2020, Vol. 40文章信息
- 陈佳宇, 尹海伟, 孔繁花
- CHEN J Y, YIN H W, KONG F H
- 绿色屋顶降温效应的多维时空变化特征
- Measuring the performance of green roof cooling effects from a multi-dimensional perspective
- 生态学报. 2020, 40(4): 1445-1454
- Acta Ecologica Sinica. 2020, 40(4): 1445-1454
- http://dx.doi.org/10.5846/stxb201812032630
-
文章历史
- 收稿日期: 2018-12-03
- 修订日期: 2019-07-01
2. 南京大学建筑与城市规划学院, 南京 210093
2. School of Architecture and Urban Planning, Nanjing University, Nanjing 210093, China
随着城市化进程的不断推进, 城镇建设用地快速增长, 致使自然生态空间向城镇建设空间快速转换, 城市下垫面的热力性质发生明显改变, 城市热岛效应显著增强[1-4]。与此同时, 在全球气候变化的宏观背景下, 城市遭受热浪袭击的频度和强度不断增加, 致使城市的热舒适度显著降低, 城市居民承受的热胁迫日益加剧[5]。增加绿地空间是缓解城市热环境最有效的方式之一[6]。然而, 由于城市用地紧张、地价高昂, 在城市高密度地区增加地面城市绿化十分困难[3, 7]。作为“第五立面”的绿色屋顶(Green roof, GR)因无需新增城市用地, 且具有重要的生态环境效应, 已成为城市应对气候变化、缓解城市热岛效应、增强可持续发展能力的技术和发展战略[4, 8-10]。
大量研究表明, 与传统裸露屋顶相比, 绿色屋顶因具有遮荫、蒸散发、隔离等作用, 能够在屋顶表面上方有限空间内形成“冷岛”[11-13], 其降温效应强弱及其时空变化特征与局地气候条件、植被生理特征密切相关[14-16]。Wong等[17]研究发现新加坡地区绿色屋顶30cm高度的降温效应可达1℃, 但在屋顶上方1m高度处的降温效应已很微弱。沈滢洁等[18]利用WRF模型对南京地区绿色屋顶降温效应的研究结果表明, 在夏季白天绿色屋顶对地面2米高度处降温效应能够达到0.33℃。Blanusa等[13]通过不同植被类型绿色屋顶的对比实验发现, 叶面形态以及蒸腾特性会影响绿色屋顶的降温功能, 景天属植物(Sedum)因较强的蒸腾效应更能促进上层空气的流动, 相比水苏(Stachys japonica Miq.)更能影响小环境, 但水苏由于其宽大的叶面和密被绒毛阻挡大量直射光, 拥有更低的基质温度与表面温度, 降温能力更强。
目前绿色屋顶降温效应研究的主要方法有定点观测[14-17]和模型模拟[19], 两者相结合(即利用定点观测数据率定模型参数与验证模拟结果)的研究近些年来逐渐增多[18, 20-22]。然而, 绿色屋顶降温效应的模型模拟研究, 普遍存在缺少基于实测数据的参数率定与结果验证或用于模型验证的绿色屋顶面积过小、尺度不匹配(观测数据极易受边缘效应的影响)等问题[14, 23], 致使其模拟结果的可靠性不高；且多数绿色屋顶降温效应的时空变化特征研究仍停留在二维层面, 即对绿色屋顶特定高度的某一点或面上的大气温度与参考点或面上的大气温度进行对比分析[14], 但绿色屋顶产生的降温效应会在绿化周边三维空间产生“冷岛”, 目前从四维角度开展屋顶绿化降温效应时空特征的研究尚不多见, 致使绿色屋顶降温效益与潜力难以准确评估。
基于此, 本研究以在南京市金陵小学行政楼建设的全尺寸(Full-size)佛甲草(Sedum lineare Thunb.)轻型绿色屋顶为例, 使用定点观测数据进行ENVI-met模型相关参数的率定与结果校验, 并基于校验的模型对绿色屋顶的降温效应进行了定量模拟, 进而阐明绿色屋顶降温效应的四维时空变化特征及其影响因素, 以期促进绿色屋顶降温效益与潜力的科学评价。
1 研究区与研究方法 1.1 研究区概况南京市气候属于亚热带季风气候, 冬冷夏热, 四季分明, 常年平均气温为15.4℃；日照充足, 全年日照时数约为2100 h, 年日照率47%, 无霜期为7个月；雨量充沛, 年降水量1106 mm(数据来源：中国气象局)。
本文研究区位于南京市金陵小学行政楼的屋顶, 屋顶为平屋顶(坡度为2%), 总面积约为1016m2, 设有2个观测点：裸露屋顶(Bare roof, BR)、绿色屋顶(GR)(图 1)。绿色屋顶是由预先种植有佛甲草的绿化模块构成, 每块模块由6.5cm厚的基质层(由30%的蛭石, 30%的泥炭土, 30%的陶粒以及10%的有机质组成), 一层0.1cm厚的无纺布过滤层以及4.4cm厚的多功能储水与排水层组成。2016年5月16日, 测量得到的绿色屋顶的植被叶面积指数(Leaf area index, LAI)为2.6, 植被覆盖率为90%, 植被平均高度为8cm。
|
| 图 1 研究区位置与绿色屋顶概况 Fig. 1 Location of study area (a, b) and the green roof with Sedum lineare Thunb.(c) |
本研究采用了HOBO小型气象观测站与COMPBELL CR1000数据采集器进行微气象观测, 主要获取空气温湿度、土壤温湿度、风速风向、总辐射等气象与土壤特征数据, 数据存储间隔为1min。仪器设置的温湿度传感器高度为1.2m。各仪器的微气象观测传感器参数见表 1。
| 仪器 Instruments |
传感器 Sensors |
产品型号 Product model |
参数 Parameters |
精度 Precision |
分辨率 Resolution |
| HOBO U30 | 温度/相对湿度传感器 | S-THB-M002 | 温度 相对湿度 |
±0.2℃(0—50℃) ±2.5%(10%—90%) |
0.02℃ 0.1% |
| 太阳辐射传感器 | S-LIB-M003 | 亮度 | ±10W/m2 | 1.25W/m2 | |
| CR1000 | 温度/相对湿度传感器 | HMP155A | 温度 相对湿度 |
±0.1℃ ±1% |
0.01℃ 0.01% |
| 近红外辐射计 | SI-111 | 表面温度 | ±0.2℃(-10—65℃) | 0.05℃ | |
| 热电偶表面温度传感器 | AV-10LT | 表面温度 | ±0.2℃(-40—70℃) | 0.01℃ | |
| 净辐射传感器 | NR Lite2 | 太阳净辐射 | ＜1% | 0.01V/ W/m2 | |
| 土壤温度传感器 | AV-10T | 土壤温度 | ±0.2℃(0—70℃) | 0.01℃ | |
| 土壤湿度传感器 | CS616 | 土壤湿度 | ±2.5% | 0.1% | |
| 土壤热通量计 | HFP01 | 土壤热通量 | ±5% | 0.05V/ W/m2 | |
| 风速传感器 | RM Young03001 | 风速 | ±0.5m/s | 0.5m/s |
ENVI-met模型是由德国波鸿大学地理研究所的Micheal Bruce和Heribert Fleer于1998年开发的首个旨在再现城市大气主要进程的非静态数值计算软件, 能够很好地表征建筑外表面、植被和空气之间的热应力关系[24]。结合本研究的目的, 简要介绍该模型构建与精度评价过程。
首先, 进行研究区ENVI-met模型的构建, 网格结构设置为90×90×50(x-Grids, y-Grids, z-Grids), 每个体元(voxel)大小为2m×2m×1m(图 2)；研究区最高建筑为金陵小学行政楼, 高18m, 因而模型上边界高度设置为49.5m(大于最高建筑的2倍)；温度和湿度的边界模式选用Simple Forced LBC(Lateral Boundary Conditions), 湍流的边界模式选用Open LBC；10m高风速根据观测值由公式1(ENVI-met官方手册)推导而得。模型具体参数设置见表 2。
|
| 图 2 ENVI-met模型中输入的研究区底图 Fig. 2 The base map input in the ENVI-met model |
|
(1) |
| 参数Parameters | 取值Values | 数据来源Sources |
| 模拟起始时间Simulation start time | 2016-7-20 12：00时 | — |
| 模拟时长Simulation duration/h | 60 | — |
| 10m风速Wind speed at 10m/(m/s) | 1.46 | 根据观测值由公式1推导 |
| 风向(0为正北, 180为正南)Wind direction | 260 | 观测值 |
| 粗糙度Roughness | 0.01 | 软件默认值 |
| 太阳辐射比例因子Solar radiation coefficient | 0.8 | 根据观测值计算而得 |
| 2500m比湿Specific humidity at 2500m | 11.0 | 美国怀俄明大学工程和应用科学学院 |
| 土壤湿度(上中下层)Soil moisture/% | 36.84, 37.05, 37.05 | 观测值 |
| 土壤初始温度(上中下层)Initial soil temperature/K | 300.81, 300.50, 300.50 | 观测值 |
| 绿色屋顶反照率Green roof albedo | 0.45 | 观测值 |
| 裸露屋顶反照率Bare roof albedo | 0.24 | 观测值 |
式中: Vn 为高度Zn处的风速(m/s); V1为高度Z1处的已知风速(m/s); Z0为地面粗糙度。
然后, 进行研究区微气候环境的模型模拟, 并通过2016年7月21日与22日屋顶观测站点的实测值与模拟值(每小时的均值)的对比分析, 采用均方根误差(Root Mean Square Error, RMSE)与日平均大气温度T、日平均湿度H的比值来评价模型的精度(公式2—3, 表 3)。由于模型的垂直分辨率为1m, 故选取1m高度处气象数据与实测1.2m高度气象数据进行精度评价。
|
(2) |
|
(3) |
| σT(%) | σH/% | |
| 裸露屋顶Bare roof | 3.87 | 12.66 |
| 绿色屋顶Green roof | 4.14 | 12.55 |
其中：di为实测值与模拟值的偏差, n为样本数, T为样本温度值, H为样本湿度值。
1.3.2 基于点、面与三维“冷岛”测度绿色屋顶降温效应的方法从“点”角度测度降温效应：基于模拟结果, 在观测站点位置1m高度处, 分别获取在时间i时的绿色屋顶与裸屋顶大气温度数据TiGR与TiBR, 降温效应则为绿色屋顶与裸屋顶上方的大气温度差, 即ΔTip=TiGR-TiBR；在此基础上, 计算模拟时间段内绿色屋顶的逐小时降温值, 获取降温效应的时间变化特征(图 3)；并分别求得日间(6:00—18:00)和夜间(19:00—次日5:00)降温平均值ΔTip(表 4), 以定量表征绿色屋顶日间和夜间的降温效应差异。
|
| 图 3 二维点、面及三维降温效应逐时变化曲线 Fig. 3 Hourly performances of cooling effects from point, surface and 3D perspectives, respectively |
| 时间 Time |
“点”测度的 降温效应/(℃) Cooling effect (point) ( ΔTip) |
“面”测度的 降温效应/(℃) Cooling effect (surface) ( ΔTis) |
“3D”测度的 降温效应/(℃) Cooling effect (3D) ( ΔTiv) |
| 07-21日间平均降温 Average cooling during the daytime of 21 July |
-0.08 | -0.04 | -73.35 |
| 07-21夜间平均降温 Average cooling during the nighttime of 21 July |
-0.22 | -0.17 | -478.66 |
| 07-22日间平均降温 Average cooling during the daytime of 22 July |
-0.08 | -0.04 | -62.53 |
| 07-22夜间平均降温 Average cooling during the nighttime of 22 July |
-0.27 | -0.22 | -625.48 |
| 日间平均降温 Average cooling during the day |
-0.08 | -0.04 | -67.94 |
| 夜间平均降温 Average cooling during the night |
-0.25 | -0.20 | -552.07 |
从“面”角度测度降温效应：基于模拟结果, 分别求得绿色屋顶和裸屋顶上方1m高度处在时间i时的大气温度的平均值TiGR与TiBR, 则基于“面”角度的降温效应为该大气平均温度差, 即ΔTis=TiGR-TiBR；与“点”角度相同, 计算绿色屋顶的逐时降温值, 获取降温效应的时间变化特征(图 3)；并分别求得日、夜间降温平均值ΔTis(表 4)。
从三维“冷岛”角度测度降温效应：基于模拟结果得到的三维格网温度数据确定绿色屋顶对周边热环境影响的最大范围。本文绿色屋顶降温效应最强的时间为7月22日4:00, 因此将其降温范围作为其热环境的最大影响范围, 即在模型底图中一个格网大小为21×21×11的长方体, x轴坐标为41—61, y轴坐标为37—57, z轴坐标为30—40(实际高度为离地面26.5—36.5m), 体元大小为2m×2m×1m。基于模拟数据, 分别获取在时间i时该长方体内第j个体元与裸露屋顶观测站位置上方对应高度处的大气温度模拟数据Tijv与TiBR, 则每个体元降温值为ΔTijv=Tijv-TiBR(ΔTijv < 0) (图 4为三维冷岛可视化结果图)。
|
| 图 4 屋顶上方7月22日4:00与16:00降温效应三维分布格局 Fig. 4 Scenarios of the 3D distribution pattern of green roof cooling effects above the roof (4:00 and 16:00 on July 22) |
最后, 基于不同时刻绿色屋顶三维降温格局分析结果, 统计该长方体内不同时刻i具有降温效应的体元的降温累积值 
绿色屋顶降温, 在其上方形成温度异质的三维“冷岛”, 为了更清晰地阐明绿色屋顶降温效应的四维时空特征(即三维“冷岛”随时间变化的特征), 将任一时刻三维“冷岛”的每一个体元的降温值|ΔTijv|作为冷岛的体元质量值Mij, 采用公式(4)—(7)计算不同时刻的降温质心坐标(图 5), 并绘制绿色屋顶降温质心随时间变化分析图(图 5)和降温强度随时间变化针状图(图 6), 进而阐明下垫面类型、局地微气象特征等对绿色屋顶三维降温格局的潜在影响(图 7)。
|
| 图 5 模拟时间段内冷岛降温质心随时间变化的移动轨迹 Fig. 5 The trajectory of the cooling mass center of cooling island during the simulated period |
|
| 图 6 冷岛降温强度针状图 Fig. 6 Visualizing the green roof cooling island intensity with 3D stem plot |
|
| 图 7 ENVI-met模型模拟绿色屋顶上方1m处风速风向变化与7月22日16:00垂直剖面风速图 Fig. 7 The simulated wind speed and direction variations at 1m above the green roof and vertical wind speed profile at 16:00 on 22 July |
|
(4) |
|
(5) |
|
(6) |
|
(7) |
其中：Mij为该体元降温值, xim, yim, zim为时刻i降温质心坐标, xij, yij, zij为时刻i降温“冷岛”第j个体元坐标, ∑Mij为时刻i降温“冷岛”所有体元降温值总和。
2 结果分析 2.1 ENVI-met模型模拟精度评价裸露屋顶与绿色屋顶上方大气温度的RMSE与日平均温度T的比值σT分别为3.87%和4.14%, 表明模型的精度较好；湿度的比值σH分别为12.66%和12.55%(表 3), 相比温度而言, 模拟的精度略差, 且模拟值高估了绿色屋顶日间的空气相对湿度而低估了其夜间的相对湿度, 这与模型本身的限制有关[25], 因为在ENVI-met模型建模阶段, 模型无法对绿色屋顶具有景天酸代谢特性的佛甲草进行相关设置。
2.2 基于点、面与三维测度的绿色屋顶降温效应变化特征无论是从二维的点、面还是从三维进行测度, 绿色屋顶的降温效应均呈现白天弱夜间强的总体分布特征(图 3—4, 表 4)。在屋顶上方1m高度(点、面测度), 绿色屋顶在白天(6:00—18:00)仅具有极其微弱的降温效应, 点、面逐时降温均值分别为-0.08和-0.04℃, 但在夜间(19:00—次日5:00)具有较强的降温效应, 点、面逐时降温均值为-0.25和-0.20℃, 分别约为日间降温幅度的3.1倍和5.0倍(图 3, 表 4)。三维逐时降温累计值的变化趋势与二维点、面逐时降温值的基本一致, 7月22日4:00和16:00降温效应的三维分布格局直观地反映了绿色屋顶降温效应在夜间和白天的显著差异(图 4)；在研究区42×42×11m3的统计长方体中, 统计所有产生降温效应的体元表明：绿色屋顶在白天的逐时三维累积降温均值为-67.94℃, 而夜间的逐时降温均值为-552.07℃, 为日间降温幅度的8.1倍(图 3, 表 4)。由此可见, 从三维空间来测度和刻画的绿色屋顶降温效应的变化特征更为明显, 而基于传统方法从点、面角度来测度绿色屋顶的降温效应因无法全面捕捉真实降温格局信息, 导致降温效应特征相对不明显(表 4), 这也将导致基于传统方法进行绿色屋顶效益评价的科学性不足。
影响绿色屋顶降温效应白天弱夜间强的主要因素为佛甲草的植被生理特性与环境要素。佛甲草属于CAM(景天酸代谢Crassulacean acid metabolism)植物, 气孔在日间关闭, 致使蒸腾作用减弱, 但仍进行呼吸作用, 会产生一定热量[25], 气孔在夜间打开以摄取二氧化碳, 此时冠层温度低于周围环境温度, 蒸散发降温作用增强, 从而导致绿色屋顶在夜间的降温效应显著。冯驰[25]针对广州佛甲草绿色屋顶能量平衡的研究表明, 佛甲草在日间9:00—19:00时间段内, 净光合作用与蒸散发作用均为放热, 且与太阳辐射的逐时累计强度呈线性关系。这佐证了本研究绿色屋顶降温效应白天弱夜间强的变化特征。因为南京地区夏季日间具有强烈的太阳辐射, 在模拟的48 h内, 太阳辐射实测最大值为1088W/m2, 这使得白天佛甲草的冠层温度高于周边, 在进行蒸散发时会向外放热。
2.3 绿色屋顶降温效应的四维时空变化特征绿色屋顶的降温质心在模拟时间段(7月21与22日)白天与夜间轨迹基本一致, 在白天起伏波动较大, 而在夜间较为稳定；在水平方向上的波动幅度较大, 而在垂直方向上的波动相对较小(图 5)。降温质心的X、Y、Z坐标在白天的平均振幅分别为2.74、1.52、0.74m, 而在夜间的平均振幅仅为0.81、0.77、0.17m, 白天的平均振幅分别是夜间的3.38、1.98、4.48倍；水平方向上(X、Y)的平均振幅分别为垂直方向上(Z)的5.61、4.16倍。降温质心与降温强度在空间上呈现明显的集聚分布特征, 夜间的降温强度与集聚程度明显高于白天；夜间的降温强度较大, 降温质心在绿色屋顶几何中心上方集聚, 而白天的降温强度较小, 降温质心分布较为分散且向靠近裸露屋顶一侧偏移, 例如降温效应最强时(7月22日4:00)形成的“冷岛”中心位于绿色屋顶几何中心的上方, 而降温效应最弱时(7月22日16：00)的“冷岛”中心则位于绿色屋顶与裸露屋顶交界处的上方(图 5、图 6)。
降温质心的垂直维度变化与日间太阳辐射强度有关, 日间强太阳辐射使屋顶上方空气对流增强, 致使日间降温质心的波动较大；而在夜间由于没有太阳辐射影响并且绿色屋顶降温效应增强, 冷气团紧靠在绿色屋顶上方, 使得空气对流减弱, 整体环境处于相对稳定的格局, 致使降温质心在垂直维度上的变化较小、较为稳定。水平方向白天的变化幅度较大则主要是由于日间绿色屋顶降温效应极弱, 其三维降温格局易受风速风向等气象因素的影响而发生偏移。屋顶主导风向实测数据为260°(0°为正北), 模拟风向在257°左右变化, 风速在1m/s左右浮动(图 7), 7月22日16：00垂直剖面风速图更直观地表明风由绿色屋顶吹向裸露屋顶, 且风速随着高度增加逐渐变大(图 7), 致使该时刻的降温质心明显偏向裸露屋顶一侧, 位于裸露屋顶与绿色屋顶交界处的上方(图 5、图 6)。然而, 在夜间绿色屋顶的降温效应较强, 气流较白天稳定, 此时降温质心与绿色屋顶的下垫面属性高度相关, 故质心多集聚在绿色屋顶的几何中心上方。由此可见, 降温质心与降温强度的四维时空变化特征同时受到绿色屋顶及其相邻下垫面属性、植被生理特征和局地微气象因子(太阳辐射、风向风速等)的多重影响。
3 结论与讨论基于南京市金陵小学全尺寸轻型佛甲草绿色屋顶的定点观测数据, 率定了ENVI-met模型的相关参数, 验证了模型模拟结果的精度和有效性, 进而基于不同测度方法对绿色屋顶降温效应的变化特征进行了分析, 阐明了降温效应四维特征变化的影响因素。研究结果表明：1)不同测度方法刻画的绿色屋顶降温效应随时间变化的趋势基本一致, 均呈现白天弱夜间强的特征；2)与传统方法相比, 基于三维空间测度和刻画的降温效应变化特征更明显；3)降温质心与降温强度在空间上呈现明显的集聚分布特征, 夜间的降温强度与集聚程度明显高于白天；降温质心轨迹在水平方向上波动较大；4)绿色屋顶降温效应的时空变化特征主要受到绿色屋顶及其相邻下垫面属性、植被生理特征、局地微气象因素的多重影响。
从三维空间刻画的降温效应较传统方法更好地顾及了降温的影响范围及空间异质性, 能够较全面地捕捉屋顶绿化的真实降温格局信息, 利于科学地计算绿地总体降温效应；通过三维降温质心的计算与轨迹追踪, 实现了真实环境中降温效应中心位置与强弱的定量表征, 与传统的二维降温效应分析相比, 可更为精准地挖掘绿色屋顶降温效应随时间的变化特征及其影响因素。本文从“四维时空变化”角度进行了绿色屋顶降温效应的定量表征, 可为绿色屋顶的成本收益分析与建设效益评价提供新颖的量化方法。
尽管利用多种观测数据对金陵小学绿色屋顶实验研究区进行了还原度较高的建模, 但仍存在一些需要进一步解决的问题。例如, 由于模型植被数据库中绿色屋顶的现有参数设置较少, 无法对植被呼吸作用等植被生命活动进行有效设置, 应增加植被蒸腾系数与气孔张开时间等参数；在垂直高度上建模的分辨率为1m, 相对于绿色屋顶研究所需的分米级分辨率, 仍然相差较大。因而, 未来绿色屋顶降温效应的模拟研究既需要细化垂直方向上的梯度、增加植被生理特征的相关指数, 同时也需要结合不同高度上的多点观测数据更准确地率定模型, 提高模拟的准确度。
| [1] |
Oke T R, Johnson G T, Steyn D G, Watson I D. Simulation of surface urban heat islands under 'ideal' conditions at night part 2: diagnosis of causation. Boundary-Layer Meteorology, 1991, 56(4): 339-358. DOI:10.1007/BF00119211 |
| [2] |
Perkins S E, Alexander L V, Nairn J R. Increasing frequency, intensity and duration of observed global heatwaves and warm spells. Geophysical Research Letters, 2012, 39(20): L20714. |
| [3] |
Santamouris M. Cooling the cities-a review of reflective and green roof mitigation technologies to fight heat island and improve comfort in urban environments. Solar Energy, 2014, 103: 682-703. DOI:10.1016/j.solener.2012.07.003 |
| [4] |
Solcerova A, van de Ven F, Wang M Y, Rijsdijk M, van de Giesen N. Do green roofs cool the air? Building and Environment, 2017, 111: 249-255.
|
| [5] |
Patz J A, Campbell-Lendrum D, Holloway T, Foley J A. Impact of regional climate change on human health. Nature, 2005, 438(7066): 310-317. DOI:10.1038/nature04188 |
| [6] |
Zoulia I, Santamouris M, Dimoudi A. Monitoring the effect of urban green areas on the heat island in Athens. Environmental Monitoring and Assessment, 2009, 156(1/4): 275-292. |
| [7] |
Vijayaraghavan K. Green roofs: a critical review on the role of components, benefits, limitations and trends. Renewable and Sustainable Energy Reviews, 2016, 57: 740-752. DOI:10.1016/j.rser.2015.12.119 |
| [8] |
Banting D, Doshi H, Li J, Missios P, Au A, Currie B A, Verrati M. Report on the Environmental Benefits and Costs of Green Roof Technology for the City of Toronto. Toronto: City of Toronto and Ontario Centres of Excellence-Earth and Environmental Technologies, 2005.
|
| [9] |
Köhler M. Long-term vegetation research on two extensive green roofs in Berlin. Urban Habitats, 2006, 4(1): 3-26. |
| [10] |
刘明欣, 代色平, 周天阳, 阮琳, 张乔松. 湿热地区简单式屋顶绿化的截流雨水效应. 应用生态学报, 2016, 28(2): 620-626. |
| [11] |
Onmura S, Matsumoto M, Hokoi S. Study on evaporative cooling effect of roof lawn gardens. Energy and Buildings, 2001, 33(7): 653-666. DOI:10.1016/S0378-7788(00)00134-1 |
| [12] |
陈宇, 李骄娴, 宋双双, 邹林海. 南京市屋顶绿化室外热环境研究. 中国城市林业, 2017, 15(3): 44-48. DOI:10.3969/j.issn.1672-4925.2017.03.010 |
| [13] |
Blanusa T, Monteiro M M V, Fantozzi F, Vysini E, Li Y, Cameron R W F. Alternatives to Sedum on green roofs: can broad leaf perennial plants offer better 'cooling service'? Building and Environment, 2013, 59: 99-106.
|
| [14] |
Coutts A M, Daly E, Beringer J, Tapper N J. Assessing practical measures to reduce urban heat: Green and cool roofs. Building and Environment, 2013, 70: 266-276. DOI:10.1016/j.buildenv.2013.08.021 |
| [15] |
Lin B S, Yu C C, Su A T, Lin Y J. Impact of climatic conditions on the thermal effectiveness of an extensive green roof. Building and Environment, 2013, 67: 26-33. DOI:10.1016/j.buildenv.2013.04.026 |
| [16] |
Zinzi M, Agnoli S. Cool and green roofs. An energy and comfort comparison between passive cooling and mitigation urban heat island techniques for residential buildings in the Mediterranean region. Energy and Buildings, 2012, 55: 66-76. DOI:10.1016/j.enbuild.2011.09.024 |
| [17] |
Wong N H, Chen Y, Ong C L, Sia A. Investigation of thermal benefits of rooftop garden in the tropical environment. Building and Environment, 2003, 38(2): 261-270. DOI:10.1016/S0360-1323(02)00066-5 |
| [18] |
沈滢洁, 王成刚, 曹乐, 郜海阳, 王咏薇. 屋顶绿化对城市降温效应的模拟分析——以南京市为例. 气象, 2017, 43(5): 610-619. |
| [19] |
Zölch T, Maderspacher J, Wamsler C, Pauleit S. Using green infrastructure for urban climate-proofing: an evaluation of heat mitigation measures at the micro-scale. Urban Forestry & Urban Greening, 2016, 20: 305-316. |
| [20] |
姜之点, 彭立华, 杨小山, 姚灵烨, 朱春磊. 街区尺度屋顶绿化热效应及其与城市形态结构之间的关系. 生态学报, 2018, 38(19): 7120-7134. |
| [21] |
Zhang A X, Bokel R, van den Dobbelsteen A, Sun Y C, Huang Q, Zhang Q. An integrated school and schoolyard design method for summer thermal comfort and energy efficiency in Northern China. Building and Environment, 2017, 124: 369-387. DOI:10.1016/j.buildenv.2017.08.024 |
| [22] |
Maggiotto G, Buccolieri R, Santo M A, Leo L S, Di Sabatino S. Validation of temperature-perturbation and CFD-based modelling for the prediction of the thermal urban environment: the Lecce (IT) case study. Environmental Modelling & Software, 2014, 60: 69-83. |
| [23] |
Feng Y Y, Hu T G, Zhang L X. Impacts of structure characteristics on the thermal environment effect of city parks. Acta Ecologica Sinica, 2014, 34(12): 3179-3187. |
| [24] |
Bruse M, Fleer H. Simulating surface-plant-air interactions inside urban environments with a three dimensional numerical model. Environmental Modelling & Software, 1998, 13(3/4): 373-384. |
| [25] |
冯驰.佛甲草植被屋顶能量平衡研究[D].广州: 华南理工大学, 2011.
|