1. 引言

城市绿色空间是城市居民生活品质的重要组成部分[1]，其重要性不仅体现在调节城市微气候、净化空气[2]及减少噪音[3]等生态功能上，更为城市居民打造了宜人的视觉景观，极大地提升了人们的出行体验。城市街道作为城市公共空间中的核心组成部分，与居民的日常生活息息相关，其绿化水平的高低直接影响到居民的生活品质和城市的整体生态环境[4]。

目前，城市道路绿化质量的评价主要依赖于绿地率和绿化覆盖率等二维指标[5]。尽管这些指标在量化绿化环境方面具有一定的参考价值，但受实际环境等多重因素的影响，它们难以直接映射出居民在日常生活中对绿化空间的真实体验和直观感受[6]。而绿视率(Green View Index, GVI)的发展为更精准地量化与感知城市绿化空间提供了新的视角和方法。绿视率起源于视觉环境科学[7]，是衡量城市绿色可见度的重要参数。它不仅揭示了三维空间中街道绿化的可视性和质量[8]，更进一步体现了城市居民在日常生活中所能享受到的绿色福利水平。

传统绿视率评价主要基于实地调查和现场拍摄，通过人工解译的方式，计算照片中绿色区域所占全图的比例来获得绿视率数据[9]。这种方法虽然能够提供相对准确的绿视率评估，但也受限于实地调查和人工解译的复杂性和时间成本，难以满足大范围、多区域的研究需求。近年来，随着信息技术的迅猛进步和多源大数据的广泛应用，国内学者已经开始采用海量开放的地图街景数据对街道绿视率开展研究。郝新华、龙瀛借助百度街景的丰富数据，运用机器视觉识别技术，对成都市一、二圈层区县的街道绿视率进行分析研究[10]。崔喆等则通过街景图像剖析了寒地城市绿视率与道路等级之间的内在联系[11]。此外，郑屹和杨俊宴结合街景图像数据与全卷积神经网络模型，实现了对绿视率等多个城市景观要素的大规模、高精度识别[12]。大数据与新技术的有机融合，在一定程度上化解了传统城市绿地研究中的矛盾。本文以呼和浩特市中心城区为研究对象，运用街景图像数据与深度学习方法探究中心城区街道绿视率的空间分布特征。

2. 研究区概况

呼和浩特市作为内蒙古自治区的首府，随着近年来城市化进程迅速，其城市绿色空间的建设也备受关注。本研究考虑到街景图像数据的覆盖范围，选取呼和浩特市中心城区为研究区(如图1)，该区域由北二环路、西二环路、南三环路及东二环路围合而成，总面积约218.17平方公里。这一区域不仅是呼和浩特市政治、经济、文化的中心，更是市民日常生活的核心区域，承载着丰富的城市绿化功能。为了全面反映中心城区的绿视率情况，本研究选择区域内的城市快速路、主干路、次干路及支路作为研究对象，其中城市快速路的总长度为8.13 km，主干路总长度为22.26 km，次干路总长度为12.64 km，支路总长度为25.28 km。

Figure 1.Research location map

图1.研究区位图

3. 研究数据

3.1. 路网数据

OSM (Open Street Map)是一个自由的、可编辑的世界开源地图。本文基于OSM地图获取呼和浩特市中心城区路网数据，并利用ArcGIS软件对其进行数据预处理。在处理过程中，首先将原始路网数据通过统用横轴墨卡托投影进行坐标转换，以确保数据的准确性和地理空间的一致性。接下来，对复杂的道路数据进行精简，重点保留快速路、主干路、次干路和支路等主要道路类别，并通过提取各道路的中心线，进一步简化了数据结构。为确保数据的拓扑正确性，对简化后的数据进行拓扑检查。最终，通过在道路交叉点处进行断开处理，以便后续数据处理及分析。共得到1644条路段，其中，城市快速路段132条，主干路段527条，次干路段270条，支路段715条。

3.2. 街景图像数据

百度街景地图以其独特的“人视角”实景电子地图服务，为用户提供了沉浸式的城市探索体验。本文基于路网数据和百度地图开放平台API，获取研究区域内的街景数据。在采集过程中，首先依据研究区域的矢量路网，每隔50米设置一个采样点，共获得15,410个街景数据点。然后利用Python程序编写采集代码，设定街景图片的各类参数，包括图像大小、位置坐标以及水平和垂直视角。在每个采样点捕捉前、后、左、右四个方向的街景图像，以全面反映街道的绿化情况。完成图像采集后，对获取的街景图像数据进行清洗，得到57,532张街景图像。

4. 研究方法

4.1. 图像语义分割

图像语义分割是计算机视觉领域的一个重要任务，目标是将图像中的每个像素划分到相应的语义类别中，将整幅图像分解成若干个具有特定意义的区域，如天空、绿化、道路、建筑等。Mask2Former模型是一种基于Transformer架构的通用图像分割模型，通过引入掩码注意力操作和高效的训练方法，在语义分割、实例分割及全景分割等多项任务中具有卓越性能。而ADE20K数据集是一个用于场景解析的大规模数据集，包含超过20,000张精细标注图像，涵盖了150个场景与对象类别，主要用于图像分割和场景理解任务。本文采用Mask2Former模型和ADE20K数据集对街景图片进行语义分割，识别并提取出街景图像中的绿化植物要素。分割结果如图2所示。

Figure 2.Street view picture segmentation

图2.街景图片分割示意

4.2. 绿视率计算

绿视率指的是在观察者的正常视野或特定观察区域内，绿色植被所占据的视觉比例。它不仅直观地反映了环境的绿化程度，也是衡量城市生态环境和居住舒适度的关键指标。高绿视率不仅能为市民带来更加宜人的视觉享受，增添城市景观的层次与美感，而且在改善空气质量、推动城市生态环境可持续发展方面扮演重要角色。绿视率一般通过计算街景图像中绿色植被像素量与图像的总像素量之比作为绿视率值。公式如下：

$GV{I}_n=\frac{G_n}{A_n}$

上式中， $G_n$为第n张街景图片中绿色植被所占像素量， $A_n$为街景图片中所有面域的像素总量。

5. 结果与分析

5.1. 街道绿视率空间分布特征

根据街道绿视率分布图(图3)可以看出，呼和浩特市中心城区街道的绿视率空间分布存在显著的差异性，具体表现为城市核心地带的绿化覆盖率相对较低，街道周边的可见绿色空间较为稀缺。相比之下，城市边缘区域的绿视率则表现出较高的水平，整体上形成了一种由城市边缘向中心逐渐降低的绿化梯度。

Figure 3.Spatial distribution map of street green visual rate

图3.街道绿视率空间分布图

这一空间分布特征揭示了市中心区域由于建筑密度高、空间布局紧凑，从而在一定程度上抑制了绿化空间的拓展。换言之，高度城市化的中心区域，其土地资源的稀缺性和建筑密集度，共同构成了绿化空间增长的限制因素。这种绿化梯度的存在，反映了城市发展过程中绿化与建筑空间之间的动态关系。如何在高密度的城市环境中有效提升绿视率，优化城市绿色空间布局，成为了当前城市规划与建设中亟待解决的问题。

综上所述，呼和浩特市中心城区街道的绿视率空间分布特点，不仅反映了城市中心与边缘在绿化水平上的差异，也揭示了城市化进程中绿化空间面临的挑战与机遇。

5.2. 街道绿视率统计性描述

根据图4所展示的街道绿视率样本占比结果，可以看到绿视率在不同区间的分布情况，其中，[0.057, 0.116]这一区间内的样本量最为集中，占据了中心城区街道的28%。绿视率在0.116至0.184区间的街道，占比也达到了25%。另外，有22%的街道绿视率处于0至0.057的较低水平，而绿视率在0.184至0.272之间的街道占比18%，高于0.272的街道数量相对较少，仅占全部街道的7%。

Figure 4.Statistical pie chart of street green viewing ratio

图4.街道绿视率占比统计饼状图

Figure 5.Statistical chart of sample size of street green vision rate

图5.街道绿视率样本量统计图

根据街道绿视率数值统计(图5)可以看出，呼和浩特市中心城区街道绿视率的数值区间为[0, 0.457]，绿视率平均值为0.132。总体来看，街道绿视率的样本分布表现出显著的波动性，意味着在绿视率的不同数值区间内，存在多个街道样本数量相对集中的区域，这些区域构成了多个峰值，且这些峰值之间的过渡相对平缓，并未形成突出的跳跃或断层，从而形成多峰值波动模式。可以看出，在绿视率的低值和中值区域，存在多个峰值，同时随着绿视率数值的增大，对应的样本量呈现出缓慢衰减的趋势。这说明呼和浩特市中心城区的绿视率数值分布并未出现极端的集中或偏离，而是相对均匀的。

5.3. 讨论

本研究主要关注了绿视率的静态特征，未来可以进一步探讨绿视率随时间和季节的变化规律，以及不同绿化植物种类对绿视率的贡献程度。同时，还可以结合其他相关指标，如空气质量、居民满意度等，综合评估街道绿化的生态效益和社会效益。此外，随着技术的不断发展，未来可以利用更高分辨率的遥感影像、激光雷达等数据获取更精确的街道绿化信息。

6. 结语

本研究基于街景图像数据，对呼和浩特市中心城区内街道绿化进行实证分析。研究结果表明：① 绿视率在空间分布上呈现出明显的中心–边缘格局，城市中心区域绿视率较低，边缘区域则处于较高水平；② 街道绿视率的数值分布相对均匀，且低值区间的街道占比较少；③ 后续绿化工作应聚焦城市中心区域，通过优化绿地布局和增设绿化设施等举措，着力提升这些区域的绿视率。未来，应进一步探索绿视率的动态变化及其与其他生态环境指标的关系，以推动城市的绿色发展。

参考文献