基于计算机视觉与街景图像的城市街道绿化泛类结构量化分析与分布机制研究

在全球城市化和环境压力加剧的背景下,对城市街道绿化泛类结构(urban street greening general structure,USGGS)的量化是加强城市区域碳汇、缓解城市热岛效应以应对全球气候变化的重要前提。通过量化与分析不同城市的USGGS,探究其与城市建成环境之间的关系。使用改进的DeepLabV3+神经网络模型,对天津、杭州、深圳的城市全景街景图像进行语义分割,并结合细粒度数据量化USGGS,使用Robust回归模型分析USGGS与城市功能属性POI的关系。研究显示,天津的USGGS主要由单乔木和乔-灌结构组成,与商业属性和生活属性的POI紧密相关;而杭州和深圳则展现出包括草本植物在内的多样化USGGS与休闲文化设施的POI更强的关联性。通过对3个城市USGGS的量化、分析与比较,为城市绿色基础设施规划和管理奠定了一定的数据基础,同时基于城市街景图像对USGGS的分析也为城市碳汇计算与城市热环境研究提供了新的视角。