EN中文

热带地理 >

2023 , Vol. 43 >Issue 2: 330 - 342

DOI: https://doi.org/10.13284/j.cnki.rddl.003634

城市地理

基于绿地微气候的长沙太平街历史文化街区热环境数值模拟

  • 熊鹰 , 1, 2 ,
  • 章芳 , 3 ,
  • 李亮 2 ,
  • 尹建军 1
展开
  • 1. 黄冈师范学院 地理与旅游学院, 湖北 黄冈 438000
  • 2. 长沙理工大学 建筑学院, 长沙 410076
  • 3. 湖南工程学院 建筑工程, 湖南 湘潭 411104
章芳（1989—），女，湖南益阳人，硕士，主要研究方向为城市人居环境研究，（E-mail）。

熊鹰（1977—），男，湖南汉寿人，教授，博士，主要研究方向为城镇化生态环境效应、人居环境可持续发展，（E-mail）；

收稿日期: 2022-10-17

  修回日期: 2022-11-21

  网络出版日期: 2023-02-28

基金资助

国家自然科学基金项目(U21A2010)

长沙理工大学土木工程重点学科创新性项目(17ZDXK02)

收起

Numerical Simulation of Thermal Environment in the Historical and Cultural District of Taiping Street Based on Greenbelt Microclimate

  • Ying Xiong , 1, 2 ,
  • Fang Zhang , 3 ,
  • Liang Li 2 ,
  • Jianjun Yin 1
Expand
  • 1. College of Geography and Tourism, Huanggang Normal University, Huanggang 438000, China
  • 2. College of Architecture, Changsha University of Science and Technology, Changsha 410076, China
  • 3. School of Architectural Engineering, Hunan Institute of Engineering, Xiangtan 411104, China

Received date: 2022-10-17

  Revised date: 2022-11-21

  Online published: 2023-02-28

Fold

本文亮点

以长沙太平街历史文化街区为研究对象，首先对街道空间的现状微气候环境做分析，然后基于ENVI-met软件进行数值模拟，并将研究区3种典型的街道空间的绿化优化方案的微气候数值模拟结果与基准方案的差值进行比较，进而阐释绿化优化方案的热环境调控程度。结果表明：1）随着太阳辐射逐时的变化，研究区域的热环境状况发生较大变化，在水平空间分布上呈“高温低湿”“低温高湿”特征。2）热环境质量与下垫面状况、风环境和建筑布局等因素的有关。3）3种街道空间提高街区绿地面积均可大幅降低街区平均辐射温度，乔灌+立体（水体）复合型绿地类型的热环境优化调控作用在白天均要优于乔灌、乔草方案。在绿地率一定的情况下，商业空间绿地布局中由于绿化均匀分散布局产生的树荫面积覆盖街道空间的范围最大，热环境优化调控程度的排序为分散>平行>集中，而居住空间和广场空间受建筑布局影响，绿地布局在降温增湿同时应兼具良好通风效应，因此热环境优化调控程度最大为集中布局。

本文引用格式

熊鹰 , 章芳 , 李亮 , 尹建军 . 基于绿地微气候的长沙太平街历史文化街区热环境数值模拟[J]. 热带地理, 2023 , 43(2) : 330 -342 . DOI: 10.13284/j.cnki.rddl.003634

Highlights

This study used the historical and cultural block of Taiping Street in Changsha as the research object. First the current microclimate environment of the street space was analyzed, then numerical simulations based on ENVI-met software were performed, which compared the microclimate numerical simulation results of three typical greening optimization schemes of the street space in the study area and the benchmark scheme, as well as explained the degree of thermal environment control of the greening optimization scheme. This study is expected to provide a reference for the reconstruction of urban historical blocks as well as optimization and control of the thermal environment. The results showed that: 1) With an hourly change in solar radiation, the thermal environment changed considerably, and the horizontal spatial distribution was characterized by "high temperature and low humidity" and "low temperature and high humidity." Thermal comfort is related to the underlying surface conditions, wind environment, building layout, and other factors. The low temperature and high humidity of the area with relatively concentrated green space along street spaces had a slow-release effect on the thermal environment. The ventilation effect of the area with the dense building layout was poor, and the thermal radiation of the underlying surface was high, affecting the heat dissipation and humidification in the research area. 2) The enclosed space layout of buildings in the study area caused building shadows and poor ventilation to affect the green space, which was not conducive for cooling and humidification. 3) Three types of greening transformation schemes were proposed for the street spaces of three different architectural layouts in the historical block of Taiping Street. The three kinds of street space green space optimization and benchmark schemes (the current street space situation) were simulated using ENVI-met microclimate simulation software. Optimization results showed that the same greening optimization scheme had different regulatory effects on the thermal environment in different building layouts. The three kinds of street spaces significantly reduced the average radiation temperature of the block by increasing the greening area of the block. The optimal regulatory effect of the thermal environment of the tree-shrub+three-dimensional (water) compound green space type was better than that of the tree-shrub and tree-grass scheme in the daytime. Under a certain green space ratio, the area of shade generated by the uniform and decentralized layout of green space in a commercial space covered the largest range of street space. The order of the degree of thermal environment optimization and control was decentralized>parallel>centralized. The residential and square spaces were affected by the architectural layout, and the green space layout should have good ventilation, cooling, and humidification effects; therefore, the maximum degree of thermal environment optimization and control is the centralized layout.

随着城镇化进程的快速发展和人类活动的显著影响，城市规模的扩张使下垫面状况及土地覆被发生改变、城市不透水面增长，导致潜热通量减小和显热通量增加，城市热环境问题日益显著。对于许多依托城市历史文化街区逐步形成及扩展的城市，其城市历史文化街区往往处于城市中心地段，城市热环境问题将直接影响历史文化街区的人居环境质量，进而对历史文化遗产产生不可逆的危害（Cai et al., 2011）。
绿地或植被与水体的空间组合形式是缓解城市热环境的一种有效手段（何咪，2022；刘春亭，2022）。如Michael等（2020）评估了绿色空间对尼日利亚哈科特港热环境的影响，发现绿地对城市热环境具有较好的缓解作用，当城市绿地面积增加至28.67 hm2或以上，可确保达到较强的绿地冷却强度效应，且近圆形的绿色空间能产生更强的喷气效果。Dos等（2017）利用单一窗口算法评估了巴西维拉为哈热环境的时空分布，发现通过采取措施指导城市中心区的城市森林规划，可以降低城市地表温度。Ashley等（2017）通过评估宾夕法尼亚州中部地区的热岛效应，发现城市离河流的距离每增加1 000 m，河水温度会根据季节降低0.3~0.6℃。对于街区尺度下热环境与微气候的研究，近年来成果较多。如韩雪梅（2019）从道路开敞空间、绿地开敞空间因素对同座城市4个不同街区进行对比研究，认为微气候环境差异的主要原因在于绿地开敞空间环境效应的优劣。杨云源等（2013）基于多源数据从街区尺度对昆明市连片建筑区、住宅小区和城中村的热环境进行了对比研究，发现景观绿化较好的住宅小区地表温度均值要低于其他区域。常鑫悦（2022）根据街区空间形态指标对热环境的正负影响关系，通过对比街区空间优化模拟方案，从而确定最佳街道空间优化方案。彭翀等（2016）从微气候角度针对于具体历史街区进行改造设计，并结合模拟软件对设计方案进行验证。阳金辰（2017）对四合院空间的微气候进行模拟研究，总结其微气候特点和适宜的建筑比例和改造方式。
现有研究中绿地与水体缓解城市热环境的大多是基于城市宏观尺度，而对于街区尺度下城市街道空间的热环境改善措施较多基于建筑空间形态的改造，以获得良好通风，但这可能会对历史街区现状空间环境造成较大破坏。由于绿地能降低温度、增加湿度、减缓地表风速，具有调节局部微气候的能力（戚鹏程 等，2012；秦文翠 等，2015；吴思佳 等，2019），能对历史文化街区周边热环境效应起有效的调控作用。当前，探究绿地系统与热环境之间的相关性和影响机制，以科学指导绿地建设或改造，逐渐成为研究热点（戴金，2016）。
因此，本文以长沙市太平街历史文化街区为研究对象，通过开展不同街道空间绿地优化方案的数值模拟，探讨历史街区绿地微气候对热环境效应的调节效果，以期为提升城市历史文化街区可持续的宜居环境提供科学依据。

1 数据来源及分析方法

1.1　微气候实地测量

本研究区域范围为太平街历史文化街区，占地约12.57 hm2，用地类型以居住用地为主，居住密度偏高、人居环境质量较差。根据空间的使用功能和建筑布局的围合方式，选择商业、居住、广场3种不同使用功能的典型空间进行微气候测量。其中，商业空间建筑三面围合且静风时长多，下垫面以硬质铺装为主；居住空间两边建筑平行围合，建筑密集影响街道内部热量的散热增湿；广场空间景观类型单一为草坪，调节周边热环境效应程度低。选取1和4为广场空间测试点，2为商业空间测试点，3为居住空间测试点（图1）。
图1 热环境实测点分布

Fig.1 Distribution of thermal environment

选择长沙天气较湿热的5月份即2020-05-02，对太平街历史文化街区微气候进行现场实测，当天天气晴朗微风、少云、无降水，且测试日前后两天均天气晴朗，天气状况稳定，测试时间从T 09:00－18:00共计10 h。为保证测试数据结果稳定，将T 07:00－09:00的测试数据作为参考。在4个测试点分别设置温湿度记录仪、风速测量仪每隔1 h观测，对取点位置上方1.5 m处的温度、相对湿度以及风速气象数据进行记录，同时记录当天气象站官方数据，为后续的对比分析、校验提供数据基础。测试空气温湿度、风速等微气候变量，为研究区绿地微气候现状和热环境效应的数值模拟收集气象数据。

1.2　微气候数值模拟

ENVI-met模型是德国Michael Bruse（University of Mainz, Germany）和Fleer团队开发的微气候模拟软件，综合微气候各种影响因素，引入了绿化对光、热、风、污染物等环境因子的影响，已成为现有被验证最多的微气候模型，被广泛用于研究植物和热环境的关系。
本研究采用的版本为ENVI-met V4.4，ENVI-met数值模拟包括计算模型构建与参数设定2个基本步骤：
1）对运转模型所需的地物数据进行确认，气象参数设定是基于实测或气象站数据设定，边界参数设定主要是下垫面和建筑的热工属性。研究核心区域面积达到125 700 m2，其形状接近于正方形，构建模型是为更贴近与研究区域的实际情况，从而提高模型运算的准确性，模型运算范围确定为：360 m×364 m，并将研究区域在水平上划分为90×91个网格（分辨率dx =4 m，dy =4 m），在模型附近设置5个嵌套网格。为保证研究区域模拟结果的有效性，模型的上边界高度需＞156 m（研究区最高建筑78 m的2倍），所以垂直分辨率dz =5 m。将360 m×364 m建模范围的建筑轮廓（数据来源于中国科学院资源环境科学数据中心http://www.resdc.cn/）以BMP格式导入软件作为参照，同时基于现场调查资料构建研究区计算模型，绘制建筑、下垫面、植被等要素。建筑材料设置为默认材料，根据实际调研在相应位置设置土壤、沥青、青石板、灰色瓷砖等类型下垫面，行道树以10和15 m乔木为主，草地设置为默认的50 cm×50 cm的glass，并根据地块实测位置在模型相应位置设置采集模拟数据的监测点位置（郑子豪 等，2016）。
2）数据参数设定主要来源于实地测量数据和气象站观测数据和相关国家规范标准。太平街所处位置大致为28°11′24″N，112°57′36″E。模拟时间设置为长沙湿热天气的2020-05-02，从T 09:00－18:00共10 h。将实地测量数据及气象站观测数据的空气温度、相对湿度、平均风速、风向等数据作为初始输入数据（粗糙长度为0.1和2 500.0 m高度的含湿量采用默认值）。
ENVI-met的植物模型利用三维植物建模工具对每层的叶面积密度（Leaf Area Density, LAD）设定。建筑材料热物物理性能参数基于《夏热冬冷地区居住建筑节能设计标准》（JGJ134-2010）（中国建筑科学研究院，2010）和《民用建筑热工设计规范》（GB 50176-93）（中国建筑科学研究院，1993）确定，民用建筑室内温度设为恒定26℃，墙体导热系数设置为1.5W/（m2·K），反射率为0.4，屋顶导热系数设为1.0W/（m2·K），反射率为0.3；土壤初始温度和湿度设置参考《湖南省地面累年值数据集（1981—2010年）》 1。模型边界条件具体参数值见表1所示。
表1 ENVI-met模型边界条件设置参数

Table 1 Setting parameter of the ENVI-met model's boundary condition

类型 输入参数 参数值

气象

参数

 初始风向 180°（正南风）
风速（10 m） 2.1 m/s
粗糙长度 0.1
初始空气温度 29℃
空气含湿率（2 500.0 m） 7 g/kg
相对湿度 51%
云量 0
植物 乔木平均高度、平均叶面积密度 10.0 m、0.75 m2/m³
灌木平均高度、平均叶面积密度 1.0 m、2.35 m2/m³
草坪平均高度、平均叶面积密度 0.2 m、2.00 m2/m³
建筑 室内温度 26℃
墙体平均传热系数、平均反射率 1.5W/（m2·K）、0.4
屋顶平均传热系数、平均反射率 1.0W/（m2·K）、0.3
土壤 表层初始温度、湿度（0~20 cm） 304.66 K、50%
中层初始温度、湿度（20~50 cm） 305.69 K、60%
深层初始温度、湿度（>50 cm） 305.99 K、60%

1.3　绿化优化方案设计

在建筑布局形式不变的情况下为发挥绿地空间降温增湿的最大效应，对3种街道空间分别提出绿化优化方案，并利用ENVI-met微气候模拟软件对基准方案（街道空间现状）和3种街道空间的绿化优化方案进行模拟。绿化优化方案是从绿地的面积、类型、布局进行设计。绿地面积方案是在各空间设置30%、50%、100%绿地面积3个对比模型，其中植物模型为Tree 10 m very dense乔木模型；绿地类型方案是在商业空间和居住空间设置乔草、乔灌、乔灌+立体绿化对比模型，在广场空间设置乔草、乔灌、乔灌+水体对比模型，其中乔灌模型是将乔草模型的草地替换为灌木，立体绿化是增加墙面立体绿化；绿地布局方案为分散（均匀分布）、平行、集中布局3种对比模型，3种模型的绿地面积保持不变，只对布局形式进行变化。

2 结果分析

2.1　数值模拟分析

由空气温度数值模拟水平空间分布（图2）可知，商业空间和居住空间由于建筑密集且下垫面为不透水的硬质铺装，吸收太阳辐射量较多，升温较快，易形成“热岛”区域，而南入口处草坪与高大乔木组合的开敞空间易形成“冷岛”空间。
图2 基准方案不同时间点空气温度空间分布

Fig.2 Spatial distribution of air temperature at different time points

由风速风向空间分布（图3）可知：研究区域以太平街为界，东西两侧建筑区域由于建筑物密集，通风质量不佳，风速明显减小，太平街为两侧建筑物的峡谷地带，而且其走向与模拟当日主导风向一致，形成风速较大的“峡谷风”，环境通风质量优于两侧建筑区域。3个不同空间内部的风速存在明显差异，南北入口的广场空间白天都处于风速较大的状态，商业空间和居住空间白天风速较低，接近静风状态。商业空间和居住空间的建筑布局是围合形式，导致该空间内部风速为微弱的无风状态，而以绿地为主的广场空间风场强大，空气流动较快，特别是南入口种植较稀疏的乔木和以草皮为
图3 基准方案不同时间点风速风向空间分布

Fig.3 Spatial distribution of wind speed and direction at different time points

下垫面的开敞空间，气流方向更明显。
由于受建筑遮挡和通风效应的影响，4个测试点的相对湿度值存在明显变化，但研究区域相对湿度空间分布格局变化不大（图4）。由模拟结果可知，广场空间南入口绿地相对湿度在白天都处于高值，对周围区域有较好的增湿效应。研究区大部分区域由于通风质量较差，巷道狭窄和建筑遮挡使空气水分蒸发较均匀，整体分布格局变化不大。从白天4个时间点相对湿度空间分布看，街区3个空间的相对湿度值从大到小依次为广场空间、居住空间、商业空间。
图4 基准方案不同时间点相对湿度空间分布

Fig.4 Spatial distribution of relative humidity at different time points

2.2　模型验证分析

由模型的模拟值与实测值的线性拟合结果（图5）可知：相对湿度决定系数斜率为0.901 8、R 2=0.798 2，风速决定系数斜率为0.702 4、R 2=0.562 6，空气温度决定系数斜率为0.821 5、R 2=0.940 7，通过R 2值可知，相对湿度、风速、空气温度的模拟值与实测值虽然存在一定误差，但整体上模拟结果与实测比较吻合，说明该模型可以较好地模拟研究区域内微气候状况。
图5 模拟值与实测值线性拟合

注：模拟值和实测值样本点为研究区4个测试点T 09:00—18:00相对湿度、风速、空气温度值。

Fig.5 The simulated values and the measured values are linear fitted

虽然拟合结果表明模型在预测太平街历史文化街区的绿地微气候方面具有一定的可信度，，但仍需对结果进行误差分析，以进一步验证模拟结果可信度。运用误差平方根值（Root-Mean-Square Eror, RMSE）和平均绝对百分比误差（Mean Absolute Percentage Error, MAPE）判断结果的有效性，计算公式为：
R M S E = ∑ i = 1 n ( y i ' - y i ) 2 n
M A P E = 100 % n ∑ i = 1 n y i ' - y i y i
式中： y i '为模拟值； y i为实测值； n为样本数；RMSE用以衡量观测值同真实值之间的偏差，其值为0%时是完美模型，误差越大，该值越大。MAPE通过百分比衡量模型预测结果的可信程度，其值为0%时是完美模型，＞100%表示劣质模型。
表2显示，相对湿度、风速和空气温度3个指标存在一定误差，但RMSE、MAPE均在误差允许范围内。其中，相对湿度和空气温度的MAPE值较小，表明模拟的有效性较好，而风速模拟的有效性一般，这是由于实测风速记录为瞬时风速，风速变化较大，与模拟值存在一定差异。上述分析说明模拟结果在误差的有效范围内，且已有研究（Winston et al., 2011; Zlch et al., 2016; Pastore et al., 2017）证实ENVI-met软件在街区尺度的微气候数值模拟中最适宜，因此，本文构建的模型能较好地预测历史街区的微气候环境。
表2 模型验证数据

Table 2 Model validation data tables

指标 RMSE MAPE/% R 2
相对湿度 1.174 5% 1.56 0.798 2
风速 0.560 9 m/s 46.84 0.562 6
空气温度 1.223 2℃ 3.30 0.940 7

2.3　不同空间热环境效应优化结果分析

2.3.1　商业空间热环境优化模拟分析

对三面建筑围合的商业空间基准方案和3种绿地面积优化方案的空气温度、相对湿度、人体热舒适度（PMV）进行模拟，并将基准方案与各绿地面积优化方案的差值结果进行统计（图6-a），可以看出：3种绿地面积方案与基准方案的空气温度差值在午后的降温幅度明显大于上午，100%绿地面积方案在T14:00降温效果是T 09:00的3倍左右。午后空气温度差值较平稳，而相对湿度差值和PMV差值在上午处于下降状态，下午较平稳。与基准方案相比，3种提高绿地面积的方案对商业空间热环境效应有一定的改善作用。100%绿地面积方案降温增湿及改善人体热舒适度（PMV）效果最强，50%绿地面积方案次之，而30%绿地面积方案效果最弱。
图6 商业空间不同绿地面积（a）、类型（b）和布局（c）模型分别与基准模型白天微气候差值

Fig.6 Difference of daytime microclimate between different green area(a), space (b), and layout (c) models and

a）绿地面积 b）绿地类型 c）绿地布局

baseline models in the commercial space

对比商业空间乔草、乔灌、乔灌+立体3种绿地类型方案与基准方案各时间区间微气候的差异，结果显示，3种不同绿地类型空气温度差值、相对湿度差值及PMV差值变化趋势一致（图6-b）。T 09:00—11:00空气温度差值、相对湿度差值及PMV差值较大，说明相比基础方案，3种绿化方案的降温增湿及改善热舒适性的作用较大，这是由于此时受到建筑阴影的遮盖和太阳辐射短波较弱等的综合作用；T 11:00—14:00随着太阳波辐射量的增大，各差值也存在波动；T 14:00，3种方案的相对湿度差值均存在较大波动，说明T 14:00绿地发挥较大增湿作用；T 15:00—18:00，不同绿地类型之间的空气温度差值和PMV差值变化趋势较缓，而相对湿度差值呈下降趋势。与基准方案相比，3种绿地类型方案对商业空间微气候环境改善效果各有不同，乔灌+立体的方案改善效果最好，乔灌方案次之，乔草方案最差。
对比商业空间分散、平行、集中3种绿地布局方案与基准方案各时间区段微气候的差异，结果显示，3种不同绿地布局除分散布局的空气温度差值波动较小外，其他布局的空气温度差值、相对湿度差值及PMV差值呈较一致的下降趋势。在时间动态上，T 09:00—12:00，3种布局方案的空气温度差值、相对湿度差值及PMV差值都较大，说明3种绿化方案在此时的降温增湿及改善热舒适性的作用较大，且分散布局方案的空气温度差值逐渐增大，这是由于分散布局形成的树荫面积较大，对太阳光照形成有效遮挡，从而减少街道空间太阳辐射接收的热量并降低近地面空气温度。午后随着太阳波辐射量增大，各差值也存在波动，T 14:00，3种布局方案的相对湿度差值均存在较大波动。T 15:00—18:00，3种布局方案的空气温度差值变化呈下降趋势，PMV差值变化趋势较平稳。与基准方案相比，3种绿地布局方案对商业空间微气候环境改善效果各不相同（图6-c），其中，绿地分散布局方案改善效果最好，平行布局方案次之，集中布局方案最差。

2.3.2　居住空间热环境优化模拟分析

对两边建筑平行围合居住空间基准方案和3个绿地面积优化方案的空气温度、相对湿度、人体热舒适度（PMV）进行模拟，并将基准方案与各绿地面积优化方案的差值进行统计（图7-a），3种绿地面积方案的空气温度差值在T 12:00前随着太阳辐射的增强处于逐渐升高趋势，在T 12:00处于最高值，下午趋于稳定。相对湿度差值在T 11:00前逐渐上升后缓慢下降，在午后趋于稳定，最高值出现在T 11:00。而PMV差值整体趋势较平稳。与基准方案相比，3种提高绿地面积的方案对居住空间热环境效应有一定的改善作用。100%绿地面积方案降温增湿及改善人体热舒适度（PMV）效果最强，50%绿地面积方案次之，而30%绿地面积方案效果最弱。整体上，100%绿地面积方案降温增湿效应是30%绿地面积方案的3倍左右。
对比居住空间乔草、乔灌、乔灌+立体3种绿地类型方案与基准方案各时间区段微气候的差异，结果显示，3种不同绿地类型空气温度差值、相对湿度差值及PMV差值变化趋势一致。T 09:00—12:00，空气温度差值、相对湿度差值及PMV差值均有较大波动，空气温度差值、相对湿度差值随着太阳辐射的增强逐渐上升，在上午达到峰值后逐渐下降，而PMV差值一直处于逐渐下降状态；T 12:00至T 18:00，不同绿地类型之间的三者差值变化趋势较缓。与基准方案相比，3种绿地类型方案对居住空间微气候环境改善效果各有不同，在白天时间区段内乔灌+立体方案改善效果最好，乔草方案次之，乔灌方案最差（图7-b）。
对比居住空间T 09:00—18:00内分散、平行、集中3种绿地布局优化方案与基准方案各时间区段内微气候的差异，结果显示，3种布局方式的空气温度差值、相对湿度差值及PMV差值波动趋势整体较一致（图7-c）。在时间动态上，T 09:00—12:00，空气温度差值一直处于上升趋势，相对湿度差值分散和集中布局均出现波动，平行布局形式呈下降趋势，PMV差值也是趋于下降。T 12:00至T 18:00，3种绿地布局之间的各差值整体趋于稳定趋势。与基准方案相比，3种绿地布局方案居住空间热环境优化调控程度的排序为集中>分散>平行。
图7 居住空间不同绿地面积（a）、类型（b）和布局（c）模型分别与基准模型白天微气候差值

Fig.7 Difference of daytime microclimate between different green area(a), space (b), and layout (c) models and baseline models in the residential space

a）绿地面积 b）绿地类型 c）绿地布局

2.3.3　广场空间热环境优化模拟分析

对开敞面积较大的单边建筑围合的广场空间基准方案和3个绿地面积优化方案的空气温度、相对湿度、人体热舒适度（PMV）进行模拟，并将基准方案与各绿地面积优化方案的差值结果进行统计（图8-a），结果显示，3种绿地面积方案与基准方案的空气温度差值、相对湿度差值和PMV差值波动趋势较一致，在上午时段波动较大，下午趋势较平稳。上午随着太阳高度角的增大，T 09:00—11:00降温增湿效应加快，人体热舒适性也得到提升，T 11:00—12:00，降温增湿效应减缓，在T 12:00直至T 18:00趋于平稳，不同绿地面积之间的PMV差值也随之减小。与基准方案相比，3种绿地面积优化方案对广场空间热环境效应改善效果各不相同，不同绿地面积之间的差值相对较大，100%绿地面积方案改善效果最强，50%绿地面积方案次之，而30%绿地面积方案最弱。
对广场空间基准方案和3种绿地类型优化方案的空气温度、相对湿度、人体热舒适度（PMV）进行模拟，并将基准方案与各绿地类型优化方案的差值结果进行统计（图8-b），时间动态上，T 09:00—10:00，空气温度差值、相对湿度差值及PMV差值较大，说明与基础方案相比3种绿地类型方案降温增湿及改善热舒适性的作用较大；T10:00—12:00，随着太阳波辐射量的增大，空气温度差值和相对湿度差值逐渐下降；午后，3种不同绿地类型与基础方案的微气候差值趋于稳定，除PMV差值较小外，其他2种差值较大，特别是乔灌+水体类型的相对湿度差值较大，说明增加水体可以显著提高相对湿度。与基准方案相比，3种绿地类型方案对微气候环境改善效果各不相同，乔灌+水体方案改善效果最好，乔灌方案次之，乔草方案最差。
对广场空间基准方案和3种绿地布局优化方案的空气温度、相对湿度、人体热舒适度（PMV）进行模拟，并将基准方案与各绿地布局优化方案的差值结果（图8-c）进行统计，时间动态上，3种绿地布局优化方案波动趋势较一致，T 09:00—11:00，3种布局方案的各差值都出现明显的波动；T 11:00—18:00，不同绿地布局之间的各差值虽有小幅波动但均较平稳。与基准方案相比，在白天各时段中集中布局方案降温增湿效果及改善热舒适性最强，对广场空间的热环境调控作用均优于另外2种绿地布局方案，而平行和分散布局方案对热环境优化调控的作用差别不大。
图8 广场空间不同绿地面积（a）、类型（b）和布局（c）模型分别与基准模型白天微气候差值

Fig.8 Difference of daytime microclimate between different green area(a), space (b), and layout (c) models and baseline models in the square space

a）绿地面积 b）绿地类型 c）绿地布局

3 结论与讨论

3.1　结论

在现场实测、软件模拟、优化方案定量对比评价等基础上，研究了太平街历史街区3种街道空间的绿化改造方案，以筛选出优化效果最佳的优化方案。主要得出以下结论：
1）随着太阳辐射逐时的变化热环境状况会发生较大变化，在水平空间分布上呈“高温低湿”“低温高湿”特征。热舒适性与下垫面状况、风环境和建筑布局等因素的有关，街道空间中绿地相对集中的区域低温高湿，对热环境具有缓释作用，建筑密集布局区域通风效果不佳，下垫面热辐射高，影响研究区散热增湿。
2）对于商业空间热环境而言，降温降湿程度排序为100%绿地面积>50%绿地面积>30%绿地面积，提高街区绿化率可大幅降低街区平均辐射温度，给游客和市民创造适宜的街区微气候及热舒适性条件；乔灌+立体绿化方案对三面建筑围合的商业空间的热环境优化调控作用在白天均优于乔灌绿化方案和乔草绿化方案，该方案降温增湿和调节人体热舒适性的作用最强。而乔灌绿化方案由于灌木叶面积大于草地，蒸腾作用强于草地，所以其热环境调控作用优于乔草；在绿地率一定的情况下，绿地布局对商业空间热环境优化调控程度的排序为分散>平行>集中，均匀分散布局的树荫面积覆盖街道空间的范围最大，在三面围合的建筑布局情况下越有利于对不处于建筑阴影内的室外空间形成有效的遮挡，因此街道空间接收的太阳辐射热量最小，降温增湿作用最强。
3）对于居住空间热环境而言，增加下垫面绿地面积的方案可以改善整个居住空间的绿地微气候环境，建议在进行历史街区绿化改造时，合理增设门前绿化、院落绿化提升整个空间的户外热环境质量；乔灌+立体复合型绿地方案对两面建筑围合的居住空间的热环境优化调控作用在白天均要优于乔灌方案和乔草方案，在增加有阳光直射的南向、西向建筑墙面立体绿化后，太阳直射建筑墙面的热辐射吸收率降低，从而使建筑物周围空气温度降低，增湿降温效应最强；绿地布局对居住空间热环境优化调控程度的排序为集中>分散>平行，由于两边平行建筑布局的居住空间比三边建筑围合街道更容易受到建筑峡谷风的影响，集中布局方案可使空间积蓄的热量即时消散，该类型街道改造中还要避免在迎风口设置高大乔木。
4）对于广场空间热环境而言，降温增湿程度排序为100%绿地面积>50%绿地面积>30%绿地面积，与基准方案的纯草地方案相比，逐渐增加下垫面乔木种植面积的方案日平均温度和PMV均会逐渐降低，平均相对湿度会逐渐升高；绿地类型热环境优化调控程度排序为乔灌+水体>乔灌>乔草，水体的设置可明显起到降温增湿和调节人体热舒适性的作用，因此在满足用地功能需求的前提下，应优先增加水体设置；绿地布局对广场空间热环境优化调控程度排序为集中>平行>分散，单面建筑围合的广场空间将乔木集中布局可加速近地面热交换，广场空间作为历史街区最大的开敞空间，且处于街区主导风向上风向，在绿地布局上不应对主导风形成阻挡，在降温增湿的同时应兼具良好通风效应。

3.2　讨论

本文以长沙市太平街历史文化街区为研究对象，通过对不同绿地优化方案的数值模拟，研究优化后的历史街区绿地微气候对热环境效应的调节程度，一方面可以为城市历史街区的改造及热环境的优化调控提供理论数值参考，另一方面对改善城市历史文化街区热环境质量、提升城市历史文化街区可持续的宜居环境水平都具有重要意义。
在实际中历史文化街区热环境质量的优劣是诸多要素相互作用的结果，如人工热源、大气污染、城市空间形态等因素都会对历史文化街区的微气候产生较大影响。因此本文影响因素的选取存在一定局限性，需在更多数据支撑下，在未来利用更先进的技术方式完善研究，结论才能达到同类型街道在微气候和热环境改善方面的普适性和可靠性要求。

脚注

1 国家气象中心中国气象局气象数据中心. http://data.cma.cn/

熊 鹰：论文总体构思、设计研究方案、论文撰写及修订；

章 芳：论文撰写、实验数据采集及整理、论文修订；

李 亮：整理文献、调研、实验数据采集及整理；

尹建军：调研及数据分析。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
Ashley N M, and Timothy W H. 2017. River Effects on the Heat Island of a Small Urban Area. Urban Climate, 21: 262-277.

Cai G, Du M, and Xue Y. 2011. Monitoring of Urban Heat Island Effect in Beijing Combining ASTER and TM Data. International Journal of Remote Sensing, 32(5): 1213-1232.

常鑫悦. 2022. 基于ENVI-met的合肥淮河路步行街区室外热舒适性评价与空间形态优化策略研究. 合肥：安徽建筑大学.

Chang Xin Yue. 2022. Study on the Evaluation of Outdoor Thermal Comfort and Optimization Strategy of Spatial Form of Pedestrian Block on Huaihe Road in Hefei Based on ENVI-Met. Hefei: Anhui University of Architecture.

戴金. 2016. 绿化对哈尔滨高层住区中心绿地微气候的影响研究.哈尔滨:哈尔滨工业大学.

Dai Jin. 2016. Effect of Greening on Microclimate of Central Greenbelt in High-Rise Residential District of Harbin. Harbin: Harbin Institute of Technology.

Dos S A R, Oliveira F S, and Silva A G. 2017. Spatial and Temporal Distribution of Urban Heat Islands. The Science of the Total Environment, (605/606): 946-956.

韩雪梅. 2019. 基于数值模拟的上海城市肌理微气候研究. 上海：华东师范大学.

Han Xuemei. 2019. Research on Shanghai Urban Texture Microclimate Based on Numerical Simulation. Shanghai: East China Normal University.

何咪. 2022. 昆明市主城区热环境时空变化及影响因素研究. 昆明:云南师范大学.

He Mi. 2022. Study on Spatio-Temporal Variation of Thermal Environment and Its Influencing Factors in the Main Urban Area of Kunming. Kunming: Yunnan Normal University.

刘春亭. 2022. 济南市不透水面时空格局演化及热环境效应研究. 济南：山东建筑大学.

Liu Chun Ting. 2022. Evolution of Spatio-Temporal Pattern and Thermal Environmental Effects of Impermeable Surface in Jinan, China. Jinan: Shandong Jianzhu University.

Michael C Ekwe, Fatimah Adamu, Joseph Gana, Grace Chika Nwafor, Rabi Usman, Jemimah Nom, Ogonnaya D Onu, Oluwatola Ibukun Adedeji, Shaba A Halilu, and Olaide M Aderoju. 2020. The Effect of Green Spaces on the Urban Thermal Environment during a Hot-Dry Season: A Case Study of Port Harcourt, Ni Geria. Environment, Development and Sustainability, 23: 10056-10079.

Pastore L, Corrao R, and Heiselberg P K. 2017. The Effects of Vegetation on Indoor Thermal Comfort: The Application of a Multi-Scale Simulation Methodology on a Residential Neighborhood Renovation Case Study. Enegr Buildings, 146: 1-11.

彭翀，邹祖钰，洪亮平，潘起胜. 2016. 旧城区风热环境模拟及其局部性更新策略研究——以武汉大智门地区为例. 城市规划，40（8）：16-24.

Peng Chong，Zhou Zuyu，Hong Liangping, and Pan Qisheng. 2016. Simulation of Wind-Induced Thermal Environment in Old Town and Its Local Renewal Strategy: A Case Study of Dazhimen, Wuhan. City Planning Review, 40(8): 16-24.

戚鹏程，刘国旭. 2012. 中小城市地表温度空间分异及其与下垫面关系的遥感影像研究.气象与环境学报，28（2）：44-48.

Qi Pengchen, and Liu Guoxun. 2012. Study on the Spatial Distribution of Land Surface Temperature and Its Relationship with Underlying Surface in Small and Medium-Sized Cities. Journal of Meteorology and Environmen, 28(2): 44-48.

秦文翠，胡聃，李元征，郭振. 2015. 基于ENVI-met的北京典型住宅区微气候数值模拟分析.气象与环境学报，31（3）：56-62.

Qin Wencui, Hu Dan, Li Yuanzheng, and Guo Zhen. 2015. Envi-Met-Based Numerical Simulation of Microclimate in Beijing Typical Residential Areas. Journal of Meteorology and Environmen, 31(3): 56-62.

Winston T L, Chow R L, Pope C A and Martinca A J. 2011. Observing and Modeling the Nocturnal Park Cool Island of Anarid city: Horizontal and Vertical Impacts. Theor Appl Climatol, 103(1): 197-211.

王炎松，段亚鹏. 2013. 城市老街区生态适宜性评价初探——以江西黎川老街为例. 建筑与文化，3（4）：87-88.

Wang Yansong, and Duan Yapeng. 2013. Ecological Suitability Assessment of Old Urban Blocks: A Case Study of Lichuan County Old Street. Architecture & Culture, 3(4): 87-88.

吴思佳，董丽，贾培义，易慧琳. 2019. 基于计算流体力学数值模拟的城市绿地温湿效应及室外热舒适评价研究进展. 风景园林，26（12）：79-84.

Wu Sijia, Dong Li, Jia Peiyi, and Yi Huilin. 2019. Research Progress of Urban Green Space Temperature and Humidity Effect and Outdoor Thermal Comfort Evaluation Based on Computational Fluid Dynamics Numerical Simulation. Landscape Architecture, 26(12): 79-84.

阳金辰. 2017. 北京历史街区更新中建筑气候适应性设计策略研究. 北京：北京建筑大学.

Yang Jinchen. 2017. Research on Climate-Adaptive Design Strategy of Buildings in the Renewal of Beijing Historic Blocks. Beijing: Beijing University of Civil Engineering and Architecture.

杨云源，史正涛，何萍. 2013. 基于多源数据的昆明市主城区建筑区热环境分析. 热带地理，33（1）：21-27.

Yang Yunyuan, Shi Zhengtao, and He Ping. 2013. Analysis of the Thermal Environment of the Building Area in the Main Urban Area of Kunming Based on Multi-Source Data. Tropical Geography, 33(1): 21-27.

郑子豪，陈颖彪，千庆兰，李勇，谢锦鹏. 2016. 基于三维模型的城市局地微气候模拟. 地球信息科学学报，21（9）：1199-1208.

Zhen Zihang, Chen Yinbiao, Qian Qinlan, Li Yong, and Xie Jinpeng. 2016. Simulation of Urban Local Microclimate Based on 3D Model. Journal of Earth Information Science, 21(9): 1199-1208.

Zlch T, Maderspacher J, Wamsler C, and Stephan P. 2016. Using Green Infrastructure for Urban Climate-Proofing: An Evaluation of Heat Mitigation Measures at the Micro-Scale. Urban Forestry & Urban Greening, 20: 305-316.

中国建筑科学研究院. 2010. 夏热冬冷地区居住建筑节能设计标准（JGJ 134-2010）. 北京：中国建筑工业出版社.

China Academy of Building Sciences. 2010. Design Standard for Energy Efficiency of Residential Buildings in Hot Summer and Cold Winter Regions (JGJ 134-2010). Beijing: China Construction Industry Press.

中国建筑科学研究院. 1993. 民用建筑热工设计规范（GB50176-1993）. 北京：中国建筑工业出版社.

Chinese Academy of Building Sciences. 1993. Code for Thermal Design of Civil Buildings (GB50176-1993). Beijing: China Construction Industry Press.

Options
文章导航

/

〈 〉