南京城市下墊面對夏季暴雨云團特征的影響

DOI：10.14042/j.cnki.32.1309.2024.03.009

摘要：為了理解城市下墊面對降雨的影響機制，選取南京地區(qū)2次不同天氣背景的降雨過程，利用中尺度氣象模式和暴雨云團追蹤算法開展數(shù)值試驗，揭示城市下墊面對暴雨云團形態(tài)、結構和演進特征的影響機制。結果表明：當天氣強迫較弱時，城市熱島效應增強大氣邊界層對流活動，暴雨云團進入城市后快速坍塌，云團數(shù)量減少，空間覆蓋增大，降雨在城區(qū)增加;當天氣強迫較強時，城市冠層影響暴雨云團特征，城市地區(qū)出現(xiàn)大量面積小、移動緩慢且空間結構“尖瘦”的暴雨云團，降雨在城區(qū)和城市下風向增加。城市下墊面對暴雨云團特征的影響與降雨前期天氣強迫有關，更新了城市對降雨影響機制的傳統(tǒng)認識，為城市地區(qū)暴雨臨近預報和設計暴雨方法提供了科學支撐。

關鍵詞：暴雨云團;城市洪澇;降雨;下墊面;數(shù)值模擬

中圖分類號：P339

文獻標志碼：A

文章編號：1001-6791（2024）03-0453-10

收稿日期：2023-08-03;網(wǎng)絡出版日期：2024-02-27

網(wǎng)絡出版地址：https：∥link.cnki.net/urlid/32.1309.P.20240226.1349.002

基金項目：國家自然科學基金資助項目（52379012）;中央高?；究蒲袠I(yè)務費專項資金資助項目（2023300278）

作者簡介：沈燁（1998—），女，陜西安康人，博士研究生，主要從事城市水文氣象研究。E-mail：shenye9803@qq.com

通信作者：楊龍，E-mail：yanglong@nju.edu.cn

城市化是全世界范圍內(nèi)的普遍現(xiàn)象。在氣候變化和城市快速擴張背景下，城市地區(qū)暴雨洪澇問題日益嚴峻，對居民生命財產(chǎn)安全和社會經(jīng)濟可持續(xù)發(fā)展帶來了巨大威脅［1-3］。城市化進程一方面通過增加不透水面積、改變水系連通程度對地表產(chǎn)匯流過程產(chǎn)生影響，另一方面通過陸氣相互作用改變致洪暴雨的時空分布特征［4-6］。理解城市下墊面對致洪暴雨的影響機制對城市防洪減災體系構建具有重要的科學意義和實踐價值。

城市化對降雨的影響研究興起于20世紀70年代。Changnon等［7］在美國圣路易斯地區(qū)開展了大城市氣象觀測實驗計劃（METROMEX），發(fā)現(xiàn)降雨在城市中心及其下風向25～75 km處被顯著增強。近年來，研究者借助多源氣象觀測手段（雷達、衛(wèi)星、地面站網(wǎng)等）和數(shù)值模式分析城市對降雨的影響機制，提出了3種假說，即城市熱島［8-9］、城市冠層［10-11］和城市氣溶膠［12-13］。Liu等［14］通過文獻整合分析發(fā)現(xiàn)，城市對降雨的影響信號在不同地區(qū)表現(xiàn)不同，甚至在同一地區(qū)的不同降雨事件之間也存在顯著差異。這種差異除了受城市所處地理環(huán)境特征和自身屬性（城市形態(tài)、下墊面屬性等）影響外，還與降雨發(fā)生前期的天氣背景有密切聯(lián)系。當城市熱島較強時，大氣邊界層內(nèi)對流活動增強，城市上空出現(xiàn)水汽輻合中心，城區(qū)降雨增加［15-16］;當天氣強迫較強時，城市冠層增加地表粗糙度，水汽輻合在城市上風向發(fā)生阻塞或分岔，從而導致城郊交界處或城市下風向的降雨增加［17-18］。現(xiàn)有研究揭示了控制單個要素情景下（即不同的城市熱島強度或天氣強迫背景）城市下墊面對降雨的影響規(guī)律，然而城市熱島和天氣強迫共同作用下城市下墊面對降雨及暴雨云團特征的影響機制仍不明確。Shen等［19］基于對南京地區(qū)歷史降雨過程的模擬分析發(fā)現(xiàn)，對于“強熱島-強天氣環(huán)流”、“強熱島-弱天氣環(huán)流”、“弱熱島-強天氣環(huán)流”以及“弱熱島-弱天氣環(huán)流”4種組合情景，降雨的時空分布特征以及城市下墊面的影響機制有顯著差異，強調(diào)了根據(jù)降雨發(fā)生前期天氣背景開展分類研究的重要性。

暴雨云團是指降雨強度超過一定閾值的對流單體［20］，其形態(tài)、結構及演進路徑等特征受到地表下墊面熱力學屬性和動力特征的顯著影響［21］。Yang等［22］基于天氣雷達監(jiān)測分析了北京地區(qū)夏季暴雨云團的空間形態(tài)，發(fā)現(xiàn)暴雨云團在通過城區(qū)時會發(fā)生分離，并在城市下風向合并;同時北京復雜城市下墊面的熱力學屬性顯著促進了夏季暴雨云團的發(fā)展，強降雨事件的發(fā)生頻率明顯增加。Yang等［10］對南京2次暴雨過程開展數(shù)值分析，采用暴雨云團追蹤算法識別云團移動路徑，發(fā)現(xiàn)在弱天氣強迫下城市冠層使得云團路徑在接近城市時發(fā)生分岔，導致上風向降雨增加。目前尚未有研究探討城市下墊面對暴雨云團結構和演進特征的影響與降雨發(fā)生前期天氣背景之間的依賴關系。

本文借助高分辨率數(shù)值氣象模式和暴雨云團追蹤算法，選取不同天氣背景的降雨過程進行模擬分析，識別不同天氣背景下暴雨云團形態(tài)結構和動態(tài)演變特征，以揭示城市下墊面對夏季降雨的影響機制。研究結果有望為深入理解城市暴雨洪澇成災致災機理以及改進暴雨洪澇臨近預報方法提供支撐，服務城市防洪減災體系的構建。

1" 研究區(qū)概況

研究區(qū)域涵蓋江蘇省南京市及其周邊地區(qū)（圖1（a））。該地區(qū)地勢平坦，平均海拔20～30 m，周邊無高大山脈和大面積水體（圖1（b）），無需考慮地形引起的局地環(huán)流對降水過程的影響。土地利用類型以農(nóng)田和城市為主，其中城市占比約11%，包括滁州、合肥、馬鞍山、蕪湖、揚州、鎮(zhèn)江、常州等多個城市。研究區(qū)地處亞熱帶濕潤氣候區(qū)，光照充足，四季分明，雨水充沛，春秋短、冬夏長，年溫差較大，月平均氣溫為3.1～28.4 ℃。降水年際變化較大，多年平均降水量為1 090.4 mm，其中夏季降水占年降水量的50%。

據(jù)江蘇省統(tǒng)計局數(shù)據(jù)顯示，南京市常住人口從2000年的614.85萬增長到2021年底的942.34萬，城市化率達68.9%。伴隨著快速的城市化進程，南京的局地氣候也發(fā)生了明顯改變，城市熱島效應不斷增強，降雨強度和頻次也顯著增加，導致城市排水管網(wǎng)和河道行洪系統(tǒng)面臨巨大壓力，嚴重威脅居民生命財產(chǎn)安全［23-24］。例如，2016年7月南京發(fā)生特大暴雨，最大日降水量為258.8 mm，最大小時雨強為129.2 mm/h，是南京有記錄以來最大小時雨強［25］；2023年7月19日，受低空切變線影響，南京地區(qū)普降暴雨，最大小時雨強為121.1 mm/h，列歷史第2位。

2" 研究方法

本文使用中尺度氣象（Weather Research and Forecasting model，WRF）模式對南京地區(qū)2次歷史降雨過程開展數(shù)值模擬。WRF在實時天氣預報、區(qū)域氣候模擬及理想化動力學研究等領域具有廣泛應用，是一種成熟的中尺度氣象模式［26］。通過WRF得到模擬雷達反射回波，借助暴雨云團識別追蹤算法識別出獨立的暴雨云團，并提取暴雨云團形態(tài)（數(shù)量、面積、移動速度等）和結構（最大反射回波、回波頂高度等）等特征。通過對比分析不同模擬情景下暴雨云團特征的時空差異，揭示城市下墊面對暴雨云團形態(tài)結構和動態(tài)演變特征的影響機制。

2.1" 降雨事件

本文基于南京73個地面站點提供的2014—2016年夏季逐小時降雨觀測數(shù)據(jù)（站點位置如圖1（c）所示），挑選出112次獨立的降雨事件（即2次降雨過程時間間隔超過4 h）。基于33個氣象站2 m氣溫和10 m風速/風向觀測數(shù)據(jù)，計算降雨發(fā)生前3 h城市與郊區(qū)的溫度差異（ΔT）和南京城區(qū)的10 m風速均值（U），用于表征降雨事件前期城市熱島強度和天氣強迫情況［19］。選擇2014年7月11日和2016年9月14日（協(xié)調(diào)世界時間，下同）2次降雨事件作為分析對象，分別簡稱為“20140711”和“20160914”。2次降雨事件的平均風速分別低于和高于全部降雨事件風速的40百分位數(shù)和60百分位數(shù)，熱島強度均高于事件平均水平。2次降雨過程代表了該地區(qū)極端降雨過程的典型天氣環(huán)流形式，其過程特征描述如下：

（1） “20140711”事件。天氣強迫相對較弱，U=0.6 m/s，ΔT=1.6 ℃，降雨過程持續(xù)18 h，最大雨強為35.5 mm/h。此次降雨過程受到東亞季風系統(tǒng)和北部低壓槽相互作用影響，副熱帶高壓西伸阻擋了中緯度低壓槽向東移動，為該地區(qū)長時間強對流和極端降雨創(chuàng)造了有利的大尺度天氣環(huán)流條件。

（2） “20160914”事件。U=2.1 m/s，ΔT=1.3 ℃，降雨歷時38 h，最大雨強為32.6 mm/h。此次降雨過程受到超級臺風“莫蘭蒂”登陸的直接影響。整個過程中，西北太平洋副高位置相對穩(wěn)定，臺風移動速度緩慢，從而在南京地區(qū)引發(fā)持續(xù)性強降雨［27］。

2.2" 數(shù)值模式方案設置

WRF模式設置了3層單向嵌套區(qū)域（D01—D03），其中最內(nèi)層區(qū)域（D03）以南京市為中心，覆蓋了整個研究區(qū)（圖1（a）和圖1（b））。3層嵌套區(qū)域的水平網(wǎng)格間距分別為9、3和1 km。模式使用的邊界和初始數(shù)據(jù)來自于日本氣象廳第二代再分析資料JRA-55，其空間分辨率為1.25°，時間分辨率為6 h。WRF模式使用了以下物理參數(shù)化方案：Thompson微云物理方案、RRTM長波輻射傳輸方案、Dudhia短波輻射傳輸方案、Monin-Obukhov地表過程方案、YSU大氣邊界層方案、Noah陸面模式以及單層城市冠層模型（SLUCM）。物理參數(shù)化方案的選擇及其在該地區(qū)的適用性已在前期研究中得到驗證，能夠較好捕捉該地區(qū)降雨時空特征以及城市下墊面的影響［10，19］。對于2次降雨事件，模型的初始化時間分別為2014年7月11日00：00和2016年9月14日06：00，模擬時長分別為48 h和72 h?？紤]到最內(nèi)層區(qū)域空間分辨率較高，能夠模擬精細尺度的對流和陸氣耦合過程，后續(xù)分析將重點關注該區(qū)域的模擬結果。最內(nèi)層模擬輸出的時間間隔為10 min。

針對每一場降雨事件，本文均設置了2種模擬情景，即控制情景（簡稱CTRL）和“無城市”情景（簡稱NO-URBAN）。在CTRL情景中，使用高分辨率土地利用數(shù)據(jù)來表征城市下墊面特征。根據(jù)不透水面覆蓋比例（RI）將城市土地利用分為3類，即低影響居民區(qū)（0.2lt;RI≤0.5）、高影響居民區(qū)（0.5lt;RI≤0.8）及工商業(yè)用地（RIgt;0.8）（圖1（c））;在NO-URBAN情景中，將城市土地利用替換為農(nóng)田（圖1（d））。2種情景模擬所采用的物理參數(shù)化方案完全一致，只有下墊面土地類型的差異。通過比較CTRL和NO-URBAN情景中模擬降雨以及暴雨云團差異（定義為CTRL減去NO-URBAN），即可量化城市下墊面的影響。

2.3" 暴雨云團追蹤算法

本文使用暴雨云團識別和追蹤（Thunderstorm Identification Tracking And Nowcasting，TITAN）算法進行暴雨云團形態(tài)結構和演進特征研究。TITAN是一種基于質(zhì)心跟蹤開發(fā)的算法，主要通過三維雷達反射回波場來識別和追蹤獨立的暴雨云團［28］。將獨立暴雨云團定義為反射回波超過45 dBZ且超過部分連續(xù)體積大于5 km3的云團。本研究使用WRF模擬獲得的三維等效雷達反射回波數(shù)據(jù)作為算法輸入，反射回波數(shù)據(jù)在垂直和水平方向空間分辨率均為1 km。根據(jù)2次降雨過程的主要發(fā)生時間，將暴雨云團識別和追蹤范圍確定為2014年7月11日16：00至12日18：00（“20140711”事件）和2016年9月14日18：00至16日22：00（“20160914”事件）。本研究將南京城區(qū)以及城鄉(xiāng)交界帶統(tǒng)稱為城市關鍵區(qū)（圖1（c）中虛線框所示），認為降雨在該范圍內(nèi)受到城市下墊面的顯著影響。后續(xù)分析將重點關注該區(qū)域內(nèi)暴雨云團的變化特征。

基于識別的暴雨云團，從3個角度進行分析：首先關注暴雨云團的形態(tài)結構，統(tǒng)計暴雨云團質(zhì)心的整體空間格局，并分析城市關鍵區(qū)內(nèi)所有暴雨云團的形態(tài)結構參數(shù)特征;其次關注暴雨云團的演進特征，識別所有通過南京城區(qū)的暴雨云團，并根據(jù)運動路徑將云團整個生命周期劃分為進入城市之前（即城市上風向）、城市上空以及穿過城市之后（即城市下風向）3個階段，分別統(tǒng)計這些暴雨云團在各階段的形態(tài)和結構特征;最后關注暴雨云團的內(nèi)部結構特征，分析城市關鍵區(qū)內(nèi)所有暴雨云團反射回波強度分布及空間衰減規(guī)律。

3" 結果與分析

3.1" 數(shù)值模擬結果驗證

基于地面站點對WRF的模擬結果進行檢驗，結果如圖2所示。對比雨量站點和對應模型格點的小時降雨序列，2場事件的平均偏差分別為0.3、1.3 mm/h。依據(jù)站點與對應模型格點的2 m氣溫和10 m風速序列，對溫度和風速方面的模擬性能進行評估。結果顯示，2場事件中溫度的平均偏差均小于0.4 ℃，相關系數(shù)分別為0.81和0.55;在風速方面，模擬值與觀測值之間的平均偏差分別為0.9、3.0 m/s，相關系數(shù)分別為0.31和0.35，模擬效果與前人研究中的模擬精度相當［29-30］?？傮w而言，WRF模式設置能夠較好捕捉到2次事件中降雨及其他關鍵氣象要素的時空特征，可以用于進一步分析城市下墊面對暴雨云團的影響機制。

3.2" 暴雨云團統(tǒng)計特征

3.2.1" 云團密度分布特征

圖3（a）顯示了2場降雨事件在不同情景下累積降水的空間分布差異。從圖中可以看出，對于“20140711”事件，受到城市下墊面的影響降雨在城市中心顯著增加，并在城市外（即研究區(qū)西南側）形成第2個異常條帶，降雨增幅約為40～60 mm;而在“20160914”事件中，城市地區(qū)存在明顯降雨正異常，增幅約30 mm，城市關鍵區(qū)的北側邊界降雨增幅超過40 mm。

由圖3（b）—圖3（d）（根據(jù)云團質(zhì)心空間位置，將其重采樣到0.1°進行顯示）可知，對于“20140711”事件，在CTRL情景中暴雨云團主要集中在城市西南側，而NO-URBAN情景下，西南側的暴雨云團減少，但城市關鍵區(qū)內(nèi)云團明顯增多。通過對比暴雨云團和累積降水量的空間分布，發(fā)現(xiàn)西南側的降雨增加可能與暴雨云團數(shù)量增加有關。城市關鍵區(qū)內(nèi)降雨空間格局與暴雨云團密度分布特征有差異，表明累積降水可能受到云團其他特征影響（見后文3.2.2節(jié)分析）。對于“20160914”事件，降雨異常的空間特征與暴雨云團密度空間格局一致。2種情景中暴雨云團空間分布格局相似，均集中在城市東北方向，即城市關鍵區(qū)與郊區(qū)交界處。在CTRL情景中，城市關鍵區(qū)內(nèi)的云團數(shù)量比NO-URBAN情景多228個，約占CTRL情景暴雨云團總數(shù)的20%。增加的暴雨云團主要出現(xiàn)在城市關鍵區(qū)及其與郊區(qū)交界處，表明城市下墊面的存在導致更多暴雨云團生成或發(fā)生分離。

3.2.2" 云團結構形態(tài)參數(shù)的分布特征

圖4顯示了城市關鍵區(qū)內(nèi)暴雨云團面積、回波頂高度、最大反射回波強度以及移動速度的統(tǒng)計特征。圖4（a）表明對于“20140711”事件，城市下墊面對暴雨云團的面積和反射回波強度影響不大。在NO-URBAN情景中，暴雨云團的回波頂高度主要集中在距地表4～6 km范圍內(nèi)，而在CTRL情景中暴雨云團的回波頂高度分布更為離散，表明暴雨云團出現(xiàn)了快速生長或者坍塌的現(xiàn)象，主要是受到城市熱島導致的大氣邊界層對流活動的影響。CTRL情景中的暴雨云團移動速度與NO-URBAN情景相比有所減小，平均值從47 km/h減小至32 km/h，主要原因是受到城市建筑物導致的冠層粗糙度增加的影響，暴雨云團在城區(qū)停留時間延長，從而使得累積降水量增加。對于“20160914”事件，城區(qū)與城鄉(xiāng)交界處出現(xiàn)了面積較小的暴雨云團（圖3（d）），這些云團的強度及移動速度對城市下墊面變化的響應較弱，如圖4（b）所示。與“20140711”事件相比，“20160914”事件中暴雨云團整體反射回波頂較低，最大反射回波強度較弱，并且云團移動速度較為緩慢，具有典型暖云降雨過程特征，而“20140711”事件則由冷云降雨過程主導。對于強天氣強迫條件下的降雨過程（即“20160914”事件），城市下墊面對降雨的影響主要受到城市冠層導致的地表粗糙度增加的控制［31］。

3.3" 暴雨云團的動態(tài)演變特征

圖5顯示了2場降雨事件中暴雨云團形態(tài)結構的動態(tài)演變特征。由圖5（a）可知，對于“20140711”事件，NO-URBAN情景中各階段暴雨云團參數(shù)特征基本保持不變。在CTRL情景中，城市上風向出現(xiàn)了面積更大且反射回波頂更高的暴雨云團，這些云團進入城市后迅速坍塌，表現(xiàn)為云團面積縮小，回波頂高度降低，與圖4（a）顯示的回波頂高度統(tǒng)計特征一致。強熱島弱天氣強迫條件下，城市邊界層對流活動旺盛，使得液態(tài)水滴快速增長，并發(fā)生碰撞-合并過程，從而形成降雨［32］;此外，城區(qū)建筑物也通過增加地表粗糙度減緩云團運動，最終使得降雨在城市地區(qū)增加。

由圖5（b）可知，對于“20160914”事件，暴雨云團穿過城市后面積明顯增大，并且回波頂高度增加，表明受到城市下風向氣流輻合堆積的影響，暴雨云團在城市下風向發(fā)生了合并和增強;與此同時，城市冠層的存在導致云團在城區(qū)滯留，云團在城區(qū)的移動速度略微降低，導致降雨在城區(qū)和城市下風向均表現(xiàn)為增加。城市下墊面對暴雨云團形態(tài)和演進特征的影響在2場降雨事件中表現(xiàn)不同，表明其對降雨過程前期天氣條件的依賴性。

3.4" 暴雨云團強度特征

為進一步比較暴雨云團的內(nèi)部結構差異，識別出每個暴雨云團距離地面2.5 km處的反射回波空間場，選擇反射回波超過40 dBZ的暴雨云團作為分析對象。以反射回波強度最大格點為中心點（如圖6（a）和圖6（c）中原點所示），將所有暴雨云團進行疊加。圖6比較了2場降雨事件在不同情景中疊加后暴雨云團平均強度的空間差異及其衰減特征（圖6（a）和圖6（c）分辨率為0.5 km）。

在“20140711”事件中，城市下墊面的影響在整體上降低了云團內(nèi)部反射回波強度，減幅約2 dBZ，但卻增加了云團外圍的回波強度（圖6（a）和圖6（b））。結合3.2.1節(jié)分析，表明當天氣強迫較弱時，城市下墊面使得暴雨云團數(shù)量減少，但高反射回波強度的空間覆蓋范圍增大，從而在一定程度上增加了強降雨的空間覆蓋范圍。在“20160914”事件中，城市下墊面導致暴雨云團強度減弱，并且減弱幅度隨著遠離云團中心而不斷擴大（圖6（d）），表明當天氣強迫較強時，城市下墊面的影響導致暴雨云團平均降雨強度減弱，但云團內(nèi)部雨強分布差異增大，暴雨云團表現(xiàn)出更加“尖瘦”的結構特征，從而增強降雨的空間變異性。

4" 結" 論

本文利用中尺度氣象模式以及暴雨云團識別和追蹤算法，對南京地區(qū)2場不同天氣背景下的夏季降雨過程進行了模擬和對比分析，探討了城市下墊面對暴雨云團形態(tài)、結構以及動態(tài)演變特征的影響機制，為研究城市對降雨的影響提供了新思路和新依據(jù)。主要結論如下：

（1） 南京城市下墊面對暴雨云團形態(tài)和結構特征的影響與降雨前期天氣背景有關。當天氣強迫較弱時，城市熱島效應使得大氣邊界層對流活動增強，暴雨云團進入城市后，主要表現(xiàn)為快速生成和坍塌;云團內(nèi)部強反射回波空間范圍增加，導致降雨覆蓋范圍增加，進而在城區(qū)產(chǎn)生更多降雨。當天氣強迫較強時，城市冠層較高的地表粗糙度是影響暴雨云團形態(tài)和結構的主要因素，暴雨云團進入城市后，移動速度變慢，在下風向處受到氣流輻合影響得到增強，使得降雨在城區(qū)和城市下風向均有增加;暴雨云團呈現(xiàn)出更為“尖瘦”的結構特征，降雨在小尺度上的空間變異性增強。

（2） 城市下墊面對暴雨云團形態(tài)、結構和演進特征的影響可以解釋城市降雨的空間異常特征，其影響機制對前期天氣背景條件有顯著的依賴性。城市地區(qū)暴雨臨近預報算法需要考慮城市下墊面對暴雨云團的影響，有助于進一步提高預報精度。未來需要開展針對更多不同天氣背景降雨過程的研究，從而驗證結論的普適性。

參考文獻：

［1］周夢潔，袁慧玲.中國部分城市暴雨強度增長率及城市化影響研究［J］.中國給水排水，2022，38（19）：126-131.（ZHOU M J，YUAN H L.Growth rate of stormwater intensity and effect of urbanization in some cities of China［J］.China Water amp; Wastewater，2022，38（19）：126-131.（in Chinese））

［2］徐宗學，陳浩，任梅芳，等.中國城市洪澇致災機理與風險評估研究進展［J］.水科學進展，2020，31（5）：713-724.（XU Z X，CHEN H，REN M F，et al.Progress on disaster mechanism and risk assessment of urban flood/waterlogging disasters in China［J］.Advances in Water Science，2020，31（5）：713-724.（in Chinese））

［3］黃國如，陳易偲，姚芝軍.高度城鎮(zhèn)化背景下珠三角地區(qū)極端降雨時空演變特征［J］.水科學進展，2021，32（2）：161-170.（HUANG G R，CHEN Y S，YAO Z J.Spatial and temporal evolution characteristics of extreme rainfall in the Pearl River Delta under high urbanization［J］.Advances in Water Science，2021，32（2）：161-170.（in Chinese））

［4］王強，許有鵬，于志慧，等.快速城市化地區(qū)多尺度水文觀測試驗與暴雨洪水響應機理分析［J］.水科學進展，2022，33（5）：743-753.（WANG Q，XU Y P，YU Z H，et al.Multi-scale hydrological experimental observations and responding mechanisms of storm floods in rapid urbanization areas［J］.Advances in Water Science，2022，33（5）：743-753.（in Chinese））

［5］宋曉猛，張建云，賀瑞敏，等.北京城市洪澇問題與成因分析［J］.水科學進展，2019，30（2）：153-165.（SONG X M，ZHANG J Y，HE R M，et al.Urban flood and waterlogging and causes analysis in Beijing［J］.Advances in Water Science，2019，30（2）：153-165.（in Chinese））

［6］梅超，劉家宏，王浩，等.城市下墊面空間特征對地表產(chǎn)匯流過程的影響研究綜述［J］.水科學進展，2021，32（5）：791-800.（MEI C，LIU J H，WANG H，et al.Comprehensive review on the impact of spatial features of urban underlying surface on runoff processes［J］.Advances in Water Science，2021，32（5）：791-800.（in Chinese））

［7］CHANGNON S A，HUFF F A，SEMONIN R G.METROMEX：an investigation of inadvertent weather modification［J］.Bulletin of the American Meteorological Society，1971，52（10）：958-968.

［8］SUN X Y，LUO Y L，GAO X Y，et al.On the localized extreme rainfall over the great bay area in South China with complex topography and strong UHI effects［J］.Monthly Weather Review，2021，149（8）：2777-2801.

［9］LI L，ZHA Y，WANG R.Relationship of surface urban heat island with air temperature and precipitation in global large cities［J］.Ecological Indicators，2020，117：106683.

［10］YANG L，LI Q，YUAN H L，et al.Impacts of urban canopy on two convective storms with contrasting synoptic conditions over Nanjing，China［J］.Journal of Geophysical Research：Atmospheres，2021，126（9）：e2020JD034509.

［11］AO X Y，YUE C J，YANG X C，et al.Urbanization effects on rainfall processes induced by landfalling typhoon Lekima （2019） over the Shanghai metropolitan area［J］.Journal of Hydrometeorology，2022，23（7）：1075-1093.

［12］LI Y，SUN J X，BI Y H，et al.New insights into scavenging effect of aerosol species during summer rainfall process in Beijing［J］.Journal of Geophysical Research （Atmospheres），2023，128（15）：e2023JD038642.

［13］GAUTAM S，ELIZABETH J，GAUTAM A S，et al.Impact assessment of aerosol optical depth on rainfall in Indian rural areas［J］.Aerosol Science and Engineering，2022，6（2）：186-196.

［14］LIU J，NIYOGI D.Meta-analysis of urbanization impact on rainfall modification［J］.Scientific Reports，2019，9：7301.

［15］LUONG T M，DASARI H P，HOTEIT I.Impact of urbanization on the simulation of extreme rainfall in the city of Jeddah，Saudi Arabia［J］.Journal of Applied Meteorology and Climatology，2020，59（5）：953-971.

［16］MARELLE L，MYHRE G，STEENSEN B M，et al.Urbanization in megacities increases the frequency of extreme precipitation events far more than their intensity［J］.Environmental Research Letters，2020，15：124072.

［17］MCLEOD J，SHEPHERD M，KONRAD C E.Spatio-temporal rainfall patterns around Atlanta，Georgia and possible relationships to urban land cover［J］.Urban Climate，2017，21：27-42.

［18］YANG L，SMITH J，NIYOGI D.Urban impacts on extreme monsoon rainfall and flooding in complex terrain［J］.Geophysical Research Letters，2019，46（11）：5918-5927.

［19］SHEN Y，YANG L.Divergent urban signatures in rainfall anomalies explained by pre-storm environment contrast［J］.Geophysical Research Letters，2023，50（5）：e2022GL101658.

［20］SANGIORGIO M，BARINDELLI S.Spatio-temporal analysis of intense convective storms tracks in a densely urbanized Italian Basin［J］.ISPRS International Journal of Geo-Information，2020，9（3）：183.

［21］邢月，劉家輝，倪廣恒.城市冠層粗糙度對暴雨云團運動和降雨落區(qū)的影響［J］.清華大學學報（自然科學版），2020，60（10）：845-854.（XING Y，LIU J H，NI G H.Impacts of urban canopy roughness on storm evolution and rainfall area［J］.Journal of Tsinghua University （Science and Technology），2020，60（10）：845-854.（in Chinese））

［22］YANG L，TIAN F Q，SMITH J A，et al.Urban signatures in the spatial clustering of summer heavy rainfall events over the Beijing metropolitan region［J］.Journal of Geophysical Research （Atmospheres），2014，119（3）：1203-1217.

［23］WANG J，CHEN F，DOAN Q V，et al.Exploring the effect of urbanization on hourly extreme rainfall over Yangtze River Delta of China［J］.Urban Climate，2021，36：100781.

［24］吳雷，許有鵬，王強，等.長三角地區(qū)夏季降水結構演變及其非平穩(wěn)性［J］.水科學進展，2022，33（5）：730-742.（WU L，XU Y P，WANG Q，et al.Evolution and non-stationary characteristics of summer precipitation structure over the Yangtze River Delta［J］.Advances in Water Science，2022，33（5）：730-742.（in Chinese））

［25］吳玉明，楊紅衛(wèi).南京市2016年暴雨洪水分析與思考［J］.江蘇水利，2016（12）：69-72.（WU Y M，YANG H W.Analysis and thoughts of storm and flood in 2016 in Nanjing［J］.Jiangsu Water Resources，2016（12）：69-72.（in Chinese））

［26］王曉君，馬浩.新一代中尺度預報模式（WRF）國內(nèi)應用進展［J］.地球科學進展，2011，26（11）：1191-1199.（WANG X J，MA H.Progress of application of the Weather Research and Forecast （WRF） model in China［J］.Advances in Earth Science，2011，26（11）：1191-1199.（in Chinese））

［27］王葉紅，趙玉春.邊界層參數(shù)化方案對“莫蘭蒂”臺風（1614）登陸階段影響的數(shù)值模擬研究［J］.大氣科學，2020，44（5）：935-959.（WANG Y H，ZHAO Y C.Numerical investigation of the effects of boundary layer parameterization schemes on typhoon Meranti （1614） landing process［J］.Chinese Journal of Atmospheric Sciences，2020，44（5）：935-959.（in Chinese））

［28］DIXON M，WIENER G.TITAN：thunderstorm identification，tracking，analysis，and nowcasting：a radar-based methodology［J］.Journal of Atmospheric and Oceanic Technology，1993，10（6）：785-797.

［29］HE X D，LI Y H，WANG X R，et al.High-resolution dataset of urban canopy parameters for Beijing and its application to the integrated WRF/Urban modelling system［J］.Journal of Cleaner Production，2019，208：373-383.

［30］CHEN S，XIE Z H，XIE J B，et al.Impact of urbanization on the thermal environment of the Chengdu—Chongqing urban agglomeration under complex terrain［J］.Earth System Dynamics，2022，13（1）：341-356.

［31］DU X G，CHEN H S，LI Q Q，et al.Urban impact on landfalling tropical cyclone precipitation：a numerical study of typhoon Rumbia （2018）［J］.Advances in Atmospheric Sciences，2023，40（6）：988-1004.

［32］楊磊，才奎志，孫麗，等.基于葵花8號衛(wèi)星資料的沈陽兩次暴雨過程中對流云特征對比分析［J］.暴雨災害，2020，39（2）：125-135.（YANG L，CAI K Z，SUN L，et al.Comparison of convective cloud characteristics during two torrential rain events in Shenyang based on Himawari-8 satellite data［J］.Torrential Rain and Disasters，2020，39（2）：125-135.（in Chinese））

Urban impacts on the structure and evolution properties of warm-season

thunderstorms over Nanjing，China

The study is financially supported by the National Natural Science Foundation of China （No.52379012） and the Fundamental Research Funds for the Central Universities，China （No.2023300278）.

SHEN Ye1，2，ZHANG Jinghan1，2，YUAN Huiling3，4，YANG Long1，2

（1. School of Geography and Ocean Sciences，Nanjing University，Nanjing 210023，China;

2. Frontiers Science Center for

Critical Earth Material Cycling，Nanjing University，Nanjing 210023，China;

3. Key Laboratory of Mesoscale

Severe Weather（Nanjing University），Ministry of Education，Nanjing 210023，China;

4. School of

Atmospheric Sciences，Nanjing University，Nanjing 210023，China）

Abstract：Urban impacts on spatial and temporal rainfall variabilities present significant challenges for effective urban flood mitigation and adaptation strategies.However，the physical mechanisms underlying these impacts remain unclear.In this study，we conducted modeling analyses using the Weather Research and Forecast （WRF） model，combined with thunderstorm identification and tracking algorithms，to investigate the influence of urban areas on warm-season thunderstorms in Nanjing，China.Our findings reveal divergent urban impacts on the structure and evolution properties of thunderstorms based on different pre-storm synoptic conditions.When the synoptic conditions are weak，the urban heat island effect dominates，enhancing convective activities over urban areas.This leads to a reduction in the number of storm cells but an expansion in spatial coverage，ultimately resulting in increased rainfall over downtown areas.Conversely，when the synoptic conditions are strong，the urban canopy effect becomes prominent，slowing down storm movement and increasing the frequency of small storm cells over urban regions.These storm cells exhibit distinct “sharp” structures in terms of rainfall distribution and tend to intensify over downwind areas due to moist convergence.As a result，both downtown and downwind regions experience enhanced rainfall.This study improves our understanding of urban rainfall modification and offers valuable insights for storm nowcasting algorithms and the design of urban-specific rainfall events.

Key words：storm cell;urban flood and waterlog;precipitation;underlying surface;numerical simulation