《City and Environment Interactions》:Influencing factors of urban wind environments in comprehensive functional areas along subway corridors
编辑推荐:
在快速城市化的背景下,热岛效应和通风不良引起的微气候退化已成为城市可持续发展的重要挑战。本研究以中国沈阳青年街地铁走廊沿线的综合功能区为研究区域,结合多季节CFD(计算流体力学)模拟、城市街区形态指标、XGBoost(极限梯度提升)机器学习模型和SHAP(沙普
在快速城市化的背景下,热岛效应和通风不良引起的微气候退化已成为城市可持续发展的重要挑战。本研究以中国沈阳青年街地铁走廊沿线的综合功能区为研究区域,结合多季节CFD(计算流体力学)模拟、城市街区形态指标、XGBoost(极限梯度提升)机器学习模型和SHAP(沙普利加性解释)可解释性方法,系统评估了街区尺度形态因素对近地面风环境的影响机制。结果表明,研究区域的风环境表现出显著的季节变化和空间异质性。静风区面积排序为夏季>冬季>秋季>春季。研究区北部高密度街区的通风条件相对较弱,而舒适风区主要分布在南部主要道路和开放空间沿线。进一步分析表明,围合度、天空开阔因子、迎风面积指数、建筑密度、建筑高度、建筑体量密度、绿地率和不透水面率是影响风环境的主要形态因素,且其影响表现出明显的季节敏感性。高围合度的城市形态在夏季显著抑制通风,而冬季风环境则更依赖于道路网络对气流的引导和空间开放性。SHAP边际效应结果进一步揭示了关键形态因素的非线性响应和阈值特征。例如,当围合度约为2、建筑密度约为0.3、天空开阔因子高于0.85、绿地率高于0.3时,部分指标对风环境的影响发生显著变化。本研究验证了XGBoost-SHAP方法在城市风环境建模中的可解释性和适用性,揭示了城市街区形态对风环境的非线性影响机制,为面向通风优化和微气候改善的高密度城市街区规划提供了定量证据和方法参考。
**城市街区形态与风环境:基于XGBoost-SHAP方法的多季节非线性响应机制研究**
**1. 研究背景与问题提出**
随着城市化进程的持续推进,城市局部气候与环境条件发生了显著变化,表现为风速降低、气流恶化、城市热岛效应加剧以及空气污染物积聚等问题。风环境作为调节城市热通量与污染物扩散的关键因素,在城市设计与规划领域受到广泛关注。良好的风环境不仅有助于缓解城市热岛效应,还能降低空气污染物浓度,对提升人体舒适度和空气质量具有积极作用。
现有研究主要从城市尺度、街区尺度和建筑尺度三个层面开展风环境研究。城市尺度上的研究主要聚焦于通风廊道构建与通风潜力评估,但多数研究基于静态评估和经验性规则,缺乏对季节变化的动态识别和微观层面的机制探讨。街区尺度上的研究主要关注建筑密度、容积率、围合度、建筑高度等指标与风环境之间的定量关系,但多依赖单一季节模拟和线性方法,未能系统探索多季节条件下形态因素的非线性响应机制。建筑尺度上的研究则集中于建筑朝向、底层架空、形体设计等对风环境的调节作用,但多聚焦于单点干预或定性分析,难以支撑街区层面的多因素耦合分析和综合通风策略制定。
在研究方法方面,从早期的风洞试验和现场实测,发展到基于CFD的数值模拟方法,近年来机器学习与可解释模型逐渐被引入城市微气候研究。然而,传统线性回归方法难以处理多因素耦合关系和变量间的非线性响应特征,而CFD模拟虽能刻画风场的空间分布,却难以解释多形态因素对风环境的相对贡献和边际效应。此外,现有研究多关注单一季节、单一工况或静态空间布局,对风环境的季节差异和季节主导因素的动态识别关注不足。规划建议也多停留在定性层面,缺乏从定量阈值向空间形态控制策略的转化。
**2. 研究目标与研究设计**
基于上述研究空白,本研究以沈阳青年街地铁廊道沿线的综合功能区为研究对象,该区域代表了高密度、功能高度复合的典型城市区域。研究旨在建立兼具预测能力和解释能力的风环境建模框架,明确形态因素的季节优势性和非线性影响机制。具体研究目标包括:(1)基于CFD模拟结果分析研究区域四季风环境的空间分布格局,识别静风区、舒适风区和主要通风廊道;(2)构建包含二维平面指标、三维垂直指标和建筑形体构成指标的街区形态指标体系,运用XGBoost-SHAP方法量化不同形态因素的相对贡献及其季节变化;(3)基于SHAP边际效应识别主要形态因素的非线性响应区间和关键阈值,并结合CFD流场结果进行空气动力学机制解释;(4)将模型识别的阈值结果转化为空间布局、界面控制、建筑退线和开放空间组织等方面的规划建议。
**3. 研究方法概述**
研究人员综合运用了多种关键技术方法。首先,在数据获取方面,使用了2013-2023年沈阳国家与区域气象站的气候观测数据以确定季节风环境参数;于2024年冬季晴天开展了现场实测,使用Kestrel 5500手持气象站在11个测点记录了1.5m行人高度处的风速、风向、气温和湿度数据,用于模型验证;并基于实测形态、地形和粗糙度数据开展了PHOENICS数值模拟。在模拟设置方面,计算域在建筑最大高度(H)基础上外扩2H,采用6m指数加密网格,在1.5m行人高度内保证至少三层网格,入口风廓线采用幂律分布(α=0.22)。其次,根据道路中心线和用地边界将研究区域划分为174个街区单元,计算了16项街区形态指标,包括二维指标(围合度、道路网密度、绿地率、不透水面率、平均建筑间距、用地类型、建筑密度)和三维指标(平均建筑高度、容积率、最大建筑高度、高宽比、建筑高度差、迎风面积指数、天空开阔因子、建筑体量密度、墙体密度)。此外,构建了XGBoost、随机森林、CatBoost和LightGBM四种机器学习模型进行性能比较,最终采用XGBoost-SHAP方法进行变量重要性和非线性边际效应分析,并通过相关性分析和方差膨胀因子(VIF)检验进行变量筛选。
**4. 研究结果**
**4.1 城市风环境的空间分布特征**
CFD模拟结果显示,研究区域的风环境呈现显著的季节变化和空间异质性。春季风速最高,分布范围最广,主要道路和开放空间沿线的气流较强,通风性能最佳;秋季风速分布相对均衡,通风条件稳定;冬季受盛行北风影响,整体风速适中,但北部高密度区域因高层和密集建筑阻挡导致通风不良;夏季风速最低,整体通风最弱,尤其在围合度高且建筑密集的区域。空间上,建筑密集的城市街区风速显著降低,而绿地、街道交叉口和滨水区等开放空间风速较高。青年街全年均作为主要通风廊道,增强了区域气流循环。静风区面积排序为夏季>冬季>秋季>春季,主要集中在北部高密度街区;舒适风区分布模式为春季>秋季>冬季>夏季,主要沿南部主要道路和开放滨水区域稳定分布。模型验证结果显示,冬季实测与模拟风速差值为-0.25至-0.09 m/s,R2为0.868,RMSE为0.122 m/s,一致性指数(d)为0.950,表明PHOENICS模型能合理再现研究区域行人高度风速的空间差异。
**4.2 机器学习模型选择结果**
模型性能比较显示,基于混合季节样本,XGBoost模型的R2值为0.4636,略高于随机森林(0.4243)、CatBoost(0.4442)和LightGBM(0.4520)。尽管XGBoost的MAE和RMSE并非最低,但综合考虑其捕获非线性关系的能力、多变量交互作用处理能力和与SHAP方法的兼容性,研究采用XGBoost-SHAP框架进行分析。变量筛选方面,通过VIF检验和相关性分析,剔除了与建筑形态高度相关的容积率、最大建筑高度和墙体密度指标,保留的13项变量VIF值均低于10,多重共线性在可接受范围内。进一步构建的季节性模型显示,春季模型的R2为0.9483,夏季为0.9498,秋季为0.8301,冬季为0.7186,表明季节模型在统一风向下能更稳定地表征形态因素与风速的关系。
**4.3 街区形态指标的影响机制分析**
**4.3.1 街区形态指标重要性排序**
基于四季XGBoost-SHAP模型的平均绝对SHAP值,识别出8个主导形态指标:围合度(ED)、天空开阔因子(SVF)、迎风面积指数(FAI)、平均建筑高度(BH)、建筑密度(BD)、建筑体量密度(BVD)、绿地率(GSR)和不透水面率(ISR)。其中,ED、SVF、GSR和ISR主要代表街区的水平结构和下垫面特征,强调开放性和生态绿化对气流扩散的影响;FAI、BH、BD和BVD描述建筑环境的垂直尺度、体量和空间配置,反映建筑形态和空间形式对街区内气流组织的调节作用。
**4.3.2 街区形态因素的正负影响**
夏季,围合度(ED)、建筑密度(BD)和平均建筑高度(BH)为强负向贡献因素,高围合度、高密度和大体量建筑显著抑制通风效率,促进静风区形成;而天空开阔因子(SVF)和绿地率(GSR)对风速产生正向影响。冬季,道路网密度(RD)呈现显著正向效应,促进气流廊道的形成和冷空气输送;而ED和不透水面率(ISR)为负向影响,围合空间和高硬质表面比例削弱冬季通风能力。春季,迎风面积指数(FAI)为敏感变量,当建筑朝向和空间组织不佳时对气流产生负面干扰。秋季,建筑高度(BH)和建筑体量密度(BVD)呈现正向贡献,SVF保持稳定正向效应。总体而言,负向效应主要与高密度、高围合空间相关,正向效应源于开放布局、绿地和连接良好的道路网络,体现了城市风环境受“阻挡-疏导”双重机制共同调控。
**4.3.3 主导因素的非线性解释**
SHAP依赖图分析揭示了关键形态指标的非线性阈值特征。二维空间指标中,围合度(ED)和建筑密度(BD)与风速呈稳定负相关,当ED>2或BD>0.3时通风能力急剧下降。绿地率(GSR)呈“低值抑制-高值促进”模式,GSR>0.3时出现显著正向效应。不透水面率(ISR)在高硬质化区域(ISR>0.85)导致严重通风衰减。用地类型(LUT)显示,低密度公共服务和绿地空间对应较好通风,高密度居住区倾向形成弱风环境。三维空间指标中,平均建筑高度(BH)呈“负-正转变”效应,30-60m高度范围内通风最优。天空开阔因子(SVF)为持续正向影响,在SVF>0.85时显著增强。迎风面积指数(FAI)呈U形响应,中等值(0.3-0.6)阻碍气流,极端值通过引导流通路径促进空气流动。建筑体量密度(BVD)在超过10-15时呈现强正效应,表明特定配置下的大体量建筑可增强垂直空气混合。CFD流场对比分析进一步表明,架空、架空和阶梯式裙房形式对高层遮蔽型街区的静风区改善效果优于坡形、间断和初始场景,验证了底层通透性和迎风界面连续性对近地面风环境的关键作用。
**5. 讨论**
**5.1 主导因素的显著季节差异与机制洞察**
与传统研究多采用单一季节或静态布局不同,本研究通过四季XGBoost-SHAP模型的比较分析,识别出街区形态因素对风速影响的显著季节差异。夏季围合度SHAP值最高,建筑密度和平均建筑高度也呈强负效应,高密度大体量街区放大了静风区范围;冬季围合度和道路网密度为主要贡献因素,道路网密度增加支持通风廊道形成;春季和秋季模型呈现过渡特征,反映了多因素协同的稳定化机制。研究填补了过渡季节调节机制的研究空白。
**5.2 关键因素的非线性机制与阈值响应**
边际效应分析定量捕获了关键形态变量的非线性趋势和临界值。ED<2时对风速呈正向影响,ED>2后通风迅速下降;SVF>0.85时边际效应急剧增加;FAI呈显著U形响应,0.3-0.6范围为低效通风区;BD>0.3和ISR>0.85时风速显著下降;BVD和BH分别在10-15和30-60m范围内呈现最优正向效应;GSR>0.3时边际效应显著增加。这些阈值研究为街区形态优化提供了定量参考。
**5.3 风环境的规划应用**
研究识别的阈值需结合具体街区肌理、盛行风向、道路系统和更新条件综合评估。对于新建区域,可将阈值转化为建筑密度、街区开敞度、退线宽度、建筑高度组合和迎风界面设计等控制要求。对于既有建成区域,更适合通过局部退线、界面打断、底层架空、口袋广场、阶梯裙房和通风节点连接等增量更新方式改善通风条件。
**5.4 研究局限**
CFD模拟主要关注街区形态对近地面风速的空气动力学效应,未考虑太阳辐射、地表热通量、建筑表面温差和热浮力等热过程。现场实测数据主要用于典型条件下的模型验证,测量时长和样本量有限,可能无法完全代表长期和多季节的实际风环境变化。XGBoost-SHAP方法识别的关系主要反映统计关联而非严格因果关系,结论基于沈阳青年街廊道特定的城市形态、气候条件和街区结构,未来研究可结合多尺度街区划分、风洞试验、高精度实测和不同气候区比较研究进一步验证。
**6. 研究结论**
本研究整合CFD模拟、XGBoost建模和SHAP解释方法,系统评估了沈阳青年街地铁廊道综合功能区街区尺度形态因素对城市风环境的影响。主要结论如下:(1)城市风环境存在显著的季节和空间差异,春季风速最高,秋季适度均衡,夏季最弱,静风区集中在北部高密度街区,青年街轴线和滨水开放空间全年维持强通风廊道功能。(2)形态因素对风速的影响表现出季节敏感性,高围合度、高密度和高不透水性在热季显著抑制通风,冷季通风更依赖道路网络连通性和空间开放性,春秋季呈现过渡性平衡机制。(3)关键形态因素呈现明显的非线性边际效应和阈值响应,ED≤2时通风有利,SVF≥0.85显著增强气流,FAI存在0.3-0.6的低效区间,BH在30-60m范围内表现最优,BVD和ISR超过各自阈值后呈强抑制作用。本研究验证了机器学习与物理模拟相结合在城市风环境分析中的潜力,为复杂城市区域的形态优化和精细化空间干预提供了定量依据,对推进可持续城市设计和适应性气候治理具有重要理论价值与实践意义。