一种基于人工智能获取街区尺度LCZ的方法

本发明涉及图像处理，具体涉及一种基于人工智能获取街区尺度lcz的方法。

背景技术：

1、合理规划城市用地有利于促进良好的地区气候条件，从而营造适宜、可持续的居住生态环境。由于城市化的快速发展以及城市人口急剧增加，原始的自然底层表面材料和空间几何形态受到了极大的改变。不透水下垫面材料的特定热物理性质、密集的高层建筑形态以及持续产生的人为热量极大地影响了背景气象条件，并产生了城市气候，从而导致了许多气候问题。这其中包括全球气候变暖和城市热岛效应。尤其是在城市空间中，热环境条件的变化对建筑能耗和市民的室外热舒适水平产生了巨大影响。因此，需要合理的城市规划，避免或减轻这一影响，从而改善居住的生态环境。但合理地规划城市，需要为城市规划师提供详细的城市空间情况。换句话来说，建设宜居和舒适的城市空间需要精细化分析和评估城市环境的气候。

2、局部气候区（locate climate zone，lcz）是一种考虑地表结构、地表覆盖、地表结构、人类活动以及当地气候的耦合影响下，街区区域范围内有效量化城市空间对局部热舒适性影响的表达方式。以局部气候区作为规范性研究指南，能够降低城市空间热环境条件的变化对建筑能耗和市民的室外热舒适程度产生的负面影响。因此，优化lcz的分类并获得面向街区尺度的lcz地图对于具有气候意识的城市规划和设计至关重要。

技术实现思路

1、本发明的目的是提供一种基于人工智能获取街区尺度lcz的方法，该方法能够更为精细化地分析和评估城市环境的气候，对建设宜居和舒适的城市空间提供指导、为环境适宜型生态城市街区规划和建筑设计提供参考。

2、一种基于人工智能获取街区尺度lcz的方法，包括：

3、获取目标区域的路网信息和遥感图像和街区成份信息；

4、根据路网信息将目标区域划分为多个局部气候区块；

5、使用训练好的像素级分类人工智能模型获取目标区域遥感图像各区块内的组成成份；

6、使用街区成份信息弥补像素级分类人工智能模型漏识、误识的组成成份信息；

7、计算局部气候区块的地表形态特征参数；

8、根据地表形态特征参数将局部气候区块分类。

9、获取目标区域的路网信息和遥感图像和街区成份信息之后还包括训练像素级分类人工智能模型，具体为：

10、像素级分类人工智能模型包括：u-net模型、deeplab系列模型、全连接网络系列模型；

11、人工标记少部分目标区域遥感图像的道路成份作为像素级分类人工智能模型的训练集；

12、将训练集输入像素级分类人工智能模型进行训练；

13、获得训练好的像素级分类人工智能模型。

14、使用训练好的像素级分类人工智能模型获取目标区域遥感图像各区块内的组成成份包括：

15、组成成份包括：植被、建筑、道路、裸地、水体、农耕用地；

16、将获取的目标区域遥感图像输入像素级分类人工智能模型；

17、像素级分类人工智能模型输出目标区域遥感图像中的道路成份。

18、根据路网信息将目标区域划分为多个局部气候区块包括：

19、根据像素级分类人工智能模型和地理信息大数据弥补之后的目标区域遥感图像道路成份，划分局部气候区，得到初步的局部气候区块；

20、根据目标区域路网数据将面积小于的局部气候分区区块与相邻气候分区区块合并得到最终局部气候区块；

21、根据目标区域路网数据将面积大于的局部气候分区区块进行拆分得到最终局部气候区块。

22、计算局部气候区块的地表形态特征参数包括：

23、地表形态特征参数包括：各街区的天空视角系数、街道高宽比、建筑密度、建筑高度、透水面积比率以及不透水面积比率；

24、计算建筑密度、透水面积比率以及不透水面积比率；

25、计算建筑高度；

26、计算街道高宽比；

27、计算天空视角系数。

28、计算建筑密度、透水面积比率以及不透水面积比率包括：

29、将像素级分类人工智能模型和地理信息大数据进行弥补后的掩膜转换为1米分辨率；

30、以建筑成份像素数量、植被和裸地成份像素数量、剩余成份像素数量除以局部气候区块的总像素数量，获得各个局部气候区块的建筑密度、透水面积比率以及不透水面积比率。

31、计算建筑高度包括：

32、利用数字地表模型数据减数字高程模型数据得到整个研究区的成份高度；

33、计算掩膜中每一个建筑成份的质心，以质心点位置的高度作为该建筑成份的高度，质心点的数量等于建筑成份的数量；

34、局部气候区块的建筑高度等于质心点位置的高度和除以质心点的数量。

35、计算街道高宽比包括：

36、基于计算的建筑高度，通过地理信息系统处理软件的近邻分析得到各局部气候分区区块内建筑成份的间距；

37、用建筑高度除以建筑间距，获得街道高宽比。

38、计算天空视角系数包括：

39、局部气候区块中以半径为10米的圆形平面作为“计算单元”，以圆心为基准点，计算“计算单元”内每个建筑成份的仰角正弦值，并求平均值，获得“计算单元”的天空视角系数；

40、根据局部气候分区区块“计算单元”的数量求平均值，得到局部气候区块的天空视角系数。

41、根据地表形态特征参数将局部气候区块分类包括：

42、根据地表形态特征参数将局部气候区块划分为的紧凑高层建筑区lcz1、紧凑中层建筑区lcz2、紧凑低层建筑区lcz3、开敞高层建筑区lcz4、开敞中层建筑区lcz5、开敞低层建筑区lcz6、轻质低层建筑区lcz7、大型低层建筑区lcz8、稀疏建筑区lcz9、高密度树林lcza、分散树林lczb、灌木林lczc、低矮植物lczd、裸岩或水泥路lcze、裸地和沙地lczf和lczg水体；

43、根据局部气候分区区块的建筑密度是否大于10%，来确定区块划分为街区形态还是土地利用形态。

44、本发明利用一种非线性工具：人工智能的像素级分类识别技术，仅依靠少量的人工标记样本训练得到的像素级分类人工智能模型，可以很好地从输入数据中提取关键特征，自动地定量识别研究区域遥感图像的组成成份，以便计算与lcz有映射关系的特性参数。

45、本发明利用已有的世界城市组成元素数据库，弥补和修正像素级分类图像识别中，漏识、误识的组成成份。世界城市组成元素数据库拥有丰富的道路成份，搭配像素级分类图像识别的道路成份，进行组合，围绕的封闭区域，恰好能够作为lcz的最小划分单位，即街区尺度的划分。根据街区内的组成成份，可以计算lcz分区有映射关系的六个特性参数。

46、另外本发明可以通过编程的手段，大大地弱化人为监督和人工参与的程度，调用相关gis软件自动化地进行计算。并最终导出研究区的lcz划分结果图。

47、本发明能够以街区尺度作为边界分析lcz，取代了之前的“网格”分析，能够更加真实地反映城市的街道局部气候情况。此外，第二个优点是利用像素级分类的人工智能图像识别技术，可以自动化地识别街区范围内的组成成份，取代耗时耗力的传统手工机械统计获得lcz分区的方式。搭配世界城市组成元素数据库，为lcz的特性参数计算提供准确的城市形态、建筑信息、道路信息等。最重要的第三个优点，街区尺度的lcz划分能够利用python语言对gis软件进行二次开发，编写的数据处理工作流的方法获得。该方法具有极大地推广性，可以应用到全球任何一个研究区域。在弱化人为监督的同时，又大大提高了工作的效率，为lcz制图及其在城市气候领域的相关应用提供了新的视角。