WUDAPT项目：城市形式与功能信息的众包解决方案及其应用
Research Progress of WUDAPT Project: Crowdsourcing Solutions Based on Urban Form, Function Information and its Applications
摘要 面对全球城市气候研究中的数据鸿沟，一个城市气候领域的先锋研究小组提出了WUDAPT项目以克服获取城市数据的障碍。文章基于“众包”理念，从城市形式与功能信息收集的视角，介绍了WUDAPT项目的概念和数据分级，分析了城市尺度（0级）、街区与建筑尺度（1、2级）的数据收集与应用的研究进展。文章指出WUDAPT 将促进基于城市气候视角的城市形态研究方法的重大转变，并探讨了其在气候敏感型城市设计与规划中的应用潜力。
关键词 WUDAPT（世界城市数据库及访问门户工具）；城市形式与功能；众包；局地气候分区系统
ABSTRACT Facing a wide data gap in global urban climate studies, a pioneering research team in the urban climate field has proposed the WUDAPT project to overcome the obstacles to obtaining urban data. Based on the concept of "crowdsourcing", this paper introduces the concept and data classification of the WUDAPT project from the perspectives of urban form and the collection of function information. The progress with data collection and application at the city scale (level 0) and block and building scale (levels 1, 2) is analyzed. In addition, the paper points out that WUDAPT will promote a significant change in urban morphology research methods under the vision of the urban climate methodology. The potential application of WUDAPT in the design and planning of climatesensitive cities is explored.
KEy WORDS WUDAPT (World Urban Database and Access Portal Tools); urban form and function; crowdsourcing; local climate zone scheme
*国家自然科学基金青年基金资助项目：基于微气候特性和建筑能耗分析的传统与现代城市形态比较研究，项目编号： 51508469；国家自然科学基金面上项目：基于复杂系统理论的四川藏区城镇空间结构生态优化机制研究，项目编号： 51578454；西南交通大学校级教学研究项目：跨学科课程深层学习法教学策略研究——《可持续环境与设计》为实践对象，项目编号：201706019。
中图分类号 TU119文献标识码 A
DOI 10.3969/j.issn.1000-0232.2018.04.026 文章编号 1000-0232（2018）04-0026-08
作者简介 1 副教授，电子邮箱：yuanhuang@home.swjtu.edu.cn；2 本科生；1&2西南交通大学建筑与设计学院；3北卡罗来纳大学教堂山分校环境研究所，研究员 1 背景
1.1 “众包”视野下的城市数据
[1] “众包”（Crowdsourcing）理念 在互联网时代正越来越受到关注。在城市信息爆炸的背景下，海量数据的收集与管理对于大多数学科都意义重大，如何高效地分析城市数据也十分具有挑战性，聚集了群体智慧的 众包模式面对这一挑战充满潜力。在建筑研究中，众包可用于收集各类建筑物的现状信息[2、3]。在城市研究中，众
[4-6]包可利用公众参与分享城市数据并帮助城市规划决策 。在城市形式与功能（Urban Form and Function）研究中，
[7]
Hara 等人 提出利用众包和谷歌街景相结合来解决街道
[8]无障碍问题的可行性； Fritz 等人 将参与众包的用户称
为“公民科学家”，众包用户利用地理信息共享平台（如Geo-WiKi1）、Geopedia 等）可贡献实时、详尽的城市现状信息，对静态的权威数据集进行补充，为研究复杂城市形态提供了新的视角和机遇[9]。
1.2 城市气候的数据鸿沟
世界范围内城市化的快速蔓延一直是全球焦点问题[10]。城市化过程创造了复杂多样的三维城市形态。城市代表了个体综合行为对全球气候变化的显著控制[11]，而城市本身也很容易受到气候变化的影响（如海平面上升、气温升高等），因此需要解决全球城市发展所面临的环境问题。
引起城市气候效应的过程和城市的形式与功能紧密相关。从城市气候视角来看，城市形式描述了地表覆盖情况、三维几何形式、建造材料的热物理属性等。城市功能描述了城市的能源需求及对应的人工排热[12]。在过去的几十年中，城市气候科学在气候模式开发方面取得了重大的进步，利用气候模式测试不断变化的城市化表面对气候的影响，可帮助我们对减缓气候影响的设计和规划决策进行评估。获取有效的城市形式与功能信息是提高建模能力的关键 [13、14]。然而，我们对城市化地区是如何被建造和运行的（形式与功能）[15]知之甚少。在气候研究中城市数据的严重缺乏[16]，可获取数据的解析模式的巨大差异，阻碍了全球城市化对城市气候影响的研究进程，这在快速城市化地区尤为突出[17]。我们需要在不同时间尺度上进行全球城市数据的地理性整合，以鼓励气候敏感型规划更好地与地方当局对话[18]。
1.3 众包解决方案
就如何获取公开的全球城市数据而言，尽管我们可以通过遥感影像直接采样地表不透水性等具体信息，但它多采用二分法（城市/自然），缺乏对城市物质结构或功能布局的详细描述[12]。而通过商业手段获取高精度城市数据往往代价昂贵（如数字摄影测量、激光雷达城市地物信息等），且无法描述城市内部的形式与功能信息 的某些细节（如建筑年代、采暖空调设备等）。
一个有希望的解决方案是通过众包模式收集城市数据，集成可用数据源和现场调研获取第一手的城市形式与功能信息。在此背景下，一个城市气候领域的先锋研究小组提出了 WUDAPT（World Urban Database Access Portal Tools，“世界城市数据库及访问门户工具”）项目[19]，为克服缺乏全球统一的城市数据的科学障碍，以充满草根精神地努力创建用于全球城市气候研究的数据库，利用众包模式来建立收集和描述城市形式与功能信息的统一框架。
2 WUDAPT项目的概念与框架
2.1 原型与概念
WUDAPT 的 原 型 是 NUDAPT（National Urban Database Access Portal Tools，美国“国家城市数据库及访问门户工具”） [20]，它曾为美国 40多个城市的部分地区编制了通用的网格化城市冠层参数集（Urban Canopy Paramaters），并应用于中尺度天气预报模式（WRF）[21]。然而在世界范围内，要想获取“适合目的”的开放性的全球城市数据，要么不可用或不完整，要么可用的空间/时间分辨率太差，因此，WUDAPT无法在全球尺度复制美国的数据模式[22]，而采取了更务实的方案来克服获取城市数据的障碍：（1）充分利用免费和开放的信息，如卫星影像资源和数据处理软件等；（2）采用统一的框架协议获取城市数据，以实现全球城市数据
[23]的高效共享与对话；（3）采用基于社区 的“本地城市专家”的众包模式，实施地方数据的收集。在这个过程创建的城市数据产品将在多个社区和平台之间共享[24]。
WUDAPT的概念由两部分组成（图1）：（1）世界城市数据：是基于社区的、可公开访问的不断进化和动态的数据集，是在全球范围内获取的与气候、天气和环境研究紧密相关的城市形式与功能信息。（2）访问门户工具：提供有各种工具的门户网站，这些门户工具可帮助用户在适当空间尺度下提取“适合目的”的城市参数与属性，用于城市气候模式的建模。
2.2 数据分级
与气候相关的城市形态可按照其尺度可分解成小界面（Facet）、要素（Element）、街道、组团以及街区 [11]。在数值模式中，小界面描述了平坦且均匀的特征，以它们的斜率、外观、热与辐射特性相区别；要素是小界面的组合以创建诸如建筑的三维特征；街道和组团代表要素的组织以形成独特的几何体，街区则描述了一个区域内共同且重复的小界面、要素、街道和组团的结合体。为捕获这种城市形态组成的复杂性与规律性，WUDAPT
数据收集的框架协议按照对城市形式与功能信息的描述尺度和精度分为3 级 [12、22]。
城市尺度（0级）数据：采用局地气候分区系统（Local Climate Zone Scheme）[25] 建立城市形态数据分类的框架协议，实现基于局地热环境差异对多个城市/自然景观类型的文化中性描述，通过多种分类信息完成局地气候分区图的粗略绘制。
街区尺度（1级）数据：通过采样优化每个局地气候分区的形态参数，以更精细的空间分辨率和更详细方式捕捉城市形式与功能信息( 详见 4.2)。
建筑尺度（2级）数据：通过集成可用数据源和现场调研来进一步细化城市形式与功能信息，提供三维城市形态和详细的建筑信息( 详见 4.2)。
目前 WUDAPT团队已制定用于城市尺度数据收集的框架协议，正利用城市尺度数据作为采集更精细化数据的抽样框架，发展街区与建筑尺度数据的收集方案。
3城市尺度的研究进展
3.1 城市尺度数据的内容与收集方案
在获取城市数据的框架协议中，每一级数据的收集都采用相应的技术手段。最低精度的城市尺度数据通过局地气候分区图进行展现。局地气候分区系统基于对引起热岛效应的近地表的局地热环境特征的标准化描述，将用地景观分为17类，其中建成环境型有10个基本分区类型（LCZ1-10）；土地覆盖型有 7个基本分区类型（LCZA-G）[25、26]。这些局地气候分区类型与关键的城市冠层参数集的典型值的区间范围紧密关联，而城市冠层参数集本身是从气候视角对城市形态进行的量化描述（形态指标）（图2）。城市尺度数据的收集方案和门户工具最早由Bachtel [27]
等人 提出，工作流程如图3。（1）“城市专家”利用Google Earth创建多边形功能，定义需要研究的城市区域边界（Region of Interest），选取能够代表每类局地气 候分区类型的街区尺度训练区样本（Training Areas），然后将这些训练区样本导入具有GIS功能和遥感图像解析能力的 SAGA GIS 软件。（2）提取城市区域的LANSAT8卫星陆地计划的场景文件并导入SAGA GIS，这些图像在30m分辨率下有9个光谱带可用于区分地表覆盖物。（3）训练区样本使用SAGA GIS中的随机森林
[28]
分类法 将整个城市区域分为对应的局地气候分区类型。随后“城市专家”检验计算完成图，修正错误，重复该过程直至满意。最后通过对选区的预测并对局地气候分区类型进行观测来评估城市尺度数据的产品质量。
3.2 众包在城市尺度数据中的角色
整个城市尺度数据的收集过程是在众包模式下完成的，通过桌面调研（Desk Research）3）可快速生成世界各地的局地气候分区图。近年来，WUDAPT的社区成员在全世界多个城市举办了城市尺度数据培训工作坊，并依托一些重要国际会议扩大众包社区的规模[29]，国际城市气候协会（IAUC）的许多会员都参加了城市尺度数据的收集。至今，WUDAPT已收集遍布各大洲超过100 个城市地区的城市尺度数据[12]。笔者项目团队也通过与“城市专家”跨校合作、现场调研训练区样本，已完成中国西部（包括拉萨）5个城市的城市尺度数据的提交。
城市尺度数据的质量完全依赖于“城市专家”的判断，因为他们负责创建训练区样本。这些训练区样本通过示范每个局地气候分区类型来确定城市各地块的分类（图4）。因此需要不断提升众包社区中的专家技能。为此，WUDAPT项目在专家培训和独立评估方面做出了大量努力，并成立了城市尺度数据监督专门委员会[30]。目前，众包数据的质量控制方案是强调城市数据库统计的可靠性，方法是随机将训练区分为训练集和评估集。通过每次迭代，为给定的训练集生成局地气候分区图，并将得到局地气候分区结果与评估集进行比较，通过正确预测局地气候分区值的百分比来衡量整体准确率（Overall Accuracy）[30、31]。反复抽样使我们能够检验众包数据的鲁棒
性，即选取不同训练区时可产生比较一致的局地气候分区图。
城市尺度数据框架协议的大部分工作都集中在如何改善工作流程以提升分类数据的质量上[32-34]，但依赖“城市专家”所完成的训练集质量仍是生成高质量城市尺度数据的基础。为此，在人类影响实验（HUMINEX）项目
[35]
中，Bechtel等人 采用自发地理信息模式（Volunteered Geographic Information，VGI），调查了来自 6所大学119名学生所产生的94个城市的众包培训数据集。结果显示虽然基于个人的训练集所完成的局地气候分区图质量较差，但增加训练区的修订次数和组合多个训练集可大幅改善局地气候分区图的准确率。这意味着提升“城市专家”的技能并鼓励更多用户的参与，可以优化城市尺度数据的质量。
3.3 城市尺度数据在气候模式中的应用
城市冠层的几何特征及下垫面的材料组成决定了城市表面的热特性[11]。城市气候模式敏感性研究表明，对模拟区域内每个网格设定特定的城市冠层参数集可改进模型性能 [36-38]。然而，因生成这一精度级别的数据需要相对较高成本的努力和资源，它只在少量城市中得以实现[39]。为建立可描述城市冠层热岛的中尺度大气模型，需要从城市形式与功能信息中提取更详细的网格化城市冠层参数集 [40]（图 5）。
城市尺度数据利用局地气候分区系统来描述城市形态，在气候模式中，不同的局地气候分区类型组成了一个假想的网格化城市，可显示城市独特的空间分布（图6）。许多局地气候分区中的变量也是城市气候模式中的核心变量。因此，可对局地气候分区类型进行抽样，以收集用于运行城市气候模式的冠层参数集的更详细的信息。近年的研究证明，采用局地气候分区图对提高城市建模能力有很大帮助 [41、42]。Brousse 等人 [17] 使用中尺度天气预报模式、建筑物效应参数化和建筑能量模型（BEPBEM）研究马德里的城市冠层模型，结果显示在没有其 他可用土地覆盖数据的情况下，WUDAPT的城市尺度数据所对应的城市冠层参数集显著改进了模型性能。
3.4 城市尺度数据在形态-气候关系研究中的应用
事实上，城市尺度数据提供了一个全球统一的局地气候分区图的通用平台，由于每种局地气候分区类型都代表了不同的城市/自然景观类型（地表覆盖、紧凑度、建筑高度均不同），根据局地气候分区系统对每种类型的形态的标准化描述，可对城市尺度的形态特征进行初步比较。在成都和重庆的局地气候分区图中（图7），显示了两个城市独特的空间分布模式。
不同的局地气候分区会引起不同的城市气候效应，利用 WUDAPT的城市尺度数据可帮助我们更好地观察城
[33]市形态是如何影响城市热环境的。Cai等人 利用该尺度数据研究了长江三角洲主要城市的形态与地表热岛的关系，其在不同城市的建成环境型的多个局地气候分区类型中观测到较高的地表温度，并指出局地气候分区图能够
[43]帮助预判城市热岛现象的空间分布。Alexander等人 采用改变城市的建筑形态、植被类型和覆盖范围类型等策略，研究了爱尔兰都柏林四种不同的城市发展模式（2026年），基于街区尺度的气候响应的规划决策进行初始评估和方案建模，并将不同城市发展模式转译为局地气候分区图再进行模型输出。结果显示在减少都柏林现有地表能量平衡的空间影响方面，紧凑型模式是未来最适宜的城市形态发展方向。
4街区与建筑尺度的研究进展
4.1 街区与建筑尺度数据的收集范式
WUDAPT项目的街区与建筑尺度数据收集的工作流程尚在研发中，其数据收集和管理框架借鉴了法国MApUCE（应用建模与城市规划法：城市气候与能源）项目4）的范式 [22]。该项目充分利用法国国家数据库收集每个城市每个地块内的数据，并建立国家气候与能源的公共数据平台[44]。该范式最大的特点是利用建筑类型学的方法来收集每个地块内的建筑原型，用于评估建筑能耗和人工排热。其将城市中每个地块视为一个小的局地气候分区，对地块内的各类地表覆盖指标、几何形态指标等变量的值做分级处理，并运用随机森林分类法估算得出每个地块内的主要建筑原型。
WUDAPT项目为使数据收集适应全球的差异性并更好地服务于城市气候模式的建模需求，采用网格（100~500m）而非地块来划分研究单位，并继续保持文化中性原则，目前它基于局地气候分区系统中的10个建成环境型提炼了4 种建筑原型（低层住宅、中层建筑、高层建筑、工业建筑），以简化网格内建筑信息的收集框架。
4.2 街区与建筑尺度数据的内容与收集方案
因对每个街区进行同等精度的采样不切实际且不必需[45]，故街区与建筑尺度依据城市尺度数据的抽样框架，对每个局地气候分区类型所在的代表性街区进行数据采样，在每个街区中选取典型要素(如建筑原型)进行研究。表1显示了在街区与建筑尺度中需要优先收集的城市形式与功能信息。
街区与建筑尺度数据收集的界限总体是比较模糊的。相较而言，街区尺度数据收集如土地覆盖情况、街道宽度等粗略的变量数据，而建筑尺度数据收集需精确到建筑的细节信息，包含了如建筑原型（Archetype）、采暖空调设备等街区内城市冠层参数集的确切数据。街区尺度数据主要采用桌面和现场调研相结合的方式开展。地表覆盖物信息可从各城市官方的高分辨率地图等获取，也可通过高分辨率卫星影像收集，例如使用具有土地覆盖验证功能的众包工具Cities GEO-WiKi 5），结合系统采样法在网格点上采集数据[29]。几何、材料和功能信息可从城市数据库等官方公开渠道获取，也可通过在线收集建筑物照片进行估计。而建筑物照片可通过开放的街景地图或在线图片网站等获取。必要时还可召集“城 市专家”进行现场调研，使用众包移动手机应用程序( 图 8)[46]收集实地数据作为补充。
从街区到建筑尺度会以更精细的空间分辨率捕捉信息[47]。建筑尺度数据的收集需利用更多的可获取数据库资源，如城市的三维模型数据库等，并结合计算推导、抽样街区尺度数据等间接方法获取变量信息。但可获取的数据仍然有限，故该尺度主要依靠现场调研，利用高覆盖率的人员网络实地收集数据。
4.3 众包在街区与建筑尺度数据中的角色
基于现场调研的众包模式在街区与建筑尺度数据的收集中运用广泛。各城市有效且可获取的街区与建筑数据库存在差异，空调采暖设备情况等建筑特征信息也很难以从桌面调研中获取，而现场调研可解决这些难题。所招募的“城市专家”更熟悉当地的城市形态细节，可形成密度高、覆盖率广的众包数据收集网络，深入城市内部捕获信息。WUDAPT项目正在开发专业的众包应用程序[22]，供参与者收集调研地块内的建筑原型的特征信息，以建立实时共享的数据平台。
WUDAPT 团队已在 2017年的被动式与低能耗建筑大会（PLEA 2017）6）上，招募更多的建筑师参与项目。建筑师能更有效地识别建筑类型、材料的热工性能、空调采暖设备情况等，以收集高质量的建筑特征信息。众包社区中的这些专家能在简单的数据记录之上，根据公式进行形态指标等变量的计算，得到难以直接获取的数据；还可对非专业的社区成员进行指导，充分发挥群体智慧的力量以解决数据收集难题。这些均提升了WUDAPT众包社区的技术性与专业性。
4.4街区与建筑尺度数据收集的门户工具研发动态
目前，WUDAPT项目团队成员正在研发数字合成城市（Digital Synthetic City，DSC）CAD 工具，该工具将通过多个开源城市信息图层的叠加，建立城市尺度的三维数字模型，并生成具有空间代表性的城市冠层数据集。该工具还可用于收集、实时更新和管理街区与建筑尺度的数据，并支持在气候模式中更为精细化的城市模型描述。目前WUDAPT项目团队已选定都柏林、图卢兹、香港、成都等多个城市作为 WUDAPT项目的试点城市，促进从通用数字合成城市工具（Generic Digital Synthetic City，GDSC）到定制数字合成城市工具（Customizing Digital Synthetic City，CDSC）的测试与开发，以进一步完善街区与建筑尺度数据收集的框架协议。
WUDAPT项目核心成员 Ching 博士 2018 年 5月于西南交通大学建筑与设计学院举办的“局地气候分区与世界城市数据库及访问门户工具”研讨会中，以工作坊形式与来自中国各建筑院校的多位专家探讨了街区与建筑尺度数据收集的
[48]
潜在创新模式 。WUDAPT项目团队将在第十届国际城市气候大会（ICUC10）7）上，发布街区与建筑尺度数据收集框架及门户工具的最新进展。在2018年的被动式与低能耗建筑大会（PLEA 2018）8）上，WUDAPT 项目团队也将推广该项目，说服更多关心气候变化问题的建筑师加入WUDAPT众包社区，促进WUDAPT项目与建筑界的理想合作。
结语：WUDAPT应用与发展展望
WUDAPT项目通过分析社交媒体、开源和自愿数据集所提供的众包内容，从气候视角对城市形态产生新的认识，并促进了城市间的知识转移，为推进我们理解不断变化的城市形态提供了独特机会，也标志着基于城市气候视角的城市形态研究方法的重大转变[9]。
WUDAPT项目的成立初衷是为城市气候模式收集必要的建模参数，到现在已发展了全球可持续城市工作框架下的多个目标：如气候变化评估、健康城市评估、气候敏感型城市规划等 [12、22]。多国学者也正积极探索如何利用 WUDAPT 平台让城市气候学更好地为城市设计与规划服务 [17、33、43]。在这一背景下，仅通过门户工具将所收集的城市数据转化为城市气候模式可认读的编程“格式”，已不足以与WUDAPT不断拓展的工作目标相匹配。
目前局地气候分区图的工作方法已展现了它为气候敏感型城市设计与规划服务的潜力[17、49]。城市形式与功能信息本身，尤其是解析这些信息所产生的与局地气候特性紧密关联的城市冠层参数集（在气候模式中），如果能转化为建筑师、规划师可认读的“格式”，将有助于制定考虑环境气候因素的设计与规划决策。例如，在城市尺度，将各类易于理解、有可操作性的地表覆盖和几何形态指标以友好的分级或数值图像等方式进行展现，将可作为基础图层推进城市气候知识在城市规划中的应用；在街区与建筑尺度，将网格化数据管 理单位“切换”为可与城市设计对接的实际地块的数据管理单位（如法国 MApUCE 项目4）），这些地块的地表覆盖和几何形态指标的代表值将为气候敏感型城市设计提供街区形态原型和指标的控制依据；基于建筑原型所采样的详细建筑信息可用于支持街区的能源绩效评估和建筑原型的节能优化策略研究等。与此同时，将城市气候模式中的气候环境计算结果与城市形式与功能分析结果进行对照分析，将帮助建筑师、规划师更好地了解城市形态与城市气候之间的相互影响 [33、50]，并有助于对气候敏感型城市设计与规划进行多方案的比较与验证。为此，WUDAPT项目的科学家需要开发更多、更实用且界面友好的门户工具以促进城市数据在设计与规划中的广泛应用。
WUDAPT是具有全球战略眼光的数据资源共享行为，然而目前只有关注城市气候学相关领域的小部分学者正在推行它。城市尺度数据的框架实现了局地气候分区的快速制图，革命性地推进了用于气候研究的城市数据收集进程。然而街区与建筑尺度数据因涉及城市内部大量复杂的形式与功能信息的详细描述，无论是数据收集或者门户工具的开发都更加充满挑战。需要更多的用户转变心态，认识到参与这个众包社区的好处，支持 WUDAPT学社的发展。而参与项目的建筑师、规划师也不仅可以担任数据收集的角色，可以有更为积极的表现：如参与设计和开发将城市数据用于气候敏感型城市设计与规划服务的门户工具等，由此他们可更好地建立社区认同感，发挥更大价值。在众包视野下，实施全球覆盖的城市数据库将是一个令人兴奋的挑战。
图、表来源
表1：参考文献 [29]；
图1：根据2016年12月Ching在香港WUDAPT Workshop上的报告整理；图2：参考文献 [11]；
图3：根据参考文献 [30] 改绘；
图4：项目组潘沿晓绘制；
图5：参考文献 [39]；
图6：作者根据参考文献 [25] 改绘；图7：项目组习羽、陈方丽、潘沿晓绘制；
图8：参考文献 [46].
注释
1）Geo-Wiki是利用众包来收集地理信息以改善全球土地覆盖地图质量的平台。平台中有多个众包工具。详见：https://www.geo-wiki. org. 2）λb：建筑密度、λv：渗水面比例、λi：不渗水面比例、λs：街谷高宽比、λfloor：地板空间比例、λc：街区建筑表面积与地块面积比、λf：街区迎风立面与地块面积比；AT：基地面积、Ab：建筑占地面积、Av：渗水地面面积、Ai：不渗水地面面积、H：高度、W：宽度、Afloor：地板面积、Ac：总三维外表面面积、Af：建筑正面迎风面积，详见参考文献[11]。3）桌面调研是不进行一手资料的实地调研和采集，而直接通过电脑、杂志、文档、互联网搜索等现有二手资料进行分析和研究的方法，详见：https://en.wikipedia.org/wiki/Secondary_research 。
4）MApUCE（应用建模与城市规划法：城市气候与能源）项目为法国研究署（ANR）资助项目，由法国气象研究中心（CNRM）负责单位，项目周期为2014年3月至2018年年春 季， 详 见 http://www.umr-cnrm.fr/ville.climat/spip. php?rubrique120 .
5）Cities Geo-Wiki 工具是 GEO-WiKi 平台下用于城市土地覆盖类型采样的工具，详见参考文献[29]。
6）详见 2017 年的被动式与低能耗建筑大会官网：https:// plea2017.net/。7）详见第十届国际城市气候大会官网：http://www.icuc10.org/。8）详见 2018 年的被动式与低能耗建筑大会官网：http://www. plea2018.org/。
参考文献
[1] Howe J.Crowdsourcing:a definition,wired Blog Network: Crowdsourcing[EB/OL].[2018-02-09].http:// crowdsourcing.typepad.com/cs/2006/06/crowdsourcing_ a.html.
[2] Lazarova-Molnar S, Andersen P G,Kjaergaard M B. Mobile crowdsourcing of occupant feedback in smart buildings[J].ACM SIGAPP Applied Computing Review, 2017, 17(1): 5-14.
[3] Uden M, Zipf A. Open building models: Towards a platform for crowdsourcing virtual 3D cities[A]. Progress and new trends in 3D geoinformation sciences[M]. Berlin: Springer, 2013: 299-314.
[4] Brabham D C. Crowdsourcing the public participation process for planning projects[J]. Planning Theory, 2009,8(3): 242-262.
[5] Abubakar I R. Applications of Crowdsourcing in Sustainable Urban Development Planning in Developing Countries[M].Crowdfunding and Sustainable Urban Development in Emerging Economies. IGI Global, 2018: 77-96.
[6] 周素红. 众包理念下的参与式新型城市治理[C]// 中国城市规划学会，东莞市人民政府.持续发展 理性规划——2017 中国城市规划年会论文集（12城乡治理与政策研究）. 2017.
[7] Hara K, Le V, Froehlich J. Combining crowdsourcing and google street view to identify street-level accessibility problems[C]. Proceedings of the SIGCHI conference on human factors in computing systems. ACM, 2013: 631-640.
[8] Fritz S, See L, Moorthy I,et al. The Role of Citizen Science and Crowdsourcing Tools in Supporting Systems Analysis at IIASA[C]. Systems Analysis 2015A Conference in Celebration of Howard Raiffa. Austria, 2015.
[9] Crooks A, Pfoser D, Jenkins A, et al. Crowdsourcing urban form and function [J]. International Journal of Geographical Information Science, 2015, 29(5): 720-741. [10] UN-Habitat.The UN-Habitat Global Activities
官方网站 www.nfjzbjb.com Report[C]. The 26th Session of the Governing Council. 2017 [11] Oke T R,Mills G, Christen A, et al. Urban Climates[M]. Cambridge University Press, 2017.
[12] Mills G, Bechtel B, Foley M, et al. The WUDAPT Project: Status of Database and Portal Tools[C]. 13th Urban Environment, 97th AMS Annual Meeting. Seattle, 2017. [13] Stewart I D, Oke T R, Kravenhoff E. Evaluation of the"local climate zone"scheme using temperature observations and model simulations[J]. International Journal of Climatology, 2014, 34(4):1062-1080.
[14] Chen F, Kusaka H, Bornstein R, et al. The integrated WRF/urban modelling system: development, evaluation, and applications to urban environmental problems[J]. International Journal of Climatology, 2011, 31(2): 273288.
[15] Mills G, Ching J, See L, et al. Introduction to the WUDAPT Project[C]. 9th International Conference on Urban Climate (jointly with 12th Symposium on the Urban Environment). France: 2015.
[16] Revi A, Satterthwaite D E, Aragón-Durand F, et al. Urban areas[J]. Climate change, 2014: 535-612.
[17] Brousse O, Martilli A, Foley M, et al. WUDAPT, an efficient land use producing data tool for mesoscale models? Integration of urban LCZ in WRF over Madrid [J]. Urban Climate, 2016, 17: 116-134.
[18] Ruth M. Economic and social benefits of climate information: assessing the cost of inaction [J]. Procedia Environmental Sciences, 2010, 1: 387-394.
[19] World Urban Database and Access Portal Tool [EB/OL]. [2018-02-11]. http://www.wudapt.org.
[20] Ching J, Brown M, McPherson T, et al. National urban database and access portal tool[J]. Bulletin of the American Meteorological Society, 2009, 90(8): 1157-1168. [21] Glotfelty T, Tewari M, Sampson K, et al. NUDAPT 44 documentation[J]. National Center for Atmospheric Research Research Applications Laboratory Doc, 2013.
[22] Ching J, See L, Ren C. The WUDAPT framework to generating urban morphology, material composition and activity data for modeling[C]. 13th Urban Environment, 97th AMS Annual Meeting. Seattle, 2017.
[23] Gil Y, Hauder M, Michel F, et al. A virtual crowdsourcing community for open collaboration in science processes[C]. Twenty-first Americas Conference on Information Systems. 2015.
[24] Ching J, Mills G, See L, et al. Environmental modeling using WUDAPT for addressing climate change issues impacting urban areas[C]. Forum 11: Cool Cities and Urban Heat Islands (UHI). Scotland: PLEA, 2017.
[25] Stewart I D, Oke T R. Local climate zones for urban temperature studies[J]. Bulletin of the American
Meteorological Society, 2012, 93(12): 1879-1900.
[26] 陈恺 , 唐燕 . 城市局部气候分区研究进展及其在城市规划中的应用 [J]. 南方建筑, 2017(2): 21-28.
[27] Bechtel B, Daneke C. Classification of local climate zones based on multiple earth observation data[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2012, 5(4): 11911202.
[28] Conrad O, Bechtel B, Bock M, et al. System for automated geoscientific analyses (SAGA) v.2.1.4[J]. Geoscientific Model Development, 2015, 8(7): 1991.
[29] See L, Perger C, Duerauer M, et al. Developing a community-based worldwide urban morphology and materials database (WUDAPT) using remote sensing and crowdsourcing for improved urban climate modelling[C].Urban Remote Sensing Event. IEEE, 2015: 1-4.
[30] Bechtel B, Alexander P J, Böhner J, et al. Mapping local climate zones for a worldwide database of the form and function of cities[J]. ISPRS International Journal of Geo-Information, 2015, 4(1): 199-219.
[31] Ren C, Cai M, Wang R, et al. Local climate zone (LCZ) classification using the world urban database and access portal tools (WUDAPT) method: A case study in Wuhan and Hangzhou[C]. The Fourth International Conference on Countermeasure to Urban Heat Islands (4th IC2UHI). 2016. [32] Verdonck M L, Okujeni A, van der Linden S, et al. Influence of neighbourhood information on "Local Climate Zone" mapping in heterogeneous cities[J]. International Journal of Applied Earth Observation and Geoinformation, 2017（62）: 102-113.
[33] Cai M, Ren C, Xu Y, et al. Investigating the relationship between local climate zone and land surface temperature using an improved WUDAPT methodology–A case study of Yangtze River Delta, China[J]. Urban Climate, 2017.
[34] Wang R, Ren C, Xu Y, et al. Mapping the local climate zones of urban areas by GIS-based and WUDAPT methods: A case study of Hong Kong[J]. Urban Climate, 2017.
[35] Bechtel B, Demuzere M, Sismanidis P, et al. Quality of Crowdsourced Data on Urban Morphology—The Human Influence Experiment (HUMINEX)[J]. Urban Science, 2017, 1(2): 15.
[36] Salamanca F, Martilli A, Tewari M, et al. A study of the urban boundary layer using different urban parameterizations and high-resolution urban canopy parameters with WRF[J]. Journal of Applied Meteorology and Climatology, 2011, 50(5): 1107-1128.
[37] Dupont S, Otte T L, Ching J K S. Simulation of meteorological fields within and above urban and rural canopies with a mesoscale model[J]. Boundary-Layer Meteorology, 2004, 113(1): 111-158.
[38] Otte T L, Lacser A, Dupont S, et al. Implementation of an urban canopy parameterization in a mesoscale meteorological model[J]. Journal of Applied Meteorology, 2004, 43(11): 1648-1665.
[39] Ching J. A perspective on urban canopy layer modeling for weather, climate and air quality applications[J]. Urban Climate, 2013, 3: 13-39.
[40] 寿亦萱, 张大林. 城市热岛效应的研究进展与展望[J].气象学报, 2012, 70(3): 338-353.
[41] Alexander P J, Mills G. Local climate classification and Dublin’s urban heat island[J]. Atmosphere, 2014, 5(4): 755-774.
[42] Alexander P J, Bechtel B, Chow W T L, et al. Linking urban climate classification with an urban energy and water budget model: Multi-site and multiseasonal evaluation[J]. Urban Climate, 2016（17）: 196215.
[43] Alexander P J, Fealy R, Mills G M. Simulating the impact of urban development pathways on the local climate: A scenario-based analysis in the greater Dublin region, Ireland[J]. Landscape and Urban Planning, 2016, （152）: 72-89.
[44] Masson V, Hidalgo J, Amossé A, et al. Urban Climate, Human behavior & Energy consumption: from LCZ mapping to simulation and urban planning (the MapUCE project)[C]. 9th International Conference on Urban Climate. 2015.
[45] 陈飞 . 一个新的研究框架: 城市形态类型学在中国的应用 [J]. 建筑学报, 2010（4）: 85-90.
[46] Ching J, See L, Mills G, et al. WUDAPT: Facilitating advanced urban canopy modeling for weather, climate and air quality applications[J].Symposium on the Urban Environment，2014.
[47] Ching J, Mills G, See L, et al. Wudapt (World Urban Database and Access Portal Tools): An international collaborative project for climate relevant physical geography data for the world's cities[C]. 96th Amercian Meteorological Society Annual Meeting. New Orleans, 2016: 9-14.
[48] 潘沿晓.【学术动态】“局地气候分区与世界城市数据库及访问门户工具”研讨会在我院成功举办 [EB/OL].[2018-0531]. http://jzxy.swjtu.edu.cn/info/1032/4703.htm.
[49] Perera N G R, Emmanuel R. A “Local Climate Zone” based approach to urban planning in Colombo, Sri Lanka[J]. Urban Climate, 2016.
[50] Ren C, Fung J C H, Tse W P, et al. Implementing WUDAPT product into urban development impact analysis by using WRF simulation result-A case study of the Pearl River Delta Region (1988-2010)[C].13th Urban Environment, 97th AMS Annual Meeting. Seattle,2017.
www.nfjzbjb.com 官方网站