基于绿视率和NDVI的城市街道景观分析与优化研究.pdf

西北林学院学报2 0 2 4,3 9(2):2 5 6-2 6 4J o u r n a l o f N o r t h w e s t F o r e s t r y U n i v e r s i t y d o i:1 0.3 9 6 9/j.i s s n.1 0 0 1-7 4 6 1.2 0 2 4.0 2.3 2基于绿视率和N D V I的城市街道景观分析与优化研究 收稿日期:2 0 2 3-0 3-2 0 修回日期:2 0 2 3-0 5-2 3 基金项目:国家自然科学基金项目(3 1 6 7 0 7 0 3);广东省科技计划项目(2 0 2 0-4 0 9);广东省教育厅特色创新项目(4 2 0 N 5 0)。第一作者:苏 雷,博士,教授。研究方向:景观生态规划及环境设计。E-m a i l:s u l e i z s c.e d u.c n*通信作者:樊 磊,博士,副教授。研究方向:风景园林规划设计。E-m a i l:f a n l e i s y a u.e d u.c n苏 雷1,陈伟峰1,李俊英2,周 燕3,4,樊 磊3,4*(1.电子科技大学中山学院 艺术设计学院,广东 中山 5 2 8 4 0 2;2.惠州学院 建筑与土木工程学院,广东 惠州 5 1 6 0 0 7;3.沈阳农业大学 林学院,辽宁 沈阳 1 1 0 1 6 1;4.辽宁省北方园林植物与地域景观重点实验室,辽宁 沈阳 1 1 0 1 6 1)摘 要:街道景观空间对市民健康和城市风貌具有重要影响。既往研究中常以归一化植被指数(N D V I)和绿视率(GV I)来分别代表二维和三维的绿色指标,但对二者的指标相关性研究甚少。采用基于深度学习的图像语义分割方法分析百度街景计算代表性街道的GV I,利用G F-1卫星数据计算N D V I,比较分析城市街道的GV I和N D V I指标特征及相关性。结果表明,1)中山市中心城区各代表街道GV I指标参差不齐,从8.0 6%到3 6.0 0%,其中石岐街道兴中道GV I最高;2)各街道观测点的N D V I均值随着缓冲区尺度的增加也随之呈现出不同变化,N D V I均值具有强烈的尺度敏感性;3)5 0 m GV I和D NV I均值的皮尔逊相关系数最高,达到0.8 3 2。在此基础上分析街道景观存在的不足并给出优化建议,为城市街景评估、空间优化、景观提升提供参考。关键词:绿视率(GV I);街景地图;归一化植被指数(N D V I);深度学习;景观优化中图分类号:S 7 3 1.1 文献标志码:A 文章编号:1 0 0 1-7 4 6 1(2 0 2 4)0 2-0 2 5 6-0 9A n a l y s i s a n d O p t i m i z a t i o n o f U r b a n S t r e e t L a n d s c a p e B a s e d o n GV I a n d N D V IS U L e i1,C H E N W e i-f e n g1,L I J u n-y i n g2,Z H O U Y a n3,4,F A N L e i3,4*(1.C o l l e g e o f A r t a n d D e s i g n,Z h o n g s h a n I n s t i t u t e,U n i v e r s i t y o f E l e c t r o n i c S c i e n c e a n d T e c h n o l o g y,Z h o n g s h a n 5 2 8 4 0 2,G u a n g d o n g,C h i n a;2.A r c h i t e c t u r a l a n d C i v i l E n g i n e e r i n g C o l l e g e,H u i z h o u U n i v e r s i t y,H u i z h o u 5 1 6 0 0 7,G u a n g d o n g,C h i n a;3.C o l l e g e o f F o r e s t r y,S h e n y a n g A g r i c u l t u r a l U n i v e r s i t y,S h e n y a n g 1 1 0 1 6 1,L i a o n i n g,C h i n a;4.K e y L a b o r a t o r y o f N o r t h e r n L a n d s c a p e P l a n t s a n d R e g i o n a l L a n d s c a p e o f L i a o n i n g P r o v i n c e,S h e n y a n g 1 1 0 1 6 1,L i a o n i n g,C h i n a)A b s t r a c t:S t r e e t l a n d s c a p e s p a c e h a s a n i m p o r t a n t i m p a c t o n c i t i z e n s h e a l t h a n d u r b a n s t y l e.I n p r e v i o u s s t u d i e s r e p o r t e d,t h e n o r m a l i z e d d i f f e r e n c e v e g e t a t i o n i n d e x(N D V I)a n d g r e e n v i s u a l i n d e x(GV I)a r e o f-t e n u s e d t o r e p r e s e n t t w o-d i m e n s i o n a l a n d t h r e e-d i m e n s i o n a l g r e e n i n d i c a t o r s,r e s p e c t i v e l y.H o w e v e r,l i t t l e r e s e a r c h h a s b e e n c o n d u c t e d o n t h e c o r r e l a t i o n b e t w e e n t h e t w o i n d i c a t o r s.T o a n a l y z e t h e c h a r a c t e r i s t i c s a n d c o r r e l a t i o n b e t w e e n GV I a n d N D V I o f u r b a n s t r e e t s,t h i s s t u d y u s e d a d e e p l e a r n i n g m e t h o d b a s e d o n t h e i m a g e s e m a n t i c s e g m e n t a t i o n t o a n a l y z e B a i d u S t r e e t V i e w a n d t o c a l c u l a t e t h e GV I o f r e p r e s e n t a t i v e s t r e e t s.G F-1 s a t e l l i t e d a t a w a s u s e d t o c a l c u l a t e t h e N D V I.T h e r e s u l t s s h o w e d t h a t 1)t h e GV I o f r e p r e-s e n t a t i v e s t r e e t s i n t h e c e n t r a l u r b a n a r e a o f Z h o n g s h a n v a r i e d f r o m 8.0 6%t o 3 6.0 0%,w i t h S h i q i S t r e e t h a v i n g t h e h i g h e s t GV I.2)T h e m e a n v a l u e o f N D V I o f e a c h s t r e e t s h o w e d d i f f e r e n t c h a n g e s w i t h t h e i n-c r e a s e o f b u f f e r s c a l e,a n d t h e m e a n v a l u e o f N D V I h a d a s t r o n g s c a l e s e n s i t i v i t y.3)T h e P e a r s o n c o r r e l a-t i o n c o e f f i c i e n t o f t h e 5 0 m e t e r GV I a n d N D V I a v e r a g e s w a s t h e h i g h e s t,r e a c h i n g 0.8 3 2.O n t h i s b a s i s,t h e s h o r t c o m i n g s o f s t r e e t l a n d s c a p e w e r e a n a l y z e d a n d o p t i m i z a t i o n s u g g e s t i o n s w e r e g i v e n,w h i c h c a n p r o v i d e r e f e r e n c e s f o r t h e u r b a n s t r e e t l a n d s c a p e e v a l u a t i o n,s p a t i a l o p t i m i z a t i o n,a n d l a n d s c a p e i m p r o v e m e n t.K e y w o r d s:g r e e n v i s u a l i n d e x(GV I);s t r e e t v i e w m a p;n o r m a l i z e d d i f f e r e n c e v e g e t a t i o n i n d e x(N D V I);d e e p l e a r n i n g;l a n d s c a p e o p t i m i z a t i o n 公众对城市街道绿量的感知明显影响着公众的心理健康。作为重要的城市空间指标之一,绿视率(g r e e n v i s u a l i n d e x,GV I)反映了街道的绿量,有助于从人的视角揭示街道植被的水平1。绿视率的概念最早由日本学者青木阳二提出,用以衡量城市三维空间的绿化建设情况,是指人的视野范围内绿色植物所占比例2。随着全景拍摄的发展,W e b街景图像已成为绿视率研究中主要的数据来源3。杨柳青等4使用P y t h o n通过HT T P UR L形式调用百度街景的A P I获取前后左右4 个方向的街景照片,并基于P y t h o n图像处理库O p e n C V计算得到福建主城区街景绿视率;万静等5则直接采用街景数据抓取方式研究南京市老城区典型道路,利用M a t l a b将街景图转换成H S V色彩空间提取照片通道值,提取其中的绿色部分进行绿视率计算,该方法较于人工处理更加准确。虽然W e b街景图像为城市街道景观研究创造了便利,但街景地图数据使用也存在一些局限,如不能保证每个时期每条街道都有街景图像可以获取。因此需要其他带有地理坐标的数据如遥感指数对照使用,起到补充数据集的作用。以往通过遥感数据来获取绿色植被指标在研究中是极常见的,如归一化植被指数N D V I就是最常用的植被遥感指标。目前已有部分学者关注到GV I和N D V I之间的联系,吕旭昕等6利用L a n d s a t数据集为数据源,以各道路的宽度向两侧各加5 0 m作为缓冲建立缓冲区计算各条道路的N D V I均值,进而分析绿视率与N D V I值的相互关系与影响因素。以上研究均是在一个固定尺度的网格或缓冲区范围内对N D V I进行统计,忽视了N D V I作为景观遥感指数所具有的尺度效应。为了科学地研究GV I和N D V I之间的联系,需要设置更为精细的空间尺度变化,高分辨率的遥感影像将更有利于研究不同尺度的N D V I与GV I的相关性。本研究以中山市中心城区为例,利用百度街景(B S V)图像、9 1卫图软件、基于深度学习的图形语义分割方法获取绿视率,基于G F-1遥感影像获得归一化植被指数N D V I,研究GV I和不同尺度N D-V I均值的相关性,在此基础上分析街道景观存在的不足并给出优化建议。1 材料与方法1.1 研究区域中山市位于珠江三角洲下游,北连广州,毗邻港澳,与深圳隔海相望,地处粤港澳大湾区的几何中心,位于2 2 1 1 -2 2 4 7 N,1 1 3 0 9 -1 1 3 4 6 E,国土陆地面积1 7 8 3.7 k m2。中山处于北回归线以南,热带北缘,属亚热带季风气候,光热充足,雨量充沛,气候温暖,四季常青。中山市中心城区包括东区街道、西区街道、南区街道、石岐区街道、港口镇、火炬开发区街道和五桂山街道,本研究选取中山市中心城区的代表性街道作为研究区域。该区域人口最为密集,街景数据较为完善。1.2 观测点设置与数据收集充分考虑用地现状与观测点应具有代表性、普遍性和可操作性等特征,在中山市中心城区的每个街道(镇)中各选取1条代表性道路作为研究对象(图1),分别为城市行政和商业中心、国家级开发区、生态保护区、重大产业平台和交通枢纽中的主干道路,具有所属街道(镇)的代表性和鲜明的规划特色,适合作为本研究的范本。研究对象包括东区街道起湾道、南区街道城南路、西区街道彩虹大道、石岐区街道兴中道、火炬开发区街道康乐大道、五桂山街道城桂公路、港口镇港口大道。通过街景图片反映人们对城市道路绿化景观的感受比较贴合实际,同时利用街景图片获取数据较为便捷,不受诸多不可控因素的影响,这些是测量建成环境的有效手段。研究使用9 1卫图软件(企业版)获取中山市中心城区的街道数据,利用A r c g i s 1 0.4对研究街道进行观测点设置(每条街道设置1 0个观测点),观测点间距为2 5 0 m(人眼能看清物体轮廓的最远距离为2 5 0 m)。获取观测点的坐标,使用p y t h o n 3.8在百度街景地图中以人的水平视角分别采集0、9 0、1 8 0 和2 7 0 方向的街景照片,统一大小为4 8 0 p x 3 2 0 p x,每张照片有对应采样点的坐标位置和水平角度等信息。总共选取7 0个坐标点,获取2 8 0张街景图片。1.3 研究方法1.3.1 基于深度学习的图像语义分割方法 图像语义分割(i m a g e s e m a n t i c s e g m e n t a t i o n,I S S)是一门涉及计算机视觉、模式识别与人工智能等研究领域的交叉学科,其定义是为图像中的每一个像素分配一个预先定义好的表示其语义类别的标签7,能够根据图像本身的纹理、场景和其他高层语义特征来得出图像本身需要表达的信息,更具实用价值。本研究采用的是基于像素分类的图像语义分割方法,属于全监督学习图像语义分割方法,具体为基于深度全卷积神经网络的图像语义分割方法。全卷积752第2期苏 雷 等:基于绿视率和N D V I的城市街道景观分析与优化研究神经网络f u l l y c o n v o l u t i o n a l n e t w o r k s(F C N)是L o n g等8提出的,主要用于图像的分割,该方法可以解决卷积神经网络(C NN)在图像特征提取方面很难做到精细(像素级)分割的问题,F C N框架结构示意图见图2,F C N可以实现将原本用于图像分类的网络转变为用于图像分割的网络9。图1 研究对象卫星图及观测点分布F i g.1 S a t e l l i t e i m a g e s o f t h e s t u d y o b j e c t a n d d i s t r i b u t i o n o f o b s e r v a t i o n p o i n t s图2 F C N框架结构9F i g.2 F C N f r a m e s t r u c t u r e 91.3.2 绿色植物提取与绿视率计算 本研究选用基于A D E_2 0 K数据集训练的深度学习全卷积网络视觉影像语义分割软件(h t t p:/g u i h u a y u n.c o m/)进行绿色植物提取。该软件具有庞大的训练集,识别准确,运行稳定,可以识别1 5 0种要素标签并统计要素占比1 0。根据本研究需要,选取绿色植物要素(包括5.t r e e、1 0.g r a s s、1 8.p l a n t;f l o r a;p l a n t l i f e、7 3.p a l m;p a l m t r e e 4种要素类型)占比用于绿视率计算,每张观测图像的绿视率值计算公式为GV Ii=Pt+Pg+Pf+Pp(1)式中:GV Ii为第i个方向下的绿视率值;Pt为影像语义分割软件统计得到的树木占比;Pg为影像语义852西北林学院学报3 9卷 分割软件统计得到的草地占比;Pf为影像语义分割软件统计得到的f l o r a和p l a n t l i f e占比;Pp为影像语义分割软件统计得到的棕榈植物占比。使用p y t h o n 3.8在百度街景地图中以人的水平视角分别采集0、9 0、1 8 0、2 7 0 方向的街景照片作为绿视率观测图像。使用视觉影像语义分割软件获得的绿色植物要素占比计算每张观测图像的绿视率值(GV Ii),再将每个观测点处4张观测图像的绿视率值求平均,即为此观测点的绿视率(计算方法见图3)。每个观测点处的绿视率计算公式为GV I=144i=1GV Ii(2)图3 绿视率计算方法图示F i g.3 D i a g r a m o f c a l c u l a t i o n m e t h o d o f GV I1.3.3 归一化植被指数 归一化植被指数N D V I(n o r m a l i z e d d i f f e r e n c e v e g e t a t i o n i n d e x,N D V I)是最为常见的植被遥感指数1 1,该指数是通过测量近红外(植被强烈反射)和红光(植被吸收)之间的差异来量化植被。具体公式为:ND V I=(NI R-R)/(NI R+R),其中,NI R为近红外波段的像素值,R为红波段。指标范围在-1,1。本研究采用多光谱分辨率优于8 m的国产G F-1卫星影像用于N D V I指数计算,基于E NV I 5.3软件,先下载安装A P P S t o r e中的C h i n a S a t a l l i t e s加载G F-1影像,再通过b a n d m a t h工具进行波段计算,针对G F-1卫星的波段属性,输入公式(f l o a t(B 4)-f l o a t(B 3)/(f l o a t(B 4)+f l o a t(B 3)。1.3.4 观测点缓冲区建立及N D V I分区统计 大量研究证实,景观格局过程的发生、时空分布、相互耦合等特性都是尺度依存的,植被指数也应该具有空间尺度特征1 2。因此,本研究选取8、1 6、2 5、5 0、1 0 0、1 5 0、2 0 0、2 5 0 m这8个空间尺度来计算N D V I均值,作为N D V I与GV I的相关性研究的铺垫。本研究基于A r c M a p 1 0.4 软件对各个观测点做缓冲区设置(A n a l y s i s P r o x i m i t yB u f f e r),在9 1卫图企业版软件中绘制各条道路的路面(9 1卫图的1 9级影像可以达到0.2 8 m分辨率),路面边界不是以实际道路宽度为界,而是从视觉分析出发绘制到2 5 0 m范围内不通透的界面(围墙、建筑等)为止,具体见图1。将缓冲区与路面进行裁切得到每一个观测点的缓冲区(A n a l y s i s T o o l s E x t r a c t C l i p),再进行分区 统 计(S p a t i a l A n a l y s i s T o o l sZ o n a lZ o n a l S t a t i s t i c s a s T a b l e)导出属性表。1.3.5 绿视率与遥感指数的相关性分析 研究相互关联是科学最基本的内容,在当今海量数据的时代,研究事物大量数据之间的关联性成为科学研究的热点1 3。本研究选用皮尔逊相关系数计算不同尺度下归一化植被指数均值与绿视率的相关性。皮尔逊相关系数(p e a r s o n c o r r e l a t i o n c o e f f i c i e n t),由K a r l P e a r s o n于1 9世纪8 0年代提出,被广泛用于度量2个变量之间的相关程度,其值在-11,具体公式为1 4r=ni=1(Xi-X)(Yi-Y)ni=1(Xi-X)2ni=1(Yi-Y)2(3)式中:r为皮尔逊相关系数,r的值越接近1,表示2个变量正相关,线性相关性越强;越接近-1,表示负相关;接近或者等于0,表示2个变量之间的线性关系很弱或不是线性关系。2 结果与分析2.1 道路绿视率分析利用图3所示的绿视率计算方法统计得到各观测点的绿视率指标,整理出各代表性街道的绿视率表格(表1)。街道景观平均绿视率方面,石岐区街道兴中道最高,达到了3 6.0 0%,西区街道彩虹大道最低,仅为8.0 6%。其他道路平均绿视率按照从高到低 的 顺 序,分 别 为 火 炬 开 发 区 街 道 康 乐 大 道3 3.3 7%、港口镇港口大道2 1.6 9%、南区街道城南路1 8.4 8%、东区街道起湾道1 4.5 7%、五桂山街道城桂952第2期苏 雷 等:基于绿视率和N D V I的城市街道景观分析与优化研究公路1 1.5 1%。有研究表明,当道路绿化景观的绿视率 3 0%时,这样的绿色道路空间更能受到人们的欢迎1 5,由此可见,石岐区街道兴中道和火炬开发区街道康乐大道的绿化景观更让人感觉舒适安心,而其他街道从可见绿的角度来看舒适度有待提升。从街道绿视率的变幅来看,变幅最大的是火炬开发区街道康乐大道(4 3.7 5%)和港口镇港口大道(3 4.0 2%),变幅最小的是西区彩虹大道(1 3.6 3%)。结合各观测点点位及周边环境分析,变化幅度的大小与观测点缓冲区范围内用地性质及空间布局模式等紧密关联。如火炬开发区街道康乐大道和港口镇港口大道都途经居住用地、绿地与广场用地或非建设用地中的农林用地,居住用地在空间布局时,居住建筑是否紧邻建筑后退线进行布置,以及居住用地旁的道路绿地宽度、绿地的植物配置方式,都对街道绿视率指标产生很大影响,从而间接影响到街道的绿视率变幅。西区彩虹大道的变幅小是因为周边地块均为工业用地,且呈现统一的沿街布局形式。表1 各代表性街道绿视率统计T a b l e 1 S t a t i s t i c s o f g r e e n v i e w i n g r a t e a t r e p r e s e n t a t i v e s t r e e t s(%)指标起湾道港口大道康乐大道城南路兴中道城桂公路彩虹大道绿视率均值1 4.5 72 1.6 93 3.3 71 8.4 83 6.0 01 1.5 18.0 6绿视率变幅1 8.8 93 4.0 24 3.7 52 0.2 82 4.0 61 5.8 81 3.6 32.2 观测点缓冲区N D V I统计分别计算各观测点8、1 6、2 5、5 0、1 0 0、1 5 0、2 0 0、2 5 0 m空间尺度的N D V I均值,绘制各空间尺度的箱线图(图4),可以发现各街道观测点的N D V I均值随着缓冲区尺度的增加也呈现出不同变化,N D-V I均值具有强烈的尺度敏感性。以南区街道城南一 路 为 例,8 m尺 度 时,N D V I均 值 范 围在-0.1 6 9 40.1 4 0 5;5 0 m尺度时,N D V I均值范围缩小到-0.0 9 8 80.0 4 8 8;2 5 0 m尺度时,N D-V I均值范围在-0.0 9 7 60.0 0 5 0。观察各条街道的N D V I均值分布,在各个研究尺度下街道N D V I均值的排序稍有差别,以8 m尺度为例,N D V I均值从大到小的顺序为石岐区街道兴中道火炬开发区街道康乐大道南区街道城南路港口镇港口大道东区街道起湾道五桂山街道城桂公路西区街道彩虹大道。从GV I和N D V I均值评价结果来看,石岐街道兴中道是中山市中心城区最为重要的城市绿轴,火炬开发区康乐大道也形成了具有区域特色的主要城市绿色街道界面,可作为城市区域街道的典型代表。2.3 G V I与N D V I的相关性分析相关性分析要求数据服从正态分布,本研究采用直方图加趋势线的方式检验绿视率和不同尺度的N D V I均值的数据分布情况,均满足正态分布,可以进行相关性分析。使用I BM S P S S S t a t i s t i c s 2 6软件用于分析不同尺度下N D V I均值与绿视率之间的p e a r s o n系数,具体为A n a l y z eC o r r e l a t eB i-v a r i a t e,勾选P e a r s o n进行操作,具体结果详见表2。可以看出,2 5 m和5 0 m尺度上N D V I均值和绿视率是高度相关的,p e a r s o n系数均0.8。从8 m到5 0 m,相关性呈现递增趋势,5 0 m的相关系数达到峰值,随后呈现递减趋势。从试验结果来看,中山市街道绿视率与N D V I均值相关性显著,即有高N D-V I值的 道路,同样会 有较高绿视 率,且5 0 m或2 5 m的空间尺度比较适宜构建二者的关系模型。表2 相关性分析结果T a b l e 2 C o r r e l a t i o n a n a l y s i s r e s u l t s分析尺度/mP e a r s o n系数显著性80.7 5 6*1 60.7 9 8*2 50.8 1 2*5 00.8 3 2*1 0 00.7 6 1*1 5 00.7 4 2*2 0 00.7 3 9*2 5 00.6 8 6*2.4 影响城市道路绿视率的因素2.4.1 街道(镇)功能对绿视率的影响 由于各街道(镇)在发展过程中承接的任务和发展方向不同,绿化结构也不相同,因此绿视率出现了较大差异。但由于城市行政区划并不一定会按照地理上的边界划分,所以城市并不是割裂的区域,而是一个整体,许多区域街道互相交融,绿化景观也是持续的。因此本研究只对比绿视率最高和最低的区域。从平均值来看,中山市中心城区范围内,行政区域绿视率较高。以石岐街道为例,石岐街道紧挨岐江,是中山市的中心城区之一。有着得天独厚的区位和发展优势。辖区内行政、商业、教育、医疗、休闲等配套服务完善,对于街道景观和居住环境比较重视,绿视率结果在一定程度上是可以预见的。与之相比,西区主要作为中山市重要的交通枢纽和制造、贸易市场。广珠轻轨、1 0 5国道、广珠西线高速、江中公路、新岐江公路、北外环、博爱路、富华道、中山路等道路纵横穿越;西区商业贸易发达,有珠三角地062西北林学院学报3 9卷 区发展最早的小商品市场、全市最大的电脑专业市场、农产品批发市场等。由于高密度的交通运输和工业空气污染,会对植物的健康产生负面影响,并降低其叶面积指数1 6,使其更难达到较高的绿色外观比率。此区域绿视率较低。普遍看来,城市行政、商业区域的街道绿视率大于交通枢纽与制造区域。图4 不同尺度的缓冲区范围内各观测点的N D V I均值分布F i g.4 D i s t r i b u t i o n o f N D V I m e a n v a l u e s a t v a r i o u s o b s e r v a t i o n p o i n t s w i t h i n b u f f e r z o n e s o f d i f f e r e n t s c a l e s2.4.2 道路宽度与布局对绿视率的影响 一般来说,植物越靠近道路,其绿视率就越高。这是因为非绿色植被,如建筑物、道路和汽车,会形成视觉障碍,从某些角度或距离阻挡看见绿色植物的视野。因此162第2期苏 雷 等:基于绿视率和N D V I的城市街道景观分析与优化研究在车道间都没有设置植物屏障的情况下,道路越宽,绿视率越低。如彩虹大道沿河段宽度大于城区道路,此段中植物屏障较少,所以彩虹大道的绿视率比城区道路低。2.4.3 植物种类与数量对绿视率的影响 不同的植物种类有不同的叶子密度和高度,这可以影响绿化的视觉效果。例如,高大的树木可以提供立体感,增强城市绿化的三维效果。相比之下,低矮的灌木或地被植物就没有同样的视觉效果,但仍能对整体的绿化景观率作出贡献。植物种类是否多样,也是影响绿视率的重要因素。在绿地中使用不同高度的植物物种可以创造出更有活力的景观,从而提高整体绿视率。兴中道、康乐大道除了种植一般阔叶树,还种植了棕榈树等热带树种、道路分车带宽阔,灌木、地被植物种类多样,其道路平均绿视率最高。2.5 景观绿化的不足及优化建议2.5.1 景观绿化存在的不足 通过绿视率景观分析(表3)可以看出,中山市中心城区部分道路绿化景观情况较好,但也有一部分街道景观存在较多问题。表3 街道景观分析T a b l e 3 S t r e e t l a n d s c a p e a n a l y s i s街道街道类型绿化形式行道树绿视率N D V I均值(5 0 m)起湾道双向八车道简单乔木+灌木较低较低港口大道双向八车道较丰富乔木+灌木较高一般康乐大道双向四车道丰富棕榈+乔木+灌木高高城南路双向六车道较丰富乔木一般较高兴中道双向六车道丰富棕榈+乔木+灌木最高最高城桂公路双向八车道,部分道路施工简单乔木+灌木低低彩虹大道双向八车道简单乔木最低最低 目前,中山市的街道环境品质改善的重点放在对道路的维护和拓宽上,而缺乏对植物的科学养护。部分绿化带在移除方便施工后,并没有立刻进行恢复,抑或是恢复后没有进行进一步保养。以城桂公路为例,五桂山街道与其他街道不同,作为全市唯一全境被划入生态保护区的镇街,拥有粤港澳大湾区核心区域唯一连片山系,山林面积8 8 k m2,森林覆盖率达8 1.2%,素有“中山绿肺”美誉。然而随机选取的街道中,其绿视率仅仅高于西区街道彩虹大道,最主要的原因就是道路施工对植物产生很多负面影响,如大型机械的入场使得植物根系和土壤结构遭到破坏,施工过程也会产生尾气、物理杂质等影响植物生长,导致植物长势衰败,甚至死亡,极大地降低了绿化面积,破坏生态平衡。研究也发现,在道路景观中,选择多种植物进行搭配的道路绿视率普遍大于植物种类单一的街道。兴中道、康乐大道的植物配置丰富,包括树木、不同颜色、形状的灌木和地被植物。但中山市还是有很多路段为了考虑经济问题和确保成活率,其植物配置都相对单调,缺乏特色。2.5.2 优化建议 增强绿地系统规划前瞻性,推动道路红线内外空间一体化设计。结合绿视率和归一化植被指数分析结果,明确需要重点关注的街道,并在绿地系统规划中明确道路两侧的绿线宽度,提倡路侧绿带与周边地块附属绿地的一体化设计,从而丰富绿化景观层次,提升道路绿视率水平。(1)及时弥补植物“断点”。在道路修缮完毕后,尽快对破坏的道路植物进行恢复,增加绿色的延续性。对街道中树龄较大的树木进行定期修剪,确保植物都能有合理的生长空间,提高物种的多样性,稳定生态环境。中山市的街道特色鲜明,街巷众多,犬牙交错。显然许多支路是无法再种植乔木等大型植物的,此时可以依靠攀缘植物覆盖街道墙面,拓展立体绿化,增加绿视率;或通过设计口袋公园,设计景观小品,将绿化区域连结为一体。(2)改变种植策略。以中山市重大产业平台西区街道为例,增加绿视率并不一定需要珍奇树种,可以按照降温、阻滞灰尘、降低噪声、净化空气等目的,选择生命力较强的植物。中山市气温普遍较高,正午太阳光强烈,更高的绿视率可以显著地缓解视觉疲劳,遮挡强光,减少声、光污染,从而提高交通枢纽的行车安全性。同时,可改善市民、游客对制造业区域的刻板印象。3 结论与讨论作为道路结构复杂、建设历史悠久的城市,中山市的规划相比其他城市更加复杂,本研究以多源数据与A D E_2 0 K数据集训练的深度学习全卷积网络视觉影像语义分割软件为基础,从GV I和N D V I结合的角度研究城市街道绿量感知,提供了一种数据来源简单、方便快捷、可以在短期内快速计算分析道路景观和提供优化方案的研究方式。并且可以自由262西北林学院学报3 9卷 切换数据源,用更清晰的街拍图像替代获取的图片,或对城市不同区域的更多街道进行研究,从而得到更准确,更全面的街道绿视率结果,为城市环境评估、空间优化、景观提升提供新的思路。相较于同类研究1 7-1 8,本研究使用计算机视觉深度学习软件对绿视率进行分析具有一定的优势:一是视觉影像语义切割软件不再需要繁琐的人工操作,而是直接通过软件得出结果,因此几乎不存在错误计算。二是由于其识别植物并不完全依靠颜色特征,所以受拍摄时间影响的植物颜色或其他色彩的植物也会被精确计算。但此种方法并不是十全十美的,主要会受到2方面的干扰:数据来源和植物种类。数据来源方面,本研究使用的p y t h o n算法的问题在于仅能获取固定分辨率大小的图片,更清晰的照片分辨率往往会带来更好的识别效果;视觉影像语义切割并不是专门计算绿视率的软件,其中仅有几个植物要素,在面对更复杂的植物种类时是否还能保持准确的识别率,还没有进行试验。但这种情况毕竟是少数,这2种要素完成绝大多数任务完全游刃有余。景观格局具有尺度依赖性,尺度和尺度变化是理解和研究景观格局的关键。N D V I作为一种遥感植被指数也应具有尺度效应,选择在什么尺度上获取N D V I值就成为本研究的关键。相较于同类研究1 9多采用3 0 m分辨率的L a n d s a t 8 O L I遥感影像作为N D V I指数计算的数据源,本研究选用多光谱分辨率优于8 m的国产G F-1卫星影像用于研究街道景观绿化具有更大的优势。课题选取8、1 6、2 5、5 0、1 0 0、1 5 0、2 0 0、2 5 0 m这8个空间尺度来进行分析,上限选为2 5 0 m,主要是考虑到人眼能看清物体轮廓的最远距离为2 5 0 m,即要保证与绿视率观测的最大限度一致;在较大尺度上(5 02 5 0 m)以5 0 m作为尺度间隔;5 0 m以内则选择了8、1 6 m和2 5 m作为分析尺度,最小为8 m是因为项目选用的G F-1卫星影像多光谱分辨率为8 m,1 6 m则是在8 m的基础上乘以2倍关系,2 5 m的尺度是人们在外部空间刚好可以相互看清对方的脸的距离,也是日本学者芦原义信“外部模数理论”中提到的外部空间研究可采用的单元模数。此外,本研究在缓冲区划定方面与其他文献研究也存在一些差异,如吕旭昕等6以道路的宽度向两侧各加5 0 m作为缓冲建立缓冲区计算各条道路的N D V I均值,进而分析绿视率与N D V I值的相互关系与影响因素。由于不同的道路两侧用地性质可能存在差异,有的道路