基于計算流體力學數值模擬的城市綠地溫濕效應及室外熱舒適評價研究進展

吳思佳 董麗 賈培義 易慧琳

城市熱島效應（urban heat island，簡稱UHI）作為城市化發展以來引起城市氣候變化最突出的問題，在長期城市人居環境改善研究中備受國內外學者的廣泛關注，是衡量城市人居環境是否宜居的重要因素[1]。在快速城市化的背景下，城市綠地實際用地面積有限，促使進行城市綠地的合理配置從而實現綠地整體降溫效應的最大化成為科學緩解城市熱島效應的重要目標。在多尺度下研究城市綠地的微氣候調節效應，分析不同微氣候條件改變帶來的熱環境的改變，以尋求改善城市熱島效應的有效措施，提高城市熱環境舒適度，對城市環境與微氣候的改善、城市宜居環境的建設以及城市的可持續發展都具有重要意義。

公園、街道、廣場等諸多城市園林綠地的微氣候效應對城市氣候環境均有積極影響，各綠地微氣候的改善又受到內部空間多因素影響，需要定性及定量化研究其調節機制[2]4,[3-4]。分析微氣候改變的影響因子，即可有效調節微氣候環境，從而改善城市熱島效應，提高環境舒適度[5]。大多數城市綠地微氣候效應的研究方法是基于現場實測進行的，即對研究地進行采樣，觀測微氣候特征因子實地數據，進而對實測數據進行分析研究[6]。現場實測的方法結果真實可信，是客觀分析微氣候效應的理論基礎，能夠較為直接地定性評價不同尺度環境的氣候效應[7]3。但是傳統的實地監測方法需要耗費大量的時間、人力及物力，并且極易受到外界環境干擾從而影響實驗結果，并且受綠地條件限制，切實定量的研究不多[8]。

隨著計算機科學以及各學科領域交叉研究的發展，20世紀80年代起，對微氣候效應的探索在傳統的實驗方法以外，已擴充到衛星遙感技術、風洞試驗、計算機數值模擬技術等多計算機模擬平臺，其中，遙感反演多用于研究大范圍的氣象條件，風洞試驗在小尺度流場的模擬多有應用，但存在與真實流場有一定出入、價格昂貴等缺點[9]，數值模擬利用計算機建立數學或物理模型模擬環境，能方便地人為設定場景來驗證微氣候的調節機制，將有限的城市用地面積在計算機平臺上進行模擬布局，對城市綠地規劃建設具有現實指導意義。數值模擬在直觀地反映微氣候特征的同時，還具備節省人力、財力和物力且實驗可重復的特點，不易受到外界狀況影響從而獲得較為準確的模擬結果，具有現場實測不可比擬的優勢，近幾年在城市環境的微氣候研究方面得到較多應用。將現場實測與數值模擬方法結合可獲得不同尺度下的微氣候時空分布，能在定性研究的基礎上進一步作出定量的分析，對綠地規劃設計具有實際參考價值[10]。

筆者梳理了CFD數值模擬方法在不同尺度城市綠地微氣候效應及熱舒適度評價研究中的應用，在此基礎上，反思目前存在的問題及不足，對未來該領域的研究提出展望。

1 數值模擬軟件及其原理

數值模擬是利用計算機建立數學模型或物理模型對微氣候環境進行模擬，通過人為調控微氣候的各種影響因素虛擬地驗證其影響程度的計算機平臺[11]。數值模擬軟件根據計算原理主要分為2類：基于非計算流體力學的建筑群熱時間常數（cluster thermal time constant，簡稱CTTC）模型的軟件和基于計算流體力學（computational fluid dynamics，簡稱CFD）模型的軟件。CTTC模型的原理是使用建筑群熱時間常數的方法，計算局部環境的空氣溫度隨外界能量擾動變化的情況，而CFD模型是計算室外環境的熱傳遞與空氣流動的耦合[12-13]，較前者更適用于綠地環境的模擬研究。對于城市微氣候環境的研究，常用到基于CFD模型的軟件主要有Fluent、PHOENICS（parabolic hyperbolic or elliptic numerical integration code series）、CFX（computational fluid dynamics x）、Airpark以及城市微氣候模擬軟件ENVI-met等[14],[15]2。Fluent和PHOENICS軟件可用于模擬和分析復雜的集合區域內的空氣流動和熱交換等物理問題，針對每一種流動的物理問題都有適合的數值算法[16]。ENVI-met是基于城市氣象學、熱力學以及動力學等相關理論研究的基礎上構建的微氣候模擬軟件，旨在再現城市大氣主要進程的非靜態數值計算[17]374,[18]4，由三維主模型、一維邊界模型以及嵌套網格組成。前者著重于對建筑內外的氣流和傳熱的物理過程模擬計算，多用于模擬室外風熱環境，主要應用于氣象學、建筑學和暖通工程等相關技術專業[19]。 后者能考慮到植物對微氣候的影響，因此可用于景觀規劃設計方案的評價，多被風景園林學學者采用。

2 數值模擬在城市綠地微氣候研究中的應用

數值模擬的研究方法可便捷、直觀地再現城市龐大而復雜的實體環境，并且可人為地調控模型，相較于傳統的實地觀測方法，數值模擬在很大程度上節省了研究的人力和時間，同時可直觀地得到城市環境的三維圖像模型，具有很大的優勢，在建筑能耗、風熱環境等方面研究成果眾多。

2.1 數值模擬準確性驗證研究

數值模擬軟件早期是以驗證研究為主的，將模擬結果與現場實測值進行比較，從而研究模型的準確性和可行性。

1998年，Bruse將11種土壤傳濕模型與其他模擬模型耦合，開發出了ENVI-met軟件，并使用該軟件模擬小型停車場內溫度的空間分布特征，首次驗證ENVI-met可模擬城市表面（surface）—植被（vegetation）—大氣（atmosphere）的相互作用[17]374,382-384。1999年，Bruse等利用該軟件模擬設計綠化街道和屋頂綠化場景下墨爾本的微氣候環境[15]3-6。Lahme與Bruse等在未設定嵌套網格的情況下，在選定區域內的幾個點進行溫度實測值和模擬值比較，發現在此情況下ENVI-met軟件仍具有很高的準確性[20]。還有學者利用ENVI-met將實測數據與模擬結果對比，研究居住區溫濕隨時間變化規律，驗證了該軟件在居住區微氣候模擬上的準確性[21-22]。在此之后，楊小山用ENVI-met和城市風環境軟件MISKAM的模擬結果進行比較，再次證實了ENVI-met模擬結果的可靠性，表明其具有模擬復雜熱環境的能力，對微氣候的預測精度整體較好[23]。其他CFD模擬軟件的準確性也通過定性分析得到驗證，如將PHOENICS軟件與蒙特卡羅和杰勃哈特方法以及反應系數法結合，建立了一套新的適于小區微氣候模擬的算法，并以深圳某小區為對象進行微氣候模擬，并與該小區實測結果作對比以驗證模擬方法的準確性[24]2136-2137。隨著模擬模型的普及，在定性對比的基礎上，有學者定量化地驗證了模型的準確性。Salata等為了得到街區微氣候研究的通用ENVI-met模型，將微氣候參數和舒適度預測平均投票數值（predicted mean vote，簡稱PMV）的模擬值與實測值相比較，通過對測定系數、誤差平方根（root mean square error，簡稱RMSE）和威爾莫特指數（Willmott’s index）的分析，驗證了該軟件模擬值與實測值差異不顯著，認為網格尺寸為2 m×2 m、開放式邊界能獲得更準確的結果，并且確定了各參數偏差率為空氣溫度0.6%、相對濕度（relative humidity，簡稱RH）2.0%、平均輻射溫度0.9%、PMV值0.76個單位[25]。秦文翠采用ENVI-met對北京典型住宅區進行微氣候數值模擬分析，并采用RMSE和平均絕對百分比誤差（mean absolute percentage error，簡稱MAPE）驗證該軟件的準確性，結果表明實測值與模擬值間誤差較小，ENVI-met模型能較好地反映微氣候的分布特征[18]44-47。劉之欣等[26]在ENVI-met中進行細致的植物三維建模，對廣州地區細葉榕的葉片溫度及太陽輻射、地表溫度和空氣溫濕度等微氣候參數進行模擬與實測，采用誤差平方根和一致性指數驗證了ENVI-met模型可用于預測濕熱環境中喬木的微氣候特征。該研究與詹慧娟等[27]66的研究均集中于某一具體樹種的微氣候特征分析與模擬驗證，兩者為不同地理環境下數值模擬可用于植物種類的微氣候特征研究提供了基礎校驗。在數值模擬準確性驗證的研究中，由于軟件模擬的邊界設置、湍流模型選擇甚至軟件版本差異等局限，使得模擬的環境與實測時復雜的現場環境不能穩定一致，導致在定量層面上，較難利用更多統計分析方法進行誤差的準確性驗證，因此停留在定性層面的研究較多且方法較為一致，即多通過比較模擬與實測情況的趨勢一致性驗證模擬可行性，定量分析主要是采用誤差平方根指數進行誤差分析。

2.2 數值模擬在建筑尺度上的微氣候研究應用

數值模擬在建筑尺度上的微氣候研究應用主要是針對建筑單體和小型建筑組團等建筑尺度下的室外微氣候特征進行研究，多采用Fluent、PHOENICS等CFD數值模擬軟件代算CFD湍流模型進行模擬。

2.2.1 居住區布局對微氣候的影響

通過不同CFD模型模擬研究發現，天空開闊度（sky view factor，簡稱SVF）、建筑密度、綠化覆蓋率等居住區布局特征指標對住區的微氣候有重要影響。趙冬以Fluent作為模擬平臺，選取雷諾平均法（reynolds average navier-stokes，簡稱RANS）湍流模型分析了廣州夏季典型的行列式布局居住區在不同住區阻塞比、建筑覆蓋密度、SVF等指標下的微氣候特征，得出小區SVF和建筑平均高度越大、小區地面平均溫度和1.5 m處氣溫越高的結論[28]。史兵等同樣通過Fluent軟件采用RANS模擬5種不同SVF對城市住宅小區熱環境的影響，研究發現小區內地面溫度和1.5 m高處溫度都隨SVF的增大而升高，但溫度的增幅都逐漸減小，并總結出SVF對住宅小區熱環境的影響規律：小區的地面溫度和1.5m高處溫度與SVF的關聯程度都隨著SVF數值增大而降低[29]。還有學者采用RANS模擬居住小區微環境三維分布場情況[24]2136-2137。隨著CFD方法中湍流模型的不斷精準完善，也有學者采用DES復合模型替代RANS研究建筑架空高度對建筑周邊微氣候及行人舒適度的影響，分析認為建筑架空高度與建筑高度比增大，建筑側面高風速區縮小；當建筑長邊與來流方向呈90°時，行人熱舒適度最低[30]。除Fluent外，ENVI-met軟件也用以研究居住區布局對其微氣候效應的影響。李晗等采用ENVI-met軟件，對青島市不同居住區的建筑布局下室外溫度場、風速場進行模擬，分析發現點群式建筑布局室外風環境較好，居住區整體溫度都更低，圍合式和行列式布局熱島效應更明顯[31]。張偉模擬了典型居住區不同排布形式對微氣候的改善情況，研究中以地面綠化率、綠化覆蓋率、生態綠化容積率、景觀分離指數等作為綠地量化指標，以風速、溫度、熱舒適性和顆粒物（particulate matter，簡稱PM）濃度為微氣候評價指標，評價了不同居住區綠化布局的微氣候效應，并對居住區綠地設計提出了提升建議[2]62-63。

2.2.2 植物配置、綠地覆蓋率對微氣候的影響

基于CFD模擬方法的小尺度模擬，除用于居住區布局研究外，還集中在植物配置及綠地覆蓋率對微氣候的影響。詹慧娟等以試驗地里的山楊、側柏和油松人工林為研究對象，基于實測的氣象要素，利用ENVI-met對其溫度分布場進行模擬，得到不同樹種純林的土壤表層溫度、空氣溫度及相對濕度的分布狀況[27]66-73。謝清芳等在CFD模擬時將小型綠化帶設為多孔介質模型，探討垂直于來流方向和沿來流方向2種綠化帶布置方式的流場和溫濕效應影響范圍，結果發現垂直來流方向布置綠化帶的影響范圍明顯大于平行來流方向，因此認為在沿當地夏季主導風向上應盡量減少植被數量[32]。王廷夷等利用Fluent軟件，也將植被區域視為多孔介質，耦合建筑室內外熱環境，從而研究植被高度對建筑內外微氣候的影響，結果表明隨著植被高度增加，建筑室內空氣溫度隨之增加，且溫差約為0.25 K，在植被區域，植物與空氣的熱量交換與植被高度無關[33]。另外有學者在研究灌木的微氣候效應時，將ENVI-met和CFX_Ansys軟件的優勢結合，掌握兩者的計算模式，對灌木的微氣候效應這一簡單場景提取并行計算，得出灌木可以使風速降低約56.5%～57.4%的結論，并進一步將實地觀測數據與數值模擬數據對比分析，得到適宜室外環境模擬的RNG k –β數值模擬模型[34]。部分學者通過數值模擬驗證了綠地覆蓋率對微氣候效應的重要影響。Srivanit將現場實測與數值模擬結合，模擬日本佐賀大學的不同綠化場景，量化分析得出：校園內樹木提高20%，最高溫度可以降低2.27℃[35]。Wong將實測數據、遙感影像和模擬數據結合分析，研究了新加坡國立大學不同區域綠化對周圍環境的影響，并設計對比4種綠化場景的微氣候效應，結果表明綠化率降低導致校園空氣溫度增加約1℃[36]。孫常峰基于實測數據和ENVI-met模擬并結合RS和GIS平臺，分析了南京大學鼓樓校區校園綠地對城市夏季熱環境的調節作用，設計去除綠地的場景，結果顯示去除綠地后近地表溫度上升、濕度明顯下降[7]35-46。

總結以上研究可以發現，CFD應用于建筑尺度下綠地微氣候效應的研究中，多以Fluent、ENVI-met軟件為平臺，采用RANS湍流模型進行計算，得到研究對象的微氣候分布特征，總結其隨影響因子變化的規律。研究方法以單一模擬為主，部分采取了與實測數據結合的方式，遙感反演手段應用較少，研究結果在定性分析的基礎上，利用定量分析進行規律的深入探討，這為更大尺度的綠地微氣候研究提供研究思路。

2.3 數值模擬在街區尺度綠地微氣候研究的應用

數值模擬在街區尺度綠地微氣候研究的應用大多以ENVI-met等城市微氣候模擬軟件為平臺，更大尺度的城市區域氣候研究則會在數值模擬的基礎上，利用RS技術等，結合遙感反演、空間插值等方法進行街區尺度的微氣候研究，初期多采用實地觀測法獲取直觀數據，但該方法應用于中尺度研究時耗費人力與時間，可操作性較弱。隨著計算機技術的發展及其在景觀、建筑、規劃等多學科領域的應用，數值模擬方法在街區尺度的微氣候研究中得到推廣。

2.3.1 街區建筑群布局對微氣候的影響

街區尺度的微氣候效應往往受到復雜的多因素影響，多數研究將數值模擬與實地觀測結合，從而在盡量避免環境干擾的同時，獲取真實可靠的數據，使研究結果更具科學性與參考性。王振等結合現場實測數據和ENVI-met數值模擬定性及定量地探索了武漢市街區層峽不同街巷結構和建筑群布局等城市形態下的微氣候特征，并分析其對熱舒適度和建筑能耗的影響，指出東西走向寬街、南北走向窄巷的街區比與之相反的街區在夏季更能提高熱舒適性，長街短巷的街區比短街長巷的街區夏季室外熱環境舒適度更高[37]。史源等以ENVI-met為模擬平臺，分析北京西單商業街冬夏兩季室外開放空間風環境，并根據研究結果在現狀條件下提出了風環境改善策略。模擬結果顯示西單商業街僅在西北部小范圍內符合風環境舒適閾值，東西走向街區層峽風速明顯小于南北走向風速[38]94-97。

2.3.2 街區綠地布局、下墊面構成對微氣候的影響

街區尺度下，綠地面積、綠地覆蓋率、鋪裝覆蓋率等下墊面構成對局地微氣候效應有顯著影響，采用數值模擬的方法可定量分析其影響效應，對綠地規劃的實踐有重要參考價值。Dimoudi等利用PHOENICS軟件模擬了綠地在街區尺度下對周邊溫度和流場的影響，該研究通過改變模型的建筑密度、天空開闊度、綠地面積大小、氣候條件等環境參數，對比分析了Athena中心城區不同城市環境下綠地的蒸騰作用和熱量流通帶來的降溫效應，結果發現綠地對周圍環境有明顯降溫作用，對其背風面的影響尤其明顯；綠地植被覆蓋每增加100 m2，平均氣溫就會下降1℃左右[39]。Grignaffini等直接在ENVI-met中模擬了街區建筑組團中綠地面積擴大對街區熱島效應的緩解作用，認為綠地每增加1個單位面積會使區域氣溫減小0.5℃，模擬中還將綠地及建筑區域替換為不同材料的鋪裝，發現改變鋪裝材料對緩解熱島效應沒有作用[40]。Skelhorn與Cynthia將實測數據結合模擬，對曼徹斯特某商業中心夏季室外熱環境進行了7種場景的模擬，分別為：現狀環境、增加5%的幼年喬木、增加5%的成年喬木、增加5%灌木、在最大建筑上設置屋頂綠化、將現狀綠地全部換為草坪和將現狀綠地全部換成瀝青路面，結果表明：每增加5%的綠化率，溫度降低1℃；而惡劣的環境為將綠地全部換成瀝青路面（約為研究區域面積的20%），會使得溫度升高3.2℃[41]。該研究結果與Dimoudi和Grignaffini等的結果類似。Sun等利用ENVI-met及Rayman軟件對北京市元大都遺址公園進行熱舒適度時空分布的分析，結果表明高大喬木的熱舒適性最為穩定，硬質鋪裝對熱舒適性有負面影響；同時在一天的溫度變化中，綠地能使氣溫平均降低2℃[42]。

街區尺度綠地布局不同其微氣候效應也有所不同。劉艷紅等利用CFD模擬方法對城市5類綠地空間格局（點狀、條帶狀、環狀、放射狀和楔狀）的熱環境效應進行分析，將植物視作長方體多孔介質參與模型計算。另外用RS技術代替傳統實測，利用其相關參量和輸出結果輔助模型的參數校正，最終建立這5類綠地分布格局的理想數學模型，比較其垂直和水平方向上的溫度場和風速場。得到結論為垂直方向上灌木對風速的減弱作用大于喬木，喬木的降溫效應強于灌木；水平方向上綠地格局的降溫效應由強至弱依次為楔狀格局＞放射狀格局＞條帶狀格局＞點狀格局＞環狀[43]。段佳佳以北京城市街區為對象模擬分析了夏季北京城市街區不同綠地格局的內部環境變化，并在此研究基礎上提出相應的街區綠地格局優化策略[44]。Perini與Magliocco采用ENVI-met進行場景模擬，在城市密集街區設置地面綠化和屋頂綠化，模擬改變建筑物密度和建筑物高度后，地面綠化和屋頂綠化的空氣溫度、平均輻射溫度的分布狀況，結果表明屋頂綠化植被面積越大，降溫效應越強；植被在高溫低濕的條件下在降低溫度、提高舒適度以及減少建筑制冷能耗等方面效果更好[45]505。街區微氣候效應隨著水體的變化相應變化，宋曉程等在探討某國際商務城規劃項目時，利用CFD方法中的Fluent軟件對場地內的水體及其周邊建筑群進行建模分析，探討城市水體對其周邊熱環境的影響。研究結果表明，水體自身形態對其周邊熱環境影響較大，河道越寬，其增濕效應越強、擴散范圍越廣，但水面過寬時，水體的降溫效應僅停留在水面上方，即對周邊降溫作用較小；另外，水體周邊建筑群密度及分布對局地微氣候影響很大[46]。吳昌廣等基于實地測量和數值模擬分析深圳商業區街頭綠地周邊的微氣候，實驗中分別設計水景、喬木、草坪3種下墊面，并以硬質鋪裝作為對照下墊面（將研究區內水體分別替換為喬木、草坪和硬質鋪裝），結果表明喬木型街頭綠地降溫增濕效應最強，草坪型次之，水景型最弱，但3種類型的降溫增濕效應的時空變化趨勢基本相同[47]（表1）。

3 數值模擬在熱舒適度評價中的應用

數值模擬軟件經過不斷地更新發展后，可在模擬微氣候環境的同時，利用參數輸入直接輸出熱舒適度相關指標的計算結果，更為直觀簡便地反映了模型的舒適度分布情況。Wu等探討居住區中不同葉面積指數（leaf area index，簡稱LAI）的綠地對熱舒適度的影響時，以熱氣候指數（universal thermal climate index，簡稱UTCI）作為舒適度評價指標，利用ENVI-met軟件輸出UTCI值，研究結果表明喬木結構的綠地能有效地改善居住區夏季戶外熱環境[48]。Taleghani等在研究荷蘭極端炎熱天氣下不同的城市形態（建筑與綠地單列式、行列式和庭院式排列）對室外熱舒適性的影響時，采用ENVI-met軟件模擬得到場地室外空氣溫度、平均輻射溫度、風速和相對濕度，再將上述參數輸入Rayman中以輸出生理等效溫度（physiological equivalent tempreture，簡稱PET），從而評價不同布局的室外熱舒適度，發現庭院可以提供最舒適的微氣候[49]。也有學者采用現場實測數據利用Rayman軟件輸出PET對建筑外不同布局的綠地的人體舒適度情況進行評價[50]。Perini 與Magliocco在采用ENVI-met研究城市高密度環境下建筑密度和建筑高度對溫度分布和熱舒適性的影響時，利用軟件輸出PMV評價室外熱舒適情況，得到屋頂綠化能有效提高熱舒適度，且高溫低濕的環境下植被具有更好地提高舒適度的能力的結論[45]504-505。也有學者在評價西單商業街室外熱舒適性時，同樣通過ENVI-met軟件輸出PMV值，以評價商業街室外開放空間人行高度的熱舒適度狀況，并提出改善建議[38]96。向立平等利用Fluent軟件輸出PMV值，對不同風速和溫度條件下的巷道熱環境舒適度進行了評價[51]。一些室外環境數值模擬軟件支持SET指數中的太陽輻射因素針對室外環境舒適度評價時進行修正后輸出，如Rayman、ENVI-met等[52]。

表1 CFD數值模擬在不同尺度下的微氣候效應研究的應用Tab.1 Application of CFD numerical simulation in the study of microclimate effect regulation at different scales

回顧數值模擬在熱舒適度中的應用可以發現，數值模擬在熱舒適度方面的研究更多是基于街區尺度微氣候效應研究進行的，針對建筑尺度熱舒適度狀況的直接影響機制研究較前者少有報道，且兩者在定性層面研究結論較多，深入的定量研究還待獲得統一性更高的結論，以便為實際規劃設計提供參考。

4 結論與展望

基于數值模擬的微氣候研究發展至今在建筑學、風景園林學和氣象學等專業進行了不少學科交叉的研究，從早期的主要驗證其準確性和可靠性，到現今利用軟件進行場景設計模擬和景觀方案評估或將實地測量方法與其結合，甚至利用軟件直接計算舒適度值并分析其分布狀況，以數值模擬為研究手段的微氣候及熱舒適度的調節機制的定性與定量研究取得了一定成果，并具有深入探索的空間。回顧數值模擬在城市綠地微氣候調節及熱舒適度評價中應用的研究進展，可以發現基于數值模擬的城市微氣候調節相關研究發展迅速但仍處于不斷創新階段，計算模型推陳出新，在風景園林學科的研究應用在以下3個方面期待取得突破：

1）多平臺尺度擴展研究。由于資金和條件的限制，目前數值模擬方法應用于城市綠地微氣候研究多在中小尺度范圍內進行，缺少擴展至大尺度和綜合尺度的研究，不利于制定城市區域尺度下的微氣候調節策略。目前，有部分研究引入遙感反演技術，利用遙感技術獲得大尺度的空間溫度分布規律和綠地分布情況，從而進行大尺度的城市綠地微氣候數值模擬研究。因此，與遙感技術結合進行大尺度的模擬，可為城市尺度下綠地規劃方案的實施制定提供切實依據，是今后數值模擬應用于風景園林微氣候研究的重要方向。

2）微氣候特征指標的綜合交叉分析。數值模擬方法中應用于城市微氣候研究的軟件多側重空氣流動與熱傳導的物理過程分析，如ENVI-met、PHOENICS、Fluent等，大多數值模擬的微氣候研究輸出值基本都為空氣溫度、相對濕度、風速等，即多探討的是風環境與熱環境，對整體環境下其他氣象因素如太陽輻射、不同污染物擴散等研究較少。未來在數值模擬方法的進一步研究中，可以將不同模擬軟件結合，交叉分析城市微氣候的不同指標，為城市微氣候的綜合評價提供借鑒。

3）高適配度模擬模型的及時更新。數值模擬方法中，湍流模型的正確采用很大程度地決定了模擬的準確度，目前中國國內研究中湍流模型的類型不多，更新速度較慢，如何更好地提高模擬精度，正確地將數值模擬方法應用于城市綠地微氣候研究，仍是今后的研究熱點。

表格來源(Sources of Table)：

表1由作者繪制。