基于多源时空数据的噪声制图方法研究
文献类型：学位论文
| 作者 | 宋柳依 |
| 答辩日期 | 2023-06 |
| 文献子类 | 学术型学位 |
| 授予单位 | 中国科学院大学 |
| 授予地点 | 中国科学院地理科学与资源研究所 |
| 导师 | 齐清文 ; 张岸 |
| 关键词 | 噪声制图 交通噪声污染 噪声暴露 噪声投诉 多源数据 |
| 学位名称 | 硕士 |
| 学位专业 | 地图学与地理信息系统 |
| 英文摘要 | 噪声污染是指环境中存在的超出正常水平并造成负面影响的声音。长期暴露于噪声中会导致生理和心理健康问题，并对人们的生活和工作产生干扰，对社会经济带来不良影响。因此，研究和控制噪声污染对于保护人类健康和社会福利至关重要，噪声地图研究可以帮助我们更全面和准确地了解城市的噪声环境和污染情况。然而，过去的噪声地图研究一般关注噪声声压值的模拟与计算，不仅忽略了噪声表现形式的规范性和适宜性，还难以全面且精确的反映噪声污染程度及人口暴露情况。此外，人们的噪声暴露反应尚未得到明确研究和验证，影响噪声水平及暴露水平的各种因素也没有得到深入、综合地分析。因此，明确噪声制图方法流程，规范噪声制图结果的表现形式，并进一步分析噪声的人口暴露情况和暴露反应并探究噪声投诉的时空演变规律和影响机制，有助于帮助人们更好地理解和分析噪声，明确人口对噪声的反应机制，减少噪声污染对人口的干扰，促进城市可持续发展和公众健康。 本研究以城市化水平高度发达、开源数据充足、噪声问题严重的纽约市为研究区，开展噪声制图方法研究。首先，基于纽约市的道路和建筑物等基础地理数据，通过交通噪声排放模型模拟绘制了道路交通噪声声压地图。根据噪声声压值结果，分别进行了纽约市建筑物尺度和格网尺度下的人口交通噪声暴露量制图。其次，本研究使用莫兰指数、核密度分析、热点分析等方法绘制了纽约市2010年到2020年噪声投诉的时空演变特征图，并使用广义相加模型绘制了噪声暴露-投诉响应曲线。最后基于机器学习方法，结合多源数据分析纽约市噪声投诉与各种城市环境因素之间的影响机制，并建立了噪声投诉的预测模型，模拟了不同城市场景下的噪声投诉情况。 本研究的主要研究结果如下： （1）构建了基于Noise Modelling的分布式处理交通噪声建模方法，适用于大范围高精度噪声制图。纽约市道路交通噪声污染严重，98.43%的区域全天平均噪声水平超过45 dB，对人们的正常生活产生干扰；16.44%的区域噪声超过70 dB，对人们的听力造成损伤，造成极其严重的噪声污染。纽约市白天的道路交通噪声污染显著高于夜晚与深夜，平均声压值达到61.42 dB。本研究分别从建筑物尺度和格网尺度绘制了纽约市人口的交通噪声暴露分布图。纽约市有大量人口长期暴露在高噪声水平下，约675万人处于45 dB以上的噪声污染中（占总人口的92.43%），噪声暴露最严重的区域在曼哈顿区。 （2）纽约市的噪声投诉呈现出显著的时空分布规律。通过绘制时空特征分布图发现，自2010年以来，噪声投诉数量一直持续上升，并具有空间自相关性和空间聚类特征，噪声投诉的热点区域主要集中在曼哈顿区及其与其他行政区的交界处。此外，纽约市噪声投诉数量与噪声暴露量之间存在一定的非线性关系，在不同范围的噪声暴露量内，人们对噪声的敏感度表现不同。 （3）纽约市噪声投诉受到人口统计特征和城市建筑形态的显著影响。交通噪声水平与噪声投诉的相关性不大，居住单元密度和西班牙裔人口是影响噪声投诉的最主要因素。XGBoost回归预测模型更适用于噪声投诉的建模，在测试集上的精度可达0.684。当纽约市的居住单元密度降低时，噪声投诉数量也会随之呈现非线性下降趋势。 综上所述，本研究的研究结果可为相关城市开展噪声污染相关研究的参考和技术支撑，对未来的城市规划和城市更新提供科学参考，从而减少人们在噪声污染下的暴露风险，建设更健康的城市。 |
| 语种 | 中文 |
| 页码 | 88 |
| 源URL | [http://ir.igsnrr.ac.cn/handle/311030/199732]  |
| 专题 | 地理科学与资源研究所_研究生部 |
| 推荐引用方式 GB/T 7714 | 宋柳依. 基于多源时空数据的噪声制图方法研究[D]. 中国科学院地理科学与资源研究所. 中国科学院大学. 2023. |
入库方式： OAI收割
来源：地理科学与资源研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。