CN115730731A - 一种城市高碳排空间单元自动识别方法及展示平台 - Google Patents
一种城市高碳排空间单元自动识别方法及展示平台 Download PDFInfo
- Publication number
- CN115730731A CN115730731A CN202211504313.1A CN202211504313A CN115730731A CN 115730731 A CN115730731 A CN 115730731A CN 202211504313 A CN202211504313 A CN 202211504313A CN 115730731 A CN115730731 A CN 115730731A
- Authority
- CN
- China
- Prior art keywords
- urban
- carbon emission
- carbon
- unit
- data
- 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.)
- Pending
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种城市高碳排空间单元自动识别方法及展示平台,属于城市规划领域,包括数据获取及数据库构建模块、城市空间单元划分模块、城市空间单元碳排放生成模块、城市空间单元高碳排识别模块、城市高碳排放空间单元线上线下交互优化模块以及交互展示模块。本发明解决了当下城市碳排放数据采集难、精度低、设备繁杂、缺乏实时交互的现实问题,响应了城市规划设计的集约、可持续需求,运用多样化数据采集设备和智能算法,实现城市高碳排空间单元的识别,结合硬件设备进行优化和交互展示。本发明为城市规划的节能减排和集约布局提供科学性支撑。
Description
技术领域
本发明涉及城市规划领域,具体涉及一种城市高碳排空间单元自动识别方法及展示平台。
背景技术
对城市高碳排放空间单元进行识别需要根据不同的用地性质进行因地制宜的识别并且要精准施策,同时需要收集、整理并分析大量的城市碳排放数据。在传统设计过程中,对城市高碳排放空间单元进行识别与优化,大都是由规划设计人员手动完成,需要人工搜集、处理数据并提出优化方案。传统识别、优化和交互展示过程具体存在以下局限:其一,由于城市碳排放数据繁杂、类型多样、采集困难。因此需要投入大量的精力来完成数据采集整理,其过程中耗费大量的人力成本、经济成本、时间成本;其二,由于不能根据用地性质来进行城市高碳排放空间单元的识别,导致所提出的优化方案与用地功能相脱节,缺乏落地性。其三,对城市高碳排放空间单元进行识别与优化成果展示往往依托纸质方案和文本,无法实时交互,不能充分为非专业背景的城市碳排放管控人员所理解与运用。因此,提出一种城市高碳排空间单元自动识别方法及展示平台。
发明内容
针对现有技术的不足,本发明提出了一种城市高碳排空间单元自动识别方法及展示平台。
本发明的目的可以通过以下技术方案实现:
一种城市高碳排空间单元自动识别方法,包括以下步骤:
获取目标城市的碳排放数据并构建城市碳排放数据库,具体包括:
获取碳排放数据并构建城市碳排放数据库。采用1km分辨率的二氧化碳检测科学实验卫星(TanSat)采集月频率城市建成区的二氧化碳浓度数据,通过搭载高精度温室气体监测仪的无人机以城市用地性质为单位获取上午6时、上午9时、中午12时、下午3时、下午6时、凌晨12时的动态碳排放数据,采用温室气体走航检测车获取城市重点区域的碳排放数据,重点区域包括城市工业园区和商业中心区,采用地基高分辨率光谱仪检测站点获取站点500m范围内的网格化无组织碳排放数据,采用手持红外气体成像仪对未检测到的点源进行实地校核补充,构建城市碳排放数据库。
将城市建成区根据现状用地性质划分为不同类型的城市空间单元,并建立城市空间单元的属性表;属性表包括城市空间单元的占地面积数据、建筑面积数据、用地性质数据、企业信息数据以及人口数据,具体包括:
向当地规划部门获取所在城市的三维城市矢量数据,包括道路数据、建筑数据、人口数据、企业信息数据、用地性质数据,以现状用地性质为依据划分城市空间单元,对其进行编号并导入地理信息***中。在本发明中,城市空间单元按照现状用地划分,每一个城市空间单元仅有一类用地性质,是城市的基本组成单位;企业信息包括规上工业产值和商业销售额;
输入获取的三维城市矢量数据,在地理信息***中识别各城市空间单元的用地性质、占地面积A、建筑面积S以及人口数量P,并将识别结果嵌入属性表。若城市空间单元识别为居住用地单元,则进一步识别其户数H,若城市空间单元识别为公共管理与公共服务设施用地单元或公用设施用地单元,则进一步识别其服务能力F,若城市空间单元识别为商业服务业设施用地单元,则进一步识别其总销售额S,若城市空间单元识别为工业用地单元,则进一步识别其总产值Y,若城市空间单元识别为物流仓储用地,则进一步识别其社区物流总额P。
基于城市碳排放数据库获取每个城市空间单元的城市碳排放值,将碳排放值链接到对应的城市空间单元,并计算各城市空间单元的碳排放均值,形成城市碳排放均值数据库;基于城市碳排放数据库、城市空间单元的属性表和城市碳排放均值数据库共同构建城市碳排放三维信息沙盘,具体包括:
将获取的碳排放数据通过交叉检验进行精度验证,采用手持红外气体成像仪对存疑地块和空白地块进行实地校核与补充,对数据进行整合,采用大气反演法得到城市碳通量,将其链接到城市空间单元。依据《城市用地性质分类和标准》将城市空间单元划分为七类,即居住用地单元、公共管理与公共服务设施用地单元、商业服务业设施用地单元、工业用地单元、物流仓储用地单元、公用设施用地单元和其他用地单元,进而得到各用地类型的城市空间单元的碳排放值;
通过转换公式计算城市空间单元的碳排放均值,包括通用型指标和专用型标进行具体计算;其中通用型指标为人均碳排放值、单位用地面积碳排放值、单位建筑面积碳排放值;专用型指标为户均居住碳排放值、单位服务能力碳排放值、单位销售额碳排放值、单位工业产值碳排放值和单位物流总额碳排放值,转换公式如下,
其中,Ci指的是城市空间单元的碳通量,Pi指的是第i个城市空间单元的常住人口。
其中,Ci指的是城市空间单元的碳通量,Ai指的是第i个城市空间单元的占地面积。
其中,Ci指的是城市空间单元的碳通量,Si指的是第i个城市空间单元的总建筑面积。
其中,Ri指的是城市居住空间单元的碳通量,Hi指的是第i个城市空间单元的总户数。
其中,Ui指的是城市公共管理与公共服务设施用地单元和城市公用设施用地单元的碳通量,Fi指的是第i个城市空间单元的服务能力人数。
其中,Bi指的是城市商业服务业设施用地单元的碳通量,Si指的是第i个城市空间单元的总销售额。
其中,Mi指的是城市工业用地单元的碳通量,Yi指的是第i个城市空间单元的规上工业总产值。
其中,Ui指的是城市物流仓储用地单元的碳通量,Pi指的是第i个城市空间单元的物流总额。
将所得碳排放均值嵌入城市空间单元属性表中,进行标准化处理并导入地理信息平台,构建城市碳排放三维信息沙盘。
通过空间链接算法对城市空间单元的碳排放数据按现状用地类型,分别进行空间链接;按日划分城市空间单元的不同用地类型的碳排放数据,基于此计算该城市空间单元各季不同用地类型碳排日的排放量最值与均值,具体包括:
在地理信息***,通过空间链接算法对城市空间单元碳排放数据进行分类。分类依据《城市用地分类与规划建设用地标准》(GB 50137-2011)。分类结果包括居住用地碳排放、公共管理与公共服务设施用地碳排放、商业服务业设施用地碳排放、工业用地碳排放、物流仓储用地碳排放、公用设施用地碳排放、其他用地碳排放,共计七种类型;
在地理信息平台,按日划分不同用地类型城市空间单元碳排放数据;
通过地理信息平台,计算城市空间单元各季不同类型碳排的日排放量的平均值;结果输入智能交互桌面式显示终端。按季划分过程中,春季为3、4、5月,夏季为6、7、8月,秋季为9、10、11月,冬季为12、1、2月。
根据K均值聚类算法判断城市空间单元是否为高碳排空间单元;若识别为高碳排空间单元的城市空间单元,则根据用地类型对城市空间单元进行排放优化,并在城市碳排放三维信息沙盘中进行调整,具体包括:
在SPSS Statistics数据统计分析软件,通过K均值聚类算法分别分类型分季节聚类城市空间单元日均的碳排放数据,聚类数量为3,在选项中勾选、统计初始聚类中心,缺失值选择成列排除个案。在不同季节的输出结果中,每一类型含3类聚类结果,其中聚类中心值最高的为高碳排空间单元,次高的为中碳排空间单元,最低的为低碳排空间单元。可查看每一类聚类结果的最大值、最小值、聚类中的个案数目。中碳排空间单元、低碳排空间单元直接输出,高碳排空间单元进行优化;
将高碳排空间单元数据输入碳排放优化***,数据具体包含用地性质信息、用地边界信息、建筑信息、碳排放均值信息。碳排放智能优化***的智能处理端是针对碳排放超标的城市空间单元,按用地类型分别提出预设优化建议。对于居住用地高碳排放的城市空间单元,优化建议为提升清洁能源使用比例、提倡绿色低碳生活方式;对于公共管理与公共服务设施用地高碳排放的城市空间单元,优化建议为优化街区形态、提升清洁能源使用比例;对于商业服务业用地高碳排放的城市空间单元,优化建议为优化街区形态、制定碳减排指标、提升清洁能源使用比例;对于工业用地高碳排放的城市空间单元,优化建议为制定碳减排指标与产业更新升级计划,提升清洁能源使用比例;对于物流仓储用地高碳排放的城市空间单元,优化建议为制定碳减排指标、提升清洁能源使用比例;对于公用设施用地高碳排放的城市空间单元,优化建议为制定碳减排指标、增加高碳汇植物布;对于其他用地高碳排放的城市空间单元,增加绿地碳汇面积、提升清洁能源使用比例。
在碳排放智能优化***的人机交互端,技术人员对智能处理端提出的高碳排空间单元优化建议进行校验与调整,输出城市高碳排放空间单元优化方案;
在城市碳排放三维信息沙盘中导入城市空间单元的碳排放数据信息,通过城市碳排放三维信息沙盘设备、虚拟现实设备实现城市高碳排单元的三维展示和实景交互;通过3D打印设备实现城市高碳排单元的图纸打印,具体包括:
使用数据集成和转译设备进行城市空间单元的碳排放布局平面图、高碳排空间单元各季碳排放数据、高碳排空间单元优化建议三类数据的集成,并在城市碳排放三维信息沙盘中进行展示。城市碳排放三维信息沙盘,是通过统一城市三维矢量数据为2000国家大地坐标系后所生成,包含城市地理高程、道路路网、用地布局和建筑物信息;
通过3D全息投影设备、VR眼镜、虚拟现实数据手套城市碳排放三维信息沙盘中的城市空间单元信息进行人机交互。通过3D全息投影设备,可以感知城市空间单元空间三维形态、碳排放均值数据、碳排放优化方案;通过VR眼镜,可以以人的尺度在虚拟三维模型中漫游,使用虚拟现实数据手套点选建筑或街区地面,可以获取所属的城市空间单元的碳排放布局情况及其碳排放均值数据、碳排放优化方案;
通过图纸数据集成设备输出1:1000比例的城市空间单元的碳排放布局平面图、1:1000比例的城市空间单元的碳排放布局鸟瞰图、方案分级指标文件、城市空间单元各级日均碳排放统计表、碳排放优化方案、优化前后碳排放数据对照表,通过打印设备将上述内容打印成设计手册。通过工业3d打印机对方案三维模型进行3d打印。
本发明的有益效果:
本发明综合运用多种碳排放检测设备进行数据收集并建立碳排放数据库,通过转换公式计算各城市空间单元的碳排放均值,基于K均值聚类算法模块,将以往至少需要四到六周的数据统计与整理工作缩减至一天之内完成,实现了在短时间内快速识别高碳排单元,并且从需要投入大量碳排放检测设备、数十名分析人员到只需要投入一套固定设备与一名数据分析人员就可以完成城市高碳排单元的识别工作,有效地减少了时间成本、经济成本和人力成本,提高了设计效率。
本发明依据现状用地类型划分城市空间单元,提升了城市碳排放数据精度,明确了各城市空间单元的碳排放类型,通过构建三类通用型、五类专用型转换公式统一了碳排放空间单元的量纲,能够计算出同等效率下各城市空间单元的碳排放值,促进了高碳排空间单元识别的可靠性和客观性。
本发明通过线上线下交互优化模块和交互展示模块,通过城市碳排放三维数字全息沙盘设备、虚拟现实设备,使得管理者和决策者可以直观识别高碳排空间单元并进行人机交互式优化和调整,向工作人员和城市公众提供了城市高碳排单元的三维展示和实景交互体验。
附图说明
下面结合附图对本发明作进一步的说明。
图1为本申请的方法流程图;
图2为本申请的数据采集设备示意图;
图3为本申请的高碳排空间单元识别展示图;
图4为本申请的交互展示与打印示意图。
具体实施方式
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作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。
一种城市高碳排空间单元自动识别方法及展示平台,如图1所示,包括以下步骤:
步骤S1:采用1km分辨率的二氧化碳检测科学实验卫星(TanSat)采集月频率城市建成区的二氧化碳浓度数据,通过搭载高精度温室气体监测仪的无人机以城市街道为单位获取上午6时、上午9时、中午12时、下午3时、下午6时、凌晨12时的动态碳排放数据,采用温室气体走航检测车获取城市重点区域的碳排放数据,所述重点区域包括城市工业园区和商业中心区,采用地基高分辨率光谱仪检测站点获取站点500m范围内的网格化无组织碳排放数据,采用手持红外气体成像仪对未检测到的点源进行实地校核补充,构建城市碳排放数据库。在此案例实施工程中,共获取2451个像元的二氧化碳浓度数据,对辖区内共计7个街道获取动态碳排放数据,采用走航检测车获取5个国家级、省级园区、4处科研创新基地、2个商业中心、6个物流园的碳排放数据,共布设1058个网格化监测站并对18个存在异常或空白的点源进行实地校核或数据补充。
步骤S2:首先进行城市空间单元划分,向当地规划部门获取所在城市的三维城市矢量数据,包括道路数据、建筑数据、人口数据、企业信息数据、用地性质数据,以现状用地性质为依据划分城市空间单元,对其进行编号并导入地理信息***中。在此案例实施工程中,共有877个城市空间单元。接着,输入S2-1获取的数据,在地理信息***中识别各城市空间单元的用地性质、占地面积A、建筑面积S以及人口数量P,并将识别结果嵌入属性表。若城市空间单元识别为居住用地单元,则进一步识别其户数H,若城市空间单元识别为公共管理与公共服务设施用地单元或公用设施用地单元,则进一步识别其服务能力F,若城市空间单元识别为商业服务业设施用地单元,则进一步识别其总销售额S,若城市空间单元识别为工业用地单元,则进一步识别其总产值Y,若城市空间单元识别为物流仓储用地,则进一步识别其社区物流总额P。在此案例实施过程当中,识别到居住用地单元368个,公共管理与公共服务设施用地单元86个,商业服务业设施用地单元129个,工业用地单元64个,物流仓储用地单元7个,公用设施用地单元68个,其他用地单元155个。
步骤S3:首先生成城市空间单元碳排放值。将S1获取的碳排放数据通过交叉检验进行精度验证,对数据进行整合,采用大气反演法得到城市碳通量,将其链接到S2中的城市空间单元。依据《城市用地性质分类和标准》将城市空间单元划分为七类,进而得到各用地类型的城市空间单元的碳排放值。接着,通过转换公式计算城市空间单元碳排放均值,包括通用型3类、专类用地5类。其中通用型指标为人均碳排放值、单位用地面积碳排放值、单位建筑面积碳排放值,专用型指标为户均居住碳排放值、单位服务能力碳排放值、单位销售额碳排放值、单位工业产值碳排放值和单位物流总额碳排放值。最后,将所得碳排放均值嵌入城市空间单元属性表中,进行标准化处理并导入地理信息平台,构建城市碳排放三维信息沙盘。在此案例实施过程当中,获取通用型碳排放值1104条,专用型碳排放值722条。
步骤S4:首先,在地理信息***,通过空间链接算法对城市空间单元碳排放数据进行分类。分类依据《城市用地分类与规划建设用地标准》(GB50137-2011)。分类结果包括居住用地碳排放、公共管理与公共服务设施用地碳排放、商业服务业设施用地碳排放、工业用地碳排放、物流仓储用地碳排放、公用设施用地碳排放、其他用地碳排放,共计七种类型。在此案例实施过程当中,含居住用地368个,含公共管理与公共服务设施用地86个,含商业服务业设施用地129个,含工业用地64个,含物流仓储用地7个,含公用设施用地68个,含其他用地28个。其次,在地理信息平台,按日划分不同用地类型城市空间单元碳排放数据。之后,通过地理信息平台,计算城市空间单元各季不同类型碳排日的排放量平均值。结果输入智能交互桌面显示终端。按季划分过程中,春季为3、4、5月,夏季为6、7、8月,秋季为9、10、11月,冬季为12、1、2月。
步骤S5:首先,判断城市空间单元是否为高碳排空间单元。在SPSS Statistics数据统计分析软件,通过K均值聚类算法分别分类型分季节聚类日均城市空间单元碳排放数据,聚类数量为3,在选项中勾选统计初始聚类中心,缺失值选择成列排除个案。在不同季节的输出结果中,每一类型含3类聚类结果,其中聚类中心值最高的为高碳排空间单元,次高的为中碳排空间单元,最低的为低碳排空间单元。可查看每一类聚类结果的最大值、最小值、聚类中的个案数目。在此案例实施过程当中,得到高碳排空间单元226个、中碳排空间单元431个、低碳排空间单元220个。其次,将中碳排空间单元、低碳排空间单元输出至S7,高碳排空间单元进入S6进行优化。
步骤S6:首先,将高碳排空间单元数据输入碳排放优化***,数据具体包含用地性质信息、用地边界信息、建筑信息、碳排放均值信息。碳排放智能优化***的智能处理端针对碳排放超标的类型,对城市空间单元按类型分别提出预设优化建议。对于居住用地高碳排放空间单元,提升清洁能源使用比例、提倡绿色低碳生活方式;对于公共管理与公共服务设施用地高碳排放空间单元,优化街区形态、提升清洁能源使用比例;对于商业服务业用地高碳排放空间单元,优化街区形态、制定碳减排指标、提升清洁能源使用比例;对于工业用地高碳排放空间单元,制定碳减排指标与产业更新升级计划,提升清洁能源使用比例;对于物流仓储用地高碳排放空间单元,制定碳减排指标、提升清洁能源使用比例;对于公用设施用地高碳排放空间单元,制定碳减排指标、增加高碳汇植物布;对于其他用地高碳排放空间单元,增加绿地碳汇面积、提升清洁能源使用比例。之后,在碳排放智能优化***的人机交互端,技术人员对智能处理端提出的高碳排空间单元优化建议进行校验与调整,输出城市高碳排放空间单元优化方案。在此案例实施过程当中,826个智能处理端提出的高碳排空间单元优化建议一次性校验通过,其余51个进行了人工调整。
步骤S7:首先,使用数据集成和转译设备进行城市空间单元碳排放布局平面图、高碳排空间单元各季碳排放数据、高碳排空间单元优化建议三类数据的集成,并在城市碳排放三维信息沙盘中进行展示。所述城市碳排放三维信息沙盘,是通过统一城市三维矢量数据为2000国家大地坐标系后所生成,包含城市地理高程、道路路网、用地布局和建筑物信息。其次,通过3D全息投影设备、VR眼镜、虚拟现实数据手套城市碳排放三维信息沙盘中的城市空间单元信息进行人机交互。通过3D全息投影设备,可以感知城市空间单元空间三维形态、碳排放均值数据、碳排放优化方案;通过VR眼镜,可以人的尺度在虚拟三维模型中漫游,使用虚拟现实数据手套点选建筑或街区地面,可以获取所属的城市空间单元的碳排放布局及其碳排放均值数据、碳排放优化方案。之后,基于S7-1,通过图纸数据集成设备输出1:1000比例的城市空间单元的碳排放布局平面图、1:1000比例的城市空间单元的碳排放布局鸟瞰图、方案分级指标文件、城市空间单元的碳排放布局各级日均碳排放统计表、碳排放优化方案、优化前后碳排放数据对照表,通过打印设备将上述内容打印成设计手册,同时通过工业3d打印机对方案三维模型进行3d打印,基于虚拟现实设备结合影响设备输出碳排放实测录像。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。
Claims (10)
1.一种城市高碳排空间单元自动识别方法,其特征在于,包括:
获取目标城市的碳排放数据并构建城市碳排放数据库;
将城市建成区根据现状用地性质划分为不同类型的城市空间单元,并建立城市空间单元的属性表;属性表包括城市空间单元的占地面积数据、建筑面积数据、用地性质数据、企业信息数据以及人口数据;
基于城市碳排放数据库获取每个城市空间单元的城市碳排放值,将碳排放值链接到对应的城市空间单元,并计算各城市空间单元的碳排放均值,形成城市碳排放均值数据库;基于城市碳排放数据库、城市空间单元的属性表和城市碳排放均值数据库共同构建城市碳排放三维信息沙盘;
通过空间链接算法对城市空间单元的碳排放数据按现状用地类型,分别进行空间链接;按日划分城市空间单元的不同用地类型的碳排放数据,基于此计算该城市空间单元各季不同用地类型碳排日的排放量最值与均值;
根据K均值聚类算法判断城市空间单元是否为高碳排空间单元;若识别为高碳排空间单元的城市空间单元,则根据用地类型对城市空间单元进行排放优化,并在城市碳排放三维信息沙盘中进行调整。
2.根据权利要求1所述的城市高碳排空间单元自动识别方法,其特征在于,所述将城市建成区根据现状用地性质划分为不同类型的城市空间单元,并建立城市空间单元的属性表,包括以下步骤:
获取目标城市的三维城市矢量数据,包括道路数据、建筑数据、人口数据、企业信息数据、用地性质数据,以现状用地性质为依据划分城市空间单元,对其进行编号并导入地理信息***中;其中企业信息数据包括规上工业产值和商业销售额;
通过地理信息***从三维城市矢量数据中识别并获取各城市空间单元的用地性质、占地面积A、建筑面积S以及人口数量P,并将识别结果嵌入属性表;若城市空间单元识别为居住用地单元,则进一步识别其户数H,若城市空间单元识别为公共管理与公共服务设施用地单元或公用设施用地单元,则进一步识别其服务能力F,若城市空间单元识别为商业服务业设施用地单元,则进一步识别其总销售额S,若城市空间单元识别为工业用地单元,则进一步识别其总产值Y,若城市空间单元识别为物流仓储用地,则进一步识别其社区物流总额P。
3.根据权利要求2所述的城市高碳排空间单元自动识别方法,其特征在于,所述城市空间单元包括居住用地单元、公共管理与公共服务设施用地单元、商业服务业设施用地单元、工业用地单元、物流仓储用地单元、公用设施用地单元和其他用地单元。
4.根据权利要求3所述的城市高碳排空间单元自动识别方法,其特征在于,所述基于城市碳排放数据库获取每个城市空间单元的城市碳排放值,将碳排放值链接到对应的城市空间单元,并计算各城市空间单元的碳排放均值,形成城市碳排放均值数据库;基于城市碳排放数据库、城市空间单元的属性表和城市碳排放均值数据库共同构建城市碳排放三维信息沙盘,包括以下步骤:
将城市碳排放数据库的碳排放数据通过交叉检验进行精度验证,对存疑地块和空白地块进行实地校核与补充,对数据进行整合,采用大气反演法得到城市碳通量;
通过转换公式,计算城市空间单元的碳排放均值,包括通用型指标和专用型指标进行具体计算;其中通用型指标为人均碳排放值、单位用地面积碳排放值、单位建筑面积碳排放值;专用型指标为户均居住碳排放值、单位服务能力碳排放值、单位销售额碳排放值、单位工业产值碳排放值和单位物流总额碳排放值,转换公式如下:
其中,Ci指的是城市空间单元的碳通量,Pi指的是第i个城市空间单元的常住人口;
其中,Ci指的是城市空间单元的碳通量,Ai指的是第i个城市空间单元的占地面积;
其中,Ci指的是城市空间单元的碳通量,Si指的是第i个城市空间单元的总建筑面积;
其中,Ri指的是城市居住空间单元的碳通量,Hi指的是第i个城市空间单元的总户数;
其中,Ui指的是城市公共管理与公共服务设施用地单元和城市公用设施用地单元的碳通量,Fi指的是第i个城市空间单元的服务能力人数;
其中,Bi指的是城市商业服务业设施用地单元的碳通量,Si指的是第i个城市空间单元的总销售额;
其中,Mi指的是城市工业用地单元的碳通量,Yi指的是第i个城市空间单元的规上工业总产值;
其中,Ui指的是城市物流仓储用地单元的碳通量,Pi指的是第i个城市空间单元的物流总额;
将城市空间单元的碳排放均值嵌入城市空间单元的属性表中,导入地理信息平台,构建城市碳排放三维信息沙盘。
5.根据权利要求4所述的城市高碳排空间单元自动识别方法,其特征在于,所述通过空间链接算法对城市空间单元的碳排放数据按现状用地类型,分别进行空间链接;按日划分城市空间单元的不同用地类型的碳排放数据,基于此计算该城市空间单元各季不同用地类型碳排日的排放量最值与均值,包括以下步骤:
通过空间链接算法对城市空间单元碳排放数据进行分类;分类的类型包括居住用地碳排放数据、公共管理与公共服务设施用地碳排放数据、商业服务业设施用地碳排放数据、工业用地碳排放数据、物流仓储用地碳排放数据、公用设施用地碳排放数据和其他用地碳排放数据;
通过地理信息平台,按日划分不同用地类型城市空间单元碳排放数据;
通过地理信息平台,计算城市空间单元各季不同类型碳排日的排放量平均值;按季划分过程中,春季为3、4、5月;夏季为6、7、8月;秋季为9、10、11月;冬季为12、1、2月。
6.根据权利要求5所述的城市高碳排空间单元自动识别方法,其特征在于,所述根据K均值聚类算法判断城市空间单元是否为高碳排空间单元,包括以下步骤:
通过K均值聚类算法分别分类型、分季节聚类城市空间单元碳排放日均数据,聚类数量为3类;每一类型含3类聚类结果,其中聚类中心值最高的为高碳排空间单元,次高的为中碳排空间单元,最低的为低碳排空间单元。
7.根据权利要求6所述的城市高碳排空间单元自动识别方法,其特征在于,所述识别为高碳排空间单元的城市空间单元,则根据用地类型对城市空间单元进行排放优化,并在城市碳排放三维信息沙盘中进行调整,包括以下步骤:
将被识别为高碳排空间单元的数据输入碳排放优化***;高碳排空间单元的数据包括用地性质信息数据、用地边界信息数据、建筑信息数据和碳排放均值信息数据;碳排放优化***按用地类型分别对高碳排空间单元执行预设优化方案;
人工校验和调整碳排放优化***执行的预设优化方案,基于校验和调整后的高碳排放空间单元的优化方案对城市碳排放三维信息沙盘进行调整。
8.根据权利要求7所述的城市高碳排空间单元自动识别方法,其特征在于,在城市碳排放三维信息沙盘中导入城市碳排放空间单元数据信息,通过城市碳排放三维信息沙盘设备、虚拟现实设备实现城市高碳排单元的三维展示和实景交互;通过3D打印设备实现城市高碳排单元的图纸打印。
9.根据权利要求1所述的城市高碳排空间单元自动识别方法,其特征在于,所述目标城市的碳排放数据包括采用1km分辨率的二氧化碳检测科学实验卫星采集月频率城市建成区的二氧化碳浓度数据、搭载高精度温室气体监测仪的无人机以城市街道为单位的每日不同时段的动态碳排放数据、采用温室气体走航检测车获取城市重点区域的碳排放数据、采用地基高分辨率光谱仪检测站点获取站点500m范围内的网格化无组织碳排放数据、采用手持红外气体成像仪对未检测到的点源进行实地校核的补充数据;其中重点区域包括城市居住区、城市工业园区和商业中心区。
10.一种城市高碳排空间单元自动识别的展示平台,其特征在于,包括:
数据获取及数据库构建模块:获取目标城市的碳排放数据并构建城市碳排放数据库;
城市空间单元划分模块:将城市建成区根据现状用地性质划分为不同类型的城市空间单元,并建立城市空间单元的属性表;属性表包括城市空间单元的占地面积数据、建筑面积数据、用地性质数据、企业信息数据以及人口数据;
城市空间单元碳排放生成模块:基于城市碳排放数据库获取每个城市空间单元的城市碳排放值,将碳排放值链接到对应的城市空间单元,并计算各城市空间单元的碳排放均值,形成城市碳排放均值数据库;基于城市碳排放数据库、城市空间单元的属性表和城市碳排放均值数据库共同构建城市碳排放三维信息沙盘;
城市空间单元碳排放数据聚类模块:通过空间链接算法对城市空间单元的碳排放数据按现状用地类型,分别进行空间链接;按日划分城市空间单元的不同用地类型的碳排放数据,基于此计算该城市空间单元各季不同用地类型碳排日的排放量最值与均值;
城市高碳排空间单元识别模块:根据K均值聚类算法判断城市空间单元是否为高碳排空间单元;若识别为高碳排空间单元的城市空间单元,则根据用地类型对城市空间单元进行排放优化,并在城市碳排放三维信息沙盘中进行调整;
交互展示模块:在城市碳排放三维信息沙盘中导入城市碳排放空间单元数据信息,通过城市碳排放三维信息沙盘设备、虚拟现实设备实现城市高碳排单元的三维展示和实景交互;通过3D打印设备实现城市高碳排单元的图纸打印。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211504313.1A CN115730731A (zh) | 2022-11-28 | 2022-11-28 | 一种城市高碳排空间单元自动识别方法及展示平台 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211504313.1A CN115730731A (zh) | 2022-11-28 | 2022-11-28 | 一种城市高碳排空间单元自动识别方法及展示平台 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115730731A true CN115730731A (zh) | 2023-03-03 |
Family
ID=85298773
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211504313.1A Pending CN115730731A (zh) | 2022-11-28 | 2022-11-28 | 一种城市高碳排空间单元自动识别方法及展示平台 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115730731A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117273268A (zh) * | 2023-09-15 | 2023-12-22 | 东南大学建筑设计研究院有限公司 | 基于日照、风、热环境模拟的街区形态综合优化方法 |
-
2022
- 2022-11-28 CN CN202211504313.1A patent/CN115730731A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117273268A (zh) * | 2023-09-15 | 2023-12-22 | 东南大学建筑设计研究院有限公司 | 基于日照、风、热环境模拟的街区形态综合优化方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108959424B (zh) | 一种用于电力***负荷监测的城市用电地图的操作方法 | |
CN110081930B (zh) | 一种陆海空一体化生态环境监测*** | |
CN111854847A (zh) | 基于景感生态学的生态环境物联网监测方法及*** | |
CN111896680B (zh) | 基于卫星遥感数据的温室气体排放分析方法及*** | |
CN107526786A (zh) | 基于多源数据的地名地址数据整合的方法和*** | |
CN111275597B (zh) | 社区生活圈空间识别方法、***、计算机设备及存储介质 | |
WO2021248335A1 (zh) | 一种基于街景图片及机器学习的城市内部贫困空间测度方法及*** | |
CN102033932A (zh) | 面向一体化设计的城市轨道交通站点分类方法 | |
CN109784667B (zh) | 一种基于夜光遥感数据的房屋空置监测方法 | |
CN111667183A (zh) | 一种耕地质量监测方法及*** | |
CN109245718A (zh) | 一种光伏电站信息分析云平台及*** | |
CN115730731A (zh) | 一种城市高碳排空间单元自动识别方法及展示平台 | |
CN105574675A (zh) | 基于规则库的建筑工程规划监督方法和*** | |
CN110263109A (zh) | 一种融合互联网信息及gis技术的家庭户数估算方法 | |
CN116796904A (zh) | 一种轨道交通新线客流预测方法、***、电子设备及介质 | |
CN111104449A (zh) | 基于地理空间画像挖掘的多源城市时空标准地址融合方法 | |
CN115994685A (zh) | 一种国土空间规划现状评估方法 | |
CN113033110A (zh) | 一种基于交通流模型的重点区域人员应急疏散***及方法 | |
CN116579607A (zh) | 一种多源数据协同的区域性尾矿库风险监测方法 | |
CN117893376A (zh) | 一种基于时空碳足迹的社区碳排放监测与调控方法 | |
CN114240098A (zh) | 一种基于多源数据的智慧园林监管及公园选址的方法 | |
CN112257964B (zh) | 一种负荷密集型城市智慧园区需求聚合建模方法 | |
CN117634907A (zh) | 城市屋顶光伏发电潜力的估算方法、装置、设备及介质 | |
CN112990605B (zh) | 一种全流程线上规划编制的方法和装置 | |
CN111062577B (zh) | 一种基于gis的变电站选址方法 |
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 |