华南理工大学亚热带建筑科学国家重点实验室 刘之欣 赵立华
摘 要：近年来，随着计算机性能的不断提升数值模拟技术已成为定量预测和评价微气候的重要研究手段。植物作为影响微气候的重要因子之一，数值模拟能否准确反映其在当地气候条件下的热表现值得研究。本文的研究旨在验证城市微气候模拟软件ENVI-met（4.2 Science 版）在广州地区湿热气候下模拟四种园林设计常用乔木的微气候表现（空气温湿度）的适用性。本文通过实测广州地区四种常用乔木的树冠形态、叶片属性和根系形态，对其进行ENVI-met建模并进行模拟分析，将模拟结果与2017年春夏两季实测的数据进行对比。验证结果表明，空气温湿度模拟值的日变化趋势与实测一致，且误差在可接受的范围内。但乔木对微气候的改善作用（树下测点与空旷处测点的差值）被低估。本文为应用ENVI-met模拟室外热环境提供了基础校验，并对植物建模提出了优化建议。
关键词：ENVI-met；微气候；乔木；模拟验证
基金项目：国家自然科学基金面上项目“湿热地区乔木对城市居住区热环境影响机理及优化配置研究” （编号：51878288）。
1 引言
近年来，随着计算机性能的不断提升，数值模拟技术已成为定量预测和评价微气候的重要研究手段。植物作为影响微气候的重要因子之一，数值模拟能否准确反映其在当地气候条件下的热表现值得研究。本文的研究目的旨在评价三维微气候模拟软件ENVI-met 的植物模型在湿热地区的模拟表现。ENVI-met 是由Bruse 等[1]于1998 年开发的三维城市微气候模拟软件。该软件基于计算流体力学和热力学，主要用于模拟城市小尺度空间内地面、植被、建筑和大气之间的相互作用[2]。
世界范围内已有一些学者对ENVI-met4.0及以上版本建立的植物模型的适用性进行了验证工作。Simon H（2016）认为有效光合辐射对模拟情况影响很大，应尽量选择有效光合辐射大的晴天进行验证，且小树的蒸腾速率验证结果比大树更佳[3]。
Shinzato（2016）利用叶面积指数（LAI，Leaf Area Index）实测值为树木建模并探究其冠层下的微气候，认为真实的树木参数可以更好地表现植物的物理特性 [4]。目前的验证多集中于乔木叶温与蒸腾速率，对整株植物的微气候表现关注较少。事实上，乔木对微气候营造有不可或缺的作用，被认为是改善微气候、提升室外热舒适的重要设计元素[5-6]，它对周边环境产生热作用的根本原因可分为对太阳辐射的遮挡作用和乔木的蒸腾作用两大方面 [7-10]，其模拟表现需要进行进一步的验证说明。
本文以广州市居住区四种常用树种白兰（Michelia alba）、芒果（Mangifera indica）、细叶榕（Ficus microcarpa）、羊蹄甲（Bauhinia blakeana）为例，通过对ENVI-met乔木模型的微气候参数（空气温湿度）的综合验证来评价该软件的乔木模型在湿热背景条件下的适用性。
2 验证方法
2.1 实测概况
2.1.1 实验地点和实验对象
实测于2017年春夏两季在广州市进行。广州为我国湿热地区典型城市，夏季高温高湿，七月平均气温28.9℃，相对湿度79%[11]。测试地点为华南理工大学、华南农业大学校园内。实测时间为2017年4月17日、28至30日（春季）和同年7月26至29日（夏季）。研究对象为五棵单株乔木，树种分别为白兰、芒果、细叶榕、羊蹄甲（羊蹄甲春夏非同一株）（图1）。研究所选取的乔木所在位置距离周边建筑、乔木较远，能够有效避免建筑和其他乔木互相遮挡对实验用树微气候营造的影响。
图1 实验用树照片及所在位置
2.1.2 乔木建模参数测量
待测乔木的建模参数如表1所示。树冠参数用米尺测得；树根参数采用树木雷达（Tree Radar）测得；叶片反射率采用分光光度计（U-4100）测定。各层叶面积密度（LAD）采用Lalic和Mihailovic[12]提出的算法计算获得，每层树冠高度为一米。各层根面积密度（RAD）的分布由于仪器所限采用ENVI-met默认值。
表 1 待测乔木的建模参数
2.1.3 微气候参数测量
实验校核主要考虑植物对微气候的营造。微气候参数将测定树下与空旷处的空气温度、空气湿度、太阳辐射。实验主要测点布置为周边空旷处及目标树下。实测仪器及精度如表1所示。测量广场空旷处与树下空气温度和湿度的所有温湿度自记仪（HOBO U23-001，精度±0.2℃、±2.5%）均放置在铝箔包裹的不锈钢防辐射桶内，放置高度为1.5米，防辐射桶两端开口，通风良好；树下太阳总辐射采用四分度净辐射计（NR01）进行测定，输出的信号均采用安捷伦数据采集仪（Agilent 34970A，美国）进行采集。
2.2 ENVI-met 模拟说明
ENVI-met模型根据实测区域的实际情况建立，如图2所示。网格分辨率为2m。区域四周设置了4个嵌套网格，嵌套网格的地面类型为壤土（Loam）。竖直方向采用不等距网格：2m以下空间分配10个网格，2m以上空间采用放大系数为10%的弹性网格。并根据陈卓伦[13]的研究结果选择闭式横向边界条件。
表2列出了ENVI-met场地建模的主要参数。模型背景气候参数所需的逐时空气温度、空气湿度、风速风向、太阳辐射由自动便携式气象站测得，土壤温度由铜-康铜热电偶测得（事前均进行恒温水浴箱校准），土壤湿度、建筑、地面构造及热物性参考杨小山[14]的实测结果。
表 2 模拟背景气象数据
图2 场地及乔木建模示意图
2.3 模拟表现的定量评价
本文采用两类指标来定量评价模型的性能：一类是误差评价指标，用于衡量预测值与观测值之间的误差；一类是相关评价指标，用于衡量预测值与观测值之间的相关程度。误差评价指标主要包括平均偏差（mean bias error ，MBE），平均绝对差（mean absolute error ，MAE），根均方差（root mean square error ，RMSE），系统根均方差（systematic root mean square error ，RMSEs），非系统根均方差（unsystematic root mean square error ，RMSEu）以及一致性指数d（Willmott’s index of agreement）。当模拟结果满足以下条件时认为其可信：RMSEs→0, RMSEu→RMSE以及 d→1。对统计指标的具体描述可见文献[15,16]。
3 结果与讨论
3.1 树荫下空气温度
由图3表现了树下空气温度模拟值与实测值的定性比较结果。在春季背景气象数据下，树下空气温度表现较好。这也表现在统计指标上（表3），春季一致性指数d为0.92而夏季为0.61；春季MAE为1.37℃而夏季为3.14℃。RMSEs比RMSEu高，这说明系统误差是始终存在的。类似的结论也出现在其他相关的研究中：在Acero等人[17]的研究中，MAE的范围为0.83~1.82℃，RMSEs也高于RMSEu。系统误差可能与太阳辐射的模拟误差有关。树冠的遮荫作用通过树下与空旷处的温差来表现（图4）。模拟的温差在春季为0.01~1.34℃而在夏季为0.02~1.3℃。实测温差在春季为-0.071~2.56℃而在夏季为-0.57℃ 至 4.39℃。杨小山[14]也指出，ENVI-met有高估地表范围的气温的趋势，特别是在树下区域，但树下与空旷处的温差却大大被低估。
表3 模拟表现的定量评价结果
图 3 树荫下空气温度的模拟值与实测值
图 4 树荫下与空旷处空气温度差的模拟值与实测值
3.2 树荫下空气湿度
图5比较了树荫下空气湿度的模拟值和实测值。通过春季一致性指数为0.96而夏季为0.71可知，ENVI-met可以准确表现树荫下空气湿度的变化趋势。对具体数值来说，春夏两季的树荫下空气湿度的模拟值都要比实测值偏低（春夏两季的MBE分别为-1.09gkg-1 和-2.08 gkg-1；春夏两季的MAE分别为1.11gkg-1 和 2.11 gkg-1）。图6表现了树荫下与空旷处的空气湿度差。模拟的湿度差要远小于实测值。春夏两季模拟的平均湿度差分别为0.51gkg−1 和2.31gkg-1。而两季实测的湿度差分别为2.27gkg-1 和5.54gkg-1。
图 5 树荫下空气湿度的模拟值与实测值
图 6 树荫下与空旷处空气湿度差的模拟值与实测值
4 结论
通过比较实测与模拟数据，验证了ENVI-met（4.2 Science版）能够较好地模拟湿热气候下乔木的温湿度表现，并能够准确预测各参数的日变化趋势。ENVI-met对微气候的模拟表现为各参数的日变化趋势与实测一致，模拟值与实测值相比，树下与空旷处及各方向树冠中的气温偏高、湿度偏低，温差与湿度差数值偏小。误差分析结果表明，模拟与实测结果有较好的一致性，总误差值均较小，模拟可对乔木对热环境的影响做出较好的预测。
此次的模拟实验仍存在需要进一步优化的部分：本实验是基于一个较简单的实验对象（单株乔木）、利用旋转式的方式建模而成，未来将考虑更复杂的周边环境以及对树冠各方向的叶片分布进行更精细的建模。受软件的限制，现无法输入逐时风速风向条件，待软件具备相应的条件时，可进行相关的验证工作。
参考文献
[1] Ballinas, M.; Barradas, V.L. Transpiration and stomatal conductance as potential mechanisms to mitigate the heat load in Mexico City. Urban For. Urban Green. 2016, 20, 152–159.
[2] Bowler, D.E.; Buyungali, L.M.; Knight, T.M.; Pullin, A.S. Urban greening to cool towns and cities: A systematic review of the empirical evidence. Landsc. Urban Plan. 2010, 97, 147–155.
[3] Konarska, J.; Uddling, J.; Holmer, B.; Lutz, M.; Lindberg, F.; Pleijel, H.; Thorsson, S. Transpiration of urban trees and its cooling effect in a high latitude city. Int. J. Biometeorol. 2016, 60, 159–172.
[4] Huang, Y.J.; Akbari, H.; Taha, H.; Rosenfeld, A.H. The potential of vegetation in reducing summer cooling loads in residential buildings. J. Appl. Meteorol. 2010, 26, 1103–1116.
[5] Kotzen, B. An investigation of shade under six different tree species of the Negev desert towards their potential use for enhancing micro-climatic conditions in landscape architectural development. J. Arid Environ. 2003, 55, 231–274.
[6] Marti-Ibanez, F. On the development of an urban passive thermal comfort system in Cairo, Egypt. Build. Environ. 2009, 44, 1907–1916.
[7] Morakinyo, T.E.; Kong, L.; Lau, K.L.; Yuan, C.; Ng, E. A study on the impact of shadow-cast and tree species on in-canyon and neighborhood’s thermal comfort. Build. Environ. 2017, 115, 1–17.
[8] Zölch, T.; Maderspacher, J.; Wamsler, C.; Pauleit, S. Using green infrastructure for urban climate-proofing: An evaluation of heat mitigation measures at the micro-scale. Urban For. Urban Green. 2016, 20, 305–316.
[9] Bruse, M. Envi-Met 3.0: Updated Model Overview; University of Bochum: Bochum, Germany, 2004.
[10] Bruse, M.; Fleer, H. Simulating surface–plant–air interactions inside urban environments with a three dimensional numerical model. Environ. Model. Softw. 1998, 13, 373–384.
[11] Lee, H.; Mayer, H.; Chen, L. Contribution of trees and grasslands to the mitigation of human heat stress in a residential district of freiburg, southwest Germany. Landsc. Urban Plan. 2016, 148, 37–50.
[12] Linden, J.; Simon, H.; Fonti, P.; Esper, J.; Bruse, M. Observed and Modeled transpiration cooling from urban trees in Mainz, Germany. In Proceedings of the ICUC9—International Conference on Urban Climate Jointly with Symposium on the Urban Environment, Toulouse, France, 20–24 July 2015; University of Toulouse: Toulouse, France, 2015.
[13] Zhang, L.; Zhan, Q.M.; Lan, Y.L. Effects of the tree distribution and species on outdoor environment conditions in a hot summer and cold winter zone: A case study in Wuhan residential quarters. Build. Environ. 2018, 130, 27–39.
[14] Yang, X.S. A Simulation Method for the Effects of Urban Microclimate on Building Cooling Energy Use. Ph.D. Thesis, South China University of Technology, Guangzhou, China, 2012. (In Chinese).
[15] Stunder, M.; Sethuraman, S. A statistical evaluation and comparison of coastal point source dispersion models. Atmos. Environ. 1986, 20, 301–315.
[16] Willmott, C.J. Some comments on the evaluation of model performance. Bull. Am. Meteorol. Soc. 1982, 63, 1309–1313.
[17] Acero, J.A.; Arrizabalaga, J. Evaluating the performance of ENVI-met model in diurnal cycles for different meteorological conditions. Theor. Appl. Climatol. 2018, 131, 455–469.
备注：本文收录于《建筑环境与能源》2019年5月刊总第21期。
版权归论文作者所有,任何形式转载请联系作者。
