Calibration of multi-layer urban canopy model under varying urban characteristics and weather conditions
- 주제(키워드) Urban heat island (UHI) , Urban canopy model (UCM) , Urban temperature prediction , Parameter uncertainty , Model bias , Model calibration
- 발행기관 고려대학교 대학원
- 지도교수 허연숙
- 발행년도 2025
- 학위수여년월 2025. 2
- 학위명 석사
- 학과 및 전공 대학원 건축사회환경공학과
- 원문페이지 80 p
- 실제URI http://www.dcollection.net/handler/korea/000000291542
- UCI I804:11009-000000291542
- DOI 10.23186/korea.000000291542.11009.0001892
- 본문언어 영어
초록/요약
Urbanization has led to a significant rise in urban temperature compared to rural area, a phenomenon commonly referred to as the urban heat island (UHI) effect. This effect, driven by changes in the built environment and intensified human activities, has notable implications for public health and energy consumption in buildings. Since managing the urban thermal environment has become critical concern for modern society, accurate prediction of urban temperature is essential for understanding its complexity. One commonly used urban climate model is urban canopy model (UCM), recognized for its higher computational efficiency compared to computational fluid dynamics (CFD). However, the UCM has two key limitations. (1) UCM is validated using data from a limited number of observational stations, which poses challenges in evaluating its applicability to diverse urban characteristics and climatic conditions. And (2) calibration efforts mainly focus on uncertainties in input parameters while overlooking other critical sources of uncertainty, such as model bias arising from model assumptions or simplification. This study aims to (1) evaluate the temperature prediction performance of vertical city weather generator (VCWG), one of the multi-layer urban canopy model, across different urban contexts and (2) address parameter uncertainty in the VCWG while also examining potential model bias in both rural and urban settings. VCWG consists of several submodules including rural model and urban model and predict urban temperature at different heights with an hourly resolution. GIS and TRNSYS software were integrated to VCWG to represent the building morphology and anthropogenic heat in Seoul, respectively. Through sensitivity analysis, there were multiple significant parameters, such as roughness length, displacement height, and rural albedo as the significant parameters in rural model, meanwhile roof emissivity and turbulence parameters found to be important in urban model. After calibration for the selected parameters, the 〖RMSE〗_station decreased by 0.24°C in summer and 0.84°C in winter, while 〖RMSE〗_hour decreased by 0.1°C in summer and 0.91°C in winter, compared to base model. Under rural meteorological conditions, temperature and global horizontal radiation showed a trend with 〖RMSE〗_(hour,cal1). For temperature, 〖RMSE〗_(hour,cal1) exhibits greater variation in summer compared to winter. For global horizontal radiation, 〖RMSE〗_(hour,cal1) showed high variation at night when global horizontal radiation is low but stabilizes during the day. In urban morphological conditions, 'sensor height' correlated with 〖RMSE〗_(station,cal1), exhibiting both increasing and decreasing trends with sensor height changes. Thermal stability, which is related to temperature and global horizontal radiation in VCWG, was incorporated as an assumed value in the model. Although the turbulent Prandtl number varies with height, it was simplified to a single constant in VCWG. To investigate the extent to which calibrating these model biases could improve prediction accuracy, we performed an additional calibration targeting the stability parameter and Richardson number, which represent thermal stability, and turbulent Prandtl number. Following this second calibration, both 〖RMSE〗_(station,cal2) and 〖RMSE〗_(hour,cal2) showed reductions compared to 〖RMSE〗_(station,cal1) and 〖RMSE〗_(hour,cal1). Notably, the winter 〖RMSE〗_(station,cal2) improved the most, decreasing by 2.18°C. Based on these results, we found that the model prediction accuracy could be significantly improved by calibrating not only uncertain parameters but also model bias-related parameters.
more초록/요약
도시화는 시골 지역에 비해 도시 지역의 온도를 상승시키는 현상을 초래했으며, 이는 일반적으로 도시 열섬(UHI) 효과라고 알려져 있다. 도시 열섬 효과는 건조 환경의 변화와 인간 활동에 의해 심해지며, 공중 보건과 건물 에너지 소비에 큰 영향을 끼친다. 현대 사회에서 도시 열환경을 관리하는 것은 중요한 문제가 되었고, 이를 위해서는 정확한 도시 온도 예측이 필수적이다. 도시 온도 예측에는 여러 도시 기후 모델들이 사용되는데, 그 중 대표적인 모델이 도시 캐노피 모델(UCM)과 전산유체역학(CFD)모델이다. UCM은 CFD보다 계산 효율성이 높다는 장점이 있지만 두 가지 주요한 한계점이 있다. (1) UCM검증 시 소수의 관측 데이터만을 사용해서 다른 도시적 특성이나 기후 조건에의 적용가능성을 판단하기 어렵고, (2) UCM 보정 시에 입력변수의 불확실성에만 집중하여 다른 불확실성 요소들, 예를 들어 모델 가정이나 단순화로 인해 발생하는 모델 편향 등을 고려하지 않는다는 점이다. 본 연구는 (1) 다층 도시 캐노피 모델 중 하나인 수직 도시 날씨 생성기(VCWG)의 온도 예측 성능을 다양한 도시 맥락에서 평가하고, (2) VCWG의 입력변수의 불확실성을 보정하면서, 시골과 도시 두 지역 모두에서의 잠재적인 모델 편향을 조사해보았다. VCWG는 시골 모델과 도시 모델을 포함한 여러 하위 모듈로 구성되어 있으며, 다양한 높이에서 도시 온도를 시간별로 예측할 수 있다. 서울의 건물 특성과 인공열을 VCWG에 반영하기 위해 GIS와 TRNSYS 소프트웨어가 사용되었다. 민감도 분석을 통해, 시골 모델에서는 거칠기 길이, 변위 높이, 시골 알베도가 중요한 변수로 나타났고, 도시 모델에서는 지붕 방사율 및 난류 관련 변수들이 중요한 것으로 나타났다. 중요 변수들에 대한 보정 후, 기본 모델과 비교해보았을 때, 관측소별 RMSE (〖RMSE〗_station)는 여름에 0.24℃, 겨울에 0.84℃ 감소하였으며, 시간별 RMSE (〖RMSE〗_hour)는 여름에 0.1℃, 겨울에 0.91℃를 감소하였다. 시골 지역과 도시 지역의 불확실성 변수 보정에서 더 나아가, 시골 지역과 도시 지역에서의 모델 편향에 대해 조사하였다. 시골 지역의 기상변수들과 도시 지역의 도시형태변수들의 잠재적인 모델 편향을 조사한 결과, 열적 안정성 매개변수(Stability parameter), 도시 지역에서는 리처드슨 수(Richadson number) 및 난류 프란틀 수(turbulent Prandtl number)의 성층화가 중요 요소로 나타났다. 열적 안정성(안정성 매개변수와 리처드슨 수)과 난류 프란틀 수 보정 결과, 불확실성 변수만 보정했을 때보다 예측 정확성이 크게 향상되었다. 이는 모델 보정 시에 시골과 도시 지역에서의 불확실성 변수만 다루는 것보다, 잠재적 모델 편향도 함께 고려해야 할 필요가 있다는 점을 보여준다. 시골 기상 조건에서 ‘기온’과 ‘전역 수평 일사량’의 변화에 따른 〖RMSE〗_(hour,cal1)의 경향을 확인할 수 있었다. 기온의 경우 여름에 겨울보다 확연히 큰 〖RMSE〗_(hour,cal1) 값의 변동이 있었고, 일사량의 경우 야간에는 〖RMSE〗_(hour,cal1)가 큰 변동성을 보이다가 주간에는 점차 변동성이 작아지는 경향을 보였다. 도시 형태 조건에서는 ‘센서 높이’와 〖RMSE〗_(station,cal1)가 상관관계를 보였는데, 센서 높이 변화에 따라 〖RMSE〗_(station,cal1)가 증가하고 감소하는 구간이 명확히 나타났다. VCWG에서 기온 및 일사량과 관계된 요소는 열적 안정성이며 이는 모델에서 가정된 값으로 사용되었다. 난류 프란틀 수는 높이에 따라 변하지만 VCWG에서는 하나의 값으로 단순화 되었다. 우리는 이러한 모델 편향을 추가로 보정할 시 모델의 예측 정확성이 얼마나 상승하는지 확인하기 위해 열정 안정성에 해당하는 안정성 매개변수와 리처드슨 수, 그리고 난류 프란틀 수를 추가로 보정하였다. 보정 후 첫 번째 보정과 비교한 결과, 〖RMSE〗_(station,cal2)과 〖RMSE〗_(hour,cal2) 모두 〖RMSE〗_(station,cal1), 〖RMSE〗_(hour,cal1)에 비해 값이 감소하였으며 겨울의 〖RMSE〗_(station,cal2)가 2.18℃로 가장 많이 개선되었다. 이를 통해, 우리는 불확실성 변수들 뿐만 아니라 모델 편향 관련 변수들까지 같이 보정한다면 모델의 예측 정확성이 더 향상될 수 있음을 확인할 수 있었다.
more목차
ABSTRACT ...................................................................................................................... i
국문 초록 ........................................................................................................................ iv
ACKNOWLEDGEMENTS ............................................................................................. ix
TABLE OF CONTENTS .................................................................................................. x
LIST OF TABLES .......................................................................................................... xii
LIST OF FIGURES ....................................................................................................... xiii
CHAPTER 1. INTRODUCTION ...................................................................................... 1
1.1 Urban thermal environment ............................................................................... 1
1.2 Urban climate models for temperature prediction ............................................... 2
1.3 Literature review ............................................................................................... 4
1.4 Research objective ............................................................................................. 7
CHAPTER 2. METHODOLOGY ................................................................................... 10
2.1 Overview ......................................................................................................... 10
2.2 Vertical city weather generator (VCWG) model ............................................... 11
2.3 Sensitivity analysis .......................................................................................... 16
2.4 Model calibration............................................................................................. 20
CHAPTER 3. SITE DESCRIPTION ............................................................................... 23
3.1 Measurement data ............................................................................................ 23
3.2 Urban boundary layer division ......................................................................... 24
3.3 Simulation period ............................................................................................ 27
CHAPTER 4. CALIBRATION OF PARAMETER UNCERTAINTY ............................. 29
4.1 Calibration of uncertain parameters in rural model ........................................... 29
4.2 Calibration of uncertain parameters in urban model.......................................... 32
4.3 Calibrated model performance ......................................................................... 34
CHAPTER 5. INVESTIGATING POTENTIAL MODEL BIAS ..................................... 38
5.1 Potential model bias in relation to rural context ................................................ 38
5.2 Potential model bias in relation to urban context .............................................. 41
5.3 Calibration of threshold in relation to model bias ............................................. 45
CHAPTER 6. CONCLUSION ........................................................................................ 50
6.1 Summary ......................................................................................................... 50
6.2 Future work ..................................................................................................... 51
REFERENCES ............................................................................................................... 53
