(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210837884.0 (22)申请日 2022.07.16 (71)申请人 华中农业大 学 地址 430070 湖北省武汉市洪山区狮子山 街1号 (72)发明人 吴昌广　肖乾坤　郭雅耘　于晴　 田宇　樊萱　 (74)专利代理 机构 西安汇恩知识产权代理事务 所(普通合伙) 6124 4 专利代理师 张伟花 (51)Int.Cl. G06F 30/20(2020.01) G06F 17/18(2006.01) G06K 9/62(2022.01) G06F 111/10(2020.01) (54)发明名称 一种面向空气质量提升的城市街谷行道树 树种选择方法 (57)摘要 本发明提出了一种面向空气质 量提升的城 市街谷行道树树种选择方法， 该方法包括： 获取 目标区域的典型气象日气象参数的日变化数据、 典型街谷空间形态类型、 常用行道 树种类和常用 行道树形态特征， 以及机动车排放空气污染物的 逐小时排放速率； 构建多种典型街谷模型， 并逐 一开展数值模拟， 然后进行统计分析和评估， 评 估时以街谷中居民暴露风险分数的相对变化率 为指标； 根据评估结果， 选择居民暴露风险分数 相对变化率相对低的树木形态所对应的树种为 相应类型街谷中最优的行道树树种， 并参考该树 木形态制定该类街谷行道树整形修剪策略。 本发 明量化评估不同形态的行道树种植方案对街谷 居民暴露风险的影 响， 为行道 树种类选择和整形 修剪提供准确依据。 权利要求书3页 说明书7页 附图2页 CN 115203948 A 2022.10.18 CN 115203948 A 1.一种面向空气质量 提升的城市街谷行道树 树种选择 方法， 其特 征在于， 该 方法包括： S1、 前期分析阶段： 收集目标区域的气象参数、 街道峡谷的形态参数、 常见行道树的个 体形态参数进行整理分析， 获取目标区域的典型气象日气象参数 的日变化数据、 典型街谷 空间形态类型、 常用行道树种类和常用行道树形态特征， 以及目标区域的相应类型街谷中 机动车排放空气污染物的逐小时排放速率； 所述街道峡谷的形态参数包括建筑高度、 建筑 排布、 道路宽度、 建筑材质和道路材质； S2、 数值模拟阶段： 基于所述街道峡谷的形态参数和常见行道树的个体形态参数构建 多种典型街谷模型， 并逐一 开展数值模拟； S3、 分析评估阶段： 结合数据处理方法对S2中构建的多种典型街谷模型的数值模拟结 果进行统计分析， 并对统计结果进行评估， 评估时以街谷中居民暴露风险分数 的相对变化 率为指标； S4、 方案生成阶段： 根据评估结果， 选择居民暴露风险分数相对变化率相对低的树木形 态所对应的树种为相应类型街谷中最优的行道树树种， 并参考该树木形态制定该类街谷行 道树整形修剪策略。 2.根据权利要求1所述的一种面向空气质量提升的城市街谷行道树树种选择方法， 其 特征在于， S2中基于所述街道峡谷的形态参数和常见行道 树的个体形态参数构建典型街谷 模型， 开展数值模拟， 具体包括： 步骤201： 选择ENVI ‑met微气候模拟软件为数值模拟工具； 步骤202： 在软件数据库设置目标 区域的交通污染物排放源， 确定所述交通污染物排放 源的排放高度、 排放方式和 排放速率， 同时结合所述常见行道树的个体形态参数 的设定取 值进行自由组合确定多种树木形态类型， 并自定义目标区域每种树木形态类型对应的行道 树模型； 步骤203： 根据步骤202中设置的交通污染物排放源和S1中所述街道峡谷的形态参数， 结合步骤202中所述行道树模型以及街谷行道树的布局模式， 构建与多种类型行道树对应 的多个典型街谷模型， 其中每一种树木形态类型的行道树模型对应一种典型街谷模型； 步骤204： 在步骤203中构建的多个典型街谷模型中， 以目标区域典型气象日气象参数 的日变化数据作为边界条件， 设定来流风速、 风向、 空气温度、 相对湿度以及 城市粗糙度， 在 该背景环境条件下开展24小时模拟， 得到每个典型街谷模型下逐小时的街谷空气污染物浓 度数据。 3.根据权利要求2所述的一种面向空气质量提升的城市街谷行道树树种选择方法， 其 特征在于， 通过所述建筑高度和道路宽度的比值计算街道峡谷高宽比， 所述街道峡谷高宽 比在微气候模拟软件中的设定取值的规则为： 根据街道峡谷高宽比对街谷形态进行分类， 具体分类为： 当街道峡谷高宽比小于等于 0.5时， 数值模拟时设定取值为0.5； 当街道峡谷高宽比大于0.5且小于1.5时， 数值模拟时设 定取值为 1； 当街道峡谷高宽比大于1.5且小于2.5时， 数值模拟时设定取值为2； 当街道峡谷 高宽比大于等于2.5时， 数值模拟时设定取值 为3； 常见行道树的个 体形态参数在微气候模拟软件中的设定取值的规则为： 根据常见行道树的个体形态参数对树木形态进行分类， 并设定数值模拟时的取值； 常 见行道树的个 体形态参数包括行道树叶面积密度、 树高、 枝下高、 冠幅； 具体为：权　利　要　求　书 1/3 页 2 CN 115203948 A 2当叶面积密度小于等于1时， 数值模拟时设定叶面积密度取值为1； 当叶面积密度大于1 且小于2.5时， 数值模拟时设定叶面积密度取值为1.5； 当叶面积密度大于等于2.5时， 数值 模拟时设定叶面积密度取值 为3； 当树高小于等于8时， 数值模拟时设定树高取值为6； 当树高大于8且小于12时， 数值模 拟时设定树高取值 为10； 当树高大于等于12时， 数值模拟时设定树高取值 为14； 当枝下高小于等于3时， 数值模拟时设定枝下高取值为3； 当枝下高大于3时， 数值模拟 时设定枝下高取值 为5； 当冠幅小于等于4时， 数值模拟时设定冠幅取值为3； 当冠幅大于4且小于8时， 数值模拟 时设定冠幅取值 为6； 当冠幅大于等于8时， 数值模拟时设定冠幅取值 为9。 4.根据权利要求2所述的一种面向空气质量提升的城市街谷行道树树种选择方法， 其 特征在于， S 3中结合数据处理方法对S2中构建的多种典型街谷模型的数值模拟结果进 行统 计分析， 并对统计结果进 行评估， 评估时以街谷中居民暴露风险分数的相对变化率为指标； 具体包括： 步骤301： 利用软件对数值模拟结果进行可视化， 并对模拟数据进行数理统计， 获取一 天中街谷内部 两侧人行道空气污染物浓度的平均值； 步骤302： 结合城市不同类型人群的暴露时间、 呼吸速率以及对交通排放污染物暴露 的 敏感性， 计算不同情景下临近机动车排放源附近街谷行人区域的居民暴露风险分数， 计算 公式如下： 式中， ERF为居民暴露风险分数； Pi为第i类人群的总人数； RTi为第i类人群的人均呼吸 速率， 单位是m3/s； ETi为为第i类人群的人均暴露时间， 单位是h/d， Qi为第i类人群对交通排 放污染物暴露的敏感系数； C为人行道1.5m高度的平均空气污染物浓度， 单位是kg/m3； E是 考虑期间的总污染物 排放量， 单位是kg； 所述人群划分为三类， n取1， 2， 3， 包括老年人、 成年 人、 小孩， 第1类人群指老年人， 第2类人群指成年人， 第3类人群指小孩， 其呼吸速率与暴露 时间如下表所示： 人群类别 老年人 成年人 小孩 呼吸速率(m3/d) 10‑15 15‑20 10‑14 暴露时间(h /d) 0.8‑1.5 1.5‑3 1‑1.5 步骤303： 计算多个典型街谷模型中植树街谷与无树街谷中居民暴露风险分数的相对 变化， 计算公式如下： 式中， ΔERF为居民暴露风险分数的相对变化率； ERFtree为植树街谷的居民暴露风险分权　利　要　求　书 2/3 页 3 CN 115203948 A 3