基于ENVI-met 的住区室外热环境模拟探析
——以上海市中心城区为例

■ 刘海萍 LIU Haiping 宋德萱 SONG Dexuan

0 引言

近年来，随着城市化程度的提高，城市热岛问题进一步加剧。上海全市自20 世纪90 年代以来平均气温上升1.1℃[1]，尤其城区表现出明显的升高趋势，位于城市中心的住区热环境也随之发生潜在变化；而2020年暴发的新冠疫情让人们意识到空间环境的重要性，开始更加注重所在住区的外部公共空间，如承载着居民日常的通行及休憩活动的道路、公共绿地、小游园等常用活动场所，其热环境质量影响着居民的体验感、活动行为甚至健康。面对全国目前的大规模老旧住区改造，如何更好地改善住区的室外热环境，成为建设健康城市、提升人居环境质量的必要课题。

1 研究方法及目的

住区热环境受多种因素影响，包括城市气候、住区下垫面、建筑布局、绿化、水体、季节、天气条件、人类活动等；而绿化控制作为其中较为经济且实施性强的方式之一，是本文重点研究的内容。

目前，针对热环境的研究方法主要有实测及计算机数值模拟，尤以后者优势突出。现阶段常用的城市微气候模拟软件ENVI-met 适用于中小尺度研究，其对建模中较为复杂的绿化要素自附绿化数据库，并且可根据高度、叶密度、根密度等参数定义新的绿化类型，针对包含绿化要素的热环境研究是较为理想的模拟工具。在不同气候条件下，已有研究[2-7]采用该软件做过热环境的相关研究。

本文的最终目的是通过实测方法探究绿化要素对住区热环境的影响，故决定采用城市微气候模拟软件ENVI-met 对实测案例进行模拟，并将模拟结果与实测数据进行对比分析，以检验该软件在住区尺度热环境模拟应用中的可行性与可靠性。

2 住区微气候实测

2.1 研究区域概况

本次研究选取上海市杨浦区同济大学校区以南的一处典型老旧小区（图1）为对象。上海市地处夏热冬冷地区，属亚热带海洋性季风气候；其最热月在7 月，夏季主导风向为东南风，冬季为西北风。根据《上海市气候变化监测公报（2017 年）》对1961—2017 年上海市的气候变化分析，在50 多年时间内，上海地面气温显著上升，高温日增多，冬季缩短、夏季延长，热岛强度增强。在此气候背景下，对夏季热环境的研究显得尤为重要。样本小区始建于1952年，以6 层楼梯房为主，面积约19 hm2；其整体规划受周边城市道路的影响，建筑朝向以南偏西为主。

图1 研究区域范围及实景

2.2 实测方法

本次室外热环境监测设置28 个测点，参数主要包括空气温度、相对湿度及风速。由于测点较多且设备有限，实测采用多点流动测试并取平均值的方式。所有测点高度均设置在地面上方1.5 m，沿小区内两条主要干道分布；且根据街道走向及分类比较，将测点分为A、B 两组，即A 组测点（A1～A14）沿南北向街道（同三路）分布，B 组测点（B1～B14）沿东西向街道（济二路）分布（图2）。由于测点A2处较为开阔，周围无绿化影响，将其设置为对照点；同时考虑植被因素的影响，设置多处对比测点（即测点间距离较近但绿化状态不同，如在乔木冠层阴影内与阴影外、草地及临近的铺装上方等），以尽可能保证在其他背景因素相同或相似的状态下进行比较研究。

图2 样本住区热环境实测点分布

实测时间为2017 年全年4 个不同季节的典型气象日。根据实测数据分析得知，相较于其他季节，夏季实测数据在热环境研究中更具研究意义，故本文重点选取夏季典型高温日（2017 年7—8 月）实测数据进行研究。

3 ENVI-met 理论验证模型

本研究采用ENVI-met V4.1 模拟软件。为检验软件在街区尺度上的模拟精度及收敛时长，在进行正式模拟前，需首先确定最适合的边界条件及垂直网格形式。本节将采用简化的理论检验模型，在保证初始值不变的前提下，分别改变边界条件及垂直网格尺寸，并分析比较模拟结果的异同，以获得更佳的模拟设置条件。

3.1 理论验证模型

研究之初，首先通过理论检验模型确定合适的边界条件及垂直网格形式。简化后的模型实际尺寸为86 m×94 m（X×Y），各方向单元网格边长为2 m，其他各项设置参数详见表1。模型为两栋高18 m 的正南北向建筑（46 m×18 m），组团中央布置6 m 宽的绿化，绿化与建筑之间为道路。为方便模拟结果的比较，在街区中部设置3 个监控点a1～a3（图3）。

表1 ENVI-met 模拟数据输入值设置

图3 理论检验模型平面示意图及监测点设置

3.2 确定边界条件

ENVI-met 软件在设定模拟条件时，有3 种不同的边界条件（linked boundary condition，简称LBC）可供选择，分别为开式、闭式及循环式。根据检验结果（图4、5），3 种LBC 模拟所耗费的时间基本一致。

图4 3 种LBC 空气温度模拟分布图（街区横切面）

（1）从图4 的温度模拟分布看，开式边界与循环式边界相差不大，而闭式边界在来风边界处差别相对明显，且温差最高可达1.0℃；除上风向区域外，模型大部分区域温差可控制在0.34～0.83℃范围内。这是由于闭式边界沿来风方向的模拟区域边界值被复制到旁边网格，而开式边界受周边区域的影响较小。另外，根据图5 街道中部剖面的风场显示，3 种边界条件对模型内部风速影响不大。

图5 3 种LBC 空气流速模拟分布图（街区纵剖面）

（2）通过对模拟结果的数值分析可知，3 种LBC 的模拟计算结果亦比较相似。另外，开式边界对温度及相对湿度的控制较好；闭式边界则有利于模拟风环境；而循环式边界能够减少特定案例控制方程的迭代次数，节省计算时间。

经综合比较，开式边界受边界的影响较小，对温度的控制更好，且适用于温湿度等易受太阳辐射、下垫面特征等外界条件影响的气象参数模拟，因此在后续的模拟中，将采用开式边界。

3.3 确定垂直网格形式

ENVI-met 软件共有2 种垂直网格形式，即等距式和递进式。其中，递进式可以伸缩比（s）数值简单概括。当s＝0 时，与等距式类似；且s最大不超过20%。本小节将选取5种典型情况进行对比，除等距式外，其他4 种情况以不同的递进式作为测试（表2）。其中，考虑到近地面网格尺寸尽量小，而远离地面处需减少网格数量以控制运算量，特增加离地面20 m 以上再递进的方式。从表2 的数据来看，不同网格形式的模型总高度差别较大；然而比较模拟结果（图6）发现，模型核心区域的温度场及风场差异并不大，尤其是不同伸缩比的递进式结果非常相似。

表2 不同垂直网格形式的离地高度单位：m

图6 不同垂直网格形式下监测点的空气温度及空气流速

（1）在模型总高度与建筑顶端之间保证足够距离的前提下，不同的垂直网格形式对温度场及风场的影响不大，且25 m 高度之上的风速受地面建筑及绿化的影响大大减弱；而等距式在地面上方第一个网格的细分能够在近地面分析时提供更详实的数据，保证人行高度（1.4～1.8 m）各项气候数据的采集。

（2）不同垂直网格形式对空气温度的影响明显，温度差异较大（温差最高达1.1℃）；但对风速的影响较弱。虽然各类情况在高度上存在较大差异，但整体温度及风速数值沿高度方向呈现一致的垂直变化趋势。

由此可见，在保证足够模型边界尺寸的基础上，等距式及不同伸缩比的递进式垂直网格对模拟结果的影响均较小，相互之间的相对误差也都在可控范围内。但考虑到等距式在近地面的网格细分优势，本文接下来将优先采用等距网格。

4 热环境模拟

4.1 模拟对象及参数设置

采用ENVI-met 软件对样本住区进行街区尺度模拟，将计算区域的实测数据作为边界条件输入，同时设定表面气流风速为1.5 m/s（地面以上10 m 高度） 的东南向来风，具体参数设定如表3 所示。

表3 ENVI-met 模型边界条件设置参数

模型运算范围确定为540 m×540 m，研究区域在水平方向划分为180×180 个网格（分辨率dx=dy=3 m）。研究区域内的建筑高度为18 m，为保证上部边界的足够高度，将模型总高度设置为58.5 m。依据上节对理论验证模型的分析，选择等距型垂直网格形式；同时，模型内设置的28 个采集模拟数据的监测点，均根据样本住区内对应的实测点位置确定。

样本住区的下垫面包括水泥路面、绿地、广场铺装及建筑瓦面屋顶。其中，绿地主要有以草地为主公共绿地、以梧桐树等密叶树为主的道路绿地及以水杉等疏叶树为主的宅旁绿地（图7），根据样本住区实地调研的不同树种分别进行自定义。

图7 密叶树与疏叶树实景及叶密度指数示意图

4.2 模拟结果分析

4.2.1 住区温湿度分布

对样本住区夏季各典型高温日的24 h 空气温度进行模拟，分析气温变化幅度。与日间相比，整个住区在夜间的气温变化幅度并不显著，这表明太阳辐射的存在会增加区域温差值；而随着日间不同时段太阳高度角、太阳辐射量的变化，住区整体气温变化幅度亦发生显著变化。当太阳辐射逐渐加强时，住区温度也在不断升高，且在15∶00 左右达到一天中的最高值；之后，太阳辐射逐渐减弱，住区气温变化幅度也随之降低。

结合样本住区在15∶00 的温湿度模拟分布（图8、9）可以看出：模拟区域内的乔木集中布置区温度相对更低，且对比测点中相邻的绿化区与非绿化区，最大温差出现在15∶00；同时，绿化区及下风向区域的相对湿度均有所提高，且后者更明显。

图8 样本住区15∶00 时空气温度模拟分布图

图9 样本住区15∶00 时相对温度模拟分布图

4.2.2 热舒适与平均辐射温度

热舒适评价指标与平均辐射温度、温湿度、风速等均相关，其中平均辐射温度（MRT）反映了周边壁面的平均表面温度，对热舒适影响极大。

从15∶00 的平均辐射温度空间分布结果（图10）来看，在住区街道区域内，MRT呈不均匀分布，且分布情况与绿化位置及种类相关。

图10 样本住区15∶00 时MRT 模拟分布图

（1）乔木可显著减小MRT，相较其他临近区域，种植有乔木的区域最大降幅高达20℃。

（2）中心绿化与无绿化处的MRT值则差别不大，在住区内属于数值明显较高的区域。这是由于开阔的草地虽然能增加局部湿度，但对夏季空气温度可能有升温的反效果，且缺少对直接辐射的干预，因而对人行高度的舒适度无明显改善。

（3）部分区域虽不在建筑阴影以及树荫内，但其MRT值仍比空旷地有一定降幅（低7℃左右）。这说明MRT除了被阴影影响外，还受其他因素影响。对比现状情况发现，产生降幅的区域正是灌木覆盖区，由于大部分灌木在1.5 m 高度以下，不会影响人体的直接辐射值，但灌木依然会对人行高度的MRT有降低作用，体现了灌木对热环境的改善潜力；而对于同一高度，草地并未表现出明显优势。

由此可见，绿化调节热环境的能力会因种类的不同而显著不同。从模拟数值看，乔木的致凉能力最佳，灌木次之，草地最不明显。

5 实测与模拟对比

对比分析ENVI-met 模拟与实测结果，可选择对应测点或多测点平均值进行比较，结果如下。

5.1 空气温度及相对湿度

对比不同区域测点（A6、A7、B6、B14）空气温度及相对湿度的实测与模拟数值（图11）可以看出，空气温度模拟值与实测值的平均差值在0.6℃以内，相对湿度的平均差值在5%以内，且两者在日间的差距相对较大。其中：测点A6及B14均在树下，且后者的实测值与模拟值更为接近；测点A6和A7位于住区主要车行道上，日间实测时不断有人群、车辆经过，因而实测值的准确性会受到干扰。

图11 不同区域测点空气温度及相对湿度实测值与模拟值对比

中心绿化测点B4～B7距离较近，有不同的下垫面及遮蔽情况，如测点B5位于凉亭下方，测点B6位于开敞的绿地中央。对比这4 个测点的空气温度实测值与模拟值（表4），结果显示：实测值及模拟值的温度高低排序一致；且实测值中，温度最高值与最低值的差值较大。究其原因，一部分是由于模型单元网格较大（3 m），测点距离较近的情况下，计算精度会受影响。因此，在重点研究相近测点时，精确细致的网格划分更有助于提高准确性。

作为居民主要活动场所的中心绿化位于两条主要道路中间，除住宅旁的小型乔木外，均为开敞的大面积草地。表5 的温度数据显示，草地中心区上方的空气温度比周边高约0.4℃，与实测数据相符，进一步证明大片草地并未有明显的降温效应，甚至在某些情况下还会导致升温。另一处街边游园位于两条主要车行道交叉口处，被群落丰富的乔木、灌木覆盖，乔木下方的温度比草地平均低0.8℃；而该区域在5 m 以下高度为枝叶繁茂的灌木，风速在此被阻挡减弱，温度普遍比高大乔木下方高0.2℃，MRT值也相差更大。另外，模拟区域东侧边界的围合庭院以高度在18 m 以上的水杉树为主，树下空间较开阔。从模拟结果看，由于半围合开口朝向来风方向，15∶00 受高温来风影响，整片区域并未与实测的凉爽感觉全然吻合。因此，若以靠近模型边界的区域作为研究对象，仍需将附近现存建筑考虑其中，以避免模拟边界对来风的不当影响。

表5 样本住区中心广场、街边游园及围合庭院15∶00 的空气温度、风速模拟对比

5.2 相关性分析

实测阶段共设置28 个测点，模拟则可提取任一网格的气候数据。采用统计软件SPSS，对测点所在位置的空气温度实测值及模拟数据进行相关性分析。为排除极端数据的影响，取同一测点在夏季典型天气的平均值进行研究（图12）。结果显示：① 空气温度的实测值与模拟值存在显著相关关系（R2=0.727，P＜0.001），数据呈现的趋势相同、大小基本相符；②两者空气温度的平均差值在0.6 ℃以内，证明了模型预测空气温度指标的准确性。偏差的存在可能与实测的准确度有关，也可能是受到不包含在模拟中的其他因素影响，如人为活动、交通热量释放等。这表明ENVI-met 模拟对含有绿化要素的室外热环境各项参数的描述是准确的，可较好地预测室外温度及相对湿度的分布情况。

图12 空气温度实测值与模拟值相关性分析

6 结语

本文主要是针对上海典型住区的热环境研究，由于现实环境的复杂性，实地测量过程中会受到多种因素的干扰，如人行、车流及其他潜在要素的影响，因此实测数据是在多种自然及社会因素共同作用下的结果。当研究者需要对某一要素进行深入探究时，实测方法存在不可逾越的局限性；而软件模拟可人为设定环境特征值，根据需要设计不同案例进行对比，可弥补实测的不足，由此成为微气候量化研究的有效方法。

本研究在对样本住区模拟前，先通过理论验证模型分析，选择合适的边界条件及垂直网格形式；后采用SPSS 软件将得到的模拟结果与实测数据对比，并进行回归分析。结果表明，二者结果接近，具有显著相关性，证实了ENVI-met 软件在室外热环境模拟方面的可靠性，且该软件所得的微气候数据全面、清晰，可为设计决策提供良好依据。在今后的研究中，将致力于提炼绿化的可控要素进行定量分析，进一步对绿化影响热环境的机制进行研究。