基于街景与高分遥感影像的超大城市绿地高精度识别与空间特征解析

研究背景

城市绿地的持续建设和优化是实现联合国可持续发展目标SDG11的重要一环。城市绿地不仅可以改善城市居民生活福祉，提供多种环境正效应与生态服务价值，如缓解城市热岛效应、调蓄雨水径流、改善城市生态环境、隔离城市噪音等，还可以满足人们户外游憩、观赏、休闲、娱乐以及保持身心健康需求。

街景图像(SVI)

作为表征城市环境的一种新型大数据源，可以捕捉到建筑环境和行人互动最为频繁的城市场景，提供了近距离、立体剖面视角来描绘城市物质空间环境。

高分辨率遥感卫星

使得影像分辨率与精度得到有效提高，遥感影像具有更加丰富的空间纹理特征和语义信息，利用高分辨率影像数据获取高精度城市绿地信息。

研究方法与数据

研究区域

西安市位于中国西北地区陕西省中部，是关中平原的核心城市，属暖温带半湿润大陆性季风气候。作为历史悠久的六朝古都，西安在丝绸之路经济带沿线城市中具有承东启西、连接南北的关键战略地位。

图1 西安主城区建筑物高度布局

数据来源

表1 数据源及特征

类别	数据	时间/年	分辨率
遥感影像数据	GF-2遥感影像	2018	4 m
基础地理信息数据	行政边界	2017	-
基础地理信息数据	路网	2018	-
城市街景数据	街景图像	2021	1024像素×512像素

遥感图像分类

采用最大似然分类、ISODATA分类与K-Means分类方法。K-Means分类对影像像元进行随机选取，作为聚类中心，把每个对象分配给距离最近的聚类中心。

街景图像处理

将相邻街景采样点的间距设定为100 m，通过ArcGIS生成采样点，共获取7,982个街景图像坐标点。对人眼视觉进行多场景模拟，在45°~135°情景最符合行人视觉。

绿视率获取

基于全卷积网络（Fully Convolutional Network，FCN）的语义分割模型能将所提取的图片像元在卷积层中存储，进而对图像进行识别与分类。

研究结果

城市绿地信息提取

研究将地物类型划分为绿地、建筑、水体和其它用地4种，在多次对影像训练样本选取评价后，样本间可分离性难以达到分类精度要求。因此，选取具有代表性的大明宫遗址作为监督分类的典型示例。

分类精度对比

K-Means分类 84.5%

ISODATA分类 62.4%

绿地覆盖率

K-Means方法 0.277 0

ISODATA方法 0.360 7

街道绿视率评估

图像分割处理得到的有效绿视率采样点总数为7,822个。其中，30%采样点绿视率低于0.080 0，而43%的绿视率高于0.150 0。

西安主城区街道总体平均绿视率

0.156 0

表明西安市主城区内道路绿化水平较好

图2 街景图像处理前后效果对比

不同等级道路绿视率对比

主要道路

>0.15

次要道路

0.13-0.15

干道

0.11-0.13

三级道路

<0.11

高速公路

例外

除高速公路外，西安市整体呈现出高等级道路平均绿视率要高于低等级道路的趋势，即主要道路＞次要道路＞干道＞三级道路。

植被覆盖率与街道绿视率对比

西安市绕城高速内植被覆盖率为0.277 0，街道平均绿视率为0.156 0。整体而言，植被覆盖率高的片区，街道绿视率也相对更高，但两者又有差异。

典型案例

自然风景区附近部分路段，植被覆盖度低但街道绿视率高
河流水系附近路段，河流水系的沿岸绿化使绿视率变高
周边绿地面积少，绿化覆盖率低，但街道绿化较好

图3 绿地覆盖率与绿视率空间分布

结论与讨论

主要结论

K-Means分类结果比ISODATA分类结果更加精细，能更好地映射绿地空间特征与异质性规律。ISODATA分类结果精度为62.4%，统计绿地覆盖率为0.360 7；K-Means分类结果精度为84.5%，统计绿地覆盖率为0.277 0。

西安主城区内街道平均绿视率为0.156 0，表明街道绿化水平良好，但不同道路两极分化严重，30%采样点的绿视率不到0.080 0；主城区整体呈现出高等级道路平均绿视率高于低等级道路的趋势，即主要道路＞次要道路＞干道＞三级道路。

西安主城区内街道绿视率与片区植被覆盖率整体呈现正相关，即在西安植被覆盖率高的片区街道绿视率也相对较高，但在部分路段关联性较小，这与街道地面纵剖面图和天空俯视图之间的差异相关，二者结合可以更准确地评估和量化城市绿地。

研究局限

由于GF-2影像数据覆盖整个西安市，数据量大，处理过程耗时，非监督分类方法在参数调试上存在一定的局限性
街景图像收集过程中，顾及路网合并对采样点坐标精确度的干扰，部分道路未进行合并
百度地图采集街景的时间、季节、天气等因素都会影响处理结果