于琦人孟飛張常旺

(1.山東建筑大學(xué) 測(cè)繪地理信息學(xué)院,山東 濟(jì)南250101；2.華東師范大學(xué) 地理信息科學(xué)教育部重點(diǎn)實(shí)驗(yàn)室,上海200241)

0 引言

隨著城市化進(jìn)程的加快,城區(qū)建筑密度不斷增大,容積率也不斷提高,由此引發(fā)了一系列特有的城市環(huán)境問(wèn)題。其中,城市熱島效應(yīng)引起都市的高溫化,降低居住環(huán)境的舒適性,影響居民的身體健康,增加夏季能源的消耗,受到廣泛關(guān)注[1-3]。為了緩解城市熱島效應(yīng),研究者從不同尺度對(duì)城市熱環(huán)境進(jìn)行了研究,針對(duì)宏觀、中觀尺度的城市熱環(huán)境,采用MODIS、AVHRR、Landsat等熱紅外遙感數(shù)據(jù)通過(guò)單窗、劈窗、多角度等算法進(jìn)行地表溫度反演；針對(duì)微觀尺度的城市熱環(huán)境,采用現(xiàn)場(chǎng)實(shí)測(cè)與數(shù)值模擬的方法進(jìn)行了研究[4-8]。隨著無(wú)人機(jī)傾斜攝影測(cè)量技術(shù)的發(fā)展,為高精度獲取研究區(qū)現(xiàn)場(chǎng)實(shí)測(cè)數(shù)據(jù)提供了一條新思路。通過(guò)無(wú)人機(jī)搭載的高效率攝影測(cè)量設(shè)備,可獲取測(cè)繪級(jí)精度的地面數(shù)字影像,進(jìn)而提取出研究對(duì)象的外觀特征、高度及位置等屬性信息,為城市微觀尺度環(huán)境模擬提供了可能[9-12]。

Bruse等通過(guò)研究城市下墊面—植被—大氣間的相互作用關(guān)系,開(kāi)發(fā)出三維非流體靜力學(xué)微尺度氣象模型ENVI-met[13]。由于其能較好的模擬微觀尺度植被綠化、室外熱環(huán)境與建筑物之間的關(guān)系,近年來(lái)已廣泛用于城市微氣候環(huán)境的研究[14]。綠地植被能夠調(diào)節(jié)環(huán)境溫度、增加空氣濕度,尤其是在炎熱的夏天,城市綠化被描述為被動(dòng)冷卻劑或自然空調(diào),能夠節(jié)省建筑能源[15]。晏海等通過(guò)ENVI-met探究城市公園綠地對(duì)周圍環(huán)境的降溫效應(yīng)發(fā)現(xiàn)樹(shù)木群落可以顯著降低空氣溫度和光照強(qiáng)度[16]；Tobi等通過(guò)ENVI-met探究樹(shù)種對(duì)周圍環(huán)境的影響發(fā)現(xiàn)綠地能夠增加人體舒適度,節(jié)省建筑能源[17]。但植被綠地對(duì)環(huán)境的改善效果不僅取決于植被的面積大小、布局方式,還取決于植被種類及其結(jié)構(gòu)特征,不同樹(shù)種的葉密度、樹(shù)冠直徑、樹(shù)高、葉片顏色、葉片厚度不同,導(dǎo)致其遮蔭效果、葉片對(duì)太陽(yáng)輻射的吸收和反射、蒸騰速率有一定差別,從而給周圍環(huán)境帶來(lái)不同降溫、增濕的效果[18-20]。微尺度城市熱環(huán)境受不同的建筑空間形態(tài)、下墊面類型、植被種類等因素影響,其在一定程度上能改善城市局部熱環(huán)境,植被種類相較于建筑空間形態(tài)、下墊面類型更易于更換、調(diào)整,因此研究不同樹(shù)種的降溫、增濕、節(jié)能潛力對(duì)改善城市熱島效應(yīng)有重要意義。

鑒于此,文章根據(jù)無(wú)人機(jī)傾斜攝影測(cè)量技術(shù)獲取的高分辨率影像數(shù)據(jù),對(duì)研究區(qū)進(jìn)行三維建模,采用三維非流體靜力學(xué)模型ENVI-met對(duì)研究區(qū)室外熱環(huán)境進(jìn)行數(shù)值模擬,分析黃金楓、洋槐、梧桐、松樹(shù)和國(guó)槐5類常見(jiàn)樹(shù)種對(duì)城市住宅區(qū)室外熱環(huán)境的降溫、增濕、節(jié)能作用。

1 數(shù)據(jù)來(lái)源與研究方法

1.1 數(shù)據(jù)來(lái)源及處理

研究區(qū)位于濟(jì)南市歷城區(qū)高層住宅雪山合苑(36°40′N,117°00′E),面積為 285 m×285 m,屬于溫帶季風(fēng)氣候,四季分明,春季干旱少雨,夏季溫?zé)岫嘤?。利用微型氣象站Kestrel 5500獲取距地面0.6 m處的氣溫和相對(duì)濕度。采用實(shí)時(shí)動(dòng)態(tài)定位技術(shù)獲得研究區(qū)位置信息,利用大疆精靈智能航拍無(wú)人機(jī)獲得高分辨率正攝影像,通過(guò)無(wú)人機(jī)數(shù)據(jù)處理軟件Pix4D拼接研究區(qū)的正射影像,用ArcGIS對(duì)正射影像進(jìn)行融合、裁剪獲得該研究區(qū)正射影像圖,結(jié)合地理信息獲取研究區(qū)建筑物的長(zhǎng)、寬、高,路寬等三維建模所需數(shù)據(jù),如圖1(a)所示。將研究區(qū)的正射影像圖作為底圖,通過(guò)ENVI-met及下墊面信息建立研究區(qū)夏季較精確的三維模型,如圖1(b)所示。

1.2 研究方法

三維非流體靜力學(xué)微尺度氣象模型ENVI-met由三維核心子模型(大氣、土壤、植被等)及一維邊界模型組成,是基于流體力學(xué)、熱力學(xué)及城市氣象學(xué)等相關(guān)理論知識(shí)建立的。文章應(yīng)用此模型對(duì)研究區(qū)室外熱環(huán)境進(jìn)行數(shù)值模擬,同時(shí)考慮到林木的3D結(jié)構(gòu),將研究區(qū)三維模型精細(xì)化[21]。

為研究不同樹(shù)種對(duì)室外熱環(huán)境的影響,制定了7種模擬方案,見(jiàn)表1。各方案的數(shù)值模擬初始條件均相同,植被模型選取ENVI-met的3D植被模塊中系統(tǒng)默認(rèn)的屬性信息。方案1用來(lái)驗(yàn)證模型的精度,方案2作為不同樹(shù)種對(duì)室外熱環(huán)境影響的參照方案,其中樹(shù)種降溫、增濕效果用單一樹(shù)種模擬結(jié)果與無(wú)植被模擬結(jié)果的差值來(lái)表示。

圖1 研究區(qū)域影像圖和數(shù)值模擬圖

表1 模擬方案及樹(shù)種屬性表

選取7月6日為數(shù)值模擬日期,從6∶00開(kāi)始,模擬時(shí)長(zhǎng)為12 h。結(jié)合實(shí)測(cè)結(jié)果,在6∶00和14∶00分別設(shè)置氣溫的最低值、最高值為27、33.5℃；在14∶00和6∶00分別設(shè)置相對(duì)濕度的最低值、最高值為50%和77%；地面10 m處風(fēng)速為0.7 m/s,以正北為0 °,風(fēng)向?yàn)?00 °,見(jiàn)表2。

表2 數(shù)值模擬的基本參數(shù)設(shè)置表

采用均方根誤差(RMSE)與平均絕對(duì)百分比誤差(MAPE)對(duì)模型的精度進(jìn)行評(píng)價(jià),計(jì)算方法由式(1)和(2)表示為

式中:xi為模擬值；xi′為實(shí)測(cè)值；n為觀測(cè)次數(shù)；RMSE、MAPE分別反映模擬精度大小與預(yù)測(cè)效果的優(yōu)劣。

為評(píng)估綠色植被的降溫能力與節(jié)能效益,引入3D累積降溫(Th,t)和3D累積節(jié)能(Qh,t)估算不同樹(shù)種的降溫總量與節(jié)能總量[16],由式(3)和(4)表示為

式中:G(h,t)為在植被覆蓋下的高度、時(shí)間與研究區(qū)平均空氣溫度的回歸方程；F(h,t)為無(wú)植被覆蓋時(shí)高度、時(shí)間與研究區(qū)平均空氣溫度間的回歸方程；Th,t為研究區(qū)某時(shí)間段內(nèi)一定垂直高度空氣溫度降低總量,℃；Qh,t為研究區(qū)某時(shí)間段內(nèi)一定垂直高度下節(jié)省的熱能總量,J；C為空氣的比熱容,103 J/(kg·℃)；m為空氣質(zhì)量,kg；ρ為空氣密度,kg/m3；v為空氣體積,m3。

2 結(jié)果與分析

2.1 ENVI-met模型模擬精度評(píng)價(jià)

2018年7月6日從早晨6∶00至晚18∶00,利用微型氣象站在研究區(qū)預(yù)設(shè)監(jiān)測(cè)點(diǎn)進(jìn)行了現(xiàn)場(chǎng)實(shí)測(cè),氣溫和相對(duì)濕度的實(shí)測(cè)值與方案1的模擬值變化曲線如圖2所示。

監(jiān)測(cè)點(diǎn)氣溫的實(shí)測(cè)值與模擬值變化曲線如圖2(a)所示,二者吻合較好,約在14∶30時(shí)氣溫達(dá)到最高；監(jiān)測(cè)點(diǎn)相對(duì)濕度的實(shí)測(cè)值與模擬值變化曲線如圖2(b)所示,濕度約在14∶30時(shí)達(dá)到最低。監(jiān)測(cè)點(diǎn)的誤差分析結(jié)果,見(jiàn)表3,空氣溫度與相對(duì)濕度的判定系數(shù)R2分別為0.90、0.92,實(shí)測(cè)值與模擬值的擬合效果較好；RMSE分別為0.83℃、4.50%,氣溫的實(shí)測(cè)值與模擬值間的偏差較小,相對(duì)濕度的模擬值與實(shí)測(cè)值之間的差別在誤差范圍內(nèi)；MAPE分別為1.2%、6.63%,氣溫的實(shí)測(cè)值與模擬值差別較小,預(yù)測(cè)效果較好,而相對(duì)濕度的實(shí)測(cè)值與模擬值差別稍大,模擬效果一般。

圖2 監(jiān)測(cè)點(diǎn)實(shí)測(cè)值與模擬值的變化圖

表3 模型預(yù)測(cè)精度評(píng)價(jià)表

2.2 不同樹(shù)種對(duì)室外熱環(huán)境的影響結(jié)果分析

2.2.1 不同樹(shù)種的降溫效果

距地面1.8 m各類樹(shù)種在不同時(shí)刻的降溫效果及變化特征如圖3所示。觀測(cè)時(shí)間內(nèi),5類樹(shù)種的降溫能力不同,降溫幅度在0.06～1.21℃之間,洋槐降溫效果最差,平均降溫0.25℃,梧桐與國(guó)槐降溫效果較好,平均降溫分別為0.66、0.59℃,同時(shí)植物的樹(shù)高及樹(shù)冠的遮蔭面積對(duì)環(huán)境的降溫能力有較大影響,對(duì)樹(shù)種及其間距與林蔭廣場(chǎng)小氣候的研究中也有類似結(jié)論[22]。 在10∶00～14∶00降溫效果反而不明顯,結(jié)合氣溫的模擬值與實(shí)測(cè)值對(duì)比發(fā)現(xiàn)模型對(duì)氣溫的模擬稍有低估,在沒(méi)有植被覆蓋的區(qū)域,氣溫被低估的更加明顯,導(dǎo)致該時(shí)間段的降溫效果反而低于其他時(shí)間段。在14∶00～18∶00植被降溫效果增加,產(chǎn)生該現(xiàn)象的原因可能是太陽(yáng)輻射逐漸減弱,植物蒸騰速率加快,且隨太陽(yáng)高度角的變化樹(shù)冠的遮蔭面積逐漸增加,因此降溫幅度增加,降溫效果明顯。

14∶00時(shí)不同樹(shù)種距地面1.8 m處的氣溫冷卻程度分布圖如圖4所示。在研究區(qū)的內(nèi)部降溫效果明顯,四周降溫效果一般,原因是研究區(qū)內(nèi)部有大量植被覆蓋,而四周區(qū)域處于在建狀態(tài),基本無(wú)植被。植被的枝葉具有一定的遮蔭效果,葉片對(duì)太陽(yáng)輻射的吸收和反射作用,使得少量的太陽(yáng)輻射透過(guò)葉片到達(dá)近地表,對(duì)太陽(yáng)輻射起到較好的攔截作用,因此植被茂密的區(qū)域降溫效果較好。黃金楓、洋槐、梧桐、松樹(shù)、國(guó)槐分別使研究區(qū)平均空氣溫度降低了0.28、0.16、0.54、0.24 和 0.50 ℃,梧桐、國(guó)槐的樹(shù)冠直徑大于其他樹(shù)種,因此其降溫效果明顯優(yōu)于黃金楓、洋槐和松樹(shù)。14∶00時(shí)不同樹(shù)種距地面1.8 m處對(duì)室外氣溫的冷卻程度面積統(tǒng)計(jì)圖如圖5所示,梧桐與國(guó)槐冷卻效果較好,梧桐冷卻程度最高達(dá)到2.6℃,冷卻效果＞1℃的區(qū)域占研究區(qū)17.21%,國(guó)槐與梧桐冷卻效果＞0.5℃的區(qū)域分別占研究區(qū)53.3%、52.0%。

圖3 不同時(shí)刻各類樹(shù)種降溫效果圖

圖4 不同樹(shù)種降溫效果圖

2.2.2 不同樹(shù)種的增濕效果

距地面1.8 m各類樹(shù)種在不同時(shí)刻的增濕效果及變化特征如圖6所示,不同樹(shù)種的葉片顏色、葉片厚度、樹(shù)冠直徑、樹(shù)高不同,因蒸騰作用輸送到空氣中水蒸汽的量有所差別,因此5類樹(shù)種的增濕能力各不相同。在觀測(cè)時(shí)間內(nèi),5類樹(shù)種的增濕效果在1.99%～7.22%,梧桐的增濕效果最好,平均增濕5.96%,洋槐增濕效果最差,平均增濕2.69%。10∶00～14∶00間增濕效果下降,原因可能是該時(shí)段太陽(yáng)輻射越來(lái)越強(qiáng),空氣溫度增高,葉片失水導(dǎo)致氣孔關(guān)閉,蒸騰作用減弱,因此增濕效果下降；在14∶00～17∶00,空氣溫度因太陽(yáng)輻射逐漸減弱而下降,葉內(nèi)外蒸汽壓差增大,植物蒸騰速度增加,因此增濕效果增強(qiáng)。

圖5 不同樹(shù)種冷卻程度面積統(tǒng)計(jì)圖

圖6 不同時(shí)刻各類樹(shù)種增濕效果圖

午后14∶00時(shí)不同樹(shù)種在距地面1.8 m處的增濕程度分布圖如圖7所示,增濕程度面積統(tǒng)計(jì)圖如圖8所示。黃金楓、洋槐、梧桐、松樹(shù)、國(guó)槐分別使研究區(qū)平均空氣相對(duì)濕度增加了 3.38%、2.03%、5.72%、2.52%、2.45%,梧桐的樹(shù)冠較大,能夠阻擋陽(yáng)光的直接照射從而減少空氣中的水分蒸發(fā),梧桐對(duì)空氣的增濕效果明顯強(qiáng)于其他樹(shù)種,增濕程度最高達(dá)到18.34%,增濕效果H＞10%的區(qū)域占研究區(qū)14.76%。雖然國(guó)槐的降溫效果較好,但國(guó)槐的增濕效果僅強(qiáng)于洋槐,增濕程度最高為6.30%,國(guó)槐的根系較發(fā)達(dá)且樹(shù)冠較大,土壤水分大多供給植物生長(zhǎng),土壤中水分不足導(dǎo)致植物氣孔阻力增加蒸騰速率下降。洋槐樹(shù)冠直徑較小,枝葉相對(duì)稀疏且葉片小巧遮光效果不佳,因此洋槐的增濕效果較差,增濕程度最高僅為5.72%,增濕效果＜5%的區(qū)域占研究區(qū)99.50%。

圖7 研究區(qū)1.8 m不同樹(shù)種增濕能力圖

圖8 不同樹(shù)種增濕程度面積統(tǒng)計(jì)圖

2.2.3 不同樹(shù)種的節(jié)能效益

分別采用式(3)、(4)評(píng)估不同樹(shù)種的降溫能力與節(jié)能效益,不同樹(shù)種的3D累積降溫結(jié)果和節(jié)能效益分別如圖 9(a)、(b)所示。 在 10∶00～18 ∶00時(shí)間段內(nèi),垂直高度0～2 m空間范圍下,5類樹(shù)種累積降溫6.63℃,累積節(jié)能39.76 kWh。梧桐的降溫、增濕效果最好,累積降溫 8.49℃,累積節(jié)能50.89 kWh；其次是國(guó)槐,累積降溫8.13℃,累積節(jié)能48.73 kWh；洋槐的降溫增濕效果最差,累積降溫5.16℃,累積節(jié)能30.92 kWh。樹(shù)種的節(jié)能效益與降溫效果關(guān)系密切,降溫效果越好節(jié)能效益越高。

圖9 不同樹(shù)種3D累積降溫和節(jié)能圖

3 結(jié)論

采用無(wú)人機(jī)攝影測(cè)量技術(shù),基于ENVI-met模擬與實(shí)測(cè)氣象數(shù)據(jù)相結(jié)合,對(duì)國(guó)內(nèi)典型高層住宅區(qū)的室外熱環(huán)境進(jìn)行了模擬,并對(duì)比分析了5類常見(jiàn)樹(shù)種對(duì)城市熱環(huán)境的調(diào)節(jié)作用,主要結(jié)論如下:

(1)實(shí)測(cè)數(shù)據(jù)與數(shù)值模擬結(jié)果對(duì)比表明,ENVI-met模型精度較高,預(yù)測(cè)效果較好?？諝鉁囟扰c相對(duì)濕度的RMSE分別為0.83℃、4.50%,MAPE分別為1.2%、6.63%。

(2)不同樹(shù)種降溫、增濕效果不同,樹(shù)種的降溫效果與樹(shù)冠的遮蔭面積關(guān)系密切,在觀測(cè)時(shí)間內(nèi),樹(shù)種的降溫幅度在0.06～1.21℃,增濕程度在1.99%～7.22%,研究區(qū)中心區(qū)域植被覆蓋茂密因此降溫增濕效果明顯,洋槐樹(shù)冠較小、枝葉稀疏因此降溫、增濕效果最差,研究區(qū)平均空氣溫度降低了0.16℃,相對(duì)濕度增加2.03%,梧桐因樹(shù)冠較大遮蔭效果最好因此其降溫增濕效果最好,降溫、增濕程度最高可達(dá)2.6℃、18.34%。

(3)不同樹(shù)種的節(jié)能效益不同,在10∶00～18∶00內(nèi),距地面0～2 m處,5類樹(shù)種3D累積降溫范圍在5.16～8.48℃,平均累積降溫6.63℃,3D累積節(jié)能范圍在30.92～50.89 kWh,平均累積節(jié)能39.76 kWh。