一种城市绿地格局对热环境影响的模拟方法.pdf

本发明公开了一种城市绿地格局对热环境影响的模拟方法，首先采用面向对象分割技术从遥感影像上提取研究区的地物分布信息，滤波处理Lidar点云数据获取建筑物和植被的三维信息，融合二者，构建高精度三维模型；其次，利用遥感激素反演地表温度、大气水汽含量和气温，估算地表平均温度，查询气象数据获得该区域的土壤湿度，将地表平均温度、土壤湿度、大气水汽含量和气温作为CFD模型的初始条件，高精度的三维模型和实时准确的模拟初始条件，提高了CFD模型模拟的精度和应用的可信度；同时CFD模型增加遥感技术的预测能力。

权利要求书
1.  一种城市绿地格局对热环境影响的模拟方法，其特征在于：包括以下步骤，
步骤一，获取一研究区遥感影像，利用遥感影像反演大气水汽含量、气温和地表温度；
步骤二，查询气象数据获得该区域的土壤湿度；
步骤三，通过地表温度估算地表平均温度；
步骤四，获取该研究区的Lidar点云数据，采用基于坡度与区域生长的Lidar点云滤波算法对获取的Lidar点云数据进行滤波处理；
步骤五，对滤波处理后的Lidar点云数据，采用基于主成分分析及连通性的提取建筑物信息的方法提取建筑物信息；
步骤六，利用TerraSolid软件将该研究区的遥感影像、滤波处理后的Lidar点云数据以及建筑物信息进行几何配准，获取该研究区建筑物和植被的三维信息；
步骤七，利用ENVI软件对该研究区的遥感影像进行分类；
步骤八，将分类后的遥感影像、地表平均温度、土壤湿度、大气水汽含量和气温导入ENVI-met，根据获取的建筑物和植被的三维信息，建立该研究区的三维模型；
步骤九，将建好的三维模型导入CFD软件进行模拟计算，并与实地监测数据对比，对CFD模型的边界条件进行校正；
步骤十，利用已校正的CFD模型模拟不同绿地分布格局的温度分布特征。

2.  根据权利要求1所述的一种城市绿地格局对热环境影响的模拟方法，其 特征在于：步骤一中，反演大气水汽含量的公式如下，
w=(α-ln(ref19ref2)β)2]]>
其中，w为大气水汽含量；α和β为常量，分别取α＝0.02，β＝0.651；ref2和ref19分别是MODIS第2和19波段的地面反射率；
ref2＝scale2(band2-offset2)
ref19＝scale19(band19-offset19)
其中，band2和band19分别为第2和19波段的DN值；scale2、offset2、scale19和offset19是MODIS定标常量。

3.  根据权利要求1所述的一种城市绿地格局对热环境影响的模拟方法，其特征在于：采用基于坡度与区域生长的Lidar点云滤波算法对获取的Lidar点云数据进行滤波处理的步骤如下，
A1)剔除噪声点；
A2)选取地面种子点；
A3)建立虚拟格网；
A4)增长准则；
A5)结束准则；
A6)以地面种子点集中的第i+1个地面种子点所在的网格为中心，重复步骤A4和A5；
A7)遍历地面种子点集中的所有地面种子点；
A8)统计Lidar点云数据中每个点被判为地面点的概率。

4.  根据权利要求1所述的一种城市绿地格局对热环境影响的模拟方法，其特征在于：采用基于主成分分析及连通性的提取建筑物信息的方法提取建筑物信息的步骤如下，
B1)寻找滤波处理后的非地面点云集内任意一个点Pi的半径为δ的领域点，若领域点的个数小于8，则将该点归为非建筑物点，若领域点的个数大于8，继续转至B2；
B2)对点Pi的领域点进行主成分分析，得到其协方差矩阵对应的特征值λ1、λ2和λ3；
B3)计算表面变化特征值Fsv和水平度量特征值Fh，并分别与设定的表明变化阈值Tsv和水平度量阈值Th比较，若点同时符合以下条件
Abuild1＝{Pi|Pi∈A，Fsv(Pi)<Tsv且|Ni|≥8}
Abuild2＝{Pi|Pi∈A，Fh(Pi)<Th}
则该点被判为建筑物点，其中Abuild1和Abuild2表示该点是建筑物，A为Lidar点云数据滤波处理后的非地面点云集，Ni表示领域，Fsv(Pi)表示点Pi的表面变化特征值，Fh(Pi)表示点Pi的水平度量特征值；
B4)遍历每个非地面点，重复步骤B1至B3，获取初始建筑物点集；
B5)对初始建筑物点构建Delaunay三角网，计算每个三角形的边长，若三角形的边长大于2倍的点密度，删除三角形的该边长；
B6)根据连通性划分不同的分割面，计算每个分割面的面积，并对面积小于阈值Ts的分割面删除，得到最后的建筑物点。

5.  根据权利要求1所述的一种城市绿地格局对热环境影响的模拟方法，其特征在于：所述遥感影像分类后获得绿地、建筑物、道路以及水体不同类型的分类专题图。

6.  根据权利要求1所述的一种城市绿地格局对热环境影响的模拟方法，其特征在于：步骤十中，绿地分布格局有5类，分别为点状分布绿地、环形分布绿地、条带状分布绿地、放射状分布绿地和楔形分布绿地。

说明书一种城市绿地格局对热环境影响的模拟方法
技术领域
本发明涉及一种城市绿地格局对热环境影响的模拟方法，具体涉及一种基于遥感技术和CFD模型的城市绿地对热环境影响的模拟方法。
背景技术
“热岛”现象是某一局部地区(主要是城市区域)的气温高于周围地区的现象，热岛强度可以用两个代表性测点的气温差值来表示，一般为城市中某地温度与郊区气象测点温度的差值。近几十年来，由于城市化飞速发展、下垫面结构的改变、以及交通排热和建筑排热等因素的影响，城市热环境逐渐恶化，“热岛”现象及其负面作用日渐凸现。对于建筑小区而言，由于受规划设计中建筑密度、建筑材料、建筑布局、绿地率、水景设施及空调、车辆排热、居民生活用能的释放等因素的影响，小区室外气温也有可能出现“热岛”现象。“热岛”现象在夏季的出现，不仅会使人们高温中暑的机率变大，同时还促使了光化学烟雾的形成、加重污染，并增加各种能源的消耗(如建筑空调耗能)，给人们的工作生活带来负面影响。
城市绿化是改善城市区域热环境的主要方法之一。绿化植被通过其叶片大量蒸腾水分而消耗城市中的辐射热，以及通过枝叶形成的浓荫阻挡太阳的直接辐射热和来自路面、墙面和相邻物体的反射热而产生的降温增湿效益，对缓解城市的热岛和干岛效应，减少居民由于干热环境所引起多种疾病的发生，带来提高居民的健康水平、提高生活舒适度和生活质量的效益，在建筑小区这一特定的环境条件下，具有特殊而重要意义。
流体动力学(CFD)和遥感方法是进行区域热环境模拟和分析的两个非常重要手段。CFD技术是应用各种数学方法进行数值实验、计算机模拟和分析研究，为区域温度场模拟提供了理论基础。在城市热环境的研究中，运用CFD模型对一定空间中的气流组织进行模拟，通过建立数学物理模型，根据提供的合理边界条件和参数，可以对区域空气流动形成的温度场、速度场进行仿真模拟，直观显示其设计结果，并根据设计结果对其可行性和合理性进行分析研究。遥感技术可以进行大面积地表温度测定，减少局部环境人为干扰，直观定量的研究热岛特征。而根据地物在不同波段辐射值的差异，利用热红外传感器对城市地表温度进行大面积观测，可以通过计算得到地物热量空间分布。
但CFD模型和遥感技术均存在着一定的局限性。对于CFD模拟计算来说，区域的模型建立是非常重要的一个环节，若是区域模型建立的精确性达不到一定要求，计算出来的结果误差会非常大，对于仿真模拟来说不再具有实用意义。因此，在建立区域三维模型上，要保证有足够的精度。而遥感影像为瞬时影像，只能获取地表某一时刻特定的温度场，所得结果没有延续性和预测性。且遥感影像所反演出的温度结果为地表的结果，并不能获得距地面处一定高度上的温度场结果，而空气温度在城市热环境的模拟中以及环境舒适度评价中往往很重要。
发明内容
本发明针对CFD模型和遥感技术的不足，提供了一种城市绿地格局对热环境影响的模拟方法，通过CFD模型增加遥感技术的预测能力，利用遥感技术提高CFD模型的精度。
为达到上述目的，本发明所采用的技术方案是：
一种城市绿地格局对热环境影响的模拟方法，包括以下步骤，
步骤一，获取一研究区遥感影像，利用遥感影像反演大气水汽含量、气温和地表温度；
步骤二，查询气象数据获得该区域的土壤湿度；
步骤三，通过地表温度估算地表平均温度；
步骤四，获取该研究区的Lidar点云数据，采用基于坡度与区域生长的Lidar点云滤波算法对获取的Lidar点云数据进行滤波处理；
步骤五，对滤波处理后的Lidar点云数据，采用基于主成分分析及连通性的提取建筑物信息的方法提取建筑物信息；
步骤六，利用TerraSolid软件将该研究区的遥感影像、滤波处理后的Lidar点云数据以及建筑物信息进行几何配准，获取该研究区建筑物和植被的三维信息；
步骤七，利用ENVI软件对该研究区的遥感影像进行分类；
步骤八，将分类后的遥感影像、地表平均温度、土壤湿度、大气水汽含量和气温导入ENVI-met，根据获取的建筑物和植被的三维信息，建立该研究区的三维模型；
步骤九，将建好的三维模型导入CFD软件进行模拟计算，并与实地监测数据对比，对CFD模型的边界条件进行校正；
步骤十，利用已校正的CFD模型模拟不同绿地分布格局的温度分布特征。
步骤一中，反演大气水汽含量的公式如下，
w=(α-ln(ref19ref2)β)2]]>
其中，w为大气水汽含量；α和β为常量，分别取α＝0.02，β＝0.651；ref2和ref19分别是MODIS第2和19波段的地面反射率；
ref2＝scale2(band2-offset2)
ref19＝scale19(band19-offset19)
其中，band2和band19分别为第2和19波段的DN值；scale2、offset2、scale19和offset19是MODIS定标常量。
采用基于坡度与区域生长的Lidar点云滤波算法对获取的Lidar点云数据进行滤波处理的步骤如下，
A1)剔除噪声点；
A2)选取地面种子点；
A3)建立虚拟格网；
A4)增长准则；
A5)结束准则；
A6)以地面种子点集中的第i+1个地面种子点所在的网格为中心，重复步骤A4和A5；
A7)遍历地面种子点集中的所有地面种子点；
A8)统计Lidar点云数据中每个点被判为地面点的概率。
采用基于主成分分析及连通性的提取建筑物信息的方法提取建筑物信息的 步骤如下，
B1)寻找滤波处理后的非地面点云集内任意一个点Pi的半径为δ的领域点，若领域点的个数小于8，则将该点归为非建筑物点，若领域点的个数大于8，继续转至B2；
B2)对点Pi的领域点进行主成分分析，得到其协方差矩阵对应的特征值λ1、λ2和λ3；
B3)计算表面变化特征值Fsv和水平度量特征值Fh，并分别与设定的表明变化阈值Tsv和水平度量阈值Th比较，若点同时符合以下条件
Abuild1＝{Pi|Pi∈A，Fsv(Pi)<Tsv且|Ni|≥8}
Abuild2＝{Pi|Pi∈A，Fh(Pi)<Th}
则该点被判为建筑物点，其中Abuild1和Abuild2表示该点是建筑物，A为Lidar点云数据滤波处理后的非地面点云集，Ni表示领域，Fsv(Pi)表示点Pi的表面变化特征值，Fh(Pi)表示点Pi的水平度量特征值；
B4)遍历每个非地面点，重复步骤B1至B3，获取初始建筑物点集；
B5)对初始建筑物点构建Delaunay三角网，计算每个三角形的边长，若三角形的边长大于2倍的点密度，删除三角形的该边长；
B6)根据连通性划分不同的分割面，计算每个分割面的面积，并对面积小于阈值Ts的分割面删除，得到最后的建筑物点。
所述遥感影像分类后获得绿地、建筑物、道路以及水体不同类型的分类专题图。
步骤十中，绿地分布格局有5类，分别为点状分布绿地、环形分布绿地、条带状分布绿地、放射状分布绿地和楔形分布绿地。。
本发明所达到的有益效果：本发明首先采用面向对象分割技术从遥感影像上提取研究区的地物分布信息，滤波处理Lidar点云数据获取建筑物和植被的三维信息，融合二者，构建高精度三维模型；其次，利用遥感激素反演地表温度、大气水汽含量和气温，估算地表平均温度，查询气象数据获得该区域的土壤湿度，将地表平均温度、土壤湿度、大气水汽含量和气温作为CFD模型的初始条件，高精度的三维模型和实时准确的模拟初始条件，提高了CFD模型模拟的精度和应用的可信度；同时CFD模型增加遥感技术的预测能力。
附图说明
图1为本发明的流程图。
图2为点状分布绿地的模型。
图3为环形分布绿地的模型。
图4为条带状分布绿地的模型。
图5为放射状分布绿地的模型
图6为楔形分布绿地的模型
图7为点状分布绿地0.2m高度处温度场模拟图。
图8为点状分布绿地2m高度处温度场模拟图。
图9为点状分布绿地10m高度处温度场模拟图。
图10为环形分布绿地0.2m高度处温度场模拟图。
图11为环形分布绿地2m高度处温度场模拟图。
图12为环形分布绿地10m高度处温度场模拟图。
图13为条带状分布绿地0.2m高度处温度场模拟图。
图14为条带状分布绿地2m高度处温度场模拟图。
图15为条带状分布绿地10m高度处温度场模拟图。
图16为放射状分布绿地0.2m高度处温度场模拟图。
图17为放射状分布绿地2m高度处温度场模拟图。
图18为放射状分布绿地10m高度处温度场模拟图。
图19为楔形分布绿地0.2m高度处温度场模拟图。
图20为楔形分布绿地2m高度处温度场模拟图。
图21为楔形分布绿地10m高度处温度场模拟图。
图22为点状分布绿地0.2m高度处温度场统计直方图。
图23为点状分布绿地2m高度处温度场统计直方图。
图24为点状分布绿地10m高度处温度场统计直方图。
图25为环形分布绿地0.2m高度处温度场统计直方图。
图26为环形分布绿地2m高度处温度场统计直方图。
图27为环形分布绿地10m高度处温度场统计直方图。
图28为条带状分布绿地0.2m高度处温度场统计直方图。
图29为条带状分布绿地2m高度处温度场统计直方图。
图30为条带状分布绿地10m高度处温度场统计直方图。
图31为放射状分布绿地0.2m高度处温度场统计直方图。
图32为放射状分布绿地2m高度处温度场统计直方图。
图33为放射状分布绿地10m高度处温度场统计直方图。
图34为楔形分布绿地0.2m高度处温度场统计直方图。
图35为楔形分布绿地2m高度处温度场统计直方图。
图36为楔形分布绿地10m高度处温度场统计直方图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
如图1所示，一种城市绿地对热环境影响的模拟方法，包括以下步骤：
步骤一，获取一研究区遥感影像，利用遥感影像反演大气水汽含量、气温和地表温度。
反演大气水汽含量的公式如下，
w=(α-ln(ref19ref2)β)2]]>
其中，w为大气水汽含量；α和β为常量，分别取α＝0.02，β＝0.651；ref2和ref19分别是MODIS第2和19波段的地面反射率；
ref2＝scale2(band2-offset2)
ref19＝scale19(band19-offset19)
其中，band2和band19分别为第2和19波段的DN值；scale2、offset2、scale19和offset19是MODIS定标常量。
步骤二，查询气象数据获得该区域的土壤湿度。
步骤三，通过地表温度估算地表平均温度(在研究区内均匀选取若干点， 求其平均值即可)。
步骤四，获取该研究区的Lidar点云数据，采用基于坡度与区域生长的Lidar点云滤波算法对获取的Lidar点云数据进行滤波处理。
采用基于坡度与区域生长的Lidar点云滤波算法对获取的Lidar点云数据进行滤波处理的步骤如下，
A1)剔除噪声点；
A2)选取地面种子点；
A3)建立虚拟格网；
A4)增长准则；
A5)结束准则；
A6)以地面种子点集中的第i+1个地面种子点所在的网格为中心，重复步骤A4和A5；
A7)遍历地面种子点集中的所有地面种子点；
A8)统计Lidar点云数据中每个点被判为地面点的概率。
步骤五，对滤波处理后的Lidar点云数据，采用基于主成分分析及连通性的提取建筑物信息的方法提取建筑物信息。
采用基于主成分分析及连通性的提取建筑物信息的方法提取建筑物信息的步骤如下，
B1)寻找滤波处理后的非地面点云集内任意一个点Pi的半径为δ的领域点，若领域点的个数小于8，则将该点归为非建筑物点，若领域点的个数大于8，继续转至B2；
B2)对点Pi的领域点进行主成分分析，得到其协方差矩阵对应的特征值 λ1、λ2和λ3；
B3)计算表面变化特征值Fsv和水平度量特征值Fh，并分别与设定的表明变化阈值Tsv和水平度量阈值Th比较，若点同时符合以下条件
Abuild1＝{Pi|Pi∈A，Fsv(Pi)<Tsv且|Ni|≥8}
Abuild2＝{Pi|Pi∈A，Fh(Pi)<Th}
则该点被判为建筑物点，其中Abuild1和Abuild2表示该点是建筑物，A为Lidar点云数据滤波处理后的非地面点云集，Ni表示领域，Fsv(Pi)表示点Pi的表面变化特征值，Fh(Pi)表示点Pi的水平度量特征值；
B4)遍历每个非地面点，重复步骤B1至B3，获取初始建筑物点集；
B5)对初始建筑物点构建Delaunay三角网，计算每个三角形的边长，若三角形的边长大于2倍的点密度，删除三角形的该边长；
B6)根据连通性划分不同的分割面，计算每个分割面的面积，并对面积小于阈值Ts的分割面删除，得到最后的建筑物点。
步骤六，利用TerraSolid软件将该研究区的遥感影像、滤波处理后的Lidar点云数据以及建筑物信息进行几何配准，获取该研究区建筑物和植被的三维信息。
步骤七，利用ENVI软件对该研究区的遥感影像进行分类，获得绿地、建筑物、道路以及水体不同类型的分类专题图。
步骤八，将分类后的遥感影像、地表平均温度、土壤湿度、大气水汽含量和气温导入ENVI-met，根据获取的建筑物和植被的三维信息，建立该研究区的三维模型。
步骤九，将建好的三维模型导入CFD软件进行模拟计算，并与实地监测数据对比，对CFD模型的边界条件进行校正。
步骤十，利用已校正的CFD模型模拟不同绿地分布格局的温度分布特征。
为了进一步说明上述的方法，做了以下实验
实验地址为南京市，研究区大小为200m×200m，地表类型为普通土壤，模拟时间为2013年6月23日正午12:00。
根据现有常见的绿地形状，将绿地分布格局分为5类，分别为点状分布绿地、环形分布绿地、条带状分布绿地、放射状分布绿地和楔形分布绿地，并分别为其建立CFD模型，如图2、3、4、5和6。
根据上述的方法对点状分布绿地模型距离地表0.2m处、2m除以及10m处的温度场进行模拟，模拟图分别为图7、图8和图9。
根据上述的方法对环形分布绿地模型距离地表0.2m处、2m除以及10m处的温度场进行模拟，模拟图分别为图10、图11和图12。
根据上述的方法对条带状分布绿地模型距离地表0.2m处、2m除以及10m处的温度场进行模拟，模拟图分别为图13、图14和图15。
根据上述的方法对放射状分布绿地模型距离地表0.2m处、2m除以及10m处的温度场进行模拟，模拟图分别为图16、图17和图18。
根据上述的方法对楔形分布绿地模型距离地表0.2m处、2m处以及10m处的温度场进行模拟，模拟图分别为图19、图20和图21。
为了便于统计分析，将不同温度范围内的总面积做对比，求得所研究区中不同温度范围所占的面积，并制的统计直方图。点状分布绿地的统计直方图为图22、图23和图24，分别对应0.2m、2m和10m；环形分布绿地的统计直方图为图25、图26和图27；条带状分布绿地的统计直方图为图28、图29和图30；放射状分布绿地的统计直方图为图31、图32和图33；楔形分布绿地的统计直方图为图34、图35和图36。
通过实验数据可以看出：
(1)在地表附近点状布局的降温效果最好，而其他几种分布格局的降温效果相差不大；根据统计直方图，统计其所占面积百分比并计算整个研究区的均温，可以发现：低温区、较低温区面积所占比例有如下规律，点状格局>楔形状格局>放射状格局>条带状格局>环状格局；因此在很多住宅小区的小范围内多采用点状格局分布；这种分布不但节省土地资源以及空间资源，并且能对地表起到很好的降温效果。
(2)在2米处的温度场，点状格局的降温效果却不如其他几种分布格局，此时楔形结构和放射状结构的降温效果好于其他几种，其中楔形结构的降温效果更为明显；在此高度上几种分布格局对热环境的改善能力依次为：楔形状格局>放射状格局>条带状格局>环状格局>点状格局。
(3)在10米处的模拟结果显示，不同格局的对热环境的影响又发生了变化。此时点状格局的降温效果较其它几种格局变得更差，而条带状格局的降温效果显著提升，而楔形格局和放射状格局的降温效果相差不大，几种分布格局对热环境的改善能力依次为：条带状格局>楔形状格局>放射状格局>环状格局>点状格局。
(4)不同的绿地格局对周围热环境的改善效果有差异；在郊区建立大面积条带状绿化带对周围热环境的改善效果最好，并且条带状的空间分布也充分利用了空间资源；在城市中心地带或住宅小区内宜选择点状的分布格局，有很好的局部降温效应；在城市和郊区的结合地带可选择楔形或放射状的格局。
综上所述，本发明可以分析和预测城市绿地及其变化对周围局地小气候的影响方式和特征，遥感技术可以提高CFD模型对城市热环境的模拟精度，CFD模型可以增加遥感技术对城市热环境的预测能力，拓展遥感在城市热环境中的应用深度和广度。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。