期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
大气防疫风环境模拟下探究传统街巷尺度对风环境的影响——以赣州市姚衙前街区为例
1
作者 李诗蕾 廖梦琦 +2 位作者 蔡丽蓉 汪李娜 陶晓龙 《建筑与文化》 2024年第2期89-92,共4页
后疫情时代疫情防控进入常态化阶段,但是一些具有历史文化的“传统街区”,存在建筑布局紧凑、人口密集等共性问题,在防疫的通风需求方面存在较大隐患。为改善传统历史街区的风环境质量,有效抑制病毒传播,本研究以赣州市姚衙前历史街区为... 后疫情时代疫情防控进入常态化阶段,但是一些具有历史文化的“传统街区”,存在建筑布局紧凑、人口密集等共性问题,在防疫的通风需求方面存在较大隐患。为改善传统历史街区的风环境质量,有效抑制病毒传播,本研究以赣州市姚衙前历史街区为例,基于CFD技术运用斯维尔Vent对赣州市姚衙门前历史街巷进行大气防疫风环境模拟,分析街巷的高度、宽度、长度与地面粗糙度四要素对风环境的影响程度。根据模拟结果得出其对风速影响的权重排序为:街巷高度>宽度>长度,且街巷尺度的宽度为2~4m,高度为3~6m,长度为40~80m,地面粗糙度在0.5~0.75区间中,街巷内风速的影响最大。希望在后期传统历史街巷防疫风环境的改造时,采用某些措施能优化街巷通风能力以达到抑制病毒传播的要求。 展开更多
关键词 大气防疫风环境 传统街巷尺度 传统街巷地面粗糙度 街巷改造
在线阅读 下载PDF
基于绿色建筑技术的传统村落风热环境改造研究——以赣南卢屋村选区为例
2
作者 陶晓龙 沈之皓 +3 位作者 汪李娜 李诗蕾 朱星源 蔡丽蓉 《智能建筑与智慧城市》 2024年第4期90-94,共5页
人体舒适度受住区内风热环境的影响较大,如何将绿色建筑技术与乡村振兴环境建设相结合来改善传统村落的风热环境成为当下热点问题。本课题以赣南传统村落卢屋村为研究对象,采用Thsware绿色技术软件,对研究区域住区热环境、室内外风环境... 人体舒适度受住区内风热环境的影响较大,如何将绿色建筑技术与乡村振兴环境建设相结合来改善传统村落的风热环境成为当下热点问题。本课题以赣南传统村落卢屋村为研究对象,采用Thsware绿色技术软件,对研究区域住区热环境、室内外风环境以及室内热舒适三个要素进行模拟分析,总结现状问题。同时以宜居、绿色为出发点,从村落下垫面设计、建筑围护结构以及基于Grasshopper的参数化策略理论方面入手,改善选区内室外环境和室内热舒适,为赣南传统村落风热环境的优化设计提出改造策略,为其他传统村落的风热环境质量建设提供参考。 展开更多
关键词 绿色建筑技术 风热环境 改造 传统村落建筑
在线阅读 下载PDF
基于自注意力机制的遥感影像建筑物提取方法研究 被引量:1
3
作者 高亦远 佘江峰 +1 位作者 赵强 汪李娜 《信息技术与信息化》 2022年第11期5-8,共4页
遥感影像中的建筑物提取是一项具有挑战性的任务。近年来,众多基于卷积神经网络(convolutional neural network,CNN)的深度学习建筑物提取方法被提出,并取得了超越传统方法的效果。但是卷积神经网络也有其局限性:随着网络深度的增加,浅... 遥感影像中的建筑物提取是一项具有挑战性的任务。近年来,众多基于卷积神经网络(convolutional neural network,CNN)的深度学习建筑物提取方法被提出,并取得了超越传统方法的效果。但是卷积神经网络也有其局限性:随着网络深度的增加,浅层的图像特征会被丢失,造成网络性能退化;由于卷积操作天生的局部性,卷积神经网络仅能获取局部信息,而不能利用全局上下文信息。Transformer是一种新的神经网络架构,采用全局自注意力机制设计,可以为网络提供全局信息利用能力,将其与传统CNN结合,可以弥补互相的不足。基于此,提出了一种新的混合模型,将经典的U-Net语义分割模型和Vision Transformer(ViT)集成。通过将自注意力机制引入CNN结构当中,使模型拥有了提取多层次细节信息和全局信息的能力,可以提供准确的建筑物预测结果,同时很好地保持建筑物的边缘轮廓。实验结果证明了方法的有效性。 展开更多
关键词 建筑物提取 遥感影像 深度学习 U-Net TRANSFORMER 自注意力
在线阅读 下载PDF
结合高分辨率DOM和DSM数据的建筑物提取方法
4
作者 葛荣存 赵强 +1 位作者 汪李娜 佘江峰 《信息技术与信息化》 2023年第1期62-65,共4页
建筑物是城市的重要组成部分,从遥感影像中提取建筑物信息在众多领域具有重要意义。采用基于对象思想,综合利用数字正射影像(digital orthophoto map,DOM)和数字表面模型(digital surface model,DSM)数据的各自优势,通过对比不同植被指... 建筑物是城市的重要组成部分,从遥感影像中提取建筑物信息在众多领域具有重要意义。采用基于对象思想,综合利用数字正射影像(digital orthophoto map,DOM)和数字表面模型(digital surface model,DSM)数据的各自优势,通过对比不同植被指数的提取效果,选择绿叶指数提取和剔除植被干扰信息。利用多尺度分割和区域合并算法将影像分割成同质性较高的影像对象,依据地面对象面积较大、矩形度较低的特征,提取地面区域。以2 m为高度阈值,剔除绝大多数非建筑物,并采用最邻近分类方法进一步剔除非建筑物,优化建筑物提取结果。以江苏镇江典型区域为试验区进行了验证,结果表明该方法能够有效区分浅蓝色屋顶与绿色植被,实现了较高精度的建筑物提取。 展开更多
关键词 建筑物提取 基于对象 植被指数 地面区域提取
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部