陸 燕,王勤耕,翟一然,宋媛媛,張艷燕,孫 平 (南京大學(xué)環(huán)境學(xué)院,污染控制與資源化研究國家重點實驗室,江蘇 南京 210023)

長江三角洲城市群人為熱排放特征研究

陸 燕,王勤耕*,翟一然,宋媛媛,張艷燕,孫 平 (南京大學(xué)環(huán)境學(xué)院,污染控制與資源化研究國家重點實驗室,江蘇 南京 210023)

基于常規(guī)可獲取的能源、交通、人口等統(tǒng)計資料,利用“自上而下”的能源清單法,研究了2010年長江三角洲(以下簡稱“長三角”)城市群地區(qū)各類人為熱排放量及其時空分布特征.結(jié)果表明:該地區(qū)人為熱排放總量為 1.4×1019J/a,其中工業(yè)、交通、建筑、新陳代謝分別占75.1%、12.5%、9.9%和2.5%.上海、蘇州、無錫、杭州和南京五個城市的人為熱排放總量約占研究區(qū)域總量的71%.長三角城市群的人為熱年平均排放通量為5.3W/m2,大部分地區(qū)介于5～30W/m2,城市高值區(qū)一般介于20～70W/m2,上海明顯高于其他城市.為方便有關(guān)環(huán)境氣候模式的輸入,本文提供了人為熱排放的網(wǎng)格化空間分布和簡單的時間變化廓線.

人為熱；排放清單；城市熱島；長江三角洲

隨著城市化規(guī)模以及社會經(jīng)濟的快速發(fā)展,城市熱島效應(yīng)日益突出,對區(qū)域氣候與環(huán)境都會產(chǎn)生重要影響[1-3].很多研究表明,人為熱排放是城市熱島效應(yīng)形成的重要原因之一.在國外, Ichinose等[4]發(fā)現(xiàn)東京人為熱源可使其熱島強度增加1～1.5℃;Fan等[5]發(fā)現(xiàn)費城冬季夜間人為熱源同樣可以造成熱島強度增加2～3℃;Block等[6]模擬發(fā)現(xiàn)人為熱排放可造成中歐冬季持續(xù)變暖.在國內(nèi),蔣維楣等[7]模擬研究發(fā)現(xiàn)南京、杭州的人為熱源可使熱島強度增加 1～3℃;佟華等[8]通過類比東京的研究結(jié)果發(fā)現(xiàn)北京城市的人為熱源白天可使城市中心溫度增加 0.5℃,夜晚增加

1～3

℃;何曉鳳等[9]、王志銘等[10]通過估算工業(yè)、交通、民用建筑的能源消耗,分別研究了北京、杭州、南京及廣州等城市的人為熱排放強度.

總體來說,當(dāng)前國內(nèi)外關(guān)于城市人為熱排放的研究還很不充分,特別是對于城市群尺度的人為熱排放.當(dāng)前針對少數(shù)單個城市的研究結(jié)果,由于采用的資料與方法不一,研究結(jié)果不僅零散粗糙、且缺乏系統(tǒng)性與可比性,遠(yuǎn)不能滿足當(dāng)前對于城市群氣候與環(huán)境效應(yīng)的研究需求.

長江三角洲(簡稱“長三角”)地區(qū)是我國社會經(jīng)濟最發(fā)達的地區(qū)之一.該城市群規(guī)模大、人口密度高,熱島效應(yīng)顯著.倪敏麗等[11]基于 MODIS地表溫度遙感資料發(fā)現(xiàn)長三角地區(qū)長期存在由多個城市共同形成的“熱島群”.近年來,針對長三角城市群氣候與環(huán)境效應(yīng)也開展了大量的研究工作,其中數(shù)值模擬是一種重要的研究手段,由于缺乏詳細(xì)可靠的城市群人為熱排放清單,對于人為熱的影響,要么基于簡單的假定、要么不給予考慮,已成為制約模擬精確度的主要因素之一.為此,本研究針對長三角經(jīng)濟區(qū) 12個主要城市(行政區(qū)),主要基于常規(guī)可獲取的各種統(tǒng)計資料,采用“自上而下”的能源清單法,研究該地區(qū)人為熱的排放特征;并基于GIS構(gòu)建具有較高分辨率的網(wǎng)格化熱排放清單,同時提供不同尺度的時間變化特征廓線,從而為開展城市氣候與環(huán)境研究提供基礎(chǔ)與支持.

1 研究方法與資料

目前城市人為熱排放量的研究方法主要有能源清單法[12-13]、能量平衡法[14-15]和建筑能效建模法[16-17]等.能源清單法是一種比較實用可靠且普遍采用的方法,該方法基于能源消耗量來估算人為熱的排放量,又可以分為自上而下和自下而上兩種,前者從城市或某區(qū)域的能耗總量出發(fā),從宏觀上獲得各類型人為熱排放總量,然后根據(jù)某種方式分配到較小時空尺度[18];后者則基于較小時空尺度的不同類型的能耗數(shù)據(jù),再通過逐級統(tǒng)計匯總估算出城市尺度的人為熱排放量[19].對于城市群尺度來說,考慮到有關(guān)資料獲取的完整性、統(tǒng)一性和方便性,自上而下的方法具有明顯的優(yōu)越性.

因此,本研究采用自上而下的能源清單法對長三角城市群人為熱排放量進行估算.研究區(qū)域為長三角經(jīng)濟區(qū)12個主要城市,包括上海、南京、蘇州、無錫、常州、揚州、泰州、南通、鎮(zhèn)江、杭州、湖州及嘉興.人為熱排放源重點考慮工業(yè)、交通運輸、建筑和人類新陳代謝四個方面,其中工業(yè)進一步劃分為一般工業(yè)以及電力和熱力供應(yīng)兩大類,交通運輸劃分為市內(nèi)交通和其他運輸(包括城際公路運輸、鐵路運輸?shù)?兩類,建筑則劃分為居民生活建筑和商業(yè)建筑兩類.

除人類的新陳代謝外,其他三個方面的熱排放均與能源的消耗直接相關(guān).本研究考慮的能源類型包括各類煤(原煤、洗精煤、型煤等)、油(原油、汽油、柴油等)、氣(煤氣、天然氣、液化石油氣等)、電、熱等,為便于比較和測算,將各類能源按熱值折算成標(biāo)準(zhǔn)煤.本研究的基礎(chǔ)資料主要來源于全國及各級行政區(qū)社會經(jīng)濟、能源等方面的統(tǒng)計年鑒和相關(guān)研究報告,如中國能源統(tǒng)計年鑒[20]、中國城市年鑒[21]及各市統(tǒng)計年鑒等,資料基準(zhǔn)年原則上取2010年.為彌補部分資料的缺乏并保證資料的可靠性,對近五年(2006～2010)不同來源的資料進行了調(diào)研并對比論證,最終確定了各地區(qū)、各部門、各類能源的消費總量,如表 1所示.

能源消費相關(guān)的熱排放量可通過如下公式進行估算:

其中:E為某地區(qū)、某類型人為熱排放量,J;Cc為標(biāo)準(zhǔn)煤消耗量,t;εc為標(biāo)準(zhǔn)煤熱值,kJ/kg;根據(jù)能源統(tǒng)計年鑒中的能源換算系數(shù)表取值為 29271kJ/ kg;η為熱釋放率,%.對于電力和熱力行業(yè),其熱排放僅考慮其生產(chǎn)(能量轉(zhuǎn)換)過程中損失的熱量,電力和熱力在使用過程中的熱排放計入不同的終端消費部門.根據(jù)全國電力工業(yè)統(tǒng)計快報[22]的統(tǒng)計結(jié)果,本研究中電力、熱力部門的平均熱釋放率η取值為60%.對于其他能源消耗,假定其最終全部轉(zhuǎn)化為熱量釋放到大氣中,因此熱釋放率η取值為100%,同時忽略時間上的滯后性.

人類新陳代謝的熱排放與人口數(shù)量和活動狀態(tài)密切相關(guān),本研究借鑒國外有關(guān)研究方法,將一天分為兩個時間段:07:00～22:59為“活動”狀態(tài),23:00～06:59為“睡眠”狀態(tài)[23].人類新陳代謝排放的熱量值EM可以通過下式獲得:

式中:Mp為p時間段內(nèi)每人的新陳代謝熱排放總量.參考 Fanger[24]和 Quah等[13]的研究結(jié)果,“活動”時間段內(nèi)代謝熱排放強度為171W/人,“睡眠”時間段內(nèi)為 70W/人,結(jié)合時間可得出 Mp的值.n為人口總數(shù),長三角地區(qū)人口數(shù)量及分布資料通過各市統(tǒng)計年鑒獲取,2010年各地區(qū)人口總量見表1.

表1 長三角地區(qū)12個城市人口及各部門能源消耗量Table 1 Population and energy consumption in the YRD

2 結(jié)果與討論

2.1 長三角城市群地區(qū)人為熱排放的總體特征

由表 2可見,長三角十二個城市人為熱年排放總量為1.4×1019J/a (表中數(shù)據(jù)保留一位小數(shù),下同),其中工業(yè)企業(yè)的人為熱排放量最高,為1.0×1019J/a,占總體水平的75.1%.交通運輸和建筑物的人為熱排放分別1.7×1018, 1.3×1018J/a,占總量的 12.5%和 9.9%.人類新陳代謝熱總量則僅有3.3×1017J/a,占總量的 2.5%.各城市的人為熱排放總量相差較大,排放最大的5個城市分別是上海、蘇州、杭州、無錫、南京,其排放總量約占長三角城市群總量的71%.何曉鳳等[9]對南京、杭州兩個城市的人為熱排放總量進行過估算,其結(jié)果分別約為7.3×1017,6.5×1017J/a,小于本研究結(jié)果,其主要原因是該研究僅考慮工業(yè)、市內(nèi)交通及生活建筑,而忽略了各類運輸、商業(yè)建筑以及人類新陳代謝熱的排放,另外,由于資料的基準(zhǔn)年相差 3a以上,各城市的能源消耗量也有較大幅度的增加.

表2 長三角地區(qū)12個城市人為熱排放量和平均排放通量Table 2 Total emissions and mean fluxes of anthropogenic heat in the YRD

由表 2可見,長三角城市群人為熱平均排放通量為 5.3W/m2,各地區(qū)平均排放通量相差很大,從2.3W/m2到16.1W/m2.上海的平均排放通量遠(yuǎn)高于其他城市,無錫、蘇州、南京等也相對較高.由于本研究著眼于城市群區(qū)域尺度,在計算各城市平均排放通量時,針對整個城市行政區(qū)面積,包括城市建成區(qū)和郊區(qū).而當(dāng)前國內(nèi)外關(guān)于單一城市的人為熱排放研究,一般都針對城市建成區(qū).因此,本研究所計算的城市平均通量明顯低于國內(nèi)外多數(shù)城市的研究結(jié)果.如,2002年韓國京仁地區(qū)的人為熱排放平均通量為 45W/m2[18],2004～2005年法國圖盧茲最密集區(qū)域的平均通量為43W/m2[15],2004～2007年巴西圣保羅的人為熱平均通量在 20W/m2左右[16].在蔣維楣等[25]、何曉鳳等[9]針對長三角部分城市進行的模擬研究中,南京和杭州的平均人為熱通量密度分別為40W/m2和50W/m2.本研究基于各城市建成區(qū)面積進行了估算,結(jié)果發(fā)現(xiàn),大多數(shù)城市的平均排放通量大于 70W/m2, 由于部分工業(yè)企業(yè)位于城市建成區(qū)以外,且建成區(qū)面積遠(yuǎn)小于行政面積,上述結(jié)果可能在一定程度上高估了實際情況.

2.2 人為熱排放的網(wǎng)格化空間分布

為了給城市化氣候與環(huán)境效應(yīng)研究(特別是數(shù)值模擬研究)提供基礎(chǔ)與支持,本研究在針對城市行政區(qū)計算結(jié)果的基礎(chǔ)上,運用GIS技術(shù),給出了9km×9km網(wǎng)格尺度下長三角城市群各類人為熱排放年均強度的空間分布,如圖1所示.對于各個城市范圍內(nèi)部,由于缺乏空間分布的直接信息,本研究參考精細(xì)到區(qū)縣水平的GDP和人口分布資料(來源:各市統(tǒng)計年鑒)進行近似分配,即對于工業(yè)企業(yè)、交通運輸及商業(yè)建筑,假定其人為熱排放量與GDP相關(guān);對于居民建筑及人類新陳代謝,假定其熱排放與人口數(shù)量相關(guān).首先運用Arcgis10軟件,將基于區(qū)縣水平的 GDP 和人口資料制作成 9km×9km精度的網(wǎng)格資料,然后分別計算出各網(wǎng)格 GDP(或人口)占所在城市總量的比例,在此基礎(chǔ)上,將城市人為熱排放總量分配到各網(wǎng)格,從而得到每個網(wǎng)格的人為熱通量值.圖1為工業(yè)、交通運輸、建筑以及人類新陳代謝人為熱排放年均通量的分布.由圖1可見,四類人為熱的空間分布很不均勻,但分布格局基本類似.工業(yè)排放主要集中分布于上海及蘇南地區(qū),南京、杭州也相對較大.對于交通、建筑以及新陳代謝的排放,主要分布于人口較集中的城市地區(qū),其中上海處于較高水平.圖 2(a)是長三角城市群總體人為熱年排放通量分布情況,可以看出,上海、蘇州、無錫的高值區(qū)已連成一片.另外,南京、杭州北部也存在較大范圍的高值區(qū).長三角大部分地區(qū)人為熱排放通量介于 5～30W/m2,多數(shù)城市高值區(qū)介于 20～70W/m2.倪敏麗等[11]利用 MODIS地表溫度產(chǎn)品進行歸一化處理,得到長三角城市群的熱場分布圖[圖 2(b)],將本研究的結(jié)果與其進行比較,可以看出人為熱排放的空間分布與城市群的熱場分布較為一致.

圖1 長三角城市群各類人為熱年均排放通量空間分布 工業(yè),交通運輸,建筑,人類新陳代謝Fig.1 Anthropogenic heat emissions from industries, transportation, buildings and human metabolism in the YRD

圖2 長三角城市群總體人為熱排放通量空間分布及其與地表溫度遙感結(jié)果的比較Fig.2 Spatial distribution of anthropogenic heat emission in the YRD, compared with land surface temperature classification in the YRD

2.3 人為熱排放的時間變化

城市人為熱排放具有明顯的月變化、日變化甚至周變化.為了在有關(guān)氣候環(huán)境模式中合理引入人為熱源,了解不同尺度下的時間變化特征十分重要.為簡化起見,本研究僅考慮建筑的月變化以及交通運輸、建筑和人類新陳代謝的日變化,并假定長三角各城市的時間變化特征相同.

圖3 建筑人為熱排放月變化系數(shù)Fig.3 Monthly variation of heat emissions from residential and commercial buildings

考慮到建筑的能源消耗與居民生活和商業(yè)用電量存在密切聯(lián)系,本研究根據(jù)用電量的月變化趨勢分別獲得居民建筑和商業(yè)建筑月排放變化系數(shù),如圖3所示.圖中縱坐標(biāo)的變化系數(shù)代表各月熱排放占全年(12個月)的比例.可以看出,兩類建筑熱排放的變化趨勢基本一致,夏季排放出現(xiàn)明顯峰值.表3給出了長三角城市群市內(nèi)交通、建筑、新陳代謝人為熱排放的日變化系數(shù),與月變化系數(shù)相似,該系數(shù)表明每個時次熱排放占全天(24h)排放總量的比例.假定市內(nèi)交通人為熱排放日變化特征與車流量的變化規(guī)律一致,本研究基于薛佳平等[26]及翟一然等[27]關(guān)于長三角城市的研究結(jié)果確定其人為熱日排放變化系數(shù).建筑的日變化系數(shù)基于 Lee等[18]對韓國較發(fā)達地區(qū)(京仁)的研究結(jié)果確定.由于各人日常活動的多變性,無法準(zhǔn)確獲得整體的新陳代謝熱排放時間規(guī)律,因此假定在“活動”和“睡眠”時間段內(nèi)的排放比率均是固定值,具體數(shù)值依據(jù) Fanger[24]和Quah等[13]的相關(guān)研究確定.可以看出,市內(nèi)交通熱排放在早晨和傍晚相對較高,這與早晚交通高峰相一致.建筑熱排放總體上白天較高,中午和晚上也有兩個峰值,這與炊事活動有關(guān).

表3 交通、建筑、新陳代謝人為熱排放日變化系數(shù)(%)Table 3 Diurnal variations of heat emissions from transportation, buidlings, and human metabolism (%)

3 結(jié)語

長三角城市群的人為熱排放總量為1.4×1019J/a,其中工業(yè)、交通運輸、建筑和人類新陳代謝四部分的人為熱排放量分別占 75.1%、12.5%、9.9%和 2.5%.人為熱排放總量最大的 5個城市分別是上海、蘇州、杭州、無錫、南京,對城市群人為熱排放量的總貢獻率將近 71%.長三角城市群人為熱平均排放通量為 5.3W/m2.各地區(qū)平均排放通量相差很大,上海的平均排放通量遠(yuǎn)高于其它城市,無錫、南京等也相對較高.長三角大部分地區(qū)人為熱排放通量介于5～30W/m2,多數(shù)城市高值區(qū)介于20～70W/m2.

本研究在城市(行政區(qū))層面上直接依據(jù)各種統(tǒng)計資料,人為熱排放總量的不確定性相對較小,但在各市內(nèi)部,由于缺乏詳細(xì)資料,其空間分配多數(shù)依據(jù)GDP及人口等相關(guān)信息,因此不確定性較大,在開展高空間分辨率研究時,應(yīng)給予充分關(guān)注.另外,所提供的不同尺度的時間變化系數(shù),只是反映了主要排放源的區(qū)域總體變化特征,而不同地區(qū)往往具有明顯差別,這也是將來研究需要改進的一個重要方面.

參考文獻：

[1] Agarwal M, Tandon A. Modeling of the urban heat island in the form of mesoscale wind and of its effect on air pollution dispersal [J]. Applied Mathematical Modelling, 2010,34:2520-2530.

[2] Merbitz H, Buttst?dt M, Michael S, et al. GIS-based

identification of spatial variables enhancing heat and poor air

quality in urban areas [J]. Applied Geography, 2012,33:94-106. [3] Velazquez-Lozada A, Gonzalez J E, Winter A. Urban heat island effect analysis for San Juan, Puerto Rico [J]. Atmospheric Environment, 2006,40:1731-1741.

[4] Ichinose T, Shimodozono K, Hanaki K. Impact of anthropogenic heat on urban climate in Tokyo [J]. Atmospheric Environment, 1999,33:3897-3909.

[5] Fan H, Sailor D. Modeling the impacts of anthropogenic heating on the urban climate of Philadelphia: A comparison of implementations in two PBL schemes [J]. Atmospheric Environment, 2005,39:73-84.

[6] Block A, Keuler K, Schaller E. Impacts of anthropogenic heat on regional climate patterns [J]. Geophysical Research Letters, 2004, 31,L12211.

[7] 蔣維楣,苗世光,張 寧,等.城市氣象與邊界層數(shù)值模擬研究[J]. 地球科學(xué)進展, 2010,25(5):463-473.

[8] 佟 華,劉輝志,桑建國,等.城市人為熱對北京熱環(huán)境的影響[J]. 氣候與環(huán)境研究, 2004,9(3):409-421.

[9] 何曉鳳,蔣維楣,陳 燕,等.人為熱源對城市邊界層結(jié)構(gòu)影響的數(shù)值模擬研究 [J]. 地球物理學(xué)報, 2007,50(1):74-82.

[10] 王志銘,王雪梅.廣州人為熱初步估算及敏感性分析 [J]. 氣象科學(xué), 2011,31(4):422-430.

[11] 倪敏麗,申雙和,張佳華.長江三角洲城市群熱環(huán)境研究 [J]. 大氣科學(xué)學(xué)報, 2009,32(5):711-715.

[12] Ferreira M J, Oliveira A P, Soares J. Anthropogenic heat in the city of S?o Paulo, Brazil [J]. Theoretical and Applied Climatology, 2011,104:43-56.

[13] Quah A K L, Roth M. Diurnal and weekly variation of anthropogenic heat emissions in a tropical city, Singapore [J]. Atmospheric Environment, 2012,46:92-103.

[14] Offerle B, Grimmond C S B, Fortuniak K, et al. Temporal variations in heat fluxes over a central European city centre [J]. Theoretical and Applied Climatology, 2005,84:103-115.

[15] Pigeon G, Legain D, Durand P, et al. Anthropogenic heat release in an old European agglomeration (Toulouse, France) [J]. International Journal of Climatology, 2007,27:1969-1981.

[16] Heiple S, Sailor D J. Using building energy simulation and geospatial modeling techniques to determine high resolution building sector energy consumption profiles [J]. Energy And Buildings, 2008,40:1426-1436.

[17] Zhou Y, Weng Q, Gurney K R, et al. Estimation of the relationship between remotely sensed anthropogenic heat discharge and building energy use [J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2012,67:65-72.

[18] Lee S H, Song C K, Baik J J, et al. Estimation of anthropogenic heat emission in the Gyeong-In region of Korea [J]. Theoretical and Applied Climatology, 2009,96:291-303.

[19] Sailor D J, Brooks A, Hart M, et al. A bottom-up approach for estimating latent and sensible heat emissions from anthropogenic sources [J]. Seventh Symposium on the Urban Environment, 2007.

[20] 中國電力企業(yè)聯(lián)合會全國電力工業(yè)統(tǒng)計快報(2010年) [EB/OL].http://www.cec.org.cn/xinxifabu/2011-02-09/39714.html.

[21] 國家統(tǒng)計局能源統(tǒng)計司.中國能源統(tǒng)計年鑒2010 [M]. 北京:中國統(tǒng)計出版社, 2011.

[22] 程安東.中國城市年鑒2010 [M]. 北京:中國城市年鑒社, 2011.

[23] Grimmond C S B. The suburban energy balance: methodological considerations and results for a mid-latitude west coast city under winter and spring conditions [J]. International Journal of Climatology, 1992,12:481-497.

[24] Fanger P O. Thermal comfort: Analysis and applications in environmental engineering [M]. New York:McGraw-Hill, 1970.

[25] 蔣維楣,陳 燕.人為熱對城市邊界層結(jié)構(gòu)影響研究 [J]. 大氣科學(xué), 2007,31(1):37-47.

[26] 薛佳平,田偉利,張清宇.杭州市機動車 NOx排放清單的建立及其對空氣質(zhì)量的影響 [J]. 環(huán)境科學(xué)研究, 2010,23(5):613-618. [27] 翟一然,王勤耕,宋媛媛.長江三角洲地區(qū)能源消費大氣污染物排放特征 [J]. 中國環(huán)境科學(xué), 2012,32(9):1574-1582.

Anthropogenic heat emissions in the Yangtze River Delta region.

LU Yan, WANG Qin-geng*, ZHAI Yi-ran, SONG

Yuan-yuan, ZHANG Yan-yan, SUN Ping (State Key Laboratory of Pollution and Control Resource Reuse, School of the Environment, Nanjing University, Nanjing 210023, China). China Environmental Science, 2014,34(2)：295～301

Based on conventional statistical data on energy consumption, transportation, population, anthropogenic heat emissions from the urban agglomeration of the Yangtze River Delta (YRD) in 2010 were estimated by using the top-down energy inventory method. Results show that total amount of anthropogenic heat emissions was 1.4×1019J/a. Industry, transportation, buildings and human metabolism contributed 75.1%、12.5%、9.9% and 2.5%, respectively. Emissions from Shanghai, Suzhou, Wuxi, Hangzhou and Nanjing accounted for nearly 71% of the total amount. The mean flux in study area was 5.3W/m2with high values between 20 and 70W/m2in most urban areas. The flux in Shanghai was obviously higher than in other cities. In order to be applied in environmental and climate modeling, a gridded inventory with simple profiles of temporal variations was provided.

anthropogenic heat；emission inventory；urban heat island；Yangtze River Delta

X16

：A

：1000-6923(2014)02-0295-07

陸 燕(1989-),女,江蘇南通人,南京大學(xué)環(huán)境學(xué)院碩士研究生,主要從事城市群人為熱排放及其環(huán)境氣候效應(yīng)的研究.

2013-06-04

國家自然科學(xué)基金資助項目(41175129);國家“973”項目(2010CB428503);國家科技支撐項目(2011BAK21B03)

* 責(zé)任作者, 教授, wangqg@nju.edu.cn