CN116227216B - 一种严寒地区蓝绿空间降温效应定量评估方法 - Google Patents
一种严寒地区蓝绿空间降温效应定量评估方法 Download PDFInfo
- Publication number
- CN116227216B CN116227216B CN202310247326.3A CN202310247326A CN116227216B CN 116227216 B CN116227216 B CN 116227216B CN 202310247326 A CN202310247326 A CN 202310247326A CN 116227216 B CN116227216 B CN 116227216B
- Authority
- CN
- China
- Prior art keywords
- thermal
- green space
- data
- voting
- temperature
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000000694 effects Effects 0.000 title claims abstract description 50
- 238000001816 cooling Methods 0.000 title claims abstract description 46
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000011158 quantitative evaluation Methods 0.000 title claims abstract description 9
- 230000035807 sensation Effects 0.000 claims abstract description 49
- 230000008447 perception Effects 0.000 claims abstract description 26
- 238000011160 research Methods 0.000 claims abstract description 23
- 238000005259 measurement Methods 0.000 claims abstract description 17
- 230000005855 radiation Effects 0.000 claims description 17
- 238000000611 regression analysis Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000012360 testing method Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 8
- 238000001931 thermography Methods 0.000 claims description 6
- 230000003542 behavioural effect Effects 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 5
- 230000006870 function Effects 0.000 claims description 5
- 210000001015 abdomen Anatomy 0.000 claims description 4
- 230000006399 behavior Effects 0.000 claims description 4
- 244000309466 calf Species 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 4
- 238000011835 investigation Methods 0.000 claims description 4
- 230000007935 neutral effect Effects 0.000 claims description 4
- 230000009467 reduction Effects 0.000 claims description 4
- 238000012876 topography Methods 0.000 claims description 4
- 238000012546 transfer Methods 0.000 claims description 4
- 210000000689 upper leg Anatomy 0.000 claims description 4
- 210000000707 wrist Anatomy 0.000 claims description 4
- 230000009471 action Effects 0.000 claims description 3
- 238000003331 infrared imaging Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 description 6
- 238000004088 simulation Methods 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 244000223014 Syzygium aromaticum Species 0.000 description 2
- 235000016639 Syzygium aromaticum Nutrition 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000004060 metabolic process Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 241000283073 Equus caballus Species 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 210000001142 back Anatomy 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000005431 greenhouse gas Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000010792 warming Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Geometry (AREA)
- Development Economics (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Air Conditioning Control Device (AREA)
- Radiation Pyrometers (AREA)
Abstract
本发明提出一种严寒地区蓝绿空间降温效应定量评估方法。所述方法包括获取卫星遥感数据反演得到蓝绿空间潜在降温范围；利用红外热成像仪器低空拍摄蓝绿空间区域图像；按照多点不同距离使用仪器测量蓝绿空间微气候数据；记录受试者的各项生理指标，并用问卷调查受试者的热舒适感知，结合建立人体热感觉模型；将实测及问卷得到微气候数据输入到软件中计算得到相应的热舒适指标数据，并与人体热感觉模型整合；采用微气候模拟软件建模，同时与实测数据结合，较准确定量蓝绿空间降温效应，得到热舒适友好的蓝绿空间空间规划布局方式。本发明所述方法能够量化严寒地区蓝绿空间降温效应，对热环境现状进行评价研究，为区域热环境改善提供有力支撑。
Description
技术领域
本发明属于城市蓝绿空间降温评估技术领域，特别是涉及一种严寒地区蓝绿空间降温效应定量评估方法。
背景技术
随着全球人口飞速增长与城镇化率的逐步上升，城镇的自然资源及生态环境受到了巨大的压力，城市建成环境与生态之间的关系受到威胁。由此带来的城市下垫面和冠层结构的迅速改变以及人为热和污染物的排放，加剧了城市热岛效应的产生。热岛效应带来的连锁反应将引起城市能源消耗及温室气体的排放，严重影响着城市环境的维护及可持续发展。
城市蓝绿空间的概念是源于城市的绿色空间和城市的蓝色空间的结合而形成的。城市蓝绿空间对城市热环境的影响在以往的研究中，已经证实它在调节城市热环境、改善局部微气候、维持生态平衡等方面起着重要的作用。城市绿色空间通过表面热交换结构来调节城市热岛效应，城市蓝色空间通过水体自身良好的吸热能力降低气温。同时，水体能够通过加强空气传导、对流以及平流传递，与城市绿化共同缓解城市地区的极端高温现象。因此，合理的城市蓝绿空间建设和规划蓝绿空间配置，可以使城市蓝绿空间有效的减少城市的热岛效应，并可以在生态效益上发挥更大的作用。城市合理建设城市蓝绿空间，可以提高城市的宜居性，是促进社会可持续发展、提高居民生活质量的重要保证。
随着全球变暖的趋势愈演愈烈，严寒地区夏季室外温度也逐年上升，典型城市的热岛覆盖范围及其影响程度正不断扩张，尤其是近几年热岛强度扩张最为明显。因此，在严寒地区的城市建设及城市规划设计中不仅要考虑到冬季的保温、防风，也需要考虑到夏季的降温作用。目前，对于蓝绿空间冷岛效应的研究主要集中于我国夏热冬冷地区、夏热冬冷及温和地区，严寒地区的夏季热环境相关研究被忽略，并且在城市滨水区建设时缺少相对应的依据，相关人员无法在滨水区的建设中得到明确的指向性。因此，合理规划城市化进程中的城市蓝绿空间建设能够很大程度的减小热岛效应的影响，对城市的可持续发展具有重要的意义。
发明内容
本发明目的是为了解决现有技术中的问题，提出了一种严寒地区蓝绿空间降温效应定量评估方法。所述方法通过实测空气温度、相对湿度、黑球温度、风速等热环境参数及人体生理指标，基于ENVI-met软件进行热环境模拟与分析，同时结合遥感技术及热舒适相关问卷，从模拟和实测两方面量化严寒地区蓝绿空间降温效应，对热环境现状进行评价研究，本发明主要对严寒地区蓝绿空间冷岛效应进行研究，以解决上述背景技术中提出的问题。
本发明是通过以下技术方案实现的，本发明提出一种严寒地区蓝绿空间降温效应定量评估方法，所述方法具体为：
步骤1、获取卫星遥感数据针对研究区域进行温度遥感反演，得到蓝绿空间潜在降温范围；
步骤2、在蓝绿空间潜在降温范围区域内，利用红外热成像仪器定时对所研究蓝绿空间低空拍摄红外热成像区域图像；
步骤3、根据得到的降温范围，按照不同水岸距离的划分布置多个仪器测量点，获取目标蓝绿空间中微气候参数；
步骤4、使用热传输设备记录受试者的各项生理指标，并通过问卷调查方式得到处于空间中使用人员基本信息及热感觉、热舒适、热偏好投票，建立人体热感觉模型；
步骤5、将实测得到的微气候数据及问卷得到的热投票数据输入到Rayman软件中进行计算，得到相应的热舒适指标数据，并与人体热感觉模型整合；
步骤6、采用ENVI-met微气候模拟软件选取研究区域建模，同时与实测微气候数据结合，设置形态准确的定量蓝绿空间降温效应，进一步得到热舒适好的蓝绿空间规划布局方式。
进一步地，步骤2中，红外热成像拍摄使用无人机搭载红外成像仪器进行低空摄影；拍摄时间选取上午8:00，中午14:00，下午17:00，傍晚19:00，夜晚23:00分别拍摄研究区域相同位置，通过红外分析软件对蓝绿空间边界测温得到测试区域降温范围。
进一步地，在步骤3中，按照不同离岸距离布置多个测点，实测微气候数据是指目标环境中距离地面1.1m高处的空气温度Ta、距离地面1.1m高处的相对湿度RH、距离地面1.1m高处的黑球温度Tg和距离地面1.1m高处的气流速度Va；
黑球温度Tg指实感温度,标志着在辐射热环境中人或物体受辐射热和对流热综合作用时,以温度表示出来的实际感觉温度。
进一步地，在步骤4中，热传输设备记录所采集的数据包括：体表温度、心率和脉搏；体表温度的采集使用热电偶穿戴式设备，佩戴在头部、左前胸、腹部、左上臂、左下臂、左手背、左大腿、左小腿8个位置，每5分钟记录一次，计算得到平均皮肤温度Tsk，心率与脉搏通过佩戴在手腕的穿戴式设备得到；
问卷调查所采集的数据包括生理参数、行为活动状态、热舒适感知投票及即时状态下的空气温度及相对湿度；生理参数包括：年龄，性别和服装热阻；行为和活动状态包括：活动类型和活动持续时间；热舒适感知投票包括：热感觉投票TSV、热舒适投票TCV、热偏好投票TPV以及风速、湿度及太阳辐射偏好；
将热感觉投票TSV与平均皮肤温度Tsk、心率、脉搏分别进行拟合，选择拟合程度最高的函数作为人体热感觉模型，得到以下模型：
TSV＝a·Tsk+b
其中Tsk为平均皮肤温度，单位为℃；a、b为回归分析得到的常数，数据将根据测量生理数据和填写问卷人员的热感知情况而变化。
进一步地，所述调查问卷中热舒适感知投票使用统一标尺，标尺中的具体数字对应了受试者具体的热感知；
其中热感觉投票使用7点标尺，具体为：1＝冷，2＝凉，3＝稍凉，4＝正常，5＝稍暖，6＝暖，7＝热；热舒适投票使用3点标尺，具体为：-1＝不舒适、0＝中性和1＝舒适；热偏好投票使用3点标尺，具体为：-1＝变低、0＝不变和1＝变高；风速、湿度及太阳辐射偏好投票使用3点标尺，具体为：-1＝增强/加湿、0＝不变和1＝减弱/干燥。
进一步地，步骤5中，热舒适指标选用通用热气候指数UTCI，计算所需的参数为：空气温度Ta、相对湿度RH、平均辐射温度Tmrt和距离地面10m风速V'；
距离地面1.1m处的平均辐射温度Tmrt可由距离地面1.1m高处的黑球温度Tg通过以下公式计算得到，具体如下：
其中D为黑球直径，ε代表黑球表面发射率，Ta为空气温度(℃)，Tg为黑球温度(℃)，Va为距离地面1.1m处的风速(m/s)；
距离地面10m风速V'由距离地面1.1m高处的气流速度Va通过以下公式计算得到，具体如下：
V′＝Va·LOG(10/0.01)/LOG(x/0.01)
其中Va为距离地面1.1m处的风速(m/s)，x为气流速度测量高度。
进一步地，步骤5中，将处理过的实测及问卷微气候数据，输入到Rayman软件中进行计算得到相应蓝绿空间的热舒适指标UTCI数据并与问卷数据中热感觉投票平均值MTSV进行回归分析，拟得到如下蓝绿空间室外热舒适度回归模型：
UTCI＝c·MTSV+d
其中c、d为回归分析得到的常数，数据将根据测量区域和填写问卷人员的热感知情况而变化；
综合对比得到的热感觉投票TSV与平均皮肤温度Tsk的人体热感觉模型与热舒适指标UTCI与热感觉投票平均值MTSV的回归模型，可得到UTCI与平均皮肤温度Tsk之间的模型：
进一步地，在步骤1中，按照研究蓝绿空间的地理位置，通过地图获取数字高程地形图及遥感影像，对获取数据校准并反演得到蓝绿空间潜在降温范围。
本发明提出一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现所述一种严寒地区蓝绿空间降温效应定量评估方法的步骤。
本发明提出一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时实现所述一种严寒地区蓝绿空间降温效应定量评估方法的步骤。
与现有技术相比，本发明的有益效果是：本发明以蓝绿空间的降温效应作为研究对象，针对严寒地区气候条件，采用多种方法结合的方式评估室外热环境，实现了蓝绿空间降温效应的定量。并对研究区域的适用人群的生理感受与热舒适指标结合并进行区域空间建模模拟，更新适用于严寒地区的通用热气候指数UTCI值，多维角度评估了严寒地区蓝绿空间的品质。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本发明基于热舒适指标的严寒地区蓝绿空间降温效应定量评估方法流程图；
图2为本发明对生理指标热传输设备在人体的采集点示意图；其中，1-8为采集点；
图3为本发明中利用红外热成像仪低空拍摄的蓝绿空间红外热图像实例；
图4为本发明所采用的室外热环境问卷调查具体内容示意图。
具体实施方式
下面将结合本发明实施例中的附图对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
结合图1-图4，本发明提出一种严寒地区蓝绿空间降温效应定量评估方法，所述方法具体为：
步骤1、获取卫星遥感数据针对研究区域进行温度遥感反演，得到蓝绿空间潜在降温范围；
步骤2、在蓝绿空间潜在降温范围区域内，利用红外热成像仪器定时对所研究蓝绿空间低空拍摄红外热成像区域图像；
步骤3、根据得到的降温范围，按照不同水岸距离的划分布置多个仪器测量点，获取目标蓝绿空间中微气候参数数据；
步骤4、使用热传输设备记录受试者的各项生理指标，并通过问卷调查方式得到处于空间中使用人员基本信息及热感觉、热舒适、热偏好投票，建立人体热感觉模型；
步骤5、将实测得到的微气候数据及问卷得到的热投票数据输入到Rayman软件中进行计算，得到相应的热舒适指标数据，并与人体热感觉模型整合；
步骤6、采用ENVI-met微气候模拟软件选取研究区域建模，同时与实测微气候数据结合，同时与潜在降温范围对比后较准确定量蓝绿空间降温效应的范围，进一步得到热舒适好的蓝绿空间规划布局方式。
在步骤1中，按照研究蓝绿空间的地理位置，通过地图获取数字高程地形图及遥感影像，对获取数据校准并反演得到蓝绿空间潜在降温范围。本发明根据软件模拟及实地测量的要求，选取蓝绿空间的水平范围应在5KM×5KM以内。
步骤2中，红外热成像拍摄使用无人机搭载红外成像仪器进行低空摄影；拍摄时间选取上午8:00，中午14:00，下午17:00，傍晚19:00，夜晚23:00分别拍摄研究区域相同位置，通过红外分析软件对蓝绿空间边界测温得到测试区域降温范围。
在步骤3中，按照不同离岸距离布置多个测点，例如，按照离岸距离固定值的倍数布置多个测点，按照1分钟间隔记录微气候数据。实测微气候数据是指目标环境中距离地面1.1m高处的空气温度Ta、距离地面1.1m高处的相对湿度RH、距离地面1.1m高处的黑球温度Tg和距离地面1.1m高处的气流速度Va；
黑球温度Tg指实感温度,标志着在辐射热环境中人或物体受辐射热和对流热综合作用时,以温度表示出来的实际感觉温度。测试点高度1.1m的选择是根据ISO7726标准中建议的直立人体的中间位置确定。
在步骤4中，使用可穿戴式的热传输设备实时记录受试者的各项人体生理指标，并对位于微气候数据测量点半径5m内人员进行问卷调查收集，建立人体热感觉模型。问卷调查所采集的数据包括基本参数、行为活动状态、热舒适感知投票及即时状态下的空气温度及相对湿度。热传输设备记录所采集的数据包括：体表温度、心率和脉搏；体表温度的采集使用热电偶穿戴式设备，佩戴在头部、左前胸、腹部、左上臂、左下臂、左手背、左大腿、左小腿8个位置，每5分钟记录一次，计算得到平均皮肤温度Tsk，心率与脉搏通过佩戴在手腕的穿戴式设备得到；
问卷调查所采集的数据包括生理参数、行为活动状态、热舒适感知投票及即时状态下的空气温度及相对湿度；生理参数包括：年龄，性别和服装热阻；行为和活动状态包括：活动类型和活动持续时间；热舒适感知投票包括：热感觉投票TSV、热舒适投票TCV、热偏好投票TPV以及风速、湿度及太阳辐射偏好；
将热感觉投票TSV与平均皮肤温度Tsk、心率、脉搏分别进行拟合，选择拟合程度最高的函数作为人体热感觉模型，得到以下模型：
TSV＝a·Tsk+b
其中Tsk为平均皮肤温度，单位为℃；a、b为回归分析得到的常数，数据将根据测量生理数据和填写问卷人员的热感知情况而变化。
所述调查问卷中的服装热阻及活动类型代谢率需根据调查者所记录衣着及活动状态，在ASHRAE Standard 55-2017手册中查阅得到。
所述调查问卷中热舒适感知投票使用统一标尺，标尺中的具体数字对应了受试者具体的热感知；
其中热感觉投票使用7点标尺，具体为：1＝冷，2＝凉，3＝稍凉，4＝正常，5＝稍暖，6＝暖，7＝热；热舒适投票使用3点标尺，具体为：-1＝不舒适、0＝中性和1＝舒适；热偏好投票使用3点标尺，具体为：-1＝变低、0＝不变和1＝变高；风速、湿度及太阳辐射偏好投票使用3点标尺，具体为：-1＝增强/加湿、0＝不变和1＝减弱/干燥。
步骤5中，热舒适指标选用通用热气候指数UTCI，计算所需的参数为：空气温度Ta、相对湿度RH、平均辐射温度Tmrt和距离地面10m风速V'；
距离地面1.1m处的平均辐射温度Tmrt可由距离地面1.1m高处的黑球温度Tg通过以下公式计算得到，具体如下：
其中D为黑球直径，ε代表黑球表面发射率，Ta为空气温度(℃)，Tg为黑球温度(℃)，Va为距离地面1.1m处的风速(m/s)；
距离地面10m风速V'由距离地面1.1m高处的气流速度Va通过以下公式计算得到，具体如下：
V′＝Va·LOG(10/0.01)/LOG(x/0.01)
其中Va为距离地面1.1m处的风速(m/s)，x为气流速度测量高度。
步骤5中，将处理过的实测及问卷微气候数据，输入到Rayman软件中进行计算得到相应蓝绿空间的热舒适指标UTCI数据并与问卷数据中热感觉投票平均值MTSV进行回归分析，拟得到如下蓝绿空间室外热舒适度回归模型：
UTCI＝c·MTSV+d
其中c、d为回归分析得到的常数，数据将根据测量区域和填写问卷人员的热感知情况而变化；
综合对比得到的热感觉投票TSV与平均皮肤温度Tsk的人体热感觉模型与热舒适指标UTCI与热感觉投票平均值MTSV的回归模型，可得到UTCI与平均皮肤温度Tsk之间的模型：
步骤6中，选取测试区域，采用ENVI-met微气候模拟软件建模，同时与实测数据结合。得到有效的模型后，设置不同蓝绿空间形态较准确的定量蓝绿空间降温效应。
实施例
结合图1，本发明提出一种严寒地区蓝绿空间降温效应定量评估方法，具体包括以下步骤：
步骤1、按照研究蓝绿空间的地理位置，通过地图获取数字高程地形图及遥感影像，对获取数据校准并反演得到蓝绿空间潜在降温范围。
本实施例中，蓝绿空间的选取定于黑龙江省哈尔滨市三处不同形态微尺度蓝绿空间，分别位于马家沟河，何家沟河，丁香公园。
步骤2、在蓝绿空间潜在降温范围区域内，利用红外热成像仪器定时低空拍摄蓝绿空间区域热图像；
具体为，在三处河流测试区域选取拍摄典型位置拍摄，选取上午(8:00)，中午(14:00)，下午(17:00)，傍晚(19:00)，夜晚23:00)分别拍摄研究区域相同位置，将带有辐射温度的图像导出，通过红外分析软件对蓝绿空间边界测温，观察蓝绿空间对周围环境的温度的影响得到测试区域降温范围，如图2所示。
步骤3、根据得到的降温范围，设置多个不同距离测试点，测量蓝绿空间微气候数据；
本实施例中，在蓝绿空间区域内选定有代表性的6处观察区域，布置多个测点，分别位于马家沟河，何家沟河，丁香公园内湖泊周围，各测点间距离为2M。使用如表1所示仪器测量各测点的空气温度，平均辐射温度，相对气流速度和相对湿度。
表1，采集微气候数据的测量仪器参数表
步骤4、使用热传输设备实时记录受试者的各项生理指标，并通过问卷调查方式得到处于空间中使用人员基本信息及热感觉、热舒适、热偏好投票，对生理指标及热感知投票进行回归分析建立人体热感觉模型；
具体为，受试者通过在身体佩戴可穿戴式测量设备，对体表温度、心率、脉搏三个参数进行实时测量。设备佩戴在受试者头部、左前胸、腹部、左上臂、左下臂、左手背、左大腿、左小腿8个位置，如图2所示。设备每5分钟记录一次，计算得到平均皮肤温度Tsk。受试者的心率与脉搏通过佩戴在手腕的穿戴式设备得到。
测量数据的同时发放热舒适问卷，在测试点半径5m内活动人群随机发放。问卷调查所采集的数据包括基本参数、行为活动状态、热舒适感知投票及即时状态下的空气温度及相对湿度。
基本参数包括：年龄，性别，服装热阻；行为和活动状态包括：活动类型，活动持续时间；热舒适感知投票包括：热感觉投票TSV、热舒适投票TCV、热偏好投票TPV以及风速、湿度及太阳辐射偏好。
所述调查问卷中的服装热阻及活动类型代谢率需根据调查者所记录衣着及活动状态，在ASHRAE Standard 55-2017手册中查阅得到。
所述调查问卷中热舒适感知投票需使用统一标尺，标尺中的具体数字对应了受试者具体的热感知。
其中热感觉投票使用7点标尺，具体为：1＝冷，2＝凉，3＝稍凉，4＝正常，5＝稍暖，6＝暖，7＝热；热舒适投票使用3点标尺，具体为：-1＝不舒适、0＝中性和1＝舒适；热偏好投票使用3点标尺，具体为：-1＝变低、0＝不变和1＝变高；风速、湿度及太阳辐射偏好投票使用3点标尺，具体为：-1＝增强/加湿、0＝不变和1＝减弱/干燥。
进一步地，以热感觉投票TSV为自变量，平均皮肤温度Tsk、心率、脉搏分别作为因变量，分别进行回归分析。拟合程度最高的为热感觉投票TSV与平均皮肤温度Tsk，因此选择热感觉投票TSV与平均皮肤温度Tsk的函数作为人体热感觉模型，具体如下：
TSV＝a·Tsk+b
其中Tsk为平均皮肤温度，单位为℃；a、b为回归分析得到的常数，数据将根据测量生理数据和填写问卷人员的热感知情况而变化。
步骤5、本发明中热舒适指标选取通用热气候指数UTCI。将实测得到微气候数据的及问卷得到的热投票数据输入到Rayman软件中进行计算，得到相应的热舒适指标UTCI数据；
计算UTCI通用热气候指数所需的参数为：空气温度Ta、相对湿度RH、平均辐射温度Tmrt和距离地面10m风速V'。
距离地面1.1m处的平均辐射温度Tmrt可由距离地面1.1m高处的黑球温度Tg通过以下公式计算得到，具体如下：
其中D为黑球直径，ε代表黑球表面发射率，Ta为空气温度(℃)，Tg为黑球温度(℃)，Va为距离地面1.1m处的风速(m/s)。
本实施例中，黑球表面发射率ε为0.95，黑球直径D为0.05m，则公式计算如下所示进行简化：
距离地面10m风速V'的可由距离地面1.1m高处的气流速度Va通过以下公式计算得到，具体如下：
V′＝Va·LOG(10/0.01)/LOG(x/0.01)
其中Va为距离地面1.1m处的风速(m/s)，x为气流速度测量高度。
本实施例中，气流速度测量高度x为1.1m，则公式计算如下所示进行简化：
V′＝Va·LOG(10/0.01)/LOG(1.1/0.01)
步骤5中，将处理过的实测及问卷微气候数据，输入到Rayman软件中进行计算得到相应蓝绿空间的热舒适指标UTCI数据，并且与问卷数据中热感觉投票平均值MTSV进行回归分析，拟得到如下蓝绿空间室外热舒适度回归模型：
UTCI＝a·MTSV+b
其中a、b为回归分析得到的常数，数据将根据测量区域和填写问卷人员的热感知情况而变化。
进一步地，将得到的热感觉投票TSV与平均皮肤温度Tsk的人体热感觉模型与热舒适指标UTCI与热感觉投票平均值MTSV的回归模型进行整合，可得到UTCI与平均皮肤温度Tsk之间的模型，具体如下：
步骤6、采用ENVI-met微气候模拟软件选取研究区域建模，同时与实测微气候数据拟合，较准确定量蓝绿空间降温效应，进一步得到热舒适较好的蓝绿空间空间规划布局方式。
具体为，选取建模区域，采用ENVI-met微气候模拟软件对湖泊形态、绿化状况、下垫面类型进行准确建模，将模拟得到的气候参数与实测数据对照拟合。确认模型的精确性后，针对其他研究区域建模设置不同蓝绿空间形态较准确的定量蓝绿空间降温效应。
本发明提出一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现所述一种严寒地区蓝绿空间降温效应定量评估方法的步骤。
本发明提出一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时实现所述一种严寒地区蓝绿空间降温效应定量评估方法的步骤。
本申请实施例中的存储器可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(read only memory，ROM)、可编程只读存储器(programmable ROM，PROM)、可擦除可编程只读存储器(erasablePROM，EPROM)、电可擦除可编程只读存储器(electrically EPROM，EEPROM)或闪存。易失性存储器可以是随机存取存储器(random access memory，RAM)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(static RAM，SRAM)、动态随机存取存储器(dynamic RAM，DRAM)、同步动态随机存取存储器(synchronousDRAM，SDRAM)、双倍数据速率同步动态随机存取存储器(double data rate SDRAM，DDRSDRAM)、增强型同步动态随机存取存储器(enhanced SDRAM，ESDRAM)、同步连接动态随机存取存储器(synchlink DRAM，SLDRAM)和直接内存总线随机存取存储器(direct rambusRAM，DRRAM)。应注意，本发明描述的方法的存储器旨在包括但不限于这些和任意其它适合类型的存储器。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(digital subscriber line，DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如，软盘、硬盘、磁带)、光介质(例如，高密度数字视频光盘(digital video disc，DVD))、或者半导体介质(例如，固态硬盘(solid state disc，SSD))等。
在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。结合本申请实施例所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。为避免重复，这里不再详细描述。
应注意，本申请实施例中的处理器可以是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法实施例的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。
以上对本发明所提出的一种严寒地区蓝绿空间降温效应定量评估方法进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
Claims (8)
1.一种严寒地区蓝绿空间降温效应定量评估方法，其特征在于：所述方法具体为：
步骤1、获取卫星遥感数据针对研究区域进行温度遥感反演，得到蓝绿空间潜在降温范围；
步骤2、在蓝绿空间潜在降温范围区域内，利用红外热成像仪器定时对所研究蓝绿空间低空拍摄红外热成像区域图像；
步骤3、根据得到的降温范围，按照不同水岸距离的划分布置多个仪器测量点，获取目标蓝绿空间中微气候参数；
步骤4、使用热传输设备记录受试者的各项生理指标，并通过问卷调查方式得到处于空间中使用人员基本信息及热感觉、热舒适、热偏好投票，建立人体热感觉模型；
在步骤4中，热传输设备记录所采集的数据包括：体表温度、心率和脉搏；体表温度的采集使用热电偶穿戴式设备，佩戴在头部、左前胸、腹部、左上臂、左下臂、左手背、左大腿、左小腿8个位置，每5分钟记录一次，计算得到平均皮肤温度Tsk，心率与脉搏通过佩戴在手腕的穿戴式设备得到；
问卷调查所采集的数据包括生理参数、行为活动状态、热舒适感知投票及即时状态下的空气温度及相对湿度；生理参数包括：年龄，性别和服装热阻；行为和活动状态包括：活动类型和活动持续时间；热舒适感知投票包括：热感觉投票TSV、热舒适投票TCV、热偏好投票TPV以及风速、湿度及太阳辐射偏好；
将热感觉投票TSV与平均皮肤温度Tsk、心率、脉搏分别进行拟合，选择拟合程度最高的函数作为人体热感觉模型，得到以下模型：
TSV＝a·Tsk+b
其中Tsk为平均皮肤温度，单位为℃；a、b为回归分析得到的常数，数据将根据测量生理数据和填写问卷人员的热感知情况而变化；
步骤5、将实测得到的微气候数据及问卷得到的热投票数据输入到Rayman软件中进行计算，得到相应的热舒适指标数据，并与人体热感觉模型整合；
步骤5中，将处理过的实测及问卷微气候数据，输入到Rayman软件中进行计算得到相应蓝绿空间的热舒适指标UTCI数据并与问卷数据中热感觉投票平均值MTSV进行回归分析，拟得到如下蓝绿空间室外热舒适度回归模型：
UTCI＝c·MTSV+d
其中c、d为回归分析得到的常数，数据将根据测量区域和填写问卷人员的热感知情况而变化；
综合对比得到的热感觉投票TSV与平均皮肤温度Tsk的人体热感觉模型与热舒适指标UTCI与热感觉投票平均值MTSV的回归模型，可得到UTCI与平均皮肤温度Tsk之间的模型：
步骤6、采用ENVI-met微气候模拟软件选取研究区域建模，同时与实测微气候数据结合，设置形态准确的定量蓝绿空间降温效应，进一步得到热舒适好的蓝绿空间规划布局方式。
2.根据权利要求1所述的方法，其特征在于：步骤2中，红外热成像拍摄使用无人机搭载红外成像仪器进行低空摄影；拍摄时间选取上午8:00，中午14:00，下午17:00，傍晚19:00，夜晚23:00分别拍摄研究区域相同位置，通过红外分析软件对蓝绿空间边界测温得到测试区域降温范围。
3.根据权利要求1所述的方法，其特征在于：在步骤3中，按照不同离岸距离布置多个测点，实测微气候数据是指目标环境中距离地面1.1m高处的空气温度Ta、距离地面1.1m高处的相对湿度RH、距离地面1.1m高处的黑球温度Tg和距离地面1.1m高处的气流速度Va；
黑球温度Tg指实感温度,标志着在辐射热环境中人或物体受辐射热和对流热综合作用时,以温度表示出来的实际感觉温度。
4.根据权利要求1所述的方法，其特征在于：所述问卷调查中热舒适感知投票使用统一标尺，标尺中的具体数字对应了受试者具体的热感知；
其中热感觉投票使用7点标尺，具体为：1＝冷，2＝凉，3＝稍凉，4＝正常，5＝稍暖，6＝暖，7＝热；热舒适投票使用3点标尺，具体为：-1＝不舒适、0＝中性和1＝舒适；热偏好投票使用3点标尺，具体为：-1＝变低、0＝不变和1＝变高；风速、湿度及太阳辐射偏好投票使用3点标尺，具体为：-1＝增强/加湿、0＝不变和1＝减弱/干燥。
5.根据权利要求1所述的方法，其特征在于：步骤5中，热舒适指标选用通用热气候指数UTCI，计算所需的参数为：空气温度Ta、相对湿度RH、平均辐射温度Tmrt和距离地面10m风速V'；
距离地面1.1m处的平均辐射温度Tmrt可由距离地面1.1m高处的黑球温度Tg通过以下公式计算得到，具体如下：
其中D为黑球直径，ε代表黑球表面发射率，Ta为空气温度(℃)，Tg为黑球温度(℃)，Va为距离地面1.1m处的风速(m/s)；
距离地面10m风速V'由距离地面1.1m高处的气流速度Va通过以下公式计算得到，具体如下：
V′＝Va·LOG(10/0.01)/LOG(x/0.01)
其中Va为距离地面1.1m处的风速(m/s)，x为气流速度测量高度。
6.根据权利要求1所述的方法，其特征在于：在步骤1中，按照研究蓝绿空间的地理位置，通过地图获取数字高程地形图及遥感影像，对获取数据校准并反演得到蓝绿空间潜在降温范围。
7.一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1-6任一项所述方法的步骤。
8.一种计算机可读存储介质，用于存储计算机指令，其特征在于，所述计算机指令被处理器执行时实现权利要求1-6任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310247326.3A CN116227216B (zh) | 2023-03-15 | 2023-03-15 | 一种严寒地区蓝绿空间降温效应定量评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310247326.3A CN116227216B (zh) | 2023-03-15 | 2023-03-15 | 一种严寒地区蓝绿空间降温效应定量评估方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116227216A CN116227216A (zh) | 2023-06-06 |
| CN116227216B true CN116227216B (zh) | 2024-04-09 |
Family
ID=86585576
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310247326.3A Active CN116227216B (zh) | 2023-03-15 | 2023-03-15 | 一种严寒地区蓝绿空间降温效应定量评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116227216B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106484939A (zh) * | 2016-06-24 | 2017-03-08 | 华南理工大学 | 一种有利于大空间建筑室内热舒适的建模方法 |
| CN108763730A (zh) * | 2018-05-24 | 2018-11-06 | 浙江农林大学 | 基于热舒适指标的行道树筛选方法、系统、终端及介质 |
| CN109632004A (zh) * | 2019-01-08 | 2019-04-16 | 哈尔滨工业大学 | 一种基于局地修正utci的严寒地区室外热舒适度实时评价方法 |
| KR20210131048A (ko) * | 2020-04-23 | 2021-11-02 | (주)엘엑스하우시스 | 열화상을 이용한 실내 열쾌적도를 현장평가하기 위한 장치 및 이를 위한 방법 |
| CN114091284A (zh) * | 2021-11-29 | 2022-02-25 | 中南大学 | 一种基于皮肤温度自动评价热舒适的方法及系统 |
| CN114139398A (zh) * | 2021-12-08 | 2022-03-04 | 天津大学 | 一种根据热岛强度等级推荐热岛减缓措施的方法 |
-
2023
- 2023-03-15 CN CN202310247326.3A patent/CN116227216B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106484939A (zh) * | 2016-06-24 | 2017-03-08 | 华南理工大学 | 一种有利于大空间建筑室内热舒适的建模方法 |
| CN108763730A (zh) * | 2018-05-24 | 2018-11-06 | 浙江农林大学 | 基于热舒适指标的行道树筛选方法、系统、终端及介质 |
| CN109632004A (zh) * | 2019-01-08 | 2019-04-16 | 哈尔滨工业大学 | 一种基于局地修正utci的严寒地区室外热舒适度实时评价方法 |
| KR20210131048A (ko) * | 2020-04-23 | 2021-11-02 | (주)엘엑스하우시스 | 열화상을 이용한 실내 열쾌적도를 현장평가하기 위한 장치 및 이를 위한 방법 |
| CN114091284A (zh) * | 2021-11-29 | 2022-02-25 | 中南大学 | 一种基于皮肤温度自动评价热舒适的方法及系统 |
| CN114139398A (zh) * | 2021-12-08 | 2022-03-04 | 天津大学 | 一种根据热岛强度等级推荐热岛减缓措施的方法 |
Non-Patent Citations (3)
| Title |
|---|
| The role of blue and green infrastructure in thermal sensation in public urban areas: A case study of summer days in four Czech cities;Lehnert, M 等;SUSTAINABLE CITIES AND SOCIETY;20210301;第66卷;全文 * |
| 城市绿色空间热舒适评述与展望;刘滨谊;魏冬雪;;规划师;20170301(03);全文 * |
| 热湿环境下人体热反应的实验研究;田元媛, 许为全;暖通空调;20030815(04);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116227216A (zh) | 2023-06-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Cetin | Climate comfort depending on different altitudes and land use in the urban areas in Kahramanmaras City | |
| Xu et al. | Outdoor thermal comfort in an urban park during winter in cold regions of China | |
| Gungor et al. | Calculation of comfortable thermal conditions for Mersin urban city planning in Turkey | |
| Yang et al. | Thermal comfort effects of urban design strategies in high-rise urban environments in a sub-tropical climate | |
| Niu et al. | A new method to assess spatial variations of outdoor thermal comfort: Onsite monitoring results and implications for precinct planning | |
| Achour-Younsi et al. | Outdoor thermal comfort: impact of the geometry of an urban street canyon in a Mediterranean subtropical climate–case study Tunis, Tunisia | |
| Yin et al. | Research on outdoor thermal comfort of high-density urban center in severe cold area | |
| Xi et al. | Study on the outdoor thermal environment and thermal comfort around campus clusters in subtropical urban areas | |
| Chokhachian et al. | Sensing transient outdoor comfort: A georeferenced method to monitor and map microclimate | |
| Cheng et al. | Thermal comfort in urban mountain parks in the hot summer and cold winter climate | |
| Gaspari et al. | A study on the use of outdoor microclimate map to address design solutions for urban regeneration | |
| Bröde et al. | UTCI: validation and practical application to the assessment of urban outdoor thermal comfort | |
| Kastner et al. | Eddy3D: A toolkit for decoupled outdoor thermal comfort simulations in urban areas | |
| Xie et al. | Experimental study and theoretical discussion of dynamic outdoor thermal comfort in walking spaces: Effect of short-term thermal history | |
| Tan et al. | Integrated assessment of the cool island intensity of green spaces in the mega city of Beijing | |
| Pearlmutter et al. | Urban climatology in arid regions: current research in the Negev desert | |
| Li et al. | Evaluation of airflow pattern and thermal behavior of the arched greenhouses with designed roof ventilation scenarios using CFD simulation | |
| Jamei et al. | Verification of a bioclimatic modeling system in a growing suburb in Melbourne | |
| Shah et al. | Urban physics and outdoor thermal comfort for sustainable street canyons using ANN models for composite climate | |
| Kastner et al. | Towards high-resolution annual outdoor thermal comfort mapping in urban design | |
| Runke et al. | Study on air temperature estimation and its influencing factors in a complex mountainous area | |
| CN109188465B (zh) | 基于参考像元信息的区域地表蒸散发遥感估算方法 | |
| CN116227216B (zh) | 一种严寒地区蓝绿空间降温效应定量评估方法 | |
| Fei et al. | A new method for evaluating the synergistic effect of urban water body and vegetation in the summer outdoor thermal environment | |
| Mutani et al. | Improving outdoor thermal comfort in built environment assessing the impact of urban form and vegetation |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |