小区环境分析模型

文/ 邵鑫焱、叶林飞、蒋媛、夏天津、朱进 苏州科技大学 江苏苏州 215000

1、引言

随着计算机技术的飞速发展，计算机与其他学科领域和结合日益加深，环境分析数字化也成为了一种必然。基于RS和GIS的信息技术是快速、有效地评价区域生态环境的重要手段。近年来,环境监测部门加强了GIS技术在环境质量报告书编制中的应用,有效地展现了环境数据的空间规律及其随时间变化的特征。同时GIS与其他学科领域和结合日益加深，环境分析数字化也成为了一种必然。ESRI开发的ArcGIS产品线为用户提供一个可伸缩的，全面的GIS平台，用于环境分析中可以很好的将区域环境污染、空气质量情况、噪声污染情况可视化，并进行量化分级。其多层次、可扩展、开放性强的解决方案极大提高了环境分析的水平及效率。

2、必要性

20世纪90年代起苏州经济飞速发展，其人均GDP跃居全国第七位，位于二三线城市之首，居民生活水平提高的同时对住宅区也提出了新的要求，而苏州的住宅区情况近年却不近人意。随着2015年6月3日苏州市首轮土地拍卖后，苏州房价便一路高涨，截至2016年2月，苏州住宅平均售价已经高达16681元/平方。据相关社会调查，房价的巨幅上涨导致了居民焦虑与不满，如果居民再买到环境质量差的住宅区，可谓雪上加霜。与此同时，，普通市民一般缺乏生态环境评价方面的知识，购租房后居住一段时间才发现本小区生态环境质量存在问题，但悔之晚矣。对城市居住生态环境的研究和评价是建设“宜居城市”“生态城市”的基础工作，管理者需要依靠城市生态环境方面的理论和方法，为这一城市的发展确定方向和模式，投资者和广大市民希望对居住地环境和未来有所了解。由于环境保护部门针对地域给出的环评报告具有较强的专业性，一般比较复杂且不易查询，对于具体的住宅区环境也没有有效的指导意义。不仅在苏州，在全国范围内也是如此，因此一套面向居民的直观环境质量指标迫在眉睫的需要面世。由此可见，该研究以环境地理学原理为基础，利用 GIS 建立生态环境分析模型，由卫星遥感影像和相关地图获取生态环境信息，以生态环境质量等级图和统计图表形式给出分析结果，并且将其可视化后直观展现从而能达到为市民提供环境信息服务的目的

3、模型架构

我们对不同人群，进行问卷调查共1369份，从中选取市民最为关心的几个要素进行相关研究，建立小区环境适宜性分析系统模型，选取影响小区环境的六个居住者最关心的环境要素如绿化、空气适宜性、噪音等等，选取合适的权重模型，构建小区环境分析模型。

3.1 数据来源与初处理

遥感图像分类，我们获取了城市植被、水体、建筑物这些环境要素的空间分布，遥感影像中分类提取NDVI、温度图层，获取了小区数据，矢量化了河流、湖泊数据，补充了国道、高速、省道 、城市快速路、主干道、铁路矢量数据，以及按照图层矢量化的工业数据，同时根据污染企业名称获取坐标数据，配准后对准手动调整到烟囱等污染点上，确保了数据的准确性利用遥感影像提取植被指数、地面温度，并在GIS与住宅区图层叠加，可以判断住宅区的绿化程度、安静程度、空气洁净程度等生态环境要素，并可实现量化分级。

3.2 数据量化过程

3.2.1 遥感影像分类提取

住宅区的植被覆盖度是影响小区生态环境质量的重要因素，我们决定有植被指数反映地面植被情况。植被指数NDVI的获取：=(band5-band 4)/ (band 5+ band 4)。NDVI可使植被从水和土中分离出来。

NDVI=NIR-R/NIR+R

城市地表温度过高是城市热岛效应的表现，是影响小区生态环境质量的一个因素，这可以由陆地卫星的第六波段反映。用陆地卫星(Landsat5)传感器所获红外波段（band6）数据为基础，利用Erdas的建模计算功能将卫星栅格图像像元灰度值处理成亮温值，根据Landsat官方网站上提供的公式，亮度温度的计算过程分以下两步：

(1)将Landsat6波段图像的像元灰度值转化为辐射强度值：L辐射强度值=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）计算得到的L辐射亮度值的单位是W/(m2•sr•m)。

（2）T6 六波段亮温值=K1常数/ln(K2常数/L辐射强度值+1)，其中K1 常数=607.76 W/(m2•sr•m)，K2 常 数 =1260.56K。 在Erdas的计算模型中，将以上两个公式进行合并，得到以下公式：1260.56/LOG(607.76/(DN×0.055158+1.2378)+1)

其结果获得地面亮温影像。由于亮温值与地面温度值之间存在正相关，所以可用亮温值的相对高低反映城市地面的相对温度差异情况。

3.2.2 矢量地图

通过矢量化和数据收集。获取了苏州市区的道路、河流、湖泊、住宅区、点污染源等矢量数据。

图3-1 矢量地图

3.2.3 点污染源污染范围确定

采用苏州风玫瑰图，可知，苏州地区主风向为北偏西40度。围绕点污染源形成一个椭圆缓冲区，缓冲区长轴半径长1km，短轴半径0.5KM，以此缓冲区代表污染范围。

3.2.4 数据处理流程图

分析所需栅格、矢量及属性数据的获取及处理情况见下图。

图3-2 数据分析流程图

3.3 数据统计

针对不同影响因子采用不同方案，如首先在遥感影像中利用影像普适单通道法得到反演温度，由于反演温度与实测温度有一定误差，我们通过实测温度与反演温度的函数关系计算得到实测温度，使用人体舒适度指数来评断温度对人体舒适度的影响。对不同指标进行处理和量化后，我们要建立权重模型以此获取每个独立小区的综合环境适宜性指标，在问卷调查的基础上，结合相关环境类专家的意见采取AHP法、熵权分析法等确定各项影响因子的权重比，以此获得单个小区的总体环境适宜性分值。

我们对量化评级后的相关数据结果的准确性，咨询了相关学者，也抽取部分小区进行了简单的了解和住户调查，得到数据相对准确后进行图解建模以保留该模型，同时进行进一步的完善。

4、结果分析

根据设计的环境模型，可分别得到小区的具体坐标、户所密集指数、绿化指数、噪音指数、空气洁净度、特殊污染指数、温度指数、水体指数，并设计权重模型得出小区的综合指数。为了更加直观地显示各类指标的高低，从而进行更好的比对，以Web GIS网页形式将各类指标可视化呈现，呈现结果如下可见：

用聚类图直观地呈现小区在不同区域的集聚程度，以及该区域平均环境状况，使用户更加方便获取需的信息，随着比例尺的变换，苏州市的地图会实时地划分为许多较小的区块，这些区块中心会有一个圆形标示，系统会统计各区块内小区的数量并将数值显现在标示中，同时，系统还会自动求出各区块内的总评分的平均值，根据平均值的高低用不同的颜色来渲染各个区块与它的圆形标示。对于那些集聚程度较小的区块，单击小标识则会显示其所代表的小区的数据信息与图表。若某个小区的位置较为独立或视图比例尺放到很大，无法与其他小区形成集聚，小区就会以红色圆点的形式标注出来，单击同样会显示出小区的数据信息与图表。通过集聚分析，可以让用户直观地看到小区在不同区域的集聚程度，以及该区域平均环境状况，使用户更加方便获取需的信息。

我们通过搜房网等网站搜索到了我们所用得2451个小区的户所数目，并根据户所制作了热力图。小区户所密集的亮度高稀疏的亮度低，并且通过右上角的仪表盘来显示每个小区户所数目。根据住房的疏密程度侧面反映人口的疏密程度。

三维显示将2451个小区点的数据三维显示，通过柱状图的高低程度表示小区环境质量指数，实现小区三维虚拟场景中信息的查询与分析，为用户提供视觉上的感受。三维GIS可以实现小区三维虚拟场景中信息的查询与分析，它不仅仅能为用户提供视觉上的感受，让用户对小区生态环境具有感性认识，更使决策者、投资者和用户对住房用地规划现状和规划设计蓝图有更为生动、客观和理性的了解和认识，从而拓宽其的视角，使住房用地建设与规划更加科学化，可视化，对于城乡可持续发展研究有重要意义。

图4-1

区域分析通过空间连接的方式得到每个小区的区块代码，即苏州包括吴江在内六个区的小区各要素平均值，在每个区域内可看到六个要素的柱状图，并显示了相应信息。此功能可帮助住户根据他们的需求快速选择居住的区域。

图4-2

总结：

通过该模型的构建将有效帮助市民在选房时对环境方面的考量，同时利用已有的工具进行全新的建模，做到了批量提取抽象的小区环境指标，可以有效提高市民的考察效率。当然该模型在因子的选择上不够全面，市民关注的日照等因素还可以添加到因子中，同时在模型构建以及数据处理等各方面还可以进一步完善，但总的而言，该数据模型创新的结合“3S”数据，提出了将抽象的环境指标量化的观点，并且利用已有的ArcGIS产品线构建了小区环境模型，同样该模型可以用到其他点状个体上。当然本文以苏州为样本进行了展示，模型可以根据不同城市的环境特点、社会经济背景，因地制宜的选择相关因子，并重新确定权重，应用到社会、市场中。