CN115718983A - 一种基于城市尺度和风向通道的污染热点区域识别方法 - Google Patents
一种基于城市尺度和风向通道的污染热点区域识别方法 Download PDFInfo
- Publication number
- CN115718983A CN115718983A CN202211456536.5A CN202211456536A CN115718983A CN 115718983 A CN115718983 A CN 115718983A CN 202211456536 A CN202211456536 A CN 202211456536A CN 115718983 A CN115718983 A CN 115718983A
- Authority
- CN
- China
- Prior art keywords
- urban
- grid
- wind direction
- city
- building
- 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
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于城市尺度和风向通道的污染热点区域识别方法,包括:将全市尺度地表区域划分多个城市地表网格;计算每个城市地表网格的地表起伏度并汇集成数据集合,获得全市区域网格化地表起伏度集合;计算城市建筑网格空间单元的建筑迎风面和建筑用地面积总和之比并汇集成数据集合,获得主城区区域网格化建筑迎风面积比集合;基于全市区域网格化地表起伏度集合和主城区区域网格化建筑迎风面积比集合,计算不同风向上的风向通道频率矩阵;结合不同风向上的风向通道频率矩阵,计算重污染时段内的风向通道,进行城市空气污染热点区域识别;开发基于地形分析和建筑形态分析的城市风向通道构建技术;基于风向通道对污染热点区域进行识别。
Description
技术领域
本发明涉及城市环保智能识别技术领域,具体涉及一种基于城市尺度和风向通道的污染热点区域识别方法。
背景技术
城市的大气环境日益受到重视;大气污染预防与治理是目前亟待解决的难题;现有的科研分析、政策管理大多基于数值模型模拟结果;但数值模拟在复杂地形下精确度不理想,复杂地形导致气象边界场变异度过大,无法精确逼近拟合,气象结果鲁棒性较低,模拟结果与实际情况差异大;另一方面,复杂的地形及建筑布局,会对局部气流、温湿度、边界层高度等气象条件产生重要影响,进而影响空气污染的形成、传输与扩散;例如山谷、盆地等地形极易形成湿度高、静风频率高、逆温现象频发的气象条件,进而导致空气污染扩散条件差、重污染频发、污染时空动态异质性高的现象;因此,采用新方法辅助数值模拟调优的需求亟待解决;研究显示,大气污染和气象、排放源、地形等因素相关,其中地形因素不仅会影响气象,如通过热交换等过程,导致能量、温度、湿度等天气情况变化;另一方面,地形的复杂度影响了近地面污染传输,不同颗粒度、复杂度、起伏度的地表参数影响下垫面流动的情况;其中,探究地表情况,纳入地形因素,是解译复杂大气污染变化规律的重要步骤;
现有技术仅仅提供了基于GIS的风向通道识别技术,并没有将风向通道应用于地形空气质量调优中;现有数值模型调优技术主要基于(1)观测数据(含气象数据、污染数据)同化;(2)排放清单精细化;(3)构建贴近现实的大气物理模型,调整参数化方案;(4)时空大数据分析调优;其中,以风向通道为基础进行调优的方案尚未存在;风向通道现有技术尚未将风向通道应用于基于地形的空气污染分析中;
现有数值模型调优技术的缺点包括:数据同化与排放清单精细化缺点:技术层面上,需要精细化大数据作为辅助,如高分辨率且统计详尽的污染排放清单,时空规律清晰的排放情况调研,高密度空间气象观测数据等;成本方面上,需要构建不同观测站,且需要对排放情况、气象情况进行详尽调研,人力物力成本高;而对于参数化方案调整,在成本方面,数值模拟需耗费人工精力进行超参设定及参数设定,模型运行过程中需使用大量运算资源,时间复杂度及空间复杂度高;技术方面,数值模拟适用于气象变化平稳的平原地区,对复杂地形、复杂气象场的应用效果不佳;效率方面,数值模型面向不同污染情景其参数化设置方案复杂,对参数的敏感性较高,需采用观测场进行二次同化提升精度,这大大降低了数值模型的运行效率;因此,有必要提出一种基于城市尺度和风向通道的污染热点区域识别方法,以至少部分地解决现有技术中存在的问题。
发明内容
在发明内容部分中引入了一系列简化形式的概念,这将在具体实施方式部分中进一步详细说明;本发明的发明内容部分并不意味着要试图限定出所要求保护的技术方案的关键特征和必要技术特征,更不意味着试图确定所要求保护的技术方案的保护范围。
为至少部分地解决上述问题,本发明提供了一种基于城市尺度和风向通道的污染热点区域识别方法,包括:
S100:将全市尺度地表区域划分多个城市地表网格;计算每个城市地表网格的地表起伏度并汇集成数据集合,获得全市区域网格化地表起伏度集合;
S200:计算城市建筑网格空间单元的建筑迎风面和建筑用地面积总和之比并汇集成数据集合,获得主城区区域网格化建筑迎风面积比集合;
S300:基于全市区域网格化地表起伏度集合和主城区区域网格化建筑迎风面积比集合,计算不同风向上的风向通道频率矩阵;
S400:结合不同风向上的风向通道频率矩阵,计算重污染时段内的风向通道,进行城市污染热点区域识别。
优选的,所述S100包括:
S101:按照设定城市地表尺度长宽,将全市尺度地表区域划分多个城市地表网格;城市地表网格包括:城市地表中心网格及城市地表相邻网格;所述网格长度*宽度包括:1km*1km;
S102:根据城市地表高程网格数据,计算每个城市地表网格的地表起伏度;
S103:将多个城市地表网格的多个网格地表起伏度汇集成数据集合,获得全市区域网格化地表起伏度集合。
优选的,所述S200包括:
S201:按照设定城市建筑区域长宽划分城市建筑网格空间单元;
S202:计算城市建筑网格空间单元的建筑迎风面和建筑用地面积总和之比,获得多个建筑迎风面和建筑用地面积总和之比数据;
S203:将多个建筑迎风面和建筑用地面积总和之比数据汇集成数据集合,获得主城区区域网格化建筑迎风面积比集合。
优选的,所述S300包括:
S301:基于全市区域网格化地表起伏度集合和主城区区域网格化建筑迎风面积比集合,进行最低成本路径分析;
S302:通过最低成本路径分析,估算16个风向上的全市风向通道和主城区风向通道,表征区域地表气流的运动路径;
S303:计算16个风向中每个风向上的传输通道频率矩阵,获得不同风向上的风向通道频率矩阵。
优选的,所述S400包括:
S401:结合不同风向上的风向通道频率矩阵,选择重污染时段;
S402:计算重污染时段内的风向通道及重污染时段内16个风向的频率;计算城市地表网格和城市建筑网格空间单元的风向通道概率;
S403:分别对城市地表网格和城市建筑网格空间单元的污染排放量和污染传输通道概率进行归一化,并进行城市污染热点区域识别。
优选的,所述S102包括:
S1021:选择地表起伏度作为下垫面粗糙度的指标;设置城市地表中心网格和城市地表相邻网格的位置比例;1个城市地表中心网格位于8个城市地表相邻网格的中心,构成9宫格样式的城市地表网格;
S1022:根据城市地表高程网格数据,计算城市地表中心网格及城市地表相邻网格中的最高网格海拔高度和最低网格海拔高度的差值;
S1023:按照最高网格海拔高度和最低网格海拔高度的差值计算方法,计算每个城市地表网格的地表起伏度。
优选的,所述S202包括:
S2021:设定城市建筑网格空间单元内所有建筑沿风向上的投影面积之和,获得城市建筑网格空间单元的建筑迎风面;城市建筑网格空间单元的长*宽包括:200m*200m;
S2022:计算城市建筑网格空间单元内所有城市建筑用地面积总和;
S2023:计算城市建筑网格空间单元的建筑迎风面和建筑用地面积总和之比,获得多个建筑迎风面和建筑用地面积总和之比数据。
优选的,所述S302包括:
S3021:在全市区域内,将网格化地形起伏度作为成本权重表面,在主城区区域内,将网格化建筑迎风面积比作为成本权重表面,设置16个风向对应的起点网格和目的地网格;
S3022:通过最低成本路径分析,基于网格化的成本权重表面,对一个起点网格的八个相邻网格进行评估,使路径向具有最小成本权重的网格移动;
S3023:然后不断重复S3021的迭代过程,直到路径移动至目的地网格;所得路径即为两点之间的累积成本最低的路径;估算16个风向上的全市风向通道和主城区风向通道,表征区域地表气流的运动路径。
优选的,所述S402包括:
S4021:计算重污染时段内的风向通道及重污染时段内16个风向的频率,获得重污染时段内16个风向的频率集合;
S4022:根据重污染时段内16个风向的频率集合,对区域内每个网格计算网格的风向通道概率,获得风向通道概率集合;
S4023:根据风向通道概率集合,计算城市地表网格和城市建筑网格空间单元的风向通道概率。
优选的,所述S403包括:
S4031:分别对城市地表网格和城市建筑网格空间单元与已有网格化污染排放清单结合进行分析并进行归一化,获得归一化污染排放量和归一化污染传输通道概率;
S4032:分别对每个城市地表网格和城市建筑网格空间单元网格计算污染热点值;
S4033:根据污染热点值,判定污染排放量及高频风向通道的污染热点区域;根据污染排放量及高频风向通道的污染热点区域,进行城市污染热点区域识别。
相比现有技术,本发明至少包括以下有益效果:
上述技术方案的有益效果为:本发明提供了一种基于城市尺度和风向通道的污染热点区域识别方法,将全市尺度地表区域划分多个城市地表网格;计算每个城市地表网格的地表起伏度并汇集成数据集合,获得全市区域网格化地表起伏度集合;计算城市建筑网格空间单元的建筑迎风面和建筑用地面积总和之比并汇集成数据集合,获得主城区区域网格化建筑迎风面积比集合;基于全市区域网格化地表起伏度集合和主城区区域网格化建筑迎风面积比集合,计算不同风向上的风向通道频率矩阵;结合不同风向上的风向通道频率矩阵,计算重污染时段内的风向通道,进行城市污染热点区域识别;本发明以复杂地形为背景场,开发基于地形分析和建筑形态分析的城市风向通道构建技术;基于风向通道对污染热点区域进行识别;本发明计算复杂度较低,所需内存量及运行时间均显著优于传统机理模型,可有效在局地尺度初步判断污染传输情况,计算效率高,可应用性强;本发明可行性较高,采用成熟的风向通道构建技术,基于高精细化公开地形数据,构建难度不复杂,贴近真实场景;本发明成本较低;调参简便,可实时化运行,无需对最适参数化方案进行选取,节省科研精力及人力成本;本发明拓宽了城市风向通道的应用范围,将其首次应用到大气污染热点区域识别中;
进一步大幅优化城市地形条件下的地表起伏度指标;城市建筑网格空间更合理,数据更全面准确;通过高斯扩散模型,结合三维风场,可有效预测大气污染的短期局部传输情况;对污染路径进行识别;依据识别的污染路径、大气传输通量等结果,可对数值模型结果进行优化,降低误差度,有效服务于大气环境监管,为大气环境治理提供技术支撑;使城市地表指标空间维度更全面;提高了城市建筑及城市风向通道建模准确性;可以进一步解译城市复杂污染变化规律;平稳化均衡化风力指标,降低风矢量场复杂度,使风指标可预测化;依靠空气流动性将洁净空气导入城市内部同时将废气废热等稀释排出;通过节能生态方式改善城市风热环境;对气象调节作用显著。
本发明所述的一种基于城市尺度和风向通道的污染热点区域识别方法,本发明的其它优点、目标和特征将部分通过下面的说明体现,部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明所述的一种基于城市尺度和风向通道的污染热点区域识别方法城市地表网格图。
图2为本发明所述的一种基于城市尺度和风向通道的污染热点区域识别方法迎风面示意图。
图3为本发明所述的一种基于城市尺度和风向通道的污染热点区域识别方法迎风面风向示意图。
图4为本发明所述的一种基于城市尺度和风向通道的污染热点区域识别方法四个风向上((a)东风、(b)北风、(c)东北风、(d)西北风)的起点和目的地网格设置示意图。
图5为本发明所述的一种基于城市尺度和风向通道的污染热点区域识别方法主城区内城市风向通道和风玫瑰图。
图6为本发明所述的一种基于城市尺度和风向通道的污染热点区域识别方法主城区内城市污染热点区域图。
具体实施方式
下面结合附图以及实施例对本发明做进一步的详细说明,以令本领域技术人员参照说明书文字能够据以实施;如图1-6所示,本发明提供了一种基于城市尺度和风向通道的污染热点区域识别方法,包括:
S100:将全市尺度地表区域划分多个城市地表网格;计算每个城市地表网格的地表起伏度并汇集成数据集合,获得全市区域网格化地表起伏度集合;
S200:计算城市建筑网格空间单元的建筑迎风面和建筑用地面积总和之比并汇集成数据集合,获得主城区区域网格化建筑迎风面积比集合;
S300:基于全市区域网格化地表起伏度集合和主城区区域网格化建筑迎风面积比集合,计算不同风向上的风向通道频率矩阵;
S400:结合不同风向上的风向通道频率矩阵,计算重污染时段内的风向通道,进行城市污染热点区域识别;
通过实施例,进行风向通道在城市大气分析中的应用;以及风向通道在分析城市大气污染热点区域的应用。
上述技术方案的工作原理为:本发明提供了一种基于城市尺度和风向通道的污染热点区域识别方法,包括:将全市尺度地表区域划分多个城市地表网格;计算每个城市地表网格的地表起伏度并汇集成数据集合,获得全市区域网格化地表起伏度集合;计算城市建筑网格空间单元的建筑迎风面和建筑用地面积总和之比并汇集成数据集合,获得主城区区域网格化建筑迎风面积比集合;基于全市区域网格化地表起伏度集合和主城区区域网格化建筑迎风面积比集合,计算不同风向上的风向通道频率矩阵;结合不同风向上的风向通道频率矩阵,计算重污染时段内的风向通道,进行城市污染热点区域识别;城市地形和建筑显著影响气象场,尤其是风场,是城市空气污染传输的重要决定性因素;依据识别的污染热点网格可对数值模型结果进行优化,降低误差度,有效服务于大气环境监管,为大气环境治理提供技术支撑。
上述技术方案的有益效果为:本发明提供了一种基于城市尺度和风向通道的污染热点区域识别方法,将全市尺度地表区域划分多个城市地表网格;计算每个城市地表网格的地表起伏度并汇集成数据集合,获得全市区域网格化地表起伏度集合;计算城市建筑网格空间单元的建筑迎风面和建筑用地面积总和之比并汇集成数据集合,获得主城区区域网格化建筑迎风面积比集合;基于全市区域网格化地表起伏度集合和主城区区域网格化建筑迎风面积比集合,计算不同风向上的风向通道频率矩阵;结合不同风向上的风向通道频率矩阵,计算重污染时段内的风向通道,进行城市污染热点区域识别;本发明以复杂地形为背景场,开发基于地形分析和建筑形态分析的城市风向通道构建技术;基于风向通道对污染热点区域进行识别;
本发明计算复杂度较低,所需内存量及运行时间均显著优于传统机理模型,可有效在局地尺度初步判断污染传输情况,计算效率高,可应用性强;本发明可行性较高,采用成熟的风向通道构建技术,基于高精细化公开地形数据,构建难度不复杂,贴近真实场景;本发明成本较低;调参简便,可实时化运行,无需对最适参数化方案进行选取,节省科研精力及人力成本;识别风向通道,可有效预测大气污染的短期局部传输情况,识别污染传输路径;本发明拓宽了城市风向通道的应用范围,将其首次应用到大气污染热点区域识别中;
进一步大幅优化城市地形条件下的地表起伏度指标;城市建筑网格空间更合理,数据更全面准确;通过高斯扩散模型,结合三维风场,可有效预测大气污染的短期局部传输情况;对污染路径进行识别;依据识别的污染路径、大气传输通量等结果,可对数值模型结果进行优化,降低误差度,有效服务于大气环境监管,为大气环境治理提供技术支撑;使城市地表指标空间维度更全面;提高了城市建筑及城市风向通道建模准确性;可以进一步解译城市复杂污染变化规律;平稳化均衡化风力指标,降低风矢量场复杂度,使风指标可预测化;依靠空气流动性将洁净空气导入城市内部同时将废气废热等稀释排出;通过节能生态方式改善城市风热环境;对气象调节作用显著。
在一个实施例中,所述S100包括:
S101:按照设定城市地表尺度长宽,将全市尺度地表区域划分多个城市地表网格;城市地表网格包括:城市地表中心网格及城市地表相邻网格;所述网格长度*宽度包括:1km*1km;
S102:根据城市地表高程网格数据,计算每个城市地表网格的地表起伏度;
S103:将多个城市地表网格的多个网格地表起伏度汇集成数据集合,获得全市区域网格化地表起伏度集合。
上述技术方案的工作原理为:所述S100包括:
S101:按照设定城市地表尺度长宽,将全市尺度地表区域划分多个城市地表网格;城市地表网格包括:城市地表中心网格及城市地表相邻网格;所述网格长度*宽度包括:1km*1km;
S102:根据城市地表高程网格数据,计算每个城市地表网格的地表起伏度;
S103:将多个城市地表网格的多个网格地表起伏度汇集成数据集合,获得全市区域网格化地表起伏度集合;
在地形的条件下,选择地表起伏度作为下垫面粗糙度的指标,从而表征地形对大气流动的阻力;基于地表高程(Digital Elevation Model,DEM)网格数据,计算每个网格的地表起伏度,即中心网格及其相邻8个网格中的最高和最低网格海拔高度的差值,网格大小为1km*1km:R=Hmax-Hmin;其中Hmax为最高海拔高度、Hmin为最低海拔高度。
上述技术方案的有益效果为:按照设定城市地表尺度长宽,将全市尺度地表区域划分多个城市地表网格;城市地表网格包括:城市地表中心网格及城市地表相邻网格;所述网格长度*宽度包括:1km*1km;根据城市地表高程网格数据,计算每个城市地表网格的地表起伏度;将多个城市地表网格的多个网格地表起伏度汇集成数据集合,获得全市区域网格化地表起伏度集合;进一步大幅优化城市地形条件下的地表起伏度指标。
在一个实施例中,所述S200包括:
S201:按照设定城市建筑区域长宽划分城市建筑网格空间单元;
S202:计算城市建筑网格空间单元的建筑迎风面和建筑用地面积总和之比,获得多个建筑迎风面和建筑用地面积总和之比数据;
S203:将多个建筑迎风面和建筑用地面积总和之比数据汇集成数据集合,获得主城区区域网格化建筑迎风面积比集合。
上述技术方案的工作原理为:所述S200包括:
S201:按照设定城市建筑区域长宽划分城市建筑网格空间单元;
S202:计算城市建筑网格空间单元的建筑迎风面和建筑用地面积总和之比,获得多个建筑迎风面和建筑用地面积总和之比数据;
S203:将多个建筑迎风面和建筑用地面积总和之比数据汇集成数据集合,获得主城区区域网格化建筑迎风面积比集合;
城市的城区内,影响大气流动的因素,不仅包括地形起伏程度,还包括城市建筑的格局;建筑迎风面积比,反映了城市建筑对大气流动的阻挡程度,因此将其作为阻力系数;
不同风向上的迎风面积比γ(θ)f(frontal area index,)的计算如下:
γ(θ)f=S(θ)facets/Splane
其中,S(θ)facets指水平空间单内所有建筑沿风向特定风向上的投影面积之和,即面向风向的建筑立面面积之和,称建筑迎风面,Splane为单元内的建筑用地面积总和;以200m*200m网格为空间单元进行迎风面积比计算。
上述技术方案的有益效果为:按照设定城市建筑区域长宽划分城市建筑网格空间单元;计算城市建筑网格空间单元的建筑迎风面和建筑用地面积总和之比,获得多个建筑迎风面和建筑用地面积总和之比数据;将多个建筑迎风面和建筑用地面积总和之比数据汇集成数据集合,获得主城区区域网格化建筑迎风面积比集合;城市建筑网格空间更合理,数据更全面准确。
在一个实施例中,所述S300包括:
S301:基于全市区域网格化地表起伏度集合和主城区区域网格化建筑迎风面积比集合,进行最低成本路径分析;
S302:通过最低成本路径分析,估算16个风向上的全市风向通道和主城区风向通道,表征区域地表气流的运动路径;
S303:计算16个风向中每个风向上的传输通道频率矩阵,获得不同风向上的风向通道频率矩阵。
上述技术方案的工作原理为:所述S300包括:
S301:基于全市区域网格化地表起伏度集合和主城区区域网格化建筑迎风面积比集合,进行最低成本路径分析;
S302:通过最低成本路径分析,估算16个风向上的全市风向通道和主城区风向通道,表征区域地表气流的运动路径;
S303:计算16个风向中每个风向上的传输通道频率矩阵,获得不同风向上的风向通道频率矩阵;
分别基于全市区域网格化地形起伏度和主城区区域网格化建筑迎风面积比计算结果,应用最低成本路径(Least Cost Path,LCP)分析,估算16个风向上的全市和主城区风向通道,表征区域地表气流的运动路径;
最低成本路径分析使用区域的成本权重表面确定起点和目的地之间的累积成本最低的路径;基于网格化的成本权重表面,对一个起点网格的八个相邻网格进行评估,使路径向具有最小成本权重的网格移动,然后不断重复迭代该过程,直到路径移动至目的地网格;所得路径即为两点之间的累积成本最低的路径;
在全市区域内,将网格化地形起伏度作为成本权重表面,在主城区区域内,网格化建筑迎风面积比作为成本权重表面,设置16个风向(图3)对应的起点和目的地网格;图4中以(a)东风、(b)北风、(c)东北风、(d)西北风,4个风向为例,示意不同风向上的起点(s1,s2,s3,……,sN)和目的地网格(e1,e2,e3,……,eN)的设置;针对选择的起点和目的地网格,分别计算16个风向下的最低成本路径,其中,对起点网格s1及其相邻8个网格到e1及其相邻8个网格,一一对应的最低成本路径,记录路径所经过的网格,其他网格以此类推(s2→e2,s2→e2,s3→e3,……,sN→eN),每计算一次路径,针对全市和主城区内起点及目的地以外的网格,计算其是否为最低成本路径上的网格,是则网格值记为1,否则网格值记为0,存储为网格矩阵X1,X2,X3,……,XN;对每个风向计算该风向上的传输通道频率矩阵:F=X1+X2+X3,+……XN;完成16个风向的传输通道频率矩阵:F1,F2,F3,F4,……F16;
通过高斯扩散模型,结合三维风场,预测大气污染的短期局部传输情况。
上述技术方案的有益效果为:基于全市区域网格化地表起伏度集合和主城区区域网格化建筑迎风面积比集合,进行最低成本路径分析;通过最低成本路径分析,估算16个风向上的全市风向通道和主城区风向通道,表征区域地表气流的运动路径;计算16个风向中每个风向上的传输通道频率矩阵,获得不同风向上的风向通道频率矩阵;通过高斯扩散模型,结合三维风场,可有效预测大气污染的短期局部传输情况。
在一个实施例中,所述S400包括:
S401:结合不同风向上的风向通道频率矩阵,选择重污染时段;
S402:计算重污染时段内的风向通道及重污染时段内16个风向的频率;计算城市地表网格和城市建筑网格空间单元的风向通道概率;
S403:分别对城市地表网格和城市建筑网格空间单元的污染排放量和污染传输通道概率进行归一化,并进行城市污染热点区域识别。
上述技术方案的工作原理为:所述S400包括:
S401:结合不同风向上的风向通道频率矩阵,选择重污染时段;
S402:计算重污染时段内的风向通道及重污染时段内16个风向的频率;计算城市地表网格和城市建筑网格空间单元的风向通道概率;
S403:分别对城市地表网格和城市建筑网格空间单元的污染排放量和污染传输通道概率进行归一化,并进行城市污染热点区域识别;
与已有网格化污染排放清单结合进行分析,分别对区域内网格的污染排放量Ei和污染传输通道概率Pi进行归一化,得到归一化后的数值Ei’和Pi’:
其中,Emax和Emin分别为区域内所有网格的污染排放量最大值和最小值;Pmax和Pmin分别为区域内所有网格的污染传输通道概率最大值和最小值。
然后对每个网格计算污染热点值Hi:
Hi=(E'i+Pi')/2
对区域内所有网格,计算Hi的五分位数,Hi大于第四五分位数的网格为一级热点网格,大于第三五分位数的网格为二级热点网格、大于第二五分位数为三级热点网格、大于第一五分位数为四级热点网格、小于第一五分位数为非热点网格。第一、二、三级即为污染排放量高且位于高频风向通道的污染热点区域;
对污染路径进行识别,依据识别的污染路径及大气传输通量结果,对数值模型结果进行优化,降低误差度,进行大气环境监管及支撑大气环境治理。
上述技术方案的有益效果为:结合不同风向上的风向通道频率矩阵,选择重污染时段;计算重污染时段内的风向通道及重污染时段内16个风向的频率;计算城市地表网格和城市建筑网格空间单元的风向通道概率;分别对城市地表网格和城市建筑网格空间单元的污染排放量和污染传输通道概率进行归一化,并进行城市污染热点区域识别;对污染路径进行识别;依据识别的污染路径、大气传输通量等结果,可对数值模型结果进行优化,降低误差度,有效服务于大气环境监管,为大气环境治理提供技术支撑。
在一个实施例中,所述S102包括:
S1021:选择地表起伏度作为下垫面粗糙度的指标;设置城市地表中心网格和城市地表相邻网格的位置比例;1个城市地表中心网格位于8个城市地表相邻网格的中心,构成9宫格样式的城市地表网格;
S1022:根据城市地表高程网格数据,计算城市地表中心网格及城市地表相邻网格中的最高网格海拔高度和最低网格海拔高度的差值;
S1023:按照最高网格海拔高度和最低网格海拔高度的差值计算方法,计算每个城市地表网格的地表起伏度。
上述技术方案的工作原理为:所述S102包括:
S1021:选择地表起伏度作为下垫面粗糙度的指标;设置城市地表中心网格和城市地表相邻网格的位置比例;1个城市地表中心网格位于8个城市地表相邻网格的中心,构成9宫格样式的城市地表网格;
S1022:根据城市地表高程网格数据,计算城市地表中心网格及城市地表相邻网格中的最高网格海拔高度和最低网格海拔高度的差值;
S1023:按照最高网格海拔高度和最低网格海拔高度的差值计算方法,计算每个城市地表网格的地表起伏度。
上述技术方案的有益效果为:选择地表起伏度作为下垫面粗糙度的指标;设置城市地表中心网格和城市地表相邻网格的位置比例;1个城市地表中心网格位于8个城市地表相邻网格的中心,构成9宫格样式的城市地表网格;根据城市地表高程网格数据,计算城市地表中心网格及城市地表相邻网格中的最高网格海拔高度和最低网格海拔高度的差值;按照最高网格海拔高度和最低网格海拔高度的差值计算方法,计算每个城市地表网格的地表起伏度;使城市地表指标空间维度更全面。
在一个实施例中,所述S202包括:
S2021:设定城市建筑网格空间单元内所有建筑沿风向上的投影面积之和,获得城市建筑网格空间单元的建筑迎风面;城市建筑网格空间单元的长*宽包括:200m*200m;
S2022:计算城市建筑网格空间单元内所有城市建筑用地面积总和;
S2023:计算城市建筑网格空间单元的建筑迎风面和建筑用地面积总和之比,获得多个建筑迎风面和建筑用地面积总和之比数据。
上述技术方案的工作原理为:所述S202包括:
S2021:设定城市建筑网格空间单元内所有建筑沿风向上的投影面积之和,获得城市建筑网格空间单元的建筑迎风面;城市建筑网格空间单元的长*宽包括:200m*200m;
S2022:计算城市建筑网格空间单元内所有城市建筑用地面积总和;
S2023:计算城市建筑网格空间单元的建筑迎风面和建筑用地面积总和之比,获得多个建筑迎风面和建筑用地面积总和之比数据。
上述技术方案的有益效果为:设定城市建筑网格空间单元内所有建筑沿风向上的投影面积之和,获得城市建筑网格空间单元的建筑迎风面;城市建筑网格空间单元的长*宽包括:200m*200m;计算城市建筑网格空间单元内所有城市建筑用地面积总和;计算城市建筑网格空间单元的建筑迎风面和建筑用地面积总和之比,获得多个建筑迎风面和建筑用地面积总和之比数据;提高了城市建筑及城市风向通道建模准确性。
在一个实施例中,所述S302包括:
S3021:在全市区域内,将网格化地形起伏度作为成本权重表面,在主城区区域内,将网格化建筑迎风面积比作为成本权重表面,设置16个风向对应的起点网格和目的地网格;
S3022:通过最低成本路径分析,基于网格化的成本权重表面,对一个起点网格的八个相邻网格进行评估,使路径向具有最小成本权重的网格移动;
S3023:然后不断重复S3021的迭代过程,直到路径移动至目的地网格;所得路径即为两点之间的累积成本最低的路径;估算16个风向上的全市风向通道和主城区风向通道,表征区域地表气流的运动路径。
上述技术方案的工作原理为:所述S302包括:
S3021:在全市区域内,将网格化地形起伏度作为成本权重表面,在主城区区域内,将网格化建筑迎风面积比作为成本权重表面,设置16个风向对应的起点网格和目的地网格;
S3022:通过最低成本路径分析,基于网格化的成本权重表面,对一个起点网格的八个相邻网格进行评估,使路径向具有最小成本权重的网格移动;
S3023:然后不断重复S3021的迭代过程,直到路径移动至目的地网格;所得路径即为两点之间的累积成本最低的路径;估算16个风向上的全市风向通道和主城区风向通道,表征区域地表气流的运动路径。
上述技术方案的有益效果为:S3021:在全市区域内,将网格化地形起伏度作为成本权重表面,在主城区区域内,将网格化建筑迎风面积比作为成本权重表面,设置16个风向对应的起点网格和目的地网格;S3022:通过最低成本路径分析,基于网格化的成本权重表面,对一个起点网格的八个相邻网格进行评估,使路径向具有最小成本权重的网格移动;S3023:然后不断重复S3021的迭代过程,直到路径移动至目的地网格;所得路径即为两点之间的累积成本最低的路径;估算16个风向上的全市风向通道和主城区风向通道,表征区域地表气流的运动路径;可以进一步解译城市复杂污染变化规律。
在一个实施例中,所述S402包括:
S4021:计算重污染时段内的风向通道及重污染时段内16个风向的频率,获得重污染时段内16个风向的频率集合;
S4022:根据重污染时段内16个风向的频率集合,对区域内每个网格计算网格的风向通道概率,获得风向通道概率集合;
S4023:根据风向通道概率集合,计算城市地表网格和城市建筑网格空间单元的风向通道概率。
上述技术方案的工作原理为:所述S402包括:
S4021:计算重污染时段内的风向通道及重污染时段内16个风向的频率,获得重污染时段内16个风向的频率集合;重污染时段内16个风向的频率集合记为{w1,w2,……,w16};
S4022:根据重污染时段内16个风向的频率集合,对区域内每个网格计算网格的风向通道概率,获得风向通道概率集合;设置区域内每个网格i,对区域内每个网格i计算网格的风向通道概率,风向通道概率记为{Pi=F1i*w1i+F2i*w2i+……+F16i*w16i};风向通道概率中F1i表示第1风向上的传输通道频率,w1i表示第1风向上的风向频率,F2i表示第2风向上的传输通道频率,w2i表示第2风向上的风向频率,直至第16风向:F16i表示第16风向上的传输通道频率,w16i表示第16风向上的风向频率;获得风向通道概率集合Pi;
S4023:根据风向通道概率集合,计算城市地表网格和城市建筑网格空间单元的风向通道概率。
上述技术方案的有益效果为:计算重污染时段内的风向通道及重污染时段内16个风向的频率,获得重污染时段内16个风向的频率集合;重污染时段内16个风向的频率集合记为{w1,w2,……,w16};根据重污染时段内16个风向的频率集合,对区域内每个网格计算网格的风向通道概率,获得风向通道概率集合;设置区域内每个网格i,对区域内每个网格i计算网格的风向通道概率,风向通道概率记为{Pi=F1i*w1i+F2i*w2i+……+F16i*w16i};风向通道概率中F1i表示第1风向上的传输通道频率,w1i表示第1风向上的风向频率,F2i表示第2风向上的传输通道频率,w2i表示第2风向上的风向频率,直至第16风向:F16i表示第16风向上的传输通道频率,w16i表示第16风向上的风向频率;获得风向通道概率集合Pi;根据风向通道概率集合,计算城市地表网格和城市建筑网格空间单元的风向通道概率;平稳化均衡化风力指标,降低风矢量场复杂度,使风指标可预测化。
在一个实施例中,所述S403包括:
S4031:分别对城市地表网格和城市建筑网格空间单元与已有网格化污染排放清单结合进行分析并进行归一化,获得归一化污染排放量和归一化污染传输通道概率;
S4032:分别对每个城市地表网格和城市建筑网格空间单元网格计算污染热点值;
S4033:根据污染热点值,判定污染排放量及高频风向通道的污染热点区域;根据污染排放量及高频风向通道的污染热点区域,进行城市污染热点区域识别。
上述技术方案的工作原理为:所述S403包括:
S4031:分别对城市地表网格和城市建筑网格空间单元与已有网格化污染排放清单结合进行分析并进行归一化,获得归一化污染排放量和归一化污染传输通道概率;
S4032:分别对每个城市地表网格和城市建筑网格空间单元网格计算污染热点值;
S4033:根据污染热点值,判定污染排放量及高频风向通道的污染热点区域;根据污染排放量及高频风向通道的污染热点区域,进行城市污染热点区域识别;判定污染排放量及高频风向通道的污染热点区域包括:统计分析城市区域内所有网格的污染排放量最大值和污染排放量最小值;统计分析城市区域内所有网格的污染传输通道概率最大值和污染传输通道概率最小值;计算污染热点值的五分位数;设置多级热点网格;污染热点值大于第四五分位数的网格为一级热点网格,大于第三五分位数的网格为二级热点网格、大于第二五分位数为三级热点网格、大于第一五分位数为四级热点网格、小于第一五分位数为非热点网格;第一、二、三级为污染排放量高且位于高频风向通道的污染热点区域。
上述技术方案的有益效果为:分别对城市地表网格和城市建筑网格空间单元与已有网格化污染排放清单结合进行分析并进行归一化,获得归一化污染排放量和归一化污染传输通道概率;分别对每个城市地表网格和城市建筑网格空间单元网格计算污染热点值;根据污染热点值,判定污染排放量及高频风向通道的污染热点区域;根据污染排放量及高频风向通道的污染热点区域,进行城市污染热点区域识别;判定污染排放量及高频风向通道的污染热点区域包括:统计分析城市区域内所有网格的污染排放量最大值和污染排放量最小值;统计分析城市区域内所有网格的污染传输通道概率最大值和污染传输通道概率最小值;计算污染热点值的五分位数;设置多级热点网格;污染热点值大于第四五分位数的网格为一级热点网格,大于第三五分位数的网格为二级热点网格、大于第二五分位数为三级热点网格、大于第一五分位数为四级热点网格、小于第一五分位数为非热点网格;第一、二、三级为污染排放量高且位于高频风向通道的污染热点区域;依靠空气流动性将洁净空气导入城市内部同时将废气废热等稀释排出;通过节能生态方式改善城市风热环境;对气象调节作用显著。
尽管本发明的实施方案已公开如上,但其并不仅仅限于说明书和实施方式中所列运用,它完全可以被适用于各种适合本发明的领域,对于熟悉本领域的人员而言,可容易地实现另外的修改,因此在不背离权利要求及等同范围所限定的一般概念下,本发明并不限于特定的细节与这里示出与描述的图例。
Claims (10)
1.一种基于城市尺度和风向通道的污染热点区域识别方法,其特征在于,包括:
S100:将全市尺度地表区域划分多个城市地表网格;计算每个城市地表网格的地表起伏度并汇集成数据集合,获得全市区域网格化地表起伏度集合;
S200:计算城市建筑网格空间单元的建筑迎风面和建筑用地面积总和之比并汇集成数据集合,获得主城区区域网格化建筑迎风面积比集合;
S300:基于全市区域网格化地表起伏度集合和主城区区域网格化建筑迎风面积比集合,计算不同风向上的风向通道频率矩阵;
S400:结合不同风向上的风向通道频率矩阵,计算重污染时段内的风向通道,进行城市污染热点区域识别。
2.如权利要求1所述的一种基于城市尺度和风向通道的污染热点区域识别方法,其特征在于,所述S100包括:
S101:按照设定城市地表尺度长宽,将全市尺度地表区域划分多个城市地表网格;城市地表网格包括:城市地表中心网格及城市地表相邻网格;所述网格长度*宽度包括:1km*1km;
S102:根据城市地表高程网格数据,计算每个城市地表网格的地表起伏度;
S103:将多个城市地表网格的多个网格地表起伏度汇集成数据集合,获得全市区域网格化地表起伏度集合。
3.如权利要求1所述的一种基于城市尺度和风向通道的污染热点区域识别方法,其特征在于,所述S200包括:
S201:按照设定城市建筑区域长宽划分城市建筑网格空间单元;
S202:计算城市建筑网格空间单元的建筑迎风面和建筑用地面积总和之比,获得多个建筑迎风面和建筑用地面积总和之比数据;
S203:将多个建筑迎风面和建筑用地面积总和之比数据汇集成数据集合,获得主城区区域网格化建筑迎风面积比集合。
4.如权利要求1所述的一种基于城市尺度和风向通道的污染热点区域识别方法,其特征在于,所述S300包括:
S301:基于全市区域网格化地表起伏度集合和主城区区域网格化建筑迎风面积比集合,进行最低成本路径分析;
S302:通过最低成本路径分析,估算16个风向上的全市风向通道和主城区风向通道,表征区域地表气流的运动路径;
S303:计算16个风向中每个风向上的传输通道频率矩阵,获得不同风向上的风向通道频率矩阵。
5.如权利要求1所述的一种基于城市尺度和风向通道的污染热点区域识别方法,其特征在于,所述S400包括:
S401:结合不同风向上的风向通道频率矩阵,选择重污染时段;
S402:计算重污染时段内的风向通道及重污染时段内16个风向的频率;计算城市地表网格和城市建筑网格空间单元的风向通道概率;
S403:分别对城市地表网格和城市建筑网格空间单元的污染排放量和污染传输通道概率进行归一化,并进行城市污染热点区域识别。
6.如权利要求2所述的一种基于城市尺度和风向通道的污染热点区域识别方法,其特征在于,所述S102包括:
S1021:选择地表起伏度作为下垫面粗糙度的指标;设置城市地表中心网格和城市地表相邻网格的位置比例;1个城市地表中心网格位于8个城市地表相邻网格的中心,构成9宫格样式的城市地表网格;
S1022:根据城市地表高程网格数据,计算城市地表中心网格及城市地表相邻网格中的最高网格海拔高度和最低网格海拔高度的差值;
S1023:按照最高网格海拔高度和最低网格海拔高度的差值计算方法,计算每个城市地表网格的地表起伏度。
7.如权利要求3所述的一种基于城市尺度和风向通道的污染热点区域识别方法,其特征在于,所述S202包括:
S2021:设定城市建筑网格空间单元内所有建筑沿风向上的投影面积之和,获得城市建筑网格空间单元的建筑迎风面;城市建筑网格空间单元的长*宽包括:200m*200m;
S2022:计算城市建筑网格空间单元内所有城市建筑用地面积总和;
S2023:计算城市建筑网格空间单元的建筑迎风面和建筑用地面积总和之比,获得多个建筑迎风面和建筑用地面积总和之比数据。
8.如权利要求4所述的一种基于城市尺度和风向通道的污染热点区域识别方法,其特征在于,所述S302包括:
S3021:在全市区域内,将网格化地形起伏度作为成本权重表面,在主城区区域内,将网格化建筑迎风面积比作为成本权重表面,设置16个风向对应的起点网格和目的地网格;
S3022:通过最低成本路径分析,基于网格化的成本权重表面,对一个起点网格的八个相邻网格进行评估,使路径向具有最小成本权重的网格移动;
S3023:然后不断重复S3021的迭代过程,直到路径移动至目的地网格;所得路径即为两点之间的累积成本最低的路径;估算16个风向上的全市风向通道和主城区风向通道,表征区域地表气流的运动路径。
9.如权利要求5所述的一种基于城市尺度和风向通道的污染热点区域识别方法,其特征在于,所述S402包括:
S4021:计算重污染时段内的风向通道及重污染时段内16个风向的频率,获得重污染时段内16个风向的频率集合;
S4022:根据重污染时段内16个风向的频率集合,对区域内每个网格计算网格的风向通道概率,获得风向通道概率集合;
S4023:根据风向通道概率集合,计算城市地表网格和城市建筑网格空间单元的风向通道概率。
10.如权利要求5所述的一种基于城市尺度和风向通道的污染热点区域识别方法,其特征在于,所述S403包括:
S4031:分别对城市地表网格和城市建筑网格空间单元与已有网格化污染排放清单结合进行分析并进行归一化,获得归一化污染排放量和归一化污染传输通道概率;
S4032:分别对每个城市地表网格和城市建筑网格空间单元网格计算污染热点值;
S4033:根据污染热点值,判定污染排放量及高频风向通道的污染热点区域;根据污染排放量及高频风向通道的污染热点区域,进行城市污染热点区域识别。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211456536.5A CN115718983B (zh) | 2022-11-21 | 2022-11-21 | 一种基于城市尺度和风向通道的污染热点区域识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211456536.5A CN115718983B (zh) | 2022-11-21 | 2022-11-21 | 一种基于城市尺度和风向通道的污染热点区域识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115718983A true CN115718983A (zh) | 2023-02-28 |
CN115718983B CN115718983B (zh) | 2023-07-18 |
Family
ID=85255742
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211456536.5A Active CN115718983B (zh) | 2022-11-21 | 2022-11-21 | 一种基于城市尺度和风向通道的污染热点区域识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115718983B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117745106A (zh) * | 2024-02-04 | 2024-03-22 | 西昌学院 | 一种大气污染协调控制区域的识别方法、系统和存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130257055A1 (en) * | 2012-03-30 | 2013-10-03 | Larry Clark Simpson | Geothermal Wind System |
EP2797041A1 (en) * | 2013-04-26 | 2014-10-29 | Università Del Salento - Dipartimento Di Ingegneria Dell'Innovazione | Method for estimating pollutant concentration of urban environments using fluid-dynamics clustering |
US20150226575A1 (en) * | 2013-06-20 | 2015-08-13 | University Of Florida Research Foundation, Inc. | Flight path development for remote sensing vehicles in a moving reference frame |
CN114778162A (zh) * | 2022-04-24 | 2022-07-22 | 中车青岛四方机车车辆股份有限公司 | 用于轨道车辆的通风系统过滤性能测试装置及方法 |
-
2022
- 2022-11-21 CN CN202211456536.5A patent/CN115718983B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130257055A1 (en) * | 2012-03-30 | 2013-10-03 | Larry Clark Simpson | Geothermal Wind System |
EP2797041A1 (en) * | 2013-04-26 | 2014-10-29 | Università Del Salento - Dipartimento Di Ingegneria Dell'Innovazione | Method for estimating pollutant concentration of urban environments using fluid-dynamics clustering |
US20150226575A1 (en) * | 2013-06-20 | 2015-08-13 | University Of Florida Research Foundation, Inc. | Flight path development for remote sensing vehicles in a moving reference frame |
CN114778162A (zh) * | 2022-04-24 | 2022-07-22 | 中车青岛四方机车车辆股份有限公司 | 用于轨道车辆的通风系统过滤性能测试装置及方法 |
Non-Patent Citations (5)
Title |
---|
CHUN-MING HSIEH等: "Mitigating urban heat islands: A method to identify potential wind corridor for cooling and ventilation", 《COMPUTERS, ENVIRONMENT AND URBAN SYSTEMS》, vol. 57, pages 130 - 143, XP029469641, DOI: 10.1016/j.compenvurbsys.2016.02.005 * |
李明远;邹慧芬;: "基于城市尺度的风环境分析和污染情况探究", 西部皮革, vol. 40, no. 22, pages 48 * |
申鑫杰: "郑州市多尺度通风廊道构建及规划方法研究", 《中国优秀硕士学位论文全文数据库 基础科学辑》, no. 06, pages 009 - 71 * |
郭飞;赵君;张弘驰;王哲;宋煜;: "多模型、多尺度城市风廊发掘及景观策略", 风景园林, vol. 27, no. 07, pages 79 - 86 * |
马苏等: "鄂尔多斯市防风固沙功能时空变化及驱动因素分析", 《环境科学研究》, vol. 35, no. 11, pages 2477 - 2485 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117745106A (zh) * | 2024-02-04 | 2024-03-22 | 西昌学院 | 一种大气污染协调控制区域的识别方法、系统和存储介质 |
CN117745106B (zh) * | 2024-02-04 | 2024-05-17 | 西昌学院 | 一种大气污染协调控制区域的识别方法、系统和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115718983B (zh) | 2023-07-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106649960B (zh) | 大气多污染物环境容量三维迭代计算方法 | |
Martins et al. | From solar constraints to urban design opportunities: Optimization of built form typologies in a Brazilian tropical city | |
Afshar et al. | Particle swarm optimization for automatic calibration of large scale water quality model (CE-QUAL-W2): Application to Karkheh Reservoir, Iran | |
CN111444558B (zh) | 一种提升城市气候宜居度的城市通风廊道划定方法 | |
CN111598314B (zh) | 一种基于绩效单元的公园绿地规划布局方法 | |
CN106600063B (zh) | 一种基于模糊粗糙集理论和时空信息的空间负荷预测方法 | |
CN109933901B (zh) | 一种生态系统服务价值最优化的mcr城市扩张模拟方法 | |
CN115718983A (zh) | 一种基于城市尺度和风向通道的污染热点区域识别方法 | |
CN112699610A (zh) | 一种基于高维多目标进化算法的海绵城市优化设计方法 | |
CN114723283A (zh) | 一种面向城市群的生态承载力遥感评估方法及装置 | |
CN105913134A (zh) | 一种城市产业布局空间优化分析的soa技术方法 | |
CN114418215A (zh) | 一种基于人工智能的智慧城市输电线路规划方法 | |
Wang et al. | Offline optimization of sluice control rules in the urban water system for flooding mitigation | |
CN113743659B (zh) | 一种基于成分法和马尔可夫元胞自动机的城市布局预测方法及应用 | |
CN110543660B (zh) | 一种低冲击开发模拟方法、系统及相关装置 | |
CN110580377A (zh) | 一种基于响应曲面法的植草沟设计参数优化方法 | |
CN117012004B (zh) | 一种城市内涝风险预警方法及系统 | |
CN111738527B (zh) | 一种基于热点探测模型的城市交通小区划分方法 | |
CN117273200A (zh) | 一种基于卷积优化算法和Pyraformer神经网络的径流区间预报方法 | |
Zhou et al. | The impact of urban morphology on multiple ecological effects: Coupling relationships and collaborative optimization strategies | |
CN116561845A (zh) | 数字技术赋能的城市屋顶绿化多情景模拟方法及系统 | |
CN114547991B (zh) | 基于气候变化的城市排水系统规划设计优化系统 | |
CN116777230A (zh) | 基于gis空间分析技术的变电站选址区域智能划分方法 | |
CN115496128A (zh) | 一种基于雨强-雨型特征参数联合分布的城市内涝风险预报方法 | |
CN113128845B (zh) | 一种基于遥感影像和多源数据的屋顶绿化优先级计算方法 |
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 |