摘要：城市绿色景观空间对居民健康和生态环境的可持续发展具有重要影响，人们越来越意识到城市中的“绿色”对提高生活质量的重要性。既往研究中常以归一化植被指数（ＮｏｒｍａｌｉｚｅｄＤｉｆｆｅｒｅｎｃｅＶｅｇｅｔａｔｉｏｎＩｎｄｅｘ，ＮＤＶＩ）和绿视率（ＧｒｅｅｎＶｉｅｗＩｎｄｅｘ，ＧＶＩ）来分别代表二维和三维的绿色指标，但对二者在城市中空间分布的深人研究较少。

本文以天津市和平区为例，在２５０ｍＸ２５０ｍ的网格尺度上利用图像语义分割计算街道ＧＶＩ，利用地理空间数据云平台的遥感数据计算ＮＤＶＩ，探讨了二者的空间分布特点和相关性。研究发现：①天津市和平区绿视率分布呈“东南高，西北低”的片状特征。②研究区的ＧＶＩ与ＮＤＶＩ在空间分布上不完全一致，植被覆盖率普遍存在“街道低，集中绿地高”的特点。③通过对比ＧＶＩ与ＮＤＶＩ空间分布揭示城市绿色空间分布现状，对进一步在城市更新中进行精细化优化和养护提出策略。

 

1研究背景

 

随着我国城市化建设步伐的进一步加速，城市住宅建设用地与绿色资源的合理配置间的问题越显突出，在这一背景下合理的绿色空间布局就显得尤为重要。城市绿色空间是指在城市区域范围内已被绿化植物覆盖的并具有相应的生态和服务功能价值的空间，较一般城市绿地更能凸显出其三维空间特性［１］。城市绿色空间是直接的影响广大市民生活品质的主要因素之一，对城市居民的身体健康及美学服务具有突出价值。如何科学度量城市绿色空间以及如何从空间角度研究城市中的“绿色”已成为解决诸多城市环境问题的迫切需求。

 

以往通过遥感图像来获取绿色植被指标在研究中是极常见的，如利用遥感图像捕捉植被冠层的叶绿素含量来量化植被冠层数量的归一化差异植被指数（ＮＤＶＩ）。

 

遥感图像具有包括高成本效益、标准化的数据处理、覆盖范围大且具有不同空间和光谱分辨率的传感器的可用性等优势，虽已被广泛应用，但自上而下角度只能捕捉到植物的顶部，这种从遥感图上俯瞰的方法无法完全代表街道层面人们对植被的感知。而街道层面的城市绿化大多还是依靠基于人工调研的低效方法［３］。

 

随着能够识别街景图片的语义分割技术的发展与成熟，遥感图像在识别城市绿化方面的不足在一定程度上得到了弥补。有许多平台提供城市街景图像，如谷歌街景及中国的百度街景和腾讯街景［４’５］。人工智能技术使得利用街景图像自动计算街道绿视率（ＧｒｅｅｎＶｉｅｗＩｎｄｅｘ，ＧＶＩ），提取街景绿化成为可能。Ｒａｔｔｉ等人？提出了基于谷歌街景（ＧＳＶ）的ＧＶＩ来研究街道上的植被和树荫分布。Ｒｉｃｈａｒｄｓ和Ｅｄｗａｒｄｓｐ］绘制了行道树生态系统服务的提供地图，识别出遮阴较差的街道或街区，来确定优先种植的区域。与遥感数据中的植被指标不同，基于城市街景的图像分割方法从人视角度量化了街道绿化，更好地代表了人类感知到的植被分布。

 

街景数据与其他带有地理坐标的数据如遥感图像数据对照使用，起到补充数据集的作用，弥补了遥感图像俯视视角的缺陷。Ｈｅｌｂｉｃｈ等人发现基于街景和遥感的蓝绿空间测量代表了自然环境的不同方面。Ｌａｒｋｉｎ和Ｈｙｓ－ｔａｄＭ指出，基于街景的绿地测量与使用遥感图像的其他测量方法相关性较小，这表明街景图像捕获了有关绿色景观的独特信息。ＣｈｅｉＰＵ研究发现，人视所能感知到的“绿色”与俯视绿地的数量或密度不完全一致，遥感数据风景园林与城市更新可以结合不同的形式的观测数据．综合评价城市绿地的价值。

 

ｗａｎｇ讨论得出人眼视角的ＧＶＩ与鸟瞰视角的ＮＤＶＩ数值之间存在正相关关系，但在研究过程中忽视了地理空间因素对统计过程的影响。陈钺等［１２：计算道路绿视率与缓冲区内绿化覆盖率的相关性，并对二者的关系作出了分析，提出可重点加强不同道路类型两侧４０？５０ｍ范围内的绿化以提髙绿视率。李苗裔等１３］测量并比较了街道ＧＶＩ和ＮＤＶＩ的空间分布差异，进一步分析影响ＧＶＩ的因素．从街道剖面的角度提出了提高街道绿化质量的具体设计策略。

 

目前国内对于绿视率的研究多是从街道层级的道路绿化结构、植物种类和丰富度等方面展开优化策略。为促进城市绿色景观的综合评价，城市绿色植被由二维向三维立体化发展．需要开展涉及街道绿视率与ＮＤＶＩ为代表的植被覆盖率在街区层级的空间分布研究，为城市规划、园林绿化和城市精细化管理提供数据支撑和策略依据。

 

２数据及方法

 

２．１研究区域

 

研究选取天津市和平区范围（９．９８ｋｍ２）为对象。天津具有我国华北地区城市的特征，市区的中心城市空间形态密度极高且水资源丰富，冬冷夏热气候四季分明，属典型的温带大陆性季风型气候。和平区地处天津的市区中心，海河的干流的西岸，位于北纬３９°０６ｆ？３９°０８＇１０＂，东经１１７°１０＇１６＂？１１７°１２＇５３＂之间，下辖６个街道。和平区具有优越独特的历史人文环境条件与深厚的民族文化底蕴．历史遗留下来的租界区域对和平区的城市和街道形态布局产生了较大影响。

 

２．２研究数据

 

 

通过ＨＴＴＰＵＲＬ调用ＡＰＩ接口，获取２０２０年８月百度街景地图中和平区街道６４００个观测点的３６０°全景街景图片．用以计算街道绿视率。平均每两处观测点间隔约５０ｔｎ，覆盖整个和平区。通过输入垂直方向的角度和实现水平角度以及视点的地理位置坐标，来获取每个观测点于人视角相一致的全景街景图片．其中每张街景图片都包含了视线角度、地理坐标等信息。

 

２．２．２卫星遥感图像

 

利用地理空间数据云平台（ｈｔｔｐ：／／ｗｗｗ．ｇｓｃｌｏｕｄ．ｃｎ／）获得天津市和平区２０２０年８月１２日条带号为１２２、行编号为３３少云的Ｌａｎｄｓａｔ８ＯＬ１ＴＩＲＳ卫星遥感影像，数据精度单位３０ｍ，将该遥感影像作为原始数据输人ＥＮＶＩ５．５做辐射定标、大气校正、几何校正等预处理。

 

 

把获得的百度全景街景图像输人深度学习基于ＡＩ）Ｅ２０Ｋ数据集训练的深度学习全卷积网络（ＦＣＮ）语义识别模型，以识别出其中不同要素的占比情况．如天空、植物、建筑、道路等。提取每个观测点采集的街景图片中绿色植物的占比，作为该点的绿视率的值，全区街道ＧＶＩ计算结果如图１。

 

２．３．２ＮＤＶＩ计算

 

归一化植被指数（ＮＤＶＩ）是一个标准化指数，该指数对多光谱栅格数据集中两个波段的特征进行对比，即红色波段中叶绿素的色素吸收率和近红外（Ｎ１Ｒ）波段中植物体的高反射率。

 

ＮＤＶＪ的输出值介于［—１，１］之间用于表示植被覆盖密度。负值主要根据云、水和雪生成；接近零的值则主要代表裸露岩土或被雪覆盖的贫瘠区域；值为正且数值越大，植被Ｓ盖率越卨、地表植物覆盖越茂盛。将原始数据输人ＥＮＶＩ５．５做一系列预处理后，导入ＡＲＣＧＩＳＰＲＯ２．５裁剪后用波段计算出ＮＤＶＩ以表征植被覆盖率，

 

 

选定GPI空间分布数据以及与其对应的NDVI空间分布数据，在ArcGISPro2.S中创建渔网，以网格为研究基本单位分析天津和平区内的主要街道绿视率、植被覆盖率之间的空间的分布关系。取各个单位网格中的每个观测点的GVI平均值作为单位网格GVI的数值，以网格裁剪的NDVI数据作为它的NDVI值。得出各单元网格的GVI值和NDVI值后，在250mX250m尺度上进行空间属性的叠加。

 

其中，网格尺度是根据已有研究[[13〕指出的人视线所能看到的最远距离而确定的，250mX250m的单位尺度范围大概与街区尺度相一致。然后在ENVI5.5中对区段进行划分、导出为SHP文件后，在AreGISPro2.5中进行矢量转栅格、重分类等。