小區環境分析模型

邵鑫焱 葉林飛 蔣媛 夏天津 朱進

【摘要】隨著生活水平的提高，住宅區的生態環境質量是購、租房客進行選房時考慮的關鍵因素。為避免購、租房客居住后發現小區生態環境質量存在問題的情況，此GIS圖解模型在ArcGIS原功能基礎上，結合遙感和環境科學知識，通過實驗對城市住宅區生態環境各因素進行選擇、設置權重、緩沖分析等，構建小區環境質量的分析模型；用Web GIS構建住宅區生態環境質量的量化評級，并構建小區生態環境質量評估服務系統向購、租房客戶提供服務。

【關鍵詞】GIS圖解模型；小區環境分析；量化評級

1、引言

隨著計算機技術的飛速發展，計算機與其他學科領域和結合日益加深，環境分析數字化也成為了一種必然。基于RS和GIS的信息技術是快速、有效地評價區域生態環境的重要手段。近年來，環境監測部門加強了GIS技術在環境質量報告書編制中的應用，有效地展現了環境數據的空間規律及其隨時間變化的特征。同時GIS與其他學科領域和結合日益加深，環境分析數字化也成為了一種必然。ESRI開發的ArcGIS產品線為用戶提供一個可伸縮的，全面的GIS平臺，用于環境分析中可以很好的將區域環境污染、空氣質量情況、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境分析的水平及效率。

2、必要性

20世紀90年代起蘇州經濟飛速發展，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也提出了新的要求，而蘇州的住宅區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高達16681元/平方。據相關社會調查，房價的巨幅上漲導致了居民焦慮與不滿，如果居民再買到環境質量差的住宅區，可謂雪上加霜。與此同時，，普通市民一般缺乏生態環境評價方面的知識，購租房后居住一段時間才發現本小區生態環境質量存在問題，但悔之晚矣。對城市居住生態環境的研究和評價是建設“宜居城市”“生態城市”的基礎工作，管理者需要依靠城市生態環境方面的理論和方法，為這一城市的發展確定方向和模式，投資者和廣大市民希望對居住地環境和未來有所了解。由于環境保護部門針對地域給出的環評報告具有較強的專業性，一般比較復雜且不易查詢，對于具體的住宅區環境也沒有有效的指導意義。不僅在蘇州，在全國范圍內也是如此，因此一套面向居民的直觀環境質量指標迫在眉睫的需要面世。由此可見，該研究以環境地理學原理為基礎，利用 GIS 建立生態環境分析模型，由衛星遙感影像和相關地圖獲取生態環境信息，以生態環境質量等級圖和統計圖表形式給出分析結果，并且將其可視化后直觀展現從而能達到為市民提供環境信息服務的目的

3、模型架構

我們對不同人群，進行問卷調查共1369份，從中選取市民最為關心的幾個要素進行相關研究，建立小區環境適宜性分析系統模型，選取影響小區環境的六個居住者最關心的環境要素如綠化、空氣適宜性、噪音等等，選取合適的權重模型，構建小區環境分析模型。

3.1數據來源與初處理

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，獲取了小區數據，矢量化了河流、湖泊數據，補充了國道、高速、省道 、城市快速路、主干道、鐵路矢量數據，以及按照圖層矢量化的工業數據，同時根據污染企業名稱獲取坐標數據，配準后對準手動調整到煙囪等污染點上，確保了數據的準確性利用遙感影像提取植被指數、地面溫度，并在GIS與住宅區圖層疊加，可以判斷住宅區的綠化程度、安靜程度、空氣潔凈程度等生態環境要素，并可實現量化分級。

3.2數據量化過程

3.2.1遙感影像分類提取

住宅區的植被覆蓋度是影響小區生態環境質量的重要因素，我們決定有植被指數反映地面植被情況。植被指數NDVI的獲取：=（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的表現，是影響小區生態環境質量的一個因素，這可以由陸地衛星的第六波段反映。用陸地衛星（Landsat5）傳感器所獲紅外波段（band6）數據為基礎，利用Erdas的建模計算功能將衛星柵格圖像像元灰度值處理成亮溫值，根據Landsat官方網站上提供的公式，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/ln（K2常數/L輻射強度值+1），其中K1 常數=607.76 W/（m2·sr·m），K2常數=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，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

通過矢量化和數據收集。獲取了蘇州市區的道路、河流、湖泊、住宅區、點污染源等矢量數據。

圖3-1矢量地圖

3.2.3點污染源污染范圍確定

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

3.2.4數據處理流程圖

分析所需柵格、矢量及屬性數據的獲取及處理情況見下圖。

圖3-2 數據分析流程圖

3.3數據統計

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關系計算得到實測溫度，使用人體舒適度指數來評斷溫度對人體舒適度的影響。對不同指標進行處理和量化后，我們要建立權重模型以此獲取每個獨立小區的綜合環境適宜性指標，在問卷調查的基礎上，結合相關環境類專家的意見采取AHP法、熵權分析法等確定各項影響因子的權重比，以此獲得單個小區的總體環境適宜性分值。

我們對量化評級后的相關數據結果的準確性，咨詢了相關學者，也抽取部分小區進行了簡單的了解和住戶調查，得到數據相對準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、結果分析

根據設計的環境模型，可分別得到小區的具體坐標、戶所密集指數、綠化指數、噪音指數、空氣潔凈度、特殊污染指數、溫度指數、水體指數，并設計權重模型得出小區的綜合指數。為了更加直觀地顯示各類指標的高低，從而進行更好的比對，以Web GIS網頁形式將各類指標可視化呈現，呈現結果如下可見：

用聚類圖直觀地呈現小區在不同區域的集聚程度，以及該區域平均環境狀況，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塊，這些區塊中心會有一個圓形標示，系統會統計各區塊內小區的數量并將數值顯現在標示中，同時，系統還會自動求出各區塊內的總評分的平均值，根據平均值的高低用不同的顏色來渲染各個區塊與它的圓形標示。對于那些集聚程度較小的區塊，單擊小標識則會顯示其所代表的小區的數據信息與圖表。若某個小區的位置較為獨立或視圖比例尺放到很大，無法與其他小區形成集聚，小區就會以紅色圓點的形式標注出來，單擊同樣會顯示出小區的數據信息與圖表。通過集聚分析，可以讓用戶直觀地看到小區在不同區域的集聚程度，以及該區域平均環境狀況，使用戶更加方便獲取需的信息。

我們通過搜房網等網站搜索到了我們所用得2451個小區的戶所數目，并根據戶所制作了熱力圖。小區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戶所數目。根據住房的疏密程度側面反映人口的疏密程度。

三維顯示將2451個小區點的數據三維顯示，通過柱狀圖的高低程度表示小區環境質量指數，實現小區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可以實現小區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，讓用戶對小區生態環境具有感性認識，更使決策者、投資者和用戶對住房用地規劃現狀和規劃設計藍圖有更為生動、客觀和理性的了解和認識，從而拓寬其的視角，使住房用地建設與規劃更加科學化，可視化，對于城鄉可持續發展研究有重要意義。

圖4-1

區域分析通過空間連接的方式得到每個小區的區塊代碼，即蘇州包括吳江在內六個區的小區各要素平均值，在每個區域內可看到六個要素的柱狀圖，并顯示了相應信息。此功能可幫助住戶根據他們的需求快速選擇居住的區域。

圖4-2

總結：

通過該模型的構建將有效幫助市民在選房時對環境方面的考量，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環境指標，可以有效提高市民的考察效率。當然該模型在因子的選擇上不夠全面，市民關注的日照等因素還可以添加到因子中，同時在模型構建以及數據處理等各方面還可以進一步完善，但總的而言，該數據模型創新的結合“3S”數據，提出了將抽象的環境指標量化的觀點，并且利用已有的ArcGIS產品線構建了小區環境模型，同樣該模型可以用到其他點狀個體上。當然本文以蘇州為樣本進行了展示，模型可以根據不同城市的環境特點、社會經濟背景，因地制宜的選擇相關因子，并重新確定權重，應用到社會、市場中。

參考文獻：

[1]盧文峰.ArcGIS在環保信息化系統中的應用研究.復旦大學，2012.

[2]劉敏.上海市環境保護地理信息系統——組件式GIS和Web GSI在環保管理中的應用.上海建設科技，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知及態度研究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在軌跡分類的應用，地球信息科學學報，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.基于內存數據庫Redis的輕量級矢量地理數據組織[J].地球信息科學學報，2014，16（2）：165-172.

作者簡介：

朱進（通訊作者），1983年生，蘇州科技大學環境學院講師，研究方向為時空軌跡數據挖掘。