上海交通大學設計學院  邱洛，張會波
北京工業大學 張偉榮，李瑞旭

       【摘  要】城市既有住區改造涉及建筑單體、整體環境和能源系統等方面，這些改造策略常常會影響住區微氣候，進而影響建筑能耗。本文選取了常見的改造策略，包括地面綠化、地面鋪裝、墻面及屋面材料?；诒本┦?、上海市和廣州市的既有住區調研，確定了住區的典型模型。利用微氣候軟件ENVI-met模擬了不同策略下的住區微氣候，并將模擬結果耦合至能耗模擬軟件Designbuilder，研究不同改造策略對夏季典型氣象日建筑制冷負荷的影響。結果發現，地面綠化對建筑周圍的微氣候影響最為明顯，其次為屋面材料和地面鋪裝，墻面材料最弱；但是對于建筑空調負荷，墻面材料有著最為明顯的影響，地面綠化和屋面材料次之，地面鋪裝最弱。對比北京、上海和廣州，相同的策略對空調負荷的影響在北京更明顯。對于北京典型氣象日空調總負荷，各策略分別可降低3.3%、2.0%、11.3%，2.9%；在上海分別為1.8%、0.3%、5.6%、1.8%；在廣州分別為2.0%、0.3%、5.3%、0.4%。

       【關鍵詞】既有住區改造；微氣候；建筑負荷；不同氣候

       【基金項目】國家自然科學基金面上項目(51778358)

Abstract: The retrofit of urban existing residential districts involves building envelope, outdoor environment and energy systems. Some retrofit strategies may affect the microclimate of residential areas, which in turn affect the energy consumption of buildings. We selected common retrofit strategies, including greening rate, ground pavement materials, wall and roof materials. Based on the survey of existing residential districts in Beijing and Shanghai, a typical residential district model was determined. The microclimate software ENVI-met was used to simulate the microclimate of the residential district under different strategies, and the simulation results were coupled to the energy consumption simulation software Designbuilder to study the impact of different retrofit strategies on the building cooling load on typical weather day in summer. The results show that greening rate has the most obvious impact on the microclimate around the building, followed by roof material and ground pavement, with wall material’s the weakest; but for the building air-conditioning load, wall material has the most obvious impact, followed by greening rate and roof material, with ground paving’s the weakest. Comparing the three cities, the impact of the same strategy on building air-conditioning load is more obvious in Beijing. For typical meteorological day in Beijing, the total air-conditioning load can be reduced by 3.3%, 2.0%, 11.3%, and 2.9%, respectively; for Shanghai, they were 1.8%, 0.3%, 5.6%, and 1.8%; for Guangzhou, they were 2.0%, 0.3%, 5.3%, and 0.4%.
Key words: Retrofit of existing residential districts; Microclimate; Building load; Different climates

0 引言

       城市既有住區存量巨大，在北京、上海、廣州等城市，眾多老舊小區更是面臨著亟待解決設施老化和環境品質低下問題。和從“十一五”到“十三五”期間，各城市在不斷地開展形式多樣的既有住區建筑改造實踐。在既有住區更新改造的過程中，除房屋本體的周期性修繕改造外，結合實施小區的整體性、可持續性的專項改造的重要性也日漸突顯?？傮w而言，現有的既有住區改造包含建筑單體、整體環境和能源系統等多個方面。

       針對不同方面的改造策略常常會對住區的微氣候產生影響。根據董麗等^[1]的研究，住區室外環境中的道路、綠化布局、水體等對住區的室外熱環境有明顯的影響。 洪波等^[2]分析了住區典型布局模式下不同道路格局和宅間綠地對室外熱環境的影響，陸婉明等^[3]采用CFD 數值模擬研究水體對居住區微氣候的影響。張偉通過提取居住區典型綠地形態和綠地量化指標，以ENVI-met為模擬平臺建立模型，對不同綠地布局下的微氣候進行了評價和比較^[4]。除了室外環境，建筑表面材料也會對住區微氣候產生影響。Gromke等^[5]研究了墻面材料、墻體綠化及屋面綠化等對人行空間熱環境的影響，Ian McRae等^[6]研究了提升屋面材料反射率和采用屋面綠化對人行空間在夏季的降溫效果。

       以上研究主要關注人行空間的熱環境和熱舒適，微氣候的變化一樣會對住宅能耗產生影響[7]，也有一些學者研究了住區中的綠化布局對建筑能耗的影響^[8,9]。但是，針對密度高、熱工性能差的老舊住宅，不同因素導致的微氣候變化對其能耗影響的相關研究還較少。

       于是本文選取北京、上海和廣州的老舊小區，提取了其典型模型。利用三維微氣候模擬工具ENVI-met^[10]對其7月份的典型氣象日進行微氣候模擬，探究不同氣候條件下地面綠化、地面鋪裝、墻面及屋面材料對住區微氣候的影響。最終將微氣候模擬結果耦合至建筑能耗模擬軟件Designbuilder，從而明確不同氣候條件下住區改造策略對住區建筑制冷負荷的影響。

1 實測與驗證

       圖1分別展示了實測現場照片和ENVI-met虛擬模型的平面。實測于2017年8月13日上午9點至下午5點在上海交通大學徐匯校區進行。交大徐匯校區地處上海市中心，距離徐匯區氣象站（提供邊界條件）直線距離約800米。實測點位于柏油路的中央，周圍東側為一棟80米高的大樓，西側和南側為10米高的多層建建筑，道路側有草地和灌木。

圖1 實測現場照片和ENVI-met模型的平面

       為了評估ENVI-met對夏季模擬的準確性，將模擬所得的人行高度氣溫和相對濕度與實測值對比，同時也進行了實測值與氣象站數據的對比。并分別計算了模擬與實測、氣象站數據與實測之間的均方根誤差（RMSE）。

       圖2分別展示了實測、模擬結果和徐家匯氣象站記錄的氣溫和相對濕度的對比。對于氣溫，模擬值與實測值一直吻合較好，最大差異發生在14:00，相差0.22℃，而此時實測值與氣象站所測數據相差0.62℃。模擬與實測之間的均方根誤差（RMSEM-S）為0.16，小于氣象站數據與實測之間的均方根誤差（RMSEM-W）的三分之一。對于相對濕度，模擬值與實測值存在一定差異，但是最大差異也不足4%，對于相對濕度的模擬差異是可以接受的，發生在15:00。與氣溫類似，模擬與實測之間的均方根誤差（RMSEM-S）為2.81%，遠小于氣象站數據與實測之間的均方根誤差（RMSEM-W），為11.85%。這些結果表明，ENVI-met對上海地區夏季的模擬較為準確，也從一個側面說明以微氣候數據作為建筑能耗模擬邊界條件的重要性。

圖2 實測、模擬結果和徐家匯氣象站記錄的逐時值對比

2 方法

       本文研究思路如圖3所示，首先根據北京市、上海市和廣州市2020年老舊小區改造名單，各隨機選擇100個小區，統計其相關信息，包括布局、朝向、樓棟數、建筑尺寸、樓間距、層高、層數、窗墻比等，最終生成如圖5中紅色虛線內的住區典型模型。設置為行列式布局，正南北朝向，東西三列，南北四排。單棟建筑東西48m，南北12m，南北間距20m，東西間距12m，層高3m，層數6層，南側窗墻比32%，其余為17%。同時，綜合考慮模擬準確性與模擬耗時，進行了一系列預模擬，最終確定將小區向外擴出與小區布局相同的一圈建筑，最外側建筑距離邊界40m，整體模型如圖4所示。

圖3 研究框架

圖4 ENVI-met三維模型

       其次，以中國標準氣象數據（CSWD）[11] 作為初始天氣數據，參考典型氣象年[12]的生成方法生成北京、上海、廣州7月份典型氣象日，限于篇幅，具體方法不展開闡述。確定的典型氣象日：上海7月19日，北京7月22日，廣州7月1日，當日的初始天氣情況如圖5-圖7所示。上海廣州氣溫較高，廣州相對濕度最高，北京太陽輻射最強，上海風速最高。使用其數據作為ENVI-met的輸入條件，模擬不同改造策略下住區微氣候的變化，并重點關注建筑周圍平均氣溫和相對濕度。由于改變住區布局和增設水體難度較大，本文考慮四種常見策略——綠地率（簡稱G），采用不同反射率的地面鋪裝（簡稱P），采用不同反射率的墻體材料（簡稱W）以及不同反射率的屋面材料（簡稱R），參考《民用建筑熱工設計規范》提供的常用材料太陽輻射反射系數，設置具體參數如表1所示（綠地率中喬木與草地面積1：1）。

       然后，將ENVI-met模擬結果中建筑周圍逐時平均氣溫、相對濕度和平均風速輸出，替換原天氣文件中的數據。再將修改典型氣象日后的天氣文件作為能耗模擬軟件Designbuilder的輸入條件，模擬不同改造策略下的建筑當日制冷負荷的變化。能耗模擬的模型尺寸信息與ENVI-met中建筑的信息相同，并且兩者采用同意目標建筑。模擬中，北京、上海、廣州三地滲透換氣率分別設置為0.7/h、1.1/h、1.5/h；各城市外墻構造具體信息如表2所示。

圖5 上海市7月19日

圖6 北京市7月22日

圖7 廣州市7月1日

3 模擬結果

       由于本文所考慮的策略僅對建筑周圍的氣溫和相對濕度有較為明顯的影響，故以這兩種因素作為分析的主要對象。此外，選取圖5中長方形標識建筑為目標建筑。

       3.1 建筑周圍微氣候

       （1）上海地區

       圖8展示了提高綠地率對建筑周圍平均氣溫和相對濕度的逐時影響。與G1工況相比，提高綠地率至G2、G3工況，建筑周圍的建筑周圍的平均氣溫在全天都降低了，相對濕度都提高了。并且，G3對比G1的對氣溫的影響幾乎是G2對比G1的兩倍，這也意味著，在一定綠地率變化范圍內，建筑周圍氣溫的變化與綠地率的變化接近呈線性正相關關系。綠化對氣溫產生的影響在溫度較高、輻射較強的中午前后更為明顯， G3工況對比G1的降溫效果在中午前后超過了0.3℃,相對濕度最大變化了3.5%。但是，我們注意到，綠化對微氣候產生的影響一直在波動。這是因為綠化主要通過植物的蒸騰作用影響微氣候，而蒸騰作用受到很多因素的影響——除了植物本身的生物特點外，還受到環境中的光照、溫度、相對濕度、風速和二氧化碳濃度等的影響。

圖8 對比G1，G2、G3工況下建筑周圍平均

       圖9展示了提高地面鋪裝反射率對建筑周圍平均氣溫和相對濕度的逐時影響。鋪裝反射率越高，建筑周圍氣溫越低，相對濕度越高。明顯地，太陽輻射越強的時候，鋪地反射率對微氣候產生的影響也越大——微氣候變化的峰值發生在13:00和16:00，對應著太陽輻射的峰值。此時，對比P3與P1工況，氣溫最大的變化幅度接近0.2℃，相對濕度最大的變化幅度接近1%。

圖9 對比P1工況，P2、P3工況下建筑周圍平均

       圖10展示了提高墻面材料反射率對建筑周圍平均氣溫和相對濕度的逐時影響。提升墻面材料的反射率，可以微弱地降低建筑周圍的氣溫，但最大影響不超過0.06℃，對相對濕度也有微弱的提升，最大影響不超過0.3%。這是因為，既有住區的建筑密度較高，提高了建筑表面的反射率，被反射的輻射多數依舊作用于建筑周圍的下墊面和鄰近建筑，能量依舊被住區內的其他物體吸收，所以建筑周圍的平均氣溫并沒有明顯的下降。而該策略幾乎未帶來空氣含濕量的改變，故而對相對濕度的影響也甚微。

圖10 對比W1工況，W2、W3工況下建筑周圍平均

圖11 對比R1工況，R2、R3、R4工況下建筑周圍平均

       圖11展示了提高屋面材料反射率和采用屋面綠化對建筑周圍平均氣溫和相對濕度的逐時影響。將R2、R3與R1工況對比，可以看到提升屋面的反射率，也可以在一定程度上降低建筑周圍的平均溫度，提高相對濕度。與改變地面鋪裝類似，提高屋面材料的反射率時，微氣候的變化與太陽輻射明顯正相關。對于R4工況中采用屋面綠化時，其對微氣候的影響遠遠超過了提高屋面材料的反射率。在全天的對氣溫的影響都超過了0.1℃，對相對濕度的影響在多數時刻也超過了1%。

       對于四種單因素下的策略，微氣候變化最明顯的工況分別發生在G3與G1、P3與P1、W3與W1、R4與R1之間。在圖12中，我們橫向對比了這些微氣候變化全天的平均值和空調工作時間20:00至次日9:00的平均值，發現綠地率對微氣候的影響最為明顯，建筑周圍氣溫在全天平均降低0.26℃，空調時段降低0.23℃，相對濕度全天提高1.8%，空調時段提高1.59%，其次是屋面，再次是地面鋪裝，最后是墻面材料。此外，對于每一種因素，全天對微氣候的影響總是強于空調使用時段，這是因為住宅的使用時間主要在夜間和早上，如果以辦公建筑為研究對象，則會相反。

圖12 四種單因素策略所產生的建筑周圍微氣候的最大平均差異，包括日均值和空調工作時間均值

       從上文的分析中我們可以看到，提高建筑墻面的反射率時建筑周圍氣溫的變化較為微弱。而建筑屋面的面積不足墻面的1/3，卻在反射率變化幅度接近時，對建筑周圍氣溫的影響為墻面工況的1.5倍。這是因為屋面將多數輻射直接反射回天空，這與建筑墻面將更多的輻射反射到住區內其他部分是不同的。進而，我們分析了調整不同對象反射率對建筑周圍氣溫的影響與水平太陽輻射之間的相關性，如圖13所示。明顯地，地面反射率產生的影響與水平太陽總輻射的相關性最高，R²為0.81，其次為屋面材料反射率，由于墻面為豎直面，故與水平太陽總輻射相關性很低。事實上，對北京和廣州的數據進行分析后，得到的結論與上海相似。

圖13 不同反射率相關策略產生的氣溫差與水平太陽輻射的相關性

       （2）北京地區

       圖14-圖17分別展示了所選改造策略對建筑周圍平均氣溫和相對濕度在北京地區的逐時影響。

圖14 對比G1，G2、G3工況建筑周圍平均

圖15 對比P1，P2、P3工況下建筑周圍平均

圖16 對比W1，W2、W3工況下建筑周圍平均

       綠地率產生的影響變化趨勢明顯——白天升高，夜晚降低，原因是北京典型氣象日下氣溫和太陽輻射變化更為穩定，綠化的蒸騰作用也就相對穩定；在下午氣溫最高的時刻，綠地率的最大降溫達到了0.8℃，同時也提升相對濕度接近6%。地面鋪裝反射率對微氣候的影響與太陽輻射的變化緊密相關，在太陽輻射最強的16點，最多可降溫0.54℃。墻面材料反射率對建筑周圍微氣候的影響依舊較小，對氣溫的最大影響只有0.13℃。

圖17 對比R1工況，R2、R3、R4工況下建筑周圍平均

       對于屋面材料因素，盡管屋面綠化在北京典型氣象日下對氣溫的影響在數值上與上海相近，但是屋面材料反射率對氣溫的影響較上海有所提升，故屋面綠化對氣溫并未表現出明顯優勢，而對于相對濕度的影響，屋面綠化依舊顯著。

圖18 四種單因素策略所產生的建筑周圍微氣候的最大平均差異，包括日均值和空調工作時間均值

       對于四種單因素下的策略，微氣候變化最明顯的工況分別依舊發生在G3與G1、P3與P1、W3與W1、R4與R1之間。在圖18中，我們橫向對比了這些微氣候變化全天的平均值和空調工作時間20:00至次日9:00的平均值，發現綠地率對微氣候的影響最為明顯，建筑周圍氣溫在全天平均降低0.41℃，空調時段降低0.29℃，相對濕度全天提高2.94%，空調時段提高2.06%。其次是地面鋪裝，再次是屋面材料，最后是墻面材料。由于屋面綠化對空氣的加濕作用，屋面對相對濕度的影響較鋪裝和墻面材料更為明顯。

       與上海地區對比，北京地區多種因素下的策略產生的微氣候的影響都更為顯著。提高綠地率帶來的氣溫變化超過了上海地區的1.5倍，地面鋪裝和墻面反射率產生的氣溫變化更是達到上海地區的3倍。其原因是初始天氣情況下，北京的太陽輻射強，植物的蒸騰作用和反射的太陽輻射更多，且北京風速較上海小，散熱更慢，故各種策略對微氣候的作用效果更顯著。盡管這只是典型氣象日的單日表現，但典型氣象日本身就代表了兩地夏季的氣候情況。

       （3）廣州地區

圖19-圖22分別展示了所選改造策略對建筑周圍平均氣溫和相對濕度在廣州地區的逐時影響。

圖19 對比G1，G2、G3工況建筑周圍平均 

       綠地率對氣溫產生的影響在下午更為明顯，最多降溫0.45℃，提升相對濕度最高達3%；在下午以外的時間段，綠地率產生的影響變化幅度不大。與前兩個城市類似，地面鋪裝反射率對氣溫的影響隨著太陽輻射的增強而提高，在下午13:00，對氣溫的最大影響超過了0.2℃。墻面材料反射率產生的影響依舊很微弱，對氣溫的影響最多不超過0.05℃，相對濕度的最大變化也只有0.25%。

圖20 對比P1，P2、P3工況下建筑周圍平均

圖21 對比W1，W2、W3工況下建筑周圍平均

       對于屋面材料因素，當調整屋面材料反射率時，建筑周圍微氣候的變化與太陽輻射的變化明顯相關，在下午13:00，對氣溫的最大影響接近0.1℃。對于R4工況中采用屋面綠化時，其對微氣候的影響在一天內有明顯的波動，但是其對微氣候的影響程度還是明顯高于提高屋面材料的反射率。

圖22 對比R1工況，R2、R3、R4工況下建筑周圍平均

       對于四種單因素下的策略，微氣候變化最明顯的工況分別依舊發生在G3與G1、P3與P1、W3與W1、R4與R1之間。在圖23中，我們依舊橫向對比與前兩個地區相同時段的平均值。綠地率仍是對微氣候影響最為明顯的因素，建筑周圍氣溫在全天平均降低0.26℃，空調時段降低0.23℃，相對濕度全天提高1.84%，空調時段提高1.56%。其次是屋面材料，再次是地面鋪裝，最后是墻面材料，各因素之間的相對關系與上海地區完全一致。

圖23 四種單因素策略所產生的建筑周圍微氣候的最大平均差異，包括日均值和空調工作時間均值

       從平均值來看，廣州地區多種因素下策略對微氣候的影響與上海地區相近，兩地也都弱于北京地區，其原因還是北京太陽輻射較強、風速較低。

       3.2 建筑空調負荷

       為進行橫向對比，我們選取了G2P2W2R2工況作為參照。圖24展示了該工況下各城市典型氣象日空調負荷，對于顯熱負荷，上海地區最高、北京地區最低，與氣溫有著緊密關聯；對于潛熱負荷，廣州地區最高，且為最低的北京地區的兩倍，還是由于廣州的相對濕度很高；總負荷而言，上海和廣州地區較為接近，都約為北京地區的1.5倍。

圖24 G2P2W2R2工況下各城市典型氣象日空調負荷
表3-5 

       表3-表5分別展示了各策略下上海、北京和廣州的顯熱負荷的變化。在所有策略下，顯熱負荷均降低。其中提高墻面材料反射率對顯熱負荷影響最為明顯，在北京甚至最高降低了15%。盡管該策略對建筑周圍微氣候影響微弱，但是其顯著影響了建筑外墻得熱，且既有住區外墻熱工性能差，更多的熱量傳遞到了室內。其次是提高綠地率和采用屋面綠化，由綠化明顯降低了建筑周圍的平均氣溫，最終也可導致顯熱負荷降低3%-5.5%.再次是調整屋面材料反射率，影響最微弱的是地面鋪裝材料反射率。

       表6-表8分別展示了各策略下三個城市的潛熱負荷的變化。當提高綠地率和采用屋面綠化時，各地的潛熱負荷均有所增加，尤其是在廣州采用屋面綠化時，潛熱負荷提升達2.2%。當提高地面鋪裝、墻面、屋面材料反射率時，各城市的潛熱負荷均有所下降，且墻面反射率的影響最為明顯，可降低潛熱負荷0.8%-3.5%。

 

       表9-表11分別展示了各策略下三個城市建筑空調總負荷的變化。在所有策略下，總負荷均降低。提升墻面材料反射率對降低既有住區夏季空調總負荷的效果遠遠超出其他策略，在三地分別可最多降低總負荷的5.6%、11.3%、5.3%。地面鋪裝反射率對的影響最為微弱，在上海和廣州甚至不足0.5%。由于廣州地區潛熱負荷比例較大，潛熱負荷的提升與顯熱負荷的降低相抵消，故在廣州采用屋面綠化時，對總負荷的影響較小。

       總體而言，在北京應用各種策略時，其對夏季空調負荷的影響程度都超過其在上海和廣州的影響，多數策略帶來負荷的相對變化都超過了另外兩地的兩倍。其原因也是北京有著更高的太陽輻射和更低的風速，不同策略產生的微氣候變化更容易表現，進而導致空調負荷的變化。

4 結語

       對于既有住區改造中的常見策略，綠地率的調整對建筑周圍的微氣候有著最顯著的影響，在北京、上海、廣州三地，分別最多可平均降低氣溫0.41℃、0.26℃和0.26℃，地面鋪裝反射率和屋面材料次之。由于既有住區密度較高，墻面材料對建筑周圍微氣候的影響最為微弱。當調整不同對象的反射率時，地面鋪裝反射率和屋面鋪裝反射率對微氣候的影響與水平太陽輻射強度緊密相關；提高綠地率或是采用屋面綠化時，建筑周圍的相對濕度會明顯提升。

       但是，不同反射率的墻面材料對建筑空調負荷的影響卻是最強的，在模擬中，外墻反射率的提高在北京最多可以降低11.3%的空調負荷，在上海和廣州分別可以降低5.6%和5.3%。同樣也是由于既有住區本身圍護結構熱工性能差，更多的熱量可以通過外墻進入室內。由于綠地率對微氣候的影響較強，其對建筑空調負荷也有著較為明顯的影響，在三地分別最多可以降低總負荷的3.3%、1.8%和2.0%。地面鋪裝的反射率對既有住區建筑負荷的影響最為微弱。所以，在既有住區改造的過程中，應盡可能選用反射率較高的墻面材料。

       對比北京、上海和廣州三地，同樣的策略在北京對建筑空調負荷的影響都更為顯著。結合三地的典型氣象日天氣情況，對于輻射較強、風速較小的地區，綜合考慮改造策略對建筑空調負荷的影響就更為重要。

       此外，我們還觀察到，無論是提高綠地率，還是在屋面設置綠化，都會在一定程度上增加建筑的潛熱負荷。如果在濕度更高的氣候下，潛熱負荷的增加甚至可能會超過顯熱負荷的降低，導致空調總負荷的增加。所以，對于不同的氣候條件需要進行具體的模擬。

參考文獻

       [1] 董麗，張寶祥，范悅.CFD技術在住區環境更新中應用的研究初探[J].建筑與文化.2018，(08):53-54.
       [2] 洪波, 屈永建.住區典型宅間綠地布局模式對室外熱環境的影響研究[J]. 動感（生態城市與綠色建筑）.2014，(03):92-97.
       [3] 陸婉明, 汪新, 周浩超.數值模擬水體對居住小區局地氣候調節作用[J]. 建筑科學.2015，31(08):101-107.
       [4] 張偉，郜志. 居住小區綠地布局對微氣候影響的模擬研究[D]. 南京大學碩士論文, 2015：43-61.
       [5] Blocken B, et al,Building Performance Simulation for Design and Operation[M]. London:Spon Press, 2019: 66-74.
       [6] McRae I, Freedman F, Rivera A, et al. Integration of the WUDAPT, WRF, and ENVI-met models to simulate extreme daytime temperature mitigation strategies in San Jose, California[J]. Building and Environment. 2020, 184: 107180.
       [7] 楊小山, 趙立華. 城市微氣候對建筑能耗影響的研究方法綜述[J]. 建筑科學.2015，31(12):1-7.
       [8] 陳卓倫，孟慶林. 綠化體系對濕熱地區建筑組團室外熱環境影響研究[D].廣州: 華南理工大學博士論文, 2010:170-178.
       [9] 續成平，劉吉營.樹木對小區熱環境及建筑能耗影響的模擬分析[D]. 山東建筑大學碩士論文, 2020：64-72.
       [10] ENVI-met, New Features Winter-Release 2018/2019 in: https://www.envi-met.com/brochures/ (accessed on July 25, 2019).
       [11] 熱環境分析專用氣象數據集「M] .北京:中國工業出版社，2005：附錄光盤.
       [12] Hall I J, Prairie R, Anderson H E, et al.Generation of typical meteorological years for 26 somet stations[J].ASHRAE Transactions. 1979,85(2): 507-517.

       備注：本文收錄于《建筑環境與能源》2021年4月刊 總第42期（第二十屆全國暖通空調模擬學術年會論文集）。版權歸論文作者所有，任何形式轉載請聯系作者。