《Frontiers in Ecology and Evolution》：Quantifying spatial heterogeneity and associated factors of Nanjing’s street green view index using urban vegetation structure and street view imagery
编辑推荐：
城市街道绿化通常采用街道层面的视觉指标或基于遥感的植被指数进行评估。然而，在不同季节、不同植被组成以及异质性城市情境下，行人可见绿量与俯视植被绿度之间的关系仍缺乏充分理解。研究以中国南京为案例，构建了一个覆盖全市的分析框架，整合百度街景影像、语义分割、基于归一
城市街道绿化通常采用街道层面的视觉指标或基于遥感的植被指数进行评估。然而，在不同季节、不同植被组成以及异质性城市情境下，行人可见绿量与俯视植被绿度之间的关系仍缺乏充分理解。研究以中国南京为案例，构建了一个覆盖全市的分析框架，整合百度街景影像、语义分割、基于归一化植被指数（NDVI）的遥感数据、植被组成信息以及空间分析方法。研究使用118,830张有效全景街景影像，计算南京道路网络沿线的绿视率（GVI）。分析内容包括GVI的空间分布、其与NDVI的关系、GVI–NDVI对应关系的季节变化、植被组成特征、道路等级与功能分区差异，以及局部聚类格局。结果表明，南京道路沿线可见绿量表现出显著空间异质性，全市平均GVI为0.273，标准差为0.208。高GVI区域主要集中于重要生态与滨水景观周边，包括紫金山南麓和秦淮河廊道；低GVI区域则更多分布于高密度商业中心、交通枢纽以及老工业—居住混合片区。GVI与NDVI呈中等程度正相关，表明街道层面可见绿量与遥感反演植被绿度彼此相关，但不可相互替代。二者关系还表现出季节差异：春季相关性最弱，夏季增强，秋季达到最高，冬季略有下降。植被组成进一步导致GVI–NDVI对应关系出现差异，道路沿线绿地主要由乔木和草地占据，而灌木所占比例明显较小。道路等级和功能分区分析显示，人行道、内部道路、生态区和公共区通常具有更高的GVI值，而交通优先型道路及高度城市化功能区往往表现出较低的可见绿化水平。这些发现证明，在城市绿化评估中结合基于街景的指标与基于遥感的指标具有重要价值。同时，研究强调，在全市尺度街道绿化评价中，需要综合考虑季节背景、植被组成、道路层级和功能分区。所提出的分析框架可为南京及其他空间异质性城市开展更加差异化的街道可见绿化评估与规划提供支持。
该研究发表于《Frontiers in Ecology and Evolution》，聚焦城市街道绿化评估中“可见绿量”与“俯视绿度”之间的尺度差异及其空间分异问题。城市街道是居民日常使用最频繁的公共空间之一，街道绿化不仅具有缓解城市热岛、改善空气质量、降低交通噪声和调节微气候等生态功能，也直接影响行人的热舒适、视觉愉悦和主观福祉。传统绿化评估多采用绿化覆盖率、绿地率或归一化植被指数（NDVI）等自上而下指标，这类方法能够描述植被数量和空间分布，却难以准确反映行人在街道中真实感知到的绿化程度。绿视率（Green View Index, GVI）则从人视角出发，测度视野范围内可见植被像素所占比例，因此被视为补充传统遥感指标的重要工具。然而，既有研究多关注静态时间截面、局部城区或单一空间维度，对于GVI与NDVI在全市尺度上的季节性对应关系、植被组成对二者关系的作用机制，以及道路等级、功能分区与空间聚类共同塑造街道绿化格局的过程，仍缺乏系统分析。南京兼具山地、水系、老城区、高强度开发片区和外围扩展区，是检验上述问题的典型空间异质性城市，因此开展此项研究具有明显的理论与实践意义。
研究人员围绕南京全域道路网络开展了多维度街道绿化测度与比较分析，目标在于揭示街道绿视率的空间异质性特征、评估其与NDVI之间的季节性关联，并探讨这种关联如何受植被组成、道路层级与城市功能结构影响。研究结果表明，南京街道可见绿量具有显著空间分异，高值区主要依托生态山体和滨水景观，低值区则集中于商业、交通和老旧混合用地区域；GVI与NDVI之间虽存在中等正相关，但二者并不等价，且这种关系随季节变化而变化；乔木与草地占主导的植被结构是理解二者对应关系的重要背景；道路功能与土地功能也显著影响可见绿量分布。该研究的重要意义在于：一方面，证明了街景指标与遥感指标在城市绿化评估中的互补性；另一方面，为复杂城市环境中开展分区分类、分层级的精细化街道绿化规划提供了依据。
在技术方法上，研究人员以南京为样本区，基于Geofabrik道路网络与AutoNavi开放平台兴趣点（POI，兴趣点）数据构建分析底图；沿道路每50 m设置采样点，通过百度街景应用程序接口（API）获取全景影像，筛选后保留118,830个有效样本。随后采用基于ResNet50的MIT SemSeg语义分割模型识别植被像素，并据此计算GVI；利用2014—2022年44个时相的Landsat 8 OLI_TIRS与Sentinel-2 MSI遥感影像计算NDVI，并通过季节窗口匹配策略完成GVI与NDVI配对；同时结合K-means聚类提取乔木、灌木与草地组成信息，并采用Spearman秩相关、Kruskal–Wallis H检验以及Getis–Ord Gi*热点分析评估空间差异与聚类特征。
在研究结果部分，首先是“Spatial distribution”。研究显示，南京全市GVI均值为0.273，标准差为0.208，说明道路沿线可见绿量存在显著空间异质性。核密度与分级结果表明，高GVI区域主要集中在紫金山南麓、秦淮河滨水走廊和仙林大学城等生态资源或校园绿地丰富区域；低GVI区域则集中于新街口商业核心区、南京南站交通枢纽及老工业—居住混合区，反映自然景观背景与城市功能布局共同塑造了绿视率空间格局。
在“GVI zones”中，研究进一步细化高值与低值街段的空间特征。高GVI样本占45.3%，均值为0.454，常见于林缘连续、树冠封闭或滨水立体绿化明显的街道环境，如紫金山南麓道路、秦淮河沿岸道路、河西新城核心居住区辅助主干路和仙林大学城道路。低GVI样本占17.1%，均值仅0.038，主要出现在高密度商业建筑、机动车导向道路断面以及绿化基础设施不足的老旧混合街区。
在“Spatial clustering of GVI”中，研究通过Getis–Ord Gi*分析局部空间自相关。结果表明，95%置信水平热点主要集中于生态区和公共服务区，尤其是紫金山风景区内环、学校、医院、校园与公园周边道路；99%置信水平冷点主要位于软件大道、永新大道等工业集聚区及高密居住片区。该结果说明，GVI不仅存在整体空间差异，而且具有显著局地聚集性。
在“Administrative district variations”中，研究比较了行政区层面的绿视率差异。玄武区均值最高，为0.342，其次为高淳区0.305、鼓楼区0.298、栖霞区0.293和建邺区0.292。若以GVI≥0.15作为达到“基本街道绿化”标准，高淳区达标率最高，为80.3%。这一结果显示，不同行政区在可见绿量强度与达标广度两个维度上存在明显差异，且差异与生态本底、开发阶段和道路环境条件密切相关。
在“Functional zoning differences”中，六类功能区的GVI呈现清晰梯度：生态区最高，为0.412；公共区次之，为0.299；工业区居中，为0.272；商业区、其他区域和居住区较低，其中居住区最低，为0.231。热点多对应生态与公共功能空间，而冷点更多对应商业、工业及老旧混合片区。这表明城市功能用途对街道可见绿化水平具有显著分异作用，但同一功能区内部仍存在较大异质性。
在“Differences across road classes”中，道路等级的影响同样显著。高架路与快速路均值最低，为0.1829；城市主干路和次干路处于中间水平；城市支路、内部道路、人行道和郊区乡村道路GVI更高，其中人行道达到0.3658。该梯度说明，交通优先程度越高、道路越偏机动车导向，可见绿量往往越低；相反，行人友好型和低强度道路更易形成连续且丰富的视觉绿化界面。
在“Comparative analysis of GVI and NDVI”中，配对样本总数为117,546，平均GVI为0.2744，平均NDVI为0.1451。两者Spearman相关系数为ρ=0.5730，呈中等正相关；线性回归R
2=0.29，说明二者虽相关，但仅部分重叠。研究据此指出，NDVI代表自上而下的植被绿度，而GVI反映街道层面行人可见绿量，两者测度维度不同，不能互相替代。
在“Functional zone differences in GVI–NDVI correlation”中，不同功能区的GVI–NDVI相关性存在差异。生态区相关性最强，ρ=0.6262；工业区和公共区也较高；居住区最弱，ρ=0.4823。这一结果说明，在生态景观完整、植被连续性较高的区域，俯视绿度与行人可见绿量的一致性更强，而在居住环境中，这种对应关系更易受到建筑遮挡、绿化布局方式等因素影响。
在“Variations in GVI–NDVI consistency across administrative districts”中，行政区之间的相关强度也不一致。玄武区最高，ρ=0.6699；雨花台区、鼓楼区和建邺区亦较高；六合区、溧水区与高淳区则相对较低，高淳区最低，ρ=0.3911。研究据此表明，GVI与NDVI的一致性具有明显空间非均衡特征。
在“Vegetation composition characteristics”中，南京道路绿地以乔木和草地为主，分别占47.09%和46.15%，灌木仅占6.32%。乔木兼具垂直视觉贡献与较强冠层信号，因此对GVI和NDVI均有促进作用；草地更易被俯视遥感捕捉，但对行人视角垂直绿量贡献相对有限，因而可能形成较高NDVI而较低GVI的情形；灌木占比小，整体影响相对有限。该部分为理解GVI–NDVI差异提供了植被结构层面的解释。
在“Seasonal trends of average NDVI and GVI”与“Seasonal variation in GVI–NDVI correlation coefficient”中，研究显示GVI与NDVI季节均值在夏季最高、冬季最低，且各季节GVI均高于NDVI。相关性方面，春季最弱，ρ=0.4982；夏季增强至0.5399；秋季最高，为0.5672；冬季略降至0.5245。Kruskal–Wallis H检验结果H=28.64，p<0.001，证实这种季节差异具有统计学显著性。研究认为，这一模式与南京湿润北亚热带气候下的物候变化相关：春季叶片萌发过渡期降低了二者一致性，秋季落叶前冠层结构较稳定，使对应关系增强，冬季落叶条件则使识别与对应关系更复杂。
在“Seasonal limitations”中，研究明确指出夏季样本数量偏少，仅2,725个，且街景影像采集年份并不统一，可能引入跨年城市环境变化的不确定性。此外，冬季植被提取精度低于夏秋两季，因此冬季GVI结果需谨慎解释。这些内容体现出作者对数据边界和结果稳健性的严格限定。
在“Quantitative differences in GVI across road classes and functional zones”中，研究通过描述统计与非参数检验进一步验证组间差异。道路类别Kruskal–Wallis H值为1286.74，功能分区H值为102.35，均达到p<0.001，但效应量η
2H分别为0.011和0.001，提示尽管差异可检测，但效应强度应结合空间依赖、描述统计和空间分布综合解读，而不能仅依据显著性水平判断。
讨论部分强调，该研究将街景评估、遥感指标与空间情境分析整合到统一框架中，推进了对城市街道绿化空间分异的理解。其一，研究证实南京街道绿视率高度依赖生态山水格局与城市功能布局，高值区围绕紫金山与秦淮河等生态—滨水系统形成连续分布，低值区则集中于商业核心、交通枢纽和老旧工业—居住混合区。其二，研究将既有关于GVI与NDVI正相关的认识推进到季节尺度，指出两者关系并非恒定，而受物候过程影响明显。其三，研究以定量方式揭示乔木、草地与灌木组成比例对GVI–NDVI对应关系具有解释意义。其四，研究强调道路等级与功能区分类对于理解可见绿量差异不可忽视，同时指出同一功能区内部仍存在显著异质性，说明宽泛土地利用类别不足以完全解释街道绿化差异。
研究结论部分可概括并翻译如下：研究构建了一个整合街景影像、基于NDVI的遥感数据与空间分析的全市尺度分析框架，用于考察南京道路层面绿视率（GVI）的分异特征、其与NDVI的关系，以及其与植被组成、道路等级和城市功能分区之间的联系。结果揭示，南京道路可见绿量具有显著空间异质性，高GVI区域主要集中在紫金山、秦淮河等重要生态与滨水景观周边，而低GVI区域更多分布于高度城市化的商业、交通和混合用地区。GVI–NDVI关系表现出清晰的季节变化：春季最弱，夏季增强，秋季最高，冬季略有下降。植被组成与这种关系差异有关，而道路等级和功能分区比较进一步显示，不同城市空间情境下GVI存在明显变化，其中人行道和内部道路的GVI相对较高，生态区和公共区更常对应较高的街道可见绿化水平。总体而言，该研究从三个方面拓展了城市绿化研究：提供了空间异质性城市环境中的全市尺度街道可见绿化评估；揭示GVI与NDVI对应关系具有显著季节性，说明跨尺度绿度评估必须纳入季节背景；证明植被组成、道路层级和功能分区对于理解城市街道绿化差异具有重要意义。研究由此支持更加差异化的街道绿化评价思路，并可为南京及其他具有复杂城市景观结构的城市优化道路绿化规划提供依据。同时，研究也承认若干局限，包括夏季有效街景样本偏少、未纳入人类活动强度对GVI感知的调节作用，以及未对不同绿化配置方案开展成本—效益分析。
