東北城市露水凝結(jié)觀測及其與常規(guī)氣象要素的關(guān)系

徐瑩瑩,湯 潔,祝 惠,林英姿,金明蘭,朱心悅

1 吉林建筑大學(xué),松遼流域水環(huán)境教育部重點實驗室,長春 130118 2 吉林大學(xué)資源與環(huán)境學(xué)院,長春 130021 3 中國科學(xué)院東北地理與農(nóng)業(yè)生態(tài)研究所,長春 130102

?

東北城市露水凝結(jié)觀測及其與常規(guī)氣象要素的關(guān)系

徐瑩瑩1,2,*,湯 潔2,祝 惠3,林英姿1,金明蘭1,朱心悅1

1 吉林建筑大學(xué),松遼流域水環(huán)境教育部重點實驗室,長春 130118 2 吉林大學(xué)資源與環(huán)境學(xué)院,長春 130021 3 中國科學(xué)院東北地理與農(nóng)業(yè)生態(tài)研究所,長春 130102

露水是城市生態(tài)系統(tǒng)水循環(huán)組成部分,是重要的凝結(jié)水資源和濕度來源,為了揭示“全球變暖”對我國東北地區(qū)城市露水凝結(jié)的影響,于2014和2015年植物生長季對長春市綠地區(qū)、道路區(qū)及裸土區(qū)露水強度和氣象因子進行監(jiān)測和相關(guān)性分析。結(jié)果表明,東北城市綠地區(qū)露水強度與相對濕度、露點溫度、氣溫、風(fēng)寒溫度、太陽輻射(n=254,P<0.01)正相關(guān),與PM2.5、PM10、空氣質(zhì)量指數(shù)、夜間風(fēng)速、大氣壓(n=254,P<0.01)負相關(guān)。東北城市年露日數(shù)為132—136 d,占無霜期的62.5%左右。綠地區(qū)是城市生態(tài)系統(tǒng)水汽凝結(jié)的主要區(qū)域,綠地區(qū)占市區(qū)面積的比例是城市年露水量的決定因子,長春市年露水凝結(jié)量約為23—35 mm,如城市綠地區(qū)所占比例降低至5%,年露水量基本可忽略不計。東北城市露水強度可通過I=(-5.9+0.156RH-0.86Vnight+0.117Rn)×10-2(R2=0.857)模型進行模擬。結(jié)合研究區(qū)1965—2015年植物生長期夜間凝露段氣候因子的變化趨勢,判斷東北城市生態(tài)系統(tǒng)露水量的變化率為-1.07 mm/10a(P<0.01)。在相對濕度、夜間風(fēng)速和太陽輻射共同影響條件下,研究區(qū)氣候變化對露水凝結(jié)影響不大。提供了城市不同下墊面露水監(jiān)測及計算的方法,完善了不同生態(tài)系統(tǒng)露水監(jiān)測體系,通過間接模型法構(gòu)建了露水強度模擬模型,進一步明確了氣候變化對近地表水循環(huán)的影響。

東北城市；露水凝結(jié)；暖干趨勢；影響因子；多元線性回歸

水汽凝結(jié)是普遍發(fā)生的氣象現(xiàn)象,露水是城市生態(tài)系統(tǒng)重要的凝結(jié)水資源和濕度來源,近年來對于城市露水研究引起越來越多學(xué)者的興趣和關(guān)注[1- 3]。露水作為環(huán)境因子具有多方面的生態(tài)效應(yīng),露水易被植物葉片吸收,在夜間補充調(diào)節(jié)葉片水分[4],保持冠層葉面濕度,減緩植物蒸騰作用[5],也可補充必要的N、K、P等營養(yǎng)元素[6- 7]。露水形成過程中以大氣中細小的氣溶膠為凝結(jié)核,有空氣凈化的作用[8- 9],也可作為指示劑揭示近地表大氣中的污染物質(zhì)[10-11]。因此準確衡量城市露水凝結(jié)量非常必要,城市露水的監(jiān)測方法已成為國內(nèi)外研究的焦點問題。

與其它降水形式相比,露水不僅與局地的氣象條件緊密相關(guān),也取決于大氣地表的物理特征以及周圍環(huán)境的輻射、熱動力學(xué)、空氣動力學(xué)特征,因此增加了露水觀測的難度,也局限了對露水的認識。國內(nèi)外在監(jiān)測和計算露水方面尚在起步階段,其中有關(guān)監(jiān)測計算露水凝結(jié)的方法問題研究更為少見,目前對露水的監(jiān)測方法主要有直接監(jiān)測法和間接模型法。直接監(jiān)測法是利用監(jiān)測器的原位差減法,即為早晚監(jiān)測器(微型測滲計[12]、布片收集器[13]、楊木棒收集器[14]、霧露收集筒[15]、露水收集板[16])的重量差,該方法具有廣普性,對露水量的計算較為準確,但對監(jiān)測器的收集時間要求高,耗費人力,且在收集或稱量監(jiān)測器時易引進人為誤差。因此間接模型法也取得一定進展,即在直接監(jiān)測法的基礎(chǔ)上推導(dǎo)出間接模擬模型,模型多以氣象因素(相對濕度、風(fēng)速、凈輻射、云量等)作為變量,該方法節(jié)省了監(jiān)測的人力,但需輔助監(jiān)測氣象因子。

在城市生態(tài)系統(tǒng)中,為收集更多露水作為飲用水,Lekouch[17]和Beysens[10]等人使用冷凝器(表面為TiO2和鑲嵌于聚乙烯的滴狀BaSO4制成的長方形金屬薄片)監(jiān)測并收集露水。在摩洛哥城市屋頂應(yīng)用此法,每年可為每戶家庭提供18.85 mm的露水飲用水[17],可見城市露水凝結(jié)量非?？捎^。該方法加快了露水冷凝速率,但無法模擬夜間水汽的真實凝結(jié)速率及凝結(jié)量。葉有華等[2,13]使用天鵝絨布片監(jiān)測了廣東從化地區(qū)綠地區(qū)露水凝結(jié)的真實情況,該方法主要以監(jiān)測單日單位面積綠地區(qū)露水量為目的。隨著城市的高速發(fā)展,城市景觀斑塊趨于復(fù)雜化,下墊面的差異對露水凝結(jié)影響較大,現(xiàn)有方法對城市不同下墊面(如綠地、水泥路面等)露水凝結(jié)情況選用同一監(jiān)測器,直接導(dǎo)致監(jiān)測露水量的過程引進較大誤差,無法準確衡量城市系統(tǒng)整體露水凝結(jié)情況。另一方面現(xiàn)有方法局限于單一次數(shù)露水凝結(jié)現(xiàn)象,無法評價某一時間段的露水量。因此,提供一種能夠全面系統(tǒng)地對城市不同下墊面露水進行監(jiān)測和計算的方法勢在必行。

全球變暖是不爭的事實,“暖干趨勢”已經(jīng)影響了全球水循環(huán)過程。在東北地區(qū)氣候變化的研究中,對地面氣溫、降水、風(fēng)速、蒸發(fā)等要素的分析較多,取到了大量的研究成果[18- 20]。露水作為下墊面的水汽凝結(jié)物,是局地氣象因子的綜合反應(yīng)物。隨著氣溫升高、相對濕度降低,很可能對露水的形成產(chǎn)生影響。中國近50 a增溫速率為0.25 ℃/10a,而東北是全國增溫最顯著的地區(qū)之一[21],1961—2005年間,平均氣溫上升了0.38 ℃/10a(P<0.01)；降水量傾向率為-5.71 mm/10a(P0.05)[18]。有研究表明到21世紀后期,由于人類排放增加的影響,中國東北地區(qū)氣溫將可能較目前變暖3.0 ℃或以上[19],可見“暖干趨勢”仍在持續(xù)。長春市地處東北腹地,無霜期的氣候特征適合露水的凝結(jié),露水是該區(qū)水量平衡的重要因子之一,露水凝結(jié)量的增降很可能影響水文循環(huán)過程,直接關(guān)系到淡水的數(shù)量和可用性,但對東北城市露水量的監(jiān)測和模擬尚未展開系統(tǒng)研究。本文擬通過監(jiān)測長春市區(qū)不同下墊面露水的凝結(jié)強度及相關(guān)的氣象參數(shù),分析影響露水凝結(jié)的主要因子,將直接監(jiān)測法和間接模型法結(jié)合,構(gòu)建東北城市露水監(jiān)測方法,推導(dǎo)模擬露水凝結(jié)強度的模型,以期闡明我國東北地區(qū)氣候變化對露水凝結(jié)的影響。

1 試驗地概況

長春市(43°05′—45°15′N；124°18′—127°02′E)屬大陸性季風(fēng)氣候,年平均氣溫4.8 ℃,年平均降水量522—615 mm。長春地區(qū)秋季多晴朗天氣,濕度大、晝夜溫差大、風(fēng)速小,容易出現(xiàn)濃重的露水凝結(jié)；夏季多雨,空氣濕度大,在晴朗少云無風(fēng)的夜間,也適合露水凝結(jié)。城市生態(tài)系統(tǒng)下墊面組成復(fù)雜多樣,包括綠地、硬化道路、樓房、湖泊、河流、裸地等。露水是當(dāng)貼近地面的空氣層溫度迅速下降時,空氣中的水汽達到飽和并凝結(jié)成的小水珠,因此距地表較高的樓房不在研究范圍,湖泊、河流等水系下墊面環(huán)境不易監(jiān)測水汽凝結(jié)情況,故本研究露水凝結(jié)區(qū)域包括長春市區(qū)綠地區(qū)、城市道路及未開發(fā)的裸地區(qū)(不包括樓房、湖泊等區(qū)域)。于2014—2015年在植物生長期(4月初—11月中旬)每日開展觀測,實驗觀測點設(shè)在位于長春市東南部的吉林建筑大學(xué),該校位于市中心與市郊的中心地帶,下墊面類型完整,具有代表性。綠地區(qū)設(shè)在校園綠化區(qū),主要植物類型均為東北城市綠化常用灌木或小喬木,包括小葉黃楊(Buxussinicavar.parvifoliaM. Cheng),紫葉小檗(Berberisthunbergiivar.atropurpureaChenault),小葉女貞(LigustrumquihouiCarr.)等,在綠地區(qū)設(shè)立觀測架；道路區(qū)設(shè)在表面為瀝青鋪設(shè)的道路；裸地區(qū)設(shè)在校園未開發(fā)的裸土地。每日對不同類型下墊面的露水凝結(jié)進行觀測。

2 方法與材料

2.1 試驗方法

采用楊木棒作為城市綠地區(qū)域露水監(jiān)測器,質(zhì)地為經(jīng)過拋光后的實心長方體楊木棒,其規(guī)格為20 cm×4 cm×4 cm；采用瀝青塊作為硬化路面區(qū)域露水監(jiān)測器,質(zhì)地為實心長方體狀瀝青體,其規(guī)格為15 cm×15 cm×1 cm；采用鋁盒土作為裸地區(qū)域露水監(jiān)測器,其鋁盒為圓柱盒,其規(guī)格為半徑5 cm,高度為5 cm,上表面無蓋,內(nèi)部裝滿原位土。

將實心木棒放入可密封的潔凈塑料盒中,將實心瀝青塊放入可密封的潔凈塑料盒中,將裝滿原位土的鋁盒外側(cè)水分擦干,用天平(0.001 g)分別準確稱重并記錄。在日落后半小時,均送至各試驗點,然后將實心木棒取出放置在植物冠層,將實心瀝青塊放置在硬化地面,將裝滿原位土的鋁盒放置在裸露地面；在日出前半小時,將實心木棒、實心瀝青塊、裝滿原位土的鋁盒分別取回,并對應(yīng)放入潔凈塑料盒中,將裝滿原位土的鋁盒外側(cè)水分擦干,然后用天平(0.001 g)分別準確稱重并記錄。每日采用LAI葉面積儀(LAI- 2200C,美國)監(jiān)測葉面積指數(shù)并記錄；由于難以區(qū)分露日夜里的露水凝結(jié)和降雨,如在日落后和日出前發(fā)生降水事件,當(dāng)天的露水量即為0。

露水作為小氣候影響下的一種自然現(xiàn)象,其凝結(jié)條件與遠距離氣象因子變化相關(guān)性弱。因此在試驗點測定相對濕度(RH,%),露點溫度(Td,℃),氣溫(Ta,℃),輻射(Rn,MJ/m2),近地表1米風(fēng)速(Vnight,m/s),降水量(mm),風(fēng)向及汽壓(P,hpa)等氣象指標。所有指標記錄間隔均為1 h,數(shù)據(jù)處理過程中,輻射為日間輻射總和,其他因子為夜間凝露時段平均值。各監(jiān)測點每小時實時空氣質(zhì)量指數(shù)(AQI)與大氣顆粒物(PM10、PM2.5)質(zhì)量濃度來源于吉林省環(huán)保廳網(wǎng)站實時公布的數(shù)據(jù),其余氣象指標由試驗點氣象站(MILOS 520,芬蘭)實時監(jiān)測。

2.2 露水量計算

試驗點的單日露水強度

(1)

下墊面為路面和裸地的月露水量

(2)

下墊面為綠地的月露水量

(3)

不同下墊面區(qū)域的年露水量

(4)

城市系統(tǒng)的年露水量

DFa=∑AiDFai

(5)

式中,i為不同下墊面類型,其中i為1代表綠地,i為2代表路面,i為3代表裸地；10為換算系數(shù)；Iiq為試驗點單日露水強度(mm)；Wis為日落后各監(jiān)測器的重量(g),Wir為日出前各監(jiān)測器的重量(g),Si為各露水監(jiān)測器的有效表面積(cm2)；DFium為不同下墊面區(qū)域的月露水量(mm)；2為植物葉片正反面系數(shù)；Dd為月露日數(shù)(day)；LAI1d為日葉面積指數(shù)(cm2/cm2)；DFai為不同下墊面區(qū)域的年露水量(mm)；n為露水凝結(jié)月份數(shù)量(個)；DFa為城市系統(tǒng)年露水量(mm)；Ai為不同下墊面區(qū)域所占城市面積比例。

2.3 數(shù)據(jù)統(tǒng)計及模型構(gòu)建過程

實驗數(shù)據(jù)的正態(tài)性檢驗及顯著性分析采用SPSS 16.0軟件進行分析。本研究采用2014年數(shù)據(jù)(120組)構(gòu)建模型,2015年數(shù)據(jù)(134組)檢驗驗證模型。需要說明的是,由于監(jiān)測器差減法在凝結(jié)水監(jiān)測過程中應(yīng)用較為成熟,因此本文中應(yīng)用該方法計算得到的露水量視為真實的露水凝結(jié)情況(真實值),模型計算得出數(shù)值為模擬值。本研究應(yīng)用相關(guān)性分析篩選出影響露水形成的氣象因子做自變量,選擇多元線性逐步回歸模型,構(gòu)建氣象因子對露水強度(因變量)影響的模擬模型。選擇決定系數(shù)(R2)最高的模型,并應(yīng)用方差分析和殘差分析評價模型精度。選擇多元線性逐步回歸模型的原因是避免因變量與自變量間存在線性依存關(guān)系；其次,根據(jù)數(shù)據(jù)分析可知,因變量呈正態(tài)分布,模擬值與實測值間的差值(殘差)服從正態(tài)分布；各因變量觀測值間是獨立的,適合多元線性逐步回歸模型的使用條件。

2.4 氣候資料及處理方法

所用長春市歷史氣候數(shù)據(jù)均來自于長春市氣象局。包括1965—2015年植物生長期(4月1日—11月20日)露水凝結(jié)段(日落后半小時至日出前半小時)相對濕度(RH,%)、氣溫(Ta,℃)、近地表1米風(fēng)速(Vnight,m/s)平均值(夜均值)及距平值,植物生長期(4月1日—11月20日)日輻射(Rn,MJ/m2)平均值(日均值)、降水量(mm)值及距平值。結(jié)合模擬露水強度模型中相關(guān)氣象參數(shù)平均值,得到1965—2015年植物生長期(4月1日—11月20日)露水強度均值,根據(jù)露水量計算公式(式3—式5)得到年露水量平均值和距平值。主要討論各氣象要素及年露水量的長時間序列及變化趨勢(線性擬合),利用時間與距平值之間的相關(guān)系數(shù)對變化趨勢進行顯著性檢驗。氣候要素及年露水量的趨勢變化采用一元線性回歸模型描述,即:y=a+bx。式中y為氣候要素或年露水量序列,x為時間序列(本文中為1965—2015年),b為線性趨勢項,10b即為氣候要素及年露水量每10 a的氣候傾向率,用于定量分析氣候要素、年露水量變化的線性趨勢。

3 結(jié)果與討論

3.1 露水強度監(jiān)測

圖1 長春市不同土地利用類型露水強度Fig.1 Variation of dew intensity in greenbelt, bare land, and road landscapes in Changchun

2014,2015年試驗期4—11月的露日數(shù)(Dd)分別為136和132個露日,占無霜期的63.5%和62.6%(圖1),無露日均為夜晚有降水事件發(fā)生,可見在東北城市生態(tài)系統(tǒng)水汽的夜間凝結(jié)是普遍的氣象現(xiàn)象,無降水事件時均有水汽凝結(jié)。由圖1可知,試驗期長春市綠地區(qū)、裸地區(qū)及道路地區(qū)的露水發(fā)生頻率較接近,每晚露水凝結(jié)強度平均值分別為0.0607,0.0100,0.0049 mm,露水強度在綠地區(qū)裸地道路(P<0.01)。Richards發(fā)現(xiàn)溫哥華市區(qū)草地與市郊地區(qū)每晚的凝結(jié)量是0.11—0.13 mm,市區(qū)平均每天的凝結(jié)量為0.07—0.09 mm[22-23],略高于本研究區(qū)。這可能是由于溫哥華市屬溫帶海洋性氣候,相對濕度較高,夜間水汽更易冷凝。

經(jīng)計算,長春市2014,2015年4月—11月不同下墊面的月露水量如圖2所示。由圖可知,綠地區(qū)是城市生態(tài)系統(tǒng)露水凝結(jié)的主要區(qū)域,綠地區(qū)露水凝結(jié)量在7月、8月和9月達到峰值,裸地和道路露水量最少且各月間變化不明顯。綠地區(qū)的露水凝結(jié)量顯著高于道路及裸地區(qū)域,2014,2015年綠地區(qū)7月、8月和9月的露水總量分別為46.29 mm和72.24 mm,占同期降水量的22.52%和23.61%。綠地區(qū)露水凝結(jié)量顯著高于道路和裸地區(qū)的主要原因是較高的葉面積指數(shù)(LAI),綠地區(qū)的密集的植物葉片為水汽冷凝提供更充分的凝結(jié)場所。由于20世紀80年代以來,長春市城市化進程加快,城市規(guī)模不斷擴大,隨著城區(qū)鋼筋水泥構(gòu)筑物激增,城市下墊面原本的植物或裸土逐漸被水泥、瀝青等取代,硬化路面阻斷了空氣中的水汽循環(huán),不利于水汽的向下運移。2014年和2015年綠地區(qū)、道路、裸地年露水凝結(jié)量分別為61.43,0.63,1.29 mm和94.21,0.74,1.50 mm,可見城市綠地區(qū)的露水凝結(jié)量是城市生態(tài)系統(tǒng)重要的水分輸入項。根據(jù)《長春市土地利用總體規(guī)劃(2006—2020年)》數(shù)據(jù)顯示,目前綠地區(qū)域占長春市區(qū)面積比例(A1)為36.5%；硬化路面區(qū)域占長春市區(qū)面積比例(A2)為16.68%；裸地區(qū)域占長春市區(qū)面積比例(A3)為0.78%。經(jīng)計算,長春市2014年和2015年城市的年露水量分別為23.23 mm和34.52 mm。綜上所述,東北城市生態(tài)系統(tǒng)年露水凝結(jié)量約為23—35 mm,城市中綠地區(qū)占市區(qū)面積的比例是城市露水量的重要影響因子,如城市綠地區(qū)所占比例降低至5%,年露水量約為3 mm,基本可以忽略不計。

圖2 長春市區(qū)不同下墊面各月露水量及LAI變化Fig.2 Variation of dewfall and LAI in greenbelt, road, and bare landscapes in Changchun

3.2 露水強度模型建立

由于硬化地面和裸地區(qū)對城市露水量的貢獻甚微,本節(jié)只對城市綠地區(qū)的露水凝結(jié)強度做模擬研究。形成露水的條件較為復(fù)雜,露水作為氣象因子,其形成過程主要受制于各地區(qū)局地不同的氣象因素。相對濕度[10,23],溫度[24-26],云量[10],風(fēng)[27-28]等因素均可能對夜間水汽的凝結(jié)有影響。采用2014和2015年實驗期長春市露水強度和夜間氣象數(shù)據(jù)進行相關(guān)分析。如表1所示,城市綠地區(qū)露水強度(I)與相對濕度(RH)、露點溫度(Td)、氣溫(Ta)、風(fēng)寒溫度(Wind chill)、太陽輻射(Rn)(n=254,P<0.01)正相關(guān),與PM2.5、PM10、夜間風(fēng)速(Vnight)、氣壓(P)、空氣質(zhì)量指數(shù)(AQI)(n=254,P<0.01)負相關(guān)。因此因子RH、Td、Ta、Wind chill、Rn、PM2.5、PM10、Vnight、P、AQI均與綠地區(qū)露水強度呈線性關(guān)系。

表1 城市綠地區(qū)露水強度與各氣象因子相關(guān)系數(shù)

**. 在0.01水平上顯著相關(guān)(雙側(cè))

選用2014年監(jiān)測的120組數(shù)據(jù)構(gòu)建逐步多元線性回歸模型,如表2所示,模型1到模型3中包括的氣象因子個數(shù)逐漸增多,且城市綠地露水強度與各氣象因子間的復(fù)相關(guān)系數(shù)R由模型1到模型3逐漸升高?；貧w方程的擬合度越好,決定系數(shù)R2越接近1。其中模型1中僅含有變量RH,復(fù)相關(guān)系數(shù)R為0.814,模型1可解釋66.2%的因變量(露水強度)數(shù)值。模型2中含有RH和Rn兩個變量,可解釋84.1%的因變量變化。模型3的復(fù)相關(guān)系數(shù)R達到0.926,可解釋85.7%的因變量數(shù)值。因此,包括了RH,Rn和Vnight因子的模型3對城市綠地露水強度的模擬效果最佳。

表2 模型匯總

a. 模擬變量：(常數(shù)),相對濕度； b. 模擬變量：(常數(shù)),相對濕度,太陽輻射； c. 模擬變量：(常數(shù)),相對濕度,太陽輻射,夜間風(fēng)速

表3為回歸計算過程中各方程系數(shù)表,由表可知,模型3中各系數(shù)的P值均小于0.01,具有統(tǒng)計學(xué)意義。故模擬綠地區(qū)露水強度模型如式6：

I=(-5.9+0.156RH-0.86Vnight+0.117Rn)×10-2(R2=0.857)

(6)

表3 系數(shù)及檢驗表

3.3 露水強度模型驗證

3.3.1 累計概率圖

如表3所示,模型3的各個因子系數(shù)均具有統(tǒng)計學(xué)意義(P<0.01)。RH,Rn和Vnight因子的容忍度分別為0.799,0.996和0.797(表3),均不接近0；方差膨脹因子(VIF)值分別為1.252,1.004和1.255,均不高,因此排除了各因子之間存在共線性的可能。此外,應(yīng)用殘差的正態(tài)性檢驗對模型檢驗,最直觀、最簡單的方法是做殘差的累計概率圖(P-P圖),它是用來判斷一個變量的分布是否與一個指定的分布一致。通過觀察觀測數(shù)據(jù)的殘差(曲線)在假設(shè)直線(正態(tài)分布)周圍的分布情況,如果兩種分布基本相同,在P-P圖中的點應(yīng)該圍繞在一條斜線周圍。如圖3所示,P-P圖中的點基本圍繞在對角線兩側(cè),說明該模型模擬數(shù)據(jù)的殘差為正態(tài)分布。

圖3 P-P檢驗?zāi)Ｐ蜌埐顖DFig.3 Normal P-P plots of regression standardized residual

3.3.2 模型的驗證

應(yīng)用2015年的134組數(shù)據(jù)驗證了模型模擬值與實測值間的關(guān)系。每日露水強度的模擬值和實測值如圖4所示,可見模擬值與實測值變化規(guī)律及數(shù)值基本一致,綜上可判斷該模型能夠?qū)Τ鞘芯G地露水強度起到模擬效果,且模擬效果較好。

圖4 2015年城市綠地區(qū)露水強度實測值與模擬值對比Fig.4 Relation between measured and simulated dew intensity in 2015

3.4 氣象要素對露水凝結(jié)的影響及變化模擬分析

露水受局地氣候影響明顯,其形成與溫度、相對濕度、輻射等環(huán)境因子緊密相關(guān)。圖5為1965—2015年長春市植物生長期(4月1日—11月20日)夜間露水凝結(jié)段相對濕度、氣溫、近地表1 m風(fēng)速及植物生長期日輻射、降水量、露水量累積距平圖。人類活動特別是城市化和工業(yè)化進程,對氣候系統(tǒng)產(chǎn)生了重要影響。由圖5可知,長春市夜間凝露時間段氣象條件在過去的50年有了顯著的變化,正經(jīng)歷著以變暖變干為主的氣候變化過程。20世紀90年代以來,城市建筑物增多,植被地表被瀝青等硬化下墊面取代。此外城市中的機動車輛、工業(yè)生產(chǎn)等排放大量的溫室氣體,對溫度的升高也起著重要作用[29-30]。由圖5可知研究區(qū)植物生長期凝露時間段平均氣溫在波動中逐漸上升,氣溫傾向率為0.35 ℃/10a(P<0.01),由于是夜間凝露時間段氣溫統(tǒng)計值,因此低于近50 a東北地區(qū)平均氣溫上升的幅度0.6 ℃/10a[18]；降水量年際變化趨勢不明顯,整體上呈現(xiàn)出減少的趨勢,降水量傾向率為-1.34 mm/10a(P0.05),其中1994—2004年屬于降水偏少的年份,1984—1992年屬于降水較集中的年份。由模型(式6)判斷相對濕度、夜間風(fēng)速和太陽輻射為露水量影響因子。研究區(qū)降水量減少,氣溫逐步升高,導(dǎo)致相對濕度呈下降趨勢,傾向率為-1.14%/10a(P<0.01),特別是1994—2004年下降劇烈；由圖5(d)可知,研究區(qū)太陽輻射傾向率為-1.53 MJ m-210a-1(P<0.01)。1965—1978年,長春市太陽輻射基本呈減少趨勢,1978—1998年到達地面的太陽總輻射基本為正距平,1998以后,太陽總輻射距平逐漸轉(zhuǎn)為負值,表明到達地面的太陽總輻射隨時間減少。研究表明大氣渾濁度的增加及大氣中懸浮顆粒的增多是地面太陽輻射減少的重要原因[31]。近年來隨著大氣中的氣溶膠以及其他懸浮物質(zhì)含量逐漸增多,霧霾天氣頻發(fā),大氣污染造成的大氣渾濁度增加,大氣顆粒物的吸收和散射作用加強,在一定程度上削弱了到達地面的太陽輻射；長春地區(qū)近50年夜間近地表1米平均風(fēng)速呈整體下降趨勢,傾向率為-0.24 m s-110a-1(P<0.01)。平均風(fēng)速在1983年前后出現(xiàn)了氣候躍變,由強轉(zhuǎn)弱,1988年后平均風(fēng)速減弱速度明顯加劇。研究區(qū)風(fēng)速變化與氣溫變化負相關(guān),冷期風(fēng)速偏強,暖期風(fēng)速明顯偏弱。

由于城市綠地區(qū)露水強度(I)與相對濕度(RH)、氣溫(Ta)、太陽輻射(Rn)正相關(guān),與夜間風(fēng)速(Vnight)負相關(guān),因此氣候變化下的氣象條件(風(fēng)速除外)不適合露水的形成。根據(jù)2014年和2015年連續(xù)觀測,假設(shè)長春市4月—11月露日數(shù)和葉面積指數(shù)(LAI)保持不變,即分別為12.5,19.5,19,21.5,19,19.5,23 d和15 d,同期綠地區(qū)LAI分別為0.19,1.87,4.44,7.18,6.69,4.67,1.69和0.19 cm2/cm2,且綠地區(qū)占城市總面積比例不變,由模型(式6)模擬得到露水量的變化率為-1.07 mm/10a(P<0.01)(圖5f)。由圖5可知,隨著研究區(qū)夜間相對濕度降低,太陽輻射減弱,露水量呈現(xiàn)下降趨勢,而露水凝結(jié)與風(fēng)速呈負相關(guān),隨氣候變化東北地區(qū)的風(fēng)速呈下降趨勢,使夜間水汽更容易凝結(jié)；露水量距平的時間變化序列和線性擬合線較好地反映了這種變化趨勢。以2004年為例,2004年夜間風(fēng)速和太陽輻射距平值接近0,相對濕度為同期最低值,其當(dāng)年露水凝結(jié)能力顯著減弱。

圖5 長春市露水凝結(jié)段氣象因子及露水量累積距平Fig.5 Accumulative departure of meteorological factors and dewfall during the dew condensition period in Changchun

4 結(jié)論

東北城市年露日數(shù)(Dd)約為132—136 d,占無霜期的62.5%左右。綠地是城市生態(tài)系統(tǒng)水汽凝結(jié)的主要區(qū)域,綠地區(qū)7月、8月和9月的露水總量分別為46.29 mm和72.24 mm,占同期降水量的22.52%和23.61%。提高城市生態(tài)系統(tǒng)綠化區(qū)的比例,可助于夜間水汽向地表界面的運移。東北城市生態(tài)系統(tǒng)年露水凝結(jié)量約為23—35 mm,城市中綠地區(qū)占市區(qū)面積的比例是城市露水量的重要影響因子,如城市綠地區(qū)所占比例降低至5%,年露水量基本可以忽略不計。東北城市露水強度可通過I=(-5.9+0.156RH-0.86Vnight+0.117Rn)×10-2(R2=0.857)模型進行模擬計算,結(jié)果表明該模型模擬值與實測值基本相符。結(jié)合實驗區(qū)1965—2015年植物生長期夜間凝露時間段氣候因子的變化趨勢可知,相對濕度、氣溫、近地表1米風(fēng)速、太陽輻射、降水量氣候傾向率分別為-1.14%/10a、0.35 ℃/10a、-0.24 s-110a-1、-1.53 MJ m-210a-1(P<0.01)、-1.34 mm/10a(P0.05),綜合相關(guān)氣象因子及模擬模型,判斷東北城市生態(tài)系統(tǒng)露水量的變化率為-1.07 mm/10a(P<0.01)。本研究進一步明確了氣候變化對城市生態(tài)系統(tǒng)下墊面水汽循環(huán)的影響。

[1] 彭少麟, 周凱, 葉有華, 粟娟. 城市熱島效應(yīng)研究進展. 生態(tài)環(huán)境, 2005, 14(4): 574- 579.

[2] Ye Y H, Zhou K, Song L Y, Jin J H, Peng S L. Dew amounts and its correlations with meteorological factors in urban landscapes of Guangzhou, China. Atmospheric Research, 2007, 86(1): 21- 29.

[3] Pan Y P, Wang Y S, Tang G Q, Wu D. Wet and dry deposition of atmospheric nitrogen at ten sites in Northern China. Atmospheric Chemistry and Physics, 2012, 12(14): 6515- 6535.

[4] Wen X F, Lee X H, Sun X M, Wang J L, Hu Z M, Li S G, Yu G R. Dew water isotopic ratios and their relationships to ecosystem water pools and fluxes in a cropland and a grassland in China. Oecologia, 2012, 168(2): 549- 561.

[5] Schmitz H F, Grant R H. Precipitation and dew in a soybean canopy: spatial variations in leaf wetness and implications forPhakopsorapachyrhiziinfection. Agricultural and Forest Meteorology, 2009, 149(10): 1621- 1627.

[6] Kidron G J, Starinsky A. Chemical composition of dew and rain in an extreme desert (Negev): cobbles serve as sink for nutrients. Journal of Hydrology, 2012, 420- 421: 284- 291.

[7] Xu Y Y, Yan B X, Zhu H. Leaf dew contributes nutrients to paddies and improves rice growth. Acta Agriculturae Scandinavica, Section B-Soil & Plant Science, 2013, 63(2): 97- 106.

[9] Rubio M A, Lissi E, Herrera N, Pérez V, Fuentes N. Phenol and nitrophenols in the air and dew waters of Santiago de Chile. Chemosphere, 2012, 86(10): 1035- 1039.

[10] Beysens D, Muselli M, Nikolayev V, Narhe R, Milimouk I. Measurement and modelling of dew in island, coastal and alpine areas. Atmospheric Research, 2005, 73(1/2): 1- 22.

[11] 徐瑩瑩, 閻百興, 王莉霞, 劉樹元, ?；? 三江平原毛苔草露水中的金屬含量研究. 濕地科學(xué), 2011, 9(1): 69- 74.

[12] 郭占榮, 劉建輝. 中國干旱半干旱地區(qū)土壤凝結(jié)水研究綜述. 干旱區(qū)研究, 2005, 22(4): 576- 580.

[13] 葉有華, 周凱, 彭少麟, 虞依娜, 鄧敏. 廣東從化地區(qū)晴朗夜間露水凝結(jié)研究. 熱帶地理, 2009, 29(1): 26- 30.

[14] 閻百興, 徐瑩瑩, 王莉霞. 三江平原農(nóng)業(yè)生態(tài)系統(tǒng)露水凝結(jié)規(guī)律. 生態(tài)學(xué)報, 2010, 30(20): 5577- 5584.

[15] 劉文杰, 曾覺民, 王昌命, 李紅梅, 段文平. 森林與霧露水關(guān)系研究進展. 自然資源學(xué)報, 2001, 16(6): 571- 575.

[16] Muselli M, Beysens D, Mileta M, Milimouk I. Dew and rain water collection in the Dalmatian coast, Croatia. Atmospheric Research, 2009, 92(4): 455- 463.

[17] Lekouch I, Lekouch K, Muselli M, Mongruel A, Kabbachi B, Beysens D. Rooftop dew, fog and rain collection in southwest Morocco and predictive dew modeling using neural networks. Journal of Hydrology, 2012, 448- 449: 60- 72.

[18] 賀偉, 布仁倉, 熊在平, 胡遠滿. 1961—2005年東北地區(qū)氣溫和降水變化趨勢. 生態(tài)學(xué)報, 2013, 33(2): 519- 531.

[19] 趙宗慈, 羅勇. 21世紀中國東北地區(qū)氣候變化預(yù)估. 氣象與環(huán)境學(xué)報, 2007, 23(3): 1- 4.

[20] 鄭紅星, 劉靜. 東北地區(qū)近40年干燥指數(shù)變化趨勢及其氣候敏感性. 地理研究, 2011, 30(10): 1765- 1774.

[21] Zuo H C, Li D L, Hu Y Q, Bao Y, Lv S H. Characteristics of climatic trends and correlation between pan-evaporation and environmental factors in the last 40 years over China. Chinese Science Bulletin, 2005, 50(12): 1235- 1241.

[22] Richards K. Observation and simulation of dew in rural and urban environments. Progress in Physical Geography, 2004, 28(1): 76- 94.

[23] Richards K. Urban and Rural dewfall, surface moisture, and associated canopy-level air temperature and humidity measurements for Vancouver, Canada. Boundary-Layer Meteorology, 2005, 114(1): 143- 163.

[24] Angus D E. Measurements of dew. Arid Zone Research, 1958, 2: 301- 303.

[25] Duvdevani S. Dew in Israel and its effect on plants. Soil Science, 1964, 98(1): 14- 21.

[26] Takenaka N, Soda H, Sato K, Terada H, Suzue T, Bandow H, Maeda Y. Difference in amounts and composition of dew from different types of dew collectors. Water, Air, and Soil Pollution, 2003, 147(1/4): 51- 60.

[27] Kidron G J. Angle and aspect dependent dew and fog precipitation in the Negev Desert. Journal of Hydrology, 2005, 301(1/4): 66- 74.

[28] Klimaszewska K, Srbu C, Polkowska Z, Lech D, Pasawski P, Maek S,nik J. Application of linear discriminant analysis to the study of dew chemistry on the basis of samples collected in Poland (2004- 2005). Central European Journal of Chemistry, 2009, 7(1): 20- 30.

[29] Ramanathan V, Crutzen P J, Kiehl J T, Rosenfeld D. Aerosols, climate, and the hydrological cycle. Science, 2001, 294(5549): 2119- 2124.

[30] Roderick M L, Farquhar G D. The cause of decreased pan evaporation over the past 50 years. Science, 2002, 298(5597): 1410- 1411.

[31] 齊月, 房世波, 周文佐. 近50年來中國地面太陽輻射變化及其空間分布. 生態(tài)學(xué)報, 2014, 34(24): 7444- 7453.

Monitoring dew condensation and its response to conventional meteorological factors in an urban ecosystem of northeastern China

XU Yingying1,2,*, TANG Jie2, ZHU Hui3, LIN Yingzi1, JIN Minglan1, ZHU Xinyue1

1KeyLaboratoryofSongliaoAquaticEnvironment,MinistryofEducation,JilinJianzhuUniversity,Changchun130118,China2CollegeofResourcesandEnvironment,JilinUniversity,Changchun130021,China3KeyLaboratoryofWetlandEcologyandEnvironment,NortheastInstituteofGeographyandAgroecology,ChineseAcademyofSciences,Changchun130102,China

In northeastern China, over the last four decades, global warming has resulted in a decrease in precipitation and increase in temperature that have intensified evaporation, resulting in a decline in soil moisture. Dew is a crucial factor in the water and nutrient cycle of urban ecosystems; thus, could exert considerable influence on the water cycle by affecting the vapor condensation. To reveal the effects of global warming on dew variation in urban ecosystems, dew was monitored daily using poplar wooden sticks, asphalt blocks, and soil blocks in the complex urban landscapes of Changchun, northeastern China. A correlation analysis was conducted between meteorological factors and dew intensity in greenbelt areas of the urban ecosystem. The results indicated that dew intensity correlated positively with relative humidity, dew point temperature, air temperature, wind chill temperature, and solar radiation (n=254,P<0.01), whereas it correlated negatively with PM2.5, PM10, air quality index, nocturnal wind speed, and atmospheric pressure (n=254,P<0.01). During the monitoring period, there were 132—136 dew days per year, which accounted for 62.5% of the frost-free season in Changchun. Substrate plays a notable roll in the formation of dew, and at night, dew intensity showed different patterns among the various landscapes. The landscapes in descending order of average dew intensity were greenbelt (0.0607 mm), bare land (0.0100 mm), and roads (0.0049 mm) (P<0.01). Dew plays an important role in the greenbelt water balance and the dewfall in July, August, and September was equal to 22.52% and 23.61% of the rainfall for the same period in 2014 and 2015, respectively. According to the proportion of each landscape, dewfall was 23—25 mm/ac in Changchun. The results suggested that increased vegetation coverage could enhance the amount of water vapor available to condense on the ground surface. However, water could not condense if the proportion of the urban greenbelt area was reduced to 5%. Based on synchronous meteorological data, a stepwise linear multiple regression model was established to predict the dew amount. The model successfully revealed the relationship between simulated and measured dew intensities. The results suggested that a warmer and drier climate would not lead to a substantial reduction in dew. Combining the model and climate data for the study area from 1965—2015 during the dew condensation period, annual dewfall showed a decreasing trend of -1.07 mm/10 ac (P<0.01). However, under the mutual influence of relative humidity, wind speed, and solar radiation, the impact of climate change on dew condensation was not obvious. The present study developed a method for monitoring and calculating dew on different underlying surfaces of an urban ecosystem, and it improved the system of dew surveillance. The established empirical model could be used to predict dew intensity and help clarify the impact of climate change on the near-surface water cycle.

urban ecosystem; dew condensation; trend of warm and dry; impact factors; stepwise linear multi-variation regression model

10.5846/stxb201601120074

國家自然科學(xué)青年基金項目(41401229)；國家水體污染控制與治理科技重大專項(2012ZX07201004)；吉林省教育廳“十三五”科學(xué)技術(shù)研究項目(2016161)

2016- 01- 12; 網(wǎng)絡(luò)出版日期:2016- 08- 30

徐瑩瑩,湯潔,?；?林英姿,金明蘭,朱心悅.東北城市露水凝結(jié)觀測及其與常規(guī)氣象要素的關(guān)系.生態(tài)學(xué)報,2017,37(7):2382- 2391.

Xu Y Y, Tang J, Zhu H, Lin Y Z, Jin M L, Zhu X Y.Monitoring dew condensation and its response to conventional meteorological factors in an urban ecosystem of northeastern China.Acta Ecologica Sinica,2017,37(7):2382- 2391.

*通訊作者Corresponding author.E-mail: xuyingying.1019@aliyun.com