XVII Международная студенческая научная конференция Студенческий научный форум - 2025

Введение

Городская атмосфера является сложной системой, в которой динамика метеорологических параметров, таких как температура, ветер и влажность, значительно отличается от природных условий. Одним из ключевых эффектов, возникающих в городской среде, является феномен «остров тепла». Этот эффект заключается в повышении температуры воздуха в городских районах по сравнению с окружающими территориями. Основными причинами его возникновения являются высокая теплоемкость строительных материалов, асфальта и бетона, которые аккумулируют и медленно отдают тепло, а также антропогенные источники энергии, такие как транспорт, промышленные предприятия и системы отопления зданий.

Здания и другие элементы городской инфраструктуры оказывают значительное влияние на потоки воздуха, изменяя направление и скорость ветра. Эти процессы необходимо учитывать при прогнозировании погоды и климатическом моделировании, особенно в условиях мегаполиса.

Традиционно изучение атмосферных процессов в городах осуществляется с использованием наблюдений на метеорологических станциях – сравнивая наблюдения на станциях, находящейся в городской черте, и за пределами города. Однако количество таких станций ограничено, и они не всегда могут обеспечить достаточную пространственную детализацию, необходимую для точного анализа особенностей атмосферы города. В связи с этим численное моделирование становится эффективным инструментом для исследования влияния урбанизации на атмосферные процессы. Использование современных гидродинамических моделей, таких как WRF-ARW, позволяет учитывать взаимодействие города с атмосферой, включая особенности теплообмена, влияние зданий на турбулентные потоки и изменение структуры атмосферных процессов.

Настоящее исследование направлено на анализ влияния урбанизации на температуру и ветер в городской среде с помощью численного моделирования. Рассматриваются различия между прогнозами с учетом и без учета урбанизации, оценивается эффект «острова тепла» и его влияние на метеорологические условия города. Особое внимание уделяется статистическому анализу данных, включая сравнение результатов моделирования с помощью теста Манна-Уитни, что позволяет выявить статистически значимые различия между рассматриваемыми сценариями. Такой подход способствует лучшему пониманию атмосферных процессов в городах и может быть полезен для городского планирования и адаптации к изменению климата.

1 Методы и данные

Инструментом исследования является мезомасштабная гидродинамическая модель WRF-ARW. Благодаря открытому исходному программному коду, WRF-ARW доступна для широкого круга исследователей и разработчиков, способствуя постоянному развитию и совершенствованию модели., которая позволяет адаптировать конфигурацию модели под решения поставленных задач. Модель WRF-ARW включает в себя разнообразные параметризации, такие как параметризация турбулентности, коротковолновой и длинноволновой радиации, облачности и микрофизики. Это позволяет модели точно воспроизводить различные атмосферные явления в различных регионах и при решении различных задач.

В данном исследовании на первых этапах необходимо создать свою версию модели, выбрав конфигурацию сетки, методы численного моделирования, шаги по времени и по пространству, вертикальную структуру модели, а также комплекс параметризаций физических процессов.

Для достижения цели была выбрана область моделирования, состоящая из двух сеток – материнской и вложенной. Сетка большой области содержит 100 узлов по оси абсцисс и 200 по оси ординат с шагом 6000 м. Во вложенной сетке 94x163 узлов, шаг по горизонтали 2000 м. По вертикали модельная область простирается до изобарической поверхности 50 гПа и содержит 35 уровней. Шаг по времени 30 секунд на большой сетке и 10 секунд на вложенной (рисунок 1).

Рисунок 1 - Область моделирования

Были использованы следующие параметризации физических процессов:

- длинноволновая радиация (RRTM Longwave Scheme),

- коротковолновая радиация (Dudhia Shortwave Scheme),

- микрофизика (WRF Single–moment 3–class and 5–class Schemes),

- приземныйслой (Revised MM5 Scheme),

- подстилающаяповерхность (Unified Noah Land Surface Model),

- пограничныйслой (Yonsei University Scheme),

- конвекция (Kain–Fritsch Scheme)

- урбанизация (Building Environment Parameterization (BEP) and Building Energy Model (BEM) Schemes).

Urban Surface Options (sf_urban_physics) включает в себя параметры, которые определяют взаимодействие городских поверхностей с атмосферой. Это включает параметры геометрии городской застройки, свойства поверхностей (например, асфальт, бетон, зеленые насаждения), а также их влияние на теплообмен и атмосферные потоки.

Параметризация окружения зданий (BEP) включает в себя моделирование физических процессов внутри и вокруг зданий. Это включает геометрию зданий, свойства материалов (теплопроводность, теплопотери, абсорбция солнечной радиации), внутренние тепловые нагрузки и управление энергопотреблением для поддержания комфортных условий внутри здания.

Схемы моделирования энергопотребления зданий (BEM) оценивают энергетические потоки в зданиях, включая тепловые потери, эффективность систем отопления и кондиционирования, а также влияние городской среды на энергопотребление зданий.

В рамках данного исследования проводятся численные эксперименты с использованием указанных параметризаций, включая оценку влияния урбанизации на атмосферные процессы.

Период моделирования – январь. Проведены численные эксперименты для 2010, 2015, 2020 года – без учета урбанизации, для 2020 и 2021 года – с учетом урбанизации. В качестве начальных и граничных условий используются результаты анализа модели GFS (Global Forecasting System), дискретность смены граничных условий данных 6 часов. Проведены численные эксперименты с разным разрешением данных начальных полей и граничных условий. Заблаговременность прогнозов 24 и 96 часов.

2 Численные эксперименты с моделью WRF-ARW для Ленинградской области и г. Санкт-Петербурга

2.1 Выбор сетки

Так как разные размеры сеток могут давать различную точность результатов моделирования, на первом этапе проводилось сравнение двух выбранных сеток для нахождения оптимального разрешения модели. Далее будут представлены результаты сравнительного анализа.

Разница температуры на 2 метрах в начальных полях варьируется от – 0,4 до 0,5 градусов, причем отрицательные и положительные значения чередуются. Различия в температуре преобладают на границах воды и суши. Можно предположить, что моделирование на мелкой сетке захватывает мелкомасштабные процессы, которые оказывают влияние на поле температуры (рисунок 2).

Рисунок 2 - Поле разницы температуры на 2 метрах в начальных полях

01.01.2020 00 ч

В прогностических полях разница температуры увеличилась, она варьируется от -2,4 до 2 градусов. Большие значения разницы наблюдаются над сушей и на границе воды и суши, поскольку мелкая сетка лучше учитывает географические особенности местности (рисунок 3).

Рисунок 3 - Поле разницы температуры на 2 метрах, прогноз на 24 часа

Сравнивая прогностические поля, можно заметить, что прогноз поля ветра над водной поверхностью для крупной и мелкой сетки практически одинаков. Но что касается суши, моделирование на мелкой сетке детальнее воспроизводит скорости ветра. Это связано с тем, что суша обладает более сложной и разнообразной поверхностью, включая в себя наличие городов, лесов, полян и других элементов, которые могут оказывать влияние на скорость ветра и формирование местных ветровых систем. Моделирование на мелкой сетке позволяет более детально учитывать географические особенности суши (рисунок 4).

Рисунок 4 - Прогноз поля ветра 02.01.2020 00 ч,

А) материнская сетка, Б) вложенная сетка

Индекс землепользования (LU index) позволяет модели учитывать различия в типах земляного покрова для точного моделирования атмосферных процессов и климата. Моделирование на вложенной сетке детальнее описывает типы земного покрова, особенно для городской местности. Это подтверждает ранние предположения о возможных причинах разниц полей атмосферных процессов (рисунок 5).

Рисунок 5 - Поля индекса землепользования 02.01.2020 00 ч,

А) материнская сетка, Б) вложенная сетка

Результаты сравнительного анализа двух сеток указывают на то, что вложенная сетка демонстрирует более детальное воспроизведение атмосферных процессов по сравнению с материнской сеткой. Это наблюдение подтверждает значимость использования вложенных сеток в моделировании атмосферы. Поэтому далее будут рассматриваться результаты на вложенной сетке.

На следующем этапе была произведена верификация прогнозов WRF-ARW с помощью анализа модели GFS (Global Forecasting System).

Разница между прогнозом и анализом находится в диапазоне от 0,5 до 5 ⁰С. Наибольшие значения разницы наблюдаются на граничных условиях. В Санкт-Петербурге значения разницы небольшие (от 2,5 до 3 градусов). Данная разница одновременно показывает возможную ошибку прогноза и разницу в разрешении анализа и прогноза (рисунок 6).

Рисунок 6 - Разница между прогнозом и анализом за 02.01.2010 12 ч (поле температуры)

Для объяснения причины разницы на рисунке 7 представлены поля температуры, построенные по результатам прогноза модели WRF-ARW и анализа модели GFS.

Рисунок 7 - Поле температуры за 02.01.2010 12 ч. а) Прогноз, б) Анализ

Прогностическое поле (рисунок 7а) учитывает особенности территории, поле же анализа, представленное на рисунке 7б, является сглаженным из-за того, что у модели GFS в данном случае недостаточно данных. Поэтому разница между прогнозом и анализом говорит не сколько об ошибке моделирования, сколько о том, что модель WRF-ARW лучше описывает локальные условия.

Затем были проанализированы ошибки прогнозов для каждого года и отобраны наибольшие и наименьшие значения.

Слева представлены наименьшие ошибки прогноза температуры для 2010 года они варьируются от -2 до 4 ⁰С. Посередине представлены наименьшие ошибки за 2015 год они варьируются от -2 до 2 ⁰С. За 2020 год ошибки находятся в диапазоне от 0 до 2 ⁰С (рисунок 8).

Рисунок 8 – Прогностические поля температуры воздуха с наименьшими ошибками (7 января 2010 г., 3 января 2015 г., 18 января 2020 г.)

Для 2010 года наибольшие ошибки варьируются от -8 до 10 ⁰С. Для 2015 года от -8 до 2 ⁰С. А для 2020 года ошибки находятся в диапазоне от 2 до -6 ⁰С (рисунок 9).

Рисунок 9 – Прогностические поля температуры воздуха с наибольшими ошибками (6 января 2010 г., 27 января 2015 г., 7 января 2020 г.)

Чтобы найти причину больших ошибок мы провели анализ полей давления, которые представлены на рисунках 10 и 11.

С 6 января по 7 января 2010 года наблюдается резкая смена циркуляции с юго-западной на северо-западную, такая смена условий и повлекла за собой ошибки в прогнозе поля температуры (рисунок 10).

Рисунок 10 – Анализ причин ошибок прогноза температуры

(6-7 января 2010 года)

26 января 2015 года исследуемая область находилась в малоградиентном поле антициклона, затем 27 января антициклон переместился, а уже 28 января над данной территорией находился циклон (рисунок 11).

Рисунок 11 – Анализ причин ошибок прогноза температуры

(26-27 января 2015 года)

Что касается малых ошибок в поле температуры за январь 2020 года они объясняются тем, что над областью весь месяц находился стационарный антициклон.

2.2 Параметризация урбанизации

На первом этапе прогноз погоды для Санкт-Петербурга осуществлялся без учета урбанизации. Прогноз строился на 24 часа. На втором этапе была введена параметризация урбанизации, и прогноз строился на 96 часов. Увеличение времени прогноза до 4 суток было необходимо для того, чтобы отразить и изучить эффект "острова тепла", который характерен для городских территорий.

Эффект "остров тепла" представляет собой локальное повышение температуры в городской зоне по сравнению с окружающими сельскими или природными территориями. Этот эффект обусловлен рядом факторов, включая тепловые свойства материалов, из которых построены здания и дороги, а также антропогенные источники тепла. Для того чтобы этот эффект проявился в полной мере и был очевиден в прогнозе, необходимо более длительное время моделирования, позволяющее оценить накопление тепла и его распределение. Таким образом, выбор 4 суток для прогноза оправдан необходимостью точного воспроизведения и анализа данного феномена.

Далее будет проведен сравнительный анализ прогностических полей температуры с учетом влияния города и без, полученных с помощью численных экспериментов с моделью WRF-ARW за январь 2020 года.

а) б)

Рисунок 12 – Прогностические поля температуры воздуха. а) без учета города, б) с учетом города

На рисунке 12 а) преобладают более холодные оттенки, что свидетельствует о низких температурах в большей части региона. Температура в Санкт-Петербурге и его окрестностях не отличается значительно от окружающих сельских районов. Эффект "остров тепла" практически отсутствует. Температурное поле однородно и не демонстрирует значительных температурных аномалий в городских районах.

Рисунок 12 б) показывает значительное увеличение температуры в районе Санкт-Петербурга и его окрестностях (оттенки красного). Это указывает на наличие эффекта "острова тепла", вызванного урбанизацией. Температура в городской зоне значительно выше по сравнению с сельскими районами. Максимальная температура достигает 6°C в центре города.

а) б)

Рисунок 13 – Прогностические поля температуры воздуха. а) без учета города, б) с учетом города

Без учета урбанизации большая часть региона имеет температуры в диапазоне от -4°C до 4°C. В районе Санкт-Петербурга наблюдаются температура -4°C (рисунок 13 а). С учетом урбанизации большая часть региона имеет температуры в диапазоне от 0°C до 8°C. В Санкт-Петербурге наблюдается температура 6 °C (рисунок 13 б).

Урбанизация заметно повышает ночные температуры. В центре Санкт-Петербурга температура повышается на 10 °C по сравнению с прогностическими полями без учета влияния города (рисунок 13).

Сравнение результатов прогнозов с урбанизацией и без нее показало значительные различия в температурных режимах. В модели с учетом урбанизации наблюдается более высокая температура в центре города, что соответствует эффекту «острова тепла». В то время как в модели без урбанизации такие аномалии температур не наблюдаются, что подтверждает важность включения параметризации урбанизации в модели прогноза погоды для городских территорий.

Для численного эксперимента (2020 год) были построены графики розы ветров за все дни одного и того же срока. Далее будет представлен сравнительный анализ графиков с учетом урбанизации и без за январь с осреднением всех сроков.

Рисунок 14 – Роза ветров для г. Санкт-Петербурга.

а) с учетом урбанизации, б) без учета урбанизации

В обеих розах ветров основными направлениями остаются юго-западное (S-W) и западное (W), что совпадает с типичными направлениями ветров в этом регионе для зимних месяцев.

С учетом урбанизации наблюдается более значительное распределение ветров в категории свыше 10 м/с (красная зона). Это говорит о том, что юго-западные ветра с большой скоростью усиливаются под влиянием урбанизации. Ветра со скоростью от 4 до 10 м/с также распространены, особенно в западных направлениях. Это может быть связано с влиянием городских объектов, которые усиливают ветровые потоки (рисунок 14 а).

Без учета урбанизации интенсивность ветров ниже, преобладают умеренные скорости ветра, что может свидетельствовать об уменьшении турбулентности. Ветровые потоки более однородны и менее подвержены локальным изменениям направления (рисунок 14 б).

Таким образом, учет урбанизации вносит изменения в розу ветров. Происходит усиление ветра западных направлений, благодаря турбулентным эффектам.

Затем были построены графики «бокс с усами» для скорости ветра. Также по результатам, учитывающим урбанизацию и не учитывающим.

Рисунок 15 – Ящик с усами для скорости ветра.

а) с учетом урбанизации, б) без учета урбанизации

С учетом урбанизации медиана скорости ветра (оранжевая линия) стабильно выше в большинстве интервалов по сравнению с графиком без урбанизации. Это указывает на общее повышение средней скорости ветра из-за влияния урбанизации. Разброс данных (размеры усов и ящиков) шире, что указывает на большую изменчивость скорости ветра. Это может быть связано с турбулентными потоками, вызванными городской застройкой. Выбросов одинаковое количество, однако, с учетом урбанизации они чаще встречаются внизу (рисунок 15).

Тест Манна-Уитни подтверждает, что эти визуальные различия на боксах являются статистически значимыми (статистика теста: 250340, p-значение: 2.03×10 −9).

Рисунок 16 – Ящик с усами для температуры на 2 метрах.

а) с учетом урбанизации, б) без учета урбанизации

С урбанизацией медиана температуры (оранжевая линия) выше практически во всех временных интервалах. Это указывает на влияние урбанизации, которая повышает температуру (эффект «остров тепла»). Верхние усы достигают более 280 К, но выбросы встречаются реже (рисунок 16 а).

Учет урбанизации увеличивает изменчивость температуры, что выражается в более широких усах. Это связано с локальным воздействием городской инфраструктуры на нагрев или охлаждение температуры за разные дни и сроки. Без урбанизации более однородные условия без дополнительных факторов нагрева и охлаждения (рисунок 16).

Тест Манна-Уитни подтвердил, что различия между двумя рядами температур являются статистически значимыми (статистика теста: 249210, p-значение: 5.63×10 −9).

Учет параметризации урбанизации показал усиление ветров юго-западного направления и повышение температуры воздуха за счет эффекта «острова тепла». Статистический анализ (тест Манна-Уитни) подтвердил значимость различий в скорости ветра и температуре между сценариями с урбанизацией и без нее.

Также были проанализированы графики для территории заказника «Мшинское болото». Мшинское болото выбрано в качестве репрезентативной природной территории, где влияние антропогенных факторов минимально, что позволяет оценить отличия в метеорологических условиях между урбанизированной и природной средой.

Анализ розы ветров, выявил различия в распределении скоростей и направлений ветра в зависимости от наличия или отсутствия параметризации урбанизации.

При учёте урбанизации наблюдается преобладание ветров юго-западного сектора, при этом частота сильных ветров, скорость которых превышает 6 м/с, значительно увеличивается именно в этом направлении. Характерной особенностью является наличие ветров с высокими скоростями, достигающими 9 м/с и выше, которые формируют ярко выраженные пики в юго-западном секторе. Максимальная скорость ветра достигает 10 м/с, что связано с влиянием урбанизированных территорий, создающих эффект «канализации» воздушных потоков.

В условиях отсутствия урбанизации также сохраняется доминирование ветров юго-западного сектора, однако скорости ветра в этом направлении оказывается ниже. Частота слабых ветров с диапазоном скоростей от 0 до 3 м/с увеличивается, что приводит к более сглаженному распределению. Максимальная скорость ветра при этом также достигает 9 м/с, однако пики менее выражены по сравнению с урбанизированной моделью.

Для более подробного изучения влияния города на атмосферу проанализированы потоки тепла на подстилающей поверхности (рисунок 17, 18).

а) б)

Рисунок 17 – Прогностические поля поверхностного теплового потока.

а) без учета города, б) с учетом города

Добавление урбанизации в моделирование приводит к увеличению теплового потока в городской зоне. В районе Санкт-Петербурга наблюдается усиление нагрева поверхности, что подтверждает наличие эффекта острова тепла. Инфраструктура города, включающая плотную застройку, асфальтовые покрытия и другие искусственные поверхности, способствует аккумуляции и последующему выделению тепла, что приводит к увеличению температуры поверхности и теплового потока. Область с высоким тепловым потоком стала шире, а интенсивность нагрева в центральной части города возросла (рисунок 17).

а) б)

Рисунок 18 – Прогностические поля поверхностного теплового потока.

а) без учета города, б) с учетом города

На представленных картах отображены значения теплового потока на поверхности (W/m²), что позволяет оценить влияние урбанизации на процессы теплообмена.

В сценарии без урбанизации преобладают отрицательные значения теплового потока (голубые цвета), что указывает на процессы охлаждения поверхности. В большей части территории наблюдается отрицательный тепловой баланс, характерный для холодного зимнего периода, особенно в природных районах и над водными объектами. Локальные положительные значения (слабые красные области) встречаются в отдельных регионах, но в целом тепловой поток остается низким. В городской зоне (СПб) не наблюдается значительного увеличения потока по сравнению с окружающей средой (рисунок 18 а).

При включении урбанизации в моделирование ситуация изменяется. В районе города наблюдается резкое увеличение теплового потока, что выражается в появлении ярко-красных участков в центральной части карты. Это свидетельствует о том, что городская среда аккумулирует и выделяет тепло, даже в условиях общего охлаждения окружающей территории. Высокие значения теплового потока связаны с влиянием городской застройки, асфальтовых покрытий и выбросов антропогенного тепла, что формирует остров тепла. В то же время за пределами городской территории тепловой поток остается низким и соответствует природным условиям (рисунок 18 б).

Заключение

Использование мезомасштабной гидродинамической модели WRF-ARW позволяет исследовать влияние города на атмосферу. Анализ результатов численных экспериментов позволяет сделать следующие выводы:

В полях начальных условий, поставленных по анализу модели GFS, который был интерполирован на этапе препроцессинга модели WRF-ARW на мелкую сетку, присутствует по всей площади моделирования короткая волна, которая, по нашему мнению, может быть в дальнейшем отфильтрована ассимиляцией локальных данных.

На качество моделирования сильное влияние оказывают перестройки местной циркуляции. Например, качество прогноза в январе 2020 года самое лучшее и это можно связать с господствующей антициклонической циркуляцией. Самые большие ошибки отмечены в 2010 году во время резкой смены преобладающего потока с юго-западного на северо-западный.

Выбранная конфигурация модели WRF-ARW успешно учитывает местные особенности и адаптируется к локальным условиям при моделировании атмосферных процессов в рассматриваемой области.

Сравнение прогностических полей температуры и поверхностного теплового потока с учетом урбанизации и без нее показало значительные различия в температурных режимах. В модели без учета урбанизации температуры в районе Санкт-Петербурга и его окрестностях были ниже, эффекта «острова тепла» не наблюдалось. Температурное поле было однородным и не демонстрировало значительных аномалий. В модели с учетом урбанизации температура в городской зоне была значительно выше, что указывает на наличие "острова тепла". Ночная температура повышалась на 10°C по сравнению с прогнозом без учета урбанизации.

Учет урбанизации привел к увеличению скорости ветра в городе, к увеличению количества ветров с высокими скоростями, к повышению температуры. Тест Манна-Уитни подтвердил статистически значимые различия между рядами данных с урбанизацией и без нее. Для Мшинского болота влияние урбанизации выражается в усилении ветровых потоков, особенно юго-западного направления, что связано с перераспределением воздушных масс и изменением характеристик подстилающей поверхности. Максимальные скорости ветра с урбанизацией чаще достигают 10 м/с, а частота слабых ветров снижается. Это подчеркивает необходимость учета параметризации урбанизации при моделировании метеорологических процессов, особенно в регионах с высокой степенью антропогенного воздействия.

Списокиспользуемыхисточников

1. Doswell, C., Davies-Jones, R., and Keller, D., 1990: On summary measures of skill in rare event forecasting based on contingency tables. Wea. Forecasting, 5(12), 576–585.

2. Martilli, A., Clappier, A., and Rotach, M. W., 2002: An urban surface exchange parameterization for mesoscale models. Boundary-Layer Meteorology, 104, 261–304. doi:10.1023/A:1016099921195.

3. Salamanca, F., and A. Martilli, 2010: A new building energy model coupled with an urban canopy parameterization for urban climate simulations––part II. Validation with one dimension off–line simulations. Theor. Appl. Climatol., 99, 345–356. doi:10.1007/s00704-009-0143-8.

4. Skamarock, W. C., Klemp, J. B., Dudhia, J., Gill, D. O., Liu, Z., Berner, J., Huang, X.-yu, 2021: A Description of the Advanced Research WRF Model Version 4.3. NCAR Technical Note, NCAR/TN-556+STR, 148 p. doi:10.5065/1dfh-6p97.

5. WRF–ARW User’s Guide v. 3.4, 2012: Boulder, National Center for Atmospheric Research, 384 p. Available at: http://www.mmm.ucar.edu/wrf/users/docs/user_guide_V3.4/ARWUsersGuideV3.4.pdf (accessed 03.01.2024).

Код для цитирования: Скопировать