基于人口和能耗数据估算北京人为热排放

王耀庭，孟春雷，苗世光，郑祚芳，李青春

(北京城市气象研究院，北京 100089)

引 言

随着国民经济快速增长，城市化进程加剧，加之新时代人类特有的生产、生活方式，向大气中排放的热量逐年增加，相对于自然源的比例已不可忽略。城市地区存在的这部分额外热源，简称“人为热”[1]。人为热通常由人类在生产、生活过程中对能源的消耗而产生，如来自建筑物、交通、电力消耗、工业消耗等。人为热会导致热岛现象日趋严重，而且城市热岛通常比郊区更强，这种现象明显影响城市大气污染、城市能耗、人体舒适度甚至人体健康，如心肺疾病[2]等。另外，随着全球人口和经济快速增长，城市化日益加剧，“热岛效应”有可能从局地问题变成区域问题，进而影响全球气候。

当前国内外从能源消耗清单切入，以不同规模的研究区展开人为热研究，如以超大城市为研究区[3-6]，详细绘制人为热排放图及分析人为热的日变化和年变化特征。其中日本东京城市中心区白天人为热可达400 W·m-2，冬季早高峰时甚至可达1590 W·m-2[7]。另外，有研究以近郊区域[8]、城市区域[9]或在几个不同城市[10]间对不同人为热源在冬夏季排放的人为热进行调查并估算。整体上，城市、城郊和郊区人为热依次减少，冬季能耗产生的人为热大于夏季[11]。人为热释放到大气中，直接效应是影响大气温度，尤其是近地表大气温度[12]，且这种现象在城市区域更加明显，因为城市区域人类能源消耗明显比其他地区高。因此城市行为产生的废热在城市热岛形成中起重要作用[13]，即人为热对城市热岛有明显贡献[14]。在大气数值模式模拟中，考虑人为热因素，会导致大气温度升高[15]，在城市尺度上，人为热对温度的影响可达1 ℃左右[16]，如北京地区，市区人为热释放最大值接近200 W·m-2，使城区昼间气温升高0.5 ℃左右，夜间气温增加1～3 ℃[17]。对上海[18]、杭州[19-20]、南京[21]等地区不同的人为热方案对城市热岛和城市边界层产生的影响进行数值模拟，发现引入人为热处理方案后，能更合理地模拟城市边界层结构，所模拟的温度变化与实际状况较为一致。除了在局地尺度上定量了解人为热对大气的影响外，也有研究着眼于在全球尺度上定量评估人为热的气候效应，如石广玉等[22]利用能源经济领域具有权威性的英国石油公司(BP)世界能源统计资料和联合国人口统计资料，初步估算由于人为热导致的全球气候强迫，结果表明2008年全球年平均人为热释放引起的气候强迫约为0.031 W·m-2，随着人口及能源消费总量的增加，未来人为热释放产生的全球年平均气候强迫可能达0.30 W·m-2。能源消耗是区域和全球变暖的一个主要因素，无论是直接通过人为热释放还是通过人类温室效应间接释放[23]。因此，研究城市人为热的地理分布以及其与人口、能源消耗的关系，对城市热环境、城市下垫面能量平衡、城市边界层结构的影响，甚至在气候变化数值模拟中对人为热的参数化提供重要参考，从而为更加深入的研究人为热对城市环境、城市气候的影响机理提供科学依据。

目前针对北京人为热的研究相对较少，尤其是基于能源消耗、人口的人为热排放和空间分布估算。本文在现有研究成果的基础上，以北京为研究区，通过引入1 km×1 km网格人口密度空间分布，在一定程度上解决人为热在空间上的精细分布问题。对现有由交通产生的人为热算法进行修正，更合理、科学地反映人为热排放。通过对北京人为热的时空分布特征和演变趋势的讨论分析，可以提高对超大城市人为热精细时空分布特征的认识和提升人为热对大气、气候影响的模拟精度。

1 研究区概况

北京为中国首都，位于华北平原北部，背靠燕山，毗邻天津市和河北省，地理范围为115.7°E—117.4°E、39.4°N—41.6°N，中心位于39°54′20″N、116°25′29″E，总面积16 410.54 km2。由16区构成，中心城区为东城区、西城区、海淀区、朝阳区、石景山区和丰台区，其中东城区和西城区为核心区；昌平区、顺义区、通州区、门头沟区、房山区和大兴区为近郊区；密云区、延庆区、平谷区和怀柔区为远郊区。截至2016年底，北京市常住人口2172.9万人。图1为北京区划及地形分布。近30 a来北京城市化进程迅速，城市化程度较高，且属于超大型城市，城市路网复杂，路网公里数多。

图1 北京区划及地形分布Fig.1 Beijing zoning and topographic distribution

2 资料与方法

2.1 统计数据

利用2002、2010、2015年《北京统计年鉴》中的主要能耗、汽车保有量、道路面积以及空间分辨率为1 km×1 km的人口密度数据，从多要素综合作用的角度，基于GIS计算人为热的空间分布，根据能耗分配百分比计算人为热时间分布和变化。

表1列出2002、2010、2015年北京主要能耗类别及能耗量。总人口数据、道路面积和汽车保有量见表2。计算和分析人为热时，没有区分能源用途，只考虑由各种能源产生的人为热，最后构成总体效果。

2.2 人口数据

人口数据包含总人口和人口密度。人口密度是反映人口在地域分布上稠密程度的指标，能体现人的生产生活聚集度。2002年和2015年的人口密度数据来自哥伦比亚大学(http://sedac.ciesin.columbia.edu/data/set/gpw-v4-population-density/metadata)，空间分辨率为1 km×1 km；2010年人口密度数据来自文献[24]。

图2为2002、2010、2015年北京人口密度空间分布。可以看出，北京人口密度有3大特点：(1)人口密度由中心向外辐射，东、西城核心区人口密度最高，外部4个城区人口密度开始递减，各近郊、远郊区域又有独自的高人口密度中心区。(2)北京的核心区人口密度不仅最大，且逐年增加，2002年人口密度高值区约15 000人·km2，2010年约30 000人·km2，2015年超过36 000人·km2；(3)高人口密度的覆盖面逐渐增大，从城市核心区向外围扩散。2015年，城六区之外的区域也出现人口密度大于10 000人·km2的区域，主要出现在北京东部和南部的区域中心。

表1 北京2002、2010和2015年能源消耗类别及消耗量Tab.1 Energy consumption categories and consumptions in Beijing in 2002, 2010 and 2015

注：“—”表示该能源在当年统计年鉴中未有消耗记录

表2 2002、2010和2015年北京总人口、汽车保有量和道路面积Tab.2 Total population, car ownership and road area in 2002, 2010 and 2015

图2 2002(a)、2010(b)、2015(c)年北京人口密度空间分布(单位：人·km-2)Fig.2 Population density distribution in Beijing in 2002 (a), 2010 (b) and 2015 (c) (Unit: person per square kilometer)

2.3 模型及方法构架

城市下垫面的能量平衡主要取决于地表类型和其所占比例，同时建筑物的高低位置也会影响地表能量。太阳短波辐射到达地面，一部分被地面吸收，另一部分被地面反射到大气中。地面吸收的一部分辐射用于加热地表，另一部分则通过感热和潜热方式加热大气。由地表向上发射的长波辐射同样也对大气加热，由于建筑物的阻挡，一部分以储热的形式储存起来。在大气数值模式中，城市地表能量平衡可用如下公式表示：

Rn=H+L+△Qs

(1)

式中：Rn(W·m-2)为净辐射；H、L(W·m-2)分别为感热通量和潜热通量；△Qs(W·m-2)为储热项。随着城市化进程的加速，人为热对城市天气的影响越来越不容忽视，上式中引入人为热Qf(W·m-2)，城市地表能量平衡可表示为：

(2)

式中：QFV、QFB、QFM(W·m-2)分别代表汽车、能耗和人体代谢所产生的热排放。特别指出，计算冬季人为热时，增加冬季供热贡献。

3 结果分析

3.1 交通人为热排放日变化

某一时刻由交通产生的人为热国外主要采取两种算法：一种来自SAILOR等[10]提出的算法，该算法没有考虑面积因素；另一种算法由GRIMMOND[8]提出，该算法考虑了研究区面积，这种情形对于小范围(如一个街区)可行，当研究区较大时，算法存在缺陷。对于北京地区，如果直接用研究区面积明显不合适，因此对其进行改进，将研究区面积用道路面积代替，具体公式如下：

(3)

式中：Qv(h)(W·m-2)为交通产生的逐时人为热；h为某一时刻；N(辆)为机动车总量，不是所有的机动车都工作，所以引入折扣率Dis，2002年和2010年，Dis取值假定为0.8，北京从2011年开始机动车尾号限行措施，因此计算2015年交通产生的人为热时，Dis取值0.7；A(m2)为道路面积；pcDVD(km)为每天每辆车的行车距离，文中取北京日均45 km[25]，是东京的2倍，伦敦的1.5倍；Ft(h)是每小时车流百分比，假设全人类作息规律趋同，基于此前提，工作日交通车流随时间分布系数采用文献[10]中的分布(图3)；EV(J·m-1)是每辆车每单位长度产生的热量，具体计算公式如下：

(4)

式中：NHC(J·kg-1)是汽油燃烧产生的净热；ρfuel(kg·L-1)是燃料密度；FE(km·L-1)是燃料的经济性，一种假设是取平均值8.5 km·L-1。在详细的各类数据信息无法获得的情况下，EV可以取值3975 J·m-1。

图4为2002、2010、2015年北京区域交通产生的人为热日变化。可以看出，交通产生的人为热日变化呈早晚双峰结构，早峰值在08:00，晚峰值在18:00。08:00—11:00，人为热下降，之后缓慢上升，18:00达到峰值，之后大幅下降，夜间人为热较低。同一时刻，交通人为热逐年递增，白天尤其明显，2002、2010、2015年08:00的人为热分别为62、150、220 W·m-2。佟华等[17]对2000年北京崇文区人为热的研究表明，由交通产生的人为热峰值为104.3 W·m-2，最低值为8.57 W·m-2。

图3 工作日交通分时系数Fig.3 Representative weekday hourly fractional traffic profiles for Beijing

图4 2002、2010、2015北京市由交通产生的人为热日变化Fig.4 Diurnal variations of anthropogenic heat mission casued by transportation in Beijing in 2002, 2010 and 2015

3.2 生产、生活人为热日变化

分夏季和冬季计算生产、生活产生的人为热，主要计算电力消耗和能源消耗产生的人为热。计算时，不区分能源的具体用途，仅根据能源类别进行计算。某一年度由某种能源在某个时刻产生的人为热计算公式如下：

(5)

在计算冬季人为热日变化时，增加冬季供热产生的人为热部分。计算方式同公式(5)，只是不考虑Cali×(1-ηi)，fi(h)均分为24份。在计算每人每天消耗供暖量时，只考虑一个供暖期，约120 d。由此计算得到2002、2010和2015年供暖产生的人为热分别为9.67、25.55、23.44 W·m-2。图6为2002、2010和2015年北京地区冬、夏季由电力和能耗产生的人为热日变化。以冬季峰值为例，2002年能耗和电力产生的人为热分别为40、12 W·m-2，2010年分别为32、17 W·m-2，2015年分别为22、20 W·m-2。

3.3 人体代谢产生的人为热

生物体代谢也是人为热的构成部分，在城市，人体代谢是生物代谢中的绝对主导部分。首先必须注意到一天中人体代谢率不是固定常数。FANGER[26]和GUYTON[27]对人体代谢产生的人为热进行了估算。这里采用城市地区白天人体代谢率均值为175 W，夜间(23:00至次日05:00)为75 W。图7为2002、2010、2015年人体代谢产生的人为热日变化。可以看出，北京地区人体代谢产生的人为热在1.5～3.5 W·m-2之间，平均约为2.7 W·m-2，这与SAILOR等[10]的研究结果较为一致。无论白天还是夜间，人体代谢产生的人为热从2000年到2015年逐年增加，说明北京地区人口密度逐年增加，而且生活方式发生明显改变。

3.4 综合比较

图8为2015年北京不同人为热日变化。可以看出，10:00—19:00，电力消耗产生的人为热，夏季大于冬季，19:00至次日10:00，冬季大于夏季；冬季电力产生的人为热呈现两个峰值，分别出现在09:00、20:00，两峰之间变化平缓；夏季，电力产生的人为热为弧形结构，从05:00开始缓慢增加，在15:00左右达到弧顶，22:00开始明显降低。能耗产生的人为热变化与电力消耗有相似的季节特征，仅在时间上略有差异，11:00—23:00，夏季大于冬季，23:00到次日11:00，冬季大于夏季；冬季能耗人为热形态呈现主次双峰结构，主峰发生在09:00，次峰发生在18:00；夏季为单峰结构，从05:00开始增加，18:00达到峰值，之后开始下降。

图5 北京地区冬、夏季电力消耗(a)和能耗消耗(b)分配系数日变化Fig.5 Diurnal variations of partition coefficient of electricity load (a) and energy consumption (b) in Beijing in summer and winter

图6 2002、2010和2015年北京地区电力和能耗产生的人为热日变化Fig.6 Diurnal variations of anthropogenic heat generated by electricity and energy consumption in Beijing in 2002, 2010 and 2015

图7 2002、2010、2015年北京人体代谢产生的人为热日变化Fig.7 Diurnal variations of anthropogenic heat from metabolite in Beijing in 2002, 2010 and 2015

图8 2015年北京不同人为热日变化Fig.8 Diurnal variations of different anthropogenic heat emission in Beijing in 2015

图9为2015年冬季北京地区不同人为热相对贡献率的日变化。可以看出，交通产生的人为热是主要的人为热排放源，平均超过50%，甚至在峰值时占比接近80%。国外研究表明[28]，交通产生的人为热占比为47%～62%，显然，北京交通产生的人为热占比明显高于国外，这或许是现阶段北京乃至全国都具有的城市发展特色。其次是电力和能耗，各占约15%，最大可达25%；冬季供暖占约15%，01:00—05:00，可达40%；人体代谢产生的人为热占比不到3%。

图10为2002、2010和2015年北京市由交通、电力和能耗产生的人为热随时间变化。可以看出：由交通产生的人为热逐年大幅增大；电力消耗产生的人为热最大在2015年，为20 W·m-2左右，2010年和2015年相差不大，但比2002年均有明显增加；能耗产生的人为热呈现出与电力完全相反特点，2002—2015年逐年递减，2015年最小，2002年最大。说明随着时间推进，政府对环保有了足够的重视，各种低能效高污染的煤炭资源使用量锐减，取而代之的是天然气等高能效资源的广泛使用。

图9 2015年冬季北京不同人为热相对贡献率的日变化Fig.9 Diurnal variations of the relative contribution rate of different anthropogenic heat emission in Beijing in winter of 2015

由图10还可以看出，02:00—05:00，交通产生的人为热低于电力产生的人为热，也低于能耗在冬季产生的人为热。01:00—11:00，电力和能耗产生的人为热冬季大于夏季，而12:00—24:00刚好相反，即电力和能耗产生的人为热冬季小于夏季。夏季01:00—07:00，电力产生的人为热大于能耗，其余时间则相反。冬季全天能耗产生的人为热大于电力。

图11为2002、2010、2015年北京总人为热日变化。可以看出，3个年度人为热日变化形态一致，呈双峰结构，峰值分别发生在08:00和18:00，且18:00峰值大于08:00峰值，可能是交通产生的人为热在总人为热中占比较大造成。不同时刻，冬季人为热大于夏季，冬、夏季人为热最大值都出现在2015年，分别为331、287 W·m-2。这与SAILOR[29]研究结果较为一致，即美国华盛顿人为热日变化峰值在600 W·m-2附近，而休斯顿和波特兰的人为热日变化峰值在300 W·m-2附近。2002年，冬、夏季人为热夜间差距大，白天小，而2015年相反，夜间差距小而白天差距大。08:00—20:00人们活动频繁，交通繁忙，是人为热排放的集中时间；20:00至次日08:00人为热较小，其中02:00—04:00是一天中人为热最小的时段。

图10 2002、2010、2015年北京不同人为热的日变化Fig.10 The diurnal variations of anthropogenic heat emission generated by different type energy consumption in Beijing in 2002, 2010 and 2015

图11 2002、2010、2015年北京冬夏季总人为热日变化Fig.11 Diurnal variations of total anthropogenic heat emission in summer and winter in Beijing in 2002, 2010 and 2015

3.5 人为热空间分布

要计算人为热空间分布，先计算12类能源总废热排放，公式如下：

(6)

式中：WHt(J)为总废热；mi为第i能源类型的量；Cali为i类能源的发热量。图12为各种能耗产生的废热及年总废热，在计算年总废热时考虑了冬季采暖供热部分。可以看出，2002、2010、2015年，由煤炭、焦炭产生的废热逐步降低，原油、电力和天然气产生的废热逐步增加，充分说明能源使用的发展和变革。总废热最大值出现在2010年。

图12 2002、2010和2015年北京各类能源产生的废热和年总废热Fig.12 The total waste heat and waste heat emissions from different energy consumption in Beijing in 2002, 2010 and 2015

人为热空间分布计算公式如下：

(7)

式中：AH(W·m-2)为人为热，POPt(人)为总人口数，POPD(人·m-2)为人口密度，P(m)为月系数，冬季取值0.54761，夏季取值0.45239，P(d)为日分布系数，选一天中最大值，即17:00的分布系数0.061825。在计算夏季人为热空间分布时，扣除年总废热中冬季供暖部分。

图13为2002、2010、2015年冬、夏季人为热空间分布。可以看出，人为热高值区主要分布在人口密集的城市核心区，经济形式和经济水平造成各种人为热排放贡献差异。2002年冬、夏季人为热最大值分别为300、240 W·m-2，2010年分别为660、431W·m-2，2015年分别为666、423 W·m-2，这与现有研究结果较为一致[30-31]。人为热空间分布有明显的不连续特点，与城市中心人为热大值区相比，城市边缘区、郊区和山区人为热较小。人为热随时间在空间上的演变特点值得关注，呈现从核心区向外递减的环状形态，靠近核心区的城六区，2002—2015年，人为热逐年递增，和2010年相比，2015年不仅大值分布区域覆盖面大，且呈斑块化。但离核心更远的城六区外边界附近大部分区域，2015年人为热比2010年小。出现这种情况的可能原因是：①大量使用诸如电力、天然气等高效能源；②人为热在空间和时间分布上计算方式不同，计算空间分布时没有考虑机动车数量，在优化计算方式和获取精准基础数据方面还需提升；③开展科学的城市发展规划和合理引导人口转移，平衡资源和能耗的分布。

图13 2002、2010、2015年北京冬夏季人为热空间分布(单位：W·m-2)Fig.13 The distribution of anthropogenic heat flux in summer and winter in Beijing in 2002, 2010 and 2015 (Unit: W·m-2)

本文未开展人为热在垂直方向上的分布，陈曦等[32]对人为热的垂直分布做了粗略分析，按照不同区域的建筑物高度和密度进行分层考虑。在地面，建筑物密集，人为热释放最多，越往高层，建筑物密度越小，人为热释放量也相应减少。

4 结 论

(1)交通产生的人为热日变化特征为早晚双峰结构，峰值出现在08:00和18:00；电力产生的人为热冬季为双峰结构，峰值在09:00和20:00，夏季为弧形结构，弧顶在15:00；能耗产生的人为热冬季为主次峰结构，主峰出现在09:00，次峰在18:00，夏季为单峰形态，出现在18:00。

(2)人为热主要由交通产生，平均占比超过50%，其次是电力和能耗，各占15%左右，冬季供暖占约15%，生物代谢人为热占比不到3%。

(3)01:00—11:00，电力和能耗产生的人为热冬季大于夏季，而12:00—24:00则相反。夏季00:00—07:00，电力产生的人为热大于能耗，其余时间能耗大于电力。冬季所有时刻，能耗产生的人为热大于电力。

(4)2002、2010、2015年，由交通产生的人为热大幅增加，峰值分别为62、150、220 W·m-2，2010年是2002年的2倍多，2015年是2010年的近1.5倍。电力消耗产生的人为热最大在2015年，2002、2010、2015年能耗产生的人为热逐年递减。

(5)08:00—20:00是人为热排放的集中时段，20:00至次日08:00人为热通量较小，其中02:00—04:00最小。人为热高值区为人口密集分布的核心区，呈现出从核心区向外环状递减形态；2002年冬、夏季人为热最大值分别为300、240 W·m-2，2010年分别为660、431 W·m-2，2015年分别为666、423 W·m-2。