三维混凝土打印中实验室效应的量化:荟萃分析、跨研究可靠性评估与最小报告集

《Buildings》:Quantifying the Laboratory Effect in 3D Concrete Printing: A Meta-Analysis, Cross-Study Reliability Assessment, and Minimum Reporting Set

【字体: 大 中 小 】 时间:2026年07月11日 来源:Buildings 3.4

编辑推荐:

  户外热舒适(Outdoor Thermal Comfort, OTC)中的个体差异对于城市公共空间的健康利用至关重要,然而热偏好(thermal preference)是否能在独立于人口统计学特征的情况下塑造OTC仍鲜见探讨。以中国典型夏热冬暖湿热城市福州居住

  
户外热舒适(Outdoor Thermal Comfort, OTC)中的个体差异对于城市公共空间的健康利用至关重要,然而热偏好(thermal preference)是否能在独立于人口统计学特征的情况下塑造OTC仍鲜见探讨。以中国典型夏热冬暖湿热城市福州居住区户外空间为案例,研究人员结合现场实测与296名受访者(≥60岁占72.6%)的问卷数据,采用可解释机器学习(explainable machine learning)与K-Modes聚类,考察热偏好如何驱动OTC个体差异。研究识别出三种稳定的偏好画像——怕热敏感型(heat-sensitive, 56.4%)、追风型(wind-seeking, 20.3%)与耐热型(heat-tolerant, 23.3%),其热响应存在显著差异:中性黑球温度(neutral globe temperature, Tg)分别为29.90 °C(怕热敏感型)至35.85 °C(耐热型),差值达5.95 °C;舒适带宽(comfort bandwidth)怕热敏感型最宽(9.03 °C),耐热型最窄(4.13 °C),前者为后者的2.2倍。画像与性别、BMI无关,仅与年龄呈弱相关,但其对热舒适投票(Thermal Comfort Vote, TCV)方差的解释力(ηfrom sup= 0.254)是人口统计学变量的4.9~23.1倍。热环境对TCV的贡献远高于视觉环境(74.4% vs 25.6%),黑球温度(Tg)为最强单因子。总体而言,以怕热敏感型需求作为约束边界的差异化设计比按人口学分层能更有效覆盖广泛人群的舒适需求。本研究创新性地将心理导向的热偏好画像引入作为建筑设计可操作分层维度,为适老化夏热冬暖湿热住区户外空间提供以偏好为导向的精细化人本设计路径。
论文解读:《Quantifying the Laboratory Effect in 3D Concrete Printing: A Meta-Analysis, Cross-Study Reliability Assessment, and Minimum Reporting Set》——户外热舒适的热偏好画像驱动机制与湿热住区差异化设计研究(发表于Buildings)
一、研究背景与意义
现有户外热舒适(Outdoor Thermal Comfort, OTC)研究多聚焦物理环境变量(气温Ta、平均辐射温度MRT、风速v、相对湿度RH)及视觉环境因素(绿视率Green View Index, GVI;天空开阔度Sky View Index, SVI;建筑视率Building View Index, BVI;色彩丰富度Color Richness Index, CRI),较少关注个体心理维度的热偏好(thermal preference,指个体希望环境温度、湿度、风速、太阳辐射升高/降低/不变的倾向)。传统研究将OTC个体差异归因于性别、年龄、体质指数(Body Mass Index, BMI)等人口学属性,忽略热偏好这一心理特质可能独立驱动感知差异。在夏热冬暖湿热地区(柯本气候分类Cfa,如福州),夏季高温高湿严重制约住区户外公共空间使用,适老化户外空间须服务异质性常住居民,弄清热偏好与人口学特征及可视–热环境的关系对精细化设计意义重大。研究人员假设:在湿热气候下,不同热偏好画像(thermal-preference profile)对可视–热环境的OTC响应曲线存在系统性差异,且热偏好画像较人口学变量更能解释OTC个体差异。
二、主要技术方法概述
研究人员于2025年8月7–12日福州夏季高温期,在典型中高层住区选取6个具不同围合度与绿化特征的户外公共空间开展田野调查,采集296份有效问卷(72.6%为≥60岁常住居民),问卷含人口学信息、五点ASHRAE热舒适投票(Thermal Comfort Vote, TCV, ?2至+2)及四维热偏好(气温偏好TPR、湿度偏好RHPR、风速偏好VPR、太阳辐射偏好SPR,各?1/0/+1)。同步以Kestrel 5500与BES?01黑球温度计于1.1 m行人高度测得Ta、RH、v、黑球温度(globe temperature, Tg),由ISO 7726强迫对流公式算平均辐射温度(Mean Radiant Temperature, MRT)及通用热气候指数(Universal Thermal Climate Index, UTCI);以Insta360 ONE X2全景拍摄并用DeepLabV3+语义分割提取GVI、BVI、SVI,CIELab空间统计CRI。统计分析联合采用随机森林(Random Forest, RF)回归–SHAP(SHapley Additive exPlanations)可解释机器学习框架量化环境变量贡献与两两交互、K?Modes聚类识别热偏好画像(K由Bootstrap稳定性、Gap统计量及可解释性确定)、TCV–Tg响应曲线拟合提取中性温度(neutral temperature)、舒适带宽(comfort bandwidth)与不适化斜率(maladaptation slope),并以卡方独立性检验、Logistic回归及偏η2效应量比较画像与性别/年龄/BMI的关系及对TCV方差解释力,辅以置换检验、方差膨胀因子(Variance Inflation Factor, VIF)诊断及FDR校正确保稳健性。
三、研究结果
3.1 Participant Demographics
受访者男54.4%,均龄63.4岁(SD=18.8),72.6%≥60岁,97.3%居住>10年,均值BMI 22.97(65.9%正常范围)。TCV分布偏负向,43.2%为微不舒适(?1),表明湿热夏季普遍感受偏热微不适。
3.2 Relative Contribution of the Visual and Thermal Environments to TCV
RF?SHAP全样本五折交叉验证CV?R2=0.666(±0.040),RMSE=0.581。特征重要性排序:Tg(0.271)>RH(0.201)>Ta(0.192)>v(0.089)>SVI(0.077)>BVI(0.070)>GVI(0.063)>CRI(0.049)。热环境合计贡献74.4%,视觉环境25.6%;热环境中Tg为最强胁迫因子,视觉环境中SVI贡献大于GVI。最强两两交互均为热变量间:Tg×RH(0.226)>Ta×Tg(0.180)>Ta×RH(0.176),表明温湿耦合放大热应激,可视与热环境间无强交互。
3.3 Identification and Response Curves of Thermal-Preference Profiles
3.3.1 Environmental Drivers of the Preference Dimensions
四维热偏好最强驱动均为Tg(各约30%),说明夏季辐射热负荷普遍作用于温/湿/风/日射感知通道;多重对应分析(Multiple Correspondence Analysis, MCA)前两维解释37.65%惯量,证实四维偏好具可压缩潜结构,支持后续聚类。
3.3.2 K-Modes Clustering and Profile Identification
Bootstrap ARI最高且稳定处K=3(ARI=0.556),Gap统计量亦支持K=3,最小簇n=60满足拟合要求。得到三画像:①怕热敏感型(heat?sensitive, 56.4%)模态偏好"降温+增风+减日射",均值TCV最低(?0.79);②追风型(wind?seeking, 20.3%)模态"降温+增风+降湿";③耐热型(heat?tolerant, 23.3%)四维均中性,均值TCV最高(0.39)。观测频数为随机期望21.1~29.7倍,内聚性强。
3.3.3 Profile Response Curves and the Triad of Indicators
以Tg为自变量拟合TCV–Tg曲线:中性Tg怕热敏感型29.90 °C<追风型34.69 °C<耐热型35.85 °C(极差5.95 °C);舒适带宽怕热敏感型最宽9.03 °C,耐热型最窄4.13 °C(2.2倍);不适化斜率绝对值耐热型最陡(0.242),怕热敏感型最缓(0.111)。"更耐热≠更宽容"——耐热型虽可接受更高中性温度,但偏离后迅速不适。近6 °C中性温差大于文献报道跨气候带城市间差异,说明同种湿热环境下个体异质性可与跨气候差异相当,单纯用全样本中性Tg=33.97 °C设计会偏离占比过半的怕热敏感型需求。
3.3.4 Relative Contribution of the Visual and Thermal Environments Within Each Profile
分画像RF?SHAP显示视觉环境贡献:怕热敏感型29.6%、追风型28.4%、耐热型仅7.2%(热环境占92.8%)。热偏好画像调制视觉权重:对怕热敏感与追风型,视觉改善(增绿、遮荫)切实影响OTC评价;对耐热型OTC几乎全由热物理环境决定,视觉干预收益有限。
3.4 Evidence That the Profiles Are Independent of Demographics
卡方检验画像与性别(p=0.069)、BMI(p=0.564)无显著关联,与年龄仅弱关联(Cramér's V=0.223)。Logistic回归用性别+年龄+BMI预测画像准确率0.581,仅较多数类基线高1.7%。偏η2:画像对TCV方差解释力0.254,是年龄(0.051)的4.9倍、性别(0.014)的18.1倍、BMI(0.011)的23.1倍;三者合计不及画像的四分之一。控制年龄后画像仍额外解释20.9% TCV方差,控制画像后年龄仅额外解释0.9%,≥60岁亚组η2仍为0.246≈全样本。热偏好画像是与心理倾向相关的、相对独立于人口学特征的个体差异维度。
3.5 Comprehensive Thermal Indices and Robustness
样本UTCI主要处强热应激(32–38 °C, 51.0%)与很强热应激(38–46 °C, 48.0%),UTCI与TCV相关(r=?0.667)近似Tg与TCV(r=?0.673),Tg可单独表征热负荷。画像分布与测点弱关联(Cramér's V=0.210),跨站点组成一致,非特定场地假象。SHAP与置换特征重要性高度一致(Spearman r=0.976),14项检验中12项经BH?FDR仍显著。
四、讨论与结论总结
讨论指出:①可视环境贡献定量达25.6%,随画像变化(最高为耐热型之4倍),证实热偏好画像还调制视觉权重;②画像解释TCV个体差异远优于人口学变量且不被年龄替代;③同址内画像间中性Tg差近6 °C,应放弃全样本均值作单一参考,以怕热敏感型(占56.4%)为约束边界做差异化设计——高热辐射开敞空间优先增绿遮荫及景观降温迎合其低中性Tg与高视觉权重,封闭低风区改善自然通风服务追风型,耐热型则控温湿剧变而非视觉干预。
结论:湿热夏季住区OTC受控于热环境(74.4%)并被个体热偏好画像显著调节;K?Modes识别出怕热敏感型(56.4%)、追风型(20.3%)、耐热型(23.3%),中性Tg极差5.95 °C,舒适带宽倍差2.2倍;画像独立于性别与BMI、仅弱相关年龄,对TCV方差解释力为人口学变量4.9~23.1倍;可视环境贡献从怕热敏感型29.6%降至耐热型7.2%。适老化湿热住区户外空间宜以怕热敏感型需求为约束边界进行偏好导向的精细化设计,并将热偏好画像纳入OTC异质性研究的分层因子。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号