摘要" 湖泊在調(diào)節(jié)局地氣候和空氣質(zhì)量方面發(fā)揮著重要的作用，城市湖泊對城市局地大氣邊界層環(huán)流和大氣污染物輸送機制的影響是目前城市空氣質(zhì)量研究的重要問題。本文分析了夏季南京城區(qū)瀕湖站近地面大氣污染物質(zhì)量濃度的日變化特征，并與相對遠離湖泊的非瀕湖站的觀測結(jié)果進行比較。結(jié)果表明：對于以近地面排放為主的NO2，日間瀕湖站平均質(zhì)量濃度比非瀕湖站高（1.64±0.29）μg·m-3，夜間則低（0.51±1.39）μg·m-3;以邊界層中高層生成與傳輸為主的O3，呈現(xiàn)出與NO2相反的趨勢，日間瀕湖站平均質(zhì)量濃度比非瀕湖站低（9.57±2.19）μg·m-3，夜間則高（1.24±4.68）μg·m-3;PM2.5質(zhì)量濃度的差值沒出現(xiàn)類似特征。利用二維陸面過程模式，并結(jié)合不同排放情景，對湖泊-城市陸地分布進行敏感性數(shù)值試驗。試驗結(jié)果表明，城市區(qū)域內(nèi)湖面與陸面的熱力性質(zhì)差異影響了低空大氣環(huán)流和垂直熱力穩(wěn)定度，并進一步影響城市近地面大氣污染濃度的擴散傳輸過程。受湖泊存在的影響，白天位于湖泊及瀕湖區(qū)域上方的垂直大氣熱力穩(wěn)定度高于非瀕湖區(qū)域上空，低層大氣垂直擴散較弱，導致瀕湖區(qū)域以近地面排放為主的污染物比質(zhì)量濃度偏高，而以邊界層中高層排放與生成為主的污染物比質(zhì)量濃度則偏低;夜間情況則與之相反。該試驗結(jié)果與觀測數(shù)據(jù)的變化趨勢吻合，且與WRF-Chem模擬結(jié)果類似。

關鍵詞土地利用類型;陸面過程;垂直大氣穩(wěn)定度;城市空氣質(zhì)量

2023-11-29收稿，2024-03-08接受

江蘇省自然科學基金委碳達峰碳中和科技創(chuàng)新專項（BK20220031）

引用格式：黃奧，劉振鑫，陳詩雨，等，2024.城市湖泊影響城市低空大氣污染物時空分布的機制［J］.大氣科學學報，47（6）：928-948.

Huang A，Liu Z X，Chen S Y，et al.，2024.Impact mechanisms of urban lakes on spatiotemporal distribution of lower atmospheric pollutants in urban environments［J］.Trans Atmos Sci，47（6）：928-948.doi：10.13878／j.cnki.dqkxxb.20231129002.（in Chinese）.

近年來中國發(fā)生的大規(guī)?？焖俪鞘谢M程帶來了巨大的環(huán)境壓力（Zhang et al.，2023;Zhao et al.，2023），城市區(qū)域大氣污染就是其中的突出問題之一（Lin and Zhu，2018;王康宏和倪婷，2019）。根據(jù)《2021年中國生態(tài)環(huán)境狀況公報》，全國339個城市中121個未能達到中國空氣質(zhì)量標準。其中，以細顆粒物（PM2.5）、臭氧（O3）、可吸入顆粒物（PM10）為首要污染物的超標天數(shù)分別占總超標天數(shù)的39.7％、34.7％、25.2％（生態(tài)環(huán)境部，2022）。嚴重的大氣污染對人類健康具有潛在危害，并可引發(fā)呼吸系統(tǒng)和心血管疾?。ㄍ踺昏吹龋?021;Ju et al.，2022;Luo et al.，2023）。

城市湖泊具有重要的自然生態(tài)和人文景觀價值，尤其在調(diào)節(jié)局地氣候和空氣質(zhì)量方面發(fā)揮著重要作用。觀測研究表明，湖泊的蒸發(fā)作用和高比熱容有助于調(diào)節(jié)周邊環(huán)境溫度和提高相對濕度（Hathway and Sharples，2012;Manteghi et al.，2015;Ampatzidis and Kershaw，2020）。具體來說，白天湖泊吸收太陽輻射存儲熱量，使瀕湖區(qū)域的大氣溫度比鄰近城區(qū)低2～6 ℃（Manteghi et al.，2015），湖泊蒸發(fā)導致周邊相對濕度上升（Saaroni and Ziv，2003）;夜間湖泊以潛熱與感熱的形式向外釋放熱量，使瀕湖區(qū)域更加溫暖（Steeneveld et al.，2014）。城市湖泊的上述調(diào)節(jié)機制有效改善了城市居民的身心健康和城市的宜居度（Xu et al.，2010;Gunawardena et al.，2017）。同時，因湖泊而改善的局地小氣候顯著影響了城市空氣質(zhì)量。研究表明，湖泊及周邊區(qū)域較高的相對濕度可加強顆粒物的吸濕生長和向地表的沉積（Fu et al.，2016;Liu et al.，2016），對大氣顆粒物的二次形成過程（Lou et al.，2017）和區(qū)域大氣顆粒物濃度及粒徑譜（湯天然等，2016）產(chǎn)生重要而復雜的影響。

湖面與陸面的熱動力差異往往造成瀕湖區(qū)域形成以晝夜為周期的湖陸風環(huán)流，這種局地熱力環(huán)流顯著影響著區(qū)域內(nèi)大氣污染物的擴散和輸送及空氣質(zhì)量（Cleary et al.，2022;Zhao et al.，2022）。對美國密西根湖（57 757.00 km2）（Laird et al.，2001）、加拿大安大略湖（70 400.00 km2）（Wentworth et al.，2015）和伊利湖（25 667.00 km2）（Sills et al.，2011）、中國太湖（2 428.00 km2）（Wang et al.，2017）等大型內(nèi)陸湖泊的長期實地觀測試驗，揭示了湖風的時空發(fā)展、發(fā)生頻率和空間結(jié)構(gòu)及其對近地面大氣污染形勢的影響。例如，Wentworth et al.（2015）統(tǒng)計了研究期間安大略湖形成湖風環(huán)流的天數(shù)，發(fā)現(xiàn)湖風日O3質(zhì)量濃度顯著高于非湖風日，且位于環(huán)流內(nèi)瀕湖區(qū)域的觀測站點O3質(zhì)量濃度比環(huán)流外的站點更高。

中尺度空氣質(zhì)量模型和相應的敏感性數(shù)值試驗是探討上述科學問題的重要工具和方法。Zhang et al.（2017）利用中尺度WRF-Chem模式，通過將湖泊下墊面改為耕地的陸面敏感性試驗發(fā)現(xiàn)，修改后的原來太湖湖面位置上空的臭氧質(zhì)量濃度平均降低約25.7 μg·m-3。由于湖-陸熱力性質(zhì)的差異，當白天太湖的湖風吹過陸地時，將在湖濱地區(qū)形成一個熱力內(nèi)邊界層，并將從湖區(qū)水平輸送而來的臭氧集中在熱力內(nèi)邊界層內(nèi)（Ogawa et al.，1986），導致處于太湖下風向的蘇州城區(qū)臭氧質(zhì)量濃度升高（王凡等，2019）;而夜間陸風的形成則導致太湖上空產(chǎn)生強烈的輻合抬升運動，在湖面上空1.5～2.0 km處產(chǎn)生高質(zhì)量濃度的臭氧區(qū)（Wang et al.，2021）。

以往的研究大多利用主流的中尺度大氣數(shù)值模式關注大型湖泊對周邊區(qū)域跨城市尺度的大氣環(huán)流輸送和擴散過程以及城市整體大氣污染濃度的影響（Zhang et al.，2017;Stanier et al.，2021;Pierce et al.，2023），且已取得許多有意義的研究成果。目前，觀測已證實中型內(nèi)陸湖泊如太浩湖（490.00 km2）也能產(chǎn)生湖風環(huán)流（Burley et al.，2015），且湖的中央存在高質(zhì)量濃度臭氧，這可能是由湖面較少的干沉降和高大氣穩(wěn)定度造成的（Burley et al.，2015;Stauffer et al.，2015）。為此需要進一步驗證中小型湖泊的存在對近地面大氣污染物傳輸和濃度分布影響的可能機制。過去的相關研究大多利用中尺度模式，但這些模式包含了很多很復雜的物理機制，它們共同影響模擬結(jié)果，即使是針對特定變量的敏感性試驗，也會觸發(fā)其他機制的耦合效應而影響對比驗證結(jié)果（Zhang et al.，2017;Wang F et al.，2023）。因此，部分研究嘗試創(chuàng)新思路和技術(shù)方法。例如，有學者采用相關性分析方法，從宏觀角度研究了水體與污染物質(zhì)量濃度的關系，并發(fā)現(xiàn)水體覆蓋率每增加10％，PM2.5、PM10和NO2的年均質(zhì)量濃度相應下降2.45％、2.96％和9.65％（Zhu and Zhou，2019）。然而，由于空氣污染過程受到本地排放、周邊輸送、氣象條件、地形地貌等多種因素的影響（Chang et al.，2019;Dong et al.，2020;王孜澈等，2024），所以相關性分析方法仍存在一定的局限性，它并不能充分考慮其中的具體作用機制。由此本研究試圖使用亞城市尺度的概念化城市陸面模型，建立概念化的城市-湖泊分布格局，通過對其中有可能影響大氣邊界層能量和環(huán)流結(jié)構(gòu)的物理機制進行敏感性試驗，揭示城市湖泊的存在影響近地面污染物擴散與輸送的最根本的敏感因子及其作用機制。本研究的概念模型結(jié)果與中尺度模式模擬結(jié)果的對比驗證放在文后附錄A中。

本研究首先對南京市內(nèi)玄武湖區(qū)域和九龍湖區(qū)域的夏季逐小時觀測數(shù)據(jù)進行統(tǒng)計分析，探究各區(qū)域內(nèi)瀕湖站與非瀕湖站的NO2、O3、PM2.5質(zhì)量濃度的站點數(shù)據(jù)差異及其時間變化特征，這些污染物分別被用來表征近地面本地排放、高空和周邊輸送以及本地-傳輸復合型污染指標物;接著利用二維陸面過程模式結(jié)合不同排放情景進行湖泊-城市陸地敏感性數(shù)值試驗，通過模擬結(jié)果與觀測結(jié)果的對比，探討城市湖泊對城市近地面大氣污染擴散和傳輸特征及時空分布差異的影響。該研究可為今后的城市規(guī)劃提供指導，為城市瀕湖區(qū)域空氣污染治理提供理論依據(jù)。

1" 資料和方法

1.1" 研究區(qū)域和觀測數(shù)據(jù)來源

為了盡可能避免因城市建筑分布與道路密度的空間異質(zhì)性造成的影響，本研究在監(jiān)測站點的選擇過程中，首先以站點位置周邊平坦、建筑布局均一、站點架設位置足夠高為標準;其次要求在5 km范圍內(nèi)同時存在瀕湖站點（距離城市湖泊水平距離小于200 m）和非瀕湖站點（距離城市湖泊水平距離大于2 km），以便進行對比研究。我們逐一考察了南京市13個國控站點和一些架設條件較好的省控站中符合研究需要（距離湖泊較近的站點，以及與前者相比可能存在對照意義的站點）的站點及其區(qū)域（部分備選站點周邊具體情況的圖文詳見本文附錄B），最終選取南京市內(nèi)的玄武湖（南京城市內(nèi)湖，湖面面積約為3.78 km2;圖1b）和九龍湖（南京城市內(nèi)湖，湖面面積約為0.49 km2;圖1c）及周邊城市區(qū)域作為研究對象，并相應選擇玄武湖站點、九龍湖站點代表各自區(qū)域內(nèi)的瀕湖站;相應地，草場門站點和彩虹橋站點作為非瀕湖的對照站點。它們的監(jiān)測結(jié)果基本能反映所屬區(qū)域內(nèi)的空氣質(zhì)量。

本研究使用的數(shù)據(jù)為玄武湖、九龍湖、草場門、彩虹橋4個空氣質(zhì)量監(jiān)測站2019—2021年O3、NO2、PM2.5逐時質(zhì)量濃度數(shù)據(jù)。空氣質(zhì)量監(jiān)測站站點位置如圖1所示。數(shù)據(jù)來自中國環(huán)境監(jiān)測總站全國城市空氣質(zhì)量實時發(fā)布平臺（http：／／www.cnemc.cn／）。在本研究關注的區(qū)域內(nèi)，NO2主要由近地面排放生成，且由于壽命較短，其影響范圍的局地性和近地面特征非常明顯;而O3則相反，很少在近地面排放或生成，主要以邊界層上部及以上的生成為主，且其壽命相對較長，受中尺度水平傳輸?shù)挠绊戄^大。因此，本文選擇NO2和O3作為近地面排放和中高空傳輸與生成的污染指標物;而PM2.5排放源分布、生命周期、一次和二次機制特征均較復雜，我們認為其本地排放和周邊傳輸影響均較明顯，并將其作為上述兩種指標物的對比。

本研究對上述站點的空氣質(zhì)量監(jiān)測數(shù)據(jù)進行了質(zhì)量控制，首先根據(jù)生態(tài)環(huán)境部發(fā)布的《環(huán)境空氣質(zhì)量標準》（GB3095-2012）的規(guī)定，剔除了原始觀測數(shù)據(jù)中的異常值、缺測值和無效數(shù)據(jù);其次，考慮到城市排放和污染物濃度的非均質(zhì)性（即不同站點污染物濃度受小局地源影響而導致的差異），采用穩(wěn)健局部近似回歸算法（Ruckstuhl et al.，2012;Pu et al.，2014），將遠離擬合曲線的觀測值過濾掉，以平滑局部波動，保留的值即為具有本底特征的值，從而盡可能減小局地源排放的影響。該算法的基本原理如下。

首先，將觀測的實際質(zhì)量濃度值定義為Y（t），基本等量關系為：

Y（t）=g（t）+m（t）+E。（1）

式中：g（t）是本底值質(zhì)量濃度；m（t）是t時刻的局部污染所產(chǎn)生的影響；E是測量誤差。

假設基線信號g相對于局地信號m的任意貢獻變化幅度較小，局地信號m在很多時間點t為零，那么可以假設g為光滑曲線。如果在時間點t上滿足m（t）遠大于標準差σ（足以顯示出局地污染的明顯貢獻），則將觀測值Y（t）視為異常值。在這種情況下，建立局部線性回歸模型來估計基線信號g^。即求解：

g^（t0）=argminθ∑ni=1Wr（ti）Kti-t0h{yi-θ0+θ1（ti-t0）〗}2。（2）

式中：K（ti-t0）/h為核心權(quán)重函數(shù)；h為鄰域?qū)挾龋褂昧藅ricube核函數(shù)；yi是實際觀測值；θ0為截距項；θ1為斜率項。

為了弱化無關的局地信號的權(quán)重，引入了Wr（ti）為非對稱穩(wěn)健性權(quán)重：

Wr（ti）=1，""""""""" if rilt;0；

max1-rib2，02，otherwise。（3）

式中：ri=yi-g（ti）/σ；調(diào)整常數(shù)b一般為3.5。

最后，為了實現(xiàn)REBS技術(shù)，需要規(guī)定尺度參數(shù)σ（即測量噪點），一般根據(jù)負殘差的標準差計算：

σ^asd=1#i：ri≤0∑i：ri≤0（ri）2。（4）

總而言之，該算法的主要過程如下：1）對于每一個觀測值，使用式（2）的局部回歸模型估計基線信號g^，穩(wěn)健性權(quán)重Wr（ti）=1；2）使用式（4）估計尺度參數(shù)σ并通過式（3）計算穩(wěn)健性權(quán)重Wr（ti）；3）重復上述步驟直至曲線收斂。

本研究主要借助R軟件中的IDPmisc程序包實現(xiàn)，考慮到大氣污染物質(zhì)量濃度的季節(jié)變化，把鄰域?qū)挾仍O置為90 d，即以整個夏季的數(shù)據(jù)為一次擬合。計算后可得到標準偏差σ，據(jù)此把擬合值±4σ之外的值視為受局地污染影響較大的值，給予剔除。

1.2" 二維陸面過程模型

1.2.1" 模型簡介和物理參數(shù)化過程

為了研究城市湖泊對城市局地大氣污染擴散的影響，我們開發(fā)了一個較為簡單的二維陸面過程模型。該陸面模型忽略了陸面生物化學過程、復雜城市冠層結(jié)構(gòu)、地形高度等，主要考慮地表能量平衡、近地面湍流、地表粗糙度、零平面位移高度和大氣流動的動力拖曳過程、地面水汽蒸散以及大氣污染物的擴散傳輸?shù)冗^程，方便對水陸和其他不同地表利用類型的空間分布格局和陸面特征進行仿真和理想化設置。該模型可輸出下墊面感熱通量、潛熱通量、動量通量、水汽通量，以及氣溫和大氣污染物擴散濃度的二維空間場等。該模式僅需較少的初始參數(shù)、初邊值設定和計算代價，就可以完成對城市區(qū)域陸面過程和近地面氣象場的主要特征的模擬，并方便進行地表利用類型和主要陸面參數(shù)的敏感性數(shù)值試驗，進而驗證特定區(qū)域的陸面過程和大氣污染擴散過程的可能機制。該模型采取水平均一對數(shù)風速廓線（Masson，2000）和常通量中性大氣層結(jié)位溫廓線假設（胡小明和劉樹華，2005），而其地表能量與水分平衡參數(shù)化方法主要參考了北京大學的三維陸面過程及邊界層模式（胡小明和劉樹華，2005）以及Noilhan and Planton（1989）提出的陸面過程的參數(shù)化方法（即NP-89模式）。

該模型中的關鍵機制和物理參數(shù)化方案介紹如下：

1）平流與擴散過程參數(shù)化

①平流方程描述的是某一物理量的局地變化僅由該物理量的平流所致，二維平流方程的形式（陳雄山，1979）為：

At+uAx+wAz=0。（5）

式中：A（x，z，t）是被平流的任一物理量；u、w分別為x、z方向的風速分量。

②擴散方程是求解由風場和湍流場造成的大氣污染物在二維空間中的擴散傳輸過程，并求解質(zhì)量濃度的空間分布，其數(shù)值方程（陳泮勤，1985）為：

Ct=Ckz2Cx2+Ckz2Cz2-uCx-wCz。（6）

式中：C（x，z，t）是污染物質(zhì)量濃度；Ckz為垂直動量湍流交換系數(shù)；u、w分別為x、z方向的風速分量。

湍流擴散系數(shù)由混合長方案確定，該方案采用經(jīng)典Prandtl半經(jīng)驗混合長理論，由Monin and Obukhov（1954）推廣到近地面湍流混合問題的解決中，其方程的形式為：

Ckz=l2（uz）2+（vz）212Fm（Ri）。（7）

式中：l為湍流混合長；Fm（Ri）為關于理查森數(shù)（Ri）的函數(shù)，Ri表示大氣靜力穩(wěn)定度與垂直風切變的比值的無量綱數(shù)。其方程的形式（Nieuwstadt，1984）為：

Ri=gTTzuz2+vz2。（8）

式中：T為位溫；g為重力加速度。

另外，混合長l一般采用的形式（Blackadar，1962）為：

l=k1+kλ。（9）

式中：k為卡門常數(shù)，取k=0.4； λ為漸進混合長，模型調(diào)優(yōu)后選取λ=300 m。

2）地表能量與水分平衡參數(shù)化

①地表能量平衡是陸面模式的核心機制，其方程的形式為：

Qdr+Qlr=Hss+Esl+Hsq。（10）

式中：Qdr為地表吸收的直接太陽輻射通量，由式（11）給出；Qlr為地表吸收的長波輻射通量，由式（15）給出；Hss為地表感熱通量，由式（20）給出；Esl為地表潛熱通量，由式（22）給出；Hsq為地表與深層土壤之間的熱量通量。

②直接太陽輻射通量Qdr是指沒有被大氣分散或吸收，直接到達地面的太陽輻射。計算該通量的基本方法涉及太陽輻射強度、大氣對太陽輻射的吸收和散射。其通過下式估算：

Qdr=S0cos（θz）τ（1-α）。（11）

式中：S0為太陽輻射常數(shù)，取S0=1 353 W·m-2；θz為太陽高度角，即太陽光線與地面垂直方向的夾角；τ為大氣透過率，表示從大氣頂部到地面的太陽輻射能量的比例，使用經(jīng)驗公式τ=（TAT-AQ3）估算；α為地表反照率，是表征地表對太陽輻射反射能力的參數(shù)。

其中，太陽高度角θz可使用以下公式估算：

cos（θz）=sin（）sin（δ）+cos（δ）cos（δ）cos（h）。（12）

式中：為觀測點的緯度，取為北緯39°；δ為太陽赤緯，即太陽直射點緯度，取δ為北緯19°；h為太陽時角，即從地方時正午到給定時刻的角度差，簡化計算為h=π（12-t）/12，t為一天中的時刻。

TAT是考慮了天空漫反射的經(jīng)驗參數(shù)，其方程的形式為：

TAT=1.03-0.089.49×10-4+0.051cos（θz）0.5。（13）

AQ3是大氣對整個太陽光譜的吸收系數(shù)，其方程的形式為：

AQ3=2.9DP（1+141.5DP）0.635+5.925DP。（14）

式中：DP為大氣水汽光學厚度。

③地表吸收的長波輻射通量Qlr是指地面接收的來自大氣的下行長波輻射以及其他來源（如云、溫室氣體、懸浮顆粒等）的輻射。模型中Qlr的計算方法由Xiong and Qiu（2011）給出，它是大氣溫度和大氣濕度的函數(shù)，其方程的形式為：

Qlr=εaσT42-εσT41。（15）

式中：εa為大氣長波發(fā)射率，計算時采用經(jīng)驗公式εa=K（ea）17，其中K為經(jīng)驗常數(shù)，取K=0.4，ea為2 m水汽壓，采用經(jīng)驗公式ea=Q2p/（Q2+0.622），p為近地面氣壓，取p=1 000 hPa，Q2為2 m參考空氣比濕；ε為地表長波放射率，取ε=0.95；T2為2 m參考氣溫；T1為貼地層參考氣溫；σ為斯蒂芬-玻耳茲曼常數(shù)（Stefan-Boltzmann constant），σ=5.67×10-8W·m-2·K-4。

④對于地表溫度T的計算，其方程的形式為：

Tt=HsqCt-2πTAU（T-Ts）。（16）

式中：Hsq為地表與深層土壤之間的熱量通量，取Hsq=Qdr+Qlr-Hss-Esl；TAU為氣溫變化的1個周期，即1 d，取TAU=86 400 s；Ts為土壤日平均溫度，取Ts=285 K。

⑤對于水分的計算

地表體含水量Wg是指單位體積土壤中水分的體積占土壤總體積的比例，其方程的形式為：

Wgt=C1ρwD1（Pg-Eg）-C2TAU（Wg-Wgeq），0≤Wg≤Wsat。（17）

土壤日平均體含水量是指在一天內(nèi)土壤中含水量的平均值，其方程的形式為：

W2t=1ρwD2（Pg-Eg-Etr），0≤W2≤Wsat。（18）

式中：ρw為水的密度，取ρw=1 000 kg·m-3；D1為與地表體含水量Wg有關的土壤層厚度，取D1=0.01 m；D2為與土壤日平均體含水量W2有關的土壤層厚度，取D2=1 m；Pg為到達土壤表面的液態(tài)水通量，由于模型不考慮降水，取Pg=0；Eg為土壤蒸發(fā)通量；Etr為植被葉面生理蒸騰通量（Eg、Etr的具體計算過程均在下文介紹）；Wgeq為重力與毛細管張力平衡時的土壤表面體含水量，其方程的形式為：

Wgeq=W2-W2Wsatp1-W2Wsat8pWsat。（19）

⑥地表感熱通量Hss是指由于溫差導致的熱量在地表與大氣之間的傳遞，它表征下墊面與大氣之間的熱交換。模型中Hss的計算方法由Reginato et al.（1985）給出，其方程的形式為：

Hss=ρacp（T1-T2）ra。（20）

式中：ρa為空氣密度，取ρa=1.29 kg·m-3；cp為空氣比定壓熱容，取cp=1 005 J·kg-1·K-1（T=300 K時）；T1為下墊面表面溫度，即貼地層溫度；T2為2 m空氣溫度；ra為空氣動力學阻力（單位：s/m），與風速、粗糙度和大氣層結(jié)等因素有關，其方程的形式為：

ra=1CHU2。（21）

式中：CH為拖曳系數(shù)；U2為2 m風速（單位：m/s）。

⑦地表潛熱通量Esl是指水分蒸發(fā)和植物蒸騰作用過程中的能量轉(zhuǎn)移，其方程的形式為：

Esl=（Eg+Ev）L。（22）

式中：Ev為植被生理蒸騰與葉面蒸發(fā)總通量；L為水汽化潛熱，取L=2.5×106 J·kg-1。

地表水汽蒸發(fā)通量Eg是指單位面積、單位時間內(nèi)從土壤表面蒸發(fā)到大氣中的水分量，其方程的形式為：

Eg=1raρa（1-Veg）（qsatHu-Q2）。（23）

式中：Veg為植被覆蓋率；Hu為地表相對濕度；qsat是氣溫為T1時空氣的飽和比濕，可以通過Teten經(jīng)驗方程計算得到：

es=6.1×exp17.269T1-273.16T1-35.86，（24）

qsat=0.622esp-0.378es。（25）

另外，地表相對濕度Hu的求解公式如下：

Hu=0.51-cos（πWgWfc）。（26）

式中：Wfc為土壤持水量，表征土壤能夠吸收和保留的水分總量。

葉面截流水量的蒸發(fā)通量Er是指降水后植物葉面上殘留的水分通過蒸發(fā)過程返回到大氣中的水量，其方程的形式為：

Er=Vegρaδra（qsat-Q2）。（27）

式中：δ為截留水的葉面覆蓋率。其方程的形式為：

δ=ρwWR0.2VegLAI0.667。（28）

式中：WR為與土壤水分有關的參數(shù)；LAI為冠層葉面面積指數(shù)（單位：m2/m2），定義為單位地面面積上的葉面面積總和。

植被葉面生理蒸騰通量Etr表示通過植物葉片表面的氣孔釋放到大氣中的水蒸氣量，其方程的形式為：

Etr=Vegρa1-δra+rs（qsat-Q2）。（29）

植被生理蒸騰與葉面蒸發(fā)總通量Ev為葉面截流水量的蒸發(fā)通量Er與植被葉面生理蒸騰通量Etr之和，其方程的形式為：

Ev=Er+Etr。（30）

式（29）中：rs為地面與植被系統(tǒng)的表面阻抗，其計算過程如下：

F=1.1S0cos（θz）τ80LAI，（31）

F1=F+Rmin/Rmax1+F，（32）

F2=W2-WwiltWfc-Wwilt，（33）

F3=1-0.06ρw（qsat-Q2），（34）

F4=1-0.001 6（298-T2）2，（35）

rs=F1RminLAIF2F3F44。（36）

式中：Rmin為冠層葉面邊界層阻抗最小值（單位：s/m）；Rmax為冠層葉面邊界層阻抗最大值（單位：s/m）；Wwilt為土壤植被凋萎系數(shù)。

該模式?jīng)]有像當前各主流中尺度模式一樣包括更多的物理機制、更復雜的參數(shù)化方案和更全面的初邊值場，但是該模型包括了與城市-亞城市尺度上的主要動力學和熱力學物理過程有關的參數(shù)化方案，尤其是對于本研究關心的城市-水體表面的熱力和動力特征差異給出了適當?shù)慕：投筷P系，并且將城市下墊面視為水平平坦均勻假設下的具有較大粗糙度以及較低含水量和比熱容的材料表面，這與第二代陸面模式（如WRF中SLAB或NOAH_1）的復雜度相似（Liu et al.，2006）?；谠撃Ｐ?，本研究能夠更好地進行典型天氣背景（如特定風向風速、近地面大氣垂直熱力層結(jié)和穩(wěn)定度等）下的城市-湖泊熱動力差異對近地面大氣運動、湍流擴散系數(shù)以及污染擴散傳輸影響的研究。相對于全耦合模式（如WRF-Chem），本模式無需必須選擇具體的研究區(qū)域和時段來模擬一個受多種初邊條件強迫的特定個例，且在進行單變量敏感性控制試驗時，對于有可能出現(xiàn)的與事實不符的多種物理機制在數(shù)值模型中的耦合干擾，可以更方便地防止其發(fā)生。因此，本模型更有利于用來驗證城市-湖泊陸面分布差異與環(huán)境氣象結(jié)果之間的更加普適性的因果關系。

但是，為了驗證本文模擬結(jié)果的可靠性，本研究同樣使用WRF-Chem模式在同一研究區(qū)域、相應情景下進行了城市-湖泊地表利用類型的數(shù)值模擬，并對玄武湖及周邊城市區(qū)域近地面大氣環(huán)流和污染擴散時空分布特征及其與城市湖泊分布的相關性進行了分析。WRF-Chem模擬結(jié)果與本文通過簡單城市陸面過程模式得到的結(jié)果定性一致，相關結(jié)果詳見附錄A。

1.2.2" 參數(shù)設置和試驗設計

本研究在二維陸面模型中構(gòu)建了一個湖泊-城市陸地相連的地表利用類型分布情景，如圖2a所示。其中，水平方向從點A到點B共30格點，分辨率為1.5 km;垂直層設置為從近地面2 m開始到高空3 000 m高度共20層不等間隔的格點。該模型采取水平均一對數(shù)風速廓線（Masson，2000）和常通量中性大氣層結(jié)位溫廓線假設（胡小明和劉樹華，2005），并在模式上風向邊界處一定高度設定時間連續(xù)的大氣污染物排放的單位源強。模擬輸出二維空間中的氣溫、風速和比質(zhì)量濃度（定義為單位源強下模擬環(huán)境中污染物的質(zhì)量濃度），時間間隔為0.5 h。

對于不同的污染物釋放高度，它對近地面造成的影響往往存在差異;當長距離傳輸?shù)奈廴疚锾幱谌臻g邊界層以下、夜間邊界層以上殘留層高度的時候，它往往會對次日的污染過程造成明顯影響。此外，從長期觀測經(jīng)驗（Sun et al.，2023）以及與地方生態(tài)環(huán)境局在合作過程中的工作經(jīng)驗來看，對于一些較穩(wěn)定的大氣污染物，基本而言其傳輸來源的距離與傳輸高度呈較強的正相關性。由此本研究設計了兩種排放情景，一是近地面排放情景，即大氣污染物排放源設置在上風向邊界20～80 m高度（垂直第5—7層），主要代表近地面排放或者生成的污染物;二是中高空排放情景，即大氣污染物排放源設置在上風向邊界1 000～1 500 m高度（垂直第15—17層），主要代表邊界層內(nèi)中高層傳輸或者生成的污染物。而且在不同排放情景下，對湖泊下墊面特征進行數(shù)值敏感性試驗，共計4組試驗（表1）。其中，試驗1與試驗3中考慮了湖泊的存在，在模型中將地表第1—15格點設置為湖泊下墊面、第16—30格點設置為城市陸地（圖2a、c）。而試驗2與試驗4中則不考慮上述湖面的存在，即地表所有的格點均為城市陸地（圖2b、d）。表2給出了湖泊和城市陸地的陸面參數(shù)設置。4組試驗中其他配置的初邊值保持相同。每組試驗的模擬時長為3 d，其中前24 h為模式起轉(zhuǎn)。

2" 結(jié)果與分析

2.1" 城市瀕湖與非瀕湖區(qū)域近地面大氣污染物質(zhì)量濃度日變化特征的觀測分析

利用2019—2021年南京市空氣質(zhì)量監(jiān)測數(shù)據(jù)，對玄武湖和九龍湖區(qū)域瀕湖站與非瀕湖站觀測中NO2、O3、PM2.5的日變化特征及其差異進行分析。圖3顯示了夏季瀕湖站和非瀕湖站的NO2、O3、PM2.5日內(nèi)逐小時質(zhì)量濃度序列。

如圖3a所示，在玄武湖區(qū)域，NO2質(zhì)量濃度的日變化趨勢在瀕湖站與非瀕湖站基本一致，均呈現(xiàn)出雙峰型分布。每日的質(zhì)量濃度峰值分別出現(xiàn)在08時和21時（北京時，下同）前后，與交通的早晚高峰期相對應，可見NO2質(zhì)量濃度受交通源排放影響較大。但兩站點間的NO2質(zhì)量濃度存在明顯差異。日間瀕湖站NO2平均質(zhì)量濃度比非瀕湖站高，夜間則相反。結(jié)合平均質(zhì)量濃度晝夜變化箱線圖（圖4a）可知，在日間，瀕湖站與非瀕湖站質(zhì)量濃度差異的變化范圍為（2.03±0.36）μg·m-3（中位數(shù)±標準差之差），而在夜間則為（0.44±0.45）μg·m-3。如圖3d和圖4b所示，在九龍湖區(qū)域，NO2的時間變化特征與玄武湖區(qū)域情況類似，但由于該區(qū)域處于城市近郊區(qū)，所以NO2質(zhì)量濃度整體偏低。而瀕湖站與非瀕湖站的質(zhì)量濃度差異特征也基本相似：在日間，瀕湖站NO2平均質(zhì)量濃度比非瀕湖站高（1.24±0.21）μg·m-3，而在夜間，則低（0.57±2.32）μg·m-3。

如圖3b所示，在玄武湖區(qū)域，瀕湖站和非瀕湖站的O3質(zhì)量濃度的日變化趨勢均呈現(xiàn)出較明顯的白天高、夜間低的單峰型變化特征。日間發(fā)生在大氣邊界層中高層的光化學反應生成過程和夜間發(fā)生在近地面的滴定及沉降作用是形成該日變化的主導

因素。但是另一方面，如圖4a所示，同樣位于玄武湖區(qū)域的瀕湖站和非瀕湖站的O3質(zhì)量濃度則存在顯著差異：日間瀕湖站O3平均質(zhì)量濃度比非瀕湖站低（10.34±1.24）μg·m-3;而到了夜間，則偏高（0.05±8.26）μg·m-3。如圖3e和圖4b所示，九龍湖區(qū)域的兩個站點的O3數(shù)據(jù)也存在類似情況：瀕湖站日間O3平均質(zhì)量濃度比非瀕湖站低（8.79±3.14）μg·m-3;而在夜間，則高（2.43±1.10）μg·m-3。O3質(zhì)量濃度的日變化趨勢和兩個區(qū)域內(nèi)各自站點間的質(zhì)量濃度差異特征，均與NO2質(zhì)量濃度的特征相反。

如圖3c、f所示，玄武湖區(qū)域和九龍湖區(qū)域內(nèi)所有站點的PM2.5質(zhì)量濃度的日變化趨勢均表現(xiàn)出單峰單谷型分布。每日的質(zhì)量濃度峰值出現(xiàn)在08—10時，每日的谷值則主要發(fā)生在午后。但在各自區(qū)域內(nèi)，瀕湖站與非瀕湖站PM2.5質(zhì)量濃度差異的晝夜變化似無特定的規(guī)律（圖4）。

綜上所述，所有站點中上述3種污染物質(zhì)量濃度的日變化特征均符合以往研究中南京市大氣污染物的時間變化規(guī)律（賈夢唯等，2016;謝放尖等，2023;鄭新梅等，2023），但是在玄武湖區(qū)域和九龍湖區(qū)域內(nèi)，各自的瀕湖站與非瀕湖站之間的質(zhì)量濃度差異的晝夜變化特征則呈現(xiàn)出了明顯的規(guī)律：在同一區(qū)域內(nèi)，日間瀕湖站NO2質(zhì)量濃度高于非瀕湖站，而夜間則瀕湖站低于非瀕湖站;O3的情況與NO2恰好相反;PM2.5的情況較復雜，在現(xiàn)有的觀測數(shù)據(jù)容量條件下未發(fā)現(xiàn)類似的規(guī)律。

2.2" 局地大氣穩(wěn)定性和污染擴散特征的模擬及機制分析

為了進一步探討城市湖泊的存在對城市大氣局地環(huán)流和污染物擴散傳輸?shù)挠绊?，并驗證其可能的機制與上述觀測事實之間的相關性，本研究利用二維陸面模式結(jié)合不同排放情景，對湖泊-城市陸地理想分布特征下的氣象場和比質(zhì)量濃度場進行了敏感性數(shù)值模擬。試驗設置見本文第1.2.2節(jié)。

圖5給出了氣溫垂直剖面的模擬結(jié)果。值得注意的是，由于試驗1與試驗3的下墊面設置與初邊值設定相同，輸出的氣象場也相同，試驗2與試驗4同理。如圖5所示，填色內(nèi)容是氣溫，縱坐標表示模型中的垂直層，橫坐標表示水平分層，其中第1—15層代表城市湖面區(qū)域，第16—30層代表城市陸地區(qū)域。結(jié)果顯示，在白天的大多數(shù)時段中，城市陸地上空的氣溫明顯高于湖面上空（圖5a—c），且越接近地面（水面）這個差異越明顯，該水平差異可以最大達到500 m以上高度。這主要是由于湖水的比熱容大于城市陸地，故在白天強烈的太陽輻射強迫下，城市陸面的近地面大氣溫度上升明顯快于湖面上空。相應地，夜間湖面附近大氣降溫明顯慢于陸面附近，至04時前后近地面氣溫的水平差異發(fā)生逆轉(zhuǎn)，即湖面附近氣溫高于陸面（圖5d）。該模擬結(jié)果與其他研究者使用更復雜的中尺度模式模擬得到的特征較為類似（Wang J L et al.，2023），且與大氣邊界層理論的一般規(guī)律相符合。這說明本研究使用的概念化二維陸面模式可以基本模擬出陸面過程的主要特征。而在不考慮湖泊存在的試驗2和試驗4中，氣溫的垂直分布在所有時段都較均勻（圖5e—h）。該現(xiàn)象表明，湖泊-城市陸地陸面特征的差異是造成上述近地面氣象場水平差異的首要因素。

圖6給出了在圖5所述的近地面氣象場分布條件下，近地面排放大氣污染物比質(zhì)量濃度在日內(nèi)典型不同時刻的垂直分布。污染物自上風方向邊界處釋放，并通過水平輸送和垂直擴散影響下風向比質(zhì)量濃度的空間分布。由圖5i—l可知，在模擬區(qū)域近地面大多數(shù)空間內(nèi)，考慮湖泊存在的試驗1，在白天模擬的比質(zhì)量濃度總體高于無湖泊的試驗2，而夜間則相反，即試驗1模擬的比質(zhì)量濃度在04時前后低于試驗2。與此同時，500 m高度以上與近地面比質(zhì)量濃度趨勢表現(xiàn)相反?？梢姵鞘兄泻吹拇嬖谟绊懼髿馕廴疚镌诖怪狈较虻臄U散。結(jié)合圖5中氣溫垂直分布特征可知，該現(xiàn)象主要是由湖面與陸面地表附近大氣的垂直氣溫梯度引起的大氣垂直穩(wěn)定度的差異造成的。具體而言，在白天大多數(shù)時段中，湖面附近的氣溫垂直遞減率較小，垂直穩(wěn)定性較強、湍流系數(shù)較小，湖面附近大氣相比陸面附近大氣具有更弱的垂直擴散能力，不利于近地面排放的大氣污染物向高空的擴散，從而造成500 m以上高度的污染物比質(zhì)量濃度較低，同時近地表比質(zhì)量濃度較其他時段明顯偏高。而在夜間則恰恰相反，湖面附近大氣的垂直擴散能力更強，從而造成湖面附近大氣中的污染物比質(zhì)量濃度低于陸面附近，而500 m以上高度的比質(zhì)量濃度則偏高。此外，無論在試驗1還是在試驗2中，模擬區(qū)域內(nèi)近地面比質(zhì)量濃度均表現(xiàn)為日間低、夜間高的特征。這主要是由于湖面和城市地表附近大氣均表現(xiàn)為日間垂直氣溫遞減率大于夜間，日間近地面垂直湍流擴散能力高于夜間。這一模擬的情景設計和模擬結(jié)果均與觀測分析中以近地面排放為主的NO2質(zhì)量濃度的日變化趨勢相吻合。

圖7給出了在圖5所述的近地面氣象場分布條件下中高空排放大氣污染物在日內(nèi)典型不同時刻的比質(zhì)量濃度的垂直分布。由圖7i—l可知，在日間，試驗3模擬的近地面大氣污染物比質(zhì)量濃度普遍較試驗4低，而在夜間則表現(xiàn)出相反特征，即試驗3模擬的比質(zhì)量濃度在04時前后更高;與此同時，中高空（1 km高度以上）與近地面比質(zhì)量濃度的趨勢表現(xiàn)相反。該模擬結(jié)果與近地面排放情景截然相反，但受到了類似的湖面與城市陸面低空大氣垂直穩(wěn)定度的差異的晝夜變化影響。具體而言，在白天大多數(shù)時段中，由于湖泊的存在，湖面附近大氣具有更強的垂直穩(wěn)定性，其垂直擴散能力較弱，中高空排放的大氣污染物向下風向近地面?zhèn)鬏斉c擴散受到抑制，導致近地面比質(zhì)量濃度較低同時中高空比質(zhì)量濃度偏高。而在夜間至凌晨時段，這一情況發(fā)生了逆轉(zhuǎn)，較弱的垂直大氣穩(wěn)定性讓更多的污染物從比質(zhì)量濃度較高的中高空輸送到湖面附近，該過程在更穩(wěn)定的城市陸地附近較弱，造成湖面附近大氣污染物比質(zhì)量濃度相比陸面附近更高，而1 km以上高度的比質(zhì)量濃度則偏低。此外，試驗3與試驗4模擬的比質(zhì)量濃度垂直分布格局基本類似，且近地面比質(zhì)量濃度均表現(xiàn)為日間高、夜間低的特征，這與近地面排放情景中的變化特征恰好相反。這一模擬的情景設計和模擬結(jié)果均與觀測分析中以邊界層中高層生成與傳輸為主的O3質(zhì)量濃度的日變化趨勢相吻合。

2.3" 瀕湖點位上空污染物比質(zhì)量濃度的時空特征分析

為了分析和驗證城市中湖面和陸面地表附近大氣擴散能力的差異對不同高度排放污染物的擴散作用及其影響高度的作用，本研究分析了不同排放情景下比質(zhì)量濃度的日變化及其垂直分布特征。

近地面排放情景下，在考慮湖泊存在的試驗1和無湖泊的試驗2中，城市瀕湖點位上空污染物平均比質(zhì)量濃度的日變化如圖8所示?？芍囼?和試驗2污染物比質(zhì)量濃度的總體變化規(guī)律相似，均呈現(xiàn)日間低、夜間高的分布特征，日變化的最低值和最高值分別出現(xiàn)在午后和凌晨前后，即無論有無湖泊的存在，城市近地面大氣的垂直擴散能力均表現(xiàn)為白天強、晚上弱的特征。這一變化規(guī)律與觀測分析中的NO2質(zhì)量濃度的日變化趨勢相吻合。而在城市瀕湖點位上空的不同高度上，其日變化幅度有所差異，在80 m附近高度上變化幅度最大，在2 m高度上變化幅度較小。與此同時，試驗1的比質(zhì)量濃度晝夜變化幅度小于試驗2。由圖8c可知，06時至20時，試驗1與試驗2的比質(zhì)量濃度差為正值，即有湖存在的城市近地面比質(zhì)量濃度高于無湖的城市近地面，而至20時以后其差值由正轉(zhuǎn)負，再至凌晨達到負極值，即此時有湖存在的城市近地面比質(zhì)量濃度小于無湖情況，且差異最大。這與觀測分析中的瀕湖站與非瀕湖站之間的NO2質(zhì)量濃度差異的晝夜變化特征定性吻合。

在中高空排放情景模擬下，試驗3和試驗4中城市瀕湖點位上空污染物平均比質(zhì)量濃度的日變化如圖9所示?？芍?，試驗3和試驗4污染物比質(zhì)量濃度的總體變化規(guī)律均呈現(xiàn)日間高、夜間低的分布特征，日變化的最高值和最低值分別出現(xiàn)在午后和凌晨前后。即無論湖泊是否存在，白天城市低空較強的大氣垂直擴散能力均有利于中高空排放污染物向近地面?zhèn)鬏斉c擴散，而夜間則相反。該變化規(guī)律與近地面排放情景情況相反，與觀測分析中的O3比質(zhì)量濃度的日變化趨勢相吻合。在城市瀕湖點位上空的不同高度上，從20 m到80 m其日變化幅度逐漸增大。圖9c顯示了兩組試驗模擬結(jié)果的差異?？芍?，日間（06—20時）試驗3與試驗4的比質(zhì)量濃度差為負值，即有湖存在的城市近地面比質(zhì)量濃度低于無湖的城市近地面，而至20時以后其差值由負轉(zhuǎn)正，再至凌晨達到正極值，即此時有湖存在的城市近地面比質(zhì)量濃度大于無湖情況，且差異最大。上述模擬結(jié)果的差異與觀測分析中瀕湖站與非瀕湖站之間O3比質(zhì)量濃度差異的晝夜變化特征定性吻合。

由以上討論可知，對于以近地面排放和生成為主的污染物以及以邊界層內(nèi)中高層傳輸和生成為主的污染物，城市湖泊引起的近地面垂直擴散能力的差異會導致其近地面比質(zhì)量濃度的差異及其晝夜變化，且這兩種污染物的差異特征以及晝夜變化特征均相反。如前所述，本研究認為研究區(qū)域內(nèi)的NO2排放主要來自近地面，且由于生命周期較短，其擴散影響的本地性較強;而O3則正好相反，一方面主要來自邊界層上部及以上，另一方面由于其生命周期較長，會受到上風向中尺度水平傳輸?shù)挠绊懀浣孛媾欧藕蜕蓜t較弱。此外，本研究的模擬結(jié)果表明，這兩種污染物的主要排放或者生成區(qū)域大約以距地面500 m高度為界。同時觀測發(fā)現(xiàn)，該規(guī)律對PM2.5而言并不明顯，這可能是因為研究區(qū)域中PM2.5同時存在近地面和高空的排放或傳輸來源，而這兩種不同來源的污染物的質(zhì)量濃度存在相反的晝夜和高低空時空分布特征，而且它們互相抵消。

為了與上述研究結(jié)果進行更充分的對比驗證，本研究還使用WRF-Chem模式在同一研究區(qū)域、在相應情景下進行了城市-湖泊地表利用類型的敏感性數(shù)值試驗，對玄武湖及周邊城市區(qū)域近地面大氣環(huán)流和污染擴散時空分布特征及其與城市湖泊分布的相關性進行了分析。WRF-Chem模擬結(jié)果與本文通過簡單城市陸面過程模式模擬得到的結(jié)果定性一致，相關結(jié)果詳見附錄A。

3" 結(jié)論和討論

1）觀測分析表明：玄武湖區(qū)域與九龍湖區(qū)域污染物質(zhì)量濃度均呈現(xiàn)出類似的日變化規(guī)律，但瀕湖站與非瀕湖站的晝夜平均質(zhì)量濃度存在顯著差異。對于以近地面排放為主的NO2，在日間，瀕湖站平均質(zhì)量濃度比非瀕湖站高（1.64±0.29）μg·m-3，而在夜間，低（0.51±1.39）μg·m-3;對于以中高空生成與傳輸為主的O3，其質(zhì)量濃度差異特征與NO2恰好相反，在日間，瀕湖站O3平均質(zhì)量濃度較低，相比低（9.57±2.19）μg·m-3，而在夜間則偏高（1.24±4.68）μg·m-3。而PM2.5的這一特征不明顯。

2）模擬結(jié)果表明：一方面，該概念模式可以定性準確地模擬出氣溫、污染物比質(zhì)量濃度及其時空變化主要特征;另一方面，湖面-城市陸面熱力性質(zhì)差異引發(fā)的近地面垂直大氣穩(wěn)定度差異是造成上述瀕湖站與非瀕湖站的污染物比質(zhì)量濃度差異特征的重要因素。具體來說，白天湖泊的存在使得湖泊以及瀕湖區(qū)域上方大氣穩(wěn)定度增強，抑制了大氣污染物的垂直輸送與擴散，導致瀕湖區(qū)域以近地面排放為主的NO2的質(zhì)量濃度偏高，而以邊界層內(nèi)中高層生成與傳輸為主的O3的質(zhì)量濃度偏低，而夜間瀕湖區(qū)域較不穩(wěn)定大氣使得污染物擴散趨勢與白天相反。此外，PM2.5由于同時存在近地面和中高空的排放或者傳輸來源，二者存在相反的垂直擴散機制和時空變化特征且兩者互相抵消。該模擬結(jié)果與觀測數(shù)據(jù)的趨勢吻合，且與WRF-Chem模擬結(jié)果定性一致。

盡管本研究重點考慮了站點選取標準與數(shù)據(jù)處理方法，旨在最大程度地減輕城市內(nèi)部空間異質(zhì)性和局地源排放對站點間的污染物質(zhì)量濃度差異的影響。但有限的觀測數(shù)據(jù)以及上述無法完全消除的影響仍舊為本研究的觀測分析帶來一定的不確定性。面對這一挑戰(zhàn)，未來計劃在更廣泛的城市中獲得更多的站點數(shù)據(jù)樣本，以減少因各種因素而造成的結(jié)果不確定性，從而進一步提升研究中發(fā)現(xiàn)的觀測規(guī)律的普適性。在此基礎上，我們將進一步探究城市湖泊對復雜來源大氣污染物擴散與傳輸?shù)挠绊憴C制，進而為城市瀕湖區(qū)域空氣污染治理提供更全面的理論依據(jù)。

參考文獻（References）

Ampatzidis P，Kershaw T，2020.A review of the impact of blue space on the urban microclimate［J］.Sci Total Environ，730：139068.doi：10.1016／j.scitotenv.2020.139068.

Blackadar A K，1962.The vertical distribution of wind and turbulent exchange in a neutral atmosphere［J］.J Geophys Res，67（8）：3095-3102.doi：10.1029／jz067i008p03095.

Burley J D，Theiss S，Bytnerowicz A，et al.，2015.Surface ozone in the Lake Tahoe Basin［J］.Atmos Environ，109：351-369.doi：10.1016／j.atmosenv.2015.02.001.

Chang X，Wang S X，Zhao B，et al.，2019.Contributions of inter-city and regional transport to PM2.5 concentrations in the Beijing-Tianjin-Hebei region and its implications on regional joint air pollution control［J］.Sci Total Environ，660：1191-1200.doi：10.1016／j.scitotenv.2018.12.474.

陳泮勤，1985.非定常兩維平流擴散方程的數(shù)值實驗［J］.氣象學報，43（1）：112-117." Chen P Q，1985.Numerical experiment of unsteady two-dimensional advection diffusion equation［J］.Acta Meteor Sinica，43（1）：112-117.（in Chinese）.

陳雄山，1979.平流方程的數(shù)值研究［J］.大氣科學，3（2）：109-119." Chen X S，1979.Numerical study of the advection equation［J］.Scientia Atmos Sinica，3（2）：109-119.doi：10.3878／j.issn.1006-9895.1979.02.02.（in Chinese）.

Cleary P A，Dickens A，McIlquham M，et al.，2022.Impacts of lake breeze meteorology on ozone gradient observations along Lake Michigan shorelines in Wisconsin［J］.Atmos Environ，269：118834.doi：10.1016／j.atmosenv.2021.118834.

Dong Z X，Wang S X，Xing J，et al.，2020.Regional transport in Beijing-Tianjin-Hebei region and its changes during 2014—2017：the impacts of meteorology and emission reduction［J］.Sci Total Environ，737：139792.doi：10.1016／j.scitotenv.2020.139792.

Fu X X，Wang X M，Hu Q H，et al.，2016.Changes in visibility with PM2.5 composition and relative humidity at a background site in the Pearl River Delta region［J］.J Environ Sci，40：10-19.doi：10.1016／j.jes.2015.12.001.

Gunawardena K R，Wells M J，Kershaw T，2017.Utilising green and bluespace to mitigate urban heat island intensity［J］.Sci Total Environ，584：1040-1055.doi：10.1016／j.scitotenv.2017.01.158.

Hathway E A，Sharples S，2012.The interaction of rivers and urban form in mitigating the Urban Heat Island effect：a UK case study［J］.Build Environ，58：14-22.doi：10.1016／j.buildenv.2012.06.013.

胡小明，劉樹華，2005.山丘地形的陸面過程及邊界層特征的模擬［J］.應用氣象學報，16（1）：13-23." Hu X M，Liu S H，2005.Numerical simulation of land surface process and atmosphere boundary layer structure over small hill underlying surface［J］.J Appl Meteor Sci，16（1）：13-23.doi：10.11898／1001-7313.20050102.（in Chinese）.

賈夢唯，趙天良，張祥志，等，2016.南京主要大氣污染物季節(jié)變化及相關氣象分析［J］.中國環(huán)境科學，36（9）：2567-2577." Jia M W，Zhao T L，Zhang X Z，et al.，2016.Seasonal variations in major air pollutants in Nanjing and their meteorological correlation analyses［J］.China Environ Sci，36（9）：2567-2577.doi：10.3969／j.issn.1000-6923.2016.09.002.（in Chinese）.

Ju K，Lu L Y，Chen T，et al.，2022.Does long-term exposure to air pollution impair physical and mental health in the middle-aged and older adults？：a causal empirical analysis based on a longitudinal nationwide cohort in China［J］.Sci Total Environ，827：154312.doi：10.1016／j.scitotenv.2022.154312.

Laird N F，Kristovich D A R，Liang X Z，et al.，2001.Lake Michigan lake breezes：climatology，local forcing，and synoptic environment［J］.J Appl Meteor，40（3）：409-424.doi：10.1175／1520-0450（2001）0400409：LMLBCLgt;2.0.CO;2.

Lin B Q，Zhu J P，2018.Changes in urban air quality during urbanization in China［J］.J Clean Prod，188：312-321.doi：10.1016／j.jclepro.2018.03.293.

Liu J K，Zhu L J，Wang H H，et al.，2016.Dry deposition of particulate matter at an urban forest，wetland and lake surface in Beijing［J］.Atmos Environ，125：178-187.doi：10.1016／j.atmosenv.2015.11.023.

Liu Y B，Chen F，Warner T，et al.，2006.Verification of a mesoscale data-assimilation and forecasting system for the Oklahoma City area during the joint urban 2003 field project［J］.J Appl Meteor Climatol，45（7）：912-929.doi：10.1175／jam2383.1.

Lou C R，Liu H Y，Li Y F，et al.，2017.Relationships of relative humidity with PM2.5 and PM10 in the Yangtze River Delta，China［J］.Environ Monit Assess，189（11）：582.doi：10.1007／s10661-017-6281-z.

Luo P Y，Ying J C，Li J Y，et al.，2023.Air pollution and allergic rhinitis：findings from a prospective cohort study［J］.Environ Sci Technol，57（42）：15835-15845.doi：10.1021／acs.est.3c04527.

Manteghi G，Limit H B，Remaz D，2015.Water bodies an urban microclimate：a review［J］.Mod Appl Sci，9（6）：1-12.doi：10.5539／mas.v9n6p1.

Masson V，2000.A physically-based scheme for the urban energy budget in atmospheric models［J］.Bound-Layer Meteor，94（3）：357-397.doi：10.1023／A：1002463829265.

Monin A S，Obukhov A M，1954.Basic laws of turbulent mixing in the surface layer of the atmosphere［J］.Trudy Geofizicheskogo Instituta，Akademiya Nauk SSSR，24：163-187.

Nieuwstadt F T M，1984.The turbulent structure of the stable，nocturnal boundary layer［J］.J Atmos Sci，41（14）：2202-2216.doi：10.1175／1520-0469（1984）041lt;2202：ttsotsgt;2.0.co;2.

Noilhan J，Planton S，1989.A simple parameterization of land surface processes for meteorological models［J］.Mon Wea Rev，117（3）：536-549.doi：10.1175／1520-0493（1989）117lt;0536：ASPOLSgt;2.0.CO;2.

Ogawa Y，Ohara T，Wakamatsu S，et al.，1986.Observation of lake breeze penetration and subsequent development of the thermal internal boundary layer for the Nanticoke II Shoreline Diffusion Experiment［J］.Bound-Layer Meteor，35（3）：207-230.doi：10.1007／BF00123641.

Pierce R B，Harkey M，Lenzen A，et al.，2023.High-resolution air quality simulations of ozone exceedance events during the Lake Michigan ozone study［J］.Atmos Chem Phys，23（16）：9613-9635.doi：10.5194／acp-23-9613-2023.

Pu J J，Xu H H，He J，et al.，2014.Estimation of regional background concentration of CO2 at Lin’an Station in Yangtze River Delta，China［J］.Atmos Environ，94：402-408.doi：10.1016／j.atmosenv.2014.05.060.

Reginato R J，Jackson R D，Pinter P J，1985.Evapotranspiration calculated from remote multispectral and ground station meteorological data［J］.Remote Sens Environ，18（1）：75-89.doi：10.1016／0034-4257（85）90039-2.

Ruckstuhl A F，Henne S，Reimann S，et al.，2012.Robust extraction of baseline signal of atmospheric trace species using local regression［J］.Atmos Meas Tech，5（11）：2613-2624.doi：10.5194／amt-5-2613-201210.5194／amtd-3-5589-2010.

Saaroni H，Ziv B，2003.The impact of a small lake on heat stress in a Mediterranean urban park：the case of Tel Aviv，Israel［J］.Int J Biometeor，47（3）：156-165.doi：10.1007／s00484-003-0161-7.

生態(tài)環(huán)境部，2022.2021年中國生態(tài)環(huán)境狀況公報（摘錄）［J］.環(huán)境保護，50（12）：61-74." Ministry of Ecology and Environment，2022.China ecological environment status bulletin 2021（excerpt）［J］.Environ Prot，50（12）：61-74.doi：10.14026／j.cnki.0253-9705.2022.12.009.（in Chinese）.

Sills D M L，Brook J R，Levy I，et al.，2011.Lake breezes in the southern Great Lakes region and their influence during BAQS-Met 2007［J］.Atmos Chem Phys，11（15）：7955-7973.doi：10.5194／acp-11-7955-2011.

Stanier C O，Pierce R B，Abdi-Oskouei M，et al.，2021.Overview of the Lake Michigan ozone study 2017［J］.Bull Amer Meteor Soc，102（12）：E2207-E2225.doi：10.1175／bams-d-20-0061.1.

Stauffer R M，Thompson A M，Martins D K，et al.，2015.Bay breeze influence on surface ozone at Edgewood，MD during July 2011［J］.J Atmos Chem，72（3／4）：335-353.doi：10.1007／s10874-012-9241-6.

Steeneveld G J，Koopmans S，Heusinkveld B G，et al.，2014.Refreshing the role of open water surfaces on mitigating the maximum urban heat island effect［J］.Landsc Urban Plan，121：92-96.doi：10.1016／j.landurbplan.2013.09.001.

Sun T T，Zhang T S，Xiang Y，et al.，2023.Investigation on the vertical distribution and transportation of PM2.5 in the Beijing-Tianjin-Hebei region based on stereoscopic observation network［J］.Atmos Environ，294：119511.doi：10.1016／j.atmosenv.2022.119511.

湯天然，袁馬強，曹芳，2016.太湖及與湖岸城市間大氣顆粒物分布特征分析［J］.氣象科學，36（6）：819-825." Tang T R，Yuan M Q，Cao F，2016.Characteristics analysis on distribution of particulate matters between lake shore cities and Taihu Lake［J］.J Meteor Sci，36（6）：819-825.doi：10.3969／2015jms.0078.（in Chinese）.

王莼璐，王毅一，史之浩，等，2021.基于多源融合數(shù)據(jù)評估2014—2018年中國地表大氣臭氧污染變化及其健康影響［J］.大氣科學學報，44（5）：737-745." Wang C L，Wang Y Y，Shi Z H，et al.，2021.Assessment of surface ozone pollution change and its health effect in China from 2014 to 2018 based on multi-source fusion data［J］.Trans Atmos Sci，44（5）：737-745.doi：10.13878／j.cnki.dqkxxb.20210206001.（in Chinese）.

Wang F，Li Q，Wang Y W，2021.Lake-atmosphere exchange impacts ozone simulation around a large shallow lake with large cities［J］.Atmos Environ，246：118086.doi：10.1016／j.atmosenv.2020.118086.

Wang F，Wang Y W，Gao M，2023.Impact of lake-atmosphere exchange on summertime ozone in the Lake Taihu region［J］.Atmos Environ，300：119664.doi：10.1016／j.atmosenv.2023.119664.

王凡，王詠薇，高嵩，等，2019.湖陸風環(huán)流對于臭氧高濃度事件影響的模擬分析［J］.環(huán)境科學學報，39（5）：1392-1401." Wang F，Wang Y W，Gao S，et al.，2019.Simulation analysis of the influence of lake-land breeze circulation on high ozone concentration events［J］.Acta Scientiae Circumstantiae，39（5）：1392-1401.doi：10.13671／j.hjkxxb.2019.0055.（in Chinese）.

Wang J L，Qian Y，Pringle W，et al.，2023.Contrasting effects of lake breeze and urbanization on heat stress in Chicago metropolitan area［J］.Urban Climate，48：101429.doi：10.1016／j.uclim.2023.101429.

王康宏，倪婷，2019.2016年冬季安徽壽縣地區(qū)兩次重污染過程分析研究［J］.大氣科學學報，42（6）：944-952." Wang K H，Ni T，2019.Analysis of meteorological causes of two heavily polluted weather processes in Shouxian Region of Anhui Province in winter of 2016［J］.Trans Atmos Sci，42（6）：944-952.doi：10.13878／j.cnki.dqkxxb.20180112006.（in Chinese）.

Wang Y W，Gao Y Q，Qin H R，et al.，2017.Spatiotemporal characteristics of lake breezes over Lake Taihu，China［J］.J Appl Meteor Climatol，56（7）：2053-2065.doi：10.1175／jamc-d-16-0220.1.

王孜澈，茅宇豪，郭淑雅，等，2024.汾河谷地大氣環(huán)境容量與大氣污染過程的數(shù)值模擬與敏感性分析［J］.大氣科學學報，47（4）：604-619." Wang Z C，Mao Y H，Guo S Y，et al.，2024.Numerical simulation and sensitivity analysis of atmospheric environmental capacity and air pollution processes in Fen River Valley［J］.Trans Atmos Sci，47（4）：604-619.doi：10.13878／j.cnki.dqkxxb.20230724001.（in Chinese）.

Wentworth G R，Murphy J G，Sills D M L，2015.Impact of lake breezes on ozone and nitrogen oxides in the Greater Toronto Area［J］.Atmos Environ，109：52-60.doi：10.1016／j.atmosenv.2015.03.002.

謝放尖，鄭新梅，竇燾燾，等，2023.南京地區(qū)細顆粒物污染輸送影響及潛在源區(qū)［J］.環(huán)境科學，44（6）：3071-3079." Xie F J，Zheng X M，Dou T T，et al.，2023.Transport influence and potential sources of PM2.5 pollution for Nanjing［J］.Environ Sci，44（6）：3071-3079.doi：10.13227／j.hjkx.202206256.（in Chinese）.

Xiong Y J，Qiu G Y，2011.Estimation of evapotranspiration using remotely sensed land surface temperature and the revised three-temperature model［J］.Int J Remote Sens，32（20）：5853-5874.doi：10.1080／01431161.2010.507791.

Xu J C，Wei Q L，Huang X F，et al.，2010.Evaluation of human thermal comfort near urban waterbody during summer［J］.Build Environ，45（4）：1072-1080.doi：10.1016／j.buildenv.2009.10.025.

Zhang L，Zhu B，Gao J H，et al.，2017.Impact of Taihu Lake on city ozone in the Yangtze River Delta［J］.Adv Atmos Sci，34（2）：226-234.doi：10.1007／s00376-016-6099-6.

Zhang X M，F(xiàn)an H B，Liu F，et al.，2023.Coupling coordination between the ecological environment and urbanization in the middle reaches of the Yangtze River urban agglomeration［J］.Urban Climate，52：101698.doi：10.1016／j.uclim.2023.101698.

Zhao D D，Xin J Y，Wang W F，et al.，2022.Effects of the sea-land breeze on coastal ozone pollution in the Yangtze River Delta，China［J］.Sci Total Environ，807：150306.doi：10.1016／j.scitotenv.2021.150306.

Zhao J Y，Chen G Z，Yu L，et al.，2023.Mapping urban morphology changes in the last two decades based on local climate zone scheme：a case study of three major urban agglomerations in China［J］.Urban Climate，47：101391.doi：10.1016／j.uclim.2022.101391.

鄭新梅，胡崑，王鳴，等，2023.南京市南部地區(qū)O3污染特征、生成敏感性及傳輸影響分析［J］.環(huán)境科學，44（8）：4231-4240." Zheng X M，Hu K，Wang M，et al.，2023.Analysis of O3 pollution characteristics，formation sensitivity，and transport impact in southern Nanjing［J］.Environ Sci，44（8）：4231-4240.doi：10.13227／j.hjkx.202207171.（in Chinese）.

Zhu D，Zhou X F，2019.Effect of urban water bodies on distribution characteristics of particulate matters and NO2［J］.Sustain Cities Soc，50：101679.doi：10.1016／j.scs.2019.101679.

·ARTICLE·

Impact mechanisms of urban lakes on spatiotemporal distribution of lower atmospheric pollutants in urban environments

HUANG Ao1，LIU Zhenxin1，CHEN Shiyu1，HU Jianlin1，CHEN Zixuan2

1Jiangsu Key Laboratory of Atmospheric Environment Monitoring and Pollution Control／Jiangsu Collaborative Innovation Center of Atmospheric Environment and Equipment Technology／School of Environmental Science and Engineering， Nanjing University of Information Science and Technology， Nanjing 210044， China;

2School of Shenlan， Jiangsu University of Science and Technology， Zhenjiang 212003， China

Abstract" Rapid urbanization in China has exacerbated atmospheric pollution， particularly in urban areas.Urban lakes played a crucial role in moderating local climate and air quality by influencing atmospheric boundary layer circulation and pollutant transport mechanisms.However， previous studies have relied primarily on mesoscale models， where the influence of additional coupled mechanisms may impact the accuracy of sensitivity results.To address this， we utilized a conceptual urban land surface model to conduct suburban-scale sensitivity experiments， isolating the primary factors and mechanisms by which urban lakes influence the distribution and transport of near-surface pollutants.Focusing on the diurnal patterns of pollutant mass concentrations at lakeside and non-lakeside urban stations in Nanjing during the summer， we found notable differences in pollutant behavior.For NO2， a ground-emitted pollutant， lakeside stations recorded a daytime average concentration of （1.64 ± 0.29） μg·m-3 higher than non-lakeside， while nighttime concentrations were （0.51 ± 1.39） μg·m-3 lower.In contrast， O3， which forms at mid-and upper-boundary layers， exhibited lower daytime concentrations by （9.57 ± 2.19） μg·m-3 at lakeside stations， with nighttime levels （1.24 ± 4.68） μg·m-3 higher.No significant differences were found for PM2.5 concentrations.Using a two-dimensional land surface model， we conducted sensitivity experiments to examine the effects of lake presence and lake-to-urban land distribution under different emission scenarios.Simulations indicated that the model accurately reproduced key temperature and pollutant mass concentrations patterns， comparable to more complex mesoscale model results.Thermal property differences between lake and urban land surfaces significantly impacted low-level atmospheric circulation and vertical stability， altering pollutant diffusion and transport.Daytime thermal stability and limited vertical diffusion over lakeside areas led to a higher concentrations of surface-emitted pollutants near lakes， while concentrations of pollutants formed at mid-levels were lower compared to non-lakeside areas;this pattern reversed at night.Simulation outcomes aligned well with observed data trends and were qualitatively consistent with WRF-Chem results.While emphasizing rigorous monitoring and data processing methods， spatial heterogeneity of urban structures and emissions， as well as observational data limitations， introduced some uncertainties.Future research should incorporate more extensive data from diverse urban regions to better generalize these patterns and strengthen the theoretical foundation for air quality management in urban lakeside environments.

Keywords" land use type;land surface processes;vertical atmospheric stability;urban air quality

doi：10.13878／j.cnki.dqkxxb.20231129002

附錄A" WRF-Chem模擬結(jié)果及其與本文概念化模型結(jié)果的定性對比

為了驗證該城市陸面模型模擬結(jié)果的可靠性，我們使用WRF-Chem模式在南京市及周邊地區(qū)進行了典型區(qū)域典型情景的模擬，并針對該區(qū)域內(nèi)的玄武湖及周邊城市區(qū)域的大氣環(huán)流和污染擴散進行了分析。此外，由于受到中尺度模式分辨率的限制，在該案例中，粗陸面網(wǎng)格無法分辨水體面積較小的九龍湖，故未作分析。這是直接使用現(xiàn)有中尺度模式的一個不利之處。模擬區(qū)域如圖A1a所示，為三層網(wǎng)格嵌套，水平分辨率從最外層到最內(nèi)層分別為32、8、2 km。垂直方向上共分為34層，模式中第一層大約在地表以上20 m的位置。圖A1b顯示了D3土地利用類型。模擬使用了MODIS LUCC 2018數(shù)據(jù)，并由NCEP數(shù)據(jù)進行驅(qū)動。具體的模式設置詳見表A1。

圖A2顯示了不同時刻位溫的垂直剖面。可知，在玄武湖周邊，湖面上空（圖中以XWH標記）相比遠離湖泊的其他城市區(qū)域上空，日間位溫和邊界層高度更低，而夜間（主要是20時到凌晨）則更高。在日間，湖面與陸面的溫度差異相對來說不太明顯，這可能是由于WRF模式中近地面垂直分層較稀疏、模擬分辨率較低所致。

圖A3、圖A4分別給出了不同時刻NO2質(zhì)量濃度和O3質(zhì)量濃度的垂直剖面?？芍?，在白天，以近地面排放和擴散傳輸為主的NO2，其質(zhì)量濃度在湖面及稍下風向瀕湖區(qū)域偏高，而在夜間則明顯偏低;對于以中高空二次生成與傳輸為主的O3，在日間，受西風背景下大尺度污染傳輸過程影響與模擬分辨率限制，邊界層內(nèi)O3質(zhì)量濃度相對均一，而在夜間，湖面及下風向瀕湖區(qū)域近地面O3質(zhì)量濃度明顯

低于其他城市區(qū)域。這與本文通過簡單陸面過程模式模擬得到的結(jié)果在定性上是一致的。該模擬結(jié)果表明，本文采用的更為簡單的二維城市陸面模式的模擬結(jié)果是可靠的，且可以從邏輯上更好解釋其現(xiàn)象與城市-湖泊陸面分布之間的因果關系。

附錄B" 備選站點周邊環(huán)境

備選站點的周邊環(huán)境如圖B1所示?？芍荷轿髀氛局苓吀邩橇至?，復雜密集，且采樣口高度被“埋沒”在建筑群中;瑞金路站站點位置較低、身處瑞金新村小區(qū)內(nèi)，建筑分布不均勻，排放情況復雜;九龍湖站（省控站）位置較高，周邊水面廣闊，且空間均一性較好;類似地，玄武湖站周邊開闊且位于一定高度，站點的空間代表性較好;彩虹橋站、草場門站站點位置較高且遠離密集建筑，或者處于城市建筑群中但明顯比周邊高。據(jù)此，山西路站、瑞金路站明顯不符合要求，在有限的幾個站點中，選擇將九龍湖站、玄武湖站作為瀕湖站，將彩虹橋站、草場門站作為對照的非瀕湖站。

（責任編輯：倪東鴻）