华南区天空亮度分布的观测研究

马 源，边 宇，陈建华，遇大兴

(1.广东工业大学建筑与城规学院，广东 广州 510090；2.华南理工大学建筑学院，广东 广州 510640；3.华南理工大学亚热带建筑科学国家重点实验室，广东 广州 510640)



华南区天空亮度分布的观测研究

马 源1，边 宇2,3，陈建华2，遇大兴2

(1.广东工业大学建筑与城规学院，广东 广州 510090；2.华南理工大学建筑学院，广东 广州 510640；3.华南理工大学亚热带建筑科学国家重点实验室，广东 广州 510640)

阐述了通过图像采集进行天空亮度分布研究的方法，装有鱼眼镜头的数码相机通过合理曝光长期连续地采集天空图像，用程序从采集到的天空图像信息中获取天空亮度分布情况，经统计得出三类标准天空出现的近似频率，并以反映其出现频率的线性分量进行叠加后分时段得出华南区的典型天空亮度分布模型(CSRS)。最后通过模拟计算对CSRS模型进行了检验。

典型天空；建筑采光；天空亮度分布

引言

天空亮度的分布情况可以通过典型天空模型(Representative Sky Model)来描述，定义某一地区典型天空模型需要建立在对当地天空亮度长期连续观测研究的基础上，而这一工作并未在我国全面开展。由于缺少区分地域的天空亮度分布模型，建筑采光的模拟计算主要在CIE标准全云天(CIE Standard Overcast Sky)下进行，实际上该模型作为一种理想的天空状态并不能真实地表示任何地区天空亮度分布情况。我国幅员辽阔光气候地域差异明显，因此基于气候的采光模型(CBDM)研究亟需开展，华南区光气候地域性特点突出与北方地区迥异值得专项研究。本文主要针对以广州为代表的华南区天空亮度分布情况开展观测，通过连续采集天空图像并对图像进行处理以获取亮度分布数据进而通过统计分析建立可描述华南区的典型天空模型。

1 典型天空

天空亮度分布情况取决于太阳在空中的位置、当地气候以及天气，最为常用的有全阴天、多云天、晴天空三类。课题组拟将当地的天空亮度观测值归类为三大类标准天空并以其近似出现次数为基础，通过统计分析构建可反映天空亮度分布均值情况的典型天空亮度模型；典型天空模型建立在三种标准天空线性分量叠加的基础上，该模型的结构如图1所示，将华南区典型天空模型简称为CSRS(China Southern Representative Sky Model)。

图1 典型天空模型结构示意图Fig.1 Structure of representative sky model

CSRS=Ko(Skyoc)+Ki(Skyim)+Kc(Skycl)

其中：

Skyoc/Skyim/Skycl分别代表标准全云天/中间天空/晴天空;

Ko为全云天Skyoc的分量系数(其物理意义为：近似该天空类型的出现频率);

Ki为中间天空Skyim的分量系数;

Kc为晴天空Skycl的分量系数;

Ko,Ki,Kc为三种标准天空模型的线性分量系数。

2 研究方法

2.1 实验

图2 项目测试场地Fig.2 Site of observation

项目测试地点：华南理工大学亚热带建筑科学国家重点实验室2号实验楼顶平台(广州市天河区，经度:113.3E，纬度:23.2N)，该测量点周围环境空旷，无明显遮挡建筑等(如图2所示)。测试装置包括：鱼眼镜头，数码相机，水平仪，电脑，防水罩等。其中，数码相机正对天顶，取景框上方朝正北，在固定地点以15分钟间隔对天空连续拍摄，取值时间为08:00—17:00，图像记录在电脑硬盘中。该测试自2012年12月8日开始至2014年2月5日共采集天空图像1.3万余张，测试期间仅少数时段因设备故障维修或强台风天气中断测试。

2.2 图像处理与分类

拍摄得到的天空图像，经过处理后形成500×500像素的方形图片。通过自行开发的程序对图片中145个区块的灰度平均值进行读取，进而通过对数关系获取每个区块所反映的亮度相对值，通过不同区块的天空方位角换算出的系数进而折算以获得相对应天空单元的亮度相对值。

经过研究发现，在一定阈值内天空亮度的对数与图像灰度级对数之间存在线性关系，与不同的设备以及拍摄参数相关。具体到本次研究，选择的曝光参数根据天空亮度情况为多组，经过论证各曝光参数组合可保证天空亮度与图像灰度之间基本保持线性关系。因此经过对于平面图像灰度等级的分析可以得出天空单元亮度相对值。如图3所示，采集的天空图像经过处理转换为了天空亮度分布图(太阳部分被排除)。

图3 天空图像转换为亮度分布图示意Fig.3 Sky image transfer to luminance distribution map

天空的亮度分布图以标准方差最小的原则按照CIE提出的三种标准天空亮度分布模型归类。将归类后的结果进行分析，统计出三类标准天空(Sky Type 1/2/3)的近似出现频率。

2.3 分量系数K值

本研究提出的典型天空亮度分布模型，建立在三种标准天空线性分量叠加的基础上，该模型的结构如图4所示。

图4 典型天空模型结构示意图Fig.4 Mathematical structure of representative Sky

该模型结构表示为：

CSRS=Ko(Sky1)+Ki(Sky2)+Kc(Sky3)

(1)

(2)

(3)

其中，K1为Sky Type 1出现次数；K2为Sky Type 2出现次数；K3为Sky Type 3出现次数；Ko,Ki,Kc为三种典型天空模型的线性分量系数。

3 CSRS天空模型

本节将对测试得到的数据进行统计分析后构建华南区典型天空亮度分布模型，并对该模型的模拟计算结果的准确程度进行校验与验证。

3.1 数据分析

以华南区2013年9月为例，测量时段为08:00—17:00共计获取有效图像1005幅，通过程序将这一系列图像数据进行整理归类，将归类后的结果进行分析、统计得到三类标准天空亮度分布情况出现次数。

由以上实测数据分析得知，在该测试时段内全云天/中间天空/晴天空的天空状态出现频率分别为40% / 21% / 39%。表1中所示为9月份三类标准天空分量K值。

综上所述，9月CSRS具体可定义为：9月CSRS=0.40(Sky1)+0.21(Sky2)+0.39(Sky3)

表1 9月份Ko、Ki、Kc数值Table 1 Ko、Ki、Kc in September

由此可以较为直观的认识到：华南区9月份的天况较为多样，其中多云天、阴天、晴天出现次数相对均衡。

3.2 模型检验

1.2.1 教学方法 针对《儿童护理学》中“住院儿童的护理”章节采用PBL案例教学法，教师以临床病例为引导，提出问题。课前一周将病例相关资料发给护生，护生利用课余时间通过图书馆、网络等方式查阅相关资料，寻求问题答案；课堂上护生讨论，对问题进行分析，提出解决方案，最后由教师归纳点评。学期结束后采用CTDI-CV评价护生评判性思维能力。

课题组以坐落于广州市的华南理工大学校内某研究空间作为校验用标准研究对象(图5)，以该研究用房内的实测照度数据与CSRS模型下的模拟分析数值、CIE标准全云天下的模拟值进行比对研究。

图5 测试空间内景图片(Model Room)Fig.5 Model room for measurement

该房间进深7.6米，仅朝北开单侧窗，室内0.75米高度平面布置有9×3共计27个照度计，相邻照度探头间距0.8m(如图6所示)。该阵列照度测试系统以15min为间隔对室内自然光照度情况进行为期一年的连续测量。

图6 测试教室平面与测量示意图Fig.6 Plan of model room and lux sensor arrangemont

在2013年9月中选取的6天作为取值对象(9月1日，9月6日，9月10日，9月15日，9月21日，9月30日)，这6天内的实际测试结果的平均值与模拟结果的平均值如图7所示。

图7 模拟值与测量值比较Fig.7 Comparison of measurement of simulation

图7中曲线表述了该测试教室室内照度与进深之间的关系，其中菱形折线为CSRS模型下模拟均值，三角形折线为CIE标准全云天模型下的模拟均值，方形折线为现场测量均值。从9:00/12:00/17:00点的分时测量数据与模拟数据的比对而言，显而易见的是CSRS模型较CIE标准全云天模型更加准确，且通过与Daysim中的模拟数据进行对比后也证明了CSRS模型较perez模型准确度高，受限于篇幅不列出该部分数据，这意味着CSRS更加能够反映某一地区实际的天空亮度分布的均值情况，本文仅列出少量分时数据，基于更全面的数据的统计得知：CSRS模型在准确程度上的优势明显。该测试足以证明：CSRS可以更好地反映华南区的天空亮度分布均值情况，该模型建立的意义在于给建筑采光模拟分析提供了较为简洁且准确程度高的方法。

4 结论

经过对天空亮度的长时间连续观测，我国华南区9月份的典型天空模型为：

9月CSRS=0.40(Sky1)+0.21(Sky2)+ 0.39(Sky3)

上午CSRS=0.40(Sky1)+0.21(Sky2)+ 0.39(Sky3)

中午CSRS=0.37(Sky1)+0.30(Sky2)+ 0.33(Sky3)

下午CSRS=0.40(Sky1)+0.17(Sky2)+ 0.43(Sky3)

该天空亮度模型可以较好的反映该地区的天空两幅分布的均值情况，适宜作为典型天空亮度模型使用。其模拟结果较之CIE标准全云天模型等更具有实际指导意义，对于分析采光问题更有实用价值。

由于科研条件的限制，当前的测试采用安装有鱼眼镜头的数码相机通过图像法获取天空亮度分布相对值，该测试方法受限于仪器装备与研究方法的限制测量精度偏低(受曝光参数与感光器件的影响)、应对恶劣天气能力差，本文的研究成果不可避免地存在一定的误差，亚热带建筑科学国家重点实验室光学研究团队已经计划于2015年添置天空亮度测量仪器(Sky Scanner)等仪器，进一步深入开展该方向上的研究工作，待获取高准确度的天空亮度分布数据，可以开展更为详细的天空参考模型的研究，可进一步提出反映全年均值情况的天空亮度分布，分季节、分月份、分时段的典型天空模型，有利于建立一套反映年周期内的动态天空亮度分布模型集合，为研究动态采光分析模拟技术以及探讨采光问题的最优化提供基础数据与理论支持。

致谢：感谢国家自然科学基金青年基金项目(51208205)；亚热带建筑科学国家重点实验室自主课题(2013ZC17)，广东省高校优秀青年创新人才培养计划资助项目(2012WYM_0051)对于本课题的资助。感谢J Alstan Jakubiec博士对本文研究过程中给予的帮助。

[1] Christoph F Reinhart, Jan Wienold. The daylighting dashboard: A simulation-based design analysis for daylit spaces [J]. Building and Environment, 2011(46): 386-396.

[2] Edward Ng, Vicky Cheng. Defining standard skies for Hong Kong [J]. Building and Environment, 2007 (42): 866-876.

[3] 边宇，李晋，马源. 连续布置光井式单元屋顶天然采光系统的量化研究[J]. 照明工程学报，2013，24(2):16-20.

[4] 林若慈, 赵建平. 新版《建筑采光设计标准》主要技术特点解析[J]. 照明工程学报, 2013，24(1): 5-11.

[5] Ming-Chin Ho, Che-Ming Chiang. Optimal sun-shading design for enhanced daylight illumination of subtropical classrooms [J]. Energy and Buildings, 2008(40): 1844-1855.

[6] Sandeep Kota, Jeff S Haberl, Mark J Clayton, et al. Building Information Modeling (BIM)-based daylighting simulation and analysis [J]. Energy and Buildings, 2014(81): 391-403.

[7] Christoph F Reinhart, Daniel A Weissman. The daylit area-Correlating architectural student assessments with current and emerging daylight availability metricsOriginal Research Article [J]. Building and Environment, 2012(50): 155-164.

[8] 何荥, 翁季，胡英奎，等. 用鱼眼镜头数码相机测试天空亮度分布 [J]. 重庆大学学报, 2010(33): 129-134.

[9] Eduardo L Krugera, Adriano Lucio Dorigo. Daylighting analysis in a public school in Curitiba, Brazil [J]. Renewable Energy, 2008(33): 1695-1702.

[10] Carlos Ernesto Ochoa, Isaac Guedi Capeluto. Evaluating visual comfort and performance of three natural lighting systems for deep office buildings in highly luminous climates [J]. Building and Environment, 2006(41): 1128-1135.

[11] Alrubaih M S, Zain M F M, Alghoul M A, et al. Research and development on aspects of daylighting fundamentals Review Article [J]. Renewable and Sustainable Energy Reviews, 2013,21: 494-505.

[12] Du Jiangtao, Steve Sharples. The variation of daylight levels across atrium walls: Reflectance distribution and well geometry effects under overcast sky conditions [J]. Solar Energy, 2011 (85): 2085-2100.

[13] 沈天行，张九红. 利用图像数字化处理研究标准全云天空下采光系数[J]. 照明工程学报, 2006, 17 (2):28-32.

[14] Vichuda Mettanant, Pipat Chaiwiwatworakul. Automated Vertical Blinds for Daylighting in Tropical Region [J]. Energy Procedia, 2014(52): 278-286.

[15] 中华人民共和国国家质量监督检验检疫总局，中国国家标准化管理委员会. 日光的空间分布CIE一般标准天空CIE S011/E：2003[S]. 北京：中国标准出版社，2006.

[16] 边宇, 马源, 遇大兴. 三种标准天空分量叠加的天空亮度模型构建[J].南方建筑，2013(4): 100-102.

本刊声明

为适应我国信息化建设，扩大本刊及作者知识信息交流渠道，本刊已被《中国学术期刊文摘数据库》、《中国学术期刊网络出版总库》及CNKI系列数据库、万方数据库、重庆维普数据库、中国邮政中邮阅读网收录，其作者文章著作权使用费与本刊稿酬一次性给付。免费提供作者文章引用统计分析资料。如作者不同意文章被收录，请在来稿时向本刊声明，本刊将做适当处理。

Observation of the Sky Luminous Distribution in Southern China

Ma Yuan1， Bian Yu2,3， Chen Jianhua2， Yu Daxing2

(1.CollegeofArchitecture&UrbanPlanning,GuangdongUniversityofTechnology,Guangzhou510090,China;2.SchoolofArchitecture,SouthChinaUniversityofTechnology,Guangzhou501640,China;3.StateKeyLaboratoryofSubtropicalBuildingScience,Guangzhou501640,China)

This article describes a method of observing sky luminance distribution via sky images. A fisheye lens DSLR camera was used to capture sky images continuously with a proper exposure. And a program was developed to obtain sky luminance distribution from the captured images. The approximate occurrences of three standard sky types were obtained through statistical processing. And then the linear components reflecting each occurrence were superimposed to obtain the representative sky models (CSRS) of South China. At last, a series of simulations were conducted to verify the obtained CSRS models.

representative sky; building daylight; sky luminance distribution

国家自然科学基金青年基金项目(51208205)，亚热带建筑科学国家重点实验室自主课题(2013ZC17)，广东省高校优秀青年创新人才培养计划资助项目(2012WYM_0051)

边宇，E-mail:aryubian@163.com

TM923

A

10.3969/j.issn.1004-440X.2015.01.001