大学校园作为城市空间的特殊功能区，是承载教师和学生进行科研、学习和生活活动的场所。一些研究表明，不适宜的校园气候环境会降低其工作效率，甚至严重威胁身体健康^[1-2]。大学生人群年龄段集中于18～22岁，这部分人群作为一个特殊的群体，正处在学习任务重、新陈代谢旺盛的重要阶段，对适宜的校园环境需求更高。相较其他地区，夏热冬冷地区随季节跨度环境温湿度变化大，对人体影响更为显著。因此，在夏热冬冷地区的气候和环境背景下进行校园气候研究与评价具有现实意义。很多学者已经对校园热环境开展了一系列研究，杨丽娜等^[3]发现过渡季节中校园内不同景观处人体热舒适度有所差异；赵凌君等^[4]研究了广州地区校园夏季室外热舒适状况，并建立了当地室外热舒适评价模型；金铭^[5]、乔琢珂^[6]对改善校园热环境提出了不同优化方案；高云飞^[7]则对利用生理等效温度(Physiological Equivalent Temperature，PET) 指标对湿热地区冬季校园室外热环境进行评价。

而在城市规划领域，已有许多研究表明，城市微气候会受到天空角系数^[8](Sky View Factor，SVF)、街道高宽比^[9](Aspect Ratio, AR)、下垫面材料^[10]等地表形态特征的影响。因此，合理配置城市空间中的上述地表形态特征参数能更有效地改造城市微气候，为城市居民营造一个宜居的生活空间。然而，目前的研究很少从地表形态参数的角度对校园微气候进行改造，以达到改善大学生人群室外热舒适条件的目的。因此，本文采用现场实测的方式，基于上海某大学校园中不同的建筑格局和景观配置条件下，通过热感觉问卷、气象测试、移动观测对上海高校室外热环境及热舒适情况进行评价，针对室外物理参数与主观问卷投票进行讨论分析，面向大学生人群为夏热冬冷地区校园室外热环境优化提供理论依据。

上海地处中国东部的长江三角洲(东经120°52′～122°12′，北纬30°40′～31°5′) ，具有四季分明、日照充足、雨量充沛的亚热带季风气候特点，是中国夏热冬冷地区的典型城市。全市年平均气温约18.3 ℃，年平均降水量1271.9 mm。为综合分析大学校园不同的建筑格局和景观配置条件下微气候条件及其对大学生的室外热舒适特性，本研究选取了上海某典型大学校园，位置如图1所示。该大学校园的占地面积约为0.24 km²，该学校建筑格局设计能够体现校园集群中的典型设计元素，如建筑连廊、草坪绿地、树荫广场、步行小巷等。

图 1(Figure 1)

图 1 上海某大学校园测点分布图 Figure 1 Distribution map of measuring points in the campus in Shanghai

本研究综合建筑格局、植被类型、空间形态等层面，选取了9个典型的局部公共空间为研究对象(如图1所示)，采用气象站固定点实时监测的方法进行实地气候环境测试，包括空气温度、相对湿度、风速及黑球温度。其中，1号测点被中低层建筑和草坪包围；2号测点位于中高层建筑区；3号测点周围为灌木丛及草地等植被；4号测点位于不同高度混合建筑区；5号测点位于高大建筑前广场；6号测点周围为部分建筑群和开敞绿地；7号测点被密集高层建筑包围；8号测点四周均为中低层建筑；9号测点被中高层建筑包围。

目前在室外热舒适领域已经有许多基于人体热平衡方程的热舒适指标，如预测平均投票(Predicted Mean Vote，PMV)、标准有效温度(new Standard Effective Temperature, SET*)、通用热气候参数(Universal Thermal Climate Index, UTCI)和生理等效温度(Physiological Equivalent Temperature, PET)等。其中PET指标综合考虑了空气温度、相对湿度、风速及平均辐射温度等环境因素，能比较准确地反映人们在外部复杂的热环境中的热感受，具有推广意义^[11]。故本研究选取生理等效温度指标PET作为人体热舒适评价指标，并利用RayMan^[12]软件计算得出。

本次实测共测量9个固定测试点处的气象参数，分别为空气温度、相对湿度、风速和黑球温度，均由仪器直接测量得到，测量方式及精度满足国际标准ISO 7726-1998，测试仪器的型号及参数见表1。

表 1(Table 1)

表 1 主要测量仪器及参数 Table 1 Measuring instruments and parameters 测试仪器 测量参数 测量范围 精度 JTR08C温湿度测试仪 空气温度ta/℃ 相对湿度RH/% −40~100 0~100 ±0.2 <±5 ZRQF型智能热球风速计 风速/(m·s−1) 0.05~30 ±(4%±0.05) JTR04黑球温度仪 黑球温度/℃ 5~120 ±0.2

表 1 主要测量仪器及参数 Table 1 Measuring instruments and parameters

由于本研究关注最难以忍受的夏季高温高湿环境，实测时段应满足夏热冬冷地区夏季典型气候特征，同时实测时段气象条件应保持稳定，避免出现雷雨大风等不利天气。因此本研究选取了上海夏季时段中符合上述天气条件的2017年8月13日作为实测日期，表2为当日背景气象数据，来源为中国气象数据网。气象参数的实测测量时段为9:00～17:00，每间隔1 min进行记录，数据采集时将传感器探头放置于1.5 m人行高度处。Rayman模型程序需要的气象参数为空气温度t_a、相对湿度RH、风速WS及平均辐射温度t_mrt。其中平均辐射温度t_mrt由测量得到的空气温度t_a、黑球温度t_g和空气流速V通过下式计算得到(ISO7726standard)：

表 2(Table 2)

表 2 2017年8月13日上海地区背景气象数据 Table 2 Average meteorological data for August in Shanghai 平均气温/ ℃ 最高气温/ ℃ 最低气温/ ℃ 平均相对 湿度/% 平均风速/ (m·s−1) 最大风速/ (m·s−1) 30.8 34.1 27.4 72 2.1 5.4

表 2 2017年8月13日上海地区背景气象数据 Table 2 Average meteorological data for August in Shanghai

式中：t_mrt为平均辐射温度，℃；t_g与t_a分别为黑球温度和空气温度，℃；V为空气速度，m·s⁻¹；D为黑球半径(本文采用标准黑球，直径为0.15 m)，m；ε为黑球吸收率(本文取0.95)。

主观问卷调查与环境参数测试同时进行，从气象站固定点附近随机选取受试者，向他们简单介绍本问卷的基本情况，并在2 min内完成问卷，以避免因热环境的变化导致人体热感觉的改变。问卷内容主要包括受试者个人信息和热环境感受两部分。个人信息部分涵盖了受试者的基本身体情况(性别、年龄、体重、身高)及填写问卷时的活动状态与服装热阻，热环境感受则是热感觉投票TSV(Thermal Sensation Vote)。热感觉投票为连续的ASHRAE七级标尺，以力求更清晰地记录受试人员对热湿环境的反应。标尺范围从“−3”到“+3”，分别对应了热感觉的“非常冷”到“非常热”。调查对象选取了在该大学中学习生活的学生，总调查数量为441人次，男女比例基本均衡。

由于固定测试不能对实测区域进行空间范围的连续测试，无法获取全校园范围温湿度数据以用于后续相关性分析，因此除1.1节中进行测量9个固定测试点处气象参数外，本研究采用移动测试法对全校园范围的温湿度参数进行测量。移动测试利用自行车作为移动工具，尽量保持匀速行驶(约15 km/h)，并配备GPS定位设备及HOBO U23-002温湿度记录仪器以分别获取测试人员实时位置与对应热湿环境参数。测试时段为早上9:00至下午5:00，以每小时整点时刻进行一次移动测试，共得到了9次测试数据，每次移动测试的测试周期为20 min左右。图2表示了温湿度移动测量的移动路线。

图 2(Figure 2)

图 2 移动测量路线图 Figure 2 Mobile measurement roadmap

进行移动测试后，将温湿度记录仪得到的实地温湿度与移动路径实时GPS进行匹配，得到了移动测试路线沿途的温湿度分布。由于移动测试时测量的温湿度数据是移动设备沿着测试路线逐时获取，因此同一路线上的数据具有非同时性，不能直接进行分析，在进行后续分析前需要进行时间修正。本研究使用“考虑下垫面特性的时空修正模型”^[13]，对移动测试获得的温湿度分布数据进行了同时性修正，将实际移动测试中同一条路径获得的不同时温湿度数据修正为整点同时性数据。

随后将修正后的移动测试温湿度数据输入至Arcgis软件中，通过ArcGIS中的空间分析模块，对温湿度点数据进行空间插值，以此获得整个校园范围内人行高度处空气温湿度的分布。

根据校园内建筑参数与下垫面形态参数等地表形态特征参数，包括反映建筑形态的天空角系数(Sky View Factor, SVF)、街道峡谷高宽比(Aspect Ratio, AR)、平均建筑高度(Height of Roughness Elements, HRE)，以及反映地表覆盖类型的建筑密度(Building Surface Fraction, BSF)、透水表面比率(Pervious Surface Fraction, PSF)与不透水表面比率(Impervious Surface Fraction, ISF)，将校园划分为14个局地区块，关于每个参数详细的收集与计算方法如表3所示。之后使用Arcgis中的“分区统计工具”，获取校园人行高度处14个局地区块的平均温湿度统计值。图3表示了该校园的局地区块划分结果，图4表示了各局地区块的地表形态参数的统计分布。

表 3(Table 3)

表 3 地表形态特征参数的收集与计算方法 Table 3 Collection and calculation method of surface morphology characteristic parameters 参数 收集途径 计算公式 公式说明 SVF 使用SAGA-GIS软件直接计算[14] — —— AR 建立三维模型结合实地考察 $ {\rm{AR}}=\dfrac{H}{W} $ 式中： $ H $ 代表区块中街道峡谷的高度，m； $ W $ 代表区块中街道峡谷的宽度，m HRE/m 建立三维模型结合实地考察 ${\rm{HRE} }=\dfrac{{\displaystyle\sum }_{i=1}^{n}{h}_{i} }{n}$ 式中： $ {h}_{i} $ 代表区块中建筑的高度，m； $ n $ 代表区块中建筑的数量 BSF/% 借助谷歌地球卫星影像及相关地图软件的建筑信息图 $ {\rm{BSF}}=\dfrac{{S}_{{\rm{b}}}}{{S}_{{\rm{total}}}} $ 式中： $ {S}_{{\rm{b}}} $ 代表区块中建筑的基底轮廓面积，m2； $ {S}_{{\rm{total}}} $ 代表区块的总面积，m2 PSF/% 借助谷歌地球卫星影像 $ {\rm{PSF}}=\dfrac{{S}_{{\rm{p}}}}{{S}_{{\rm{total}}}} $ 式中： $ {S}_{{\rm{p}}} $ 代表区块中的透水区域面积(裸土、绿植、水体等)，m2； $ {S}_{{\rm{total}}} $ 代表区块的总面积，m2 ISF/% 借助谷歌地球卫星影像 $ {\rm{ISF}}=\dfrac{{S}_{{\rm{i}}}}{{S}_{{\rm{total}}}} $ 式中： $ {S}_{{\rm{i}}} $ 代表区块中的不透水区域面积(沥青路面、裸岩地等)，m2； $ {S}_{{\rm{total}}} $ 代表区块的总面积，m2

表 3 地表形态特征参数的收集与计算方法 Table 3 Collection and calculation method of surface morphology characteristic parameters

图 3(Figure 3)

图 3 上海某大学的局地区块划分结果 Figure 3 Local block divisions within the campus in Shanghai

图 4(Figure 4)

图 4 各局地区块地表形态特征参数分布图 Figure 4 The distribution chart of surface morphology characteristic parameters in each area

本次问卷调查共回收有效问卷441份，其中收到男性样本252份，女性样本189份。由于实测区域为大学校园，样本的年龄区间集中于18～24岁。测试周期内服装热阻的变化范围为0.4～0.7 clo，服装热阻均值为0.48 clo，人体代谢率的变化范围为58～200 W/m²，代谢率均值为131.9 W/m²。

根据受试人群夏季室外热感觉投票(TSV)分布(见图5)可知：热中性投票有14.97%，稍热、热、非常热的投票共有85.03%，其中选择稍热的投票的比例最高(31.97%) ，没有人感觉稍冷及以下。这表明大部分学生对室外热环境有不同程度的热感。

图 5(Figure 5)

图 5 受试人群夏季室外热感觉投票分布图 Figure 5 Distribution of outdoor thermal sensation vote in summer

为建立受试区域学生群体夏季热感觉模型，将热感觉投票TSV分别为 0、1、2、3时对应的生理等效温度PET以箱线图(见图6)形式进行回归分析，得到PET与TSV的线性关系，关系式为

图 6(Figure 6)

图 6 热感觉投票TSV与PET的相关性 Figure 6 Correlation between mean thermal sensation vote ( MTSV ) and PET

根据式(2)，当热感觉投票(TSV)为0即不冷不热时，对应的PET则为中性PET。因此计算得出实测区域受测人群的中性PET为30.60 ℃。该结果与目前一些研究的结果有所差异^{[3, 15]}，造成这种差异的原因可能是测试期间上海的背景气象温度较高，且大学生群体相较其他年龄层次人群对高温的耐受能力较高，因此提高了中性PET的阈值。

根据问卷调查情况，将问卷调查中受测人员的平均服装热阻和平均活动状态，与9个固定气象站记录的气象情况同时输入Rayman软件，获得了9个固定气象站处逐时PET分布(如图7(a)所示)与各测点全天PET分布(如图7(b)所示)。可以清楚看到，P1、P3与P4三个测点相较其余测点，PET曲线在11:00～14:00上升趋势比较明显，且P3测点高PET持续时间较长。而P6与P8的PET曲线比较平缓，峰值也是众测点曲线中最低，约为34.5 ℃。在不同地表形态特征参数配置下，PET曲线的峰值与变化有所不同。P1被中低层建筑和草坪包围，P3周围为灌木丛及草地等植被，比较空旷，容易受到太阳辐射的直接照射，不利于人体热舒适；在周围绿地景观与建筑的遮蔽下，P6附近活动的人员获得了较为适宜的热舒适；P8处虽然周围均为中低层建筑，但是围合程度较高，天空的开阔程度较低，获得太阳辐射相对较少，减缓了PET上升趋势；P4尽管位于建筑区，但建筑围合程度较低，一定程度降低了建筑对太阳辐射的遮蔽作用。以上地表形态特征的差异极大地影响了各空间测点的PET曲线变化差异。

图 7(Figure 7)

图 7 各测点全天PET逐时变化和分布图 Figure 7 Hourly variation and distribution of PET at each measuring point throughout the day

本文基于同时性修正后的移动路线温湿度测试结果，对受试区域各局地区块温湿度进行空间插值分析，并选取9:00、14:00、17:00三个具有代表性的时刻的空气温度与相对湿度的空间呈像进行分析，结果如图8所示。

图 8(Figure 8)

图 8 受试区域典型时刻空气温度与相对湿度的时空分布图集 Figure 8 The maps of temporal and spatial distribution of air temperature and relative humidity at typical time in test area

首先在时间尺度上对以上3个时刻进行对比，上午9:00时刻总体上各局地分区的空气温度较低，且趋于一致，分布范围为32.44～32.66 ℃；下午14:00时刻各局地分区的空气温度较高，分布范围为33.89～34.71 ℃且各分区出现较明显的空间异质性；而傍晚17:00时刻各局地分区的空气温度位于前两者之间，同时也表现了一定的空间差异。

从空间分布上，受试区域中各局地分区的空气温度存在差异，而这种差异性较明显地出现于14:00与17:00两个时刻。在14:00时，9号地块的温度最低(t_a=33.89 ℃) ，该地块开敞度低(SVF=0.312) 的特征使该局地区域所接收的太阳辐射较少，表现出了较低的气温；同时1号地块虽然建筑密度较低(BSF=28.5%) ，但是同样具有较低的开敞度(SVF=0.457) ，且地块内建筑高度较高(HRE=32.17 m) ，对太阳辐射同样具有比较良好的遮挡作用。而在17:00中，8号与13号地块的空气温度对比其他地块较高，造成这种现象的因素可能是两个地块都为空旷且低矮绿植充足地区，低矮植被对太阳辐射的遮蔽效果较差，同时透水地面也一定程度上降低了周围环境的降温效果。

对于相对湿度，在时间尺度上，受试区域在9:00时刻整体相对湿度较高，分布范围从56.48%到59.62%；而在14:00与17:00两个时刻中，相对湿度的分布范围较为接近，分别为51.20%～56.61%与53.88%～57.10%。造成以上两个时刻相对湿度低于9:00的原因是相对湿度受到空气温度的影响，而9:00时较低的空气温度令相对湿度上升。而在空间尺度中，8号与13号地块的相对湿度总体较高，这种现象的原因可能是这两个地块的植被产生的蒸腾对局地环境起到了加湿作用。

通过对上文计算得到的PET与固定气象站处测量得到的空气温度及相对湿度分别进行相关性分析，由图9可知，PET与空气温度之间呈现正相关，与相对湿度呈现负相关，相关系数分别为0.52和−0.37，且它们对应的显著性指标p均小于0.01，表明PET与空气温度及相对湿度均存在显著的相关性。该相关性分析说明局地气候参数对人体室外热舒适具有显著影响。从相关系数的绝对值可知，针对局地热舒适环境优化应更着重于抑制空气温度的上升。

图 9(Figure 9)

图 9 PET指标与空气温度和相对湿度相关性 Figure 9 Correlation between PET and air temperature and relative humidity

本文通过讨论地表形态特征参数对局地气候参数的量化关系，借此探究地表形态特征参数对夏季人体室外热舒适的影响。因此选取了地表形态特征参数SVF、AR、HRE以及BSF、ISF、PSF作为自变量，同时选取9:00、14:00、17:00三个具有代表性的时刻中的空气温度及相对湿度作为因变量，对各变量进行相关性分析。分析情况如图10、11所示。

图 10(Figure 10)

图 10 特定时刻空气温度与地表形态特征参数相关性 Figure 10 Correlation between air temperature at specific time and characteristic parameters of surface morphology

图 11(Figure 11)

图 11 特定时刻相对湿度与地表形态特征参数相关性 Figure 11 Correlation between relative humidity at specific time and characteristic parameters of surface morphology

由图10可知，在9:00时刻各地表形态参数与空气温度对应的显著性指标p均超过了0.05，表明在9:00时空气温度与这些参数之间没有显著性差异，出现这种情况的原因可能是9:00时各局地区域温度受背景气象因素影响较大，尚未开始显著升温。在14:00与17:00时，除ISF外的地表形态参数均对对应时刻的空气温度表现了显著的相关性，其中SVF在两个时刻均与空气温度产生了强烈的正相关性，这表明了天空开阔度高的区域会因缺乏对太阳辐射的遮挡，造成该区域的辐射得热增大，气温升高，同时PSF也对空气温度的升高具有较强的贡献作用，其原因可能是该地的植被多为灌木与低矮的乔木，对太阳辐射的遮蔽作用较弱。而除了SVF与PSF外，其余地表形态参数AR、BSF及HRE均对空气温度呈现负相关，这也表明密集的建筑群与高层建筑能缓解空气温度的提升。

此外，由图11可知相对湿度也会受到地表形态参数的显著影响。与空气温度不同，在9:00时刻相对湿度与SVF、AR、ISF、PSF及HRE显著相关，而在14:00与17:00时刻则与SVF、AR、BSF、PSF及HRE显著相关。SVF、AR、HRE等建筑形态参数反映了建筑的密集度与高度的增大不利于空气中水分的蒸散，导致相对湿度的增大。

综上可知，SVF与PSF的增大会提高局地分区的空气温度，而AR、BSF及HRE的增大有利于降低空气温度；对于相对湿度，SVF与PSF有助于增加相对湿度，而其余地表形态参数则会起到相反作用。如前文所述在对局地热舒适环境进行优化时应更侧重于抑制空气温度的上升，因此从改善人体室外热舒适的角度来说，在规划层面应对局地区域适当地考虑建筑形态的遮阳降温作用，减少低矮植被覆盖。

本文以上海某大学校园为研究区域，选取9个典型的局部公共室外空间为研究对象进行实地风热环境测试，并针对大学生群体进行了441人次的主观问卷调查，计算该校园学生群体PET热舒适指标；同时将研究区域划分为14个局地区块，对其热湿环境进行了移动测量，得出以下结论：

(1) 测试期间上海校园室外空间大学生群体热舒适对应的热中性PET值为30.60 ℃；调研学生群体的热舒适投票与PET呈现显著的一次线性关系。

(2) PET指标与室外空气温度、相对湿度分别呈现正相关与负相关的关系；进行室外景观配置时更应侧重室外热环境的改善。

(3) 通过地表形态特征参数与热湿气候参数之间的相关性分析可知，SVF与PSF对空气温度具有较为显著的正相关，而AR、HRE、BSF与空气温度之间呈现出显著的负相关。因此在校园规划设计时适当增加建筑密度与高度，合理提高建筑围合，并减少低矮绿植，这些措施可有效提高学生群体室外热舒适性。