概述 VoxCity是一款面向城市规划师、环境科学家、研究人员和三维可视化从业者的开源Python工具,专注于将多源地理数据自动整合为网格化的体素三维城市模型,并提供环境模拟与多种格式导出功能。VoxCity的价值在于把建筑底图、树冠高度、土地覆被与地形高程等异构数据源融合到统一的体素栅格中,既能用于可视化呈现,也能用于微气候模拟、太阳辐射分析、视野与地标可视性评估等定量研究。借助Google Earth Engine等云端处理能力,VoxCity实现了对全球范围内城市场景的高效处理和自动化生成,从而显著降低了手工建模成本。 产品定位与核心能力 VoxCity的核心是一套自动化流程,能够在给定目标区域和网格分辨率后,自动下载并处理建筑轮廓、树冠高度图、土地覆被影像和数字高程模型,随后按指定网格大小进行体素化处理,生成带有语义标签的三维栅格数据。输出不仅包括体素数据与建筑属性的GeoDataFrame,还支持直接导出为ENVI-met所需的INX/EDB文件、MagicaVoxel的VOX文件以及通用的OBJ文件,方便在专业微气候模拟软件和三维建模工具中继续使用。 数据源整合与精度考量 VoxCity支持多种建筑、土地覆被、树冠高度和DEM数据源,并能根据地理位置自动选择最合适的数据集。
建筑数据可来自OpenStreetMap、Microsoft Building Footprints、Overture等,树冠高度可选1米分辨率的全球树冠高度图或Sentinel-2的10米产品,土地覆被支持ESA WorldCover、Dynamic World以及OpenStreetMap等矢量标签,地形高程则覆盖FABDEM、DeltaDTM以及各国的高分辨率DTM。本地化的数据覆盖与分辨率对最终体素模型精度影响显著,因此在关键应用场景下应优先采用高分辨率DEM与树冠数据,并对建筑高度进行后处理或引入城域级高精度数据源以校准楼高。 工作流与使用方式 使用VoxCity的典型流程包括目标区域定义、网格尺寸设置、数据源选择与模型生成。目标区域既可以通过输入矩形四角坐标来精确定界,也可以在交互式地图上绘制矩形或通过中心点与宽高指定范围。网格尺寸决定每个体素单元的地面边长,常见的分辨率有1米、5米或更粗的10米,选择应在精度需求和数据处理量之间权衡。数据源选择可全自动让软件根据地理位置挑选,亦可手动指定以满足特定研究需求。
生成过程对地形进行插值与配准,将建筑高度投影到栅格并对树冠和土地覆盖进行语义赋值,最终生成一套包含体素语义、几何与元数据的VoxCity对象。 与Google Earth Engine的集成 VoxCity充分利用Google Earth Engine的海量遥感与地理数据处理能力,实现远程数据的自动下载与预处理。为使用Earth Engine功能,需要提前在本地或云端完成Earth Engine项目与认证配置。通过Earth Engine,VoxCity能够快速获取全球覆盖的土地覆被影像、树冠高度产品和部分DEM数据,从而在无需本地大数据存储的情况下完成跨区域建模。这种云端一体化处理方式特别适合跨城市比较研究和大尺度城市群分析。 导出格式与后处理 VoxCity支持多种导出路径以适配不同的后续工作流。
为进行微气候模拟,可直接生成ENVI-met兼容的INX和EDB文件,包含域格、建筑和植被参数,便于在ENVI-met中进行风场、温度与辐射模拟。为可视化或三维编辑,支持导出为通用OBJ,便于导入Blender、Rhino或Twinmotion进行渲染与动画制作。对于体素化艺术或快速可视化,VoxCity能导出MagicaVoxel的VOX文件,使用户在轻量化编辑器中对体素色彩和形态进行微调。导出功能为研究者与设计师提供了从量化分析到视觉呈现的完整闭环。 环境模拟能力 VoxCity内置模拟模块用于计算太阳辐射、视野指标与地标可见性等环境变量。太阳辐射模块支持基于EnergyPlus天气文件的瞬时或累积辐射计算,考虑直接辐照与散射辐照并支持树冠遮蔽参数化。
通过设定观察时间段或瞬时时刻,研究者可以得到地面每个体素的辐照量分布,用于评估建筑采光、太阳能潜力或城市热环境。视野模拟模块能够计算绿色视野指数和天空视野指数,从指定观测点沿多方向进行射线投射,量化街景中植被或天空可见程度,支持导出OBJ以便与实际街景或专题图结合展示。地标可见性分析能够基于选定地标位置评估其于不同观测点的可见性强度,适用于城市景观规划、文化遗产保护或地标能见度优化研究。 网络与聚合分析 除了三维建模与环境模拟,VoxCity还提供与道路网络结合的分析能力。通过从OpenStreetMap下载步行或驾驶网络,并将体素或环境指标映射到道路边界,研究者可以分析沿道路的太阳辐射累积量、阴影分布或热暴露强度,进而推导出对行人舒适度与城市设计决策有参考价值的空间指标。网络分析功能有助于将物理环境评价与可达性、步行行为或城市服务分配相结合,支持跨学科的城市问题研究。
实际应用场景 VoxCity适用于多种实际场景。城市设计阶段可以使用体素模型快速评估新建建筑或绿地对周边通风与采光的影响,并通过太阳能分析优化屋顶光伏布置。微气候研究可以借助ENVI-met导出与模拟,实现对局地温度、风场和辐射的数值研究。遥感与城市大数据研究能利用VoxCity进行跨城市比较,分析城市形态与植被覆盖对环境暴露的影响。文化遗产与城市可视性评估可通过地标可见性模块优化观景廊道与景观节点设计。此外,教育与演示领域可使用MagicaVoxel与OBJ导出快速制作交互式教学与展示素材。
安装与入门提示 在本地环境中运行VoxCity建议使用Conda创建独立的Python环境,推荐Python 3.12以匹配软件依赖。在Windows或Linux上安装时,需要先安装GDAL与TimezoneFinder等地理处理库,随后通过pip安装voxcity包。对Google Colab用户,直接在笔记本中通过pip安装并完成Earth Engine的交互式认证即可快速上手。启动时务必关注Earth Engine的项目和认证流程,尤其是需要创建Earth Engine云项目与启用服务帐号的应用场景。对于首次使用者,建议先运行示例教程或Colab笔记本,以熟悉目标区域定义、网格尺寸选择与常见导出参数。 最佳实践建议 选择合适的网格分辨率是建模的核心抉择。
高分辨率体素能够更精确地反映建筑细节和树冠形态,但同时显著增加计算负担和内存占用。对于城市尺度的快速评估,5米或10米网格通常能兼顾效率与表达能力;而在局部细致研究或高精度微气候模拟时,1米或2米网格更为合适。数据源优先级上,应优先采用高分辨率DEM与本地激光雷达资料以提升地形与建筑高度精度。树冠高度数据在评估遮阴与生态服务时非常关键,若研究依赖于树冠遮蔽效应,建议采用1米或10米的高分辨率产品并校准参数。最后,导出到ENVI-met前需检查栅格边界与建筑高度比例设置,避免因网格外推或垂直伸缩导致模拟不稳定。 优势与局限性 VoxCity提供了从多源数据到体素化三维城市模型的自动化管线,极大降低了建模门槛,支持可重复的科学研究与跨城市比较。
与传统逐栋建模的方法相比,体素化方法在大尺度处理上更高效,并且更易与数值模拟耦合。然而,体素模型在细节表达上不如精细的CAD或BIM模型,体素分辨率与原始数据精度决定了可用于精确工程设计的能力。此外,数据来源的空间覆盖与时间一致性也会影响分析结果,研究者需要在数据选择与结果解读上保持谨慎。 科研引用与社区资源 VoxCity已在学术领域被推荐引用,研究团队发布了详细的论文与软件说明以便学者在论文中标注软件贡献。社区与开发者通过GitHub提供文档、示例代码以及交互式Colab教程,便于快速入门与复现研究步骤。对于需要定制化功能或数据接入的项目,开源代码允许进一步扩展与二次开发,开发者与研究者可以基于现有模块实现特定数据管线或分析方法。
总结与展望 VoxCity以其自动化、多源整合和导出能力,为城市三维建模与环境模拟提供了实用而高效的工具链。它适用于从早期城市设计评估到科学研究的多种场景,尤其在需要跨城市、跨尺度的比较分析时展现出明显优势。随着高分辨率数据的普及与云端计算能力提升,基于体素的城市建模与环境分析将变得更加普及和精确。未来的方向可能包括与实时遥感数据的更紧密结合、对BIM与GIS混合数据的更好支持,以及在多物理场耦合模拟中的集成能力提升。对于希望快速构建三维城市语义栅格并开展环境分析的从业者与研究者,VoxCity值得作为首选工具进行探索与实践。 致谢与引用信息 使用VoxCity开展研究时建议引用相关论文以便追踪学术贡献与方法来源。
开发团队在GitHub上维护了详细文档、教程与示例数据,鼓励用户通过贡献和问题反馈参与生态建设,从而推动城市数字建模与环境模拟社区的发展。 。
