使用深度学习量化落叶期街道绿化对生态感知的影响:以上海市中心为例

《Land》:Quantifying the Impact of Street Greening During Fallen-Leaf Season on Ecological Perception Using Deep Learning: A Case Study of Central Shanghai

【字体: 大 中 小 】 时间:2026年07月25日 来源:Land 3.5

编辑推荐:

  街道绿化在塑造人类对城市环境的感知中扮演重要角色。然而,先前研究主要关注整体绿度或静态植被指标,而对街道绿化的季节性效应探索不足。本研究通过整合百度街景(Baidu Street View)、语义分割(semantic segmentation)、问卷调查(q

  
街道绿化在塑造人类对城市环境的感知中扮演重要角色。然而,先前研究主要关注整体绿度或静态植被指标,而对街道绿化的季节性效应探索不足。本研究通过整合百度街景(Baidu Street View)、语义分割(semantic segmentation)、问卷调查(questionnaire survey)和回归建模(regression modeling),开发了一个定量框架,以评估上海市中心落叶期街道绿化对生态感知(ecological perception)的影响。研究人员进行了涉及200个采样点的问卷调查,获得了生态感知评分,并构建了一个混合变量回归模型,采用五折交叉验证(five-fold cross-validation)进行验证(R2 = 0.805;调整R2 = 0.793)。结果表明:(1)多个季节性植被指标表现出区间依赖效应;(2)与低水平类别相比,落叶树比例(PDT)在中等水平呈现正向效应,但在高水平呈现负向效应;黄叶树比例(PYT)在中等和高水平均呈现负向效应,而彩色灌木和草本比例(PCSG)仅在中等水平呈现正向效应。(3)生态感知呈现空间梯度,城市核心区数值较低,外围区域数值较高,且浦西低于浦东。这些发现强调了将季节性植被特征纳入街道绿化评估的重要性。
在高度城市化背景下,街道绿化作为居民日常接触自然的重要界面,对塑造城市环境感知具有关键作用。然而,以往研究多聚焦于整体绿度或静态植被指标,忽视了季节性变化(尤其是落叶期)对生态感知的影响。生态感知(ecological perception)基于吉布森(Gibson)的生态知觉理论,强调个体通过视觉识别环境要素、解读生态信息并感知环境可供性(affordance)的主动过程,而现有研究多停留在视觉审美或心理恢复层面,缺乏对落叶期季节特征的深入探讨。为此,研究人员以上海市中心为案例,旨在构建一个集成百度街景(Baidu Street View)、深度学习语义分割和统计建模的定量框架,系统量化落叶期街道绿化特征对生态感知的影响,并揭示其空间异质性。该论文发表于《Land》期刊。

研究人员采用的主要关键技术方法包括:①基于OpenStreetMap(OSM)路网数据生成采样点,结合百度街景影像(2022年10-11月)及大众点评平台补充照片,构建多源视觉数据集;②采用U-Net(VGG16骨干)语义分割模型,对9类街景要素(如黄叶树、落叶树、彩色灌木草本等)进行像素级识别与量化,模型在验证集上达到平均交并比(mIoU)72.25%;③通过200个采样点的问卷调查获取生态感知评分(7点李克特量表),结合Pearson相关分析和逐步回归构建混合变量回归模型,并用五折交叉验证评估稳定性(R2=0.805,调整R2=0.793)。样本来源为上海市中心外环内115个街道/镇,涵盖11个行政区的不同等级道路。

研究结果分三部分:
(1)相关性分析结果:通过Pearson相关分析,发现植被相关指标(如树木比例PT、植物比例PP、红树比例PRT)与生态感知显著正相关,而人工要素(如建筑比例PB、硬质铺装比例PHP、裸露墙体比例PEW)显著负相关。空间分布上,植物比例从外环向内环递减,而红树比例在浦西黄浦江沿岸较高。
(2)关键景观指标识别:基于逐步回归构建混合变量模型,保留连续变量(PT、PP、PB、PEW)和分类变量(黄叶树比例PYT、落叶树比例PDT、彩色灌木草本比例PCSG)。模型显示:PT和PP正向影响,PB和PEW负向影响;PYT的中高水平均负向,PDT的中等水平正向而高水平负向,PCSG仅中等水平正向。五折交叉验证平均R2=0.767,表明模型稳健。
(3)生态感知空间分布与异质性:生态感知呈现内环低、外环高的同心圆梯度,浦西低于浦东。局部莫兰指数(Moran's I=0.412)表明显著空间自相关,内环多为低-低聚集,部分历史街区(如湖南路街道)呈现高-低异常值。核密度分析显示高值区集中在浦东新区及部分高植被覆盖街道。

讨论部分指出,落叶期街道绿化的生态感知受植被数量、结构、季节特征及人工界面共同影响。植被比例(PP、PT)是基础正向因素,人工要素(PB、PEW)显著削弱感知。季节指标的区间依赖效应表明,适度的落叶树、黄叶树和彩色灌木比例可提升感知,但过度单一种类则产生负面效果。空间梯度与城市发展历史、建筑密度、街道形态相关,内环老城区受限于高密度人工环境,而外环新城区及历史风貌区因植被配置更优而感知更高。研究结论强调,将季节性植被特征纳入街道绿化评估至关重要,建议通过多层次植物配置、立面绿化等策略优化人工界面,并平衡不同季节元素的比例。结论部分翻译如下:本研究聚焦落叶期街道绿化,整合百度街景大数据、计算机视觉和深度学习技术,开发了生态感知的智能量化模型,并应用于上海市中心街道的全域量化。通过文献综述、主观调查、相关分析和回归建模,识别了影响生态感知的关键景观要素,揭示了植被与人工要素的联合效应,以及不同植被配置比例对感知的区间依赖影响。在城市空间尺度上,刻画了生态感知的空间格局与聚类特征,为理解高密度城市街道质量差异提供了实证依据。研究展示了百度街景数据在城市景观感知研究中的适用性,为街道评估与优化提供了数据驱动方法,支持上海市中心精细化的城市更新策略。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号