-
随着城市微气候质量下降问题日益突出，校园绿地作为城市用地的重要组成部分，在城市绿地中发挥着重要的生态调节和服务功能[1]。同样，作为校园绿地景观的重要组分，植物和建筑对其微气候影响十分重要。近年来，国内外学者对不同类型绿地和绿化植物的生态效益进行的大量研究表明：植被能有效改善群落微气候质量水平，并且不同植被类型及结构均会对其生态功能的发挥产生不同程度的影响[2-7]。
Middel等[8]在对亚利桑那州立理工大学校园的3个地区进行实地测量后，设计了5个典型住宅截面模式。学者们把这5个模式和3个地区相结合进行分析，提出不仅植被能影响城市温度，城市建筑布置方式也会对其产生影响。Dorer等[9]发现，两栋建筑的间距可以影响太阳的辐射量，改变建筑的间距就可以达到建筑布局的冷却需要。Taleb等[10]发现，根据太阳辐射的规律对建筑进行角度旋转可以改善微气候环境。
由于目前人类的科学技术水平还无法实现对宏观环境气候的直接调节，对微气候的模拟研究成为行之有效的人为干预气候手段[11]。本研究以南京农业大学（卫岗校区）3栋主要建筑（主楼、逸夫楼、教学楼）及其周边绿地为例，结合实测气候数据，将计算机软件模拟技术运用于校园微气候的研究过程，利用Envi-met软件，实现对校园绿地全方位、全过程的可视化模拟。采用多种分析方法，以测算建筑及植被各自对场地微气候的影响并综合研究两者间的交互关系，为密集型建筑景观设计以及建筑及周边休憩性绿地的设计规划提供参考依据。
-
南京属北亚热带季风气候，受南亚高压和西太平洋副热带高压的影响，高温高湿天气多有发生，夏季最高温度可达43 ℃[12]。南京农业大学卫岗校区建校久远，校内绿化设施完善，植被覆盖率高，种类丰富，以高大乔木为主。因土地资源面积有限，校园内建筑间距普遍较小。结合校园现状，选择师生使用率较高的3栋代表性建筑（逸夫楼、主楼、教学楼）及其周边绿地作为研究样地。逸夫楼建筑面积约4 852 m2，整体呈U字形，高32 m，局部28或44 m。四周植被较少，以草坪为主。南北侧有大面积硬质区域。主楼建筑面积约2 824 m2，高8 m，局部5或15 m。四周植被类型丰富，以乔、灌、草结合的复合型群落结构为主。高大乔木主要分布在建筑北侧、东侧，南侧为大面积草坪。教学楼建筑面积约4 560 m2，高达24 m，局部30 m。外围轮廓呈规则的矩形，两侧有小型中庭。建筑四周植被围绕，以乔木为主，自然式种植，硬质区域较少。
-
依据现场地形、下垫面、建筑信息（分布状况、平面轮廓、高度），植物信息（种类、数量、高度、冠幅）等，在Envi-met 4.0版本SPACES界面，分别建立各样地基础模型。为降低模拟系统误差，从2018 年7 月13 日21：00至2018 年7 月14 日24：00时段数据中选出2018 年7 月14 日00：00—24：00 的数据。模型边界距所选中心建筑外轮廓线30 m。同时，为保证模拟软件的正常运行，在建成模型外围，增设宽度为10 m的空白缓冲带。在Envi-met模拟过程中，所需主要参数设置详见表1。
表 1 Envi-met软件参数设置说明
Table 1. Setting description of Envi-met software parameters
输入参数
Input parameter开始时间
Start moment时长
Duration/h模拟结果输出间隔
Output interval of simulation result/min10 m处风速
Wind speed at 10 m/(m·s−1)参数值
Parameter value2018年7月13日21：00
21:00 at July 13, 201827 10 4.5 输入参数
Input parameter预设风向
Preset wind direction/(°)起始气温
Initial air temperature/K2 m处相对湿度
Relative humidity at 2 m/%参数值
Parameter value135 304.64 （教学楼 Teaching Building）
306.33 （逸夫楼 Yifu Building）
304.53 （主楼 Main Building）69.42 （教学楼 Teaching Building）
62.68 （逸夫楼 Yifu Building）
70.05 （主楼 Main Building） -
采用HOBO MX2301温湿度传感器，将其实测数据与模拟数据对比以判断模型精度。研究采用Fox[13]相关评价指标以及误差评价指标。相关评价指标主要是相关系数（r）和决定系数（R2），采用实测值和模拟值的线性拟合方法来评价模型。拟合曲线的斜率表示模拟值（P）与实测值（O）的变化强度，越接近于1表示模拟效果越好。评价指标主要有平均偏差、均方根误差（root mean square error，RMSE）、偏差方差、平均绝对偏差（mean absolute error，MAE）[14-15]。Willmott[16]指出，MAE与RMSE均反映模型平均误差，但RMSE使用更普遍，在实际计算时可只计算RMSE值。此外，MAE和RMSE也存在一定局限，如无法反映出平均误差的相对大小以及误差来源性质。为解决以上问题，Willmott引入一致性指数d（index of agreement），可理解为P趋近于O的强度。当d = 1时，表示P和O完全吻合。
$${\rm{RMSE}} = \sqrt {\frac{{\displaystyle\sum\limits_{i = 1}^N {{{\left( {{O_i}-{P_i}} \right)}^2}} }}{N}} $$ (1) $${\rm{MAE}} = \frac{{\displaystyle\sum\limits_{i = 1}^N {\left| {{P_i}-{O_i}} \right|} }}{N}$$ (2) $$ d = 1 - \frac{{\displaystyle\sum\limits_{i = 1}^N {{{({P_i} - {O_i})}^2}} }}{{\displaystyle\sum\limits_{i = 1}^N {{{\left(\left| {{P_i}^\prime } \right| + \left| {{O_i}^\prime } \right|\right)}^2}} }},\;\left( {0 \leqslant d \leqslant 1} \right) $$ (3) $$ {P}_{i}{}^{\prime }={P}_{i}-\overline{O},\;\;O{}_{i}{}^{\prime }={O}_{\rm{i}}-\overline{O}$$ 式中：Pi、Oi分别为第i次模拟值、实测值，
$\overline O $ 为实测数据平均值，N为测量次数。综合上述指标及其特性，除选择d、RMSE作为定量评价指标外，还额外选用MAE指标，与RMSE并行分析。
-
基于样地微气候模拟输出结果，在3栋建筑的东、西、南、北方向，距离建筑外轮廓线4、8、12、16 m处，等距各取5个样点。最终，每个建筑样地取得有效模拟样点80个，样点分布情况见图1。
图 1 各样地样点分布位置
Figure 1. Distribution location of various sample points
-
绿地率、单位面积覆盖率、叶面积指数、绿化覆盖率等作为二维指标，在体现群落结构和植被差异等方面有一定局限。20世纪90年代初学者们提出“三维绿量”的概念[17]。三维绿量又称三维绿色生物量，指所有生长植物的茎叶所占据的空间体积，单位用m3表示[18]。研究以样点为中心，框选11 m × 11 m的样方，分别测算样方内三维绿量和二维绿量指标（乔木覆盖率、绿化覆盖率）。三维绿量测量方法借鉴周坚华等[17] “平面量模拟立体量”的方法，利用某一特定树种冠径与冠高间的统计相关关系，通过回归分析建立方程，最后求得体积（三维绿量）。样地主要树种及三维绿量计算公式见表2。
表 2 样地主要树种三维绿量计算公式示例
Table 2. Example of three-dimensional green quantity calculation formula of main tree species in sample plots
树种 Tree species 立体几何形态 Solid geometry 树冠绿量方程 Canopy green quantity equation 广玉兰 Magnolia grandiflora 卵形体 Ovoid πxy2/6 雪松 Cedrus deodara 圆锥体 Cone πxy2/12 樟 Cinnanomum camphora 球体 Sphere πxy2/6 悬铃木 Platanus hispanica 圆柱体 Cylinder πxy2/4 白玉兰 M agnolia denudata 圆球体 Round sphere πxy2/6 银杏 Ginkgo biloba 双圆锥体 Double cone πxy2/12 水杉 Metasequoia glyptostroboides 单圆锥体 Single cone πxy2/12 注：方程中x、y分别为植物冠径与冠高。 Notes: in the equation, x and y are plant crown diameter and crown height, respectively. -
选用热环境综合评价指标（predicted mean vote，PMV）作为各样点微气候质量评价标准，它以 Fanger的热舒适方程为基础[19]。在此基础上，Envi-met综合考虑温度、平均辐射温度、水汽、风速、人体产生的能量、人体穿衣造成的皮肤温度、人体表面皮肤与空气的水汽交换、呼吸造成的能量交换等因素，得出可表征室外人体舒适度的PMV数值[20]。
$${\rm{PMV}} = (0.028 + 0.303 {{\rm{e}}^{ - 0.036M + 0.027 \; 5}}) Q$$ (4) 式中：M 为人体新陈代谢率，
$Q$ 为热舒适系统的能量传输率。本研究借助Envi-met4.0软件得到各样点PMV值。PMV指标评价见表3。
表 3 PMV指标评价指示表
Table 3. Indicator table of PMV index evaluation
感知状态
Perception state极冷
Extremely cold寒冷
Severe cold冷
Cold稍冷
Slightly cold舒适
Comfortable稍热
Slightly hot热
Hot炎热
Scorching hot极热
Extremely hotPMV ≤−4 −3 −2 −1 0 1 2 3 ≥ 4 -
对三维绿量、乔木覆盖率等连续数据进行分级处理（表4），转换数据类型，便于SPSS软件完成建筑及植被间交互作用的测算。
表 4 等级转换对应关系
Table 4. Correspondence of grade conversion
三维绿量 Three-dimensional green quantity 乔木覆盖率 Tree coverage 1级 Level 1 2级 Level 2 3级 Level 3 4级 Level 4 1级 Level 1 2级 Level 2 3级 Level 3 4级 Level 4 5级 Level 5 0 ~ 100 100 ~ 500 500 ~ 1 000 > 1 000 0 ~ 0.2 0.2 ~ 0.4 0.4 ~ 0.6 0.6 ~ 1.8 0.8 ~ 1.0 -
根据各样地温湿度实测和模拟情况（图2）以及模型精度评价结果（表5）。温度、湿度一致性指数d值水平均较高（0.74 ~ 0.97），说明Envi-met能很好地预测变量指标。湿度RMSE值相对较大（4.17 ~ 5.55），说明模拟软件对于湿度的预测具有一定误差。整体分析可能是样地中植物模型与实际植物存在偏差导致。总的来说，各项误差均在可接受范围内，各组模型均有效实现了对户外绿地热环境的模拟。基于以上结果，为减少本次试验数据软件模拟误差，同时使结论更好地用于实践，分析过程中仅从00：00—24：00的模拟结果中选取06：00—18：00的白天数据进行分析。
图 2 各样地温湿度实测及模拟情况
Figure 2. Temperature and humidity measurement and simulation of various sample plots
表 5 Envi-met各样地模型精度定量评价结果
Table 5. Quantitative evaluation results of model accuracy of Envi-met various sample plots
样地 Sample plot 变量 Variable d RMSE MAE 逸夫楼
Yifu Building温度 Temperature 0.85 3.27 2.56 相对湿度 Relative humidity 0.84 5.55 4.73 主楼
Main Building温度 Temperature 0.74 3.22 2.64 相对湿度 Relative humidity 0.83 4.82 3.88 教学楼
Teaching Building温度 Temperature 0.79 2.93 2.58 相对湿度 Humidity 0.97 4.17 3.43 注：d、RMSE、MAE为定量评价指标。Notes: d, RMSE and MAE are quantitative evaluation indexes. -
样点温度与样点到建筑相对距离的相关性分析结果（表6）表明：样点与建筑距离越小，温度越低，样点温度与样点到建筑相对距离之间存在正相关关系，其中主楼样地的样点温度与样点到建筑相对距离的相关系数为0.260（P < 0.05），逸夫楼样地的样点温度与样点到建筑相对距离的相关系数为0.311（P < 0.01）；教学楼样地的样点温度与样点到建筑相对距离之间无显著相关性。对比3栋建筑，逸夫楼、主楼因外部轮廓起伏，形成围合空间，进而对靠近建筑一定范围的气候造成影响，而教学楼外部轮廓为矩形，因此该样地内温度与建筑距离无显著相关性。
表 6 建筑与周边环境温度和湿度的相关性
Table 6. Correlation analysis on temperature and humidity between buildings and surrounding environment
变量Variable 主楼 Main Building 逸夫楼 Yifu Building 教学楼 Teaching Building 相关系数
Correlation coefficientSig. 相关系数
Correlation coefficientSig. 相关系数
Correlation coefficientSig. 温度 Temperature 0.260* 0.020 0.311** 0.005 0.137 0.227 湿度 Humidity −0.307** 0.006 −0.489** 0.000 −0.201 0.074 注：*表示相关性显著(P < 0.05)，**表示相关性极显著(P < 0.01)。表9、11、12、13同此。Notes: * means the correlation is significant (P < 0.05), ** means the correlation is extremely significant (P < 0.01). Same as Tab. 9, 11, 12 and 13. 根据不同建筑方位各样点温度情况（表7）可以看出：3处样地模拟结果较为一致，即北侧样点温度相对最低，其次为西侧，东、南侧温度相对较高。受建筑物遮荫作用，其北侧温度最低，降温效果最好，其次是西侧，建筑南、东侧温度均较高，降温效果表现较差。
表 7 各建筑不同方位的样点温度
Table 7. Temperature of sample points indifferent directions of each building
℃ 方位
Location主楼
Main Building逸夫楼
Yifu Building教学楼
Teaching Building东 East 30.83 ± 0.07a 33.39 ± 0.20a 30.63 ± 0.18a 西 West 30.59 ± 0.26b 33.23 ± 0.16a 30.44 ± 0.07b 南 South 30.81 ± 0.13c 33.43 ± 0.22a 30.87 ± 0.13a 北 North 30.41 ± 0.13c 32.87 ± 0.17a 30.21 ± 0.14a 注：不同字母表示同列内两两之间有显著差异(P < 0.05或P < 0.01)。表8、10同此。Notes: different letters mean significant differences in between in the same column (P < 0.05 or P < 0.01). Same as Tab. 8 and 10. -
表6列出了3处建筑样地建筑与周边环境之间的相关性分析结果，其中主楼、逸夫楼样地的样点湿度与样点到建筑相对距离之间呈极显著负相关；教学楼样地的样点湿度与样点到建筑相对距离之间存在不显著负相关关系。对建筑不同方位的样点湿度进行对比分析，结果（表8）表明，各样地检测结果均表明，建筑西、北两侧湿度相对较高；其次是建筑东、南侧。这一结论是否与模拟初始风向135°（东南风）有关，亟待进一步验证。
表 8 各建筑不同方位的样点湿度
Table 8. Humidity of sample points indifferent directions of each building
% 方位
Location主楼
Main Building逸夫楼
Yifu Building教学楼
Teaching Building东 East 66.90 ± 0.21a 70.89 ± 0.62a 69.20 ± 0.56ab 西 West 67.99 ± 0.68b 71.06 ± 0.45a 69.36 ± 0.33a 南 South 67.08 ± 0.47b 70.81 ± 0.54a 68.73 ± 0.54b 北 North 69.12 ± 1.25c 70.94 ± 0.23b 70.33 ± 0.52 ab -
根据建筑物对样点PMV相关性分析结果（表9、表10）可知，样点的PMV与样点到建筑的相对距离之间呈正相关，即随样点与建筑距离越远，PMV值越高，热舒适度越趋于炎热状态。其中：主楼、逸夫楼样地的样点 PMV值与样点到建筑相对距离呈极显著正相关，教学楼样地的样点PMV值与样点到建筑相对距离之间存在不显著正相关关系。
表 9 建筑与周边环境PMV的相关性
Table 9. Correlation analysis on PMV of architecture and surrounding environment
变量
Variable主楼 Main Building 逸夫楼 Yifu Building 教学楼 Teaching Building 相关系数 Correlation coefficient Sig. 相关系数 Correlation coefficient Sig. 相关系数 Correlation coefficient Sig. PMV 0.300** 0.007 0.255* 0.022 0.068 0.550 表 10 各建筑不同方位的样点 PMV 值
Table 10. PMV values of sample points indifferent directions of each building
方位
Location主楼
Main Building逸夫楼
Yifu Building教学楼
Teaching Building东 East 2.60 ± 0.27a 3.43 ± 0.31a 2.39 ± 0.19ac 西 West 2.23 ± 0.17b 3.18 ± 0.35a 2.28 ± 0.25a 南 South 2.55 ± 0.35c 3.55 ± 0.25a 2.71 ± 0.35b 北 North 2.31 ± 0.17b 3.05 ± 0.25a 2.16 ± 0.11c 根据表6和表9可知：教学楼样地的样点温度、湿度、PMV与样点到建筑相对距离之间均无显著相关性。对比3处样地进行分析，逸夫楼、主楼因外部轮廓起伏，形成围合空间，进而对靠近建筑一定范围的气候造成影响；教学楼外部轮廓为矩形，建筑周围无上述微环境，导致该样地的样点温度与样点到建筑相对距离之间无显著相关性。
-
表11中分别列出了各样地植被情况与温度的相关性分析结果。样地温度与绿量（含三维绿量、乔木覆盖率、绿化覆盖率等指标）存在负相关关系，说明在夏季06：00—18：00段内，样地温度随绿量（含三维绿量、乔木覆盖率、绿化覆盖率等指标）增加逐渐降低。其中，主楼样地乔木覆盖率与温度极显著负相关；逸夫楼样地三维绿量与温度极显著负相关。
表 11 植被与绿地温度相关性分析
Table 11. Correlation analysis of vegetation and green space temperature
变量
Variable样地
Sample plot相关性
Correlation三维绿量
Three-dimensional green quantity乔木覆盖率
Tree coverage绿化覆盖率
Green coverage温度
Temperature主楼
Main Building相关系数 Correlation coefficient −0.215 −0.312** −0.179 Sig. 0.055 0.005 0.112 逸夫楼
Yifu Building相关系数 Correlation coefficient −0.324** −0.186 −0.005 Sig. 0.003 0.098 0.967 教学楼
Teaching Building相关系数 Correlation coefficient −0.127 −0.188 −0.084 Sig. 0.262 0.094 0.457 -
根据植被与绿地湿度相关性分析结果（表12）可知：主楼样地样点湿度与三维绿量、乔木覆盖率、绿化覆盖率均存在极显著正相关关系；逸夫楼样地样点湿度与三维绿量、乔木覆盖率、绿化覆盖率均存在不显著正相关关系；教学楼样地样点湿度与三维绿量、乔木覆盖率、绿化覆盖率均存在显著或极显著的正相关关系。
表 12 植被与绿地湿度的相关性分析
Table 12. Correlation analysis of vegetation and green space humidity
变量
Variable样地
Sample plot相关性
Correlation三维绿量
Three-dimensional green quantity乔木覆盖率
Tree coverage绿化覆盖率
Green coverage湿度
Humidity主楼
Main Building相关系数 Correlation coefficient 0.329** 0.389** 0.288** Sig. 0.003 0.000 0.010 逸夫楼
Yifu Building相关系数 Correlation coefficient 0.055 0.133 0.135 Sig. 0.629 0.238 0.231 教学楼
Teaching Building相关系数 Correlation coefficient 0.269* 0.363** 0.224* Sig. 0.016 0.001 0.045 -
根据植被与绿地PMV相关性分析结果（表13）可知：样地绿量（包括三维绿量、乔木覆盖率、绿化覆盖率指标）与PMV指标值均存在负相关关系，即人体热舒适度随着绿量（包括三维绿量、乔木覆盖率、绿化覆盖率）增加（负相关，逐渐得到改善，趋于舒适状态。其中，主楼样地三维绿量、乔木覆盖率、绿化覆盖率与PMV指标值极显著负相关；逸夫楼、教学楼样地三维绿量、乔木覆盖率与PMV指标值存在显著或极显著负相关关系。
表 13 植被与绿地PMV的相关性分析
Table 13. Correlation analysis of vegetation and green PMV
变量
Variable样地
Sample plot相关性
Correlation三维绿量
Three-dimensional green quantity乔木覆盖率
Tree coverage绿化覆盖率
Green coveragePMV 主楼
Main Building相关系数 Correlation coefficient −0.342** −0.334** −0.287** Sig. 0.002 0.002 0.01 逸夫楼
Yifu Building相关系数 Correlation coefficient −0.479** −0.277* −0.106 Sig. 0.000 0.013 0.347 教学楼
Teaching Building相关系数 Correlation coefficient −0.225* −0.333** −0.168 Sig. 0.045 0.003 0.137 在上述结果中，教学楼样地温度与绿量（三维绿量、乔木覆盖率、绿化覆盖率）无显著相关性；逸夫楼样地湿度与绿量（三维绿量、乔木覆盖率、绿化覆盖率）无显著相关性。这两个结果说明除植被自身绿量（三维绿量、乔木覆盖率、绿化覆盖率）外，植被中仍存在其他因素，例如群落空间结构等，对场地微气候存在影响。
-
为探究建筑和植被共同对微气候的影响，本研究首先对建筑与植被间是否存在交互作用展开分析。鉴于3栋建筑样地数据量有限，分别进行多元分析时无法全部得出符合统计学意义的结果，因此，将3栋建筑模拟数据汇总。此外，由于绿化覆盖率在前文结果中都与温度无关，在讨论植被时不对绿化覆盖率另作展开。表14列出了建筑与植被分别对环境温度、湿度、PMV影响的交互作用分析结果。
表 14 建筑与植被间交互作用分析
Table 14. Analysis of interaction between architecture and vegetation
源 Source 温度 Temperature 湿度 Humidity PMV 相关系数
Correlation
coefficientSig. 相关系数
Correlation
coefficientSig. 相关系数
Correlation
coefficientSig. 与建筑相对方位 × 与建筑相对距离
Relative orientation to building × relative distance to building0.589 0.806 0.976 0.458 0.119 0.999 与建筑相对方位 × 三维绿量等级
Relative orientation to building × three-dimensional green quantity grade0.394 0.758 0.854 0.465 1.815 0.143 与建筑相对方位 × 乔木覆盖等级
Relative orientation to building × tree coverage grade1.676 0.171 0.464 0.707 5.348 0.001** 与建筑相对距离 × 三维绿量等级
Relative distance to building × three-dimensional green quantity level0.414 0.743 0.043 0.988 0.195 0.900 与建筑相对距离 × 乔木覆盖等级
Relative distance to building × tree coverage level1.553 0.200 1.004 0.391 0.441 0.724 三维绿量等级 × 乔木覆盖等级
Three-dimensional green quantity grade × tree coverage grade0.276 0.600 8.767 0.003** 4.519 0.034* 与建筑相对方位 × 与建筑相对距离 × 三维绿量等级 × 乔木覆盖等级
Relative orientation to building × relative distance to building ×
three-dimensional green quantity grade × tree coverage grade1.549 0.078 2.414 0.002** 1.448 0.113 注：*表示相关性显著(P < 0.05)，**表示相关性极显著(P < 0.01)；× 表示指标之间进行交互作用分析。Notes: * means the correlation is significant (P < 0.05), ** means the correlation is extremely significant (P < 0.01); × indicates interaction analysis between indicators. 综合考虑建筑与植被对温度的影响时，样点与建筑相对位置、距离，三维绿量等级、乔木覆盖等级等因子间均无显著交互作用；湿度方面，三维绿量与乔木覆盖度属于植被绿量的不同表示方法，由于植被对于环境湿度的影响，因而三维绿量与绿化覆盖率间存在显著交互作用。此外，4个因子间彼此都有极显著的交互作用；PMV方面，样点和建筑相对方位与乔木覆盖率间有极显著交互作用，三维绿量与绿化覆盖率间也有显著交互作用。
-
在建筑和植被的共同作用下，当与建筑相对距离一定时，样点与建筑的相对方位与湿度、PMV均存在显著相关性（表15），说明建筑不同方位，可能由于湿度的不同，进而影响该区域的人体热舒适度。三维绿量与PMV间存在显著相关性，与温度、湿度指标未表现出显著相关性，说明除温湿度外，三维绿量还影响着其他环境因子，以实现对区域人体热舒适度的影响调控作用。
表 15 样点与建筑相对方位及其植被情况对场地微气候影响分析
Table 15. Impact of relative orientation of sample point and building and its vegetation conditions on site microclimate
源
Source因变量
Dependent variable相关系数
Correlation coefficientSig. 与建筑相对方位
Relative orientation to building温度 Temperature 1.850 0.139 湿度 Humidity 9.154 0.000** PMV 4.452 0.005** 三维绿量
Three-dimensional
green quantity温度 Temperature 0.002 0.968 湿度 Humidity 0.050 0.824 PMV 4.128 0.043* 乔木覆盖率
Tree coverage温度 Temperature 0.040 0.841 湿度 Humidity 0.801 0.372 PMV 0.494 0.483 注：*表示相关性显著(P < 0.05)，**表示相关性极显著(P < 0.01)。表16同此。Notes: * means the correlation is significant (P < 0.05), ** means the correlation is extremely significant (P < 0.01). Same as Tab. 16. -
样点与建筑相对距离、三维绿量、乔木覆盖率对场地微气候影响的多元比较分析结果（表16）表明，样点与建筑相对距离对局部气候条件不存在显著影响。此外，三维绿量对人体热舒适度存在显著影响，这一结论与上述所得结果一致。值得注意的是，表15中三维绿量对PMV影响的sig值与表16有所不同，这也进一步证明了样点与建筑相对方位对微气候有影响作用。在建筑和植被共同作用下，乔木覆盖率作为二维绿量指标对于表征植被对微气候影响的反应并不灵敏。
表 16 样点与建筑相对距离及其植被情况对场地微气候影响分析
Table 16. Impact of relative distance of sample points and building and its vegetation conditions on site microclimate
源
Source因变量
Dependent variable相关系数
Correlation coefficientSig. 与建筑相对方位
Relative orientation to building温度 Temperature 0.136 0.939 湿度 Humidity 1.320 0.268 PMV 1.331 0.265 三维绿量
Three-dimensional
green quantity温度 Temperature 0.000 0.996 湿度 Humidity 0.331 0.566 PMV 7.125 0.008** 乔木覆盖率
Tree coverage温度 Temperature 0.205 0.651 湿度 Humidity 0.075 0.784 PMV 1.596 0.208 -
研究表明，夏季06：00—18：00时间段内三处样地（样地边界距中心建筑外轮廓线30 m）样点与建筑相对方位对微气候存在显著影响，具体表现为建筑北侧、西侧样点降温增湿效果较好，PMV值相对较低，越舒适；建筑东、南两侧次之；在无植被条件下，样点距离建筑越近的样点，降温增湿效果越显著，PMV值越低，越舒适。场地与建筑的相对方位、相对距离对温度、湿度以及人体热舒适度均会存在影响。建筑体外部空间几何形态及其与绿化共同决定的围合空间对其微气候有显著影响[21-22]。不同建筑因其外部空间几何形态不同，对场地风环境影响以及建筑背风面形成的围合空间范围也有所不同；该空间内，风向改变，形成涡流，风速减小。这对于炎热干旱地区夏季及寒冷非潮湿地区冬季室外活动的开展比较理想[23-24]。
植被主要通过遮阳、多次反射或二者相结合来实现对周围热环境的影响[25]。样地绿量对于样地降温增湿，改善热舒适条件存在积极作用，具体表现为绿量越高，样点降温增湿效果越显著，PMV值越低，越舒适。在建筑和植被共同作用下，二维绿量指标无法灵活反映植被对环境的作用，三维绿量对于表征植被对环境影响的作用更灵敏。相较于灌木、草坪，乔木对微气候优化起主要作用。各类型校园绿地相对于无绿化地面均表现出显著的降温增湿效应，对人体舒适性均有一定改善，改善程度上呈半天然乔灌草 > 人工乔草 > 人工乔灌草 > 人工草坪的趋势[2]。无绿化场地通过增加场地植被，可有效改善场地微气候。植物的存在会减弱区域内的风速，较高的种植密度可能对环境的热舒适性存在不利影响[26]。
当综合考虑建筑与植被对温度影响时，建筑与植被各因子间无显著交互作用；当综合考虑建筑与植被对湿度影响时，建筑与植被各因子间存在显著交互作用；当综合考虑建筑与植被对热舒适度影响时，样点与建筑相对方位与乔木覆盖率间有显著交互作用。在建筑和植被的共同作用下，样点与建筑的相对方位对场地湿度、PMV均存在显著影响；植被三维绿量与PMV间存在显著影响。样点与建筑相对距离对局部气候条件不存在显著影响。建筑不同方位，由于湿度的不同，进而影响该区域的人体热舒适度。除温湿度外，三维绿量还影响着其他环境因子，以实现对区域人体热舒适度的调控。在建筑和植被共同作用下，乔木覆盖率这一二维绿量指标对于表征植被对微气候影响的反映并不灵敏。
针对夏季高温炎热地区，在密集型建筑景观以及建筑周边休憩性绿地的规划设计过程中，建筑北侧、西侧绿地基于其较为舒适的微气候环境，适于用作停留、休憩场所；建筑东侧、南侧在进行功能开发时，应通过配植适当植被，以提升其环境舒适度；结合区域环境性质，在保证安全的情况下，可合理利用建筑外部轮廓与地形、植被共同形成的围合空间。不同植被类型相较于无绿化地面均表现出显著的降温增湿效应，因此，在保证种植密度的情况下，适当增加场地乔木种植比例，可有效改善场地的微气候。
Influence of vegetation and architecture on microclimate based on Envi-met: a case study of Nanjing Agricultural University
-
摘要:
目的 研究夏季热环境下建筑与植被对场地微气候的影响，可为密集型建筑景观及建筑周边绿地设计规划提供依据。 方法 本文以南京农业大学3栋代表性建筑为例，结合样地实测以及Envi-met模拟，引入一致性指数、均方根误差、平均绝对偏差作为定量评价指标以验证软件模拟精度；选用06：00—18：00时间段数据，结合均值比较、相关性检验、一般线性模型等多种分析方法，探究建筑与植被对微气候的影响。 结果 植被和建筑均对微气候存在影响，且两者间存在一定交互作用。在无植被作用下，建筑方位对微气候有显著影响，建筑北侧、西侧降温增湿效果相对较好；距离建筑越近，样点降温增湿效果越好；在无建筑影响下，植被对微气候存在显著影响，具体表现为降温增湿，使环境更为舒适。当综合考虑建筑与植被对温度的影响时，建筑与植被各因子间无显著交互作用；当综合考虑建筑与植被对湿度的影响时，建筑与植被各因子间存在显著交互作用；当综合考虑建筑与植被对热环境综合评价指标（PMV）的影响时，样点与建筑相对方位与乔木覆盖率间有显著交互作用。在建筑和植被的共同作用下，样点与建筑的相对方位与场地湿度、PMV均存在显著相关性；植被三维绿量与PMV间存在显著相关性。 结论 基于建筑北侧、西侧较为舒适的微气候条件，该处绿地更适于用作停留、休憩场所；建筑东侧、南侧在进行功能开发时，应通过配植适当植被，以提升其环境舒适度；建筑外部轮廓与地形、植被共同形成的围合空间内微气候舒适度更高。植被覆盖可有效改善微气候：随着绿量增加，样地人体热舒适度改善，不同植被类型相较于无绿化地面均表现出显著的降温增湿效应。 Abstract:Objective Studying the influence of architecture and vegetation on the site microclimate under the summer thermal environment can provide a basis for the design and planning of dense architectural landscape and surrounding green spaces. Method This paper takes three representative buildings of Nanjing Agricultural University as an example, combined with the field measurement and Envi-met simulation, and introduces the consistency index, root mean square error, and average absolute deviation as quantitative evaluation indicators to verify the accuracy of software simulation; selecting 06:00−18:00 time period data, combined with a variety of analysis methods such as mean comparison, correlation test, general linear model, etc., to explore the impact of buildings and vegetation on microclimate. Result Vegetation and architecture had an impact on the microclimate, and there was a certain interaction between the above two. In the absence of vegetation, the building orientation had a significant effect on the microclimate. The cooling and humidification effects of the north and west sides of the building were relatively good; the closer the distance of vegetation to the building was, the better the cooling and humidification effect of sample point was; without the influence of architecture, the vegetation had a significant impact on the microclimate, which was manifested by cooling and humidification, making the environment more comfortable. When considering the effects of architecture and vegetation on temperature, there was no significant interaction between each factor of architecture and vegetation; when considering the effects of architecture and vegetation on humidity, there was a significant interaction between each factor of architecture and vegetation; when comprehensively considering the effects of architecture and vegetation on PMV, there was a significant interaction between the relative position of sample points as well as building and the tree coverage. Under the joint action of architecture and vegetation, there was a significant correlation between the relative orientation of sample point and architecture and site humidity as well as PMV; there was a significant correlation between three-dimensional green amount of vegetation and PMV. Conclusion Based on the more comfortable microclimate conditions on the north and west sides of architecture, the green space is more suitable as a place for staying and resting. When developing the functions of the east and south sides of the building, appropriate vegetation should be planted to improve the environmental comfort; the micro-climate comfort in the enclosed space formed by the external contour of the building and the terrain and vegetation was higher. Vegetation coverage can effectively improve the microclimate: as the amount of green increases, the thermal comfort of the sample area improves, and different types of plant communities show a significant cooling and humidifying effect compared with the non-greening ground. -
Key words:
- architecture /
- vegetation /
- microclimate /
- Envi-met /
- PMV /
- landscape design
-
图 2 各样地温湿度实测及模拟情况
Figure 2. Temperature and humidity measurement and simulation of various sample plots
表 1 Envi-met软件参数设置说明
Table 1. Setting description of Envi-met software parameters
输入参数
Input parameter开始时间
Start moment时长
Duration/h模拟结果输出间隔
Output interval of simulation result/min10 m处风速
Wind speed at 10 m/(m·s−1)参数值
Parameter value2018年7月13日21：00
21:00 at July 13, 201827 10 4.5 输入参数
Input parameter预设风向
Preset wind direction/(°)起始气温
Initial air temperature/K2 m处相对湿度
Relative humidity at 2 m/%参数值
Parameter value135 304.64 （教学楼 Teaching Building）
306.33 （逸夫楼 Yifu Building）
304.53 （主楼 Main Building）69.42 （教学楼 Teaching Building）
62.68 （逸夫楼 Yifu Building）
70.05 （主楼 Main Building）
下载: 导出CSV
表 2 样地主要树种三维绿量计算公式示例
Table 2. Example of three-dimensional green quantity calculation formula of main tree species in sample plots
树种 Tree species 立体几何形态 Solid geometry 树冠绿量方程 Canopy green quantity equation 广玉兰 Magnolia grandiflora 卵形体 Ovoid πxy2/6 雪松 Cedrus deodara 圆锥体 Cone πxy2/12 樟 Cinnanomum camphora 球体 Sphere πxy2/6 悬铃木 Platanus hispanica 圆柱体 Cylinder πxy2/4 白玉兰 M agnolia denudata 圆球体 Round sphere πxy2/6 银杏 Ginkgo biloba 双圆锥体 Double cone πxy2/12 水杉 Metasequoia glyptostroboides 单圆锥体 Single cone πxy2/12 注：方程中x、y分别为植物冠径与冠高。 Notes: in the equation, x and y are plant crown diameter and crown height, respectively.
下载: 导出CSV
表 3 PMV指标评价指示表
Table 3. Indicator table of PMV index evaluation
感知状态
Perception state极冷
Extremely cold寒冷
Severe cold冷
Cold稍冷
Slightly cold舒适
Comfortable稍热
Slightly hot热
Hot炎热
Scorching hot极热
Extremely hotPMV ≤−4 −3 −2 −1 0 1 2 3 ≥ 4
下载: 导出CSV
表 4 等级转换对应关系
Table 4. Correspondence of grade conversion
三维绿量 Three-dimensional green quantity 乔木覆盖率 Tree coverage 1级 Level 1 2级 Level 2 3级 Level 3 4级 Level 4 1级 Level 1 2级 Level 2 3级 Level 3 4级 Level 4 5级 Level 5 0 ~ 100 100 ~ 500 500 ~ 1 000 > 1 000 0 ~ 0.2 0.2 ~ 0.4 0.4 ~ 0.6 0.6 ~ 1.8 0.8 ~ 1.0
下载: 导出CSV
表 5 Envi-met各样地模型精度定量评价结果
Table 5. Quantitative evaluation results of model accuracy of Envi-met various sample plots
样地 Sample plot 变量 Variable d RMSE MAE 逸夫楼
Yifu Building温度 Temperature 0.85 3.27 2.56 相对湿度 Relative humidity 0.84 5.55 4.73 主楼
Main Building温度 Temperature 0.74 3.22 2.64 相对湿度 Relative humidity 0.83 4.82 3.88 教学楼
Teaching Building温度 Temperature 0.79 2.93 2.58 相对湿度 Humidity 0.97 4.17 3.43 注：d、RMSE、MAE为定量评价指标。Notes: d, RMSE and MAE are quantitative evaluation indexes.
下载: 导出CSV
表 6 建筑与周边环境温度和湿度的相关性
Table 6. Correlation analysis on temperature and humidity between buildings and surrounding environment
变量Variable 主楼 Main Building 逸夫楼 Yifu Building 教学楼 Teaching Building 相关系数
Correlation coefficientSig. 相关系数
Correlation coefficientSig. 相关系数
Correlation coefficientSig. 温度 Temperature 0.260* 0.020 0.311** 0.005 0.137 0.227 湿度 Humidity −0.307** 0.006 −0.489** 0.000 −0.201 0.074 注：*表示相关性显著(P < 0.05)，**表示相关性极显著(P < 0.01)。表9、11、12、13同此。Notes: * means the correlation is significant (P < 0.05), ** means the correlation is extremely significant (P < 0.01). Same as Tab. 9, 11, 12 and 13.
下载: 导出CSV
表 7 各建筑不同方位的样点温度
Table 7. Temperature of sample points indifferent directions of each building
℃ 方位
Location主楼
Main Building逸夫楼
Yifu Building教学楼
Teaching Building东 East 30.83 ± 0.07a 33.39 ± 0.20a 30.63 ± 0.18a 西 West 30.59 ± 0.26b 33.23 ± 0.16a 30.44 ± 0.07b 南 South 30.81 ± 0.13c 33.43 ± 0.22a 30.87 ± 0.13a 北 North 30.41 ± 0.13c 32.87 ± 0.17a 30.21 ± 0.14a 注：不同字母表示同列内两两之间有显著差异(P < 0.05或P < 0.01)。表8、10同此。Notes: different letters mean significant differences in between in the same column (P < 0.05 or P < 0.01). Same as Tab. 8 and 10.
下载: 导出CSV
表 8 各建筑不同方位的样点湿度
Table 8. Humidity of sample points indifferent directions of each building
% 方位
Location主楼
Main Building逸夫楼
Yifu Building教学楼
Teaching Building东 East 66.90 ± 0.21a 70.89 ± 0.62a 69.20 ± 0.56ab 西 West 67.99 ± 0.68b 71.06 ± 0.45a 69.36 ± 0.33a 南 South 67.08 ± 0.47b 70.81 ± 0.54a 68.73 ± 0.54b 北 North 69.12 ± 1.25c 70.94 ± 0.23b 70.33 ± 0.52 ab
下载: 导出CSV
表 9 建筑与周边环境PMV的相关性
Table 9. Correlation analysis on PMV of architecture and surrounding environment
变量
Variable主楼 Main Building 逸夫楼 Yifu Building 教学楼 Teaching Building 相关系数 Correlation coefficient Sig. 相关系数 Correlation coefficient Sig. 相关系数 Correlation coefficient Sig. PMV 0.300** 0.007 0.255* 0.022 0.068 0.550
下载: 导出CSV
表 10 各建筑不同方位的样点 PMV 值
Table 10. PMV values of sample points indifferent directions of each building
方位
Location主楼
Main Building逸夫楼
Yifu Building教学楼
Teaching Building东 East 2.60 ± 0.27a 3.43 ± 0.31a 2.39 ± 0.19ac 西 West 2.23 ± 0.17b 3.18 ± 0.35a 2.28 ± 0.25a 南 South 2.55 ± 0.35c 3.55 ± 0.25a 2.71 ± 0.35b 北 North 2.31 ± 0.17b 3.05 ± 0.25a 2.16 ± 0.11c
下载: 导出CSV
表 11 植被与绿地温度相关性分析
Table 11. Correlation analysis of vegetation and green space temperature
变量
Variable样地
Sample plot相关性
Correlation三维绿量
Three-dimensional green quantity乔木覆盖率
Tree coverage绿化覆盖率
Green coverage温度
Temperature主楼
Main Building相关系数 Correlation coefficient −0.215 −0.312** −0.179 Sig. 0.055 0.005 0.112 逸夫楼
Yifu Building相关系数 Correlation coefficient −0.324** −0.186 −0.005 Sig. 0.003 0.098 0.967 教学楼
Teaching Building相关系数 Correlation coefficient −0.127 −0.188 −0.084 Sig. 0.262 0.094 0.457
下载: 导出CSV
表 12 植被与绿地湿度的相关性分析
Table 12. Correlation analysis of vegetation and green space humidity
变量
Variable样地
Sample plot相关性
Correlation三维绿量
Three-dimensional green quantity乔木覆盖率
Tree coverage绿化覆盖率
Green coverage湿度
Humidity主楼
Main Building相关系数 Correlation coefficient 0.329** 0.389** 0.288** Sig. 0.003 0.000 0.010 逸夫楼
Yifu Building相关系数 Correlation coefficient 0.055 0.133 0.135 Sig. 0.629 0.238 0.231 教学楼
Teaching Building相关系数 Correlation coefficient 0.269* 0.363** 0.224* Sig. 0.016 0.001 0.045
下载: 导出CSV
表 13 植被与绿地PMV的相关性分析
Table 13. Correlation analysis of vegetation and green PMV
变量
Variable样地
Sample plot相关性
Correlation三维绿量
Three-dimensional green quantity乔木覆盖率
Tree coverage绿化覆盖率
Green coveragePMV 主楼
Main Building相关系数 Correlation coefficient −0.342** −0.334** −0.287** Sig. 0.002 0.002 0.01 逸夫楼
Yifu Building相关系数 Correlation coefficient −0.479** −0.277* −0.106 Sig. 0.000 0.013 0.347 教学楼
Teaching Building相关系数 Correlation coefficient −0.225* −0.333** −0.168 Sig. 0.045 0.003 0.137
下载: 导出CSV
表 14 建筑与植被间交互作用分析
Table 14. Analysis of interaction between architecture and vegetation
源 Source 温度 Temperature 湿度 Humidity PMV 相关系数
Correlation
coefficientSig. 相关系数
Correlation
coefficientSig. 相关系数
Correlation
coefficientSig. 与建筑相对方位 × 与建筑相对距离
Relative orientation to building × relative distance to building0.589 0.806 0.976 0.458 0.119 0.999 与建筑相对方位 × 三维绿量等级
Relative orientation to building × three-dimensional green quantity grade0.394 0.758 0.854 0.465 1.815 0.143 与建筑相对方位 × 乔木覆盖等级
Relative orientation to building × tree coverage grade1.676 0.171 0.464 0.707 5.348 0.001** 与建筑相对距离 × 三维绿量等级
Relative distance to building × three-dimensional green quantity level0.414 0.743 0.043 0.988 0.195 0.900 与建筑相对距离 × 乔木覆盖等级
Relative distance to building × tree coverage level1.553 0.200 1.004 0.391 0.441 0.724 三维绿量等级 × 乔木覆盖等级
Three-dimensional green quantity grade × tree coverage grade0.276 0.600 8.767 0.003** 4.519 0.034* 与建筑相对方位 × 与建筑相对距离 × 三维绿量等级 × 乔木覆盖等级
Relative orientation to building × relative distance to building ×
three-dimensional green quantity grade × tree coverage grade1.549 0.078 2.414 0.002** 1.448 0.113 注：*表示相关性显著(P < 0.05)，**表示相关性极显著(P < 0.01)；× 表示指标之间进行交互作用分析。Notes: * means the correlation is significant (P < 0.05), ** means the correlation is extremely significant (P < 0.01); × indicates interaction analysis between indicators.
下载: 导出CSV
表 15 样点与建筑相对方位及其植被情况对场地微气候影响分析
Table 15. Impact of relative orientation of sample point and building and its vegetation conditions on site microclimate
源
Source因变量
Dependent variable相关系数
Correlation coefficientSig. 与建筑相对方位
Relative orientation to building温度 Temperature 1.850 0.139 湿度 Humidity 9.154 0.000** PMV 4.452 0.005** 三维绿量
Three-dimensional
green quantity温度 Temperature 0.002 0.968 湿度 Humidity 0.050 0.824 PMV 4.128 0.043* 乔木覆盖率
Tree coverage温度 Temperature 0.040 0.841 湿度 Humidity 0.801 0.372 PMV 0.494 0.483 注：*表示相关性显著(P < 0.05)，**表示相关性极显著(P < 0.01)。表16同此。Notes: * means the correlation is significant (P < 0.05), ** means the correlation is extremely significant (P < 0.01). Same as Tab. 16.
下载: 导出CSV
表 16 样点与建筑相对距离及其植被情况对场地微气候影响分析
Table 16. Impact of relative distance of sample points and building and its vegetation conditions on site microclimate
源
Source因变量
Dependent variable相关系数
Correlation coefficientSig. 与建筑相对方位
Relative orientation to building温度 Temperature 0.136 0.939 湿度 Humidity 1.320 0.268 PMV 1.331 0.265 三维绿量
Three-dimensional
green quantity温度 Temperature 0.000 0.996 湿度 Humidity 0.331 0.566 PMV 7.125 0.008** 乔木覆盖率
Tree coverage温度 Temperature 0.205 0.651 湿度 Humidity 0.075 0.784 PMV 1.596 0.208
下载: 导出CSV
-
[1] 熊瑶, 金梦玲. 南京林业大学校园不同类型绿地冬季微气候效应分析[J]. 西北林学院学报, 2018, 33(1):281−288. Xiong Y, Jin M J. Microclimate effects of different green spaces in winter: a case study of Nanjing Forestry University[J]. Journal of Northwest Forestry University, 2018, 33(1): 281−288. [2] 冯悦怡, 李恩敬, 张力小. 校园绿地夏季小气候效应分析[J]. 北京大学学报(自然科学版), 2014, 50(5):812−818. Feng Y Y, Li E J, Zhang L X. Microclimate effects of campus green space in summer[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2014, 50(5): 812−818. [3] Hamada S, Ohta T. Seasonal variations in the cooling effect of urban green areas on surrounding urban areas[J]. Urban Forestry and Urban Greening, 2010, 9(1): 15−24. doi: 10.1016/j.ufug.2009.10.002. [4] Chang C R, Li M H, Chang S D. A preliminary study on the local cool-island intensity of Taipei City parks[J]. Landscape and Urban Planning, 2007, 80(4): 386−395. doi: 10.1016/j.landurbplan.2006.09.005. [5] Potchter O, Cohen P, Bitan A. Climatic behavior of various urban parks during hot and humid summer in the Mediterranean City of Tel Aviv, Israel[J]. International Journal of Climatology, 2006, 26: 1695−1711. doi: 10.1002/joc.1330. [6] 吴菲, 李树华, 刘娇妹. 林下广场、无林广场和草坪的温、湿度及人体舒适度[J]. 生态学报, 2007, 27(7):2964−2970. doi: 10.3321/j.issn:1000-0933.2007.07.038. Wu F, Li S H, Liu J M. The effects of greening, none-greening square and lawn on temperature, humidity and human comfort[J]. Acta Ecologica Sinica, 2007, 27(7): 2964−2970. doi: 10.3321/j.issn:1000-0933.2007.07.038. [7] 刘娇妹, 李树华, 吴菲, 等. 纯林、混交林型园林绿地的生态效益[J]. 生态学报, 2007, 27(2):674−684. doi: 10.3321/j.issn:1000-0933.2007.02.032. Liu J M, Li S H, Wu F, et al. The ecological effects between pure woodland and mixed of urban green space[J]. Acta Ecologica Sinica, 2007, 27(2): 674−684. doi: 10.3321/j.issn:1000-0933.2007.02.032. [8] Middel A, Häb K, Brazel J A, et al. Impact of urban form and design on mid-afternoon microclimate in Phoenix Local Climate Zones[J]. Landscape and Urban Planning, 2014, 122: 16−28. [9] Dorer V, Allegrini J, Orehounig K, et al. Modelling the urban microclimate and its impact on the energy demand of buildings and building clusters[J/OL]. Proceedings of BS 2013: 13th Conference of the International Building Performance Simulation Association. 2013: 3483–3489 [2019−07−16]. https://www.mendeley.com/catalogue/d4138947-7b16-318d-8e20-b2f4041c4e34/. [10] Taleb H, Musleh A M. Applying urban parametric design optimisation processes to a hot climate: case study of the UAE [J/OL]. Sustainable Cities and Society, 2015, 14: 236−253 [2019−05−05]. https://www.sciencedirect.com/science/article/pii/S2210670714000997. [11] 张丛. 城市休闲广场水体布局的微气候效应研究[D]. 南京: 南京大学, 2017. Zhang C. Microclimate effect of the water layout in urban square[D]. Nanjing: Nanjing University, 2017. [12] 刘长焕, 许嘉伟, 陈婕, 等. 近62年南京地区气温变化趋势及其分析[J]. 安徽农业科学, 2013, 41(31):12405−12408. doi: 10.3969/j.issn.0517-6611.2013.31.059 Liu C H, Xu J W, Chen J, et al. Variation trend and analysis of temperature in Nanjing in recent 62 years[J]. Journal of Anhui Agri, 2013, 41(31): 12405−12408. doi: 10.3969/j.issn.0517-6611.2013.31.059 [13] Fox D G. Judging air quality model performance: a summary of the AMS workshop on dispersion model performance[J]. Bulletin of the American Meteorological Society, 1981, 62: 599−609. doi: 10.1175/1520-0477(1981)062<0599:JAQMP>2.0.CO;2 [14] 孙常峰. 基于Envi-met的绿地对夏季热环境影响研究: 以南京大学鼓楼校区为例[D]. 南京: 南京大学, 2014. Sun C F. Using ENVI-met to simulate the impact of green spaces on the thermal enviroment in the summer[D].Nanjing: Nanjing University, 2014. [15] 杨小山. 室外微气候对建筑空调能耗影响的模拟方法研究[D]. 广州: 华南理工大学, 2012. Yang X S. A simulation method for the effect of urban microclimate on building cooling energy use[D]. Guangzhou: South China University of Technology, 2012. [16] Willmott C J. Some comments on the evaluation of model performance[J]. Bulletin of the American Meteorological Society, 1982, 63: 1309−1369. doi: 10.1175/1520-0477(1982)063<1309:SCOTEO>2.0.CO;2. [17] 周坚华, 孙天纵. 三维绿色生物量的遥感模式研究与绿化环境效益估算[J]. 环境遥感, 1995, 10(3):162−174. Zhou J H, Sun T Z. Research on remote sensing model of three-dimensional green biomass and estimation of greening environmental benefits[J]. Remote Sensing Environment China, 1995, 10(3): 162−174. [18] 周坚华. 城市生存环境绿色量值群的研究:绿化三维量及其应用研究[J]. 中国园林, 1998(5):61−63. Zhou J H. Research on the green value group of urban living environment: the three-dimensional greening quantity and its application[J]. Chinese Landscape Architecture, 1998(5): 61−63. [19] 王一, 栾沛君. 室外公共空间夏季热舒适性评价研究:以上海当代大中型住宅区为例[J]. 住宅科技, 2016, 36(11):52−57. doi: 10.3969/j.issn.1002-0454.2016.11.011 Wang Y, Luan P J. Study on thermal comfort of outdoor public space in summer: taking contemporary middle to large residential area of Shanghai for instance[J]. Housing Science, 2016, 36(11): 52−57. doi: 10.3969/j.issn.1002-0454.2016.11.011 [20] Bruse M, Fleer H. Simulating surface-plant-air interactions inside urban environments with a three dimensional numerical model[J]. Environmental Modeling & Software, 1998, 13: 373−384. [21] 张顺尧, 陈易. 基于城市微气候测析的建筑外部空间围合度研究:以上海市大连路总部研发集聚区国歌广场为例[J]. 华东师范大学学报(自然科学版), 2016(6):1−26. Zhang S Y, Chen Y. Degree of enclosure as outdoor space form parameter study based on the urban microclimate analysis: a case study on office building site design in Shanghai[J]. Journal of East China Normal University(Natural Science), 2016(6): 1−26. [22] 黄丽蒂, 武艺萌, 王昊. 寒地校园教学区围合式建筑对微气候的影响[J]. 建筑节能, 2019, 47(12):15−21. Huang L D, Wu Y M, Wang H. Influence of enclosed buildings on the microclimate on campus in the cold area[J]. Building Energy Efficiency, 2019, 47(12): 15−21. [23] 刘宇霆. 基于微气候的岭南地区高密度大学校园外部空间舒适度研究[D]. 广州: 华南理工大学, 2018. Liu Y T. Study on thermal comfort of exterior space of high density campus in Lingnan Area based on microclimate[D]. Guangzhou: South China University of Technology, 2018. [24] 陈飞. 高层建筑风环境研究[J]. 建筑学报, 2008(2):72−77. doi: 10.3969/j.issn.0529-1399.2008.02.019. Chen F. Research on wind environment of high-rise buildings[J]. Architectural Journal, 2008(2): 72−77. doi: 10.3969/j.issn.0529-1399.2008.02.019. [25] 林波荣. 绿化对室外热环境影响的研究[D].北京: 清华大学, 2004. Lin B R. Studies of greening,s effects on outdoor thermal environment[D]. Beijing: Tsinghua University, 2004. [26] 张玺. 历史街区街道空间夏季热环境分析及优化: 以济南芙蓉街—百花洲历史文化街区为例[D]. 济南: 山东建筑大学, 2019. Zhang X. Analysis and optimization of summer thermal environment in street space of historical blocks[D]. Jinan: Shandong Jianzhu University, 2019. -
点击查看大图
图(2) / 表 (16)
计量
- 文章访问数: 172
- HTML全文浏览量: 46
- PDF下载量: 19
- 被引次数: 0
