编者按

城市绿地设施是城市重要的基础设施，也是城市生态系统的关键组成部分，不仅能为市民提供生态、休闲功能，同时也是城市生态韧性强度和高质量发展的重要体现，在减少城市热岛效应、雨洪管理中发挥着积极作用。

目前，围绕城市绿地设施而开展的相关评估工作，在城市规划、编制及城市体检、城市设计等业务中均占有重要篇幅。

本专题拟针对城市绿地系统评估相关大数据及应用展开介绍，包括城市绿地碳汇公平性研究、街区内部绿视率评价、LiDAR数据在单元绿地规划中的应用、基于无人机数据的城市绿地监测应用、结合社区画像的单元绿地规划评价等，为城市绿色发展提供有益思路。

绿视率评价与城市绿地规划

绿化评价指标是衡量城市绿化建设成果水平的重要标准，然而现有的城市绿化评价指标如绿地率、绿地覆盖率、人均公园绿地面积等，主要是从二维平面垂直的角度考察城市绿化水平，忽略了三维空间中的绿色资源评估和景观效果。“绿视率”能够衡量人的视野范围内绿色植被的占比，既能反映城市绿化的立体构成，又能体现“以人为本”的城市绿化设计思想。

因此，本研究基于行人视角采集街景图像，通过深度学习计算城市典型区域的街道绿视率，进一步量化城市三维空间的绿化质量。助力完善城市绿地规划评价体系和方式，为城市绿色空间品质提升提供量化路径。

基于行人视角的街景数据采集

为分析、了解城市不同区域的绿视率，本研究选取了四类典型的城市区域进行绿视率分析计算，不同的区域分别代表了不同的城市规划模式和特征，具有较高的代表性和对比性。其中城乡结合部包括番禺区和白云区，新开发建设区、老城区、居住区分别为黄埔区、海珠区、越秀区。

研究所采用的街景图像均为2022年人工定点拍摄而得，具有较高的时效性。相较于街景车拍摄图像而言，人工拍摄更能还原行人视角的绿视率情况。此外，为保证数据的质量和准确性，研究对所有的街景图像进行了人工审核和校正，剔除或修正识别错误、遮挡不清的图像，并对所有的图像进行了统一的尺寸转换和批量压缩。

街道绿视率评价方法

街道绿视率的评价方法可能会因地区和研究目的而有所不同。目前，目视解译、阈值法和深度学习是较为常用的评价方法。本研究在评估了三种方法优缺点的基础上，最终采取了基于OneFormer的深度学习方法开展绿视率计算。

具体步骤如下：

①根据街道实地调研，以50m间隔采样，得到不同道路级别的街景图像，包括部分城中村内布路。

②利用OpenCV图像融合算法，将不同位置视角的街景图像进行融合处理，形成街道沿街图像数据。

③使用预训练模型OneFormer对街景图像数据进行语义分割，并输出各类像元的统计表。

④将要素提取结果与采样点进行空间连接，为后续分析提供数据基础。

不同区域绿视率对比

居住区。越秀区样本区域内各道路平均绿视率较高，低值道路仅出现在主干道上，说明社区内部道路空间绿化质量较好，行人步行适宜度高。

老城区。海珠区样本区域内各道路平均绿视率相对较低，绿视率等级均在中等或中等以下，低值道路出现在宝岗大道沿线以及社区内城中村道路上，受建成空间条件限制，区域整体道路绿化质量一般。

新开发建设区。黄埔区样本区域各道路绿视率中等且值相对均匀，意味着区域开发建设水平较为一致。其中绿视率等级为良的道路分布在区域内干道上，区域外围靠近外环路道路绿视率等级较低。

城乡结合部。白云区样本区域内各道路绿视率等级分布情况与黄浦区典型区域相似，但空间分布更有规律，其中绿视率等级为良的道路分布在南街与东街，而北街与西街道路绿视率等级较低。

城乡结合部。番禺区样本区域镇内道路绿视率等级整体较低且差异较大，区域内部城中村道路，受到历史建成空间格局影响，绿视率等级较低。高值道路分别分布在区域外围新建道路，以及传统城中村中心区域。

综合上述典型城市区域绿视率计算结果可以看出，每种类型的区域内道路绿视率水平都有接近性，凸显了不同城市空间形态的绿化程度具有其相应特征。而不同类型区域道路绿化质量存在差异，则说明不同的城市区域空间形态、发展水平和规划，在一定程度上会影响城市三维空间绿化质量。

例如越秀区样本区域内绿视率等级是较高的区域类型，说明该区域内居民对城市三维空间绿化感知效果较为良好，可较为充分地享受到绿化建设带来的环境效益。其余绿视率等级较低的区域主要与其区域类型有关。新开发建设地区的绿化建设还在进展阶段，相应设施场所还未完善，还有较大的提升空间。而城乡结合部和老城区，往往受到历史遗留和空间发展的制约，难以增加改善道路绿化。

本研究基于行人视角采集街景图像，结合深度学习算法计算了城市典型区域的街道绿视率，并对每一区域进行了针对性分析。采用街道绿视率指标来评价城市绿化建设成果，相比大尺度的城市绿地指标，更能凸显区域建成空间特征和区域绿化分布。监测和评估城市道路绿视率水平，有助于量化城市三维空间绿化质量，完善城市绿地评价体系，增强城市绿地认知和管理水平。可为城市专项规划、详细规划提供更明确、详实的数据分析支撑，为城市片区更新和改造策略提供更丰富的量化细节。

注：文中所用地图均来源于高德地图

国地科技：http://www.guodi.net/