SCI期刊论文导读 | 空间大数据与城市可持续发展规划

SCI期刊论文导读

空间大数据与城市可持续发展规划

- Paper Sharing - 

本次分享的文献《Spatial-temporal variations of surface urban heat island: An application of local climate zone into large Chinese cities》选自爱思唯尔出版集团旗下的期刊 Building and Environment，2023影响因子7.5， 是中科院SCI工程技术1区Top。

这项研究旨在探索基于地表温度（LST）的城市热岛（SUHI）对于大尺度热环境的适用性。尽管一些研究聚焦于采用当地气候区（LCZ）方案研究单个城市或具有类似气候的城市内部SUHI强度（SUHII），但跨不同气候区域探索城市内部SUHII和SUHI范围的时空特征仍然有限。

研究的新颖之处在于提出了改进的LCZ制图方法和新的SUHIE量化方法，揭示了城市内SUHII和SUHIE的时空格局及其与背景气候的关系。从时间和空间的角度促进对 SUHII 和 SUHIE 的理解，并从详细的土地利用和土地覆盖以及城市形态的角度提供对城市热量缓解的见解。

文献来源：Wang R, Voogt J, Ren C, et al. Spatial-temporal variations of surface urban heat island: An application of local climate zone into large Chinese cities[J]. Building and Environment, 2022, 222: 109378.

城市地表热岛效应（SUHI）是指城市和农村地点之间的地表温差，是城市化的环境影响之一。与空气UHI效应相比，基于地表温度（LST）的SUHI效应特别适合监测大尺度的热环境。中国幅员辽阔，地形和气候多样，城市面积快速扩张，各个城市的社会经济水平参差不齐。因此，利用卫星图像计算的SUHI效应为探索中国不同城市的热环境提供了一致的方法。

以往的SUHI相关研究通常将SUHI强度（SUHII）差异定义为城乡差异，而不同研究区域对“城市”和“农村”地点的定义也有所不同，简单的城市类别使城市内热岛差异均一化。为了填补这一空白，最近的研究采用了GEE的LCZ分类方法绘制中国粤港澳大湾区的LCZ地图。考虑到中国快速的城市化进程，需要保证区域控制区的时间一致性，为后续规划策略的制定提供正确的城市数据库。

（1）提出一种基于GEE的适合时间序列LCZ制图的LCZ分类方法，

（2）提出适合多中心城市发展的SUHIE量化方法，

（3）分析时空城市内 SUHII 和 SUHIE 的模式，以及量化它们与背景气候的关系，以及

（4）为创建凉爽社区提供规划建议。

研究选取8个人口超过500万的城市（北京、上海、广州、深圳、西安、重庆、武汉、沈阳）作为研究对象。

研究时期涵盖了改革后城镇化的部分时期，从2000年开始到2015年结束，在此期间中国城市经历了快速的城镇化和社会经济发展。同时，还利用中国气象资料服务中心（http://data.cma.cn/）获取的2000年、2005年、2010年和2015年气温、降水和相对湿度记录代表各城市的背景气候。

图：八个大城市的地理位置、地形与中国建筑气候区

基于GEE，研究开发了一种改进的具有时间一致性检查的LCZ映射方法。为八个大城市制作了城市尺度的分辨率为 100 米的多时相 LCZ 地图。

研究中使用的LCZ分类工作流程包括三个主要步骤：

  （1）处理地球观测数据，

  （2）选择样本进行模型训练和验证，以及

  （3）应用随机森林（RF）分类器。

其中，步骤（1）和（3）在GEE平台上进行，步骤（2）使用Google Earth Pro软件进行。

图：改进的 LCZ 映射方法的一般工作流程。

与现有的其他 LCZ 分类方法相比，研究提出的 LCZ 映射方法在四个方面进行了改进：

  （1）参考百度街景和房屋中介网站帮助识别训练样本的 LCZ 类型，

  （2）实现几个光谱指数来区分不同的土地覆盖，

  （3）结合高度信息来细化城市内 LCZ 类别的差异，

  （4）应用时间一致性检查以确保不同年份之间 LCZ 类别的一致性。

图：2000年至2015年八个大城市所有LCZ类型（OA）、建筑类型（OAu）和自然类型（OAn）分类精度的提高，将原始WUDAPT方法生成的LCZ分类结果与改进后的结果进行比较LCZ 作图方法。

因此，采用新LCZ映射方法可以得出4点结论：

  （1）改进的LCZ分类方法可以在复杂的城市环境中更准确地对LCZ类别，特别是建筑类型进行分类。基于缓冲区的方法可以更准确地量化SUHI范围，并且可以描述单核和多核城市发展。

  （2） 城市内SUHI强度和SUHI范围具有明显的时空格局——夏季峰值、冬季低值；在空间上，随着背景气候变得温暖和潮湿而减少。此外，SUHI范围随着城市面积的增加而增加，特别是LCZ 1面积，但其增长速度慢于城市地区。

  （3）无论背景气候如何，LCZ 1 呈现最高的 SUHI 强度，并且显着影响 SUHI 范围。LCZ 4 在容纳与 LCZ 1 相似的种群时表现出相对较低的 SUHI 强度，但仍与 SUHI 扩张呈正相关。

  （4）在规划实践中，限制控制区1的面积，合理布局控制区4，从强度和范围上都有利于缓解城市热量。

分享的文献之二《Planning bikeway network for urban commute based on mobile phone data: A case study of Beijing》选自爱思唯尔出版集团旗下的期刊 Travel Behaviour and Society，2023影响因子5.2， 是中科院SCI工程技术2区，以及JCR 1区顶刊。

该研究以北京为例，提出了基于手机数据的自行车道路线选择和优化的分析框架。首先，研究通过挖掘手机地理信息数据分析骑行需求，然后评估适合自行车道的道路空间。最后，采用最小成本路径方法选择自行车道路线，并根据自行车潜力和交通量进行分类。

文献来源：Zhao X, Guo Y. Planning bikeway network for urban commute based on mobile phone data: A case study of Beijing[J]. Travel Behaviour and Society, 2024, 34: 100672.

论文背景: 近年来，随着共享单车项目的增加，城市骑行需求迅速增长。作为鼓励骑行的有效方式之一，自行车道被认为是支持骑行通勤的重要设施。因此，在城市地区改善骑行通勤的关键在于合理规划自行车道路线并构建自行车道网络。

过去方案: 以往的自行车道路线选择方法可能忽略了个体层面的出行行为，对通勤目的的自行车需求分析通常是泛化的。

研究目标: 旨在解决现有自行车道路线选择方法的不足，提出了基于手机数据的自行车道路线选择框架，并通过北京案例展示了其可行性。

研究区域位于北京六环路以内，占地面积约2267km2。

在本研究中，用于分析人口流动的手机数据由北京城市象限科技有限公司提供。移动电话数据来自中国联通北京基站在2019年工作日早高峰（上午6:00至上午10:00）收集的手机信号（初级数据）。

基本道路网络数据从OpenStreetMap获取，最终被确定的城市道路总长度为2593公里，数据清理后，共获得2,338公里的线性走廊和817.9平方公里的开放空间。

研究框架包括四个步骤：

（1）首先，建立了一个热点检测模型，通过分析移动电话数据中出发和到达的分布，发现交通热点和高交通量区域。

（2）其次，创建了所有高交通量区域之间的Origin-Destination(OD)-pair，然后评估它们的属性以识别潜在的自行车行程。

（3）接着，提取了用于建造自行车道的所有可用空间。根据它们的类型和属性分配分数，从而创建了一个适宜性模型来评估从这些空间建造自行车道的适宜性。

（4）最后，使用ArcGIS中的最小成本路径方法基于潜在的骑行行程和潜在的骑行空间模拟自行车道路线。然后手动校正模拟的路线，形成自行车网络规划。

图：研究技术路线框架图

图：在ArcGIS中由Model Builder创建的热点检测模型。

研究设计并提出的自行车道网络规划框架，可以帮助决策者选择自行车道路线。使用多源数据，评估潜在的自行车出行，自行车道的骑自行车适宜性模型，并优化自行车道的路线。结果表明，利用手机数据和GIS分析的有效性和可行性的自行车道网络规划。

本研究以北京市为例，对所提出的自行车道网络设计框架进行了验证。研究结果表明:

（1）在城市中心区，自行车道主要是为中心城区内的自行车通勤服务的。在郊区(如海淀、朝阳、亦庄)，自行车道主要用于跨区通勤;

（2）满足跨区通勤需求的自行车道优先建设通勤道路，建议建设自行车快速路;

（3）研究规划建设全长450公里的自行车道，覆盖70%以上的通勤人口，主要连接中心城区和人口密集的郊区，形成覆盖全市的自行车道网络，并主要连接了高密度郊区和中心地区。

图：自行车交通量(左)；根据交通量建议的优先选择自行车道 (右)。

图：骑行潜力图(左)；根据骑行潜力分为三类的建议优先选择自行车道(右)。

- E N D -