CN113157802A - 一种城市集中供暖的热环境响应分析方法及装置 - Google Patents

一种城市集中供暖的热环境响应分析方法及装置 Download PDF

Info

Publication number
CN113157802A
CN113157802A CN202110475661.XA CN202110475661A CN113157802A CN 113157802 A CN113157802 A CN 113157802A CN 202110475661 A CN202110475661 A CN 202110475661A CN 113157802 A CN113157802 A CN 113157802A
Authority
CN
China
Prior art keywords
thermal field
field variation
heating
thermal
urban
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
Application number
CN202110475661.XA
Other languages
English (en)
Other versions
CN113157802B (zh
Inventor
占玉林
陈昕然
顾行发
余涛
杨健
李娟�
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.)
Aerospace Information Research Institute of CAS
Original Assignee
Aerospace Information Research Institute of CAS
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 Aerospace Information Research Institute of CAS filed Critical Aerospace Information Research Institute of CAS
Priority to CN202110475661.XA priority Critical patent/CN113157802B/zh
Publication of CN113157802A publication Critical patent/CN113157802A/zh
Application granted granted Critical
Publication of CN113157802B publication Critical patent/CN113157802B/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
    • G06F16/26—Visual data mining; Browsing structured data
    • 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
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2465—Query processing support for facilitating data mining operations in structured databases
    • 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
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2477—Temporal data queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/176—Urban or other man-made structures
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A30/00—Adapting or protecting infrastructure or their operation
    • Y02A30/60—Planning or developing urban green infrastructure

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Probability & Statistics with Applications (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Computational Mathematics (AREA)
  • Fuzzy Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Multimedia (AREA)
  • Mathematical Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Marketing (AREA)
  • Evolutionary Biology (AREA)
  • Human Resources & Organizations (AREA)
  • Water Supply & Treatment (AREA)
  • Operations Research (AREA)
  • Public Health (AREA)
  • Algebra (AREA)
  • Radiation Pyrometers (AREA)

Abstract

本发明公开了一种城市集中供暖的热环境响应分析方法及装置，获取城市建成区每年的供暖季内每月一期夜间地表温度分布图；分别计算每一期夜间地表温度分布图的所有像元的热场变化值，以获得每年供暖季的多期热场变异图；对多期热场变异图进行叠加求和计算，获得每年供暖季的累积热场变异图；基于计算得到的累积热场变异图的均值和标准差确定累积热岛指数；基于获取的多年的累积热岛指数时间序列以及集中供暖量数据进行分析，获得城市集中供暖的热环境响应。本发明基于供暖季的多期遥感影像构建累积热岛指数，解决了基于单时相影像的指数无法评价热积累效应的问题，实现了基于遥感的集中供暖分析，并提升了热积累效应评价的准确性。

Description

一种城市集中供暖的热环境响应分析方法及装置
技术领域
本发明涉及对地观测技术领域，特别是涉及一种城市集中供暖的热环境响应分析方法及装置。
背景技术
城市热环境是主导城市生态环境的重要因素之一，城市热环境的改变对空气质量、水资源循环、人类健康等方面都具有很大的影响。随着我国城市化的快速发展，为帮助城市居民应对严寒天气，不断的建设完善集中供暖设施，随之而来的是大量的人造热量进入城市。人为热对城市热环境的影响不容忽视，而集中供暖是典型的人为产热事件，因此具有重要的研究意义。
目前关于城市集中供暖的热环境响应分析主要由两种方法：一种是，使用能源清单的方法，即将包括供暖、工业等的能耗消耗量进行统计，根据能耗和温度的关系分析来研究，这种方法对空间场景进行了简化，将能耗等同于热排，未考虑时间滞后性等实际的情形，并且进行的是各种能耗的综合统计，并未单独说明集中供暖的影响情况；另一种方法是，能源清单与数值模型结合的模拟分析方法，将集中供暖量引入模型进行模拟来研究城市集中供暖对地表温度的影响。这种方法同样简化了场景，假设的是集中供暖的热量立即同时释放，放大了城市集中供暖的热环境响应。此外还有一些城市热岛的分析中，虽然涉及了集中供暖可能是造成城区气温升高的主要原因，但是并没有进行具体的验证。
可见，目前的分析方法关于城市集中供暖的热环境响应主要是模型模拟分析，对于真实场景下的实际响应缺乏研究。遥感技术具有可以在短时间内进行大范围的监测的优势，与气象站的空间离散相比，遥感技术可以观测连续的地表温度的空间变化。虽然遥感技术已应用于分析实际场景，但是在基于遥感的城市热环境研究中，主要是基于单时相数据进行计算，使用单时相数据的计算结果受气候等因素影响，不同时相的计算结果存在差异。可见，现有的基于单时相影像的分析方法无法用于评价热累积效应，并且当前缺少基于遥感的集中供暖的实际热环境响应分析方法。
发明内容
针对于上述问题，本发明提供一种城市集中供暖的热环境响应分析方法及装置，提升了集中供暖的热环境响应分析的准确性。
为了实现上述目的，本发明提供了如下技术方案：
一种城市集中供暖的热环境响应分析方法，包括：
获取城市建成区每年的供暖季每月一期夜间地表温度分布图；
分别计算每一期所述夜间地表温度分布图的所有像元的热场变化值，并基于所述热场变化值，获得每年供暖季的多期热场变异图；
对所述多期热场变异图进行叠加求和计算，获得每年供暖季的累积热场变异图；
计算所述累积热场变异图的均值和标准差，并基于所述均值和标准差确定累积热岛指数；
基于获取的多年的累积热岛指数时间序列以及集中供暖量数据进行分析，获得城市集中供暖的热环境响应。
可选地，所述获取城市建成区每年的供暖季内每月一期夜间地表温度分布图，包括：
获取遥感夜间灯光影像；
在所述遥感夜间灯光影像中提取城市建成区；
基于供暖时间范围获取所述城市建成区的每月夜间地表温度数据，生成多期夜间地表温度分布图。
可选地，所述分别计算每一期所述夜间地表温度分布图的所有像元的热场变化值，包括：
获取每一期所述夜间地表温度分布图的每个像元的温度；
根据每个像元的温度与所述像元所在区域的平均温度，计算每一期所述夜间地表温度分布图的热场变异指数，所述热场变异指数表征每一期所述夜间地表温度分布图的所有像元的热场变化值。
可选地，所述计算所述累积热场变异图的均值和标准差，并基于所述均值和标准差确定累积热岛指数，包括：
计算所述累积热场变异图的均值和标准差；
将所述累积热场变异图中像元值不小于所述均值和所述标准差之和的像元的比例，确定为累积热岛指数。
可选地，所述基于获取的多年的累积热岛指数时间序列以及集中供暖量数据进行分析，获得城市集中供暖的热环境响应，包括：
基于获取的多年的累积热岛指数时间序列以及集中供暖量数据进行相关分析，获得相关系数，所述相关系数表征城市累积热岛指数与集中供暖量的正相关关系；
基于所述相关系数，获得城市集中供暖的热环境响应。
一种城市集中供暖的热环境响应分析装置，包括：
获取单元，用于获取城市建成区每年的供暖季内每月一期夜间地表温度分布图；
第一计算单元，用于分别计算每一期所述夜间地表温度分布图的所有像元的热场变化值，并基于所述热场变化值，获得每年供暖季的多期热场变异图；
第二计算单元，用于对所述多期所述热场变异图进行叠加求和计算，获得每年供暖季的累积热场变异图；
确定单元，用于计算所述累积热场变异图的均值和标准差，并基于所述均值和标准差确定累积热岛指数；
分析单元，用于基于获取的多年的累积热岛指数时间序列以及集中供暖量数据进行分析，获得城市热环境对集中供暖的响应。
可选地，所述获取单元包括：
第一获取子单元，用于获取遥感夜间灯光影像；
提取子单元，用于在所述遥感夜间灯光影像中提取城市建成区；
建立子单元，用于基于供暖时间范围获取所述城市建成区的每月夜间地表温度数据，生成多期夜间地表温度分布图。
可选地，所述第一计算子单元，用于包括：
第二获取子单元，用于获取每一期所述夜间地表温度分布图的每个像元的温度；
第一计算子单元，用于根据每个像元的温度与所述像元所在区域的平均温度，计算每一期所述夜间地表温度分布图的热场变异指数，所述热场变异指数表征每一期所述夜间地表温度分布图的所有像元的热场变化值。
可选地，所述第二计算单元包括：
第二计算子单元，用于计算所述累积热场变异图的均值和标准差；
第一确定子单元，用于将所述累积热场变异图中像元值不小于所述均值和所述标准差之和的像元的比例，确定为累积热岛指数。
可选地，其特征在于，所述分析单元具体用于：
基于获取的多年的累积热岛指数时间序列以及集中供暖量数据进行相关分析，获得相关系数，所述相关系数表征城市累积热岛指数与集中供暖量的正相关关系；
基于所述相关系数，获得城市集中供暖的热环境响应。
相较于现有技术，本发明提供了一种城市集中供暖的热环境响应分析方法及装置，获取城市建成区每年的供暖季内每月一期夜间地表温度分布图；分别计算每一期夜间地表温度分布图的所有像元的热场变化值，以获得每年的多期热场变异图；对多期热场变异图进行叠加求和计算，获得每年供暖季的累积热场变异图；基于计算得到的累积热场变异图的均值和标准差确定累积热岛指数；基于获取的多年的累积热岛指数时间序列以及集中供暖量数据进行分析，获得城市集中供暖的热环境响应。本发明基于供暖季的多期遥感影像构建累积热岛指数，解决了基于单时相影像的指数无法评价热积累效应的问题，实现了基于遥感的集中供暖分析，并提升了热积累效应评价的准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的一种城市集中供暖的热环境响应分析方法的流程示意图；
图2为本发明实施例提供的一种累积热岛指数的构建示意图；
图3为本发明实施例提供的一种累积热岛指数与集中供暖量的相关关系图；
图4为本发明实施例提供的一种城市集中供暖的热环境响应分析装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”和“第二”等是用于区别不同的对象，而不是用于描述特定的顺序。此外术语“包括”和“具有”以及他们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有设定于已列出的步骤或单元，而是可包括没有列出的步骤或单元。
在本发明实施例中提供了一种城市集中供暖的热环境响应分析方法，本发明通过建立一个累积热岛指数来度量城市热岛的积累效应，并分析城市集中供暖的热环境响应，为城市热环境的变化分析研究提供参考。为了便于说明，在本发明实施例中单时相遥感影像是指一期影像，即拍摄于某一时刻的一幅影像；多期遥感影像是指同一地区在不同时间拍摄的多幅遥感影像。参见图1，该方法可以包括以下步骤：
S101、获取城市建成区每年的供暖季每月一期夜间地表温度分布图。
集中供暖主要在城市市区，因此首先要提取研究区内的市区建成区，根据遥感夜间灯光数据，用阈值法提取研究城市的建成区，即将灯光影像像元值高于经验阈值(如可以设置为40)的区域分为建成区。利用提取的城市建成区，在建成区的冬季供暖期间每月选择一期无云夜间地表温度(LST)数据，得到建成区每年冬季的夜间LST分布数据集。
具体的，在本发明的一种实施方式中，所述获取城市建成区每年的供暖季内每月一期夜间地表温度分布图，包括：获取遥感夜间灯光影像；在所述遥感夜间灯光影像中提取城市建成区；基于供暖时间范围获取所述城市建成区的每月夜间地表温度数据，形成多期夜间地表温度分布图。
S102、分别计算每一期所述夜间地表温度分布图的所有像元的热场变化值，并基于所述热场变化值，获得每年供暖季的多期热场变异图。
具体的，所述分别计算每一期所述夜间地表温度分布图的所有像元的热场变化值，包括：获取每个所述夜间地表温度分布图的每个像元的温度；根据每个像元的温度与所述像元所在区域的平均温度，计算每一期对应的所述夜间地表温度分布图的热场变异指数，所述热场变异指数表征每一期对应的所述夜间地表温度分布图的所有像元的热场变化值。
为分析不同位置像元处于高低温区的情况，需要将像元的温度与整个区域平均温度进行比较，计算每幅影像的热场变异指数，即某个像元的夜间地表温度LST(单位开尔文)与研究区的平均LST的差值同研究区的平均LST之比。按照式(1)计算得到热场变异指数(UTFVIij)影像。式(1)中LSTij为第j幅影像中第i个像元的LST，LSTjmean为第j幅影像的均值。
UTFVIij＝(LSTij-LSTjmean)/LSTjmean 式(1)。
S103、对所述多期热场变异图进行叠加求和计算，获得每年供暖季的累积热场变异图。
基于热场变异图，将其叠加求和，即在时间轴上将像元在多个(如N幅)热场变异图中的值加和，得到每年供暖季的累积热场变异图。
根据得到的每年的N幅热场变异影像，提出通过将每年的多期影像相加得到每年供暖季的累积热场变异影像，计算如式(2)。式(2)中，cUTFVi为第i个像元的累积热场变异，UTFVIij同(1)，N为时间段内的有效影像的总数，则：
Figure BDA0003046981090000071
S104、计算所述累积热场变异图的均值和标准差，并基于所述均值和标准差确定累积热岛指数。
其中，所述计算所述累积热场变异图的均值和标准差，并基于所述均值和标准差确定累积热岛指数，包括：计算所述累积热场变异图的均值和标准差；将所述累积热场变异图中像元值不小于所述均值和所述标准差之和的像元的比例，确定为累积热岛指数。
参见图2，其示出了本发明实施例提供的一种累积热岛指数的构建示意图，通过不同时期的LST影像，获得热场变异影像，然后由热场变异影像，得到累积热场变异影像，最终获得累积热岛指数。
由于热场变异值高区可以表示热岛效应强，因此，基于累积热场变异影像计算均值，用均值-标准差方法经研究区的累积热场变异分为五级。高热岛效应强度区阈值(THhot)如式(3)。计算属于不小于阈值的像元百分比，称之为累积热岛指数(CHI)，计算如式(4)。式(4)中，Num为cUTFVi值高于阈值的像元数量，K为研究区中的像元总数，计算得到每年供暖季的累积热岛指数。
Figure BDA0003046981090000072
Figure BDA0003046981090000073
S105、基于获取的多年的累积热岛指数时间序列以及集中供暖量数据进行分析，获得城市集中供暖的热环境响应。
基于获取的多年的累积热岛指数时间序列以及集中供暖量数据进行相关分析，获得相关系数，所述相关系数表征城市累积热岛指数与集中供暖量的正相关关系；基于所述相关系数，获得城市集中供暖的热环境响应。
根据每年计算的累积热岛指数构成时间序列，然后与集中供暖量数据进行皮尔逊相关分析，计算相关系数，得到城市集中供暖的热环境响应。参见图3，其示出了本发明实施例提供的一种累积热岛指数与集中供暖量的相关关系图，图3示出了2003年-2017年郑州市冬季的累积热岛指数与集中供暖量成显著正相关关系。由图3可知，城市累积热岛指数与集中供暖量成显著正相关关系，即集中供暖量越大，城市热环境的累积热效应越强。
在本发明提供的城市集中供暖的热环境响应分析方法中，获取城市建成区每年的供暖季内每月一期夜间地表温度分布图；分别计算每一期夜间地表温度分布图的所有像元的热场变化值，以获得每年的多期热场变异图；对多期热场变异图进行叠加求和计算，获得每年供暖季的累积热场变异图；基于计算得到的累积热场变异图的均值和标准差确定累积热岛指数；基于获取的多年的累积热岛指数时间序列以及集中供暖量数据进行分析，获得城市集中供暖的热环境响应。本发明基于供暖季的多期遥感影像构建累积热岛指数，解决了基于单时相影像的指数无法评价热积累效应的问题，实现了基于遥感的集中供暖分析，并提升了热积累效应评价的准确性。
参见图4，其示出了本发明实施例提供的一种城市集中供暖的热环境响应分析装置，包括：
获取单元10，用于获取城市建成区每年的供暖季内每月一期夜间地表温度分布图；
第一计算单元20，用于分别计算每一期对应的所述夜间地表温度分布图的所有像元的热场变化值，并基于所述热场变化值，获得每年供暖季的多期热场变异图；
第二计算单元30，用于对所述多期所述热场变异图进行叠加求和计算，获得每年供暖季的累积热场变异图；
确定单元40，用于计算所述累积热场变异图的均值和标准差，并基于所述均值和标准差确定累积热岛指数；
分析单元50，用于基于获取的多年的累积热岛指数时间序列以及集中供暖量数据进行分析，获得城市热环境对集中供暖的响应。
可选地，所述获取单元包括：
第一获取子单元，用于获取遥感夜间灯光影像；
提取子单元，用于在所述遥感夜间灯光影像中提取城市建成区；
建立子单元，用于基于供暖时间范围获取所述城市建成区的每月夜间地表温度数据，生成多期夜间地表温度分布图。
可选地，所述第一计算子单元，用于包括：
第二获取子单元，用于获取每一期所述夜间地表温度分布图的每个像元的温度；
第一计算子单元，用于根据每个像元的温度与所述像元所在区域的平均温度，计算每一期所述夜间地表温度分布图的热场变异指数，所述热场变异指数表征每一期所述夜间地表温度分布图的所有像元的热场变化值。
可选地，所述第二计算单元包括：
第二计算子单元，用于计算所述累积热场变异图的均值和标准差；
第一确定子单元，用于将所述累积热场变异图中像元值不小于所述均值和所述标准差之和的像元的比例，确定为累积热岛指数。
可选地，所述分析单元具体用于：
基于获取的多年的累积热岛指数时间序列以及集中供暖量数据进行相关分析，获得相关系数，所述相关系数表征城市累积热岛指数与集中供暖量的正相关关系；
基于所述相关系数，获得城市集中供暖的热环境响应。
本发明实施例提供了一种城市集中供暖的热环境响应分析装置，获取城市建成区每年的供暖季内每月一期夜间地表温度分布图；分别计算每一期夜间地表温度分布图的所有像元的热场变化值，以获得每年的多期热场变异图；对多期热场变异图进行叠加求和计算，获得每年供暖季的累积热场变异图；基于计算得到的累积热场变异图的均值和标准差确定累积热岛指数；基于获取的多年的累积热岛指数时间序列以及集中供暖量数据进行分析，获得城市集中供暖的热环境响应。本发明基于供暖季的多期遥感影像构建累积热岛指数，解决了基于单时相影像的指数无法评价热积累效应的问题，实现了基于遥感的集中供暖分析，并提升了热积累效应评价的准确性。
基于前述实施例，本申请的实施例提供一种计算机可读存储介质，计算机可读存储介质存储有一个或者多个程序，该一个或者多个程序可被一个或者多个处理器执行，以实现如上任一项的城市集中供暖的热环境响应分析方法的步骤。
本发明实施例还提供了一种电子设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现的城市集中供暖的热环境响应分析方法的步骤。
需要说明的是，上述处理器或CPU可以为特定用途集成电路(ApplicationSpecific Integrated Circuit，ASIC)、数字信号处理器(Digital Signal Processor，DSP)、数字信号处理装置(Digital Signal Processing Device，DSPD)、可编程逻辑装置(Programmable Logic Device，PLD)、现场可编程门阵列(Field Programmable GateArray，FPGA)、中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器中的至少一种。可以理解地，实现上述处理器功能的电子器件还可以为其它，本申请实施例不作具体限定。
需要说明的是，上述计算机存储介质/存储器可以是只读存储器(Read OnlyMemory，ROM)、可编程只读存储器(Programmable Read-Only Memory，PROM)、可擦除可编程只读存储器(Erasable Programmable Read-Only Memory，EPROM)、电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory，EEPROM)、磁性随机存取存储器(Ferromagnetic Random Access Memory，FRAM)、快闪存储器(Flash Memory)、磁表面存储器、光盘、或只读光盘(Compact Disc Read-Only Memory，CD-ROM)等存储器；也可以是包括上述存储器之一或任意组合的各种终端，如移动电话、计算机、平板设备、个人数字助理等。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元，即可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外，在本申请各实施例中的各功能单元可以全部集成在一个处理模块中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本申请所提供的几个方法实施例中所揭露的方法，在不冲突的情况下可以任意组合，得到新的方法实施例。
本申请所提供的几个产品实施例中所揭露的特征，在不冲突的情况下可以任意组合，得到新的产品实施例。
本申请所提供的几个方法或设备实施例中所揭露的特征，在不冲突的情况下可以任意组合，得到新的方法实施例或设备实施例。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种城市集中供暖的热环境响应分析方法，其特征在于，包括：
获取城市建成区每年的供暖季每月一期夜间地表温度分布图；
分别计算每一期所述夜间地表温度分布图的所有像元的热场变化值，并基于所述热场变化值，获得每年供暖季的多期热场变异图；
对所述多期热场变异图进行叠加求和计算，获得每年供暖季的累积热场变异图；
计算所述累积热场变异图的均值和标准差，并基于所述均值和标准差确定累积热岛指数；
基于获取的多年的累积热岛指数时间序列以及集中供暖量数据进行分析，获得城市集中供暖的热环境响应。
2.根据权利要求1所述的方法，其特征在于，所述获取城市建成区每年的供暖季内每月一期夜间地表温度分布图，包括：
获取遥感夜间灯光影像；
在所述遥感夜间灯光影像中提取城市建成区；
基于供暖时间范围获取所述城市建成区的每月夜间地表温度数据，生成多期夜间地表温度分布图。
3.根据权利要求1所述的方法，其特征在于，所述分别计算每一期所述夜间地表温度分布图的所有像元的热场变化值，包括：
获取每一期所述夜间地表温度分布图的每个像元的温度；
根据每个像元的温度与所述像元所在区域的平均温度，计算每一期所述夜间地表温度分布图的热场变异指数，所述热场变异指数表征每一期所述夜间地表温度分布图的所有像元的热场变化值。
4.根据权利要求1所述的方法，其特征在于，所述计算所述累积热场变异图的均值和标准差，并基于所述均值和标准差确定累积热岛指数，包括：
计算所述累积热场变异图的均值和标准差；
将所述累积热场变异图中像元值不小于所述均值和所述标准差之和的像元的比例，确定为累积热岛指数。
5.根据权利要求1所述的方法，其特征在于，所述基于获取的多年的累积热岛指数时间序列以及集中供暖量数据进行分析，获得城市集中供暖的热环境响应，包括：
基于获取的多年的累积热岛指数时间序列以及集中供暖量数据进行相关分析，获得相关系数，所述相关系数表征城市累积热岛指数与集中供暖量的正相关关系；
基于所述相关系数，获得城市集中供暖的热环境响应。
6.一种城市集中供暖的热环境响应分析装置，其特征在于，包括：
获取单元，用于获取城市建成区每年的供暖季内每月一期夜间地表温度分布图；
第一计算单元，用于分别计算每一期所述夜间地表温度分布图的所有像元的热场变化值，并基于所述热场变化值，获得每年供暖季的多期热场变异图；
第二计算单元，用于对所述多期所述热场变异图进行叠加求和计算，获得每年供暖季的累积热场变异图；
确定单元，用于计算所述累积热场变异图的均值和标准差，并基于所述均值和标准差确定累积热岛指数；
分析单元，用于基于获取的多年的累积热岛指数时间序列以及集中供暖量数据进行分析，获得城市热环境对集中供暖的响应。
7.根据权利要求6所述的装置，其特征在于，所述获取单元包括：
第一获取子单元，用于获取遥感夜间灯光影像；
提取子单元，用于在所述遥感夜间灯光影像中提取城市建成区；
建立子单元，用于基于供暖时间范围获取所述城市建成区的每月夜间地表温度数据，生成多期夜间地表温度分布图。
8.根据权利要求6所述的装置，其特征在于，所述第一计算子单元，用于包括：
第二获取子单元，用于获取每一期所述夜间地表温度分布图的每个像元的温度；
第一计算子单元，用于根据每个像元的温度与所述像元所在区域的平均温度，计算每一期所述夜间地表温度分布图的热场变异指数，所述热场变异指数表征每一期所述夜间地表温度分布图的所有像元的热场变化值。
9.根据权利要求6所述的装置，其特征在于，所述第二计算单元包括：
第二计算子单元，用于计算所述累积热场变异图的均值和标准差；
第一确定子单元，用于将所述累积热场变异图中像元值不小于所述均值和所述标准差之和的像元的比例，确定为累积热岛指数。
10.根据权利要求6所述的装置，其特征在于，所述分析单元具体用于：
基于获取的多年的累积热岛指数时间序列以及集中供暖量数据进行相关分析，获得相关系数，所述相关系数表征城市累积热岛指数与集中供暖量的正相关关系；
基于所述相关系数，获得城市集中供暖的热环境响应。
CN202110475661.XA 2021-04-29 2021-04-29 一种城市集中供暖的热环境响应分析方法及装置 Active CN113157802B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110475661.XA CN113157802B (zh) 2021-04-29 2021-04-29 一种城市集中供暖的热环境响应分析方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110475661.XA CN113157802B (zh) 2021-04-29 2021-04-29 一种城市集中供暖的热环境响应分析方法及装置

Publications (2)

Publication Number Publication Date
CN113157802A true CN113157802A (zh) 2021-07-23
CN113157802B CN113157802B (zh) 2022-07-08

Family

ID=76872548

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110475661.XA Active CN113157802B (zh) 2021-04-29 2021-04-29 一种城市集中供暖的热环境响应分析方法及装置

Country Status (1)

Country Link
CN (1) CN113157802B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116255655A (zh) * 2023-05-11 2023-06-13 中铁建工集团有限公司 基于大数据的设备智能检调方法、系统和介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160125294A1 (en) * 2014-10-31 2016-05-05 Research Foundation Of The City University Of New York Method for forecasting energy demands that incorporates urban heat island
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
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

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160125294A1 (en) * 2014-10-31 2016-05-05 Research Foundation Of The City University Of New York Method for forecasting energy demands that incorporates urban heat island
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
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

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
陈波: "北方地区典型小城镇住宅建筑冬季室内热环境的测评与研究", 《中国优秀硕士学位论文全文数据库》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116255655A (zh) * 2023-05-11 2023-06-13 中铁建工集团有限公司 基于大数据的设备智能检调方法、系统和介质
CN116255655B (zh) * 2023-05-11 2023-07-07 中铁建工集团有限公司 基于大数据的设备智能检调方法、系统和介质

Also Published As

Publication number Publication date
CN113157802B (zh) 2022-07-08

Similar Documents

Publication Publication Date Title
Zhang et al. An IoT-based thermal model learning framework for smart buildings
Zhong et al. A city-scale estimation of rooftop solar photovoltaic potential based on deep learning
Du et al. Quantifying the multilevel effects of landscape composition and configuration on land surface temperature
Wu et al. Decision framework of solar thermal power plant site selection based on linguistic Choquet operator
Ren et al. A novel 3D-geographic information system and deep learning integrated approach for high-accuracy building rooftop solar energy potential characterization of high-density cities
Fay et al. On the influence of weather forecast errors in short-term load forecasting models
CN102880755B (zh) 一种极端降水的定量预测方法及系统
Peronato et al. A toolkit for multi-scale mapping of the solar energy-generation potential of buildings in urban environments under uncertainty
Zhao et al. Changes in spatiotemporal drought characteristics over northeast China from 1960 to 2018 based on the modified nested Copula model
Helbig et al. Forecasting wet-snow avalanche probability in mountainous terrain
Munkhammar et al. An N-state Markov-chain mixture distribution model of the clear-sky index
Jing et al. Unlock the hidden potential of urban rooftop agrivoltaics energy-food-nexus
CN110781947A (zh) 用电负荷预测模型训练、用电负荷预测方法及装置
Yang et al. Evaluation of a diagnostic equation for the daily maximum urban heat island intensity and its application to building energy simulations
Geng et al. Spatiotemporal patterns and driving forces of remotely sensed urban agglomeration heat islands in South China
Munkhammar et al. An autocorrelation-based copula model for generating realistic clear-sky index time-series
CN113157802B (zh) 一种城市集中供暖的热环境响应分析方法及装置
Huang et al. An improved nightlight threshold method for revealing the spatiotemporal dynamics and driving forces of urban expansion in China
Zhou et al. Development and implementation of a spatial unit non-overlapping water stress index for water scarcity evaluation with a moderate spatial resolution
Chiang et al. Quantification through deep learning of sky view factor and greenery on urban streets during hot and cool seasons
Deng et al. Unified Quantile Regression Deep Neural Network with Time‐Cognition for Probabilistic Residential Load Forecasting
CN106682830A (zh) 城市化鬼城指数评测方法及装置
Li et al. Identifying and characterizing frequency and maximum durations of surface urban heat and cool island across global cities
Dan et al. Changing coordination between urban area with high temperature and multiple landscapes in Wuhan City, China
Anand et al. Dynamic change analysis of water spread region and its impact assessment using spectral indices of remotely sensed data

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