CN115935855B - 基于优化树木花粉浓度指标的城市绿化方法及装置 - Google Patents

Abstract

本发明公开了一种基于优化树木花粉浓度指标的城市绿化方法及装置，包括：设定目标城市的树木花粉综合风险阈值，建立目标城市的气象特征谱；根据当前绿化方案建立目标城市的计算流体力学模型库，根据计算流体力学模型库建立目标城市的树木花粉浓度分布模拟情景库，根据气象特征谱和树木花粉浓度分布模拟情景库，得到目标城市在行人高度处所有空间点位的树木花粉综合风险预测值；迭代修改城市绿化方案直至城市绿化方案的树木花粉综合风险预测值低于树木花粉综合风险阈值。本发明通过量化评价不同城市绿化方案给城市人居环境带来的树木花粉风险，帮助迭代优选出最为合理的城市绿化方案，为构建更为和谐、健康的人居环境提供支撑。

Description

基于优化树木花粉浓度指标的城市绿化方法及装置

技术领域

本发明涉及城市环境技术领域，特别涉及一种基于优化树木花粉浓度指标的城市绿化方法及装置。

背景技术

花粉过敏症的发病率占过敏性鼻炎患者的30%以上。城市内密布的树木花粉已经对城市的人居环境造成较大影响。

城市绿化方案对于城市空间内树木花粉浓度的分布情况有着最为直接的影响。以往城市绿化规划方法大多关注于是否与周围环境协调统一，即以视觉感受、人文特色等为主要优化指标。较少有城市绿化规划关注其对城市空间内树木花粉浓度的影响。即使有部分规划方案注意到需要控制花粉扩散性强的树种数量，但由于缺乏不同方案下城市花粉风险的量化评测方法，导致相关规划设计只能在定性而不能在定量的层面开展。因此，现有技未考虑花粉扩散和浓度问题，形成的城市绿化方案不完整，不利于城市现代化建设。

发明内容

本申请旨在至少在一定程度上解决相关技术中的技术问题之一，本发明实施例提供了一种基于优化树木花粉浓度指标的城市绿化方法及装置，技术方案如下：

一种基于优化树木花粉浓度指标的城市绿化方法，包括下述步骤：

根据目标城市在树木花粉季的时间跨度，设定所述目标城市的树木花粉综合风险阈值；

获取所述目标城市在所述树木花粉季的历史气象数据，建立所述目标城市的气象特征谱；

根据当前绿化方案建立所述目标城市的计算流体力学模型库，根据所述计算流体力学模型库建立所述目标城市的树木花粉浓度分布模拟情景库，其中，所述树木花粉浓度分布模拟情景库中的花粉浓度所在高度为行人高度，所述当前绿化方案为未进行优化的城市绿化方案；

根据气象特征谱和树木花粉浓度分布模拟情景库，得到所述目标城市在行人高度处所有空间点位的树木花粉综合风险预测值；

迭代修改城市绿化方案直至所述城市绿化方案的树木花粉综合风险预测值低于所述树木花粉综合风险阈值。

优选的，所述获取所述目标城市在所述树木花粉季的历史气象数据，建立所述目标城市的气象特征谱包括：

S201、获取所述目标城市在树木花粉季的历史气象数据；

S202、通过插值方法对所述历史气象数据中的缺项数据进行补充；

S203、筛选出所述历史气象数据在北、东北、东、东南、南、西南、西和西北方向的风向记录，绘制所述历史气象数据的风向概率分布图；针对每一个风向的历史气象数据，以至多3m/s的风速间隔绘制所述历史气象数据的风速概率分布图；

S204、通过所述风向概率分布图和所述风速概率分布图形成所述目标城市的气象特征谱。

优选的，所述S201的获取所述目标城市在树木花粉季的历史气象数据包括：

获取所述目标城市在树木花粉季的历史风向数据和与所述历史风向数据对应的历史风速数据；

其中，所述历史风向数据的记录间隔时间不超过2个小时。

优选的，所述根据当前绿化方案建立所述目标城市的计算流体力学模型库，根据所述计算流体力学模型库建立所述目标城市的树木花粉浓度分布模拟情景库包括：

S301、建立所述目标城市在当前绿化方案下的计算流体力学模型库；

S302、通过所述计算流体力学模型库模拟构建所述目标城市的计算流体力学模拟情景库；

S303、通过高斯烟羽模型和所述计算流体力学模拟情景库建立所述目标城市在行人高度的树木花粉浓度分布模拟情景库。

优选的，所述计算流体力学模型库包括所述目标城市在所述气象特征谱所涵盖的所有情景下的计算流体力学模型；

所述计算流体力学模拟情景库包括所述目标城市在所述气象特征谱所涵盖的所有情景下的城市风场数据。

优选的，所述S303的通过高斯烟羽模型和所述计算流体力学模拟情景库建立所述目标城市在行人高度的树木花粉浓度分布模拟情景库包括：

针对所述目标城市的全部树木，在每一树冠的高度方向上，以0.1m为间距分别对每一个树冠的三维形状进行三维形状离散化，离散化为一系列三维几何体，将所述三维几何体的质心作为花粉扩散源，得到所述目标城市每一棵树木的花粉扩散源列表。

针对所述计算流体力学模拟情景库中的任意一个情景，从所述计算流体力学模拟情景库中获取此情景对应的每一棵树木的每一个花粉扩散源的风向数据和对应的风速数据，通过高斯烟羽模型计算在此情景下，所述目标城市在行人高度的所有空间点位的树木花粉浓度值。

遍历所述计算流体力学模拟情景库中的每一个情景，计算每一个情景下目标城市在行人高度所有空间点位的树木花粉浓度值，得到所述目标城市在行人高度的树木花粉浓度分布模拟情景库。

优选的，所述根据气象特征谱和树木花粉浓度分布模拟情景库，得到所述目标城市在行人高度处所有空间点位的树木花粉综合风险预测值包括：

将所有情景中相同空间点位的树木花粉浓度值进行加权求和，得到所述目标城市在行人高度的所有空间点位的树木花粉综合风险预测值；

所述树木花粉综合风险预测值的数值由计算公式（1）得到，所述计算公式（1）为：

所述气象特征谱中第个情景发生的概率的数值由计算公式（2）得到，所述计算公式（2）为：

其中，表示三维空间坐标；表示在空间位置处的树木花粉综合风险预测值；表示在第个情景下空间位置处的树木花粉浓度值；表示在所述气象特征谱中第个情景发生的概率；表示在所述气象特征谱中第个风向发生的概率；表示在所述气象特征谱的第个风向情景中第个风速发生的概率；表示所述气象特征谱所涵盖的总情景的个数。

优选的，所述迭代修改城市绿化方案直至所述城市绿化方案的树木花粉综合风险预测值低于所述树木花粉综合风险阈值包括：

当当前城市绿化方案下，处于行人高度的所有空间点位的树木花粉综合风险预测值不高于设定的所述目标城市的树木花粉综合风险阈值，则无需修改城市绿化方案；

否则，

修改当前城市绿化方案得到新的城市绿化方案，重复计算所述新的城市绿化方案的树木花粉综合风险预测值，直至低于树木花粉综合风险阈值。

优选的，所述S204中的气象特征谱包括第一维度和第二维度；

所述第一维度用于描述所述目标城市在树木花粉季的风向概率分布；

所述第二维度用于描述目标城市在树木花粉季的不同风向下的风速概率分布。

一种基于优化树木花粉浓度指标的城市绿化装置，包括：

阈值设定模块，所述阈值设定模块用于根据目标城市在树木花粉季的时间跨度，设定所述目标城市的树木花粉综合风险阈值；

气象特征谱模块，所述气象特征谱模块用于获取所述目标城市在所述树木花粉季的历史气象数据，建立所述目标城市的气象特征谱；

情景库建立模块，所述情景库建立模块用于根据当前绿化方案建立所述目标城市的计算流体力学模型库，根据所述计算流体力学模型库建立所述目标城市的树木花粉浓度分布模拟情景库，其中，所述树木花粉浓度分布模拟情景库中的花粉浓度所在高度为行人高度，所述当前绿化方案为未进行优化的城市绿化方案；

计算模块，所述计算模块用于根据气象特征谱和树木花粉浓度分布模拟情景库，得到所述目标城市在行人高度处所有空间点位的树木花粉综合风险预测值；

方案优化模块，所述方案优化模块用于迭代修改城市绿化方案直至所述城市绿化方案的树木花粉综合风险预测值低于所述树木花粉综合风险阈值。

本发明实施例提供的技术方案带来的有益效果至少包括：

打破以往城市绿化规划方法大多关注于是否与周围环境协调统一，即以视觉感受、人文特色等为主要优化指标的传统方式。关注对城市空间内树木花粉浓度的影响，形成在不同方案下，城市花粉风险的量化评测方法，达到相关城市绿化规划设计既能在定性又能在定量的层面开展。本发明从花粉在城市扩散问题入手，根据花粉扩散问题修正城市绿化方案，针对不同的城市都具备通用性。通过量化评价不同城市绿化方案给城市人居环境带来的树木花粉风险，帮助迭代优选出最为合理的城市绿化方案，为构建更为和谐、健康的人居环境提供支撑。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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他的附图。

图1为本申请实施例所提供的基于优化树木花粉浓度指标的城市绿化方法的流程图；

图2为本申请实施例所提供的一个真实城市区域在花粉季的气象特征谱示意图。

图3为本申请实施例所提供的一个真实城市区域在某一代表性风向下所有情景的树木花粉浓度分布图。

图4（a）为本申请实施例所提供的一种真实城市区域在不同绿化方案下的行人高度所有空间点位的树木花粉综合风险分布图；

图4（b）为本申请实施例所提供的另一种真实城市区域在不同绿化方案下的行人高度所有空间点位的树木花粉综合风险分布图。

图5为本申请实施例所提供的基于优化树木花粉浓度指标的城市绿化装置的结构图。

图6是本发明实施例提供的一种电子设备的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，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的实施例，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，都应当属于本发明保护的范围。

本发明打破以往城市绿化规划方法大多关注于是否与周围环境协调统一，即以视觉感受、人文特色等为主要优化指标的传统方式。关注对城市空间内树木花粉浓度的影响，形成在不同方案下，城市花粉风险的量化评测方法，达到相关城市绿化规划设计既能在定性又能在定量的层面开展。本发明的一种实施方式公开一种基于优化树木花粉浓度指标的城市绿化方法，具体包括：

如图1所示，一种基于优化树木花粉浓度指标的城市绿化方法，包括下述步骤：

S1、根据目标城市在树木花粉季的时间跨度，设定目标城市的树木花粉综合风险阈值；

S2、获取目标城市在树木花粉季的历史气象数据，建立目标城市的气象特征谱；

S3、根据当前绿化方案建立目标城市的计算流体力学模型库，根据计算流体力学模型库建立目标城市的树木花粉浓度分布模拟情景库，其中，树木花粉浓度分布模拟情景库中的花粉浓度所在高度为行人高度，当前绿化方案为未进行优化的城市绿化方案；

S4、根据气象特征谱和树木花粉浓度分布模拟情景库，得到目标城市在行人高度处所有空间点位的树木花粉综合风险预测值；

S5、迭代修改城市绿化方案直至城市绿化方案的树木花粉综合风险预测值低于树木花粉综合风险阈值。

其中，步骤S1与其他步骤可不按序执行，步骤S1只需要在步骤S5开始之前完成即可。

本发明突破了当前城市绿化方案规划方法难以量化考虑树木花粉风险的局限，通过量化评价不同城市绿化方案给城市人居环境带来的树木花粉风险，帮助迭代优选出最为合理的城市绿化方案，为构建更为和谐、健康的人居环境提供支撑。

进一步地，S1、根据目标城市在树木花粉季的时间跨度，设定目标城市的树木花粉综合风险阈值在本申请中的一种实施例包括：

需要确定目标城市树木花粉季的时间跨度，并在综合考虑城市人居环境质量水平的情况下，为目标城市树木花粉综合风险设定一个可接受的阈值。在本申请实施例中，这一阈值设为5。

进一步地，S2、获取目标城市在树木花粉季的历史气象数据，建立目标城市的气象特征谱包括：

S201、获取目标城市在树木花粉季的历史气象数据；

获取目标城市在树木花粉季的历史风向数据和与历史风向数据对应的历史风速数据；

其中，历史风向数据的记录间隔时间不超过2个小时。

S202、通过插值方法对历史气象数据中的缺项数据进行补充；

S203、筛选出历史气象数据在北、东北、东、东南、南、西南、西和西北方向的风向记录，绘制历史气象数据的风向概率分布图；针对每一个风向的历史气象数据，以至多3m/s的风速间隔绘制历史气象数据的风速概率分布图；

S204、通过风向概率分布图和风速概率分布图形成目标城市的气象特征谱。其中，S204中的气象特征谱包括第一维度和第二维度；第一维度用于描述目标城市在树木花粉季的风向概率分布；第二维度用于描述目标城市在树木花粉季的不同风向下的风速概率分布。

进一步地，图2为本申请实施例所提供的一个真实城市区域在花粉季的气象特征谱示意图。如图2所示，展示了本申请实施例所提供的一个真实城市区域在花粉季的风向概率分布图以及不同风向下的风速概率分布图。图2中，玫瑰图展示的是风向概率分布；其余8个柱状图展示的是不同风向下的风速概率分布，基于历史气象数据将风速划分为[0, 2]、(2, 4]、(4, 6]、(6, 8]、(8, 10]、(10, 12]、(12, 20]这7个特征区间（单位：m/s）；N、NE、E、SE、S、SW、W、NW分别表示北、东北、东、东南、南、西南、西、西北风向。

进一步地，S3、根据当前绿化方案建立目标城市的计算流体力学模型库，根据计算流体力学模型库建立目标城市的树木花粉浓度分布模拟情景库包括：

S301、建立目标城市在当前绿化方案下的计算流体力学模型库；

S302、通过计算流体力学模型库模拟构建目标城市的计算流体力学模拟情景库。

其中，计算流体力学模型库包括目标城市在气象特征谱所涵盖的所有情景下的计算流体力学模型；计算流体力学模拟情景库包括目标城市在气象特征谱所涵盖的所有情景下的城市风场数据。

在本申请实施例中，对于[0, 2]、(2, 4]、(4, 6]、(6, 8]、(8, 10]、(10, 12]、(12, 20]这7个特征区间，分别取1、3、5、7、9、11、16m/s作为各个特征区间的特征风速，最终本申请实施例中的气象特征谱共计涵盖41个情景。其中，N、NE、E、SE、S、SW、W、NW风向下的情景数分别为6、5、3、4、4、5、7、7。

通过计算流体力学模拟构建目标城市的计算流体力学模拟情景库。计算流体力学模拟通过修正树木树冠所占据空间的空气流体控制方程来考虑城市建成环境中树木对于城市风场的影响，计算流体力学模拟情景库包含目标城市在气象特征谱所涵盖的所有情景下的城市风场数据。

S303、通过高斯烟羽模型和计算流体力学模拟情景库建立目标城市在行人高度的树木花粉浓度分布模拟情景库。具体包括：

针对目标城市的全部树木，在每一树冠的高度方向上，以0.1m为间距分别对每一个树冠的三维形状进行三维形状离散化，离散化为一系列三维几何体，将三维几何体的质心作为花粉扩散源，得到目标城市每一棵树木的花粉扩散源列表。

针对计算流体力学模拟情景库中的任意一个情景，从计算流体力学模拟情景库中获取此情景对应的每一棵树木的每一个花粉扩散源的风向数据和对应的风速数据，通过高斯烟羽模型计算在此情景下，目标城市在行人高度的所有空间点位的树木花粉浓度值。

遍历计算流体力学模拟情景库中的每一个情景，计算每一个情景下目标城市在行人高度所有空间点位的树木花粉浓度值，得到目标城市在行人高度的树木花粉浓度分布模拟情景库。

针对某一具体风向下的某一具体风速情景，从计算流体力学模拟情景库获取用于模拟树木花粉扩散的高斯烟羽模型所需的风速和风向数据。

通过高斯烟羽模型计算此情景下目标城市在行人高度所有空间点位的树木花粉浓度值。

在本申请实施例中，行人高度取该实施例所提供的一个真实城市区域的居民平均呼吸高度1.5m。

遍历计算流体力学模拟情景库的每一个情景，计算每一个情景下目标城市在行人高度所有空间点位的树木花粉浓度值，建立目标城市在行人高度的树木花粉浓度分布模拟情景库。

在本申请实施例中，树木花粉浓度分布模拟情景库涵盖了气象特征谱中的所有41个情景。为简洁描述，本申请书并未选择将树木花粉浓度分布模拟情景库中的所有情景结果都展示出来，而是通过图3展示了树木花粉浓度分布模拟情景库中某一代表性风向下的所有情景结果。图3中白色块体代表建筑，平面内颜色的深浅代表树木花粉浓度相对值的高低。

S4、根据气象特征谱和树木花粉浓度分布模拟情景库，得到目标城市在行人高度处所有空间点位的树木花粉综合风险预测值包括：

将所有情景中相同空间点位的树木花粉浓度值进行加权求和，得到目标城市在行人高度的所有空间点位的树木花粉综合风险预测值，具体包括：针对某一具体风向下的某一具体风速情景，从气象特征谱为该情景匹配对应的发生概率，计算该情景下目标城市行人高度所有空间点位的考虑发生概率的树木花粉浓度值。

遍历计算流体力学模拟情景库的每一个情景，计算每一个情景下目标城市行人高度所有空间点位的考虑发生概率的树木花粉浓度值。

将所有情景中相同空间点位的树木花粉浓度值进行加权求和，得到目标城市在行人高度所有空间点位的树木花粉综合风险预测值。

所述树木花粉综合风险预测值的数值由计算公式（1）得到，所述计算公式（1）为：

所述气象特征谱中第个情景发生的概率的数值由计算公式（2）得到，所述计算公式（2）为：

其中，表示三维空间坐标；表示在空间位置处的树木花粉综合风险预测值；表示在第个情景下空间位置处的树木花粉浓度值；表示在气象特征谱中第个情景发生的概率；表示在气象特征谱中第个风向发生的概率；表示在气象特征谱的第个风向情景中第个风速发生的概率；表示气象特征谱所涵盖的总情景的个数。

在本申请实施例中，各个风向发生的概率如图2中的玫瑰图所示，各个风向下各个特征风速区间发生的概率如下表所示：

图4（a）为本申请实施例所提供的一个真实城市区域在当前绿化方案下的行人高度所有空间点位的树木花粉综合风险分布图。从图4（a）可以看出，在本申请实施例所提供的一个真实城市区域中，西部、中部偏东以及东北区域的树木花粉综合风险较高，这三块区域分别对应着该城市区域的医疗区（社区医院所在位置）、教学区（教学楼所在位置）和居住区（居民楼所在位置）。这三个区域都是日常人流量较大的位置，说明当前城市绿化方案对于区域内居民的人居环境质量影响较大。

S5、迭代修改城市绿化方案直至城市绿化方案的树木花粉综合风险预测值低于树木花粉综合风险阈值包括：

当当前城市绿化方案下行人高度所有空间点位的树木花粉综合风险预测值不高于设定的目标城市的树木花粉综合风险阈值，则无需修改城市绿化方案；否则，修改当前城市绿化方案得到新的城市绿化方案，重复计算新的城市绿化方案的树木花粉综合风险预测值，直至低于树木花粉综合风险阈值。具体包括：

若当前城市绿化方案下行人高度所有空间点位的树木花粉综合风险预测值不高于步骤S1中设定的阈值，则无需修改城市绿化方案。

若当前城市绿化方案下行人高度存在某些空间点位的树木花粉综合风险预测值高于步骤S1中设定的阈值，则修改当前城市绿化方案得到新方案，重复步骤S1至S5，直至新方案下行人高度所有空间点位的树木花粉综合风险预测值不高于步骤S1中设定的阈值，此时的方案即为满足树木花粉浓度优化指标的城市绿化方案。

图4（a）中存在大约6%区域的树木花粉综合风险预测值高于步骤S1中设定的阈值5，因此需要对当前绿化方案进行调整。在不改变本申请实施例所提供的一个真实城市区域的树木棵树的情况下，综合考虑区域绿化的视觉美观性与协调性，将当前绿化方案中该城市区域西部和中部偏东的圆柏（属于花粉扩散性较强的树种）替换为花粉扩散性较弱的雪松，并将当前绿化方案中该城市区域东北区域的梧桐（属于花粉扩散性较强的树种）替换为花粉扩散性较弱的三角枫，得到新绿化方案。图4（b）为本申请实施例所提供的一个真实城市区域在新绿化方案下的行人高度所有空间点位的树木花粉综合风险分布图。从图4（b）可以看出，在调整后的新绿化方案下，本申请实施例所提供的一个真实城市区域在行人高度所有空间点位的树木花粉综合风险均低于步骤S1中设定的阈值。因此，新绿化方案是满足树木花粉浓度优化指标的城市绿化方案，对于区域内居民的人居环境质量影响较小。

至此，即完成了本申请实施例所提供的一个真实城市区域的绿化方案的调整修改和规划设计。

如图5所示，本发明实施例提供了一种基于优化树木花粉浓度指标的城市绿化装置，该装置包括：

阈值设定模块100，所述阈值设定模块100用于根据目标城市在树木花粉季的时间跨度，设定所述目标城市的树木花粉综合风险阈值；

气象特征谱模块200，所述气象特征谱模块200用于获取所述目标城市在所述树木花粉季的历史气象数据，建立所述目标城市的气象特征谱；

情景库建立模块300，所述情景库建立模块300用于根据当前绿化方案建立所述目标城市的计算流体力学模型库，根据所述计算流体力学模型库建立所述目标城市的树木花粉浓度分布模拟情景库，其中，所述树木花粉浓度分布模拟情景库中的花粉浓度所在高度为行人高度，所述当前绿化方案为未进行优化的城市绿化方案；

计算模块400，所述计算模块400用于根据气象特征谱和树木花粉浓度分布模拟情景库，得到所述目标城市在行人高度处所有空间点位的树木花粉综合风险预测值；

方案优化模块500，所述方案优化模块500用于迭代修改城市绿化方案直至所述城市绿化方案的树木花粉综合风险预测值低于所述树木花粉综合风险阈值。

本发明一种基于优化树木花粉浓度指标的城市绿化及装置，通过量化评价不同城市绿化方案给城市人居环境带来的树木花粉风险，帮助迭代优选出最为合理的城市绿化方案，为构建更为和谐、健康的人居环境提供支撑。

图6是本发明实施例提供的一种电子设备600的结构示意图，该电子设备600可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器（centralprocessing units，CPU）610和一个或一个以上的存储器620，其中，存储器620中存储有至少一条指令，至少一条指令由处理器610加载并执行以实现上述基于优化树木花粉浓度指标的城市绿化方法的步骤。

在示例性实施例中，还提供了一种计算机可读存储介质，例如包括指令的存储器，上述指令可由终端中的处理器执行以完成上述基于优化树木花粉浓度指标的城市绿化方法。例如，计算机可读存储介质可以是ROM、随机存取存储器（RAM）、CD-ROM、磁带、软盘和光数据存储设备等。

以上实施例不局限于该实施例自身的技术方案，实施例之间可以相互结合成新的实施例。以上实施例仅用以说明本发明的技术方案而并非对其进行限制，凡未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明技术方案的范围内。

Claims (6)

1.一种基于优化树木花粉浓度指标的城市绿化方法，其特征在于，包括下述步骤：

根据目标城市在树木花粉季的时间跨度，设定所述目标城市的树木花粉综合风险阈值；

获取所述目标城市在树木花粉季的历史气象数据，建立所述目标城市的气象特征谱；

根据当前绿化方案建立所述目标城市的计算流体力学模型库，根据所述计算流体力学模型库建立所述目标城市的树木花粉浓度分布模拟情景库，其中，所述树木花粉浓度分布模拟情景库中的花粉浓度所在高度为行人高度，所述当前绿化方案为未进行优化的城市绿化方案；

根据气象特征谱和树木花粉浓度分布模拟情景库，得到所述目标城市在行人高度处所有空间点位的树木花粉综合风险预测值；

迭代修改城市绿化方案直至所述城市绿化方案的树木花粉综合风险预测值低于所述树木花粉综合风险阈值；

所述根据当前绿化方案建立所述目标城市的计算流体力学模型库，根据所述计算流体力学模型库建立所述目标城市的树木花粉浓度分布模拟情景库包括：

S301、建立所述目标城市在当前绿化方案下的计算流体力学模型库；

S302、通过所述计算流体力学模型库模拟构建所述目标城市的计算流体力学模拟情景库；

S303、通过高斯烟羽模型和所述计算流体力学模拟情景库建立所述目标城市在行人高度的树木花粉浓度分布模拟情景库；

所述计算流体力学模型库包括所述目标城市在所述气象特征谱所涵盖的所有情景下的计算流体力学模型；

所述计算流体力学模拟情景库包括所述目标城市在所述气象特征谱所涵盖的所有情景下的城市风场数据；

所述S303的通过高斯烟羽模型和所述计算流体力学模拟情景库建立所述目标城市在行人高度的树木花粉浓度分布模拟情景库包括：

针对所述目标城市的全部树木，在每一树冠的高度方向上，以0.1m为间距分别对每一个树冠的三维形状进行三维形状离散化，离散化为一系列三维几何体，将所述三维几何体的质心作为花粉扩散源，得到所述目标城市每一棵树木的花粉扩散源列表；

针对所述计算流体力学模拟情景库中的任意一个情景，从所述计算流体力学模拟情景库中获取此情景对应的每一棵树木的每一个花粉扩散源的风向数据和对应的风速数据，通过高斯烟羽模型计算在此情景下，所述目标城市在行人高度的所有空间点位的树木花粉浓度值；

遍历所述计算流体力学模拟情景库中的每一个情景，计算每一个情景下目标城市在行人高度所有空间点位的树木花粉浓度值，得到所述目标城市在行人高度的树木花粉浓度分布模拟情景库；

所述根据气象特征谱和树木花粉浓度分布模拟情景库，得到所述目标城市在行人高度处所有空间点位的树木花粉综合风险预测值包括：

将所有情景中相同空间点位的树木花粉浓度值进行加权求和，得到所述目标城市在行人高度的所有空间点位的树木花粉综合风险预测值；

所述树木花粉综合风险预测值的数值由计算公式（1）得到，所述计算公式（1）为：

        （1）

所述气象特征谱中第i个情景发生的概率P _i 的数值由计算公式（2）得到，所述计算公式（2）为：

     （2）

其中，x, y, z表示三维空间坐标；R(x, y, z)表示在(x, y, z)空间位置处的树木花粉综合风险预测值；C _i (x, y, z)表示在第i个情景下(x, y, z)空间位置处的树木花粉浓度值；P _i 表示在所述气象特征谱中第i个情景发生的概率；P _s 表示在所述气象特征谱中第s个风向发生的概率；P _t 表示在所述气象特征谱的第s个风向情景中第t个风速发生的概率；n表示所述气象特征谱所涵盖的总情景的个数。

2.根据权利要求1所述的基于优化树木花粉浓度指标的城市绿化方法，其特征在于，所述获取所述目标城市在所述树木花粉季的历史气象数据，建立所述目标城市的气象特征谱包括：

S201、获取所述目标城市在树木花粉季的历史气象数据；

S202、通过插值方法对所述历史气象数据中的缺项数据进行补充；

S203、筛选出所述历史气象数据在北、东北、东、东南、南、西南、西和西北方向的风向记录，绘制所述历史气象数据的风向概率分布图；针对每一个风向的历史气象数据，以至多3m/s的风速间隔绘制所述历史气象数据的风速概率分布图；

S204、通过所述风向概率分布图和所述风速概率分布图形成所述目标城市的气象特征谱。

3.根据权利要求2所述的基于优化树木花粉浓度指标的城市绿化方法，其特征在于，所述S201的获取所述目标城市在树木花粉季的历史气象数据包括：

获取所述目标城市在树木花粉季的历史风向数据和与所述历史风向数据对应的历史风速数据；

其中，所述历史风向数据的记录间隔时间不超过2个小时。

4.根据权利要求1所述的基于优化树木花粉浓度指标的城市绿化方法，其特征在于，所述迭代修改城市绿化方案直至所述城市绿化方案的树木花粉综合风险预测值低于所述树木花粉综合风险阈值包括：

当当前城市绿化方案下，处于行人高度的所有空间点位的树木花粉综合风险预测值不高于设定的所述目标城市的树木花粉综合风险阈值，则无需修改城市绿化方案；

否则，

修改当前城市绿化方案得到新的城市绿化方案，重复计算所述新的城市绿化方案的树木花粉综合风险预测值，直至低于树木花粉综合风险阈值。

5.根据权利要求1所述的基于优化树木花粉浓度指标的城市绿化方法，其特征在于，所述气象特征谱包括第一维度和第二维度；

所述第一维度用于描述所述目标城市在树木花粉季的风向概率分布；

所述第二维度用于描述目标城市在树木花粉季的不同风向下的风速概率分布。

6.一种基于优化树木花粉浓度指标的城市绿化装置，其特征在于，包括：

阈值设定模块，所述阈值设定模块用于根据目标城市在树木花粉季的时间跨度，设定所述目标城市的树木花粉综合风险阈值；

气象特征谱模块，所述气象特征谱模块用于获取所述目标城市在所述树木花粉季的历史气象数据，建立所述目标城市的气象特征谱；

情景库建立模块，所述情景库建立模块用于根据当前绿化方案建立所述目标城市的计算流体力学模型库，根据所述计算流体力学模型库建立所述目标城市的树木花粉浓度分布模拟情景库，其中，所述树木花粉浓度分布模拟情景库中的花粉浓度所在高度为行人高度，所述当前绿化方案为未进行优化的城市绿化方案；

计算模块，所述计算模块用于根据气象特征谱和树木花粉浓度分布模拟情景库，得到所述目标城市在行人高度处所有空间点位的树木花粉综合风险预测值；

方案优化模块，所述方案优化模块用于迭代修改城市绿化方案直至所述城市绿化方案的树木花粉综合风险预测值低于所述树木花粉综合风险阈值；

所述根据当前绿化方案建立所述目标城市的计算流体力学模型库，根据所述计算流体力学模型库建立所述目标城市的树木花粉浓度分布模拟情景库包括：

S301、建立所述目标城市在当前绿化方案下的计算流体力学模型库；

S302、通过所述计算流体力学模型库模拟构建所述目标城市的计算流体力学模拟情景库；

S303、通过高斯烟羽模型和所述计算流体力学模拟情景库建立所述目标城市在行人高度的树木花粉浓度分布模拟情景库；

所述计算流体力学模型库包括所述目标城市在所述气象特征谱所涵盖的所有情景下的计算流体力学模型；

所述计算流体力学模拟情景库包括所述目标城市在所述气象特征谱所涵盖的所有情景下的城市风场数据；

所述S303的通过高斯烟羽模型和所述计算流体力学模拟情景库建立所述目标城市在行人高度的树木花粉浓度分布模拟情景库包括：

针对所述目标城市的全部树木，在每一树冠的高度方向上，以0.1m为间距分别对每一个树冠的三维形状进行三维形状离散化，离散化为一系列三维几何体，将所述三维几何体的质心作为花粉扩散源，得到所述目标城市每一棵树木的花粉扩散源列表；

针对所述计算流体力学模拟情景库中的任意一个情景，从所述计算流体力学模拟情景库中获取此情景对应的每一棵树木的每一个花粉扩散源的风向数据和对应的风速数据，通过高斯烟羽模型计算在此情景下，所述目标城市在行人高度的所有空间点位的树木花粉浓度值；

遍历所述计算流体力学模拟情景库中的每一个情景，计算每一个情景下目标城市在行人高度所有空间点位的树木花粉浓度值，得到所述目标城市在行人高度的树木花粉浓度分布模拟情景库；

所述根据气象特征谱和树木花粉浓度分布模拟情景库，得到所述目标城市在行人高度处所有空间点位的树木花粉综合风险预测值包括：

将所有情景中相同空间点位的树木花粉浓度值进行加权求和，得到所述目标城市在行人高度的所有空间点位的树木花粉综合风险预测值；

所述树木花粉综合风险预测值的数值由计算公式（1）得到，所述计算公式（1）为：

     （1）

所述气象特征谱中第i个情景发生的概率P _i 的数值由计算公式（2）得到，所述计算公式（2）为：

        （2）

其中，x, y, z表示三维空间坐标；R(x, y, z)表示在(x, y, z)空间位置处的树木花粉综合风险预测值；C _i (x, y, z)表示在第i个情景下(x, y, z)空间位置处的树木花粉浓度值；P _i 表示在所述气象特征谱中第i个情景发生的概率；P _s 表示在所述气象特征谱中第s个风向发生的概率；P _t 表示在所述气象特征谱的第s个风向情景中第t个风速发生的概率；n表示所述气象特征谱所涵盖的总情景的个数。

Images