EN中文

地球信息科学学报 >

2020 , Vol. 22 >Issue 6: 1349 - 1356

DOI: https://doi.org/10.12082/dqxxkx.2020.190231

大数据与城市管理

郑州市市区风环境模拟研究

  • 申鑫杰 ,
  • 赵芮 ,
  • 何瑞珍 , * ,
  • 王琦 ,
  • 郭煜琛
展开
  • 河南农业大学林学院,郑州 450000
* 何瑞珍（1970— ）,女,河北高邑人,博士,副教授,主要从事3S技术与城市微气候方面的研究。 E-mail:

申鑫杰（1996— ）,女,河南驻马店人,硕士生,主要从事城市微气候方面的研究。E-mail: 1395869927@qq.com

收稿日期: 2019-05-15

  要求修回日期: 2019-12-15

  网络出版日期: 2020-08-25

基金资助

国家自然科学基金项目(31470029)

河南省科技厅产学研资助项目(142107000101)

河南省高等学校重点科研项目(19A416004)

版权

版权所有，未经授权，不得转载、摘编本刊文章，不得使用本刊的版式设计。
收起

Research on Urban Wind Environment Simulation: A Case Study of Zhengzhou Central Area

  • SHEN Xinjie ,
  • ZHAO Rui ,
  • HE Ruizhen , * ,
  • WANG Qi ,
  • GUO Yuchen
Expand
  • College of Forestry, Henan Agricultural University, Zhengzhou 450000, China
* HE Ruizhen, E-mail:

Received date: 2019-05-15

  Request revised date: 2019-12-15

  Online published: 2020-08-25

Supported by

National Natural Science Foundation of China(31470029)

Industry-University-Research Funded Project of Science and Technology Department of Henan Province(142107000101)

Key Scientific Research Project of Universities in Henan Province(19A416004)

Copyright

Copyright reserved © 2020
Fold

摘要

城市风环境是城市微气候研究的一个重要方向,对分析城市热岛效应、空气流通等具有重要意义。本文以郑州市市区为例,使用1971—2018年气象观测数据、2018年建筑分布数据（OSM）和2016年资源三号卫星数据作为数据源,通过运用气象学和GIS技术结合的方法,探究潜在通风廊道,科学量化城市形态对风环境的影响。研究首先借助WindNinja软件,对城市背景风环境进行模拟分析,该计算方法提高了风道定位的精度。然后利用卫星遥感数据制作了数字高程模型（DSM）,结合OSM计算下垫面地表粗糙度。进一步借助ArcGIS软件,利用最小成本路径法（LCP）确定城市潜在通风廊道的位置。结果表明：① 郑州市近年来平均风速缓慢下降,平均每10年下降0.26 m/s;全年主导风向东北风进入城市后受城市形态影响在京广铁路线附近以西逐渐转为东北偏东风,其中在京广快速路以东风速较高,在京广快速路以西风速较低;② 金水区西部、中原区、二七区以及管城区的地表粗糙度较高,通风环境较差;金水区东部和惠济区的地表粗糙度较低,通风环境较好;③根据盛行风向模拟的潜在通风廊道,其共同特点是趋向于低粗糙度的地区。

关键词： 城市风环境; 城市形态; 地表粗糙度; 最小成本路径; 潜在通风廊道; 主导风向; 郑州市

本文引用格式

申鑫杰 , 赵芮 , 何瑞珍 , 王琦 , 郭煜琛 . 郑州市市区风环境模拟研究[J]. 地球信息科学学报, 2020 , 22(6) : 1349 -1356 . DOI: 10.12082/dqxxkx.2020.190231

Abstract

Urban wind environment is an important research field of urban climate, which is of great significance to the analysis of urban heat island effect and ventilation. Taking the central area of Zhengzhou city as an example, this paper used meteorological observation data in 1971-2018, the data from ZY-3 satellite in 2016, and then combined with the Open Street Map (OSM) data in 2018 to explore potential ventilation corridors and scientifically quantify the impact of urban form on the wind environment through the combination of meteorology and GIS technology. In this study, the wind environment in urban background was firstly simulated and analyzed with the help of WindNinja software, which improved the accuracy of potential ventilation corridors of the city. The Digital Surface Model (DSM) was made based on the data from ZY-3 satellite in 2016, and then combined with the OSM data in 2018 to calculate the surface roughness of the underlying surface. Then ArcGIS software was used to locate and analyze the location of the potential ventilation corridors in the city by means of the Least Cost Path analysis (LCP). The results were as follows: (1) Average wind speed in Zhengzhou declined slowly with an average rate of 0.26 m/s per decade; The prevailing wind throughout the year was northeast wind, which changed in wind speed and direction after entering the city due to the influence of urban form. In particular, the northeast wind gradually changed to northeast easterly wind in the west of the Beijing-Guangzhou Railway. And the wind speed in the east of the Beijing-Guangzhou Railway was relatively higher than in the west of the Beijing-Guangzhou Railway. (2) The surface roughness of Zhongyuan District, Erqi District, Guancheng District and the western part of Jinshui District was high. The wind speed decreased and the wind direction changed greatly after the prevailing wind entering these study areas, and the overall ventilation environment of those four districts was poor. The surface roughness of the eastern part of Jinshui District and Huiji District was relatively low, with relatively good ventilation conditions. After the prevailing wind entered these areas, the wind speed increased and the wind direction changed less. (3) The common feature of the potential ventilation corridors, which were simulated according to the prevailing wind direction, was that the location tended to be low roughness areas. In these areas, the concentration of ventilation paths was lower and there were more potential ventilation corridors.

Key words： urban wind environment; urban form; surface roughness; least cost path analysis; potential ventilation corridors; the prevailing wind; Zhengzhou

1 引言

在快速城镇化进程中,空气污染、雾霾以及热岛效应等现象日益严重。良好的城市通风环境能够缓解局部热岛效应、改善大气污染、提高人居环境舒适度[1]。地表粗糙度作为与尺度有关的三维量,是表征城市形态对风流通影响的重要参数之一。因尺度不同,目前研究多从区域、城市和建筑三个层次进行[2]。建筑尺度的三维形态较易表达,其风环境研究成果较多,方法上以实测法、风洞试验法以及计算机数值模拟法为主[3,4]。区域和城市尺度的三维构建难度较大,同时由于计算机性能等方面限制,对其风环境的研究相对缺乏[5]。通过对城市三维形态进行定量研究,并结合气候变化特点探究潜在通风廊道,对于城市规划师和政府决策者评估城市风环境、规划城市生态建设具有重要意义[6]。
关于区域和城市尺度的风环境研究国外开始较早。在区域尺度上,Lee等[7]借助高分辨率气候模型中城市地表参数化的方法评价德州当地的风场与空气质量状况。Coceal等[8]通过构建城市冠层模型计算出城市冠层平均风速的变化,并将结果与风洞测试法进行比较,验证了区域尺度林冠模型计算的适用性。针对城市尺度的风环境研究,Ratti等[9]通过选取峡谷高宽比和空气动力学粗糙度等参数,对伦敦、图卢兹和柏林3个案例地进行了研究,分析城市形态与风环境的关系。Gál等[10]以匈牙利塞格德城区为例,基于三维建筑数据库以像素为单位对地表粗糙度进行可视化映射,以此启示城市的改造设计。国内对于风环境研究较早的城市是香港。Wong等[11]以迎风面积密度代表地表粗糙度,利用最小成本路径法定位香港九龙半岛潜在通风廊道,并通过现场实验验证了模拟的可行性与功能性。近年来针对国内大陆城市的研究逐渐增多,党冰、王梓茜等[12,13]均基于GIS技术,利用多元数据分别对南京、通州等地的风环境进行了研究与评估。
目前,尽管城市风环境相关研究成果较多,但是在相对宏观尺度上,基于城市气候特征的城市风道量化研究相对缺乏[14]。此外,对于城市风环境的研究多针对大城市,鲜有研究涉及中小城市[15]。据研究显示,郑州地区近年来由于城市化引起一定的气候变化,其热岛效应阶段性变化明显[16]。本研究以郑州市市区为例,尝试在区域和城市2个尺度上,运用遥感和GIS技术与气象数据结合的手段,构建形态学模型,深入分析城市形态与风环境之间的关系,探究城市风环境状况,比较不同区域的通风能力,模拟城市潜在风道,期望为城市未来生态规划建设提供一定的参考借鉴。

2 研究方法

2.1 技术路线

本文技术路线如图1所示。基于常规台站气象资料、基础地理信息资料和卫星遥感资料,利用统计分析、遥感与GIS技术,分别开展城市背景风环境分析和城市建筑形态参数提取,主要包括城市近年来风速风向的特征变化,建筑密度、建筑高度以及地表粗糙度的估算。在此基础上,对城市背景风环境与城市建筑空间形态进行分析,通过数值模拟的方法,构建LCP模型,寻找城市潜在通风廊道。
图1 城市风环境模拟研究技术流程

Fig. 1 Flowchart of urban wind environment simulation

2.2 城市通风环境的评估

城市通风环境研究包括城市背景风环境和地表粗糙度的分析。背景风环境研究主要针对常规台站气象资料进行统计分析,利用WindNinja软件进行数值模拟。WindNinja软件作为一个计算风场空间变化的应用程序,可以模拟风在经过研究区域时的空间变化[17,18]。其基本运行数据包括建模区域高程数据文件、平均风速、风向、风高以及温度数据。本研究使用用户指定表面平均风速和方向的模式,将气象统计数据和卫星遥感资料作为基础输入数据,模拟城市中主导风进入实验区后风向和风速的合成流动变化,对城市背景风环境进行分析。
2.2.1 地表粗糙度的计算
空气动力学地表粗糙度是指地表上粗糙元素对空气流的阻挡,使风廓线上风速降为零时距离地表的高度[19]。据詹庆明等[20]研究,在一定程度上地表粗糙度能反映城市风流通潜力,粗糙度越大,则城市地表阻碍风通行的障碍越多,风速降低的速度越快。
Grimmond[21]曾对研究场地构建了几种不同类型的粗糙度模型比较其与当地湍流风况的相互关系。本文采用其估算空气动力学粗糙度的方法,并借鉴刘勇洪[22]针对迎风面积比与建筑密度相关关系的结论。构建城市形态学模型如下：
Z d Z h = 1 - 1 - exp - 7.5 × 2 × λ F 0 . 5 7.5 × 2 × λ F 0.5
Z 0 / Z h = ( 1 - Z d / Z h ) exp ( - 0.4 × U h / u * + 0.193 )
u * U h = min 0.003 + 0.3 × λ F 0.5 , 0.3
λ F = 0.8 × λ P
式中：Zd是零平面位移高度/m;Zh是粗糙元高度,这里指建筑高度;Zd/Zh是归一化零平面位移高度;λF是单位地表面积上建筑的迎风面积比;exp是以e为底的指数函数,Z0是粗糙度长度/m;Z0/Zh是归一化粗糙度长度;Uh是风速/（m/s）;u*是摩阻速度;λP是粗糙元密度,即建筑密度。
由此可知,估算粗糙度Z0需要提取的2个关键参数是建筑高度Zh与建筑密度λP。其中建筑高度是指单位网格内所有建筑的平均高度。建筑密度是指建筑结构所占的基底面积与地块面积的比值,是建筑所占用平面空间的参数度量[23]。
2.2.2 参数确定
本研究基于数字高程模型（DSM）计算建筑高度,数字高程模型含有高度信息,能准确反映城市地表的起伏特征[24]。建筑密度的计算则使用更新完善的建筑矢量数据（OSM）。继而利用GIS空间分析技术得到一定尺度下网格单元内的地表粗糙度。计算结果与建筑所在地块的面积大小有关,网格的划分考虑到研究范围内结果的精准度以及计算机内核的运行速度,使用100 m×100 m网格单元。

2.3 最小成本路径

最小成本路径（LCP）是指像元从起点（“源”）以最小的某种特定成本到达终点（“汇”）的移动轨迹[25]。构建郑州市地表粗糙度模型,将地表粗糙度Z0作为特定成本大小,运用最小成本路径法产生的移动轨迹能够从整体上反映城市中空气流动阻力最小的路径,即潜在通风廊道。LCP模型公式如下：
LCP = F min ∑ j = n m d ji × r j
式中：LCP是像元从起点到终点的最小累积成本值;F是最小累积成本与通风情况呈正态分布;j、i分别起点和终点;m和n是起点和终点间各自的数目;dji是起点j和终点i间的距离大小;rj是像素由起点j移动的成本大小。
本研究根据Wong[26]采用将可变权重分配给像元粗糙度指标值的方法。根据阻风程度的大小分配相应的摩擦值,将粗糙度数据进行重分类。100 m单位网格内粗糙度值越高,则摩擦力值越大。通过这样改变分配权重的方法,在Z0较大的区域,通风不会完全被阻挡,可以在研究区内产生许多不同的主要和次要通风路径。摩擦值划分如表1所示。
表1 粗糙度的摩擦值指标分配

Tab. 1 Distribution of friction index values of surface roughness

分配摩擦值 地表粗糙度Z0
25 Z0<6.3
50 6.3<Z0<11.6
75 11.6<Z0<16.9
100 16.9<Z0<20.4
利用ArcGIS软件平台,根据主导风向,首先在研究区域边界上一侧布置“源”位置作为风道的起点,将地表粗糙度Z0重新赋值后得到的摩擦力作为经过每个像元所需的成本,得到每个像元到源位置在成本表面上的最小累积成本距离和定义方向的成本回溯链接。然后在研究区域边界另一侧设置“汇”位置作为风道的终点,根据最小累积成本距离和成本回溯链接确定的成本传递方向得到起点和终点间的最小成本路径。

3 实验区概况及数据源

3.1 实验区概况

郑州市位于河南省中部偏北（112°42′E—114°14′E,34°16′N—34°58′N）。北临黄河,西靠嵩山,东南为黄淮平原,气候类型属于北温带大陆性季风气候,四季比较分明,整体地势由西南向东北逐渐降低。
本实验区范围东部至京港澳高速以东的前程大道,西部到西四环以西的红松路,北部达连霍高速,南部沿南水北调至绕城高速公路（图2）。研究范围为郑州市中心区域,覆盖惠济区、金水区、中原区、二七区、管城区的大部分地区,面积为619 km2。区域内建筑高度形态多样,密度分布较集中。
图2 郑州市内实验区概况

Fig. 2 Overview of the study area in Zhenzhou

3.2 数据源

本文采用研究数据包括：常规台站气象资料、基础地理信息资料以及卫星遥感资料。数据详细信息如表2所示。
表2 实验区1971—2018年所使用数据列表

Tab. 2 List of data used in the study area from 1971 to 2018

数据源 采集日期 数据类型 分辨率 用途
气象数据 1971年1月—2018年12月 文本 — 计算风速风向
OSM数据 2018年3月 矢量 — 计算地表粗糙度
DSM数据 2016年11月 栅格 4 m×4 m 计算地表粗糙度
（1）气象资料。郑州中心区范围内国家基本气象站日值数据集（1971—2018年）,包括风速、风向等气象观测数据,来源于中国气象数据网（http://data.cma.cn/data/cdcindex/cid/6d1b5efbdcbf9a58.html）[27]。
（2）基础地理信息资料。建筑矢量数据（OSM）来源于OpenStreetMap数据库（https://www.openstreetmap.org/search?query=%E9%83%91%E5%B7%9E#map=11/34.7593/113.6524）[28],采集时间为2018年3月,包含建筑平面分布与层数。将获取的建筑矢量数据进行坐标投影转换后,参照现状遥感影像进行空间校正并对比建筑的分布情况,对影像进行补充和修改,完善郑州市中心区建筑分布数据。
（3）卫星遥感资料。数字高程模型图（DSM）来源于资源3号卫星立体像对数据（http://www.chinarsgeo.com/list-28-1.html）[29],采集时间为2016年11月,利用ENVI中DSM提取模块获取,分辨率 4 m。在ArcGIS软件平台进行掩膜提取操作得到研究区DSM数据。

4 结果及分析

4.1 背景风环境特征

统计郑州中心区国家气象站点（57083郑州站）自1971—2018年的气象观测数据可知,全年平均风速为2.32 m/s,夏季平均风速为2.12 m/s,冬季平均风速为2.45 m/s。全年平均风速变化如图3所示,从时间变化来看总体呈缓慢下降的趋势：1971年平均风速为3.14 m/s,2018年平均风速为1.90 m/s,平均每10年下降0.26 m/s,近50年下降了近39%,下降幅度比较明显。下降的原因除了全球变暖的背景环境导致局部区域气候发生变化以外,还与城市中各种人为活动有关。风速下降会使得静风频率和小风速增加,从而加剧热岛效应,对城市风环境的流通和污染扩散比较不利[30]。
图3 郑州市国家气象站1971—2018年平均风速变化

Fig. 3 Average wind speed variation of Zhengzhou meteorological station from 1971 to 2018

此外,通过对气象数据统计分析,郑州地区全年主导风向为东北风,同时出现东风的频率也较高。夏季刮东南风、东北风的概率较大,冬季以东北风、西北风出现频率较高。利用WindNinja软件平台,选取东北风、东南风和西北风等盛行风向,根据全年、夏季以及冬季的平均风速、平均温度等作为初始输入数据,模拟绘制研究区范围内风速、风向等合成流线图如图4—图6所示。
图4 郑州市中心区全年风速风向合成流线

Fig. 4 Annual wind speed and direction composite flow chart in Zhengzhou central area

图5 郑州市中心区夏季风速风向合成流线

Fig. 5 Wind speed and direction composite flow chart in summer in Zhengzhou central area

图6 郑州市中心区冬季风速风向合成流线

Fig. 6 Wind speed and direction composite flow chart in winter in Zhengzhou central area

盛行风进入城市后的风向变化：全年主导风向东北风进入郑州中心区内部后,受到城市形态影响在二七区京广铁路线附近逐渐转为东北偏东风;夏季盛行风向东南风至郑州市区后,在京广铁路线附近转为东南偏东风向;冬季盛行风向西北风进入市区后,风向变化较多,在二七区南三环附近有小频率的东北风,在管城区为西北偏西风,在金水区东部有小频率的西-东风向。
盛行风进入城市后的风速变化：全年、夏季以及冬季盛行风向进入研究区后,均在京广铁路线以西风速较低,在京广铁路线以东风速较高,其中在花园路以东至郑万高铁线、东风路以南至南三环范围增至最高风速。

4.2 地表粗糙度

利用ArcGIS自然间断点分级法对建筑高度、建筑密度以及地表粗糙度进行重分类,结果如图7、图8、图9所示。
图7 郑州市中心区建筑高度

Fig. 7 Building height in Zhengzhou central area

图8 郑州市中心区建筑密度

Fig. 8 Building density in Zhengzhou central area

图9 郑州市中心区地表粗糙度

Fig. 9 Surface roughness distribution in Zhengzhou central area

由图7、图8可以看出,中原区、管城区建筑高度较高,其高建筑密度区域（建筑密度高于40%的区域分别占4.8%、7.2%）多为产业园、工业园区等,占地面积较大且集中。二七区、惠济区、金水区建筑高度相对较低,其高建筑密度区域（建筑密度高于40%的区域分别占9.5%、7.0%、5.1%）多分布住宅小区、商业区。
由图9可以看出,研究区域内地表粗糙度呈现西南高,北部次之,东北最低的分布特征。中原区、二七区、管城区的粗糙度最高,最高值可达20.4 m,高于8.0 m以上的区域分别占23.1%、10.0%、8.0%。金水区、惠济区的粗糙度较低,高于8.0 m以上的区域分别占4.3%、5.0%。
结合4.1节模拟结果可以看出,建筑群增密增高,地表粗糙度增大,有使局地风速降低,风向改变的效应。粗糙度较高区域如火车站北部沿东风渠以西,火车站南部沿京广快速路以西,建筑分布集中且高度较高,城市主导风向进入该区域后风速下降,风向改变,致使该区域通风环境较差。粗糙度较低区域如花园路以东至郑万高铁线、如意湖以南至南三环范围,除极少数高层建筑外,建筑高度普遍较低,且分布较多开敞空间,如商业广场、滨河公园、街旁绿地等,主导风进入该区域后受到阻碍较小,使得该区域通风环境良好。

4.3 潜在通风路径

潜在风道的模拟根据郑州市背景风环境特征,选取东北风、东南风、东风作为研究对象。在研究区边界的东北处、东南处、正东处布置潜在风道的起点,在西南处、西北处、正西处布置潜在风道的终点,以摩擦力表示的地表粗糙度Z0作为成本大小,运用最小成本路径法（LCP）计算得到潜在通风廊道如图10所示。粗糙度较低的地方如植被、水体、或者大型道路交叉口,是多条路径重叠的地区。
图10 郑州市中心区潜在通风廊道

注：A区为大片农田;B区为绿谷公园;C区为长江公园和金海水库;D区为金水路、京广快速路与京广铁路线的交叉区域;E区、 F区为中州大道与农业路、金水路立交桥的交叉区域;G区为南三环高架、中州大道与郑新公路交叉区域。

Fig. 10 Potential ventilation corridors in Zhengzhou central area

东北风作用下,大致生成5条有效通风路径穿过研究区域（图11）：NE-1、NE-2路径主要沿着道路通行,周边为低密度住宅区,穿过京广铁路后集中度变低,在西流湖公园附近,分散多条小风廊,穿过大片农田,以最短的成本距离到达终点,最终至南水北调;NE-3经过的区域周边建筑较密集且建筑高度较高,地表粗糙度较大,路径主要经过城市公园、开阔的生活广场,沿着金水河,穿过金海水库及街旁绿地,至南水北调;NE-4、NE-5的起点附近均较开阔,建筑密度极低,两条路径经过大型水面龙湖、如意湖,横穿大片城市植被区域及低层住宅区,最终沿着七里河至南水北调和京广快速路附近。
图11 郑州市中心区东北风作用下最小成本路径

Fig. 11 The least cost path under the action of northeast wind in Zhengzhou central area

东南风作用下,大致生成3条潜在通风路径（图12）：SE-1周边地表粗糙度最高,路径主要沿着南水北调通行,经过公园绿地、滨水绿地,在路径快到达终点附近,周边分布大片农田;SE-2穿过研究区域中心位置,主要沿着大型道路京广铁路线通行,途径火车站、城市公园、大学校园、最终汇至道路交叉处;SE-3周边地表粗糙度较低,路径沿着道路通行至如意湖附近后,穿过众多城市公园、滨河绿地以及低层住宅区,终点在道路与河流交汇处。
图12 郑州市中心区东南风作用下最小成本路径

Fig. 12 The least cost path under the action of southeast wind in Zhengzhou central area

东风作用下,主要生成5条有效通风路径（图13）： E-1、E-2、E-3周边地表粗糙度较低,在进入城市中心后路径主要沿着道路通行,在中原区西部,廊道集中度逐渐变低,分多条小廊道,而后穿过城市公园、大学校园及商业区广场,最终汇至滨河公园附近。3条路径快到达终点时,附近建筑密度相对较小,有更多的农田或者河流,故潜在风道的密度较高。E-4、E-5路径附近地表粗糙度较高,主要穿过高层建筑间的公园绿地、河流,最终至道路与河流交汇处。
图13 郑州市中心区东风作用下最小成本路径

Fig. 13 The least cost path under the action of east wind in Zhengzhou central area

5 结论与讨论

5.1 结论

本文利用1971—2018年常规台站气象资料分析了城市背景风环境变化特征,针对城市三维形态,以2018年建筑矢量数据（OSM）和2016年数字高程模型（DSM）构建地表粗糙度模型,进而利用数值模拟定位城市潜在通风廊道。其研究结果如下：
（1）通过对气象统计数据分析表明,近年来郑州市平均风速缓慢下降,平均每10年下降0.26 m/s,近50年（1971—2018年）下降了近39%,下降幅度比较明显。受季节影响,郑州地区全年主导风向为东北风,同时出现东风的频率也较高。此外,夏季刮东南风、东北风的概率较大,冬季以东北风和西北风向频率较高。
（2）对WindNinja模拟结果的分析表明,建筑群增密增高,地表粗糙度增大,造成局地风速降低,风向的改变。其中,金水区西部、中原区、二七区以及管城区粗糙度较高,盛行风进入该区域后风向改变较大、风速较低,整体来看通风环境较差,而金水区东部和惠济区的粗糙度较低,盛行风进入该区域后风向改变较小、风速较高,有相对良好的通风条件。
（3）根据郑州市盛行风向构建LCP模型,结果显示：东北风向形成5条主要潜在风道,东南风向形成3条主要潜在风道,正东风向形成5条主要潜在风道。通过对各个潜在风道的特征对比分析可知,其共同特点是趋向于低粗糙度的地区：或是在比较密集的建筑群间寻找低粗糙度的公园绿地、商业广场等,或是趋向于通往郊区农田、大型水面等较开阔的区域,或是沿着河流、道路通行。

5.2 讨论

本文通过运用气象学与GIS技术结合的方法,构建城市形态学模型,对郑州市中心区风环境进行了研究,并使用LCP法对城市潜在通风廊道进行了探索。该方法能够克服计算耗时的弊端,通过将近地面风环境的模拟转为对下垫面动力学粗糙度的研究,从而获取城市中空气流最容易经过的路径。然而在城市风道规划过程中,通过GIS模拟了潜在通风廊道,还需实地校验以检验各通风路径的合理性与可靠性。通过对模拟结果进行检验评估,进而调整优化风道系统,将是未来需要研究的重点内容之一。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
陈红. 郑州市居住区绿色空间布局对风环境的影响效应[D]. 郑州:河南农业大学, 2018.

[ Chen H. Influence of green space layout on wind environment in Zhenzhou residential district[D]. Zhenzhou: Henan Agricultural University, 2018. ]

[2]
任超, 袁超, 何正军, 等. 城市通风廊道研究及其规划应用[J].城市规划学刊,2014(3):52-60.

[ Ren C, Yuan C, He Z J, et al. Research on urban ventilation corridors and its planning application[J]. Journal of Urban Planning, 2014(3):52-60. ]

[3]
张睿, 李红艳. 基于风环境要素的城市通风廊道建设研究综述[J]. 华中建筑, 2018,36(6):44-48.

[ Zhang R, Li H Y. Review on building urban ventilation corridors based on the element of wind environment[J]. Huazhong Architecture, 2018,36(6):44-48. ]

[4]
尹杰, 詹庆明. 基于GIS和CFD的城市街道通风廊道研究——以武汉为例[J]. 中国园林, 2019,35(6):84-88.

[ Yin J, Zhan Q M. Urban street wind path research based on GIS and CFD: A case study of Wuhan[J]. Chinese Landscape Architecture, 2019,35(6):84-88. ]

[5]
王伟武, 黎菲楠, 王頔. 城市风道研究动态及走向[J].城市问题,2018(2):36-40.

[ Wang W W, Li F N, Wang D. The current research dynamic and trend of urban ventilation planning[J]. Urban Problems, 2018(2):36-40. ]

[6]
任超, 吴恩融, Katzschner L, 等. 城市环境气候图的发展及其应用现状[J]. 应用气象学报, 2012,23(5):593-603.

[ Ren C, Wu E R, Katzschnet L, et al. The developmentof urban climatic map and its current application situation[J]. Journal of Applied Meteorological Science, 2012,23(5):593-603. ]

[7]
Lee S H, Kim S W, Angevine W M, et al. Evaluation of urban surface parameterizations in the WRF model using measurements during the Texas air quality study 2006 field campaign[J]. Atmospheric Chemistry and Physics, 2011,11(5):2127-2143.

[8]
Coceal O, Belcher S E. A canopy model of mean winds through urban areas[J]. Quarterly Journal of the Royal Meteorological Society, 2004,130(599):1349-1372.

[9]
Ratti C, Sabatino S D, Britter R. Urban texture analysis with image processing techniques: Winds and dispersion[J]. Theoretical and Applied Climatology, 2006,84(1):77-90.

[10]
T. Gál, Unger J. Detection of ventilation paths using high-resolution roughness parameter mapping in a large urban area[J]. Building & Environment, 2009,44(1):198-206.

[11]
Wong M S, Nichol J E. Spatial variability of frontal area index and its relationship with urban heat island intensity[J]. International Journal of Remote Sensing, 2013,34(3):885-896.

[12]
党冰, 房小怡, 吕红亮, 等. 基于气象研究的城市通风廊道构建初探——以南京江北新区为例[J]. 气象, 2017,43(9):1130-1137.

[ Dang B, Fang X Y, Lv H L, et al. Preliminary study on building urban ventilation corridors based on meteorological research: Taking Nanjing Jiangbei new region as the example[J]. Meteorological Monthly, 2017,43(9):1130-1137. ]

[13]
王梓茜, 程宸, 杨袁慧, 等. 基于多元数据分析的城市通风廊道规划策略研究——以北京副中心为例[J]. 城市发展研究, 2018,25(1):87-96.

[ Wang Z X, Cheng C, Yang Y H, et al. Research on urban ventilation channel planning strategy which based on multivariate date analysis: Take Beijing sub center as an example[J]. Urban Development Studies, 2018,25(1):87-96. ]

[14]
叶锺楠. 我国城市风环境研究现状评述及展望[J]. 规划师, 2015,31(S1):236-241.

[ Ye C N. A study on the situation and prospect of china's urban wind environment research[J]. Planners, 2015,31(S1):236-241. ]

[15]
王晓龙. 荆州市中心城区通风廊道规划研究[D]. 荆州:长江大学, 2017.

[ Wang X L. Study on ventilation corridor planning in Jingzhou city center[D]. Jingzhou: Jingzhou University, 2017. ]

[16]
张茜, 李国栋, 吴东星. 郑州城市化进程与城市热岛效应关系研究[J]. 城市环境与城市生态, 2016,29(5):1-6.

[ Zhang Q, Li G D, Wu D X. Research on the relationship between urbanization process and urban heat island effect in Zhengzhou[J]. Urban Environment and Urban Ecology, 2016,29(5):1-6. ]

[17]
Wagenbrenner N S, Forthofer J M, Lamb B K, et al. Downscaling surface wind predictions from numerical weather prediction models in complex terrain with WindNinja[J]. Atmospheric Chemistry and Physics, 2016,16(8):5229-5241.

[18]
Forthofer J M, Butler B W, Wagenbrenner N S. A comparison of three approaches for simulating fine-scale surface winds in support of wildland fire management.Part I.Model formulation and comparison against measurements[J]. International Journal of Wildland Fire, 2014,23(7):969.

[19]
李廷廷. 基于城市形态和地表粗糙度的城市风道构建及规划方法研究[D]. 深圳:深圳大学, 2017.

[ Li T T. Research on urban air duct construction and planning method based on urban morphology and surface roughness[D]. Shenzhen: Shenzhen University, 2017. ]

[20]
詹庆明, 欧阳婉璐, 金志诚, 等. 基于RS和GIS的城市通风潜力研究与规划指引[J]. 规划师, 2015,31(11):95-99.

[ Zhan Q M, Ouyang W L, Jin Z C, et al. Urban ventilation potential research and planning guidelines based on RS and GIS[J]. Planners, 2015,31(11):95-99. ]

[21]
Grimmond C S B, Oke T R. Aerodynamic properties of urban areas derived from analysis of surface form[J]. Journal of Applied Meteorology, 1999,38(9):1262-1292.

[22]
刘勇洪, 张硕, 程鹏飞, 等. 面向城市规划的热环境与风环境评估研究与应用——以济南中心城为例[J]. 生态环境学报, 2017,26(11):1892-1903.

[ Liu Y H, Zhang S, Cheng P F, et al. Research and application of thermal environment and wind environment assessment for urban planning: A case study of Jinan central city[J]. Journal of Ecological Environment, 2017,26(11):1892-1903. ]

[23]
郭廓. 基于自然通风效能的大连城市形态设计策略[D]. 大连:大连理工大学, 2015.

[ Guo K. Urban form design strategy of Dalian based on natural ventilation efficiency[D]. Dalian: Dalian University of Technology, 2015. ]

[24]
沈娟君, 邱新法, 何永健, 等. 城市建筑迎风面积密度矢量/栅格计算模型对比研究[J]. 地球信息科学学报, 2017,19(11):1433-1441.

[ Shen J J, Qiu X F, He Y J, et al. Comparative study on windward area density vector/grid computing model of urban buildings[J]. Journal of Earth Information Science, 2017,19(11):1433-1441. ]

[25]
袁钟. “多尺度”的城市风道构建方法与规划策略研究[D]. 西安:西北大学, 2017.

[ Yuan Z. Research on "multi-scale" urban wind tunnel construction method and planning strategy[D]. Xi'an: Northwest University, 2017. ]

[26]
Wong M S, Nichol J E, To P H, et al. A simple method for designation of urban ventilation corridors and its application to urban heat island analysis[J]. Building & Environment, 2010,45(8):1880-1889.

[27]
中国气象数据网.地面资料[DB/OL]. http://data.cma.cn/data/cdcindex/cid/6d1b5efbdcbf9a58.html.

[ China meteorological data network. Ground data[DB/OL]. http://data.cma.cn/data/cdcindex/cid/6d1b5efbdcbf9a58.html.]

[28]
OpenStreetMap.郑州[DB/OL].https://www.openstreetmap.org/search?query=%E9%83%91%E5%B7%9E#map=11/34.7593/113.6524.

[ OpenStreetMap. Zhengzhou[DB/OL].https://www.openstreetmap.org/search?query=%E9%83%91%E5%B7%9E#map=11/34.7593/113.6524. ]

[29]
中科遥感.卫星数据[DB/OL]. http://www.chinarsgeo.com/list-28-1.html.

[ China RS. Satellite data[DB/OL]. http://www.chinarsgeo.com/list-28-1.html.]

[30]
杜吴鹏, 房小怡, 刘勇洪, 等. 基于气象和GIS技术的北京中心城区通风廊道构建初探[J].城市规划学刊,2016(5):79-85.

[ Du W P, Fang X Y, Liu Y H, et al. Preliminary study on the construction of ventilation corridors in central urban area of Beijing based on meteorological and GIS technology[J]. Journal of Urban Planning, 2016(5):79-85. ]

Options
文章导航

/

〈 〉