EN中文

Arid Zone Research >

2025 , Vol. 42 >Issue 11: 2005 - 2017

DOI: https://doi.org/10.13866/j.azr.2025.11.05

Weather and Climate

Numerical simulation study on the impact of typical trban lakes in arid regions on local climate effects

  • WANG Fan , 1, 2, 3 ,
  • ZHU Xiaowei , 1, 2, 3 ,
  • GAO Ruina 1, 2, 3 ,
  • SUN Yinchuan 1, 2, 3 ,
  • HUANG Ying 1, 2, 3 ,
  • JIANG Guoyong 1, 2, 4 ,
  • LI Jiayao 1, 2, 3 ,
  • XU Haoyang 1, 2, 3 ,
  • Liu Yao 1, 2
Expand
  • 1. Key Laboratory for Meteorological Disaster Monitoring and Early Warning and Risk Management of Characteristic Agriculture in Arid Regions, Yinchuan 750002, Ningxia, China
  • 2. Key Laboratory of Meteorological Disaster Prevention and Reduction of Ningxia, Yinchuan 750002, Ningxia, China
  • 3. Ningxia Climate Center, Yinchuan 750002, Ningxia, China
  • 4. Ningxia Lingwu City Meteorological Bureau, Yinchuan 750002, Ningxia, China

Received date: 2025-03-27

  Revised date: 2025-09-15

  Online published: 2026-03-12

Fold

Abstract

To investigate the mechanisms by which urban lakes in arid regions locally regulate climate at extremely high temperatures, this study simulated a high-temperature event in the Yuehai Lake area of Yinchuan during July 29-30, 2021. Simulations were performed in the Weather Research and Forecasting (WRF) Community Land Model coupled model configured with four nested grids. The WRF_CLM model accurately characterized the diurnal temperature variations at the Yinchuan station and effectively reproduced the spatial distributions of physical fields such as the near-surface temperature field and wind field, demonstrating its suitability for simulating lake microclimates in arid regions. Under high-temperature conditions, Yuehai Lake, situated in an arid region, can effectively mitigate urban heat-island intensity through synergistic thermal and dynamic effects. The low humidity and strong radiation in the arid region significantly enhance evaporative cooling during the daytime; consequently, the 2-meter air temperature is approximately 4 ℃ lower near the lake than in the surrounding urban areas. During the nighttime, this temperature difference narrows to 1 ℃ because the strong radiative cooling effect over land combines with the thermal inertia of the cooled water body. This “stronger during the day, weaker at night” pattern reduces the diurnal temperature range in the lake area. Simultaneously, radiative evaporation raises the relative humidity in the lake area by 4%-12% from that in urban areas, with the humidity peaking on the downwind lakeshore. Furthermore, the lake-land thermal contrast effectively drives the lake-land breeze circulation. During the day, a horizontal divergence center forms over the lake surface and extends its influence to approximately 0.05 toward the lakeshore; vertically, it induces a closed circulation cell centered at an approximate height of 2200 meters, creating a core zone of specific humidity. At night, the evaporation weakens and the urban background wind system dominates the moisture diffusion, diminishing the local humidification effect around the lake. This study quantifies the local climatic effects of a typical lake in an arid region, providing a scientific basis for ecological urban planning.

Key words： WRF_CLM model; high temperature; lake-land breeze; climatic effect

Cite this article

WANG Fan , ZHU Xiaowei , GAO Ruina , SUN Yinchuan , HUANG Ying , JIANG Guoyong , LI Jiayao , XU Haoyang , Liu Yao . Numerical simulation study on the impact of typical trban lakes in arid regions on local climate effects[J]. Arid Zone Research, 2025 , 42(11) : 2005 -2017 . DOI: 10.13866/j.azr.2025.11.05

湖泊是陆面过程的重要组成部分，在决定局地和区域气候方面扮演着非常重要的角色，尤其是内陆湖泊，对气候变化有敏锐的指示作用[1]。它们与周围陆地在反照率、粗糙度、热容量以及物质和能量交换等方面存在显著差异，可以通过影响降水模式、气温变化、风速和风向对区域天气和气候造成影响[2-3]。湖泊水体与陆地之间的热力差异可以激发局地热力环流，使热量和水分在水陆之间产生交换，对局地气候起到调节的作用[4-6]。
数值模式能够阐述连续的局地气象条件时空演变特征，一直是研究水体对局地微气候影响的重要方法之一。随着数值模式的水平分辨率、物理参数化方案及陆-气-水耦合技术等方面发展，在探究湖泊热力强迫对局地气象条件和边界层过程的调控作用方面，研究者得以精细刻画湖泊热力强迫对局地环流与边界层过程的调控机理[7-9]。Keeler等[10]发现，芝加哥地区湖泊的存在能够加强城市夜间热岛强度，削弱正午时刻的城郊温差。唐滢[11]发现，太湖可以引起夏季地面气温降低和降水减少，且在午后影响最为明显，水-陆温差引发的水平辐散场对降水系统有显著影响。任侠[12]将CLM4-LISS陆面模式与WRF/Noah模式耦合，通过高精度下垫面参数化技术，定量解析了太湖水体在春、夏季对60 km范围内近地层气温的时空调控特征，发现日间湖面降温效应可达0.5~0.7 ℃。这些研究成果凸显了数值模拟在探究湖泊热力强迫对局地气象条件和边界层过程的调控作用方面的独特优势。
CLM（Community Land Model）模式耦合到WRF （Weather Research and Forecasting）模式，是开展区域气候模拟的有效手段。WRF_CLM耦合模式作为当前区域气候模拟的主流框架，其技术优势体现在WRF模式可为陆面模拟提供一个较好的中尺度大气强迫场，CLM 4.0对陆面物理过程描述全面且细致，可为大气模式提供通量输入和下边界条件，核心在于双向动态反馈机制，其耦合过程通过实时交换能量与动量通量实现，这种机制使得WRF_CLM能够更真实地模拟湖泊等水体通过蒸发、感热输送等方式对局地及区域气候的反馈效应，减少由于陆面物理过程描述不准确而造成的区域气候模拟误差，提高区域气候模式模拟的能力[13-18]。苏东生等[19]采用非静力模式WRF_Flake动态耦合模式模拟青海湖夏秋季蒸发-感热通量的相位转换机制，指出相比于Flake，CLM模式更为优越，对于湖表面温度、净辐射和能量的累积更接近观测值[20]。多项研究也表明，WRF_CLM耦合模式在复杂地形下垫面的气候响应模拟中表现突出[21-23]，例如许鲁君等[21]采用耦合湖泊模型的WRF_CLM模式，针对山谷盆地地形，模拟洱海的湖泊效应，发现洱海具有明显的湖陆风环流特征，在白天减少湍流输送，边界层高度降低，而夜间增强潜热、感热，促进湍流发展，边界层高度增加，形成独特的昼夜循环机制。由于地理位置、地形条件、气候特征及周边环境等方面差异，湖泊的影响呈现不同的特征[24-26]。干旱区湖泊因其独特的地理气候背景，其局地气候效应与湿润区湖泊存在显著差异。干旱区降水稀少、蒸发强烈，特有的低空气湿度导致饱和水汽压差大，湖泊作为稀缺的水体资源，这种强烈的蒸发冷却效应可能导致更显著的湖面降温幅度和更强的湖陆温差，从而可能激发更剧烈的局地热力环流，其强度、范围和日变化特征可能与湿润区湖泊不同。尽管高原及湿润区湖泊效应研究已取得进展，然而目前针对干旱区湖泊湿地研究较少，有必要通过优化数值模式参数化方案、融合多源观测数据等方式深化相关研究。
在快速城市化进程中，城市水体空间作为稀缺生态资源与人类活动的交汇界面，其微气候调节功能已成为缓解热岛效应、改善人居环境的关键科学议题[27-28]。尤其在降水稀少、生态脆弱的西北干旱区，城市湖泊既是生态屏障，也是城市发展的资源载体，由于其特殊的地理环境和人类活动影响，在生态、水文、社会等方面具有显著的特性和重要的研究价值，如何在有限湖泊资源约束下，通过量化“湖泊-城市”系统的水热交换机制，实现生态效益最大化，已成为国土空间优化亟待解决的核心问题[29-30]。
银川市地处西北干旱区的银川平原中部，西倚贺兰山，东临黄河，是典型的引黄灌溉绿洲城市。该区域属中温带大陆性干旱气候，主要特征为干旱少雨、蒸发强烈、日照充足且昼夜温差大。得益于黄河灌溉，银川平原历史上形成了众多湖泊湿地，构成了西北干旱区罕见的城市湿地景观。阅海国家湿地公园面积2667 hm2，其中水域面积1466 hm2，位于银川市区西北部，是银川市面积最大、最具代表性的城市湿地湖泊之一，也是中国西部干旱带重要的湖泊湿地类型。以宁夏阅海国家湿地公园为典型研究对象，其独特的水体热容效应是否能在高温天气条件下形成显著调节局地气候的作用，以及这种调节作用的空间特征如何都有待探究。为了探究阅海湖局地气候效应，本文拟利用ERA5再分析资料作为边界条件，驱动WRF_CLM耦合模式构建4层嵌套网格，对阅海湖区域高温天气形势下的环流特征进行模拟，以验证WRF_CLM耦合模式在宁夏的适用性，并分析高温天气形势下银川站和览山剧场气象站的气候条件差异，揭示阅海湖的局地气候效应，研究成果将为日后开展的环阅海湖监测和保护等措施提供理论依据，对于优化城市生态环境布局具有重要意义。

1 数据资料与技术方法

1.1 数据资料

采用了银川国家基准气候站、览山剧场自动气象观测站气象资料，银川国家基准气候站（以下简称“银川站”）位于106.21°E，38.47°N，距离阅海湖南侧直线距离约为6 km，代表银川市城市下垫面陆地边界层特征；览山剧场自动气象观测站（以下简称“览山剧场站”）位于106.21°E，38.53°N，在阅海湖东侧岸边，代表了阅海湖周围陆地边界层特征。银川站和览山剧场站直线距离约为8 km。再分析数据采用欧洲中期天气预报中心（ECMWF）ERA5逐小时再分析数据，具体包括温度场、经向风、纬向风等，时间为2021年7月29—30日，空间分辨率为0.25°×0.25°[31]。

1.2 模式介绍和试验设计

本文采用WRF_CLM模式构建4层嵌套网格模拟阅海湖区域高温天气形势下的气象特征。选用4层双向嵌套网格，分别为D01、D02、D03、D04，水平分辨率由外到内分别为：9 km，3 km，1 km，333 m（图1，表1），其中，第4层网格以阅海湖位置为中心，模拟范围约33 km×33 km。模拟时间段为2021年7月29日02:00—30日02:00。
图1 WRF_CLM模式构建的4层嵌套网格区域

Fig. 1 Four-level nested grid domain constructed in the WRF_CLM model

表1 WRF_CLM模式参数配置

Tab. 1 Parameter configuration of the WRF_CLM model

参数 D01 D02 D03 D04
水平分辨率 9 km 3 km 1 km 333 m
微物理方案 WRF Double-moment 6-class scheme
长波辐射 RRTM scheme
短波辐射 Dudhia scheme
陆面过程 CLM 4.0
边界层 YSU scheme
近地面方案 Revised MM5 surface layer scheme
积云方案 无
湖泊方案 CLM 4.5 lake model
地形 24-category USGS-based land use data
WRF模式的参数化方案如下：4层网格的微物理方案选用WRF Double-moment 6-class方案，长短波辐射方案选用RRTM方案和Dudhia方案，陆面过程选用CLM 4.0方案，边界层选用YSU方案，表层选用Revised MM5表层方案。模式分辨率均低于10 km，网格可以分辨积云降水，因此，4个网格都不使用积云参数化方案。陆面过程参数化方案采用的是CLM 4.0，同时启用了湖泊方案CLM 4.5湖泊模型，确定了阅海湖的空间范围（图2）。所采用的方案CLM 4.5湖泊模型是在Hostetler等[32]一维热扩散湖泊模型基础上发展而来的[33]，该模型被包含在CLM陆面模式的参数化方案里，并于2011年耦合到WRF的更新版本中。模式假设湖泊各深度的截面积相等、湖水水平均一，湖深可调节。最顶层的边界条件由表层进入湖泊的热量通量决定，底部的边界条件为零通量层，湖中热量的交换主要由垂直交换引起。垂直涡旋扩散系数Ke,i的方程可以写成如下形式：
K e , i = k w * z i P 0 ( 1 + 37 R 2 i ) e x p ( - k * z i ) ,       T g > T f   0 ,                                                                                     T g ≤ T f 1 ≤ i ≤ 10
这里假设湖水分为10层。式中： k=0.4； P 0=1； R i为理查森数； z i为湖泊各层深度； w *为表面摩擦速度； k * = 6.6 u - 1.84 2                   s i n Φ； T g为湖表面温度； T f为冻结温度；i为湖泊各层索引数[34]。模式具体介绍参见参考文献[35]。基于此方法，徐鲁君等[18]和任侠[12]在云南洱海和太湖开展了数值模拟试验，并取得了较好的模拟效果。
图2 阅海湖湖泊的分布范围

Fig. 2 Distribution range of Yuehai Lake

2 结果与分析

2.1 模拟效果检验

采用WRF_CLM模式模拟夏季干旱区高温天气下2021年7月29—30日阅海湖的气候效应，并进行模式验证。此次典型高温天气的形成主要是受南亚高压和西太副高的异常位置及强度，以及阻塞高压的下沉气流共同影响，天气晴朗少云，期间银川市低湿高温。分别采用银川站、览山剧场站的观测数据对模式模拟结果进行站点尺度验证，同时利用ERA5再分析数据对模式第二层嵌套区域的模拟结果进行区域尺度验证。
为检验高温天气下WRF_CLM模式对气象要素变化的模拟能力，图3为模拟时段银川站2 m气温数值模拟与实测数据的时序对比，气温峰值和谷值的出现时间与观测值基本吻合，结果显示模式可较为准确再现气温日变化的振幅特征。具体来看，模拟曲线与观测值的日变化具有一致性，全时段模拟气温和观测值偏差在-5.0~2.4 ℃，其中29日08:00—23:00的模拟性能较佳，日最高气温14:00模拟值36.3 ℃与观测值34.9 ℃偏差1.4 ℃。但在夜间（29日02:00—05:00及30日02:00）边界层稳定阶段存在显著冷偏差，30日02:00模拟值19.2 ℃较观测值24.2 ℃偏低5.0 ℃，这可能与模式对地表长波辐射参数化及近地层湍流混合过程的表征精度有关[36]。表明模式在捕捉昼夜温差特征及极端高温事件演变过程方面具有较高可靠性，但对夜间近地层的模拟能力仍需进一步优化。
图3 2021年7月29日02:00—30日02:00银川站观测与模式模拟气温演变对比

Fig. 3 Comparison of observed and model-simulated temperature evolution at Yinchuan Station from 02:00 on July 29 to 02:00 on July 30, 2021

为了进一步验证WRF_CLM模式对气象要素空间分布的模拟能力。选取2021年7月29日4个典型时次（02:00、08:00、14:00、20:00）的近地面2 m温度场开展验证分析。将模式输出的第2层嵌套2 m温度数据（3 km×3 km）插值至0.25°分辨率的ERA5再分析网格，进而计算模拟结果与ERA5数据的空间差值场。图4展示了上述4个时次2 m温度模拟偏差的空间分布特征，分辨率为0.25°×0.25°。结果表明：第2层嵌套区域内，WRF_CM模式与ERA5再分析资料在大部范围内存在0~3 ℃的冷偏差，但在内蒙古中西部的沙漠区、甘肃中东部部分地区及银川市区，02:00、08:00、14:00存在0~4 ℃的暖偏差。夜间嵌套区域普遍存在1~5 ℃冷偏差，与上文2 m温度夜间低估的结论一致。阅海湖区域4个时次（02:00、08:00、14:00、20:00）的模式模拟温度与再分析数据差异较小，基本维持在-1~1 ℃之间，表明模式对水体下垫面热力过程刻画较优。为更全面地评估模式模拟效果，计算了模拟结果与ERA5再分析资料2 m温度的平均差值（ME）、均方根误差（RMSE）和空间相关系数（SCC），02:00、08:00、14:00、20:00平均绝对误差分别为-1.4 ℃、1.0 ℃、-0.5 ℃、-3.8 ℃，均方根误差为2.5 ℃、2.1 ℃、2.2 ℃、4.4 ℃，相关系数为0.93、0.91、0.93、0.92，均通过0.05显著性检验。综合分析表明，尽管存在特定时次和区域的偏差，WRF_CLM模式总体上对干旱区2 m温度的空间分布特征和量级具有较好的刻画能力。
图4 模式第2层模拟嵌套区域与ERA5再分析资料2021年7月29日2 m温度场差值分布

Fig. 4 Difference distribution of the 2 m temperature field in the simulated nested domain of the second layer in the model and ERA5 reanalysis data on July 29, 2021

接下来验证WRF_CLM模式对低层风场和温度场的模拟能力，选取2021年7月29日4个典型时次（02:00、08:00、14:00、20:00）的850 hPa温度场和风场开展验证分析。将模式输出的第2层嵌套850 hPa温度场和风场数据（3 km×3 km）插值至0.25°分辨率的ERA5再分析网格，进而计算模拟结果与ERA5数据的空间差值场。图5展示了上述4个时次的850 hPa温度场和风场模拟偏差的空间分布特征，分辨率为0.25°×0.25°。结果表明：第2层嵌套区域内，WRF_CM模式与ERA5再分析资料850 hPa气温偏差较小，在大部分范围内存在0~2 ℃的冷偏差，但在内蒙古中西部的沙漠区存在0~3 ℃的暖偏差。阅海湖区域4个时次（02:00、08:00、14:00、20:00）的模式模拟温度与再分析数据差异较小，基本维持在-1~1 ℃之间，表明模式对低层气温刻画较优；从风场来看，多数区域风矢量差值长度较小，表明850 hPa风场模拟与ERA5在量级和方向上较一致。为更全面地评估模拟效果，计算了模拟结果与ERA5再分析资料气温和风矢量的平均差值（ME）、均方根误差（RMSE）和空间相关系数（SCC），气温02:00、08:00、14:00、20:00平均差值分别为-0.3 ℃、-0.1 ℃、-0.1 ℃、-1.0 ℃，均方根误差为1.3 ℃、1.4 ℃、1.1 ℃、1.9 ℃，相关系数为0.93、0.91、0.94、0.91，均通过0.05显著性检验；风速02:00、08:00、14:00、20:00平均差值分别为3.8 m·s-1、2.8 m·s-1、2.6 m·s-1、4.5 m·s-1，均方根误差为2.7 m·s-1、2.0 m·s-1、2.0 m·s-1、3.1 m·s-1，相关系数为0.43、0.45、0.45、0.32，均通过0.05显著性检验。综合分析表明，WRF_CLM模式总体上对干旱区850 hPa气温的刻画能力优于风矢量，整体来看具有较好的模拟能力。
图5 模式第2层模拟嵌套区域与ERA5再分析资料2021年7月29日850 hPa温度场差值（单位：℃）及风场差值（单位：m·s-1）分布

Fig. 5 Difference distribution of the 850 hPa temperature field (unit: ℃) and wind field (unit: m·s-1) in the simulated nested domain of the second layer in the model and ERA5 reanalysis data on July 29, 2021

2.2 湖泊对局地气候的影响

局地环流的形成与演变是热力强迫、地形动力作用及下垫面异质性共同驱动的非线性过程。本研究选取览山剧场站作为湖泊影响核心区，银川站代表典型城市下垫面，分析阅海湖和城市高温天气下对局地气温、风场、比湿场和湿度场的差异，定量评估湖泊湿地对局地气象要素的影响，揭示水体-城市界面相互作用过程中能量交换与微气候调节特征。

2.2.1 2 m气温场

水域由于具有较高的热容量，在相同的太阳辐射下，水体的气温变化小于陆地，水体通过水平方向的热量、水汽交换影响到周围陆地，使得水体和周围陆地的风速和湿润条件发生显著变化。多项研究表明，城市水体具有降温、增湿和缓解城市热岛效应的功能，起到明显调节热环境的功能[37]。选取2021年7月29日08:00、14:00、20:00和7月30日02:00 4个时次，模式模拟的2 m气温场分布图见图6。总体来看，气温受下垫面加热影响，湖表温度明显低于陆表温度，较外围区域形成明显低温中心。进一步分析7月29日览山剧场站及银川站2 m温度随时间的变化特征及空间分布可知，两站气温变化趋势相同，均呈单峰型曲线。最低气温出现在05:00；随着太阳辐射增强，气温逐渐升高，并于14:00—17:00达到最高值。值得注意的是，干旱区特有的低空气湿度导致饱和水汽压差大，在强烈的太阳辐射驱动下，极大增强了水体表面的蒸发潜热损失效率。水体通过大量蒸发消耗热能，产生显著的冷却效应，使得日间水体降温效应远高于一般湿润地区。因此，全天各时段，靠近水体的览山剧场站气温均低于银川站，且差异在白天尤为显著。特别是在14:00—17:00受强烈的蒸发冷却主导，湖岸区域形成明显的低温中心，例如14:00银川站气温高达约36 ℃，而览山剧场站为30 ℃，温差达6 ℃。夜间高温过程晴朗少云，地表长波辐射损失强烈且不受云层阻挡，干燥空气对长波辐射吸收能力弱，导致陆面热量极易散逸，夜间陆面的强辐射冷却与水体的热惯性缓释共同作用，使得水陆温差迅速缩小，例如30日02:00温差已不足1 ℃（图6、图7）。上述结果表明，在高温天气背景下，阅海湖水体通过日间蒸发冷却与夜间蓄热释放的协同机制，显著调节局地热力环境。具体表现为湖面与陆面气温差异呈现明显昼夜分异，日间，尤其14:00—17:00，受蒸发冷却主导，湖岸区域形成显著低温中心，夜间辐射冷却与水体的热惯性作用凸显，水陆温差减小。这种热力调节效应有效削弱了水陆界面温度的昼夜波动幅度，体现了干旱区湿地生态系统在缓解城市热岛效应中的独特作用。
图6 模式第4层模拟嵌套区域2021年7月29—30日2 m温度空间分布

Fig. 6 Spatial distribution of 2 m temperature in the simulated nested domain of the fourth layer in the model from July 29 to 30, 2021

图7 模式第4层模拟嵌套区域2021年7月29—30日2 m温度时间变化序列

Fig. 7 Temporal variation sequence of 2 m temperature in the simulated nested domain of the fourth layer in the model from July 29 to 30, 2021

2.2.2 风场及垂直环流场特征

阅海湖地处银川平原，无地形抬升作用，地势平坦利于气流自由流动，夏季的盛行风向主要以偏南风为主，与银川市一致。由于阅海湖的存在，阅海湖与周围陆地间热力性质不同可引起湖陆风，日间太阳辐射作用下，陆地因比热容较低快速升温，湖面温度较陆地低，形成高压系统，陆地则气压较低，湖面的高压会使地面空气发生辐散，产生流向陆面的气流，形成昼夜交替的湖陆风。从7月29日模式模拟的4个时间10 m水平风速分布可以看出，29日08:00、14:00阅海湖区域存在明显的辐散中心，风由湖面向陆地方向吹，14:00热力强迫达峰值时，地面水平风场的辐散现象更为明显，湖面的风速明显增强；从29日20:00及30日02:00的水平流场可以看出，晚上到夜间湖陆热力差异逐渐降低，湖区的风场以城市的主导风向为主（图8）。整体来看，阅海湖附近的水平流场受阅海湖影响明显，影响范围在湖边约0.05°范围内。
图8 模式第4层模拟嵌套区域2021年7月29日10 m风速空间分布

Fig. 8 Spatial distribution of 10 m wind speed in the simulated nested domain of the fourth layer in the model on July 29, 2021

阅海湖与周边陆地间的热力性质差异形成的高低压中心可驱动气压梯度力主导的水平能力输送，通过平流作用显著改变局地温湿场结构，是典型的水体-陆地相互作用边界层过程。图9为沿38.52°N经向的垂直剖面，进一步分析环流垂直表明，热力驱动的三维环流呈现显著日变化。日出以后，湖面从垂直风速剖面来看，29日14:00为较强盛时段，湖面从阅海湖东侧向西侧吹，气流在西侧上升，形成显著的上升运动，在东侧则为下沉运动，构成垂直尺度达2200 m左右的闭合环流圈。该系统导致边界层风向发生明显的90°转向，风场在高空辐合、地面辐散，形成强烈的垂直切变（图9b）。随着日落后热力驱动减弱，系统呈现快速衰减特征，29日20:00对流活动逐渐减弱，局地闭合环流系统仍然维持，可以影响的边界层高度下降到1600 m，此后对流活动进一步减弱，至30日02:00已没有明显对流活动。
图9 模式第4层模拟嵌套区域沿38.52°N方向风速（矢量箭头，单位：m·s-1）及比湿（蓝色线条，单位：g·kg-1）经向剖面分布

Fig. 9 Meridional cross-sectional distribution of wind speed (vector arrows, unit: m·s-1）and specific humidity (blue lines, unit: g·kg-1) along 38.52°N in the simulated nested domain of the fourth layer in the model

同步发展的比湿场剖面结构显示，29日08:00湖面与周围陆地比湿变化趋势没有明显差异，等比湿线平直，比湿大值区主要位于近地面层，而且高度增加，比湿降低。随着太阳高度角的增大，湖区蒸发逐渐旺盛，对流活动强盛，原有的比湿垂直结构被破坏，在湖区上空形成比湿大值中心，截至29日14:00湖面上空2000 m比湿超过5.8 g·kg-1，形成比湿核心区，其垂直水汽输送较外围明显提升，随着时间推移，蒸发逐渐减弱，比湿大值区高度逐渐降低并逐渐消失。

2.2.3 相对湿度

湖面蒸发大，水分通过蒸发进入大气，增加近地面的相对湿度，因此，水体附近的大气较其他地区湿润。从7月29—30日模式模拟相对湿度的分布图可以看出，湖区附近相对湿度明显大于其他区域，为高相对湿度中心，相对湿度随距湖泊边界距离增加而下降。此外，从图8来看，西侧属于下风区，受盛行风场输送作用影响，湖体西侧下风方向形成湿度延伸带，湖区的下风向区域增湿效果相对更明显（图10），上述特征与李婷婷等[38]和张伟等[39]的研究结论一致。
图10 模式第4层模拟嵌套区域2021年7月29日相对湿度空间分布

Fig. 10 Spatial distribution of relative humidity in the fourth-layer simulated nested domain on July 29, 2021

进一步分析7月29—30日览山剧场站及银川站相对湿度随时间的变化特征可以看出，览山剧场站与银川站相对湿度场日变化明显且具有相同的趋势，其日变化均为单峰型，与图7中气温日变化为相反位向。平均相对湿度在02:00—05:00较大，清晨05:00左右出现最大值，银川站和览山剧场站相对湿度达65%以上，随着气温的升高，水汽压及饱和水汽压都随之增大，但是水汽压的增大比饱和水汽压的增大要慢，因而相对湿度随之减小，至15:00—18:00出现最小值。之后，随着太阳辐射的减弱，气温的降低，相对湿度又开始逐渐增大。各时次看，靠近水体的览山剧场站相对湿度均高于银川站，从差值变化中也可以看到，相对湿度差值在08:00达到最大，达16%，白天湖面在太阳辐射下蒸发强度增大，向近地层输送大量水汽，导致湖区区域比湿显著高于陆区，在图11中也可以得到验证，白天08:00—17:00相对湿度差值始终维持在15%左右，随后随着湖面蒸发锐减，水汽输送作用减弱，夜间湖陆风消散后，城市背景风系主导水汽扩散，进一步削弱湖区的局地增湿效应，差值维持在3%~9%（图11）。
图11 模式第4层模拟嵌套区域2021年7月29—30日2 m相对湿度温度时间变化序列

Fig. 11 Time series of 2 m relative humidity and temperature in the simulated nested domain of the fourth layer from July 29 to 30, 2021

3 讨论

本研究表明，干旱区的阅海湖通过热力与动力的协同作用可以显著调节周边区域微气候特征，具体表现为：通过日间蒸发冷却效应降低湖区气温并增强湿度，夜间热惯性维持弱热调节能力，形成“昼强夜弱”模式。在昼夜交替过程中，形成较陆地更稳定的温度波动变化特征。动力机制方面，湖陆热力差异驱动形成湖陆风，昼间湖面形成的湖风可延伸至湖岸0.05°范围，其综合效应有效抑制了高温天气下的城市热岛强度。通过耦合WRF_CLM模型揭示了干旱区城市湖泊对局地微气候的调控机制，验证了WRF_CLM模型在干旱区湖泊气候效应模拟中的适用性，为复杂下垫面条件下的陆面过程参数化提供了实证依据。明确了湖泊热力与动力协同作用机理，揭示了水体通过“昼强夜弱”的热力响应模式削弱城市热岛强度的物理机制，进一步完善了干旱区城市湖泊局地气候调节功能的理论依据。
目前，WRF_CLM整体成功刻画了干旱区温度空间分异规律，但夜间的模拟存在系统性冷偏差。多项研究指出，干旱区夜间长波辐射通量高估是模式的夜间冷偏差的主要原因，源于土壤热容量参数化不完善，未来这种夜间冷偏差需通过优化陆面过程及边界层方案来改进[40-43]。
本研究聚焦于一次极端高温典型个例，旨在揭示物理机制而非长期统计规律。需指出，湖泊的冷却效应受天气系统，如副热带高压位置、云量调制，单过程模拟难以全面反映其在不同气象条件下的调节能力，其结论也不能作为其他气象条件下湖泊对局地气象环境的影响特征；此外，研究中观察到的夜间冷偏差等问题的普遍性，以及极端高温事件的持续性对其湖泊-大气昼夜循环稳定性的影响，均需通过更多案例和更长时间的模拟加以验证。同时，在模式检验方面只采用了基本气象站和区域气象站地面观测资料，缺乏气象要素在垂直结构方向上的对比，且银川站观测数据可能同时受到城市热岛效应和湖泊冷却效应的共同影响，其对研究结果的具体影响程度如何，尚不明确，因此，使结论在更广泛的气候背景和不同湖泊类型中可能存在不确定性。
本文实现了百米级分辨率的高温天气个例模拟。目前，已有研究采用WRF-LES多尺度耦合模式对夏季静稳天气下湖北武汉东湖区域边界层特征进行米级分辨率的精细化模拟，并很好地模拟出了滨湖区气象要素的日变化特征[23]。此外，有研究结合中尺度预报模式和计算流体力学Fluent模型对江西省鄱阳湖地区吉山塔附近区域开展米级的模拟试验，结果表明该试验方案可以明显改善对风场的模拟效果[44]。城市湖泊周围的气象环境不仅受天气条件的影响，城市建筑物和街道空间形态对其影响也不可忽视，未来可进一步构建米级的数值模拟平台，纳入城市建筑和街道等外观形态参数，实现更精细化的数值模拟试验，为城市区域范围的空间形态引导管控提供量化参考。

4 结论

本研究基于WRF_CLM模式构建了4层嵌套网格，针对2021年7月29—30日干旱区城市银川阅海湖的高温天气过程，开展了数值模拟试验。得出如下主要结论：
（1） WRF_CLM模式能够精确捕捉银川站气温的日变化趋势，对近地层温度日变化模拟精度较高，能够再现低层温度场、风场等物理量的空间分布变化特征，尤其在日间热力中心强度和850 hPa风场结构上展现出良好的模拟能力。
（2） 湖泊具有显著“昼强夜弱”的热调节效应。日间强烈的蒸发冷却效应，以及夜间热惯性与陆面辐射冷却的协同作用，形成了显著的“昼强夜弱”热调节模式。日间近湖区气温较远郊城市区域降低可达6 ℃，形成明显的低温中心，夜间随着陆面强辐射冷却与水体降温滞后效应的共同作用，水陆温差迅速缩小至不足1 ℃。
（3） 湖泊与陆地的热力性质差异驱动了湖陆风环流。日间形成流向陆地的湖风，夜间逐渐转为城市主导风向。热力驱动的垂直环流呈现显著日变化特征，强盛期出现在日间，表现为湖西侧上升、东侧下沉；日落后热力驱动减弱，环流系统迅速衰减，至夜间对流活动已不明显。
（4） 湖泊具有明显增湿效应。湖泊蒸发显著增加了大气中的水分含量，相对湿度随距湖距离增加而下降，并在盛行风作用下于湖体西侧下风方向形成湿度延伸带。日间湖区比湿显著高于城市区，夜间湖区的局地增湿效应明显削弱。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
Ke C Q. A review of monitoring lake environment change by means of remote sensing[J]. Transactions of Oceanology and Limnology, 2004, 23(4): 81-86.

[2]
Changnon S A, Jones D. Review of the influences of the Great Lakes on weather[J]. Water Resources Research, 1972, 8(2): 360-371.

DOI

[3]
Eerola K, Rontu L, Kourzeneva E, et al. A study on lake temperature and ice cover in HIRLAM[J]. Boreal Environment Research, 2010, 15: 130-142.

[4]
MacKay M D, Neale P J, Arpe K D. Modeling lakes and reservoirs in the climate system[J]. Limnology and Oceanography, 2009, 54(6): 2315-2329.

DOI

[5]
Samuelsson P, Kourzeneva E, Mironov D. The impact of lakes on the European climate as simulated by a regional climate model[J]. Boreal Environment Research, 2010, 15: 113-129.

[6]
Subin Z M, Riley W J, Mironov D. An improved lake model for climate simulations: Model structure, evaluation, and sensitivity analyses in CESM1[J]. Journal of Advances in Modeling Earth Systems, 2012, 4(2): M02001.

[7]
Ballentine R J. Numerical simulation of land­breeze­induced snow bands along the western shore of Lake Michigan[J]. Monthly Weather Review, 1982, 110(10): 1544-1553.

DOI

[8]
Theeuwes N E, Solcerova A, Steeneveld G J. Modeling the influence of open water surfaces on the summertime temperature and thermal comfort in the city[J]. Journal of Geophysical Research: Atmospheres, 2013, 118(16): 8881-8896.

DOI

[9]
李维亮, 秦瑜. 长江三角洲城市热岛与太湖对局地环流影响的分析研究[J]. 中国科学(D辑), 2003, 33(2): 97-104.

[ Li Weiliang, Qin Yu. Analysis of the impact of urban heat island and Taihu Lake on local circulation in the Yangtze River Delta[J]. Science in China Series D: Earth Sciences, 2003, 33(2): 97-104. ]

[10]
Keeler J M, Kristovich D A R. Observations of urban heat island influence on lake­breeze frontal movement[J]. Journal of Applied Meteorology and Climatology, 2015, 54(4): 702-710.

[11]
唐滢. 夏季太湖局地气候效应的数值模拟研究[J]. 气象科学, 2016, 36(5): 610-617.

[ Tang Ying. Numerical simulation study on the local climate effect of Taihu Lake in summer[J]. Journal of the Meteorological Sciences, 2016, 36(5): 610-617. ]

[12]
任侠. 太湖对局地气象环境影响的模拟研究[D]. 南京: 南京信息工程大学, 2017.

[ Ren Xia. Simulation Study on the Impact of Taihu Lake on Local Meteorological Environment[D]. Nanjing: Nanjing University of Information Science and Technology, 2017. ]

[13]
王澄海, 孙超. 一个基于WRF+CLM区域气候模式(WRFC)的建立及初步试验[J]. 高原气象, 2013, 32(6): 1626-1637.

DOI

[ Wang Chenghai, Sun Chao. Development and preliminary test of a regional climate model based on WRF+CLM (WRFC)[J]. Plateau Meteorology, 2013, 32(6): 1626-1637. ]

[14]
Wang Y, Leung L R, McGregor J L, et al. Regional climate modeling: Progress, challenges, and prospects[J]. Journal of the Meteorological Society of Japan, 2004, 82(6): 1599-1628.

DOI

[15]
Huang A N, Zhang Y C. The impact of BATS land surface scheme on the performance of a nine­layer regional climate model[J]. Advances in Atmospheric Sciences, 2007, 24(1): 155-166.

[16]
Chen B L, Lyu S H, Luo S Q. Numerical simulation study of land surface processes at Maqu station on the Tibetan Plateau using CLM 3.5 model[J]. Plateau Meteorology, 2012, 31(6): 1511-1522.

[17]
邢雯雯, 孙绩华, 刘辉志, 等. 高黎贡山复杂地形下局地环流的数值模拟研究[J]. 大气科学, 2021, 45(4): 746-758.

[ Xing Wenwen, Sun Jihua, Liu Huizhi, et al. Numerical simulation of local circulation under complex terrain of Gaoligong Mountain[J]. Chinese Journal of Atmospheric Sciences, 2021, 45(4): 746-758. ]

[18]
许鲁君, 刘辉志, 曹杰. 大理苍山-洱海局地环流的数值模拟[J]. 大气科学, 2014, 38(6): 1198-1210.

[ Xu Lujun, Liu Huizhi, Cao Jie. Numerical simulation of local circulation over Cangshan Mountain and Erhai Lake in Dali[J]. Chinese Journal of Atmospheric Sciences, 2014, 38(6): 1198-1210. ]

[19]
苏东生, 文莉娟, 赵林, 等. 青海湖夏秋季局地气候效应数值模拟研究[J]. 高原气象, 2019, 38(5): 944-958.

DOI

[ Su Dongsheng, Wen Lijuan, Zhao Lin, et al. Numerical simulation of local climate effects over Qinghai Lake in summer and autumn[J]. Plateau Meteorology, 2019, 38(5): 944-958. ]

DOI

[20]
宋兴宇, 文莉娟, 李茂善, 等. 不同湖泊模式对青藏高原典型湖泊适用性对比研究[J]. 高原气象, 2020, 39(2): 213-225.

DOI

[ Song Xingyu, Wen Lijuan, Li Maoshan, et al. Comparative study on the applicability of different lake models to typical lakes over the Tibetan Plateau[J]. Plateau Meteorology, 2020, 39(2): 213-225. ]

DOI

[21]
许鲁君, 刘辉志. 云贵高原洱海湖泊效应的数值模拟[J]. 气象学报, 2015, 73(4): 789-802.

[ Xu Lujun, Liu Huizhi. Numerical simulation of the lake effect of Erhai Lake on the Yunnan­Guizhou Plateau[J]. Acta Meteorologica Sinica, 2015, 73(4): 789-802. ]

[22]
张达, 冯顺新, 郭红民, 等. 云南高原异龙湖冬季典型日湖面风场特征及其形成机制[J/OL]. 中国水利水电科学研究学报(中英文), 1-18. [2024-12-02]. https://doi.org/10.13244/j.cnki.jiwhr.20240-215.

[ Zhang Da, Feng Shunxin, Guo Hongmin, et al. Characteristics and formation mechanisms of typical winter daily surface wind fields over Yilong Lake on the Yunnan Plateau[J/OL]. Journal of China Institute of Water Resources and Hydropower Research (Chinese and English), 1-18. [2024-12-02]. https://doi.org/10.13244/j.cnki.jiwhr.20240-215. ]

[23]
田宇. 夏季静稳天气下大型城中湖气候调节服务功能模拟研究——以武汉东湖为例[D]. 武汉: 华中农业大学, 2023.

[ Tian Yu. Simulation of Climate Regulation Services of Large Urban Lakes under Summer Stagnant Weather: A Case Study of Wuhan East Lake[D]. Wuhan: Huazhong Agricultural University, 2023. ]

[24]
杨显玉, 吕雅琼, 文军, 等. 扎陵湖和鄂陵湖夏季典型地表水热交换特征的数值模拟[J]. 高原气象, 2022, 41(1): 143-152.

DOI

[ Yang Xianyu, Lyu Yaqiong, Wen Jun, et al. Numerical simulation of typical surface water and heat exchange characteristics over the Gyaring Lake and Ngoring Lake in summer[J]. Plateau Meteorology, 2022, 41(1): 143-152. ]

DOI

[25]
吴昌广, 谢婧, 成雅田, 等. 武汉市局地次级湖风环流特征模拟及其降温效应分析[J]. 西部人居环境学刊, 2022, 37(6): 126-134.

[ Wu Changguang, Xie Jing, Cheng Yatian, et al. Simulation of local secondary lake breeze circulation characteristics and cooling effect analysis in Wuhan[J]. Journal of Human Settlements in West China, 2022, 37(6): 126-134. ]

[26]
傅敏宁. 鄱阳湖对典型天气过程的影响及近地面边界层特征研究[D]. 南京: 南京信息工程大学, 2013.

[ Fu Minning. Study on the Impact of Poyang Lake on Typical Weather Processes and Characteristics of Near­surface Boundary Layer[D]. Nanjing: Nanjing University of Information Science and Technology, 2013. ]

[27]
覃海润. 太湖湖风环流时空分布特征及与城市热岛的相互影响[D]. 南京: 南京信息工程大学, 2015.

[ Qin Hairun. Spatial and Temporal Characteristics of Lake Breeze Circulation over Taihu Lake and Its Interaction with Urban Heat Island[D]. Nanjing: Nanjing University of Information Science and Technology, 2015. ]

[28]
高睿娜, 朱晓炜, 王璠, 等. 银川城市热岛效应演变及湖泊湿地降温效果评估[J]. 干旱气象, 2025, 43(1): 97-103.

DOI

[ Gao Ruina, Zhu Xiaowei, Wang Fan, et al. Evolution of urban heat island effects and cooling efficiency assessment of lake wetlands in Yinchuan[J]. Arid Meteorology, 2025, 43(1): 97-103. ]

[29]
庄晓林, 段玉侠, 金荷仙. 城市风景园林小气候研究进展[J]. 中国园林, 2017(33): 23-28.

[ Zhuang Xiaolin, Duan Yuxia, Jin Hexian. Advances in microclimate research of urban landscape architecture[J]. Chinese Landscape Architecture, 2017(33): 23-28. ]

[30]
Hersbach H, Bell B, Berrisford P, et al. The ERA5 global reanalysis[J]. Quarterly Journal of the Royal Meteorological Society, 2020, 146(730): 1999-2049.

DOI

[31]
Subin Z M, Riley W J, Jin J, et al. Ecosystem feedbacks to climate change in California: Development, testing, and analysis using a coupled regional atmosphere and land surface model (WRF3-CLM3.5)[J]. Earth Interactions, 2011, 15: 1-38.

[32]
Hostetler S W, Bartlein P J. Simulation of lake evaporation with application to modeling lake level variations of Harney­Malheur Lake, Oregon[J]. Water Resources Research, 1990, 26(10): 2603-2612.

[33]
Oleson K, Dai Y, Bonan G B, et al. Technical Description of the Community Land Model (CLM)[R]. NCAR Technical Note NCAR/TN-461+STR, 2004.

[34]
Skamarock W, Klemp J B, Dudhia J, et al. A Description of the Advanced Research WRF Version 3[R]. NCAR Technical Note NCAR/TN-475+STR, 2008.

[35]
王腾蛟, 张镭, 胡向军, 等. WRF模式对黄土高原丘陵地形条件下夏季边界层结构的数值模拟[J]. 高原气象, 2013, 32(5): 1261-1271.

DOI

[ Wang Tengjiao, Zhang Lei, Hu Xiangjun, et al. Numerical simulation of summer boundary layer structure over hilly terrain conditions on the Loess Plateau using the WRF model[J]. Plateau Meteorology, 2013, 32(5): 1261-1271. ]

[36]
Peterson T C, Owen T W. Urban heat island assessment: Metadata are important[J]. Journal of Climate, 2005, 18(14): 2637-2646.

DOI

[37]
赵英时. 遥感应用分析原理与方法[M]. 北京: 科学出版社, 2003: 194-199.

[ Zhao Yingshi. Principles and Methods of Remote Sensing Application Analysis[M]. Beijing: Science Press, 2003: 194-199. ]

[38]
李婷婷, 赵聆言, 关艺蕾, 等. 城市湖泊湿地周边建成环境温湿效应的时空分布特征——以武汉16个湖泊湿地为例[J]. 中国园林, 2021, 37(3): 106-111.

[ Li Tingting, Zhao Lingyan, Guan Yilei, et al. Spatiotemporal distribution characteristics of temperature and humidity effects of built environment around urban lake wetlands: A case study of 16 lake wetlands in Wuhan[J]. Chinese Landscape Architecture, 2021, 37(3): 106-111. ]

[39]
张伟, 陈存友, 胡希军, 等. 基于计算机流体力学的城市近郊湖泊“湿岛效应”情景模拟研究: 以长沙市同升湖为例[J]. 生态与农村环境学报, 2022, 38(5): 670-680.

[ Zhang Wei, Chen Cunyou, Hu Xijun, et al. Simulation of “wet island effect” of urban suburban lakes based on computational fluid dynamics: A case study of Tongsheng Lake in Changsha[J]. Journal of Ecology and Rural Environment, 2022, 38(5): 670-680. ]

[40]
Zhou X, Li Y, Guo W D, et al. On the Role of Soil Moisture in the Persistence of Cold Anomalies over Arid Regions[J]. Journal of Geophysical Research: Atmospheres, 2013, 118(12): 5928-5941.

[41]
Li Y, Lu H, Yang K, et al. Improving Noah­MP for simulating surface heat fluxes and soil temperature in arid regions[J]. Journal of Advances in Modeling Earth Systems, 2019, 11(7): 2139-2160.

[42]
Li Z, Leng P, Zhou C, et al. Enhanced representation of land surface emissivity improves nocturnal warming simulation in deserts[J]. Geoscientific Model Development, 2021, 14(3): 1497-1514.

[43]
Li X, Barlage M, Chen F, et al. Diagnosing nocturnal boundary layer overestimation over deserts in WRF using GOES­R LST[J]. Journal of Geophysical Research: Atmospheres, 2023, 128(5): e2022JD038102.

[44]
张嘉荣, 程雪玲. 基于CFD降尺度的复杂地形风场数值模拟研究[J]. 高原气象, 2020, 39(1): 172-184.

DOI

[ Zhang Jiarong, Cheng Xueling. Numerical simulation of wind field in complex terrain based on CFD downscaling[J]. Plateau Meteorology, 2020, 39(1): 172-184. ]

DOI

Options
Outlines

/

〈 〉