CN113360989B - 一种城市绿色屋顶规划方法 - Google Patents
一种城市绿色屋顶规划方法 Download PDFInfo
- Publication number
- CN113360989B CN113360989B CN202110698195.1A CN202110698195A CN113360989B CN 113360989 B CN113360989 B CN 113360989B CN 202110698195 A CN202110698195 A CN 202110698195A CN 113360989 B CN113360989 B CN 113360989B
- Authority
- CN
- China
- Prior art keywords
- roof
- building
- green roof
- green
- planning
- 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
Links
- 238000013439 planning Methods 0.000 title claims abstract description 54
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000001816 cooling Methods 0.000 claims abstract description 67
- 238000010276 construction Methods 0.000 claims abstract description 53
- 230000000694 effects Effects 0.000 claims abstract description 49
- 238000011156 evaluation Methods 0.000 claims abstract description 18
- 238000004088 simulation Methods 0.000 claims abstract description 8
- 230000003044 adaptive effect Effects 0.000 claims description 20
- 238000000605 extraction Methods 0.000 claims description 18
- 238000004422 calculation algorithm Methods 0.000 claims description 11
- 230000006870 function Effects 0.000 claims description 10
- 238000005192 partition Methods 0.000 claims description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 7
- 239000000463 material Substances 0.000 claims description 6
- 230000005855 radiation Effects 0.000 claims description 6
- 230000002068 genetic effect Effects 0.000 claims description 5
- 230000004069 differentiation Effects 0.000 claims description 4
- 238000012937 correction Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- 239000000758 substrate Substances 0.000 claims description 2
- 238000002834 transmittance Methods 0.000 claims description 2
- 238000011161 development Methods 0.000 abstract description 9
- 230000009897 systematic effect Effects 0.000 abstract description 7
- 238000009472 formulation Methods 0.000 abstract description 4
- 239000000203 mixture Substances 0.000 abstract description 4
- 238000011160 research Methods 0.000 description 22
- 238000004458 analytical method Methods 0.000 description 6
- 238000005457 optimization Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 244000025254 Cannabis sativa Species 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000013526 transfer learning Methods 0.000 description 1
- 238000013316 zoning Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/24323—Tree-organised classifiers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] 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
- G06Q50/08—Construction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Evolutionary Computation (AREA)
- Economics (AREA)
- Geometry (AREA)
- Entrepreneurship & Innovation (AREA)
- General Engineering & Computer Science (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Biology (AREA)
- Artificial Intelligence (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Biophysics (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Analysis (AREA)
- Physiology (AREA)
- Civil Engineering (AREA)
- Structural Engineering (AREA)
- Computational Mathematics (AREA)
- Primary Health Care (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
Abstract
本发明公开一种城市绿色屋顶规划方法,包括:步骤S1、基于高分遥感影像提取城市空间要素信息;步骤S2、根据城市空间要素信息,基于规则树进行建筑屋顶绿化适建性评估分级;步骤S3、对适建性评估分级后的建筑屋顶进行降温效应解析,得到绿色屋顶的有效降温程度;步骤S4、基于绿色屋顶的有效降温程度,以绿色屋顶的降温效应最大化为目标,构建绿色屋顶适建规模决策模型,开展绿色屋顶规划布局多情景模拟,从而得到降温效应最大化下的绿色屋顶适建规划。采用本发明的技术方案,基于绿色屋顶降温效应的实用价值,建立系统性的绿色屋顶规划新范式,为绿色屋顶规划的编制、实施和相关政策制定提供科学支撑,促进城市可持续发展。
Description
技术领域
本发明属于城市规划技术领域,尤其涉及一种城市绿色屋顶规划方法。
背景技术
国际上往往将绿色屋顶作为专项纳入城市发展规划,例如通过规划审批要求新建项目包含绿色屋顶。相对而言,国内对于城市绿色屋顶规划研究尚处于起步阶段。其中,上海、深圳等大城市率先开展了以立体绿化专项规划的规划定位、宏观分区、空间设计为主要内容的初步研究。Hong等以高密度典型城市深圳为例,通过区分既有建筑和新建建筑初步建立了绿色屋顶可实施性的评价方法,并根据评估结果,从空间和时间两个方面制定绿色屋顶的实施策略。陈柳新等结合深圳新一轮的城市绿地系统规划修编,探讨立体绿化在系统宏观规划中的角色、定位以及工作内容和深度,并针对深圳市立体绿化发展存在的问题提出相应的规划策略。韩林飞等从宏观城市分区指引、中微观规划设计层面,探讨北京市绿色屋顶规划的设计重点与路径。许恩珠等在研究分析上海立体绿化专项发展规划的定位、框架、特色内容基础上,探讨高密度特大城市立体绿化宏观规划思路,并提出今后立体绿化规划编制及发展的思考。董靓和黄瑞以成都为例,从改善城市风环境、热环境角度探讨城市尺度绿色屋顶的气候适应性规划问题。董菁、左进等通过建立绿色屋顶实施潜力评估方法,结合城市绿地系统,探讨高密度城区生态空间网络空间布局。
总体来看,当前国际、国内已逐步重视城市尺度绿色屋顶规划的研究与实践。然而,既有研究多侧重于基于规划经验分析的实施策略探索,城市绿色屋顶规划方法还缺乏必要的研究积累,系统性、全面性研究不足。主要存在以下问题:
第一,建筑屋顶绿化适建性特征识别的精准程度问题。
目前针对建筑屋顶绿化适建性评估研究已开展了部分基础性工作,但需要进一步实现从单体建筑到城市区域评估的尺度转变、从定性判断到定量评价的技术转型。如何开展适建性指标的定量计算与科学评估是承前启后的关键所在。然而,传统技术条件下屋顶属性信息获取成本高、更新频率低,难以精确表达和快速计算城市大规模建筑屋顶绿化适建性,增加了指标定量表征的难度。如何快速精准提取高密度城区空间要素,准确开展建筑屋顶绿化适建性指标定量计算与评估,是进行高密度城区绿色屋顶科学规划的重要基础。
第二,城市尺度绿色屋顶适建规模与降温效应的定量关系问题。
当前,绿色屋顶降温效应的研究成果主要集中在中微观尺度上,对城市尺度绿色屋顶降温效应及其与适建规模之间的定量关系研究较少,而城市管理者面临的挑战恰恰是在城市尺度上推断相关分析并作出决策。如何解析不同类型绿色屋顶的降温效应,在城市尺度上阐明绿色屋顶适建规模与降温效应之间的定量关系,是开展基于降温效应定量模拟的绿色屋顶规划研究与应用的瓶颈所在。
第三,绿色屋顶规划范式的系统性、科学性问题。
目前高密度城区绿色屋顶规划大多停留在方法探索阶段,系统性、全面性研究不足,规划方法和技术流程都还缺乏必要的研究积累,主要表现在依赖经验主义和定性研究、基础调查数据时效性差、技术手段过于单一等方面,规划方法科学性有待提高。如何建立系统、科学的高密度城区绿色屋顶规划新范式,是绿色屋顶规划科学编制与有效实施的关键所在。
发明内容
本发明要解决的技术问题是,提供一种城市绿色屋顶规划方法,基于绿色屋顶降温效应的实用价值,建立系统性的绿色屋顶规划新范式,为绿色屋顶规划的编制、实施和相关政策制定提供科学支撑,促进城市可持续发展。
为实现上述目的,本发明采用如下的技术方案:
一种城市绿色屋顶规划方法,包括:
步骤S1、基于高分遥感影像提取城市空间要素信息;
步骤S2、根据城市空间要素信息,基于规则树进行建筑屋顶绿化适建性评估分级;
步骤S3、对适建性评估分级后的建筑屋顶进行降温效应解析,得到绿色屋顶的有效降温程度;
步骤S4、基于绿色屋顶的有效降温程度,以绿色屋顶的降温效应最大化为目标,构建绿色屋顶适建规模决策模型,开展绿色屋顶规划布局多情景模拟,得到降温效应最大化下的绿色屋顶适建规划。
作为优选,所述高分遥感影像为空间分辨率为1米、重访周期为5天的高分遥感影像。
作为优选,步骤S1具体为:以高分遥感影像作为基底,参考导航数据的路网等基础数据,对城市的道路网进行半自动地提取,再通过水面的提取及自适应修正的方法获得水系网络,将两者叠加之后形成城市场景分区的控制网,将影像空间分隔成各自独立的若干任务区块。在各分区区块的基质中,依据高分遥感影像中反映的视觉特征差异对建筑进行类型归并后,分别设计相适应的“边缘+语义”组合的深度网络提取模型,而后再从区块中分类提取建筑斑块对象。
作为优选,步骤S2具体为:
步骤2.1、根据城市空间要素信息,建立建筑屋顶绿化适建性指标体系;
步骤2.2、根据建筑屋顶绿化适建性指标体系,得到建筑屋顶指标信息,其包含屋顶材质、屋顶坡度、建筑高度、建筑功能;
步骤2.3、根据建筑屋顶指标信息,构建从根节点出发、经子节点到达叶子节点的分类规则树,所有建筑屋顶划分为极适建、适建、不适建三级。
作为优选,步骤2.3具体为:首先将建筑屋顶绿化适建性指标集合作为原始数据集从根节点输入;再依次通过屋顶材质、屋顶坡度、建筑高度、建筑功能4个子节点的规则匹配,直至达到叶子节点满足停止条件并做出不适建、适建或极适建的决策判断,其中,出现极适建叶节点条件是,在屋顶坡度-建筑高度-建筑功能的判定路径中,至少有两次满足极适建条件,否则降为适建。
作为优选,步骤S3包括:
步骤3.1、针对适建性评估分级后的建筑屋顶,采用基于热辐射传导方程的单窗算法对屋顶区域及周边地表温度进行连续遥感反演,获取地表温度数据,其包含辐射亮度温度、平均大气温度、大气透射率和地表比辐射率;
步骤3.2、采用相对温度差的方式表征绿色屋顶与周边建成环境的地表温度差异,计算遥感反演获得的地表温度数据与绿色屋顶的平均地表温度相对差值ΔTbefore与ΔTafter,得到绿色屋顶的有效降温程度。
作为优选,步骤S4具体为:基于绿色屋顶的有效降温程度,以绿色屋顶的降温效应最大化为目标,构建绿色屋顶适建规模决策模型,得到城市尺度绿色屋顶适建规模与降温效应之间的定量关系,选择遗传算法对绿色屋顶适建规模决策模型的近似最优解进行求算,开展绿色屋顶规划布局多情景模拟,通过差异化比较,获得降温效应最大化下的绿色屋顶适建规划。
本发明通过构建“要素精准提取—绿化适建评估—降温效应解析—适建规模决策—布局模拟优化”的规划方式,为绿色屋顶规划的编制、实施和相关政策制定提供科学支撑,促进城市可持续发展。
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一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明城市绿色屋顶规划方法流程图。
具体实施方式
以下实施例会结合附图对本发明进行详述,在附图或说明中,相似或相同的部分使用相同的标号。本发明所列举的各实施例仅用以说明本发明,并非用以限制本发明的范围。对本发明所作的任何显而易知的修饰或变更都不脱离本发明的精神与范围。
如图1所示,本发明提供一种城市绿色屋顶规划方法,包括:
步骤S1、基于高分遥感影像提取城市空间要素
利用高分遥感提取技术,提取城市建筑图斑数据,并进行增量式的迭代学习优化,逐步使建筑斑块提取的结果趋优和稳定,从而确定城市建筑图斑的数量和面积。
步骤1.1、高分影像的预处理:考虑到高密度城区空间要素可持续、智能化提取对遥感影像空间分辨率及卫星重访周期的要求,可选取空间分辨率为1米、重访周期为5天的高分遥感影像作为空间要素提取的数据源。为了提升样本及其训练得到的网络模型在不同空间、不同时相间具有较强的迁移学习能力,要将样本集和待预测的影像进行预先的一致性数据处理,所处理的关键指标涵盖影像的空间分辨率、辐射分辨率、光谱分辨率;
步骤1.2、城市场景的分区控制:以高分遥感影像作为基底,参考导航数据的路网基础数据,对城市的道路网进行半自动地提取,再通过水面的提取及自适应修正的方法获得水系网络,将两者叠加之后形成城市场景分区的控制网,将影像空间分隔成各自独立的若干任务区块;
步骤1.3、建筑图斑的分类提取:在各分区区块的基质中,镶嵌的建筑类型复杂而多样,依据高分遥感影像中反映的视觉特征差异对建筑进行类型归并后,分别设计相适应的“边缘+语义”组合的深度网络提取模型,而后再从区块中分类提取斑块对象;
步骤1.4、增量式的迭代学习优化:在建筑特征提取的预测结果中,分别选择置信度高和置信度低的区域,分别进行主动式的样本补充和编辑,重新对深度模型进行增量式地学习,进而迭代至下一次特征提取中,逐步使建筑斑块提取的结果趋优和稳定。
步骤S2、基于规则树的建筑屋顶绿化适建性评估分级
建立建筑屋顶绿化适建性指标体系,开展指标定量计算,建立规则树进行适建性评估分级,将所有建筑屋顶划分为“极适建、适建、不适建”三级,从而输出适合实施绿化的建筑屋顶优先级排序。
步骤2.1、城市建筑屋顶绿化适建性指标体系构建:在开展城市建筑图斑精准提取基础上,以科学性、可推广、易操作为原则,从“建筑本体-屋顶属性”两个层面构建城市建筑屋顶绿化适建性指标体系。
步骤2.2、城市建筑屋顶绿化适建性指标定量计算:在上述指标体系下,收集相关辅助数据并开展面向建筑屋顶绿化适建性分析的指标计算,形成建筑屋顶指标信息表。建筑本体层面的指标将通过关联建筑高度、建筑功能、建筑年代等数据获取;屋顶属性如屋顶材质、屋顶坡度等指标可结合高分辨率遥感影像,通过遥感信息提取技术得到。
步骤2.3、基于规则树的建筑屋顶绿化适建性评估分级:以建筑屋顶绿化适建性评估分级为目标,构建从根节点出发、经子节点到达叶子节点的分类规则树,给予建筑屋顶“不适建”、“适建”、“极适建”之分。根据专家经验设计本项目的规则树:首先将建筑屋顶绿化适建性指标集合作为原始数据集从根节点输入;再依次通过屋顶材质、屋顶坡度、建筑高度、建筑功能4个子节点的规则匹配,直至达到叶子节点满足停止条件并做出“不适建”、“适建”或“极适建”的决策判断(其中出现“极适建”叶节点条件是,在“屋顶坡度-建筑高度-建筑功能”的判定路径中,至少有两次满足“极适建”条件,否则降为“适建”)。基于上述规则树完成对每个建筑屋顶的绿化适建性评估与分等定级。
步骤S3、不同类型绿色屋顶降温效应解析
通过对当前市场主流绿色屋顶物理和生态特征的调研、归类研究,按照屋顶倾斜角度(平屋顶、30度以下坡屋顶)、叶面积指数(树、灌木、草)的不同,划分为六类绿色屋顶,开展不同类型绿色屋顶降温效应解析。
步骤3.1、基于单窗算法的连续地表温度遥感反演:为探索高密度城区绿色屋顶降温效应,选择绿色屋顶实施前后的多期Landsat 8或GF5热红外遥感影像,采用基于热辐射传导方程的单窗算法对绿色屋顶区域及周边地表温度进行连续反演,获取研究区多期动态的高清地表温度面状数据。单窗算法地表温度反演过程主要涉及辐射亮度温度、平均大气温度、大气透射率和地表比辐射率四个主要参数,利用自动化的计算程序,实现单窗算法对绿色屋顶区域及周边地表温度连续遥感反演。
步骤3.2、基于相对温差精确量化绿色屋顶的有效降温:为减少高密度城区因成像时间、气候变化等因素产生的地表温度差异,使多时相的遥感反演地表温度具有可比性,本研究采用相对温度差的方式表征绿色屋顶与周边建成环境的地表温度差异。具体而言,以绿色屋顶实施前、实施后作为研究对照组,分别计算实施前后研究区多期遥感反演获得的平均地表温度与绿色屋顶的平均地表温度相对差值ΔTbefore与ΔTafter,可以精确的量化评估绿色屋顶的有效降温程度。
步骤S4、绿色屋顶适建规模决策
以实现高密度城区绿色屋顶降温效应最大化为目标,构建绿色屋顶适建规模决策模型,阐明城市尺度绿色屋顶适建规模与降温效应之间的定量关系,选择遗传算法对模型的近似最优解进行求算,获得降温效应最大化下的绿色屋顶适建规模,以及不同类型绿色屋顶的配比,从而为绿色屋顶规划布局奠定基础。
步骤4.1、绿色屋顶降温效应的表征:绿色屋顶的建设可起到降低屋面自身及周边建成环境的温度的作用,因此单个绿色屋顶的降温效应为屋面自身的降温效应与对周边环境的降温效应两者的总和。n个绿色屋顶的降温效应可表示为:
其中,EF表示降温总效应;Si为第i个屋顶的面积;yij为二值变量,指示第i个屋顶种植第j类植被,j=1,2,3(分别对应树、灌、草);gi为第i个屋顶的坡度;ΔTi(yij,gi)表示第i个屋顶在坡度为gi、种植第j类植被条件下屋面自身降温强度;Ri为第i个屋顶对周边环境的最大降温距离;SRi为第i个屋顶在半径为Ri范围内的缓冲区面积;ΔTRi(yij,gi)为第i个屋顶在坡度为gi、种植第j类植被条件下对周边环境产生的降温强度。
高密度城区绿色屋顶的适建规模受建设成本、适建性等诸多社会经济因素影响。本项目拟将适建规模的确定问题转化为由若干决策变量和约束条件支持下的目标优化问题,即将达到城市绿色屋顶降温效应最大化作为目标,分别以适建面积、适建性等级、建设成本、产品类型等作为约束条件,构建形成一套如以下公式所示的适建规模决策模型,进而选择遗传算法对模型的近似最优解进行求算,最终获得不同类型配比下的绿色屋顶适建规模,指导屋顶绿化的空间布局优化。
适建规模决策模型的目标函数:
适建规模决策模型的约束条件:
(1)、为保证最大规模不得突破适建屋顶的总面积,需满足:
式中:Stotal为适建面积总规模
(2)、绿色屋顶的建设成本不得超过投资总额,需满足:
式中:Cj:种植第j类植被的单位面积建设成本
Ctotal为投资总额
(3)、适建性等级(suitable level,SL)的约束条件:
式中:SLi为第i个屋顶的绿化适建等级。
(4)、决策变量及其约束条件:
步骤S5、基于降温效应的城市绿色屋顶布局优化
步骤5.1、在降温效应最大化的绿色屋顶适建规模基础上,结合城市发展需求、景观风貌等主观性要素,开展绿色屋顶规划布局多情景模拟,通过差异化比较,提出基于降温效应的绿色屋顶规划布局准则与行动指引,并进一步归纳系统化的绿色屋顶规划新范式。
步骤5.2、选取典型城市,开展基于降温效应的城市绿色屋顶规划应用研究,验证模型与方法的可靠性与适用性,为绿色屋顶规划的编制、实施和相关政策制定提供科学支撑,促进城市可持续发展。
实施例1:
以厦门岛为例,详细说明采用以上城市绿色屋顶规划方法,具体实施过程。
第一步:要素精准提取。利用高分遥感提取技术,快速精准提取厦门岛高密度城区建筑图斑数据,并进行增量式的迭代学习优化,逐步使建筑斑块提取的结果趋优和稳定,从而确定厦门岛高密度城区建筑图斑的数量和面积,即2017年厦门岛建筑屋顶总量为2421.65万m2(思明区1121.36万m2、湖里区1300.29万m2),约占厦门岛用地面积的17.1%。
第二步:绿化适建评估。建立厦门岛建筑屋顶绿化适建性指标体系,开展指标定量计算,建立规则树进行适建性评估分级,将所有建筑屋顶划分为“极适建、适建、不适建”三级,从而得到厦门岛极适建建筑屋顶面积为570.09万m2,适建建筑屋顶面积为622.53万m2。
第三步:降温效应解析。通过对当前市场主流绿色屋顶物理和生态特征的调研、归类研究,按照屋顶倾斜角度(平屋顶、30度以下坡屋顶)、叶面积指数(树、灌木、草)的不同,划分为六类绿色屋顶,开展不同类型绿色屋顶降温效应解析。包括:拟合绿色屋顶降温强度-距离曲线,探究不同类型绿色屋顶降温的空间尺度效应;拟合绿色屋顶降温强度-面积曲线,阐明绿色屋顶及其最大降温距离范围内的平均地表温度与绿化面积的相关关系。
第四步:适建规模决策。以实现厦门岛高密度城区绿色屋顶降温效应最大化为目标,构建绿色屋顶适建规模决策模型,阐明厦门岛绿色屋顶适建规模与降温效应之间的定量关系,选择遗传算法对模型的近似最优解进行求算,最终获得厦门岛在20亿人民币总投资额限定下,降温效应最大化下的绿色屋顶适建规模为714万m2。
第五步:布局情景模拟。在降温效应最大化的绿色屋顶适建规模基础上,结合城市发展需求、景观风貌等主观性要素,开展绿色屋顶规划布局多情景、多方案对比,通过差异化比较,完成厦门岛屋顶绿化规划布局。
应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。
Claims (4)
1.一种城市绿色屋顶规划方法,其特征在于,包括:
步骤S1、基于高分辨率遥感影像提取城市空间要素信息;
步骤S2、根据城市空间要素信息,基于规则树进行建筑屋顶绿化适建性评估分级;
步骤S3、对适建性评估分级后的建筑屋顶进行降温效应解析,得到绿色屋顶的有效降温程度;
步骤S4、基于绿色屋顶的有效降温程度,以绿色屋顶的降温效应最大化为目标,构建绿色屋顶适建规模决策模型,开展绿色屋顶规划布局多情景模拟,得到降温效应最大化下的绿色屋顶适建规划;
其中,步骤S2具体为:
步骤2.1、根据城市空间要素信息,建立建筑屋顶绿化适建性指标体系;
步骤2.2、根据建筑屋顶绿化适建性指标体系,得到建筑屋顶指标信息,其包含屋顶材质、屋顶坡度、建筑高度、建筑功能;
步骤2.3、根据建筑屋顶指标信息,构建从根节点出发、经子节点到达叶子节点的分类规则树,所有建筑屋顶划分为极适建、适建、不适建三级;具体为:首先将建筑屋顶绿化适建性指标集合作为原始数据集从根节点输入;再依次通过屋顶材质、屋顶坡度、建筑高度、建筑功能4个子节点的规则匹配,直至达到叶子节点满足停止条件并做出不适建、适建或极适建的决策判断,其中,出现极适建叶节点条件是,在屋顶坡度-建筑高度-建筑功能的判定路径中,至少有两次满足极适建条件,否则降为适建;
步骤S4具体为:基于绿色屋顶的有效降温程度,以绿色屋顶的降温效应最大化为目标,构建绿色屋顶适建规模决策模型,得到城市尺度绿色屋顶适建规模与降温效应之间的定量关系,选择遗传算法对绿色屋顶适建规模决策模型的近似最优解进行求算,进而开展绿色屋顶规划布局多情景模拟,通过差异化比较,获得降温效应最大化下的绿色屋顶适建规划。
2.如权利要求1所述的城市绿色屋顶规划方法,其特征在于,步骤S1中,所述高分辨率遥感影像为空间分辨率为1米、重访周期为5天的高分辨率遥感影像。
3.如权利要求1所述的城市绿色屋顶规划方法,其特征在于,步骤S1具体为:以高分辨率遥感影像作为基底,参考导航数据的路网数据,对城市的道路网进行半自动地提取,再通过水面的提取及自适应修正的方法获得水系网络,将两者叠加之后形成城市场景分区的控制网,将影像空间分隔成各自独立的若干任务区块;在各分区区块的基质中,依据高分辨率遥感影像中反映的视觉特征差异对建筑进行类型归并后,分别设计相适应边缘与语义组合的深度网络提取模型,而后再从区块中分类提取建筑斑块对象。
4.如权利要求1所述的城市绿色屋顶规划方法,其特征在于,步骤S3包括:
步骤3.1、针对适建性评估分级后的建筑屋顶,采用基于热辐射传导方程的单窗算法对屋顶区域及周边地表温度进行连续遥感反演,获取地表温度数据,其包含辐射亮度温度、平均大气温度、大气透射率和地表比辐射率;
步骤3.2、采用相对温度差的方式表征绿色屋顶与周边建成环境的地表温度差异,计算遥感反演获得的地表温度数据与绿色屋顶的平均地表温度相对差值ΔTbefore与ΔTafter,得到绿色屋顶的有效降温程度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110698195.1A CN113360989B (zh) | 2021-06-23 | 2021-06-23 | 一种城市绿色屋顶规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110698195.1A CN113360989B (zh) | 2021-06-23 | 2021-06-23 | 一种城市绿色屋顶规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113360989A CN113360989A (zh) | 2021-09-07 |
CN113360989B true CN113360989B (zh) | 2022-11-01 |
Family
ID=77536006
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110698195.1A Active CN113360989B (zh) | 2021-06-23 | 2021-06-23 | 一种城市绿色屋顶规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113360989B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116151450B (zh) * | 2023-02-14 | 2023-12-29 | 北京师范大学 | 一种城市绿色屋顶规划布局方法及系统 |
CN116341733B (zh) * | 2023-03-20 | 2023-12-01 | 东南大学建筑设计研究院有限公司 | 一种基于冷岛价值评估的适建范围分级方法 |
CN116561845B (zh) * | 2023-04-04 | 2024-01-30 | 天津大学 | 数字技术赋能的城市屋顶绿化多情景模拟方法及系统 |
CN117033523A (zh) * | 2023-08-11 | 2023-11-10 | 陕西建科发展建设有限公司 | 一种基于建筑荷载结构数据的安全等级划分评定系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109559055A (zh) * | 2018-12-05 | 2019-04-02 | 中国农业大学 | 城市绿地规划的景观生态效能评价方法 |
CN110984333A (zh) * | 2019-12-25 | 2020-04-10 | 西安建筑科技大学 | 基于海面城市中处理雨水的绿色基础设施规模优化方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109740562B (zh) * | 2019-01-14 | 2020-12-08 | 中国科学院地理科学与资源研究所 | 一种生态海绵型城市建设适宜区的系统及方法 |
CN110208878B (zh) * | 2019-06-14 | 2020-01-31 | 广西海佩智能科技有限公司 | 绿色屋顶气象监测与热岛效应影响评估方法 |
CN111582575B (zh) * | 2020-05-06 | 2021-04-13 | 宁波大学 | 一种多时空尺度下城市热环境形成发展主导因素识别方法 |
CN112712268A (zh) * | 2020-12-31 | 2021-04-27 | 哈尔滨工业大学 | 一种海绵城市优化布局与综合效益评价方法 |
-
2021
- 2021-06-23 CN CN202110698195.1A patent/CN113360989B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109559055A (zh) * | 2018-12-05 | 2019-04-02 | 中国农业大学 | 城市绿地规划的景观生态效能评价方法 |
CN110984333A (zh) * | 2019-12-25 | 2020-04-10 | 西安建筑科技大学 | 基于海面城市中处理雨水的绿色基础设施规模优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113360989A (zh) | 2021-09-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113360989B (zh) | 一种城市绿色屋顶规划方法 | |
CN112651059B (zh) | 一种基于人工智能的控规地块城市设计多方案生成方法 | |
CN105677890B (zh) | 一种城市绿量数字地图制作及显示方法 | |
CN106780089B (zh) | 基于神经网络元胞自动机模型的永久性基本农田划定方法 | |
Gu et al. | Spatial planning for urban ventilation corridors by urban climatology | |
CN110263111B (zh) | 基于先验知识的土地利用/覆被信息时空监测方法 | |
CN102360458A (zh) | 一种移民安置区选择模糊评价方法 | |
CN105678225A (zh) | 一种城市热岛效应空间变化检测方法及系统 | |
CN104200387A (zh) | 一种顾及地理实体语义相似度的土地用途分区方法 | |
CN111985389A (zh) | 一种基于流域属性距离的流域相似判别方法 | |
Yang et al. | Characteristics of land surface temperature clusters: Case study of the central urban area of Guangzhou | |
CN115391882A (zh) | 一种多元数据融合全息空间系统的构建方法 | |
Tian et al. | Suburban identification based on multi-source data and landscape analysis of its construction land: A case study of Jiangsu Province, China | |
Bulatov et al. | From multi-sensor aerial data to thermal and infrared simulation of semantic 3D models: Towards identification of urban heat islands | |
Li et al. | Integrating urban morphology and land surface temperature characteristics for urban functional area classification | |
Ma et al. | Research on the spatiotemporal coupling relationships between land use/land cover compositions or patterns and the surface urban heat island effect | |
Shi et al. | An improved framework for assessing the impact of different urban development strategies on land cover and ecological quality changes-A case study from Nanjing Jiangbei New Area, China | |
CN116561845B (zh) | 数字技术赋能的城市屋顶绿化多情景模拟方法及系统 | |
CN115689382B (zh) | 一种利用宏观尺度上城市形态测算城市建筑能耗的方法 | |
KR101063827B1 (ko) | 한국토지정보시스템 연속지적도와 수치지형도의 기하학적 지도 변환을 위한 반자동화된 공액점 쌍 추출방법 | |
Li et al. | Reconstruction of traditional village spatial texture based on parametric analysis | |
CN115239281A (zh) | 一种基于bim+gis的公路征迁管理系统、方法及存储介质 | |
Zhang et al. | Monitoring of subpixel impervious surface dynamics using seasonal time series Landsat 8 OLI imagery | |
CN115048473A (zh) | 城市信息模型人工智能服务方法及系统 | |
CN112818923A (zh) | 一种城市群居住空间建成时间识别方法 |
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 |