城市热浪的数值模拟与预测研究综述

城市热浪的数值模拟与预测研究综述城市热浪作为全球气候变化背景下极端天气事件与快速城市化过程耦合作用的典型产物，其发生频率、强度及持续时长在过去四十年间呈现出显著的上升趋势。根据世界气象组织2025年发布的《城市气候风险报告》，全球超过60%的人口聚居区在2020-2025年间经历了至少三次破纪录的高温热浪事件，其中特大城市区域的热浪发生概率较城郊区域高出2.3倍，因热浪导致的居民热相关疾病发病率、公共能耗增幅及生态系统服务损失均已成为制约城市可持续发展的核心风险因子。数值模拟与预测技术作为识别热浪演化机制、量化风险传播路径、支撑提前干预决策的核心工具，其技术体系的迭代与精度提升，直接关系到城市高温灾害应对体系的韧性建设水平。一、城市热浪数值模拟的核心理论框架城市热浪的形成与演化是大尺度大气环流背景、区域下垫面热力特性、城市人为热排放及局地微气候特征多尺度过程共同作用的结果，其数值模拟体系的构建需要建立在多圈层耦合的物理机制基础之上。当前主流的模拟框架可分为动力降尺度模拟、统计-动力耦合模拟及城市冠层参数化优化三个核心分支，不同技术路径的适用场景与精度表现存在显著的异质性特征。动力降尺度模拟是当前城市热浪研究中应用最为广泛的技术方法，其核心思路是将全球气候模式（GCM）的大尺度气象场作为初始边界条件，通过中尺度气象模式（如WRF、WRF-Chem、RAMS等）对区域大气过程进行精细化解析，将空间分辨率从传统的几十公里提升至1公里甚至百米级别，从而捕捉城市下垫面对高温过程的调制作用。在2022年我国长三角地区极端热浪事件的模拟研究中，研究者采用三重嵌套的WRF模式，结合MODIS土地覆盖数据对长三角核心城市群的下垫面类型进行更新，模拟结果对热浪期间日最高气温的模拟偏差控制在1.2℃以内，对热浪持续时长的模拟准确率达到87.3%，验证了动力降尺度方法在区域尺度热浪事件模拟中的可靠性。但该方法的局限性也较为突出：一方面，高分辨率模拟需要消耗大量的计算资源，单场次热浪事件的百米分辨率模拟往往需要数天甚至数周的计算周期，难以支撑业务化的快速预测需求；另一方面，全球气候模式的初始边界误差会在降尺度过程中被逐级放大，当模拟时长超过7天时，边界条件的不确定性对模拟结果的贡献占比会超过60%。统计-动力耦合模拟技术的出现为解决动力降尺度的效率与精度矛盾提供了新的路径，其核心是通过机器学习算法对动力模式的系统性误差进行订正，同时引入多源观测数据对模拟结果进行实时校准。目前常用的订正方法包括概率匹配法、累积分布函数匹配法（CDF-t）、极端梯度提升树（XGBoost）及Transformer时序预测模型等。在2023年华北平原热浪预测的研究中，研究者将WRF模式的原始输出结果与地面自动气象站观测数据、卫星遥感地表温度数据作为输入特征，构建了LightGBM误差订正模型，使得日最高气温的模拟均方根误差从2.1℃降低至0.8℃，同时将模拟结果的输出时延从48小时缩短至2小时，大幅提升了模拟结果的时效性。值得注意的是，统计-动力耦合方法的性能高度依赖于训练数据集的质量与覆盖范围，当出现历史记录中未曾出现的极端高温事件时，机器学习模型的泛化能力会出现明显下降，这一问题在全球变暖背景下极端事件破纪录频率不断升高的趋势下显得尤为突出。城市冠层参数化方案的优化是提升城市区域热浪模拟精度的核心环节。传统的中尺度气象模式通常将城市下垫面简化为均质的不透水面，忽略了城市建筑高度、密度、走向及街道峡谷的热力动力过程对近地面气温的影响，导致对城市热岛效应与热浪叠加效应的模拟存在系统性偏低的问题。近年来发展的多层城市冠层模型（如WRF-UCM、SUEWS、ENVI-met等）能够对建筑的遮阳效应、街道峡谷内的辐射捕集、建筑能耗的人为热排放过程进行精细化模拟。以上海中心城区的热浪模拟研究为例，采用耦合单层城市冠层模型的WRF模式对2022年极端热浪期间的日最高气温模拟偏差为1.5℃，而采用耦合多层冠层模型并纳入建筑能耗动态排放数据后，模拟偏差降低至0.7℃，对城市核心商务区的热岛强度模拟准确率提升了42%。此外，最新的研究开始将城市三维形态参数（天空视域因子、建筑高度标准差、粗糙度长度等）通过深度学习算法嵌入参数化方案中，进一步降低了高异质性城市下垫面的模拟误差。二、城市热浪预测技术的发展现状与挑战城市热浪预测根据时间尺度可分为短期临近预警（0-72小时）、中期延伸期预测（7-30天）及长期气候预估（1-100年）三类，不同时间尺度的预测技术路径与业务化应用场景存在显著差异，当前各尺度的预测技术均面临着不同层面的技术瓶颈。短期临近预警是当前城市热浪业务化预报体系的核心组成部分，其预测精度已经能够支撑实际的应急响应需求。目前主流的短期预报系统以数值天气预报（NWP）模式为核心，结合多源观测数据的四维变分同化技术，对0-72小时内的近地面气温预测误差可以控制在1℃以内，对热浪事件的预警准确率普遍达到90%以上。近年来，随着数值模式分辨率的不断提升，部分城市已经开始试点百米尺度的逐小时热浪精细化预报，能够对不同街区的高温风险进行差异化预警。以上海市2025年上线的城市热浪精细化预警系统为例，该系统耦合了WRF-3DVar同化系统与城市微气候模型，能够提供全市250米分辨率的逐3小时气温预报，对中心城区不同街道的热浪强度差异识别精度达到0.5℃，可以为差异化的户外作业管控、公共空间降温资源调配提供支撑。但短期预测仍面临着对流尺度天气过程的不确定性问题，当热浪期间伴随局地热对流降水过程时，降水的时空分布不确定性会导致气温预报误差出现跃升，部分个例的预报偏差可达3℃以上。中期延伸期热浪预测是当前研究的热点与难点领域，其核心挑战在于大气过程的混沌特性导致数值模式的预测技巧在10天以上会出现快速衰减。传统的数值模式对10-30天尺度的热浪事件预测准确率普遍低于60%，难以支撑提前一周以上的应急预案制定需求。近年来，随着季节内振荡（MJO）、大气遥相关型（如副热带高压脊线位置、欧亚大陆阻塞高压指数）等低频信号与热浪发生概率的关联机制被逐步揭示，基于关键前兆信号的统计预测模型大幅提升了延伸期预测技巧。在针对我国江淮流域热浪的延伸期预测研究中，研究者通过筛选MJO相位、西太平洋副高面积指数、北极涛动（AO）等12个关键前兆因子，构建了基于因果卷积网络的延伸期热浪预测模型，对提前15天的热浪事件发生概率预测准确率达到78%，提前20天的预测准确率仍保持在65%以上，显著优于传统数值模式的预测表现。此外，集合预报技术的应用也为延伸期预测提供了新的思路，通过对初始条件、模式物理过程参数化方案进行多成员扰动，构建包含数十甚至上百个成员的集合预报系统，能够定量给出热浪事件的发生概率区间，为风险决策提供不确定性信息。长期气候预估主要用于评估未来气候变化背景下城市热浪的演变趋势，为城市中长期规划提供气候适应依据。当前的长期预估研究主要基于耦合模式比较计划（CMIP）的多模式集合结果，结合不同共享社会经济路径（SSP）下的排放情景，对未来不同时段的热浪发生频率、强度变化进行量化评估。根据CMIP6模式集合的最新预估结果，在SSP5-8.5高排放情景下，我国京津冀、长三角、珠三角三大城市群到21世纪末的热浪发生天数将达到当前的3-5倍，部分南方城市的年热浪持续时长可能超过100天。但长期预估结果仍存在较大的不确定性，一方面来自于不同气候模式对云辐射过程、气溶胶-气候相互作用等物理过程的模拟差异，另一方面来自于未来社会经济发展路径、减排政策实施效果的不确定性。最新的研究开始将城市发展规划情景（如城市扩张边界、低碳建设目标、蓝绿空间布局）纳入气候预估框架中，构建“气候模式-城市发展模型-效益评估”的耦合评估体系，量化不同城市建设方案对未来热浪风险的缓解效果，为城市气候适应性规划提供更具针对性的决策支撑。三、多源数据融合在热浪模拟与预测中的应用进展多源观测数据的融合应用是提升热浪模拟与预测精度的关键支撑，当前可用于城市热浪研究的观测数据包括地面气象站观测、卫星遥感观测、crowdsourced市民观测及城市物联网传感器观测四大类，不同数据源的时空分辨率、观测精度及覆盖范围各有优势，通过数据融合技术能够实现优势互补，构建时空连续的高精度热浪监测数据集。地面气象站观测是热浪研究中最传统也是最准确的数据源，我国已经建成了由超过6万个国家气象站、区域自动气象站组成的地面观测网络，能够提供逐小时的气温、湿度、风速、辐射等常规气象要素观测数据，是验证模拟结果、订正模式误差的基准数据源。但常规地面气象站的空间分布存在明显的城乡差异，城市核心区域的站点密度往往高于郊区，且站点周边的下垫面环境容易受到城市建设的影响，导致部分站点的观测数据代表性不足。近年来，国家气象部门开始推进城市气候观测站网的建设，在不同功能区、不同建筑密度区域布设专项观测站，补充观测城市冠层内的温湿度廓线、人为热排放通量、街道峡谷内的风场等精细化观测数据，为城市冠层参数化方案的优化提供了数据支撑。卫星遥感观测数据为大范围、连续的城市热浪监测提供了可能，其中可见光、红外遥感传感器能够反演地表温度、土地覆盖类型、植被覆盖度等关键参数，微波遥感传感器能够穿透云层实现全天时、全天候的地表温度观测。MODIS、VIIRS等极轨卫星能够提供1公里分辨率的每日全球地表温度产品，Landsat、Sentinel-2等中分辨率卫星能够提供30米分辨率的地表温度数据，高分五号、高分七号等高分辨率卫星能够提供米级分辨率的城市热环境观测数据，为城市热岛与热浪的耦合效应研究提供了多尺度的观测支撑。在2023年川渝地区极端热浪事件的研究中，研究者利用Sentinel-3卫星的逐小时海表温度与陆表温度产品，结合地面观测数据量化了长江水域对周边城市的降温效应，发现热浪期间大型水体的周边2公里范围内的近地面气温较其他区域低1.8-2.5℃，这一结果被纳入当地的城市通风廊道规划中。基于物联网的城市感知网络与crowdsourced观测数据是近年来新兴的数据源类型，随着城市智慧气象建设的推进，越来越多的城市在公交站、地铁站、居民小区、公共建筑等区域布设了大量的微型气象传感器，部分城市的传感器密度已经达到每平方公里5-10个，能够提供分钟级的高分辨率温湿度观测数据。同时，部分研究通过手机APP、智能穿戴设备等渠道收集市民上报的体感温度数据，进一步补充了人群活动高度聚集区域的观测数据。在广州市的热浪精细化模拟研究中，研究者融合了1200个城市微型传感器的观测数据，采用空间插值方法构建了100米分辨率的逐小时气温数据集，将传统基于常规气象站的插值数据误差从1.2℃降低至0.5℃，发现城市核心商业区的实际热浪强度比常规气象站观测值高出1.5-2℃，揭示了传统观测网络对城市实际高温风险的低估问题。四、城市热浪模拟与预测的未来发展方向随着气候变化与城市化进程的持续推进，城市热浪风险的防控需求对数值模拟与预测技术提出了更高的要求，未来的技术发展将主要朝着多过程耦合、多尺度协同、多学科交叉三个方向推进，逐步实现从“单一气象要素预测”向“综合风险预警”的转变。多过程耦合模拟是提升热浪模拟物理机制完整性的核心方向。当前的热浪模拟更多关注气象要素本身的演化过程，对热浪与城市生态系统、能源系统、人体健康系统的耦合作用考虑不足。未来的模拟体系需要构建“大气-城市下垫面-社会经济”多圈层耦合的模拟框架：在物理过程层面，需要耦合城市水文过程、植被生理生态过程、建筑能耗动态过程，量化热浪期间城市蒸散降温、空调能耗排放的正反馈效应；在社会系统层面，需要耦合人口流动模型、电力负荷预测模型、公共卫生响应模型，实现从“高温强度预测”到“人口暴露度风险、电力供应缺口风险、热相关疾病发病风险”的多维度风险模拟。欧盟在2024年启动的“城市热浪韧性模拟计划”中，已经开始试点构建耦合气象模型、城市能源系统模型与公共卫生模型的集成模拟平台，能够在热浪事件发生前7天预测不同区域的电力缺口、医院就诊压力分布，为提前调配应急资源提供支撑。多尺度协同预测体系的构建是解决不同时间尺度预测精度不均衡问题的关键路径。当前不同时间尺度的预测技术相对独立，短期预测与中长期预测之间缺乏有效的衔接机制。未来需要构建“公里尺度短期预报-十公里尺度延伸期预测-百公里尺度长期预估”的多尺度嵌套预测体系，通过动态降尺度技术实现不同尺度预测结果的互相校准：短期高分辨率模拟结果可以为中长期预测提供更准确的下垫面边界条件，中长期预测的大尺度环流背景信息可以为短期预报提供更长时间的趋势参考。同时，需要建立标准化的不确定性量化与表达框架，针对不同用户的决策需求提供差异化的预测产品，例如针对应急管理部门提供热浪发生概率、强度区间、风险等级的概率预报产品，针对普通市民提供体感温度、健康防护建议的服务产品，提升预测结果的可用性。人工智能技术与传统数值模式的深度融合是未来技术迭代的核心驱动力。近年来大语言模型、多模态大模型的快速发展为热浪预测提供了新的技术思路，一方面可以通过深度学习算法对数值模式的海量输出结果进行快速挖掘，识别传统统计方法难以发现的前兆信号与非线性关联机制，提升预测准确率；另一方面可以通过神经网络参数化方案替代传统的物理过程参数化方案，大幅提升数值模式的计算效率。目前已有研究证明，采用人工智能参数化方案的中尺度气象模式，其计算速度可以提升10-100倍，同时保持与传统模式相当的模拟精度。未来随着多模态大模型技术的成熟，有望实现将气象观测数据、