当今城市热岛效应（UHI）已经成为主要城市环境问题之一，深入理解城市热岛效应的三维分异特征并寻找合适的热缓解措施对于确保居民的生活质量和实现城市的可持续发展具有重要意义。本文主要结论如下： 1）在西安市城区对典型LCZ冠层风—热环境进行的三维立体观测结果表明：不同结构LCZ的气温在几乎所有时刻所有高度上都存在着显著性差异。住宅区在夏季白天出现了逆温层和复杂的大气分层，导致在某些高度上热岛强度的增加。基于局域尺度观测结果表明：高反照率立面在以西安市为代表的中国城市中具有极大的热缓解潜力；改变建筑材料热惯性有改善冠层气温日变化的可行性。 2）通过充分考虑城市冠层各要素对风—热—湿环境的影响，以完备参数化的方式构建了动力—热力耦合大涡模拟模型。局域尺度下三维空间风-湿-热环境的大涡模拟结果不仅能准确捕捉到高层区和公园之间热岛强度的日变化特征，还能准确反映高层区白天出现的逆温层以及30米之上复杂的大气分层。大涡情景模拟结果表明：冷屋顶/立面均能显著降低整个冠层内的空气温度，冷立面的应用会额外消除逆温层和复杂的大气分层；高热惯性屋顶/立面均能够在白天为城市冠层提供冷却；低热惯性屋顶/立面能在全天整体上起到一定热缓解作用。 3）通过对比气象站监测数据，印证了WRF-BEM模式研究UHI的必要性。当前的BEM模式存在由算例网格分辨率和LCZ地图分辨率不匹配而导致的“LCZ误差”；以及未合理考虑城区植被层的动力—热力效应的“物理模式误差”。本文印证可以通过高分辨率模拟消除“LCZ误差”，使得特定位置之间的温差得到更准确的反映。针对“BEM物理模式误差”，本文根据集成法的思路通过在WRF-BEM中合理参数化植被层动力—热力效应，显著降低了模拟气温、含湿量和风速误差。另外，本文量化并修正了Noah-Mp陆面模式中自然LCZ的零平面位移高度和粗糙度长度，显著降低了城区内自然LCZ的风速误差。WRF情景模拟结果表明屋顶的改造更适用于建筑密集且低矮的LCZ，立面的改造更适用于建筑密集且高大的LCZ。 4）印证了利用机器学习模型，校正WRF模拟数据以减少其误差的可行性。相较于标准WRF模拟结果，机器学习的校正使得温度、含湿量和风速的误差分别降低43%，48%和76%，R2均有一定程度提高。另外，利用本文第4章的高精确WRF-BEM模型得到的模拟数据作为机器学习的训练数据时，机器学习结果得到进一步改善：温度、含湿量的误差进一步降低18%和10%，风速R2进一步显著提升。可解释机器学习结果表明温度和含湿量的预测受到了当地LCZ特征的显著影响，且影响趋势具有物理可解释性。 |
学校主站