植被三维点云模型的景观微气候模拟分析方法

基于植被三维点云模型的景观微气候模拟分析方法

 

本研究聚焦于小型景观空间的微气候分析方法。结合三维点云技术，在大幅度提升研究场地模型建构效率的同时，提高研究场地植被模型的精确度，进而实现模拟分析结果准确性的优化，以突破既有微气候分析模拟过程中的局限。

 

 

 

本文提出基于植被三维点云模型的景观微气候模拟方法，具体包括环境数据采集、数据处理、空间建模、微气候模拟、结果可视化5个步骤(图1)。

 

2.2技术实现

 

1)环境数据采集。

 

本次研究在准备阶段需要分别对各类空间数据加以收集整理，包括场地基础CAD图纸、环境材质信息、植被种类及气象数据等。在此基础上，利用无人机航拍倾斜摄影与地面基站激光扫描仪结合的方式，获取研究场地的三维点云数据集(含航拍与地面2个部分)。再将DavisVantagepro2气象仪放在研究场地指定位置，通过规范操作收集指定时段内气象数据，用于分析比对，以满足进一步开展研究的需求。

 

2)数据处理。

 

利用ContextCapture软件将倾斜摄影模型转为点云数据，与基站扫描点云数据进行融合，进而与研究场地CAD图纸坐标加以配准，并根据研究精度需求重采样，得到最终的三维点云模型。由于本研究着眼于景观空间植被形态的精准量化，因此在利用TrimbleRealwork自动分类的基础上，通过人工手动二次分类得到精确植被点云数据。进而，采用Lidar360软件中的地基林木分割功能，对植被数据进行单株划分，部分区域再结合手动处理进一步精确划分，以导出单株植被点云模型数据。最终，结合实地调研得到植物种类数据，对植被进行编号制表，形成完整的场地植被点云模型库以供后续研究使用。

 

3)空间建模。

 

体素法(Volex)在植被三维点云模型的建模方面已被广泛运用[17]，相较概念化的植被模型，体素模型能够更加精确地反映植被复杂形态特征。本次研究选用Grasshopper中tasier插件的点云体素化功能，对植被点云进行体素化建模，所生成的植被体素单元大小参照Envi-met软件中Albero植被建模工具所规定的模型单元最小值，即1m×1m×1m(图2)。

进而，导出各植被体素单元的中心点坐标，并以各坐标点位置为参照在Albero中进行植被建模。为保证研究区域边界条件的合理性，建模与计算区域参照相关研究进行扩大设置，并在Rhino中对周边建筑及地面进行建模。

 

4)微气候模拟。

 

模型主要输入气象参数，包括地理信息、气象条件、土壤条件和模式输出参数等。首先，通过前期资料的查找将基础参数输入软件。其次，利用Grasshopper中的dragonfly插件，将场地及周边建筑模型导入Envi-met中，并对其材质参数进行设置。其中，结合实地调研得到的植物种类在Albero中对应单株植被体素模型中心点坐标，设置植被的名称、树冠大小、高度等参数，叶片反射率、叶片透射率等数值，并查找对应参考数值，最终得到各植株的完整计算模型。最后，将植被模型按照实际点位导入研究范围模型中，以形成完整分析模型。

 

 

在此基础上，选取研究所需的空气温度、空气湿度及风速3项常用指标进行模拟，将得到的数值与场地中实测数值进行比较，判断误差是否在合理的范围内。若合理，则代表参数设定有效；若误差较大，则需对参数进行调整。

 

5)结果可视化

 

 

选取数值图表、二维栅格图及三维数值分布图等多种可视化表达方式输出微气候模拟结果。在实际分析模拟过程中，将重点关注2个方面：(1)实测点的模拟数值与实际测量数值随时间变化的趋势图；(2)研究范围内各参数栅格数值图。

 

 

本研究方法较传统模拟方法在植物要素的采集和建模方式上有所优化。利用三维点云技术对景观空间数据进行采集，极大地提升了数据采集效率与精度，突破原有建模方式的桎梏。尤其是对于植被形态较为复杂的景观环境，人工实地测量与照片多角度拍摄通常均无法对植被的形态进行精准量化。

 

虽然Envi-met从4.0版本开始内置的Albore工具可对单株植被进行较为精确的建模，但仍需参照多角度的影像资料，经由人工手动操作加以完成。而基于三维点云数据的植被体素模型，相较而言则更加便捷与准确，且其在软件中所呈现出的形态模式与Albore所生成的植被保持高度一致性。