街區(qū)尺度屋頂綠化熱效應及其與城市形態(tài)結構之間的關系

姜之點,彭立華,*,楊小山,姚靈燁,朱春磊

1 南京工業(yè)大學建筑學院,南京 211816 2 南京工業(yè)大學綠色建筑與生態(tài)城市實驗室,南京 211816

城市化與全球氣候變化雙重作用下,熱島效應成為最具代表性的生態(tài)環(huán)境問題之一[1- 2]。城市綠地通過冠層遮陰與蒸發(fā)蒸騰作用形成“冷島”,是緩解熱島效應、提升人居環(huán)境質量的有效途徑[3- 8]。當前我國城市發(fā)展從增量擴張往存量優(yōu)化模式轉變,城市建設用地日益稀缺,可綠化面積越來越少。綠化屋頂能充分利用屋面閑置空間添綠,可有效補充地面綠化不足,幫助城市緩解熱島效應。

屋頂綠化熱效應主要通過遮陰隔離及蒸發(fā)蒸騰兩種途徑實現(xiàn)。由植物、土壤基質等組成的多層結構可有效隔離太陽輻射,降低屋頂表面溫度,削減傳入建筑內部的熱量及空調制冷耗能;此外,植被及土壤中水分的蒸發(fā)蒸騰作用帶走熱量,從而降低大氣溫度、緩解城市熱島效應。目前屋頂綠化熱效應研究方法及內容主要包括4個方面：(1)通過短期對比觀測實驗,分析溫濕度、建筑能耗等熱效應指標在綠化及普通屋頂之間的差異,揭示屋頂綠化熱效應強度[9- 15];(2)基于長時間序列觀測數(shù)據(jù),定量分析氣候、植被、土壤等環(huán)境因子對熱效應的影響[16- 17];(3)建立熱量平衡方程定量刻畫建筑-屋頂綠化-大氣之間的熱量傳輸過程,揭示熱效應影響因子及作用機理[18- 21];(4)借助建筑能耗模型或者中尺度氣候模型,預測單個或者大面積屋頂綠化對城市能源消耗以及熱島效應的削減作用[22- 25]。

以上實測及模型研究均證實屋頂綠化可在不同氣候條件下發(fā)揮降溫、節(jié)能熱效應,從而改善城市熱環(huán)境。然而,大部分研究著重探討單個屋頂綠化案例對建筑屋頂層面熱效應指標的影響,無法全面反映城市冠層三維空間熱環(huán)境的響應情況。城市尺度的模擬研究往往對下墊面特征進行參數(shù)化處理,不能充分考慮由于建筑環(huán)境差異導致的熱效應空間分異,無法深入探討城市形態(tài)結構對熱效應的可能影響。屋頂綠化的降溫效應從屋面至地面呈現(xiàn)怎樣的三維空間分布規(guī)律？城市形態(tài)結構因子(建筑高度、密度、朝向)如何影響熱效應空間分布？具有哪種形態(tài)特征的城市區(qū)域建設屋頂綠化能最大程度發(fā)揮熱效應？要回答這些問題,必須開展介于建筑與城市之間的街區(qū)尺度屋頂綠化熱效應研究。

在南京市選擇不同形態(tài)結構特征的代表性樣區(qū),采用小氣候模型ENVI-met 4.2,模擬分析街區(qū)尺度屋頂綠化的三維熱效應,并著重探討城市形態(tài)結構對熱效應的影響,識別有利于緩解熱島效應的形態(tài)結構類型, 研究結果可促進對亞熱帶城市地區(qū)建筑-植被-大氣相互關系及作用機理的深入認識,并為屋頂綠化實踐提供指導。

1 研究區(qū)概況

1.1 南京市氣候特征

南京位于31.2—32.3°E,118.4—119.2°N,屬亞熱帶濕潤季風氣候,四季分明,冬冷夏熱,全年日平均氣溫28.6℃,夏季日均氣溫32.0℃,盛行風向為東風和東南風。南京是長三角地區(qū)的中心城市,常住人口824萬,城區(qū)人口密度大,高層建筑較多,熱島效應明顯,根據(jù)40年氣象站觀測資料分析顯示,南京市平均熱島強度為0.5℃,最高可達6.0℃[26]。

1.2 研究樣區(qū)選擇

參考局地氣候分區(qū)體系(Local Climate Zone,LCZ)選擇樣區(qū)[27]。LCZ是目前發(fā)展較為成熟的以城市氣候學為基礎的分類體系,它主要依據(jù)下墊面對熱環(huán)境的響應能力進行分區(qū)劃定[28- 30],將城市一定范圍的區(qū)域(直徑約1 km),根據(jù)其建筑高度、建筑密度、透水面積比、天空視域系數(shù)以及高寬比等因子劃分為10類局地氣候區(qū),依次排序為LCZ1—LCZ10。本研究考慮屋頂綠化適建性等因素,不分析LCZ7(輕質低層建筑區(qū))和LCZ10(工業(yè)廠房區(qū))兩種類型;此外,容積率與綠化覆蓋率為我國控制性詳細規(guī)劃的重要指標,因此也一并考慮(表1)。

表1 8種LCZ類型的特征、標準及對應研究樣區(qū)的相關參數(shù)

LCZ：局地氣候區(qū),Local climate zone; BH：平均建筑高度,Building height;BD：建筑密度,Building density;PSF：透水面積比,Pervious surface fraction;SVF：天空視域系數(shù),Sky view factor;H/W：高寬比,Height-to-width ratio;FAR：容積率,Floor area ratio;GCR：綠化覆蓋率,Green coverage ratio;a：該數(shù)值與參考值稍有出入;“—”表示LCZ分類體系中無相應指標

基于QuickBird衛(wèi)星影像與百度街景地圖,了解南京城市街區(qū)布局、幾何形態(tài)、建筑屋頂現(xiàn)狀、地面綠化覆蓋等基本特征,結合各LCZ類型的定義與指標值,選擇了8個典型樣區(qū)進行熱效應模擬(圖1),采用ArcGIS 10.2對地塊矢量化并統(tǒng)計各項指標(表1)。

圖1 8個研究樣區(qū)的空間分布Fig.1 Location and spatial distribution of the 8 study plotsLCZ：局地氣候區(qū),Local climate zone

2 ENVI-met 4.2模擬

2.1 模型簡介

ENVI-met由德國美因茨大學地理研究所開發(fā),主要基于CFD(計算流體動力學,Computational Fluid Dynamics)和熱力學原理模擬城市建筑-植被-大氣相互關系。模型包括大氣、輻射、土壤、植物、建筑5個子模塊,空間精度為0.5—10 m,時間步長10 s,能實現(xiàn)小尺度風、熱、濕、日射環(huán)境的耦合計算,并輸出溫濕度、風速、熱通量等環(huán)境氣象因子的三維空間分布。本研究采用ENVI-met最新版本V4.2開展模擬研究,該版本具有邊界條件全強迫(full forcing)功能,可以將氣象站逐時觀測數(shù)據(jù)作為模擬邊界條件輸入,實時考慮模型邊界氣象條件變化的影響,因而比以往版本具有更高的模擬精度。

2.2 情景設置

每個LCZ樣區(qū)設置南-北向(街道與主導風向東風平行)、西南-東北向(街道與主導風向45°相交)兩種朝向,樣區(qū)所有建筑設置傳統(tǒng)光屋頂、簡易型綠化屋頂(Extensive green roof,EGR)以及復合型綠化屋頂(Intensive green roof,IGR) 3種情景,共計模擬48種情景。為避免由于邊界效應不同造成的結果偏差,每種情景的模型區(qū)域統(tǒng)一設置成260 m×260 m的正方形,平面網(wǎng)格大小為2 m×2 m。

簡易型屋頂綠化在建筑屋頂添加一層50 cm高的草坪,復合型屋頂綠化在草坪之上添加等距排布的桂花樹(Osmanthusfragrans),地面綠化統(tǒng)一采用南方街區(qū)常見的香樟樹(Cinnamomumcamphora),表2列出了3種植被的空間形態(tài)、生長參數(shù)及熱物理參數(shù)。其余各參數(shù),如建筑高度、建筑布局、地面鋪裝等,依據(jù)樣區(qū)實際情況建模。

表2 ENVI-met 4.2模型區(qū)域的植被樹種及生理參數(shù)

“—”表示該植被無相應生理參數(shù)

2.3 模型輸入?yún)?shù)

ENVI-met 4.2模擬的邊界條件為研究區(qū)溫濕度、風速、太陽輻射的逐時分布及不同深度的土壤溫濕度等,表3列出了模型模擬的主要輸入?yún)?shù)及獲取途徑。

表3 ENVI-met 4.2模型輸入?yún)?shù)及取值

2.4 模型驗證

選擇位于南京市東部的紫東國際創(chuàng)意產(chǎn)業(yè)園區(qū)(ZDICP)開展微氣候實測與模型驗證。ZDICP在LCZ分類體系中屬于開敞中層建筑區(qū)(LCZ5),區(qū)內共有10棟辦公建筑,4棟建筑上實施了復合型屋頂綠化,其余6棟為簡易型綠化屋頂(圖2)。在樣區(qū)內部典型下墊面覆蓋處設置微氣候觀測點6個,包括復合型綠化屋頂(R1)、簡易型綠化屋頂(R2)、水面(G1)、鋪裝地面(G2)、樹林(G3)和植樹廣場(G4)。每個監(jiān)測點安裝溫濕度記錄儀(HOBO U23)與風速風向記錄儀(Kestrel NK 5500),測量與記錄1.5 m高處大氣溫度、相對濕度、風速風向數(shù)據(jù)。在樣區(qū)上風向開闊處安裝自動氣象站(HOBO U30),獲取太陽輻射、大氣溫濕度、風速、土壤溫濕度等參數(shù)作為模型邊界條件。風速風向的記錄間隔為1 min/次,其余氣象因子的記錄間隔為15 min/次。微氣候觀測當日調查并記錄了監(jiān)測點周邊植被的樹種、樹高、胸徑、冠幅寬度等數(shù)據(jù),作為植被模塊的輸入?yún)?shù)。

微氣候觀測時間為2016年8月1日0:00時至2日12:00時共36 h,取前24 h的大氣溫度觀測值與模擬值對比,計算均方根誤差(Root mean square error,RMSE)以檢驗模擬精度(圖2)。結果顯示,白天(6:00—14:00時)模擬值普遍高于實測值,而夜晚時段兩者的吻合度較高,6個監(jiān)測點全天的RMSE值在0.33—0.71℃之間(圖2),約為當日平均氣溫的1.0%—2.2%。與以往ENVI-met驗證研究報導的RMSE值(一般在1℃以上)相比[31- 32],本研究通過自定義邊界條件及深入調查樣區(qū)土壤植被輸入?yún)?shù),較大程度降低了模擬誤差,為后續(xù)情景模擬結果的可靠性提供了一定保障。

圖2 ENVI-met 4.2模型驗證的微氣候測點空間分布、測量儀器及實測與模擬值逐時對比圖Fig.2 Monitoring spots and measuring equipment for validation of ENVI-met 4.2RMSE：均方根誤差,Root mean square error;R1：復合型綠化屋頂;R2：簡易型綠化屋頂;G1：水面;G2：鋪裝地面;G3：樹林;G4：植樹廣場

3 屋頂綠化熱效應的三維空間分布

以綠化屋頂和對照光屋頂?shù)拇髿鉁囟炔钭鳛闊嵝u價指標,正值表示降溫效應,負值表示升溫效應。分析屋面1.5 m高處和地面1.5 m高處14:00時和20:00時兩個時段熱效應的空間分布特征,并計算剔除建筑后其余所有網(wǎng)格降溫強度的最大值、最小值和平均值,以指示每個樣區(qū)屋頂綠化熱效應的總體情況,便于樣區(qū)間比較。

3.1 平面空間分布特征

圖3—6顯示,綠化屋頂降溫效應能從屋面輻射到建筑之間的開敞區(qū)域：由植被產(chǎn)生的涼爽空氣沿著風向擴散,在地塊下風向(樣區(qū)西側)形成“冷島區(qū)”,最大降溫強度一般位于建筑西側。西南-東北朝向樣區(qū)的冷空氣擴散范圍普遍大于南-北朝向的樣區(qū)。

14:00時,8個LCZ屋面所有網(wǎng)格的降溫最大值為0.64℃(圖3);地面所有網(wǎng)格的降溫最大值為0.55℃(圖4);20:00時,屋面和地面所有網(wǎng)格的降溫最大值分別為0.26℃和0.25℃(圖5—6)。

分樣區(qū)統(tǒng)計降溫平均值,結果顯示,14:00時,屋面平均降溫強度最大值為0.44℃(LCZ8,西南-東北朝向,復合型綠化),最小值為0.01℃(LCZ1,南-北向,簡易型綠化),所有樣區(qū)降溫平均值為0.15℃;地面平均降溫強度最大值為0.25℃(LCZ6,西南-東北朝向,復合型綠化),最小值為0.06℃(LCZ1,南-北向,簡易型綠化),所有地塊降溫平均值為0.12℃。20:00時,屋面平均降溫強度最大值為0.12℃(LCZ3,西南-東北朝向,復合型綠化),最小值為0.01℃(LCZ9,南-北向,簡易型綠化),所有地塊降溫平均值為0.06℃;該時段地面平均降溫強度最大值為0.11℃(LCZ3,西南-東北朝向,復合型綠化),最小值為0.01℃(LCZ9,南-北向,簡易型綠化),所有地塊降溫平均值為0.05℃。

圖3 白天14:00時屋面1.5 m高處降溫強度空間分布Fig.3 Horizontal distribution of air temperature reduction at 1.5 m height above the roof at 14:00EGR：簡易型綠化,Extensive green roof;IGR：復合型綠化,Intensive green roof;Ave.：樣區(qū)降溫強度平均值,Average air temperature reduction

圖5 夜晚20:00時屋面1.5 m高處降溫強度空間分布Fig.5 Horizontal distribution of air temperature reduction at 1.5 m height above the roof at 20:00EGR：簡易型綠化,Extensive green roof;IGR：復合型綠化,Intensive green roof;Ave.：樣區(qū)降溫強度平均值,Average air temperature reduction

3.2 立面空間分布特征

圖7 復合型綠化屋頂14:00時降溫強度縱向空間分布Fig.7 Vertical profile of air temperature reduction by intensive green roof (IGR) at 14:00Ave.：樣區(qū)降溫強度平均值,Average air temperature reduction

圖7顯示了復合型屋頂綠化14:00時降溫強度的縱向空間分布特征：綠化屋頂產(chǎn)生的冷空氣能從屋面一直擴散到地面,改善行人空間的熱環(huán)境。在緊鄰建筑的立面上,離屋頂越近,受到屋面冷空氣的影響越大,因而降溫強度越大;但是位于建筑之間開敞區(qū)域的立面上,由于屋面冷空氣往下沉降與擴散的速度高于往周邊區(qū)域的擴散速度,更易在地面形成“冷島區(qū)”,因而地面的降溫強度反而高于屋面。LCZ1、LCZ4等樣區(qū)由于高層建筑影響,屋面冷空氣對地面熱環(huán)境的影響非常微弱,而LCZ3、LCZ5等中低層街區(qū)的屋面和地面兩個高度降溫強度梯度變化不大;另外,西南-東北朝向的街區(qū)比同類型的南-北朝向街區(qū)更有利于冷空氣擴散,因此熱效應的影響范圍更大。

4 熱效應的影響因素

4.1 綠化方式

以草本和小喬木搭配種植的復合型綠化屋頂?shù)慕禍匦黠@優(yōu)于單草本種植的簡易型綠化屋頂：前者最高可降低屋面大氣溫度0.75℃、降低地面大氣溫度0.62℃;后者在兩個高度的降溫強度最大值分別為0.33℃和0.30℃。兩種綠化方式的降溫強度差異在白天較夜間顯著(圖8)：14:00時,復合型和簡易型綠化在屋面的降溫強度平均值分別為0.22℃和0.04℃,地面的平均降溫強度分別為0.17℃和0.06℃;20:00時,復合型和簡易型綠化的屋面降溫強度平均值分別為0.07℃和0.03℃,地面的平均降溫強度分別為0.06℃和0.02℃。

4.2 城市形態(tài)結構

以復合型綠化為例,比較高層、中層、低層樣區(qū)所有情景的降溫平均值,分析建筑高度的影響;比較緊湊型和開敞型兩類街區(qū)所有情景的降溫平均值,分析開敞程度對熱效應影響;比較南-北朝向和西南-東北朝向情景的降溫平均值,分析建筑朝向的影響(圖9)。

圖8 簡易型與復合型綠化屋頂降溫強度對比 Fig.8 Comparison of thermal performance between extensive green roof (EGR) and intensive green roof (IGR)

圖9 不同高度、開敞度及朝向的LCZ樣區(qū)的復合型綠化屋頂平均降溫強度對比Fig.9 Comparison of green-roof thermal performance amongst LCZs with different building height, compactness and orientation

結果顯示,高層(緊湊+開敞)、中層(緊湊+開敞)和低層(緊湊+開敞)建筑區(qū)在14:00時的降溫平均值分別為0.09、0.19、0.25℃;20:00時的降溫平均值分別為0.04、0.06、0.09℃,表明降溫強度隨建筑高度升高而遞減的趨勢。緊湊型(高層+中層+低層)和開敞型(高層+中層+低層)建筑區(qū)在14:00時的降溫平均值分別為0.21℃和0.16℃,20:00時的降溫平均值分別為0.08℃和0.06℃,表明降溫強度隨開敞程度增加而降低的趨勢。南-北向和西南-東北向白天的降溫平均值分別為0.17℃和0.22℃,夜晚降溫平均值分別為0.06℃和0.07℃,表明與主導風向相交的建筑布局相比平行布局具有更大降溫潛能。

進一步采用SPSS分析降溫強度與城市形態(tài)結構因子之間的相關性。表4顯示,建筑高度與屋面和地面熱效應之間均呈現(xiàn)顯著負相關(P= 0.01),建筑越高,降溫強度越弱;建筑密度與屋面降溫強度之間為正相關(P= 0.05),但與地面降溫強度之間的相關性不顯著;高寬比、容積率與屋面、地面降溫強度均為顯著負相關,前者為0.05水平,后者為0.01水平;天空視域系數(shù)及地面綠化覆蓋率兩個因子與屋面、地面降溫強度之間均無顯著相關性。

表4 屋頂綠化熱效應與城市形態(tài)結構因子之間的相關性分析

** 表示顯著水平P≤0.01,* 表示顯著水平0.01

4.3 LCZ類型

將8個研究樣區(qū)復合型綠化情景14:00時的降溫強度進行排序,分析屋頂綠化熱效應與LCZ類型之間的關系。表5顯示,高層建筑區(qū)(LCZ1、LCZ4)的屋面與地面降溫強度始終排在末兩位,而低層建筑區(qū)(LCZ3、LCZ6)的4個熱效應指標值均排在前3位,表明建筑高度是熱效應的關鍵影響因子;大型低層建筑區(qū)(LCZ8)的屋面降溫強度排第1位,但地面降溫強度排3—5位,進一步說明了建筑密度對屋面和地面熱效應的反向影響：密度高意味著更多的屋頂綠化空間,可顯著提高屋面降溫強度,但是密集排布的建筑阻擋空氣流動,可能影響冷空氣往地面和周邊的擴散。以綜合熱效應作為依據(jù)進行評價,LCZ3(緊湊低層建筑區(qū))、LCZ6(開敞低層建筑區(qū))為最適宜進行屋頂綠化的形態(tài)結構類型;LCZ2(緊湊中層建筑區(qū))、LCZ5(開敞中層建筑區(qū))、LCZ8(大型低層建筑區(qū))與LCZ9(零散建筑區(qū))為一般適宜類型;而LCZ1(緊湊高層建筑區(qū))與LCZ4(開敞高層建筑區(qū))的適建性相對較低。

表5 LCZ樣區(qū)之間的降溫強度排序

括號內為該LCZ類型的降溫強度

5 討論與結論

城市微氣候是由建筑-地表覆蓋-大氣之間相互作用形成的復雜系統(tǒng)。建筑高度、密度等形態(tài)結構要素控制著城市冠層內部輻射分配與空氣流動過程,影響太陽輻射、溫濕度、風速等微氣候因子[33],這些因子進一步作用于綠地遮陰、蒸發(fā)蒸騰及冷空氣傳輸過程,影響降溫強度與范圍[16]。傳統(tǒng)的城市綠地熱效應評價研究主要關注綠地內部與其他地表覆蓋類型之間的溫度差異,并著重分析面積、植被構成、景觀格局等綠地本身屬性因素的影響。本研究以綠化屋頂為研究對象,將熱效應評價范圍擴展至綠地之外、街區(qū)之內的城市冠層三維空間,并初步探討了城市形態(tài)結構因子的影響。

研究結果顯示,街區(qū)尺度屋頂綠化不僅能改善建筑屋面熱環(huán)境,而且由于冷空氣的對流和下沉效應,綠化產(chǎn)生的“冷島”能擴展到建筑之間的近地面區(qū)域。8個研究樣區(qū)的屋面降溫最大值為0.64℃,平均降溫強度可達0.44℃;地面降溫最大值為0.55℃,平均降溫強度可達0.25℃。有關大面積屋頂綠化熱環(huán)境效應的模擬研究在國外報導較多,如Bass 等[23]對加拿大多倫多市的氣候模擬結果顯示,若該市5%的建筑實施屋頂綠化可使夏季氣溫下降0.5℃;Smith等[25]對美國芝加哥市的模擬結果顯示,該市所有屋頂100%綠化可使夜間溫度下降2—3℃。與以上研究相比,本研究模擬所得的降溫強度值偏小,除了研究區(qū)氣候條件不同之外,研究尺度及模擬方法不同也是造成差異的主要原因。盡管如此,研究結果仍反映了亞熱帶城市地區(qū),街區(qū)尺度屋頂綠化、特別是復合型綠化對城市冠層三維空間熱環(huán)境的可能改善效果。若將溫度降低導致的建筑能耗及空調熱排放削減考慮在內,熱效應將更加突出。因此,在建設用地日益稀缺的大城市地區(qū),大面積屋頂綠化不失為緩解城市熱島的一種有效途徑。

通過研究樣區(qū)之間的熱效應比較以及降溫強度與形態(tài)結構因子之間的相關分析,識別了幾個關鍵影響因子。首先,建筑高度與降溫強度最為相關,低層建筑區(qū)(LCZ3、LCZ6)實施屋頂綠化后產(chǎn)生的降溫效應明顯高于高層建筑區(qū)(LCZ1、LCZ4)。建筑越高,屋頂冷空氣往下傳輸?shù)木嚯x越長,因而對地面熱環(huán)境的改變相對微弱。當建筑高度達到25 m以上時(LCZ1和LCZ4樣區(qū)),屋頂綠化對地面熱島效應的緩解效果可忽略不計。建筑密度對降溫強度的影響具有雙面性,建筑密度高意味著屋頂綠化面積大,有利于屋面降溫;但是當建筑單體基底面積過大時,可能影響自然通風和冷空氣往地面的擴散速率。這種雙面作用體現(xiàn)在LCZ8樣區(qū)(大型低層建筑區(qū)),由于建筑密度在所有樣區(qū)中最高,其屋面降溫強度也排在第1位,但是由于建筑單體龐大,建筑間的空間通透性不足影響了空氣流動,地面降溫強度僅排在第3位和第5位。此外,研究發(fā)現(xiàn),在同一類型LCZ樣區(qū)中,街道走向與主導風向呈45°夾角時比與主導風向平行具有更高降溫強度,這可能因為前者具有較低的迎風面積比,對來流風阻擋較少,增強了植被蒸發(fā)蒸騰效應,同時由于較長的氣流傳輸路徑擴大了冷空氣傳輸范圍。

基于以上研究結果,提出以削減城市熱島為導向的屋頂綠化選址與設計原則：(1)以草坪和小喬木搭配的復合型綠化屋頂由于具有較高的葉面積指數(shù),在削弱太陽輻射、降低屋頂表面溫度以及促進蒸發(fā)蒸騰方面均優(yōu)于以草坪種植為主的簡易型綠化屋頂,因此,在屋頂承重符合要求的條件下,選擇復合型綠化方式能最大程度改善街區(qū)熱環(huán)境;(2)如果采用復合型和簡易型搭配的屋頂綠化方式,則宜將復合型綠化布置在上風向屋面,可延伸冷空氣傳輸路徑,而將公共活動空間安排在下風向區(qū)域,以便匯入更多的涼爽空氣;(3)大面積屋頂綠化宜選擇在低層、高密度、街道與主導風向存在一定夾角的建筑區(qū);在建筑密度相同的情況下,分散比集中的建筑布局更為適宜。

由于是初步探討,研究結果無法深入剖析屋頂綠化熱效應三維空間分布的形成原理以及形態(tài)結構因子對熱效應的作用機理,后續(xù)研究可基于街區(qū)理想模型和參數(shù)研究(parametric study),分析城市冠層熱量平衡方程各部分的動態(tài)變化過程,揭示熱效應形成機制。此外,本研究應用的ENVI-met 4.2模型的模擬精度雖比以往研究有大幅度提高,但與模擬所得的熱效應強度相比誤差仍然較大,未來研究可進一步修正模型輸入?yún)?shù),提高模擬精度。