首页分享论文推送

论文推送

来源：花匠小妙招时间：2024-11-08 22:15

【文献来源】刘可,徐小东,王伟,等.近30年城市形态与建筑能耗关联性研究综述[J].建筑学报,2023(S1):120-127.

近30年城市形态与建筑能耗关联性研究综述

刘可徐小东* 王伟张然

（东南大学建筑学院，南京 210096 ）

摘要

城市形态是影响建筑能耗的重要因素。通过调控城市形态降低建筑能耗，是实现“双碳”目标的有效途径之一。基于此，首先辨析了城市形态与建筑能耗的相关概念，概括了城市形态对建筑能耗的影响机制。随后从研究方法、研究对象、气候边界与城市形态类别4个方面详细阐述了国外研究的现状、特征与趋势，并指出了目前国内研究的不足与差距，最后从理论研究与实际应用两方面提出了我国未来在城市形态与建筑能耗关联性研究领域应重点关注的内容与方向。

Urban form has a significant effect on building energy consumption. Reducing building energy consumption by regulating urban form is one of the effective ways to achieve the Dual Carbon Goals. Firstly, this paper defines the concepts of urban form and building energy consumption, and then summarizes the influence mechanism of urban form on building energy consumption. Then, this paper expounds the current situation, characteristics and trends of foreign research from four aspects: research methods, research objects, climate boundaries and urban form categories, and points out the shortcomings and gaps of domestic research. Finally, from the perspectives of theoretical research and practical application, this paper puts forward the content and development direction that China should pay attention to in the field of correlation between urban form and building energy consumption in the future.

关键词

“双碳”目标；城市形态；建筑能耗；关联性；节能城市设计

dual carbon goals, urban form, building energy consumption, correlation, energy-efficient urban design

0 引言

2020年9月，中国政府在联合国大会上宣布“二氧化碳排放力争于2030年前达到峰值，努力争取2060年前实现碳中和”。长期以来，作为与工业、交通并列3大能源消费主体的建筑部门，其能耗居高不下。2019年我国建筑运行阶段能耗占社会总能耗的22%，建筑碳排放占排放总量的20%[1]。从全球范围看，城市地区和建筑消耗了世界2/3以上的末端能源，并产生了70%以上的碳排放[2]。预计随着全球城市化进程的不断推进，建筑能耗将会继续增长[3]。因此，降低建筑能耗，落实城市建筑节能，已成为世界各国共同面对的核心挑战，也是我国实现可持续城市建设与“双碳”目标的关键所在。研究表明，城市形态对建筑能耗具有重大影响[4,5,6]。城市形态建构是城市设计的主要任务之一，明确城市形态与建筑能耗的关联性及具体影响，有利于探索不同城市形态布局的节能潜力，促使节能设计从城市设计阶段就提前介入，从而与单体建筑层面的节能措施形成合力，为城市可持续发展提供技术支撑。

国外对于城市形态与建筑能耗关联性的研究起步较早，发展已较为成熟。从城市形态与建筑能耗的耦合机制到不同城市形态因子与建筑能耗的量化关系都得到了较为系统全面的揭示[7]。此外，来自建筑、规划、能源、气候学、地理学等不同领域的学者也从各自视角介入该研究，现已成为国际城市节能研究领域的热门方向。然而，我国相关研究起步较晚，成果有待进一步丰富。

本文梳理了国外城市形态与建筑能耗关联性研究的学术脉络与演进趋势，指出了目前我国与国外研究的差距，最后提出针对未来我国相关研究发展的思考与启示，以期为我国城市建筑节能提供理论依据与参考。

1 城市形态对建筑能耗的影响机制

城市形态指城市各组成要素在空间、社会、经济、文化等方面表现出来的模式与形态。一般而言，有广义和狭义之分。狭义城市形态是城市实体所构成的物质空间形态[8]。而广义城市形态指在一定的地理空间和社会经济背景下，人类活动与自然因素耦合作用的结果；是人们通过各种方式去认识、感知城市的总体意象[9]。本文在结合两种分类的基础上，参考相关文献，将城市形态分为城市密度、空间布局、建筑类型、城市下垫面、土地利用5种类别。

建筑能耗，广义上指建筑材料生产、运输阶段、建筑施工阶段、建筑运行阶段乃至建筑拆除阶段的全生命周期能耗[10]。但通常来说，建筑能耗多指建筑运行阶段的能耗。本文重点关注建筑运行阶段的用电能耗。

建筑是城市物质空间的重要组成部分，与周边环境存在复杂的能量交换。即使是同一栋建筑放置在不同环境之中，其运行能耗也会有所差异。群体建筑能耗并非单体建筑能耗的简单叠加[11]。目前普遍认为，城市形态借由建筑间效应(Inter-building Effect)[12]、城市微气候(Urban Microclimate)[13]和用户用能行为(Occupant Behavior)[14]3条路径对建筑能耗产生影响(图1)。例如，建筑间的遮挡效应与表面反射影响建筑表面的日照情况，进而影响室内采光，对采光能耗造成影响。其次，日照情况影响建筑表面得热，改变室内温度，进而对建筑冷热负荷产生影响。另一方面，城市形态通过影响区域内部能量平衡，使区域微气候，如空气温度、相对湿度、风速、风向等发生改变，进而使建筑受热状况和建筑表面对流换热系数发生改变，最终影响建筑采暖、制冷与通风能耗。此外，街区功能配置和配套设施布局等土地利用属性通过影响用户用能行为和微气候间接对建筑用能产生影响。因此，合理的城市形态能够降低建筑能耗，从城市形态层面研究建筑节能具有巨大潜力。

图1 城市形态对建筑能耗的影响机制

2 城市形态与建筑能耗关联性研究进展

为了全面把握目前城市形态与建筑能耗关联性研究的学术脉络与发展趋势。本文选取CNKI数据库以及Web of Science核心合集数据库分别作为中、英文文献数据检索源。设置检索时间为1991-2021年。分别运用专业术语“城市形态、城市肌理、城市布局”与“建筑能耗、用电能耗、住宅能耗、能耗”“urban form、urban morphology、urban pattern、urban geometry、urban layout、urban built form、urban configuration、urban texture”与“building energy、energy use、energy performance、energy consumption、electricity use、thermal load”组合进行高级主题检索。在获取初步检索结果后，筛除部分文章类型不合要求以及无关的文献，获得有效文献共计469篇，其中中文文献45篇、英文文献424篇。

2.1 研究文献发表概况

文献发表时间及数量反映了研究领域受关注的变化趋势。如图2、3所示，国外研究起步较早，在1990年代便存在零星的早期探索，进入21世纪后，相关研究数量持续上升，尤其是2010年后，伴随着高精度建筑能耗数据的出现，城市形态与建筑能耗关联性研究呈现井喷式增长，反映出该研究方向已成为国际学术界关注的焦点之一。而国内研究起步相对较晚，数量相对较少，不过2018年后国内文献数量也呈现明显上升趋势。

图 2 Web of Science数据库相关研究论文发表数量统计

图 3 CNKI数据库相关研究论文发表数量统计

2.2 国外最新研究进展与热点

本文对筛选的424篇英文文献进行关键词共现分析，将其中出现的87个高频关键词划分为4个聚类。如图4所示，城市形态、能耗、影响3个词对应圆圈面积最大，说明城市形态对能耗的具体影响是大多数研究的关注焦点。研究发现，近30年的国外城市形态与建筑能耗关联性研究的热点词主要集中于以下4个方面：1)研究方法，关键词包括模拟、模型、预测等；2)研究对象类型，关键词包括尺度、区域、城市、街区、街道层峡等；3)气候边界，关键词包括城市热岛、城市微气候、温度、气流等；4)城市形态类型，关键词包括密度、绿化、天空可视域、土地利用等。以下将详细阐述国外相关研究在上述4方面的现状、特征与趋势。

图 4 国外城市形态与建筑能耗关联性研究关键词共现分析

2.2.1 研究方法

从研究方法来看，城市形态与建筑能耗关联性研究经历了以数据驱动方法为主到模拟与数据驱动方法并重的发展历程，并逐渐向模拟与数据驱动方法相结合的方向迈进。

1970年代末，世界能源危机催生了城市建筑领域的节能研究。数据驱动方法作为探索影响城市能耗因素的重要工具得到了广泛关注。数据驱动方法往往以真实城市数据为基础，通过构建数学模型，分析城市形态与建筑能耗之间的影响程度与相关关系。在这一时期，常用的数据驱动模型有回归模型、敏感性分析模型等。对于数据驱动方法而言，数据的质量与数量决定着结论的准确性与有效性，因此该方法在能耗统计工作较为完备的西方国家被广泛使用。

进入21世纪后，计算机与数字化技术的迅猛发展助推了能耗模拟软件的推陈出新。从早期单体建筑能耗模拟软件(BEM)，例如EnergyPlus、DOE-2、DeST等，到近来兴起的基于物理模型的城市能耗建模软件(UBEM)，例如UMI[15]、CEA[16]、CitySim[17]等，都极大地促进了模拟方法在城市形态与建筑能耗关联性研究领域的运用。模拟方法一般以建筑形态参数、热工参数、用户行为参数、设备参数和气候参数等作为输入，通过软件计算获得诸如采暖、制冷、照明和设备等末端能耗。在模拟方法中，模拟时间、精度以及结果有效性都会受到参数设置和模拟工具类型的影响。大多数研究借助模拟方法建模便捷、方便修改等优势，使用控制变量法，针对性地对所需研究的城市形态指标与建筑能耗展开量化研究[18]；也有部分研究，结合单目标或多目标优化算法，探索能源驱动的城市设计方法与策略[19]。此外，在这一时期，机器学习算法加速更新迭代，同样把数据驱动方法带入了一个新的发展阶段。主成分分析、聚类分析等无监督学习算法以及人工神经网络、支持向量机、决策树等监督学习算法不断在相关研究中应用与浮现[20,21,22,23,24]。整体而言，目前在城市形态与建筑能耗关联性研究领域呈现模拟与数据驱动方法并重的局面。

但是，数据驱动方法与模拟方法都存在一定的局限性，尤其体现在大尺度的相关研究中。近年来出现的模拟与数据驱动相结合的研究方法则在一定程度上弥补了其欠缺，展现出较好的应用前景[25,26,27]。表1比较了上述3种研究方法的优势与劣势。

表1 3种研究方法比较

2.2.2 研究对象

目前，城市形态与建筑能耗相关研究涉及的研究对象可大致分为3类，分别是街道层峡、理想网格和真实形态(图5)。街道层峡由一条街道与其两侧围合的建筑共同构成，是城市街区中最基本的形态组成单元，是研究城市街区形态的基础；理想网格源自于英国剑桥大学马丁(Leslie Martin)和马奇(Lionel March)对城市形态的研究成果[28]，采用方形网格结合建筑原型的模式对城市形态进行简化与抽象，并且在一定程度上保留了城市形态最重要的肌理特征，提供了一个定量描述与研究城市形态的不同视角；真实形态指直接使用现实环境中的城市形态作为研究对象。

不同的研究对象类型都有与之相对应的研究尺度与方法(表2)。通常而言，当街道层峡作为研究对象时，研究一般着眼于建筑群尺度，多采用数据驱动方法或模拟方法。当理想网格作为研究对象时，此类研究多集中于街区或片区尺度，一般采用模拟方法或模拟+数据驱动方法。然而，当研究对象是真实城市形态时，此类研究所涉及的尺度变化区间较大，涵盖建筑群、街区或片区乃至城市或区域尺度，通常采用数据驱动方法进行形态与能耗研究。

图5 研究对象分类(从左至右：街道层峡、理想网格、真实形态)

表2 不同城市形态类型的研究尺度与方法

2.2.3 气候边界

城市微气候是城市形态对建筑能耗产生影响的重要媒介之一，与建筑能耗研究紧密相关。在模拟研究中，一般以典型气象年数据作为气候边界进行能耗计算，由于该数据经过平均化处理，未能反映真实城市环境的影响，从而导致能耗评估结果产生偏差[29]。针对这一问题，部分模拟研究通过耦合微气候模拟和能耗模拟软件综合评估建筑能源需求。具体步骤往往是通过微气候模拟软件仿真获取研究对象所在区域微气候数据，然后将获得的微气候数据作为气候边界条件输入能耗模拟软件再进行能耗评估[30,31]。此外，也有部分模拟研究将研究对象所在区域的微气候实测数据作为输入进行能耗模拟[32]。然而，对于数据驱动方法而言，在获取了明确的城市形态指标与真实建筑能耗数据后，可直接对二者相关性与关联度进行分析，一般不会就城市微气候展开讨论。

值得注意的是，由于城市微气候对建筑能耗具有举足轻重的影响。因此在城市形态与建筑能耗的关联性研究中，城市微气候的重要性愈发得到强调。尤其是在全球气候变暖、城市热岛效应加剧的背景下，逐渐衍生出两支重要的研究子方向，分别是城市形态与微气候关联性研究[33]，以及微气候与建筑能耗关联性研究[34]。这两项研究都有利于深化对城市形态与建筑能耗关联性的认知，并逐渐成为备受瞩目的跨学科研究方向。

2.2.4 城市形态类别

构建适宜可量化描述的城市形态指标是探讨城市形态对建筑能耗影响关系的重要基础。相较于早年间专注于对城市空间几何形态的探讨，近年来相关研究开始关注城市形态中的非主体部分，例如城市绿化、地表材质、土地利用等要素对建筑能耗的影响。本文从城市密度、空间布局、建筑类型、城市下垫面和土地利用5种城市形态类别出发，全面梳理了不同类别的城市形态要素对建筑能耗影响的研究进展。表3展示了目前已被广泛讨论的在不同城市形态类别中切实影响建筑能耗的具体指标。

1) 城市密度

城市密度一般用来描述城市用地的开发强度与建设密度，包含容积率、建筑密度、开放空间率、人口密度、道路密度、平均层数等形态指标[35]。国外学者很早就开始讨论城市密度对建筑能耗的影响，尤其是对居住建筑能耗的影响。事实上密度与建筑能耗的关系是一个颇具争议性的话题。

目前主流的观点有3种，第一种认为高密度城市能耗相对较低[4,5,36,37,38]。持此种观点的学者认为城市密度越高，建筑形态更为紧凑，从而可降低建筑负荷。纳塔尼亚纳(Natanian)等针对地中海气候下办公与居住街区的一项研究发现街区容积率越大，制冷能耗越高[39]。第二种观点认为城市密度越大建筑能耗越大。理由是伴随着密度增加，热岛效应加强，导致建筑制冷负荷增长。此外，高密度城区严重的建筑遮挡，影响了建筑表面得热以及太阳能利用，从而也导致建筑能耗需求的增长。权纪戈(Quan)等对上海市部分真实街区进行能耗模拟发现容积率越大的街区，建筑能耗强度越大[40]。第三种观点认为，密度与建筑能耗并非呈现稳定的同一趋势，而是呈现“U”形特征，即在转折点之前呈现负相关关系，在转折点之后呈现正相关关系[41,42]。这种变化可能是由于建筑间遮挡与热岛效应对能耗影响大小的此消彼长。此外，亦有观点认为密度与建筑能耗没有明显关联性[43,44]。还有美国学者研究了人口密度与家庭能耗的关系，结果显示，若人口密度增加一倍可以使住宅能源消耗降低35%[45]。

2) 空间布局

空间布局用于描述城市实体的三维几何特征。学者们针对不同空间布局形态指标与建筑能耗的关系展开了探究。例如，欧(Oh)等提出13种形态指标，利用统计分析方法对上述指标与能耗关系进行分级分类[24]。在众多研究中，街道层峡始终是讨论热点，并且逐渐产生了对障碍角[46,47]、天空可视域[18]等衍生指标的探究。街道层峡与建筑能耗联系紧密，其一方面决定了建筑间的遮挡关系，另一方面影响了层峡内部的风环境(热压通风与风压通风)与热环境(长波和短波辐射热量的吸收与逸散)。斯特鲁曼·安德斯(Strømann-Andersen)等研究发现，街道层峡的几何特征对办公和居住建筑能耗影响可高达30%与19%[4]。曼根(Mangan)等基于温带城市形态的研究发现相较于朝向，建筑高度与街道层峡高宽比对建筑能耗与成本效率的影响更大[48]。

体形系数、周长面积比等指标通常用于描述建筑紧凑程度，是衡量建筑得热、失热能力的重要指标，也被认为是影响建筑能耗的重要因素[47,49]。此外，朝向也被认为是影响能耗的关键指标之一[20]。朝向一方面决定了建筑在何种程度上接受和利用太阳辐射，另一方面也影响了街区内部的通风和热量散失，进而对建筑能耗产生影响。

3) 建筑类型

探索最节能的建筑类型一直是相关研究热点。众多学者在经典的庭院式、点式和板式3种建筑类型的基础上对此展开了研究。相当多研究发现，庭院式建筑类型在多种气候条件下，均具有较好的能耗表现[50,51]。塔莱加尼(Taleghani)等评估了温带气候城市鹿特丹的3种建筑类型(点式、板式和庭院式)，结果显示庭院式的供暖能源需求最低，夏季热舒适小时数最多[52]。瓦托洛米奥斯(Vartholomaios)的研究发现紧凑布局、建筑朝南和采用庭院式街区形态是地中海气候区最为节能的群体布局模式[53]。此外，还有部分学者基于类型学视角，抽象提炼出本地特有建筑类型，并就其与建筑能耗和太阳能潜力的关系展开了探究[54,55]。

4) 城市下垫面

城市下垫面是影响建筑能耗的重要城市形态类别之一。城市下垫面主要由建筑外表面、道路、停车场、硬地和人行道等不透水表面以及部分植被、绿化与水体组成，与乡村地区下垫面相比，具有明显不同的热容性质(包括热容量和导热系数)和表面辐射性质。城市中大量的硬质人工材料吸收大量的太阳辐射，然后以长波辐射的形式重新发射出去，导致城市环境升温，进而使建筑制冷能耗增加[56]。针对人工下垫面，使用高反照率材料，被认为是降低建筑制冷负荷和环境空气温度的有效方法之一[56,57]。但是也有观点认为，随着道路与建筑外墙等人工表面的反照率的增加，会带来潜在的能源负荷上升风险[58]。

增加城市水体、绿地、公园、树木、垂直绿化和屋顶绿化，也是缓解城市热岛效应与降低城市能耗的有效手段[59,60,61,62,63,64]。需要指出的是，不当的植被配置会带来潜在的冬季采暖需求上升的问题，尤其在夏热冬冷地区。为了避免这种不利因素的影响，需统筹考虑制冷与采暖能耗，权衡总体节能值，最大化发挥植被在城市节能中的潜力。研究人员对植物种植的位置、品种、树冠大小和叶面积密度(leaf area density, LAD)、叶面积指数(leaf areaindex, LAI)等属性提出了要求。一般建议在建筑物周边种植落叶树，在夏季阻挡日照，在冬季可使建筑获得充足太阳辐射，从而减少采暖与制冷的能源需求[65]。此外，应尽量避免在南侧种植高大常青乔木。有研究发现，树木种植在房屋西侧比种植在其他方向节能潜力高出2～3倍，制冷需求下降幅度最大[66]。行道树的树叶密度和种植模式与建筑能耗也直接相关，并且当树木形成连续的遮阳树冠时，可实现更高的节能率[67]。

5) 土地利用

土地利用是城市规划设计中的重点内容之一。对土地利用与能耗的早期研究大量集中于交通能耗领域。近年来，研究发现土地利用通过影响使用者用能行为以及城市微气候进而与建筑能耗产生关联。不同功能属性用地上的建筑能耗表现差异极大，例如，居住街区与办公街区。对于混合功能用地，不同功能配置比例都会对使建筑能源使用特征发生变化。辛格(Singh)等研究了商业用地对混合街区能源需求与环境绩效的影响，并通过多目标算法对住宅与商业及其他功能用地的配比进行寻优，探索能耗最低的混合街区布局模式[68]。此外，大尺度的城市片区土地利用格局决定了城市空间结构，将会显著影响城市微气候，进而对城市能耗与碳排放造成影响[69]。

2.3 国内相关研究进展

城市形态对建筑能耗的重要影响现已得到国际学术界的广泛关注。然而，相较于国外层出不穷的相关研究，国内研究则明显滞后，有待进一步加强，但近年来也涌现出不少创新性成果。部分学者从理论层面构建了低碳城市建设和研究框架[70,71,72,73]。有些学者重点探讨不同城市形态指标与建筑能耗的量化关系与影响程度[74,75,76,77]。此外，还有部分学者结合最新数字化技术提出低碳或节能城市的设计方法与工作路径[78,79]。例如，刘可以夏热冬冷地区居住街区为例提出了能源绩效驱动的城市形态优化生成方法与策略，并探讨了城市形态指标对建筑能耗以及太阳能潜力的影响[80]。

整体而言，目前国内城市形态与建筑能耗关联性研究主要呈现以下4大特征。

首先，研究方法以模拟为主，数据驱动方法应用较少。其次，研究对象多采用理想网格模式，研究尺度往往集中在中观的街区或片区层面，而城市或区域等大尺度关联性研究相对较少。再次，研究讨论的城市形态类别主要集中在城市密度、空间布局和建筑类型3方面，针对城市下垫面和土地利用对建筑能耗影响的研究较少。最后，设计方法类研究多基于理想街区，而将方案能耗评估和节能导向的城市形态优化整合到城市设计实践中的探索较为缺乏。

3 对我国相关研究的启示

国外对城市形态与建筑能耗关联性已进行了长达几十年的研究，较为系统全面地探索了不同城市形态类型与建筑能耗的耦合机理与量化关系，在此基础上开发了多种城市能耗评估模型并将其应用在城市能源规划和节能城市设计当中，初步完成了从理论到实践的城市形态与建筑能耗关联性研究框架的建构，具有一定的借鉴意义与参考价值。然而，不同的气候、地理、文化背景与治理体制造成了我国与西方国家的城市形态具有较大差异性，此外，气候和用户用能行为等差异也导致了建筑用能特征表现不同。因此，需针对性地开展立足本土的城市形态与建筑能耗关联性研究，助推城市建筑节能。下文将从理论研究与实际应用两方面，提出几点启示与思考，以期对我国相关研究有所裨益。

3.1 理论研究—夯实基础研究，完善研究方向

3.1.1 建立开源城市基础信息数据库

与国外研究相比，真实城市基础信息数据的缺乏严重制约了我国相关研究的开展。城市基础信息数据是开展相关研究工作的基础，缺少有效开源的真实数据难以支撑城市形态与建筑能耗量化关系与作用机制的探究，也无法校验模拟研究的结果，从而也极大影响了模拟研究的真实性与可靠性。因此，迫切需要建立针对不同城市的覆盖面广、代表性强、数据量丰富的开源城市信息数据库。近期内数据库应包含城市建筑三维几何数据(建筑平面尺寸、建筑高度、窗墙比等)、非几何数据(建筑功能、建造年代、围护结构参数、人员信息、设备信息等)以及建筑能耗数据(水、电、气等)，远期可考虑纳入交通、微气候、兴趣点等其他类型城市基础数据，从而为城市相关基础研究提供数据支撑。

3.1.2 开发大尺度城市建筑能耗计算平台

国内城市建筑能耗计算平台的开发远远滞后于西方国家。目前，仅有清华大学开发的DeST工具在往此方向靠拢[81]。在未来的研究中，开发高性能的大尺度城市建筑能耗计算平台尤为重要。首先，在城市增量建设背景下，基于该平台可构建起有效的涵盖整体到局部的多层级节能城市形态调控模式与策略，制定不同尺度的节能设计导则，并融入到现有的法定规划程序和制度中。其次，可以辅助设计师对城市设计方案进行快速能源绩效评估，乃至方案生成、评估、优化一体化，从而为大尺度的总体城市设计提供技术支撑。此外，针对城市存量更新与优化，利用该平台可以实现对既有街区或历史街区的节能改造进行能源绩效与改造成本评估。

3.1.3 促进多学科交叉研究

城市形态与建筑能耗关联性作用机制复杂，涉及领域较多，是一项复杂的跨学科研究内容，需要不同领域学者共同介入，构建一套多学科交叉的协同创新研究体系。例如，城市开源数据库的建立以及城市建筑能耗计算平台的开发过程中涉及到的城市三维空间模型建立、基础数据清洗与预处理、能耗计算以及结果可视化等工作则需要地理信息学、统计学、暖通、电气，以及计算机科学等专业的支持。此外，相关研究成果的落地，还需要规划设计专业协同经济学、环境学以及生态学等多学科对其社会、经济、环境影响进行绩效评估与预判。

3.1.4 推进全区域、全尺度、全要素研究

在未来的研究中，应推进全区域研究，不同地区研究结论不能盲目推广、套用，应开展立足当地气候与环境特征的关联性研究。此外，应推进全尺度研究，即关联性研究不应仅局限于城市街区尺度，后续应建立“建筑群-街区-片区-城市”多尺度研究链条，注重探究不同尺度间的耦合与衔接关系。从整体到局部入手，明确不同尺度最佳以及综合最优的城市形态调控策略，从而实现对节能导向的城市形态综合调控。最后，应推进全要素研究，城市形态与建筑能耗关联性研究不应仅仅关注三维城市空间形态对建筑能耗的影响，也应关注城市下垫面与土地利用对建筑能耗的影响。此外，不同的城市形态要素之间也存在复杂的关联效应，因此探析要素间制约或促进作用对建筑能耗的影响也是后续的研究重点。

3.2 实际应用—健全政策机制，促进节能设计

3.2.1 健全政策保障体系

目前，我国对于新建单体建筑设计提出了明确的节能要求，并出台了一系列政策规范。例如，2022年4月1日正式实施的国家标准《建筑节能与可再生能源利用通用规范》已将建筑碳排放计算纳入了强制要求。然而城市尺度层面的能耗评估和碳排放计算规范要求和政策机制却仍有待完善，尤其是针对城市设计领域的能耗计算执行细则、奖惩机制以及计算平台等，完善的政策保障体系对于推进城市尺度层面的节能减排至关重要。

3.2.2 推进节能城市设计

城市形态与建筑能耗关联性研究是节能城市设计的重要理论基础。明确二者之间的关联性并充分结合城市建筑能耗评估能够有效辅助设计师进行节能导向的城市设计方案和决策的制定。通过引入“导控指标制定-设计方案建立-实时能耗评估-方案优化改进”的城市设计流程，能够使节能设计在城市设计阶段就提前介入，于城市层级率先完成节能目标，并且在可预期的将来，随着数字化技术的进一步发展，利用计算机可自动生成与优化不同尺度的节能城市设计方案。在此基础上，结合单体层面的节能手段，节能效果将更为可观，将有效助力建筑部门“双碳”目标的达成。

4 结语

“双碳”目标给我国城市建筑节能提出了新的要求。从城市形态层面进行建筑节能，调控层级更高，影响范围更广，操作空间更大，节能效果也更好。城市形态作为影响建筑能耗的重要因素必然在我国未来城市节能研究领域扮演更为关键的角色。本文对比了国内外城市形态与建筑能耗关联性研究的进展与成果，明确了未来本土相关研究的发展方向与着力重点。以期为我国低碳和节能城市规划设计提供理论参考，进一步助推城市节能目标的达成与可持续发展理念的落实。

参考文献

[1] 清华大学建筑节能研究中心. 中国建筑节能年度发展研究报告2020[M]. 北京: 中国建筑工业出版社, 2020.

[2] RIBEIROH V., RYBSKI D, KROPP J P. Effects of changing population or density on urbancarbon dioxide emissions[J]. Nature Communications, 2019, 10(1): 1–9.

[3] HUOT, MA Y, CAI W, et al. Will the urbanization process influence the peak ofcarbon emissions in the building sector? A dynamic scenario simulation[J].Energy and Buildings, 2021, 232: 110590.

[4] STRØMANN-ANDERSENJ, SATTRUP P A. The urban canyon and building energy use: Urban density versusdaylight and passive solar gains[J]. Energy and Buildings, 2011, 43(8):2011–2020.

[5] KOY, RADKE J D. The Effect of Urban Form and Residential Cooling Energy Use inSacramento, California[J]. Environment and Planning B: Planning and Design,2014, 41(4): 573–593.

[6] LIC, SONG Y, KAZA N. Urban form and household electricity consumption: Amultilevel study[J]. Energy and Buildings, 2018, 158: 181–193.

[7] QUANS J, LI C. Urban form and building energy use: A systematic review of measures,mechanisms, and methodologies[J]. Renewable and Sustainable Energy Reviews,2021, 139: 110662.

[8] 郑莘, 林琳. 1990年以来国内城市形态研究述评[J]. 城市规划, 2002, 26(7): 59–64.

[9] 武进. 中国城市形态: 结构, 特征及其演变[M]. 南京: 江苏科学技术出版社, 1990.

[10] 蔡伟光, 魏海锋, 王霞, 等. 建筑能耗测算数据差异及其原因分析[J]. 暖通空调, 2017, 47(11): 35–39.

[11] HONGT, CHEN Y, LUO X, et al. Ten questions on urban building energy modeling[J].Building and Environment, 2020, 168(October 2019): 106508.

[12] ASCIONEF, BIANCO N, IOVANE T, et al. Is it fundamental to model the inter-buildingeffect for reliable building energy simulations? Interaction with shadingsystems[J]. Building and Environment, 2020, 183: 107161.

[13] FAHEDJ, KINAB E, GINESTET S, et al. Impact of urban heat island mitigation measureson microclimate and pedestrian comfort in a dense urban district of Lebanon[J].Sustainable Cities and Society, 2020, 61: 102375.

[14] SALATS. Energy loads, CO2 emissions and building stocks: Morphologies, typologies,energy systems and behaviour[J]. Building Research and Information, 2009,37(5–6): 598–609.

[15] REINHARTC F, DOGAN T, JAKUBIEC J A, et al. UMI - An urban simulation environment forbuilding energy use, daylighting and walkability[C]//Proceedings of BS 2013:13th Conference of the International Building Performance SimulationAssociation. 2013: 476–483.

[16] FONSECAJ A, NGUYEN T-A, SCHLUETER A, et al. City Energy Analyst (CEA): Integratedframework for analysis and optimization of building energy systems inneighborhoods and city districts[J]. Energy and Buildings, 2016, 113: 202–226.

[17] ROBINSOND, HALDI F, KÄMPF J, et al. Citysim: Comprehensive micro-simulation of resourceflows for sustainable urban planning[C]//IBPSA 2009 - International BuildingPerformance Simulation Association 2009. 2009: 1083–1090.

[18] NATANIANJ, WORTMANN T. Simplified evaluation metrics for generative energy-driven urbandesign: A morphological study of residential blocks in Tel Aviv[J]. Energy andBuildings, 2021, 240: 110916.

[19] SHIZ, FONSECA J A, SCHLUETER A. A review of simulation-based urban form generationand optimization for energy-driven urban design[J]. Building and Environment,2017, 121: 119–129.

[20] LIX, YING Y, XU X, et al. Identifying key determinants for building energyanalysis from urban building datasets[J]. Building and Environment, 2020, 181:107114.

[21] ZHANGL, WEN J, LI Y, et al. A review of machine learning in building loadprediction[J]. Applied Energy, 2021, 285: 116452.

[22] MOHAMMEDA, ALSHIBANI A, ALSHAMRANI O, et al. A regression-based model for estimatingthe energy consumption of school facilities in Saudi Arabia[J]. Energy andBuildings, 2021, 237: 110809.

[23] DENGH, FANNON D, ECKELMAN M J. Predictive modeling for US commercial buildingenergy use: A comparison of existing statistical and machine learningalgorithms using CBECS microdata[J]. Energy and Buildings, 2018, 163: 34–43.

[24] OHM, KIM Y. Identifying urban geometric types as energy performance patterns[J].Energy for Sustainable Development, 2019, 48: 115–129.

[25] FOUCQUIERA, ROBERT S, SUARD F, et al. State of the art in building modelling and energyperformances prediction: A review[J]. Renewable and Sustainable Energy Reviews,2013, 23: 272–288.

[26] NUTKIEWICZA, YANG Z, JAIN R K. Data-driven Urban Energy Simulation (DUE-S): A frameworkfor integrating engineering simulation and machine learning methods in amulti-scale urban energy modeling workflow[J]. Applied Energy, 2018, 225:1176–1189.

[27] XUX, TAYLOR J E, PISELLO A L, et al. The impact of place-based affiliationnetworks on energy conservation: An holistic model that integrates theinfluence of buildings, residents and the neighborhood context[J]. Energy andBuildings, 2012, 55: 637–646.

[28] MARTINL, MARCH L. Urban Space and Structures[M]. London: Cambridge University Press,1972.

[29] MOSTEIRO-ROMEROM, MAIULLARI D, PIJPERS-VAN ESCH M, et al. An Integrated Microclimate-EnergyDemand Simulation Method for the Assessment of Urban Districts[J]. Frontiers inBuilt Environment, 2020, 6: 165.

[30] DENGJ Y, WONG N H, ZHENG X. Effects of street geometries on building cooling demandin Nanjing, China[J]. Renewable and Sustainable Energy Reviews, 2021, 142:110862.

[31] MIRZABEIGIS, RAZKENARI M. Design optimization of urban typologies: A framework forevaluating building energy performance and outdoor thermal comfort[J].Sustainable Cities and Society, 2022, 76: 103515.

[32] WANGW, LI S, GUO S, et al. Benchmarking urban local weather with long-term monitoringcompared with weather datasets from climate station and EnergyPlus weather(EPW) data[J]. Energy Reports, 2021, 7: 6501–6514.

[33] YUZ, CHEN S, WONG N H. Temporal variation in the impact of urban morphology onoutdoor air temperature in the tropics: A campus case study[J]. Building andEnvironment, 2020, 181: 107132.

[34] HONGT, XU Y, SUN K, et al. Urban microclimate and its impact on buildingperformance: A case study of San Francisco[J]. Urban Climate, 2021, 38: 100871.

[35] BERGHAUSERPONT M, HAUPT P. Space, Density and Urban Form[D]. Ploughshares, Delft:Technische Universiteit Delft, 2009, 29(2–3).

[36] RODRÍGUEZ-ÁLVAREZJ. Urban Energy Index for Buildings (UEIB): A new method to evaluate the effectof urban form on buildings’ energy demand[J]. Landscape and Urban Planning,2016, 148: 170–187.

[37] RODEP, KEIM C, ROBAZZA G, et al. Cities and Energy: Urban Morphology andResidential Heat-Energy Demand[J]. Environment and Planning B: Planning andDesign, 2014, 41(1): 138–162.

[38] PITTD. Evaluating the greenhouse gas reduction benefits of compact housingdevelopment[J]. Journal of Environmental Planning and Management, 2013, 56(4):588–606.

[39] NATANIANJ, AUER T. Balancing urban density, energy performance and environmentalquality in the Mediterranean: a typological evaluation based on photovoltaicpotential[J]. Energy Procedia, 2018, 152: 1103–1108.

[40] QUANS J, WU J, WANG Y, et al. Urban Form and Building Energy Performance inShanghai Neighborhoods[J]. Energy Procedia, 2016, 88: 126–132.

[41] QUANS J, ECONOMOU A, GRASL T, et al. Computing Energy Performance of BuildingDensity, Shape and Typology in Urban Context[J]. Energy Procedia, 2014, 61:1602–1605.

[42] QUANS J, ECONOMOU A, GRASL T, et al. An exploration of the relationship betweendensity and building energy performance[J]. URBAN DESIGN International, 2020,25(1): 92–112.

[43] YOUY, KIM S. Revealing the mechanism of urban morphology affecting residentialenergy efficiency in Seoul, Korea[J]. Sustainable Cities and Society, 2018, 43:176–190.

[44] KAZAN. Understanding the spectrum of residential energy consumption: A quantileregression approach[J]. Energy Policy, 2010, 38(11): 6574–6585.

[45] LEES, LEE B. The influence of urban form on GHG emissions in the U.S. household sector[J].Energy Policy, 2014, 68: 534–549.

[46] AHMADIANE, SODAGAR B, BINGHAM C, et al. Effect of urban built form and density onbuilding energy performance in temperate climates[J]. Energy and Buildings,2021, 236: 110762.

[47] OHM, JANG K M, KIM Y. Empirical analysis of building energy consumption and urbanform in a large city: A case of Seoul, South Korea[J]. Energy and Buildings,2021, 245: 111046.

[48] MANGANS D, KOCLAR ORAL G, ERDEMIR KOCAGIL I, et al. The impact of urban form onbuilding energy and cost efficiency in temperate-humid zones[J]. Journal ofBuilding Engineering, 2021, 33: 101626.

[49] LOEFFLERR, ÖSTERREICHER D, STOEGLEHNER G. The energy implications of urban morphologyfrom an urban planning perspective – A case study for a new urban developmentarea in the city of Vienna[J]. Energy and Buildings, 2021, 252: 111453.

[50] RATTIC, RAYDAN D, STEEMERS K. Building form and environmental performance:archetypes, analysis and an arid climate[J]. Energy and Buildings, 2003, 35(1):49–59.

[51] XIEX, SAHIN O, LUO Z, et al. Impact of neighbourhood-scale climate characteristicson building heating demand and night ventilation cooling potential[J].Renewable Energy, 2020, 150: 943–956.

[52] TALEGHANIM, TENPIERIK M, VAN DEN DOBBELSTEEN A, et al. Energy use impact of and thermalcomfort in different urban block types in the Netherlands[J]. Energy andBuildings, 2013, 67: 166–175.

[53] VARTHOLOMAIOSA. A parametric sensitivity analysis of the influence of urban form on domesticenergy consumption for heating and cooling in a Mediterranean city[J].Sustainable Cities and Society, 2017, 28: 135–145.

[54] ZHANGJ, XU L, SHABUNKO V, et al. Impact of urban block typology on building solarpotential and energy use efficiency in tropical high-density city[J]. AppliedEnergy, 2019, 240(August 2018): 513–533.

[55] SHIZ, FONSECA J A, SCHLUETER A. A parametric method using vernacular urban blocktypologies for investigating interactions between solar energy use and urbandesign[J]. Renewable Energy, 2021, 165: 823–841.

[56] SANTAMOURISM, SYNNEFA A, KARLESSI T. Using advanced cool materials in the urban builtenvironment to mitigate heat islands and improve thermal comfort conditions[J].Solar Energy, 2011, 85(12): 3085–3102.

[57] XUX, AZARIJAFARI H, GREGORY J, et al. An integrated model for quantifying theimpacts of pavement albedo and urban morphology on building energy demand[J].Energy and Buildings, 2020, 211: 109759.

[58] NAZARIANN, DUMAS N, KLEISSL J, et al. Effectiveness of cool walls on cooling load andurban temperature in a tropical climate[J]. Energy and Buildings, 2019, 187:144–162.

[59] AMPATZIDISP, KERSHAW T. A review of the impact of blue space on the urbanmicroclimate[J]. Science of The Total Environment, 2020, 730: 139068.

[60] SKELHORNC P, LEVERMORE G, LINDLEY S J. Impacts on cooling energy consumption due to theUHI and vegetation changes in Manchester, UK[J]. Energy and Buildings, 2016,122: 150–159.

[61] BEVILACQUAP. The effectiveness of green roofs in reducing building energy consumptionsacross different climates. A summary of literature results[J]. Renewable andSustainable Energy Reviews, 2021, 151: 111523.

[62] ABOELATAA. Assessment of green roof benefits on buildings’ energy-saving by coolingoutdoor spaces in different urban densities in arid cities[J]. Energy, 2021,219: 119514.

[63] JACOBSC, KLOK L, BRUSE M, et al. Are urban water bodies really cooling?[J]. UrbanClimate, 2020, 32: 100607.

[64] PARKERJ H. Landscaping to reduce the energy used in cooling buildings.[J]. Journal ofForestry, 1983, 81(2): 82-84+105.

[65] BALOGUNA A, MORAKINYO T E, ADEGUN O B. Effect of tree-shading on energy demand of twosimilar buildings[J]. Energy and Buildings, 2014, 81: 305–315.

[66] KOY, RADKE J D. The effect of urban form and residential cooling energy use inSacramento, California[J]. Environ. Plann. B Plann. Des., 2014, 41(4): 573–593.

[67] TSOKAS, LEDUC T, RODLER A. Assessing the effects of urban street trees on buildingcooling energy needs: The role of foliage density and planting pattern[J].Sustainable Cities and Society, 2021, 65: 102633.

[68] SINGHK, HACHEM-VERMETTE C. Impact of commercial land mixture on energy andenvironmental performance of mixed use neighbourhoods[J]. Building andEnvironment, 2019, 154: 182–199.

[69] CARPIOA, PONCE-LOPEZ R, LOZANO-GARCÍA D F. Urban form, land use, and cover change andtheir impact on carbon emissions in the Monterrey Metropolitan area, Mexico[J].Urban Climate, 2021, 39: 100947.

[70] 叶红, 严寒, 张芮铭, 等. 面向低碳城市建设的建筑运行能耗驱动机理研究进展[J]. 应用生态学报, 2021: 1–10.

[71] 赵华. 碳减排视角下城市空间形态优化研究[D]. 上海: 华东理工大学, 2020.

[72] 顾震弘, 韩冬青, 罗纳德·维纳斯坦. 低碳节能城市空间规划策略——以南京河西新城南部地区为例[J]. 城市发展研究, 2013, 20(1): 94–104.

[73] 张赫, 于丁一, 王睿, 等. 面向低碳生活的县域城镇空间结构优化研究[J]. 规划师, 2020, 36(24): 12–20.

[74] 王伟强, 李建. 住区密度与家庭能耗碳排放相关性研究——以上海曹杨新村为例[J]. 城市规划, 2017, 41(6): 83–91.

[75] 王一, 王锦璇. 夏热冬冷地区高容积率居住小区形态类型能耗绩效研究——以上海市为例[J]. 建筑技艺, 2020(07): 78–85.

[76] 张杰, 毛其智, 解扬, 等. 节能城市与住区空间形态研究[M]. 北京: 清华大学出版社, 2018.

[77] 冷红, 宋世一. 严寒地区城市形态对建筑用电能耗影响实证研究[J]. 建筑学报, 2021(S1): 108–113.

[78] 周艺南, 杨沛儒. 基于多目标设计决策的城市形态与能耗相关性[J]. 同济大学学报(自然科学版), 2021, 49(07): 1013–1022.

[79] 杨峰, 姜之点. 城市建筑集群能耗模拟(UBEM)与环境可持续导向的城市规划与设计:方法，工具和路径[J]. 建筑科学, 2021, 37(08): 17–24.

[80] 刘可. 能源绩效驱动的夏热冬冷地区城市形态优化策略——以江苏省建湖县城居住街区为例[D]. 南京: 东南大学, 2021.

[81] 刘兆濡, 燕达, 吴如宏, 等. 基于DeST的城市建筑能耗模拟平台开发[J]. 建筑科学, 2021, 37(10): 16–23.

[82] EVOLAG, COSTANZO V, MAGRÌ C, et al. A novel comprehensive workflow for modellingoutdoor thermal comfort and energy demand in urban canyons: Results andcritical issues[J]. Energy and Buildings, 2020, 216: 109946.

[83] NATANIANJ, ALEKSANDROWICZ O, AUER T. A parametric approach to optimizing urban form,energy balance and environmental quality: The case of Mediterraneandistricts[J]. Applied Energy, 2019, 254(June): 113637.

图表来源

图5a：参考文献[82]

图5b：参考文献[83]

图5c：参考文献[43]

其余图表均为作者绘制

END

（本文发表于2023年第S1期《建筑学报》，引用格式：刘可,徐小东,王伟,等.近30年城市形态与建筑能耗关联性研究综述[J].建筑学报,2023(S1):120-127.）