绿化会对组团的微气候环境产生影响^[14-16],适宜的绿化可有效改善居住区中建筑周边的温度场和风场,从而直接影响到住宅建筑的运行能耗^[17-18],影响住宅建筑的运行碳排放,即通过节约能耗来降低建筑物的运行碳排放实现节能碳汇; 加之绿化本身的植物碳汇作用,形成综合减碳效应.

PM2.5的扩散浓度也受到微气候环境的影响,风速、温度、相对湿度等环境因素的变化均与PM2.5扩散浓度呈现显著相关性^[19-22],宅旁绿地通过对宅旁微气候的调节作用影响住宅建筑物周围PM2.5的扩散浓度.因而本次研究以宅旁绿地及建筑物周围微气候作为媒介因素展开,以此确定对住宅碳排放核算与住宅周围PM2.5扩散浓度之间协同研究的有效性,如图1所示,最终以PM2.5扩散分布浓度及综合碳汇作为协同判据,确定适宜宅旁绿地设计策略.

图1 研究框架
Fig.1 Research framework

碳排放核算是对研究对象的碳排放趋势及其影响因素进行评估的基础,碳排放核算需要同时对研究对象的碳源及碳汇进行考虑.针对本次研究,碳源主要为住宅建筑运行过程中所产生的碳排放,碳排放核算方法使用碳排放因子法,该方法来源于IPCC出版的《2006年国家温室气体清单指南》,其基本思路是使用碳排放因子(EF)与建筑物的能源消耗量(AD)相乘,进而得出二氧化碳排放量(E_m),对建筑物碳排放进行量化^[23],计算公式为

E_m=AD×EF

本文通过模拟得出不同绿地工况影响下的建筑物全年能耗,乘以陕西省电力二氧化碳排放因子0.769 0 kgCO₂/kw·h^[24],可得不同绿地工况影响下建筑物的全年运行碳排放量.通过无绿地基本工况全年运行碳排放量减去各绿地工况全年运行碳排放量得到各绿地工况节能碳汇(S_e),即节能碳汇(S_e)为各宅旁绿地工况影响建筑能耗降低产生的碳汇; 节能碳汇(S_e)与绿化工况自身的植物碳汇(S_p)相加,得到各绿地工况的综合碳汇(S_c),计算公式为

S_c=S_e+S_p

本次研究根据西安市住区常见植物^[6],确定工况中绿化植物采用乔木-女贞、灌木-小叶黄杨、草坪-早熟禾.女贞的碳汇量每棵为149.88 kg/a^[25],小叶黄杨碳汇量每平方米为7.53 kg/a^[26],早熟禾碳汇量为每方米为4.02 kg/a^[27],结合各绿地工况中乔木数量及灌木和草坪面积可得各工况全年植物碳汇量.通过节能碳汇量与植物碳汇量得到各工况综合碳汇量,最终使用综合碳汇量大小对各工况减碳效果进行评价比选.

通过对西安市188个居住区宅旁绿地情况进行调研,选取其中典型居住区进行测试,并依据测试小区建立住区基础模型,建筑布局形式为点群式,住宅建筑均为6层,高度18 m,建筑平面形式为矩形,宅旁绿地模型相对主体建筑为四周布置; 宅旁绿地模型主要参数包括绿地面积与绿地形式两部分,宅旁绿地面积由居住区绿地率决定,根据《城市居住区规划设计标准》GB50180-2018^[28]中规定的西安市不同建筑类别的居住区绿地率最小值为23%～35%,对不同绿地率居住区进行分类调研,确定了四种典型绿地率25%、30%、35%、45%及其控制下的宅旁绿地面积,结合目前西安市居住区内最常见的三种绿地形式乔灌、乔草、乔灌草,同时参考陈自新等^[29]对楼间绿地种植模式的研究成果建立宅旁绿地模型.

模型建筑参数与实测住宅楼栋保持一致,气象数据以中国标准气象数据(CSWD)中西安市典型气象年作为初始天气数据,选择典型气象日作为Envi-met软件的输入气象条件,模拟不同绿地工况影响下的宅旁微气候变化,然后将Envi-met模拟结果中建筑周围逐时平均气温、相对湿度和平均风速输出作为二次能耗模拟的边界条件,模拟不同宅旁绿地面积及绿地形式影响下的建筑物冷热负荷及能耗量的变化,能耗模拟与微气候模拟使用相同典型模型,以满足后续协同分析的数据要求.具体模拟参数设置见表1:

表1 软件参数设置
Tab.1 Software parameter Settings

为了验证模型设置的准确性,将模拟所得的人行高度(1.5 m)处空气温度、相对湿度以及PM2.5浓度与实测值进行对比,分析模拟值与实测值趋势变化及差值大小.

测试建筑位于西安市莲湖区旭景新港小区,小区以多层住宅为主,测试时间冬季为2021年1月8日12:00—1月11日11:00,夏季为2021年7月30日12:00—8月2日11:00,测试时长均为72 h,测试期间天气晴朗且前后几日无降雨,为西安市冬夏季典型气象,实验设置五个监测点,测点1位于小区中心绿地区域,测点2位于广场硬质铺装区域,测点3位于宅旁绿地区域,测点4位于宅旁乔灌草区域,测点5位于宅旁硬质铺装区域.测点高度均为1.5 m,测试中温度、湿度与风速的测量同步进行,使用TES1341测试仪来测量,人工记录数据; PM2.5的测试与温湿度和风速的测试同时进行,使用的是英国CASELLA CEL-712粉尘测定仪.

根据实测住宅设计参数及其周围现状,建立Envi-met模型,模拟开始与持续时间均与实测相同.模拟边界条件来源于西安市气象站公布的气象环境数据及国控站点空气质量监测数据,模型内植物高度和树冠宽度根据现场实际情况确定.对比结果见图2、图3,篇幅所限只取部分典型时刻的数据对比.

将模拟与实测数据进行对比,空气温度、湿度及PM2.5浓度的模拟值与实测值变化趋势一致.由图2、图3可以看出,温度模拟结果与实测值的平均差值为0.2 ℃,小于同一测点实测值变化幅度的3%; 湿度模拟结果与实测值平均差值为1.88%,差异值不足2%; PM2.5浓度模拟结果与实测值之间的平均差值为11.57,差异值不足实测平均浓度值的3%,因此该模型的参数和边界条件设置合理,可以利用该模型进行不同宅旁绿地工况的比较研究.

图2 温度、湿度对比
Fig.2 Comparison of temperature and humidity

图3 PM2.5浓度对比
Fig.3 PM2.5 concentration comparison

研究工况共确定了13种,包括1个无绿地的基本工况和12种不同的宅旁绿地工况,各宅旁绿地工况除绿地面积及绿地形式变化外,其余模拟条件均相同; 宅旁绿地平面布局相对目标建筑均为四周布置,工况中乔木高度均为5 m,灌木高1 m,草高0.2 m,乔木数量在绿地面积相同时保持不变,灌木与草坪面积比在乔灌草工况中均为1:1,其余工况为整体覆盖.具体工况设置见表2:

表2 模拟工况设置
Tab.2 Simulated working conditions settings

图4为各绿地工况影响下的微气候因素对比.由图可以看出不同宅旁绿地面积和绿地形式对宅旁微气候的改善效果不同.从不同绿地率控制下的宅旁绿地面积来看,绿地率由25%增加到30%的过程中,对风速的改善并不明显,但对温度与湿度的影响增大; 由30%增至35%时,对微气候的影响显著增大; 由35%增加至45%时,对温度的影响增幅较大,而对风速及湿度的影响增幅则较小.从不同绿地形式分析,对风速的降低作用乔灌>乔灌草>乔草,对温度及湿度的影响,在绿地率25%时对温度的影响乔草>乔灌>乔灌草,对湿度的影响乔灌>乔草>乔灌草,绿地率30%及以上时对温度及湿度的影响均为乔灌>乔灌草>乔草.

图4 微气候因素对比
Fig.4 Comparison of microclimate factors

图5为各绿地工况影响下的住宅周围PM2.5扩散浓度.图中各工况PM2.5浓度均小于A0,可知各工况在全年均可降低住宅周围平均PM2.5浓度,并且由图可以看出绿地对PM2.5浓度的降低效果呈现季节性差异,其影响效果按季节排序为秋季>夏季>春季>冬季.从宅旁绿地面积来看,随着绿地率增大时宅旁绿地面积的逐渐增加,各工况对PM2.5浓度的降低作用亦随之增大,即宅旁绿地面积越大,住宅周围PM2.5浓度也越低.从不同绿地形式来看,面积相同的情况下不同绿地形式对PM2.5浓度的降低效果为乔灌>乔灌草>乔草.即,宅旁绿地对住宅周围PM2.5扩散浓度的降低作用在秋季更为明显,平均降低浓度值为0.39 ug/m³; 增大宅旁绿地面积也可降低住宅周围PM2.5扩散浓度; 在绿地面积一定的情况下,乔灌形式绿地降低PM2.5扩散浓度效果最好,其次是乔灌草形式,乔草形式效果较差,模型工况下,乔灌形式绿地的PM2.5浓度降低幅度平均为乔草形式的120%.

图5 PM2.5扩散浓度对比
Fig.5 Comparison of PM2.5 diffusion concentration

图6为各绿地工况影响下的住宅全年运行能耗对比图,由图可知,以无绿地基本工况(A0)建筑能耗量为基准,各绿地工况均通过宅旁微气候调节作用降低了建筑能耗,其中节约能耗最多的工况为绿地率35%时的乔灌绿地形式,可节约能耗5 332.79 kw·h/a.

图6 建筑能耗对比
Fig.6 Comparison of building energy consumption

从宅旁绿地面积来看,绿地率由25%增大至45%,当绿地形式为乔灌与乔草时,35%时节能最多能耗最低,45%次之; 绿地形式为乔灌草时,住宅能耗随着绿地面积增加一直呈下降趋势,在25%时能耗最高节能最少,节能量为2 504.63 kw·h/年,45%时能耗最低节能最多,节能量接近绿地率25%时的两倍,这是因为随着绿地率增大,宅旁绿地面积逐渐增加,绿植可以在更大范围内发挥其微气候调节作用.

从不同绿地形式来看,在绿地面积相同的情况下,乔灌形式相比其他两种形式影响下的建筑能耗最低,节能量最大,这是因为种植面积相同时,灌木的三维绿量远高于草坪,因此灌木所占面积较大时对微气候的调节作用更显著; 乔草与乔灌草两种形式略有不同,在绿地率为25%时,乔草形式影响的建筑能耗低于乔灌草,绿地率为30%及以上时,乔灌草形式影响的建筑能耗则低于乔草,与乔草与乔灌草对温湿度的影响结果相一致,进一步证实了宅旁绿地通过微气候调节影响建筑物能耗的有效性.

图7为各绿地工况影响下的节能碳汇、植物碳汇及综合碳汇对比图.如图,节能碳汇曲线随着绿地率增大到35%后趋于平稳,植物碳汇曲线则随着绿地率的增大持续上升,二者在绿地率为25%且绿地形式为乔草时接近1:1,表明该工况下绿地发挥的节能效应与其固碳效应基本持平; 绿地率超过25%及以上时,植物碳汇为节能碳汇的2～4倍不等,在绿地率45%且绿地形式为乔灌时,差值达到最大,为节能碳汇的4倍以上,表明绿地率超过25%后,植物的生态效应主要体现在其本身的固碳作用.

图7 综合碳汇对比
Fig.7 Comparison of integrated carbon sinks

在绿地面积相同的情况下,乔灌形式相比其他两种形式的节能碳汇和植物碳汇均为最大,因而其综合碳汇也最大.乔草与乔灌草的节能碳汇在不同绿地率工况下呈现不同的变化趋势,绿地率25%时乔草的节能碳汇大于乔灌草,而绿地率超过25%时乔灌草的节能碳汇大于乔草,结合植物碳汇的变化可知,当绿地面积相对较小时,绿地减碳作用乔灌>乔草>乔灌草,当绿地面积相对较大时,绿地减碳作用乔灌>乔灌草>乔草.

由图7还可以看出,绿地率35%的乔灌形式绿地综合碳汇效益较大,甚至明显大于绿地率45%的乔草及乔灌草形式绿地,绿地率35%的乔灌草形式综合碳汇与绿地率45%的乔草形式几乎相等,因此从碳汇影响角度,绿地率35%时的乔灌形式绿地综合优势明显,其次为相同条件下的乔灌草形式绿地.

对各工况碳核算因素与PM2.5浓度进行相关性分析,结果如表3所示:

表3 PM2.5浓度与碳核算因素相关性分析
Tab.3 Correlation analysis of PM2.5 concentration and carbon accounting factors

从表3可以看出,建筑物周围PM2.5扩散浓度和建筑能耗的Pearson相关系数为0.920,相伴概率小于0.01,则表示在0.01的显著性水平上极显著,则说明建筑物周围PM2.5扩散浓度与建筑能耗呈显著正相关,同理PM2.5浓度与节能碳汇、植物碳汇、综合碳汇之间则均呈显著负相关.各碳排放指标与PM2.5扩散浓度之间的显著相关性也说明了本次研究中碳污协同分析的合理性与必要性.

从碳汇影响分析结果来看,最节能的设计策略不一定为最节碳的策略,从图6、图7可以看出,在本次模拟12种绿地工况中,绿地率为35%且绿地形式为乔灌时最节能,其节能碳汇最大,但加入植物碳汇后,其综合碳汇效果次于绿地率45%,绿地率为45%且绿地形式为乔灌时最节碳,同时绿地率为25%且绿地形式为乔灌草时其能耗改善和减碳效应均为最差.在碳中和目标下,碳汇主要以植物吸收和存储二氧化碳的能力为主,因此针对宅旁绿地设计策略的研究,更应该以节碳作为主要实现目标.

针对不同的绿地率,从节碳角度来看,绿地率越大,其综合碳汇量越高,节碳效果越好; 从低污来看,PM2.5扩散浓度也随着绿地率的增大而降低; 故从碳污协同角度综合考虑,绿地面积的增大对减碳和降污都有明显的改善效果,二者总体趋势为绿地率在35%之前增大时,其减碳和降污效果随之增加幅度较大,35%之后仍随之增加,但增幅明显减弱.

针对不同的绿地形式,从节碳角度来看,绿地率为25%时,节碳效果乔灌>乔草>乔灌草,绿地率超过25%时,节碳效果乔灌>乔灌草>乔草; 从低污来看,绿地面积相同时,各绿地形式对宅旁PM2.5浓度的降低作用均为乔灌>乔灌草>乔草.故从碳污协同角度考虑,优先推荐宅旁绿地形式为乔灌,其次为乔灌草,最不利的绿地形式为乔草.

近年来,西安城市绿地建设发展较快,同时用地问题和经济问题也日益突出,因此在园林绿地设计中平衡经济、社会、生态等方面的效益也是推荐适宜绿地策略时需要考虑的问题.通过对12种模拟工况进行碳污协同分析,绿地率35%时乔灌形式的减碳和降污效果仅次于绿地率45%时的乔灌形式,但优于绿地率45%时的乔灌草与乔草形式; 同时绿地率从35%增加到45%,宅旁绿地面积平均增加250 m²,但其对宅旁微气候调节发挥的作用有限,节能碳汇并未增加,仅植物固碳作用发挥其生态效益.因此综合考虑经济因素、社会因素和生态效应,绿地率为35%的乔灌形式绿地为西安市住区宅旁绿地的推荐方案.