97无码免费人妻超|小荡货又紧又爽h视频|51国产偷自视频区视频手机播器,876av电影,午夜寂寞影院视频观看,国产h在线播放

北京城市化進(jìn)程對霧生成的影響

陳昌碩 張同升

摘要：由于京津冀地區(qū)的城市化進(jìn)程迅速，城市面積快速增加，北京地區(qū)土地利用類型的顯著變化，對局地大氣環(huán)流特征產(chǎn)生了影響，導(dǎo)致霧的發(fā)生頻次減少。然而，最新的觀測數(shù)據(jù)顯示，北京地區(qū)的霧霾頻次在2016年前后出現(xiàn)了顯著的上升，與傳統(tǒng)的城市化導(dǎo)致霧減少的現(xiàn)象相悖。為此，本研究基于1945-2024年的霧霾觀測數(shù)據(jù)，結(jié)合區(qū)域數(shù)值模式進(jìn)行了逐小時(shí)的模擬，并開展了不同土地利用類型的敏感性試驗(yàn)。研究結(jié)果表明，盡管城市化進(jìn)程在1990年到2010年間總體上對霧霾有減少作用，但土地利用類型的變化引發(fā)了風(fēng)場的東南向轉(zhuǎn)變，并加劇了南北溫度梯度，導(dǎo)致南向暖濕氣流更容易聚集形成霧霾，結(jié)合大尺度的大氣環(huán)流作用，共同推動(dòng)了2016年前后極端霧霾事件的發(fā)生。因此，城市化的影響可能不完全是對霧產(chǎn)生抑制作用，實(shí)際上，它可能與大尺度氣候背景相互作用，促發(fā)極端霧事件。鑒于此，城市規(guī)劃應(yīng)更加關(guān)注未來極端天氣事件的模擬與評估，特別是在土地利用變化對大氣環(huán)流和危險(xiǎn)天氣生成機(jī)制的影響方面，從而為有效應(yīng)對氣象災(zāi)害提供科學(xué)依據(jù)，減少潛在的經(jīng)濟(jì)損失。

關(guān)鍵詞：霧；城市化；土地利用；數(shù)值模式

一、研究背景

霧是由懸浮在空氣中或是地球近地面層的液滴、冰晶組成的一種可見氣溶膠，可以使能見度降低至1千米以下[1,2]，霧形成時(shí)的低能見度所造成的經(jīng)濟(jì)損失在特定環(huán)境下甚至可以與臺(tái)風(fēng)相當(dāng)[3]。北京是霧的高發(fā)區(qū)[4]，在冬春兩季尤為嚴(yán)重[5]。霧的生成容易引發(fā)交通事故，也會(huì)影響人的身體健康，造成大量經(jīng)濟(jì)損失。僅2013年1月，全國霧霾造成的交通和健康直接經(jīng)濟(jì)損失高達(dá)230億元，造成交通事故965起，36人死亡[6]。據(jù)飛行情況調(diào)查表明，霧的生成對航空業(yè)產(chǎn)生顯著影響，已成為造成航班延誤、威脅飛行安全最主要的天氣因素之一，引起約13%的航班取消[7]，造成巨額的經(jīng)濟(jì)損失和嚴(yán)重的安全事故[8]。

城市熱島效應(yīng)是指由于人類活動(dòng)，使得城市的溫度比城郊溫度高的現(xiàn)象，該現(xiàn)象已經(jīng)在世界范圍內(nèi)各個(gè)城市都有發(fā)生[9-11]。北京市的轄區(qū)面積在過去70年來從707平方千米擴(kuò)大為2020年的1.64萬平方千米，城市熱島強(qiáng)度的增溫率高達(dá)城郊的8倍[12]。在北京城市化的進(jìn)程中，原本的土壤、植被、湖泊等自然下墊面被瀝青、混凝土、樓房等人造下墊面取代，改變了原本的陸氣相互作用過程[13]。下墊面的土壤含水量、比熱容、以及粗糙度等要素的改變進(jìn)一步改變了風(fēng)場結(jié)構(gòu)、湍流、以及邊界層結(jié)構(gòu)[14,15]。城市熱島效應(yīng)引起的局地大氣環(huán)流會(huì)造成霧的生成頻率和強(qiáng)度發(fā)生改變，導(dǎo)致大部分城市生成的霧逐漸減少[16-18]。這主要是因?yàn)槌鞘袩釐u效應(yīng)增強(qiáng)，導(dǎo)致城市溫度升高[19,21]，從而降低大氣穩(wěn)定度，不利于霧的生成和維持。城市熱島效應(yīng)也會(huì)影響霧區(qū)的擴(kuò)散，從而在城市地區(qū)形成無霧的空洞，而在城郊仍然為嚴(yán)重的霧區(qū)，其霧頻比城區(qū)高出約50%，對于城郊的交通造成極大的影響[22]。城市熱島效應(yīng)同樣會(huì)造成城市熱環(huán)流，產(chǎn)生的輻合區(qū)導(dǎo)致霧頂升高[23]。此外，熱島效應(yīng)也是導(dǎo)致城市霧霾的一個(gè)主要因素。當(dāng)風(fēng)較小時(shí)，支撐霧霾生成的空氣中的小顆粒就會(huì)隨著熱島效應(yīng)的形成的城市環(huán)流運(yùn)動(dòng)，甚至?xí)焕г诔鞘羞吔鐚又?，?dǎo)致發(fā)生極端霧霾事件。因此，城市化過程對霧的影響不僅體現(xiàn)在對霧的抑制作用上，同時(shí)也會(huì)因?yàn)榫植看髿猸h(huán)流的改變而影響霧的形成發(fā)展，而在不同的城市化過程中這兩種作用的效果也有所不同。這種變化不僅對研究城市化進(jìn)程中霧的變化過程和機(jī)制提出了新的挑戰(zhàn)，同時(shí)也對交通安全保障、低空無人機(jī)的安全飛行保障、以及機(jī)場航班規(guī)劃提出了實(shí)際問題。

根據(jù)《北京市“十四五”時(shí)期重大基礎(chǔ)發(fā)展規(guī)劃》，2025年北京全市森林覆蓋率將提高到45%。《北京城市總體規(guī)劃(2016年-2035年)》也指出，到2050年全市生態(tài)控制區(qū)面積要從2020年的73%提高到80%。隨著北京對生態(tài)文明的建設(shè)，城市下墊面物理性質(zhì)將進(jìn)一步改變，從而可能導(dǎo)致未來霧的生成條件發(fā)生變化。

本文利用北京的長時(shí)間觀測序列，通過氣象再分析數(shù)據(jù)研究在不同的城市化階段起霧前后北京的局地大氣環(huán)流特點(diǎn)，并通過氣象數(shù)值模式和城市冠層模式進(jìn)行耦合，模擬首都機(jī)場的霧在不同下墊面條件下的變化特征，開展敏感性試驗(yàn)研究城市下墊面如何通過改變城市熱環(huán)流從而影響到霧的生成。本文主要研究城市化進(jìn)程中首都機(jī)場霧的變化，研究內(nèi)容對城市發(fā)展以及機(jī)場安全和運(yùn)營提供參考意見，以便落實(shí)提高災(zāi)害性天氣預(yù)報(bào)能力的舉措。

二、數(shù)據(jù)和方法

本文采用4.2版本的WRF（Weather Research and Forecasting）區(qū)域數(shù)值模式進(jìn)行模擬。WRF氣象數(shù)值模式是一種廣泛應(yīng)用于氣象研究和業(yè)務(wù)預(yù)報(bào)的中尺度數(shù)值天氣預(yù)報(bào)系統(tǒng)，具有高度的靈活性和可擴(kuò)展性，能夠模擬從幾米到數(shù)千公里范圍內(nèi)的天氣現(xiàn)象。由于北京霧的高發(fā)期主要在冬季，考慮到城市化進(jìn)程前后模擬回算時(shí)間一致，使前后兩段模擬具備可比性，因此，本文模擬回算時(shí)間覆蓋1980-2020年冬季，空間分辨率為10千米，時(shí)間分辨率為1小時(shí)，擁有52層模式層，并在近地面層進(jìn)行了垂向加密，以便更好地模擬大氣邊界層的天氣過程。具體方案如表1所示。

表1 模擬所用參數(shù)化方案組合

本文主要考慮不同的城市下墊面對霧和大氣環(huán)流生成的影響，因此，我們選用了美國地質(zhì)調(diào)查局（US Geological Survey，USGS）和中分辨率成像光譜儀（Moderate Resolution Imaging Spectroradiometer，MODIS）提供的兩套下墊面數(shù)據(jù)進(jìn)行研究。其中MODIS數(shù)據(jù)是從2010年的MODIS衛(wèi)星遙感數(shù)據(jù)提取，總共有21類，代表城市化后。USGS數(shù)據(jù)則覆蓋1992年到1993年，總共分為24類，代表城市化前。在USGS中，城鎮(zhèn)土地利用類型編碼為1，MODIS的城鎮(zhèn)土地利用類型編碼為13?？煽匆?，在1990年到2010年間，京津冀地區(qū)的城鎮(zhèn)用地面積的變化在過去40年間變化巨大，城鎮(zhèn)用地急速擴(kuò)大，東北側(cè)和南側(cè)的綠地減少。

圖1 USGS和MODIS的城鎮(zhèn)土地利用變化情況，其中紫色區(qū)域?yàn)槌擎?zhèn)用地，綠色區(qū)域?yàn)橹脖弧?/span>

本研究的歷史回算模擬主要使用歐洲中期天氣預(yù)報(bào)中心提供的ERA5再分析數(shù)據(jù)作為大氣背景場，空間分辨率為0.25°，時(shí)間分辨率為每6小時(shí)一次，時(shí)間范圍與WRF模擬時(shí)間一致。ERA5數(shù)據(jù)同樣用于氣候變化和城市化進(jìn)程霧生成過程的分析，具體使用的變量包括2米溫度、2米露點(diǎn)、10米風(fēng)、海平面氣壓、高空溫度、風(fēng)向、液態(tài)水含量。

用以驗(yàn)證試驗(yàn)?zāi)M結(jié)果和開展氣候研究的實(shí)際觀測數(shù)據(jù)采用了ISD（Integrated Surface Dataset）逐小時(shí)站點(diǎn)觀測數(shù)據(jù)。ISD數(shù)據(jù)集包含了全球的逐小時(shí)站點(diǎn)觀測，觀測變量包括常規(guī)氣象要素，例如溫度、風(fēng)速、風(fēng)向、濕度、氣壓、能見度等，以及天氣現(xiàn)象。在對霧進(jìn)行統(tǒng)計(jì)時(shí)，本研究主要通過對能見度和天氣現(xiàn)象記錄進(jìn)行篩選，即當(dāng)能見度小于1千米，并且天氣現(xiàn)象觀測為霧時(shí)才進(jìn)行統(tǒng)計(jì)，以排除其他沙塵、降雨、降雪等造成的低能見度情況。

在利用ERA5對歷史的霧進(jìn)行診斷時(shí)，主要利用液態(tài)水含量進(jìn)行計(jì)算。液態(tài)水含量（LWC）是霧的觀測和模擬中的重要參數(shù)，通常，能見度由消光系數(shù)和LWC的關(guān)系進(jìn)行計(jì)算，如式1所示。

通過上式對ERA5進(jìn)行能見度計(jì)算，選取能見度小于1千米的時(shí)候（認(rèn)為霧發(fā)生）進(jìn)行統(tǒng)計(jì)，形成ERA5的霧的年代際變化趨勢。

本文利用霧個(gè)數(shù)來定量分析霧的變化。在觀測數(shù)據(jù)中，我們僅篩選天氣記錄為霧，且能見度小于等于1千米的霧事件，提取出每一次霧過程。逐月總霧數(shù)為當(dāng)月發(fā)生的所有霧事件的數(shù)量，在統(tǒng)計(jì)時(shí)，將兩次霧事件之間間隔時(shí)間小于1小時(shí)的霧定義為一次霧事件，以此消除由于觀測誤差造成的影響，防止將一個(gè)不連續(xù)的霧過程統(tǒng)計(jì)成多個(gè)霧事件。

液態(tài)水路徑（Liquid Water Path，LWP）是液態(tài)水含量LWC在空氣柱中的垂直積分?？紤]到LWP既能表示霧的空間分布，也能表示霧的垂直厚度，因此相比單層LWC能更好的表現(xiàn)出霧的發(fā)展過程和空間特征。具體計(jì)算方法如式2所示：

上式中dz是兩個(gè)高度層之間的高度差，本文利用ERA5和WRF的950hPa以下的層計(jì)算LWP，這主要是因?yàn)闈忪F的垂直厚度一般在950hPa以下。

三、研究結(jié)果

（一）北京霧的季節(jié)和年際變化特征

通過對京津冀地區(qū)的霧進(jìn)行季節(jié)分析，以北京首都機(jī)場的霧的長時(shí)間序列為例（圖2），發(fā)現(xiàn)北京的霧存在明顯的季節(jié)變化趨勢，表現(xiàn)為冬春多，夏秋少，這與前人的研究結(jié)果一致，主要是因?yàn)榫┙蚣降貐^(qū)相對較大的空氣污染和特殊的大氣環(huán)境所致。

圖2 北京霧季節(jié)變化時(shí)間序列

從長期變化趨勢來看，京津冀地區(qū)的冬季霧存在明顯的趨勢變化。以北京首都機(jī)場觀測的霧為例（圖3），從1980年到1995年期間，冬季霧呈現(xiàn)上升的趨勢，但是在城市高速發(fā)展階段的1995年到2010年，北京霧一直顯著減少。然而，從2010年到2017年，冬季霧呈現(xiàn)暴增的變化特征，且在極端霧增多年份過去后，一直到2020年，北京霧并沒有回到2017年以前的狀態(tài)，反而持續(xù)緩慢增長。這與前人認(rèn)為的北京霧受到城市化影響，溫度上升和水汽減少導(dǎo)致霧減少的原因并不一致。說明北京冬季霧的變化并非單純的受到城市下墊面的改變和城市化的影響，其中還有大尺度環(huán)流背景對霧的生成影響的因素沒有考慮進(jìn)來。

圖3 北京首都機(jī)場冬季霧個(gè)數(shù)時(shí)間序列

除了高速城市化對霧霾的顯著影響外，各類環(huán)境政策的作用同樣不可忽視。自2013年以來，我國積極推動(dòng)城市環(huán)境改善，京津冀地區(qū)實(shí)施了一系列嚴(yán)格的環(huán)保措施，包括《大氣污染防治行動(dòng)計(jì)劃》《打贏藍(lán)天保衛(wèi)戰(zhàn)三年行動(dòng)計(jì)劃》《空氣質(zhì)量持續(xù)改善行動(dòng)計(jì)劃》等一系列長期政策，推動(dòng)切實(shí)落實(shí)空氣治理舉措，通過推動(dòng)農(nóng)村“煤改清潔能源”、加大工業(yè)產(chǎn)業(yè)升級(jí)、管控高排放機(jī)動(dòng)車、深化區(qū)域大氣污染協(xié)作機(jī)制等行動(dòng)，有效改善了空氣質(zhì)量，降低了大氣中的顆粒物和污染物，從而削弱了霧霾形成的條件。此外，城市規(guī)劃和管理在霧霾減少方面也發(fā)揮了重要作用。隨著城市化進(jìn)程的加速，城市規(guī)劃更加注重生態(tài)平衡和可持續(xù)發(fā)展，綠地、公園等生態(tài)空間不斷增加，城市通風(fēng)廊道得到了有效利用，這些都為改善空氣質(zhì)量、減少霧霾提供了支持。同時(shí)，城市管理部門強(qiáng)化了建筑施工、道路揚(yáng)塵等污染源的監(jiān)管與治理，進(jìn)一步降低了大氣中的污染物濃度。

（二）ERA5模擬結(jié)果

針對北京霧的特殊變化，我們首先利用ERA5再分析數(shù)據(jù)中的云液態(tài)水含量（Cloud Liquid Water Content, CLWC）對能見度進(jìn)行計(jì)算，獲得北京霧的生成個(gè)數(shù)，從而對北京的冬季霧進(jìn)行分析。為了能更好地顯示北京霧變化的結(jié)果，我們對數(shù)據(jù)進(jìn)行了0-1歸一化處理。結(jié)果顯示，ERA5模擬結(jié)果雖然在某些年份上與觀測數(shù)據(jù)存在一定差異，但總體上還是能夠反映出北京冬季霧的長期變化趨勢（圖4）。ERA5合理地模擬出了北京冬季霧在1980年到1995年的上升過程和1995年到2010年的減少過程，但在2010年到2017年的暴增特征上，ERA5模擬結(jié)果并未能完全反映。這可能是因?yàn)镋RA5再分析數(shù)據(jù)在大尺度環(huán)流背景的模擬上存在一定局限性，特別是對于京津冀地區(qū)這種地形復(fù)雜、氣候變化敏感的區(qū)域，其模擬精度可能受到一定影響?？傮w上，通過ERA5的云液態(tài)水含量獲取的北京霧個(gè)數(shù)的相關(guān)系數(shù)達(dá)到了0.58，p<0.01。從LWP來看，其模擬趨勢和CLWC類似，同樣模擬出了霧在2010年前的增多和變少的變化趨勢，然而，LWP的模擬完美顯示了2012年到2017年的霧極端增多的過程，與觀測幾乎一致，相關(guān)系數(shù)高達(dá)0.65。從LWP的定義來看，LWP是CLWC的垂直積分，因此，LWP 的準(zhǔn)確模擬說明在ERA5中,更多模擬的是低云而不是霧。

圖4 ERA5的冬季霧模擬結(jié)果，藍(lán)色線為觀測數(shù)據(jù)，橙色線為CLWC，綠色線為LWP，紅色數(shù)字代表ERA5和觀測的相關(guān)系數(shù)。數(shù)據(jù)經(jīng)過0-1歸一化處理。

（三）WRF模擬結(jié)果

為了更好地研究氣候變化和城市化對霧生成的影響，我們利用WRF對過去40年的北京霧進(jìn)行了模擬，并且針對不同的土地利用類型數(shù)據(jù)進(jìn)行了敏感性試驗(yàn)，結(jié)果如下所示（圖5）。USGS和MODIS兩個(gè)試驗(yàn)均較好地模擬了1980-2020年的長時(shí)間霧數(shù)量氣候態(tài)特征，并且兩個(gè)試驗(yàn)都準(zhǔn)確抓住了在2012-2016年期間霧的快速增多變化趨勢。說明WRF試驗(yàn)?zāi)M結(jié)果優(yōu)于ERA5。重要的是，WRF在模擬霧時(shí)，并未在2012-2016年期間準(zhǔn)確反映出觀測到的變化趨勢，在LWP的模擬中同樣也有2012-2016年期間的極端事件，說明WRF很好地模擬了在地表的霧的生成，具備更好的霧和低云的模擬能力。

圖5 WRF模擬的1980到2020年霧數(shù)量和觀測對比的時(shí)間序列圖

我們研究了WRF模擬結(jié)果和觀測之間的相關(guān)性（表2）。對于USGS試驗(yàn)，主要利用的是1990s的土地利用狀態(tài)，表征了在城市化之前的城市狀態(tài)。而MODIS試驗(yàn)用的是2010年的土地利用數(shù)據(jù)，表征快速城市化之后的城市狀態(tài)。從模擬的真實(shí)條件看，USGS試驗(yàn)在2000年前的試驗(yàn)顯然更符合實(shí)際情況。該試驗(yàn)主要為了在同樣的氣候背景條件下，研究下墊面條件的不同對霧生成的影響。從表中可以看到，在1980年到2000年的模擬試驗(yàn)中，USGS 在2000年前的試驗(yàn)更符合實(shí)際情況，因此其相關(guān)系數(shù)略高于 MODIS。對于2000年后的試驗(yàn)，MODIS的相關(guān)系數(shù)要顯著高于USGS試驗(yàn)，分別是0.75和0.62，說明在2000年后，土地利用類型的改變對霧的模擬起到更重要的作用。2000年前后的試驗(yàn)都表明，匹配相應(yīng)城市下墊面的試驗(yàn)?zāi)M效果更好。對于2016年前后的極端霧年份，MODIS試驗(yàn)對2012-2016年的快速增長和峰值模擬都優(yōu)于USGS，說明城市化進(jìn)程對霧的影響不僅是抑制作用，更好地匹配對應(yīng)的土地利用類型數(shù)據(jù)能獲得更好的霧模擬結(jié)果。因此，最好的霧模擬試驗(yàn)是用對應(yīng)的土地利用類型的模擬，平均為0.745，高于USGS和MODIS的單獨(dú)的試驗(yàn)。

表2 WRF模擬試驗(yàn)?zāi)M的霧個(gè)數(shù)和觀測霧格式的相關(guān)系數(shù)

為了更好地研究不同的土地利用類型對局地環(huán)流造成的影響，我們以北京為中心點(diǎn)，選取了一條緯向剖面進(jìn)行研究。在京津冀地區(qū)，兩個(gè)試驗(yàn)?zāi)M的云水含量（QCLOUD）主要顯示為從較低緯度一直延伸到京津冀地區(qū)的低云，其中心主要在1200米左右，兩個(gè)試驗(yàn)顯示的空間形勢基本一致（圖省略）。我們對比了兩個(gè)試驗(yàn)?zāi)M的剖面的差別，如圖6所示?？傮w來看，在1980年到2020年期間，MODIS模擬的QCLOUD在低空領(lǐng)域更高，這種更高的空間結(jié)構(gòu)來自于1980年到2000年期間。MODIS下墊面在1980-2000年表現(xiàn)除了相較USGS更高的QCLOUD，即城市化并不一定抑制霧生成。在同一氣候變暖還未加劇的背景下，MODIS土地利用類型雖然有更大的城鎮(zhèn)面積，但是在1980-2000年的氣候變化期間，展示出了相較實(shí)際情況更高的QCLOUD。但是，MODIS試驗(yàn)在北京地區(qū)的近地面QCLOUD更低。對于2000-2020年的模擬試驗(yàn)，其QCLOUD差異空間分布類似，同樣是低云更多，京津冀地區(qū)的近地面QCLOUD較低。但是QCLOUD的低云中心相對更低，其中心高度在1000米左右。

圖6 MODIS和USGS模擬的QCLOUD剖面差異（MODIS-USGS）。第一行為1980年到2020年的差異，第二行為1980年到2000年的差異，第三行2000年到2020年的差異平均值。

對于溫度剖面，我們分析了霧多和霧少時(shí)不同下墊面模擬的溫度垂直分布和南北空間分布（圖7）。霧多年份的定義為超過平均值1個(gè)標(biāo)準(zhǔn)差的年份，霧少的年份定義為少于平均值1個(gè)標(biāo)準(zhǔn)差的年份。通過分別選取霧多和霧少的年份進(jìn)行合成，用以放大霧多和霧少時(shí)的溫度變化特征。霧多時(shí)一般呈現(xiàn)更強(qiáng)的逆溫層，使大氣更穩(wěn)定。MODIS下墊面在1980-2000年霧多時(shí)造成了更暖的溫度，說明城鎮(zhèn)下墊面的增多確實(shí)會(huì)造成更高的溫度，形成城市熱島效應(yīng)，這與前人的研究一致。然而，在2000-2020年的溫度剖面分析中發(fā)現(xiàn)，霧多時(shí)造成了南方更暖，北方更冷，暖中心位于800米高空。這種空間分布增加了南北溫度梯度，使從南方來的暖濕空氣更容易在北上過程中凝結(jié)，從而造成霧的生成。

圖7 MODIS和USGS模擬的溫度剖面差異（MODIS-USGS）。第一行為1980年到2020年的差異，第二行為1980年到2000年的差異，第三行2000年到2020年的差異平均值。

我們同時(shí)對霧多和霧少時(shí)的風(fēng)場進(jìn)行了合成分析（圖8），發(fā)現(xiàn)霧少時(shí)，在整個(gè)階段MODIS下墊面帶來更多西北風(fēng)，使得成霧所需的溫濕條件更加缺乏。而在霧多時(shí)，MODIS下墊面在1980-2000年帶來更多的南風(fēng)，且在更大的溫度梯度下，風(fēng)場的輸運(yùn)進(jìn)一步促進(jìn)了霧的生成。在2000-2020年則帶來了更多的北風(fēng)，整體上抑制了霧的生成。說明MODIS下墊面帶來的大尺度環(huán)流形勢變化，導(dǎo)致了城市化霧的長期變化。

圖8 霧少時(shí)MODIS和USGS模擬的溫度風(fēng)場差異（MODIS-USGS）。第一行為1980年到2020年的差異，第二行為1980年到2000年的差異，第三行2000年到2020年的差異平均值

四、結(jié)論

本研究通過對過去70年的霧觀測資料進(jìn)行分析，同時(shí)利用WRF區(qū)域數(shù)值模式進(jìn)行了1980-2020年冬季霧的逐小時(shí)模擬，并開展了不同土地利用類型的敏感性試驗(yàn)。研究表明，北京地區(qū)冬季霧的演變受多重因素影響。雖然整體城市化進(jìn)程在一定階段對霧霾具有抑制作用，但土地利用類型的變化卻引起了局地大氣環(huán)流的顯著調(diào)整，包括風(fēng)場東南向轉(zhuǎn)變和南北溫度梯度加劇，從而使暖濕氣流在北輸過程中更易冷卻凝結(jié)，促發(fā)極端霧霾事件。尤其在2016年前后，極端霧霾事件頻發(fā)，充分印證了城市化與大尺度氣候背景相互作用的重要性。因此，未來在霧霾數(shù)值模擬與預(yù)報(bào)中，需要綜合考慮城市下墊面演變對局地大氣環(huán)流的影響，以提高預(yù)報(bào)精度和應(yīng)急響應(yīng)能力。

鑒于極端霧霾事件可能對交通、航空安全及公眾健康造成不利影響，建議在城市規(guī)劃中完善極端天氣預(yù)警與應(yīng)急響應(yīng)機(jī)制，構(gòu)建高精度、實(shí)時(shí)性的極端天氣預(yù)警系統(tǒng)。一是氣象部門應(yīng)借助高分辨率數(shù)值模式、人工智能預(yù)報(bào)、衛(wèi)星遙感和地面觀測數(shù)據(jù)，建立多層次、多時(shí)段的預(yù)警信息發(fā)布機(jī)制，并與城市管理、交通、應(yīng)急等部門實(shí)現(xiàn)信息共享。二是針對霧霾及低云引發(fā)的災(zāi)害風(fēng)險(xiǎn)，制定詳細(xì)的應(yīng)急預(yù)案，包括臨時(shí)交通管制措施、機(jī)場調(diào)度優(yōu)化方案和公眾健康防護(hù)指導(dǎo)，同時(shí)定期開展應(yīng)急演練，提高各部門聯(lián)動(dòng)處置能力，最大限度減少極端天氣對社會(huì)經(jīng)濟(jì)和人民生活的影響。三是提高跨部門協(xié)同能力，完善氣象信息發(fā)布制度，開展大霧天氣預(yù)警演練，確保事故發(fā)生時(shí)有序疏散和其他應(yīng)急響應(yīng)措施順利實(shí)施。

低空經(jīng)濟(jì)是我國重要的戰(zhàn)略性新興產(chǎn)業(yè)，然而霧和低云降低了低空作業(yè)區(qū)域的能見度，增加了飛行安全風(fēng)險(xiǎn)，從而導(dǎo)致航空運(yùn)輸延誤、無人機(jī)物流中斷和低空旅游受阻，進(jìn)而對整個(gè)低空經(jīng)濟(jì)鏈條造成不利影響。與此同時(shí)，隨著氣候變化和城市化進(jìn)程的不斷推進(jìn)，未來極端低能見度事件可能會(huì)更加頻繁，進(jìn)一步加劇低空交通及相關(guān)經(jīng)濟(jì)活動(dòng)的不確定性。針對這一挑戰(zhàn)，建議一是建立高精度低空氣象監(jiān)測系統(tǒng)，利用先進(jìn)的數(shù)值模式、衛(wèi)星遙感和地面?zhèn)鞲衅鲗?shí)現(xiàn)實(shí)時(shí)預(yù)警；二是完善低空作業(yè)的應(yīng)急響應(yīng)和調(diào)度機(jī)制，強(qiáng)化跨部門協(xié)同合作，確保在極端天氣條件下能及時(shí)調(diào)整運(yùn)營計(jì)劃，降低事故率和經(jīng)濟(jì)損失風(fēng)險(xiǎn)，從而為低空經(jīng)濟(jì)的可持續(xù)發(fā)展提供堅(jiān)實(shí)保障。

參考文獻(xiàn)

[1] Gultepe, I. Fog and boundary layer clouds: Fog visibility and forecasting. Basel: Springer Science & Business Media. 2008.

[2] Niu, S., Lu, C., Yu, H., Zhao, L., & Lü, J.Fog research in China: An overview. Advances in Atmospheric Sciences, 2010,27(3):639-662.

[3] Gultepe, I., Tardif, R., Michaelides, S. C., Cermak, J., Bott, A., Bendix, J., & Cober, S. G.  Fog research: A review of past achievements and future perspectives. Pure and applied geophysics, 2007,164(6): 1121-1159.

[4] Niu, F., Li, Z., Li, C., Lee, K. H., & Wang, M.  Increase of wintertime fog in China: Potential impacts of weakening of the Eastern Asian monsoon circulation and increasing aerosol loading. Journal of Geophysical Research: Atmospheres, 2010,115(D7).

[5] Zhao, P., Zhang, X., Xu, X., & Zhao, X. Long-term visibility trends and characteristics in the region of Beijing, Tianjin, and Hebei, China. Atmospheric Research,2011,101(3):711-718.

[6] 穆泉,張世秋.2013年1月中國大面積霧霾事件直接社會(huì)經(jīng)濟(jì)損失評估.中國環(huán)境科學(xué),2013(11):2087-2094.

[7] Njeru, R. Investigating Contribution of Fog to Air Traffic Delay at Jomo Kenyatta International Airport. Doctoral dissertation, University of Nairobi. 2016.

[8] Bergot, T., & Koracin, D. Observation, simulation and predictability of fog: Review and perspectives. Atmosphere, 2021,12(2):235.

[9] Oke, T. R. The energetic basis of the urban heat island. Quarterly Journal of the Royal Meteorological Society, 1982,108(455):1-24.

[10] Li, X., Zhou, Y., Asrar, G. R., Imhoff, M., & Li, X. The surface urban heat island response to urban expansion: A panel analysis for the conterminous United States. Science of the Total Environment, 2017(605):426-435.

[11] Peng, S., Piao, S., Ciais, P., Friedlingstein, P., Ottle, C., Bre?on, F. M., & Myneni, R. B.  Surface urban heat island across 419 global big cities. Environmental science & technology,2012,46(2):696-703.

[12] 林學(xué)椿,于淑秋,唐國利.北京城市化進(jìn)程與熱島強(qiáng)度關(guān)系的研究.自然科學(xué)進(jìn)展,2005,15(7):882-886.

[13] Mahmood, R., Pielke Sr, R. A., Hubbard, K. G., Niyogi, D., Dirmeyer, P. A., McAlpine, C., & Fall, S. Land cover changes and their biogeophysical effects on climate. International journal of climatology,2014, 34(4):929-953.

[14] Ji, C. P. Impact of urban growth on the heat island in Beijing. Chinese Journal of Geophysics, 2006(49):69-77.

[15] Roth, M.  Review of atmospheric turbulence over cities. Quarterly Journal of the Royal Meteorological Society, 2000,126(564):941-990.

[16] Li, Z. H., Yang, J., Shi, C. E., & Pu, M. J.  Urbanization effects on fog in China: Field research and modeling. Pure and Applied Geophysics, 2012,169(5):927-939.

[17] Sachweh, M., & Koepke, P. Radiation fog and urban climate. Geophysical Research Letters, 1995,22(9):1073-1076.

[18] Shi, C., Roth, M., Zhang, H., & Li, Z. Impacts of urbanization on long-term fog variation in Anhui Province, China. Atmospheric Environment,2008, 42(36):8484-8492.

[19] Grimmond, S. U. E. Urbanization and global environmental change: local effects of urban warming. The Geographical Journal, 2007,173(1):83-88.

[20] Bokwa, A., Wypych, A., & Hajto, M. J.Role of fog in urban heat island modification in Kraków, Poland. Aerosol and Air Quality Research, 2018,18(1): 178-187.

[21] Jones, P. D., Groisman, P. Y., Coughlan, M., Plummer, N., Wang, W. C., & Karl, T. R.  Assessment of urbanization effects in time series of surface air temperature over land. Nature, 1990,347(6289):169-172.

[22] Gautam, R., & Singh, M. K. Urban heat island over Delhi punches holes in widespread fog in the Indo‐Gangetic Plains. Geophysical Research Letters, 2018,45(2):1114-1121.

[23] Zhang, L., Shi, C., Yang, J., & Li, Z. Numerical Simulation of Fog Events. Beijing: China Meteorological Press. 2002.

注：文中部分圖片來源于網(wǎng)絡(luò)，版權(quán)歸原作者所有，若有侵權(quán)請聯(lián)系刪除。