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

吴思佳 董丽 贾培义 易慧琳

城市热岛效应（urban heat island，简称UHI）作为城市化发展以来引起城市气候变化最突出的问题，在长期城市人居环境改善研究中备受国内外学者的广泛关注，是衡量城市人居环境是否宜居的重要因素[1]。在快速城市化的背景下，城市绿地实际用地面积有限，促使进行城市绿地的合理配置从而实现绿地整体降温效应的最大化成为科学缓解城市热岛效应的重要目标。在多尺度下研究城市绿地的微气候调节效应，分析不同微气候条件改变带来的热环境的改变，以寻求改善城市热岛效应的有效措施，提高城市热环境舒适度，对城市环境与微气候的改善、城市宜居环境的建设以及城市的可持续发展都具有重要意义。

公园、街道、广场等诸多城市园林绿地的微气候效应对城市气候环境均有积极影响，各绿地微气候的改善又受到内部空间多因素影响，需要定性及定量化研究其调节机制[2]4,[3-4]。分析微气候改变的影响因子，即可有效调节微气候环境，从而改善城市热岛效应，提高环境舒适度[5]。大多数城市绿地微气候效应的研究方法是基于现场实测进行的，即对研究地进行采样，观测微气候特征因子实地数据，进而对实测数据进行分析研究[6]。现场实测的方法结果真实可信，是客观分析微气候效应的理论基础，能够较为直接地定性评价不同尺度环境的气候效应[7]3。但是传统的实地监测方法需要耗费大量的时间、人力及物力，并且极易受到外界环境干扰从而影响实验结果，并且受绿地条件限制，切实定量的研究不多[8]。

随着计算机科学以及各学科领域交叉研究的发展，20世纪80年代起，对微气候效应的探索在传统的实验方法以外，已扩充到卫星遥感技术、风洞试验、计算机数值模拟技术等多计算机模拟平台，其中，遥感反演多用于研究大范围的气象条件，风洞试验在小尺度流场的模拟多有应用，但存在与真实流场有一定出入、价格昂贵等缺点[9]，数值模拟利用计算机建立数学或物理模型模拟环境，能方便地人为设定场景来验证微气候的调节机制，将有限的城市用地面积在计算机平台上进行模拟布局，对城市绿地规划建设具有现实指导意义。数值模拟在直观地反映微气候特征的同时，还具备节省人力、财力和物力且实验可重复的特点，不易受到外界状况影响从而获得较为准确的模拟结果，具有现场实测不可比拟的优势，近几年在城市环境的微气候研究方面得到较多应用。将现场实测与数值模拟方法结合可获得不同尺度下的微气候时空分布，能在定性研究的基础上进一步作出定量的分析，对绿地规划设计具有实际参考价值[10]。

笔者梳理了CFD数值模拟方法在不同尺度城市绿地微气候效应及热舒适度评价研究中的应用，在此基础上，反思目前存在的问题及不足，对未来该领域的研究提出展望。

1 数值模拟软件及其原理

数值模拟是利用计算机建立数学模型或物理模型对微气候环境进行模拟，通过人为调控微气候的各种影响因素虚拟地验证其影响程度的计算机平台[11]。数值模拟软件根据计算原理主要分为2类：基于非计算流体力学的建筑群热时间常数（cluster thermal time constant，简称CTTC）模型的软件和基于计算流体力学（computational fluid dynamics，简称CFD）模型的软件。CTTC模型的原理是使用建筑群热时间常数的方法，计算局部环境的空气温度随外界能量扰动变化的情况，而CFD模型是计算室外环境的热传递与空气流动的耦合[12-13]，较前者更适用于绿地环境的模拟研究。对于城市微气候环境的研究，常用到基于CFD模型的软件主要有Fluent、PHOENICS（parabolic hyperbolic or elliptic numerical integration code series）、CFX（computational fluid dynamics x）、Airpark以及城市微气候模拟软件ENVI-met等[14],[15]2。Fluent和PHOENICS软件可用于模拟和分析复杂的集合区域内的空气流动和热交换等物理问题，针对每一种流动的物理问题都有适合的数值算法[16]。ENVI-met是基于城市气象学、热力学以及动力学等相关理论研究的基础上构建的微气候模拟软件，旨在再现城市大气主要进程的非静态数值计算[17]374,[18]4，由三维主模型、一维边界模型以及嵌套网格组成。前者着重于对建筑内外的气流和传热的物理过程模拟计算，多用于模拟室外风热环境，主要应用于气象学、建筑学和暖通工程等相关技术专业[19]。 后者能考虑到植物对微气候的影响，因此可用于景观规划设计方案的评价，多被风景园林学学者采用。

2 数值模拟在城市绿地微气候研究中的应用

数值模拟的研究方法可便捷、直观地再现城市庞大而复杂的实体环境，并且可人为地调控模型，相较于传统的实地观测方法，数值模拟在很大程度上节省了研究的人力和时间，同时可直观地得到城市环境的三维图像模型，具有很大的优势，在建筑能耗、风热环境等方面研究成果众多。

2.1 数值模拟准确性验证研究

数值模拟软件早期是以验证研究为主的，将模拟结果与现场实测值进行比较，从而研究模型的准确性和可行性。

1998年，Bruse将11种土壤传湿模型与其他模拟模型耦合，开发出了ENVI-met软件，并使用该软件模拟小型停车场内温度的空间分布特征，首次验证ENVI-met可模拟城市表面（surface）—植被（vegetation）—大气（atmosphere）的相互作用[17]374,382-384。1999年，Bruse等利用该软件模拟设计绿化街道和屋顶绿化场景下墨尔本的微气候环境[15]3-6。Lahme与Bruse等在未设定嵌套网格的情况下，在选定区域内的几个点进行温度实测值和模拟值比较，发现在此情况下ENVI-met软件仍具有很高的准确性[20]。还有学者利用ENVI-met将实测数据与模拟结果对比，研究居住区温湿随时间变化规律，验证了该软件在居住区微气候模拟上的准确性[21-22]。在此之后，杨小山用ENVI-met和城市风环境软件MISKAM的模拟结果进行比较，再次证实了ENVI-met模拟结果的可靠性，表明其具有模拟复杂热环境的能力，对微气候的预测精度整体较好[23]。其他CFD模拟软件的准确性也通过定性分析得到验证，如将PHOENICS软件与蒙特卡罗和杰勃哈特方法以及反应系数法结合，建立了一套新的适于小区微气候模拟的算法，并以深圳某小区为对象进行微气候模拟，并与该小区实测结果作对比以验证模拟方法的准确性[24]2136-2137。随着模拟模型的普及，在定性对比的基础上，有学者定量化地验证了模型的准确性。Salata等为了得到街区微气候研究的通用ENVI-met模型，将微气候参数和舒适度预测平均投票数值（predicted mean vote，简称PMV）的模拟值与实测值相比较，通过对测定系数、误差平方根（root mean square error，简称RMSE）和威尔莫特指数（Willmott’s index）的分析，验证了该软件模拟值与实测值差异不显著，认为网格尺寸为2 m×2 m、开放式边界能获得更准确的结果，并且确定了各参数偏差率为空气温度0.6%、相对湿度（relative humidity，简称RH）2.0%、平均辐射温度0.9%、PMV值0.76个单位[25]。秦文翠采用ENVI-met对北京典型住宅区进行微气候数值模拟分析，并采用RMSE和平均绝对百分比误差（mean absolute percentage error，简称MAPE）验证该软件的准确性，结果表明实测值与模拟值间误差较小，ENVI-met模型能较好地反映微气候的分布特征[18]44-47。刘之欣等[26]在ENVI-met中进行细致的植物三维建模，对广州地区细叶榕的叶片温度及太阳辐射、地表温度和空气温湿度等微气候参数进行模拟与实测，采用误差平方根和一致性指数验证了ENVI-met模型可用于预测湿热环境中乔木的微气候特征。该研究与詹慧娟等[27]66的研究均集中于某一具体树种的微气候特征分析与模拟验证，两者为不同地理环境下数值模拟可用于植物种类的微气候特征研究提供了基础校验。在数值模拟准确性验证的研究中，由于软件模拟的边界设置、湍流模型选择甚至软件版本差异等局限，使得模拟的环境与实测时复杂的现场环境不能稳定一致，导致在定量层面上，较难利用更多统计分析方法进行误差的准确性验证，因此停留在定性层面的研究较多且方法较为一致，即多通过比较模拟与实测情况的趋势一致性验证模拟可行性，定量分析主要是采用误差平方根指数进行误差分析。

2.2 数值模拟在建筑尺度上的微气候研究应用

数值模拟在建筑尺度上的微气候研究应用主要是针对建筑单体和小型建筑组团等建筑尺度下的室外微气候特征进行研究，多采用Fluent、PHOENICS等CFD数值模拟软件代算CFD湍流模型进行模拟。

2.2.1 居住区布局对微气候的影响

通过不同CFD模型模拟研究发现，天空开阔度（sky view factor，简称SVF）、建筑密度、绿化覆盖率等居住区布局特征指标对住区的微气候有重要影响。赵冬以Fluent作为模拟平台，选取雷诺平均法（reynolds average navier-stokes，简称RANS）湍流模型分析了广州夏季典型的行列式布局居住区在不同住区阻塞比、建筑覆盖密度、SVF等指标下的微气候特征，得出小区SVF和建筑平均高度越大、小区地面平均温度和1.5 m处气温越高的结论[28]。史兵等同样通过Fluent软件采用RANS模拟5种不同SVF对城市住宅小区热环境的影响，研究发现小区内地面温度和1.5 m高处温度都随SVF的增大而升高，但温度的增幅都逐渐减小，并总结出SVF对住宅小区热环境的影响规律：小区的地面温度和1.5m高处温度与SVF的关联程度都随着SVF数值增大而降低[29]。还有学者采用RANS模拟居住小区微环境三维分布场情况[24]2136-2137。随着CFD方法中湍流模型的不断精准完善，也有学者采用DES复合模型替代RANS研究建筑架空高度对建筑周边微气候及行人舒适度的影响，分析认为建筑架空高度与建筑高度比增大，建筑侧面高风速区缩小；当建筑长边与来流方向呈90°时，行人热舒适度最低[30]。除Fluent外，ENVI-met软件也用以研究居住区布局对其微气候效应的影响。李晗等采用ENVI-met软件，对青岛市不同居住区的建筑布局下室外温度场、风速场进行模拟，分析发现点群式建筑布局室外风环境较好，居住区整体温度都更低，围合式和行列式布局热岛效应更明显[31]。张伟模拟了典型居住区不同排布形式对微气候的改善情况，研究中以地面绿化率、绿化覆盖率、生态绿化容积率、景观分离指数等作为绿地量化指标，以风速、温度、热舒适性和颗粒物（particulate matter，简称PM）浓度为微气候评价指标，评价了不同居住区绿化布局的微气候效应，并对居住区绿地设计提出了提升建议[2]62-63。

2.2.2 植物配置、绿地覆盖率对微气候的影响

基于CFD模拟方法的小尺度模拟，除用于居住区布局研究外，还集中在植物配置及绿地覆盖率对微气候的影响。詹慧娟等以试验地里的山杨、侧柏和油松人工林为研究对象，基于实测的气象要素，利用ENVI-met对其温度分布场进行模拟，得到不同树种纯林的土壤表层温度、空气温度及相对湿度的分布状况[27]66-73。谢清芳等在CFD模拟时将小型绿化带设为多孔介质模型，探讨垂直于来流方向和沿来流方向2种绿化带布置方式的流场和温湿效应影响范围，结果发现垂直来流方向布置绿化带的影响范围明显大于平行来流方向，因此认为在沿当地夏季主导风向上应尽量减少植被数量[32]。王廷夷等利用Fluent软件，也将植被区域视为多孔介质，耦合建筑室内外热环境，从而研究植被高度对建筑内外微气候的影响，结果表明随着植被高度增加，建筑室内空气温度随之增加，且温差约为0.25 K，在植被区域，植物与空气的热量交换与植被高度无关[33]。另外有学者在研究灌木的微气候效应时，将ENVI-met和CFX_Ansys软件的优势结合，掌握两者的计算模式，对灌木的微气候效应这一简单场景提取并行计算，得出灌木可以使风速降低约56.5%～57.4%的结论，并进一步将实地观测数据与数值模拟数据对比分析，得到适宜室外环境模拟的RNG k –β数值模拟模型[34]。部分学者通过数值模拟验证了绿地覆盖率对微气候效应的重要影响。Srivanit将现场实测与数值模拟结合，模拟日本佐贺大学的不同绿化场景，量化分析得出：校园内树木提高20%，最高温度可以降低2.27℃[35]。Wong将实测数据、遥感影像和模拟数据结合分析，研究了新加坡国立大学不同区域绿化对周围环境的影响，并设计对比4种绿化场景的微气候效应，结果表明绿化率降低导致校园空气温度增加约1℃[36]。孙常峰基于实测数据和ENVI-met模拟并结合RS和GIS平台，分析了南京大学鼓楼校区校园绿地对城市夏季热环境的调节作用，设计去除绿地的场景，结果显示去除绿地后近地表温度上升、湿度明显下降[7]35-46。

总结以上研究可以发现，CFD应用于建筑尺度下绿地微气候效应的研究中，多以Fluent、ENVI-met软件为平台，采用RANS湍流模型进行计算，得到研究对象的微气候分布特征，总结其随影响因子变化的规律。研究方法以单一模拟为主，部分采取了与实测数据结合的方式，遥感反演手段应用较少，研究结果在定性分析的基础上，利用定量分析进行规律的深入探讨，这为更大尺度的绿地微气候研究提供研究思路。

2.3 数值模拟在街区尺度绿地微气候研究的应用

数值模拟在街区尺度绿地微气候研究的应用大多以ENVI-met等城市微气候模拟软件为平台，更大尺度的城市区域气候研究则会在数值模拟的基础上，利用RS技术等，结合遥感反演、空间插值等方法进行街区尺度的微气候研究，初期多采用实地观测法获取直观数据，但该方法应用于中尺度研究时耗费人力与时间，可操作性较弱。随着计算机技术的发展及其在景观、建筑、规划等多学科领域的应用，数值模拟方法在街区尺度的微气候研究中得到推广。

2.3.1 街区建筑群布局对微气候的影响

街区尺度的微气候效应往往受到复杂的多因素影响，多数研究将数值模拟与实地观测结合，从而在尽量避免环境干扰的同时，获取真实可靠的数据，使研究结果更具科学性与参考性。王振等结合现场实测数据和ENVI-met数值模拟定性及定量地探索了武汉市街区层峡不同街巷结构和建筑群布局等城市形态下的微气候特征，并分析其对热舒适度和建筑能耗的影响，指出东西走向宽街、南北走向窄巷的街区比与之相反的街区在夏季更能提高热舒适性，长街短巷的街区比短街长巷的街区夏季室外热环境舒适度更高[37]。史源等以ENVI-met为模拟平台，分析北京西单商业街冬夏两季室外开放空间风环境，并根据研究结果在现状条件下提出了风环境改善策略。模拟结果显示西单商业街仅在西北部小范围内符合风环境舒适阈值，东西走向街区层峡风速明显小于南北走向风速[38]94-97。

2.3.2 街区绿地布局、下垫面构成对微气候的影响

街区尺度下，绿地面积、绿地覆盖率、铺装覆盖率等下垫面构成对局地微气候效应有显著影响，采用数值模拟的方法可定量分析其影响效应，对绿地规划的实践有重要参考价值。Dimoudi等利用PHOENICS软件模拟了绿地在街区尺度下对周边温度和流场的影响，该研究通过改变模型的建筑密度、天空开阔度、绿地面积大小、气候条件等环境参数，对比分析了Athena中心城区不同城市环境下绿地的蒸腾作用和热量流通带来的降温效应，结果发现绿地对周围环境有明显降温作用，对其背风面的影响尤其明显；绿地植被覆盖每增加100 m2，平均气温就会下降1℃左右[39]。Grignaffini等直接在ENVI-met中模拟了街区建筑组团中绿地面积扩大对街区热岛效应的缓解作用，认为绿地每增加1个单位面积会使区域气温减小0.5℃，模拟中还将绿地及建筑区域替换为不同材料的铺装，发现改变铺装材料对缓解热岛效应没有作用[40]。Skelhorn与Cynthia将实测数据结合模拟，对曼彻斯特某商业中心夏季室外热环境进行了7种场景的模拟，分别为：现状环境、增加5%的幼年乔木、增加5%的成年乔木、增加5%灌木、在最大建筑上设置屋顶绿化、将现状绿地全部换为草坪和将现状绿地全部换成沥青路面，结果表明：每增加5%的绿化率，温度降低1℃；而恶劣的环境为将绿地全部换成沥青路面（约为研究区域面积的20%），会使得温度升高3.2℃[41]。该研究结果与Dimoudi和Grignaffini等的结果类似。Sun等利用ENVI-met及Rayman软件对北京市元大都遗址公园进行热舒适度时空分布的分析，结果表明高大乔木的热舒适性最为稳定，硬质铺装对热舒适性有负面影响；同时在一天的温度变化中，绿地能使气温平均降低2℃[42]。

街区尺度绿地布局不同其微气候效应也有所不同。刘艳红等利用CFD模拟方法对城市5类绿地空间格局（点状、条带状、环状、放射状和楔状）的热环境效应进行分析，将植物视作长方体多孔介质参与模型计算。另外用RS技术代替传统实测，利用其相关参量和输出结果辅助模型的参数校正，最终建立这5类绿地分布格局的理想数学模型，比较其垂直和水平方向上的温度场和风速场。得到结论为垂直方向上灌木对风速的减弱作用大于乔木，乔木的降温效应强于灌木；水平方向上绿地格局的降温效应由强至弱依次为楔状格局＞放射状格局＞条带状格局＞点状格局＞环状[43]。段佳佳以北京城市街区为对象模拟分析了夏季北京城市街区不同绿地格局的内部环境变化，并在此研究基础上提出相应的街区绿地格局优化策略[44]。Perini与Magliocco采用ENVI-met进行场景模拟，在城市密集街区设置地面绿化和屋顶绿化，模拟改变建筑物密度和建筑物高度后，地面绿化和屋顶绿化的空气温度、平均辐射温度的分布状况，结果表明屋顶绿化植被面积越大，降温效应越强；植被在高温低湿的条件下在降低温度、提高舒适度以及减少建筑制冷能耗等方面效果更好[45]505。街区微气候效应随着水体的变化相应变化，宋晓程等在探讨某国际商务城规划项目时，利用CFD方法中的Fluent软件对场地内的水体及其周边建筑群进行建模分析，探讨城市水体对其周边热环境的影响。研究结果表明，水体自身形态对其周边热环境影响较大，河道越宽，其增湿效应越强、扩散范围越广，但水面过宽时，水体的降温效应仅停留在水面上方，即对周边降温作用较小；另外，水体周边建筑群密度及分布对局地微气候影响很大[46]。吴昌广等基于实地测量和数值模拟分析深圳商业区街头绿地周边的微气候，实验中分别设计水景、乔木、草坪3种下垫面，并以硬质铺装作为对照下垫面（将研究区内水体分别替换为乔木、草坪和硬质铺装），结果表明乔木型街头绿地降温增湿效应最强，草坪型次之，水景型最弱，但3种类型的降温增湿效应的时空变化趋势基本相同[47]（表1）。

3 数值模拟在热舒适度评价中的应用

数值模拟软件经过不断地更新发展后，可在模拟微气候环境的同时，利用参数输入直接输出热舒适度相关指标的计算结果，更为直观简便地反映了模型的舒适度分布情况。Wu等探讨居住区中不同叶面积指数（leaf area index，简称LAI）的绿地对热舒适度的影响时，以热气候指数（universal thermal climate index，简称UTCI）作为舒适度评价指标，利用ENVI-met软件输出UTCI值，研究结果表明乔木结构的绿地能有效地改善居住区夏季户外热环境[48]。Taleghani等在研究荷兰极端炎热天气下不同的城市形态（建筑与绿地单列式、行列式和庭院式排列）对室外热舒适性的影响时，采用ENVI-met软件模拟得到场地室外空气温度、平均辐射温度、风速和相对湿度，再将上述参数输入Rayman中以输出生理等效温度（physiological equivalent tempreture，简称PET），从而评价不同布局的室外热舒适度，发现庭院可以提供最舒适的微气候[49]。也有学者采用现场实测数据利用Rayman软件输出PET对建筑外不同布局的绿地的人体舒适度情况进行评价[50]。Perini 与Magliocco在采用ENVI-met研究城市高密度环境下建筑密度和建筑高度对温度分布和热舒适性的影响时，利用软件输出PMV评价室外热舒适情况，得到屋顶绿化能有效提高热舒适度，且高温低湿的环境下植被具有更好地提高舒适度的能力的结论[45]504-505。也有学者在评价西单商业街室外热舒适性时，同样通过ENVI-met软件输出PMV值，以评价商业街室外开放空间人行高度的热舒适度状况，并提出改善建议[38]96。向立平等利用Fluent软件输出PMV值，对不同风速和温度条件下的巷道热环境舒适度进行了评价[51]。一些室外环境数值模拟软件支持SET指数中的太阳辐射因素针对室外环境舒适度评价时进行修正后输出，如Rayman、ENVI-met等[52]。

表1 CFD数值模拟在不同尺度下的微气候效应研究的应用Tab.1 Application of CFD numerical simulation in the study of microclimate effect regulation at different scales

回顾数值模拟在热舒适度中的应用可以发现，数值模拟在热舒适度方面的研究更多是基于街区尺度微气候效应研究进行的，针对建筑尺度热舒适度状况的直接影响机制研究较前者少有报道，且两者在定性层面研究结论较多，深入的定量研究还待获得统一性更高的结论，以便为实际规划设计提供参考。

4 结论与展望

基于数值模拟的微气候研究发展至今在建筑学、风景园林学和气象学等专业进行了不少学科交叉的研究，从早期的主要验证其准确性和可靠性，到现今利用软件进行场景设计模拟和景观方案评估或将实地测量方法与其结合，甚至利用软件直接计算舒适度值并分析其分布状况，以数值模拟为研究手段的微气候及热舒适度的调节机制的定性与定量研究取得了一定成果，并具有深入探索的空间。回顾数值模拟在城市绿地微气候调节及热舒适度评价中应用的研究进展，可以发现基于数值模拟的城市微气候调节相关研究发展迅速但仍处于不断创新阶段，计算模型推陈出新，在风景园林学科的研究应用在以下3个方面期待取得突破：

1）多平台尺度扩展研究。由于资金和条件的限制，目前数值模拟方法应用于城市绿地微气候研究多在中小尺度范围内进行，缺少扩展至大尺度和综合尺度的研究，不利于制定城市区域尺度下的微气候调节策略。目前，有部分研究引入遥感反演技术，利用遥感技术获得大尺度的空间温度分布规律和绿地分布情况，从而进行大尺度的城市绿地微气候数值模拟研究。因此，与遥感技术结合进行大尺度的模拟，可为城市尺度下绿地规划方案的实施制定提供切实依据，是今后数值模拟应用于风景园林微气候研究的重要方向。

2）微气候特征指标的综合交叉分析。数值模拟方法中应用于城市微气候研究的软件多侧重空气流动与热传导的物理过程分析，如ENVI-met、PHOENICS、Fluent等，大多数值模拟的微气候研究输出值基本都为空气温度、相对湿度、风速等，即多探讨的是风环境与热环境，对整体环境下其他气象因素如太阳辐射、不同污染物扩散等研究较少。未来在数值模拟方法的进一步研究中，可以将不同模拟软件结合，交叉分析城市微气候的不同指标，为城市微气候的综合评价提供借鉴。

3）高适配度模拟模型的及时更新。数值模拟方法中，湍流模型的正确采用很大程度地决定了模拟的准确度，目前中国国内研究中湍流模型的类型不多，更新速度较慢，如何更好地提高模拟精度，正确地将数值模拟方法应用于城市绿地微气候研究，仍是今后的研究热点。

表格来源(Sources of Table)：

表1由作者绘制。