一种城市热环境与绿环境错配识别方法及系统

本发明涉及信息数据处理，尤其涉及一种城市热环境与绿环境错配识别方法及系统。

背景技术：

1、在城市化进程加快和气候变化影响增强的背景下，城市热岛效应与绿色空间不足已成为城市热环境治理和热韧性规划中的重要问题。居民在城市中的日常活动并不局限于单一居住地，而是通常在居住地和工作地等多个稳定活动场景之间转换。对于在职人群而言，居住地和工作地是两个主要日常活动空间。如果居住地与工作地之间存在显著的地表温度差异或植被覆盖差异，部分人群可能在工作时段或居住时段承受更高的热环境暴露和更低的绿色环境供给。因此，准确识别居住地与工作地之间的热—绿环境差异及其空间分布，是优化城市降温增绿资源配置和提高热环境风险识别精度的重要基础。

2、现有技术中，已有方法基于遥感影像反演地表温度，并利用归一化植被指数或其他植被指数评价城市绿色环境。部分方法还结合人口分布、土地利用或行政单元数据，对热暴露区域、绿度不足区域或高风险人群聚集区域进行识别。上述方法能够在一定程度上反映城市热环境和绿色空间的宏观分布特征，但在职住双场景环境差异识别和规划应用转化方面仍存在不足。

3、首先，现有城市热风险评估方法多以居住地、社区、街道或规则网格作为主要空间基准。该类方法能够反映居住地周边或固定空间单元内的环境状态，但难以识别居民在工作地或通勤相关空间中经历的热环境和绿色环境变化。当工作地地表温度高于居住地，或工作地植被指数低于居住地时，仅基于居住地的环境评估结果可能低估目标对象在日间活动场景中的热—绿环境不利状态，进而影响降温增绿资源的空间配置精度。

4、其次，现有职住环境差异识别方法多集中于空气污染暴露、通勤距离、通勤碳排放或就业可达性等方面。针对地表温度和绿色环境两个维度的职住错配识别方法仍相对不足。实际上，工作地热—低绿状态和居住地热—低绿状态在空间位置、作用时段和治理措施配置上存在差异。如果仅分别评价热环境或绿色环境，或者不区分错配发生在工作地还是居住地，难以形成面向不同场景的空间识别结果。

5、再次，现有空间环境评估方法通常输出单一风险等级图或单一指标分布图，较少将对象级职住双地址信息与社区、街道、网格、产业园区等空间管理单元进行关联。即使能够识别高温区或低绿区，也难以进一步生成与错配方向和错配强度相匹配的空间单元级治理优先级结果，更难以形成可直接写入gis图层属性表或规划平台的数据化措施编码。

6、此外，在利用通勤od数据、职住坐标数据或移动终端位置数据时，数据隐私保护也是需要解决的技术问题。若直接使用含有个人身份信息的职住位置数据，存在隐私泄露风险；若对位置数据进行过度模糊化处理，则可能降低空间环境特征提取和错配识别精度。因此，需要在匿名化目标对象编号和空间坐标可计算性之间形成兼顾隐私保护与识别精度的数据处理方式。

7、综上所述，亟需一种能够基于匿名化职住坐标、地表温度栅格数据和植被指数栅格数据，自动计算职住热环境差异和绿色环境差异，识别错配方向与错配强度，并将对象级识别结果聚合为空间单元级治理优先级图层和降温增绿措施识别码的方法及系统。

技术实现思路

1、本发明提供一种城市热环境与绿环境错配识别方法及系统，用以解决现有技术中缺乏以居住地和工作地为双空间基准的热与绿环境复合错配识别能力，且无法将对象级错配识别结果转化为空间管理单元级治理依据的缺陷，实现对城市居民居住地与工作地之间热环境和绿色环境相对差异的自动识别，从而提高城市热与绿环境风险识别的空间精度、稳定性和规划应用价值。

2、第一方面，本发明提供一种城市热环境与绿环境错配识别方法，包括：

3、获取匿名化职住坐标数据和遥感影像数据并进行统一处理，生成匿名化职住空间数据集、地表温度栅格数据和植被指数栅格数据；

4、基于所述匿名化职住空间数据集和栅格数据，构建空间邻域并提取环境特征，计算职住环境差值，生成热环境错配指标和绿色环境错配指标，构建标准化错配特征向量；

5、基于所述标准化错配特征向量，执行阈值规则模型与聚类模型相结合的错配类型识别过程，经一致性校验后生成目标对象级的错配类型和错配强度结果；

6、根据错配类型确定空间聚合位置，将目标对象级结果聚合至空间管理单元，综合各单元的错配对象比例和平均错配强度，生成差异化的工作地治理优先级评分和居住地治理优先级评分；

7、基于所述治理优先级评分、错配类型和热与绿环境错配的主导维度，自动匹配降温增绿措施识别码，生成带有治理优先级和措施识别码的空间输出结果；

8、在多种空间邻域尺度下重复执行上述过程，将多尺度识别一致性转换为置信等级和尺度敏感性标记，叠加至所述空间输出结果。

9、第二方面，本发明还提供一种城市热环境与绿环境错配识别系统，包括：

10、获取模块，用于获取匿名化职住坐标数据和遥感影像数据并进行统一处理，生成匿名化职住空间数据集、地表温度栅格数据和植被指数栅格数据；

11、构建模块，用于基于所述匿名化职住空间数据集和栅格数据，构建空间邻域并提取环境特征，计算职住环境差值，生成热环境错配指标和绿色环境错配指标，构建标准化错配特征向量；

12、识别模块，用于基于所述标准化错配特征向量，执行阈值规则模型与聚类模型相结合的错配类型识别过程，经一致性校验后生成目标对象级的错配类型和错配强度结果；

13、生成模块，用于根据错配类型确定空间聚合位置，将目标对象级结果聚合至空间管理单元，综合各单元的错配对象比例和平均错配强度，生成差异化的工作地治理优先级评分和居住地治理优先级评分；

14、匹配模块，用于基于所述治理优先级评分、错配类型和热与绿环境错配的主导维度，自动匹配降温增绿措施识别码，生成带有治理优先级和措施识别码的空间输出结果；

15、校验模块，用于在多种空间邻域尺度下重复执行上述过程，将多尺度识别一致性转换为置信等级和尺度敏感性标记，叠加至所述空间输出结果。

16、第三方面，本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述城市热环境与绿环境错配识别方法。

17、本发明提供的城市热环境与绿环境错配识别方法及系统，具有如下有益效果：

18、（1）提高职住热与绿环境复合错配的识别能力。本发明以居住地坐标和工作地坐标作为双空间基准，构建热环境错配指标和绿色环境错配指标，能够同时表征职住之间热环境与绿色环境两个维度的差异方向和差异幅度，识别工作地热—低绿型、居住地热—低绿型等复合错配状态。相比仅依赖单一居住地或单一环境指标的评价方法，本发明能够更准确地反映目标对象在实际日常活动空间中的热与绿环境差异。

19、（2）兼顾错配识别的可解释性、自适应性与结果稳定性。本发明采用规则模型与聚类模型相结合的双模识别方式，其中阈值规则模型提供稳定、可复现的基线分类结果，先验引导聚类模型适应不同城市和不同样本分布条件下的错配识别需求。同时，本发明在多个空间邻域尺度下重复执行环境特征提取、错配类型识别和治理优先级判断，并将不同尺度下的识别一致性转换为置信等级和尺度敏感性标记。通过该处理方式，本发明能够减少单一缓冲尺度或单一邻域范围选择所带来的主观影响；对于在多个尺度下均保持一致的错配结果，可以赋予较高置信等级；对于随尺度变化而发生类型转换或优先级变化的空间单元，可以标记为尺度敏感对象，从而为规划人员区分稳定高风险单元和尺度敏感单元提供依据，提高错配识别结果的稳定性、可解释性和规划使用可靠性。

20、（3）提高治理优先级判断的精细度和空间指向性。本发明根据错配类型确定空间聚合位置，使工作地不利状态聚合至工作地所在空间管理单元，使居住地不利状态聚合至居住地所在空间管理单元，从而避免将工作地风险误归入居住地单元或将居住地风险误归入工作地单元。进一步地，本发明综合错配对象比例、平均错配强度、严重错配比例和类型置信度生成治理优先级评分，能够同时反映错配风险的覆盖范围、严重程度和识别可靠性。相比仅采用对象比例的评价方式，本发明能够避免将大量低强度错配对象聚集的空间单元简单判定为高优先级；相比仅采用平均错配强度的评价方式，本发明也能够避免忽视错配对象覆盖范围较大的空间单元。因此，本发明能够更精细地识别既具有较高错配强度、又具有较大影响范围且识别结果较稳定的优先治理单元。

21、（4）提升评估结果的应用转化能力并降低隐私泄露风险。本发明根据治理指向、错配强度等级以及热与绿环境错配的主导维度，自动匹配降温增绿措施识别码，并将输出结果写入gis图层属性字段、表格、报告、接口数据或可视化界面，使识别结果能够直接导入城市规划gis平台。同时，本发明以匿名化目标对象编号、居住地坐标和工作地坐标为基础进行空间计算，不读取姓名、身份证号、手机号、详细门牌号等个人身份识别信息，从而在保障空间计算精度的前提下降低个人隐私泄露风险。