基于多源感知与深度学习的乔木街谷热环境数字孪生方法
本公开涉及深度学习与数字孪生,具体涉及一种基于多源感知与深度学习的乔木街谷热环境数字孪生方法。
背景技术:
1、乔木街谷,即配植行道乔木的城市街道,乔木通过辐射、蒸腾、气流三重作用改造街谷微气候,是缓解城市热岛、提升行人热舒适的核心绿色设施。
2、相关技术中,针对乔木街谷热环境的三维模拟,主要依赖计算流体力学与城市冠层参数化模型,将树冠简化为均匀多孔介质,使用叶面积指数整体赋值,忽略枝叶空间分布对辐射穿透和湍流的非均质影响。并且,树木光合蒸腾的生理参数依赖经验查表,无法刻画单木乃至冠层内部的生理状态差异,导致能量与水分通量的模拟偏差显著。
技术实现思路
1、为克服相关技术中存在的问题,本公开实施例提供一种基于多源感知与深度学习的乔木街谷热环境数字孪生方法,用以解决相关技术中的问题。
2、提供一种基于多源感知与深度学习的乔木街谷热环境数字孪生方法,包括:
3、获取乔木街谷的环境观测数据和气象边界条件,其中,所述气象边界条件包括入射太阳辐射通量和大气下行辐射通量;
4、基于所述环境观测数据,确定数字孪生模型中计算图各节点的初始状态,并将所述初始状态和所述气象边界条件输入所述数字孪生模型,得到所述乔木街谷未来时段内的温湿风辐射场时空分布和树木水分状态,其中,所述数字孪生模型存储有在训练阶段基于所述乔木街谷的样本可见光影像、样本热红外影像和样本激光雷达点云构建的三维场景、基于所述三维场景经空间离散化得到的所述计算图以及基于所述三维场景中基元的叶面积密度权重经空间聚合得到的三维叶面积密度场,所述三维场景中的基元携带有可学习的叶面积密度权重和水力潜变量,所述数字孪生模型用于将属于同一棵乔木的基元所共享的水力潜变量映射为所述乔木的水力参数,并基于所述初始状态、所述气象边界条件、所述计算图、所述三维叶面积密度场和所述水力参数,通过逐时间步推演输出所述温湿风辐射场时空分布和所述树木水分状态。
5、本公开的实施例提供的技术方案可以包括以下有益效果:
6、通过由基元携带的叶面积密度权重经空间聚合生成三维叶面积密度场,实现对树冠内部枝叶非均质空间分布的精细表征。在物理推演中,该三维叶面积密度场被用于输出乔木街谷的温湿风辐射场时空分布和树木水分状态,从而减少均匀叶面积指数假设所导致的模拟偏差。通过为每棵乔木配置独立共享的水力潜变量,并由水力参数解码网络将其映射为个体化的水力参数,从而更准确地表示单木之间的生理状态差异,减少经验统一赋值导致的生理状态模拟失真。
7、并且,通过数字孪生模型中存储乔木街谷的静态物理基底,并基于实时环境观测数据确定计算图各节点的初始状态,使数字孪生体在每一推演起始时刻与乔木街谷保持状态同步。进一步,以气象边界条件为外部驱动力,由数字孪生模型在同步状态构成的起点上执行逐时间步推演,预测街谷热环境和树木水分状态在未来时段内的动态演变,从而使得数字孪生体不仅能实时反映乔木街谷的当前状况,还能预演乔木街谷的未来行为,进而为城市热环境管控提供兼具实时性和前瞻性的决策支持。
1.一种基于多源感知与深度学习的乔木街谷热环境数字孪生方法,其特征在于,包括:
2.根据权利要求1所述的基于多源感知与深度学习的乔木街谷热环境数字孪生方法,其特征在于,所述计算图包括树冠节点,所述三维叶面积密度场在训练阶段通过如下方式得到:
3.根据权利要求1所述的基于多源感知与深度学习的乔木街谷热环境数字孪生方法,其特征在于,所述计算图包括树冠节点和土壤节点;
4.根据权利要求1所述的基于多源感知与深度学习的乔木街谷热环境数字孪生方法,其特征在于,所述数字孪生模型通过如下方式训练得到:
5.根据权利要求4所述的基于多源感知与深度学习的乔木街谷热环境数字孪生方法,其特征在于,所述通过初始数字孪生模型基于所述样本多源感知数据和所述样本气象边界条件,得到预测的温湿风辐射场时空分布和树木水分状态,包括:
6.根据权利要求4所述的基于多源感知与深度学习的乔木街谷热环境数字孪生方法,其特征在于,所述以所述第二样本热红外影像和所述样本乔木生理数据为监督,基于物理约束和生理一致性约束,对所述初始数字孪生模型的可学习参数进行更新,包括:
7.根据权利要求6所述的基于多源感知与深度学习的乔木街谷热环境数字孪生方法,其特征在于,所述预测的树木水分状态包括茎干水势、叶片水势和叶温,所述基于所述预测的树木水分状态与所述样本乔木生理数据中实测的水分状态,确定一致性损失,包括:
8.根据权利要求7所述的基于多源感知与深度学习的乔木街谷热环境数字孪生方法,其特征在于,所述基于所述样本乔木生理数据中的空穴化声发射特征,确定实测木质部导水率损失,包括:
9.根据权利要求7所述的基于多源感知与深度学习的乔木街谷热环境数字孪生方法,其特征在于,所述样本乔木生理数据中的电生理信号包括植物电生理电极采集的电位时间序列,所述基于所述样本乔木生理数据中的电生理信号确定实测胁迫指数,包括:
10.根据权利要求1-9任一项所述的基于多源感知与深度学习的乔木街谷热环境数字孪生方法,其特征在于,还包括:
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com