浙江省紹興市街景藍綠空間多維度評價

徐振 周霜 陳飛

構成人們對城市視覺印象的5個因素中，道路是人們認識城市的首要因素[1]。街道及其空間是人們戶外公共生活的主要載體[2]，其質量對于提升城市活力以及居民生活質量起著至關重要的作用。城市街道綠化能夠改善空氣質量[3]、緩解城市熱島效應[4]、減少噪聲污染和雨水徑流等[5]。除此之外，暴露于綠色空間已被證實可以促進步行行為[6-7]、改善公眾健康和提升幸福感等[8-9]。

以往對于街道綠化最詳盡的評估形式是評估人員在實地直接進行觀察，然而這種方法獲得的樣本量有限且耗時久，同時易受到評估人員主觀評價偏差的影響。近年來隨著大數(shù)據(jù)技術和互聯(lián)網(wǎng)的迅猛發(fā)展，網(wǎng)絡地圖服務商如百度地圖、騰訊地圖和谷歌地圖等都開始提供街景地圖服務，這為高精度、大規(guī)模的城市街道空間定量化研究提供了可靠的數(shù)據(jù)來源。街景圖像以人的視覺感受為核心，以接近人的視角，客觀地評估城市綠色空間在三維空間上的建設質量，比起忽略微觀差異的匯總式和平均式的二維平面城市綠化評價指標（如綠地率、綠化覆蓋率、人均公園綠地面積等），提供了更貼近居民訴求的分析依據(jù)。街景圖像數(shù)據(jù)結合開源的遙感影像數(shù)據(jù)，可以在街道空間評估的范圍、尺度和維度方面實現(xiàn)相互補充和驗證[10]，這也使得基于多源數(shù)據(jù)的復合量化指標衡量城市綠化環(huán)境成為一個新趨勢[11-12]，更可以為學者繞開數(shù)據(jù)屏障，探索城市局部或整體景觀提供新機遇。此外，對街景圖像數(shù)據(jù)的處理也從繁重的人工目視判讀法，發(fā)展到使用計算機軟件在色彩空間中提取色彩范圍內(nèi)的像素點數(shù)量來衡量街道綠化質量。最新發(fā)展起來的機器學習下的語義分割法可以實現(xiàn)對街景圖像更加精確的自動化評估，從而免去大量枯燥的手動處理，這大大拓寬了街道空間研究的廣度和深度。

與沿街綠色空間相比，很少有研究探討沿街藍色空間（河道等水體）的問題。事實上，藍色空間和綠色空間并非是2個獨立的系統(tǒng)，而是相互交織的公共開放空間網(wǎng)絡。暴露于藍色空間同樣可以帶來一系列生理和心理健康益處，藍綠空間可見度的改善對于居民的心理健康和步行行為促進有著積極的影響[13]。因此，藍綠空間的整體量化評估和通盤考慮對于藍綠耦合尤為重要，然而，目前研究不足以指導設計或者干預政策。

浙江省紹興市是著名的水鄉(xiāng)澤國，因水而生，逐水而居，以水知名。對于紹興市來說，河流是一筆巨大的資產(chǎn)，其附帶的濱水空間更是紹興人民日常生活和社會交往的重要交往空間。水陸并行、“水中有城，城中有水”的傳統(tǒng)格局是紹興的城市特色，而街道是直觀感受和展現(xiàn)水鄉(xiāng)風貌的重要空間，良好的沿街藍色空間感知對于江南水鄉(xiāng)的氛圍營造、城市特色文化的展現(xiàn)具有重要意義，但目前為止其城市藍綠空間尚未得到足夠的關注?；诖?，本研究嘗試通過街景圖像數(shù)據(jù)和遙感影像數(shù)據(jù)，對紹興市越城區(qū)二環(huán)以內(nèi)的街道進行詳盡調(diào)查并且梳理涉及人本尺度的開源數(shù)據(jù)分析流程，從而得出指導城市精細化管理的輔助信息，并據(jù)此對紹興市沿街藍綠空間建設提出優(yōu)化對策和建議。

1 研究區(qū)域與數(shù)據(jù)獲取

1.1 研究區(qū)域

紹興市位于中國浙江省的中北部，是國務院公布的全國首批24個歷史文化名城之一，距今已有2 500年的悠久歷史。紹興市具有典型的江南水鄉(xiāng)特色，市內(nèi)河網(wǎng)縱橫，共有河流6 759條，水面率約10%[14]。藍綠空間作為紹興市的城市景觀和歷史文化的載體，至今仍深刻地影響著紹興市的景觀和人們的生活[15]。

考慮到街景圖像的有效覆蓋范圍和居民日常生活的空間尺度，本研究選取紹興市越城區(qū)二環(huán)以內(nèi)的區(qū)域為研究范圍（圖1），該范圍總面積約為4 555.6 hm2；其中以護城河外側河沿以內(nèi)的區(qū)域為紹興古城，該區(qū)域是紹興的歷史文化中心，保留了傳統(tǒng)的水鄉(xiāng)風貌以及眾多的文旅景點，如魯迅故里、沈園等。

1 研究范圍Research scope

1.2 數(shù)據(jù)獲取

1.2.1 街景圖像數(shù)據(jù)

街景圖像數(shù)據(jù)來源于百度地圖開放平臺（lbsyun.baidu.com），用以表示三維空間上的沿街藍綠空間。具體操作步驟如下：1）用百度地圖截獲器軟件獲得街景導航軌跡，經(jīng)空間校正和地理配準后將其簡化并提取道路中心線；2）在ArcGIS 10.6中生成間隔為50 m的采樣點與唯一的經(jīng)緯度信息，最終確定了4 702個采樣點；3）通過自編Python腳本調(diào)用應用程序編程接口，每個采樣點獲取前、后、左、右4張街景圖片，以此來模擬一個完整的行人視角。最終獲得共計18 808張街景圖片（2020年9月），每張圖片的大小為1 024×512像素。

1.2.2 衛(wèi)星遙感影像數(shù)據(jù)

二維平面上的沿街藍綠空間數(shù)據(jù)來源于中國科學院計算機網(wǎng)絡信息中心地理空間數(shù)據(jù)云[16]的Landsat 8遙感影像圖（2018年4月28日，少云，分辨率為30 m）。在ENVI 5.3軟件中進行輻射定標、大氣校正等預處理步驟之后分別計算歸一化差分植被指數(shù)（normalized difference vegetation index, NDVI）和歸一化差分水體指數(shù)（normalized difference water index,NDWI）。

2 研究方法

2.1 指標設定

2.1.1 沿街藍綠空間感知

綠色空間感知使用綠視率（green view index, GVI）這一指標進行衡量。GVI最早由青木陽二提出，指的是人觀察視野內(nèi)綠色所占的比率[17]，是人們對于環(huán)境綠化的感知[18]。一般認為15%的綠視率是人所認可的最低限度，當綠視率為25%時會感到更加積極舒適，對人的視力和健康更加有利[19-20]。本研究參照日本學者折原夏志對綠視率的劃分標準，將紹興市的綠色空間感知分為5個等級：GVI≤5%（綠色空間感知差）；5% ＜ GVI≤15%（綠色空間感知較差）；15% ＜ GVI≤25%（綠色空間感知一般）；25% ＜ GVI ＜ 35%（綠色空間感知較好）；GVI≥35%（綠色空間感知很好）[21]。將25%作為良好綠視率目標線，≤25%的GVI被認為是客觀綠色空間感知水平不佳，>25%的GVI被認為客觀綠色空間感知水平優(yōu)良[22]。藍色空間的感知水平也參考此算法，引入藍視率（blue view index, BVI）的概念?？紤]到街道上看到的藍色空間比例遠小于綠色空間，因此對于藍色空間的感知只劃分為2個等級：藍色空間可感知（BVI>0）和藍色空間感知不佳（BVI=0）。

2.1.2 NDVI和NDWI

NDVI，一般用以表示植被覆蓋度，值在[-1, 1]之間，負值表示為云、雪、水等對可見光高反射的地面覆蓋物，正值表示地表有植被覆蓋，且越接近1表示植被覆蓋度越大。NDWI一般用以表示水體覆蓋度，值在[-1, 1]之間，負值時表示有植被覆蓋，正值表示地表有水體覆蓋，且越接近1表示水體覆蓋度越大。NDVI與NDWI計算式如下：

式中：NIR（near infrared）為近紅外波段；R為紅波段；G為綠波段。

2.2 數(shù)據(jù)處理

沿街藍綠空間是通過全卷積神經(jīng)網(wǎng)絡（fully convolution network, FCN）從街景圖像數(shù)據(jù)中提取的（圖2），使用的是基于ADE_20K數(shù)據(jù)集的深度學習視覺影像語義分割軟件[23]，該方法能夠較為準確地識別圖片中的植物，即使在無葉季節(jié)和黃昏場景中也能正確識別樹形，減少以往采集圖片中以綠色像素點的比例來表示綠視率的誤差。綠色空間的標簽選取為樹木、草地、植物和棕櫚樹等所有對GVI有貢獻的標簽。藍色空間的標簽選取為水、海、河流、湖泊、噴泉、瀑布和游泳池，不包括具有藍色物體要素（如天空等）的景觀空間。每個采樣點的GVI和BVI分別為該采樣點4個方向（前、后、左、右）的街景圖片中綠色空間和藍色空間占比的平均值（圖2）。

2 基于語義分割的街景GVI與BVI計算示例Examples for calculation of streetscape GVI and BVI based on semantic segmentation

3 研究結果

3.1 綠色空間感知

3.1.1 研究區(qū)域GVI分布特征

研究區(qū)域GVI平均值為33.6%，中位數(shù)為34.3%。這個數(shù)值與一些發(fā)達國家的城市GVI相近，如新加坡街道平均GVI為29.3%，美國坦帕街道平均GVI為36.1%[24]，表明紹興市二環(huán)內(nèi)的整體綠色空間感知較好。其中GVI>35%的采樣點的數(shù)量最多，有2 299個（占總數(shù)的48.9%）；21.2%的采樣點GVI＜15%，綠色空間感知較差；只有4個采樣點的綠視率為0。

3.1.2 GVI空間分布差異特征

研究區(qū)域綠色空間感知呈現(xiàn)從中心向邊緣遞減的趨勢（圖3）。古城范圍內(nèi)的GVI平均值為38.7%，中位值為40.3%，高于研究范圍內(nèi)的平均水平，綠色空間感知表現(xiàn)更好（圖4）。

4 古城和研究區(qū)域GVI占比Proportion of GVI in ancient city and research area

綠色空間感知差的采樣點主要分布在二環(huán)北路、二環(huán)西路、城南大道（圖3、5），這3條道路均為主干道，路幅較寬使得人視野中的植物占比下降。再加上城市建設時序的原因，GVI整體低于古城，特別是以快速路和高架橋為主的二環(huán)路，其采樣點間的GVI變化幅度較大，這種情況下，機動車駕駛員在快速移動過程中將感知高頻的視覺反差，可能會對其安全駕駛有所影響。但同樣是城市主干道，環(huán)城西路、環(huán)城北路（圖5）街道綠化水平卻更好，這可能是因為紹興市前幾年的護城河整治行動提升了護城河周圍的整體綠化環(huán)境。盡管古城整體街道綠化水平較高，但東街最東段、漁化橋河沿東段、觀音弄、惠豐路（圖5）等路段綠色空間感知水平低下，這些街道路幅較小，兩側房屋林立，空間擁擠，街道環(huán)境亟待提升。

3 GVI空間分布Spatial distribution of GVI

5 研究區(qū)域各街道街景圖Streetscape scenes in the research area

3.1.3 行政區(qū)劃GVI分布特征

行政區(qū)劃層面的街道GVI區(qū)別較大，空間分異明顯。7個街道的平均綠視率均>25%，都達到了綠色空間感知較好的水平（表1）。其中稽山街道、塔山街道和府山街道的GVI平均值均高于總體平均值，綠色空間感知很好。雖然位于古城外，但稽山街道的GVI平均值最高，為46.29%，有77.19%（616個）的采樣點GVI高于平均值，表明該街道在居民視野中看起來更“綠”。北海街道的GVI平均值最低，只有34.45%的采樣點GVI高于平均值。靈芝街道的GVI跨度在7個街道中最大，稽山街道的GVI跨度最小。

表1 研究區(qū)域各街道的GVI數(shù)值統(tǒng)計Tab. 1 Statistics of GVI values for each street in the research area

3.2 藍色空間感知

以20 m為閾值（20 m能夠從中近距離感受和欣賞水面），共有684個采樣點位于水系20 m的緩沖區(qū)內(nèi)，其中12.72%（87個）的采樣點的GVI＜5%，表明這部分的濱水空間缺乏綠化；30.12%（206個）的采樣點識別不到藍色空間，存在“臨水不見水”的現(xiàn)象。通過比對這些點位的街景圖片，發(fā)現(xiàn)造成該現(xiàn)象的原因是人工或者自然的障礙物（植被、圍墻、建筑等）阻斷了觀水的視線以及高差造成的視野內(nèi)藍色空間比例下降（圖6）。藍色空間感知不佳的點位主要分布在下大路和北海橋直街（圖7），這2條道路所夾的河道較窄，平均寬度不足10 m，兩岸植被豐茂，植物配置多為自然的“喬+灌+草”形式，未留出足夠的透景線，使得水體較難被行人感知。這種情況在西郊路東段也同樣存在。下大路的東南段（紹興市大江農(nóng)貿(mào)市場附近），百余米的濱水空間被用作停車場，車輛甚至直接停放在人行道上。這雖然是為了解決古城保護與城市擴張矛盾的無奈之舉，但顯然侵占了居民的步行空間，無疑是對古城風貌的一種破壞。

6 藍色空間感知不佳原因演示Demonstration of reasons for poor blue space perception

7 藍色空間感知不佳點位Points where blue spaces are poorly perceived

3.3 二維與三維沿街藍綠空間比較

為探究行人視角下的三維藍綠空間與俯視視角下的二維植被覆蓋信息（圖8-1、8-2）之間的相關性和差異，分別提取采樣點所在位置的NDVI和NDWI，并與對應的GVI和BVI做比較?？紤]到采樣點周圍環(huán)境的影響，在提取時使用雙線性插值法以減少誤差。最終計算得到GVI與NDVI的Pearson相關系數(shù)為0.411 6（p＜0.001，p為顯著性水平），呈中等程度相關；BVI與NDWI的Pearson相關系數(shù)為0.239 5（p＜0.001），呈弱相關（相關系數(shù)的絕對值介于0.1～0.3）。這個結論與Larkin等[25]在美國俄勒岡州的研究結果以及Marco等[8]在北京的研究結果類似，即藍綠空間與包括NDVI在內(nèi)的其他綠色空間測度指標呈弱相關性。表明了遙感影像與街景圖像在表達沿街藍綠空間時的不一致性。

為了解三維街景綠色空間與二維植被覆蓋信息差異的原因，本研究將提取到的NDVI和GVI按照自然間斷點法分為5類，比較差異較大的2種情況—NDVI低而GVI高和NDVI高而GVI低。

NDVI低而GVI高的采樣點（圖8-3）主要分布在城市次干道上，道路斷面形式多為一板兩帶式，主要分為3類：1）路幅小而行道樹冠幅大（圖9-1），如環(huán)城西路沿護城河段，多處樹冠已經(jīng)“合龍”，再加上喬、灌、草的植物配置形式，使得植被在三維空間上體現(xiàn)的效果更好；2）柵欄式圍墻的應用（圖9-2），柵欄式圍墻在起到圍合和分隔作用的同時可以不隔絕視線，為了加強圍合效果，圍墻內(nèi)外往往又會種植灌木叢或者攀緣植物，對中下層GVI起到很好的補充，如天姥路、曹江路、投醪河路等；3）周圍環(huán)境綠化的補充（圖9-3），三維上的綠色空間感知并不僅限于道路空間，當街道周圍環(huán)境綠化（如河道綠化）整體較好時，街道GVI通常也比較好，如環(huán)城北路、豐山路等。

8 二維與三維的沿街藍綠空間差異Difference between two-dimensional and threedimensional blue and green spaces along the street

9 NDVI低而GVI高的原因演示Analysis of reasons for low NDVI but high GVI

NDVI高而GVI低的采樣點（圖8-4）主要分布在城市外圍的主干道上，主要可以歸為3類：1）實墻遮擋或施工篷布遮擋（圖10-1），如府山公園環(huán)山路段以及唐郡名園西側的無名路段，大片的綠地被實墻隔離，而街道本身的綠化又不足以提供視覺上充足的綠色，導致這些街道的綠色空間感知較差；2）綠色空間錯位（圖10-2、10-3），由于高架橋或者擋土墻形成的高差，導致植被需要俯視或者仰視才能被觀察到（如二環(huán)西路），特別是采樣點所在的橋梁下方有河流經(jīng)過時，這種因為高差造成的二維、三維綠色空間測度不一致的情況會更加突出；3）植被后退或者道路拓寬（圖10-4），無論是道路寬度增大還是周圍植被與道路邊緣距離增大均會導致視野中的綠色空間比例下降，如二環(huán)南路和山陰路的交匯口、越東南路、二環(huán)南路等。

10 NDVI高而GVI低的原因演示Analysis of reasons for high NDVI but low GVI

NDWI與BVI之間的差異也可以分為2類—NDWI高而BVI低和NDWI低而BVI高。NDWI低而BVI高的采樣點（圖8-5）主要分布在小池塘或者河道較窄的地方，這些地方藍色空間本身規(guī)模較小，在30 m精度的遙感影像下未能被精確地識別到；另外，水邊植被在平面上的遮擋以及水上構筑物如廊橋等的遮擋，也會對平面上藍色空間的識別產(chǎn)生影響。NDWI 高而 BVI 低的采樣點（圖8-6）同樣受高差和障礙物兩方面的影響，也是造成“臨水不見水”現(xiàn)象的主要原因。高差、茂密的植被和車輛等障礙物，以及沒有通往濱水空間的通道等，都會導致視野內(nèi)藍色空間感知的下降。

4 討論

街景圖像數(shù)據(jù)具有模擬行人視角的獨特優(yōu)勢，這種新興的數(shù)據(jù)源結合機器學習配合的自下而上的評估方式，已被證實是測度建成環(huán)境的有效手段[26]。在當前對于城市綠化有著不同評判標準的背景下，小尺度微觀立體的街景圖像和大尺度宏觀平面的遙感影像相互補充和驗證的評估方式是識別具有藍綠發(fā)展?jié)摿Φ慕值揽臻g的強大工具，結合兩者的評估結果提出相應的優(yōu)化建議，能使有限的道路綠地提供最大限度的綠化貢獻。

紹興市于2018年對越城區(qū)的解放路、環(huán)城西路、環(huán)城南路等20條道路進行了城市景觀改造，這些道路在此次調(diào)查中都處于較好的綠色空間感知水平，表明紹興市的道路景觀治理已見成效。盡管如此，古城內(nèi)外依舊存在綠色空間感知欠佳的街道，這些街道在未來的城市規(guī)劃設計中應該得到更多的關注和資源傾斜。在綠色空間的基礎上，本研究對于藍色空間也進行了分析討論，可以為其他有著類似水鄉(xiāng)特征的城市提供沿街藍綠空間評估的方法參考。街道作為居民日常生活出行的重要載體，若是附近的濱水空間能夠融合綠色空間得到適當?shù)囊?guī)劃、設計及管理，將會是創(chuàng)造舒適宜人的步行環(huán)境、提升街道空間品質和物理環(huán)境的首選，既是生態(tài)和景觀效益的融合，也是紹興水鄉(xiāng)文化的傳承與發(fā)展。

基于上述分析，本研究對紹興市沿街藍綠空間提出3方面的提升思路。1）移除街道上的障礙物，增加街道及其附近藍綠空間的可達性和可視性。對于只有綠色空間的街道來說，減少實墻的遮擋，必要時可以使用柵欄式圍墻以保證景觀視線的通透性；對于有藍綠空間的街道來說，更是要減少圍墻、圍欄的遮擋，以及疏理水岸邊的植物、限制河岸邊的不規(guī)范停車行為等。2）因高差、路幅過大造成的視野內(nèi)綠色空間比例下降，可以通過垂直綠化（如盆栽、攀緣植物等）、增加道路分車帶綠化、配置多層次植物等補足綠化缺口，形成舒適安全的步行和車行環(huán)境。對于有條件的街道藍色空間，可以將硬質駁岸改為自然或者半自然式的駁岸，配以水生植物，營造具有水鄉(xiāng)氛圍的特色城市街道空間。3）當街道附近存在具有潛力的藍綠空間時，可以在改善周圍藍綠空間質量的同時，在城市設計、環(huán)境微改造中留出視線通廊，增加藍綠空間的可見性，這不僅能從側面提升藍綠空間感知，還可以同步提升城市平面和立面上的藍綠空間品質。

5 問題與展望

視覺是人類感知外界的最主要的方式，從行人視角評估城市街道綠化，輔以俯視視角下的遙感影像，有助于推進城市的精細修補和精準干預。本研究尚存在一些局限：1）對于一些門控社區(qū)和禁止車行的地方，百度街景圖像尚未達到百分之百的覆蓋率；2）街景車的采樣拍攝點高于人視點，存在視野范圍偏差[21]，并不能完全替代行人視角；3）由于衛(wèi)星遙感影像的分辨率的限制，對于一些寬度不足30 m的街道或者水系的識別存在一定誤差，在后續(xù)研究中需要利用更高分辨率的遙感影像及多時相街景圖像結合實地踏勘拍攝等補足數(shù)據(jù)。隨著數(shù)據(jù)類型和數(shù)據(jù)精度的增加，對街景藍綠空間動態(tài)監(jiān)測，進行大尺度、高精度、細粒度的評估將很快成為現(xiàn)實，進而為人居環(huán)境研究、實踐帶來新的機遇。

圖表來源(Sources of Figures and Table)：

文中圖表均由作者繪制。圖1、3、7底圖來源于天地圖（https://www.tianditu.gov.cn/），審圖號為GS（2021）1487號；圖2、5中的底圖和街景圖片來源于百度地圖開放平臺（https://lbsyun.baidu.com/，于2020年9月獲得）。