一种采用水流模拟城市自然通风潜力的方法和系统

摘要

本发明公开了一种采用水流模拟城市自然通风潜力的方法，包括：获取城市的地形图、卫星图、形态图和主导风压图；分别确定地形图、形态图和主导风压图的栅格图；对获取的三个栅格图的对应栅格中的数据分别进行累计求和，得到下垫面数字高程模型；根据建立的下垫面数字高程模型，进行水文分析，得到水网模型；水网模型即为城市的通风廊道分布模型；将城市的通风廊道分布模型叠加到城市的卫星图上，确定城市的自然通风潜力。本发明还提供了一种采用水流模拟城市自然通风潜力的系统。本发明提供的采用水流模拟城市自然通风潜力的方法和系统，能够快速模拟得到城市的自然通风潜力，有效反映不同风向风速对城市通风的影响。

权利要求

1.一种采用水流模拟城市自然通风潜力的方法，其特征在于，包括：获取城市的地形图、卫星图、形态图和主导风压图；

分别确定所述地形图的栅格图、所述形态图的栅格图和所述主导风压图的栅格图；

对获取的三个所述栅格图的对应栅格中的地理地形高程值、城市形态高度值和风压值分别进行累计求和，得到城市的下垫面数字高程模型；

根据建立的所述城市的下垫面数字高程模型，进行水文分析，建立水网模型；所述水网模型即为城市的通风廊道分布模型；

将所述城市的通风廊道分布模型叠加到所述城市的卫星图上，确定城市的自然通风潜力。

2.根据权利要求1所述的一种采用水流模拟城市自然通风潜力的方法，其特征在于，确定所述形态图的栅格图，包括：获取机器学习模型；所述机器学习模型为以城市的卫星图为输入，以设定范围内的局地气候分区图为输出的训练后的机器学习模型；

采集城市的卫星图；

将所采集的卫星图输入到所述机器学习模型中，获取设定范围内的局地气候分区图；

以所述局地气候分区图中的像素为行，以所述像素属性为列，建立第一表单文件；所述像素属性包括像素处于所述局地气候分区图中的行数、列数、颜色所属十六进制数值和像素处于局地气候分区类型的建筑平均高度值；

以所述第一表单文件中的行数为点的X坐标，以所述第一表单文件中的列数为Y坐标，以所述建筑平均高度值为所述点的属性，建立第一点文件；

将所述第一点文件中的每个点作为一个栅格，以每个点对应的建筑平均高度值为属性，建立第一栅格图；所述第一栅格图即为所述形态图的栅格图。

3.根据权利要求2所述的一种采用水流模拟城市自然通风潜力的方法，其特征在于，所述获取机器学习模型之前，还包括：采集训练样本；所述训练样本为城市的卫星图；

根据所采集的训练样本，设定卫星图的局地气候分区类型；

根据所采集的训练样本和所设定的局地气候分区类型，对机器学习模型进行训练。

4.根据权利要求2所述的一种采用水流模拟城市自然通风潜力的方法，其特征在于，获取所述主导风压图的栅格图，包括：在所述第一表单文件中增加一列风压值，形成第二表单文件；

以所述第二表单文件中的行数和列数为点的X坐标和Y坐标，以所述风压值为所述点的属性，建立第二点文件；

将所述第二点文件中的每个点作为一个栅格，以所述第二表单文件中的所述风压值为属性，建立第二栅格图；所述第二栅格图即为所述主导风压图的栅格图。

5.一种采用水流模拟城市自然通风潜力的系统，其特征在于，包括：获取模块，用于获取城市的地形图、卫星图、形态图和主导风压图；

确定模块，用于分别确定所述地形图的栅格图、所述形态图的栅格图和所述主导风压图的栅格图；

下垫面数字高程模型建立模块，用于对获取的三个所述栅格图的对应栅格中的地理地形高程值、城市形态高度值和风压值分别进行累计求和得到城市的下垫面数字高程模型；

水网模型获取模块，用于根据建立的所述城市的下垫面数字高程模型，进行水文分析，建立水网模型；所述水网模型即为城市的通风廊道分布模型；

自然通风潜力确定模块，用于将所述城市的通风廊道分布模型叠加到所述城市的卫星图上，确定城市的自然通风潜力。

6.根据权利要求5所述的一种采用水流模拟城市自然通风潜力的系统，其特征在于，所述系统还包括：机器学习模型获取模块，用于以城市的卫星图为输入，以设定范围内的局地气候分区图为输出的训练后的机器学习模型；

采集模块，用于采集城市的卫星图；

局地气候分区图获取模块，用于将所采集的卫星图输入到所述机器学习模型中，获取设定范围内的局地气候分区图；

以所述局地气候分区图中的像素为行，以所述像素属性为列，建立第一表单文件；所述像素属性包括像素处于所述局地气候分区图中的行数、列数、颜色所属十六进制数值和像素处于局地气候分区类型的建筑平均高度值；

以所述第一表单文件中的行数为点的X坐标，以所述第一表单文件中的列数为Y坐标，以所述建筑平均高度值为所述点的属性，建立第一点文件；

第一栅格图建立模块，用于将所述第一点文件中的每个点作为一个栅格，以每个点对应的建筑平均高度值为属性，建立第一栅格图；所述第一栅格图即为所述形态图的栅格图。

7.根据权利要求6所述的一种采用水流模拟城市自然通风潜力的系统，其特征在于，所述系统还包括：局地气候分区类型设定模块，用于根据采集模块所采集的训练样本，设定卫星图的局地气候分区类型；

机器学习模型训练模块，用于根据所采集的训练样本和所设定的局地气候分区类型，对机器学习模型进行训练。

8.根据权利要求6所述的一种采用水流模拟城市自然通风潜力的系统，其特征在于，所述系统还包括：第二表单文件建立模块，用于在所述第一表单文件中增加一列风压值，形成第二表单文件；

第二点文件建立模块，用于以所述第二表单文件中的行数和列数为点的X坐标和Y坐标，以所述风压值为所述点的属性，建立第二点文件；

第二栅格图建立模块，用于将所述第二点文件中的每个点作为一个栅格，以所述第二表单文件中的所述风压值为属性，建立第二栅格图；所述第二栅格图即为所述主导风压图的栅格图。

说明书

一种采用水流模拟城市自然通风潜力的方法和系统

技术领域

[0001] 本发明涉及流体力学技术领域，特别是涉及一种采用水流模拟城市自然通风潜力的方法和系统。

背景技术

[0002] 对城市自然通风潜力的了解对于指导城市规划和建设而言具有重要的意义，良好的城市通风能够促进城市空气循环，降低空气污染，从而改善城市通风环境，特别是舒缓夏季的热岛效应，减低冬季雾霾发生频率。

[0003] 在现有技术中，对整体城市尺度的风环境模拟多采用数值模拟方法，如气象分析预报模型(WRF，Weather Research and Forecasting)、第5代中观尺度区域气象模型(MM5，the 5th-generation Mesoscale Regional Weather Model)等气象相关的软件。但这类软件对城市形态的描述太过简略，对于建成环境中的下垫面描述不够细致，并不能很好地表达近地面风环境的实际情况。

[0004] 另一类数值模拟方法是采用流体力学模拟(CFD，Computational Fluid Dynamics)软件，但这类软件可应用的尺度范围很小，一般不超过1平方公里，且计算周期极长，高性能图形工作站一般也需要十几天才能计算一个结果，不具有实际操作价值。

[0005] 另外还有一类基于地理信息系统(GIS，Geographic Information System或Geo－Information system)的简化计算方法，首先将城市形态转化为网格模型，再依据每个网格对风的阻挡作用将网格模型转换为成本栅格图，通过最小成本路径计算的方法得到城市通风廊道。这种方法操作简便，但受到最小成本路径算法本身的限制，需要人为设置起点和终点，不能很好反映出空气流动的自然本质，且计算得到的通风廊道过于集中，不能有效反映不同风向风速对城市通风的影响。

发明内容

[0006] 本发明的目的是提供一种采用水流模拟城市自然通风潜力的方法和系统，能够快速模拟得到城市的自然通风潜力，有效反应不同风向风速对城市通风的影响。

[0007] 为实现上述目的，本发明提供了如下方案：

[0008] 一种采用水流模拟城市自然通风潜力的方法，包括：

[0009] 获取城市的地形图、卫星图、形态图和主导风压图；

[0010] 分别确定所述地形图的栅格图、所述形态图的栅格图和所述主导风压图的栅格图；

[0011] 对获取的三个所述栅格图的对应栅格中的地理地形高程值、城市形态高度值和风压值分别进行累计求和，得到城市的下垫面数字高程模型；

[0012] 根据建立的所述城市的下垫面数字高程模型，进行水文分析，建立水网模型；所述水网模型即为城市的通风廊道分布模型；

[0013] 将所述城市的通风廊道分布模型叠加到所述城市的卫星图上，确定城市的自然通风潜力。

[0014] 可选的，确定所述形态图的栅格图，包括：

[0015] 获取机器学习模型；所述机器学习模型为以城市的卫星图为输入，以设定范围内的局地气候分区图为输出的训练后的机器学习模型；

[0016] 采集城市的卫星图；

[0017] 将所采集的卫星图输入到所述机器学习模型中，获取设定范围内的局地气候分区图；

[0018] 以所述局地气候分区图中的像素为行，以所述像素属性为列，建立第一表单文件；所述像素属性包括像素处于所述局地气候分区图中的行数、列数、颜色所属十六进制数值和像素处于局地气候分区类型的建筑平均高度值；

[0019] 以所述第一表单文件中的行数为点的X坐标，以所述第一表单文件中的列数为Y坐标，以所述建筑平均高度值为所述点的属性，建立第一点文件；

[0020] 将所述第一点文件中的每个点作为一个栅格，以每个点对应的建筑平均高度值为属性，建立第一栅格图；所述第一栅格图即为所述形态图的栅格图。

[0021] 可选的，所述获取机器学习模型之前，还包括：

[0022] 采集训练样本；所述训练样本为城市的卫星图；

[0023] 根据所采集的训练样本，设定卫星图的局地气候分区类型；

[0024] 根据所采集的训练样本和所设定的局地气候分区类型，对机器学习模型进行训练。

[0025] 可选的，确定所述主导风压图的栅格图，包括：

[0026] 在所述第一表单文件中增加一列风压值，形成第二表单文件；

[0027] 以所述第二表单文件中的行数和列数为点的X坐标和Y坐标，以所述风压值为所述点的属性，建立第二点文件；

[0028] 将所述第二点文件中的每个点作为一个栅格，以所述第二表单文件中的所述风压值为属性，建立第二栅格图；所述第二栅格图即为所述主导风压图的栅格图。

[0029] 一种采用水流模拟城市自然通风潜力的系统，包括：

[0030] 获取模块，用于获取城市的地形图、卫星图、形态图和主导风压图；

[0031] 确定模块，用于分别确定所述地形图的栅格图、所述形态图的栅格图和所述主导风压图的栅格图；

[0032] 下垫面数字高程模型建立模块，用于对获取的三个所述栅格图的对应栅格中的地理地形高程值、城市形态高度值和风压值分别进行累计求和得到城市的下垫面数字高程模型；

[0033] 水网模型获取模块，用于根据建立的所述城市的下垫面数字高程模型，进行水文分析，建立水网模型；所述水网模型即为城市的通风廊道分布模型；

[0034] 自然通风潜力确定模块，用于将所述城市的通风廊道分布模型叠加到所述城市的卫星图上，确定城市的自然通风潜力。

[0035] 可选的，所述系统还包括：

[0036] 机器学习模型获取模块，用于以城市的卫星图为输入，以设定范围内的局地气候分区图为输出的训练后的机器学习模型；

[0037] 采集模块，用于采集城市的卫星图；

[0038] 局地气候分区图获取模块，用于将所采集的卫星图输入到所述机器学习模型中，获取设定范围内的局地气候分区图；

[0039] 第一表单文件建立模块，用于以所述局地气候分区图中的像素为行，以所述像素属性为列，建立第一表单文件；所述像素属性包括像素处于所述局地气候分区图的行数、列数、颜色所属十六进制数值和像素处于局地气候分区类型的建筑平均高度值；

[0040] 第一点文件建立模块，用于以所述第一表单文件中的行数和列数为点的X坐标和Y坐标，以所述建筑平均高度值为所述点的属性，建立第一点文件；

[0041] 第一栅格图建立模块，用于将所述第一点文件中的每个点作为一个栅格，以每个点对应的建筑平均高度值为属性，建立第一栅格图；所述第一栅格图即为所述形态图的栅格图。

[0042] 可选的，所述系统还可以包括：

[0043] 局地气候分区类型设定模块，用于根据采集模块所采集的训练样本，设定卫星图的局地气候分区类型；

[0044] 机器学习模型训练模块，用于根据所采集的训练样本和所设定的局地气候分区类型，对机器学习模型进行训练。

[0045] 可选的，所述系统进一步可以包括：

[0046] 第二表单文件建立模块，用于在所述第一表单文件中增加一列风压值，形成第二表单文件；

[0047] 第二点文件建立模块，用于以所述第二表单文件中的行数和列数为点的X坐标和Y坐标，以所述风压值为所述点的属性，建立第二点文件；

[0048] 第二栅格图建立模块，用于将所述第二点文件中的每个点作为一个栅格，以所述第二表单文件中的所述风压值为属性，建立第二栅格图；所述第二栅格图即为所述主导风压图的栅格图。

[0049] 根据本发明提供的具体实施例，本发明公开了以下技术效果：本发明提供的采用水流模拟城市自然通风潜力的方法和系统，通过分别获取地形图、卫星图和形态图这三者的栅格图，采用三个栅格图对应栅格中的地理地形高程值、城市形态高度值和风压值分别进行累计求和，得到城市的下垫面数字高程模型。再根据城市的下垫面数字高程模型，进行水文分析，得到水网模型，进而得到城市的通风廊道分布模型。最后将通风廊道分布模型叠加到城市对应的卫星图上，就能够快速模拟得到城市的自然通风潜力，以有效反映不同风向风速对城市通风的影响。

附图说明

[0050] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

[0051] 图1为本发明实施例采用水流模拟城市自然通风潜力方法的流程图；

[0052] 图2为本发明实施例采用水流模拟城市自然通风潜力系统的结构示意图。

具体实施方式

[0053] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

[0054] 本发明的目的是提供一种采用水流模拟城市自然通风潜力的方法和系统，能够快速模拟得到城市的自然通风潜力，有效反应不同风向风速对城市通风的影响。

[0055] 为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

[0056] 图1为本发明实施例采用水流模拟城市自然通风潜力的方法的流程图，如图1所示，一种采用水流模拟城市自然通风潜力的方法，包括：

[0057] S1、获取城市的地形图、卫星图、形态图和主导风压图；

[0058] S2、分别确定所述地形图的栅格图、所述形态图的栅格图和所述主导风压图的栅格图；

[0059] S3、对获取的三个所述栅格图的对应栅格中的地理地形高程值、城市形态高度值和风压值分别进行累计求和，得到城市的下垫面数字高程模型；所得到的下垫面数字高程模型中每个栅格的数值是地理地形高程值、城市形态高度值和风压值三者之和。

[0060] S4、根据建立的所述城市的下垫面数字高程模型，进行水文分析，建立水网模型；所述水网模型即为城市的通风廊道分布模型；其中，水文分析是GIS软件中针对下垫面数字高程模型的一种比较成熟的分析技术，具体操作包括抹平洼地、生成流向、生成汇流数据、汇流数据单值化等。

[0061] S5、将所述城市的通风廊道分布模型叠加到所述城市的卫星图上，确定城市的自然通风潜力。其中，有水网分布的位置就是在设定的主导风向和风速情况下的通风廊道，自然通风情况良好；没有水网分布的位置就是缺乏自然通风的区域，容易引发污染物沉积、空气污浊等问题。

[0062] 在所述步骤S1中，通过“地理空间数据云”网站(http://www.gscloud.cn/)获取城市地形图。具体为，在该网站选择“DEM数字高程数据”中的GDEMDEM 30m分辨率数字高程数据，根据分析范围的经纬度范围选择所需的城市数据，下载包含分析范围的地形图。然后利用GIS软件中的裁剪功能将地形图根据需要裁剪得到所需分析城市的地形图。

[0063] 在所述步骤S2中，确定所述形态图的栅格图，具体包括：

[0064] 采集训练样本，具体为，在谷歌地球(Google Earth)中设置一个分析范围，然后根据局地气候分区的17类局地气候分区类型，对分析范围内的每一种局地气候分区类型分别利用绘制多边形的方法进行训练样本的采集。所采集得到的样本之间都具有相似的地面覆盖、建筑高度、建筑密度和建筑材料等。下载包含分析范围的Landsat8卫星图，其空间分辨率为30m，该卫星图可通过网站https://earthexplorer.usgs.gov/下载，在下载时首先设定搜索条件，可直接在网址首页的地图上框选搜索范围，也可通过输入分析范围所在地的城市名字获取搜索范围。

[0065] 根据所采集的训练样本，设定卫星图的局地气候分区类型，具体为，选择Landsat Archive中的L8 OLI/TIS数据，并设置云覆盖率少于10％；最后在搜索结果中选择所需日期的卫星图。需要注意的是在选择时应确保所选卫星图完整地包含分析范围。

[0066] 根据所采集的训练样本和所设定的局地气候分区类型，对机器学习模型进行训练，包括：

[0067] 获取机器学习模型；所述机器学习模型为以城市的卫星图为输入，以设定范围内的局地气候分区图为输出的训练后的机器学习模型；

[0068] 采集城市的卫星图；

[0069] 将所采集的卫星图输入到所述机器学习模型中，获取设定范围内的局地气候分区图；具体为，利用采集到的卫星图，通过SAGA GIS软件基于机器学习的原理对卫星图进行类型识别，SAGA GIS软件将会根据步骤S1中所设置的分析范围对Landsat 8卫星图进行裁剪，在最终生成局地气候分区图之前，操作者可根据自身需要在SAGA GIS中设置网格大小即局地气候分区图的分辨率，本发明选用200m作为空间分辨率生成分析范围的局地气候分区图，每个像素代表城市中的200m×200m的范围，每一类局地气候分区用一个特定的颜色表示。

[0070] 再用python语言编写的转换程序，将生成的局地气候分区图转换为csv格式的第一表单文件，该第一表单文件的每一行代表局地气候分区图中的一个像素，每一列代表该像素的一类属性。在本发明中像素共有四类属性，分别是该像素处于所述局地气候分区图的行数、列数、颜色所属十六进制数值和像素所属该局地气候分区图类型的建筑平均高度值。

[0071] 将得到的第一表单文件通过GIS软件转化为第一点文件。具体为：以第一表单文件中的行数和列数作为第一点文件中点的X坐标和Y坐标，以平均高度值作为该点的属性，建立第一点文件。

[0072] 进而通过GIS软件的点到栅格的转化功能，将第一点文件中所有的点转化为第一栅格图。即将每一个点对应转化为一个栅格，并将该点的平均高度值作为该栅格的属性值，得到第一栅格图。该第一栅格图就是城市的形态图的栅格图。

[0073] 而对于城市风环境而言，特定城市特定季节的主导方向均有所不同，城市的通风情况也会根据主导风向的变化而发生相应的改变。然而水流在流域范围内总是从地势高处向地势低处流动，若在没有压力的情况下，由于缺乏主动力而不具有方向性，无法反映出主导风向的作用。在利用GIS的水文分析对特定的城市自然通风潜力进行分析时，需要根据该城市的主导风向和风速生成主导风压图，以此来等效主导风的作用。因此，所述步骤S2中确定主导风压图的栅格图，具体包括：

[0074] 根据主导风向方位，利用python语言编写程序，在所得到的第一表单文件中增加一列风压数据，形成第二表单文件。其中，所增加的风压数据，最小值为0，表示最下风向的位置，并随着风来的方向逐渐增大，至最上风向位置为最大值。最大值与最小值的差值大小根据所需分析的风速大小设定，风速越大，最大值越大，风速越小，最大值越小。

[0075] 以所述第二表单文件中的行数为点的X坐标，以所述第二表单文件中的列数为Y坐标，以所述风压值为所述点的属性，建立第二点文件；将所述第二点文件中的每个点作为一个栅格，以所述第二表单文件中的所述风压值为属性，建立第二栅格图；所述第二栅格图即为所述主导风压图的栅格图。

[0076] 此外本发明还公开了一种采用水流模拟城市自然通风潜力的系统。如图2所示，所公开的系统包括：

[0077] 获取模块1，用于获取城市的地形图、卫星图、形态图和主导风压图；

[0078] 确定模块2，用于分别确定所述地形图的栅格图、所述形态图的栅格图和所述主导风压图的栅格图；

[0079] 下垫面数字高程模型建立模块3，用于对获取的三个所述栅格图的对应栅格中的地理地形高程值、城市形态高度值和风压值分别进行累计求和得到城市的下垫面数字高程模型；

[0080] 水网模型获取模块4，用于根据建立的所述城市的下垫面数字高程模型，进行水文分析，建立水网模型；所述水网模型即为城市的通风廊道分布模型；

[0081] 自然通风潜力确定模块5，用于将所述城市的通风廊道分布模型叠加到所述城市的卫星图上，确定城市的自然通风潜力。

[0082] 为了系统的优化，所述系统还包括：

[0083] 机器学习模型获取模块，用于以城市的卫星图为输入，以设定范围内的局地气候分区图为输出的训练后的机器学习模型；

[0084] 采集模块，用于采集城市的卫星图；

[0085] 局地气候分区图获取模块，用于将所采集的卫星图输入到所述机器学习模型中，获取设定范围内的局地气候分区图；

[0086] 以所述局地气候分区图中的像素为行，以所述像素属性为列，建立第一表单文件；所述像素属性包括像素所在的局地气候分区图中的行数、列数、颜色所属十六进制数值和像素所在局地气候分区类型的建筑平均高度值；

[0087] 以所述第一表单文件中的行数为点的X坐标，以所述第一表单文件中的列数为Y坐标，以所述建筑平均高度值为所述点的属性，建立第一点文件；

[0088] 第一栅格图建立模块，用于将所述第一点文件中的每个点作为一个栅格，以每个点对应的建筑平均高度值为属性，建立第一栅格图；所述第一栅格图即为所述形态图的栅格图。

[0089] 所述系统还可以包括：

[0090] 局地气候分区类型设定模块，用于根据采集模块所采集的训练样本，设定卫星图的局地气候分区类型；

[0091] 机器学习模型训练模块，用于根据所采集的训练样本和所设定的局地气候分区类型，对机器学习模型进行训练。

[0092] 所述系统进一步可以包括：

[0093] 第二表单文件建立模块，用于在所述第一表单文件中增加一列风压值，形成第二表单文件；

[0094] 第二点文件建立模块，用于以所述第二表单文件中的行数和列数为点的X坐标和Y坐标，以所述风压值为所述点的属性，建立第二点文件；

[0095] 第二栅格图建立模块，用于将所述第二点文件中的每个点作为一个栅格，以所述第二表单文件中的所述风压值为属性，建立第二栅格图；所述第二栅格图即为所述主导风压图的栅格图。

[0096] 本发明提供的采用水流模拟城市自然通风潜力的方法和系统，通过分别获取地形图、卫星图和形态图这三者的栅格图，采用三个栅格图中的地理地形高程值、城市形态高度值和风压值进行累计求和，得到城市的下垫面数字高程模型。再根据城市的下垫面数字高程模型，对城市的水文进行分析，得到城市的水网模型，进而得到城市的通风廊道分布模型。最后将通风廊道分布模型叠加到城市对应的卫星图中，就能够快速模拟得到城市的自然通风潜力，以有效反应不同风向风速对城市通风的影响。

[0097] 并且，在本发明所提供的采用水流模拟城市自然通风潜力的方法和系统中，基于水流与气流的相似性，利用水文模拟的方式来替代空气动力学模拟方式，对城市通风潜力进行模拟分析。且在构建城市下垫面数字高程模型模型时，综合考虑了城市自然地形高差、城市形态差异和城市主导风向风速的差异。尤其是在考虑城市形态差异的过程中利用了局地气候分区原理和世界城市数据库及访问门户工具，使得采用水流模拟城市自然通风潜力更加快捷高效，且具有良好的时效性。

[0098] 此外本发明所提供的一种采用水流模拟城市自然通风潜力的方法和系统，相对于现有技术而言还具有以下优点：

[0099] 1、本发明对城市下垫面数字高程模型的构建综合考虑了城市自然地形高差和城市形态差异，相比较WRF、MM5等模拟方法，对城市形态的描述更为准确，能够更好地反映出城市近地面风环境的真实情况。

[0100] 2、本发明基于水流与气流的相似性，利用水文模拟的方式来替代空气动力学模拟方式，比CFD类模拟方法更高效，且可计算范围更广。

[0101] 3、本发明采用的水文模拟方法对整个城市范围的形态差异考虑更为全面。而其他算法中采用的最小成本路径方法仅能反映出成本最小的几条路径，无法表达出其他区域的通风差异情况。

[0102] 4、本发明能够综合考虑风向和风速对城市通风的影响。而其他算法中采用的最小成本路径方法仅能反映风向，而无法表达出风速的差异。

[0103] 本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

[0104] 本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。