综述：建筑气候分区的方法、挑战及可能的改进：一项全面文献综述

《Energy Reports》：Methods, challenges, and possible improvements in climate zoning for buildings: A comprehensive literature review

　　

建筑气候分区（CZB）是建筑设计的基础之一。一个定义明确的CZB能够根据每个气候区域的具体需求优化建筑。然而，现有的CZB方法在输入数据和分类技术方面变得越来越异质化。本综述提供了迄今为止最全面的CZB综合，分析了111篇关键科学出版物和44份国家规范。与现有的CZB综述不同，后者使用广泛且不一致的气候变量和分类方案组合对研究进行分类，本文直接解决了任何气候分区的两个基本问题：“什么”被分类（输入数据类型）以及“如何”进行分类（方法和算法）。通过将输入数据与分类逻辑和质量目标联系起来，本综述为分析和比较异质的CZB实践提供了更清晰、更一致的基础。分析显示，当前CZB方法存在显著差异，预定义区间方法主导该领域，占所有方法的66.2%，其次是机器学习（ML）分类，占32.4%，而统计技术仅占1.4%。尽管基于性能的CZB应用日益增加，但仍有限，约占12%的案例。此外，指出了实现足够CZB映射质量的六大主要挑战。识别出少数新兴趋势和改进选项。最终，提出了一种标准化的基于机器学习的框架，为有效且具有韧性的CZB映射提供了结构化方法。

数据收集部分描述了使用Scopus数据库进行系统搜索，通过相关关键词过滤，最终纳入155篇文献，包括111篇科学论文和44个国家建筑规范。每个来源都按照统一的一组30个参数进行了数据提取，涵盖分类方法、变量、数据源等。文献分布显示自1990年后数量显著增长，表明CZB在可持续节能建筑设计中日益重要。

历史背景：现代气候分类起源于19世纪，K?ppen-Geiger（KG）分类成为全球最广泛使用的框架。20世纪初，国家建筑规范开始出现，逐渐包含能效要求。ASHRAE标准基于年平均温度、降水和度日指标，被许多国家采用。CZB已成为建筑规范的基础工具，用于统一建筑标准并设定差异化要求，同时也参与全球标准制定。

理解CZB方法论：本节引入了一种新的分析框架，关注“什么被分类”（输入数据类型）和“如何分类”（分类方法）。框架包括四个主要方面：功能目的、输入数据类型、分类方法、验证。通过该框架能更清晰比较不同方法。CZB的功能目的分为基于性能的（41.7%）、基于规范的（43.3%）和被动设计指南（15%）三类。输入数据主要分为气候变量及其衍生物（如空气温度（AT）、相对湿度（RH）、度日（DDs））和建筑能耗数据。气候变量中AT和DDs最常用，数据主要来自国家气象服务（68.4%），观测期平均25-30年。建筑能耗数据（BES）虽仅占12%，但整合趋势增加，用于识别重要气候变量、形成性能基础CZB以及验证。分类方法包括预定义区间（PIC）占66.2%，机器学习（ML）占32.4%，统计技术占1.4%。PIC方法（如ASHRAE、KG、中国规范）使用固定阈值，透明度低，阈值定义缺乏系统证明。ML方法（主要是K-means聚类（KC）和层次聚类（HC））能处理多变量，性能优于PIC，但存在过拟合与对初始化敏感等风险。统计技术极少使用。CZB质量评估与验证分为聚类特定指标（如轮廓系数（SS）、Calinski-Harabasz指数（CHI）、Davies-Bouldin指数（DBI））和基于性能的验证（如误分类百分比（MPMA）和气候分区误分类指数（CZMI））。基于性能的验证通过建筑能耗数据评估各区域性能唯一性，ASHRAE等系统在验证中显示不足。

关键挑战：六大挑战包括：（1）CZB的详细程度，涉及数据分辨率和离散化，75%的研究使用少于285个站点，高分辨率数据整合不足，建议使用气候模型和遥感数据。（2）气候区之间的重叠，离散分类导致过渡区误分类，建议使用连续气候分区指标如气候严重指数（CSI）。（3）空间连续性，传统聚类忽略地理邻近性，建议使用空间聚类算法如SKATER或DBSCAN。（4）气候变化，静态CZB不适用未来气候，10%的研究涉及未来情景，需要动态CZB定期更新。（5）CZB方法的标准化，提出了一个基于ML的标准化框架，包括数据收集、预处理、聚类、验证、映射。（6）CZB的可扩展性和实施挑战，技术障碍如计算成本和数据稀缺，制度障碍如专家缺乏和治理碎片化，影响从研究到法规的转化。讨论部分总结了主要发现：PIC主导但ML精度更高；性能验证是重要进展；挑战包括分辨率、重叠、空间连续性、气候变化、标准化、可扩展性。强调方法透明度和公平性，提出未来方向包括整合高分辨率气候模型、未来气候情景、动态CZB框架，以及标准化方法。