基于綠視率的福州市鼓樓區(qū)道路綠化水平評價*

林錦涵 陳蕓芝 汪小欽

1 福州大學衛(wèi)星空間信息技術綜合應用國家地方聯(lián)合工程研究中心 福州 350116

2 空間數(shù)據(jù)挖掘與信息共享教育部重點實驗室 福州 350116

城市道路綠化是城市綠地系統(tǒng)的重要組成部分，是城市整體形象的體現(xiàn)。當前國內(nèi)城市的綠化指標主要集中在綠地率、綠化覆蓋率、人均公園綠地面積，這些指標主要通過遙感衛(wèi)星影像提取以及實地量測的方式實現(xiàn)[1]。這些二維綠化平面指標對于衡量一個城市或者區(qū)域的綠化面積大小有積極意義，但缺乏細粒度綠化空間綠量信息，更無法表征城市內(nèi)部多維的綠化空間分布信息[2－4]，特別是對于形態(tài)各異以及疏密不一的城市路網(wǎng)結構，單從平面綠化指標衡量道路綠化水平無法滿足城市綠化配置新的要求，因此需要考慮如何結合三維空間綠量對城市道路綠化水平進行綜合評價。

隨著日本學者開始將綠視率作為綠化評估的重要因素[5]，以及街景圖片在城市研究中的應用越來越廣泛，諸多學者已經(jīng)開始基于城市街景數(shù)據(jù)對城市內(nèi)部綠化環(huán)境進行多方面的研究[6]。例如，李小江等[7－8]使用谷歌街景圖片評估城市街道綠化和街道級城市綠地的空間分布。Lu[9]通過深度學習技術對谷歌街景圖像的綠視率進行提取并分析其與城市居民步行行為的相關性。龍瀛[10]以街景圖片為載體評判中國各個城市中心區(qū)街道綠化水平，以及一些城市的街道空間品質(zhì)。葉宇等[11]利用百度街景數(shù)據(jù)估算了上海市中心街景綠化可見度，并分析了其與植被覆蓋的相關性。崔喆[12]基于多源街景圖像及SIFT算法剔除秋冬季影像，從多個尺度對哈爾濱市的綠視率進行分析。陳明[13]基于騰訊街景圖片，采用系統(tǒng)抽樣法、以網(wǎng)格為單位評估了武漢市江漢區(qū)的綠視率及其與綠化覆蓋率之間的關系。可見，街景圖片蘊含的多元信息對城市環(huán)境分析和評估具有巨大潛力，綠視率相較于一些綠化二維平面指標，其考量了人在城市空間活動中對城市綠化構成的直觀感受。盡管很多研究已開始考慮到綠化的多維性，但是將二維平面綠化指標和三維立體綠化指標結合起來客觀評價城市內(nèi)部的綠化整體水平還有待研究。

本文基于百度街景數(shù)據(jù)，以福州市鼓樓區(qū)為研究區(qū)，基于深度卷積神經(jīng)網(wǎng)絡的SegNet圖像語義分割模型提取了街景圖片綠化信息，計算了福州市鼓樓區(qū)街道的綠化可視率；分析了街景綠視率和遙感影像植被覆蓋度在鼓樓區(qū)內(nèi)部的差異性，并將二者相結合探究其在城市建成區(qū)綠化環(huán)境精細化評估中的應用，以期為城市綠地系統(tǒng)的規(guī)劃和管理提供參考及依據(jù)。

1 研究區(qū)域及研究方法

1.1 研究區(qū)域

福州市作為國家森林城市，被譽為全國最“綠”的省會中心城市之一，屬典型的亞熱帶季風氣候，溫暖濕潤，四季常青，氣候條件好，城市中森林和樹木總量適宜、分布合理。鼓樓區(qū)坐落于福州市西北部，是福建省唯一一個國家級生態(tài)區(qū)的核心城區(qū)，全區(qū)下轄9個街道1個鎮(zhèn)，面積約為35.7 km2。

1.2 研究方法

1.2.1 技術路線

基于綠視率的城市道路綠化水平評價流程(圖1)為:1)根據(jù)路網(wǎng)矢量獲取等距離觀測點；2)Python編程爬取百度街景圖片，利用SegNet模型進行圖像分割并計算其綠視率；3)對遙感影像進行預處理后，利用像元二分法計算其植被覆蓋度，獲取每個觀測點對應的植被覆蓋度；4)利用熵權法對二維平面指標植被覆蓋度和三維綠化空間指標綠視率確定其熵權，從而對綠化水平進行評價。

圖1 基于綠視率的城市道路綠化水平評價方法

1.2.2 街景圖片獲取

為了使百度街景的圖片能夠和遙感影像上的點一一對應，本文在Arcgis中對福州市鼓樓區(qū)的道路網(wǎng)絡等間距設置了17965個觀察點，每個樣點距離大約為30m，并記錄其經(jīng)緯度坐標。在百度街景API的輔助下，依據(jù)百度API提供的接口參數(shù)規(guī)則對每張圖片設置了固定的視角及俯仰角，盡可能使街景符合人的視野范圍。將每個樣點的經(jīng)緯度坐標作為唯一標識，依次爬取了每個采樣點的前視圖(0°)、右視圖 (90°)、后視圖(180°)、左視圖(270°)共71 660張城市街景圖片。通過編程爬取的每張圖片都和ARCGIS中獲得的采樣點一一對應，并帶有準確的經(jīng)緯度信息。通過這種方式采集的4個角度的街景照片可以對采樣點的周邊綠化環(huán)境進行較好地表達[13]。

1.2.3 基于深度學習模型的圖像分割

圖像分割具有高分割效率且計算簡單的特點，可以充分挖掘圖像的空間信息[14]。本文使用劍橋大學學者提出的卷積神經(jīng)網(wǎng)絡SegNet模型及其訓練庫，基于SegNet的分割模型可以將輸入圖像進行像素級的分類，并能保留形狀很小的物體信息[15－16]。圖2為基于SegNet語義分割網(wǎng)絡對某觀測點4個角度的百度街景圖片的分割結果示意圖，綠色為提取到的植被信息。從圖2中可以看到，利用SegNet模型提取的城市街道的綠化信息整體結構完整，并能較好地保留細微的綠色植被細節(jié)，因此，這一工具對城市街景綠化識別的效果良好。

圖2 SegNet模型分割結果示意

1.2.4 街景綠視率及植被覆蓋度的計算

綠視率[17－19]是視野中綠色植被所占的比例，用于量化城市中植被的視覺觀感。通過對福州市鼓樓區(qū)共計17 965個采樣點的數(shù)據(jù)進行清洗，去除空值負值等無效數(shù)據(jù)點，獲得17 912個觀測點的有效數(shù)據(jù)；通過SegNet語義分割模型提取每個樣點對應的街景圖4個角度的植被信息對其綠視率進行計算。相比于傳統(tǒng)的拍照結合Photoshop獲取綠視率的方法，基于深度學習的圖像分割模型更適用于大規(guī)模的街景數(shù)據(jù)處理，其耗費精力低且處理效率更高。綠視率的計算公式如式(1):

式(1)中，gij為觀測點j在i角度的綠色像素面積，Aij為j點i角度的影像像素面積，Gj為j點綠視率。

植被覆蓋度可以有效反映城市植被覆蓋的情況，本文利用像元二分模型結合NDVI數(shù)據(jù)估算城市植被覆蓋度[20]。依據(jù)像元二分模型，將NDVI分解為帶有植被信息的NDVIveg和反應裸土信息的NDVIsoil，NDVI轉(zhuǎn)換為植被覆蓋度的公式為式(2):

使用2017年4月高分一號WFV影像估算城市植被覆蓋度，考慮到高分一號空間分辨率為16 m，且比較容易找到近似純凈像元的植被和裸地，因此以這組像元的NDVI值代替NDVIveg和NDVIsoil，再利用公式(2)較為準確地估算福州市鼓樓區(qū)的植被覆蓋度。

1.2.5 基于熵權法的綠化水平評價

本文利用熵權法確定植被覆蓋度和綠視率在綠化水平整體評價中的權重。熵權法是一種客觀賦權的方法，考慮到各個指標的熵值所提供的信息量的大小，利用標準化后數(shù)據(jù)的信息熵計算出指標熵權，再乘上指標對應分值為最終得分[21]。通過植被覆蓋度指標和綠視率指標的熵權計算，獲得對應指標的權重Wi與觀測點j的指標i的對應值xij相乘，并依次累加求和進行街景綠化得分Sj計算。計算公式如式(3):

2 結果與分析

2.1 綠視率及植被覆蓋度空間分布特征

福州市鼓樓區(qū)所有道路觀測點的平均綠視率為32.44%，平均植被覆蓋度水平為31.32%，其中鼓西街道、洪山鎮(zhèn)、南街街道以及五鳳街道綠視率和植被覆蓋度均高于平均水平，鼓西街道的綠視率及植被覆蓋度均為最高。通過對變異系數(shù)(表1)進行分析可知，鼓樓區(qū)道路的植被覆蓋度的整體穩(wěn)定性低于綠視率，整體波動較大，說明不同街道之間的平面綠化水平差異較大，而空間綠化水平則較為連貫。通過ARCGIS將每個采樣點的綠視率及植被覆蓋度進行可視化(圖3)，結果表明，高綠視率區(qū)域主要集中在鼓樓區(qū)中部，其他區(qū)域有零星的高值點；而高植被覆蓋度區(qū)域則分布較為均勻，中部及其他區(qū)域都有一定程度的植被覆蓋度高值點，但對應區(qū)域的綠視率卻難以達到同等水平。

圖3 綠視率及植被覆蓋度空間分布

通常情況下植被覆蓋度高的區(qū)域，其綠視率也會趨于一個較高的數(shù)值，主要是因為基于平面的植被覆蓋度是一個區(qū)域綠化水平的整體體現(xiàn)，其值越高，說明該區(qū)域能被行人可視的綠色區(qū)域也越高，如洪山鎮(zhèn)和南街街道，二者植被覆蓋度均值相近，其綠視率的水平也相近。但是考慮到植被的立體配置方式各異，在相近的植被覆蓋度條件下不同街道之間的綠視率變化差異較大，所以本文通過立體綠化配置比(綠視率和對應植被覆蓋率的比值)體現(xiàn)該區(qū)域的綠化植被空間配置水平(表1)。

表1 鼓樓區(qū)不同區(qū)域街景綠視率及植被覆蓋度

例如溫泉街道與華大街道，二者的植被覆蓋度相近，而綠視率的平均水平卻差距較大，二者的立體綠化配置比分別為1.24和1.09，同樣的情況也出現(xiàn)在安泰街道與五鳳街道。還有一些區(qū)域綠視率相近，而植被覆蓋度則有明顯差異，如南街街道及溫泉街道。這也表明不同的街道之間具有綠化空間配置的差異性，可見采用街景綠視率作為補充指標能較好地彌補平面綠化指標在三維空間綠化評價中的不足。

2.2 基于熵權法的道路綠化水平

通過熵權法計算得出植被覆蓋度與綠視率對應的熵權分別為0.632和0.368，通過加權計算最終獲得各采樣點綠化評價得分。統(tǒng)計不同道路對應的采樣點，并計算每條道路的平均綠化得分和各區(qū)域道路綠化平均得分，在ARCGIS中利用自然斷點法劃分綠化等級并可視化。從各區(qū)域道路的總體得分來看，鼓西街道的道路相較于其他區(qū)域有更好的綠化平面和多維空間綠化基礎，其街景綠化得分最高，其余各區(qū)域綠化評價得分如圖4所示。在鼓樓區(qū)域內(nèi)部的道路中，道路綠化水平得分最高的為北夢山路、湖頭街、白馬北路；最低的為八一七中路、上浦路、新權路(圖5)。

圖4 各區(qū)域內(nèi)道路平均綠化得分柱狀圖

圖5 區(qū)域道路綠化水平

從圖5可以看出，綠化水平最差的3條道路出現(xiàn)在安泰街道和洪山鎮(zhèn)，其中安泰街道的八一七中路主要以道路兩側(cè)細小隔離帶綠化為主，僅有零散且冠幅較小的喬木，街道整體綠化水平較低。新權路兩側(cè)也無規(guī)則帶狀道路綠化，只有零散的點狀街頭綠化，樹種主要以高山榕為主；盡管冠幅較大，但單點綠化無法帶動整條街道的綠化水平提升。洪山鎮(zhèn)的上浦路主要綠化植被為洋紫荊，因2016年道路拓寬時種下的洋紫荊冠幅較小、難以有高的平面植被覆蓋度指標，其立體綠視率指標也較低，該道路整體的綠化水平尚未顯現(xiàn)。

3 結論與討論

3.1 結論

1)福州市鼓樓區(qū)的綠視率和植被覆蓋度在空間上存在明顯的差異。在鼓樓區(qū)10個轄區(qū)內(nèi)部觀測點中，鼓東街道和五鳳街道的街景平面和立體綠化水平最為穩(wěn)定，街景較為連貫；安泰街道的街景平面和立體綠化水平穩(wěn)定性最差，街景綠色空間連貫性較差。

2)10個轄區(qū)道路整體綠化平最高的為鼓西街道，其街道綠化基礎好；最低為水部街道，街道綠化配置較為零散，綠化基礎有待提升。

3)在福州市鼓樓區(qū)道路中，受益于平面綠化和立體綠化的合理配置及毗鄰公園，街道綠化水平最高的為鼓西街道的北夢山路，而安泰街道的新權路則最低，二者形成較大差距。

3.2 討論

當前結合街景圖片對城市建成環(huán)境的研究仍處于探索階段，基于街景圖片的綠視率能夠反映平面指標無法表征的多維綠化空間信息，符合社會大眾對城市綠化多維度的人性化需求及期望。基于此根據(jù)福州鼓樓區(qū)實際情況，從以下幾個方面提出參考意見。一是合理配置綠化用地資源，在城區(qū)綠化用地數(shù)量有限的條件下，優(yōu)先保證平面綠化要求。二是豐富綠化形式，提升立體綠化在綠化配置形式中的占比，繼續(xù)推進墻面、屋頂?shù)榷嘈问降牧Ⅲw綠化。三是加強綠化苗木養(yǎng)護和綠化建設水平，在保護古樹名木的基礎上因地制宜選擇樹種，同時注重植物配置和綜合布局。

未來隨著空間信息技術發(fā)展，利用精準匹配的道路數(shù)據(jù)、分辨率更高的遙感、無人機影像以及多時序街景圖片能夠有效彌補當前數(shù)據(jù)存在的時空精度不足等問題。同時基于空天地一體的傳感器平臺結合大規(guī)模機器學習算法，有望實現(xiàn)在線自動化的城市多維綠化水平評估，切實提升城市綠化環(huán)境的評估準確度和效率。在綠化評估中融入對綠視率的考量有助于從人性化的視角理解市民對城市綠化的心理需求，更加科學地規(guī)劃和配置城市綠化，有效地提升城市整體綠化水平，從而因地制宜地推進城市精細化治理在城市綠色建設中的應用。