CN110990511B - 一种顾及城市二维和三维形态的局部气候区分类方法 - Google Patents

一种顾及城市二维和三维形态的局部气候区分类方法 Download PDF

Info

Publication number
CN110990511B
CN110990511B CN201911196758.6A CN201911196758A CN110990511B CN 110990511 B CN110990511 B CN 110990511B CN 201911196758 A CN201911196758 A CN 201911196758A CN 110990511 B CN110990511 B CN 110990511B
Authority
CN
China
Prior art keywords
local climate
climate zone
building
statistical unit
dimensional
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.)
Active
Application number
CN201911196758.6A
Other languages
English (en)
Other versions
CN110990511A (zh
Inventor
陈吉科
金双根
杜培军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Information Science and Technology
Original Assignee
Nanjing University of Information Science and Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing University of Information Science and Technology filed Critical Nanjing University of Information Science and Technology
Priority to CN201911196758.6A priority Critical patent/CN110990511B/zh
Publication of CN110990511A publication Critical patent/CN110990511A/zh
Application granted granted Critical
Publication of CN110990511B publication Critical patent/CN110990511B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Remote Sensing (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种顾及城市二维和三维形态的局部气候区分类方法，首先，获取局部气候分区所需矢量和栅格数据；其次，精确计算分区统计单元中用于局部气候区分类的各项参数指标，实现基于建筑类型的局部气候区分类；然后，对于建筑类型的局部气候区分类中没有被分类的局部气候区统计单元，根据土地覆盖分类结果进行基于土地覆盖类型的局部气候区分类；最后，将基于建筑类型的局部气候区分类和基于土地覆盖类型的局部气候区分类结果相叠加，得到研究区的局部气候区空间分布图。本发明具有适用对象广谱性、技术框架易复制性、产业化周期短等优势，能够为区域城市热岛效应研究和缓解措施提供实践典范。

Description

一种顾及城市二维和三维形态的局部气候区分类方法
技术领域
本文发明属于测绘、地理信息技术领域，具体涉及一种顾及城市二维和三维形态的局部气候区分类方法。
背景技术
城市局部气候区(Local Climate Zone,LCZ)由Stewart和Oke等2012年在城市气候区分类体系的基础上提出的。局部气候区分类体系能够根据城市和周边地区下垫面类型的不同将区域气候划分为若干局部气候小区，用来表征不同地表之间的温度差异，使人们更加清晰地认识到地表特征、城市结构和人类活动对城市热环境分布和变化规律的影响。局地气候区分类体系由两大类型构成，即建筑类型和土地覆盖类型。其中，对于建筑类型而言，根据建筑高度的高、中、低，建筑材料以及人类活动等细分为10种基本分区类型。土地覆盖类型主要包括7种分区类型，包括茂密树林、稀疏树林、灌木和矮树、低矮植被、裸岩/铺砌面、裸土/沙地和水域等。
为了实现整个城市地区精确的局部气候区分类，学者们开展了一系列研究。根据数据来源和分析方法等的不同，较为通用的两种分类方法主要为：基于遥感的局部气候区分类和基于GIS的局部气候区分类。
基于GIS的局部气候区分类主要依赖于城市形态和地表覆盖信息。分区过程主要为：首先计算得到分区统计单元中用于局部气候区分类的各项参数指标，包括天空开阔度、建筑高度、建筑密度和地表反照率等。然后将其计算结果与每个局部气候区对应的各参数指标的参考范围进行匹配，最终确定分区单元的局部气候区类型。基于GIS局部气候区分类虽然能够取得较高的分区精度，但其自身也存在一定的问题。首先，是高精度的城市形态和地表覆盖数据的获取有一定的局限性。其次，用于各局部气候区划分的各参数指标的取值范围因当地的城市空间形态、土地覆盖等实际情况而有所不同，给分区结果带来一定的不确定性。
基于遥感的局部气候区分类以像元或对象为分类单元，在获取地表真实局部气候区训练样本基础上，以遥感图像作为输入数据，包括Landsat、ASTER、SAR等遥感图像。然后利用监督分类器进行局部气候区分类。该分类方法的主要存在的问题在于训练样本选择，由于训练样本是基于遥感局部气候区分类的关键，而在样本的选取中样本的数量、面积和位置等均会对局部气候区分类结果产生不同程度的影响，进而影响局部气候区分区精度。
因此，迫切需要发明一种能够弥补以上两种方法的不足并充分发挥各自优势的局部气候区分类方法。
发明内容
发明目的：本发明提供一种顾及城市二维和三维形态的局部气候区分类方法，具有适用对象广谱性、技术框架易复制性、产业化周期短的优势，能够为区域城市热岛效应研究和缓解措施提供实践典范。
技术方案：本发明所述的一种顾及城市二维和三维形态的局部气候区分类方法，包括以下步骤：
(1)获取局部气候分区所需矢量和栅格数据；
(2)精确计算分区统计单元中用于局部气候区分类的各项参数指标，实现基于建筑类型的局部气候区分类；
(3)对于建筑类型的局部气候区分类中没有被分类的局部气候区统计单元，根据土地覆盖分类结果进行基于土地覆盖类型的局部气候区分类；
(5)将基于建筑类型的局部气候区分类和基于土地覆盖类型的局部气候区分类结果相叠加，得到研究区的局部气候区空间分布图。
进一步地，步骤(1)所述矢量数据通过ARCGIS生成的渔网获取，用于局部气候区分类的统计单元；所述栅格数据包括土地覆盖数据、Landsat-5TM遥感影像和归一化数字表面模型；其中，土地覆盖数据包括高精度建筑分布图、高精度植被分布图和相对较粗空间分辨率的土地覆盖分类图。
进一步地，所述步骤(2)包括以下步骤：
(21)精确计算每个局部气候区统计单元内对应的城市二维和三维形态信息，包括建筑密度、建筑高度、透水面面积、不透水面面积、天空开阔度和地表反照率六个参数指标；
(22)其根据研究区建筑类型区的实际分布情况，对不同建筑类型区各参数指标取值范围进行适当调整，以适用于研究区不同建筑类型区分类；
(23)最后通过对每个局部气候区统计单元的各指标取值与不同建筑类型区个参数指标取值范围进行匹配最终确定各统计单元相应的建筑类型。
进一步地，所述步骤(3)包括以下步骤：
(31)统计每个局部气候区统计单元内每种地物类型所占的比例；
(32)将所占比例最大的土地覆盖类型赋予该栅格单元，从而得到该局部气候区统计单元对应的土地覆盖类型。
进一步地，步骤(21)所述的六个参数指标通过以下公式实现：
Figure BDA0002294846960000031
Figure BDA0002294846960000032
PSFi＝BSi+WTi+VFi+CLi
ISFi＝1-(BSFi+PSFi)
Figure BDA0002294846960000033
αshort＝0.356α1+0.130α3+0.373α4+0.085α5+0.072α7-0.0018
其中，BSFi(m)是统计单元i对应的建筑密度，统计单元i大小为120m*120m，n表示统计单元内总像元数，Buildingj为统计单元i内土地利用为建筑物像元；BHi(m)是统计单元i对应的建筑物高度，BHj为统计单元i内像元j所对应的建筑物的高度值；PSFi为统计单元i对应的透水面面积比，BSi、WTi、VFi和CLi分别对应统计单元i的裸土面积比、水域面积比、植被面积比和耕地面积比；ISFi为统计单元i对应的不透水面面积比，BSFi和PSFi分别对应统计单元i的建筑密度和透水面面积比；SVFi是统计单元i对应的天空开阔度，SVFj为像元j对应的天空开阔度值；αshort表示地表短波反照率，α1、α3、α4、α5、α7分别代表Landsat-5TM遥感图像蓝色波段、红色波段、近红外波段、短波红外波段和短波红外波段对应的窄波段反照率。
有益效果：与现有技术相比，本发明的有益效果：1、本发明能够克服已有局部气候区分类方法的局限性，推动多源遥感数据融合技术及其应用向高层次和高精准的方向发展，将地表覆盖对地表温度的影响机制研究从二维平面拓展到三维立体，能够更加全面深入地探究城市热岛效应形成的机制，成果的应用能够助力全国生态文明先行示范区建设，为新一轮的城市总体规划与人居环境改善等城市生态文明建设提供定量化决策依据，以实现城市的可持续发展；2、本发明具有适用对象广谱性、技术框架易复制性、产业化周期短等优势，能够为区域城市热岛效应研究和缓解措施提供实践典范；因此，本发明无论从理论、实践还是应用等方面均具有重要的意义。
附图说明
图1为本发明流程图。
具体实施方式
下面结合附图对本发明作进一步的详细描述。
本实施例以南京市主城区为研究区，具体步骤如图1所示：
(1)首先获取南京市主城区所需要矢量和栅格数据。矢量数据是通过ARCGIS生成的渔网获取，以此用于局部气候区分类的统计单元。栅格数据包括土地覆盖数据、Landsat-5TM遥感影像和归一化数字表面模型。其中，土地覆盖数据包括高精度建筑分布图、高精度植被分布图和相对较粗空间分辨率的土地覆盖分类图。本实施例中收集的数据包括1m空间分辨率的建筑用地分布图和植被分布图、2009年04月10日的Landsat-5TM遥感影像、10m空间分辨率的土地覆盖分类图、5m空间分辨率的nDSM和天空开阔度分布图。本实施例选取120m大小栅格用于局部气候区分类单元对研究区进行分类。首先进行基于建筑类型的局部气候区分类。
(2)精确计算分区统计单元中用于局部气候区分类的各项参数指标，实现基于建筑类型的局部气候区分类。
1)精确计算每个局部气候区统计单元内对应的城市二维和三维形态信息，包括建筑密度、建筑高度、透水面面积、不透水面面积、天空开阔度和地表反照率六个参数指标。根据研究区建筑类型区的实际分布情况，对不同建筑类型区各参数指标取值范围进行适当调整，以适用于研究区不同建筑类型区分类。
建筑密度：
Figure BDA0002294846960000041
式中，BSFi(m)是统计单元i对应的建筑密度，统计单元i大小为120m*120m。n表示统计单元内总像元数。Buildingj为统计单元i内土地利用为建筑物像元。取值范围：BSF≥0。
建筑高度：
Figure BDA0002294846960000051
式中，BHi(m)是统计单元i对应的建筑物高度，统计单元i大小为120m*120m。n表示统计单元内土地利用类型为建设用地的像元数。BHj为统计单元i内像元j所对应的建筑物的高度值。取值范围：BH≥0。
透水面面积比：
PSFi＝BSi+WTi+VFi+CLi
式中，PSFi为统计单元i对应的透水面面积比，BSi、WTi、VFi和CLi分别对应统计单元i的裸土面积比、水域面积比、植被面积比和耕地面积比。水域面积比、裸土面积比和耕地面积比分别通过前文获取的土地覆盖分类结果中的水体、裸土和耕地计算而来，其中水体包括河流及湖泊等。植被面积比以植被分布图为数据源计算而来。
不透水面面积比：
在局地气候区分类中不透水面面积比定义为除去建筑用地之外的其它不透水面占统计单元面积的比例。因此，不透水面面积比通过以下公式计算：
ISFi＝1-(BSFi+PSFi)
式中，ISFi为120m*120m大小统计单元i对应的不透水面面积比，BSFi和PSFi分别对应统计单元i的建筑密度和透水面面积比。
天空开阔度：
Figure BDA0002294846960000052
式中，SVFi是统计单元i对应的天空开阔度，统计单元i大小为120m*120m。n表示统计单元i内的像元数。SVFj为像元j对应的天空开阔度值。取值范围：0≤SVF≤1。
地表反照率：
本发明采用的是梁顺林等利用大气辐射传输方程，通过模拟建立的短波波段窄波段反照率转换为宽波段反照率计算得到地表宽波段反照率，其计算公式如下
αshort＝0.356α1+0.130α3+0.373α4+0.085α5+0.072α7-0.0018
式中，αshort表示地表短波反照率，即蓝天空地表短波反照率，取值范围为0～1。α1、α3、α4、α5、α7分别代表Landsat-5TM遥感图像蓝色波段、红色波段、近红外波段、短波红外波段(1.55-1.75μm)和短波红外波段(2.08-2.35μm)对应的窄波段反照率。
2)最通过对每个局部气候区统计单元的各指标取值与不同建筑类型区个参数指标取值范围进行匹配最终确定各统计单元相应的建筑类型。在计算得到以上城市二维和三维空间形态参数的基础上，通过对统计单元的各指标取值与表1中不同建筑类型各指标取值的参考范围进行匹配确定统计单元相应的建筑类型，最终得到基于建筑类型的局部气候区分类图。
表1不同建筑类型区分类各参数指标取值范围
Figure BDA0002294846960000061
Note：BH为建筑高度，BSF为建筑密度，ISF为不透水面面积比，PSF为可透水面面积比，SVF为天空开阔度。
(3)统计每个局部气候区统计单元内每种地物类型所占的比例；将所占比例最大的土地覆盖类型赋予该栅格单元，从而得到该局部气候区统计单元对应的土地覆盖类型。
对于未被赋予局部气候区的类型的分区单元，需进一步根据土地覆盖分类结果进行分类。由于局地气候区分类的栅格大小为120m，而土地覆盖分类结果空间分辨率为10m，因此需要统计120m分区单元内所占覆盖比例最大的土地覆盖类型确定其为分区单元土地覆盖类型。
局地气候区分类体系中土地覆盖类型包括LCZ A～G七种类型，分别为LCZ A茂密树林、LCZ B稀疏树林、LCZ C灌木和矮树、LCZ D低矮植被、LCZ E裸岩或铺砌面、LCZ F裸土或沙地、LCZ G水域。本发明中将LCZ A与LCZ B合并为LCZ AB，并将土地覆盖分类中的林地赋予此类别；草地和耕地被分类为LCZ D；道路被分类为LCZ E；裸土被分类为LCZ F；水域被分类为LCZ G，以此得到的基于土地覆盖类型的局部气候区分类图。
(4)通过将基于建筑类型的局部气候区分类和基于土地覆盖类型的局部气候区分类结果相合并，最终得到了研究区局部气候区分类图。
应当指出，对于本技术领域的普通技术人员而言，在遵循本发明原理的基础上，还可以根据当地研究区域特点做出若干改进和优化。本实施例中未明确的各组成部分均可以用现有技术加以实现。

Claims (2)

1.一种顾及城市二维和三维形态的局部气候区分类方法，其特征在于，包括以下步骤：
(1)获取局部气候分区所需矢量和栅格数据；
(2)精确计算分区统计单元中用于局部气候区分类的各项参数指标，实现基于建筑类型的局部气候区分类；
(3)对于建筑类型的局部气候区分类中没有被分类的局部气候区统计单元，则根据土地覆盖分类结果进行基于土地覆盖类型的局部气候区分类；
(4)将基于建筑类型的局部气候区分类和基于土地覆盖类型的局部气候区分类结果相叠加，得到研究区的局部气候区空间分布图；
所述栅格数据包括土地覆盖数据、Landsat-5TM遥感影像和归一化数字表面模型；其中，土地覆盖数据包括高精度建筑分布图、高精度植被分布图和相对较粗空间分辨率的土地覆盖分类图；
所述步骤(2)包括以下步骤：
(21)精确计算每个局部气候区统计单元内对应的城市二维和三维形态信息，包括建筑密度、建筑高度、透水面面积、不透水面面积、天空开阔度和地表反照率六个参数指标；
(22)其根据研究区建筑类型区的实际分布情况，对不同建筑类型区各参数指标取值范围进行适当调整，以适用于研究区不同建筑类型区分类；
(23)最后通过对每个局部气候区统计单元的各指标取值与不同建筑类型区各参数指标取值范围进行匹配最终确定各统计单元相应的建筑类型；
所述步骤(3)包括以下步骤：
(31)统计每个局部气候区统计单元内每种地物类型所占的比例；
(32)将所占比例最大的土地覆盖类型赋予该统计单元，从而得到该局部气候区统计单元对应的土地覆盖类型。
2.根据权利要求1所述的一种顾及城市二维和三维形态的局部气候区分类方法，其特征在于，步骤(21)所述的六个参数指标通过以下公式实现：
Figure FDA0002591616390000011
Figure FDA0002591616390000021
PSFi＝BSi+WTi+VFi+CLi
ISFi＝1-(BSFi+PSFi)
Figure FDA0002591616390000022
αshort＝0.356α1+0.130α3+0.373α4+0.085α5+0.072α7-0.0018
其中，BSFi是统计单元i对应的建筑密度，统计单元i大小为120m*120m，n表示统计单元内总像元数，Buildingj为统计单元i内土地利用为建筑物像元；BHi是统计单元i对应的建筑物高度，BHj为统计单元i内像元j所对应的建筑物的高度值；PSFi为统计单元i对应的透水面面积比，BSi、WTi、VFi和CLi分别对应统计单元i的裸土面积比、水域面积比、植被面积比和耕地面积比；ISFi为统计单元i对应的不透水面面积比，BSFi和PSFi分别对应统计单元i的建筑密度和透水面面积比；SVFi是统计单元i对应的天空开阔度，SVFj为像元j对应的天空开阔度值；αshort表示地表短波反照率，α1、α3、α4、α5、α7分别代表Landsat-5TM遥感图像蓝色波段、红色波段、近红外波段、短波红外波段和短波红外波段对应的窄波段反照率。
CN201911196758.6A 2019-11-29 2019-11-29 一种顾及城市二维和三维形态的局部气候区分类方法 Active CN110990511B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911196758.6A CN110990511B (zh) 2019-11-29 2019-11-29 一种顾及城市二维和三维形态的局部气候区分类方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911196758.6A CN110990511B (zh) 2019-11-29 2019-11-29 一种顾及城市二维和三维形态的局部气候区分类方法

Publications (2)

Publication Number Publication Date
CN110990511A CN110990511A (zh) 2020-04-10
CN110990511B true CN110990511B (zh) 2020-10-16

Family

ID=70088141

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911196758.6A Active CN110990511B (zh) 2019-11-29 2019-11-29 一种顾及城市二维和三维形态的局部气候区分类方法

Country Status (1)

Country Link
CN (1) CN110990511B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111914896A (zh) * 2020-06-29 2020-11-10 河海大学 一种基于多源数据的城市局部气候区分类方法
CN112580510B (zh) * 2020-12-18 2024-05-21 广州市城市规划设计有限公司 可渗透地面面积率的估算方法、装置、设备及存储介质
CN113157834B (zh) * 2021-02-24 2023-10-24 中国科学院空天信息创新研究院 城市局地气候分区分类的制图方法及装置
CN113506371B (zh) * 2021-08-05 2023-05-26 广东工业大学 街区尺度气候图绘制方法、装置、电子设备及存储介质
CN117932918B (zh) * 2024-01-23 2024-08-02 成都信息工程大学 一种考虑参数动态变化的城市局地动力学粗糙度计算方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108764193A (zh) * 2018-06-04 2018-11-06 北京师范大学 融合poi和遥感影像的城市功能区划分方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101728137B1 (ko) * 2016-02-04 2017-04-19 (주)한라지리정보 위성 영상과 ｇｉｓ를 사용한 토지피복 항목별 영상분류 방법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108764193A (zh) * 2018-06-04 2018-11-06 北京师范大学 融合poi和遥感影像的城市功能区划分方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Mapping Urban Land Cover of a Large Area Using Multiple Sensors Multiple Features;Jike Chen等;《remote sensing》;20180630;第10卷(第6期);第1-21页 *
基于局地气候分区的成都市形态分类样本及其热环境差异性研究;陈方丽;《中国学位论文全文数据库》;20190711;第1-129页 *
顾及三维空间信息的城市地表热环境研究-以南京市主城区为例;陈吉科;《地理与地理信息科学》;20190115;第35卷(第1期);第126页 *

Also Published As

Publication number Publication date
CN110990511A (zh) 2020-04-10

Similar Documents

Publication Publication Date Title
CN110990511B (zh) 一种顾及城市二维和三维形态的局部气候区分类方法
Cai et al. Investigating the relationship between local climate zone and land surface temperature using an improved WUDAPT methodology–A case study of Yangtze River Delta, China
Ren et al. Exploring thermal comfort of urban buildings based on local climate zones
Xu et al. Urban morphology detection and computation for urban climate research
Meili et al. Vegetation cover and plant-trait effects on outdoor thermal comfort in a tropical city
Xu et al. Classification of local climate zones using ASTER and Landsat data for high-density cities
CN108549858B (zh) 一种城市热岛效应的定量评价方法
CN107145872A (zh) 基于gis缓冲区分析的荒漠河岸林空间分布获取方法
CN103093233A (zh) 一种基于面向对象的高分辨率遥感影像森林分类方法
CN102608592B (zh) 基于五种地物分类信息的积雪被动微波混合像元分解方法
CN102360458A (zh) 一种移民安置区选择模糊评价方法
CN104765903A (zh) 一种融合多源遥感和气候环境信息的综合性城市气候环境评估方法
Khoshnoodmotlagh et al. Urban morphology detection and it's linking with land surface temperature: A case study for Tehran Metropolis, Iran
CN116757357A (zh) 一种耦合多源遥感信息的土地生态状况评估方法
Cai et al. Effect of the roadside tree canopy structure and the surrounding on the daytime urban air temperature in summer
CN102495412A (zh) 一种多尺度不透水地表信息协同遥感反演方法
Dandabathula et al. Accuracy assessment of digital bare-earth model using ICESat-2 photons: analysis of the FABDEM
Luo et al. Understanding the relationship between 2D/3D variables and land surface temperature in plain and mountainous cities: Relative importance and interaction effects
Pan et al. Urban expansion and intra-urban land evolution as well as their natural environmental constraints in arid/semiarid regions of China from 2000–2018
CN116152668B (zh) 一种基于人工智能获取街区尺度lcz的方法
WO2018196214A1 (zh) 一种地理影响民居建筑形态的统计系统及统计方法
Jande et al. Assessment of land use and land cover changes and urban expansion using remote sensing and GIS in Gboko, Benue State, Nigeria
Wu et al. Simulations of spatial patterns and species distributions in sandy land using unmanned aerial vehicle images
CN113935658A (zh) 一种基于地形梯度的山区土地利用变化评价方法
Cheng Digital Landscape Architecture Methodology

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