利用改进的CTTC模型对住区热环境进行预测与评价

摘 要：利用改进的CTTC模型并结合CFD模拟方法，可预测和评价住宅小区不同区域内的热环境以及太阳辐射、绿化措施以及建筑布局的影响，对改善住区居住环境起良好的指导作用。本文介绍了改进的CTTC模型及在此基础上模拟预测小区不同区域内逐时气温的方法，同时给出了小区不同区域热环境的评价指标，结合实例进行了模拟和评价分析。

    1、研究背景
    随着居住质量的提高，人们在追求生活品质的同时更多要考虑如何使自己健康长寿。住区设计是否以人为本，住区的硬环境与居住者的心理、生理需求吻合与否，将直接影响到人们的生活质量，也正日益成为房地产开发商和购房者共同关心的话题。住宅社区拥有了高品质的室内外人居环境，适宜的温湿度和较低的辐射不仅会给居民室外生活带来舒适与健康，同时也可通过传热、辐射、对流、通风等形式降低住宅维护结构的外表温度及室内气温，在提高了居民室内外生活质量的同时，可有效地降低住宅的采暖空调能耗，降低对环境的污染，意义之重大勿容质疑。基于上述问题，很有必要对住区环境进行分析与评价，其结果将对住区的设计规划提供重要的意见。
    住区建筑热环境的评价内容主要是考察人们在室外生活时切身感受到的如室外温度、湿度、太阳辐射、气流组织和绿化状况等微气候参数。其中温度作为人们感受居住环境好坏的特征参数，综合反映了如住区的太阳辐射及绿化状况等其它因素的作用，对评价住区周围热环境至关重要，也是影响人们在室内外生活质量的主要因素之一。
    根据所在地区的典型气象温度数据并结合住区建筑布局、下垫面材料、绿化等已知条件，利用改进的CTTC模型并结合用CFD工具模拟而得的住区风场分布数据，可预测小区不同位置小范围内的逐时气温，进行比较并给出评价；所得结果既可为居民选择适合个人习惯的工作生活环境提供参考意见，同时也能为改善小区热环境指明方向。

   2、计算模拟说明
    2．1改进的CTTC模型
    在建筑群集地区，小区不同位置的热环境受相邻位置的建筑材料、结构和布局、小区下垫面、绿化情况、水景设施以及和家用等人为排热因素的影响，可能会使局地气温出现热岛或冷岛、滞后或提前等现象。CTTC（Cluster Thermal Time Constant）集总参数模型把特定地点的温度视为几个独立过程温度效应的迭加，用公式表示如下[1]：

（1）

这里是局部空气温度变化的基准（背景）温度；是太阳辐射造成的空气温升，是长波辐射造成的空气温降。     改进的CTTC模型认为[2]，可以对城市建筑群和气象站分别列出方程如下：

（2）

（3）

根据（2）（3）两式可导出：

（4）

改进模型中的建筑群空气温度（ ）就可以用气象温度加上气象站和建筑群两地因太阳辐射和长波辐射造成温差的差值来表示。气象站处的空气温度是经过逐时精确测量的，这样就可以避免因为基准温度选取不准而导致的误差。    从以色列的Swaid和Hoffman1986年对耶路撒冷三个建筑群的实验以及澳大利亚的Elnahas和Williamson1993年对阿德莱德市阿德莱德大学北平台校区的两个“峡谷”的实验来看，利用CTTC模型预测的空气温度和测量的空气温度显示出了很好的吻合性。     为了能更准确地计算住区不同位置的建筑群空气温度，笔者针对CTTC模型主要提出了以下改进[3]，并编制成计算机模拟程序：     1) 将二维模型扩展为三维模型，使空气温度所对应的计算区域更为合理；     2) 考虑了建筑壁面即“峡谷”两侧的太阳辐射，使之更符合实际情况；     3) 完善了三维的建筑天空视角系数的计算方法；     4) 根据北京的调研情况，修正了住宅小区人为热量（包括家庭排热及交通排热）的计算方法；     5) 重新考虑了住宅小区内绿化的作用，并把水景设施的影响也纳入到模型之中。     计算时需要输入相关的小区特征物理量，如建筑布局参数（如建筑间距、建筑高宽比、小区特征高度等参数）、小区户数、不同区域内风速及绿化率、人为热以及水景设施参数等。 图1 某住宅小区整体鸟瞰及温度环境区域划分图

2．2模拟思路
    基于上述思想预测和评价住区不同位置的温度环境，可按照以下步骤进行：
    1) 选择住宅小区所在地区的典型气象数据作为气象站（城市远郊）的空气温度；
    2) 利用英国帝国理工学院CHAM研究所开发的CFD模拟软件PHOENICS模拟小区不同位置风场分布；
    3) 利用改进的CTTC模拟计算程序，计算小区内不同位置的温度。
    值得指出的是，根据模拟结果而给出的小区内不同位置的温度环境评价只是一个相对评价，但它充分反映了小区内不同位置在一天内的气温的相对分布情况，依然具有很强的指导意义。
    3、计算实例
    图1所示的是为北京某住宅小区进行热环境评价时的整体鸟瞰图以及温度环境区域划分图，表1给出了进行模拟计算时小区内各区域的主要数据。主要选择北京过去几十年间夏季某一代表日（如7月16日）的气象温度进行模拟和分析比较。

计算说明：     1、假设为晴稳天气，小区主导风速为2m/s，并结合PHOENICS模拟小区不同位置风场分布结果；     2、交通排热权重系数根据划分区域所处交通位置及小区户数权衡确定；     3、家庭排热权重系数根据小区户数确定（以500户为1），并饮食店铺的数量；
图2 小区典型区域的温度结果1（7月16日）
4、水景布置权重系数根据有无水景，以及水景设施在划分区域里的所占面积比例确定。     所模拟小区内的温度结果如图2、图3所示。总的说，与气象站气温比较，小区内的气温出现了一定程度的热岛现象；且就一天的气温变化而言，热岛强度晚间较强，白天午间相对较弱。同时从下午2、3点以后，气温将持续地保持高向走势，直至晚上8、9点以后才逐渐回落。从图2、3中可以看出，尽管在夜间各区域的气温相差很小，但在白天各区的气温还是呈现出较大的差异。其中的原因在于小区中某些区域的建筑布局合理，建筑间距选择合适（天空视角系数较高而利于长波辐射冷却）；且室外的集中绿地多，小区绿化好，并或多
或少地采用了人工水景布置（使得其与空气的热湿交换加强，有效地降低了空气的温度），人为热源相对较少，因而在炎热夏季，其内的温度环境相对比较适宜。如W2-1、S2、W2-2、W3-2、E3区等。而S2、W2-2、W3-2、E1区由于比较接近交通公路，受交通车辆等人为热影响严重，并且
由于其区域内的下垫面多为沥青水泥路面，绿化较少，无水景设施，因此其温度较高，热岛效应强烈，在早上、傍晚时温度持续出现突高的情况。     根据模拟计算结果并主要比较以下参数，可给出小区不同区域内的热环境的相对评价，如表2所示。表中所示小区内不同区域热环境存在的差别，不仅仅是给购房者选择住房提供了参考意见，更重要的是为房地产开发商、住区建筑师、园林设计师以及住区规划人员指明了提高住区环境质量的方向。
表2 小区温度环境评价参数及结果
老区  S1区 S2区 W1区 W2-1区 W2-2区 W2-3区 日平均热岛强度（℃） 2 1.6 2 1.8 1.4 2.1 1.9 10:00~19:00平均热岛强度（℃） 1.6 0.9 1.7 1.1 0.5 1.6 1.3 日最高温度（℃） 33.7 32.9 33.8 33.3 32.3 33.7 33.5 温度在32℃以上的小时数(h) 9 8 11 9 5 13 9 小区热环境评价星级 ★★ ★★★ ★★ ★★★ ★★★★ ★★ ★★★ 　 W3-1区    W3-2区 E1区 E2区  E3区  E4区 　 日平均热岛强度（℃） 1.7 2.1 2.0 1.8 1.7 1.8 　 10:00~19:00平均热岛强度（℃） 0.8 1.8 1.7 1.1 1.0 1.4 　 日最高温度（℃） 32.6 33.9 33.8 33.1 33.0 33.5 　 温度在32℃以上的小时数(h) 8 12 11 8 8 10 　 小区热环境评价星级 ★★★ ★★ ★★ ★★+ ★★★ ★★+
注： 1、热岛强度指小区气温和气象站气温的差别；      2、以W2-1的热环境为评价标准（定为4星级），星级高代表热环境好；      3、32℃是根据实际情况选定的衡量温度。
另外，利用改进的CTTC模型并结合CFD工具，按照上述的模拟方法同时还可研究通过增加绿化率、增添水景设施、改变建筑材料甚至建筑布局来改善小区热环境的效果，如图4、5所示。
图4 绿化率的影响(以S2区为例)               图5 水景设施的影响(以E4区为例)
注：假设E4区里有一人工湖泊，面积比例与W2-1区的相同，以此进行模拟和比较如图5所示。
4、及展望     住区环境的综合评价和分析是一开拓性的工作，具有很高的学术和工程应用价值，可为我国的住区环境追求“生态”的真正内涵进行创造性的探索。利用改进的CTTC模型并结合CFD工具，可在综合考虑了太阳辐射、绿化措施以及建筑住区布局等影响因素的基础上模拟出住区热环境的温度场，考察是否存在有温度过高的局部区域，分析改善住区热环境的方法及效果，并最终指导如何提高住区居住质量。     由于住区热环境所涵盖的参数较多，除了温度以外，还有湿度、太阳辐射、风场等。如何更有效地利用CTTC集总模型和CFD工具对住区环境进行集总和分布的模拟预测，将这些影响小区热环境参数整合在一起，并总结出一套包含诸如气温、平均辐射温度、湿度等在内的评价指标和分析方法，将是下一阶段的主要工作。   参考 [1]Hanna Swaid and Milo E. Hoffman, Prediction of urban temperature variations using the analytical CTTC model, Energy and Buildings, 14(1990), 313-324. [2]M.M Elnahas, T.J.Williamson, An improvement of the CTTC model for predicting urban air temperature, Energy and Buildings, 25(1997), 41-49. [3]李莹，建筑群及单栋建筑周围空气温度的理论和实验研究，清华大学硕士，2000