CN110750896A - 不同气候区下城市绿地降温效应定量评估方法与系统 - Google Patents
不同气候区下城市绿地降温效应定量评估方法与系统 Download PDFInfo
- Publication number
- CN110750896A CN110750896A CN201910984611.7A CN201910984611A CN110750896A CN 110750896 A CN110750896 A CN 110750896A CN 201910984611 A CN201910984611 A CN 201910984611A CN 110750896 A CN110750896 A CN 110750896A
- Authority
- CN
- China
- Prior art keywords
- cooling effect
- vegetation
- types
- type
- arbor
- 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.)
- Granted
Links
- 230000000694 effects Effects 0.000 title claims abstract description 225
- 238000001816 cooling Methods 0.000 title claims abstract description 220
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000011158 quantitative evaluation Methods 0.000 title claims description 6
- 239000002131 composite material Substances 0.000 claims abstract description 65
- 238000013210 evaluation model Methods 0.000 claims abstract description 34
- 238000005516 engineering process Methods 0.000 claims abstract description 10
- 238000011156 evaluation Methods 0.000 claims abstract description 10
- 244000025254 Cannabis sativa Species 0.000 claims description 72
- 238000004458 analytical method Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 5
- 238000007405 data analysis Methods 0.000 claims description 4
- 238000010438 heat treatment Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 13
- 230000002596 correlated effect Effects 0.000 description 6
- 238000010219 correlation analysis Methods 0.000 description 6
- 238000004088 simulation Methods 0.000 description 6
- 230000000875 corresponding effect Effects 0.000 description 5
- 238000001704 evaporation Methods 0.000 description 4
- 230000008020 evaporation Effects 0.000 description 4
- 238000012417 linear regression Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 230000005068 transpiration Effects 0.000 description 3
- 238000012512 characterization method Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 239000002028 Biomass Substances 0.000 description 1
- 238000012952 Resampling Methods 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 238000010792 warming Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N2021/1793—Remote sensing
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- Health & Medical Sciences (AREA)
- Atmospheric Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Cultivation Of Plants (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种不同气候区下城市绿地降温效应定量评估方法及系统,涉及城市绿地降温评估技术领域,其基于干旱指数,将全球观测样点划分为干旱区、半干旱半湿润区、中度湿润区和极度湿润区,结合实地观测与卫星遥感技术,在此基础上分析不同气候区内蒸散量与不同植被类型降温效应之间的关系、叶面积指数与不同植被类型降温效应之间的关系,全面构建了以蒸散量和/或叶面积指数为表征参数的草地类型、灌丛类型、乔木类型和乔灌草复合结构类型分别在干旱区、半干旱半湿润区、中度湿润区和极度湿润区内的降温效应评估模型。
Description
技术领域
本发明涉及城市绿地降温评估技术领域,具体涉及不同气候区下城市绿地降温效应定量评估方法与系统。
背景技术
中国城镇化快速发展,使得大量的人造建筑物取代了自然地表,彻底改变了自然的人类生存环境热格局,最终导致城镇气温明显高于郊区,形成所谓的“热岛效应”,国外研究学者发现,城市绿地植被能有效的缓解城市“热岛效应”。目前国内外的绿地降温研究,研究方法主要有三种:布点式实地观测、卫星遥感技术、绿地降温模型。布点式实地观测是目前最为准确的研究方法,但是由于受时空能力的限制,存在监测周期长、覆盖范围小、成本高、劳动强度大、数据采集慢等问题,一般只能针对一个城市或者某几个样地进行,因此得出的结论也只具有地方代表性。卫星遥感技术可以克服上述布点式实地观测的缺点,但是卫星遥感影像由于穿透能力不足,受上层树冠的遮挡,无法直接获取林下温度,这对于开展城市绿地的降温效应研究带来较大障碍,但是基于遥感技术获取植被指数、景观指数、生物量、植被覆盖度等则为绿地降温机理研究提供了新的技术手段。目前现有技术中的城市绿地降温效应评估技术方法依然受实地观测时空尺度的限制,不能很好反应实际城市绿地的降温情况。
发明内容
针对现有技术中的不足,本发明提供一种不同气候区下城市绿地降温效应定量评估方法和系统,其基于全球实地观测降温数据与相应的卫星遥感技术,分析不同气候区不同植被类型蒸散量、叶面积指数与其降温作用之间的定量关系,最终构建一套以植被蒸散量和叶面积指数为表征参数的不同气候区域不同植被类型的城市绿地降温效应定量评估方法和系统,全面快速评估不同区域城市绿地类型的降温效应。
为实现上述目的,本发明技术方案如下:
一种不同气候区下城市绿地降温效应定量评估方法,其包括:
步骤1:获取待评估样地的月平均温度、归一化植被指数、年均降雨量、月均降雨量和月实际日照时数;
步骤2:根据年均降雨量、月实际日照时数和月平均温度计算获得植被干旱指数;
步骤3:根据植被干旱指数将全球划分为干旱区、半干旱半湿润区、中度湿润区和极度湿润区四种气候区,并判断待评估样地所属的气候区;
步骤4:根据归一化植被指数计算获得叶面积指数,根据月均降雨量、月平均温度和月实际日照时数计算获得蒸散量;
步骤5:根据叶面积指数和/或蒸散量建立待评估样地的降温效应评估模型,通过降温效应评估模型获得待评估样地植被类型的降温效应量;
步骤6:当降温效应量大于或等于0℃,此处绿地植被对周围环境产生增温或无影响的效果;当降温效应量小于0℃,此处绿地植被对周围环境产生降温的效果。
如上所述的不同气候区下城市绿地降温效应定量评估方法,进一步地,所述干旱区、所述半干旱半湿润区、所述中度湿润区和所述极度湿润区的绿地植被均被划分为草地、灌丛、乔木、乔灌草复合结构四种植被类型。
如上所述的不同气候区下城市绿地降温效应定量评估方法,进一步地,根据年均降雨量、月实际日照时数和月平均温度计算获得植被干旱指数为:
AI=Pa/PET
式中,Pa表示年均降雨量(mm),PET表示潜在蒸散量(mm),
潜在蒸散量为:
式中,T(℃)为月平均温度,S为月实际日照时数(小时),
I为热量指数:
a为经验常数:
a=(0.675×I3-77.1×I2+17920×I+492390)×10-6。
如上所述的不同气候区下城市绿地降温效应定量评估方法,进一步地,根据叶面积指数建立干旱区内不同植被类型的降温效应评估模型为:
草地植被类型:
灌丛类型植被类型:
乔木植被类型:
乔灌草复合结构植被类型:
根据蒸散量和叶面积指数建立半干旱半湿润区不同植被类型的降温效应评估模型为:
草地植被类型:
灌丛类型植被类型:
乔木植被类型:
乔灌草复合结构植被类型:
式中,LAI表示叶面积指数,ET表示蒸散量;LAI表示叶面积指数,ET表示蒸散量;表示当温度T>30℃且蒸散量ET>697.4mm时,半干旱半湿润区内草地类型的降温效应;表示其他状态下,半干旱半湿润区内草地类型的降温效应;半干旱半湿润区内灌丛类型的降温效应;表示半干旱半湿润区内乔木类型的降温效应,半干旱半湿润区内乔灌草复合结构类型的降温效应;
根据蒸散量和叶面积指数建立中度湿润区内不同植被类型的降温效应评估模型为:
草地植被类型:
灌丛类型植被类型:
乔灌草复合结构植被类型:
根据蒸散量建立极度湿润区内不同植被类型的降温效应评估模型为:
草地植被类型:
乔木植被类型:
乔灌草复合结构植被类型:
如上所述的不同气候区下城市绿地降温效应定量评估方法,进一步地,根据月均降雨量 Pm、月平均温度和月实际日照时数计算获得蒸散量ET为:
其中,Pm为月均降雨量(mm),PET表示潜在蒸散量(mm),w为经验系数。
依据不同植被类型或林型,根据归一化植被指数计算获得叶面积指数分别为:
针叶林:LAI=1.8×(NDVI+0.069)/(0.815-NDVI)
针阔叶混交林:LAI=4.686×NDVI/(1.181-NDVI)
阔叶林:LAI=7.813×NDVI+0.789
灌木:LAI=8.547×NDVI-0.932
草地:LAI=3.968×NDVI-1.202
式中,NDVI为归一化植被指数。
一种不同气候区下城市绿地降温效应定量评估系统,其包括:
遥感获取模块,用于通过遥感技术获取待评估样地的月平均温度、归一化植被指数;
气象信息获取模块,用于获取待评估样地的气象信息,所述气象信息包括年均降雨量、月均降雨量和月实际日照时数;
样地判定模块,用于根据年均降雨量、月实际日照时数和月平均温度计算获得植被干旱指数,根据植被干旱指数将全球划分为干旱区、半干旱半湿润区、中度湿润区和极度湿润区,判定待评估样地所属的气候区;
数据分析处理模块,用于根据归一化植被指数计算获得叶面积指数,根据月均降雨量、月平均温度和月实际日照时数计算获得蒸散量,并根据叶面积指数和/或蒸散量建立待评估样地的降温效应评估模型,通过降温效应评估模型获得待评估样地植被类型的降温效应量;
评估分析模块,用于根据评估降温效应量的值判断待评估样地的绿地植被是否产生降温的效果。
如上所述的不同气候区下城市绿地降温效应定量评估系统,进一步地,所述干旱区、所述半干旱半湿润区、所述中度湿润区和所述极度湿润区的绿地植被均被划分为草地、灌丛、乔木、乔灌草复合结构四种植被类型。
如上所述的不同气候区下城市绿地降温效应定量评估方法,进一步地,根据年均降雨量、月实际日照时数和月平均温度计算获得植被干旱指数为:
AI=Pa/PET
式中,Pa表示年均降雨量(mm),PET表示潜在蒸散量(mm),
潜在蒸散量为:
式中,T(℃)为月平均温度,S为月实际日照时数(小时),
I为热量指数:
a为经验常数:
a=(0.675×I3-77.1×I2+17920×I+492390)×10-6。
如上所述的不同气候区下城市绿地降温效应定量评估系统,进一步地,根据叶面积指数建立干旱区内不同植被类型的降温效应评估模型为:
草地植被类型:
灌丛类型植被类型:
乔木植被类型:
乔灌草复合结构植被类型:
根据蒸散量和叶面积指数建立半干旱半湿润区不同植被类型的降温效应评估模型为:
草地植被类型:
灌丛类型植被类型:
乔木植被类型:
乔灌草复合结构植被类型:
式中,LAI表示叶面积指数,ET表示蒸散量;LAI表示叶面积指数,ET表示蒸散量;表示当温度T>30℃且蒸散量ET>697.4mm时,半干旱半湿润区内草地类型的降温效应;表示其他状态下,半干旱半湿润区内草地类型的降温效应;半干旱半湿润区内灌丛类型的降温效应;表示半干旱半湿润区内乔木类型的降温效应,半干旱半湿润区内乔灌草复合结构类型的降温效应;
根据蒸散量和叶面积指数建立中度湿润区内不同植被类型的降温效应评估模型为:
草地植被类型:
灌丛类型植被类型:
乔灌草复合结构植被类型:
根据蒸散量建立极度湿润区内不同植被类型的降温效应评估模型为:
草地植被类型:
乔木植被类型:
乔灌草复合结构植被类型:
如上所述的不同气候区下城市绿地降温效应定量评估系统,进一步地,根据月均降雨量 Pm、月平均温度和月实际日照时数计算获得蒸散量ET为:
其中,Pm为月均降雨量(mm),PET表示潜在蒸散量(mm),w为经验系数。
依据不同植被类型或林型,根据归一化植被指数计算获得叶面积指数分别为:
针叶林:LAI=1.8×(NDVI+0.069)/(0.815-NDVI)
针阔叶混交林:LAI=4.686×NDVI/(1.181-NDVI)
阔叶林:LAI=7.813×NDVI+0.789
灌木:LAI=8.547×NDVI-0.932
草地:LAI=3.968×NDVI-1.202
式中,NDVI为归一化植被指数。
本发明与现有技术相比,其有益效果在于:本发明基于干旱指数,将全球实验观测样点划分为干旱区、半干旱半湿润区、中度湿润区和极度湿润区,结合实地观测与卫星遥感技术,在此基础上分析不同气候区内蒸散量与不同植被类型降温效应之间的关系、叶面积指数与不同植被类型降温效应之间的关系,全面构建了以蒸散量和/或叶面积指数为表征参数的草地类型、灌丛类型、乔木类型和乔灌草复合结构类型分别在干旱区、半干旱半湿润区、中度湿润区和极度湿润区内的降温效应评估模型,利用模型评估城市绿地是否对周围环境产生降温的效果。
附图说明
图1是本发明基于实地观测与卫星遥感技术的不同气候区域城市绿地不同植被类型降温效应评估方法的流程图;
图2是干旱区中不同植被类型叶面积指数与降温效应在统计分析软件SPSS里面进行相关性分析示意图;其中,图2(a)、(b)、(c)、(d)分别表示草地类型、灌丛类型、乔木类型和乔灌草复合型植被叶面积指数与降温效应相关性分析示意图;
图3是半干旱半湿润区中不同植被类型蒸散量、叶面积指数与降温效应在统计分析软件 SPSS里面进行相关性分析示意图;其中,图3(a)、(c)、(e)、(g)分别表示草地类型、灌丛类型、乔木类型和乔灌草复合型植被蒸散量与降温效应相关性分析示意图;图3(b)、(d)、(f)、(h)分别表示草地类型、灌丛类型、乔木类型和乔灌草复合型植被叶面积指数与降温效应相关性分析示意图;
图4是中度湿润区中不同植被类型蒸散量、叶面积指数与降温效应在统计分析软件SPSS 里面进行相关性分析示意图;其中,图4(a)、(c)、(e)分别表示草地类型、灌丛类型、和乔灌草复合型植被蒸散量与降温效应相关性分析示意图;图4(b)、(d)、(f)分别表示草地类型、灌丛类型和乔灌草复合型植被叶面积指数与降温效应相关性分析示意图;
图5是极度湿润区中不同植被类型蒸散量与降温效应在统计分析软件SPSS里面进行相关性分析示意图;其中,图5(a)、(b)、(c)分别表示草地类型、乔木类型和乔灌草复合型植被蒸散量与降温效应相关性分析示意图;
图6是基于四个气候区内不同城市绿地类型植被特征参数为表征的降温效应评估模型模拟结果与基于实地观测结果比较示意图;其中,图6(a)、(b)、(c)、(d)分别表示干旱区、半干旱半湿润区、中度湿润区和极度湿润区中不同城市绿地类型的降温效应评估模型模拟结果与基于实地观测结果比较示意图;
图7为本发明不同气候区下城市绿地降温效应定量评估系统的结构图。
图中:10、气象信息获取模块;20、遥感获取模块;30、样地判定模块;40、数据分析处理模块;50、评估分析模块。
具体实施方式
下面结合附图和具体实施方式对本发明的内容做进一步详细说明。
实施例:
参见图1至图6,不同气候区下城市绿地降温效应定量评估方法,包括
步骤1:获取待评估样地的月平均温度、归一化植被指数、年均降雨量、月均降雨量和月实际日照时数。
步骤2:根据年均降雨量、月实际日照时数和月平均温度计算获得植被干旱指数。
根据年均降雨量、月实际日照时数和月平均温度计算获得植被干旱指数为:
AI=Pa/PET
式中,Pa表示年均降雨量(mm),PET表示潜在蒸散量(mm),
潜在蒸散量为:
式中,T(℃)为月平均温度,S为月实际日照时数(小时),
I为热量指数:
a为经验常数:
a=(0.675×I3-77.1×I2+17920×I+492390)×10-6。
步骤3:根据植被干旱指数将全球划分为干旱区、半干旱半湿润区、中度湿润区和极度湿润区四种气候区,并判断待评估样地所属的气候区。进一步地,所述干旱区、所述半干旱半湿润区、所述中度湿润区和所述极度湿润区的绿地植被均被划分为草地、灌丛、乔木、乔灌草复合结构四种植被类型。
表1为基于干旱指数等级划分的气候区类别,结合样地相应的年降雨量(P,mm)和潜在蒸散量(PET,mm)信息,将样地划分为干旱区、半干旱半湿润区、中度湿润区和极度湿润区四大气候区,进一步结合样地的植被类型,将城市绿地划分为草地、灌丛、乔木、乔灌草复合结构四种植被类型。
表1
步骤4:根据归一化植被指数计算获得叶面积指数,根据月均降雨量和潜在蒸散量计算获得蒸散量。
根据月均降雨量Pm和潜在蒸散量PET计算获得蒸散量ET为:
其中,Pm为月均降雨量(mm),PET表示潜在蒸散量(mm),w为经验系数。
依据不同植被类型或林型,根据归一化植被指数计算获得叶面积指数分别为:
针叶林:LAI=1.8×(NDVI+0.069)/(0.815-NDVI)
针阔叶混交林:LAI=4.686×NDVI/(1.181-NDVI)
阔叶林:LAI=7.813×NDVI+0.789
灌木:LAI=8.547×NDVI-0.932
草地:LAI=3.968×NDVI-1.202
式中,NDVI为归一化植被指数。由卫星遥感影像TM数据重新采样建立30m空间分辨率的数据集在ENVI平台下通过波段代数运算方法生成。
步骤5:根据叶面积指数和/或蒸散量建立待评估样地的降温效应评估模型,通过降温效应评估模型获得待评估样地植被类型的降温效应量。
其中,对于干旱区,将其不同植被类型样地的蒸散量(ET)和叶面积指数(LAI)与降温效应在SPSS里面进行相关性分析发现,降温效应在所有植被类型中均与蒸散量(ET)无显著的相关关系,参见图2,而与叶面积指数(LAI)呈现良好的相关关系,在0.01水平上显著相关。可见叶面积指数(LAI)是影响干旱区城市绿地降温的主要参数。本发明基于两者的相关关系,根据叶面积指数建立干旱区内不同植被类型的降温效应评估模型为:
草地植被类型:
灌丛类型植被类型:
乔木植被类型:
乔灌草复合结构植被类型:
对于半干旱半湿润区,获取属于半干旱半湿润区的观测样点不同植被类型的降温效应 (ΔTsem),将不同植被类型的蒸散量(ET)和叶面积指数(LAI)分别与相应的降温效应(ΔTsem) 在统计分析软件SPSS里面进行线性回归分析,其结果如图3及表2所示,其中,表2为基于线性回归分析的模型决定系数及其精度。
表2
本发明基于以上分析,根据蒸散量和叶面积指数建立半干旱半湿润区不同植被类型的降温效应评估模型为:
草地植被类型:
灌丛类型植被类型:
乔木植被类型:
乔灌草复合结构植被类型:
式中,LAI表示叶面积指数,ET表示蒸散量;表示当温度T>30℃且蒸散量ET>697.4mm时,半干旱半湿润区内草地类型的降温效应;表示其他状态下,半干旱半湿润区内草地类型的降温效应;半干旱半湿润区内灌丛类型的降温效应;表示半干旱半湿润区内乔木类型的降温效应,半干旱半湿润区内乔灌草复合结构类型的降温效应;
对于中度湿润区,获取属于中度湿润区的观测样点不同植被类型的降温效应(ΔTtem),将不同植被类型的蒸散量(ET)和叶面积指数(LAI)分别与相应的降温效应(ΔTtem)在统计分析软件SPSS里面进行线性回归分析,如图4所示,草地类型和灌丛类型的蒸散量(ET)与降温效应呈现良好的相关关系,而乔灌草复合结构型的蒸散量(ET)和叶面积指数(LAI)均与降温效应呈现良好的相关关系,且都在0.001水平上呈显著相关。可见蒸散量(ET)和叶面积指数(LAI)是影响该气候区内乔灌草复合结构类型降温效应的主要参数;而蒸散量(ET) 是影响该气候区内草地类型和灌丛类型降温效应的主要参数。本发明基于以上相关关系,根据蒸散量和叶面积指数建立中度湿润区内不同植被类型的降温效应评估模型为:
草地植被类型:
灌丛类型植被类型:
乔灌草复合结构植被类型:
对于极度湿润区,获取属于极度湿润区的观测样点不同植被类型的降温效应(ΔText),将不同植被类型的蒸散量(ET)分别与相应的降温效应(ΔText)在统计分析软件SPSS里面进行线性回归分析发现,如图5所示,不同植被类型蒸散量(ET)与降温效应呈现良好的相关关系,在0.001水平上呈显著相关。可见蒸散量(ET)是影响极度湿润区内不同植被类型降温效应的主要参数。本发明基于两者的相关关系,根据蒸散量建立极度湿润区内不同植被类型的降温效应评估模型为:
草地植被类型:
乔木植被类型:
乔灌草复合结构植被类型:
为验证模型的精度,本发明基于四个气候区(干旱区、半干旱半湿润区、中度湿润区和极度湿润区)内不同植被类型(草地类型、灌丛类型、乔木类型和乔灌草复合结构类型)特征参数为表征的降温效应评估模型模拟结果与基于实地观测结果,在统计分析软件中进行分析比较,如图6所示,结果发现,模拟结果较好,决定系数R在干旱区、半干旱半湿润区、中度湿润区和极度湿润区中分别为0.54、0.76、0.56和0.64,且都在0.001水平上显著相关,均方根误差RMSE在四个气候区中依次为1.06℃、1.12℃、1.11℃和0.76℃,而平均相对误差MRE依次为20.78%、20.86%、31.35%和35.34%。可见,本发明构建的干旱区不同植被类型降温效应评估模型、半干旱半湿润区不同植被类型降温效应评估模型、中度湿润区不同植被类型降温效应评估模型和极度湿润区不同植被类型降温效应评估模型精度良好。
步骤6:当降温效应量大于或等于0℃,此处绿地植被对周围环境产生增温或无影响的效果;当降温效应小于0℃,此处绿地植被对周围环境产生降温的效果。
判断全球不同区域不同城市绿地类型植被对“热岛效应”缓解起正作用、无作用或是反作用,以此评估此处城市绿地规划合理与否,并提出规划建议。
(1)当输出结果ΔT(℃)>=0时,此处绿地植被对周围环境产生增温或无影响的效果,对缓解城市“热岛效应”起到反作用或不起作用,规划不合理,需改进。进入预测模式,所获取参数再次进入处理计算模式,模拟计算出其他城市绿地类型植被降温效应。输出结果ΔT <0,且结果值最小则为最优植被类型,最终提出规划建议。
(2)当输出结果ΔT(℃)<0时,此处绿地植被对周围缓解产生降温的效果,对缓解城市“热岛效应”起正作用,规划合理,无需改进。
参见图7,不同气候区下城市绿地降温效应定量评估系统,其包括:遥感获取模块20,用于通过遥感技术获取待评估样地的月平均温度、归一化植被指数;气象信息获取模块10,用于获取待评估样地的气象信息,所述气象信息包括年均降雨量、月均降雨量和月实际日照时数;样地判定模块30,用于根据年均降雨量、月实际日照时数和月平均温度计算获得植被干旱指数,根据植被干旱指数将全球划分为干旱区、半干旱半湿润区、中度湿润区和极度湿润区,并判断待评估样地所属气候区;数据分析处理模块40,用于根据归一化植被指数计算获得叶面积指数,根据月均降雨量计算获得蒸散量,并根据归一化植被指数计算获得叶面积指数,根据月均降雨量、月平均温度和月实际日照时数计算获得蒸散量;评估分析模块50,用于根据评估降温效应量的值判断待评估样地的绿地植被是否产生降温的效果。
进一步地,根据年均降雨量、月实际日照时数和月平均温度计算获得植被干旱指数为:
AI=Pa/PET
式中,Pa表示年均降雨量(mm),PET表示潜在蒸散量(mm),
潜在蒸散量为:
式中,T(℃)为月平均温度,S为月实际日照时数(小时),
I为热量指数:
a为经验常数:
a=(0.675×I3-77.1×I2+17920×I+492390)×10-6。
进一步地,根据叶面积指数建立干旱区内不同植被类型的降温效应评估模型为:
草地植被类型:
灌丛类型植被类型:
乔木植被类型:
乔灌草复合结构植被类型:
根据蒸散量和叶面积指数建立半干旱半湿润区不同植被类型的降温效应评估模型为:
草地植被类型:
灌丛类型植被类型:
乔木植被类型:
乔灌草复合结构植被类型:
式中,LAI表示叶面积指数,ET表示蒸散量;LAI表示叶面积指数,ET表示蒸散量;表示当温度T>30℃且蒸散量ET>697.4mm时,半干旱半湿润区内草地类型的降温效应;表示其他状态下,半干旱半湿润区内草地类型的降温效应;半干旱半湿润区内灌丛类型的降温效应;表示半干旱半湿润区内乔木类型的降温效应,半干旱半湿润区内乔灌草复合结构类型的降温效应;
根据蒸散量和叶面积指数建立中度湿润区内不同植被类型的降温效应评估模型为:
草地植被类型:
灌丛类型植被类型:
乔灌草复合结构植被类型:
根据蒸散量建立极度湿润区内不同植被类型的降温效应评估模型为:
草地植被类型:
乔木植被类型:
乔灌草复合结构植被类型:
进一步地,根据月均降雨量Pm计算获得蒸散量ET为:
其中,Pm为月均降雨量(mm),PET表示潜在蒸散量(mm),w为经验系数。
依据不同植被类型或林型,根据归一化植被指数计算获得叶面积指数分别为:
针叶林:LAI=1.8×(NDVI+0.069)/(0.815-NDVI)
针阔叶混交林:LAI=4.686×NDVI/(1.181-NDVI)
阔叶林:LAI=7.813×NDVI+0.789
灌木:LAI=8.547×NDVI-0.932
草地:LAI=3.968×NDVI-1.202
式中,NDVI为归一化植被指数。
上述实施例只是为了说明本发明的技术构思及特点,其目的是在于让本领域内的普通技术人员能够了解本发明的内容并据以实施,并不能以此限制本发明的保护范围。凡是根据本发明内容的实质所做出的等效的变化或修饰,都应涵盖在本发明的保护范围内。
Claims (10)
1.一种不同气候区下城市绿地降温效应定量评估方法,其特征在于,包括:
步骤1:获取待评估样地的月平均温度、归一化植被指数、年均降雨量、月均降雨量和月实际日照时数;
步骤2:根据年均降雨量、月实际日照时数和月平均温度计算获得植被干旱指数;
步骤3:根据植被干旱指数将全球划分为干旱区、半干旱半湿润区、中度湿润区和极度湿润区四种气候区,并判断待评估样地所属的气候区;
步骤4:根据归一化植被指数计算获得叶面积指数,根据月均降雨量、月平均温度和月实际日照时数计算获得蒸散量;
步骤5:根据叶面积指数和/或蒸散量建立待评估样地的降温效应评估模型,通过降温效应评估模型获得待评估样地植被类型的降温效应量;
步骤6:当降温效应量大于或等于0℃,此处绿地植被对周围环境产生增温或无影响的效果;当降温效应量小于0℃,此处绿地植被对周围环境产生降温的效果。
2.根据权利要求1所述的不同气候区下城市绿地降温效应定量评估方法,其特征在于,所述干旱区、所述半干旱半湿润区、所述中度湿润区和所述极度湿润区的绿地植被均被划分为草地、灌丛、乔木、乔灌草复合结构四种植被类型。
4.根据权利要求1所述的不同气候区下城市绿地降温效应定量评估方法,其特征在于,根据叶面积指数建立干旱区内不同植被类型的降温效应评估模型为:
草地植被类型:
灌丛类型植被类型:
乔木植被类型:
乔灌草复合结构植被类型:
根据蒸散量和叶面积指数建立半干旱半湿润区不同植被类型的降温效应评估模型为:
草地植被类型:
灌丛类型植被类型:
乔木植被类型:
乔灌草复合结构植被类型:
式中,LAI表示叶面积指数,ET表示蒸散量;LAI表示叶面积指数,ET表示蒸散量;表示当温度T>30℃且蒸散量ET>697.4mm时,半干旱半湿润区内草地类型的降温效应;表示其他状态下,半干旱半湿润区内草地类型的降温效应;半干旱半湿润区内灌丛类型的降温效应;表示半干旱半湿润区内乔木类型的降温效应,半干旱半湿润区内乔灌草复合结构类型的降温效应;
根据蒸散量和叶面积指数建立中度湿润区内不同植被类型的降温效应评估模型为:
草地植被类型:
灌丛类型植被类型:
乔灌草复合结构植被类型:
根据蒸散量建立极度湿润区内不同植被类型的降温效应评估模型为:
草地植被类型:
乔木植被类型:
乔灌草复合结构植被类型:
5.根据权利要求1所述的不同气候区下城市绿地降温效应定量评估方法,其特征在于,根据月均降雨量Pm、月平均温度和月实际日照时数计算获得蒸散量ET为:
其中,Pm为月均降雨量(mm),PET表示潜在蒸散量(mm),w为经验系数;
依据不同植被类型或林型,根据归一化植被指数计算获得叶面积指数分别为:
针叶林:LAI=1.8×(NDVI+0.069)/(0.815-NDVI)
针阔叶混交林:LAI=4.686×NDVI/(1.181-NDVI)
阔叶林:LAI=7.813×NDVI+0.789
灌木:LAI=8.547×NDVI-0.932
草地:LAI=3.968×NDVI-1.202
式中,NDVI为归一化植被指数。
6.一种不同气候区下城市绿地降温效应定量评估系统,其特征在于,包括:
遥感获取模块,用于通过遥感技术获取待评估样地的月平均温度、归一化植被指数;
气象信息获取模块,用于获取待评估样地的气象信息,所述气象信息包括年均降雨量、月均降雨量和月实际日照时数;
样地判定模块,用于根据年均降雨量、月实际日照时数和月平均温度计算获得植被干旱指数,根据植被干旱指数将全球划分为干旱区、半干旱半湿润区、中度湿润区和极度湿润区,判定待评估样地所属的气候区;
数据分析处理模块,根据归一化植被指数计算获得叶面积指数,根据月均降雨量、月平均温度和月实际日照时数计算获得蒸散量,并根据叶面积指数和/或蒸散量建立待评估样地的降温效应评估模型,通过降温效应评估模型获得待评估样地植被类型的降温效应量;
评估分析模块,用于根据评估降温效应量的值判断待评估样地的绿地植被是否产生降温的效果。
7.根据权利要求6所述的不同气候区下城市绿地降温效应定量评估系统,其特征在于,所述干旱区、所述半干旱半湿润区、所述中度湿润区和所述极度湿润区的绿地植被均被划分为草地、灌丛、乔木、乔灌草复合结构四种植被类型。
9.根据权利要求6所述的不同气候区下城市绿地降温效应定量评估系统,其特征在于,根据叶面积指数建立干旱区内不同植被类型的降温效应评估模型为:
草地植被类型:
灌丛类型植被类型:
乔木植被类型:
乔灌草复合结构植被类型:
根据蒸散量和叶面积指数建立半干旱半湿润区不同植被类型的降温效应评估模型为:
草地植被类型:
灌丛类型植被类型:
乔木植被类型:
乔灌草复合结构植被类型:
式中,LAI表示叶面积指数,ET表示蒸散量;LAI表示叶面积指数,ET表示蒸散量;表示当温度T>30℃且蒸散量ET>697.4mm时,半干旱半湿润区内草地类型的降温效应;表示其他状态下,半干旱半湿润区内草地类型的降温效应;半干旱半湿润区内灌丛类型的降温效应;表示半干旱半湿润区内乔木类型的降温效应,半干旱半湿润区内乔灌草复合结构类型的降温效应;
根据蒸散量和叶面积指数建立中度湿润区内不同植被类型的降温效应评估模型为:
草地植被类型:
灌丛类型植被类型:
乔灌草复合结构植被类型:
根据蒸散量建立极度湿润区内不同植被类型的降温效应评估模型为:
草地植被类型:
乔木植被类型:
乔灌草复合结构植被类型:
10.根据权利要求6所述的不同气候区下城市绿地降温效应定量评估系统,其特征在于,根据月均降雨量Pm、月平均温度和月实际日照时数计算获得蒸散量ET为:
其中,Pm为月均降雨量(mm),PET表示潜在蒸散量(mm),w为经验系数。
依据不同植被类型或林型,根据归一化植被指数计算获得叶面积指数分别为:
针叶林:LAI=1.8×(NDVI+0.069)/(0.815-NDVI)
针阔叶混交林:LAI=4.686×NDVI/(1.181-NDVI)
阔叶林:LAI=7.813×NDVI+0.789
灌木:LAI=8.547×NDVI-0.932
草地:LAI=3.968×NDVI-1.202
式中,NDVI为归一化植被指数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910984611.7A CN110750896B (zh) | 2019-10-16 | 2019-10-16 | 不同气候区下城市绿地降温效应定量评估方法与系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910984611.7A CN110750896B (zh) | 2019-10-16 | 2019-10-16 | 不同气候区下城市绿地降温效应定量评估方法与系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110750896A true CN110750896A (zh) | 2020-02-04 |
CN110750896B CN110750896B (zh) | 2023-06-23 |
Family
ID=69278562
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910984611.7A Active CN110750896B (zh) | 2019-10-16 | 2019-10-16 | 不同气候区下城市绿地降温效应定量评估方法与系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110750896B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111797493A (zh) * | 2020-05-11 | 2020-10-20 | 广州地理研究所 | 具有生物物理意义的森林种植水资源效应评估方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102565777A (zh) * | 2012-01-17 | 2012-07-11 | 复旦大学 | 一种城市绿地群落结构信息获取与评价方法 |
CN106952174A (zh) * | 2017-03-17 | 2017-07-14 | 中国林业科学研究院森林生态环境与保护研究所 | 一种基于土壤水分植被承载力的水源涵养林密度配置方法 |
-
2019
- 2019-10-16 CN CN201910984611.7A patent/CN110750896B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102565777A (zh) * | 2012-01-17 | 2012-07-11 | 复旦大学 | 一种城市绿地群落结构信息获取与评价方法 |
CN106952174A (zh) * | 2017-03-17 | 2017-07-14 | 中国林业科学研究院森林生态环境与保护研究所 | 一种基于土壤水分植被承载力的水源涵养林密度配置方法 |
Non-Patent Citations (3)
Title |
---|
仝兆远;张万昌;: "基于MODIS数据的渭河流域土壤水分反演" * |
张远东;张笑鹤;刘世荣;: "西南地区不同植被类型归一化植被指数与气候因子的相关分析" * |
王春梅;王鹏新;朱向明;郑文娟;杨鹤松;: "区域蒸散和表层土壤含水量遥感模拟及影响因子" * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111797493A (zh) * | 2020-05-11 | 2020-10-20 | 广州地理研究所 | 具有生物物理意义的森林种植水资源效应评估方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110750896B (zh) | 2023-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Fraga et al. | Climate change projections for olive yields in the Mediterranean Basin | |
Bao et al. | Modeling net primary productivity of terrestrial ecosystems in the semi-arid climate of the Mongolian Plateau using LSWI-based CASA ecosystem model | |
Shan et al. | Modeling canopy conductance and transpiration from solar-induced chlorophyll fluorescence | |
Nouri et al. | A review of ET measurement techniques for estimating the water requirements of urban landscape vegetation | |
Chen et al. | Spatial distribution of carbon sources and sinks in Canada’s forests | |
Li et al. | Increasing importance of precipitation in spring phenology with decreasing latitudes in subtropical forest area in China | |
CN108984803B (zh) | 一种农作物产量空间化的方法及系统 | |
Ren et al. | The impact of urban forest structure and its spatial location on urban cool island intensity | |
CN110378926B (zh) | 一种基于机载LiDAR和Sentinel-2A数据的地上植被生态水估算方法 | |
CN112182882B (zh) | 一种顾及物侯信息的植被冠层蒸腾反演方法 | |
Gaughan et al. | Linking vegetation response to seasonal precipitation in the Okavango–Kwando–Zambezi catchment of southern Africa | |
CN110909933A (zh) | 一种耦合作物模型与机器学习语言的农业干旱快速诊断和评估方法 | |
Han et al. | Modeling grassland net primary productivity and water-use efficiency along an elevational gradient of the Northern Tianshan Mountains | |
Pätzig et al. | Allometric relationships for selected macrophytes of kettle holes in northeast Germany as a basis for efficient biomass estimation using unmanned aerial systems (UAS) | |
Zhang et al. | Solar-induced chlorophyll fluorescence captures photosynthetic phenology better than traditional vegetation indices | |
Cheng et al. | Improving soil available nutrient estimation by integrating modified WOFOST model and time-series earth observations | |
Wen et al. | Refined assessment of space-time changes, influencing factors and socio-economic impacts of the terrestrial ecosystem quality: A case study of the GBA | |
CN110750896A (zh) | 不同气候区下城市绿地降温效应定量评估方法与系统 | |
Vanino et al. | Earth observation for improving irrigation water management: A case-study from Apulia Region in Italy | |
Guo et al. | Predicted models for potential canopy rainfall interception capacity of landscape trees in Shanghai, China | |
Antón et al. | Extension of irrigation in semi-arid regions: What challenges for soil security? Perspectives from a regional-scale project in Navarre (Spain) | |
Wu et al. | Climate shifts biomass allocation by altering plant functional group in alpine vs. temperate grasslands on both Inner Mongolian and Tibetan plateaus | |
Feng et al. | Correlation Analysis Between PM 2.5 Concentration and Meteorological, Vegetation and Topographical Factors in the Urbanized Ecosystem in Beijing, China. | |
Bayarsaikhan et al. | Variations of vegetation net primary productivity and its responses to climate change from 1982 to 2015 in Mongolia | |
Memduhoğlu | Identifying impervious surfaces for rainwater harvesting feasibility using unmanned aerial vehicle imagery and machine learning classification |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |