基于ENVI-met的城市公園綠地熱舒適度改善策略研究

張芯蕊, 聶慶娟 劉江秀

基于ENVI-met的城市公園綠地熱舒適度改善策略研究

張芯蕊, 聶慶娟*劉江秀

河北農業大學園林與旅游學院, 保定 071000

以保定市龍潭公園為研究對象, 在現場實測和ENVI-met軟件數值模擬的基礎上, 立足于城市公園綠地內部空間熱舒適度研究, 深入探討城市公園綠地空間布局和構成要素對城市熱環境的調節作用, 嘗試總結并提出城市公園綠地熱舒適度的改善策略, 以期為類似尺度公園綠地的規劃設計與優化改造提供一定的參考和依據。結果表明: (1)軟件模擬結果與實測結果的校驗表明, 該模型能夠較好的反映出模擬區域的微氣候變化情況, 運用該軟件有助于對后續獲得優化方案以及策略的可信性進行評估和判斷。(2)運用數值模擬得到的直觀數據, 總結城市公園綠地景觀要素(植物、鋪裝、地形、水體)等與小氣候要素的量化關系, 同時建立不同改善預案下的微氣候模擬分析研究, 對比分析城市公園綠地熱舒適度改善效果, 最終得到城市公園綠地熱舒適度改善策略。

微氣候; ENVI-met; 城市公園綠地; 熱舒適度; PMV

0 前言

隨著我國城市化進程不斷推進, 更加密集的人類活動對城市景觀格局的改造使得城市生態失衡, 微氣候惡化現象越來越嚴重。城市公園作為居民戶外活動必不可少的公共綠地與開放空間, 其具有產生特定小氣候環境的復雜表面結構, 這一特性對于調節局部地區小氣候有著很大功效[1]。近年來, 城市范圍中熱舒適度的研究, 既有通過相關性分析總結作用機制等基礎理論的研究, 也有將不同地域小氣候要素所發揮的作用與價值進行科學評價的研究, 并逐漸向將城市氣候知識轉化為規劃實踐以及微氣候適應性策略的研究上發展[2]。目前, 雖然有關小氣候適應性方面的研究成果頗豐, 但針對風景園林熱舒適度的研究尚顯匱乏, 其中結合地域氣候特征, 特別是結合北方地區氣候的研究更不多見[3]; 就研究對象而言, 城市公園綠地相較于城市廣場、街區這樣小尺度綠地的研究仍相對較少, 因此城市公園綠地熱舒適度領域尚有很大的研究空間[4]。

風景園林環境與感受的數字化是風景園林客觀環境與主觀感受之間的橋梁, 是實現風景園林分析評價的理性化途徑[5]。本研究以保定市龍潭公園為研究對象, 選擇典型的氣象日, 在對該公園微氣候要素在現場實測和ENVI-met軟件數值模擬的基礎上, 通過直觀的數據來探究城市公園綠地空間布局和構成要素對城市熱環境的調節作用, 對未來類似尺度的公園綠地的設計與改造提供新思路和新視角, 此研究順應氣候適應性城市建設的發展趨勢。

1 研究區域概況

本文研究對象位于保定市, 保定屬于暖溫帶大陸性季風氣候區, 主要氣候特點是: 四季分明, 春季干燥多風, 夏季炎熱多雨, 雨、熱同季, 秋季天高氣爽, 冬季寒冷干燥。多年平均氣溫13.4 ℃, 1月平均氣溫-4.3 ℃, 不舒適日數呈緩慢增長趨勢, 本次研究選區北方城市比較具有研究價值。研究場地為保定市龍潭公園(N38°55′, E115°45′), 該公園位于保定市西部, 富昌路與龍潭路之間, 侯河從公園橫穿而過, 占地面積11公頃, 該園景點布局合理, 它的建成填補了保定市西南部無公園的空白, 為居民提供了休閑健身的綠色空間。

2 研究方法

2.1 現場實測

現場實測是研究室外微氣候的重要手段, 并且通過實測取得的相關數據, 為后續的軟件模擬及理論研究提供驗證與依據。本次實測時間選取晴朗無云且無極端天氣的典型氣象日, 于2019年3月25日6: 00—18: 00, 進行連續12小時的定點觀測。本研究采用多功能環境檢測儀、數字風速計等儀器進行微氣象觀測, 測量高度距地面1.5 m, 主要獲取溫度、濕度、風速等氣象數據, 每小時整點記錄數據一次, 實測儀器參數見表1。

基于實地調研, 本次實測以代表性和可行性為原則, 對城市公園各空間中使用者的行為活動進行注記式調研, 分析出使用者對不同小氣候條件下的場地選擇的偏好性, 提起樣地實測空間[6]。最終在保定市龍潭公園選取了9個監測點進行氣象數據的監測, 監測站點分別為: (1)南門濱水廣場, 地表類型為混凝土; (2)東南部大廣場地, 下墊面為混凝土; (3)樹陣廣場, 地表類型為紅色透水磚路面, 植物種類為懸鈴木; (4)草坪; (5)土山丘; (6)常綠喬木圍合廣場, 地面覆蓋為夯實土地; (7)濱水步道; (8)扇形廣場, 下墊面為紅色透水磚; (9)喬灌草(各個測點的具體位置參見圖1)。同時對龍潭公園內部植被類型和種植情況進行實地調研發現: 常綠喬木中雪松、油松、園柏、白皮松等所占比例較大; 落葉喬木中楊樹、國槐、垂柳、懸鈴木、紫葉李、刺槐、欒樹、白蠟等占比達到70 %以上; 地被植物高度在0.3—0.45 m范圍內; 灌木高度在0.7—0.8 m之間, 園中草坪高度均在在0.15 m左右。

表1 實測儀器參數

圖1 研究區域總平面圖

Figure 1 General plan of the study area

2.2 ENVI-met 模擬

2.2.1 ENVI-met模型量化

ENVI-met是基于對城市環境的高分辨率數值模擬模型, 采用了熱力學、流體模擬和植物生理學的最新科學方法, 能夠全面考慮空間布局、地表材質、水體、植被覆蓋等多種因素, 模擬不同空間小氣候環境, 實現了動態耦合分析[7-8]。近年來ENVI-met受到了風景園林、規劃等專業研究的重視, 它既有利于指導設計師進行合理的景觀設計、營造舒適的室外環境, 又有助于對后續獲得優化方案、策略的可信性進行評估和判斷。

本文使用ENVI-met4.43學生版對研究場地進行模擬, 為了保證模擬目標區域的邊界條件更接近于真實場景模擬范圍包含了研究區域以外的的更大區域, 面積為360 m×450 m。在水平方向上設置了125×150個網格, 分辨率為3 m。在垂直方向上, 研究區域內最高建筑的高度Hmax為60 m, 為了消除頂邊界效應對模擬結果的影響, 要保證三維模型的上邊界高度Z≥2 Hmax, 所以垂直方向上采取等距網格的形式, 共設置40個網格, 分辨率為3 m[9]。將建模范圍的CAD圖紙以BMP格式導入軟件中作為參照, 繪制建筑、下墊面、植被等要素, 同時參考實測點的具體位置, 在研究區域內設置 9 個采集模擬數據的“監視器”(Receptor)[10]。模擬區域的下墊面材質主要分為柏油路、土壤、混凝土路面、透水磚路面(分為黃色和紅色)、大理石鋪裝、等幾種情況, 依據公園內的道路及鋪裝分布, 分別對其進行設定, 最終得到研究區域的模擬模型(見圖2)。

在ENVI-met自帶的植物數據庫中有豐富的simple植物和3D植物的數學模型, 這些數學模型被定義為植物成熟期內不同高度冠層的葉面積密度(LAD)和不同深度的根面積指數(RAD)[11]。但是由于數據庫中的樹主要來自高緯度地區, 與研究場地植物屬性不太相符, 所以為了滿足模擬準確性的要求, 基于實地調研, 本研究在數據庫中對原有植被數據庫進行了更新, 重新建立植物模型[12-13], (具體植物模型及相關屬性詳見圖3)。

2.2.2 ENVI-me模型參數設置

模型主要輸入參數包括地理信息、氣象條件、土壤條件和模式輸出參數等[14]。本研究選取2019年3月25日作為模擬起始時間, 天氣晴朗無云, 并且是華北地區春季的典型氣象日。模擬的初始氣象參數來源于當天現場實測數據, 并以保定市氣象站數據作為背景數據, 土壤參數來源于中國氣象網(具體的模型參數設置參見表2)。輸出參數包括溫度、濕度、風向、風速、人體熱舒適度、PMV等指標, 模擬時長為 24小時, 由于龍潭公園的使用時間多集中在6: 00—18: 00之間, 因此再該時間段中每隔1小時進行一次數據的輸出。

3 結果與分析

3.1 ENVI-met模型精度評價

ENVI-met軟件的運用雖然經過多次驗證, 但仍然存在因模擬對象、模擬尺度、模擬地域環境不同產生的差異, 同時, 建模是在一定程度上對實際環境的簡化, 不可避免的存在一定的差異性和失真性[15]。因此, 本研究在現場實測的基礎上對ENVI-met模型精度進行評價, 將軟件模擬數據與實測數據進行對比, 校驗其差異是否在合理范圍內。本文采用RMSE和MAPE兩個指標做為實測數值和模擬數值的精度校驗指標, RMSE(root-mean-square error)是均方根誤差, 它是用來衡量實測值與模擬值之間的偏差, RMSE值越小說明測量的精密度越高; MAPE (mean absolute percentage error)是相對百分誤差絕對值的平均值, 可以用其來衡量一個模型預測結果的好壞, 一般認為MAPE值小于10%說明模擬預測精度較高[16]。

圖2 ENVI-met模型平面示意圖

Figure 2 Plan diagram of ENVI-met mode

圖3 ENVI-met植物模型及相關屬性

Figure 3 ENVI-met plant model and related properties

表2 ENVI-met 模型參數設置

其計算公式如下:

式中,y為模擬值,y為實測值,為實測次數。

對研究區域9個監測點氣象要素的實測值與模擬值進行對比分析(如表圖4所示), 在模擬數據中, 各監測點均處于一個相對平滑的波動趨勢, 這是因為模擬狀態排除了外界其他因素的干擾, 處于一個相對理想的狀態。但在實測過程中受當天自然狀態下的偶然因素的影響, 使得實測結果波動較為明顯, 所以實測值與模擬值不可避免的存在一定的誤差, 但依然可以觀察到9個監測點的溫度、濕度的模擬值曲線和實測值曲線的變化趨勢基本一致。溫度實測值與模擬值的誤差基本控制在1.5 ℃以內, 濕度曲線的實測值與模擬值的擬合程度較好, 誤差均控制在3%以內。同時通過對比我們不難發現, 景觀遮陽處監測點(R6、R9)相較于暴曬工況下監測點(R1、R2)實測值與模擬值的吻合度要高, 所以軟件模擬更加適用于景觀遮陽設計因子的模擬。另外本文根據均方根誤差和平均絕對百分比誤差對實測值與模擬值進行了計算分析(見表3), 溫度的RMSE值介于0.65—1.15 ℃之間, MAPE介于3.8—6.3%之間, 濕度的RMSE值介于1.3—2.6%之間, MAPE介于2.2—4.9%之間, 溫度及濕度平均絕對百分比誤差值均小于10%, 各測點的 RMES 和 MAPE值都在可以承受的范圍之內, 說明實測值與模擬值之間的誤差較小, ENVI-met模型能較好的預測華北地區城市公園小氣候環境。

圖4 R1—R9監測點溫濕度實測值與模擬值對比

Figure 4 R1-R9 monitoring point temperature and humidity measured value and analog value comparison

3.2 ENVI-met模擬結果分析

3.2.1 溫度模擬結果分析

溫度是空間舒適性的重要指標, 通過對全日照監測點當日的溫度變化情況來看, 16: 00為當日場地溫度最高時刻, 且16: 00也是公園一天之中人流量的高峰時段, 因此選取此時段為代表輸出研究區域的模擬溫度場(如圖5所示)。研究區域內行人高度的最大溫差為 5.24 ℃, 根據環境溫度等級劃分, 將研究區域內溫度劃分為三個等級: 溫度22—24.9 ℃為熱, 20—21.9 ℃為暖, 18—19.9 ℃為溫暖[17]。進一步計算各等級溫度面積百分比, 結果顯示: 16: 00熱區面積達39 %, 均主要分布在空曠廣場處和最南端貫穿東西的瀝青路面, 以及東南部相對開闊無高大建筑物的區域; 暖區面積達54 %, 主要分布公園植物種植密集的中心區域; 溫暖區面積僅達7%, 其主分布在園內西部建筑遮蔭的水面之上及北部高大喬木遮蔭處, 由此可見, 建筑物陰影和樹陰可明顯降低環境氣溫。為對比不同空間的微氣候特征, 得到各監測點全白天行人高度的模擬溫度(如圖6所示), 各監測點在9: 00—12: 00時段的升溫速率較為一致, 17: 00—18: 00的降溫速率基本相同, 13: 00—16: 00升溫速率相差最大。其中不同植物配置形式的空間: R2全日照監測的開場空間(22.5 ℃)>R3樹陣廣場(22.0 ℃)>R4草坪(21.7 ℃)>R6常綠喬木半圍合空間(21.6 ℃)>R9喬灌草配置封閉空間(20.7 ℃), 與全日照監測點R2相比, R6的降溫強度為0.9 ℃, R3的降溫強度為0.5 ℃, R3的降溫強度為0.8 ℃, R9的降溫強度為1.2 ℃; 不同水體形式的空間: R1南門濱水廣場(22.6 ℃)>R8扇形廣場(21.1 ℃)>R7濱水步道(20.8 ℃); 不同地形形式空間: R5土山丘上常綠喬木半圍合空間(22.9 ℃)>R6常綠喬木半圍合空間(21.6 ℃), R5高三米是全園的最高點, 16: 00其溫度相較于其他監測點最大。

表3 R1—R9監測模擬值RMES和MAPE分析表

圖5 溫度模擬分布圖

Figure 5 Simulated distribution of air temperature

3.2.2 濕度模擬結果分析

由圖 7 可見, 研究區域內行人高度的最大濕度差為10.33%, 公園的低濕區(濕度<36.5 %)約占研究區區域總面積的35%, 均分布在溫度較高的區域, 即園內無建筑和植被遮蔭的空曠處等, 較濕潤區(>36.5%)的占比65%, 主要分布在湖面四周以及喬木密集的區域, 這是由水體調控和遮蔭喬木數量共同作用的結果。值得注意的是, 公園內部的湖區面積雖然較小, 但與周邊綠化相比, 表現出高濕現象, 增濕幅度在 1.1%—2.1%左右。為對比不同空間對空氣濕度的影響,得到各監測點全白天行人高度的模擬濕度(如圖8所示), 可以看出在當天輸出時段內, 空氣濕度在65%—35%之間變化, 且相對濕度與空氣溫度分布呈現出明顯的鏡像關系溫度越高濕度越低。R9喬灌草配置封閉空間(40.432%)>R8扇形廣場(39.541%)>R7濱水步道(39.081%)>R6常綠喬木半圍合空間(38.995%)>R4草坪(37.964%)>R3樹陣廣場(37.403%)>R2全日照監測的開場空間(36.277%)> R1南門濱水廣場(35.655%)>R5土山丘上常綠喬木半圍合空間(35.613%)。

3.2.3 風速模擬結果分析

研究區域16: 00 風場分布圖如圖 9 所示, 當日主導風向為西北風, 最大風速差為5.58 m·s-1, 園內道路、廣場以及水面作為風道, 風速較建筑物間及植物群落間明顯增大, 研究區西部水面的風速最大, 這是由于峽谷效應作用而形成的大風速區, 建筑物背風面以及植物群落密集區域內風速明顯減少, 空氣通風較差。根據各監測點風速模擬曲線圖(見圖10),可看出不同空間模擬風速的微差別, 其中空間相對開敞的區域(R1、R2、R8)風速大于圍合程度較高的區域(R3、R4、R5、R9)的風速, 不同的植物配置空間中: 鋪裝>草坪>喬木+灌木>喬+灌+草, 圍合程度越低, 風速越大。

圖6 各監測點溫度模擬值對比

Figure 6 Monitoring point temperature analog value comparison

3.2.4 熱舒適度PMV模擬結果分析

熱舒適度是指人在所處小尺度范圍的氣候環境中感到滿意的狀態, 在城市小氣候的背景下, 熱舒適性是描述人們在小氣候環境空間中的溫度主觀體驗的關鍵指標[18]。PMV (Predicted Mean Vote), 即預測平均票數, 是丹麥的范格爾教授基于人體熱舒適方程及1396個受試者的熱感覺投票結果分析提出的, 用于評價某環境的熱舒適性偏離“熱中性”環境舒適性的程度[19]。在此基礎上ENVI-met 綜合考慮空氣溫度、平均輻射溫度、水汽壓和風速、服裝熱阻、人體所消耗的能量等因素計算出來的可以表征室外人體舒適度的PMV 數值[20]。一般而言, PMV指標采用7級分度, 等級在-3(冷)到＋3(熱)之間, 其中0為舒適值[21]。本文根據表征人體熱反應的評價指標PMV對研究區域的熱舒適度進行分析, 由圖13輸出的16: 00時行人高度 PMV分布圖可見, 建筑物背陽面、植物遮蔭處以及水面附近 PMV 值較小, 其中R4、R6、R7、R9測試點的PMV指數偏向-1, 熱感覺評價為微涼; 而R1、R2、R3、R5點的PMV指數趨于0, 處于一個相對舒適的狀態, 其中R7的熱感覺評價最差, R1的熱感覺評價最優, 同一時次 PMV 最大與最小值的差值為1.01。

圖 7 濕度模擬分布圖

Figure 7 Simulated distribution of humidity

圖 8 各監測點濕度模擬值對比

Figure 8 Monitoring point humidity analog value comparison

圖 9 風速模擬分布圖

Figure 9 Simulated distribution of wind speed

圖 10 各監測點風速模擬值對比

Figure 10 Monitoring point wind speed analog value comparison

圖 11 PMV 模擬分布圖

Figure 11 Simulated distribution of PMV

圖 12 各監測點16:00 PMV值對比

Figure 12 Comparison of PMV values at each monitoring point at 16:00

3.3 不同改善預案下的微氣候模擬分析研究

基于研究場地現狀情況, 針對不同改善目的的預設方案進行了微氣候模擬分析, 加上現狀綠地布局, 形成了4種不同的綠地布局方案, 對比分析各方案的熱舒適度改善效果。方案一為無植被、方案二為地被+灌、方案三為基于現狀分析后的改善方案。其中方案三是前期在對研究場地現狀的小氣候模擬分析后, 得到該區域內熱舒適度需要進行改善的空間, 對于熱舒適度稍差空間, 利用植物的空間圍合和空間劃分的方式進行重新設計, 豐富喬灌草的搭配, 構成不同的圍合方式。在北部較為開闊的空間種植高大的常綠喬木, 來加大圍合程度, 使增濕、擋風效果明顯。同時根據風向重新設計地形的高度與位置, 以起到擋風的作用, 在一定程度上加大喬木的種植間距, 形成良好的小氣候循環。在南部熱舒適狀況良好的空間, 增設較多的活動空間, 來改善熱舒適度體驗。

圖13、圖14和圖15分別是三種方案16: 00的熱舒適度模擬分布圖, 從圖可以看出,無植被方案較舒適區域占全園的10%, 地被+灌木方案同一時次占20%, 兩方案的熱舒適度改善效果均不如現狀布局, 而改善方案的熱舒適度范圍相較于現狀明顯擴大。如圖16所示, 16: 00各方案全園的熱舒適度平均值: 改善方案(-0.372)>現狀(0.534)>地被+灌木(-1.105)>無植被(-1.21)。由此可以看出喬木對場地熱舒適度的調節作用尤為明顯, 灌木和地被的熱舒適度的調節有一定的影響, 但不明顯, 而在經過景觀更新設計后, 原本的相對不舒適空間的熱舒適體驗得到了很大程度的改善。

4 討論

本文基于對ENVI-met模型進行精度評價的前提下, 對研究區域進行微氣侯效應的模擬分析, 最終得到以下結論:

采用RMSE 和MAPE 這兩個指標對ENVI- met 模型精度進行評價, 結果表明, 其模擬精度較好, 各監測點的 RMES 和 MAPE值都在可以承受的范圍之內, 與實地觀測結果較吻合, ENVI-met能較好的預測華北地區城市公園小氣候環境, 運用該軟件有助于對后續獲得優化方案以及策略的可信性進行評估和判斷。

城市公園綠地熱舒適度改善策略: 1)植物的栽植對于調節城市熱環境起著至關重要的作用, 植物群落的微氣候效應使得公園綠地在城市中的冷島效應尤為明顯[22]。樹形不同對熱環境產生不同的調節效果, 傘形樹冠的遮陽效果明顯, 同時有利于空氣流動; 塔形樹冠阻礙空氣流動, 擋風效果明顯。2)在合理選擇樹種的基礎上, 要適當豐富喬灌草的搭配, 構成豐富的圍合方式。圍合程度越高降溫、增濕、擋風效果更明顯, 為滿足不同季節熱舒適度的需求, 可采用復合式遮蔭的形式, 夏季采用頂部遮蔭及單側遮蔭使空間降溫效果更明顯, 冬季選擇落葉樹種圍合進行透陽增溫, 從而產生夏季封閉遮蔭, 冬季開場通透的效果。3)鋪裝材質以及鋪砌方式的不同對于局部地區小氣候的調節具有一定的影響[23]。由以模擬分析可知, 不同地表下墊面材質的地表溫度: 水體>肥沃土壤>草坪>鋪裝材料, 可以根據材質的比熱容對鋪裝材料進行選擇, 一般情況下, 橡膠>瀝青>木材>磚類>混凝土>大理石>花崗巖。從鋪砌方式方面考量, 在大面積的鋪裝廣場設計中, 建議預留一定寬度的縫隙或者裸土位置栽植植物, 盡量減少不必要的鋪裝面積。4)水體對小氣候的降溫增濕效果明顯, 從水體的形式出發, 景觀水體動靜水結合的形式, 溫暖炎熱的季節進行噴涌, 寒冷涼爽的季節盡量減輕蓄水對周圍環境的降溫作用。合理設置景觀節點朝向, 增加景觀空間的綠化量和水體面積, 設置熱緩沖帶。

圖 13 無植被

Figure 13 No vegetation

圖 14 地被與灌木

Figure 14 Grass and bush

圖 15 改善方案

Figure 15 Improvement plan

圖 16 PMV平均值對比

Figure 16 PMV mean comparison

在試圖將城市環境作為一個有機整體進行模擬的欲望驅動下, ENVI-met這樣一個基于客觀科學方法的小氣候模擬軟件被開發出來, 這種超越直覺和假設的方式使預測和規劃解決方案成為可能。這種通過試驗與計算技術相結合的方法, 讓我們更為便利和現實地去解析景觀對微氣候的動態影響, 這與風景園林專業知識更加契合。通過風景園林小氣候熱舒適度研究, 使風景園林規劃設計理論通過不斷的量化研究將學科的科學性得到了加強, 將應對環境問題的被動規劃方式轉變為高屋建瓴的主動調節, 使我們的方案提升到一個新水平。

[1] 胡承江, 李雄. 全球氣候變化背景下風景園林的發展[C]//中國風景園林學會2011年會論文集(上冊), 2011: 4.

[2] 劉濱誼, 彭旭路. 城市街道小氣候舒適性研究進展與啟示[J]. 中國園林, 2019, 35 (10): 57–62.

[3] 史軍, 梁萍, 萬齊林, 等. 城市氣候效應研究進展[J]. 熱帶氣象學報, 2011, 27 (6): 942–951.

[4] 莊曉林, 段玉俠, 金荷仙. 城市風景園林小氣候研究進展[J]. 中國園林, 2017, 33 (4): 23–28.

[5] 劉濱誼. 風景園林視覺感受量化評價的客觀信息轉譯原理[J]. 中國園林, 2015, 31 (7): 6–9.

[6] 陳雅馨. 基于小氣候實測的風景園林空間適宜性改善策略研究[D]. 西安: 西安建筑科技大學, 2016.

[7] FANG Zhaosong, FENG Xiwen, XU Xiaoning, et al. Investigation into outdoor thermal comfort conditions by different seasonal field surveys in China, Guangzhou. [J]. International Journal of Biometeorology, 2019, 63(10): 1357–1368.

[8] 楊玉錦. 數值模擬工具在城市微氣候研究領域的應用情況綜述——以ENVI-met軟件為例[C]//中國城市科學研究會、深圳市人民政府、中美綠色基金、中國城市科學研究會綠色建筑與節能專業委員會、中國城市科學研究會生態城市研究專業委員會: 北京邦蒂會務有限公司, 2019.

[9] 勞釗明, 李穎敏, 鄧雪嬌, 等. 基于ENVI-met的中山市街區室外熱環境數值模擬[J]. 中國環境科學, 2017, 37(9): 3523–3531.

[10] 黃麗蒂, 王昊, 武藝萌. 基于ENVI-met模式的某高校教學區室外微氣候模擬與分析[J]. 節能, 2018, 37(10): 12– 18.

[11] 方小山. 亞熱帶濕熱地區郊野公園氣候適應性規劃設計策略研究[D]. 廣州: 華南理工大學, 2014.

[12] 劉之欣, 譚廣文, 趙立華. ENVI-met喬木建模簡化方式探究——以細葉榕Ficus microcarpa為例[J]. 廣東園林, 2018, 40(1): 83–87.

[13]衛笑, 郝日明, 張明娟, 等. 樹冠空間結構對微氣候影響的模擬[J]. 浙江農林大學學報, 2019, 36(4): 783–792.

[14] 王婷, 陳小芮, 章家恩, 等. 廣州市老舊小區不同綠化改造方案對微氣候環境影響的ENVI-met模擬研究[J]. 華南農業大學學報, 2019(4): 1–8.

[15] 方小山, 王平清, 喬德寶. 基于ENVI-met模擬的順德清暉園布局通風設計要素研究[J]. 城市建筑, 2018(33): 69–76.

[16] 張峻. 西安含光路街谷夏季小氣候ENVI-met模擬方法研究[D]. 西安: 西安建筑科技大學, 2017.

[17] 王一, 王溯凡. 街區式商業綜合體外部空間熱舒適性研究[J]. 住宅科技, 2019, 39(9): 1–8.

[18] YANG Yujin, GAO Zhi, LAN Hongning, et al. The“plant evaluation model”for the assessment of the impact of vegetation on outdoor microclimate in the urban environment[J]. Building and Environment, 2019, 159:1–13.

[19] 李坤明. 濕熱地區城市居住區熱環境舒適性評價及其優化設計研究[D]. 廣州: 華南理工大學, 2017.

[20] 李笑寒, 胡聃, 韓風森, 等. 高層住宅小區建筑形態對微氣象影響研究[J]. 生態科學, 2018, 37(1): 178–185.

[21] 盧薪升, 楊鑫. 基于ENVI-met軟件小氣候模擬與熱舒適度體驗的城市更新研究——以北京石景山北辛安地區為例[J]. 城市發展研究, 2018, 25(4): 147–152.

[22] WU Zhifeng, DOU Panfeng, CHEN Liding et al. Comparative and combinative cooling effects of different spatial arrangements of buildings and trees on microcli-mate[J]. Sustainable Cities and Society, 2019, 51: 1–9.

[23] 段文嘉. 西安城市公園綠地小氣候實測分析[D].西安: 西安建筑科技大學, 2016.

Research on urban geothermal comfort improvement strategy based on ENVI-met

ZHANG Xinrui, NIE Qingjuan*LIU Jiangxiu

College of Landscape Architecture and Tourism, Hebei Agricultural University, Baoding 071000, China

Wetook Longtan Park in Baoding as the research object, based on field measurements and numerical simulation of ENVI-met software to research on the thermal comfort of the internal space of urban park green space, to discuss the spatial layout and constituent elements of urban park green space on the thermal environment of the city regulating effects, and to summarize and propose strategies for improving the thermal comfort of green spaces in urban parks, with a view to providing a certain reference and basis for the planning, design, and optimization of green spaces in similar parks. The results show that (1) The verification of the software simulation results with the measured results shows that the model can better reflect the microclimate change in the simulated area. The use of the software can help to obtain the credibility of subsequent optimization schemes and strategies. We make assessments and judgments. (2) Using the intuitive data obtained from numerical simulation, we summarize the quantitative relationship between the green park landscape elements (plants, paving, terrain, and water bodies) and microclimate elements, and establish microclimate simulation analysis studies under different improvement plans, and compare and analyze the thermal comfort improvement effect of the urban park green ground. Finally the strategy to improve the thermal comfort of the green space of the urban park is obtained.

microclimate; ENVI-met; urban park green space; thermal comfort; predicted mean vote

張芯蕊, 聶慶娟, 劉江秀. 基于ENVI-met的城市公園綠地熱舒適度改善策略研究[J]. 生態科學, 2021, 40(3): 144–155.

ZHANG Xinrui, NIE Qingjuan, LIU Jiangxiu. Research on urban geothermal comfort improvement strategy based on ENVI-met[J]. Ecological Science, 2021, 40(3): 144–155.

10.14108/j.cnki.1008-8873.2021.03.018

TU986

A

1008-8873(2021)03-144-12

2019-10-10;

2019-12-05

河北省引進留學人員資助項目(C20190338)

張芯蕊(1995—), 女, 河北保定人, 碩士, 主要從事風景園林學研究, E-mail: 2339347855@qq.com

聶慶娟, 女, 博士, 副教授, 主要從事風景園林學研究, E-mail: 32828911@qq.com