基于局地气候分区的街区地表形态特征与热湿环境的关联性研究

2021-07-27黄家豪刘丽孺高云飞

广东工业大学学报 2021年5期

刘琳，黄家豪，刘丽孺，高云飞，金雷

（广东工业大学土木与交通工程学院，广东广州 510006）

随着城市化进程的不断加快，越来越多的建筑在城市中拔地而起，城市土地利用性质的变化和人为热排放的增加影响了城市气候条件，加剧了城市热环境恶化，产生城市热岛效应等现象[1]。传统的城市区域气候研究大都处于城市尺度上，难以全面精细地阐明城市街区内不同地表形态特征背景下的热湿环境变化规律。为此，Oke等[2]针对小尺度的城市气候环境提出了局地气候分区(Local Climate Zone，LCZ)的分类方法，该方法已经被广泛地应用于城市气候研究中。向易睿等[3]利用Landsat8遥感影像构建高精度的广州市局地气候分区图。刘琳等[4]通过LCZ分类方法对深圳市华侨城进行局地气候定点监测。杨小山等[5]基于LCZ分类方法研究了典型气象条件下南京市多个街区的局地气温变化特征。由此可以看出，LCZ分类方法对于城市街区尺度的地表形态特征划分具有可操作性、适用范围广等优势，对街区热湿环境的定量研究及影响因子分析具有重要意义。

然而，目前基于LCZ的城市局地气候研究大多采用定点观测等现场实测方法，由于现场实测只能获取区域内有限点的气象数据，并且容易受到外力因素的影响，数据较为单一，代表性较差，难以实现数据在整个局地区域内的面覆盖性[6]。近年来，不少学者开始采用微气候模拟软件ENVI-met对城市热湿环境展开研究，并对软件的模拟精度进行了验证。李悦[7]使用ENVI-met软件模拟分析上海市街区不同容积率情况下的微气候环境特征。武雅芝[8]通过ENVImet模拟研究滨水绿地对水平及垂直方向微气候环境的影响作用。刘晶[9]对比水体附近不同下垫面的温湿度实测值与ENVI-met的模拟值，结果表明ENVImet可以较好地模拟湿热地区水体周围热湿环境。综上来看，ENVI-met模拟对于城市空间多样化下垫面条件下的风热环境研究具有较好的应用价值。但是，目前关于ENVI-met模拟结果与实测结果的对比验证通常以特定的下垫面类型或小尺度范围的空间条件为基础，未能综合地考虑城市街区不同地表形态特征的下垫面条件。因此，基于不同的局地气候分区类型，利用实地测试结果对ENVI-met模拟结果的精度和适用性进行综合评价与分析是十分必要的。

本文依据城市局地气候区的分类方法，在具有湿热地区典型气候特征的广州市选取了7种不同形态特征的街区，量化讨论了案例街区的下垫面形态参数，运用实地测试和ENVI-met软件模拟相结合的方法，分别从监测位置点及街区空间场的角度分析了不同案例街区的热湿环境参数分布特征，分析了不同城市地表形态特征条件下的局地街区热湿环境特性；并基于实测结果与模拟结果的对比分析，讨论了ENVI-met软件对湿热地区街区热湿环境特征的模拟精度，最后基于实测及模拟的计算结果，对湿热地区街区气候适宜性规划提供优化调控策略及建议。

1 研究方法

1.1 典型案例区域及其地表空间形态参数统计

局地气候分区(LCZ)的基本类型主要包括10种建成环境类型(LCZ1-10)和7种自然环境类型(LCZAG)，每种局地气候分区范围内的下垫面特征及空间分布具有一定的匀质性，并体现出相似的气候特征[2]。为了获得不同地表形态条件下的热湿环境特征，本研究选取湿热地区代表城市广州市的若干区域作为本研究的案例街区。

为了能够准确地表达各街区内复杂的空间形态特征，本研究根据所选取案例街区的实际下垫面构成，运用建成环境类型及自然环境类型相结合的方法，对选取的案例街区进行复合LCZ定义。根据现场调研分析，本研究确定了7个典型街区，如图1所示。它们分别为LCZ1B(配置稀疏树木的紧凑高层建筑区)、LCZ2(紧凑中层建筑区)、LCZ3(紧凑低层建筑区)、LCZ4D(配置低矮植物的开敞高层建筑区)、LCZ5B(配置稀疏树木的开敞中层建筑区)、LCZ6D(配置低矮植物的开敞低层建筑区)以及1个自然环境型：LCZD(低矮植被区)。

图1 广州市7个典型案例街区的三维影像图Fig.1 3D images of 7 typical case neighborhoods in Guangzhou

为了定量表达每个LCZ区域的地表形态特征，本文分别对7个典型LCZ区域的若干地表空间形态参数进行统计计算，主要包括天空角系数(Sky View Factor， SVF)、街道高宽比(Ratio of Height to Width，H/W)、建筑密度(Building Surface Fraction， BSF)、透水路面比率(Pervious Surface Fraction， PSF)、不透水路面比率(Impervious Surface Fraction， ISF)、建筑平均高度(Mean Height of Buildings， HRE)、地理粗糙度(Terrain Roughness Class， TRC)共7个参数。其中SVF的计算通过鱼眼相机进行实地拍摄，考虑建筑物及树木等遮挡物对区域内部的遮蔽作用，并导入Rayman软件进行计算[10]；H/W、HRE的计算通过现场实地调研数据获得；BSF、PSF及ISF通过Google Earth卫星地图进行统计计算。TRC根据Davenport的分类方法进行确定[11]。表1列举了7个LCZ街区的卫星影像图、三维模型图及地表空间形态参数值。由表1可见，紧凑型建成环境街区LCZ1B、LCZ2、LCZ3的SVF值较小，而开敞区域LCZ4D、LCZ5B、LCZ6D的植被覆盖率较高，透水面积比率也相对较高，LCZD的SVF值最大、透水面积比率最高。

表1 LCZ街区Google Earth卫星图像及地表空间形态参数值Table 1 Google Earth satellite images of LCZ neighborhoods and values of surface spatial morphological parameters

1.2 案例街区的室外热湿环境现场实测及模拟

现场实测采用固定监测的方法，在每个LCZ区块的代表性核心区域设置固定观测点，监测仪器选用带防辐射罩的HOBO室外温湿度记录仪(型号U23-002，精度：温度±0.2 ℃，相对湿度±2.5%，产地：美国)，记录仪安装高度为1.5 m的行人高度处。实测时间为2020年9月25日8：00～18：00，记录仪自动记录空气温度及相对湿度数据，记录间隔为30 min。

由于实测数据仅能获得单一位置的热湿环境参数，本研究结合数值模拟技术对案例街区进行热湿参数空间场数据的分析。基于sketch up软件对案例街区内建筑、植被、下垫面覆盖情况的细致建模(见表1)，本研究采用德国波鸿大学的Michael Bruse等开发的三维计算流体力学软件ENVI-met对街区局部环境条件下的热湿环境动态变化特性进行实时模拟计算。

在ENVI-met建模过程中，区域主模型四周设置5个嵌套网格，位于郊区的LCZD嵌套网格下垫面类型设置为壤土，其余LCZ街区皆处于城市中心区域，周边建筑较多，嵌套网格下垫面类型设置为混凝土。7个LCZ街区模型的垂直方向均采用不等距网格，3 m以上空间为弹性网格，其放大系数为15%，竖直方向共30个网格。图2展示了7个典型案例街区的ENVI-met网格模型示意图及实地测点的相对位置。

图2 不同LCZ街区的热湿参数实测位置及ENVI-met网格模型示意图Fig.2 Schematic diagram of the measured locations of thermal and humidity parameters and grid models in ENVI-met for different LCZ neighborhoods

本次模拟的计算时域与实测一致，为2020年9月25日08：00～18：00，地面粗糙度为0.1，太阳辐射强度按晴朗无云的情况考虑，温湿度边界条件设为简单强迫式。全天的逐时温湿度参数采用实测当天广州市气象站测得逐时温度及相对湿度，10 m高风速风向参照气象站观测结果，风向为一天内最多风向135°，风速为一天内最多风向的平均风速1.5 m/s，湍流模型边界条件设置为开放式。此外，LCZ街区中建筑墙体及屋顶的材质、厚度与传热系数等参数的获取主要参考《（夏热冬暖地区居住建筑节能设计标准）广东省实施细则》[12]进行设置，树木和草地模型参考文献[13]相关参数进行设置，土壤温度及相对湿度参考文献[14]相关参数进行设置。

1.3 ENVI-met对于热湿环境参数模拟精度的评价指标

本研究采用拟合优度对ENVI-met软件的热湿环境参数模拟结果进行模型拟合精度评价。拟合优度由判定系数(R2)来度量，R2的值越接近1，说明回归直线对模拟值的拟合程度越好。另外，采用均方根误差(Root Mean Square Error， RMSE)和平均绝对百分比误差(Mean Absolute Percentage Error， MAPE)两个指标对模拟及实测结果误差进行评价，以分析ENVImet软件对湿热地区街区热湿环境的模拟精度。RMSE值可用来衡量模拟值与实测值之间的偏差，常用作模型预测结果衡量的标准；MAPE值采用百分比来衡量模型误差，是一个预测准确性的衡量指标。两者的值越小，则代表模拟的精度越高。公式表示为

2 结果分析

2.1 案例街区内热湿参数实测结果分析

不同LCZ街区的逐时平均温度变化如图3所示。从整体来看，7个LCZ街区平均温度在白天时段的变化趋势大体相同，呈现先上升后下降的趋势。具体来看，各LCZ街区之间温度差异明显，其中，LCZ3的温度较高，整体温度高出其他街区1～2.5 ℃，最高温度达35.42 ℃，并且最高温度出现时间相比其他街区较早，于13：30达到最高，其余街区最高温度皆在14：00出现。另外，LCZ5B升温速度较快，最高温度为34.38 ℃，仅次于LCZ3。而LCZ1B与LCZ4D的整体温度较低，LCZ1B温度变化范围在25.9～33.06 ℃之间，LCZ4D温度变化范围在25.4～33.28 ℃之间，两者较为接近。

图3 典型案例街区的实测空气温度变化Fig.3 Measured air temperature changes in typical case neighborhoods

结合街区内的地表空间形态参数分析可知，LCZ3的建筑密度较大，建筑密集，街道狭窄，造成街区内空气流动性差，导致热量在街区内积聚，无法及时排走，街区内得热与散热不能保持平衡，使得室外空气温度处于较高的水平。另外，植物的蒸腾作用可以带走空气热量，具有降温效果，而LCZ3透水面积比例最小，植被覆盖率低，植物的蒸腾作用不明显，是温度较高的另一个原因。与LCZ3不同，LCZ5B温度较高主要是由于其SVF值较大，街区内获得的太阳辐射量多，温度快速上升[15]。LCZ1B的建筑密度虽然较大，但是街区内高层建筑之间的缝隙容易形成风道，产生快速强烈的高楼风，带走街区内的大部分热量，并且紧凑的高层建筑对太阳辐射产生遮挡作用，获得太阳辐射量低，因此LCZ1B内的空气温度相对较低。

此外，LCZD的温度在14：30之后下降速度较快，到18：00时只有28.6 ℃，比其他地块的温度低，主要原因是覆盖有大量低矮植被的LCZD街区透水面积比例高，拥有大量植物产生蒸腾作用吸收热量，有助于降低空气温度，降温效果明显。与之相反，建成环境类型的LCZ街区内具有大量建筑物，植被覆盖率低，温度降低较为缓慢。

各LCZ街区相对湿度变化曲线如图4所示，从图中可以看出，7个LCZ街区白天时段的相对湿度先降低后升高，变化趋势与空气温度相反。其中，LCZ3的相对湿度整体较低，最低点出现在13：00，与最高温度出现时间相对应，而LCZD的相对湿度整体较高，这主要与LCZ街区内的植被覆盖率有关，LCZD的透水面积占比最大，并且建筑密度为0，整个街区内的植被覆盖率较高，大量植物的蒸腾作用散发出水汽，空气中水蒸气含量增加，相对湿度升高。LCZ3街区内缺少绿色植物，蒸腾作用不明显，从而导致其相对湿度最低。

图4 典型案例街区的实测相对湿度变化Fig.4 Measured relative humidity changes in typical case neighborhoods

2.2 案例街区内热湿参数模拟结果分析

基于7个LCZ街区的实际情况，使用ENVI-met模拟了实测当天气象条件下的区域热湿环境参数变化，图5是7个LCZ街区14：00行人高度1.5 m处的空气温度空间场的分布图。从图5的模拟结果来看，紧凑建筑街区中的LCZ2、LCZ3具有较多的高温区域，LCZ3中局部区域温度高达34 ℃，而LCZ1B由于高层建筑的遮荫效果及其独特的风场环境，街区内低温区域面积较大，低温区域温度甚至比郊区的低矮植被区LCZD温度要低，局部区域温度甚至低于29 ℃，出现了城市“冷岛”现象。开敞建筑街区的温度整体分布则较为均匀，没有温度过高或者过低的局部区域，这与开敞建筑街区的建筑密度较低、透水面积比例高有很大关系。

图5 案例街区内14：00行人高度1.5 m处的温度分布Fig.5 Temperature distribution at a pedestrian height of 1.5 m at 14:00 in the case neighborhoods

不同LCZ街区内14：00行人高度1.5 m处的相对湿度分布情况如图6所示，与温度分布差异相反，紧凑建筑街区中的LCZ1B大部分区域相对湿度较高，最高达60%，LCZ3街区呈现的整体相对湿度较低，主要是由于LCZ1B的低温空气中含有水蒸气的饱和量降低，使得实际含有的水蒸气所占比例增大，加上LCZ1B中植物的蒸腾作用使空气中的水蒸气含量增加，导致LCZ1B的相对湿度较高。相比紧凑建筑街区，开敞建筑街区中的相对湿度整体在48% ～ 59%之间变化，分布差异较小，没有出现过高或过低的异常区域，主要得益于其建筑密度、街道高宽比及植被覆盖率等参数设计较合理。

图6 案例街区内14：00行人高度1.5 m处的相对湿度分布Fig.6 Relative humidity distribution at a pedestrian height of 1.5 m at 14:00 in the case neighborhoods

2.3 实测结果与模拟结果对比分析

本研究主要针对广州地区湿热天气条件下的白天时段，选取各案例街区距离地面1.5 m行人高度处的实测与模拟结果的空气温度与相对湿度数据进行对比分析。由图7实测结果与模拟结果的回归分析可以看出，ENVI-met模型对LCZ街区的空气温度及相对湿度的拟合优度整体较高，其中温度方面，LCZ2的拟合优度最高，R2为0.91。而在相对湿度方面，LCZ2、LCZ5B及LCZ6D拟合优度最高，LCZ3的模型拟合表现较差，拟合优度最低，R2仅为0.7。

图7 案例街区监测点实测与模拟热湿环境参数散点图及拟合优度Fig.7 Scatter plots and goodness of fit of measured and simulated thermal and humid environmental parameters at monitoring sites in case neighborhoods

此外，本文计算了每个LCZ街区温度以及相对湿度的RMSE和MAPE值。案例街区温度的RMSE值在0.77～2.04 ℃之间，MAPE值在2.12%～6.08%之间。其中，LCZ4D的RMSE和MAPE值最小，分别为0.77 ℃和2.12%。而LCZ3的RMSE和MAPE值最高，分别为2.04 ℃和6.08%，模拟精度较低。在相对湿度误差方面，案例街区的RMSE值在3.37%～5.36%之间，MAPE值在5.04%～8.88%之间，最小的RMSE和MAPE值皆出现于LCZ2街区中。

由上可知，在LCZ案例街区中，ENVI-met对LCZ2的热湿环境模拟较好，主要由于LCZ2的SVF值和建筑密度等指标较为适中，有利于在ENVI-met中建立准确的街区模型。而LCZ3模拟的温度和相对湿度与实测结果误差较大，主要原因可能是LCZ3类型在ENVI-met建模中受到网格大小及模型形式的限制，不能很好地还原其密集的建筑空间形态。但总的来看，研究街区内温度和相对湿度的RMSE值较小，MAPE值皆小于10%，因此，可以认为ENVI-met合理模拟了不同LCZ类型的热湿环境，能够较好地预测湿热地区LCZ街区的热湿环境。