夏热冬暖地区福建泉州市夏季住宅开窗行为影响因素研究

2021-01-12林明彬吴金顺于浩玮刘鸿炜张畅畅刘奕巧

华北科技学院学报 2020年5期

林明彬,吴金顺,于浩玮,刘鸿炜,张畅畅,刘奕巧,潘嵩

(1.华北科技学院，北京东燕郊 065201；2.北京工业大学,北京 100124 )

0 引言

近年来，随着中国迅速发展和快速城市化的推进，居民对室内空气质量的要求越来越高，而住宅是居民主要生活场所，居民会长时间、持续处于室内。因此，良好的室内环境对居民十分重要，而住宅中开窗是居民改善室内环境品质的便捷方式，它对室内的热舒适性与空气质量有重要影响[1]。特别是随着空气污染的加剧和居民对室内空气质量的要求的提高，当室外污染物浓度在某一时刻超过健康空气质量范围时，居民会关闭窗户的方式阻断室外污染源进入室内，长期紧闭窗户造成室内新风量不足，导致室内的颗粒物、二氧化碳和其他挥发性有机化合物的浓度增加，可能造成室内污染危害大于室外污染。而Wargocki[2-3]等人发现，通风换气与人体健康存在关联性，通风换气不足会导致室内污染物浓度上升，易引发建筑综合征等疾病和不良症状。因此，有必要进一步了解开窗行为，以帮助人们更好改善室内环境品质。

1 国内外研究现状

目前，国内外关于住宅的开窗行为研究较少，主要研究的内容有以下三点：1)开窗行为特征，即开窗时长、频率，试图分析室内人员开窗行为特点；2)开窗行为的驱动因素，即环境因素、非环境因素，旨在了解造成室内人员开/关窗的动因；3)通过大量数据建立开窗行为模型，并对模型准确性进行预测。

众多学者在不同地区，针对影响不同气候特征开窗行为的因素进行了研究，发现研究地域不同，影响开窗行为的驱动因素也存在差异，但室内外温度与CO2浓度通常是影响开窗行为最重要的因素[4-12]。Rune Andersen研究发现：室内CO2浓度和室内外气温是影响开/关窗的决定性因素；Rory V. Jones发现：窗户的运行受室内外气温、室内外湿度、风速、太阳辐射、降雨和一天中的时间以及季节的影响；Yufan Zhang得出结论：室外气温、季节和一天中的时间与开窗行为密切相关；Sebastian Herkel研究发现：开窗概率与室外气温、季节和人员密度有关；Bongchan Jeong发现：室内人员对开/关窗的空气与日常活动有关，如做饭、清洁和呼吸新鲜空气；Song Pan研究发现：室外温度是影响开窗行为的最大因素，同样FR Juan也发现室外温度对开窗行为影响最大。

由于不同气候特征与室内人员不同生活习惯可能导致开窗行为特征存在差异，因此需要对不同气候特征的地区分别进行分析。但目前我国针对夏热冬暖地区居民开窗的研究极少，仅有Liu与Lai[13-15]的研究，其研究只针对于国内五大气候区自然通风与机械通风的选择、机械通风的特征以及机械通风的优越性。综上所述，我国夏热冬暖地区室内人员开窗行为仍处在以下研究空白：

(1) 未针对夏热冬暖地区开窗行为驱动因素进行研究。

(2) 未考虑室内外温湿度差及室外风级对开/关窗行为的影响。

针对以上研究空白，本研究选取夏热冬暖地区泉州市为代表城市，选择3户住宅作为测试对象，实测与建模研究，分析夏热冬暖地区室内人员夏季开窗行为特征及其驱动因素。

2 建筑信息和数据监控

2.1 建筑信息

在本次研究中，选取中国夏热冬暖的城市之一福建省泉州市作为监测地点，泉州市(118:37 E 24:54 N)属于亚热带海洋性季风气候。泉州市气候特征：1)气温高，年均气温为19.5～21.0℃；2)降水充沛，年降水量为1000～1800 mm，干、湿季分明：3～9月降水量占全年的80%为湿季，10～2月降水量仅占全年的20%为干季；3)季风气候显著，冬季气温低，干燥少雨，夏季气温高，潮湿多雨。该建筑外围护结构由钢筋混凝土和砖构成，楼宇周围为住宅区，无噪音源、无树木遮挡，因此，噪声和光照遮挡方面可忽略不计。监测房间为客厅，为可吸烟区，且人流密度大。

2.2 数据监控

数据收集于2019年8月15日至2019年9月15日。根据以往的研究发现，室内环境因素对开窗行为的影响包括室内PM2.5浓度、室内CO2浓度、室内甲醛浓度、室内空气温度和室内相对湿度[3-11]，以及室外环境因素包括室外PM2.5浓度、室外温度、室外风级和室外相对湿度。利用空气质量检测仪(型号：AirRadio A2-Y，中国汉威科技集团HanWei.inc)对室内环境参数进行检测：PM2.5浓度、CO2浓度、甲醛浓度、温度和相对湿度。监测仪器放置于客厅中，记录间隔均为5 min。室外环境参数：风级、温度与相对湿度[16]。门窗传感器(型号：MCCGQ01LM，中国小米公司MI.inc)用于监测窗户状态(关闭/开启；收集方式：窗磁距离小于22 mm门窗显示关闭状态，大于22 mm门窗显示开启状态)。仪器放置于客厅中。设备参数详情见下表1。

表1 仪器设备详情

3 数据处理

3.1 数据预处理

收集7种环境参数，各因素监测数据分布范围及与之对应的开窗概率分布(开窗概率值由开窗状态时长/窗户总状态时长)。在此过程，排除可能由电源或人为干扰而导致的数据异常。室内PM2.5浓度总体分布：1～80 μg/m3，本文根据浓度间隔(10 μg/m3)将测试数据分为八组；同理，室内CO2浓度分布为：361～1440 ppm，共分为六组(浓度间隔：180 ppm)；甲醛浓度分布为：0～0.5 mg/m3共分为五组(浓度间隔：0.1 mg/m3)；室内温度分布为24.5～32 ℃，共分为五组(温度间隔：1.5 ℃)；室内相对湿度分布为：35%RH～64%RH，共分为六组(湿度间隔：5%)；室外温度分布为：24～35 ℃，共分为四组(温差间隔：3℃)；室内外间湿差分布为：0～50%RH，共分为五组(湿差间隔：10%RH)。

3.2 逻辑回归

逻辑回归(Logistic regression)模型是一种广义线性回归模型，主要用于研究二分类或多分类，实际中最为常用的是二元逻辑回归[18-20]。再利用二元逻辑回归对开窗行为研究中，窗户状态是因变量，即开窗状态“开”和“关”两种状态，符合二元逻辑回归中因变量的要求，且逻辑回归的因变量与自变量之间的关系是非线性的。本研究所采集数据均符合要求，所以本文选用二元逻辑回归来建立开窗行为与其影响因素之间的模型。

令因变量为y，若y=1表示事件发生，若y=0表示事件不发生。影响y的n个自变量为x1，x2，…，xn，p表示事件发生的概率，1-p表示事件不发生的概率，逻辑回归模型如下所示(1-2)：

(1)

(2)

为求Logistic回归的线性模型，首先要计算事件的发生比，即事件发生于不发生的概率比p/(1-p),用odds表示，取值范围为大于等于零。对odds进行对数转换，得到的Logistic回归的线性模式如下式所示。

(3)

将Logistic回归函数做自然对数的转换的重要性在于，LogitP可利用许多线性回归模型的性质，对于其参数而言是线性的，并且依赖于x的取值值域是-∞～+∞[21]。

为了更方便理解，可以将上式改为如下。

(4)

当其他变量保持不变时，第k个自变量变化时，事件发生比的变化值为eβk，当自变量的系数为正值时，表示发生的概率增加，eβk的值大于1；当自变量的系数为负值时，表示发生的概率降低，eβk的值小于1；当自变量的系数为0时，eβk的值等于1[19-22]。

4 研究结果

通过图表分析，判断各因素与开窗行为的相关性，并确定夏热冬暖地区夏季住宅开窗行为的影响因素。

4.1 不同住户类型开窗时长及频率分析

对夏季的实测数据进行处理，分析得到三户(No.1、No.2、No.3)的开窗频率与时长，如图1和图2所示，分别为10.65%、9.22%、0.03%，月均开窗时长依次为：4755 min、4115 min、15 min。从数据发现3户居民对窗户调控频率较低，可以推测，夏热冬暖地区居民的开窗行为与个人偏好有关。夏季泉州属于“高温高湿”气候状态，室内人员为了改善室内湿热环境，大多倾向选择利用空调来调节室内湿热环境，因此开窗频率较低。通过研究分析，发现两种开窗行为特性：不积极型典型户(No.1、No.2)与紧闭型典型户(No.3)。紧闭型户其开窗率不足0.05%，月均仅有15 min，几乎不存在开窗行为，所以无法作为夏热冬暖地区夏季住宅开窗行为的研究样本。因此，对住宅开窗行为环境因素分析时，为避免造成较大误差，需排除紧闭型住户的样本量。No.1、No.2住户开窗率在15%～8%之间，月均开窗频率与时长相似，但仍存在差异，可推测该典型户的开窗行为为随机行为，可能与环境因素、非环境因素及个人习惯相关。因此，对不积极型户进行以下分析。

4.2 环境因素

4.2.1 室内PM2.5浓度

图3所示，随着室内PM2.5浓度上升，开窗概率存在差异。当室内PM2.5浓度为61～70 μg/m3，开窗概率达到最大值。开窗行为与室内PM2.5浓度存在相关性。根据GB/T188 83-200 2《室内空气质量标准》的要求[17]，当室内PM2.5浓度不超过75 μg/m3时，室内空气清新；当室内PM2.5浓度超过75 μg/m3时，室内空气品质变差，会对人体造成危害。所采集数据中室内PM2.5浓度超过75 μg/m3样本量较少，室内PM2.5浓度平均值在38 μg/m3左右，室内人员对PM2.5无明显感知。因此，室内PM2.5浓度在此不作为驱动因素分析，此时开窗行为仅为个人习惯。

图1 开窗频率

图2 开窗时长

4.2.2 室内CO2浓度

图4所示，随着室内CO2浓度升高，开窗概率呈现下降趋势。当室内CO2浓度为721～900 ppm，开窗概率达到最大值。室内CO2浓度与开窗行为存在一定相关性。根据GB/T188 83-2002《室内空气质量标准》的要求[17]，当室内CO2浓度低于1000 ppm时，室内空气清新；当CO2浓度在1000～2000 ppm时，室内空气品质较差；当CO2浓度大于2000 ppm时，人员会有明显感知，会出现头晕、鼻塞、哮喘等症状。据统计夏季室内CO2浓度最大值仅1421 ppm，室内CO2浓度平均值在612 ppm左右，人员在此室内环境下，无任何不适症状。因此，在本研究不将室内CO2浓度作为开窗行为的驱动因素，此时开窗行为仅为个人习惯。

图3 不同PM2.5浓度的开窗概率

图4 不同CO2浓度的开窗概率

4.2.3 室内甲醛浓度

图5所示，随着室内甲醛浓度增加，开窗概率呈下降趋势。当室内甲醛浓度仅为起始浓度0～0.1 mg/m3时，开窗概率就已经达到最大值，由此可见开窗行为与室内甲醛浓度存在一定相关性，即随着浓度升高，开窗概率会逐渐下降。根据GB/T 188 83-200 2《室内空气质量标准》的要求[17]，当室内甲醛浓度为0～0.1 mg/m3时，室内空气清新；甲醛浓度超过0.1 mg/m3时，室内空气品质变差，而当甲醛浓度大于0.5 mg/m3时，室内人员会有明显不适症状，如咽喉不适、刺激眼睛、恶心干呕。据统计夏季室内甲醛浓度最大值为0.46 mg/m3，室内甲醛浓度平均值为0.06 mg/m3左右，室内人员在此甲醛浓度范围内，身体无明显不适症状。因此，在本文中不把室内甲醛作为开窗行为的驱动因素分析，此时开窗行为仅为个人习惯。

图5 不同甲醛浓度的开窗概率

4.2.4 温度

图6所示，开窗概率随室内温度的升高而变化。当室内温度在26～27.5℃时，开窗概率达到最大值，随着室内温度持续升高，开窗概率明显下降。见图7所示，随着室内温度升高，各户的开窗行为存在明显差异。当室内温度在26～27.5℃时，No.1的开窗概率达到最大值，室内温度超过27.5℃时，开窗概率呈现由高到低的趋势；No.2的开窗概率随室内温度的升高逐渐增加。据此猜测，不积极型典型户的开窗行为存在两种行为习惯。随着室内温度的升高，No.1可能选择空调来调节室内热环境，造成开窗概率降低，而No.2可能更倾向于打开窗户来调节室内热环境。由图8发现，当室内温度低于室外温度，室内外温差逐渐增加到4℃，室内基本保持开窗状态，当室内外温差超过4℃，开窗概率明显降低，可以推测人员可能选择空调来调节室内热环境。结合图9，发现从初始随室外温度的上升，开窗概率明显降低。而长时间室内新风量不足，室内环境品质变差，因此，可以推测居民可能较倾向于通过开窗来改善室内空气品质，故开窗概率略有升高。

图6 不同温度的开窗概率

图7 各户不同温度的开窗概率

4.2.5 相对湿度

图10所示，室内相对湿度在36%～55%范围内与开窗概率呈正相关，而当室内相对湿度超过此范围，开窗概率呈负相关。由图11可发现室外相对湿度均高于室内相对湿度，由于泉州为亚热带海洋性气候，其特点为湿度大，夏季月均室外湿度为76%左右，最大室外湿度为98%。

由图12与图13发现，随室外湿度急剧上升，室内外湿差逐渐增加，室内人员往往会降低窗户开启率，从而减少室外湿度对室内湿度的影响，故开窗概率逐渐下降，而长时间窗户保持密闭状态，导致新风量不足，室内空气变差，因此，可以推测居民会倾向打开窗户来改善室内空气品质，从而开窗概率增加。

图8 室内外温差的开窗概率

图9 不同室外温度的开窗概率

在室外湿度71%～90%范围内，开窗概率升高7%左右，出现较大幅度升高，需要详细分析。如表2，室外湿度81%～90%范围时，有42.8%出现在凌晨(00∶00～06∶00)这一时间段，该时间段开窗和关窗次数均为0次，居民无窗户操作，其开窗时长为1680 min，占总时长(3050 min)的55.1%，而有27.7%出现在晚上(18∶00～24∶00),开窗次数有2次，开窗时长为595 min，占时长19.5%。结合图18，室外湿度71%～90%范围时，开窗概率出现较明显升高。据此推测，在晚上时刻，居民打开窗户来改善室内空气品质，而后保持窗户开启状态，因此室外湿度在此范围内，出现较大升高幅度。

图10 不同室内湿度的开窗概率

图11 日均室内外湿度

图12 室内外湿差的开窗概率

图13 不同室外湿度的开窗频率

表2 室外相对湿度

续表

4.2.6 室外风级

图14所示，随室外风级的增加，开窗概率明显降低。室外风级处于最小范围时，开窗概率最大，随着室外风级越大，开窗概率呈现由高到低的趋势。而当室外风级到达4级以上，室内人员有轻微开窗倾向，预测室内长时间处于密闭状态，通风量不足导致室内空气质量下降，因此会有部分人员选择开启窗户来改善室内空气品质。

图14 室外风级的开窗概率

4.3 非环境因素

本节分析非环境因素对开窗行为的影响，包括不同时间段以及室内人员的生活习惯。

4.3.1 不同时间段

图15显示在不同时间段中开窗概率的变化，发现在一天中不同时段的开窗概率呈现两头高中间低分布状态。开窗概率在05∶00～20∶00范围内相对较低。结合图16可看出，在凌晨(00∶00～06∶00)和晚上(18∶00～24∶00)，室外温度相对较低。上午(06∶00～12∶00)和下午(12∶00～18∶00)，室外温度较高。可以看出，在凌晨与晚上时刻，室外温度较低，室内人员倾向于选择打开窗户通风换气，并且保持窗户开启的状态。在上午与下午时刻，室外气温相对升高，室内温度随之升高，室内人员更倾向于利用空调来降低室内温度。

4.3.2 空调、窗户调控占比

图17显示空调状态(打开/关闭)下窗户的状态(开启/关闭)，它们各自的比例值。可以发现，当空调开启下窗户关闭状态占比72%；空调开启下窗户开启状态占比6%；空调关闭下窗户开启状态占比0%；空调关闭下窗户关闭状态占比21%；空调开启占比79%与窗户开启占比仅有7%。由此数据可推测：在夏热冬暖地区，夏季沿海城市气温较高，居民更倾向于开启空调，关闭窗户。而室内环境长时间处于密闭状态，通风量不足，环境品质可能逐渐变差。因此居民可能通过开窗行为来改善室内空气品质。

图15 不同时段的开窗概率

图16 不同时段的室外温度

4.4 Binary Logistic

Logistic回归将分析出各户中室内温度、室内相对湿度、室内外温度差、室内外湿度差、不同时间段、室外温度、室外相对湿度及室外风级对开窗行为的影响强度，见表3。

图17 空调、窗户调控占比详情

由上述回归分析结果可知，除不同时段因素大于0.05被剔除，其余因素Sig值均小于0.05，符合显著性水平验证要求。因此，夏热冬暖地区夏季住宅开窗行为与其余因素显著相关。对模型有显著性影响的变量标准化回归系数B，在回归方程中表示自变量X对因变量Y影响大小的参数。回归系数越大表示X对Y的影响越大[21-22]。则对夏热冬暖地区夏季住宅开窗行为影响最为显著的因素是室外温度，其次是室内外温差、室外风级、室内温度、室内外湿差、室外湿度及室内湿度对开窗行为的影响相对较小，且该逻辑回归方程得到的预测模型综合准确率高达89.7%，说明该模型基本能够反映各影响因素与开窗行为的复杂关系。根据上表3建立如下式。

表3 Binary Logistic回归分析结果

(5)

式中，Tin为室内温度，℃；Hin为室内湿度，%；Wout为室外风级；Tout为室外温度，℃；Hout为室外湿度，%；Td为室内外温差，℃；Hd为室内外湿差，%。

5 讨论

通过阅读以往开窗行为研究发现，目前，国内学者对开窗行为研究主要集中在住宅建筑和办公建筑，其研究大多集中在夏热冬冷地区，而针对夏热冬暖地区研究仅有三例，其夏热冬暖地区研究特点采取全年、全样本量分析，这样忽略了季节性差异，且忽略室内人员行为的差异性，其室内人员全年开窗行为特性并不能代表各季节性的开窗特性。在大量文献调研发现，住宅建筑中开窗行为也存在差异性，差异源于不同功能性房间，如卧室、厨房、浴室，因此研究住宅开窗行为中也需分类分析。前人研究均表明环境因素是影响开窗行为主要因素，但均未分析夏热冬暖地区住宅开窗行为的影响因素，且未研究室内外温差、室内外湿差与室外风级对开窗行为的影响。在本研究中发现，室内外温差、室内外湿差及室外风级对夏热冬暖地区夏季住宅开窗行为是存在显著性影响。

由于泉州属于“高温高湿”气候状态，如图11与图15所示，室外温度与室外相对湿度较高，室内人员为了改善热湿环境，大多倾向选择空调方式来调节室内热湿环境，因此对开窗行为研究建模时，根据实测对象的开窗时长与开窗频率判断住户的开窗行为特性。本文将此特性分为二种：不积极型和紧闭型，对不同类型的住户分别分析，因其紧闭型典型户开窗时长与开窗频率极低，无法作为开窗行为研究，故排除此极端典型户的开窗特性。不积极型典型户的建模分析需考虑各因素的作用，由于环境因素是影响开窗行为最主要因素，不同建筑气候分区，不同季节，不同房间类型，人们的开窗习惯也存在显著差异。本文针对夏热冬暖地区夏季住宅建筑开窗行为进行分析，发现室内温度是影响住宅开窗行为的首要因素，其次是室内外温差。