基于我国物联网技术应用与发展中的智慧城市建设分析与探讨

目前,经济全球化加剧了全球产业结构的调整与分工,伴随着以物联网、云计算为主的新一代信息技术成为我国战略性新兴产业,正在加速我国经济振兴与产业转型升级,与此同时我国城镇化率已突破50%,中国正在经历着城市化、工业化与信息化深度融合阶段。因此深入把握智慧城市建设是促进物联网等新一代信息技术广泛应用的重要发展契机,业界应积极响应国家物联网"十二五"规划纲要,进一步推动物联网技术在"智慧城市"建设中的应用。     

基于不透水地表比例的城市扩展研究

不透水地表比例是衡量城市化水平的一个重要指标,采用不透水地表比例可以研究城市的空间变化和扩展并定量化城市空间变化和扩展的强度。使用多端元光谱混合分析方法可以从TM影像中提取亚像元尺度的不透水地表比例,用该方法从两个时相的TM影像中提取南京都市发展区不透水地表比例,在此基础上定性和定量地分析该区域的空间变化和扩展。     

污水处理在城市给排水规划设计中的应用

随着经济的发展,我国正式迈入了建设城市化道路的步伐,在建设城市化的过程中,环境污染愈演愈烈,尤其是城市用水的污染问题,生活污水随意排放,对城市周围的自然环境造成污染,特别是海域环境。本文针对污水处理问题,探讨和分析其在城市给排水规划设计中的应用。     

智慧城市

<正>"智慧城市"不是凭空产生的,是和全球城市化进程相伴相生的。进入二十一世纪以来,城市化已经成为全球最显著的经济特征之一。全球的城市化进程加快,不仅城市数量急剧增加,而且城市规模迅速扩大,人口、技术、服务越来越集中于城市。城市规模的不断扩张,给城市管理也带来了越来越多的矛盾和难题,这就要求城市管理体制与管理理念发生大     

城市热岛效应地表通量空间分布研究

城市化进程的加快促使更多大中城市的产生以及城市面积的扩展,导致更加严重的城市热岛现象。为了更加深入理解城市热岛效应产生根源,以西安市城区为例采用美国陆地卫星遥感数据反演或估算地表温度、植被指数以及地表通量等变量,不仅采用传统的地表温度参数理解城市热岛现象,还着重分析城市建成区和郊区的地表通量空间分布格局及其与地表温度的关系。研究发现西安城市建成区与郊区之间热环境存在显著的差异,地表温度不仅与植被覆盖状况具有密切的关系,还与地表潜热通量和实际蒸散发变量存在显著的反相关关系。详细分析表明拥有众多工厂企业的西安市莲湖区热岛效应尤为显著,而位于市中心的新城区次之,具有较大面积郊区的灞桥区热岛效应并不明显。因此城市绿地不仅影响城市建成区的地表温度空间分布,还对地表通量以及实际蒸散发的空间格局产生重要的影响,在调节城市热岛效应方面具有重要的作用。
     

智慧城市音视频网络和存储架构

国家“十二五”规划出台后,新一轮经济增长又将在各区域经济中心推进,各个经济区域的智慧城市化进程也将进一步加速。许多城市把建设“智慧城市“作为城市发展的重要任务,并计划在“十二五”期间打造智慧城市。智慧城市的建设需要用到大量的IT技术,音视频技术作为IT技术的一部分,又是智慧城市的基础,必将使得IT技术有着广泛的需求和应用。     

基于海绵城市设计理论的公园设计方案研究

当前我国城市化建设的脚步不断加快,为了有效协调自然界和城市发展的关系,城市建设融入了海绵城市设计理念,该理念运用于城市公园设计,发挥了重要的作用。海绵公园不仅能够实现"渗、滞、蓄、净、用、排"的功能,还能满足城市居民对公园绿色健康生态环境的需求。     

基于Landsat 8遥感影像的新旧城区热环境特征对比研究——以成都市为例

近年来,在快速城市化的背景下,大量城市涌现出新型城市区,城市热环境特征发生显著变化。为重点分析城市化过程中新旧城区热环境差异及其影响因素,选择四川省成都市为典型研究区,基于该区域2014年8月13日夏季Landsat 8卫星数据,分别获取地表温度、城市建筑用地和植被覆盖等关键地表参数信息,进而开展成都市新城区与旧城区的热环境差异及其内在影响因素研究。结果发现:(1)整体而言,旧城区地表温度高于新城区,旧城区的地表温度呈现中部区域及北部地区高于南部地区的分布趋势,新城区中部偏西、北地区少部分区域存在高温区域,南部偏东区域地表温度略低,其余地区的地表温度分布相对均匀,并呈现出形状比较规则的低温度斑块;(2)旧城区比新城区的城市热岛比例指数更大,通过新旧城区的热场剖面分析得出旧城区到新城区的地表温度呈现下降的趋势。这都表明旧城区的城市热环境效应强于新城区;(3)建筑用地密度高,城市植被覆盖少的地区易于形成"热岛效应",而合理的城市景观规划布局则有利于改善城市热环境。上述新旧城区热环境效应对比研究表明,成都市新城区的城市规划布局表明其对改善新城区热环境具有积极作用,能为今后新城区的城市规划提供重要借鉴意义。     

基于夜间灯光数据的重庆市城市扩张研究

城市化现象是区域经济发展的重要体现,其进程反映了该地区经济发展水平。重庆自1997年直辖以来,经济得到了高速发展,城市化水平也相应迅速提高,寻找一种直观、高效的城市化表达方法,从全局上正确把握直辖以来重庆市的城市化发展成果具有重大现实意义。通过统计数据比较法对夜间灯光数据逐年提取重庆市建成区范围,再根据提取结果构建城市重心模型,计算城镇扩张速度,建立夜间灯光指数。研究发现:重庆市城镇分布在空间上呈点状分布并向四周扩张;城市化水平差异明显,其他区县远落后于主城区;城市重心由渝中区逐渐转移至渝北区内;城市扩张保持较高速度。以此为重庆市城市规划和建设提供重要参考。     

福清市城镇空间扩展规律及其驱动机制分析

福清市是福建省沿海经济发达的城市。特别是上世纪90年代以来,福清市的经济得到快速发展,其经济结构已由以农业为主逐渐转向以工业为主。随着经济的进一步发展,福清市的城市化水平有了稳步的提高,其城镇用地也发生了很大的变化。城市扩展的空间数据是评估城市化进程的一个重要指标。因此,综合应用遥感和地理信息系统技术分别提取了福清市1991年和1996年的城镇用地信息,并发现在这5年中福清市城镇用地面积增加了1.2倍。经过对城市区域扩展进行空间分
析,并结合社会经济统计数据,推断福清市城镇用地扩展的驱动力主要为工业大发展(工业区的成片建设)。     

复杂地表地表温度反演研究进展

地表温度是陆表过程研究的关键参数,卫星反演地表温度是获取区域及全球尺度辐射平衡、能量收支研究中地表温度参数的有效手段.目前,在平坦地表覆盖均一区域,基于热红外和微波遥感反演的地表温度已经被验证具有较好精度,尤其热红外遥感地表温度产品精度可达1 K以内.但是针对复杂地表的温度反演研究仍面临较大挑战.系统总结了复杂地形区地...     

典型地表对长沙主城区地表温度的影响分析

城市热岛是一种城市地区温度比郊区温度高的现象,它可改变城市的自然和社会过程,引发一系列环境问题。利用Landsat 8 TIRS10波段的单通道算法（TIRS10_SC算法）反演了长沙主城区2013年7月、2016年3月、7月和11月4景Landsat 8影像的地表温度,并进一步分析了地表温度的时空分布特征,建设用地、绿地、河流以及不同材质的屋顶等典型地表对主城区地表温度的影响。结果表明：①长沙火车站沿线、高桥大市场和部分工厂在各个时期均为高温区。2016年7月浏阳河周边区域热岛效应相对于2013年7月有所缓解,主要由天气情况的不同以及拆迁改变地表覆盖性质等造成。3月建设用地中比率最大的为中温, 7月建设用地中比率最大的为次高温。3月和7月,绿地中比率最大的为次低温,水体中比率最大的为低温。而11月,建设用地和绿地中比率最大的为中温,水体中比率最大的次高温。②河流周边120 m范围内,由陆地向河流每减少30 m,7月建设用地平均温度减少0.93~1.26 ℃,绿地平均温度减少0.57~0.99 ℃;3月建设用地平均温度减少0.51~0.78 ℃,绿地平均温度减少0.3~0.57 ℃。河流的降温强度与河水温度和距离河流120 m以上的地表温度的差值大小有关。③负的MNDWI（非水体）与地表温度呈正相关关系,正的MNDWI（水体区域）与地表温度3月和7月呈负相关关系,11月呈正相关关系。④地表比辐射率对地表温度反演的结果影响显著,利用NDVI估算地表比辐射率难以区分高反射率的屋顶与其他类型的建设用地。因此,针对高反射率屋顶对地表比辐射率的影响有待进一步研究,以提高城区地表温度的反演精度,为减缓城市热岛效应提供参考依据。     

基于Landsat TM图像的北京城市地表温度遥感反演研究

利用北京地区Landsat TM热红外波段数据，采用单通道算法反演得到北京地区地面温度分布图。从反演结果可以看出，北京城区地面温度比郊区地表温度高，郊区地表温度较低，密云水库、官厅水库等水体的温度最低，总体上北京城市热岛效应显著。地表比辐射率是通过Van经验公式反演得到，通过对比分析，表明该方法对自然地表的比辐射率反演效果较好。     

非渗透表面丰度提取方法运用——以广州市海珠区为例

非渗透表面丰度即非渗透表面含量百分比,是水文学中不透水层与遥感领域混合像元分解概念相结合的产物。在城市区域,非渗透表面多指房屋、道路、停车场等建设用地区。本文基于广州市海珠区2000年ETM＋数据,首次采用单窗算法反演的地表温度数据与植被-非渗透表面-土壤（V-I-S）模型、归一化线性混合光谱模型（NSMA）相结合的方法提取研究区非渗透表面丰度值,并对提取结果进行49个300m×300m有效样区的抽样检验。结果表明抽样值与真实值之间存在10.03%的均方根误差以及2.65%的系统误差,从而进一步验证了三模型结合使用提取非渗透表面丰度的可行性。     

多时相影像福州市不透水面对城市地表温度的空间分布研究

随着城市化进程的加快,城市热力场也随之发生变化,从而影响着城市区域环境、社会经济以及社会环境。由于NDVI具有季相变化的不稳定性,本研究采用两个时相TM/ETM+影像分析福州市及其周边地区不透水面对热力场的时空分布变化状况。为了获取精确的城市不透水面信息,本实验采用NDVI二元法结合2000年同区域的IKONOS影像提取不透水面信息。通过定量分析不透水面百分比、NDVI与地表温度的关系,得出不透水面百分比与城市地表温度呈线性相关,其相关系数在0.7左右;尤其30%以上的不透水面对地表热环境的空间分布影响最为突出,因此,相对于不稳定的NDVI而言,不透水面信息能更好地反映城市热环境的空间分布状况。     

一带一路沿海超大城市热岛时空特征遥感分析

城市热岛不仅影响城市局地及区域气候,而且对城市空气质量、能源消耗、居民健康等有显著的负面作用。利用长时序遥感数据,系统地分析各超大城市热岛的时空特征,能够为城市热岛效应减缓政策的制定提供参考,对带路城市可持续发展具有重要意义。基于2001~2017年MODIS地表温度产品和Landsat土地利用分类数据,以城市热岛强度（Surface Urban Heat Island Intensity, SUHII）作为指标,从季节和年际的角度分析一带一路沿海超大城市2001~2017年热岛效应时空格局的变化。研究结果表明：①2001~2017年期间各超大城市的核心区存在扩张趋势,高强度热岛主要分布在人口活动密集的城市核心区;②年均城市热岛强度最大的城市是卡拉奇,多年SUHII平均值为3.02 ℃,热岛强度显著上升的是金奈（0.07 ℃/a,P<0.1）;③各城市热岛强度存在季节性差异,其中夏季城市热岛强度最大的城市是伊斯坦布尔,SUHII平均值为2.88 ℃,冬季城市热岛强度最大的城市是卡拉奇,SUHII平均值为4.45 ℃。     

基于机器学习算法的AMSR-2地表温度降尺度研究

MODIS日尺度的地表温度受到天气影响,有效像元信息严重缺失,这对数据稀缺区域尤为重要。以古尔班通古特沙漠为研究区,探索了采用AMSR-2的垂直极化亮度温度与植被指数对地表温度空间降尺度的方法,并用此方法填补了2018年MODIS的缺失像元。(1)通过十折交叉验证,对4种机器学习算法（Cubist、DBN、SVM、RF）、10个波段组合、2个空间尺度（5 km、10 km）下的训练模型进行了分析,表明RF算法精度明显高于其他3种算法,C09波段组合的验证精度高于其他波段组合。(2)构建了2个鲁棒性的随机森林算法地表温度降尺度模型（5 km|RF|09、10 km|RF|09）,将AMSR-2亮度温度降尺度到1km分辨率,表明5 km|RF|09模型反演结果更为合理,MODIS与站点验证的R2分别为0.971、0.930,RMSE分别为3.38 K、4.71 K,MAE分别为2.51 K、3.84 K。(3)降尺度结果填补MODIS地表温度缺失像元,将其应用到古尔班通古特沙漠长时间序列的陆表温度分析,可为数据稀缺区域数据获取提供科学参考。     

广州市地表温度反演与土地利用覆盖变化关系研究

利用环境星1A/1B遥感影像,运用Jiménez-Munoz & Sobrino's普适性单通道算法定量反演广州市的地表温度(Land Surface Temperature,LST) ,结合MNF主成分分析和支持向量机获取的不透水面分布格局,利用面向对象分类方法获得了土地利用覆盖情况,重点研究广州市不透水面、土地覆盖和植被指数与城市热环境的定量关系。研究结果显示:基于大气水汽含量实测数据的JM&S普适性单通道算法反演结果更精确;广州市2009~2011年的不透水面面积和土地覆盖与平均地表温度相关性分析表明:广州市连续3 a呈现城市扩张的现象,城市热效应显著加剧;城市平均地表温度与不透水面面积呈现正相关,与城市的植被指数和裸土指数呈现负相关。     

Characterizing the impact of urban morphology heterogeneity on land surface temperature in Guangzhou,China

The urban morphology is regarded as one of the main reasons for urban heat island (UHI). However, its effect on UHI in city-scale urban areas has seldom been examined. In this paper, we presented a rule-based regression model for investigating the nonlinear relationship between land surface temperature (LST) and urban morphology represented by building height, building density and sky view factor (SVF) across different dates in 2005. Results found that an urban morphology of medium building height and lower density significantly yielded higher LST variation levels, whereas the lowest LST variation levels occurred in high-rise and high-dense building arrays. Compared to building height, building density had a stronger influence on LST. Medium SVF values produced the lowest LST, whereas the largest and smallest SVF values produced the highest LST. Results also showed how rule-based regression model offer great performance in detecting the nonlinear mechanisms of LST as well.