基于ENVI-met的城市公园绿地热舒适度改善策略研究

张芯蕊, 聂庆娟 刘江秀

基于ENVI-met的城市公园绿地热舒适度改善策略研究

张芯蕊, 聂庆娟*刘江秀

河北农业大学园林与旅游学院, 保定 071000

以保定市龙潭公园为研究对象, 在现场实测和ENVI-met软件数值模拟的基础上, 立足于城市公园绿地内部空间热舒适度研究, 深入探讨城市公园绿地空间布局和构成要素对城市热环境的调节作用, 尝试总结并提出城市公园绿地热舒适度的改善策略, 以期为类似尺度公园绿地的规划设计与优化改造提供一定的参考和依据。结果表明: (1)软件模拟结果与实测结果的校验表明, 该模型能够较好的反映出模拟区域的微气候变化情况, 运用该软件有助于对后续获得优化方案以及策略的可信性进行评估和判断。(2)运用数值模拟得到的直观数据, 总结城市公园绿地景观要素(植物、铺装、地形、水体)等与小气候要素的量化关系, 同时建立不同改善预案下的微气候模拟分析研究, 对比分析城市公园绿地热舒适度改善效果, 最终得到城市公园绿地热舒适度改善策略。

微气候; ENVI-met; 城市公园绿地; 热舒适度; PMV

0 前言

随着我国城市化进程不断推进, 更加密集的人类活动对城市景观格局的改造使得城市生态失衡, 微气候恶化现象越来越严重。城市公园作为居民户外活动必不可少的公共绿地与开放空间, 其具有产生特定小气候环境的复杂表面结构, 这一特性对于调节局部地区小气候有着很大功效[1]。近年来, 城市范围中热舒适度的研究, 既有通过相关性分析总结作用机制等基础理论的研究, 也有将不同地域小气候要素所发挥的作用与价值进行科学评价的研究, 并逐渐向将城市气候知识转化为规划实践以及微气候适应性策略的研究上发展[2]。目前, 虽然有关小气候适应性方面的研究成果颇丰, 但针对风景园林热舒适度的研究尚显匮乏, 其中结合地域气候特征, 特别是结合北方地区气候的研究更不多见[3]; 就研究对象而言, 城市公园绿地相较于城市广场、街区这样小尺度绿地的研究仍相对较少, 因此城市公园绿地热舒适度领域尚有很大的研究空间[4]。

风景园林环境与感受的数字化是风景园林客观环境与主观感受之间的桥梁, 是实现风景园林分析评价的理性化途径[5]。本研究以保定市龙潭公园为研究对象, 选择典型的气象日, 在对该公园微气候要素在现场实测和ENVI-met软件数值模拟的基础上, 通过直观的数据来探究城市公园绿地空间布局和构成要素对城市热环境的调节作用, 对未来类似尺度的公园绿地的设计与改造提供新思路和新视角, 此研究顺应气候适应性城市建设的发展趋势。

1 研究区域概况

本文研究对象位于保定市, 保定属于暖温带大陆性季风气候区, 主要气候特点是: 四季分明, 春季干燥多风, 夏季炎热多雨, 雨、热同季, 秋季天高气爽, 冬季寒冷干燥。多年平均气温13.4 ℃, 1月平均气温-4.3 ℃, 不舒适日数呈缓慢增长趋势, 本次研究选区北方城市比较具有研究价值。研究场地为保定市龙潭公园(N38°55′, E115°45′), 该公园位于保定市西部, 富昌路与龙潭路之间, 侯河从公园横穿而过, 占地面积11公顷, 该园景点布局合理, 它的建成填补了保定市西南部无公园的空白, 为居民提供了休闲健身的绿色空间。

2 研究方法

2.1 现场实测

现场实测是研究室外微气候的重要手段, 并且通过实测取得的相关数据, 为后续的软件模拟及理论研究提供验证与依据。本次实测时间选取晴朗无云且无极端天气的典型气象日, 于2019年3月25日6: 00—18: 00, 进行连续12小时的定点观测。本研究采用多功能环境检测仪、数字风速计等仪器进行微气象观测, 测量高度距地面1.5 m, 主要获取温度、湿度、风速等气象数据, 每小时整点记录数据一次, 实测仪器参数见表1。

基于实地调研, 本次实测以代表性和可行性为原则, 对城市公园各空间中使用者的行为活动进行注记式调研, 分析出使用者对不同小气候条件下的场地选择的偏好性, 提起样地实测空间[6]。最终在保定市龙潭公园选取了9个监测点进行气象数据的监测, 监测站点分别为: (1)南门滨水广场, 地表类型为混凝土; (2)东南部大广场地, 下垫面为混凝土; (3)树阵广场, 地表类型为红色透水砖路面, 植物种类为悬铃木; (4)草坪; (5)土山丘; (6)常绿乔木围合广场, 地面覆盖为夯实土地; (7)滨水步道; (8)扇形广场, 下垫面为红色透水砖; (9)乔灌草(各个测点的具体位置参见图1)。同时对龙潭公园内部植被类型和种植情况进行实地调研发现: 常绿乔木中雪松、油松、园柏、白皮松等所占比例较大; 落叶乔木中杨树、国槐、垂柳、悬铃木、紫叶李、刺槐、栾树、白蜡等占比达到70 %以上; 地被植物高度在0.3—0.45 m范围内; 灌木高度在0.7—0.8 m之间, 园中草坪高度均在在0.15 m左右。

表1 实测仪器参数

图1 研究区域总平面图

Figure 1 General plan of the study area

2.2 ENVI-met 模拟

2.2.1 ENVI-met模型量化

ENVI-met是基于对城市环境的高分辨率数值模拟模型, 采用了热力学、流体模拟和植物生理学的最新科学方法, 能够全面考虑空间布局、地表材质、水体、植被覆盖等多种因素, 模拟不同空间小气候环境, 实现了动态耦合分析[7-8]。近年来ENVI-met受到了风景园林、规划等专业研究的重视, 它既有利于指导设计师进行合理的景观设计、营造舒适的室外环境, 又有助于对后续获得优化方案、策略的可信性进行评估和判断。

本文使用ENVI-met4.43学生版对研究场地进行模拟, 为了保证模拟目标区域的边界条件更接近于真实场景模拟范围包含了研究区域以外的的更大区域, 面积为360 m×450 m。在水平方向上设置了125×150个网格, 分辨率为3 m。在垂直方向上, 研究区域内最高建筑的高度Hmax为60 m, 为了消除顶边界效应对模拟结果的影响, 要保证三维模型的上边界高度Z≥2 Hmax, 所以垂直方向上采取等距网格的形式, 共设置40个网格, 分辨率为3 m[9]。将建模范围的CAD图纸以BMP格式导入软件中作为参照, 绘制建筑、下垫面、植被等要素, 同时参考实测点的具体位置, 在研究区域内设置 9 个采集模拟数据的“监视器”(Receptor)[10]。模拟区域的下垫面材质主要分为柏油路、土壤、混凝土路面、透水砖路面(分为黄色和红色)、大理石铺装、等几种情况, 依据公园内的道路及铺装分布, 分别对其进行设定, 最终得到研究区域的模拟模型(见图2)。

在ENVI-met自带的植物数据库中有丰富的simple植物和3D植物的数学模型, 这些数学模型被定义为植物成熟期内不同高度冠层的叶面积密度(LAD)和不同深度的根面积指数(RAD)[11]。但是由于数据库中的树主要来自高纬度地区, 与研究场地植物属性不太相符, 所以为了满足模拟准确性的要求, 基于实地调研, 本研究在数据库中对原有植被数据库进行了更新, 重新建立植物模型[12-13], (具体植物模型及相关属性详见图3)。

2.2.2 ENVI-me模型参数设置

模型主要输入参数包括地理信息、气象条件、土壤条件和模式输出参数等[14]。本研究选取2019年3月25日作为模拟起始时间, 天气晴朗无云, 并且是华北地区春季的典型气象日。模拟的初始气象参数来源于当天现场实测数据, 并以保定市气象站数据作为背景数据, 土壤参数来源于中国气象网(具体的模型参数设置参见表2)。输出参数包括温度、湿度、风向、风速、人体热舒适度、PMV等指标, 模拟时长为 24小时, 由于龙潭公园的使用时间多集中在6: 00—18: 00之间, 因此再该时间段中每隔1小时进行一次数据的输出。

3 结果与分析

3.1 ENVI-met模型精度评价

ENVI-met软件的运用虽然经过多次验证, 但仍然存在因模拟对象、模拟尺度、模拟地域环境不同产生的差异, 同时, 建模是在一定程度上对实际环境的简化, 不可避免的存在一定的差异性和失真性[15]。因此, 本研究在现场实测的基础上对ENVI-met模型精度进行评价, 将软件模拟数据与实测数据进行对比, 校验其差异是否在合理范围内。本文采用RMSE和MAPE两个指标做为实测数值和模拟数值的精度校验指标, RMSE(root-mean-square error)是均方根误差, 它是用来衡量实测值与模拟值之间的偏差, RMSE值越小说明测量的精密度越高; MAPE (mean absolute percentage error)是相对百分误差绝对值的平均值, 可以用其来衡量一个模型预测结果的好坏, 一般认为MAPE值小于10%说明模拟预测精度较高[16]。

图2 ENVI-met模型平面示意图

Figure 2 Plan diagram of ENVI-met mode

图3 ENVI-met植物模型及相关属性

Figure 3 ENVI-met plant model and related properties

表2 ENVI-met 模型参数设置

其计算公式如下:

式中,y为模拟值,y为实测值,为实测次数。

对研究区域9个监测点气象要素的实测值与模拟值进行对比分析(如表图4所示), 在模拟数据中, 各监测点均处于一个相对平滑的波动趋势, 这是因为模拟状态排除了外界其他因素的干扰, 处于一个相对理想的状态。但在实测过程中受当天自然状态下的偶然因素的影响, 使得实测结果波动较为明显, 所以实测值与模拟值不可避免的存在一定的误差, 但依然可以观察到9个监测点的温度、湿度的模拟值曲线和实测值曲线的变化趋势基本一致。温度实测值与模拟值的误差基本控制在1.5 ℃以内, 湿度曲线的实测值与模拟值的拟合程度较好, 误差均控制在3%以内。同时通过对比我们不难发现, 景观遮阳处监测点(R6、R9)相较于暴晒工况下监测点(R1、R2)实测值与模拟值的吻合度要高, 所以软件模拟更加适用于景观遮阳设计因子的模拟。另外本文根据均方根误差和平均绝对百分比误差对实测值与模拟值进行了计算分析(见表3), 温度的RMSE值介于0.65—1.15 ℃之间, MAPE介于3.8—6.3%之间, 湿度的RMSE值介于1.3—2.6%之间, MAPE介于2.2—4.9%之间, 温度及湿度平均绝对百分比误差值均小于10%, 各测点的 RMES 和 MAPE值都在可以承受的范围之内, 说明实测值与模拟值之间的误差较小, ENVI-met模型能较好的预测华北地区城市公园小气候环境。

图4 R1—R9监测点温湿度实测值与模拟值对比

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

3.2 ENVI-met模拟结果分析

3.2.1 温度模拟结果分析

温度是空间舒适性的重要指标, 通过对全日照监测点当日的温度变化情况来看, 16: 00为当日场地温度最高时刻, 且16: 00也是公园一天之中人流量的高峰时段, 因此选取此时段为代表输出研究区域的模拟温度场(如图5所示)。研究区域内行人高度的最大温差为 5.24 ℃, 根据环境温度等级划分, 将研究区域内温度划分为三个等级: 温度22—24.9 ℃为热, 20—21.9 ℃为暖, 18—19.9 ℃为温暖[17]。进一步计算各等级温度面积百分比, 结果显示: 16: 00热区面积达39 %, 均主要分布在空旷广场处和最南端贯穿东西的沥青路面, 以及东南部相对开阔无高大建筑物的区域; 暖区面积达54 %, 主要分布公园植物种植密集的中心区域; 温暖区面积仅达7%, 其主分布在园内西部建筑遮荫的水面之上及北部高大乔木遮荫处, 由此可见, 建筑物阴影和树阴可明显降低环境气温。为对比不同空间的微气候特征, 得到各监测点全白天行人高度的模拟温度(如图6所示), 各监测点在9: 00—12: 00时段的升温速率较为一致, 17: 00—18: 00的降温速率基本相同, 13: 00—16: 00升温速率相差最大。其中不同植物配置形式的空间: R2全日照监测的开场空间(22.5 ℃)>R3树阵广场(22.0 ℃)>R4草坪(21.7 ℃)>R6常绿乔木半围合空间(21.6 ℃)>R9乔灌草配置封闭空间(20.7 ℃), 与全日照监测点R2相比, R6的降温强度为0.9 ℃, R3的降温强度为0.5 ℃, R3的降温强度为0.8 ℃, R9的降温强度为1.2 ℃; 不同水体形式的空间: R1南门滨水广场(22.6 ℃)>R8扇形广场(21.1 ℃)>R7滨水步道(20.8 ℃); 不同地形形式空间: R5土山丘上常绿乔木半围合空间(22.9 ℃)>R6常绿乔木半围合空间(21.6 ℃), R5高三米是全园的最高点, 16: 00其温度相较于其他监测点最大。

表3 R1—R9监测模拟值RMES和MAPE分析表

图5 温度模拟分布图

Figure 5 Simulated distribution of air temperature

3.2.2 湿度模拟结果分析

由图 7 可见, 研究区域内行人高度的最大湿度差为10.33%, 公园的低湿区(湿度<36.5 %)约占研究区区域总面积的35%, 均分布在温度较高的区域, 即园内无建筑和植被遮荫的空旷处等, 较湿润区(>36.5%)的占比65%, 主要分布在湖面四周以及乔木密集的区域, 这是由水体调控和遮荫乔木数量共同作用的结果。值得注意的是, 公园内部的湖区面积虽然较小, 但与周边绿化相比, 表现出高湿现象, 增湿幅度在 1.1%—2.1%左右。为对比不同空间对空气湿度的影响,得到各监测点全白天行人高度的模拟湿度(如图8所示), 可以看出在当天输出时段内, 空气湿度在65%—35%之间变化, 且相对湿度与空气温度分布呈现出明显的镜像关系温度越高湿度越低。R9乔灌草配置封闭空间(40.432%)>R8扇形广场(39.541%)>R7滨水步道(39.081%)>R6常绿乔木半围合空间(38.995%)>R4草坪(37.964%)>R3树阵广场(37.403%)>R2全日照监测的开场空间(36.277%)> R1南门滨水广场(35.655%)>R5土山丘上常绿乔木半围合空间(35.613%)。

3.2.3 风速模拟结果分析

研究区域16: 00 风场分布图如图 9 所示, 当日主导风向为西北风, 最大风速差为5.58 m·s-1, 园内道路、广场以及水面作为风道, 风速较建筑物间及植物群落间明显增大, 研究区西部水面的风速最大, 这是由于峡谷效应作用而形成的大风速区, 建筑物背风面以及植物群落密集区域内风速明显减少, 空气通风较差。根据各监测点风速模拟曲线图(见图10),可看出不同空间模拟风速的微差别, 其中空间相对开敞的区域(R1、R2、R8)风速大于围合程度较高的区域(R3、R4、R5、R9)的风速, 不同的植物配置空间中: 铺装>草坪>乔木+灌木>乔+灌+草, 围合程度越低, 风速越大。

图6 各监测点温度模拟值对比

Figure 6 Monitoring point temperature analog value comparison

3.2.4 热舒适度PMV模拟结果分析

热舒适度是指人在所处小尺度范围的气候环境中感到满意的状态, 在城市小气候的背景下, 热舒适性是描述人们在小气候环境空间中的温度主观体验的关键指标[18]。PMV (Predicted Mean Vote), 即预测平均票数, 是丹麦的范格尔教授基于人体热舒适方程及1396个受试者的热感觉投票结果分析提出的, 用于评价某环境的热舒适性偏离“热中性”环境舒适性的程度[19]。在此基础上ENVI-met 综合考虑空气温度、平均辐射温度、水汽压和风速、服装热阻、人体所消耗的能量等因素计算出来的可以表征室外人体舒适度的PMV 数值[20]。一般而言, PMV指标采用7级分度, 等级在-3(冷)到＋3(热)之间, 其中0为舒适值[21]。本文根据表征人体热反应的评价指标PMV对研究区域的热舒适度进行分析, 由图13输出的16: 00时行人高度 PMV分布图可见, 建筑物背阳面、植物遮荫处以及水面附近 PMV 值较小, 其中R4、R6、R7、R9测试点的PMV指数偏向-1, 热感觉评价为微凉; 而R1、R2、R3、R5点的PMV指数趋于0, 处于一个相对舒适的状态, 其中R7的热感觉评价最差, R1的热感觉评价最优, 同一时次 PMV 最大与最小值的差值为1.01。

图 7 湿度模拟分布图

Figure 7 Simulated distribution of humidity

图 8 各监测点湿度模拟值对比

Figure 8 Monitoring point humidity analog value comparison

图 9 风速模拟分布图

Figure 9 Simulated distribution of wind speed

图 10 各监测点风速模拟值对比

Figure 10 Monitoring point wind speed analog value comparison

图 11 PMV 模拟分布图

Figure 11 Simulated distribution of PMV

图 12 各监测点16:00 PMV值对比

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

3.3 不同改善预案下的微气候模拟分析研究

基于研究场地现状情况, 针对不同改善目的的预设方案进行了微气候模拟分析, 加上现状绿地布局, 形成了4种不同的绿地布局方案, 对比分析各方案的热舒适度改善效果。方案一为无植被、方案二为地被+灌、方案三为基于现状分析后的改善方案。其中方案三是前期在对研究场地现状的小气候模拟分析后, 得到该区域内热舒适度需要进行改善的空间, 对于热舒适度稍差空间, 利用植物的空间围合和空间划分的方式进行重新设计, 丰富乔灌草的搭配, 构成不同的围合方式。在北部较为开阔的空间种植高大的常绿乔木, 来加大围合程度, 使增湿、挡风效果明显。同时根据风向重新设计地形的高度与位置, 以起到挡风的作用, 在一定程度上加大乔木的种植间距, 形成良好的小气候循环。在南部热舒适状况良好的空间, 增设较多的活动空间, 来改善热舒适度体验。

图13、图14和图15分别是三种方案16: 00的热舒适度模拟分布图, 从图可以看出,无植被方案较舒适区域占全园的10%, 地被+灌木方案同一时次占20%, 两方案的热舒适度改善效果均不如现状布局, 而改善方案的热舒适度范围相较于现状明显扩大。如图16所示, 16: 00各方案全园的热舒适度平均值: 改善方案(-0.372)>现状(0.534)>地被+灌木(-1.105)>无植被(-1.21)。由此可以看出乔木对场地热舒适度的调节作用尤为明显, 灌木和地被的热舒适度的调节有一定的影响, 但不明显, 而在经过景观更新设计后, 原本的相对不舒适空间的热舒适体验得到了很大程度的改善。

4 讨论

本文基于对ENVI-met模型进行精度评价的前提下, 对研究区域进行微气侯效应的模拟分析, 最终得到以下结论:

采用RMSE 和MAPE 这两个指标对ENVI- met 模型精度进行评价, 结果表明, 其模拟精度较好, 各监测点的 RMES 和 MAPE值都在可以承受的范围之内, 与实地观测结果较吻合, ENVI-met能较好的预测华北地区城市公园小气候环境, 运用该软件有助于对后续获得优化方案以及策略的可信性进行评估和判断。

城市公园绿地热舒适度改善策略: 1)植物的栽植对于调节城市热环境起着至关重要的作用, 植物群落的微气候效应使得公园绿地在城市中的冷岛效应尤为明显[22]。树形不同对热环境产生不同的调节效果, 伞形树冠的遮阳效果明显, 同时有利于空气流动; 塔形树冠阻碍空气流动, 挡风效果明显。2)在合理选择树种的基础上, 要适当丰富乔灌草的搭配, 构成丰富的围合方式。围合程度越高降温、增湿、挡风效果更明显, 为满足不同季节热舒适度的需求, 可采用复合式遮荫的形式, 夏季采用顶部遮荫及单侧遮荫使空间降温效果更明显, 冬季选择落叶树种围合进行透阳增温, 从而产生夏季封闭遮荫, 冬季开场通透的效果。3)铺装材质以及铺砌方式的不同对于局部地区小气候的调节具有一定的影响[23]。由以模拟分析可知, 不同地表下垫面材质的地表温度: 水体>肥沃土壤>草坪>铺装材料, 可以根据材质的比热容对铺装材料进行选择, 一般情况下, 橡胶>沥青>木材>砖类>混凝土>大理石>花岗岩。从铺砌方式方面考量, 在大面积的铺装广场设计中, 建议预留一定宽度的缝隙或者裸土位置栽植植物, 尽量减少不必要的铺装面积。4)水体对小气候的降温增湿效果明显, 从水体的形式出发, 景观水体动静水结合的形式, 温暖炎热的季节进行喷涌, 寒冷凉爽的季节尽量减轻蓄水对周围环境的降温作用。合理设置景观节点朝向, 增加景观空间的绿化量和水体面积, 设置热缓冲带。

图 13 无植被

Figure 13 No vegetation

图 14 地被与灌木

Figure 14 Grass and bush

图 15 改善方案

Figure 15 Improvement plan

图 16 PMV平均值对比

Figure 16 PMV mean comparison

在试图将城市环境作为一个有机整体进行模拟的欲望驱动下, ENVI-met这样一个基于客观科学方法的小气候模拟软件被开发出来, 这种超越直觉和假设的方式使预测和规划解决方案成为可能。这种通过试验与计算技术相结合的方法, 让我们更为便利和现实地去解析景观对微气候的动态影响, 这与风景园林专业知识更加契合。通过风景园林小气候热舒适度研究, 使风景园林规划设计理论通过不断的量化研究将学科的科学性得到了加强, 将应对环境问题的被动规划方式转变为高屋建瓴的主动调节, 使我们的方案提升到一个新水平。

[1] 胡承江, 李雄. 全球气候变化背景下风景园林的发展[C]//中国风景园林学会2011年会论文集(上册), 2011: 4.

[2] 刘滨谊, 彭旭路. 城市街道小气候舒适性研究进展与启示[J]. 中国园林, 2019, 35 (10): 57–62.

[3] 史军, 梁萍, 万齐林, 等. 城市气候效应研究进展[J]. 热带气象学报, 2011, 27 (6): 942–951.

[4] 庄晓林, 段玉侠, 金荷仙. 城市风景园林小气候研究进展[J]. 中国园林, 2017, 33 (4): 23–28.

[5] 刘滨谊. 风景园林视觉感受量化评价的客观信息转译原理[J]. 中国园林, 2015, 31 (7): 6–9.

[6] 陈雅馨. 基于小气候实测的风景园林空间适宜性改善策略研究[D]. 西安: 西安建筑科技大学, 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] 杨玉锦. 数值模拟工具在城市微气候研究领域的应用情况综述——以ENVI-met软件为例[C]//中国城市科学研究会、深圳市人民政府、中美绿色基金、中国城市科学研究会绿色建筑与节能专业委员会、中国城市科学研究会生态城市研究专业委员会: 北京邦蒂会务有限公司, 2019.

[9] 劳钊明, 李颖敏, 邓雪娇, 等. 基于ENVI-met的中山市街区室外热环境数值模拟[J]. 中国环境科学, 2017, 37(9): 3523–3531.

[10] 黄丽蒂, 王昊, 武艺萌. 基于ENVI-met模式的某高校教学区室外微气候模拟与分析[J]. 节能, 2018, 37(10): 12– 18.

[11] 方小山. 亚热带湿热地区郊野公园气候适应性规划设计策略研究[D]. 广州: 华南理工大学, 2014.

[12] 刘之欣, 谭广文, 赵立华. ENVI-met乔木建模简化方式探究——以细叶榕Ficus microcarpa为例[J]. 广东园林, 2018, 40(1): 83–87.

[13]卫笑, 郝日明, 张明娟, 等. 树冠空间结构对微气候影响的模拟[J]. 浙江农林大学学报, 2019, 36(4): 783–792.

[14] 王婷, 陈小芮, 章家恩, 等. 广州市老旧小区不同绿化改造方案对微气候环境影响的ENVI-met模拟研究[J]. 华南农业大学学报, 2019(4): 1–8.

[15] 方小山, 王平清, 乔德宝. 基于ENVI-met模拟的顺德清晖园布局通风设计要素研究[J]. 城市建筑, 2018(33): 69–76.

[16] 张峻. 西安含光路街谷夏季小气候ENVI-met模拟方法研究[D]. 西安: 西安建筑科技大学, 2017.

[17] 王一, 王溯凡. 街区式商业综合体外部空间热舒适性研究[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. 湿热地区城市居住区热环境舒适性评价及其优化设计研究[D]. 广州: 华南理工大学, 2017.

[20] 李笑寒, 胡聃, 韩风森, 等. 高层住宅小区建筑形态对微气象影响研究[J]. 生态科学, 2018, 37(1): 178–185.

[21] 卢薪升, 杨鑫. 基于ENVI-met软件小气候模拟与热舒适度体验的城市更新研究——以北京石景山北辛安地区为例[J]. 城市发展研究, 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 microcli­mate[J]. Sustainable Cities and Society, 2019, 51: 1–9.

[23] 段文嘉. 西安城市公园绿地小气候实测分析[D].西安: 西安建筑科技大学, 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

张芯蕊, 聂庆娟, 刘江秀. 基于ENVI-met的城市公园绿地热舒适度改善策略研究[J]. 生态科学, 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

河北省引进留学人员资助项目(C20190338)

张芯蕊(1995—), 女, 河北保定人, 硕士, 主要从事风景园林学研究, E-mail: 2339347855@qq.com

聂庆娟, 女, 博士, 副教授, 主要从事风景园林学研究, E-mail: 32828911@qq.com