规划控制要素视角下城市热环境的测度与优化
——以广州中心城区为例

许亘昱，石玉蓉,2，张宇峰

（1.华南理工大学 建筑学院，亚热带建筑与城市科学全国重点实验室，广州 510641；2.中山大学 大气科学学院，广东 珠海 519082）

城市热岛效应已成为影响室内外热环境质量、危及人类健康（Tan et al., 2010）、提高建筑能耗（Li et al., 2019）以及激化能源短缺矛盾（Akbari,2005）的重大环境问题。随着国土空间规划体系逐渐建立，气候适应型城市的建设在我国逐步开展，以城市热岛效应为代表的城市热环境问题愈发受到关注。《绿色生态城区评价标准》《城市居住区热环境设计标准》《绿色建筑评价标准》等现行标准也通过条文规定控制热岛强度，提高热环境舒适度。但限定热岛强度上限值的城市热环境管控形式，只能保障基本的热环境需要，难以满足日益增长的热环境品质追求。

促进土地集约高效利用，合理构建空间布局，优化资源配置要素，营造健康舒适的空间环境，是当前精细化控制与管理城镇开发边界的重要内容。在规划决策中，规划师决策时间范围有限（Besserud et al., 2011），缺少评估热环境的相关信息和工具，难以实现基于数据的定量化分析（谢正辉 等，2020）；城市规划从业人员对改善热环境问题感兴趣，但缺乏系统性的理论指导和技术路径支撑，其相关知识对规划过程的影响较小，缺少基于性能的定量精细化热环境管控方法，城市规划的框架与体系难以优化整合（武占云，2021）。规划师在规划初期介入，对城市规划参数进行限定、优化和引导，可有效提升城市空间品质，在生态、社会、经济等多方面取得明显效益，可为后续营造良好的生态环境打下基础。因此，为了实现热环境的精细化管控，准确快速的热岛强度评价方法亟需补充完善，规划师需将其与规划流程充分融合。

当前存在多种评价热岛强度的方法，但并不是每种方法都适用于规划初期的城市热环境优化实践。其一，在规划初期，需要比较筛选各个规划方案中的热环境优劣，而初期一般缺少具体的建筑物和周边环境的分布细节，因此，方案侧重于集总的热环境性能表现，主要聚焦于长时期热环境变化，而非短时期热环境表征。其二，使用遥感方法，可反向推演出特定时间段内地表温度等热环境参数，但该方法在预测城区热岛强度变化上存在局限性和滞后性，难以获得稳定的高精度目标影像，遥感的预测精度取决于传感器和反演模型的性能，不能完全描述城市热岛（Mirzaei et al., 2010）。其三，使用ENVI-met和Ansys Fluent等CFD数值方法，可以预测不同规划方案对城市热岛强度的影响，但其具有建模复杂和计算成本高的缺陷，在空间和时间上应用受限，且其模拟的准确性受到模型假设、初始输入参数和模型分辨率的影响，因此现有的热环境设计多在居住区（Middel et al., 2014）以及建筑组团（陈卓伦，2010）等较小范围尺度介入，难以在初期规划设计中进行较大尺度的规模化运用。综上所述，如何保证适当模拟精度的同时进行模型和步骤的简化，进而确定其预测偏差，保证预测结果的准确性不会干扰规划决策和判断，成为一项关键的问题。过往研究中仅有少部分探讨到该问题，其中，有研究表明可通过简化CFD模型，建立规划控制要素与城市热环境的对应关系，如WUDAPT2ENVImet（Kropp et al., 2018），但这一方法在使用上存在计算成本高、相关程序配置复杂以及从业人员学习成本大等问题。亦有研究表明可使用经验模型来预测城市热岛的时空变化（Tong et al., 2018），但过于简化的条件意味着模型受到地域性和季节因素等多方面的限制。考虑以上因素以及计算成本和效率，运用城市地表参数化方案，使用简化数值模拟方法，求解城市热环境相关参数，是规划初期的较好选择。简化数值模拟方法大多基于城市冠层能量平衡理论建立，即以冠层内部空气、建筑和土地组成的城市冠层为对象，假设城市冠层是街谷的各向同性阵列，通过输入冠层特征、初始热湿状态条件和气象参数的时间序列，模拟冠层中各个表面（建筑物屋顶、墙体与下垫面等）的能量交换，计算城市冠层中各能量分项及气温、湿度、辐射、风速等气候参数，从而表征对应城市区块的热环境。

基于上述考虑，本研究使用简化数值模拟方法，探讨规划控制要素对城市热环境的影响。研究流程图如图1所示。首先，提取广州中心城区典型区块的热环境基础信息，分析建筑密度、容积率和建筑高度等规划控制要素对热岛强度的影响。其次，对Urban Weather Generator（下文简称UWG）模型在广州中心城区的适用性进行验证，确认模型的准确度及适用性。最后，针对广州中心城区的规划控制要素的分布情况，分析典型区块的热岛强度差异，并对与规划控制要素相关的城市形态参数进行全局敏感性分析，获取各参数对热岛强度的影响权重，进而提出针对性的优化建议。

图1 研究流程Fig.1 Flow chart for analysis

1 研究区域、数据与方法

1.1 研究区概况

广州市地处广东省中南部，北回归线从广州北部从化横穿，夏季漫长湿热，降水丰沛，光热充足；冬季温暖而短暂，年均温为20～22 ℃，平均相对湿度77%，市区年均降雨量约为1 720 mm，是中国湿热地区的典型城市。受限于资金和数据可获得性，本研究选取广州中心城区的典型区域进行研究，与通常所指的天河区、越秀区、海珠区和荔湾区4个行政区不同，研究选取天河区、越秀区和海珠区大部分区域展开分析与讨论，涵盖23°04′—23°09′ N、113°15′—113°21′ E 的10 km×10 km 范围核心区域，是高密度的非均质建成区，人口最为密集，经济最为活跃，覆盖大量不透水路面、建筑物以及分散的树木（图2）。

图2 研究区域位置Fig.2 Location of the study area

1.2 数据来源

采用GeoEye-1 高分辨全色影像图提取地物信息，其空间分辨率为0.41 m，摄于2017-10-22。本研究沿用广州中心城区LCZ图（Shi et al., 2019）和广州中心城区三维城市模型（石玉蓉，2020）的部分数据，并对获取的数据进一步分析，得到与城市热岛强度相关的LCZ数据和城市下垫面信息数据。

本研究使用的UWG 模型从Github 仓库中获取①https://github.com/ladybug-tools/uwg，版本号为4.2。UWG 模型验证的数据由广州中心城区室外热环境测试获取（图3）。测试区域为广州典型居住生活区，建筑以紧凑的中高层为主，少部分为整块的低矮建筑。验证数据采集时间段为2016-09-11—11-28，根据中国气象行业标准《气候季节划分》进行季节判定，为夏季和秋季，代表了湿热地区的典型气候特征。距离地面3 m 或5 m 的电线杆布置测试点，测试该位置的空气温度，范围涵盖居住区和街道，作为UWG 模型模拟输出空气温度的对比数据，对模型的预测精度进行验证。用于模拟初始输入的空气温度、相对湿度、大气压和风速获取于广州市国家基本气象站（位于广州城郊）。由于广州市国家基本气象站数据不含逐时辐射数据，且城市与郊区辐射数据差异较小，因此，研究在距地110 m 的高塔上测量了太阳总辐射，并使用太阳辐射直散分离模型NDDSR-5（Yao et al.,2017）将太阳总辐射分为太阳直射辐射和太阳散射辐射，作为模拟初始输入的太阳辐射数据。高塔测点位于大气边界层的惯性子区中，有效避免了建筑物的遮挡及下垫面粗糙元的干扰。相关仪器规格参数如表1所示。

表1 测试仪器规格参数Table 1 Parameters of test instruments

图3 测试区域环境及测点示意Fig.2 Schematic diagram of the study area and test points

1.3 研究方法

1.3.1 局地气候分区 城市下垫面类别和土地开发强度的多样性造成了城市内部热岛强度的差异。Stewart等（2012）在充分论证传统城郊二元法研究城市热岛问题的不足后，提出了局地气候分区（Local Climate Zone，下文简称LCZ）体系。LCZ将城市下垫面分为10 种建成类型和7 种自然类型（图4），以天空角系数、高宽比、建筑密度、不透水表面积占比、透水表面积占比、粗糙元高度、地形粗糙类型、热导纳、反射率和人为热等的区间为属性。LCZ用定量方法区分城市的土地构成，相较于传统规划领域方法—从土地利用功能角度出发的定性分类方法，其能更好地体现功能相同的土地利用类型在地块的建筑密度、容积率和绿地率等方面的差异，且具有分析比较的普适性（Bechtel et al.,2015），以LCZ 为基础的城市热岛强度分类已通过经验和模型得到证实（Fenner et al., 2014; Stewart et al., 2014; Leconte et al., 2015）。

图4 城市局地气候分区的类型（Stewart et al., 2012）Fig.4 Types of local climate zone (Stewart et al., 2012)

1.3.2 UWG 模型 UWG模型由Bueno等开发，由城郊气象站模型、垂直扩散模型、城市边界层模型和城市冠层与建筑能耗模型4 个耦合模块组成（Bueno et al., 2013），通过输入土地覆盖、建筑几何形态和城郊气象观测数据，可模拟城市热环境特征，并计算出城市地块尺度的空气温度，进而通过和郊区空气温度对比，得到对应的热岛强度。

为了确定UWG 模型在中国气候条件下的适用性和精度，需进行本地验证。柯本气候分类法在全球范围内被广泛使用，是影响最大的气候分类法之一（Cui et al., 2021）。中国幅员辽阔，在柯本气候分类下，存在草原气候（Bs）、沙漠气候（Bw）、冬干温暖气候（Cw）、常湿温暖气候（Cf）、冬干冷温气候（Dw）和苔原气候（ET）6个主要气候型（朱耿睿 等，2015）。相同气候型的城市具有相近的气温、降水和气候要素，模型验证结果具有一定参考价值。UWG模型已在图卢兹、巴塞尔（Bueno et al., 2013）、波士顿（Street et al., 2013）、新加坡（Bueno et al., 2014）、阿布扎比（Bande et al.,2019）、罗马和巴塞罗纳（Salvati et al., 2019）等地进行了验证，均方根误差（Root mean square deviation, RMSE）在0.56～2.06 ℃之间，平均偏差（Mean Bias Error, MBE）在-1.71～0.6 ℃之间，精度较好。相应城市所对应的气候型较好地涵盖了我国南方的湿热区域，但在冬干温暖气候Cw 这一类型上缺少对应案例。基于此，本研究在冬干温暖气候典型城市广州开展了验证研究。

2 规划控制要素与城市热环境的联系

GIS 数据在城市规划和决策中被广泛应用，基于GIS信息提取模型输入参数，可确保城市热岛强度评价与规划流程紧密耦合。在规划中，建筑密度、容积率和建筑高度等控制要素具有一定弹性，而这些控制要素可以对城市热环境产生正面或负面影响。在调整规划指标时对热环境进行评估优化，可在一定程度上维持良好的城市局地热环境（Koch et al.，2018；王频 等，2019；祁乾龙 等，2021）。城市热环境影响因素可使用LCZ 体系进行描述，同时LCZ体系契合规划尺度，相关属性与规划中控制城市热环境的要素密切相关，参数之间可以互相转化（图5）。利用此关系，可对规划控制单元作系统性划分，通过对街区内建筑物、绿化及地面铺装等进行统计分析，将复杂的城市形态理想化处理，转化为城市热环境模型的输入参数（Liu et al., 2020），可定量认识规划调控内容对城市热环境的影响，分类指导与优化不同类型城市区块。

图5 规划控制要素与城市热环境的联系Fig.5 The relationship between planning control elements and urban thermal environment

在规划中，主要采用用地性质、用地面积、容积率、建筑密度、绿地率以及建筑限高等定量指标对地块进行控制（同济大学 等，2010），但在热环境模拟过程所涉及的指标并不能完全与现有规划指标一一对应。因此，研究基于现有规划控制指标和与之关联的LCZ属性，提出了一些可以快速转换获得的新指标，以便对地块进行热岛强度分析，具体如下：

容积率是规划中被广泛使用的重要指标，可由建筑密度、建筑高度和层高转换得出。基于GIS数据计算建筑密度和平均建筑高度具有便利性，且层高一般较为固定，因此，将建筑密度和平均建筑高度作为评价热岛强度的直接性指标。若通过规划通告附图进行热岛强度评价，也可将容积率指标由相关关系转化为UWG模型的输入条件。

绿地率反映了规划用地的建筑占比，但乔木、灌木和草地对太阳辐射的遮蔽作用不同，因此，将绿地率拆分为乔木覆盖率和灌草覆盖率，可更好地表达植被对热岛强度的影响。

使用LCZ属性中的天空角系数或高宽比不足以充分表征不同城市形态的三维特征（Salvati et al.，2019），因此，定义规划控制单元中建筑立面面积与区域面积之比为墙地面积比，以更好地体现三维城市形态对热岛强度的影响。

使用LCZ分类体系对广州市中心城区进行数据分析。根据LCZ最小直径400 m的要求（Stewart et al., 2012），将广州中心城区划分为625 个400 m× 400 m区块。研究发现，在广州中心城区LCZ 1占34%，LCZ 2 占12%，LCZ 3 占12%，LCZ 4 占11%，LCZ 5 占5%，LCZ 8 占6%，其余LCZ 类型分散，单一类型占比较少。因此，根据广州中心城区LCZ分类结果和相关比例分布，排除单一区块中有多种LCZ类型形成的混合LCZ区块，选取广州市建成区域的主要LCZ 类型LCZ 1、LCZ 2、LCZ 3、LCZ 4、LCZ 5 和LCZ 8 进行研究。分别统计不同LCZ的城市形态参数信息，得到研究区域主要LCZ类型对应的城市热岛强度以及相关规划控制要素取值范围和平均值，如图6所示。

图6 广州中心城区主要LCZ类型的规划控制要素相关参数分布Fig.6 Distribution of planning parameters of major LCZ types in Guangzhou central area

可以发现，广州中心城区城市形态高度异质化发展，城市形态参数与标准LCZ框架提供的参考数据（Stewart et al., 2014）相比存在一定差异。因此，在依靠LCZ体系获取城市形态参数后，不能简单根据单一规划控制要素的大小推断热环境的优劣，需要充分考虑城市形态的异质性对热岛强度等城区热环境表征的影响，以热环境预测模型对各区块的热环境进行评价。

3 UWG在广州中心城区的验证

3.1 检验方法

通过比较实测和UWG 模拟工况预测的空气温度值，对UWG 模型在广州中心城区的适用性进行

评估。

运行热环境模型需要的输入参数由图7所示流程生成。使用遥感反演、目视解译与实地研究相结合的方法，从高分辨遥感影像图提取包括建筑和植被等不同地物的基本信息数据。对相关数据进行分析计算，得到和各测点热环境相关的建筑密度及平均建筑高度等规划控制要素信息。除具有城市异质性的各测点参数外，其余运行模型需要的参数设置为常数。经纬度等地理信息根据测试区域的位置设置；边界层高度、平均障碍物高度及反转高度等气象参数由实地观测和文献研究确定（李天然 等，2009；Zhang et al., 2015）；城市特征、植被参数和建筑参数由LCZ信息确定，该过程中需要建立非建筑显热随时间变化的分布表，这部分人为热主要为交通人为热，根据车汶蔚（2010）的交通时间表进行设置，对应的峰值根据王志铭等（2011）取18 W/m2。其余未提及的参数按UWG 模型默认值设置。

图7 城市热环境分析流程Fig.7 Urban thermal environment analysis process

3.2 验证结果

根据2016 年9 至11 月的测试数据评估了UWG模型预测城区空气温度的能力。由图8可知，UWG较好地模拟了测试区域的空气温度日周期变化，较准确地预测出了日最高气温，而在夜间则倾向于低估城区空气温度。UWG 模型也可以较好地预测月平均热岛强度，测试区域9、10和11月的平均热岛强度分别为1.74、2.02、1.95 ℃，而模拟结果为1.50、1.73、1.62 ℃，模拟结果和实测结果接近。

图8 UWG模拟与现场实测的逐月每小时平均气温的对比Fig.8 Comparison of simulated and measured hourly average temperatures for each month

采用决定系数（Coefficient of determination,R2）、RMSE 及MBE 对模型进行进一步评价。对比UWG 模拟的逐时空气温度和实测的空气温度，结果表明，UWG 对各测点的空气温度进行了合理的预测，R2=0.956，RMSE=1.10 ℃，MBE=-0.28 ℃（图9）。对比UWG 模型在其他地区的验证结果，UWG 模型在广州地区的预测能力处于正常区间内。

图9 测试与模拟空气温度散点图对比Fig.9 Scatter plot of the tested and the simulated hourly temperatures

综上，虽然规划控制要素对热环境的影响具有复杂性，但是UWG 模型可以描述城市热岛变化，并预测不同规划控制要素下空气温度值随时间的变化情况，是链接LCZ体系与规划调控要素的理想工具。同时，从建模到得到模拟结果，运行单一案例需要的时间由传统CFD方法的数天缩短到了数分钟（普通微型计算机，CPU 时钟频率2.30 GHz，内存容量16 GB）。这意味着使用UWG预测街区空气温度具有计算迅速且准确性高的优点，极大地加快了得到模拟结果的时间。另一方面，UWG 使输入参数设置简洁化，也为其在规划设计中的推广使用提供了有效的保证。

4 广州中心城区案例研究

4.1 城区热岛强度变化

现行行业标准《城市居住区热环境设计标准》JGJ 286 以设计计算温度与当地典型气象日温度的差值作为热岛强度。参考这一定义，将广州中心城区各区块的下垫面信息所代表的规划控制要素值和广州夏季典型气象日参数输入UWG，通过计算模拟输出的空气温度和典型气象日逐时空气温度的差值，可以得到各LCZ类型在典型气象日的逐时热岛强度变化情况（图10）。在日间，热岛强度在傍晚时达到最高值，各类型LCZ 平均热岛强度达2.06 ℃；在夜间，热岛强度在凌晨后达到最高值，平均热岛强度达5.98 ℃。各建成类型LCZ 热岛强度在大多数时段均为正值，但在上午会出现微弱的城市冷岛现象。不同LCZ 区域的热岛强度值存在一定差异。对比不同建成类型的平均热岛强度可以发现，从高到低依次为LCZ 3、LCZ 1、LCZ 2、LCZ 4、LCZ 8、LCZ 5。开阔的LCZ类型（LCZ 4、LCZ 5、LCZ 8）比紧凑的LCZ类型（LCZ 1-LCZ 3）日均热岛强度低0.41 ℃。紧凑的低层建筑区域产生的区域热岛效应在白天最为明显。在同样的开阔度条件下，建筑高度更高的LCZ类型热岛强度更低，有效避免了夏季高温与高热岛强度的复合效应。综上所述，应针对性地采取措施，尽量避免城市形态对热岛强度造成不利影响。

图10 广州中心城区典型LCZ热岛强度昼夜变化Fig.10 Diurnal variation of UHII of major LCZ types in Guangzhou central area

4.2 规划控制要素对热岛的敏感性

为进一步分析不同规划调控内容对城区热岛强度的影响程度，基于广州市中心城区的下垫面信息分布，进行热环境敏感性分析。选取了11 个参数，分别对应不同的规划控制要素，具体见表2。其中，平均建筑高度、平均建筑密度和建筑功能及占比是规划调控中的常用指标；而各参数的反射率与用地性质、建筑材质和建筑色彩相关；非建筑显热峰值与用地性质、用地结构相关；墙地面积比与用地面积、建筑密度、建筑高度和容积率相关；乔木覆盖率、灌草覆盖率和绿地率相关，可由规划控制要素间接推导得到。表2总结了每个参数的测试值范围。通过GIS信息能获取参数，通过调整正态分布的数学期望和方差以及设定截断线，使其在相关分析中的分布情况和广州中心城区的实际分布情况保持一致。缺少具体分布信息的参数，以LCZ 信息为依据，假定其在值域内呈均匀分布。

表2 规划控制要素在敏感性分析中的取值范围Table 2 Range of values for planning control elements in sensitivity analysis

使用拉丁超立方抽样（Latin hypercube sampling）对输入参数进行采样。为了保证采样的随机性与准确性，使用SIMLAB（Tarantola et al., 2016）自动生成输入样本，进行了1 000 次采样，进而将抽样参数带入到UWG 模型运行，得到每小时的热岛强度，基于全局回归的敏感性分析，评估各参数对热岛强度的影响。使用标准化回归系数（Standardized Regression Coefficients，简称SRC）衡量热岛强度相对于输入参数的灵敏度。SRC的绝对值越高，表示相关参数对模型输出的影响越大；SRC的符号反映了热岛强度的变化和输入参数的变化是否一致。需要注意的是，使用SRC 作为评价参数，仅在被拟合的回归模型充分近似观测数据时有意义。可以通过R2的大小来判断回归模型的质量，低R2值表示回归模型与观测数据的拟合性不足，这可能是由于敏感性分析中缺少关键参数，或是回归分析未捕获非线性效应或参数交互作用（Menberg et al., 2016）。一般认为当R2>0.7时，回归模型的拟合质量较好（Saltelli et al., 2004）。从3.2 节实测值和模拟值的对比可知，模型的R2=0.956，处于一个较高的水平。因此，非线性行为或参数相互作用引起的高阶效应在当前UWG 模型中影响很小，使用SRC作为敏感性分析的评价参数是合理的。

从图11可以看出，广州中心城区的不同规划控制要素对热岛强度影响有明显的强弱之分。基于UWG 模型的敏感度分析可知，建筑材质与建筑色彩等城市设计引导要素对城市热岛的影响相对较小，建筑功能及占比在一定程度上对城市热岛强度有影响；而环境容量和建筑建造这2项调控要素下，平均建筑密度与平均建筑高度对热岛强度起主要作用。此外，虽然增加植被覆盖率（Ng et al., 2012）和使用冷却屋顶（Cao et al., 2015）等措施通常被认为是改善夏季城市热岛的有效方法，但敏感性分析的结果表明，这些方法在广州的使用空间可能受限，需要对城区进行综合性的改善，才能对热岛强度产生较大影响。另一方面，对比在不同地域性下的UWG 模型参数敏感性研究（Bueno et al., 2013;Mao et al., 2017），各参数对热岛强度的影响程度受地域性影响而存在差异，因此需要针对各地区各地块的不同情况分别讨论改善城市热岛的最佳方法。

图11 广州中心城区规划控制要素对热岛强度影响的敏感性Fig.11 Variation of planning control elements and UHII with time in Guangzhou central area

综上，在实际规划设计案例中，应充分考虑土地使用、环境容量和城市设计引导等规划控制要素对城市热环境的影响，有条件时优先调整对城市热环境敏感性较高的规划控制要素，以实现良好的城市热环境效果。以广州中心城区为例，在调整平均建筑密度的同时保持其它规划控制要素不变，最大程度地保持现有规划城市建设用地结构，可平均降低热岛强度0.47 ℃，效果显著。另一方面，在对城市热环境进行引导时，应充分考虑地块的产业功能和发展轨迹等特点，遵循刚性控制与柔性引导并济，针对性调控各类规划控制要素，营造良好的城市热环境。

5 结论及展望

基于LCZ 分类体系和UWG 模型，本研究提出了基于规划控制要素的城市热环境评价优化流程，并以广州中心城区为例进行了演示，验证了其在真实复杂城市环境中的适用性。通过与传统方法对比，得出以下主要结论：

1）通过输入规划控制要素，使用简化数值模拟方法可以准确快速地预测城区的热岛强度。这一工作可形成统一的工作流，有条件时可进一步开展UWG模型验证工作，扩展模型使用范围。

2）基于LCZ 体系，可有效降低输入城市热岛评价模型参数的难度，整合了城市热环境优化框架与规划控制体系。LCZ 体系和UWG 模型的结合，极大程度上简化了城市规划师分析优化城市热环境时的工作流程，拓宽了规划阶段中分析热环境优劣的场景。

3）不同LCZ区域的热岛强度值存在一定差异，规划控制要素的异质性对热岛强度的影响不容忽略。以广州中心城区为例，热岛强度对比方面，开阔的LCZ类型（LCZ 4、LCZ 5、LCZ 8）比紧凑的LCZ类型（LCZ 1-LCZ 3）日均热岛强度低0.41 ℃；影响热岛强度的规划控制要素方面，与环境容量和建筑建造有关的平均建筑密度及平均建筑高度是热岛强度的主导因素，建筑功能及占比是次要因素，而城市设计引导要素对城市热岛的影响相对较小。规划师可在决策过程中根据热环境模型预测结果以及城市地块差异性，选择针对性的城市热岛缓解策略，进而有效降低城市热岛强度。

4）在规划设计评价和实施运管评价时，需要充分考虑规划控制要素对调控城市热环境的先导作用。在国土空间规划的重要环节，积极发挥政策引导，结合评效工具，以规划专篇等形式有效引导和控制地块指标，进一步完善城市热环境空间规划技术标准体系，提升城市韧性和气候适应能力。

实现城市热环境的精细化管理，离不开规划、地理与气象等专业的跨学科融合。利用气象条件因地制宜的建设热环境友好城市，依据可靠的数值模拟结果，科学地规划土地使用、环境容量、建筑建造和引导城市设计，可有效缓解城市热岛，优化城市热环境。本研究结果可以作为规划人员监督评估与预警、调整城市热环境的有效指南，可有效提升规划设计水平，在生态城区建设、绿色城区建设及城区可持续发展中发挥重要作用。在未来，可进一步加强热环境评价模型与规划控制要素的联系，通过明确相关转化公式，设置模型的缺省值，从而为规划设计领域带来更全面且有效的热环境解决方案。