基于多源数据的城市街道绿化品质测度与规划设计提升策略——以福州主城区为例

李苗裔 杨忠豪 薛峰

1 研究背景

随着近年来城镇化率不断提高，许多城市用地趋于饱和。城市发展不再单纯追求建设速度与规模，新时期的城市规划越来越注重以人为本和人居环境的提升[1]。2015年住房城乡建设部提出大力开展“城市双修”工作，即“城市修补、生态修复”，旨在修复“城市病”，改善人居环境。然而目前城市双修的工作多关注于山水格局、历史文脉等宏观层面。在街道层面的绿化提升尚停留在传统规划层面上，缺乏人本尺度[2]32。街道绿化是城市设计层面评估城市形态的重要指标，同时是居民接触最为频繁的城市绿化形式。街道绿化在实用功能、景观营建、生态效益3方面发挥的作用，是其他街道组成因素无法替代的[3]。因此，街道绿化的改善提升是城市改善人居环境品质、完成“城市双修”任务工作中不可忽视的一环。

关于如何提升城市街道绿化品质，使街道绿化更符合以人为本的理念，已有不少学者指出，目前中国的城市绿化常用的评价指标主要用于衡量平面绿量，相比之下绿视率更贴近三维绿化效果的评估[4]。绿视率（green view index, GVI）指人的视野中绿色的占比，更贴近人的视觉绿化体验[5]。已有研究发现GVI的提升在一定程度上能缓解人的压力[6]，街道GVI的提升对城市整体绿化品质提升具有重要意义。

目前在街道绿化品质提升研究方面，已经积累了很多研究成果。例如，街道植物配置模式的研究[7-8]，规划布局与景观设计方面的研究[9-10]，以及基于生态效益角度的绿色街道研究等[11]。随着新数据环境带来的城市研究变革，研究视角逐渐从“以地为本”转向“以人为本”[12]。街景图片成为从人本尺度测度空间品质的有效数据源[13-15]，学者们有了较为便利的条件对街道GVI进行大规模的测算分析[2,16]，这大大拓宽了街道GVI的研究的“广度”，同时也使进一步结合多源数据对GVI与绿化覆盖率等其他指标的叠合分析成为新的研究趋势[17-18]。Dong等[19]基于腾讯街景计算GVI，比较不同道路类型的绿化差异，并将GVI与道路参数进行了相关性分析。已有许多相关研究可以用于确定城市绿化亟须改进的区域和位置，为城市绿化修补提供宏观导控。但在对街道具体的绿化问题方面缺少研究，如何有针对性地改善街道绿化设计的问题没有得到解决。

已有的研究多从统计学角度研究GVI与其他指标的相关性，较少从规划设计的角度切入。同时多在空间分布格局上探讨街道绿化品质的影响因素，较少由空间分布格局深入到街道尺度，对其绿化布局形式展开研究。多源数据环境下的街道绿化测度与规划提升策略研究，是现有街道绿化研究中较少关注的。

然而在街道绿化越来越重视人本尺度的背景下，必然需要针对一些街道进行绿化修补。已有学者基于多源数据指出卫星遥感尺度与人本尺度在城市空间中的差异[17]28，给出规划导控方面的建议，在对比2种视角时，缺少具体的街道设计层面的差异分析与规划建议。本研究基于较微观的街道尺度，旨在进一步探究卫星遥感尺度与人本尺度在绿化布局上的差异性，并提出由平面转向三维绿化的规划布局策略，以期助推“以人为本”的规划导控的落实。

街道绿化的品质提升可以基于卫星遥感尺度与人本尺度之间的差异，有针对性地对一些植被覆盖率与GVI差异显著的典型街道进行绿化布局研究。笔者首先基于腾讯街景数据，通过机器学习算法定量化精细化地计算出福州市主城区的街道GVI，以包含观测点的250 m×250 m的网格作为研究单元[4]2，进而将其与基于卫星遥感影像提取计算的植被覆盖率进行对比分析。并结合GVI与植被覆盖率的空间差异性进行街道调查，总结造成差异的绿化布局特征，最终提出规划设计提升策略，以期为城市街道更好地实现人本尺度绿化品质的营造提供支撑。

2 数据与方法

2.1 研究区域概况

以福州市主城区为研究对象，主要包括鼓楼区、台江区、仓山区、晋安区和马尾区（长乐于2017年底撤市设区，不纳入研究范围）。福州市位于东经118°08′～120°31′、北纬25°15′～26°39′，属于亚热带海洋性季风气候，具有夏季高温、冬季寒冷、全年湿润多雨等特点。福州市自然条件优越，中心区常见的园林植物约300余种，其中花灌木、常绿乔木、攀缘植物等品种繁多，为福州的城市绿化提供了良好条件[20]。

福州市于2017年初被选为“城市双修”第二批试点城市，针对五城区388 km2范围的城市双修工作由此展开，目前福州城市街道层面的风貌提升主要关注于历史文脉，城市绿化提升层面主要关注于山水关系，而对于街道绿化的集约化提升尚未明确提及。选取福州市作为研究区域，不仅由于其较好的地理区位环境，同时符合其城市环境提升的需求（图1）。

1研究区街道分布Street distribution in the study area

2.2 数据源

2.2.1 卫星遥感影像

卫星遥感影像用于计算归一化植被指数（normalized difference vegetation index, NDVI），并以NDVI表征植被覆盖率。通过地理空间数据云平台①获取2016年7月27日少云的Landsat 8 OLI_TIRS轨道号119/41的卫星遥感影像，空间分辨率为30 m。在ENVI 5.1软件中进行辐射定标、大气校正、几何校正等预处理步骤。

2.2.2 街景图片

街景图片用于测算街道GVI。通过公开的API接口请求的方式获取腾讯街景地图中245万张街景图片，共计41 773个观测点数据，覆盖整个福州主城区（图2），通过机器学习的方法识别出天空、道路、建筑、植物等要素。

2 GVI点数据Green view index point data

2.3 分析方法

通过如下两步对GVI、植被覆盖率的空间特征进行深入研究：1）基于街景图片用机器学习的方法自动识别福州市主城区245万张街景图片；2）根据机器学习识别的绿量计算GVI，同时用相同月份的卫星遥感影像计算NDVI。

2.3.1 基于街景图片的机器学习自动识别

对街景图片GVI的识别基于机器学习分割网络工具（SegNet）提取图像特征[21]，将图像中的像素点分类为天空、道路、建筑、植物等要素，计算每张图片中绿化要素所占的比例（图3），同一观测点以4个方向GVI的平均值作为该点的GVI值[2]33。

3 基于机器学习算法的街景图片模式识别技术流程[21]Technical process of street view image pattern recognition based on machine learning algorithm[21]

2.3.2 归一化植被指数计算

归一化植被指数（NDVI），也称为植被覆盖指数，计算表达式为：

NDVI=（NIR–R）/（NIR+R）， （1）式中，NIR即Near Infrared，是近红外波段的反射值；R即RED，是红光波段的反射值。

NDVI的值域为[-1，1]，负值表示云或者地面覆盖为水、雪等；0表示有岩石或裸土等；正值表示有植被覆盖，且随覆盖度增大而增大。因此，用于表征植被覆盖率。使用预处理后的卫星遥感影像，在ENVI 5.1平台中计算得到NDVI，导入到ArcGIS中进行裁剪、栅格转面等处理。

3 研究结果

3.1 福州市主城区GVI与NDVI空间分布特征

以网格作为基本单元研究福州市主城区的GVI、植被覆盖的空间分布情况，在ArcGIS中创建250 m×250 m的网格（已有研究指出人视线所能看到的最远距离是250 m，250 m×250 m大概符合街区尺度），保留所有包含GVI点数据的网格，共计3 226个（图4）。将各个网格内的GVI平均值作为该网格的GVI值，并以此裁剪NDVI面数据，同样将其平均值作为所在网格的NDVI值，最终得到附有GVI值和NDVI值的网格数据（图5、6）。

4 裁剪后包含GVI观测点的网格The cropped grid containing the green view index observation points

5 福州市GVI空间分布Spatial distribution of GVI in Fuzhou

6 福州市NDVI空间分布Spatial distribution of NDVI in Fuzhou

结果显示，G V I与N D V I在空间分布特征上存在较为明显的差异。二环内大部分区域G V I可以达到1 9%～2 8%，形成“二环内较高，二环外递减”的“核心－边缘”结构。仅三环沿线靠近山体的部分区域出现高值。与之相反，N D V I普遍存在“街道低，山体与城郊高”的现象，呈现自外围向中心递减的趋势。三环内大部分街道区域为低植被覆盖区，仅二环、三环的西侧与北侧部分街道植被覆盖较高，N D V I值在0.1 8～0.3 2。高植被覆盖区主要分布在三环外的自然生态环境较好的山体附近，如鼓岭、鼓山、妙峰山等，以及城郊的快速路段，这些区域NDVI值多在0.32以上。

为更加精细地了解GVI与NDVI的数值分布情况，按5%的梯度划分GVI为不同等级（图7），GVI水平整体维持在0～30%，占网格样本总数的87.1%。根据统计，福州市主城区GVI的平均值为18.10%，且GVI在10%～20%内的样本量最多。按0.05的梯度划分NDVI为不同等级（图8），NDVI水平整体维持在0～0.25，占网格样本总数的78.0%。福州市主城区NDVI的平均值为0.18，且NDVI越低其所占的样本量越大，以低值分布为主。

7 不同GVI等级的网格数Number of grids of different GVI levels

8 不同NDVI等级的网格数Number of grids of different NDVI levels

进一步探究GVI、NDVI的分布规律，发现目前福州市绿化品质待提升的街道多存在于一些城中村等基础设施滞后的区域，而通常发展较好地区的街道绿视率也相对较高，这反映出街道GVI的提升一般与城市片区经济发展水平有关，经济发展较好的片区其GVI也较高。

3.2 福州市主城区GVI与NDVI空间差异性

3.1的分析结果表明人本尺度下与卫星遥感尺度下的街道绿化品质测度结果存在较大差异。在街道绿化越来越重视以人为本的背景下，如何由传统的绿化评估测度向人本尺度转型是当前的重要问题。为更有针对性地开展街道绿化品质提升，筛选出GVI与NDVI差异较大的两类网格：NDVI低而GVI高的网格，以及NDVI高而GVI低的网格。前者包含了卫星遥感尺度下品质较差，而人本尺度下街道品质较好的街道；后者包含了卫星遥感尺度下品质较好，但人本尺度下品质较差的街道（图9、10）。

9 NDVI低而GVI高的网格Grids with low NDVI and high GVI

10 GVI低而NDVI高的网格Grids with low GVI and high NDVI

结果显示，福州市主城区GVI与NDVI空间差异性的分布格局为：GVI高而NDVI低的区域较多，主要分布在三环内以及马尾区建成区。GVI低而NDVI高的区域仅少数零散分布在三环内，而在三环外多沿快速路段呈线形分布。

结合分布位置与调查，可将GVI高而NDVI低的街道分为8类：1）自然风景区附近的部分路段，例如莲花山风景区附近的万寿路以及鼓山附近的福马路，虽然某些路段植被覆盖低但周边环境好；2）河流水系附近路段，例如白马河沿线的白马路、晋安河沿线的晋安路和六一路以及闽江两岸的江滨西大道和仓前路等，河流水系的沿岸绿化可能是周边路段GVI高的原因；3）靠近公园的路段，例如西二环北路临近左海公园，洪湾路临近金山公园；4）学校周边路段，例如福建农林大学北侧的淮安路、至诚学院路段。校园内的绿化环境可能对内部及周边路段的GVI提高有影响；5）工业区路段，例如福兴投资区路段和罗星中路等；6）主干道路段，例如金山大道、则徐大道、鼓屏路等；7）施工篷布影响路段，通过街景调查发现：一些路段的NDVI不高而GVI高，可能受到绿色的施工篷布的干扰；8）其他，GVI的影响因素往往是多方面的，在调研过程中，一些路段没有特别明显的主导影响因素，归至此类。

GVI低而NDVI高的区域较少且分布零散，仅隧道路段呈较连续的线形。主要分布于以下8类路段。1）有高差的路段，高架桥或是周边是下沉式的公园绿化；2）农田旁的路段，周边植被覆盖较好，但街道绿化设施不完善；3）两侧围挡的路段；4）空间狭窄的路段，与两侧围挡的路段类似，通常一侧建筑一侧实墙；5）建设施工路段，一般其周边环境较好，但道路的建设施工降低了观测点的GVI；6）靠近入口的路段，一些公园入口处，例如金山公园入口；7）隧道，因隧道位于山体，NDVI高而GVI低符合常理；8）其他，调研时没有发现明显的主导影响因素。

3.3 福州市主城区GVI的影响因素分析

通过探究2种视角下绿化评估结果差异较大的街道布局形式，有助于探究影响GVI的消极因素与积极因素，从而提出对应的规划提升策略，在一定程度上为城市街道下一步的绿化修补与人本化转型提供参考，实现更加集约的街道绿化品质提升。

为进一步由空间分布格局深入到街道尺度，对街道绿化布局形式展开研究。根据空间位置，将NDVI的平均值附到由主次干道生成的地块上（图11），同时与GVI观测点结合进行可视化，可以更加直观地观察卫星遥感尺度与人本尺度在街道层面上的差异。在此基础上叠加3.2的两类网格，并筛选出NDVI与GVI差异显著的部分典型街道（图12、13）。

11 地块尺度的NDVI可视化结果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

主要将街道分为两类进行调研：NDVI高而GVI低的街道、NDVI低而GVI高的街道。调研发现：1）NDVI高而GVI低的街道，多为单幅路或没有绿化带的双幅路，空间特征为实墙遮挡、道路高差、基础设施落后以及临街入口开敞等，可分为高差型、围挡型、开敞型（表1）。2）NDVI低而GVI高的街道，多呈现出行道树高大、设有绿化带、设有街旁绿地或地块附属绿地景观较好等特征，可分为窄巷型、绿带型、环境型（表2）。

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

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

基于GVI与NDVI在空间分布与街道空间特征上呈现出的差异，可以更直观地看到，卫星遥感尺度的绿化品质测度更多关注于平面，而人本尺度下更关注于绿化的立面效果。

4 结论与讨论

NDVI与GVI分别代表了平面绿量与三维绿量。在城市发展越来越注重人本尺度的背景下，对街道绿化品质的要求也从平面到立体。对于NDVI高而GVI低的街道，需要提高三维绿量，即提高其GVI。与单纯增加平面绿量投入相比，通过规划设计手段提升三维绿量能使得绿化资源得以更高效的配置与更为集约的利用，且能最大程度上提升绿化带给人的满意度与获得感。街道是居民最常使用的城市空间，街道绿化的“城市修补、生态修复”更加需要向人本尺度转型。

本研究基于街景数据与卫星遥感影像，利用传统遥感解译与机器学习算法相结合的方法，对福州市主城区街道的GVI与NDVI进行了测度。从卫星遥感尺度与人本尺度存在差异的角度，以规划设计响应为落脚点，分析不同绿化布局对GVI的影响，并总结影响三维绿量的消极因素与积极因素，一定程度上更好地解释与回应了不同评估尺度的街道绿化的差异（图14）。为提高人本尺度下的街道绿化品质，基于上述空间分布特征与空间差异性的分析，笔者提出以下街道绿化品质集约化提升的策略：1）城市街道应通过减少实墙围挡、营造街旁休憩空间等方式提升沿街的景观渗透性，并增加对街道高差变化处绿化修补的关注；2）在城市设计中应注重地块临街入口、临街绿地的景观设计；3）下阶段在补足经济发达地区的街道GVI缺陷同时，应加快完善经济欠发达地区的绿色基础设施建设，重视经济欠发达地区内及与经济发达地区交界处GVI的提升，从而提升城市街道绿化的连贯性与均衡性，最终提升城市街道整体的绿化品质。

14 不同视角下的绿化品质差异Differences in greening quality from different perspectives

值得一提的是，芦原义信在《街道的美学》中，也曾提到立面细节对于街道环境美观的影响[22]。下阶段在针对街道绿化进行城市双修的过程中，可以通过不同视角下的街道绿化空间差异性找出现有不足的街道绿化空间，对立面空间进行改造，从而提高路侧绿化的可见性与可接触程度。

本研究也存在以下不足：1）本研究采用的街景图片来自街景采集车，与行人及行车对街景的实际观察视角存在些许差别；2）在探讨GVI、植被覆盖的空间分布时，本研究以街区尺度作为参考来选择研究统计单元（250 m× 250 m网格），统计过程中结果精细度可能受街区附近路段影响。因而未来还需要对研究方法与技术进行发展创新，以便提供更好的技术支撑，展开更为准确和深入的规划设计响应研究。

注释(Note)：

① 地理空间数据云平台网址：http://www.gscloud.cn/。

图表来源(Sources of Figures and Tables)：

图1～2、4～13由作者绘制，底图来自2019年高德地图开放数据（阿里地图选择器）网址：http://datav.aliyun.com/tools/atlas/#&lat=30.316551722910102&lng=106.688986 66525284&zoom=3.5；图3引自参考文献[21]，图14截取自百度地图（2017年6月）；表1～2由作者绘制。