一种基于人工智能获取街区尺度LCZ的方法技术

本发明专利技术提供一种基于人工智能获取街区尺度LCZ的方法，属于图像处理技术领域，该方法包括：获取目标区域的路网信息和遥感图像和街区成份信息；根据路网信息将目标区域划分为多个局部气候区块；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；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；计算局部气候区块的地表形态特征参数；根据地表形态特征参数将局部气候区块分类。本发明专利技术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。市街区规划和建筑设计提供参考。市街区规划和建筑设计提供参考。

【技术实现步骤摘要】
一种基于人工智能获取街区尺度LCZ的方法


[0001]本专利技术涉及图像处理
，具体涉及一种基于人工智能获取街区尺度LCZ的方法。

技术介绍

[0002]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。
[0003]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，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能获取街区尺度LCZ的方法，其特征在于，包括：获取目标区域的路网信息和遥感图像和街区成份信息；根据路网信息将目标区域划分为多个局部气候区块；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；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；计算局部气候区块的地表形态特征参数；根据地表形态特征参数将局部气候区块分类。2.根据权利要求1所述的一种基于人工智能获取街区尺度LCZ的方法，其特征在于，所述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：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；人工标记少部分目标区域遥感图像的组成成份作为像素级分类人工智能模型的训练集；将训练集输入像素级分类人工智能模型进行训练；获得训练好的像素级分类人工智能模型。3.根据权利要求1所述的一种基于人工智能获取街区尺度LCZ的方法，其特征在于，所述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：组成成份包括：植被、建筑、道路、裸地、湖泊河流、农耕用地；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；像素级分类人工智能模型输出目标区域遥感图像中的组成成份。4.根据权利要求1所述的一种基于人工智能获取街区尺度LCZ的方法，其特征在于，所述根据路网信息将目标区域划分为多个局部气候区块包括：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；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；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。5.根据权利要求1所述的一种基于人工智能获取街区尺度LCZ的方法，其特征在于，所述计算局部气候区块的地表形态特征参数包括：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；计算建筑密度、透水面积比率以及不透水面积比率；计算建筑高度；计算街道高宽比；计算天空视角系数。6...

【专利技术属性】
技术研发人员：刘琳，林满生，陈贡发，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：