无人机多模态影像在户外热舒适度观测评估与优化中的应用研究——以广州为例

这篇研究创新性地利用无人机(UAV)多模态数据(包括多光谱和热红外影像)结合地面同步观测，构建了高空间分辨率的户外热舒适度(OTC)评估框架，量化了植被覆盖率、地表反照率和天空视域因子(SVF)对平均辐射温度(Tmrt)的影响，并提出数据驱动的优化策略(如反照率<0.2的红锈花岗岩铺装)，为城市微尺度热环境精准调控提供了新范式(RMSE=3.18°C)。

　　

Highlight

工作流程

我们的无人机低空遥感工作流程包含四个部分(图1)：

• 测试阶段：搭载多光谱和热红外传感器(表1)的无人机对城市微尺度空间进行多角度观测，同步地面气象站记录数据

• 基于摄影测量和反演算法，生成地表特征正射影像(NDVI、反照率、SVF)和三维辐射场模型

• 通过人体能量平衡方程计算热舒适度指标(如PET、UTCI)

• 基于敏感性分析提出场景化优化策略

地表特征正射影像

基于多光谱数据生成的空间分辨率18.1厘米的NDVI正射影像(图4a)反映了植被覆盖状况，反照率正射影像(图4b)表征地表反射特性，而37.4厘米分辨率的SVF正射影像(图4c)则量化周边遮挡程度。

与其他研究的T_mrt敏感性比较

相较于其他OTC指标，T_mrt对设计参数的空间变异更敏感。与既有研究对比显示：本模型对植被覆盖率的敏感性系数(-0.32°C/10%)与Envi-met模拟结果(-0.28°C/10%)高度吻合，但对铺装材料反照率的响应更强(ΔT_mrt达5.4°C)，这源于无人机数据更精确捕捉了地表材质的光热特性。

结论

本研究证实无人机遥感系统可有效评估不同植被覆盖率、铺装类型和开放度场景的热环境。当建筑/树木高度<60米、密度<70%、平均SVF>0.40时，T_mrt预测精度最佳(RMSE=3.18°C)。数据驱动的优化方案(如低反照率铺装)为缓解城市热应激(heat stress)提供了科学依据。