小區(qū)環(huán)境分析模型

邵鑫焱 葉林飛 蔣媛 夏天津 朱進

【摘要】隨著生活水平的提高，住宅區(qū)的生態(tài)環(huán)境質(zhì)量是購、租房客進行選房時考慮的關(guān)鍵因素。為避免購、租房客居住后發(fā)現(xiàn)小區(qū)生態(tài)環(huán)境質(zhì)量存在問題的情況，此GIS圖解模型在ArcGIS原功能基礎(chǔ)上，結(jié)合遙感和環(huán)境科學(xué)知識，通過實驗對城市住宅區(qū)生態(tài)環(huán)境各因素進行選擇、設(shè)置權(quán)重、緩沖分析等，構(gòu)建小區(qū)環(huán)境質(zhì)量的分析模型；用Web GIS構(gòu)建住宅區(qū)生態(tài)環(huán)境質(zhì)量的量化評級，并構(gòu)建小區(qū)生態(tài)環(huán)境質(zhì)量評估服務(wù)系統(tǒng)向購、租房客戶提供服務(wù)。

【關(guān)鍵詞】GIS圖解模型；小區(qū)環(huán)境分析；量化評級

1、引言

隨著計算機技術(shù)的飛速發(fā)展，計算機與其他學(xué)科領(lǐng)域和結(jié)合日益加深，環(huán)境分析數(shù)字化也成為了一種必然?；赗S和GIS的信息技術(shù)是快速、有效地評價區(qū)域生態(tài)環(huán)境的重要手段。近年來，環(huán)境監(jiān)測部門加強了GIS技術(shù)在環(huán)境質(zhì)量報告書編制中的應(yīng)用，有效地展現(xiàn)了環(huán)境數(shù)據(jù)的空間規(guī)律及其隨時間變化的特征。同時GIS與其他學(xué)科領(lǐng)域和結(jié)合日益加深，環(huán)境分析數(shù)字化也成為了一種必然。ESRI開發(fā)的ArcGIS產(chǎn)品線為用戶提供一個可伸縮的，全面的GIS平臺，用于環(huán)境分析中可以很好的將區(qū)域環(huán)境污染、空氣質(zhì)量情況、噪聲污染情況可視化，并進行量化分級。其多層次、可擴展、開放性強的解決方案極大提高了環(huán)境分析的水平及效率。

2、必要性

20世紀(jì)90年代起蘇州經(jīng)濟飛速發(fā)展，其人均GDP躍居全國第七位，位于二三線城市之首，居民生活水平提高的同時對住宅區(qū)也提出了新的要求，而蘇州的住宅區(qū)情況近年卻不近人意。隨著2015年6月3日蘇州市首輪土地拍賣后，蘇州房價便一路高漲，截至2016年2月，蘇州住宅平均售價已經(jīng)高達16681元/平方。據(jù)相關(guān)社會調(diào)查，房價的巨幅上漲導(dǎo)致了居民焦慮與不滿，如果居民再買到環(huán)境質(zhì)量差的住宅區(qū)，可謂雪上加霜。與此同時，，普通市民一般缺乏生態(tài)環(huán)境評價方面的知識，購租房后居住一段時間才發(fā)現(xiàn)本小區(qū)生態(tài)環(huán)境質(zhì)量存在問題，但悔之晚矣。對城市居住生態(tài)環(huán)境的研究和評價是建設(shè)“宜居城市”“生態(tài)城市”的基礎(chǔ)工作，管理者需要依靠城市生態(tài)環(huán)境方面的理論和方法，為這一城市的發(fā)展確定方向和模式，投資者和廣大市民希望對居住地環(huán)境和未來有所了解。由于環(huán)境保護部門針對地域給出的環(huán)評報告具有較強的專業(yè)性，一般比較復(fù)雜且不易查詢，對于具體的住宅區(qū)環(huán)境也沒有有效的指導(dǎo)意義。不僅在蘇州，在全國范圍內(nèi)也是如此，因此一套面向居民的直觀環(huán)境質(zhì)量指標(biāo)迫在眉睫的需要面世。由此可見，該研究以環(huán)境地理學(xué)原理為基礎(chǔ)，利用 GIS 建立生態(tài)環(huán)境分析模型，由衛(wèi)星遙感影像和相關(guān)地圖獲取生態(tài)環(huán)境信息，以生態(tài)環(huán)境質(zhì)量等級圖和統(tǒng)計圖表形式給出分析結(jié)果，并且將其可視化后直觀展現(xiàn)從而能達到為市民提供環(huán)境信息服務(wù)的目的

3、模型架構(gòu)

我們對不同人群，進行問卷調(diào)查共1369份，從中選取市民最為關(guān)心的幾個要素進行相關(guān)研究，建立小區(qū)環(huán)境適宜性分析系統(tǒng)模型，選取影響小區(qū)環(huán)境的六個居住者最關(guān)心的環(huán)境要素如綠化、空氣適宜性、噪音等等，選取合適的權(quán)重模型，構(gòu)建小區(qū)環(huán)境分析模型。

3.1數(shù)據(jù)來源與初處理

遙感圖像分類，我們獲取了城市植被、水體、建筑物這些環(huán)境要素的空間分布，遙感影像中分類提取NDVI、溫度圖層，獲取了小區(qū)數(shù)據(jù)，矢量化了河流、湖泊數(shù)據(jù)，補充了國道、高速、省道 、城市快速路、主干道、鐵路矢量數(shù)據(jù)，以及按照圖層矢量化的工業(yè)數(shù)據(jù)，同時根據(jù)污染企業(yè)名稱獲取坐標(biāo)數(shù)據(jù)，配準(zhǔn)后對準(zhǔn)手動調(diào)整到煙囪等污染點上，確保了數(shù)據(jù)的準(zhǔn)確性利用遙感影像提取植被指數(shù)、地面溫度，并在GIS與住宅區(qū)圖層疊加，可以判斷住宅區(qū)的綠化程度、安靜程度、空氣潔凈程度等生態(tài)環(huán)境要素，并可實現(xiàn)量化分級。

3.2數(shù)據(jù)量化過程

3.2.1遙感影像分類提取

住宅區(qū)的植被覆蓋度是影響小區(qū)生態(tài)環(huán)境質(zhì)量的重要因素，我們決定有植被指數(shù)反映地面植被情況。植被指數(shù)NDVI的獲?。?（band5- band 4）/ （band 5+ band 4）。NDVI可使植被從水和土中分離出來。

NDVI=NIR-R/NIR+R

城市地表溫度過高是城市熱島效應(yīng)的表現(xiàn)，是影響小區(qū)生態(tài)環(huán)境質(zhì)量的一個因素，這可以由陸地衛(wèi)星的第六波段反映。用陸地衛(wèi)星（Landsat5）傳感器所獲紅外波段（band6）數(shù)據(jù)為基礎(chǔ)，利用Erdas的建模計算功能將衛(wèi)星柵格圖像像元灰度值處理成亮溫值，根據(jù)Landsat官方網(wǎng)站上提供的公式，亮度溫度的計算過程分以下兩步：

（1）將Landsat6波段圖像的像元灰度值轉(zhuǎn)化為輻射強度值：L輻射強度值=G增益值×DN6第六波段像元灰度值+B偏移值（其中G增益值 =0.055158；B偏移值=1.2378）計算得到的L輻射亮度值的單位是W/（m2·sr·m）。

（2）T6 六波段亮溫值=K1常數(shù)/ln（K2常數(shù)/L輻射強度值+1），其中K1 常數(shù)=607.76 W/（m2·sr·m），K2常數(shù)=1260.56K。在Erdas的計算模型中，將以上兩個公式進行合并，得到以下公式：1260.56/LOG（607.76/（DN×0.055158+1.2378）+1）

其結(jié)果獲得地面亮溫影像。由于亮溫值與地面溫度值之間存在正相關(guān)，所以可用亮溫值的相對高低反映城市地面的相對溫度差異情況。

3.2.2矢量地圖

通過矢量化和數(shù)據(jù)收集。獲取了蘇州市區(qū)的道路、河流、湖泊、住宅區(qū)、點污染源等矢量數(shù)據(jù)。

圖3-1矢量地圖

3.2.3點污染源污染范圍確定

采用蘇州風(fēng)玫瑰圖，可知，蘇州地區(qū)主風(fēng)向為北偏西40度。圍繞點污染源形成一個橢圓緩沖區(qū)，緩沖區(qū)長軸半徑長1km，短軸半徑0.5KM，以此緩沖區(qū)代表污染范圍。

3.2.4數(shù)據(jù)處理流程圖

分析所需柵格、矢量及屬性數(shù)據(jù)的獲取及處理情況見下圖。

圖3-2 數(shù)據(jù)分析流程圖

3.3數(shù)據(jù)統(tǒng)計

針對不同影響因子采用不同方案，如首先在遙感影像中利用影像普適單通道法得到反演溫度，由于反演溫度與實測溫度有一定誤差，我們通過實測溫度與反演溫度的函數(shù)關(guān)系計算得到實測溫度，使用人體舒適度指數(shù)來評斷溫度對人體舒適度的影響。對不同指標(biāo)進行處理和量化后，我們要建立權(quán)重模型以此獲取每個獨立小區(qū)的綜合環(huán)境適宜性指標(biāo)，在問卷調(diào)查的基礎(chǔ)上，結(jié)合相關(guān)環(huán)境類專家的意見采取AHP法、熵權(quán)分析法等確定各項影響因子的權(quán)重比，以此獲得單個小區(qū)的總體環(huán)境適宜性分值。

我們對量化評級后的相關(guān)數(shù)據(jù)結(jié)果的準(zhǔn)確性，咨詢了相關(guān)學(xué)者，也抽取部分小區(qū)進行了簡單的了解和住戶調(diào)查，得到數(shù)據(jù)相對準(zhǔn)確后進行圖解建模以保留該模型，同時進行進一步的完善。

4、結(jié)果分析

根據(jù)設(shè)計的環(huán)境模型，可分別得到小區(qū)的具體坐標(biāo)、戶所密集指數(shù)、綠化指數(shù)、噪音指數(shù)、空氣潔凈度、特殊污染指數(shù)、溫度指數(shù)、水體指數(shù)，并設(shè)計權(quán)重模型得出小區(qū)的綜合指數(shù)。為了更加直觀地顯示各類指標(biāo)的高低，從而進行更好的比對，以Web GIS網(wǎng)頁形式將各類指標(biāo)可視化呈現(xiàn)，呈現(xiàn)結(jié)果如下可見：

用聚類圖直觀地呈現(xiàn)小區(qū)在不同區(qū)域的集聚程度，以及該區(qū)域平均環(huán)境狀況，使用戶更加方便獲取需的信息，隨著比例尺的變換，蘇州市的地圖會實時地劃分為許多較小的區(qū)塊，這些區(qū)塊中心會有一個圓形標(biāo)示，系統(tǒng)會統(tǒng)計各區(qū)塊內(nèi)小區(qū)的數(shù)量并將數(shù)值顯現(xiàn)在標(biāo)示中，同時，系統(tǒng)還會自動求出各區(qū)塊內(nèi)的總評分的平均值，根據(jù)平均值的高低用不同的顏色來渲染各個區(qū)塊與它的圓形標(biāo)示。對于那些集聚程度較小的區(qū)塊，單擊小標(biāo)識則會顯示其所代表的小區(qū)的數(shù)據(jù)信息與圖表。若某個小區(qū)的位置較為獨立或視圖比例尺放到很大，無法與其他小區(qū)形成集聚，小區(qū)就會以紅色圓點的形式標(biāo)注出來，單擊同樣會顯示出小區(qū)的數(shù)據(jù)信息與圖表。通過集聚分析，可以讓用戶直觀地看到小區(qū)在不同區(qū)域的集聚程度，以及該區(qū)域平均環(huán)境狀況，使用戶更加方便獲取需的信息。

我們通過搜房網(wǎng)等網(wǎng)站搜索到了我們所用得2451個小區(qū)的戶所數(shù)目，并根據(jù)戶所制作了熱力圖。小區(qū)戶所密集的亮度高稀疏的亮度低，并且通過右上角的儀表盤來顯示每個小區(qū)戶所數(shù)目。根據(jù)住房的疏密程度側(cè)面反映人口的疏密程度。

三維顯示將2451個小區(qū)點的數(shù)據(jù)三維顯示，通過柱狀圖的高低程度表示小區(qū)環(huán)境質(zhì)量指數(shù)，實現(xiàn)小區(qū)三維虛擬場景中信息的查詢與分析，為用戶提供視覺上的感受。三維GIS可以實現(xiàn)小區(qū)三維虛擬場景中信息的查詢與分析，它不僅僅能為用戶提供視覺上的感受，讓用戶對小區(qū)生態(tài)環(huán)境具有感性認(rèn)識，更使決策者、投資者和用戶對住房用地規(guī)劃現(xiàn)狀和規(guī)劃設(shè)計藍圖有更為生動、客觀和理性的了解和認(rèn)識，從而拓寬其的視角，使住房用地建設(shè)與規(guī)劃更加科學(xué)化，可視化，對于城鄉(xiāng)可持續(xù)發(fā)展研究有重要意義。

圖4-1

區(qū)域分析通過空間連接的方式得到每個小區(qū)的區(qū)塊代碼，即蘇州包括吳江在內(nèi)六個區(qū)的小區(qū)各要素平均值，在每個區(qū)域內(nèi)可看到六個要素的柱狀圖，并顯示了相應(yīng)信息。此功能可幫助住戶根據(jù)他們的需求快速選擇居住的區(qū)域。

圖4-2

總結(jié)：

通過該模型的構(gòu)建將有效幫助市民在選房時對環(huán)境方面的考量，同時利用已有的工具進行全新的建模，做到了批量提取抽象的小區(qū)環(huán)境指標(biāo)，可以有效提高市民的考察效率。當(dāng)然該模型在因子的選擇上不夠全面，市民關(guān)注的日照等因素還可以添加到因子中，同時在模型構(gòu)建以及數(shù)據(jù)處理等各方面還可以進一步完善，但總的而言，該數(shù)據(jù)模型創(chuàng)新的結(jié)合“3S”數(shù)據(jù)，提出了將抽象的環(huán)境指標(biāo)量化的觀點，并且利用已有的ArcGIS產(chǎn)品線構(gòu)建了小區(qū)環(huán)境模型，同樣該模型可以用到其他點狀個體上。當(dāng)然本文以蘇州為樣本進行了展示，模型可以根據(jù)不同城市的環(huán)境特點、社會經(jīng)濟背景，因地制宜的選擇相關(guān)因子，并重新確定權(quán)重，應(yīng)用到社會、市場中。

參考文獻：

[1]盧文峰.ArcGIS在環(huán)保信息化系統(tǒng)中的應(yīng)用研究.復(fù)旦大學(xué)，2012.

[2]劉敏.上海市環(huán)境保護地理信息系統(tǒng)——組件式GIS和Web GSI在環(huán)保管理中的應(yīng)用.上海建設(shè)科技，2001-06-05.

[3]Rehdanz 和 Maddison（ 2008）（Rehdanz K，Maddison D. Local Environment Quality and Life-satisfaction in Germany [J]. Ecological Economics，2008，64（4）：787-797）.

[4]居民對蘇州市房價上漲的認(rèn)知及態(tài)度研究Study on Residents' Cognition and Attitude towards Housing Price Rising in Suzhou 楊康 YANG Kang；陳靜靜 CHEN Jing-jing；張點點 ZHANG Dian-dian；孫晨圓 SUN Chen-yuan；高雅露 GAO Ya-lu；秦希逸 QIN Xi-yi.

[5]朱進，江南，胡斌.移動對象多種運動參數(shù)在軌跡分類的應(yīng)用，地球信息科學(xué)學(xué)報，2016，（02）：143-150.

[6]Jin Zhu， Nan Jiang， Bin Hu， Hua Shao. Accelerating Moving Clusters Discovery of Spatio-temporal Data on GPU using CUDA [J]. Journal of Computational Information System，2015，11（7）：2419-2427。

[7]朱進，胡斌，邵華，等.基于內(nèi)存數(shù)據(jù)庫Redis的輕量級矢量地理數(shù)據(jù)組織[J].地球信息科學(xué)學(xué)報，2014，16（2）：165-172.

作者簡介：

朱進（通訊作者），1983年生，蘇州科技大學(xué)環(huán)境學(xué)院講師，研究方向為時空軌跡數(shù)據(jù)挖掘。