基于植被三維點云數(shù)據(jù)的小型景觀空間微氣候分析方法探究
——以東南大學(xué)梅庵為例

成 實 李翔宇 張瀟涵 汪瑞軍

控制溫室氣體排放、實現(xiàn)綠色生態(tài)可持續(xù)發(fā)展已經(jīng)成為世界范圍內(nèi)城鎮(zhèn)化建設(shè)的共同目標(biāo)。中國于2020年9月承諾，將于2030年實現(xiàn)碳達(dá)峰，2060年達(dá)到碳中和[1]。在這一趨勢下，風(fēng)景園林領(lǐng)域愈發(fā)關(guān)注景觀空間的氣候適應(yīng)與調(diào)節(jié)，以及相應(yīng)空間質(zhì)量的提升。已有研究表明，城市綠地尺度下景觀空間的氣候環(huán)境與其內(nèi)外空間結(jié)構(gòu)和表面要素組成關(guān)聯(lián)密切，能夠通過對場地的分析與設(shè)計達(dá)到有針對性的調(diào)整和塑造[2]。如何在滿足低碳可持續(xù)發(fā)展目標(biāo)下，實現(xiàn)景觀空間氣候環(huán)境提升與空間品質(zhì)優(yōu)化兩方面訴求，成為風(fēng)景園林學(xué)科面臨的重要問題之一，而城市中景觀植被的微尺度降溫效應(yīng)為此提供了一種可能[3]。

聚焦于風(fēng)景園林領(lǐng)域的微氣候研究成果，作為氣象學(xué)與風(fēng)景園林學(xué)的交叉學(xué)科，有關(guān)微氣候的研究伴隨著19世紀(jì)20年代現(xiàn)代主義理性思潮的興起而不斷發(fā)展[4]。時至今日，微氣候研究對風(fēng)景園林領(lǐng)域的持續(xù)發(fā)展及城市空間品質(zhì)的改造提升具有基礎(chǔ)性作用，一直是我國風(fēng)景園林領(lǐng)域持續(xù)關(guān)注的核心議題之一。劉濱誼[5]、金荷仙[6]、趙曉龍[7]等學(xué)者均針對“微氣候”與“人居環(huán)境品質(zhì)”“氣候適應(yīng)性”“城市及綠地形態(tài)”“人體舒適度”等相關(guān)因素間的相互作用與關(guān)聯(lián)展開了研究。近年來，為回應(yīng)城市發(fā)展訴求及挑戰(zhàn)，社區(qū)公園等小型景觀空間的微氣候研究及相關(guān)實踐形成了聚點成面的累加效應(yīng)，對城市整體景觀氣候環(huán)境的改善產(chǎn)生了積極的影響，愈發(fā)引起相關(guān)學(xué)者及專業(yè)人員的關(guān)注。

1 過往景觀微氣候分析研究方法

現(xiàn)階段國內(nèi)外關(guān)于景觀微氣候的研究主要分為實地觀測與數(shù)值模擬2種方法。自20世紀(jì)70年代以來，隨著計算機(jī)技術(shù)及相關(guān)分析工具的不斷發(fā)展，運算化模擬被逐漸應(yīng)用到了微氣候分析領(lǐng)域，從而突破了傳統(tǒng)氣象監(jiān)測的局限性，成為微氣候研究的主要途徑。21世紀(jì)以后，“微氣候”分析研究的方法及工具不斷革新，可通過建模模擬對各景觀要素加以量化分析，Envi-met等相關(guān)模擬分析軟件也被廣泛運用于各尺度下的微氣候定量研究中，并進(jìn)一步作為設(shè)計實踐的依據(jù)和參考[8]。由此，景觀微氣候研究在不斷發(fā)展中逐漸由定性分析及實地觀測走向了以數(shù)值模擬為主的多元定量評估。

1.1 常用研究工具及內(nèi)容

目前用于微氣候模擬的計算機(jī)模擬軟件主要有Fluent、Phoenics、Ecotect、Envi-met等十余種[9]。其中，Envi-met是城市熱環(huán)境數(shù)值模擬研究中應(yīng)用較為廣泛的軟件，可模擬地表、植物和空氣相互作用的過程，并進(jìn)行不同氣候環(huán)境下空氣溫度、空氣濕度、太陽輻射及風(fēng)速等指標(biāo)的模擬，且引入生理等效溫度(PET)和熱舒適度評價，以綜合表述微氣候?qū)θ梭w熱感覺的影響，所涉及分析模擬范圍涵蓋各城市尺度[10-11]。

1.2 植被對于微氣候研究的影響

風(fēng)景園林學(xué)領(lǐng)域多關(guān)注景觀空間形態(tài)與結(jié)構(gòu)、下墊面構(gòu)成與分布，以及植物種類與組合方式等多個方面對于景觀微氣候的單一或復(fù)合影響，試圖通過調(diào)控上述因素以優(yōu)化景觀微氣候環(huán)境。通常將風(fēng)速(v)及湍流強度(I)、氣溫(Ta)、地表溫度(Tg)、相對濕度(RH)、平均輻射溫度(Tmrt)等物理指標(biāo)作為判定微氣候條件及描述綠化問題的重要參照[12]。

實則，植被與上述物理指標(biāo)及景觀因素間均存在緊密關(guān)聯(lián)。植物很大程度上決定了空間的內(nèi)部結(jié)構(gòu)，而其自身的光合作用、蒸騰作用等生理活動又能夠?qū)植凯h(huán)境變化產(chǎn)生影響。因此，在景觀微氣候模擬過程中，植物景觀要素的量化與計算方式對于最終微氣候模擬結(jié)果有著直接影響。

結(jié)合不同微氣候模擬分析工具來看，目前常用的模擬工具，如Fluent、Phonenics及Envi-met等都是基于CFD類模型開發(fā)的，而各分析工具在植物模型的建構(gòu)原理、適用領(lǐng)域及輸出指標(biāo)上亦存在一定差異。考慮到植被自身構(gòu)造及形態(tài)的復(fù)雜性，其在景觀微氣候分析過程中難以實現(xiàn)較為精確的模擬計算[13]。相較而言，Envi-met基本可以模擬判斷出植被在各個方面的影響效應(yīng)，相比其他軟件優(yōu)勢較為顯著。同時在綠化環(huán)境評估中Envi-met也顯示出了較強的分析能力，能夠模擬不同形狀、高度、材質(zhì)的復(fù)雜景觀空間環(huán)境中“植物-地表-大氣”間的相互作用過程，適用于景觀空間的多情景模擬預(yù)判[14]。

1.3 三維點云技術(shù)輔助景觀空間精確建模

三維點云技術(shù)作為獲取三維空間信息的新技術(shù)手段，逐漸演變成適用于各尺度景觀空間的有效工具，被用于創(chuàng)建三維地理參考模型，更可對植被的枝干、葉片等植被冠層表征和物理特性加以提取與建模。相較于傳統(tǒng)數(shù)字模型數(shù)據(jù)，三維點云模型在數(shù)據(jù)的編輯與管理等方面表現(xiàn)出較大的靈活度，可通過軟件對模型進(jìn)行要素分類，且與表面模型進(jìn)行相互轉(zhuǎn)換、排列與重組[15]。

1.4 既有研究的局限性

在目前的景觀微氣候模擬分析中，Envi-met高分辨率的建模功能可輔助建筑和植物模型的精準(zhǔn)建構(gòu)。但聚焦于其植被建模方式來看，不難發(fā)現(xiàn)，現(xiàn)階段軟件仍無法完整復(fù)刻真實景觀空間中不同品種植被的復(fù)雜形態(tài)特征。一方面，由于Envi-met對植被模型的建構(gòu)常以現(xiàn)狀植被的多角度照片為參照，再通過軟件對植被進(jìn)行體塊化建模，造成植被形態(tài)的片面化處理；另一方面，現(xiàn)階段軟件植物庫中的植物種類多局限于歐洲植物品種，覆蓋面相對較窄，其品種類型無法滿足實際模擬時對各類植物的要求。而上述兩方面因素會直接導(dǎo)致最終微氣候模擬結(jié)果與真實情況間有所差異。因此，如何在模擬軟件中建構(gòu)出景觀空間的復(fù)雜植被形態(tài)特征，對于提升微氣候模擬分析結(jié)果準(zhǔn)確性具有重要意義，亦有部分學(xué)者有所關(guān)注[16]。

2 基于植被三維點云模型的景觀微氣候模擬分析方法

本研究聚焦于小型景觀空間的微氣候分析方法。結(jié)合三維點云技術(shù)，在大幅度提升研究場地模型建構(gòu)效率的同時，提高研究場地植被模型的精確度，進(jìn)而實現(xiàn)模擬分析結(jié)果準(zhǔn)確性的優(yōu)化，以突破既有微氣候分析模擬過程中的局限。

2.1 技術(shù)路線

本文提出基于植被三維點云模型的景觀微氣候模擬方法，具體包括環(huán)境數(shù)據(jù)采集、數(shù)據(jù)處理、空間建模、微氣候模擬、結(jié)果可視化5個步驟(圖1)。

圖1 技術(shù)路線

2.2 技術(shù)實現(xiàn)

1)環(huán)境數(shù)據(jù)采集。

本次研究在準(zhǔn)備階段需要分別對各類空間數(shù)據(jù)加以收集整理，包括場地基礎(chǔ)CAD圖紙、環(huán)境材質(zhì)信息、植被種類及氣象數(shù)據(jù)等。在此基礎(chǔ)上，利用無人機(jī)航拍傾斜攝影與地面基站激光掃描儀結(jié)合的方式，獲取研究場地的三維點云數(shù)據(jù)集(含航拍與地面2個部分)。再將Davis Vantage pro2氣象儀放在研究場地指定位置，通過規(guī)范操作收集指定時段內(nèi)氣象數(shù)據(jù)，用于分析比對，以滿足進(jìn)一步開展研究的需求。

2)數(shù)據(jù)處理。

利用Context Capture軟件將傾斜攝影模型轉(zhuǎn)為點云數(shù)據(jù)，與基站掃描點云數(shù)據(jù)進(jìn)行融合，進(jìn)而與研究場地CAD圖紙坐標(biāo)加以配準(zhǔn)，并根據(jù)研究精度需求重采樣，得到最終的三維點云模型。由于本研究著眼于景觀空間植被形態(tài)的精準(zhǔn)量化，因此在利用Trimble Realwork自動分類的基礎(chǔ)上，通過人工手動二次分類得到精確植被點云數(shù)據(jù)。進(jìn)而，采用Lidar360軟件中的地基林木分割功能，對植被數(shù)據(jù)進(jìn)行單株劃分，部分區(qū)域再結(jié)合手動處理進(jìn)一步精確劃分，以導(dǎo)出單株植被點云模型數(shù)據(jù)。最終，結(jié)合實地調(diào)研得到植物種類數(shù)據(jù)，對植被進(jìn)行編號制表，形成完整的場地植被點云模型庫以供后續(xù)研究使用。

3)空間建模。

體素法(Volex)在植被三維點云模型的建模方面已被廣泛運用[17]，相較概念化的植被模型，體素模型能夠更加精確地反映植被復(fù)雜形態(tài)特征。本次研究選用Grasshopper中tasier插件的點云體素化功能，對植被點云進(jìn)行體素化建模，所生成的植被體素單元大小參照Envi-met軟件中Albero植被建模工具所規(guī)定的模型單元最小值，即1m×1m×1m(圖2)。進(jìn)而，導(dǎo)出各植被體素單元的中心點坐標(biāo)，并以各坐標(biāo)點位置為參照在Albero中進(jìn)行植被建模。為保證研究區(qū)域邊界條件的合理性，建模與計算區(qū)域參照相關(guān)研究進(jìn)行擴(kuò)大設(shè)置，并在Rhino中對周邊建筑及地面進(jìn)行建模。

圖2 點云植被模型生成及置入

4)微氣候模擬。

模型主要輸入氣象參數(shù)，包括地理信息、氣象條件、土壤條件和模式輸出參數(shù)等。首先，通過前期資料的查找將基礎(chǔ)參數(shù)輸入軟件。其次，利用Grasshopper中的dragonfly插件，將場地及周邊建筑模型導(dǎo)入Envi-met中，并對其材質(zhì)參數(shù)進(jìn)行設(shè)置。其中，結(jié)合實地調(diào)研得到的植物種類在Albero中對應(yīng)單株植被體素模型中心點坐標(biāo)，設(shè)置植被的名稱、樹冠大小、高度等參數(shù)，葉片反射率、葉片透射率等數(shù)值，并查找對應(yīng)參考數(shù)值，最終得到各植株的完整計算模型。最后，將植被模型按照實際點位導(dǎo)入研究范圍模型中，以形成完整分析模型。

在此基礎(chǔ)上，選取研究所需的空氣溫度、空氣濕度及風(fēng)速3項常用指標(biāo)進(jìn)行模擬，將得到的數(shù)值與場地中實測數(shù)值進(jìn)行比較，判斷誤差是否在合理的范圍內(nèi)。若合理，則代表參數(shù)設(shè)定有效；若誤差較大，則需對參數(shù)進(jìn)行調(diào)整。

5)結(jié)果可視化。

選取數(shù)值圖表、二維柵格圖及三維數(shù)值分布圖等多種可視化表達(dá)方式輸出微氣候模擬結(jié)果。在實際分析模擬過程中，將重點關(guān)注2個方面：(1)實測點的模擬數(shù)值與實際測量數(shù)值隨時間變化的趨勢圖；(2)研究范圍內(nèi)各參數(shù)柵格數(shù)值圖。

2.3 分析優(yōu)勢

本研究方法較傳統(tǒng)模擬方法在植物要素的采集和建模方式上有所優(yōu)化。利用三維點云技術(shù)對景觀空間數(shù)據(jù)進(jìn)行采集，極大地提升了數(shù)據(jù)采集效率與精度，突破原有建模方式的桎梏。尤其是對于植被形態(tài)較為復(fù)雜的景觀環(huán)境，人工實地測量與照片多角度拍攝通常均無法對植被的形態(tài)進(jìn)行精準(zhǔn)量化。雖然Envi-met從4.0版本開始內(nèi)置的Albore工具可對單株植被進(jìn)行較為精確的建模，但仍需參照多角度的影像資料，經(jīng)由人工手動操作加以完成。而基于三維點云數(shù)據(jù)的植被體素模型，相較而言則更加便捷與準(zhǔn)確，且其在軟件中所呈現(xiàn)出的形態(tài)模式與Albore所生成的植被保持高度一致性。

3 應(yīng)用實例

3.1 案例選取

本研究以東南大學(xué)四牌樓校區(qū)梅庵周邊為例，探討基于三維點云模型的景觀微氣候模擬分析方法可行性。梅庵周邊植被密集、種類繁多，由于年代久遠(yuǎn)，植被冠幅巨大且彼此間相互連接，空間形態(tài)極為復(fù)雜，本方法具有較高的運用價值。

3.2 實驗過程

1)環(huán)境數(shù)據(jù)采集。

在由專業(yè)人士提前進(jìn)行場地實地調(diào)研后，于2021年10月15日分別利用FARO地面基站式三維掃描儀和大疆Gopro型號無人機(jī)獲取近地面場地三維點云數(shù)據(jù)和傾斜攝影模型。將2臺Davis Vantage pro2氣象儀分別放置在場地中較為開敞和植被圍合度較大的2處，高度距地面1.5m。數(shù)據(jù)采集時間自2021年9月31日12：00起，當(dāng)日天氣晴朗無云，至2021年10月31日12：00結(jié)束，共計1個月時間。采集數(shù)據(jù)類型包括空氣濕度、空氣溫度及風(fēng)速3項指標(biāo)，每1h讀數(shù)一次。環(huán)境氣象參數(shù)利用長期固定放置在校園教學(xué)樓樓頂處的氣象儀進(jìn)行記錄。

2)數(shù)據(jù)處理。

利用Context Capture軟件將傾斜攝影模型與地基掃描點云數(shù)據(jù)加以融合，再在Trimble realworks平臺中進(jìn)行地理坐標(biāo)配準(zhǔn)、數(shù)據(jù)清理、重采樣及分類。將精確分類后的植被點云導(dǎo)入Lidar360軟件中，利用地基單木分割工具集，并通過人工精確單木分割處理，得到場地紅線中喬木的精確點云模型(圖3)。從分割后得到的植被點云模型可基本真實反映出場地現(xiàn)狀植被形態(tài)特征，并結(jié)合實地調(diào)研記錄下場地植被種類。

圖3 場地植被點云模型分割結(jié)果示意

3)空間建模。

為確保模擬范圍邊界條件的相對精確，本次建模范圍以研究場地紅線為界外擴(kuò)50m作為模擬分析范圍，在Rhino中對建筑及地面進(jìn)行建模；并對各植被點云數(shù)據(jù)進(jìn)行體素化處理，紅線范圍內(nèi)共計22株喬木及大灌木(圖4)，而現(xiàn)狀地被以低矮草本植物為主(高度小于10cm)，將不納入建模對象范疇。

圖4 梅庵內(nèi)部典型植被Albero建模示意

4)微氣候模擬。

利用dragonfly插件將建筑及地面模型導(dǎo)入Envi-met中，并根據(jù)現(xiàn)狀植被分布情況設(shè)置水平與垂直方向總體格網(wǎng)數(shù)量。研究范圍大小為240m×290m，共劃分為120×145格網(wǎng)，格網(wǎng)分辨率為2m。考慮到研究范圍內(nèi)要素最大高度為25m，為消除頂部邊界效應(yīng)對模擬結(jié)果的影響，垂直方向設(shè)置100個格網(wǎng)。以所獲取的現(xiàn)狀植被體素中心點坐標(biāo)為參照，在Albero中進(jìn)行對應(yīng)的植被精準(zhǔn)建模。從而得到研究場地的完整分析模型。

在完成場地建模后，為進(jìn)一步證實本文所述分析方法的可行性及輸出結(jié)果的精準(zhǔn)性，在研究中設(shè)置對照組，即采用Envi-met自帶植物庫對場地中各植被進(jìn)行建模，并以同樣的輸入、輸出參數(shù)進(jìn)行微氣候模擬，作為對比實驗組。

最終，將點云模型與自帶模型2種分析場景下所輸出的模擬結(jié)果與實測數(shù)據(jù)進(jìn)行綜合比照(圖5)，以論證基于植被點云模型的微氣候模擬計算的可操作性及精準(zhǔn)性。

圖5 Envi-met模擬環(huán)境建模流程

本次研究自2021年10月1日12：00起，每隔7d連續(xù)選取2021年9月31日—10月31日1個月時間內(nèi)的數(shù)據(jù)，保證實測時間與模擬時間起始節(jié)點的一致性。其中，模擬中所涉及的初始?xì)庀髤?shù)均來源于各天的實測數(shù)據(jù)；背景數(shù)據(jù)則以常年(2015—2021年)位于臨近教學(xué)樓屋頂?shù)娜隁庀蟊O(jiān)測數(shù)據(jù)為參照；土壤參數(shù)來源于中國氣象數(shù)據(jù)網(wǎng)。最終，以空氣溫度、空氣濕度、風(fēng)速3項指標(biāo)作為輸出參數(shù)，以1h為間隔，輸出24h的全時段氣候數(shù)據(jù)。

5)結(jié)果可視化。

每隔7d連續(xù)選取2021年9月31日—10月31日，即2021年10月1、8、15、22日12：00的模擬結(jié)果，利用軟件自帶的可視化工具Leonardo對研究區(qū)域內(nèi)2組的空氣溫度、空氣濕度及風(fēng)速的模擬結(jié)果進(jìn)行可視化表達(dá)，以直觀展現(xiàn)梅庵周邊的微氣候特征及指標(biāo)分布差異(圖6)。

圖6 點云模型與自帶模型各類模擬結(jié)果對照

由組1和組2模擬數(shù)值的可視化結(jié)果可以看出，2組計算結(jié)果在空間分布上存在一定的差異性。以2021年10月1日12：00的模擬結(jié)果為例，越靠近研究范圍內(nèi)樹種形態(tài)不同的區(qū)域，其指標(biāo)差異性分布就越明顯。

3.3 模型比照

通過模擬結(jié)果的可視化對比分析可以看出，2組計算結(jié)果在空間分布和數(shù)值上存在明顯差異，而進(jìn)行對照的2組之間的唯一變量即為研究范圍內(nèi)的植物形態(tài)。因此，可視化分析的結(jié)果已經(jīng)證明，即使位置分布相同，植物形態(tài)的精細(xì)度差異也會直接導(dǎo)致模擬計算結(jié)果的不同。但若要進(jìn)一步證明模擬精度的具體差異，還需要與實測值進(jìn)行定量的計算對比。

同樣，每隔7d連續(xù)選取2021年9月31日—10月31日，即2021年10月1、8、15、22日的模擬結(jié)果，將Envi-met所輸出的模擬結(jié)果與實測數(shù)據(jù)加以比照，采用Fox相關(guān)評價指標(biāo)及一致性指數(shù)進(jìn)行判斷，其中相關(guān)評價指標(biāo)采用均方根誤差(RMSE)、平均絕對偏差(MAE)、一致性指數(shù)(d)3個指標(biāo)對基于Envi-met自帶植物庫建模的模擬值與基于點云掃描模型建模的模擬值進(jìn)行比較，從而對2個Envi-met模型的模擬精度進(jìn)行評價。其中，一致性指數(shù)d代表模擬值與實測值的趨近程度，d的數(shù)值越接近1，則模擬值與實測值的吻合度越高。

2組計算所得的微氣候模擬結(jié)果在總體趨勢上與實測值均保持較好的一致性，反映出Envimet軟件在景觀環(huán)境微氣候模擬中的顯著優(yōu)勢(圖7)。對比組1(表1)和組2(表2)的計算數(shù)據(jù)可知，組1的一致性指數(shù)d普遍高于組2，說明組1的模擬結(jié)果與實測值更加趨近，即說明基于點云掃描數(shù)據(jù)進(jìn)行植物建模的模擬結(jié)果精度高于目前普遍使用的基于Envi-met自帶植物庫建模的結(jié)果。其中，空氣溫度和空氣濕度2項的一致性指數(shù)差值范圍在0～0.005，風(fēng)速的一致性指數(shù)差值范圍在0.005～0.076，所以相較于空氣溫度和空氣濕度，風(fēng)速測算上顯現(xiàn)出了更高的精準(zhǔn)度。

圖7 實測值與模擬結(jié)果(含：點云模型自帶模型)對比

表1 模擬值1(點云模型)模擬結(jié)果與實測值對比

表2 模擬值2(自帶模型)模擬結(jié)果與實測值對比

4 討論與展望

4.1 討論

當(dāng)前的中國城市普遍面臨著小微型景觀空間的存量更新問題，對于此類空間的充分認(rèn)知有助于進(jìn)一步開展針對性的改造提升，而微氣候模擬分析往往是其中不可或缺的方面。現(xiàn)狀小微型景觀空間的植被形態(tài)均較為復(fù)雜，難以通過實地測繪或照片拍攝進(jìn)行較高精度的植被建模。

本文提出基于植被三維點云數(shù)據(jù)的小型景觀空間微氣候分析方法，通過環(huán)境數(shù)據(jù)采集、數(shù)據(jù)處理、空間建模、微氣候分析與結(jié)果可視化5個步驟，實現(xiàn)小型復(fù)雜景觀空間微氣候模擬精度的提升。相較于傳統(tǒng)分析方式，主要突破點在于模擬分析的空間建模步驟中使用了真實植物點云體素模型，并用以模擬計算。通過對東南大學(xué)校園西北角梅庵周邊景觀空間的實例應(yīng)用，在驗證方法可行性的同時，也證實了該方法在模擬結(jié)果精確度等方面有所提升。

4.2 研究展望

本研究的依據(jù)存在一定局限性，有待于進(jìn)一步突破提升。涉及的主要變量為植物形態(tài)，而已有研究表明，植物種類、葉片類型及群落結(jié)構(gòu)等都會對微氣候產(chǎn)生不同程度的影響。因此，本文雖初步實現(xiàn)借助點云技術(shù)提升了模擬過程中的植被形態(tài)精細(xì)度，而后續(xù)研究可進(jìn)一步考慮上述葉片類型等變量影響，實現(xiàn)模擬精度的進(jìn)一步提升。且在后續(xù)研究中可進(jìn)一步擴(kuò)充案例類型及數(shù)量，以進(jìn)一步論證及優(yōu)化本文分析方法的有效性及可操作性。

注：文中圖片均由作者繪制。

致謝：感謝東南大學(xué)建筑學(xué)院王偉副教授對本文的指導(dǎo)與幫助。