CN109612587A - 一种城市热环境成因诊断方法及系统 - Google Patents
一种城市热环境成因诊断方法及系统 Download PDFInfo
- Publication number
- CN109612587A CN109612587A CN201811552352.2A CN201811552352A CN109612587A CN 109612587 A CN109612587 A CN 109612587A CN 201811552352 A CN201811552352 A CN 201811552352A CN 109612587 A CN109612587 A CN 109612587A
- Authority
- CN
- China
- Prior art keywords
- urban
- heat environment
- urban heat
- surface temperature
- remote sensing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000003745 diagnosis Methods 0.000 title claims abstract description 30
- 230000007246 mechanism Effects 0.000 claims abstract description 28
- 238000002310 reflectometry Methods 0.000 claims description 16
- 230000003595 spectral effect Effects 0.000 claims description 10
- 238000001228 spectrum Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 4
- 238000000354 decomposition reaction Methods 0.000 claims description 4
- 230000001419 dependent effect Effects 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 230000005855 radiation Effects 0.000 claims description 4
- 238000002834 transmittance Methods 0.000 claims description 4
- 230000008901 benefit Effects 0.000 claims description 3
- 239000012466 permeate Substances 0.000 claims 1
- 230000008569 process Effects 0.000 abstract description 6
- 238000007418 data mining Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- VMXUWOKSQNHOCA-UKTHLTGXSA-N ranitidine Chemical compound [O-][N+](=O)\C=C(/NC)NCCSCC1=CC=C(CN(C)C)O1 VMXUWOKSQNHOCA-UKTHLTGXSA-N 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 241000132092 Aster Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 241000736211 Platycladus Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000004393 prognosis Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/007—Radiation pyrometry, e.g. infrared or optical thermometry for earth observation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J2005/0077—Imaging
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geology (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Image Processing (AREA)
- Radiation Pyrometers (AREA)
Abstract
本发明公开了一种城市热环境成因诊断方法及系统,该方法包括:步骤S1,对遥感影像数据进行地表温度反演,获得获得城市地表温度数据,表征城市热环境状态;步骤S2,根据遥感影像数据获得城市植被指数NDVI和非渗透地表信息;步骤S3,将地表温度数据城市植被指数NDVI和非渗透地表信息统一到同一大小地理网格单元,利用回归树模型构建地表温度的预测模型;步骤S4,根据回归树模型模拟得到的不同规则表达式,进行整理和空间投影制图,最终得到城市热环境的成因机理空间分布和具体城市局部位置的机理表达式,本发明通过充分考虑城市热环境演变的非线性过程及城市景观格局高度异质性特征,实现了挖掘城市热环境成因机理的目的。
Description
技术领域
本发明涉及一种城市热环境成因诊断方法及系统,特别是涉及一种考虑局部特征的城市热环境成因诊断方法及系统。
背景技术
在所有的地表参数中,地表温度是控制地球表面系统大多数物理、气候和生物过程的重要参数。遥感技术的发展和遥感数据的广泛应用使得在陆地和全球尺度上进行热岛效应研究成为可能,加上GIS空间分析技术的迅猛发展,为快速大范围的地表温度监测提供了强大的分析平台,极大地促进了城市热岛效应的研究。
在城市内部景观特征是异常复杂的,即使在小距离范围内景观差异也是十分大,这种全局的多元回归方程难以全面表达城市内部地表温度的异质性。即使这种全局的多元回归关系能够很容易被建立,但是这忽略了小范围内的局部关系。事实上,自然状态下,涉及地理和生态的观测参数并不是同一的,而是具有空间差异性,这种带有“空间”属性的参数具有空间自相关和空间非平稳性,如最小二乘法这种传统的全局方法只能预测模拟对象的平均(或全局)趋势。
发明内容
为克服上述现有技术存在的不足,本发明之目的在于提供一种城市热环境成因诊断方法及系统,以充分考虑城市热环境演变的非线性过程及城市景观格局高度异质性特征,充分挖掘城市热环境成因机理,推进城市热环境成因机理研究,为构建宜居城市提供科学依据。
为达上述目的,本发明提出一种城市热环境成因诊断方法,包括如下步骤:
步骤S1,对遥感影像数据进行地表温度反演,获得获得城市地表温度数据,表征城市热环境状态;
步骤S2,根据遥感影像数据获得城市植被指数NDVI和非渗透地表信息;
步骤S3,将所述地表温度数据城市植被指数NDVI和非渗透地表信息统一到同一大小地理网格单元,利用回归树模型构建地表温度的预测模型;
步骤S4,根据回归树模型模拟得到的不同规则表达式,进行整理和空间投影制图,最终得到城市热环境的成因机理空间分布和具体城市局部位置的机理表达式。
优选地,步骤S1进一步包括:
步骤S100将遥感影像数据的原始DN转化为星上亮度温度Tat-sensor;
步骤S101,利用单窗算法把亮度温度Tat-sensor转化为真实地表温度。
优选地,于步骤S100中,利用如下公式将遥感影像数据的原始DN转化为星上亮度温度Tat-sensor:
式中,Tat-sensor为遥感影像的亮度温度,单位为K,K1和K2是经验参数,Lb为卫星光谱辐射率,单位为W m-2sr-1μm-1,Lmin和Lmax分别代表传感器可监测到的最大和最小辐射值,可从遥感影像数据的头文件中获得。
优选地,于步骤S101中,利用如下公式把亮度温度Tat-sensor转化为真实地表温度Ts:
其中,Ts为真实地表温度,单位为K,a和b,Ta为大气平均作用温度,大气平均作用温度Ta主要取决于大气剖面的气温分布和大气状态。C和D为中间变量:
C=ετ
D=(1-ε)[1+(1-ε)τ]
τ为大气透过率,ε是比辐射率。
优选地,步骤S2进一步包括:
步骤S200,根据如下公式利用所述遥感影像数据获NDVI指数数据
RED表示红光波段反射率,NIR表示近红外波段反射率;
步骤S201,根据所述遥感影像数据利用混合像元线性分解法获得城市非渗透地表空间信息。
优选地,于步骤S201中,首先对各波段进行光谱归一化处理;然后建立线性光谱解混模型;最后用最小二乘法求解模型,最终得到非渗透地表的百分比图。
优选地,所述线性光谱解混模型如下:
其中,Riλ是第λ波段第i个像元的反射率,fki对应i像元的第k个段元所占比重,CKλ是第k个基本组分在第λ波段的反射率,εiλ是残差值。
优选地,于步骤S3中,首先,生成网格单元,叠合各参数进行均值统计运算;然后以地表温度为因变量、NDVI和非渗透地表为自变量,运用回归树方法构建城市热环境预测模型,得到不同规则下的线性方程。
优选地,于步骤S4中,归纳整理各规则下的线性方程模型;通过地理空间属性定位法将各规则进行地理投影,得到它们的空间位置特征,即可得到城市热环境的成因机理空间分布和具体城市局部位置的机理表达式。
为达到上述目的,本发明还提供一种城市热环境成因诊断系统,包括:
地表温度反演单元,用于对遥感影像数据进行地表温度反演,获得获得城市地表温度数据,表征城市热环境状态;
NDVI与非渗透地表信息获取单元,用于根据遥感影像数据获得城市植被指数NDVI和非渗透地表信息;
模型构建单元,用于将所述地表温度数据城市植被指数NDVI和非渗透地表信息统一到同一大小地理网格单元,利用回归树模型构建地表温度的预测模型;
成因诊断单元,用于根据回归树模型模拟得到的不同规则表达式,进行整理和空间投影制图,最终得到城市热环境的成因机理空间分布和具体城市局部位置的机理表达式。
与现有技术相比,本发明一种城市热环境成因诊断方法及系统充分考虑了城市热环境演变的非线性过程及城市景观格局高度异质性特征,避免将城市整体视作同质的物理属性,有效避免城市区域“一刀切”建模,充分挖掘城市热环境成因机理,本发明发明极大提高了城市热环境的预测精度,有助于推进城市热环境研究工作,同时为城市规划管理部门提供环境规划管理建议。
附图说明
图1为本发明一种城市热环境成因诊断方法的步骤流程图;
图2为本发明具体实施例之城市热环境成因诊断过程图;
图3为本发明一种城市热环境成因诊断系统的系统架构图。
具体实施方式
以下通过特定的具体实例并结合附图说明本发明的实施方式,本领域技术人员可由本说明书所揭示的内容轻易地了解本发明的其它优点与功效。本发明亦可通过其它不同的具体实例加以施行或应用,本说明书中的各项细节亦可基于不同观点与应用,在不背离本发明的精神下进行各种修饰与变更。
图1为本发明一种城市热环境成因诊断方法的步骤流程图,图2为本发明具体实施例之城市热环境成因诊断过程图。如图1及图2所示,本发明一种城市热环境成因诊断方法,包括如下步骤:
步骤S1,利用单窗算法对遥感影像数据进行地表温度反演,获得城市热环境数据。
在本发明具体实施例中,所述遥感影像数据为热红外波段数据,即为利用热红外传感器获取的热红外影像数据。具体地,其可为利用Landsat TM5/8卫星上的热红外传感器获得的影像热红外波段数据,但本发明不以此为限,也可根据实际应用需求更换原始带有热红外波段的影像数据(如MODIS,ASTER,ETM+,TM8等其它热红外数据源)。
步骤S1进一步包括:
步骤S100,将原始DN(Digital Number,即遥感影像像元亮度值)值转化为星上亮度温度Tat-sensor。具体地,可利用以下两个公式将原始DN值转化为星上亮度温度Tat-sensor:
式中,Tat-sensor为遥感影像的亮度温度,单位为K。K1和K2是经验参数,对于TM5,K1=60.77mW cm-2sr-1μm-1、K2=1260.56mW cm-2sr-1μm-1;对于TM8的第十波段热红外数据,K1=774.89mW cm-2sr-1μm-1、K2=1321.08mW cm-2sr-1μm-1,K1为卫星光谱辐射率,单位为Wm-2sr-1μm-1,Lmin和Lmax分别代表传感器可监测到的最大和最小辐射值,可以从遥感影像数据的头文件中查得。
步骤S101,利用单窗算法把亮度温度转化为真实地表温度。具体地,转化公式如下:
式中,Ts为真实地表温度,单位为K,a和b为常量,一般情况下(地表温度在0~70℃范围内),取值a=–67.355351、b=0.458606;Ta为大气平均作用温度,大气平均作用温度Ta主要取决于大气剖面的气温分布和大气状态,C和D为中间变量:
C=ετ
D=(1-ε)[1+(1-ε)τ]
τ为大气透过率,ε是比辐射率。
根据上述步骤,最终得到城市地表温度数据,表征城市热环境状况。
步骤S2,根据遥感影像数据获得城市植被指数(NDVI)和非渗透地表信息。
具体地,步骤S2进一步包括:
步骤S200,根据Landsat TM5/8影像获得NDVI指数数据。NDVI即归一化植被指数,能有效表征城市植被状态,具体地,根据以下公式获得Landsat TM5/8影像的NDVI指数数据
其中,RED表示红光波段反射率(TM5的第3波段,TM8的第4波段),NIR表示近红外波段反射率(TM5的第4波段,TM8的第5波段)。
步骤S201,根据Landsat TM5/8影像利用混合像元线性分解法获得城市非渗透地表空间信息。
混合像元是遥感影像普遍存在的问题,通过线性光谱解混的方法,能够反演得到像元内部某种地物纯像元的比例大小,达到解混目的。因此,于步骤S201中,首先对各波段进行光谱归一化处理:
其中,是波段b某一像元的归一化反射率,Rb是原始反射率,μ是该像元的平均反射率,N是波段数。
建立线性光谱解混模型,具体如下:
其中,Riλ是第λ波段第i个像元的反射率,fki对应i像元的第k个段元所占比重,CKλ是第k个基本组分在第λ波段的反射率,εiλ是残差值。
最后用最小二乘法求解模型,最终得到非渗透地表的百分比图。
步骤S3,将地表温度数据、NDVI和非渗透地表数据统一到同一大小地理网格单元,利用回归树模型构建地表温度的预测模型。
分析城市热环境与植被(NDVI)、建筑(非渗透地表)的关系,及构建它们的预测模型实际上是个数据挖掘(Data Mining)的过程。具体地,于步骤S3中,首先,生成250×250m的网格单元,叠合各参数进行均值统计运算;然后以地表温度为因变量、NDVI和非渗透地表为自变量,运用回归树方法构建城市热环境预测模型,得到不同规则下的线性方程。
步骤S4,根据各规则表达式,进行空间制图,将不同的表达式投影到城市空间,即可获取城市具体局部位置的热环境成因机理。也就是说,根据回归树模拟得到的不同规则表达式,进行整理和空间投影制图,最终得到城市热环境的成因机理空间分布和具体城市局部位置的机理表达式(即规则表达式)。
具体地,于步骤S4中,归纳整理各规则下的线性方程模型;通过地理空间属性定位法将各规则进行地理投影,得到它们的空间位置特征,即可得到城市热环境的成因机理空间分布和具体城市局部位置的机理表达式。
图3为本发明一种城市热环境成因诊断系统的系统架构图。如图3所示,本发明一种城市热环境成因诊断系统,包括:
地表温度反演单元201,用于利用单窗算法对遥感影像数据进行地表温度反演,获得城市热环境数据。
在本发明具体实施例中,所述遥感影像数据为热红外波段数据,即为利用热红外传感器获取的热红外影像数据。具体地,其可为利用Landsat TM5/8卫星上的热红外传感器获得的影像热红外波段数据。
地表温度反演单元201具体用于:
将原始DN(Digital Number,即遥感影像像元亮度值)值转化为星上亮度温度Tat-sensor。具体地,可利用以下两个公式将原始DN值转化为星上亮度温度Tat-sensor:
式中,Tat-sensor为遥感影像的亮度温度,单位为K。K1和K2是经验参数,对于TM5,K1=60.77mW cm-2sr-1μm-1、K2=1260.56mW cm-2sr-1μm-1;对于TM8的第十波段热红外数据,K1=774.89mW cm-2sr-1μm-1、K2=1321.08mW cm-2sr-1μm-1,Lb为卫星光谱辐射率,单位为Wm-2sr-1μm-1,Lmin和Lmax分别代表传感器可监测到的最大和最小辐射值,可以从遥感影像数据的头文件中查得。
利用单窗算法把亮度温度转化为真实地表温度。具体地,转化公式如下:
式中,Ts为真实地表温度,单位为K,a和b为常量,一般情况下(地表温度在0~70℃范围内),取值a=–67.355351、b=0.458606;Ta为大气平均作用温度,大气平均作用温度主要取决于大气剖面的气温分布和大气状态。C和D为中间变量:
C=ετ
D=(1-ε)[1+(1-ε)τ]
τ为大气透过率,ε是比辐射率。
NDVI与非渗透地表信息获取单元202,用于根据遥感影像数据获得城市植被指数(NDVI)和非渗透地表信息。
NDVI与非渗透地表信息获取单元202具体用于:
根据Landsat TM5/8影像获得NDVI指数数据。NDVI即归一化植被指数,能有效表征城市植被状态,具体地,根据以下公式获得Landsat TM5/8影像的NDVI指数数据
其中,RED表示红光波段反射率(TM5的第3波段,TM8的第4波段),NIR表示近红外波段反射率(TM5的第4波段,TM8的第5波段)。
根据Landsat TM5/8影像利用混合像元线性分解法获得城市非渗透地表空间信息。
混合像元是遥感影像普遍存在的问题,通过线性光谱解混的方法,能够反演得到像元内部某种地物纯像元的比例大小,达到解混目的。因此,于步骤S201中,首先对各波段进行光谱归一化处理:
其中,是波段b某一像元的归一化反射率,Rb是原始反射率,μ是该像元的平均反射率,N是波段数。
建立线性光谱解混模型,具体如下:
其中,Riλ是第λ波段第i个像元的反射率,fki对应i像元的第k个段元所占比重,CKλ是第k个基本组分在第λ波段的反射率,εiλ是残差值。
最后用最小二乘法求解模型,最终得到非渗透地表的百分比图。
模型构建单元203,用于将地表温度数据、NDVI和非渗透地表数据统一到同一大小地理网格单元,利用回归树模型构建地表温度的预测模型。
分析城市热环境与植被(NDVI)、建筑(非渗透地表)的关系,及构建它们的预测模型实际上是个数据挖掘(Data Mining)的过程。具体地,于模型构建单元203中,首先,生成250×250m的网格单元,叠合各参数进行均值统计运算;然后以地表温度为因变量、NDVI和非渗透地表为自变量,运用回归树方法构建城市热环境预测模型,得到不同规则下的线性方程。
成因诊断单元204,用于根据各规则表达式,进行空间制图,将不同的表达式投影到城市空间,即可获取城市具体局部位置的热环境成因机理。也就是说,根据回归树模拟得到的不同规则表达式,进行整理和空间投影制图,最终得到城市热环境的成因机理空间分布和具体城市局部位置的机理表达式(即规则表达式)。
具体地,成因诊断单元204归纳整理各规则下的线性方程模型;通过地理空间属性定位法将各规则进行地理投影,得到它们的空间位置特征,即可得到城市热环境的成因机理空间分布和具体城市局部位置的机理表达式。
可见,本发明能充分考虑城市热环境演变的非线性过程及城市景观格局高度异质性特征,避免将城市整体视作同质的物理属性,有效避免城市区域“一刀切”建模,充分挖掘城市热环境成因机理,本发明发明极大提高了城市热环境的预测精度,有助于推进城市热环境研究工作,同时为城市规划管理部门提供环境规划管理建议。
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何本领域技术人员均可在不违背本发明的精神及范畴下,对上述实施例进行修饰与改变。因此,本发明的权利保护范围,应如权利要求书所列。
Claims (10)
1.一种城市热环境成因诊断方法,包括如下步骤:
步骤S1,对遥感影像数据进行地表温度反演,获得获得城市地表温度数据,表征城市热环境状态;
步骤S2,根据所述遥感影像数据获得城市植被指数NDVI和非渗透地表信息;
步骤S3,将所述地表温度数据、城市植被指数NDVI和非渗透地表信息统一到同一大小地理网格单元,并利用回归树模型构建地表温度的预测模型;
步骤S4,根据回归树模型模拟得到的不同规则表达式,进行整理和空间投影制图,最终得到城市热环境的成因机理空间分布和具体城市局部位置的机理表达式。
2.如权利要求1所述的一种城市热环境成因诊断方法,其特征在于,步骤S1进一步包括:
步骤S100将遥感影像数据的原始DN转化为星上亮度温度;
步骤S101,利用单窗算法把亮度温度Tat-sensor转化为真实地表温度。
3.如权利要求2所述的一种城市热环境成因诊断方法,其特征在于,于步骤S100中,利用如下公式将所述遥感影像数据的原始DN转化为星上亮度温度Tat-sensor:
式中,Tat-sensor为所述遥感影像的亮度温度,单位为K,K1和K2为经验参数,Lb为卫星光谱辐射率,单位为W m-2sr-1μm-1,Lmin和Lmax分别代表传感器可监测到的最大和最小辐射值,可从遥感影像数据的头文件中获得。
4.如权利要求2所述的一种城市热环境成因诊断方法,其特征在于:于步骤S101中,利用如下公式把所述亮度温度Tat-sensor转化为真实地表温度Ts:
其中,Ts为真实地表温度,单位为K,a和b,Ta为大气平均作用温度,大气平均作用温度Ta主要取决于大气剖面的气温分布和大气状态,C和D为中间变量:
C=ετ
D=(1-ε)[1+(1-ε)τ]
τ为大气透过率,ε是比辐射率。
5.如权利要求2所述的一种城市热环境成因诊断方法,其特征在于,步骤S2进一步包括:
步骤S200,根据如下公式利用所述遥感影像数据获取NDVI指数数据
RED表示红光波段反射率,NIR表示近红外波段反射率;
步骤S201,根据所述遥感影像数据利用混合像元线性分解法获得城市非渗透地表空间信息。
6.如权利要求5所述的一种城市热环境成因诊断方法,其特征在于,于步骤S201中,首先对各波段进行光谱归一化处理;然后建立线性光谱解混模型;最后用最小二乘法求解模型,最终得到非渗透地表的百分比图。
7.如权利要求5所述的一种城市热环境成因诊断方法,其特征在于,所述线性光谱解混模型如下:
其中,Riλ是第λ波段第i个像元的反射率,fki对应i像元的第k个段元所占比重,CKλ是第k个基本组分在第λ波段的反射率,εiλ是残差值。
8.如权利要求5所述的一种城市热环境成因诊断方法,其特征在于,于步骤S3中,首先,生成网格单元,叠合各参数进行均值统计运算;然后以地表温度为因变量、NDVI指数数据和非渗透地表为自变量,运用回归树方法构建城市热环境预测模型,得到不同规则下的线性方程。
9.如权利要求8所述的一种城市热环境成因诊断方法,其特征在于,于步骤S4中,归纳整理各规则下的线性方程模型;通过地理空间属性定位法将各规则进行地理投影,得到它们的空间位置特征,即可得到城市热环境的成因机理空间分布和具体城市局部位置的机理表达式。
10.一种城市热环境成因诊断系统,包括:
地表温度反演单元,用于对遥感影像数据进行地表温度反演,获得获得城市地表温度数据,表征城市热环境状态;
NDVI与非渗透地表信息获取单元,用于根据遥感影像数据获得城市植被指数NDVI和非渗透地表信息;
模型构建单元,用于将所述地表温度数据城市植被指数NDVI和非渗透地表信息统一到同一大小地理网格单元,利用回归树模型构建地表温度的预测模型;
成因诊断单元,用于根据回归树模型模拟得到的不同规则表达式,进行整理和空间投影制图,最终得到城市热环境的成因机理空间分布和具体城市局部位置的机理表达式。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811552352.2A CN109612587A (zh) | 2018-12-18 | 2018-12-18 | 一种城市热环境成因诊断方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811552352.2A CN109612587A (zh) | 2018-12-18 | 2018-12-18 | 一种城市热环境成因诊断方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109612587A true CN109612587A (zh) | 2019-04-12 |
Family
ID=66009737
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811552352.2A Pending CN109612587A (zh) | 2018-12-18 | 2018-12-18 | 一种城市热环境成因诊断方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109612587A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110189617A (zh) * | 2019-05-10 | 2019-08-30 | 广州大学 | 一种城市热环境主控因素的空间制图方法、装置及介质 |
CN110188927A (zh) * | 2019-05-10 | 2019-08-30 | 广州大学 | 一种城市热岛主控因素的分析方法、装置及存储介质 |
CN110688621A (zh) * | 2019-09-16 | 2020-01-14 | 广州大学 | 一种影响城市热环境的关键绿地格局指数筛选方法及系统 |
CN111928970A (zh) * | 2020-06-30 | 2020-11-13 | 广州地理研究所 | 地物类型对地表温度的影响关系获取方法 |
CN112613347A (zh) * | 2020-12-03 | 2021-04-06 | 应急管理部国家自然灾害防治研究院 | 一种森林火灾过火范围和烧毁程度的自动识别方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102103203A (zh) * | 2011-01-19 | 2011-06-22 | 环境保护部卫星环境应用中心 | 基于环境一号卫星的地表温度单窗反演方法 |
CN104748857A (zh) * | 2015-03-05 | 2015-07-01 | 北京师范大学 | 一种城市地表温度反演方法及系统 |
CN105930633A (zh) * | 2016-04-05 | 2016-09-07 | 中国科学院遥感与数字地球研究所 | 一种城市热岛效应的预测方法 |
US20160307073A1 (en) * | 2015-04-20 | 2016-10-20 | Los Alamos National Security, Llc | Change detection and change monitoring of natural and man-made features in multispectral and hyperspectral satellite imagery |
CN108332859A (zh) * | 2018-01-18 | 2018-07-27 | 广州大学 | 一种城市热岛范围的提取方法及装置 |
-
2018
- 2018-12-18 CN CN201811552352.2A patent/CN109612587A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102103203A (zh) * | 2011-01-19 | 2011-06-22 | 环境保护部卫星环境应用中心 | 基于环境一号卫星的地表温度单窗反演方法 |
CN104748857A (zh) * | 2015-03-05 | 2015-07-01 | 北京师范大学 | 一种城市地表温度反演方法及系统 |
US20160307073A1 (en) * | 2015-04-20 | 2016-10-20 | Los Alamos National Security, Llc | Change detection and change monitoring of natural and man-made features in multispectral and hyperspectral satellite imagery |
CN105930633A (zh) * | 2016-04-05 | 2016-09-07 | 中国科学院遥感与数字地球研究所 | 一种城市热岛效应的预测方法 |
CN108332859A (zh) * | 2018-01-18 | 2018-07-27 | 广州大学 | 一种城市热岛范围的提取方法及装置 |
Non-Patent Citations (1)
Title |
---|
郭冠华等: ""城市热环境季相变异及与非渗透地表的定量关系分析--以广州市中心区为例"", 《生态环境学报》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110189617A (zh) * | 2019-05-10 | 2019-08-30 | 广州大学 | 一种城市热环境主控因素的空间制图方法、装置及介质 |
CN110188927A (zh) * | 2019-05-10 | 2019-08-30 | 广州大学 | 一种城市热岛主控因素的分析方法、装置及存储介质 |
CN110688621A (zh) * | 2019-09-16 | 2020-01-14 | 广州大学 | 一种影响城市热环境的关键绿地格局指数筛选方法及系统 |
CN111928970A (zh) * | 2020-06-30 | 2020-11-13 | 广州地理研究所 | 地物类型对地表温度的影响关系获取方法 |
CN111928970B (zh) * | 2020-06-30 | 2022-06-03 | 广州地理研究所 | 地物类型对地表温度的影响关系获取方法 |
CN112613347A (zh) * | 2020-12-03 | 2021-04-06 | 应急管理部国家自然灾害防治研究院 | 一种森林火灾过火范围和烧毁程度的自动识别方法 |
CN112613347B (zh) * | 2020-12-03 | 2021-07-27 | 应急管理部国家自然灾害防治研究院 | 一种森林火灾过火范围和烧毁程度的自动识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109612587A (zh) | 一种城市热环境成因诊断方法及系统 | |
Ayoub | 100 Years of daylighting: A chronological review of daylight prediction and calculation methods | |
Equere et al. | Definition of a new morphological parameter to improve prediction of urban heat island | |
Sánchez-Aparicio et al. | Web-GIS approach to preventive conservation of heritage buildings | |
Feng et al. | Quality assessment of Landsat surface reflectance products using MODIS data | |
Weng | Advances in environmental remote sensing: sensors, algorithms, and applications | |
Roh et al. | An object-based 3D walk-through model for interior construction progress monitoring | |
Nguyen et al. | The application of LiDAR to assessment of rooftop solar photovoltaic deployment potential in a municipal district unit | |
Sun et al. | Evaluating the geometric aspects of integrating BIM data into city models | |
Kastner et al. | Eddy3D: A toolkit for decoupled outdoor thermal comfort simulations in urban areas | |
CN102915529A (zh) | 基于遥感“时-空-谱-角”的一体化融合技术及其系统 | |
EP4241135A1 (en) | Virtually viewing devices in a facility | |
Khayyal et al. | Creation and spatial analysis of 3D city modeling based on GIS data | |
Ji et al. | Multiscale leaf area index assimilation for Moso bamboo forest based on Sentinel-2 and MODIS data | |
Sabri et al. | A multi-dimensional analytics platform to support planning and design for liveable and sustainable urban environment | |
Guo et al. | Study on landscape architecture model design based on big data intelligence | |
Miettinen et al. | Demonstration of large area forest volume and primary production estimation approach based on Sentinel-2 imagery and process based ecosystem modelling | |
Qin et al. | Development of the adjoint model of a canopy radiative transfer model for sensitivity study and inversion of leaf area index | |
CN116151610A (zh) | 一种非均质城市下垫面承灾体风险暴露空间模拟方法 | |
Congedo | Land cover classification of cropland: a tutorial using the semi-automatic classification plugin for QGIS | |
CN104899464B (zh) | 一种适应噪声条件下的抽样学习机遥感定量反演方法 | |
Oyugi | Trends in Urban Morphological Data Capture: A Review of Theoretical Perspectives on Utility of Geospatial Technology | |
Patrucco et al. | Geomatic contribution for the restoration project of the valentino castle green room. From data acquisition to integrated documentation | |
Costantino et al. | Thermal monitoring using an ASTER image | |
Zander et al. | RBIS-an environmental information system for integrated landscape management |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190412 |
|
RJ01 | Rejection of invention patent application after publication |