城市绿色基础设施适宜性及其对雨水管理的影响：基于地理空间和人工智能的评估框架

《Journal of Environmental Management》：Urban green infrastructure suitability and its impacts on stormwater management: A geospatial and artificial intelligence-based assessment framework

　　

随着城市越来越多地采用基于自然的解决方案（nature-based solutions, NBS）来增强城市韧性，绿色基础设施（green infrastructure, GI）可以减轻环境挑战，包括增加的径流。然而，大多数研究关注单一干预，仅依赖植被可见性，并且常常忽略设计可变性下的可行性约束或雨水性能。本研究引入了一个集成框架，利用地理信息系统（geographic information systems, GIS）和人工智能（artificial intelligence, AI）模型来评估GI潜力。以波兰格但斯克为案例，利用建筑特征评估了蓝绿屋顶（blue-green roofs, BGR）的适宜性。利用图像分割模型，使用街景图像估计当前绿化水平。对于绿化极低的街道，生成了假设的未来绿化情景，利用机器学习并结合环境变量和物理约束（即街道长度、树木间距和现有树木），估计实现改善街道绿化所需增加的树木数量。最后，估算了在不同降雨强度下潜在屋顶和街道绿化情景的水文性能。结果表明，20.65%的屋顶适合绿化，而38.7%的街道绿化水平低，可以从增加树木中受益。假设的绿化情景表明，需要大约48,000棵额外树木才能达到目标街道绿化水平，其中75%的街道需要7棵或更少的额外树木。高滞留蓝绿屋顶设计可减轻全市4.14%的径流，而中等冠层大小的街道树木可拦截0.21-0.22%的径流。这些发现为优先考虑以下方面提供了规划基础：i) 大型低坡建筑上的高滞留屋顶，ii) 低绿化街道上的目标树木种植，以及iii) 整合屋顶-树木绿化策略。所提出的框架是一个可转移的决策支持工具，用于可持续城市规划、气候适应和NBS范式下的雨水管理。

### 研究背景与问题所在

全球城市正面临快速城市化与气候变化带来的双重挑战，包括热浪、内涝、空气污染及社会不平等。预计到2050年，城市人口将增长60%，且沿海高风险区域人口增加25%，不透水表面扩张进一步加剧气候灾害暴露，削弱城市韧性。为应对这些挑战，基于自然的解决方案（nature-based solutions, NBS）被提出，通过保护、恢复和可持续管理生态系统来增强城市韧性。绿色基础设施（green infrastructure, GI）作为NBS的实操框架，包括公园、绿色屋顶、雨水花园和城市森林等，能提供热缓解、空气质量改善、径流管理等多重效益。然而，在密集建成区改造GI面临空间有限、用地竞争等难题，大型干预如城市公园常不可行，转而依赖小足迹方案如蓝绿屋顶（blue-green roofs, BGR）和街道树木。现有研究存在关键缺口：一是多数研究仅关注单一干预，忽视多方案协同；二是依赖固定阈值评估适宜性，忽略设计可变性下的水文性能差异；三是缺乏数据驱动方法识别街道树木种植潜力，仅通过实地调查或主观判断；四是未能量化城市尺度上不同设计情景下的径流削减累积效益。因此，亟需开发一个集成地理空间与人工智能（artificial intelligence, AI）的框架，系统评估BGR和街道树木的物理适宜性，并量化其在不同设计场景下的综合水文影响，为城市规划提供可操作支持。

### 研究内容与结论

研究人员在波兰格但斯克（Gdańsk）开展了案例研究，开发并应用了一个集成框架，涵盖：1) 基于地理信息系统（geographic information systems, GIS）的BGR适宜性评估，考虑建筑高度、坡度、面积、形状比及遗产建筑等约束；2) 利用街景图像（street-view images, SVI）和深度学习模型估计街道绿化现状，并引入绿色视角指数（green view index, GVI）、不透水面指数（impervious area index, IAI）和开放空间指数（open space index, OSI）；3) 通过机器学习（eXtreme Gradient Boosting, XGBoost）结合环境变量和物理约束，预测低绿化街道所需额外树木数量；4) 采用RESILIO模型和i-Tree方法分别评估BGR径流保留和树木冠层截留，分析不同降雨强度下的水文性能。结论表明，20.65%的屋顶适合绿化，38.7%的街道绿化极低，需约48,000棵额外树木；高滞留BGR可削减全市4.14%径流，街道树木拦截0.21-0.22%径流。该框架为优先在高滞留屋顶、低绿化街道及整合策略上提供规划依据，是一个可转移的决策支持工具，对可持续城市规划、气候适应和NBS实施具有重要意义。论文发表在《Journal of Environmental Management》。

### 关键技术与方法

研究人员采用了以下主要技术方法：1) **GIS-based BGR适宜性评估**：基于建筑足迹、数字高程模型（DEM）和数字表面模型（DSM）计算屋顶高度、坡度、面积和形状比，结合三种情景（基线、坡度加权、排除工业建筑）计算绿化潜力评分（greening potential score, GPS）。2) **街景图像深度学习分割**：使用预训练的Masked-attention Mask Transformer（Mask2Former）模型，对格但斯克街道50米间隔的Google街景图像进行像素分类，提取GVI、IAI和OSI。3) **XGBoost机器学习模型**：以现有树木分布为因变量，环境变量（归一化植被指数NDVI、地表温度LST、空气污染物NO₂、PM_2.5、PM₁₀）和街道长度、人口密度为协变量，通过五折网格搜索交叉验证调参，预测低绿化街道（GVI<0.2）在假设绿化情景下的额外树木需求，并引入缩放因子确保物理可行性。4) **水文模型**：采用RESILIO模型参数（基于荷兰阿姆斯特丹监测数据，但降雨输入为格但斯克本地强度-历时-频率曲线）评估BGR径流保留率；采用i-Tree方法估算树木冠层截留量，考虑不同冠层大小和间距。所有数据来源包括波兰国家地理数据库（Geoportal）、OpenStreetMap、Copernicus Urban Atlas、Google Earth Engine及Gdańsk水管理部门。

### 研究结果

**3.1 潜在蓝绿屋顶**：通过GIS分析，情景1下20.65%的建筑适合绿化，对应5.4 km²潜在屋顶面积；情景2结果相似；情景3（排除工业建筑）降至17.49%（3.8 km²）。适宜屋顶多为平缓坡（3-5°）、中低层（5-20 m）、中小面积（<1000 m²）且形状紧凑（形状比0.93-4）。与2021-2023年正射影像中手动识别的30个现有绿色屋顶对比，其GPS值在0.41-0.63之间，表明框架能合理识别高适宜性建筑。

**3.2 街道绿化评估**：街景分析显示，GVI均值0.223，75%的街道段GVI≤0.30；IAI均值0.355，75%段≤0.44；OSI均值0.080，75%段≤0.12。空间上，周边林区街道GVI高（0.43-0.99），密集中心街道GVI低（0.00-0.14）。以GVI<0.2为阈值，8579个街道段（38.7%）被识别为低绿化候选段。

**3.3 潜在街道绿化情景**：XGBoost模型在测试集上表现良好（R²=0.82，MAE=2.71），五折空间交叉验证R²=0.71。特征重要性分析支持模型稳健性。假设低绿化街道GVI提升至0.4-0.6，在不同间距（5 m、10 m、15 m）下，需额外树木约47,777-48,790棵（较现有树增加197-201%），平均每街道需5棵，75%街道≤7棵。空间分布显示，中心密集区容量有限（0-5棵），东南和东部林荫道与公园容量大（15-101棵）。

**3.4 水文影响——径流保留与截留**：高滞留BGR（情景1）在极端降雨（44.02 mm）下保留238.48 ML，城市影响4.14%；10年一遇（26.50 mm）保留143.57 ML（4.14%）；2年一遇（17.28 mm）保留93.62 ML（4.14%）。情景2结果相似，情景3（排除工业建筑）城市影响降至2.88%。敏感性分析显示，中等滞留设计减少约9.13%保留量，低滞留设计在极端降雨下减少52.29%。街道树木拦截：10 m间距、中等冠层下，截留百分比约0.21-0.22%，总量4.82-12.50 ML。小冠层减少拦截63.64%，大冠层增加约14%。

### 讨论与结论

讨论部分指出，该框架通过四个方面推进现有研究：1) 情景化BGR适宜性模型，柔性定义屋顶标准，支持政策决策；2) 引入IAI和OSI新指标，与GVI结合，更全面反映街道视觉环境，揭示不透水表面主导和开放空间有限；3) 通过机器学习桥接需求识别与行动定义，量化物理约束下额外树木需求，支持精细规划；4) 集成框架显示BGR与街道树木的协同效益，但需注意时间差（BGR即时见效，树木需15-20年冠层成熟）。政策含义：框架可帮助城市落实欧盟生物多样性战略和自然恢复法目标，通过识别具体屋顶和街道，将承诺转化为行动，并支持投资优先排序。局限性包括：未考虑结构承载力、所有权、社会接受度、经济可行性；街景图像时间季节性偏差；水文评估基于设计风暴而非连续模拟；树木截留未考虑茎流和土壤入渗等。

**结论翻译**：本研究通过开发一个优化城市GI的集成框架，推动了NBS的实施。研究人员将屋顶和街道绿化潜力整合到一个单一空间规划工具中，以指导规划决策。通过关注小足迹干预措施（如蓝绿屋顶和街道树木），该框架为空间有限的城市提供了实用解决方案。它结合了基于GIS的多种情景下屋顶适宜性评估，从街景图像估计街道绿化，并利用机器学习识别在低绿化街道上可增加多少树木以实现改善的街道绿化水平，同时考虑物理约束。水文分析量化了蓝绿屋顶和街道树木在减轻径流方面的附加价值。总之，这项工作提供了：i) 在数据匮乏城市中优先实施NBS的可转移路径；ii) 支持绿色空间公平分配；iii) 可操作的标准。虽然解决权衡问题需要进一步研究，但将未充分利用的屋顶和受限的街道景观转化为气候适应系统，可以帮助城市通过基于证据的NBS部署推进可持续发展目标（SDG 11和SDG 13）。