1 背景

随着经济的持续高速发展，我国的城镇化率不断提高，在2011年已超过50%，预计到2020年将达到60%[1]。住区是城市与建筑之间的重要中间层[2]。绿色住区是生态城市与绿色建筑发展建设的重要内容，绿色住区的设计实践，对提高生活质量、降低城市热岛、减少建筑能耗具有切实而重要的意义。

为满足不断提高的绿色性能要求，基于“经验与手工计算[3]”的传统设计模式正逐渐向基于“性能模拟与优化算法[4]”的参数化设计模式转变。根据Shi等[5]与Shi等[6]的研究，建筑与城市的参数化设计流程基本一致，包括3个主要阶段：设计师主导的参数化建模、计算机主导的性能模拟与设计优化、设计师主导的优化方案选定。

2018年3月31日调查发现，小麦播后7 d 47% 异隆·丙·氯吡可湿性粉剂 3 000 g/hm2处理，小麦的株高、茎蘖数均显著高于空白对照，而与人工除草相比无显著差异(表5)；在小麦3叶1心时，47%异隆·丙·氯吡可湿性粉剂与3%甲基二磺隆油悬浮剂或15%炔草酯可湿性粉剂混用，小麦的株高、茎蘖数均显著高于空白对照，与人工除草相比无显著差异(表5)。

急性阑尾炎属于中医“肠痈”范畴。通过穴位按压和口服药物改善免疫系统,可以改善患者的免疫系统,减少饮食、冷热不适、粪石虫和过度劳累,减轻炎症反应[7]。在“耳穴按压种子”的基础上,在阑尾、神门、大肠、交感和阑尾点、3-5分钟中等强度穴位按压器、3-4D交替安装、阑尾清汤中,用红牡丹根、木香、蒲公英。N、牡丹皮、当归、金银花等为患者服用,辅以外用压榨剂。适用于中药100g药粉,包括蒲公英、大黄、红藤、侧柏叶等。可在4-8小时后擦除,并可应用于附录。2~4次/d为最佳分期,配合针、针取阑尾双侧、内关、曲池、1-2次/d、7-8天疗程、基础患者的临床表现、适宜疗程、诊断和护理。

SketchUp[7、8]与 Rhinoceros[5、9、10]是面向设计较常见的参数化建模工具。性能模拟工具按设计阶段分两类：面向方案早期的简化计算工具和面向方案中后期的精细化模拟工具。前者如AEDPM和MEESG等，后者以EnergyPlus、Radiance与Ecotect等为代表[9-15]。根据Evins[16]的统计，对于设计优化，53%为单目标，47%为多目标，优化目标60%为能耗，其次为成本以及舒适度，优化算法50%以上为遗传算法，其次为直接搜索法（近20%）。

环境噪声是绿色住区的重要性能指标，现行绿色建筑评价标准GB/T 50378将其列为室外环境的重要评分项。依据JTG B03、GB 3096、GB/T 17247.2等现行标准的规定以及相关研究文献，通过梳理住区主要噪声源噪声（不同车型在参考点的平均交通噪声），噪声衰减（参考点至计算点的距离衰减量、地面吸收衰减量和障碍物衰减量）、修正（公路弯曲或有限长路段引起的噪声修正量）与叠加（多道路噪声叠加），以及住区背景噪声的影响因素及计算公式，形成住区环境噪声计算方法。

为此，我们曾以城市住区室外热环境优化为目标，采用住区热岛强度、人均用地面积和日照时数为性能评价指标，基于多目标进化算法，提出绿色住区的参数化优化设计方法。在此基础上，我们以参数化软件Rhino & Grasshopper为平台，采用Python脚本编程实现住区方案建模与性能指标的计算，结合SPEA2与HpyE进化算法插件Octopus，实现住区的性能评价与多目标优化[21]。经案例分析与检验，该平台可同时针对若干技术经济指标和环境性能指标开展定量计算、评估与优化，获得满足多目标优化的总平面布局最优解集，能够为住区规划设计提供合理、科学的决策支持[21]。

为更好满足新时代城市建设的发展需要，有效对接住区规划设计的实际工作流程，在以上工作基础上，我们进一步扩展性能指标和平台功能，升级关键算法和更新模块提升计算性能，并积极开展工程实践与应用。

2 设计方法与平台概况

2.1 设计方法

生成设计是“基于既定规则自动生成建筑或规划设计方案并使之不断完善”[22]的数字化建筑设计方法。平面布局是住区方案设计的重要内容，是设计理念、方案性能和经济性三方面需求综合权衡的结果。为此，我们在设计平台开发了可定制的“开放式·性能化”平面生成模块。

采用参数化设计方法实现人机结合（图1），即以参数化软件平台为人机耦合接口、参数化模型为信息交换媒介，分别在感知、思维和执行三层面实现人机联合感知、人机共同决策和人机相互协作。在此，参数化设计方法指在设计中对方案生成规则的制定、设计参数的变换调整以及评估优化过程。参数化模型是住区设计规则的描述文件，建筑师通过制定一系列的规则约束，将方案设计理念转化为初始参数化模型。优化工具通过初始模型的参数化调整形成不同的设计方案，基于算法自动进行方案的性能评价与优化，并将结果呈献给建筑师以确定最终方案。

2.2 设计平台

基于Rhinoceros& Grasshopper搭建参数化优化设计平台，框架如图2所示：平台由参数化建模模块、方案评价计算模块和方案性能优化模块（简称建模、计算和优化模块）组成；建模模块根据建筑师拟定的设计规则和参数范围建立方案的参数化模型，自动生成并输出方案的三维模型、示意图以及性能评价所需的相关数据；计算模块根据设计优化目标计算并输出方案的各项性能指标；优化模块根据设计优化目标和方案性能评价结果进行方案的寻优迭代计算，最终输出方案的多目标最优化解集并评价其优化效果；三模块相互连接、紧密配合，共同实现绿色住区的优化设计。

依据计算方法，在设计平台开发噪声计算模块实现住区环境噪声的计算，如图5所示。模块通过输入道路相关参数（道路中心线、道路等级、路面类型等）、车辆相关参数（各车型速度、流量列表、比例等）、建筑与植被三维体块、噪声评测点参数（评测点列表），借助若干子模块的联合计算得到住区的环境噪声值（日间、夜间）。其中，交通噪声修正量计算基于Vector相关函数计算道路张角关键参数，障碍物衰减量计算基于Intersection相关函数判断第一排建筑并计算占地比率关键参数。

  

图1 绿色住区参数化优化设计流程图[21]

  

图2 绿色住区参数化优化设计平台框架[21]

3 新增功能

3.1 “开放式·性能化”平面生成

方案设计阶段上承概念设计，是设计理念物化的初始，下启初步设计和施工图设计，把握整体设计的方向。我们将住区优化设计定位于方案阶段，以期最大程度保障绿色住区设计质量。方案阶段的设计优化是复杂的系统性问题，表现在定性与定量评价共存、不同目标的优化任务共存、方案初期优化对象的信息不完整等。为解决这些问题，引入人机结合方法与方案阶段特性相适应。

“毫无疑问，对焦在这里是个难点，况且我用的还是一款为胶片机设计的古董镜头。但好在最后拍摄效果不错，这让我不得不对这台相机刮目相看。”

平面生成模块由场地网格划分、单体类型识别、单体建筑预布置、规范限制判断、场地布置信息更新5个子模块组成（图3）。平面生成模块采用“开放式”的设计逻辑：①单体参数可定义多种建筑单体轮廓及层数等；②布局参数可定义各类型建筑的布置数量与顺序；③场地轮廓可定义不同场地形状。平面生成模块还具备“性能化”的判断能力：①自动判断输入单体建筑的类型（包括板式塔式、高层多层、朝向等判断）；②自动判断拟放置建筑与已布置建筑是否冲突，即是否满足规范参数的限制条件；③将判定信息写入场地布置信息表中，从而实现自动生成功能。场地网格划分子模块基于MeshBrep建立，其余子模块通过Python与GH运算器联合实现。

VMI即供应商管理库存，供应商在每日优鲜的允许下在其大区仓库存放货物，并在供应商能满足每日优鲜需求的基础上由供应商负责库存的控制和补给。每日优鲜应该就那些长期销售、需求量稳定且量大的产品实施供应商管理库存。采用供应商管理库存既保证了产品销售的连续性，也抑制了长鞭效应，如此一来可以节省成本，提高资源利用率，从而优化整个供应链。每日优鲜和供应商建立战略合作伙伴关系可以减少缺货的风险，将客户需求和销售计划准确的告知供应商，供应商得到真实准确的需求数据也可以制定准确的供货计划，双方在满足顾客需求的同时，降低了库存和成本，实现了双赢。

近年来，在马来西亚、柬埔寨、老挝、泰国等地加强海外农业基地建设，高标准完成橡胶苗圃、胶园开垦、种植抚管，自种的胶树已在2016年大面积开割。在橡胶抚管方面，充分利用当地优越的地理气候资源，在满足中小苗生长阶段性需要的基础上，积极探讨科学高效施肥方式，降低抚管成本；对不同树龄的中小苗制定不同的抚管方案，重点抓好一、二年苗管理，通过科学规范管理，缩短了非生产期，平均开割周期为6年左右。开展割制改革，提高人均割胶株数和产量，解决胶工短缺的难题。

如图4所示是采用平面生成模块生成住区平面布局的示例。红线为场地范围，在其中拟布置4种类型的单体住宅：①3层别墅；②8层板式；③15层塔式；④30层塔式。布局参数为：从西南开始往东北顺序布置；布置顺序为①→②→③→④；布置数量为①30栋，②11栋，③6栋，④3栋。规范参数参照《广州市城乡规划技术规定》的建筑间距要求。如图4b所示，每栋建筑周边的灰色矩形区域是根据单体建筑及其周边情况自动计算生成的日照防火限制区，在该区内禁止布置建筑。

其中ABG和AG分别为有无遮挡条件下建筑表面某点对目标区域的可视面积，m2；AGG和AB分别有无遮挡条件下场地某点对目标建筑的可视面积，m2。

  

图3 平面生成模块流程图

3.2 噪声计算

在绿色建筑的规模化发展中，建筑性能优化设计呈现三大发展趋势[6、15、17]：单体优化向群体优化拓展，单目标优化向多目标优化拓展，优化阶段从设计后期向前期拓展。针对住区的性能优化设计，申杰等人[18]提出了基于单目标遗传算法的方案初期住区布局和单体形态的参数化优化方法，并初步验证了住宅生成设计的有效性。Bichiou等人[19]尝试用多种优化算法对住宅单体的全生命周期成本进行优化，研究表明通过立面与空调系统优化可取得10%～25%的性能提升，PSO和GA算法相对SS算法可有效缩短寻优时间70%左右。Fesanghary等人[20]提出采用Harmony Search算法和EnergyPlus模拟工具进行住宅单体的全生命周期成本与CO2排放的多目标优化方法。对照可知，现有的住区性能优化设计还局限于单目标，发力于设计后期，侧重于方案评价，总体停留在初级阶段，且相关的性能算法和优化软件工具十分缺乏，无法满足当今绿色住区的发展建设需求。

实际中，具体项目的设计方案和优化目标不尽相同，设计平台采用模块化软件架构适应不同任务的多样化需求：建模模块采用参数化建模方式，具备不同方案建模的适应性；计算模块由若干子模块组成，通过子模块的搭配组合实现不同优化目标的评价；优化模块采用第二代进化算法，适应各种多目标优化设计任务。

式中 c为水质因子浓度（mg/L）；t为时间（s）；E为扩散系数（m2/s）；U为对流速度（m/s）；S为水质因子的内部源（mg/（m·s））；W为外部源（mg/（m·s））。

3.3 通风计算

建筑之间通风遮挡，是计算建筑迎背风面风压差、优化住区自然通风设计和提升绿色住区建成质量的重要问题。南方城市典型住区的研究发现：单体建筑的风影区长度与建筑特征尺寸（迎风面高与宽中较小值的2/3次方与较大值的1/3次方的乘积）成正比；分离距离（遮挡间距与遮挡建筑特征尺寸之比）表征被遮挡建筑受遮挡建筑风影区影响的大小，分离距离越小，影响越大；遮挡面积比（建筑迎风面的被遮挡面积与总面积之比）表征建筑受遮挡影响的面积比例，遮挡面积比越大，受影响的比例越大。将遮挡面积比与分离距离之比定义为通风遮挡指数，由上可知，它综合了风影区和面积比例两方面作用，能够很好表征建筑之间通风遮挡的程度，通风遮挡指数越大，通风遮挡越严重。

  

图4 住区平面布局生成示例

依据以上发现及定义，在设计平台开发通风遮挡指数计算模块实现住区通风遮挡指数的计算，如图6所示。模块通过计算来流风向参数和建筑物三维体块参数，借助若干子模块的联合计算得到住区所有建筑的通风遮挡指数。其中，遮挡面积比与分离距离的关键变量通过Mesh相关方法自动划分网格并采用Curve Mesh Intersection函数计算。如图7所示是图4b示例通风性能的计算过程，来流风向为广州夏季主导风（东南风），图中红线为各栋建筑来流风向上的通风遮挡判断线。在数据处理过程中，由于建筑群涉及多栋建筑的相互、重复遮挡，利用Data Tree与Dispatch方法筛选出直接有效的遮挡数据。通风遮挡指数的数据可视化通过后处理模块实现（参见图4b）。

对于这次工作岗位变更，成锐是有心理准备的，但没想到会这么突然。“2017年6月，公司人事经理曾经以精简人员编制、压缩和控制成本为由，通知我们车间拟取消铆工岗位和编制。”成锐说，公司即没关闭停产、还在继续营业，怎么会取消这些离不开的岗位和人员呢？他和同事们不理解，要求公司给个理由，公司没有答复。

3.4 可视度计算

在住区规划设计早期，可视度是土地估值、方案重点区域确定和建筑视觉效果评估的重要指标。参考Autodesk Ecotect 2011的可视度定义，我们定义建筑可视度VB与场地可视度VG如下：

 

在互联网、智能手机的常态化应用中，人们的阅读习惯已经发生了变化，作为传统阅读载体的图书，面对自己服务对象在阅读习惯方面的变化与诉求，应该做出怎样的改变呢？

依据以上公式，在设计平台开发可视度模块实现方案的可视度评价。模块通过输入目标区域轮廓线、目标建筑序号、目标建筑有效高度和所有建筑三维体块等参数自动计算建筑可视度与场地可视度（图8）。

4 算法升级与模块更新

4.1 天空遮挡算法升级

天空遮挡算法是住区热岛计算和日照时数优化若干关键参数（天空角系数、阴影率、日照时数等）的计算基础。对于矢量三维数字模型，我们提出新的基于遮挡角算法和反三角函数解析法（inverse trigonometric functions algorithm）的天空遮挡简化算法[23] （图9），使用新版本的GH Python 0.6.0.3重写天空遮挡计算程序。其中，利用Mesh Ray函数实现遮挡的快速计算，采用Grasshopper的Mesh相关方法实现分析网格（天空、地面）的自动划分[24]。经检验，升级后的计算模块性能显著提升，计算用时相比原模块减少了30%～50%。

  

图5 环境噪声计算流程图

  

图6 通风遮挡指数计算流程图

  

图7 通风遮挡指数计算示例

  

图8 可视度分析示例

4.2 热岛计算模块更新

热岛计算模块基于改进绿色CTTC模型[25]求解住区气温与热岛强度。原始CTTC模型由Swaid和Hoffman在1990年提出，系结合了非稳态传热和实验数据的半理论半经验模型。原始模型仅考虑地面吸收太阳辐射对气温的影响，李莹[26]随后将墙面太阳辐纳入考虑，Hoffman等人[27]又提出绿色CTTC模型考虑城市植被的降温作用。我们[25]进一步提出太阳辐射热扰和热时间常数的加权平均算法，建立了改进绿色CTTC模型，并通过湿热地区城市微气候测试验证了改进模型的优越性。

如图10所示，新模块优化了内部结构，整合了原有的太阳位置计算、分析网格划分、住区逐时平均风速计算等子模块，形成地面阴影率、地面天空角系数、墙面阴影率、墙面天空角系数、住区逐时气温和热岛计算6个子模块。图11是采用新模块计算的图4案例在夏季典型日的逐时气温与热岛强度。

4.3 日照时数优化模块更新

太阳位置（太阳的方位角与高度角）是影响日照时数计算准确性的关键参数。我们采用文献[23]的算法获得太阳位置，该算法通过与Ecotect和实测结果比较验证了其优越性。如图12，新的日照时数优化模块增加了户型自动分组、逐栋位置调整子模块，优化了日照数据统计模块，提供最低日照限值等自定义功能，并能统计相应的日照满足率。

5 工程应用

受广州市住房和城乡建设委员会委托，充分利用绿色住区参数化优化设计平台的功能和优势，结合广州住区实际开展广州市绿色住区评价与设计标准研究，主要工作概述如下。

首先完成近年新建的15个广州典型住区案例的图纸资料收集工作，然后利用平台的建模功能对案例作参数化建模（图13），利用平台的计算功能开展案例关键指标（包括住区平均热岛强度、通风遮挡指数、日间和夜间噪声、场地日照等环境性能指标，以及居住区人均用地指标、住区人均公共绿地面积、容积率、建筑密度、绿化率等技术经济指标）计算（如图14所示），筛选得到符合现行标准要求的住区案例，再利用平台的优化功能自动调整关键设计参数作单目标和多目标寻优，分析优化后的住区设计参数特征和性能表现，提炼绿色住区设计要素和方法。

根据以上工作撰写《广州市绿色住区评价与设计优化导则》和《广州市绿色住区设计指南》。前者以参数化优化设计平台为基础，规定广州市住区使用平台作绿色性能评价和设计优化的方法和步骤，后者面向广州市绿色住区设计实践，给出热环境、风环境、声环境、日照等方面及多目标优化设计要点。

  

图9 基于解析法的遮挡角算法[23]

  

图10 热岛计算流程图

  

图11 住区逐时气温与热岛强度示例

  

图12 日照时数优化流程图

上述工作作为本文成果的一次集成示范，体现设计平台如下突出优势：指标全面，涵盖绿色住区重要技术经济和环境性能指标；操作便利，能快速实现方案的参数化建模和评价；智能生成，采用参数化方法依照设计逻辑由小样本案例生成大样本方案；智能设计，通过人工智能算法多目标寻优，突破个人经验局限和单指标寻优不足。

  

图13 广州市典型住区案例模型

  

图14 广州市典型住区热岛强度计算值

 

表1 已实现的优化性能指标及参照标准与手册

  

类别 优化性能指标 参照标准与手册住宅建筑面积净密度 GB 50180住宅建筑净密度 GB 50180绿地率 GB 50180居住区人均用地指标 GB/T 50378住区人均公共绿地面积 GB/T 50378热环境 住区平均热岛强度 JGJ 286日照 公共活动区域日照时数 中国绿色低碳住区技术评估手册底层住户日照时数 GB 50180风环境 通风遮挡指数 —室外风速放大系数 GB/T 50378声环境 住区环境噪声 GB 3096技术经济

总结与展望

为更好满足新时代城市建设的发展需要，有效对接住区规划设计的实际工作流程，在绿色住区的参数化优化设计方法与平台工作基础上，我们进一步扩展了“开放式·性能化”平面生成、噪声计算、通风计算和可视度计算等性能指标和平台功能，升级了天空遮挡算法，更新了热岛计算和日照时数优化模块，显著提升了平台计算性能，并在广州市积极开展工程实践与应用，为绿色住区和生态城市的建设发展提供强有力的技术支持（表1）。

我们还将在以下方面重点开展工作：（1）研究典型天气的住区微气候预测模型，完善热环境指标计算功能；（2）研究典型住区的室内外通风计算模型，完善风环境指标计算功能；（3）基于水文学原理研究降雨地表径流计算模型，增加海绵城市相关指标和计算功能；（4）从住区扩展到城市，考虑更多空间形态和设计类型，形成绿色城市参数化优化设计方法与平台；（5）由湿热地区扩展到其他气候地区，扩大方法与平台的适用范围与受众面；6）积极拓展新功能，如引入区域能耗、空气质量环境心理、环境行为、景观评价、生态效益评价等指标，与未来发展和更多项目需求对接。

热处理后对所有焊缝做PT探伤，探伤标准按ASME锅炉及压力容器规范第VIII卷附录八执行，对局部缺陷按4.2.2进行焊接修复。

致谢

本文工作得到多方人员和公司的大力支持，在此特别感谢华南理工大学崔雨萌、郭倩、蓝洪宁、梅凌云，以及广西大学李玫妍、叶海林、王淼、赵健宇等提供的帮助与支持。

图、表来源

图1、2：引自参考文献[21]；

信号模拟器根据不同的目标运动场景生成对应的包含多普勒信息的微波信号，分别模拟了目标匀速运动以及变速运动的场景。

图9：引自参考文献[23]；

其余图、表均由作者绘制。

参考文献

[1]中华人民共和国国家统计局. 2012年国民经济和社会发展统计公报[M]. 2013.

[2]吴良镛. 人居环境科学导论[M]. 北京：中国建筑工业出版社，2001.

[3] HONG T, CHOU S K, BONG T Y. Building simulation: an overview of developments and information sources [J].Building and Environment，2000，35(4)：347-361.

[4] NGUYEN A-T, REITER S, RIGO P. A review on simulation-based optimization methods applied to building performance analysis [J]. Applied Energy, 2014,113：1043-1058.

[5] SHI X, YANG W. Performance-driven architectural design and optimization technique from a perspective of architects [J]. Automation in Construction, 2013, 32(7):125-135

[6] SHI Z, FONSECA J A, SCHLUETER A. A review for simulation-based urban form generation and optimization modeling for energy-driven urban design at the district scale [J]. Building & Environment, 2017, 121.

[7]李紫微. 性能导向的建筑方案阶段参数化设计优化策略与算法研究[D]. 北京：清华大学，2014.

[8] DELGARM N, SAJADI B, KOWSARY F, et al. Multiobjective optimization of the building energy performance: A simulation-based approach by means of particle swarm optimization (PSO) [J]. Applied Energy,2016, 170：293-303.

[9] AMADO M, POGGI F. Solar Urban Planning: A Parametric Approach [J]. Energy Procedia, 2014, 48(5)：1539-1548.

[10] NEGENDAHL K, NIELSEN T R. Building energy optimization in the early design stages: A simplified method [J]. Energy and Buildings, 2015, 105：88-99.

[11] CHEN X, YANG H, ZHANG W. Simulation-based approach to optimize passively designed buildings: A case study on a typical architectural form in hot and humid climates [J]. Renewable and Sustainable Energy Reviews,2018，82：1712-1725.

[12]田志超，陈文强，石邢，等. 集成EnergyPlus和Dakota优化建筑能耗的方法及案例分析[J]. 建筑技术开发，2016，43(6)：73-76.

[13]林波荣，李紫微. 面向设计初期的建筑节能优化方法 [J].科学通报，2016(1)：113-121.

[14] ZHOU X, LIN B, ZHU Y, et al. MEESG- total energy demand prediction and optimization program for architectural scheme design stage [C]. 12th Conference of International Building Performance Simulation Association, Sydney, 14-16 November,2011.

[15] LIN B, YU Q, LI Z, et al. Research on parametric design method for energy efficiency of green building in architectural scheme phase [J]. Frontiers of Architectural Research, 2013, 2(1)：11-22

[16] EVINS R. A review of computational optimisation methods applied to sustainable building design [J].Renewable and Sustainable Energy Reviews, 2013(22)：230-245

[17]石邢. 基于性能的多目标建筑设计优化[C]．第13次全国建筑技术学科学术研讨会, 2010.

[18]申杰, 赵立华. 绿色建筑设计中基于参数化平台的技术分析 [J]. 建筑与环境, 2012(1)：68-73.

[19] BICHIOU Y, KRARTI M. Optimization of envelope and HVAC systems selection for residential buildings [J].Energy and Buildings, 2011, 43(12): 3373-3382.

[20] FESANGHARY M, ASADI S, GEEM Z W. Design of lowemission and energy-efficient residential buildings using a multi-objective optimization algorithm [J].Building and Environment, 2012, 49：245-250.

[21]吴杰，张宇峰，赖嘉宁. 基于多目标优化的绿色住区参数化设计研究[C]. 2017全国建筑院系建筑数字技术教学研讨会暨DADA2017数字建筑国际学术研讨会,江苏：南京，2017.

[22]李飚，韩冬青．建筑生成设计的技术理解及其前景[J]. 建筑学报，2011(6)：96-100

[23]吴杰, 张宇峰, 林宇. 基于参数化三维模型的城市天空遮挡简化算法[J]. 建筑科学，2017(6)：32-40

[24]李思凡. [Grasshopper] 日照时数 规范分析[EB/OL].2017[20180301]https://zhuanlan.zhihu.com/p/24746390

[25]吴杰，张宇峰，麦锦博. 绿化住区的室外气温预测模型研究[J]. 建筑科学，2016(4)：93-101.

[26]李莹. 建筑群及单栋建筑周围空气温度的理论和实验研究[D]．北京：清华大学，2000.

[27] SHASHUA-BAR L, HOFFMAN M E. The Green CTTC model for predicting the air temperature in small urban wooded sites [J]. Building and Environment, 2002, 37(12): 1279-1288.