基于深度学习和3D重建的城市植被多时相可视化分析框架：S3PVI指数与季节性物种特异性评估

本研究针对传统城市绿地评估方法（如GVI）忽略植被多样性与季节动态的局限，开发了融合计算机视觉、深度学习和3D高斯泼溅（3D Gaussian splatting）技术的多时相分析框架，提出季节性物种特异性植物可视指数（S3PVI）。通过日本吹田市案例验证，该框架成功量化樱花（春季峰值45.61%）和枫树（秋季峰值56.78%）等物种的季节性视觉贡献，为生态可持续的城市设计提供数据支持。

　　

城市绿化是提升环境质量和人类福祉的关键要素，但传统评估方法如绿视率指数（GVI）仅能量化植被覆盖率，无法捕捉物种多样性、色彩丰富度和季节动态等关键特征。这些视觉特性直接影响居民的心理生理反应，却长期缺乏量化工具。日本大阪大学工程学研究科可持续能源与环境工程系（Division of Sustainable Energy and Environmental Engineering, Graduate School of Engineering, The University of Osaka）的Anqi Hu等研究人员在《Landscape Ecology》发表研究，通过整合计算机视觉、深度学习和3D重建技术，建立了一套革命性的城市植被评估体系。

研究团队采用三大核心技术：1）基于运动恢复结构（SfM）和3D高斯泼溅的街景重建技术，解决传统街景视角不一致问题；2）采用EfficientNet-b4和DANet模型实现51种城市植物的物种识别（平均IoU 82.17%）；3）创新性提出季节性物种特异性植物可视指数（S3PVI），通过标准化视角计算物种像素占比。研究选取日本吹田市两条典型街道（三色街道与仲良街道）进行实证分析，并建立7000平方米虚拟公园验证设计应用。

【数据收集与场景重建】

通过3D高斯泼溅技术重建被车辆遮挡的植被场景（图7），生成1.6米固定高度的标准化视角。对比显示重建图像显著提升植被可视性，PSNR提高5.2 dB。

【植物视觉特征评估】

语义分割模型对51种植物实现差异识别，其中柠檬天竺葵识别精度最高（IoU 92.50%），而樱花（69.61%）受花期变异影响较大。S3PVI量化显示三色街道樱花春季峰值达45.61%，枫树秋季贡献56.78%，显著高于仲良街道的23.57%（图13）。

【虚拟公园验证】

7种种植方案的S3PVI分析表明：单一物种方案季节波动剧烈（枫树SA=61.77），而三物种混合方案（樱花+枫树+黑松）兼顾多样性（SDI=0.67）与全年稳定性（YRC=0.74）（表4）。

该研究突破性地实现了物种级、多季节的城市植被可视化评估。S3PVI框架首次量化了不同植物对城市景观的时空贡献差异，三色街道的季节振幅（SA=56.78）显著高于仲良街道（SA=38.68），揭示出截然不同的植被策略。虚拟实验证实多物种方案能平衡季节亮点与持续美感，为城市更新项目提供数据驱动的设计工具。研究局限性包括樱花识别精度不足（影响春季数据分析）和样本地理局限性，未来可通过融合多源遥感数据拓展应用场景。这项技术将重塑从棕地改造到虚拟公园规划的城市设计流程，推动基于实证的生态景观决策。