城市街道层面绿色基础设施发展潜力的综合评估框架：基于多模态大模型和可解释人工智能揭示非线性效应

《Environmental Impact Assessment Review》：An integrated assessment framework for urban street-level green infrastructure development potential: Unraveling nonlinear effect via multimodal large models and explainable AI

　　

摘要
街道网络是扩展城市绿色基础设施的关键走廊。然而，现有的微型绿色空间（MGS）发展潜力评估主要基于静态多准则决策方法。这些方法未能捕捉复杂建成环境对 MGS 干预的非线性空间效应，且缺乏街道层面的城市规模预测评估能力。这一时空瓶颈阻碍了基于证据的未来影响预测和科学决策。为解决这一差距，本研究开发了一种人工智能驱动的空间评估框架。通过整合街景影像、对比语言 - 图像预训练（CLIP）模型的零样本语义感知以及 RF-SHAP 模型集成，该框架促进了对街道层面视觉特征的自动化解释，并实现了城市规模 MGS 发展潜力的定量评估。基于涵盖物理和社会经济维度的多维建成环境指标，对沈阳中部 MGS 站点的实证分析显示，到建筑物的距离（贡献率 23.00%）和到公园的距离（14.34%）是主导驱动因素。应用该框架的泛化能力，识别出研究区域内 3286 个潜在地点，客观量化了街道网络的绿化容量。此外，基于 SHAP 的聚类识别出四种不同的 MGS 类型，生成了一张双导向空间地图，使建设优先级与 MGS 发展的功能适用性相一致。结果显示，不同干预水平的 MGS 发展潜力存在显著异质性：787 个生态连接性与微气候缓解站点中有 71.0% 具有高潜力，而 796 个社会活力与社区凝聚力站点中有 81.5% 表现出较低的 MGS 发展潜力。其余洪水韧性与健康促进以及空间公平与社会包容站点主要显示出中高潜力。总体而言，这些发现支持预测性空间干预，将边缘街道转变为包容且具有气候韧性的城市资产，直接推动联合国可持续发展目标 11.7。

引言
全球气候变化与快速城市化的交汇加剧了社会生态挑战，包括公共休闲空间稀缺、生态退化以及城市韧性下降（Dong 等，2024b；Elmqvist 等，2013；Fu 和 He，2026；Guo 等，2024）。在此背景下，鉴于街道网络广泛的城市覆盖率以及与居民日常生活的紧密联系，街道网络已成为高密度城市扩展绿色基础设施的重要空间骨干（Micklewright 等，2026）。微型绿色空间（MGS）——定义为高度可达的、面积在 400 至 10,000 平方米之间的微型公共空间——代表了一种关键的城市填充绿化策略（中华人民共和国住房和城乡建设部办公厅，2024；Yang 和 Hong，2023）。由于其微观空间灵活性，MGS 可以战略性地振兴未充分利用的城市空间，包括剩余地块和棕地。通过在高密度建成环境的间隙空间中嵌入植被，MGS 不仅提供局部生态系统服务，还有效解决了大型公园留下的休闲覆盖空间赤字。因此，MGS 的实施超越了单纯的静态物理填充；它构成了一种系统的空间干预，与周围建成环境动态交互，以释放异质性的服务能力（Dong 等，2023b）。例如，在生态脆弱区，MGS 作为“生态踏脚石”有效缓解地表径流和内涝风险。相反，在人口稠密区，它们优先考虑满足居民对“街道层面自然接触”的日常需求，从而促进社区认同感和归属感（Harnik，2012）。因此，为实现基于证据的空间资源分配和社会生态空间的合理重构，必须在早期规划阶段整合异质性的城市空间特征，以指导 MGS 的精准实施（Dong 等，2024a；Li 等，2026；Luo 等，2026；Zhang 等，2025；Zhou 等，2021）。

近期研究越来越多地关注高密度城市宏观层面的 MGS 发展优先级评估（Dong 等，2023a, 2024a；He 等，2023；Hu，2018；Zhang 等，2020）。该领域的传统评估范式通常包括划定评估单元、建立空间潜力指标体系，并采用多准则决策分析（MCDA）技术——如等权重法（Zhou 等，2021；Dong 等，2025）、理想解相似度排序技术（TOPSIS）（Dong 等，2024a）和层次分析法（AHP）（Zhang 等，2020）——来生成优先级排名。例如，几项研究使用空间网格或地块作为评估单元，通过人口密度和环境属性等指标的线性聚合来量化发展优先级（Clasen 等，2026；Zhou 等，2021；Zhou 和 Wu，2020）。然而，复杂城市系统中的 MGS 规划干预需要不仅仅是评估建设优先级；它们需要对未来的综合影响进行精确的事前预测，以避免负外部性。在与这一要求对比时，现有方法在指导实际规划方面存在两个关键局限性。首先，当前的评估主要依赖网格或街区作为空间单元，基于空间同质性的隐含假设——即假设在这些聚合边界内发展机会均匀分布（Dong 等，2024a；Zhou 等，2021）。这严重掩盖了实际场地的细粒度物理可用性，使其不适合精确空间选址的严格要求。其次，传统 MCDA 框架严重依赖主观专家判断，从根本上将复杂的非线性空间动态简化为线性算术运算。这种方法论局限性将传统评估限制为产生单一的静态潜力排名。因此，它们未能揭示空间数据的潜在驱动机制，从而无法可靠预测 MGS 插入异质性城市肌理所产生的综合社会环境后果。

相比之下，机器学习（ML）在拆解多维建成环境因素与空间发展潜力之间复杂的非线性关系方面，提供了显著的数据驱动优势和强大的泛化能力（Sun 等，2023；Tao 等，2025）。通过识别现有选址模式与局部空间背景之间的隐藏关联，ML 算法有效地将复杂空间决策中的内在不确定性转化为可量化、可预测的发展潜力。这种分析范式——从历史经验数据中推断未来空间潜力——已在商业设施选址（Gao 等，2025）、电动汽车充电站规划（Elomiya 等，2024）、城市屋顶光伏改造（Ma 等，2026）和可再生能源选址建模（Tao 等，2025）等各个领域得到广泛应用。因此，它有效地弥合了主观专家判断与客观经验证据之间长期存在的差距（Ekmekcio?lu 和 Koc，2022）。然而，据我们所知，这种数据驱动范式尚未被系统地整合到 MGS 空间干预研究中。更关键的是，使用可解释的 ML 技术和多维建成环境特征，将候选地点与高质量现有 MGS 之间的环境相似性转化为基于经验的可行性估计，从而精确量化 MGS 发展潜力，仍然是该领域一个重大的理论和方法论差距。

因此，本研究旨在解决三个递进的核心科学问题：（1）如何在宏观层面快速精确地识别复杂城市街道环境中高度碎片化的潜在 MGS 地点？（2）多维建成环境因素对 MGS 发展潜力施加了哪些非线性驱动机制和空间阈值效应？（3）如何将识别出的空间机制转化为预测性事前评估工具，以精确指导不同干预场景下的细粒度规划响应？

为解决这些问题，本研究开发了一套系统的方法框架：潜在地点识别 → 非线性机制解释 → 城市 MGS 规划干预。首先，利用具有低成本、高分辨率和广泛覆盖特点的街景影像（SVI），有效捕捉潜在 MGS 地点的微观物理特征（Wu 等，2025；Yao 等，2019；Zhang 等，2018）。此外，为了克服传统深度学习方法严重依赖大量空间注释数据的关键局限性，本研究率先应用了对比语言 - 图像预训练（CLIP）多模态模型（Radford 等，2021）。该模型建立在深度跨模态特征对齐的基础上，表现出强大的零样本图像理解能力（Wu 等，2025），从而极大地提高了微观城市场景中无注释特征提取的泛化性和操作效率。具体而言，本研究涵盖三个核心目标：（1）利用 CLIP 模型的跨模态架构，实现城市尺度上高度碎片化潜在 MGS 地点的自动化智能识别，从而建立大规模 MGS 地点检测的多模态范式；（2）引入可解释机器学习方法（RF-SHAP），以克服传统 MCDA 固有的主观线性假设。这能够准确量化建成环境的非线性机制和关键空间阈值效应，为 MGS 发展潜力预测提供稳健的经验支持；（3）将 SHAP 分析的层次聚类结果转化为综合决策路径：背景特征解释 — 多维影响路径推断 — 定制化规划响应。最终，所提出的框架不仅为振兴边缘街道空间提供了稳健的决策支持，还为系统地预测和评估 MGS 空间干预的事前综合有效性提供了创新的方法论参考，从而在未来城市发展中最大化积极的社会环境外部性。

章节片段

研究区
沈阳，东北亚主要国际枢纽（人口：924.3 万）及东北老工业基地振兴的核心城市，面临紧迫的城市发展模式转变需求（图 1）。2022 年，中国住房和城乡建设部发布了《关于推动口袋公园建设的通知》，明确要求解决高密度建成区绿色活动空间短缺的问题。在这一政策的推动下，沈阳已...

方法
本研究的方法学流程如图 2 所示。首先，建立了空间数据集。从百度地图收集了 SVI 以支持潜在地点的识别。对现有 MGS 的文本记录进行了地理编码，以创建数字地点清单（即正样本）。提取并量化了与 MGS 发展潜力相关的建成环境指标。随后使用 K-means 聚类随机生成了缺失数据（即负样本）。

CLIP 模型性能
模型评估得出总体准确率 94% 和精确率 75%，确认了稳健的全局分类性能（表 2）。非潜力类别的 F1 分数为 0.96，显示出在城市环境特有的广泛非潜力区域过滤方面具有高可靠性。潜力类别返回的 F1 分数为 0.73，这归因于潜在地点特征的内在复杂性。鉴于大量的 MGS 候选地点，采用了精确率优先于召回率...

城市 MGS 发展潜力评估方法
通过整合多模态视觉 - 语言感知与可解释机器学习技术，本研究开发了一个涵盖潜在地点识别、非线性机制解释和城市 MGS 规划干预的系统性事前评估框架。该框架的主动性价值在于其能力能够量化经过算法筛选的碎片化候选地点的发展潜力。它通过提取位置见解来实现这一点...

结论
本研究开发了一个整合多模态视觉 - 语言模型（CLIP）和可解释 ML 的框架，为优化高密度城市碎片化空间内绿色公共资源的配置提供了基于证据的基础。将其应用于中国沈阳高密度建成区，得出了以下关键发现：1. CLIP 识别出 3286 个有效的潜在 MGS 地点，确认了通过再生具有相当大的城市绿化容量...

利益冲突声明
作者声明，他们没有任何已知的竞争性财务利益或个人关系可能影响本报告中所述工作的表现。

致谢
本研究得到了国家自然科学基金（编号：52208045）、辽宁省自然科学基金（编号：2025-BS-0007）和中央高校基本科研业务费（编号：DUT24RC(3)012）的支持。

郭若楠 | 董静 | 郭斐 | 魏春山
大连理工大学建筑与艺术学院，中国大连 116023