基于多源數據的城市街道綠化品質測度與規劃設計提升策略
——以福州主城區為例

李苗裔 楊忠豪 薛峰

1 研究背景

隨著近年來城鎮化率不斷提高，許多城市用地趨于飽和。城市發展不再單純追求建設速度與規模，新時期的城市規劃越來越注重以人為本和人居環境的提升[1]。2015年住房城鄉建設部提出大力開展“城市雙修”工作，即“城市修補、生態修復”，旨在修復“城市病”，改善人居環境。然而目前城市雙修的工作多關注于山水格局、歷史文脈等宏觀層面。在街道層面的綠化提升尚停留在傳統規劃層面上，缺乏人本尺度[2]32。街道綠化是城市設計層面評估城市形態的重要指標，同時是居民接觸最為頻繁的城市綠化形式。街道綠化在實用功能、景觀營建、生態效益3方面發揮的作用，是其他街道組成因素無法替代的[3]。因此，街道綠化的改善提升是城市改善人居環境品質、完成“城市雙修”任務工作中不可忽視的一環。

關于如何提升城市街道綠化品質，使街道綠化更符合以人為本的理念，已有不少學者指出，目前中國的城市綠化常用的評價指標主要用于衡量平面綠量，相比之下綠視率更貼近三維綠化效果的評估[4]。綠視率（green view index, GVI）指人的視野中綠色的占比，更貼近人的視覺綠化體驗[5]。已有研究發現GVI的提升在一定程度上能緩解人的壓力[6]，街道GVI的提升對城市整體綠化品質提升具有重要意義。

目前在街道綠化品質提升研究方面，已經積累了很多研究成果。例如，街道植物配置模式的研究[7-8]，規劃布局與景觀設計方面的研究[9-10]，以及基于生態效益角度的綠色街道研究等[11]。隨著新數據環境帶來的城市研究變革，研究視角逐漸從“以地為本”轉向“以人為本”[12]。街景圖片成為從人本尺度測度空間品質的有效數據源[13-15]，學者們有了較為便利的條件對街道GVI進行大規模的測算分析[2,16]，這大大拓寬了街道GVI的研究的“廣度”，同時也使進一步結合多源數據對GVI與綠化覆蓋率等其他指標的疊合分析成為新的研究趨勢[17-18]。Dong等[19]基于騰訊街景計算GVI，比較不同道路類型的綠化差異，并將GVI與道路參數進行了相關性分析。已有許多相關研究可以用于確定城市綠化亟須改進的區域和位置，為城市綠化修補提供宏觀導控。但在對街道具體的綠化問題方面缺少研究，如何有針對性地改善街道綠化設計的問題沒有得到解決。

已有的研究多從統計學角度研究GVI與其他指標的相關性，較少從規劃設計的角度切入。同時多在空間分布格局上探討街道綠化品質的影響因素，較少由空間分布格局深入到街道尺度，對其綠化布局形式展開研究。多源數據環境下的街道綠化測度與規劃提升策略研究，是現有街道綠化研究中較少關注的。

然而在街道綠化越來越重視人本尺度的背景下，必然需要針對一些街道進行綠化修補。已有學者基于多源數據指出衛星遙感尺度與人本尺度在城市空間中的差異[17]28，給出規劃導控方面的建議，在對比2種視角時，缺少具體的街道設計層面的差異分析與規劃建議。本研究基于較微觀的街道尺度，旨在進一步探究衛星遙感尺度與人本尺度在綠化布局上的差異性，并提出由平面轉向三維綠化的規劃布局策略，以期助推“以人為本”的規劃導控的落實。

街道綠化的品質提升可以基于衛星遙感尺度與人本尺度之間的差異，有針對性地對一些植被覆蓋率與GVI差異顯著的典型街道進行綠化布局研究。筆者首先基于騰訊街景數據，通過機器學習算法定量化精細化地計算出福州市主城區的街道GVI，以包含觀測點的250 m×250 m的網格作為研究單元[4]2，進而將其與基于衛星遙感影像提取計算的植被覆蓋率進行對比分析。并結合GVI與植被覆蓋率的空間差異性進行街道調查，總結造成差異的綠化布局特征，最終提出規劃設計提升策略，以期為城市街道更好地實現人本尺度綠化品質的營造提供支撐。

2 數據與方法

2.1 研究區域概況

以福州市主城區為研究對象，主要包括鼓樓區、臺江區、倉山區、晉安區和馬尾區（長樂于2017年底撤市設區，不納入研究范圍）。福州市位于東經118°08′～120°31′、北緯25°15′～26°39′，屬于亞熱帶海洋性季風氣候，具有夏季高溫、冬季寒冷、全年濕潤多雨等特點。福州市自然條件優越，中心區常見的園林植物約300余種，其中花灌木、常綠喬木、攀緣植物等品種繁多，為福州的城市綠化提供了良好條件[20]。

福州市于2017年初被選為“城市雙修”第二批試點城市，針對五城區388 km2范圍的城市雙修工作由此展開，目前福州城市街道層面的風貌提升主要關注于歷史文脈，城市綠化提升層面主要關注于山水關系，而對于街道綠化的集約化提升尚未明確提及。選取福州市作為研究區域，不僅由于其較好的地理區位環境，同時符合其城市環境提升的需求（圖1）。

1研究區街道分布Street distribution in the study area

2.2 數據源

2.2.1 衛星遙感影像

衛星遙感影像用于計算歸一化植被指數（normalized difference vegetation index, NDVI），并以NDVI表征植被覆蓋率。通過地理空間數據云平臺①獲取2016年7月27日少云的Landsat 8 OLI_TIRS軌道號119/41的衛星遙感影像，空間分辨率為30 m。在ENVI 5.1軟件中進行輻射定標、大氣校正、幾何校正等預處理步驟。

2.2.2 街景圖片

街景圖片用于測算街道GVI。通過公開的API接口請求的方式獲取騰訊街景地圖中245萬張街景圖片，共計41 773個觀測點數據，覆蓋整個福州主城區（圖2），通過機器學習的方法識別出天空、道路、建筑、植物等要素。

2 GVI點數據Green view index point data

2.3 分析方法

通過如下兩步對GVI、植被覆蓋率的空間特征進行深入研究：1）基于街景圖片用機器學習的方法自動識別福州市主城區245萬張街景圖片；2）根據機器學習識別的綠量計算GVI，同時用相同月份的衛星遙感影像計算NDVI。

2.3.1 基于街景圖片的機器學習自動識別

對街景圖片GVI的識別基于機器學習分割網絡工具（SegNet）提取圖像特征[21]，將圖像中的像素點分類為天空、道路、建筑、植物等要素，計算每張圖片中綠化要素所占的比例（圖3），同一觀測點以4個方向GVI的平均值作為該點的GVI值[2]33。

3 基于機器學習算法的街景圖片模式識別技術流程[21]Technical process of street view image pattern recognition based on machine learning algorithm[21]

2.3.2 歸一化植被指數計算

歸一化植被指數（NDVI），也稱為植被覆蓋指數，計算表達式為：

NDVI=（NIR–R）/（NIR+R）， （1）式中，NIR即Near Infrared，是近紅外波段的反射值；R即RED，是紅光波段的反射值。

NDVI的值域為[-1，1]，負值表示云或者地面覆蓋為水、雪等；0表示有巖石或裸土等；正值表示有植被覆蓋，且隨覆蓋度增大而增大。因此，用于表征植被覆蓋率。使用預處理后的衛星遙感影像，在ENVI 5.1平臺中計算得到NDVI，導入到ArcGIS中進行裁剪、柵格轉面等處理。

3 研究結果

3.1 福州市主城區GVI與NDVI空間分布特征

以網格作為基本單元研究福州市主城區的GVI、植被覆蓋的空間分布情況，在ArcGIS中創建250 m×250 m的網格（已有研究指出人視線所能看到的最遠距離是250 m，250 m×250 m大概符合街區尺度），保留所有包含GVI點數據的網格，共計3 226個（圖4）。將各個網格內的GVI平均值作為該網格的GVI值，并以此裁剪NDVI面數據，同樣將其平均值作為所在網格的NDVI值，最終得到附有GVI值和NDVI值的網格數據（圖5、6）。

4 裁剪后包含GVI觀測點的網格The cropped grid containing the green view index observation points

5 福州市GVI空間分布Spatial distribution of GVI in Fuzhou

6 福州市NDVI空間分布Spatial distribution of NDVI in Fuzhou

結果顯示，G V I與N D V I在空間分布特征上存在較為明顯的差異。二環內大部分區域G V I可以達到1 9%～2 8%，形成“二環內較高，二環外遞減”的“核心－邊緣”結構。僅三環沿線靠近山體的部分區域出現高值。與之相反，N D V I普遍存在“街道低，山體與城郊高”的現象，呈現自外圍向中心遞減的趨勢。三環內大部分街道區域為低植被覆蓋區，僅二環、三環的西側與北側部分街道植被覆蓋較高，N D V I值在0.1 8～0.3 2。高植被覆蓋區主要分布在三環外的自然生態環境較好的山體附近，如鼓嶺、鼓山、妙峰山等，以及城郊的快速路段，這些區域NDVI值多在0.32以上。

為更加精細地了解GVI與NDVI的數值分布情況，按5%的梯度劃分GVI為不同等級（圖7），GVI水平整體維持在0～30%，占網格樣本總數的87.1%。根據統計，福州市主城區GVI的平均值為18.10%，且GVI在10%～20%內的樣本量最多。按0.05的梯度劃分NDVI為不同等級（圖8），NDVI水平整體維持在0～0.25，占網格樣本總數的78.0%。福州市主城區NDVI的平均值為0.18，且NDVI越低其所占的樣本量越大，以低值分布為主。

7 不同GVI等級的網格數Number of grids of different GVI levels

8 不同NDVI等級的網格數Number of grids of different NDVI levels

進一步探究GVI、NDVI的分布規律，發現目前福州市綠化品質待提升的街道多存在于一些城中村等基礎設施滯后的區域，而通常發展較好地區的街道綠視率也相對較高，這反映出街道GVI的提升一般與城市片區經濟發展水平有關，經濟發展較好的片區其GVI也較高。

3.2 福州市主城區GVI與NDVI空間差異性

3.1的分析結果表明人本尺度下與衛星遙感尺度下的街道綠化品質測度結果存在較大差異。在街道綠化越來越重視以人為本的背景下，如何由傳統的綠化評估測度向人本尺度轉型是當前的重要問題。為更有針對性地開展街道綠化品質提升，篩選出GVI與NDVI差異較大的兩類網格：NDVI低而GVI高的網格，以及NDVI高而GVI低的網格。前者包含了衛星遙感尺度下品質較差，而人本尺度下街道品質較好的街道；后者包含了衛星遙感尺度下品質較好，但人本尺度下品質較差的街道（圖9、10）。

9 NDVI低而GVI高的網格Grids with low NDVI and high GVI

10 GVI低而NDVI高的網格Grids with low GVI and high NDVI

結果顯示，福州市主城區GVI與NDVI空間差異性的分布格局為：GVI高而NDVI低的區域較多，主要分布在三環內以及馬尾區建成區。GVI低而NDVI高的區域僅少數零散分布在三環內，而在三環外多沿快速路段呈線形分布。

結合分布位置與調查，可將GVI高而NDVI低的街道分為8類：1）自然風景區附近的部分路段，例如蓮花山風景區附近的萬壽路以及鼓山附近的福馬路，雖然某些路段植被覆蓋低但周邊環境好；2）河流水系附近路段，例如白馬河沿線的白馬路、晉安河沿線的晉安路和六一路以及閩江兩岸的江濱西大道和倉前路等，河流水系的沿岸綠化可能是周邊路段GVI高的原因；3）靠近公園的路段，例如西二環北路臨近左海公園，洪灣路臨近金山公園；4）學校周邊路段，例如福建農林大學北側的淮安路、至誠學院路段。校園內的綠化環境可能對內部及周邊路段的GVI提高有影響；5）工業區路段，例如福興投資區路段和羅星中路等；6）主干道路段，例如金山大道、則徐大道、鼓屏路等；7）施工篷布影響路段，通過街景調查發現：一些路段的NDVI不高而GVI高，可能受到綠色的施工篷布的干擾；8）其他，GVI的影響因素往往是多方面的，在調研過程中，一些路段沒有特別明顯的主導影響因素，歸至此類。

GVI低而NDVI高的區域較少且分布零散，僅隧道路段呈較連續的線形。主要分布于以下8類路段。1）有高差的路段，高架橋或是周邊是下沉式的公園綠化；2）農田旁的路段，周邊植被覆蓋較好，但街道綠化設施不完善；3）兩側圍擋的路段；4）空間狹窄的路段，與兩側圍擋的路段類似，通常一側建筑一側實墻；5）建設施工路段，一般其周邊環境較好，但道路的建設施工降低了觀測點的GVI；6）靠近入口的路段，一些公園入口處，例如金山公園入口；7）隧道，因隧道位于山體，NDVI高而GVI低符合常理；8）其他，調研時沒有發現明顯的主導影響因素。

3.3 福州市主城區GVI的影響因素分析

通過探究2種視角下綠化評估結果差異較大的街道布局形式，有助于探究影響GVI的消極因素與積極因素，從而提出對應的規劃提升策略，在一定程度上為城市街道下一步的綠化修補與人本化轉型提供參考，實現更加集約的街道綠化品質提升。

為進一步由空間分布格局深入到街道尺度，對街道綠化布局形式展開研究。根據空間位置，將NDVI的平均值附到由主次干道生成的地塊上（圖11），同時與GVI觀測點結合進行可視化，可以更加直觀地觀察衛星遙感尺度與人本尺度在街道層面上的差異。在此基礎上疊加3.2的兩類網格，并篩選出NDVI與GVI差異顯著的部分典型街道（圖12、13）。

11 地塊尺度的NDVI可視化結果NDVI visualization results at the plot scale

12 NDVI高而GVI低的典型街道Typical streets with high NDVI and low GVI

13 NDVI低而GVI高的典型街道Typical streets with low NDVI and high GVI

主要將街道分為兩類進行調研：NDVI高而GVI低的街道、NDVI低而GVI高的街道。調研發現：1）NDVI高而GVI低的街道，多為單幅路或沒有綠化帶的雙幅路，空間特征為實墻遮擋、道路高差、基礎設施落后以及臨街入口開敞等，可分為高差型、圍擋型、開敞型（表1）。2）NDVI低而GVI高的街道，多呈現出行道樹高大、設有綠化帶、設有街旁綠地或地塊附屬綠地景觀較好等特征，可分為窄巷型、綠帶型、環境型（表2）。

表1 NDVI高而GVI低的街道調研Tab.1 Survey of streets with high NDVI and low GVI

表2 NDVI低而GVI高的街道調研Tab.2 Survey of streets with low NDVI and high GVI

基于GVI與NDVI在空間分布與街道空間特征上呈現出的差異，可以更直觀地看到，衛星遙感尺度的綠化品質測度更多關注于平面，而人本尺度下更關注于綠化的立面效果。

4 結論與討論

NDVI與GVI分別代表了平面綠量與三維綠量。在城市發展越來越注重人本尺度的背景下，對街道綠化品質的要求也從平面到立體。對于NDVI高而GVI低的街道，需要提高三維綠量，即提高其GVI。與單純增加平面綠量投入相比，通過規劃設計手段提升三維綠量能使得綠化資源得以更高效的配置與更為集約的利用，且能最大程度上提升綠化帶給人的滿意度與獲得感。街道是居民最常使用的城市空間，街道綠化的“城市修補、生態修復”更加需要向人本尺度轉型。

本研究基于街景數據與衛星遙感影像，利用傳統遙感解譯與機器學習算法相結合的方法，對福州市主城區街道的GVI與NDVI進行了測度。從衛星遙感尺度與人本尺度存在差異的角度，以規劃設計響應為落腳點，分析不同綠化布局對GVI的影響，并總結影響三維綠量的消極因素與積極因素，一定程度上更好地解釋與回應了不同評估尺度的街道綠化的差異（圖14）。為提高人本尺度下的街道綠化品質，基于上述空間分布特征與空間差異性的分析，筆者提出以下街道綠化品質集約化提升的策略：1）城市街道應通過減少實墻圍擋、營造街旁休憩空間等方式提升沿街的景觀滲透性，并增加對街道高差變化處綠化修補的關注；2）在城市設計中應注重地塊臨街入口、臨街綠地的景觀設計；3）下階段在補足經濟發達地區的街道GVI缺陷同時，應加快完善經濟欠發達地區的綠色基礎設施建設，重視經濟欠發達地區內及與經濟發達地區交界處GVI的提升，從而提升城市街道綠化的連貫性與均衡性，最終提升城市街道整體的綠化品質。

14 不同視角下的綠化品質差異Differences in greening quality from different perspectives

值得一提的是，蘆原義信在《街道的美學》中，也曾提到立面細節對于街道環境美觀的影響[22]。下階段在針對街道綠化進行城市雙修的過程中，可以通過不同視角下的街道綠化空間差異性找出現有不足的街道綠化空間，對立面空間進行改造，從而提高路側綠化的可見性與可接觸程度。

本研究也存在以下不足：1）本研究采用的街景圖片來自街景采集車，與行人及行車對街景的實際觀察視角存在些許差別；2）在探討GVI、植被覆蓋的空間分布時，本研究以街區尺度作為參考來選擇研究統計單元（250 m× 250 m網格），統計過程中結果精細度可能受街區附近路段影響。因而未來還需要對研究方法與技術進行發展創新，以便提供更好的技術支撐，展開更為準確和深入的規劃設計響應研究。

注釋(Note)：

① 地理空間數據云平臺網址：http://www.gscloud.cn/。

圖表來源(Sources of Figures and Tables)：

圖1～2、4～13由作者繪制，底圖來自2019年高德地圖開放數據（阿里地圖選擇器）網址：http://datav.aliyun.com/tools/atlas/#&lat=30.316551722910102&lng=106.688986 66525284&zoom=3.5；圖3引自參考文獻[21]，圖14截取自百度地圖（2017年6月）；表1～2由作者繪制。