更新前后模拟的统计结果来看，下垫面更新后的PM25、PM10浓度值与观测值之间的相关系数比更新前的模拟结果略有提高，平均偏差和均方根误差总体持平；CO在下垫面更新后的模拟值与观测值的相关系数较更新前有所降低，平均偏差和均方根误差则有所增加.

由此可见：WRFNAQPMS模式可以对PM25和PM10模拟产生较为可信的结果，高精度下垫面的更新改善了模拟结果，可作为下垫面相关模拟实验的可信数据；CO模拟效果一般，不宜作为模拟实验的可参考数据.

33结果分析

331模拟期内平均风场分布

由图6可见，研究期内武汉市地区的主导风向为东北风，武汉市境内的风场沿主导风向的中线大致分为两部分，其中西侧风速值高于东侧，这是由外部气象条件和周边的地形条件共同作用产生的.武汉市主城区在分割线两侧均表现为低风速，其中城

市中心位置风速低于城区边缘，可见城市对风场具有不可忽视的削弱作用.另外长江河道风速明显高于附近城区，大型湖泊地区的风速也高于周边地区，表明大型水体作为某种意义上的通风廊道，可以加以利用改善污染物的扩散条件.

针对此现象，利用Grads软件对武汉市城区进行了剖面分析.选择的剖面为穿过武汉市主城区面积较大的东西向和南北向两个剖面（图7）：306°N，114～1146°E（左）和303～309°N，1143°E（右）.

区存在风速高于附近地区的现象，其中长江河道最为明显，这是由于长江此河段走向与研究期内主导风向基本一致，长江起到了显著的通风廊道的作用.

由图7b可见研究期内武汉市风场总体上由北至南逐渐减弱，北部农田区的相对高风速在经过主城区的削弱之后降至了较低的水平，中部3055°N左右（长江河道）和南部的304°N左右（黄家湖地区）分别存在相对的高风速区，长江尤其显著（原因同上）.

综合对风场的分析可知，城市用地对近地面风场有削弱作用，而大型水体的存在可作为某种意义上的风道，带来高于周边其他土地类型的风速，如果通道与主导风向近似或一致，则该现象更为显著.如能在城市规划建设中利用这一现象，可在一定程度上提高区域风速，为污染物的扩散迁移创造有利条件.

332模拟期内平均污染物浓度分布

如图8所示，PM25和PM10的分布特征类似，显示了风场对污染物移动和扩散的作用.武汉市城区和城区以南的污染物浓度要大于北部，其中以汉阳地区为中心沿主导风向往西南方向延伸的部分是武汉市污染物浓度最高的区域.由于模式的排放源数据来自2007年，其本身存在一定程度上的准确性和时效性的问题，未能反映青山工业区排放源的排放情况及其影响.

333风场和污染物浓度的日变化

为从总体上研究研究期内污染物在武汉市的分布和变化趋势，本文利用三期下垫面数据的模拟结果制作了三期模拟结果下的近地面风场（图9a）和主要污染物（以PM25为例，图9b）日均值曲线，以及主要污染物在研究期内的日均浓度分布（图10）.

1）近地面风场

首先，利用三期下垫面条件下的模拟结果分别计算武汉市全境的近地面风速日均值.通过图9a可见研究期内武汉市近地面风速的总体变化趋势一致，并在后期差异逐渐明显，风速模拟值2002年>2012年>2020年（规划）.

三组数据下研究期内的风速平均值显示，近地面风速在2002年下垫面的模拟值为4269m/s，2012年为4255m/s，2020年规划数据为4223m/s，表明随着武汉市的城市扩张，武汉地區的总体风速受到了削弱，武汉市的城市扩张是影响总体风场的主要因素.2）PM25质量浓度

可以宏观地看出，武汉市的全境平均PM25浓度日均值受下垫面变化影响极其微弱，总体均值相差仅有约01μg/m3，这是由于研究期内的相对静风期，模式中下垫面的变化对气象场尤其是风场的影响幅度维持在一个很低的水平，内源性污染物因扩散条件不佳而停留在武汉市域的大气中，导致了不同下垫面的模拟中以PM25为代表的污染物浓度总体差异极其微弱.

而通过图9的对比可以看到武汉市的日均PM25浓度值和近地面风速具有相反的变化趋势，PM25的浓度变化受到风速的影响，并有一定的滞后效应，同时低风速条件下污染物会持续积累，近地面风速的小幅度升降并不能改变这一趋势.

334日均PM25质量浓度空间分布的变化

日均PM25浓度空间分布的变化如图10所示.

1）5—7日：风速的持续下降期，PM25质量浓度均以汉阳地区的主要排放源为主，污染物向西南扩散，浓度值不断上升，特征较为一致，说明近地面风场对污染物的分布和扩散方向有较大影响，并且风速的下降使污染物逐渐聚集.

2）8—9日：近地面风速出现回升，PM25浓度值呈现出先升后降的特征，表明污染物浓度的变化相对于风速有滞后的现象，在风速达到极大值的9日，大部分高浓度PM25已经随风场到达武汉境外.

3）10日：近地面风速下降，并受到西部的外源性污染物的影响.

4）10日以后风速稳定在较低的水平，形成了不利的扩散条件，PM25浓度以排放源为中心向周围递减，并且由于持续的低风速，污染物向下风向扩散的现象并不明显.

综上所述，城市污染物浓度主要受污染源（内部和外部）以及大尺度天气情况（主要为近地面风场）控制，土地利用情况作用于近地面风场，如城区对风力的削弱、大型水体的通风廊道效应，间接地影响着城市污染物的浓度和分布；局部地区的污染物浓度变化特征，取决于该地与排放源的相对位置（包括距离，处于冬季盛行风条件下污染源的上风向或下风向等）以及与城区和大型水体的相对位置.

4结束语

本文采用WRFNAQPMS空气质量模式，通过遥感解译武汉市不同时期土地利用数据，主要以近地面风速、PM25和PM10为例，结合观测数据和模拟结果，对土地利用变化和灰霾天气的关系进行了时空分析.结果表明，WRFNAQPMS空气质量模式可以较好地模拟灰霾过程中主要污染物的变化趋势，灰霾天气是受到污染源、大尺度天气情况和土地利用情况的共同影响下形成的，其中水体面积的减少和城区的扩张一定程度上加剧了灰霾天气的形成和发展.

致谢Landsat7的ETM+数据和部分MODIS数据来源于中国科学院计算机网络信息中心地理空间数据云（http：∥www.gscloud.cn），HJ1A数据来源于中国资源卫星应用中心（http：∥www.cresda.com），气象观测数据来源于武汉市环境监测站，模拟数据来源于中国科学院大气物理研究所在数值模式方面的协助实验，特此感谢！

参考文献

References

[1]中国气象局.QX/T113—2010霾的观测和预报等级[S].北京：气象出版社，2010

ChinaMeteorologicalAdministration.QX/T113-2010Thelevelofhazeobservationandforecast[S].Beijing：ChinaMeteorologicalPress，2010

[2]吴兑.关于霾与雾的区别和灰霾天气预警的讨论[J].气象，2005，31（4）：37

WUDui.Discussiononthedifferencebetweenhazeandfogandtheearlywarningofhazeweather[J].MeteorologicalMonthly，2005，31（4）：37

[3]阚海东，陈秉衡，汪宏.上海市城区大气颗粒物污染对居民健康危害的经济学评价[J].中国卫生经济，2004，23（2）：811

GANHaidong，CHENBingheng，WANGHong.EconomicevaluationonthehealthhazardscausedbyatmosphericparticulatepollutioninurbanareasofShanghai[J].ChineseHealthEconomics，2004，23（2）：811

[4]AnnesiMaesanoI，MoreauD，CaillaudD，etal.Residentialproximityfineparticlesrelatedtoallergicsensitisationandasthmainprimaryschoolchildren[J].RespiratoryMedicine，2007，101（8）：17211729

[5]彭宝成，叶舜华.汽车尾气颗粒物对动物肺泡巨噬细胞的免疫毒性及比较[J].环境污染与防治，1996，18（3）：68

PENGBaocheng，YEShunhua.Theimmunetoxicityofautomobileexhaustparticlestoanimalalveolarmacrophageanditscomparison[J].EnvironmentalPollution，1996，18（3）：68

[6]ChurgA，BrauerM，delCarmenAvilaCasadoM，etal.Chronicexposuretohighlevelsofparticulateairpollutionandsmallairwayremodeling[J].EnvironmentalHealthPerspectives，2003，111（5）：714718

[7]ShiT，KnaapenAM，BegerowJ，etal.Temporalvariationofhydroxylradicalgenerationand8hydroxy2′deoxyguanosineformationbycoarseandfineparticulatematter[J].OccupationalandEnvironmentalMedicine，2003，60（5）：315321

[8]GaoY，ChenF，BarlageM，etal.EnhancementoflandsurfaceinformationanditsimpactonatmosphericmodelingintheHeiheRiverBasin，northwestChina[J].JournalofGeophysicalResearchAtmospheres，2008，113（D20）：27392740

[9]BarbonA，GomesJ.SimulationofatmosphericemissionsoverAraucariamunicipalityusingtheAERMODmodel[J].EngenhariaSanitariaEAmbiental，2010，15（2）：129140

[10]ProtonotariouA，BossioliE，AthanasopoulouE，etal.EvaluationofCALPUFFmodellingsystemperformance：anapplicationovertheGreaterAthensArea，Greece[J].InternationalJournalofEnvironmentandPollution，2005，24（1）：2235

[11]顧莹.上海城市化对臭氧污染影响的数值模拟[J].上海：华东师范大学，2010

GUYing.NumericalsimulationoftheimpactofurbanizationonozoneinShanghai[D].Shanghai：EastChinaNormalUniversity，2010

[12]HogrefeC，HaoW，ZalewskyEE，etal.AnanalysisoflongtermregionalscaleozonesimulationsovertheNortheasternUnitedStates：variabilityandtrends[J].AtmosphericChemistryandPhysics，2011，11（2）：567582

[13]KatragkouE，ZanisP，TegouliasI，etal.DecadalregionalairqualitysimulationsoverEuropeinpresentclimate：nearsurfaceozonesensitivitytoexternalmeteorologicalforcing[J].AtmosphericChemistryandPhysics，2010，10（23）：1180511821

[14]王哲，王自发，李杰，等.气象化学双向耦合模式（WRFNAQPMS）研制及其在京津冀秋季重霾模拟中的应用[J].气候与环境研究，2014，19（2）：153163

WANGZhe，WANGZifa，LIJie，etal.DevelopmentofWRFNAQPMSanditsapplicationinautumnheavyhazesimulationinBeijing，TianjinandHebei[J].ClimaticandEnvironmentalResearch，2014，19（2）：153163

[15]HuangQ，ChengSY，LiYP，etal.AnintegratedMM5CAMxmodelingapproachforassessingPM10contributionfromdifferentsourcesinBeijing，China[J].JournalofEnvironmentalInformatics，2010，15（2）：4761

[16]HuangQ，ChengS，PerozziRE，etal.UseofaMM5CAMxPSATmodelingsystemtostudySO2sourceapportionmentintheBeijingMetropolitanRegion[J].EnvironmentalModeling&Assessment，2012，17（5）：527538

[17]LuoG，YuF.SimulationofparticleformationandnumberconcentrationovertheEasternUnitedStateswiththeWRFChem+APMmodel[J].AtmosphericChemistryandPhysics，2011，11（22）：1152111533

[18]武汉市统计局.武汉统计年鉴：2012[M].北京：中国统计出版社，2012

WuhanMunicipalBureauofStatistics.Wuhanstatisticalyearbook：2012[M].Beijing：ChinaStatisticsPress，2012