EN中文

Landscape Architecture >

2026 , Vol. 33 >Issue 1: 109 - 116

DOI: https://doi.org/10.3724/j.fjyl.LA20250015

Research

Assessment Method for Urban Green Space Shading Based on the Allometric Parametric Model

  • CHEN Yujie , 1 ,
  • ZHOU Zixuan , 1 ,
  • FENG Xiaoxia , 1 ,
  • ZHANG Wei , 1, 2, *
Expand
  • 1 College of Horticulture & Forestry Sciences of Huazhong Agricultural University
  • 2 Key Laboratory of Urban Agriculture in Central China, Ministry of Agriculture and Rural Affairs

CHEN Yujie is a master graduate in the College of Horticulture & Forestry Sciences of Huazhong Agricultural University. Her research focuses on planning and design of urban green infrastructure

ZHOU Zixuan is a master student in the College of Horticulture & Forestry Sciences of Huazhong Agricultural University. Her research focuses on planning and design of urban green infrastructure

FENG Xiaoxia is a master student in the College of Horticulture & Forestry Sciences of Huazhong Agricultural University. Her research focuses on planning and design of urban green infrastructure

ZHANG Wei, Ph.D., is an associate professor in the College of Horticulture & Forestry Sciences of Huazhong Agricultural University, and a member of the Key Laboratory of Urban Agriculture in Central China, Ministry of Agriculture and Rural Affairs. His research focuses on planning and design of urban green infrastructure

Received date: 2025-01-07

  Revised date: 2025-09-22

  Online published: 2026-03-12

Copyright

Copyright © 2026 Landscape Architecture. All rights reserved.
Fold

Abstract

[Objective]

In the context of accelerating urbanization and the escalating impacts of global warming, urban green spaces have become increasingly crucial for mitigating urban heat, as they offer shaded environments that significantly enhance the overall livability and comfort of urban environments. Consequently, the optimization of vegetation layout within urban green spaces has become a fundamental strategy for addressing climate change and improving the sustainable quality of life for urban residents. Currently, the assessment of green space shading in relevant norms at home and abroad is usually calculated based on the projected area of adult tree crowns. The result is a static indicator that cannot accurately reflect the three-dimensional morphological characteristics of the tree crown and the influence of the plant growth process on the shading effect. To accurately assess the shading area of green space, it is necessary to establish a dynamic assessment method for green space shading based on the three-dimensional growth model of plants and the real lighting environment. Such a method should reflect the three-dimensional elements of plant morphology and the dynamic nature of plant growth.

[Methods]

Based on the allometric growth equations for different tree species and plant crown morphology models, parametric tree growth models and a shading area generation algorithm for the shading area of green space trees are established in the Python and Grasshopper environment. The area within the 4-hour isohel on the summer solstice for trees in a green space is defined as the shading area of the green space and used as an assessment indicator for the shading effect of the green space, which is typically calculated by the calculation method for the shading area of a building as specified in the Assessment Standard for Green Building (GB/T 50378−2019). Additionally, taking Xiangyang Academy in Xiangyang City, Hubei Province, as an example, this research compares and explores the application characteristics of the shading algorithm, and generates a three-dimensional model for tree growth in and dynamic shading area of the selected site based on the aforesaid parametric generation algorithm to evaluate and analyze the shading range of the buildings and plants on the site.

[Results]

Compared with the calculation method based on the vertical projection of the tree crown, the shading simulation and assessment method based on the generated three-dimensional model for the site has the following characteristics. 1) It can dynamically simulate the actual light changes. The shadow area of green spaces within the campus of Xiangyang Academy is closer to the real shading situation. For example, after the trees have grown for thirty years, the overall shadow area of the campus accounts for 67.61% of the total area of the campus’s open space, among which the shadow area of buildings accounts for 21.55%, the shading area of green spaces accounts for 51.92%, and the overlapping area accounts for 5.86%. The calculation result of the vertical projection area of the tree canopy is 45.48% less than the area of the tree canopy, and there is a certain offset distance in space. 2) This observation reflects the temporal changes in vegetation shading on the site; the area of green space shading increases from 69,106 m2 to 269,086 m2 as plants grow, and the ratio of open space area rises from 13.33% to 51.92%, indicating a trend of rapid increase followed by gradual stabilization. 3) It can reflect the difference in shading ability of different tree species in different growth periods. Fast-growing tree species such as Celtis sinensis Pers. and Magnolia denudata Desr. have obvious shading effects in the early stage while slow-growing large trees such as Cinnamomum camphora (L.) and Zelkova serrata (Thunb.) Makino have better shading effects in the later stage. 4) It can reflect the differences in the shading characteristics of different areas, such as the campus dormitory area and teaching area with high greening and building density; the superimposed effect of plants and building shading is obvious, while the shading range of the athletic area is subject to significant changes in the growth of plants, and the plants planted have better shading potential and growth trend. Campus roads are mainly planted with slow-growing trees on both sides, with the shading area improving slowly; the overall trend is stable.

[Conclusion]

The shading algorithm based on the parametric growth model proposed in this research can generate more accurate dynamic shading range, reflecting the dynamic change of shading range during plant growth, and is consistent with the existing standards for building shading assessment. The algorithm can be used to predict and simulate the long-term shading effect in different periods, to quantify the shading capacity of multiple trees in different periods, and to evaluate the zoning in different scales of space. The research improves the accuracy and applicability of the assessment of shading areas in urban green spaces and combines parametric algorithms to build a reusable and automatic calculation process, which can be used as a reference for urban green space planning and climate-adaptive design.

Key words： landscape architecture; campus green space; parametric model; growth equation; grasshopper; shade benefit; planting optimization

Cite this article

CHEN Yujie , ZHOU Zixuan , FENG Xiaoxia , ZHANG Wei . Assessment Method for Urban Green Space Shading Based on the Allometric Parametric Model[J]. Landscape Architecture, 2026 , 33(1) : 109 -116 . DOI: 10.3724/j.fjyl.LA20250015

1 绿地遮阴评估研究现状

随着全球气候变化和城市化的发展，不同城市正积极采取措施减缓热岛效应[1]。城市绿地能够有效降低地表温度，缓解热岛效应和改善人居环境[2]。对于如何评价城市建构筑物和绿地的遮阴效果，需要建立合理的评估方法，以满足城市规划、景观设计和市政管理等在气候适应性建设中的具体需求。
国内外已有绿色建筑和环境评估领域的相关标准，如英国《建筑研究院环境评估方法可持续建筑认证标准》（Building Research Establishment Environmental Assessment Method for Sustainable Building Certification）、美国《能源与环境设计先锋认证标准》（Leadership in Energy and Environmental Design Certification）和《健康建筑标准》（WELL Building Standard），以及中国的GB/T 50378—2019《绿色建筑评价标准》等，现行标准通过不同方式对室外建成环境中的建构筑物和植物遮阴效果进行量化评估（表1）。
表1 现行绿色建筑和环境评估标准中与遮阴相关的部分条目[3-6]

Tab. 1 Selected shading-related entries in existing green building and environmental assessment standards[3-6]

标准名称 发布机构 相关内容
《建筑研究院环境评估方法可持续建筑认证标准》 英国建筑研究院（BRE Group） 确保通过使用设计工具达到适当的热舒适度，需要使用符合CIBSE AM11建筑能源和环境建模的软件进行热环境建模[3]
《能源与环境设计先锋认证标准》 美国绿色建筑委员会（U.S. Green Building Council） 对于非屋顶措施的遮阴计算，植物以种植10 a的冠层垂直投影面积进行计算[4]
《健康建筑标准》 国际健康建筑研究所（International WELL Building Institute）
 以遮蔽时间每日超过日照小时数的一半的范围作为有效遮阴面积[5]
GB/T 50378-2019《绿色建筑评价标准》 中国住房和城乡建设部 建筑阴影区为夏至日8:00—16:00时段在4 h日照等时线内的区域；乔木遮阴面积按照成年乔木的树冠正投影面积计算；构筑物遮阴面积按照构筑物正投影面积计算[6]
英国《建筑研究院环境评估方法可持续建筑认证标准》在其条款中要求对建筑和植物的遮阴效果进行动态模拟，以评估场地的热环境舒适度[3]。美国《能源与环境设计先锋认证标准》将建筑天蓬、露台或其他突出的结构和乔木冠层的垂直投影面积作为评估指标[4]。《健康建筑标准》中在对植物、遮阳篷或其他构造产生的阴影进行计算时，将遮阴时间超过每日日照小时数的一半的场地范围作为有效遮阴面积，并依据不同类型的室外空间，给定遮阴空间的最小面积标准[5]。GB/T 50378—2019《绿色建筑评价标准》中，对建筑和植物的遮阴范围计算采用不同方法。其中建筑遮阴范围采用日照模拟的方式进行计算，将夏至日8:00—16:00时段在4 h日照等时线内的阴影范围作为建筑阴影区，而乔木遮阴面积则按照成年乔木的树冠正投影面积计算[6]。
目前建筑日照和遮阳的相关标准体系较为完善，如GB/T 50947—2014《建筑日照计算参数标准》对日照分析中建筑几何模型建模提出详细要求，涉及高程基准、墙体和檐口遮挡细节等。相关工具如天正日照插件可在AutoCAD软件中进行日照分析并生成等时图[7]，在ArcGIS软件中可基于建筑和地形的数字高程模型，利用山体阴影工具生成阴影[8]，还可使用斯维尔软件对建筑进行日照分析等[9-10]，Rhinoceros软件结合Ladybug Tools插件或ENVI-met软件也可进行三维模型阴影的相关分析等[11-12]。但针对绿地遮阴效果的标准化评价尚较缺乏。GB/T 50378—2019《绿色建筑评价标准》以成年乔木的正投影面积作为乔木阴影面积的评估标准，但树种“成年”的年份或规格缺乏统一标准，且由于乔木树冠大小数据的缺乏，植物形态三维建模规范不明，该指标难以实现准确地评估真实的遮阴表现。此外，由于光照角度变化、植物空间形态差异等因素影响，树冠正投影面积与真实遮阴面积存在偏差。同时，场地建筑和植物产生的阴影存在的交叉重叠，需要在分析中区分出重叠区域以避免重复计算。不同类型的阴影区需使用一致的计算方法，以保证生成区域范围的准确性。
在植物遮阴量化模拟评估研究方面，已有黄秋燕等[13]采用实地测量方式测量榕属树种的遮阴面积；Yu等[14]基于植物遥感数据利用ArcGIS软件中的山体阴影函数生成阴影范围；苏宏霖等[15]使用手持激光在Unity3D平台建立植物三维模型进行遮阴模拟。现有方法存在耗时高、精度低或工具配置要求高、操作复杂等问题，且多为静态模拟，难以反映植物生长和光照变化对遮阴效果的动态影响，较难满足规划设计实践中的快速评估需要[16-17]。
为完善上述与植物遮阴量化相关的方法，本研究通过整合不同树种三维模型和异速生长方程，实现对乔木不同生长周期下的遮阴效果动态模拟与量化评估，同时以华中地区亚热带季风地区公共空间湖北省襄阳书院为例，分析校园内建筑和绿地的遮阴效果，为校园植物种植的设计优化提供参考依据，也为应对高温、改善城市微气候、提升公共空间热舒适性的设计提供技术路径。

2 绿地遮阴范围的参数化生成方法

基于Grasshopper插件，建立绿地遮阴面积的参数化动态生成方法，包括单株植物生长模型构建、场地植物模型生成、场地阴影区计算3个阶段。
在单株植物生长模型构建阶段，本研究基于不同树种的异速生长方程和三维树冠形态，模拟植物生长过程中的几何特征变化。异速生长方程通过数学模型描述了植物生长过程中生理过程和环境因素之间关系，可以反映树木随年龄生长的非线性形态特征变化[18-19]。对不同植物进行编码并构建条件循环的参数化方程计算代码，自动计算不同树种在各自生长周期的树冠形态尺寸，同时驱动基础三维模型迭代生成不同生长年限的植物生长模型（图1）。
图1 植物生长模型构建（以银杏为例）

Fig. 1 Plant growth model construction (taking Ginkgo biloba L. as an example)

在场地植物模型生成阶段，基于场地竣工图资料和现场调研确定种植坐标，将单株植物生长模型附着至对应的种植坐标，生成场地完整的绿地三维模型。
在场地阴影区生成阶段，本研究使用Ladybug Tools运算器节点化编程。Ladybug Tools是基于Grasshopper的开源插件，集成了Radiance、EnergyPlus等模拟引擎[20-22]，可精准模拟太阳角度并进行分析[23]。将场地建筑和植物模型连接输入Ladybug Tools，并导入目标地点的气候数据，生成对应的日照时长等时图。
由于Grasshopper中的Python脚本默认单线程执行计算任务，在处理大量数据时效率较低[24-25]，本研究利用Visual Studio和C#环境，编写运算器的输入端口、输出端口和植物异速生长方程的运算生成模型代码，生成可复用的算法模块，用于场地植物生长模型构建和遮阴空间生成的自动化处理和分析。

3 襄阳书院绿地遮阴面积的参数化生成

3.1 研究区域

为验证绿地参数化生长和遮阴算法的适用性，本研究以湖北省襄阳市襄阳书院为例，对校园建筑和绿地的遮阴效果进行预测和分析，探讨使用绿地阴影区作为遮阴评估指标的可行性。
襄阳市位于湖北省中西部内陆，北纬31°59′~32°01′、东经112°16′~112°17′，属副热带高压东亚季风气候区。夏季高温湿热，具有典型的中部城市夏季热环境特征。入夏时间早、出夏时间晚加剧了高温现象[26]。襄阳市常年夏季日均气温在33 ℃以上，极端高温可达40 ℃以上，年平均总日照时长为1 800~2 100 h[27]。全年持续高温日多，日照时长集中。近年来，由于快速城市化发展，襄阳市产生了显著的热岛效应，东津新区和樊城区作为城市集中建设区，是潜在的热岛中心，室外区域对遮阴需求强烈[28-29]。
襄阳书院位于襄阳市东津新区，主校区前期规划总用地面积约66.52万 m2，建筑面积约为53.9万 m2，绿地面积20.8万 m2，绿地率为35.3%。襄阳书院于2023年初步建成并投入使用，植被群落结构丰富（图2）。作为公共开放空间，襄阳书院室外夏季热环境问题具备一定的典型性和代表性。经过研究团队实地测量并参考相关设计图纸，计算得出襄阳书院已建成主校区不同功能分区的绿地相关指标（表2）。
图2 襄阳书院已建成主校区乔木和建筑分布（2-1）及分区（2-2）情况

Fig. 2 Distribution of trees and buildings (2-1) within and zoning (2-2) of the built-up campus area of Xiangyang Academy

表2 襄阳书院已建成主校区不同分区绿地指标概况

Tab. 2 Overview of green space indicators in different zones of the built-up campus area of Xiangyang Academy

分区 面积/m2 绿地面积/ m2 乔木数量/株 乔木正投影面积/m2 乔木正投影面积比率/%
　　注：道路铺装区域种植树木的树池暂未纳入绿地面积考虑，因此该区域未统计绿地面积。
宿舍区 118 786.84 49 941.01 2 010 49 349.38 41.46
教学行政区 151 294.52 56 232.20 1 979 45 330.95 29.96
公共服务区 74 158.09 30 100.80 337 18 164.32 24.49
运动区 108 538.51 28 779.80 641 23 765.69 21.90
道路铺装区 65 514.44 451 10 090.92 15.40
总计 518 292.40 165 053.10 5 397 146 701.26 28.30

3.2 植物生长模型构建

不同类型植物的生长过程可使用异速生长方程进行描述[30]。本研究聚焦场地内现有36种乔木和本地常用的其他12种乔木参数化模拟和遮阴评估。由于地被植物和低矮灌木普遍远低于人体高度，对遮阴效果影响有限，故本研究未将其纳入计算范围[31]。由于国内尚缺乏不同园林树种异速生长方程的公开数据，本研究参考美国林务局（United States Forest Service）对16种不同气候条件下美国17个城市1.4万多株树木的生长数据测量统计生成的异速生长方程，模拟不同类型树木的生长过程[32-34]。基于全球经纬度和气候特点，选取与襄阳书院气候相似的亚热带季风和季风性湿润气候区的州县，包括南卡罗来纳州、北卡罗来纳州、佛罗里达州、印第安纳州的部分方程数据[35]，筛选出本研究适用的生长方程（表3）。
表3 襄阳书院已建成主校区树种的异速生长方程示例

Tab. 3 Allometric growth equations example for tree species in the built-up campus area of Xiangyang Academy

树种 变量 计算式
栾树 树龄（a） $ a $
胸径（y） $ y=1.54502+2.71251\times a-0.02975\times {a}^{2} $
树高（h） $ h=4.44294+0.11553\times y $
冠幅（g） $ g=1.91565+0.19718\times y $
冠高（l） l $ =1.1246+0.17654\times y $
在场地植物模型生成过程中，完全保留植物分枝和叶片数据会导致计算量激增。为提高模拟效率，本研究将植物树干简化为几何柱体，基于异速方程中5种形态基础，结合AsuniCAD公司开发的Lands Design软件中预置的植物模型，构建48种常用树种的树冠形态（图3）。初始尺寸参数依据竣工图中的苗木规格表及现场调研获取的植物规格确定。根据输入端植物编码，在编写的条件循环结构代码中计算输出控制变量，以控制乔木三维模型的几何特征。
图3 襄阳市48种常用树种的初始模拟形态

Fig. 3 Initial simulation forms of 48 common tree species in Xiangyang City

3.3 植物生长过程模拟

本研究以3 a为生长间隔，种植后生长30 a作为模拟的最终节点，并将模拟的结果与树木垂直投影法计算的遮阴结果进行对比分析。0~30 a的模拟阶段覆盖了大部分乔木生长成熟过程，可以系统评估不同树种在生长周期中遮阴效果变化。基于实地勘测和种植施工图输出种植点坐标，添加树种编码信息并导入Grasshopper插件。基于参数化算法生成不同生长年限的植物模型并叠加三维建筑模型，最终生成校园整体建筑植物三维模型（图4）。
图4 不同种植时长的校园建筑乔木空间三维模型

Fig. 4 Three-dimensional models for campus trees with varying planting durations

3.4 建筑与绿地阴影区生成与可视化

选择襄阳市对应的气候数据，利用Grasshopper插件中的Ladybug Tools工具进行日照分析，参考GB/T 50378—2019《绿色建筑评价标准》中建筑阴影区的计算方法，将分析时间设定为夏至日8:00—16:00，生成场地日照时长等时线图。

4 结果分析

4.1 不同遮阴计算方法结果比较

基于生成的三维场地模型，可动态模拟植物的阴影变化。以场地乔木生长30 a后的情景为例，基于夏至日4 h等时线生成的遮阴范围，可计算得出乔木所产生的阴影面积为269 086.96 m2，约占校园开放空间总面积的51.92%，比传统的静态树冠正投影面积计算方法得出的结果高45.48%。乔木遮阴成为改善校园热环境的主导因素。建筑与植被的阴影存在重叠，重叠面积为30 410.55 m2，体现了二者在遮阴方面的协同效应。
根据统计结果，基于GB/T 50378—2019《绿色建筑评价标准》定义的4 h日照等时线建筑阴影区面积是不同时长遮阴面积的中间值，具有一定的代表性，是合理阈值。而基于树冠正投影面积计算方法模拟的乔木遮阴面积低于任何日照等时线下的遮阴面积，且阴影范围和实际模拟产生的阴影也有一定偏差。因树冠正投影面积计算方法的静态近似属性，无法反映树木随日照变化形成的真实阴影范围，低估了植物的实际遮阴效益。本研究提出的等时线动态模拟遮阴面积方法利用三维乔木模型动态生成的阴影范围，能更为准确地反映真实阴影范围，可用于分析与建筑遮阴区域的分布关联（图5）。
图5 等时线动态模拟法（5-1）与树冠正投影计算（5-2）的阴影面积比较

Fig. 5 Comparison of the shade area calculated by the dynamic simulation method of isochrones (5-1) and that calculated based on the vertical projection of tree canopy (5-2)

4.2 不同生长期植物单体阴影区变化

由于不同树种的生长速度差异，植物阴影区面积逐年增长速率并不均匀。基于参数化的遮阴生成方法，单独输入每种乔木对应的植物生长模型进行模拟，可以更真实地反映不同树种生长过程中的遮阴变化情况（图6）。
图6 不同树种单株植物种植生长过程中的遮阴面积变化

Fig. 6 Changes in shading area during the growth process of individual trees of different species

以襄阳书院建成立校区种植树种为例，在种植初期，朴树、银杏、玉兰、栾树和榔榆等树种具有较大的树冠，单株植物阴影区面积可达36.45~57.07 m2。而由于红花槭、紫薇、蜡梅等树种的冠幅较小，产生的阴影区面积较小，单株植物阴影区面积则在3.01~3.51 m2。在6~20 a的生长期，海棠、蜡梅、红梅等植物类型生长较慢，能提供的遮阴面积有限，枫香、乌桕、鸡爪槭的生长速率则有所提升。在21~30 a的生长期，香樟、榉树、栾树和榔榆的生长速度较快，阴影区面积可达173.73~242.87 m2。相比之下，在21~30 a阶段的海棠、红梅、山茶和紫薇阴影区面积仅为26.9~50.28 m2，更适合用于装饰性较强、遮阴需求不高的校园区域。

4.3 不同生长期植物总体阴影区变化

基于构建的参数化的绿地植物生长模型，可动态预测场地总体遮阴区域变化情况。以襄阳书院已建成立校区为例，从建设完成到种植后30 a，基于夏至日遮阴4 h等时线的植物阴影区面积从69 106 m2增加至269 086 m2，分别占校园开放空间面积的13.33%和51.92%，分别占总体遮阴面积16.40%和76.80%。
在不同遮阴源的影响及其相互作用方面，种植初期校园建筑遮阴占主要部分，随着校园植物的生长，植物阴影区面积逐渐增加。随着植物生长进入成熟期，阴影区面积随着时间的变化逐渐趋于平缓。当植物生长期达到24 a时出现小幅度下降，这可能是由于部分树木的生长产生的遮阴投射距离增大，导致和原本阴影并不重叠的建筑阴影发生了重叠，因此在种植树木时要控制间距，若基于成熟乔木正投影进行静态评估时并不能反映出此问题（图7）。
图7 不同种植年限校园遮阴面积变化

Fig. 7 Changes in shading area of campus trees with varying planting durations

4.4 不同校园区域的遮阴效果变化

基于参数化算法生成的绿地和建筑遮阴范围，可依据不同场地功能类型进行差异化评估。基于襄阳书院的分区划分，宿舍区和教学行政区具备较高的植物种植密度和建筑密度而呈现出较高的阴影面积占比。运动区主要由绿地提供遮阴作用，阴影区面积随着植物生长发生变化，区域内种植的植物有较好的遮阴潜力和生长趋势。道路铺装区多选用的是生长较慢的遮阴树种，遮阴面积占比总体趋势较为稳定，随着种植年份增加面积占比有所上升（图8）。
图8 校园不同活动区域4 h等时线综合遮阴面积随植物的生长变化情况

Fig. 8 Changes of comprehensive shading area within the 4-hour isohel in different activity areas of the campus along with the growth of plants

以模拟植物生长30 a后的遮阴情况为例，校园宿舍区的总体遮阴率最高为90.96%，其中乔木遮阴占比84.36%，但过高的乔木遮阴占比在一定程度会影响房间采光质量。教学行政区域的总体遮阴率次之，为86.99%，其中乔木遮阴占比为60.65%，建筑遮阴占比为35.74%。运动区的总体遮阴率适中，为57.44%，乔木遮阴占比为43.06%，建筑遮阴占比为12.40%。道路铺装区的总体遮阴率55.72%，其遮阴完全来源于植物，该区域在夏季日中受阳光直射的区域面积较多。公共服务区域的总体遮阴率较低为56.21%，其中植物遮阴占43.06%，建筑遮阴比例较低为15.38%。公共区域服务设施相对集中、功能多样，以乔木遮阴为主，虽然为公共区域提供了较为自然的舒适感，但建筑遮阴的贡献较低反映了区域内建筑数量偏少、高度不足且缺少连廊等功能性遮阴设施等问题，减弱了公共服务区室内服务保障功能和室外使用舒适性（表4）。
表4 乔木种植30 a后校园不同活动区域的遮阴效果比较（基于4 h等时线）

Tab. 4 Comparison of shading effects of trees in different activity areas of the campus after 30 years of planting (based on the 4-hour isohel)

分区 综合遮阴面积占比/% 建筑遮阴面积占比/% 植物遮阴面积占比/%
　　注：由于场地内建筑分布距离道路铺装区较远，建筑产生的遮阴极少投射到道路铺装区，因此占比忽略不计。
宿舍区 90.96 25.19 84.36
教学行政区 86.99 35.74 60.65
公共服务区 56.21 15.38 43.06
运动区 57.44 12.40 47.11
道路铺装区 55.72 0 55.72

4.5 校园空间乔木种植优化策略

基于对襄阳校区现有不同功能分区空间的遮阴效果和不同生长时期乔木遮阴能力差异的动态评估结果，本研究提出校园空间的植物优化策略。对于校园宿舍区，树木遮阴面积已超过 80%，因此需对建筑南向开窗区域的植物配置进行优化。建议适当降低栾树、香樟等冠幅较大的常绿乔木的种植密度，并使用如榔榆、朴树、银杏等场地原有的，或青枫、刺槐等襄阳常用的冠高适中、枝叶通透的落叶树种替换，以改善冬季采光并提升整体遮阴格局的季节适宜性。对于教学行政区，需要在建筑入口、中庭广场等短暂休息处增加法桐等速生冠幅大树种，搭配海棠、石榴等兼具观赏价值和遮阴能力的中型乔木，提高舒适度和景观的多样性。对于运动区，中心大面积的开放区域遮阴有待增加，休息节点可种植枫香、乌桕等生长较快树种和刺槐、枫杨等冠幅聚集、枝下高较高的乔木，保证视线通透。场地外围在现有高大乔木基础上，增加枫杨、榆树和重阳木等遮阴能力较强树种，提高中间区域的遮阴面积。对于道路铺装区，主要依靠植物遮阴，中午时间段和植物早期生长时期遮阴效果较差，建议增加种植密度并采用双排种植的同时，可在交叉路口、停靠站点等位置增种重阳木等快速成阴树种。对于公共服务区，乔木数量有限，可增加香樟、枫香等有较好遮阴能力的树种，补充榆树、枫树等中生树，搭配枇杷、石榴、柚子等遮阴能力虽不强但具有复合价值的乔木作为补充，提高景观的丰富度。

5 结论与讨论

5.1 主要结论与应用前景

本研究针对当前绿地遮阴评估标准不统一，垂直投影的传统计算方法存在遮阴空间上的错位和数值上的差距，无法反映树木遮阴动态变化等问题，基于乔木三维模型和异速生长方程建立遮阴范围动态生成算法，实现了对乔木不同生长年限下日照产生的阴影变化的动态模拟。参考GB/T 50378—2019《绿色建筑评价标准》中日照要求和计算逻辑，将乔木夏至日8:00—16:00间4 h日照等时线范围作为乔木阴影区的计算指标，以构建统一的遮阴评估方法。评估结果可反映遮阴的时空变化、树种遮阴能力差异、不同功能分区树种遮阴特征差异。
本研究建立了可复用的算法组合，只需在相关建筑日照分析环境下补充三维植物模型，即可实现对绿地阴影区的计算。该方法具有较高的可操作性和通用性。可用于城市公共空间绿地布局和植物种植优化，为提高室外环境的舒适度和气候适应性设计提供了方法参考。

5.2 尚存不足与改进方向

为简化计算便于评估，本研究将树冠模型作为不透光实体计算，未考虑枝叶透光性和植物物候引起的冠层季节性动态变化对计算结果造成的影响[36]，在一定程度上限制了模拟结果的准确性。在算法的后续优化中，可利用激光雷达技术模拟光线穿透植被冠层的特征[37]，得到更准确的评估结果。在植物的参数化建模方面，L-system和相关扩展算法生成的树木模型，可在关键几何特征上与训练数据保持高度的一致性[38-39]，如Hidayat等[40]阐述了在Grasshopper插件中利用L-system算法建立三维分形树木的方式，利用其构建不同植物结构和分枝形态的参数模型，可实现不同的细节层级表达[41]。深度学习技术也为植物建模提供了技术支持，在三维模型的算法生成阶段，可引入各向异性概念和深度学习算法（如PointNet神经网络）可以构建更精细的植物模型[42-43]。此外，未来还可使用Transformer模型，利用神经网络学习大量的树木几何数据，实现对不同种植物和植物生长预测建模，提高模拟遮阴面积模拟的准确度[44]。
在植物生长模型预测方面，由于国内对植物生长监测尚缺乏完整公开数据，本研究选用了和襄阳地区气候相似区域的异速生长方程，区域的适用性尚需进一步探讨。在模拟周期方面，30 a的模拟周期虽包含场地内绝大部分乔木的成熟期，但仍有可能因为外界因素导致部分慢生树种尚未成熟。同时需要扩大国内异速生长方程研究的范围和树种类型，基于当地的园林绿化环境和气象数据、土壤条件、生态特性等影响因子，建立更为准确的在地化生长模型，并针对不同树种的生长周期优化模拟节点，以实现更为准确的遮阴效果评估。

文中图表均由作者绘制。

1、基于植物生长方程和参数化建模进行植物的三维动态遮阴效果模拟，代替传统二维静态投影的遮阴计算方法，提高绿地遮阴评估的准确性。

2、参考中国GB/T50378—2019《绿色建筑评价标准》中的建筑阴影评估方法，提出基于4 h日照等时线的植物遮阴面积作为评估植物遮阴效果的量化标准，以构建统一的遮阴评估方法。

3、基于湖北省襄阳市48种常用园林植物类型，构建了可推广使用的遮阴面积参数化生成算法，有效支撑了绿地遮阴评估体系的构建与优化。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
CAO J, ZHOU W Q, WANG J, et al. Significant Increase in Extreme Heat Events Along an Urban−Rural Gradient[J]. Landscape and Urban Planning, 2021, 215: 104210.

DOI

[2]
MILLER S M, MONTALTO F A. Stakeholder Perceptions of the Ecosystem Services Provided by Green Infrastructure in New York City[J]. Ecosystem Services, 2019, 37: 100928.

DOI

[3]
MAO J, YUAN H, XIONG L, et al. Research Review of Green Building Rating System Under the Background of Carbon Peak and Carbon Neutrality[J]. Buildings, 2024, 14(5): 1257.

DOI

[4]
PHAM D H, LEE J, AHN Y. Implementing LEED V4 BD+C Projects in Vietnam: Contributions and Challenges for General Contractor[J]. Sustainability, 2019, 11(19): 5449.

DOI

[5]
袁梦, 张群, 成辉, 等. 美国WELL建筑标准评价框架与指标内容演变[J]. 建筑科学, 2019, 35(12): 144-151.

YUAN M, ZHANG Q, CHENG H, et al. Evolution of Evaluation Framework and Index Contents of the WELL Building Standard[J]. Building Science, 2019, 35(12): 144-151.

[6]
王清勤, 李国柱, 姜波, 等. 国家标准GB/T 50378—2019（2024年版）《绿色建筑评价标准》介绍[J]. 建筑科学, 2024, 40(10): 149-152,178.

WANG Q Q, LI G Z, JIANG B, et al. An Introduction of GB/T 50378−2019 (2024 Version) Assessment Standard for Green Building[J]. Building Science, 2024, 40(10): 149-152,178.

[7]
LIU C C, ZHU H H, LI L, et al. Spatiotemporal Expression and Application of Urban Residential Solar Rights Based on CityGML-LADM[J]. International Journal of Digital Earth, 2023, 16(1): 2301-2321.

DOI

[8]
DIAMBU S M, OSOMBA D W, MAYENA T K, et al. Contribution of ALOS PALSAR DEM Imagery to the Study of Geological and Morphostructural Lineaments of Boma Trough Block, Onshore Coastal Basin of D.R. Congo[J]. Indonesian Journal of Earth Sciences, 2023, 3(1): A632.

DOI

[9]
赵从博.基于绿建标准的既有居住区室外环境分析和改造[D].沈阳: 沈阳大学, 2020.

ZHAO C B. Analysis and Renovation of Outdoor Environment of Existing Residential Area Based on Green Building Standard[D]. Shenyang: Shenyang University, 2020.

[10]
于红霞, 商钰淇, 商彤. 基于里院光环境的节能改造[J]. 大连工业大学学报, 2018, 37(4): 309-312.

YU H X, SHANG Y Q, SHANG T. Green Energy-Saving Lighting Renovation Based on Light Environment in Liyuan[J]. Journal of Dalian Polytechnic University, 2018, 37(4): 309-312.

[11]
MAKSOUD A, ALI HUSSIEN A, TATAN L, et al. Simulation-Driven and Optimization-Based Design of an Architectural Building: A Case Study of a Space Tourism Building in the UAE[J]. Buildings, 2023, 13(12): 2927.

DOI

[12]
张泽, 吴正旺. 日照时长导向的高层住区形态多目标优化研究[C]//中国建筑学会. 2022—2023中国建筑学会年会论文集. 北京: 中国建筑工业出版社, 2023: 311-318.

ZHANG Z, WU Z W. A Multi-objective Optimization Study of Sunshine Duration Oriented High-Rise Settlement Form[C]//Architectural Society of China. Proceedings of the Architectural Society of China 2022−2023. College of Architecture. Beijing: China Architecture & Building Press, 2023: 311-318.

[13]
黄秋燕, 杨建欣, 陈安, 等. 榕属4个园林树种遮荫效果研究[J]. 江苏林业科技, 2022, 49(4): 24-30.

HUANG Q Y, YANG J X, CHEN A, et al. Shading Effect of Four Landscape Ficus sp Trees in Moraceae[J]. Journal of Jiangsu Forestry Science & Technology, 2022, 49(4): 24-30.

[14]
YU Q Y, JI W J, PU R L, et al. A Preliminary Exploration of the Cooling Effect of Tree Shade in Urban Landscapes[J]. International Journal of Applied Earth Observation and Geoinformation, 2020, 92: 102161.

DOI

[15]
苏宏霖, 唐丽玉, 陈季委, 等. 三维场景树荫模拟与量化: 以城市街道为例[J]. 地球信息科学学报, 2024, 26(11): 2493-2505.

SU H L, TANG L Y, CHEN J W, et al. Simulation and Quantification of Tree Shade in Three-Dimensional Scenes: A Case Study of Urban Street[J]. Journal of Geo-Information Science, 2024, 26(11): 2493-2505.

[16]
WANG Y P, AKBARI H. The Effects of Street Tree Planting on Urban Heat Island Mitigation in Montreal[J]. Sustainable Cities and Society, 2016, 27: 122-128.

DOI

[17]
马尔温, 杨俊宴, 郑屹, 等. 关联·机制·治理: 基于微气候评价的高密度城市步行适宜性环境营造研究[J]. 国际城市规划, 2019, 34(5): 16-26.

DOI

MARVIN S, YANG J Y, ZHENG Y, et al. Correlation, Mechanism, Control: Research on High-Density Urban Pedestrian Suitability Environment Construction Based on Micro-climate Assessment[J]. Urban Planning International, 2019, 34(5): 16-26.

DOI

[18]
吴凡.荒漠草本植物在不同营养条件下不同生长时期异速生长规律研究[D].兰州: 兰州大学, 2017.

WU F. Allometric Law of Desert Herbs Under Different Nutrition Status at Different Growth Stages[D]. Lanzhou: Lanzhou University, 2017.

[19]
LI Z Y, LUO Q H, XU Z L. Effects of Stand Density on the Biomass Allocation and Tree Height-Diameter Allometric Growth of Picea Schrenkiana Forest on the Northern Slope of the Western Tianshan Mountains[J]. Arid Zone Research, 2021, 38(2): 545-552.

[20]
OURIA M, SEVINC H. Evaluation of the Potential of Solar Energy Utilization in Famagusta, Cyprus[J]. Sustainable Cities and Society, 2018, 37: 189-202.

DOI

[21]
KONIS K, GAMAS A, KENSEK K. Passive Performance and Building Form: An Optimization Framework for Early-Stage Design Support[J]. Solar Energy, 2016, 125: 161-179.

DOI

[22]
WAQAS H, SHANG J G, MUNIR I, et al. Enhancement of the Energy Performance of an Existing Building Using a Parametric Approach[J]. Journal of Energy Engineering, 2023, 149: 04022057.

DOI

[23]
JIA D D, ZHENG W G, WEI X M, et al. Parametric Design and Genetic Algorithm Optimization of a Natural Light Stereoscopic Cultivation Frame[J]. Agriculture, 2024, 14(1): 84.

[24]
LIU D L, WANG K Q. Research on the Siting of Rural Public Cultural Space Based on the Path-Clustering Algorithm: A Case Study of Yumin Township, Yushu City, Jilin Province, China[J]. Sustainability, 2023, 15(3): 1999.

DOI

[25]
DUTTA G S, MEINERS D, MERKERT N. A Study of Free-Form Shape Rationalization Using Biomimicry as Inspiration[J]. Polymers, 2023, 15(11): 2466.

DOI

[26]
张亚敏. 山水森林城 宜居新襄阳[J]. 国土绿化, 2019(9): 34-39.

ZHANG Y M. Landscape Forest City, Livable New Xiangyang[J]. Land Greening, 2019(9): 34-39.

[27]
吴家祺, 詹庆明, 巫溢涵, 等. 基于通风潜力的襄阳市通风廊道规划指引研究[C]//城市规划新技术应用学术委员会.智慧规划· 生态人居· 品质空间: 2019 年中国城市规划信息化年会论文集, 南宁: 广西科学技术出版社, 2019.

WU J Q, ZHAN Q M, WU Y H, et al. Research on Planning Guidance of Ventilation Corridors in Xiangyang Based on Ventilation Potential[C]//Academic Committee on New Technologies in Urban Planning. Smart Planning, Ecological Human Settlement, Quality Space: Proceedings of the 2019 China Urban Planning Informatization Annual Conference. Nanning: Guangxi Science & Technology Publishing House Co, Ltd., 2019.

[28]
王浴淇, 肖映辉, 詹庆明. 基于 CFD 的襄阳市卧龙大道片区适应性优化[C]//城市规划新技术应用学术委员会. 智慧规划·生态人居·品质空间: 2019 年中国城市规划信息化年会论文集, 南宁: 广西科学技术出版社, 2019.

WANG Y Q, XIAO Y H, ZHAN Q M. Adaptability Optimization of Wolong Avenue Area in Xiangyang City Based on CFD[C]//Academic Committee on New Technologies in Urban Planning. Smart Planning, Ecological Human Settlement, Quality Space: Proceedings of the 2019 China Urban Planning Informatization Annual Conference, Nanning: Guangxi Science & Technology Publishing House Co, Ltd., 2019.

[29]
孙迪, 章莉. 夏季襄阳唐城影视基地热舒适对游客场所感知影响及优化措施研究[J]. 园林, 2023, 40(8): 72-82.

SUN D, ZHANG L. Study on the Influence of Thermal Comfort on Tourists' Perception of Place and Its Optimization Measures in Xiangyang Tangcheng Film and Television Base in Summer[J]. Landscape Architecture Academic Journal, 2023, 40(8): 72-82.

[30]
SALAS-ELJATIB C, MEHTÄTALO L, GREGOIRE T G, et al. Growth Equations in Forest Research: Mathematical Basis and Model Similarities[J]. Current Forestry Reports, 2021, 7(4): 230-244.

DOI

[31]
周宏轩, 陶贵鑫, 炎欣烨, 等. 绿量的城市热环境效应研究现状与展望[J]. 应用生态学报, 2020, 31(8): 2804-2816.

ZHOU H X, TAO G X, YAN X Y, et al. A Review of Research on the Urban Thermal Environment Effects of Green Quantity[J]. Chinese Journal of Applied Ecology, 2020, 31(8): 2804-2816.

[32]
刘建峰.我国常见树种通用生物量相对生长方程建模研究[D].金华: 浙江师范大学, 2021.

LIU J F. Modeling Study of Generic Allometric Biomass Equations for Common Tree Species in China[D]. Jinhua: Zhejiang Normal University, 2021.

[33]
THIPPAWAN S, CHOWTIWUTTAKORN K, PONGPATTANANURAK N, et al. Allometric Models to Estimate the Biomass of Tree Seedlings from Dry Evergreen Forest in Thailand[J]. Forests, 2023, 14(4): 725.

DOI

[34]
MCPHERSON E G, VAN DOORN N S, PEPER P J. Urban Tree Database and Allometric Equations[R]. Albany, CA: U.S. Department of Agriculture, Forest Service, Pacific Southwest Research Station, 2016.

[35]
李文娇.基于植物参数化生长模型的绿地景观绩效指标提取和评估方法研究: 以武汉市戴家湖公园绿地为例[D].武汉: 华中农业大学, 2024.

LI W J. Research on the Extraction and Assessment Method of Greenland Landscape Performance Indicators Based on Plant Parameterized Growth Model[D]. Wuhan: Huazhong Agricultural University, 2024.

[36]
耿君, 田庆久, 涂丽丽, 等. 树冠尺寸对冠层间隙率和聚集度指数的影响[J]. 遥感学报, 2016, 20(6): 1319-1327.

DOI

GENG J, TIAN Q J, TU L L, et al. Influences of Crown Size on the Estimation of Gap Fraction and Clumping Index[J]. National Remote Sensing Bulletin, 2016, 20(6): 1319-1327.

DOI

[37]
LAUSCH A, ERASMI S, KING D J, et al. Understanding Forest Health with Remote Sensing-Part II: A Review of Approaches and Data Models[J]. Remote Sensing, 2017, 9(2): 129.

DOI

[38]
JUUSO L. Procedural Generation of Imaginative Trees Using a Space Colonization Algorithm[D]. Västerås: Mälardalen University, 2017.

[39]
陈逸, 曹骏, 陈鹭芸, 等. MATLAB环境下基于三维L系统的树木形态模拟[J]. 现代计算机, 2024, 30(13): 57-62.

CHEN Y, CAO J, CHEN L Y, et al. Simulation of Tree Morphology Based on 3D L-system in MATLAB Environment[J]. Modern Computer, 2024, 30(13): 57-62.

[40]
HIDAYAT E W, GIRIANTARI I A D, SUDARMA M, et al. Visualization of a Three-Dimensional Tree Modeling Using Fractal Based on L-system[C]//2020 IEEE International Conference on Sustainable Engineering and Creative Computing. Piscataway, NJ: IEEE, 2020: 418-422.

[41]
张炜, 郝佳雪. 基于L-system算法的植物信息模型构建和三维绿量分析[J]. 风景园林, 2023, 30(3): 96-104.

ZHANG W, HAO J X. Construction of Plant Information Model and Analysis of 3D Green Quantity Based on L-system Algorithm[J]. Landscape Architecture, 2023, 30(3): 96-104.

[42]
ZHANG C Y, ZHOU Y H, QIU F. Individual Tree Segmentation from LiDAR Point Clouds for Urban Forest Inventory[J]. Remote Sensing, 2015, 7(6): 7892-7913.

DOI

[43]
GUO Y L, WANG H Y, HU Q Y, et al. Deep Learning for 3D Point Clouds: A Survey[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2021, 43(12): 4338-4364.

DOI

[44]
LEE J J, LI B S, BENES B. Latent L-systems: Transformer-Based Tree Generator[J]. ACM Transactions on Graphics, 2023, 43(1): 1-16.

Options
Outlines

/

〈 〉