正文
1.3 数据来源
(1)无人机影像图
采用无人机获取的 2024 年夏季真彩色正射影像,无人机型号为大疆 Mavic 3E,精度约 3.42 cm,能够清晰。看到建筑信息和下垫面覆盖类型。
(2)建筑物高度数据
来源于南京市规划设计院提供的南京市地形图数据,该数据包含建筑轮廓,建筑楼层数等,数据坐标系为WGS-84,将建筑楼层乘以3作为建筑总高度。
(3)气象数据
主要来源于实测,云层覆盖数据来源于欧洲中期天气预报中心 ECMWF(hulps://www.ecmwf.inv)。
2.1 ENVI-met 模拟
2.1.1 ENVI-met 软件
城市微气候模拟软件 ENVI-met是由德国美因茨大学地理研究所 Bruse 和 Feer 于 1998 年开发,本研究采用最新版本 v5.6.1。软件基于计算流体学 CFD 和热力学原理,空间分辨率 0.5-10 m,时间步长最大 10s主要用于模拟城市小尺度地面、大气和建筑之间的相互作用。通过输人边界气象条件( 如逐小时温湿度、风速风向等参数),就可以输出研究区域气温、相对湿度、风速风向、太阳辐射等气象因子的空问分布,已被广泛用于城市微热环境研究
[30-32]
。
2.1.2 实地测量和模型验证
在4个研究样区均开展了微气候实测,并选取样区 2(达美御园小区)进行模拟验证。78月份正是南京市夏季最炎热的时候,天气以多云、阴雨天为主。因此本研究观测日期为2024年8月16日,时间为6:00-19.00,该日天气多云,为南京市典型夏季气象日。在样区2典型下垫面处布置4个监测点(图 2),包括沥青水面、草坪以及树林,作为模型验证数据,其中沥青下垫面监测点作为此样区的模型边界输人条件。此外,在其余3个样区分别布置一个监测点,放置于中心位置的风向开阔处,作为这3个样区的模型边界输人气象条件。由于 HOBO 温湿度记录仪数量有限,本实验采用了多种气象记录仪器。在样区2的每个监测点上布置了4个 HOBO 温湿度记录仪,1个风速风向仪:样区4布置了1个 HOBO 温湿度记录仪,1个风速风向仪:另外两个样区布置了 JD-S05 手持气象站(可记录温湿度、风速风向)。每个监测点温湿度记录时间间隔设置为1 min,风速风向设置为 30 min,高度为 1.5 m。
为了评估模拟的准确性,将样区2的4个不同下垫面类型 1.5m处的气温实测值与气温模拟值进行比较,采用均方根误差(RMSE)和一致性指数(d)两个指标以确定两个变量之间的关系强度!3]。其中,RMSE是衡量模型平均误差的统计量,值越小,模型精度越高:d可理解为模拟值趋近实测值的程度,越接近于1,模型吻合程度更高,反映了相对误差的大小。
2.1.3 模型构建及参数输人
基于4个研究样本,构建了真实组(真实场景)和对照组(无水体场景:将水体换为壤土材质).共计8种场景(图3)。为减小边界效应影响,建模区域定义为包含围绕滨水居民区边界的一条河流和道路,向外延伸20 m的距离(以往研究表明蓝绿空间降温作用在 20 m内效果明显
[29]
),模型边界填充嵌套网格,以增加模型稳定性。建模区域平均面积为 50865.75 m
2
,空间分辨率统一设置为2 mx2 mx3 m,垂直网格统一设置 30 个高于最高建筑高度的2倍,30 m高度后开始伸缩,伸缩系数为 15%,设置垂直方向的第一个网格拆分为5层等距子单元,后续分析采用 1.5 m的模拟输出结果。水平网格基于实际模型大小设置。将无人机获取的研究区真彩色正射影像图在 AreGIs 软件中矢量化,并通过 ENVI-met 的 monde 模块将建筑物、植被、水体、下垫面等天量数据转化为 ENVI-met Spaces 三维模拟模型。为使大多数网格与模型结构平行对齐,将各场景旋转定角度,并更改相应指北针。模型绿色空间主要有乔木,灌木和草坪。通过实地调研,乔木统一采用南京市滨水居民区最常见的香樟树,表2列出了三种植被的生长结构参数。其余参数,水体设置为深水,地面铺装材料简化为沥青混凝土、水泥混凝土和壤土,建筑参数依据实际场景建模。
模型模拟日期为实测日期(2024年8月16日),从早上6点开始,持续 13h。模拟前一小时作为模型初始化时间,取输出后 12h 的模拟结果进行分析。本次模拟采用边界全强迫模式,分别将4个研究样区真实组和对照组行人高度的每 30 min 实测温湿度,平均风速风向数据作为模型边界气象条件输人,表3列出了各样区模型的模拟设置及气象输入参数。
2.2 降温效应表征指标计算
降温效应表征指标采用3个指标:降温强度(
CI
)、降温范围(
CR
)和降温距离(
CD
