CN113506371B - 街区尺度气候图绘制方法、装置、电子设备及存储介质 - Google Patents

街区尺度气候图绘制方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN113506371B
CN113506371B CN202110897603.6A CN202110897603A CN113506371B CN 113506371 B CN113506371 B CN 113506371B CN 202110897603 A CN202110897603 A CN 202110897603A CN 113506371 B CN113506371 B CN 113506371B
Authority
CN
China
Prior art keywords
climate
block
preset
block unit
local climate
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
CN202110897603.6A
Other languages
English (en)
Other versions
CN113506371A (zh
Inventor
刘琳
潘鑫沛
刘丽孺
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.)
Guangdong University of Technology
Original Assignee
Guangdong University of 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 Guangdong University of Technology filed Critical Guangdong University of Technology
Priority to CN202110897603.6A priority Critical patent/CN113506371B/zh
Publication of CN113506371A publication Critical patent/CN113506371A/zh
Application granted granted Critical
Publication of CN113506371B publication Critical patent/CN113506371B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/05—Geographic models
    • 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
    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Databases & Information Systems (AREA)
  • Remote Sensing (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Computer Graphics (AREA)
  • Game Theory and Decision Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本发明公开了一种街区尺度气候图绘制方法、装置、电子设备及存储介质，包括：获取城市区域的街区单元的边界线，生成矢量数据；获取街区单元的地表形态特性参数；将地表形态特性参数与地表形态特性参数推荐区间进行匹配，得到街区单元的主导局地气候分区类型；对街区单元进行修正，得到修正街区单元；根据主导局地气候分区类型对相应的修正街区单元进行属性赋值，生成城市区域的局地气候分区地图；采用处于街区单元的位置的气候参数值，计算修正街区单元的气候参数平均值；根据每个修正街区单元的气候参数平均值，生成城市区域的街区尺度气候图。从而实现以街区作为基本分区统计单元进行精细而有效的LCZ划分。

Description

街区尺度气候图绘制方法、装置、电子设备及存储介质
技术领域
本发明涉及气候图绘制技术领域，尤其涉及一种街区尺度气候图绘制方法、装置、电子设备及存储介质。
背景技术
局地气候分区(Local Climate Zone，LCZ)理论，以考虑局地气候效应的视角出发，LCZ分类体系将错综复杂的城市地表划分为各类具有相似气候环境特征的均质区块，进而量化了城市结构、地表覆盖、城市材质及人类活动对局地气候特征及变化规律的影响。基于LCZ理论，城市区域可划分为建成环境型和自然环境型两大类城市景观，其中建成环境型景观根据建筑高度、密度等细分为LCZ1～10共十种类型分区；而自然环境型景观包括林地、草地、水体、裸土、沥青等七种下垫面类型分区，为LCZA～G。每种类型分区均可通过10项对热环境敏感的地表形态特性参数进行定量描述。LCZ理论的提出适时满足了当前城市气候与城市规划交叉融合的需求，将规划师难以应用的气候信息转换为容易识别的“形态语言”，为城市规划进行空间形态气候合理性设计提供了有效的理论指导。
现阶段关于局地气候分区的分类方法大致上可分为WUDAPT和GIS-based两种方法。其中，WUDAPT方法是一种基于Landsat卫星遥感影像数据，通过机器自主监督学习技术对人工识别解译的训练样本进行模拟，进而实现LCZ栅格划分的标准方法。该方法具有划分快速、数据免费开源的优点，且基于二维遥感影像图在识别自然环境型LCZ方面有着较高的划分精度；而GIS-based方法基于当地的城市数据集，借助高分辨率、高精度的建筑、土地利用与覆盖数据实现较精细粒度的建成环境型LCZ划分，并且划分流程取决于当地实际的城市场景和数据。
然而，以上两种常用的LCZ划分方法主要面向城市尺度层面展开，未能精细化地表达局地尺度区域的复杂空间形态特征。对于WUDAPT方法，其划分精度很大程度取决于所提供训练样本的数量、尺寸、位置等因素带来的误差大小，划分精度较为粗略；对于GIS-based方法，城市数据集的完整性及获取难度因地而异，无法适用于全球各城市地区的LCZ划分，且所获取的城市数据往往因得不到及时更新而不具时效性，划分结果精确度无法保障。由此，面向城市规划师针对街区单元进行分区分类的空间设计及管理需求，以街区作为基本分区统计单元进行精细而有效的LCZ划分便难以实现。
发明内容
本发明提供了一种街区尺度气候图绘制方法、装置、电子设备及存储介质，用于解决难以实现以街区作为基本分区统计单元进行精细而有效的LCZ划分的技术问题。
本发明提供的一种街区尺度气候图绘制方法，包括：
获取预设城市区域的街区单元的边界线，生成矢量数据；
获取所述街区单元的地表形态特性参数；
将所述地表形态特性参数与预设地表形态特性参数推荐区间进行匹配，得到所述街区单元的主导局地气候分区类型；
根据预设局地气候分区半径区间对所述街区单元进行修正，得到修正街区单元；
根据所述主导局地气候分区类型对相应的修正街区单元进行属性赋值，生成所述城市区域的局地气候分区地图；
获取所述局地气候分区地图内各预设位置的气候参数值；
采用所述矢量数据和处于所述街区单元的所述预设位置的气候参数值，计算所述修正街区单元的气候参数平均值；
根据每个修正街区单元的气候参数平均值，生成所述城市区域的街区尺度气候图。
可选地，所述获取预设城市区域的街区单元的边界线，生成矢量数据的步骤，包括：
获取预设城市区域的街区单元的标识数据；
将所述标识数据转换为矢量数据。
可选地，所述地表形态特性参数包括城市结构参数和地表覆盖参数；所述城市结构参数包括天空角系数、街道峡谷高宽比、平均建筑高度和地形粗糙度等级；所述地表覆盖参数包括建筑密度、透水表面比率和不透水表面比率。
可选地，所述将所述地表形态特性参数与预设地表形态特性参数推荐区间进行匹配，得到所述街区单元的主导局地气候分区类型的步骤，包括：
根据所述建筑密度判断所述街区单元的环境类型；
当所述环境类型为建成环境型时，在多个预设第一局地气候分区类型对应的预设地表形态特性参数推荐区间中匹配所述地表形态特性参数；
统计每个第一局地气候分区类型对应的匹配成功个数；
将匹配成功个数最多的第一局地气候分区类型确定为所述街区单元的主导局地气候分区类型。
可选地，所述将所述地表形态特性参数与预设地表形态特性参数推荐区间进行匹配，得到所述街区单元的主导局地气候分区类型的步骤，包括：
根据所述建筑密度判断所述街区单元的环境类型；
当所述环境类型为自然环境型时，在多个预设第二局地气候分区类型对应的预设地表形态特性参数推荐区间中匹配所述地表形态特性参数；
统计每个第二局地气候分区类型对应的匹配成功个数；
将匹配成功个数最多的第二局地气候分区类型确定为所述街区单元的主导局地气候分区类型。
可选地，所述获取所述局地气候分区地图内各预设位置的气候参数值的步骤，包括：
获取局地气候分区地图的移动观测路径；
采集所述移动观测路径上的气候参数点数据；
将所述气候参数点数据转换为栅格数据，并通过所述栅格数据预测所述局地气候分区地图内各预设位置的气候参数值。
可选地，所述将所述气候参数点数据转换为栅格数据，并通过所述栅格数据预测所述局地气候分区地图内各预设位置的气候参数值的步骤，包括：
获取预设固定气象站采集的观测数据；
采用所述观测数据修正所述气候参数点数据，得到修正数据；
将所述修正数据转换为栅格数据，并通过所述栅格数据预测所述局地气候分区地图内各预设位置的气候参数值。
本发明还提供了一种街区尺度气候图绘制装置，包括：
矢量数据生成模块，用于获取预设城市区域的街区单元的边界线，生成矢量数据；
地表形态特性参数获取模块，用于获取所述街区单元的地表形态特性参数；
主导局地气候分区类型生成模块，用于将所述地表形态特性参数与预设地表形态特性参数推荐区间进行匹配，得到所述街区单元的主导局地气候分区类型；
修正街区单元生成模块，用于根据预设局地气候分区半径区间对所述街区单元进行修正，得到修正街区单元；
局地气候分区地图生成模块，用于根据所述主导局地气候分区类型对相应的修正街区单元进行属性赋值，生成所述城市区域的局地气候分区地图；
气候参数值获取模块，用于获取所述局地气候分区地图内各预设位置的气候参数值；
气候参数平均值计算模块，用于采用所述矢量数据和处于所述街区单元的所述预设位置的气候参数值，计算所述修正街区单元的气候参数平均值；
街区尺度气候图生成模块，用于根据每个修正街区单元的气候参数平均值，生成所述城市区域的街区尺度气候图。
本发明还提供了一种电子设备，所述设备包括处理器以及存储器：
所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；
所述处理器用于根据所述程序代码中的指令执行如上任一项所述的街区尺度气候图绘制方法。
本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质用于存储程序代码，所述程序代码用于执行如上任一项所述的街区尺度气候图绘制方法。
从以上技术方案可以看出，本发明具有以下优点：本发明通过获取预设城市区域的街区单元的边界线，生成矢量数据；获取街区单元的地表形态特性参数；将地表形态特性参数与预设地表形态特性参数推荐区间进行匹配，得到街区单元的主导局地气候分区类型；根据预设局地气候分区半径区间对街区单元进行修正，得到修正街区单元；根据主导局地气候分区类型对相应的修正街区单元进行属性赋值，生成城市区域的局地气候分区地图；获取局地气候分区地图内各预设位置的气候参数值；采用处于街区单元的预设位置的气候参数值，计算修正街区单元的气候参数平均值；根据每个修正街区单元的气候参数平均值，生成城市区域的街区尺度气候图。从而实现以街区作为基本分区统计单元进行精细而有效的LCZ划分。进而为城市规划师针对街区单元的空间形态气候合理性设计提供理论参考及应用价值。
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的前提下，还可以根据这些附图获得其它的附图。
图1为本发明实施例提供的一种街区尺度气候图绘制方法的步骤流程图；
图2为本发明实施例通过ArcGIS软件生成的某一大学城街区的矢量数据图；
图3为本发明实施例提供的一种局地气候分区类型匹配参照图；
图4为本发明实施例提供的一种大学城局地气候分区地图；
图5为本发明实施例提供的夏季大学城移动测点气温的时空分布图；
图6为本发明实施例提供的夏季大学城街区气温时空分布图；
图7为本发明实施例提供的一种街区尺度气候图绘制方法过程示意图；
图8为本发明实施例提供的一种街区尺度气候图绘制装置的结构框图。
具体实施方式
本发明实施例提供了一种街区尺度气候图绘制方法、装置、电子设备及存储介质，用于解决难以实现以街区作为基本分区统计单元进行精细而有效的LCZ划分的技术问题。
为使得本发明的发明目的、特征、优点能够更加的明显和易懂，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，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。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它实施例，都属于本发明保护的范围。
请参阅图1，图1为本发明实施例提供的一种街区尺度气候图绘制方法的步骤流程图。
本发明提供的一种街区尺度气候图绘制方法，具体可以包括以下步骤：
步骤101，获取预设城市区域的街区单元的边界线，生成矢量数据；
在本发明实施例中，街区单元的边界线可以选取道路红线进行划分。
在一个示例中，获取预设城市区域的街区单元的边界线，生成矢量数据，可以通过以下步骤实现：
获取预设城市区域的街区单元的标识数据；
将标识数据转换为矢量数据。
在具体实现中，可以通过谷歌地球(Google Earth)平台的多边形工具来绘制街区样本的标识(kml)数据，再通过ArcGIS软件将kml数据转化为矢量图来获取矢量数据。
请参阅图2，图2为本发明实施例通过ArcGIS软件生成的某一大学城街区的矢量数据图。
步骤102，获取街区单元的地表形态特性参数；
在本发明实施例中，街区单元的各项地表形态特性参数涵盖城市结构参数和地表覆盖参数，其中，城市结构参数可以包括天空角系数(Sky View Factor，SVF)、街道峡谷高宽比(Aspect Ratio，AR)、平均建筑高度(Height of Roughness Elements，HRE)与地形粗糙度等级(Terrain Roughness Class，TRC)；地表覆盖参数则可以包括建筑密度(BuildingSurface Fraction，BSF)、透水表面比率(Pervious Surface Fraction，PSF)与不透水表面比率(Impervious Surface Fraction，ISF)。
在具体实现中，天空角系数可在现场实测中借助鱼眼相机拍摄图像，并导入RayMan软件进行图片处理以计算获取数据，具体公式如下：
Figure BDA0003198476740000071
其中，Ssky表示鱼眼图像中的天空可视面积，单位为m2，St代表鱼眼图像的总圆形面积，单位为m2。取值范围：0≤SVF≤1。
街道峡谷高宽比可借助三维城市模型并结合现场实测的建筑高度以及街道宽度等数据来计算得到，具体公式如下所示：
Figure BDA0003198476740000072
其中，H代表街区中典型街道峡谷的高度，单位为m；W代表街区中典型街道峡谷的宽度，单位为m。取值范围：AR≥0。
平均建筑高度可以通过计算城市街区单元内所有代表性建筑的高度平均值获得，具体公式如下所示：
Figure BDA0003198476740000073
其中，hi代表街区中代表性建筑的高度，单位为m；n代表街区中代表性建筑的数量。取值范围：HRE≥0。
地形粗糙度等级TRC，可以参考Davenport分类表对应街区的地表形态特征属性来确定。
建筑密度：可借助相关地图软件的建筑足迹图计算获取。计算公式如下：
Figure BDA0003198476740000074
式中，Sb代表街区中建筑区域的基底轮廓面积，单位为m2；Stotal代表街区总面积，单位为m2。取值范围：0≤BSF≤1。
透水表面比率：可借助Google Earth卫星影像计算获取，透水区域一般指代裸土、水体、林地、草地、灌木丛等下垫面。计算公式如下：
Figure BDA0003198476740000081
式中，Sp代表街区透水区域的面积(裸土、绿植、水体等)，单位为m2；Stotal代表街区总面积，单位为m2。取值范围：0≤PSF≤1。
不透水表面比率：根据局地气候分区理论，不透水区域主要包括沥青、岩地等地面铺装材料，且建筑密度、透水表面比率及不透水表面比率这三项地表覆盖参数综合表征了城市下垫面的基本组成。计算公式如下：
ISF＝1-BSF-PSF
步骤103，将地表形态特性参数与预设地表形态特性参数推荐区间进行匹配，得到街区单元的主导局地气候分区类型；
在获取到地表形态特性参数后，可以将其与预设地表形态特性参数推荐区间进行匹配，得到街区单元的主导局地气候分区类型。
在本发明实施例中，将各街区单元的地表形态特性参数与预设地表特性参数推荐区间进行匹配，所遵循的原则为：首先，以建筑密度BSF作为筛选建成环境型和自然环境型局地气候分区的指标，BSF取值大于10％即为建成环境型分区，反之则为自然环境型分区，在此基础上，分别参照建成环境型和自然环境型分区的各项参数推荐区间，根据相应街区所统计的地表形态特性参数，来确定街区单元的主导局地气候分区类型。
在一个示例中，步骤103可以包括以下子步骤：
S31，根据建筑密度判断街区单元的环境类型；
S33，当环境类型为建成环境型时，在多个预设第一局地气候分区类型对应的预设地表形态特性参数推荐区间中匹配地表形态特性参数；
S35，统计每个第一局地气候分区类型对应的匹配成功个数；
S37，将匹配成功个数最多的第一局地气候分区类型确定为街区单元的主导局地气候分区类型。
在具体实现中，当环境类型为建成环境型时，可以在多个预设第一局地气候分区类型对应的预设地表形态特性参数推荐区间中匹配地表形态特性参数；统计第一局地气候分区类型对应的匹配成功个数，将匹配成功个数最多的第一局地气候分区类型确定为街区单元的主导局地气候分区类型。
其中，第一局地气候分区类型可以包括：LCZ1(紧凑高层建筑区)、LCZ2(紧凑中层建筑区)、LCZ3(紧凑低层建筑区)、LCZ4(开敞高层建筑区)、LCZ5(开敞中层建筑区)、LCZ6(开敞低层建筑区)、LCZ7(简易低层建筑区)、LCZ8(大型低层建筑区)、LCZ9(超开敞低层建筑区)、LCZ10(重工业区)。
在另一个示例中，步骤103可以包括以下子步骤：
S32，根据建筑密度判断街区单元的环境类型；
S34，当环境类型为自然环境型时，在多个预设第二局地气候分区类型对应的预设地表形态特性参数推荐区间中匹配地表形态特性参数；
S36，统计每个第二局地气候分区类型对应的匹配成功个数；
S38，将匹配成功个数最多的第二局地气候分区类型确定为街区单元的主导局地气候分区类型。
在具体实现中，当环境类型为自然环境型时，可以在多个预设的第二局地气候分区类型对应的预设地表形态特性参数推荐区间中匹配地表形态特性参数；并统计每个第二局地气候分区类型对应的匹配成功个数；将匹配成功个数最多的第二局地气候分区类型确定为街区单元的主导局地气候分区类型。
其中，第二局地气候分区类型可以包括：LCZA(稠密树木区)、LCZB(稀疏树木区)、LCZC(灌木丛区)、LCZD(低矮植被区)、LCZE(硬化地面区)、LCZF(裸地沙土区)、LCZG(水域区)。
在一个示例中，如图3所示，图3为本发明实施例提供的一种局地气候分区类型匹配参照图。图3中菱形符号“◇”的标记位置代表示例街区各项地表形态特性参数取值，而符合对应参数推荐区间的菱形个数统计为相应的局地气候分区类型的得分数，最终得分最高的局地气候分区类型被选择为示例街区的主导局地气候分区类型。
步骤104，根据预设局地气候分区半径区间对街区单元进行修正，得到修正街区单元；
在本发明实施例中，可以根据局地气候分区定义，其最小半径宜为200～500m，为符合该分区设定，需要对街区单元的既定尺寸进行局部修整。其中，对于半径小于200m的街区单元，根据实际情况将其合并入相邻区域具有相同或相似类型的分区中；而对于半径大小大于500m的街区单元，则需按实际情况考虑沿建筑红线进行合理分割，以保证街区具有相对统一的均质空间形态格局。
步骤105，根据主导局地气候分区类型对相应的修正街区单元进行属性赋值，生成城市区域的局地气候分区地图；
在完成对街区单元的修正后，可以根据主导局地气候分区类型对修正街区进行属性赋值，生成城市区域的局地气候分区地图。
在一个示例中，可以利用ArcGIS软件为图2所示的大学城各街区进行属性赋值，以构建基于街区尺度的局地气候分区地图。具体效果如图4所示。
步骤106，获取局地气候分区地图内各预设位置的气候参数值；
在本发明实施例中，在得到了局地气候分区地图后，可以获取局地气候分区地图内各预设位置的气候参数值。
在具体实现中，步骤106可以包括以下子步骤：
S61，获取局地气候分区地图的移动观测路径；
在具体实现中，在移动观测开始之前，首先需要根据实际的研究需求选择合适的交通工具，如步行、自行车、汽车等，并进行移动观测路径设计。
需要说明的是，交通工具的选择及移动观测路径的设计长度应保证每轮观测的总耗时控制在一小时以内，以减小因背景气象条件变化所造成的观测数据误差。其中，移动观测路径的设计应遵循观测范围尽可能大地覆盖研究区域的气候参数，且观测位置尽可能多地穿越不同类型局地气候分区的原则。
S62，采集移动观测路径上的气候参数点数据；
在本发明实施例中，应为观测人员配备一台手持GPS定位仪和用于测量气候参数的仪器，以记录移动测点的气候参数点数据及相应的经纬度坐标。
需要说明的是，手持式GPS定位仪及用于测量气候参数的仪器应选用高精度、高分辨率的测量仪器，且测量仪器应统一设置为相同的采样间隔，以便后续导入到ArcGIS中能够较准确地将气候参数点数据及相应的经纬度坐标对应起来。在一个示例中，可以统一将所有仪器的采样间隔设为1秒，以获取大量密集的气候参数点数据。
S63，将气候参数点数据转换为栅格数据，并通过栅格数据预测局地气候分区地图内各预设位置的气候参数值。
在获取到气候参数点数据之后，可以将移动测点的气候参数点数据及相应的经纬度坐标导入到ArcGIS软件中进行识别定位，使气候参数在移动路线上的空间分布特征可视化。
进一步地，步骤S63可以包括以下子步骤：
S631，获取预设固定气象站采集的观测数据；
S632，采用观测数据修正气候参数点数据，得到修正数据。
在本发明实施例中，可以以观测时段内固定气象站所采集的固定测点的观测数据作为基准值，通过考虑空间距离、空间开敞度以及匀质地表景观要素分布对移动测点和固定测点数据变化量之间的影响，来计算获取观测时段内任一时刻的移动测点的参数值，作为修正数据。其计算公式如下：
Figure BDA0003198476740000111
Figure BDA0003198476740000112
其中，yj，tr和xi，tr分别为第j个移动测点和第i个固定测点在统一修正时刻tr的气候参数值；yj，tj和xi，tj分别表示第j个移动测点和第i个固定测点在移动观测时段任一时刻tj的气候参数值；N表示所设固定气象站的数量；kij表示第j个移动测点和第i个固定测点气候参数变化量之间的相关性系数；lij和l分别表示第j个移动测点与第i个固定测点之间的实际距离和移动观测路径的总长度；SVFj和SVFi分别表示第j个移动测点和第i个固定测点所在街区的天空角系数；PSFj和PSFi分别表示第j个移动测点和第i个固定测点所在街区的透水表面比率；ISFj和ISFi分别表示第j个移动测点和第i个固定测点所在街区的不透水表面比率。
在一个示例中，以图4所涉及的大学城街区的热环境为例，对于图4的局地气候分区地图内各预设位置的气候参数值的采集与同时性修订过程如下：
遵循观测范围尽可能大地覆盖研究区域的气候参数，且观测位置尽可能多地穿越不同类型局地气候分区的原则，大学城片区共设计了5条闭合的移动观测路径。在夏季典型气象日期间，观测人员分别于8:00、11:00、14:00、17:00时刻统一以约1.5m/s的步行速度在设计的移动观测路径上进行持续往复的移动观测。
为观测人员配备了一台手持式GPS定位仪和用于测量空气温度的仪器。其中手持式GPS定位仪可选用北斗智能终端(定位精度：单点定位2-5m；差分定位1-3m)；测量气温的仪器可选用便携式室外温湿度记录仪HOBO U23-002(精度：±0.21℃；分辨率：0.02℃)。测量仪器的采样间隔均设为1秒。
每条移动观测路径附近均设置了一台固定气象站，用于将所获取的非同时性气温测点数据分别修订到8:00、11:00、14:00、17:00时刻。
S633，将修正数据转换为栅格数据，并通过栅格数据预测局地气候分区地图内各预设位置的气候参数值。
在获取到修正数据后，可以将各时刻移动测点的气温数据及相应的经纬度坐标导入到ArcGIS软件中进行识别定位，使气温在移动路线上的时空分布特征可视化。图5为本发明实施例提供的夏季大学城移动测点气温的时空分布图。
接着通过空间插值方法将各时刻的气温测点数据转换成连续的栅格数据，以获取大学城内未被观测的各预设位置的气候参数值。
需要说明的是，在本发明实施例中，空间插值方法可以包括反距离加权插值法、克里金插值法和样条插值法三种，通过ArcGIS软件中的插值工具即可实现区域大范围且连续的气候参数值获取。针对局地尺度热环境的移动观测数据，本发明实施例主要采用克里金插值法中的普通克里金进行空间插值。
步骤107，采用矢量数据和处于街区单元的预设位置的气候参数值，计算修正街区单元的气候参数平均值；
在本发明实施例中，在获取到街区单元的预设位置的气候参数值后，可以利用局地气候分区的矢量数据图，通过ArcGIS软件的“掩膜提取”工具提取大学城各街区关于气温的面数据，进而借助“分区统计”工具计算得到各时刻各街区的气候参数平均值。
步骤108，根据每个修正街区单元的气候参数平均值，生成城市区域的街区尺度气候图。
在获取得到每个修正街区单元的气候参数平均值后，可以利用ArcGIS软件为大学城各街区进行气温赋值，以构建基于城市区域的街区尺度气候图。如图6所示，图6为本发明实施例提供的夏季大学城街区气温时空分布图。
本发明通过获取预设城市区域的街区单元的边界线，生成矢量数据；获取街区单元的地表形态特性参数；将地表形态特性参数与预设地表形态特性参数推荐区间进行匹配，得到街区单元的主导局地气候分区类型；根据预设局地气候分区半径区间对街区单元进行修正，得到修正街区单元；根据主导局地气候分区类型对相应的修正街区单元进行属性赋值，生成城市区域的局地气候分区地图；获取局地气候分区地图内各预设位置的气候参数值；采用处于街区单元的预设位置的气候参数值，计算修正街区单元的气候参数平均值；根据每个修正街区单元的气候参数平均值，生成城市区域的街区尺度气候图。从而实现以街区作为基本分区统计单元进行精细而有效的LCZ划分。进而为城市规划师针对街区单元的空间形态气候合理性设计提供理论参考及应用价值。
为便于理解，下面通过具体示例对本发明实施例进行说明：
如图7所示，图7为本发明实施例提供的一种街区尺度气候图绘制方法过程示意图，具体可以包括以下步骤：
1、划分城市区域街区单元的边界线，绘制研究区域的街区样本，以获取局地气候分区所需的矢量数据；
2、对街区单元的各项地表形态特性参数进行统计及计算，为局地气候分区分类提供参数化基础；其中，地表形态特性参数包括城市结构参数和地表覆盖参数。城市结构参数包括天空角系数、街道峡谷高宽比、平均建筑高度和地形粗糙度等级；地表覆盖参数包括建筑密度、透水表面比率和不透水表面比率；
3、参照局地气候分区理论中针对不同局地气候分区类型所给定的地表形态特性参数推荐区间，与各街区的实际参数组合进行最优匹配，为各街区选择对应的主导局地气候分区类型；其中，环境类型分区可以包括建成环境型分区和自然环境型分区；
4、根据局地气候分区的最小半径设定对各街区尺寸进行局部修整，并确保各街区具有相对统一的均质空间形态格局；
5、基于所获取的街区矢量数据，得到建成环境型局地气候分区矢量图和自然环境型局地气候分区矢量图，并进一步利用ArcGIS软件为研究区域各街区进行属性赋值，以构建基于街区尺度的局地气候分区地图；
6、基于移动观测法获取关于气候参数的点数据；具体过程包括：
设计移动观测路径；
调试测量仪器；
获取气候数据并进行同时性修订；
将移动测点的气候数据导入到ArcGIS中，使气候参数在移动观测路径上的时空分布特征可视化；
7、通过空间插值法将气候参数的离散点数据转换成连续的栅格数据，以预测研究区域内未被观测位置的气候参数值；
8、利用局地气候分区的矢量数据图，通过ArcGIS软件的“掩膜提取”工具提取研究区域各街区关于气候参数的面数据，进而借助“分区统计”工具计算得到各街区的气候参数平均值；
9、利用ArcGIS软件为研究区域各街区进行属性赋值，以构建基于局地气候分区的城市街区尺度气候图。
请参阅图8，图8为本发明实施例提供的一种街区尺度气候图绘制装置的结构框图。
本发明实施例提供了一种街区尺度气候图绘制装置，包括：
矢量数据生成模块801，用于获取预设城市区域的街区单元的边界线，生成矢量数据；
地表形态特性参数获取模块802，用于获取街区单元的地表形态特性参数；
主导局地气候分区类型生成模块803，用于将地表形态特性参数与预设地表形态特性参数推荐区间进行匹配，得到街区单元的主导局地气候分区类型；
修正街区单元生成模块804，用于根据预设局地气候分区半径区间对街区单元进行修正，得到修正街区单元；
局地气候分区地图生成模块805，用于根据主导局地气候分区类型对相应的修正街区单元进行属性赋值，生成城市区域的局地气候分区地图；
气候参数值获取模块806，用于获取局地气候分区地图内各预设位置的气候参数值；
气候参数平均值计算模块807，用于采用矢量数据和处于街区单元的预设位置的气候参数值，计算修正街区单元的气候参数平均值；
街区尺度气候图生成模块808，用于根据每个修正街区单元的气候参数平均值，生成城市区域的街区尺度气候图。
在本发明实施例中，矢量数据生成模块801，包括：
标识数据获取子模块，用于获取预设城市区域的街区单元的标识数据；
矢量数据转换子模块，用于将标识数据转换为矢量数据。
在本发明实施例中，地表形态特性参数包括城市结构参数和地表覆盖参数；城市结构参数包括天空角系数、街道峡谷高宽比、平均建筑高度和地形粗糙度等级；地表覆盖参数包括建筑密度、透水表面比率和不透水表面比率。
在本发明实施例中，主导局地气候分区类型生成模块803，包括：
第一环境类型判断子模块，用于根据建筑密度判断街区单元的环境类型；
第一匹配子模块，用于当环境类型为建成环境型时，在多个预设第一局地气候分区类型对应的预设地表形态特性参数推荐区间中匹配地表形态特性参数；
第一统计子模块，用于统计每个第一局地气候分区类型对应的匹配成功个数；
第一主导局地气候分区类型确定子模块，用于将匹配成功个数最多的第一局地气候分区类型确定为街区单元的主导局地气候分区类型。
在本发明实施例中，主导局地气候分区类型生成模块803，包括：
第二环境类型判断子模块，用于根据建筑密度判断街区单元的环境类型；
第二匹配子模块，用于当环境类型为自然环境型时，在多个预设第二局地气候分区类型对应的预设地表形态特性参数推荐区间中匹配地表形态特性参数；
第二统计子模块，用于统计每个第二局地气候分区类型对应的匹配成功个数；
第二主导局地气候分区类型确定子模块，用于将匹配成功个数最多的第二局地气候分区类型确定为街区单元的主导局地气候分区类型。
在本发明实施例中，气候参数值获取模块806，包括：
移动观测路径获取子模块，用于获取局地气候分区地图的移动观测路径；
气候参数点数据采集子模块，用于采集移动观测路径上的气候参数点数据；
气候参数值预测子模块，用于将气候参数点数据转换为栅格数据，并通过栅格数据预测局地气候分区地图内各预设位置的气候参数值。
在本发明实施例中，气候参数值预测子模块，包括：
观测数据获取单元，用于获取预设固定气象站采集的观测数据；
修正单元，用于采用观测数据修正气候参数点数据，得到修正数据；
气候参数值预测单元，用于将修正数据转换为栅格数据，并通过栅格数据预测局地气候分区地图内各预设位置的气候参数值。
本发明实施例还提供了一种电子设备，设备包括处理器以及存储器：
存储器用于存储程序代码，并将程序代码传输给处理器；
处理器用于根据程序代码中的指令执行本发明上述实施例的街区尺度气候图绘制方法。
本发明实施例还提供了一种计算机可读存储介质，计算机可读存储介质用于存储程序代码，程序代码用于执行本发明上述实施例的街区尺度气候图绘制方法。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
本说明书中的各个实施例均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的部分互相参见即可。
本领域内的技术人员应明白，本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此，本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明实施例是参照根据本发明实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (7)

1.一种街区尺度气候图绘制方法，其特征在于，包括：
获取预设城市区域的街区单元的边界线，生成矢量数据；
获取所述街区单元的地表形态特性参数，所述地表形态特性参数包括城市结构参数和地表覆盖参数；所述城市结构参数包括天空角系数、街道峡谷高宽比、平均建筑高度和地形粗糙度等级；所述地表覆盖参数包括建筑密度、透水表面比率和不透水表面比率；
将所述地表形态特性参数与预设地表形态特性参数推荐区间进行匹配，得到所述街区单元的主导局地气候分区类型；
根据预设局地气候分区半径区间对所述街区单元进行修正，得到修正街区单元；
根据所述主导局地气候分区类型对相应的修正街区单元进行属性赋值，生成所述城市区域的局地气候分区地图；
获取所述局地气候分区地图内各预设位置的气候参数值；
采用所述矢量数据和处于所述街区单元的所述预设位置的气候参数值，计算所述修正街区单元的气候参数平均值；
根据每个修正街区单元的气候参数平均值，生成所述城市区域的街区尺度气候图；
其中，所述将所述地表形态特性参数与预设地表形态特性参数推荐区间进行匹配，得到所述街区单元的主导局地气候分区类型的步骤，包括：
根据所述建筑密度判断所述街区单元的环境类型；
当所述环境类型为建成环境型时，在多个预设第一局地气候分区类型对应的预设地表形态特性参数推荐区间中匹配所述地表形态特性参数；
统计每个第一局地气候分区类型对应的匹配成功个数；
将匹配成功个数最多的第一局地气候分区类型确定为所述街区单元的主导局地气候分区类型；
当所述环境类型为自然环境型时，在多个预设第二局地气候分区类型对应的预设地表形态特性参数推荐区间中匹配所述地表形态特性参数；
统计每个第二局地气候分区类型对应的匹配成功个数；
将匹配成功个数最多的第二局地气候分区类型确定为所述街区单元的主导局地气候分区类型。
2.根据权利要求1所述的方法，其特征在于，所述获取预设城市区域的街区单元的边界线，生成矢量数据的步骤，包括：
获取预设城市区域的街区单元的标识数据；
将所述标识数据转换为矢量数据。
3.根据权利要求1所述的方法，其特征在于，所述获取所述局地气候分区地图内各预设位置的气候参数值的步骤，包括：
获取局地气候分区地图的移动观测路径；
采集所述移动观测路径上的气候参数点数据；
将所述气候参数点数据转换为栅格数据，并通过所述栅格数据预测所述局地气候分区地图内各预设位置的气候参数值。
4.根据权利要求3所述的方法，其特征在于，所述将所述气候参数点数据转换为栅格数据，并通过所述栅格数据预测所述局地气候分区地图内各预设位置的气候参数值的步骤，包括：
获取预设固定气象站采集的观测数据；
采用所述观测数据修正所述气候参数点数据，得到修正数据；
将所述修正数据转换为栅格数据，并通过所述栅格数据预测所述局地气候分区地图内各预设位置的气候参数值。
5.一种街区尺度气候图绘制装置，用于实现权利要求1所述的街区尺度气候图绘制方法，其特征在于，包括：
矢量数据生成模块，用于获取预设城市区域的街区单元的边界线，生成矢量数据；
地表形态特性参数获取模块，用于获取所述街区单元的地表形态特性参数；
主导局地气候分区类型生成模块，用于将所述地表形态特性参数与预设地表形态特性参数推荐区间进行匹配，得到所述街区单元的主导局地气候分区类型；
修正街区单元生成模块，用于根据预设局地气候分区半径区间对所述街区单元进行修正，得到修正街区单元；
局地气候分区地图生成模块，用于根据所述主导局地气候分区类型对相应的修正街区单元进行属性赋值，生成所述城市区域的局地气候分区地图；
气候参数值获取模块，用于获取所述局地气候分区地图内各预设位置的气候参数值；
气候参数平均值计算模块，用于采用所述矢量数据和处于所述街区单元的所述预设位置的气候参数值，计算所述修正街区单元的气候参数平均值；
街区尺度气候图生成模块，用于根据每个修正街区单元的气候参数平均值，生成所述城市区域的街区尺度气候图。
6.一种电子设备，其特征在于，所述设备包括处理器以及存储器：
所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；
所述处理器用于根据所述程序代码中的指令执行权利要求1-4任一项所述的街区尺度气候图绘制方法。
7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质用于存储程序代码，所述程序代码用于执行权利要求1-4任一项所述的街区尺度气候图绘制方法。
CN202110897603.6A 2021-08-05 2021-08-05 街区尺度气候图绘制方法、装置、电子设备及存储介质 Active CN113506371B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110897603.6A CN113506371B (zh) 2021-08-05 2021-08-05 街区尺度气候图绘制方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110897603.6A CN113506371B (zh) 2021-08-05 2021-08-05 街区尺度气候图绘制方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN113506371A CN113506371A (zh) 2021-10-15
CN113506371B true CN113506371B (zh) 2023-05-26

Family

ID=78015748

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110897603.6A Active CN113506371B (zh) 2021-08-05 2021-08-05 街区尺度气候图绘制方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN113506371B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113987306A (zh) * 2021-11-03 2022-01-28 广东工业大学 城市街区能耗时变图集构建方法、装置、设备及存储介质
CN116152668B (zh) * 2023-04-21 2023-08-29 广东工业大学 一种基于人工智能获取街区尺度lcz的方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016185713A1 (en) * 2015-05-19 2016-11-24 Canon Kabushiki Kaisha Image processing apparatus, image pickup apparatus, image processing method, and storage medium
CN110990511A (zh) * 2019-11-29 2020-04-10 南京信息工程大学 一种顾及城市二维和三维形态的局部气候区分类方法
CN113157834A (zh) * 2021-02-24 2021-07-23 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

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016185713A1 (en) * 2015-05-19 2016-11-24 Canon Kabushiki Kaisha Image processing apparatus, image pickup apparatus, image processing method, and storage medium
CN110990511A (zh) * 2019-11-29 2020-04-10 南京信息工程大学 一种顾及城市二维和三维形态的局部气候区分类方法
CN113157834A (zh) * 2021-02-24 2021-07-23 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

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
城市局地气候区的构建及其城市功能形态特征分析;王亚莎;詹庆明;欧阳婉璐;;城市建筑(第01期);全文 *
多种城市地表形态的局地气候分析;刘琳;刘京;林姚宇;王丹;;建筑科学(第02期);全文 *

Also Published As

Publication number Publication date
CN113506371A (zh) 2021-10-15

Similar Documents

Publication Publication Date Title
Unger Connection between urban heat island and sky view factor approximated by a software tool on a 3D urban database
CN112308292B (zh) 一种火灾风险等级分布图的绘制方法
CN108288059B (zh) 一种基于高分辨率遥感技术的建筑垃圾监测方法
Klouček et al. How does data accuracy influence the reliability of digital viewshed models? A case study with wind turbines
CN113506371B (zh) 街区尺度气候图绘制方法、装置、电子设备及存储介质
CĂLINA et al. Research on the use of aerial scanning for completing a GIS database
KR20210084184A (ko) 나무심기 입지 분석 장치 및 방법
CN112070056A (zh) 一种基于面向对象和深度学习的敏感用地识别方法
CN115062366A (zh) 园林景观的数字孪生设计方法、系统、存储介质及终端
CN107944089B (zh) 一种基于现状视廊的地块限高分析系统及其分析方法
Golubev et al. Woody plants area estimation using ordinary satellite images and deep learning
CN116702299B (zh) 一种基于园林模拟的园林设计方法
Komadina et al. Automated 3D urban landscapes visualization using open data sources on the example of the city of Zagreb
Jonah et al. Production of a Topographic Map and the Creation of a Six-Layer Geographic Information System (GIS) For A Fifteen Square-Kilometre (15 Km) Areal Extent of the Gidan Kwano Campus of the Federal University of Technology, Minna, Niger State, Nigeria
CN115758856A (zh) 一种景观格局及气候变化对流域未来水质影响的研究方法
CN115018973A (zh) 一种低空无人机点云建模精度的无靶标评估方法
CN114818310A (zh) 一种森林景观模拟方法、装置、电子设备和存储介质
CN113935622A (zh) 一种生态地质环境质量评价方法、系统及电子设备
Venteris et al. A comparison between contour elevation data sources for DEM creation and soil carbon prediction, Coshocton, Ohio
Cheng Digital Landscape Architecture Methodology
LOTFIAN Urban climate modeling: case study of Milan city
Oymatov et al. Development of the technological system of creating an electronic map of agriculture using GIS technology
CN113592664B (zh) 农作物生产空间预测模拟方法、设备、模型及存储介质
KR20150135597A (ko) 멀티센서 융합 측위 시스템을 이용한 가로수 탄소흡수량 산정 시스템 및 이에 이용되는 프로그램을 기록한 컴퓨터판독가능한 기록매체
Loret Estimation of increasing urbanization trend in the Frascati DOC wine area: a geostatistical analysis approach

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