基于ENVI-met 的住區室外熱環境模擬探析
——以上海市中心城區為例

■ 劉海萍 LIU Haiping 宋德萱 SONG Dexuan

0 引言

近年來，隨著城市化程度的提高，城市熱島問題進一步加劇。上海全市自20 世紀90 年代以來平均氣溫上升1.1℃[1]，尤其城區表現出明顯的升高趨勢，位于城市中心的住區熱環境也隨之發生潛在變化；而2020年暴發的新冠疫情讓人們意識到空間環境的重要性，開始更加注重所在住區的外部公共空間，如承載著居民日常的通行及休憩活動的道路、公共綠地、小游園等常用活動場所，其熱環境質量影響著居民的體驗感、活動行為甚至健康。面對全國目前的大規模老舊住區改造，如何更好地改善住區的室外熱環境，成為建設健康城市、提升人居環境質量的必要課題。

1 研究方法及目的

住區熱環境受多種因素影響，包括城市氣候、住區下墊面、建筑布局、綠化、水體、季節、天氣條件、人類活動等；而綠化控制作為其中較為經濟且實施性強的方式之一，是本文重點研究的內容。

目前，針對熱環境的研究方法主要有實測及計算機數值模擬，尤以后者優勢突出。現階段常用的城市微氣候模擬軟件ENVI-met 適用于中小尺度研究，其對建模中較為復雜的綠化要素自附綠化數據庫，并且可根據高度、葉密度、根密度等參數定義新的綠化類型，針對包含綠化要素的熱環境研究是較為理想的模擬工具。在不同氣候條件下，已有研究[2-7]采用該軟件做過熱環境的相關研究。

本文的最終目的是通過實測方法探究綠化要素對住區熱環境的影響，故決定采用城市微氣候模擬軟件ENVI-met 對實測案例進行模擬，并將模擬結果與實測數據進行對比分析，以檢驗該軟件在住區尺度熱環境模擬應用中的可行性與可靠性。

2 住區微氣候實測

2.1 研究區域概況

本次研究選取上海市楊浦區同濟大學校區以南的一處典型老舊小區（圖1）為對象。上海市地處夏熱冬冷地區，屬亞熱帶海洋性季風氣候；其最熱月在7 月，夏季主導風向為東南風，冬季為西北風。根據《上海市氣候變化監測公報（2017 年）》對1961—2017 年上海市的氣候變化分析，在50 多年時間內，上海地面氣溫顯著上升，高溫日增多，冬季縮短、夏季延長，熱島強度增強。在此氣候背景下，對夏季熱環境的研究顯得尤為重要。樣本小區始建于1952年，以6 層樓梯房為主，面積約19 hm2；其整體規劃受周邊城市道路的影響，建筑朝向以南偏西為主。

圖1 研究區域范圍及實景

2.2 實測方法

本次室外熱環境監測設置28 個測點，參數主要包括空氣溫度、相對濕度及風速。由于測點較多且設備有限，實測采用多點流動測試并取平均值的方式。所有測點高度均設置在地面上方1.5 m，沿小區內兩條主要干道分布；且根據街道走向及分類比較，將測點分為A、B 兩組，即A 組測點（A1～A14）沿南北向街道（同三路）分布，B 組測點（B1～B14）沿東西向街道（濟二路）分布（圖2）。由于測點A2處較為開闊，周圍無綠化影響，將其設置為對照點；同時考慮植被因素的影響，設置多處對比測點（即測點間距離較近但綠化狀態不同，如在喬木冠層陰影內與陰影外、草地及臨近的鋪裝上方等），以盡可能保證在其他背景因素相同或相似的狀態下進行比較研究。

圖2 樣本住區熱環境實測點分布

實測時間為2017 年全年4 個不同季節的典型氣象日。根據實測數據分析得知，相較于其他季節，夏季實測數據在熱環境研究中更具研究意義，故本文重點選取夏季典型高溫日（2017 年7—8 月）實測數據進行研究。

3 ENVI-met 理論驗證模型

本研究采用ENVI-met V4.1 模擬軟件。為檢驗軟件在街區尺度上的模擬精度及收斂時長，在進行正式模擬前，需首先確定最適合的邊界條件及垂直網格形式。本節將采用簡化的理論檢驗模型，在保證初始值不變的前提下，分別改變邊界條件及垂直網格尺寸，并分析比較模擬結果的異同，以獲得更佳的模擬設置條件。

3.1 理論驗證模型

研究之初，首先通過理論檢驗模型確定合適的邊界條件及垂直網格形式。簡化后的模型實際尺寸為86 m×94 m（X×Y），各方向單元網格邊長為2 m，其他各項設置參數詳見表1。模型為兩棟高18 m 的正南北向建筑（46 m×18 m），組團中央布置6 m 寬的綠化，綠化與建筑之間為道路。為方便模擬結果的比較，在街區中部設置3 個監控點a1～a3（圖3）。

表1 ENVI-met 模擬數據輸入值設置

圖3 理論檢驗模型平面示意圖及監測點設置

3.2 確定邊界條件

ENVI-met 軟件在設定模擬條件時，有3 種不同的邊界條件（linked boundary condition，簡稱LBC）可供選擇，分別為開式、閉式及循環式。根據檢驗結果（圖4、5），3 種LBC 模擬所耗費的時間基本一致。

圖4 3 種LBC 空氣溫度模擬分布圖（街區橫切面）

（1）從圖4 的溫度模擬分布看，開式邊界與循環式邊界相差不大，而閉式邊界在來風邊界處差別相對明顯，且溫差最高可達1.0℃；除上風向區域外，模型大部分區域溫差可控制在0.34～0.83℃范圍內。這是由于閉式邊界沿來風方向的模擬區域邊界值被復制到旁邊網格，而開式邊界受周邊區域的影響較小。另外，根據圖5 街道中部剖面的風場顯示，3 種邊界條件對模型內部風速影響不大。

圖5 3 種LBC 空氣流速模擬分布圖（街區縱剖面）

（2）通過對模擬結果的數值分析可知，3 種LBC 的模擬計算結果亦比較相似。另外，開式邊界對溫度及相對濕度的控制較好；閉式邊界則有利于模擬風環境；而循環式邊界能夠減少特定案例控制方程的迭代次數，節省計算時間。

經綜合比較，開式邊界受邊界的影響較小，對溫度的控制更好，且適用于溫濕度等易受太陽輻射、下墊面特征等外界條件影響的氣象參數模擬，因此在后續的模擬中，將采用開式邊界。

3.3 確定垂直網格形式

ENVI-met 軟件共有2 種垂直網格形式，即等距式和遞進式。其中，遞進式可以伸縮比（s）數值簡單概括。當s＝0 時，與等距式類似；且s最大不超過20%。本小節將選取5種典型情況進行對比，除等距式外，其他4 種情況以不同的遞進式作為測試（表2）。其中，考慮到近地面網格尺寸盡量小，而遠離地面處需減少網格數量以控制運算量，特增加離地面20 m 以上再遞進的方式。從表2 的數據來看，不同網格形式的模型總高度差別較大；然而比較模擬結果（圖6）發現，模型核心區域的溫度場及風場差異并不大，尤其是不同伸縮比的遞進式結果非常相似。

表2 不同垂直網格形式的離地高度單位：m

圖6 不同垂直網格形式下監測點的空氣溫度及空氣流速

（1）在模型總高度與建筑頂端之間保證足夠距離的前提下，不同的垂直網格形式對溫度場及風場的影響不大，且25 m 高度之上的風速受地面建筑及綠化的影響大大減弱；而等距式在地面上方第一個網格的細分能夠在近地面分析時提供更詳實的數據，保證人行高度（1.4～1.8 m）各項氣候數據的采集。

（2）不同垂直網格形式對空氣溫度的影響明顯，溫度差異較大（溫差最高達1.1℃）；但對風速的影響較弱。雖然各類情況在高度上存在較大差異，但整體溫度及風速數值沿高度方向呈現一致的垂直變化趨勢。

由此可見，在保證足夠模型邊界尺寸的基礎上，等距式及不同伸縮比的遞進式垂直網格對模擬結果的影響均較小，相互之間的相對誤差也都在可控范圍內。但考慮到等距式在近地面的網格細分優勢，本文接下來將優先采用等距網格。

4 熱環境模擬

4.1 模擬對象及參數設置

采用ENVI-met 軟件對樣本住區進行街區尺度模擬，將計算區域的實測數據作為邊界條件輸入，同時設定表面氣流風速為1.5 m/s（地面以上10 m 高度） 的東南向來風，具體參數設定如表3 所示。

表3 ENVI-met 模型邊界條件設置參數

模型運算范圍確定為540 m×540 m，研究區域在水平方向劃分為180×180 個網格（分辨率dx=dy=3 m）。研究區域內的建筑高度為18 m，為保證上部邊界的足夠高度，將模型總高度設置為58.5 m。依據上節對理論驗證模型的分析，選擇等距型垂直網格形式；同時，模型內設置的28 個采集模擬數據的監測點，均根據樣本住區內對應的實測點位置確定。

樣本住區的下墊面包括水泥路面、綠地、廣場鋪裝及建筑瓦面屋頂。其中，綠地主要有以草地為主公共綠地、以梧桐樹等密葉樹為主的道路綠地及以水杉等疏葉樹為主的宅旁綠地（圖7），根據樣本住區實地調研的不同樹種分別進行自定義。

圖7 密葉樹與疏葉樹實景及葉密度指數示意圖

4.2 模擬結果分析

4.2.1 住區溫濕度分布

對樣本住區夏季各典型高溫日的24 h 空氣溫度進行模擬，分析氣溫變化幅度。與日間相比，整個住區在夜間的氣溫變化幅度并不顯著，這表明太陽輻射的存在會增加區域溫差值；而隨著日間不同時段太陽高度角、太陽輻射量的變化，住區整體氣溫變化幅度亦發生顯著變化。當太陽輻射逐漸加強時，住區溫度也在不斷升高，且在15∶00 左右達到一天中的最高值；之后，太陽輻射逐漸減弱，住區氣溫變化幅度也隨之降低。

結合樣本住區在15∶00 的溫濕度模擬分布（圖8、9）可以看出：模擬區域內的喬木集中布置區溫度相對更低，且對比測點中相鄰的綠化區與非綠化區，最大溫差出現在15∶00；同時，綠化區及下風向區域的相對濕度均有所提高，且后者更明顯。

圖8 樣本住區15∶00 時空氣溫度模擬分布圖

圖9 樣本住區15∶00 時相對溫度模擬分布圖

4.2.2 熱舒適與平均輻射溫度

熱舒適評價指標與平均輻射溫度、溫濕度、風速等均相關，其中平均輻射溫度（MRT）反映了周邊壁面的平均表面溫度，對熱舒適影響極大。

從15∶00 的平均輻射溫度空間分布結果（圖10）來看，在住區街道區域內，MRT呈不均勻分布，且分布情況與綠化位置及種類相關。

圖10 樣本住區15∶00 時MRT 模擬分布圖

（1）喬木可顯著減小MRT，相較其他臨近區域，種植有喬木的區域最大降幅高達20℃。

（2）中心綠化與無綠化處的MRT值則差別不大，在住區內屬于數值明顯較高的區域。這是由于開闊的草地雖然能增加局部濕度，但對夏季空氣溫度可能有升溫的反效果，且缺少對直接輻射的干預，因而對人行高度的舒適度無明顯改善。

（3）部分區域雖不在建筑陰影以及樹蔭內，但其MRT值仍比空曠地有一定降幅（低7℃左右）。這說明MRT除了被陰影影響外，還受其他因素影響。對比現狀情況發現，產生降幅的區域正是灌木覆蓋區，由于大部分灌木在1.5 m 高度以下，不會影響人體的直接輻射值，但灌木依然會對人行高度的MRT有降低作用，體現了灌木對熱環境的改善潛力；而對于同一高度，草地并未表現出明顯優勢。

由此可見，綠化調節熱環境的能力會因種類的不同而顯著不同。從模擬數值看，喬木的致涼能力最佳，灌木次之，草地最不明顯。

5 實測與模擬對比

對比分析ENVI-met 模擬與實測結果，可選擇對應測點或多測點平均值進行比較，結果如下。

5.1 空氣溫度及相對濕度

對比不同區域測點（A6、A7、B6、B14）空氣溫度及相對濕度的實測與模擬數值（圖11）可以看出，空氣溫度模擬值與實測值的平均差值在0.6℃以內，相對濕度的平均差值在5%以內，且兩者在日間的差距相對較大。其中：測點A6及B14均在樹下，且后者的實測值與模擬值更為接近；測點A6和A7位于住區主要車行道上，日間實測時不斷有人群、車輛經過，因而實測值的準確性會受到干擾。

圖11 不同區域測點空氣溫度及相對濕度實測值與模擬值對比

中心綠化測點B4～B7距離較近，有不同的下墊面及遮蔽情況，如測點B5位于涼亭下方，測點B6位于開敞的綠地中央。對比這4 個測點的空氣溫度實測值與模擬值（表4），結果顯示：實測值及模擬值的溫度高低排序一致；且實測值中，溫度最高值與最低值的差值較大。究其原因，一部分是由于模型單元網格較大（3 m），測點距離較近的情況下，計算精度會受影響。因此，在重點研究相近測點時，精確細致的網格劃分更有助于提高準確性。

作為居民主要活動場所的中心綠化位于兩條主要道路中間，除住宅旁的小型喬木外，均為開敞的大面積草地。表5 的溫度數據顯示，草地中心區上方的空氣溫度比周邊高約0.4℃，與實測數據相符，進一步證明大片草地并未有明顯的降溫效應，甚至在某些情況下還會導致升溫。另一處街邊游園位于兩條主要車行道交叉口處，被群落豐富的喬木、灌木覆蓋，喬木下方的溫度比草地平均低0.8℃；而該區域在5 m 以下高度為枝葉繁茂的灌木，風速在此被阻擋減弱，溫度普遍比高大喬木下方高0.2℃，MRT值也相差更大。另外，模擬區域東側邊界的圍合庭院以高度在18 m 以上的水杉樹為主，樹下空間較開闊。從模擬結果看，由于半圍合開口朝向來風方向，15∶00 受高溫來風影響，整片區域并未與實測的涼爽感覺全然吻合。因此，若以靠近模型邊界的區域作為研究對象，仍需將附近現存建筑考慮其中，以避免模擬邊界對來風的不當影響。

表5 樣本住區中心廣場、街邊游園及圍合庭院15∶00 的空氣溫度、風速模擬對比

5.2 相關性分析

實測階段共設置28 個測點，模擬則可提取任一網格的氣候數據。采用統計軟件SPSS，對測點所在位置的空氣溫度實測值及模擬數據進行相關性分析。為排除極端數據的影響，取同一測點在夏季典型天氣的平均值進行研究（圖12）。結果顯示：① 空氣溫度的實測值與模擬值存在顯著相關關系（R2=0.727，P＜0.001），數據呈現的趨勢相同、大小基本相符；②兩者空氣溫度的平均差值在0.6 ℃以內，證明了模型預測空氣溫度指標的準確性。偏差的存在可能與實測的準確度有關，也可能是受到不包含在模擬中的其他因素影響，如人為活動、交通熱量釋放等。這表明ENVI-met 模擬對含有綠化要素的室外熱環境各項參數的描述是準確的，可較好地預測室外溫度及相對濕度的分布情況。

圖12 空氣溫度實測值與模擬值相關性分析

6 結語

本文主要是針對上海典型住區的熱環境研究，由于現實環境的復雜性，實地測量過程中會受到多種因素的干擾，如人行、車流及其他潛在要素的影響，因此實測數據是在多種自然及社會因素共同作用下的結果。當研究者需要對某一要素進行深入探究時，實測方法存在不可逾越的局限性；而軟件模擬可人為設定環境特征值，根據需要設計不同案例進行對比，可彌補實測的不足，由此成為微氣候量化研究的有效方法。

本研究在對樣本住區模擬前，先通過理論驗證模型分析，選擇合適的邊界條件及垂直網格形式；后采用SPSS 軟件將得到的模擬結果與實測數據對比，并進行回歸分析。結果表明，二者結果接近，具有顯著相關性，證實了ENVI-met 軟件在室外熱環境模擬方面的可靠性，且該軟件所得的微氣候數據全面、清晰，可為設計決策提供良好依據。在今后的研究中，將致力于提煉綠化的可控要素進行定量分析，進一步對綠化影響熱環境的機制進行研究。