一种基于全景图像的方法，用于识别在直射和反射太阳辐射下的街道阴影状况：在东京中心的验证

《Building and Environment》：A Panoramic-Image-Based Method for Recognizing Street Shade Conditions under Direct and Reflected Solar Radiation: Validation in Central Tokyo

　　•开发了一种基于全景图像的方法来识别街道的阴影状况。•该方法能够识别树木、建筑物和反射相关的阴影状况。•将玻璃表面的镜面反射纳入阴影状况识别中。•一种简化方法可以通过几张参考图像来预测玻璃的位置。•在复杂的真实世界街道峡谷中实现了高识别精度。

引言
快速的城市化加剧了城市热岛（UHI）效应，使得城市过热成为一个日益严重的问题[1]。预计到2050年全球城市人口将达到68%[2]，更多的人将暴露在户外城市环境中的热应力下[[3]]、[4]]、[5]]。在影响行人的环境因素中，太阳辐射在决定户外空间的热暴露和热舒适度方面起着核心作用[[6]]、[7]]、[8]]。夏季过量的太阳辐射不仅增加了与热相关的健康风险（例如中暑）[9,10]，还影响人们的户外行为，如路线选择和空间利用[[11]]、[12]]、[13]]。因此，准确描述行人级别的辐射环境对于降低健康风险和提高城市空间的热舒适度至关重要。
在行人层面，建筑物和树木提供的阴影可以通过减少直射阳光和辐射热负荷来显著缓解热应力[[14]]、[15]]、[16]]、[17]]、[18]]、[19]]。建筑物的阴影受土地使用和建筑规划的影响很大，这些因素决定了建筑物的形状、高度和密度[[20]]、[21]]、[22]]。在高层区域，建筑物的阴影可能是影响街道空间热辐射环境的主要因素。相比之下，在低层区域，树木的阴影可以通过景观和城市绿化成为有效的补充遮阳源[[21,23]]。这些差异表明，识别阴影的来源对于将行人级别的热辐射环境与特定的城市设计策略联系起来是必要的。
然而，随着高层建筑的普遍增加，玻璃立面在城市环境中也变得更加常见[24]。高反射立面的镜面反射会将入射的太阳辐射重新导向街道空间，从而增加行人级别的太阳辐照度并产生局部热效应[[25]]、[26]]、[27]]、[28]]、[29]]、[30]]、[31]]。例如，Speroni等人[30]发现，一座高层建筑的平直镜面反射立面使行人级别的入射辐射增加了100%以上。Nishioka等人[28]也报告说，由于镜面反射，地面吸收的太阳辐射增加了100 W/m2。此外，Salvati等人[31]报告称，降低立面反射率可以使平均辐射温度（MRT）和生理等效温度（PET）分别降低3.3°C和1.6°C。这些发现表明，阴影区域并不一定是辐射均匀的：即使直射阳光被阻挡，实际的辐射条件也可能因反射阳光的存在而大不相同。因此，在评估行人级别的热辐射环境时，应考虑建筑物阴影、树木阴影和反射阳光的综合效应。
就方法而言，实地测量对于评估行人级别的辐射环境至关重要，因为它们提供了真实城市条件下的高保真数据。传统方法，如定点观测[16,23,32]和移动平台测量[16,33]，可以提供相对准确的辐射数据，但它们通常成本较高且空间覆盖范围有限。此外，尽管基于测量的方法可以量化太阳辐照度，但它们并不能轻易揭示周围城市形态中特定阴影条件的来源。数值模拟模型，如RayMan[34]、ENVI-met[35]和SOLWEIG[36]，已被广泛用作低成本替代方案，用于再现城市辐射场并研究城市形态与辐射环境之间的关系[[37]]、[38]]、[39]]。然而，这些方法往往依赖于简化的建筑物和植被几何形状，这限制了它们捕捉真实街道环境中复杂且高度局部化的辐射条件的能力。
相比之下，使用全景或街道视图图像的基于图像的方法提供了一种简单实用的方法来评估行人级别的辐射环境，因为它们直接从行人的视角捕捉周围街道的形态[[40]]、[41]]、[42]]、[43]]、[44]]、[45]]、[46]]、[47]]、[48]]、[49]]、[50]]。早期的基于图像的研究主要集中在描述街道几何形状和不同遮阳元素的贡献上。Li等人[42]通过结合Google Street View（GSV）导出的天空视图因素和建筑物高度模型来估计街道树木的遮阳效果，而Gong等人[43]使用GSV图像和基于深度学习的分割技术来映射天空、树木和建筑物视图因素。后续研究加入了太阳路径计算，以解决太阳暴露的时间维度问题。Du等人[45]计算了街道峡谷中的日照时间，并量化了建筑物和植被对日照时间减少的各自贡献，而Yue等人[46]评估了街道阴影的日变化并绘制了每小时阴影覆盖图。Fujiwara等人[48]进一步将树木透射率纳入基于全景的方法中，以估计树冠下的行人级别太阳辐照度。同时，基于图像的方法也被扩展到立面反射上。Zhu等人[49]使用街道视图全景图和镜面反射几何形状来估计直射阳光和反射阳光的时空分布，区分了晴天反射和阴影反射场景。附录A提供了代表性基于图像方法的系统比较。
现有的基于图像的研究主要沿着两个方向进展：特定来源的直射阴影评估和立面反射的时空分析。然而，这些能力在很大程度上仍然是分离的。以阴影为导向的方法通常不识别与反射相关的条件，而以反射为导向的方法主要关注立面反射，而不区分同一识别框架内的建筑物和树木生成的阴影。此外，现有的基于全景的反射分析可能需要在各个全景图上反复手动划分反射立面区域。当立面部分被树木和其他街道元素遮挡时，这种划分可能会很困难，这突显了预测不同观察点间玻璃位置的需求。因此，结合这种能力和源解析阴影条件识别的方法仍然有限。
为了解决这些差距，本研究旨在开发并验证一种集成的基于全景图像的方法，通过区分建筑物阴影和树木阴影并考虑来自玻璃立面的太阳反射来识别行人级别的阴影状况。具体来说，本研究解决了以下研究问题：
(1) 一种集成的基于全景图像的方法能否区分城市街道中不同类型的行人级别阴影状况，包括树木阴影、建筑物阴影以及受反射太阳辐射影响的状况？
(2) 是否可以从全景图像中足够准确地识别玻璃位置，以进行与反射相关的阴影状况识别？
(3) 所提出的方法在不同阴影状况和一天中的不同时间的表现如何，识别错误的主要来源是什么？
该提出的方法集成了基于全景图像的阴影识别、玻璃位置预测和几何太阳反射分析。这些组件共同实现了行人级别阴影条件的源解析识别，并有助于阐明周围城市元素如何影响局部辐射特征。通过这种方式，本研究有望为城市热环境研究做出贡献，并支持与植被规划和建筑设计（包括立面设计）相关的城市街道设计决策。
本文的其余部分组织如下：第2节描述了用于识别阴影状况的方法，包括反射识别。第3节介绍了数据收集过程和用于验证的材料。第4节展示了玻璃位置预测方法和阴影状况识别方法的验证结果，随后是阴影状况识别结果的可视化和代表性案例。第5节讨论了识别性能、可能的错误来源、适用性、局限性以及该方法的未来方向。最后，第6节总结了本文的主要发现。

总体阴影状况识别方法
图1(a)展示了所提出的阴影状况识别方法（以下简称SCR方法）的工作流程。该工作流程包括输入数据准备、图像处理、辐射成分确定和最终阴影状况识别。SCR方法使用在叶片存在和叶片脱落条件下获取的季节性全景图像作为主要的空间信息来源，以及相对的图像捕捉位置和描述街道的几何参数。

材料
本节描述了用于验证所提出的SCR方法的材料。这些材料包括三种类型的数据：(1) 作为SCR方法输入样本的全景图像；(2) 收集的现场调查数据，用于确定采样点的经过时间并建立验证用的真实阴影状况；(3) 用于获取SCR验证的几何参数和验证真实玻璃位置的激光扫描数据。

玻璃位置预测的性能
本节通过将预测的玻璃位置与基于激光扫描器的真实值进行比较来评估所提出的GLP方法的性能。GLP程序中涉及的六个参考位置被排除在定量评估之外，剩余的113个位置用于评估。图9显示了两个部分和整个数据集的精确度、召回率和F1分数的分布。总体而言，所有评估指标都显示出了相对较高的值。

整体性能评估
验证结果表明，所提出的方法在城市街道中的玻璃位置预测和行人级别阴影状况识别方面都表现出较高的性能。对于玻璃位置预测，以往的研究通常依赖使用大型注释数据集训练的深度学习方法。例如，一种结合深度学习和GIS的方法使用了大约1000张注释的街道视图图像，达到了82%的精确度和90%的召回率[55]。

结论
本研究提出了一种基于全景图像的方法，通过结合直射和反射辐射成分来识别街道阴影状况。所提出的方法使用了在东京市中心一条南北方向的高密度街道峡谷中收集的步行调查数据和3D激光扫描数据进行了验证。主要发现总结如下：
(1) 所提出的方法在识别密集城市街道中的详细行人级别阴影状况方面是有效的，包括

作者贡献声明
刘珊珊：撰写-原始草稿、概念化、方法论、软件开发、调查、正式分析、可视化、验证和资金获取。
浅泽隆：撰写-审阅和编辑、概念化、方法论、资源协调、项目管理、数据整理和资金获取。

数据可用性
用于玻璃位置预测和阴影状况识别的脚本可在GitHub仓库中找到：https://github.com/asawalab/panorama-GLP-SCR。

利益声明
作者声明他们没有已知的竞争性财务利益或个人关系可能影响本文所述的工作。