城市气候环境正面临全球变暖与快速城市化影响带来的双重挑战。开展精细化微气候风险评估与建成环境优化，是改善城市内部气候环境的有效途径。当前，以城市街区为对象的研究难以揭示多种建成要素在跨尺度下的非线性影响机制，制约了精细尺度微气候的系统评估与科学治理。为解决这一关键问题，本研究开发了融合街区多尺度空间形态与人为排热的微气候预测方法，系统量化多参数在不同时空尺度下的影响层级与非线性阈值，并据此提出多尺度优化反馈策略。主要内容如下： （1）不同局地气候（LCZ）类型街区的形态-排热-微气候特征。基于LCZ理论，对西安市三环内建成街区进行类型划分，在主要类型中选取10个气候环境水平较差且人为排热较高的典型街区，并布设68个测点，开展夏冬季气温和相对湿度监测。通过分析以街区整体及其内部50 m与20 m缓冲区范围尺度下的7项形态参数，发现形态异质性随尺度缩小而增强。结合EnergyPlus建筑排热模型与交通大数据分析发现，来自街区建筑的排热通量高于交通系统排热通量，夏冬季紧凑型街区（LCZ 1～2）的两类排热与气温均高于开放型街区（LCZ 4～6-II）。夏季紧凑型街区建筑排热（134.2～230.0 W/m2）高于开放型街区（72.7～202.7 W/m2），其中暖通空调（17%～53%）与围护结构排热占比（43%～68%）最高。紧凑型街区的日均交通排热通量（5.0～11.4 W/m2）高于开放型街区（2.0～9.1 W/m2）。 （2）街区多尺度微气候预测模型开发。基于多尺度形态-排热-微气候参数，在街区尺度构建了偏最小二乘线性预测模型，量化了多参数对温湿度的线性贡献。夏季气温模型的RMSE为0.1～0.8°C，相对湿度为1.1%～2.6%。人为排热分别解释了日间65.7%与夜间62.9%的气温变化。冬季气温模型的RMSE为0.1～0.3°C，相对湿度为0.8%～2.1%。在街区内部50 m和20 m缓冲尺度上，构建了多元线性回归与贝叶斯优化随机森林预测模型，系统评估了线性和非线性算法性能，发现包含所有特征的贝叶斯优化随机森林算法最优，对温湿度预测精度分别提升15%～42%（夏季）与6%～22%（冬季）。 （3）街区多尺度形态-排热参数对微气候驱动机制。结合模型贡献与Shapley工具发现，街区尺度夏季日均气温以二维形态参数建筑密度和绿化率的影响占比最高（44.0%），人为排热（34.6%）次之；冬季仍以建筑密度和绿化率主导（52.5%），三维形态参数天空可视度的影响（28.9%）次之，而人为排热影响占比（18.6%）减小。在测点尺度，绿化率、建筑密度和天空可视度起主导作用，建筑排热在20 m缓冲区内影响最强。在所有时空尺度下，绿化率的影响层级最高，是首要的调控参数。其他参数作用方向与强度随时空尺度变化，据此构建了融合参数影响层级与非线性阈值的优化反馈框架，制定了绿化率、建筑密度、建筑高度、不透水面积比等核心参数的优化阈值。 本研究创新性地在街区尺度将空间形态、建筑和交通排热同时纳入气候参数化预测模型，建立了多参数的线性与非线性驱动机制。成果可用于城市规划设计前期参数化评估与建筑能源管理，为“微改造”导向的城市更新与气候适应性规划提供科学理论依据。 |
学校主站