梁勝, 陳存友, 胡希軍, 胡穎炫, 趙荻

基于CFD的建筑對城市湖泊濕度效應(yīng)的影響模擬

梁勝, 陳存友*, 胡希軍, 胡穎炫, 趙荻

中南林業(yè)科技大學(xué), 風(fēng)景園林學(xué)院, 長沙 410004

城市湖泊水體作為城市生態(tài)空間的重要組成部分,對于緩解城市熱島效應(yīng)具有重大意義。采用定點實測與CFD(Computational Fluid Dynamics)模擬相結(jié)合的方法, 以相對濕度為小氣候要素重點討論了建筑因子(建筑后退湖岸距離、建筑高度以及建筑間距)對夏季城市湖泊增濕效應(yīng)的影響程度。研究結(jié)果表明: (1)湖泊周邊建筑是影響湖泊濕度效應(yīng)的重要因素之一, 城市湖泊濕度效應(yīng)受城市主導(dǎo)風(fēng)影響較大, 在上風(fēng)向1 km以及下風(fēng)向3 km區(qū)域范圍內(nèi)湖泊的增濕作用明顯; (2)在建筑密度較大時, 僅增大建筑后退距離或增大建筑間距均能使湖泊周邊熱濕環(huán)境得到一定改善, 但對上風(fēng)向區(qū)域影響效果有限, 其相對濕度變化為0.1%—1.2%; (3)建筑高度的改變對城市湖泊濕度效應(yīng)影響最大, 在下風(fēng)向區(qū)域尤為明顯, 其相對濕度變化為2.1%—4.1%。綜上, 只有充分考慮湖泊周邊建筑因子對湖泊濕度效應(yīng)的影響才能使得城市湖泊的增濕效應(yīng)達(dá)到最大的優(yōu)化, 該結(jié)果能加深對城市湖泊濕度效應(yīng)的了解, 對于城市生態(tài)空間的整體規(guī)劃具有參考意義。

小氣候; CFD模擬; 濕度效應(yīng); 城市湖泊; 建筑因子

0 前言

全球變暖加劇, 如何有效的緩解城市熱島效應(yīng)成為了城市生態(tài)學(xué)領(lǐng)域關(guān)注的重點[1]。城市生態(tài)用地中的水體由于具有巨大的熱容量和強烈的水分蒸發(fā), 可以有效的緩解城市熱島效應(yīng)[2-3], 調(diào)節(jié)城市小氣候, 對改善城市人體舒適度、提高空氣質(zhì)量方面具有積極作用[4-7]。然而由于現(xiàn)在開發(fā)的失控使得城市湖泊周圍各種建筑群如雨后春筍般拔地而起, 形成了獨特的“湖泊盆地”空間特征[8], 阻斷了湖泊與周邊陸域的氣流交換, 大大降低了城市湖泊在改善城市小氣候的效能[9], 高速的城市化進(jìn)程使得城市生態(tài)空間處于被迫開發(fā)的狀態(tài), 城市湖泊的生態(tài)服務(wù)功能被嚴(yán)重削弱[10]。如何最大程度的發(fā)揮城市生態(tài)空間的生態(tài)效益, 改善城市熱環(huán)境成為了目前亟待解決的問題。

目前針對水體小氣候的研究主要集中在其傳熱機理和作用機制以及其影響因子的研究[11-14]。城市湖泊作為城市水體的一種, 近年來一直是諸多學(xué)者研究的熱點問題。目前, 針對城市湖泊效應(yīng)的相關(guān)研究已有一定的進(jìn)展: (1)在研究方法上, 主要是以實測調(diào)查和數(shù)值模擬分析為主, 如朱春陽等[15]采用小尺度定量測定的方法研究武漢市湖泊濕地的溫濕效應(yīng), 李鹍等[16]利用CFD仿真模擬研究武漢周邊的濕地對城郊區(qū)域的氣溫調(diào)節(jié)作用, 李江林等[17]利用 RAMS 模式對蘭州冬季湖泊效應(yīng)的進(jìn)行了數(shù)值模擬, 不同的學(xué)者對多種模擬軟件進(jìn)行了嘗試和可行性驗證;(2)從研究的角度來看, 主要集中在對湖泊效應(yīng)不同影響因子的研究, 可分為湖泊自身因子以及周邊環(huán)境因子[18-19]。不少國內(nèi)外學(xué)者研究了水體的布局、面積指數(shù)、景觀形狀指數(shù)以及深度對湖泊溫濕效應(yīng)的影響[20-21], 同時也開始有學(xué)者針對湖泊周邊的建成環(huán)境等周邊環(huán)境因子進(jìn)行了探討[22]; (3)在研究尺度上, 大部分研究主要集中在中(水平范圍為幾十到二、三百公里)、小尺度(水平范圍為幾百米到幾公里)。如 Laird[23]、Adrian[24]分別對北美五大湖區(qū)的溫度日較差、湖泊對感熱通量的輸送效應(yīng)等進(jìn)行了研究, 許魯君等[25]采用耦合湖泊模型的 WRF- CLM 模式模擬了大理洱海的湖泊效應(yīng)。

以上可知關(guān)于湖泊效應(yīng)的大量研究都是基于實測結(jié)果的綜合性分析, 缺乏針對各單因子作用的定性定量深入研究, 而且不同尺度湖泊的研究在一定程度上僅考慮湖泊自身因子忽略了周邊建成環(huán)境因子。由于針對小尺度的湖泊研究更能夠減輕周邊大環(huán)境的干擾, 有助于探究湖泊水體對周邊熱環(huán)境實質(zhì)性的緩釋機制。為此, 在已獲得湖南烈士公園湖泊水體全年實測數(shù)據(jù)的基礎(chǔ)之上, 選取湖泊調(diào)節(jié)小氣候效應(yīng)最為明顯的夏季7月份, 通過CFD模擬其濕度場的變化, 對相對濕度指標(biāo)進(jìn)行差異性分析, 探究建筑因子對城市湖泊濕度效應(yīng)的影響程度, 以期為城市湖泊周邊區(qū)域的合理規(guī)劃與開發(fā)提供參考。

1 研究內(nèi)容與方法

1.1 研究區(qū)域概況

湖南烈士公園位于湖南省長沙市(W 111°53′—114°15′, N 27°14′—27°34′), 總面積153.3 hm2, 是長沙市最大的綜合性公園, 具有明顯的“湖泊盆地”空間特征。研究水體位于公園東北向, 總面積約69.33 hm2。將公園內(nèi)的年嘉湖、躍進(jìn)湖及其周邊400 m范圍用地作為湖泊研究樣本區(qū)域, 區(qū)域面積總計331.49 hm2。根據(jù)《住宅設(shè)計規(guī)范》、《民用建筑設(shè)計通則》中關(guān)于建筑高度的說明: 一至三層為低層住宅, 四至六層為多層住宅, 七至九層為中高層住宅, 九層以上高層住宅為以及總高度超過24 m的公共建筑和綜合建筑均稱為高層建筑, 統(tǒng)計到樣本區(qū)域低層建筑128棟, 中高層建筑281棟, 高層建筑61棟(圖1)。該地區(qū)域氣候為亞熱帶季風(fēng)氣候, 夏季盛行東南風(fēng), 冬季盛行西北風(fēng)。

1.2 實測研究方法

1.2.1 樣線與樣點設(shè)計

在湖南烈士公園年嘉湖北側(cè)、西側(cè)、西南側(cè)及躍冬湖東側(cè)各布設(shè)一條樣線, 每條樣線按距湖岸0 m、200 m、400 m分別設(shè)定3個樣點, 共計12個(圖2)。為使樣點數(shù)據(jù)的差異性對比分析更有依據(jù), 對研究區(qū)域內(nèi)12個樣方周邊建筑環(huán)境進(jìn)行統(tǒng)計(表1), 同時也便于后續(xù)模擬云圖選點讀數(shù), 以此探究建筑因子對湖泊濕度效應(yīng)的影響程度。

1.2.2 測試內(nèi)容與方法

挑選晴朗少云且微風(fēng)(風(fēng)速小于3 m·s–1)或無風(fēng)天氣, 在8: 00—18: 00的測量時段內(nèi)每隔1 h對樣點距地面1.5 m處的相對濕度(% RH)、風(fēng)向風(fēng)速(m·s–1)進(jìn)行同步測定。為提高數(shù)據(jù)準(zhǔn)確度, 考慮到儀器的誤差及數(shù)據(jù)測量的穩(wěn)定性, 每次測定時讀數(shù)3次取平均值。

圖1 研究區(qū)域周邊建筑概況

Figure 1 Overview of buildings around the study area

圖2 研究區(qū)域樣線樣點布置

Figure 2 Arrangement of sample and line in study area

1.2.3 測試儀器

濕度測量儀器采用TESTO 08H1溫濕度計, 濕度測定范圍為0—100% RH, 分辨率0.1% RH; 風(fēng)速測量儀器采用GM890 數(shù)字風(fēng)速儀, 測量范圍為0—45 m·s–1, 分辨率0.1 m·s–1。

1.3 模擬研究方法

1.3.1 物理模型建立

采用AutoCAD軟件進(jìn)行底圖繪制, 由于只重點討論建筑因子對周邊環(huán)境熱濕環(huán)境的影響, 考慮到計算軟件的限制便將下墊面除建筑、水體外均設(shè)置為地面, 對模型進(jìn)行合理簡化, 最終建立起樣本區(qū)域的三維模型, 輸出為CFD可識別的ASCI文件。

1.3.2 計算參數(shù)設(shè)立

(1)計算域設(shè)定: 根據(jù)樣本區(qū)域的大小將整個流體計算域設(shè)定為3350 m×3400 m×400 m, 將三維幾何模型導(dǎo)入ANSYS Workbench, 用Design Modeler進(jìn)行處理, 得到流體計算域, 以達(dá)到計算模擬的要求。

(2)網(wǎng)格劃分: 采用有限體積法劃分非結(jié)構(gòu)網(wǎng)格, 對計算域進(jìn)行離散化, 用Mesh進(jìn)行網(wǎng)格劃分。經(jīng)處理, 研究區(qū)域網(wǎng)格總數(shù)量約為739萬, 質(zhì)量均在0.3以上, 能夠滿足計算模擬要求。

(3)流入流出邊界條件: CFD仿真模擬采用速度入口、壓力出口邊界條件。氣象數(shù)值的設(shè)置采用定點實測中夏季7月份各項氣象數(shù)據(jù)(表2)。

入口速度采用指數(shù)分布模型, 速度隨高度變化的關(guān)系為:u (x)= u(x) ×(x/ x) , 其中為高度, u(x)為取氣象高度10米處的風(fēng)速;為依賴于地面粗糙度和大氣穩(wěn)定度的參數(shù), 根據(jù)研究區(qū)域內(nèi)建筑高度和建筑密度, 取為0.25。

表1 樣點區(qū)域周邊建筑環(huán)境

表2 夏季氣象數(shù)據(jù)設(shè)定值

來流入口湍動能(2)和湍動耗散率(3)分別采用如下關(guān)系式求得:

其中,為高度;C為常數(shù), 取值為 0. 0845;為卡門常數(shù), 取值為 0. 4, 其余參數(shù)含義同上。夏季空氣溫度、水蒸氣質(zhì)量分?jǐn)?shù)、相對濕度等在各位置的具體參數(shù)設(shè)置如表3所示。

1.3.3 計算方程選取

基于湖泊樣本區(qū)域為低速湍流的流場特點, 采用ANSYS Fluent 17.0作為計算平臺, 選擇壓力基求解器, 計算方程選用RNG 模型進(jìn)行仿真處理。采用Simple算法進(jìn)行求解, 壓力和動量方程選擇二階迎風(fēng)格式, 湍動能和湍流耗散率選為一階迎風(fēng)格式, 水蒸氣組分和能量方程選擇二階迎風(fēng)格式。

2 實測模擬結(jié)果分析

2.1 模擬驗證分析

將7月份各樣點15日、16日、17日連續(xù)3 d實測數(shù)據(jù)(14: 00)求平均值后與CFD模擬輸出的數(shù)據(jù)(同時刻)導(dǎo)入SPSS軟件進(jìn)行相關(guān)性分析, 以此驗證CFD模擬的有效性和可行性, 選用皮爾遜相關(guān)性進(jìn)行評價[26]。由于CFD模擬忽略了下墊面硬質(zhì)鋪裝熱輻射以及樣方周邊人為熱的影響, 其模擬結(jié)果普遍比實測結(jié)果偏高(圖3), 但其結(jié)果變化趨勢整體一致。根據(jù)SPSS軟件相關(guān)性輸出結(jié)果及相關(guān)性散點圖(圖4)可知,=0.771, 實測數(shù)據(jù)與CFD模擬數(shù)據(jù)處于強相關(guān), 可見CFD模擬結(jié)果已具備科學(xué)研究的合理性。

表3 模擬參數(shù)設(shè)定表

2.2 模擬結(jié)果分析

對實際算例的模擬結(jié)果圖5以及表4進(jìn)行分析:

(1)主導(dǎo)風(fēng)上下風(fēng)向區(qū)域建筑群

東南、西北向建筑群區(qū)域相對濕度分別最高可50.1—50.7%、 55.0—55.6%, 兩者相差達(dá)4.9—5%, 下風(fēng)向區(qū)域相對濕度明顯高于上風(fēng)向區(qū)域。由于從湖泊上風(fēng)向吹來的干燥空氣經(jīng)湖泊加濕后沿著風(fēng)向擴散, 主導(dǎo)風(fēng)成為冷濕水氣擴散的助推力, 使得湖泊對下風(fēng)向區(qū)域的增濕效應(yīng)明顯加強, 而位于主導(dǎo)風(fēng)上方向的建筑群區(qū)域, 因與湖泊水氣擴散的方向與主導(dǎo)風(fēng)相反, 主導(dǎo)風(fēng)成為阻礙力, 湖泊對主導(dǎo)風(fēng)上風(fēng)向區(qū)域建筑群的增濕效應(yīng)受到消極影響。

(2)主導(dǎo)風(fēng)垂直向區(qū)域建筑群

東北、西南向建筑群由于位于主導(dǎo)風(fēng)垂直向, 主導(dǎo)風(fēng)對于湖泊水氣擴散的阻礙作用減弱, 兩區(qū)域相對濕度整體維持在51%—52%, 略高于主導(dǎo)風(fēng)上風(fēng)向區(qū)域建筑群, 增濕作用不明顯。

圖3 7月14: 00時實測數(shù)據(jù)與CFD模擬數(shù)據(jù)對比圖

Figure 3 Comparison of measured data and CFD simulation data at 2 pm in July

圖4 7月14: 00時實測數(shù)據(jù)與CFD模擬數(shù)據(jù)相關(guān)性散點圖

Figure 4 Scatter plot of measured data and CFD simulation data at 2 pm in July

(3)湖泊增濕效應(yīng)空間特征

相對濕度大小為: 湖泊水體上方>西北向建筑群區(qū)域(主導(dǎo)風(fēng)下方向)>西南向建筑群區(qū)域(主導(dǎo)風(fēng)垂直向)>東北向建筑群區(qū)域(主導(dǎo)風(fēng)垂直向)>東南向建筑群區(qū)域(主導(dǎo)風(fēng)上方向), 湖泊增濕效應(yīng)空間規(guī)律明顯。同時發(fā)現(xiàn)在下方向的增濕范圍明顯大于上風(fēng)向, 在下風(fēng)向區(qū)域增濕作用范圍可達(dá)3.0—3.5 km, 上風(fēng)向僅為1.0—1.5 km。

綜上, 城市湖泊在不同風(fēng)向建筑區(qū)域增濕效應(yīng)的影響程度以及影響范圍存在很大差異, 這為探究建筑因子對不同風(fēng)向區(qū)域的湖泊增濕效應(yīng)影響程度提供了基本思路。

3 改變單一因子的模擬分析

3.1 改變臨湖建筑后退距離

建筑有阻擋氣流的作用, 影響水蒸氣的輸送。通過去除距湖岸50 m(共計37棟建筑)、100 m(共計85棟建筑)范圍內(nèi)的所有建筑, 其他參數(shù)的設(shè)置均與實際算例中保持一致, 以此來探究建筑后退湖岸距離對湖泊濕度效應(yīng)的影響程度。結(jié)合模擬結(jié)果圖6以及表5分析可知:

(1)主導(dǎo)風(fēng)上風(fēng)向建筑群

東南向建筑群區(qū)域相對濕度值分布較平均, 去掉臨湖50 m范圍內(nèi)建筑后, 濕度值從47.1%— 66.5%上升至47.6%—66.5%; 去掉臨湖100 m范圍內(nèi)建筑后, 相對濕度值從47.1%—66.5%上升至47.8%—66.6%, 整體變化幅度很小, 僅0.1%— 0.6%。當(dāng)區(qū)域建筑布局過于密集時, 即使增大了建筑距湖岸的后退距離, 也無法減弱主導(dǎo)風(fēng)對湖泊水氣擴散的消極作用, 相對濕度變化不明顯。

(2)主導(dǎo)風(fēng)下風(fēng)向建筑群

該區(qū)域與東南向建筑群區(qū)域相比有5.3%— 5.5%的提高。建筑后退湖岸距離對此區(qū)域的相對濕度影響較大, 但50 m范圍內(nèi)的后退距離對其影響不明顯, 這和此區(qū)域內(nèi)建筑群的整體閉合程度有關(guān)。由于建筑后退100 m使得湖泊周邊大量閉合的建筑群被打開, 湖泊周邊變得更為空曠, 對來流的阻礙作用大大減弱, 冷濕空氣在主導(dǎo)風(fēng)的影響下其擴散能力不斷加強, 使得下風(fēng)向建筑群區(qū)域空氣濕度不斷增加, 建筑后退100 m較50 m相對濕度值有2.5%—2.7%的提升。

圖 5 實際算例中1.5 m處相對濕度云圖

Figure 5 Cloud map of relative humidity at the height of 1.5 m inactual example

表4 實際算例中1.5 m處濕度云圖讀數(shù)

圖6 建筑后退50 m 、100 m 時1.5 m高度處相對濕度云圖

Figure 6 Cloud map of relative humidity at the height of 1.5 m with the building recedes 50 m and 100 m

表5 建筑后退50 m、100 m 時1.5 m高度處相對溫度云圖讀數(shù)

(3)主導(dǎo)風(fēng)垂直向建筑群

西南向建筑群和東北向建筑群區(qū)域相對濕度整體集中在50.1%—52.5%, 與實際算例相比差別不大, 變化不明顯, 由此可知建筑后退距離對該區(qū)域影響不大。

3.2 改變臨湖建筑高度

建筑高度對于湖泊周邊環(huán)境的影響較大, 對來流的阻礙作用可造成相對濕度的變化。針對建筑高度變?yōu)樵瓉淼?/2、2倍時分別進(jìn)行模擬分析, 其他參數(shù)設(shè)置與實際算例中保持一致, 以此探尋建筑高度對湖泊濕度效應(yīng)的影響程度。結(jié)合模擬結(jié)果圖7以及表6分析可知:

(1)主導(dǎo)風(fēng)上風(fēng)向建筑群

在建筑高度變?yōu)樵瓉淼?/2倍時, 東南向建筑群區(qū)域相對濕度變化不明顯, 相對濕度值下降0.2%—0.8%, 建筑高度的縮減未能降低主導(dǎo)風(fēng)對湖泊增濕作用的消極影響; 在建筑高度變?yōu)樵瓉淼?倍時, 東南向建筑群區(qū)域相對濕度值變化較大, 下降幅度達(dá)2.1%—2.3%, 建筑高度的增加阻礙了湖泊水蒸氣的自由擴散, 削弱了湖泊對周邊環(huán)境的調(diào)節(jié)作用, 建筑高度的增加很大程度上削弱了主導(dǎo)風(fēng)上風(fēng)向區(qū)域的湖泊增濕效應(yīng)。

(2)主導(dǎo)風(fēng)下風(fēng)向建筑群

在建筑高度變?yōu)樵瓉淼?倍時, 相對濕度值與實際算例相比增加1.4%—1.6%。由于西北向建筑群大多為低層建筑, 建筑高度變?yōu)樵瓉淼?倍后, 在主導(dǎo)風(fēng)的影響下湖泊水氣的擴散能力未受到建筑的較大影響, 湖泊對主導(dǎo)風(fēng)下風(fēng)向區(qū)域建筑群仍存在著一定的增濕作用; 在建筑高度變?yōu)樵瓉淼?/2倍時, 西北向建筑群區(qū)域相對濕度上升3.9%—4.1%。由于建筑高度的下降使得“湖陸氣流”交換順暢, 同時受主導(dǎo)風(fēng)的助推作用, 湖泊的增濕效應(yīng)被加強, 可見建筑高度的降低對主導(dǎo)風(fēng)下風(fēng)向區(qū)域的增濕作用尤為明顯。

圖 7 建筑高度為原來0.5、2倍時1.5 m高度處相對濕度云圖

Figure 7 Cloud map of relative humidity at the height of 1.5m with the height of the building is half and twice

表6 建筑高度為原來0.5、2倍時1.5 m高度處相對濕度云圖讀數(shù)

(3)主導(dǎo)風(fēng)垂直向建筑群

西南、東北向建筑群區(qū)域相對濕度變化不明顯, 在建筑高度變?yōu)樵瓉淼?/2倍時, 其相對濕度約49.7%—51.1%, 在建筑高度變?yōu)樵瓉淼?倍時, 其相對濕度約為49.4%—51.8%, 建筑高度的改變對該區(qū)域影響不大。

3.3 改變臨湖建筑間距

建筑的布局形式對風(fēng)環(huán)境影響較大, 進(jìn)而影響空氣對流。研究區(qū)域建筑群布局形式多樣, 通過實地調(diào)研樣點周邊的建筑環(huán)境, 將研究區(qū)域的建筑群布局形式分為行列式布局、周邊式布局以及點群式布局。改變實際算例模型中的建筑間距, 變?yōu)樵瓉淼?倍, 以此探尋建筑間距對湖泊濕度效應(yīng)的影響。結(jié)合模擬結(jié)果圖8以及表7分析可知:

(1)主導(dǎo)風(fēng)上風(fēng)向建筑群

東南向建筑群區(qū)域相對濕度變化不大, 僅下降0.2%—1.2%, 整體相對濕度分布比較均衡。由于東南、西南向建筑群行列式布局較多, 且建筑密度較大, 增大建筑間距使得周邊建筑組團(tuán)形成街道效益, 使得建筑周邊的風(fēng)環(huán)境得以改善。受主導(dǎo)風(fēng)影響, 水蒸氣擴散至東南向建筑群區(qū)域的能力減弱, 因此與實際算例相比主導(dǎo)風(fēng)上風(fēng)向區(qū)域相對濕度有小幅下降。

(2)主導(dǎo)風(fēng)下風(fēng)向建筑群

西北向建筑群區(qū)域相對濕度值為56.4%— 56.8%, 上升0.2%—1.4%。擴大建筑間距對西北向建筑群整體增濕作用不明顯, 這是由于西北向建筑群建筑主要為圍合式以及點群式為主, 且建筑密度較大, 擴大建筑間距對于改善此類布局形式建筑周邊的風(fēng)環(huán)境作用有限, 使得主導(dǎo)風(fēng)的助推作用較小, 故其相對濕度變化不明顯。

(3)主導(dǎo)風(fēng)垂直向建筑群

建筑間距為原來2倍后其相對濕度為50.0%— 51.4%, 與實際算例相比, 其濕度值略有下降。由于該區(qū)域含有的建筑布局形式多樣, 建筑間距的擴大使得少量閉合圍合式建筑被打開, 以及行列式的建筑形成的街道效應(yīng), 主導(dǎo)風(fēng)的消極作用不斷被加強, 影響湖泊水氣向此區(qū)域的擴散能力。

4 結(jié)論與討論

通過定點實測與CFD數(shù)值模擬交互式驗證研究的方法, 以湖南烈士公園的湖泊水體探析了建筑因子對夏季城市湖泊濕度效應(yīng)的影響, 得出如下結(jié)論: (1)城市主導(dǎo)風(fēng)向?qū)Τ鞘泻礉穸刃?yīng)影響較大, 對下風(fēng)向區(qū)域的増濕作用明顯強于上風(fēng)向區(qū)域, 且湖泊的增濕作用與距離呈負(fù)相關(guān); (2)在高密度的建筑群僅增大建筑離湖后退距離或是增大建筑間距, 都能使周圍熱濕環(huán)境得到一定的改善, 但由于湖泊周邊建成環(huán)境的復(fù)雜性如建筑布局方式多樣等因素導(dǎo)致效應(yīng)不明顯, 對上風(fēng)向區(qū)域的增濕效用有限; (3)建筑高度的改變對湖泊周邊環(huán)境相對濕度的影響較大, 在主導(dǎo)風(fēng)下風(fēng)向區(qū)域表現(xiàn)得尤為顯著。

圖8 建筑間距為原來的2倍時1.5 m高度處相對濕度云圖

Figure 8 Cloud map of relative humidity at the height of 1.5 m with the building interval is twice

表7 建筑間距為原來2倍時1.5 m高度處相對濕度云圖讀數(shù)

綜上, 建筑和城市主導(dǎo)風(fēng)風(fēng)向是影響城市湖泊濕度效應(yīng)的重要因素。城市湖泊周邊區(qū)域的開發(fā)應(yīng)參考城市湖泊效應(yīng)的相關(guān)研究成果進(jìn)行更為科學(xué)合理的決策, 嚴(yán)控湖泊周邊建筑高度, 保證城市通風(fēng)廊道的暢通, 利用城市湖泊的增濕效應(yīng)進(jìn)行更為合理的建筑布局, 從而有效改善城市湖泊周邊區(qū)域的熱濕環(huán)境, 將城市水體的熱環(huán)境優(yōu)化效應(yīng)最大化, 優(yōu)化城市生態(tài)空間效能, 促進(jìn)城市可持續(xù)發(fā)展。由于湖泊周邊建成環(huán)境的復(fù)雜性, 建筑布局方式等較微觀層面的因素對湖泊增濕效應(yīng)的影響機制有待深入研究, 同時對于建筑高度影響的閾值也有待明確。在研究過程中由于各種限制, 仍存在著諸多不足, 如模擬過程中忽略了硬質(zhì)鋪裝以及人為熱的影響, 物理模型的簡化等, 在后續(xù)的研究中須不斷優(yōu)化。

[1] 王甫園, 王開泳, 陳田, 等. 城市生態(tài)空間研究進(jìn)展與展望[J]. 地理科學(xué)進(jìn)展, 2017, 36(2): 207–218.

[2] SUN R H, CHEN A L, CHEN L D, et al. Cooling effects of wetlands in an urban region: the case of Beijing[J]. Ecological Indicators, 2012, 20(9): 57–64.

[3] XIN C, ONISHI A, JIN C, et al. Quantifying the cool island intensity of urban parks using ASTER and IKONOS data[J]. Landscape & Urban Planning, 2010

[4] 李書嚴(yán), 軒春怡, 李偉, 等. 城市中水體的微氣候效應(yīng)研究[J]. 大氣科學(xué), 2008(3): 552–560.

[5] 金虹, 王博. 城市微氣候及熱舒適性評價研究綜述[J]. 建筑科學(xué), 2017, 33(8): 1–8.

[6] 曾元梓, 陳奕汝, 郭慧娟, 等. 城市湖泊濕地建成環(huán)境對PM_(10)、PM_(2.5)濃度影響因子分析——以武漢市為例[J]. 中國園林, 2018, 34(7): 104–109.

[7] 朱春陽, 曾元梓, 陳奕汝, 等.城市湖泊濕地對空氣PM_(10)、PM_(2.5)的影響——以武漢為例[J]. 中國園林, 2016, 32(11): 88–93.

[8] 陳存友, 胡希軍, 鄭霞. 城市湖泊景觀保護(hù)利用規(guī)劃研究——以益陽市梓山湖為例[J]. 中國園林, 2014. 30(9): 42–45.

[9] 龍麗娟, 陳存友, 胡希軍, 等. 湖泊因子對城市湖泊降溫效應(yīng)的模擬研究——以湖南烈士公園湖泊為例[J]. 長江科學(xué)院院報, 2018: 1–7.

[10] 張棋斐, 吳志峰, 郭冠華. 高密度建成區(qū)城市生態(tài)空間的熱環(huán)境緩釋效應(yīng)——以廣州市中心城區(qū)為例[J]. 城市觀察, 2017(3): 39–49.

[11] 劉京, 朱岳梅, 郭亮, 等. 城市河流對城市熱氣候影響的研究進(jìn)展[J]. 水利水電科技進(jìn)展, 2010, 30(6): 90–94.

[12] 紀(jì)鵬, 朱春陽, 盛云燕. 不同形狀城市濕地對周邊環(huán)境溫濕度的影響[J]. 應(yīng)用生態(tài)學(xué)報, 2017 (10): 3385–3392.

[13] WANG C Y, ZHU W P. Analysis of the impact of urban wetland on urban temperature based on remote sensing technology[J]. Procedia Environmental Sciences, 2011,10 (Part B): 1546–1552．

[14] 齊靜靜, 劉京, 宋曉程, 等. 大型城市河流對城市氣候影響的實測研究[J]. 哈爾濱工業(yè)大學(xué)學(xué)報, 2011, 43(10): 56– 59.

[15] 朱春陽. 城市湖泊濕地溫濕效應(yīng)——以武漢市為例[J]. 生態(tài)學(xué)報, 2015, 35(16): 5518–5527.

[16] 李鹍, 余莊. 武漢地區(qū)風(fēng)環(huán)境影響下濕地調(diào)溫作用的模擬分析[J]. 資源科學(xué), 2006(6): 51–59.

[17] 李江林, 陳玉春, 呂世華, 等. 利用RAMS模式對山谷城市蘭州冬季湖泊效應(yīng)的數(shù)值模擬[J]. 高原氣象, 2009, 28(5): 13–23.

[18] 戴茜, 陳存友, 胡希軍, 等. 建筑因子對城市湖泊溫度效應(yīng)的模擬研究——以湖南烈士公園湖泊為例[J]. 生態(tài)環(huán)境學(xué)報, 2019, 28(1): 106–116.

[19] 袁旸洋, 朱辰昊, 成玉寧. 城市湖泊景觀水體形態(tài)定量研究[J]. 風(fēng)景園林, 2018, 25(8): 80–85.

[20] 萬軍山, 呂丹苗, 劉?；? 夏季鄱陽湖水體溫度場及其氣溫效應(yīng)[J]. 應(yīng)用氣象學(xué)報, 1994(3): 374–379.

[21] HOU P, CHEN Y H, QIAO W, et al. Near-surface air temperature retrieval from satellite images and influence by wetlands in urban region[J]. Theoretical and Applied Climatology, 2013, 111( 1/2) : 109–118．

[22] 張棋斐, 文雅, 吳志峰, 等. 高密度建成區(qū)湖泊水體的熱緩釋效應(yīng)及其季相差異——以廣州市中心城區(qū)為例[J]. 生態(tài)環(huán)境學(xué)報, 2018, 27(7): 139–150.

[23] LAIRD N , BENTLEY A M , GANETIS S A , et al. Climatology of lake-effect precipitation events over Lake Tahoe and Pyramid Lake[J]. Journal of Applied Meteorology and Climatology, 2016, 55(2): 297–312.

[24] ADRIAN R, O’REILLY C M, ZAGARESE H, et al. Lakes as sentinels of climate change[J]. Limnology and Oceanography, 2009, 54(6): 2283–2297.

[25] 許魯君, 劉輝志. 云貴高原洱海湖泊效應(yīng)的數(shù)值模擬[J]. 氣象學(xué)報, 2015.73(4): 789–802.

[26] 何春雄, 龍衛(wèi)江, 朱鋒峰. 概率論與數(shù)理統(tǒng)計[M]. 北京: 高等教育出版社, 2012: 7.

CFD simulating study on humidity effect of urban lakes influenced by buildings

LIANG Sheng, CHEN Cunyou*,HU Xijun, HU Yingxuan, ZHAO Di

College of Landscape Architecture, Central South University of Forestry and Technology, Changsha410004,China

As an important component of urban ecological space, urban lake is of great significance to alleviate the urban heat island effect. This thesis uses the method which combines fixed point measurement with CFD (Computational Fluid Dynamics) simulation and takes the relative humidity as the microclimate factor to discuss the influence degree of the building factorson the humidity effects of urban lakes in the summer. The results showed that: (1) The buildings around the lake were one of the important factors that affected the humidity effect of the lake,and the humidity effect of urban lakes was affected by the city's dominant winds.There was a significant lake humidification in the upwind direction of 1 km and the downwind direction of 3 km in the lake. (2) With the high building density, only increasing the distance between buildings and urban lake or building interval could improve the heat and moisture environment around the lake to a certain extent, while the effect on the upwind area was less, with the relative humidity changes from 0.1% to 1.2%. (3) The change of building height had the greatest impact on the humidity effect of urban lakes, especially in the downwind area, with the change of relative humidity from 2.1% to 4.1%. In summary, only taking the influences of building factors surrounding the urban lakes into consideration adequately can the humidification effect of urban lakes be optimized to the greatest extent. The research production of this thesis is valuable for both understanding the humidity effect of urban lakes and planning of urban ecological space.

microclimate;CFD simulation; humidity effect; urban lakes;building factors

10.14108/j.cnki.1008-8873.2020.02.023

P461.5

A

1008-8873(2020)02-191-08

2019-09-02;

2019-10-26

國家林業(yè)局“十三五”重點學(xué)科(風(fēng)景園林學(xué))(林人發(fā)[2016]21號); 湖南省教育廳科學(xué)研究項目(13C1135); 中南林業(yè)科技大學(xué)研究生科技創(chuàng)新基金項目(CX20192007); 中南林業(yè)科技大學(xué)高等學(xué)校“十三五”專業(yè)綜合改革試點項目(城鄉(xiāng)規(guī)劃學(xué))

梁勝(1994—) ,碩士, 主要從事城市湖泊小氣候、風(fēng)景園林規(guī)劃與設(shè)計研究, E-mail: liangsheng0904@foxmail.com

陳存友(1974—), 博士, 副教授, 研究生導(dǎo)師, 主要從事城市規(guī)劃、風(fēng)景園林規(guī)劃與設(shè)計、旅游規(guī)劃研究, E-mail: 81698514@qq.com

梁勝, 陳存友, 胡希軍, 等. 基于CFD的建筑對城市湖泊濕度效應(yīng)的影響模擬[J]. 生態(tài)科學(xué), 2020, 39(2): 191–198.

LIANG Sheng, CHEN Cunyou,HU Xijun, et al. CFD simulating study on humidity effect of urban lakes influenced by buildings: a case study of Martyrs Park Lake in Hunan[J]. Ecological Science, 2020, 39(2): 191–198.