【技术实现步骤摘要】
本专利技术涉及一种城市水体冷却效果分类预测方法技术，属于城市微气候环境性能分析方法。
技术介绍
1、随着全球城市化的快速发展，越来越多的人选择居住在城市，城市人口迅速增加，导致城市下垫面结构发生显著变化。同时，城市规模的扩大导致城市人为热量迅速增加，对城市区域气候的影响日益严重。
2、“城市热岛效应”指的是城市地区的温度高于郊区的现象。城市热岛效应不仅增加了城市资源的消耗，还会引起城市气候的异常变化，甚至导致生命财产的损失。在当前全球变暖的气候背景下，研究有效缓解城市热岛效应的对策和方法具有重要意义。
3、水体作为城市降温的主要来源，对自然环境起着重要的调节作用。由于水环境的比热大，可以吸收和储存空气中的热能，对水域附近的物体有明显的降温效果。因此，它可以有效缓解城市热岛效应。城市水体的形状、大小和面积各不相同，因此，水体对缓解热岛效应的作用也不同。研究不同城市水体对缓解城市热岛效应的影响，最大限度地发挥水体的缓热效果，对于改善当地的生态环境，实现城市的可持续发展具有重要意义。
4、然而，现有的针对水体冷却效果的研究大多集中在某一区域内的水体降温效果上，而对水体降温效果的分类研究几乎没有。但不同类型水体的降温效果不同，影响不同类型水体降温效果的因素也不同。仅在区域尺度上对区域水体的降温特性进行概括性的研究，不能更深入、更细致地获得改善不同类型水体降温效果的最有利方法。因此，有必要根据水体的实际降温效果，对影响其降温效果的相关因素进行分类研究。此外，利用现场测量或卫星图像的方法很难获得水体的实际
技术实现思路
1、针对现有研究存在的不足，本专利技术的目的在于提出一种基于水体物理参数实现水体实际降温效果分类的定量分析方法，解决了现有技术中无法快速分析水体冷却效果的技术问题。
2、本专利技术的技术目的通过以下技术方案实现：
3、步骤一、基于遥感数据分别对研究区域城市的水体样本的冷却效果以及水体的物理特性进行提取；
4、步骤二、以冷却效果为依据，利用k均值聚类算法对水体样本进行分类；
5、步骤三、利用线性判别算法学习各类水体冷却效果与物理特性的相关关系，建立由水体物理特性到水体冷却效果分类的预测模型。
6、所述步骤一中的水体冷却效果和水体物理特性由卫星遥感数据在gis软件中提取得到。
7、评价所述水体样本的冷却效果的指标包括水体冷却强度，水体冷却范围和水体冷却梯度；
8、表征所述水体的物理特性的指标包括水体的周长、面积、景观形状指数以及水体冷却范围内绿地、水域、建成区和裸地这几种土地利用类型所占总面积的比例，
9、水体冷却强度wci的计算公式为：
10、wci＝tmax-t0；
11、式中，tmax是离岸气温的最大值，t0是岸边气温；
12、水体冷却范围wcd的计算公式为：
13、wcd＝dmax；
14、式中，dmax是离岸气温达到最大值时的离岸距离；
15、水体冷却梯度wcg的计算公式为：
16、
17、景观形状指数lsi的计算公式为：
18、
19、式中，p为水体周长，单位m；a为水体面积，单位m2；π是圆周率；
20、水体冷却范围内绿地、水域、建成区土地利用类型所占总面积的比例pland_gs、pland_wb、pland_bd和裸地土地利用类型所占总面积的比例pland_bl的计算公式为：
21、
22、其中pland_i指代水体冷却范围内绿地、水域、建成区土地利用类型所占总面积的比例pland_gs、pland_wb、pland_bd或裸地土地利用类型所占总面积的比例pland_bl；
23、ai表示在水体冷却范围wcd内对应土地利用类型的面积；
24、a表示在水体冷却范围wcd内的土地总面积。
25、所述步骤二中以水体样本的冷却效果为依据，利用k均值聚类算法，根据欧几里德距离和轮廓系数指标，确定所采集的水体样本的分类个数；
26、所述k均值聚类算法用于聚类分析，k均值聚类算法的过程如下：
27、(1)初始化：随机选取k个样本作为初始聚类的中心；
28、(2)初始聚类：根据初始化时选择的聚类中心，计算每个样本到每个聚类中心的距离，并将每个样本集中在离聚类中心最近的类中，得到聚类结果；
29、(3)类中心重选：在初始聚类后，计算每个类样本的平均值作为新的类中心；
30、(4)重复步骤(2)和(3)，直到聚类结果不再改变；
31、欧几里德距离是距离的一个常用定义，它是n维空间中两点之间的真实距离，这在步骤(2)中用作距离指数，计算公式为：
32、
33、其中oik和ojk分别表示点i和点j的k维坐标；
34、轮廓系数是决定聚类效果的重要指标，对于聚类中的每个向量，依次计算样本轮廓系数，对于样本i，簇内相异度a(i)的平均值反映了凝聚力的程度；簇内相异度a(i)越小，样本i被聚集到当前簇中的能力就越强；计算了簇间的平均相异度b(i)以反映分离程度，簇间的平均相异度b(i)越大，属于其他团簇的样本i就越少，样本i的轮廓系数的计算公式为：
35、
36、样本i的轮廓系数的值在[-1，1]范围内，该值越大，越接近同类样本，与不同样本的距离越大，聚类效果越好；
37、样本i的轮廓系数s(i)接近1，表明样本i的分类是合理的；
38、样本i的轮廓系数s(i)接近-1表示样本i应归入另一类，
39、如果样本i的轮廓系数s(i)接近0，则样本i在两个类之间的分界线上；
40、每个样本轮廓系数的平均值作为聚类结果的样本轮廓系数s，表示聚类结果是否正确合理，对同一样本中不同分类数的聚类结果，计算各分类下的样本轮廓系数s，绘制聚类结果的样本轮廓系数s与类数的分布曲线，与分布曲线拐点对应的类数作为样本集的最佳聚类数。
41、所述步骤三中利用线性判别算法，在步骤二中所得到的分类下，学习各类水体冷却效果与水体物理特性的相关关系，最终建立由水体物理特性到水体冷却效果分类的预测模型，在以水体物理特性为模型输入的情形下，返回水体所属类的类标签作为模型输出；
42、线性判别分析算法lda利用了训练样本的类标签信息，是一种有监督的特征提取方法，在这里lda被用来利用样本集直接设计分类器；
43、对于一个样本集合x有n个维数为d的样本x＝[x1,x2,…,xn]∈rd×n,每个样本对应一个类标本文档来自技高网...
【技术保护点】
1.一种城市水体冷却效果分类预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的城市水体冷却效果分类预测方法，其特征在于，所述步骤一中的水体冷却效果和水体物理特性由卫星遥感数据在GIS软件中提取得到。
3.根据权利要求1所述的城市水体冷却效果分类预测方法，其特征在于，评价所述水体样本的冷却效果的指标包括水体冷却强度，水体冷却范围和水体冷却梯度；
4.根据权利要求1所述的城市水体冷却效果分类预测方法，其特征在于，所述步骤二中以水体样本的冷却效果为依据，利用K均值聚类算法，根据欧几里德距离和轮廓系数指标，确定所采集的水体样本的分类个数；
5.根据权利要求1所述的一种城市水体冷却效果分类预测方法，其特征在于，所述步骤三中利用线性判别算法，在步骤二中所得到的分类下，学习各类水体冷却效果与水体物理特性的相关关系，最终建立由水体物理特性到水体冷却效果分类的预测模型，在以水体物理特性为模型输入的情形下，返回水体所属类的类标签作为模型输出；
【技术特征摘要】
1.一种城市水体冷却效果分类预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的城市水体冷却效果分类预测方法，其特征在于，所述步骤一中的水体冷却效果和水体物理特性由卫星遥感数据在gis软件中提取得到。
3.根据权利要求1所述的城市水体冷却效果分类预测方法，其特征在于，评价所述水体样本的冷却效果的指标包括水体冷却强度，水体冷却范围和水体冷却梯度；
4.根据权利要求1所述的城市水体冷却效果分类预测方法，...
【专利技术属性】
技术研发人员：周欣，康泽鸿宇，刘华，唐滢，葛欣，
申请(专利权)人：东南大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。