崔 喆 何明怡 陸 明

1 南京大學(xué)建筑與城市規(guī)劃學(xué)院 南京 210093 2 Center for Urban Science and Progress, New York University New York 11201 3 哈爾濱工業(yè)大學(xué)建筑學(xué)院 哈爾濱 150001

綠視率(Green View Index)是人視野內(nèi)綠色景觀所占的百分比。它相對(duì)于綠地率、綠化覆蓋率等指標(biāo)更準(zhǔn)確、更直觀。青木陽(yáng)二[1]最早提出了綠視率的概念，并研究了綠視率與空間綠量感知的關(guān)系。此后，眾多學(xué)者從綠視率的計(jì)量方法、應(yīng)用等方面開(kāi)展研究，基本奠定了理論框架。

傳統(tǒng)的綠視率測(cè)度方法是人工進(jìn)行的，即在取樣點(diǎn)人工拍攝照片，然后逐張手工描繪綠色景物的范圍并計(jì)算綠視率。近年來(lái)，隨著網(wǎng)絡(luò)街景服務(wù)的興起，使用街景圖像自動(dòng)測(cè)度街道綠視率成為可能，目前已初步發(fā)展出一套從數(shù)據(jù)獲取到圖像解譯的技術(shù)方法。Li等[2]以美國(guó)紐約曼哈頓東村為例，介紹了使用谷歌街景圖像測(cè)度綠視率的方法；郝新華等[3]對(duì)成都市的街道綠視率進(jìn)行了研究，給出了判定圖像中綠色像素的條件。由于秋冬季在我國(guó)北方城市采集的圖像中沒(méi)有綠葉，所以這一方法不能用于綠視率計(jì)算，并且多數(shù)街景圖片缺乏時(shí)間信息，很難精確剔除這些圖像。已有的研究通常采用人工手段剔除秋冬季圖像，但是這種方法的工作量巨大，在整個(gè)城市尺度的綠視率研究中使用很不現(xiàn)實(shí)，這一問(wèn)題在寒地城市中尤為突出。寒地城市的植物生長(zhǎng)期很短，如在哈爾濱，見(jiàn)綠時(shí)間僅4個(gè)月，其街景圖像中包含了大量秋冬季圖像，必須采取辦法加以剔除。此外，對(duì)街景圖像及綠視率數(shù)據(jù)的分析處理，現(xiàn)有研究多集中于分析街道綠視率的空間分布特征和對(duì)綠視率數(shù)據(jù)的統(tǒng)計(jì)描述，缺少對(duì)圖像的深入挖掘以及對(duì)多類(lèi)數(shù)據(jù)進(jìn)行綜合分析，沒(méi)有起到“數(shù)據(jù)驅(qū)動(dòng)設(shè)計(jì)”的作用。

本文以哈爾濱市為例，首先論述了使用多來(lái)源街景圖像及SIFT算法剔除秋冬季圖像的方法，隨后從整體、區(qū)域和街道3個(gè)層次對(duì)哈爾濱市綠視率數(shù)據(jù)進(jìn)行分析，以期為因地制宜確定街道綠化策略和城市綠地系統(tǒng)規(guī)劃提供指導(dǎo)和依據(jù)。

1 數(shù)據(jù)獲取及圖像解譯

數(shù)據(jù)獲取及圖像解譯階段主要包括地圖預(yù)處理、獲取圖像、解析圖像3部分。

1.1 研究范圍與地圖預(yù)處理

本文的研究范圍是哈爾濱市環(huán)城高速以?xún)?nèi)區(qū)域，總面積592.9 km2；納入綠視率計(jì)算的街道總長(zhǎng)度為1 488.08 km；使用的地圖數(shù)據(jù)為2015年道路導(dǎo)航數(shù)據(jù)。進(jìn)行坐標(biāo)配準(zhǔn)、轉(zhuǎn)單線(xiàn)之后，按80 m一段將每條道路分段，每段道路的中點(diǎn)即為該段道路的取樣點(diǎn)。

1.2 獲取圖像

通過(guò)Python腳本調(diào)用地圖API批量下載圖片，需要圖像大小、坐標(biāo)或場(chǎng)景號(hào)、偏航角、俯仰角和視角5個(gè)參數(shù)。場(chǎng)景號(hào)由取樣點(diǎn)的經(jīng)緯度坐標(biāo)得到；偏航角為地圖預(yù)處理階段得到的道路走向；俯仰角設(shè)為0°；鏡頭視角根據(jù)日本大阪府綠視率調(diào)查方針[4]確定為24 mm鏡頭對(duì)應(yīng)的視角84°。下載各取樣點(diǎn)前、后、左、右4個(gè)方向的街景圖像。

1.3 解析圖像

1.3.1 計(jì)算綠視率

將綠色景物在視野中的比例近似為綠色像素在圖像中的比例，為避免判定范圍過(guò)寬，取色相值在70°～170°的像素為綠色像素。首先將街景圖像轉(zhuǎn)換為HSV色彩空間，然后計(jì)算綠色像素在總像素?cái)?shù)中的占比。取樣點(diǎn)的平均綠視率為4個(gè)方向綠視率的算術(shù)平均數(shù)。

1.3.2 剔除冬季圖像

基本思路是獲取2套不同來(lái)源的街景圖像，相互替換各自的秋冬季圖像。概率解釋為：如果每個(gè)來(lái)源有10%的秋冬季圖像，即取樣點(diǎn)的圖像在秋冬季拍攝的概率是10%，那么在這一點(diǎn)圖像同時(shí)為秋冬季采集的概率為10%×10%=1%。具體過(guò)程為：首先分別計(jì)算兩套街景圖像的綠視率，然后求同一取樣點(diǎn)平均綠視率的差值，由數(shù)值分布直方圖確定閾值為10%，對(duì)差值在閾值以上的一對(duì)圖像，使用SIFT算法判斷兩幅圖像是否相似，如果相似，則說(shuō)明該組圖像包含了相同的景物但拍攝時(shí)間不同，可以取較高值。

在眾多圖像匹配算法中，SIFT算法(尺度不變特征轉(zhuǎn)換算法，Scale-Invariant Feature Transform)較適合街景圖像的匹配，圖像的旋轉(zhuǎn)、縮放、明暗變化不影響它的識(shí)別，視角變化所造成的影響也不是很大。所以該算法可以較準(zhǔn)確地識(shí)別出相似的街道景物，確定2幅街景圖像是否匹配。

使用Python及OpenCV庫(kù)完成匹配識(shí)別。去色后識(shí)別結(jié)果如圖1所示，一對(duì)匹配點(diǎn)用線(xiàn)條相連的兩個(gè)同色點(diǎn)表示。a、b由于車(chē)輛遮擋造成了綠視率的偏差，相同景物很少，故匹配點(diǎn)數(shù)量很少，且多為錯(cuò)配點(diǎn)；c、d是在不同季節(jié)拍攝的，匹配點(diǎn)數(shù)量非常多。本文先使用少量圖像進(jìn)行試計(jì)算，確定匹配點(diǎn)數(shù)量的最小值，然后按照這一門(mén)檻判定其余圖片是否匹配，最后得到更正秋冬季圖像后的綠視率數(shù)據(jù)。

圖1 兩組SIFT算法匹配的樣本

2 分析方法

2.1 不同分區(qū)綠視率特征的分析方法

將基于POI的用地劃分與街道綠視率數(shù)據(jù)疊加分析，從而得出綠視率的空間分布特征。

1) 基于POI的城市中心區(qū)識(shí)別。傳統(tǒng)上并沒(méi)有對(duì)城市中心區(qū)或郊區(qū)的明確界定，為解決這一問(wèn)題，本文根據(jù)POI點(diǎn)的密度識(shí)別城市中心區(qū)。POI越密集的區(qū)域內(nèi)，各類(lèi)設(shè)施網(wǎng)點(diǎn)就越多，越符合城市中心區(qū)的特征。使用該密度估計(jì)方法[5-7]進(jìn)行POI高密度集聚區(qū)域的識(shí)別，并將識(shí)別結(jié)果映射到各街區(qū)中。

2) 基于POI的用地功能劃分。城市總體規(guī)劃中的用地性質(zhì)對(duì)本研究而言實(shí)用性不強(qiáng)，因?yàn)槠溆玫匦再|(zhì)劃分過(guò)細(xì)，并且用地性質(zhì)與現(xiàn)狀不一定相符。所以本文借鑒Hoek[8]關(guān)于功能混合利用的研究，從3個(gè)維度概括街區(qū)功能，即居住(A)、工作(W)和服務(wù)(S)，這3個(gè)維度相互混合又組合出4種混合功能，即居住-工作(A-W)、居住-服務(wù)(A-S)、工作-服務(wù)(W-S)與居住-工作-服務(wù)(A-W-S)。

2.2 不同等級(jí)道路綠視率特征的分析方法

繪制視野綠色像素分布熱度圖，記錄每一個(gè)位置的像素上綠色像素的出現(xiàn)次數(shù)，分級(jí)設(shè)色繪制熱度圖，出現(xiàn)次數(shù)多的地方繪制為紅色，出現(xiàn)次數(shù)低的地方繪制為藍(lán)色。通過(guò)這一方法，可對(duì)比不同等級(jí)道路中綠色景物的分布狀況。

2.3 技術(shù)路線(xiàn)

綜上所述，本文從數(shù)據(jù)獲取到數(shù)據(jù)分析的全流程技術(shù)路線(xiàn)如圖2所示。

圖2 總體技術(shù)路線(xiàn)

3 區(qū)域綠視率特征分析

3.1 綠視率總體數(shù)值特征

經(jīng)過(guò)錯(cuò)誤更正后得到哈爾濱市22 117個(gè)取樣點(diǎn)上的綠視率信息。總體來(lái)看，哈爾濱市街道的平均綠視率為15.75%，低于全球主要城市平均水平19.03%。從綠視率數(shù)值分布直方圖(圖3)可見(jiàn)，多數(shù)街道的平均綠視率分布在5%～15%的區(qū)間內(nèi)。根據(jù)青木陽(yáng)二[1]的研究，綠視率在25%以上的街道會(huì)使人對(duì)周邊綠化環(huán)境有比較好的感受。而在哈爾濱市的全部取樣點(diǎn)中，平均綠視率在25%以上的高綠視率街道區(qū)段只有3 591個(gè)，僅占16.24%。

圖3 哈爾濱市街道綠視率的數(shù)值分布直方圖

3.2 綠視率總體空間分布

幾個(gè)高綠視率的集中區(qū)有太陽(yáng)島風(fēng)景區(qū)、高新區(qū)組團(tuán)和經(jīng)開(kāi)區(qū)組團(tuán)。太陽(yáng)島風(fēng)景區(qū)的定位是以風(fēng)景游覽、文化游賞、郊野休閑度假為主要功能的風(fēng)景名勝區(qū)，區(qū)內(nèi)開(kāi)發(fā)強(qiáng)度低，街道綠化較受重視，整體的高綠視率符合其定位；而高新區(qū)和經(jīng)開(kāi)區(qū)則是自20世紀(jì)90年代開(kāi)始建設(shè)的城市新區(qū)，相對(duì)于老城區(qū)，其建設(shè)起點(diǎn)較高，規(guī)劃時(shí)預(yù)留有完善的開(kāi)放空間系統(tǒng)，街道兩側(cè)綠化組織也比較完整；相對(duì)于近10年發(fā)展起來(lái)的新城區(qū)，其樹(shù)木樹(shù)齡基本在10年以上，枝繁葉茂，景觀效果更優(yōu)秀。

除了這3個(gè)成塊的高綠視率區(qū)域，松花江南岸沿岸道路的綠視率也處于較高水平，與太陽(yáng)島類(lèi)似，沿松花江濱水區(qū)域也是哈爾濱市重要的公共綠地，景觀價(jià)值突出。主城區(qū)內(nèi)部以及松花江北岸也有一定數(shù)量的高綠視率街道，但由于分布離散，實(shí)際的景觀效果以及街道空間的綠色特性也較差。

3.3 城市中心區(qū)與郊區(qū)的綠視率差異

將綠視率特征與基于POI的城市中心區(qū)識(shí)別結(jié)果疊加分析，得到城市中心區(qū)和郊區(qū)的綠視率平均值分別為14.17%和16.66%。這一結(jié)果符合人們的一般印象，即中心區(qū)的街道更偏向人工景觀，而郊區(qū)的街道更偏向自然景觀[9]。

據(jù)資料記載，哈爾濱市中心城區(qū)的綠化曾經(jīng)處于較高水平。街道空間的主要特點(diǎn)是建筑層數(shù)不高，退后紅線(xiàn)距離較遠(yuǎn)，沿街綠化帶十分寬闊。但是由于新建筑不斷拔地而起擠占了綠地，并且由于原有道路通行能力差而不得不拓寬，導(dǎo)致人行道被擠占，寬度不滿(mǎn)足植樹(shù)要求。補(bǔ)種的行道樹(shù)矮小細(xì)瘦，短期內(nèi)無(wú)法形成景觀效果。所以，應(yīng)該審慎地對(duì)待老城區(qū)道路拓寬，劃定禁止拓寬的道路名錄[10-11]。

3.4 不同功能區(qū)的綠視率差異

不同功能的街道對(duì)街道綠化的要求存在差異。商業(yè)商務(wù)型街道為了避免遮擋沿街商業(yè)的視線(xiàn)，應(yīng)營(yíng)造通透舒朗的綠化景觀，植物的冠幅應(yīng)較小，株距較寬；而以居住功能為主的街道為了阻擋車(chē)行道上的噪音、尾氣，營(yíng)造私密、安靜的居住空間，應(yīng)選用大喬木形成連續(xù)的林蔭樹(shù)列。對(duì)綠視率的預(yù)期自然是居住街區(qū)的綠視率較高，而商業(yè)街道的綠視率較低。

基于POI的用地功能劃分結(jié)果，由于郊區(qū)的功能比例偶然性過(guò)大，故只疊加分析城市中心區(qū)內(nèi)街區(qū)功能與綠視率的關(guān)系。7種街區(qū)的平均綠視率分別為：居住型(A)占14.3%；居住-工作型(A-W)占14.47%；工作型(W)占15.39%；工作-服務(wù)型占(W-S)13.98%；服務(wù)型(S)占13.72%；居住-服務(wù)型(A-S)占13.52%；居住-工作-服務(wù)型(A-W-S)占15.67%。

分析結(jié)果在一定程度上支持了之前的預(yù)期，單一功能街區(qū)的綠視率排序是：服務(wù)<居住<工作，兩種功能混合街區(qū)的綠視率介于兩單一功能街區(qū)中間。但居住-工作-服務(wù)(A-W-S)型街區(qū)的綠視率卻是最高的，該類(lèi)街區(qū)主要包含大學(xué)及附近街區(qū)，綠化相對(duì)更成系統(tǒng)。工作(W)型街區(qū)綠視率較高的原因是工廠(chǎng)、公司等單位的開(kāi)放性較差，外圍綠化帶建設(shè)完整。居住-服務(wù)(A-S)型街區(qū)主要分布在老城區(qū)，住宅樓底層有較多底商，故其綠視率與單一服務(wù)(S)型街區(qū)的差距不大。

4 不同等級(jí)道路綠視率特征分析

將街道綠視率與該段道路的道路等級(jí)疊加分析，道路等級(jí)按照《哈爾濱市城市總體規(guī)劃(2011-2020年)》共分5級(jí)，即高速公路、快速路、主干道、次干道和支路。

4.1 不同等級(jí)道路綠視率的數(shù)值差異

分別計(jì)算各等級(jí)道路的平均綠視率及前后、左右方向綠視率，結(jié)果顯示：快速路的平均綠視率最高(16.45%)；其次是主干道和支路，分別為16.09%和16.03%；再次是次干道(15.00%)；高速公路最低(12.68%)。結(jié)果并不像預(yù)期一樣，即道路等級(jí)越低，綠視率越高。這可能與城市快速路和主干路多有中央綠化隔離帶有關(guān)，也可能由于快速路和主干路充當(dāng)城市名片，其綠化較受重視。

4.2 不同等級(jí)道路綠色在視野中的分布

分別繪制各等級(jí)道路平均綠視率大于25%和小于25%的路段的前后視角熱度圖，以對(duì)比不同等級(jí)道路上綠色要素分布的差異(圖4)。

圖4 各等級(jí)道路的前后視角綠色像素分布熱度圖

從圖4可以發(fā)現(xiàn)，不同等級(jí)道路的綠色景物分布差異比較明顯。一般而言，道路等級(jí)越高，道路寬度也就越大，路面在視野中所占的比例也就越大，而行道樹(shù)所占比例就越小。但是，快速路和主干路在視野中都有較大面積的中等熱度區(qū)域，分散在行道樹(shù)兩側(cè)，這是因?yàn)橹醒刖G化帶的存在使植被更靠近視點(diǎn)，有效增加了綠視率，但不能無(wú)限制地增加中央綠化帶中樹(shù)木的種植密度，應(yīng)避免遮擋行車(chē)視線(xiàn)[12]。

在次干道以及支路的熱度圖中，行道樹(shù)所在的高熱度區(qū)域面積占比很大，這說(shuō)明行道樹(shù)是決定綠視率最主要的因素。因此，對(duì)次干道和支路的街道空間進(jìn)行設(shè)計(jì)需認(rèn)真考慮行道樹(shù)的株距、樹(shù)種和紅線(xiàn)距離等，以綠視率為工具，創(chuàng)造綠色、友好的街道空間。此外，合理搭配小灌木和地被植物，可有效提高綠視率[13]。

5 展望

本文基于SIFT算法，提供的剔除冬季街景圖片的方法對(duì)嚴(yán)寒地區(qū)的綠視率測(cè)度不至于出現(xiàn)太大的偏差。在對(duì)哈爾濱市街道綠視率進(jìn)行整體分析的基礎(chǔ)上，基于街區(qū)混合功能模型分析了不同功能街道綠視率的特征；提出了繪制綠像熱度圖的方法分析綠視率與道路等級(jí)的關(guān)系。此外，本文雖然解決了冬季圖片對(duì)數(shù)據(jù)的干擾問(wèn)題，但對(duì)于一些“非植物”的綠色，比如施工篷布、綠色的車(chē)輛等卻無(wú)法分辨。在今后的研究中，可借助機(jī)器學(xué)習(xí)，具體研判圖像中出現(xiàn)的各種要素，提高識(shí)別精確度，并拓展街景圖像在城市研究中的適用范圍。

備注：

1. 資料來(lái)源：MIT Senseable City Lab：http://senseable.mit.edu/treepedia

2. 關(guān)于本研究的更多可視化結(jié)果、源代碼及原始數(shù)據(jù)庫(kù)，可聯(lián)系作者索取