EN中文

地球信息科学学报 >

2021 , Vol. 23 >Issue 12: 2151 - 2162

DOI: https://doi.org/10.12082/dqxxkx.2021.210063

地球信息科学理论与方法

基于城市园林树木景观三维模拟的绿视率估算方法

  • 江锋 , 1, 2 ,
  • 唐丽玉 , 1, 2, * ,
  • 林定 1, 2 ,
  • 陈晓玲 1, 2 ,
  • 冯先超 1, 2 ,
  • 陈崇成 1, 2
展开
  • 1.福州大学空间数据挖掘与信息共享教育部重点实验室,福州 350108
  • 2.福州大学地理空间信息技术国家地方联合工程研究中心,福州 350108
*唐丽玉（1972— ）,女,福建莆田人,博士,研究员,主要从事地学可视化与虚拟地理环境、虚拟植物研究。 E-mail:

江 锋（1996— ）,男,福建福州人,硕士生,主要从事地学可视化与虚拟地理环境、虚拟现实等相关研究。E-mail:

收稿日期: 2021-02-03

  要求修回日期: 2021-05-05

  网络出版日期: 2022-02-25

基金资助

国家自然科学基金项目(41971344)

版权

版权所有,未经授权,不得转载、摘编本刊文章,不得使用本刊的版式设计。
收起

Green View Index Estimation Method based on Three-dimensional Simulation of Urban Tree Landscape

  • JIANG Feng , 1, 2 ,
  • TANG Liyu , 1, 2, * ,
  • LIN Ding 1, 2 ,
  • CHEN Xiaoling 1, 2 ,
  • FENG Xianchao 1, 2 ,
  • CHEN Chongcheng 1, 2
Expand
  • 1. Key Laboratory of Spatial Data Mining & Information Sharing of Ministry of Education, Fuzhou University, Fuzhou 350108, China
  • 2. National Engineering Research Center of Geospatial Information Technology, Fuzhou University, Fuzhou 350108, China
*TANG Liyu, E-mail:

Received date: 2021-02-03

  Request revised date: 2021-05-05

  Online published: 2022-02-25

Supported by

National Natural Science Foundation of China(41971344)

Copyright

Copyright reserved © 2021
Fold

摘要

城市生态景观功能主要是绿色植物对人的视觉作用。绿视率被认为是一种比较好的衡量绿色空间视觉感受的描述因子。目前绿视率的估算主要基于静态的图像或者街景数据,而绿视率是一种动态的量,不同视点有不同的值,且植物是生长变化的。因此,本文提出一种基于数据和模型综合驱动的园林树木三维模拟景观的绿视率计算方法,其利用虚拟地理环境、虚拟植物等技术,通过道路、建筑物等硬质景观数据和树木模型驱动,建立城市园林树木三维景观;根据视觉成像原理,构建虚拟相机,模拟不同视点园林景观的视觉图像,然后识别表征植被信息的像素,从而计算绿视率。本文研发了园林树木景观三维模拟及绿视率估算原型系统,并以城市道路树木景观为例,模拟分析了机动车道中车辆乘客可获得的绿视率,与街景图像提取的绿视率值相近。该方法和系统可用于包含时间变量的不同生长阶段园林树木景观的绿视率评估,支持交互设置不同的视点参数,估算城市任意位置和任意方向的绿视率,评价过去、现在和未来的园林景观绿化质量,以人的视觉感知角度为城市绿地规划提供参考。

关键词： 城市绿化; 绿视率; 视觉感受; 虚拟地理环境; 三维模拟; 城市道路树木景观; 虚拟相机; 虚拟植物

本文引用格式

江锋 , 唐丽玉 , 林定 , 陈晓玲 , 冯先超 , 陈崇成 . 基于城市园林树木景观三维模拟的绿视率估算方法[J]. 地球信息科学学报, 2021 , 23(12) : 2151 -2162 . DOI: 10.12082/dqxxkx.2021.210063

Abstract

Urban ecological landscape has sensory functions, which describe the visual effect of green plants for human beings. Green view index is considered as a relatively good indicator for measuring the visibility of urban green space, which can reflect different levels of urban vegetation space directly. Green view index is usually calculated using static images or street view data. However, green view index is a variable quantity since the variant of view point location results with very different visual effects and the phenological change of plants. What is more, plants, as organism with life characteristics, are the most important elements in the urban green space landscape, which can change their morphology with time factors constantly and affect the amount of visible green space. In the paper, a green view index calculation method was proposed based on the three-dimensional simulation landscape of garden trees driven by spatial information data of geographic entities and tree architecture and growth model. This method comprises three steps. Firstly, using virtual geographical environment, virtual plants, and other technologies, a three-dimensional urban vegetation landscape was generated according to hard landscape data (e.g. roads, building) and tree models. Secondly, based on visual mechanisms of seeing, virtual cameras were constructed to set observation points and generate the landscape visual images. Thirdly, the visibility analysis was conducted to identify vegetation information visible from each observation point at the pixel level, which can compute the value of green view index. A three-dimensional tree landscape simulation and green view index estimation prototype was developed. Taking urban road greenery scenes (e.g. Jinshan avenue in Fuzhou) as an example, the green view index was estimated and analyzed. The results are closed to those derived from street view images. Therefore, it can effectively reflect the visual feeling of vehicle passengers. It is useful for quantitatively evaluating the visual effects of urban forest states of past, present, or future at different growth stages. It is also suitable to simulate and calculate green view index dynamically by setting view points everywhere and in arbitrary directions. The method can be used as a potential tool to assess the simulation results of urban green space design schemes before they were carried out. It is also helpful for the rational planning of urban green space. It can provide references for the science and rationality of the future landscape of different engineering design schemes, thereby promoting the sustainable development of the city.

Key words： urban vegetation; green view index; visual perception; virtual geographic environments; three-dimensional simulation; urban road greenery scenes; virtual cameras; virtual plants

1 引言

城市园林绿地是城市生态环境的重要组成部分,具有调节和改善城市生态、美化城市人居环境的作用,逐渐受到城市规划者与管理者的关注[1,2]。住建部从建设“园林城市”升华为“生态园林城市”[3],更关注人在绿地建设中的获得感和幸福感,园林绿地规划设计方案的生态评估成为必然趋势。三维绿量和绿视率将是评估城市绿化空间的潜在指标,三维绿量侧重于衡量绿地生态功能[4,5],绿视率则侧重于衡量城市居住环境感知绿地空间的绿化环境[6,7]。
绿视率指在人的视野中绿色所占的百分比,是个可测量的反映城建空间绿化的物理量[8]。目前,绿视率计算的数据源主要有定点拍摄图像、全景影像和街景图。人工定点拍摄图像是利用相机获取人眼视野范围的图像,通过分析估算出绿视率[9,10]。这种方法简单、设备要求低,但工作量大;费时、费力,且拍摄方向不好规范化,多区域间调查结果不方便对比分析。通过全景拍摄[11]、谷歌街景图[5,12-13]、百度街景图[14]、腾讯街景图[15]进行绿视率计算的研究比较多。全景拍摄可以更客观地反映人在空间活动时的真实感受;街景图像的数据源丰富,效率高且操作简便。基于激光三维点云和遥感影像还原绿道的绿量主体真实形态,把行道树用椭球体等几何体描述,根据视觉成像的原理计算绿视量[6]。这种方法允许用户根据需求,设置空间的抽样尺度计算场景内任意位置的绿视量;有效地克服传统绿视率计算过程“照片拍摄覆盖不全”和“街景数据重复覆盖”等问题,减少数据源误差,提高计算结果的精度。但是植物存在生长周期的变化和物候期的变化,因此绿视率是动态的。现有研究依据单时相的静态数据可较大程度上反映了城市的绿化环境,但难以多角度表达城市绿地时空变化,时效性欠缺。
虚拟地理环境集成地学过程建模模拟方法或领域模型,可以增强对地理环境的理解[16],甚至超越现实的理解,是新一代的地理分析工具[17],可为各种大型工程不同方案的后果模拟评估[18],辅以多通道表达和交互,预览和体验未来的情景,为新基建的规划、建设、实施和管理一体化,提供一种新的技术支持。基于虚拟地理环境和虚拟植物等仿真技术,形成数据和模型综合驱动的城市园林景观模拟及绿视率的估算方法,可以超越现实,评价过去、现在和未来的园林景观,估算城市任意位置的绿视率,对园林绿地规划方案具有预见性。虽然有了虚拟地理环境集成森林生长模型的研究,可以预测与评估森林的生物量、林分结构等[19,20],而园林城市的植物受到人为修剪的影响比较大,更关注冠层和景观,而不是蓄积量,需要集成人为干预的园林植物生长模型和物候变化的规律。
本文面向园林树木景观不同设计方案的模拟与绿视率预估的需求,基于城市园林的硬质景观的地理空间数据,利用虚拟地理环境和虚拟植物技术,集成园林植物的生长规律性、季相因素影响的植物结构特征及空间布局等知识,以道路树木景观为例,模拟不同园林景观的情景,根据分析问题角度的不同,交互式切换场景和设置视点参数,自动计算特定情境的绿视率,探索一种基于数据和模型综合驱动的园林树木三维模拟景观的绿视率计算方法。

2 研究思路

现实世界中城市园林绿地景观的地理实体一般分为软质景观和硬质景观。软质景观一般指植被、水体等自然界的物质;硬质景观一般指建筑物、构筑物、道路等人造的物质。基于城市园林树木景观模拟的绿视率计算思路如图1所示,主要包括逼真化模拟城市园林三维景观、三维场景的虚拟成像及绿视率计算和不同情景园林树木景观的绿视率分析3部分内容。
图1 基于园林树木景观模拟的绿视率估算概念模型

Fig. 1 Conceptual model of green view index estimation based on tree landscape simulation of garden space

树木是园林绿地景观的主要元素,受外部环境因素和内部生长因素的影响,其形态结构存在生命周期和季相的变化。因此,园林植物三维模拟需要考虑植物形态生长变化、季相变化和人为修剪的影响。相应的城市园林的绿视率存在时空的异质性,是一个动态的指标。相对于人的视野空间,关系最密切的地理实体有树木、道路、地形、建筑物等,这些地理实体作为三维建模的主要对象。硬质景观变化小,将基于空间分布地理数据和地理实体的属性数据建模;植物变化大,根据植物生长规律和修剪知识,形成不同阶段的模型;利用虚拟地理环境技术,根据地理实体间的空间关系,模拟园林树木三维景观。在三维场景中,根据视点位置信息,设置虚拟相机的参数,形成虚拟场景的图像,识别植被信息,根据绿视率的定义,估算绿视率。考虑道路、植物配置、时间等因素对绿地空间布局产生的影响,模拟不同因素主导下的园林绿地景观,估算其绿视率,从而实现对城市园林绿地树木景观绿视率评估,为不同工程设计方案的未来景观的科学性、合理性提供参考。

3 园林树木景观三维构建

3.1 树木三维模型构建

（1）树木形态结构建模
精细化的植物三维模型,直接影响绿视率计算精度,同时提升虚拟绿地景观的真实感,使设计效果表达的更为生动、形象。本文采用参数化建模方法,以外业收集的树木形态特征数据为基础,结合植物学知识[21,22],利用ParaTree[23,24,25]建立园林树木三维模型。树木形态数据主要包括枝-干分支情况、胸径、树高、冠径、冠高等。将整株植物抽象为大量的单体,如枝、干、叶、花、果等,形成单体模型。建模过程为：① 获取植物信息;② 构建枝-干间的拓扑关系,构建主干层、主枝层、次级分枝层、次n级分枝层,且控制相应参数,以确定树木形态;③ 在着生枝上构建叶、花和果等器官模型;④ 处理实际采集的纹理数据并映射。
（2）不同生长阶段树木模拟
依据植物生长规律性,对其生长趋势预估,模拟不同生长周期的树木形态,可预测未来城市园林绿地树木景观的表达。结合中国植物志[26]上记载的信息,以香樟（常绿乔）和木棉（落叶乔）为研究实例模拟不同阶段的模型,绿视率关注树冠部分。
香樟是单轴分枝的常绿乔木,树高可至30 m,枝叶繁茂,树冠呈广卵形,随着年龄的增长,冠幅、冠高等形态参数呈现持续增长变化。以福州金山大道香樟为基础研究对象,如图2(a)所示,利用上述建模方法构建三维模型。为了预测不同生长阶段的植物形态,呈现不同阶段的绿地景观,需预估不同年龄的植物形态参数,如树高、冠幅（冠径）、胸径、冠高（枝下高）等。天然林、经济林的树高、胸径和冠幅的经典生长模型有Richards、Logistic等。针对园林植物,文献[27]根据实测数据,利用Richards方程拟合了香樟胸径、树高的生长模型（式（1）、式（2））;文献[28]建立了部分园林植物的胸径-冠幅的模型,如香樟 （式（3））;文献[5]建立了冠幅和冠高的模型（式（4））。
D = 104.9848 1 - 1.0108 e - 0.015547 t - 1 0.83141
H = 15.9128 ( 1 + 0.044505 e - 0.093219 t ) 1 0.013257
CW = 0.3064 D + 0.2227
C h = 1 0.086886 + 2.886574 e - 0.57 C r
式中：D为胸径;H为树高;CW为冠幅;Cr为冠径;Ch为冠高;t为年龄。
图2 植物三维模型

Fig. 2 Three-dimensional model of plants

基于上述公式,预测10年、15年、20年香樟的形态参数（表1）,结合基本形态,利用ParaTree建立不同树龄香樟的三维模型,由于园林植物存在造景塑型等因素,香樟形态一般为卵形结构,随树龄增长呈现树高、冠幅等明显变化,如图2(a)所示。
表1 不同年龄的香樟形态参数

Tab. 1 Morphological parameters of Cinnamomum camphora at different ages

年龄/年 胸径/cm 树高/m 冠幅/m 冠高/m
10 9.43 4.29 3.11 1.73
15 15.1 6.98 4.85 3.72
20 20.71 9.47 6.57 6.44
木棉形态结构特征：单轴,落叶乔,侧枝轮生且平展,树最高可至25 m;次生枝规律性生长于主干,每轮3~4枝,轮枝间距均匀;分枝角与年龄相关,通常为40~80°,枝龄大可至90°以上;随树龄增长轮生层级变多,逐渐呈圆锥状树冠,冠径亦逐渐增大。以福州金山大道木棉为基础研究对象,建立了 10年、15年、20年木棉的形态模型,如图2(a)所示。
（2）不同季相模拟
植物形态结构会因季相而变化,为了提升绿化空间设计方案的可预估性。采集不同季节的树木形态数据,结合树木生长规律性,构建不同季相的树木三维模型,如图2(b)所示。木棉季相变化明显,在南方3—4月开花;夏季枝叶茂盛;秋季与夏季相似,但嫩叶少;冬季落叶。杧果常绿乔,春季开花;夏季结果,果实肾形;秋冬季开始落叶。
（3）不同修剪形态的模型
城市园林树木存在着“塑型”因素,故常以人工修剪的方式干预树木形态的表达,以实现造景的功能。以红花继木球、垂叶榕柱为实例,分别模拟不同冠型的植物三维模型,如图2(c)所示。
通过模拟不同生长阶段和不同季相的植物,实现对城市绿地景观演变和发展的预测。不同树木景观生成基本过程：① 结合植物生长规律,利用ParaTree构建不同生长阶段和不同季相的植物三维模型;② 将模型导入Unity3D开发平台,将其设为预设体,采用对象池技术,减少反复实例化;③ 设置不同生长阶段、季相和树种等因素,结合株距和绿化模式在绿化区域计算点位信息,以序列的方式存储,实例化生成相应阶段的植物模型;④ 结合交互方式对模型进行微调整,使呈现效果最佳。

3.2 硬质景观要素三维构建

硬质景观要素包括地形、建筑物、道路等,是园林植物空间配置的影响因素,相对于视点,地理实体互相遮挡,影响绿视率。根据各实体的地理信息数据和属性数据,构建各对象间的父子关系,利用层级关系管理数据,通过Mapbox Studio切片化处理形成矢量瓦片数据,使用Mapbox for Unity SDK,采用矢量瓦片渲染技术绘制地理场景。利用DEM数据构建地形三角网格,采用纹理映射技术,生成三维地形景观,通过OpenStreetMap获取研究区建筑物、道路等地理实体矢量图层分布数据,从而仿真模拟园林绿地树木景观。依据建筑物参数化矢量类型的平面分布图层和楼高属性信息,快速“拉升”生成城市建筑物三维模型,如图3(a)所示,并可对其进行纹理映射。城市道路绿化是城市绿化的重要组成,城市绿道的植物配置一般以道路矢量数据为空间布局的控制骨架,在道路两旁、绿化带、分车带、交叉路口等地方种植。道路可视化以道路矢量分布数据为基础,映射真实道路纹理数据实现的,如图3(b)所示。硬质景观的数据和模型也可基于遥感影像数据,结合3ds Max、EasyRoad3D等建模软件,构造建筑物、道路等三维模型,实现对真实场景的还原。
图3 硬质景观要素三维模型

Fig. 3 Three-dimensional model of hard landscape elements

4 园林绿地空间绿视率估算方法

4.1 园林树木三维景观的图像生成

在园林树木三维景观中,创建虚拟相机,根据行人视点的位置,设置相机参数,基于视觉成像原理模拟该视点的园林景观的视觉图像。视觉图像生成采用双缓冲技术、后处理技术和渲染到纹理技术（Renderer to Texture）,具体实现的技术过程如 图4所示。
图4 园林树木三维景观的图像生成流程

Fig. 4 The flow of image generation of three-dimensional landscape of garden trees

（1）以主相机为父对象,创建相同参数的子相机,用于实现双缓冲中后缓冲渲染。
（2）创建新着色器,设定RGBA颜色值对叶子（绿色）、建筑物（红色）、地形（蓝色）等渲染可视化,且采用遮挡剔除处理。
（3）采用后处理技术,执行命令缓冲区Commandbuffer中预定义的渲染指令,结合渲染到纹理技术,利用子相机渲染,实现对场景对象纹理重绘。
（4）利用双缓冲技术渲染园林绿地场景,主相机渲染双缓冲中前缓冲区视图(图5(b)),即显示器屏幕中可视内容;而子相机渲染双缓冲中后缓冲区视图,即屏幕中不可视内容(图5(c))。
图5 可视绿量生成示意

注：图(c)中绿色表示植物叶子,红色表示建筑物,蓝色表示地形。

Fig. 5 Schematic illustration of generation oriented to visible green area

（5）获取子相机的目标纹理视图（Target Texture）,将其作为绿视率计算的场景图像数据源。

4.2 可视植被面积计算方法

绿视率是人视野内可视绿色面积占视野总面积的百分比,如式（5）所示,通过视觉影响着人的心理感受,可直接反映城市的绿化建设水平。
Pi = SG SV × 100 0 0
式中：Pi为绿视率;SG为视野中可视绿量面积;SV为视野面积。
可视植被面积计算常采用网格法和像素比法。网格法将图像按一定的边长划分为网格,计算绿色植物占有网格数量与总网格的比值,该方法相对简单,计算速度快,但相对像素比法,估计值与真实值存在一定的误差。像素比法提取图中绿色像素个数与总像素的比值,得到绿视率。
以车行道为研究对象,为了贴合人眼的可视域,将相机高度设为1.3 m,视场角(Field of View, FOV)设为60°[7,29-30],如图5(a)所示。园林树木景观的三维表达,如图5(b)所示,随着视点位置的变化,实时获取子相机的目标纹理图像,采用像素比法,通过遍历图像技术,逐一判断像素颜色,计算后缓冲视图(图5(c))中绿色像素个数占总像素的百分比,即为园林绿地树木景观绿视率。

5 虚拟园林景观绿视率分析

5.1 方法实现

面向园林绿地设计方案可视化评估的需求,基于Unity3D引擎、地图编辑开发引擎Mapbox Map SDK以及TreeEngine参数化树木建模引擎,研发形成园林绿地景观设计方案的未来景观模拟和绿视率评估的原型系统。原型系统包括3个模块：① 基于Mapbox for Unity SDK构建硬质景观三维模型,利用TreeEngine参数化模拟树木引擎绘制植物模型,采用Unity3D平台集成场景要素,形成园林绿地树木景观三维仿真系统;② 交互式呈现树木景观,以第一人称视角漫游场景;③ 模拟不同设计方案的情景且预估空间绿视率,实现预测不同阶段的园林景观结构和绿化效果。系统呈现效果如图6所示。
图6 园林树木景观三维模拟及绿视率估算原型系统运行结果

Fig. 6 Some scenarios of three-dimensional simulation of garden tree landscape and green view index estimation prototype system

5.2 不同情景的园林绿地空间绿视率预估与分析

5.2.1 道路因素
道路影响着绿地空间的绿视率,以车行道为研究对象,以南方常见的几种行道树为例（如香樟、美丽异木棉、小叶榄仁、木棉、腊肠树、高山榕、杧果树和大王椰）,树木株距设为5 m[31],模拟不同的道路剖面形式和道路宽度的园林植物景观,视点置于车行道上,预估绿视率,并分析其影响因子。
（1）不同道路剖面形式
我国道路剖面形式主要为“一板两带式”、“两板三带式”、“三板四带式”和“四板五带式”等[30],如图7(a)所示,以香樟为规划树种,控制只有道路剖面因素变化,预估不同道路剖面形式下的绿视率如 图7(b)所示。通过分析实验结果可知,绿视率并未随道路剖面形式复杂度成规律性变化。虽然复杂的道路剖面形式丰富了绿化空间,但是视域范围有限,导致植物间存在遮挡现象,并不一定能提高树木景观的绿视率。
图7 不同道路因素的园林绿地空间绿视率

注：图(a)绿视率计算图像中绿色颜色块表示植物叶子,红色颜色块表示建筑物,蓝色颜色块表示地形。

Fig. 7 Green view index of green space under different road factors

（2）不同道路宽度
城市化高速发展使道路不断拓宽,以支干道[32]（路面宽度为10~20 m）为研究对象,采用“一板两带式”绿化模式,以路宽为单一变量,分别对10、12、14和16 m路宽的道路分析绿视率,如图7(c)所示。通过分析实验结果可知,道路宽度影响着视觉中绿量的呈现,当道路越宽,则绿量远离道路,将增大视野中天空与路面的面积,从而绿化可视面积变小。因此,道路越宽绿视率越低,反之绿视率越高,与文献[33]结论相符。
5.2.2 植物配置因素
植物是绿地空间重要组成元素,如何在有限的绿化用地内合理的配置植物,将绿视率发挥至最大。将植物因素划分为绿化模式、树种、列植形式,采用控制单一变量法,以南方常见乔木为例（如香樟、美丽异木棉、小叶榄仁、木棉、腊肠树、高山榕、杧果树和大王椰）,灌木采用黄金榕球为例,针对“一板两带式”道路剖面形式模拟不同情境的道路绿化空间,且路宽设为16 m,植物株距设为5 m,预估车行道上的绿视率并分析其相关性。
（1）不同绿化模式
对单一乔木式、疏林草坪式、疏林灌木式、密林式（乔-灌-草） 4种绿化模式展开研究,控制实验仅存在绿化模式这单一变量,预估不同绿化模式的绿视率,如图8(a)所示。通过实验结果可知,不同绿化模式下的绿视率值依次为：密林式>疏林草坪式>疏林灌木式>单一乔木式。密林式在空间结构上增加了植物配置的复杂性,增加了立面上绿量,使可视域内绿色面积的占有量最大,故绿视率最大。随着绿化模式复杂度的增加,则绿视率值越高;反之,则绿视率值越低。与文献[34]结论相符。
图8 不同植物配置因素的园林绿地空间绿视率

Fig. 8 Green view index of green space under different plant configuration factors

（2）不同行道树树种
行道树为道路绿化空间绿视率的主要影响因素,以南方常见的乔木为例,控制实验只存在行道树树种因素,研究盛叶期行道树的绿视率,如图8(a)中单一乔木式所示。通过分析实验结果可知,若树种的冠幅越大且枝叶密集,则道路绿化空间的绿视率越高,如高山榕、杧果树和香樟;而美丽异木棉与大王椰因枝叶少且稀疏,则绿视率值较小。因此,行道树种的树冠形态将影响道路绿化空间的绿视率值。
（3）不同列植形式
道路两侧的绿化带以列植形式种植树木,不同的列植方式影响绿地空间绿视率。对等行等距条件下的多排列植形式研究,对不同的南方常见乔木分别采取单排、双排和多排的列植形式种植,模拟绿地空间且预估其绿视率,如图8(b)所示。通过分析实验结果可知,随着列植形式的复杂度增加,绿地空间绿视率有所上升,但是由于实验中同一树种的植物模型高度相符,故其绿视率增长幅度较小。对冠幅大且枝叶密集的树种（如高山榕、杧果树等）而言,列植形式的复杂度对其营造的绿地空间绿视率影响不大;而对枝叶少且稀疏的树种(如美丽异木棉、木棉、大王椰等)而言,列植形式的复杂度对绿地空间绿视率影响较大。
5.2.3 时间因素
植物具有生命特征,随着时间的变化,会受到外部环境因素和内部自然生长因素的影响,从而间接影响该绿地空间可视绿量。以季节性变化和生命周期变化两个角度进行探讨,采用控制单一变量法,以“一板两带式”为道路剖面形式,路宽设为 16 m,植物以单排列植规划且株距设为5m,预估车行道上的绿视率并分析其相关性。
（1）季节性变化
不同季相下植物所表现的形态不同,呈现的绿化效果不同,从而导致绿视率值存在较大的差异性。针对两种变化较大的树种分析,如木棉和香樟,控制实验仅存在季节因素这单一变量,模拟不同物候期的植物,其绿视率值如图9(a)所示。通过分析实验结果可知,香樟的绿视率值随季节变化不大,而秋冬季木棉的绿视率值骤降,与现实的自然现象表征相符合。植物需遵循自然的生长规律,则树叶的茂密程度会随季节变化,秋冬季落叶是一种自然现象。由于香樟是常绿树为渐次性落叶,新旧叶交替现象不明显,保持枝繁叶茂且终年常绿状态;而木棉在秋冬季会出现落叶抽花现象,甚至仅存枯枝,则绿视率逐渐趋于0。故常绿树绿视率随季相变化不大,而落叶树绿视率随季相变化波动大。
图9 不同阶段园林绿地空间绿视率

Fig. 9 Green view index of green space under different stage

（2）生长阶段变化
植物受到内在自然生长因素的影响,从而导致不同生长阶段下的空间绿视率差异较大。针对年龄为10、15、20、25、30年的盛叶期香樟研究,模拟可得各生长阶段的绿地空间绿视率,如图9(b)所示。通过分析实验结果可知,绿地空间绿视率与植物年龄成正相关性。随着植物的生长,树高、冠高和冠幅逐渐增加,使植物在空间结构上发生变化,立体面上可视绿量增加,故绿视率增加。由于树木生长具有阶段性,当胸径达到一定程度后,生长速度变慢,导致年龄越大的植物绿视率增长缓慢。

5.3 实际案例模拟与验证

以福州金山大道为实例,每隔100 m取观测点,共63个,利用爬虫技术获取FOV=60°百度街景图像,通过深度学习全卷积网络（FCN）图像分割方法[35],识别且计算绿色植物占总视图的百分比;以上述方法构建三维园林绿地虚拟场景,以调节相机位置和视角方式,对相应点位绿地空间绿视率计算。其中,路段平均绿视率为63个观测点的平均值,观测点（119.27E, 26.06N）街景图像和模拟图像绿视率对比如图10(a)所示,该路段绿化空间街景图像与模拟图像绿视率计算结果如图10(b)所示。实验结果分析可知,街景图像绿视率值大于模拟场景绿视率值。以街景图像为真实值进行比对,其中基于模拟场景图像计算该路段的平均绿视率,其精度可接近90%;对示例的观测点,其绿视率精度可达94%。存在差异的主要原因有：① 图像识别与分割将植物部分融合成一体,忽略植物间隙;② 树木模型树叶比较稀疏。但结果相差不大,因此该方法具有可行性。
图10 实际案例的街景图像与模拟图像绿视率对比

注：图（a）中绿色像素表示植物叶子,红色像素表示建筑物,蓝色像素表示地形;图（b）中街景图像计算的绿视率为真实值,模拟图像计算的绿视率为模拟值。

Fig. 10 Comparison of green view index derived from street view images and scene images respectively in actual case

6 结论

针对城市园林绿地景观设计方案无法预测模拟与预估绿视率的问题,本文提出了一种基于数据和模型综合驱动的园林树木三维模拟景观的绿视率计算方法。利用虚拟地理环境、虚拟植物等技术,通过地理实体的空间数据和树木模型驱动,建立城市园林树木三维景观;依据视觉成像原理,模拟不同视点园林景观的视觉图像,然后识别表征植被信息的像素和估算绿视率,且研发了园林树木景观三维模拟及绿视率估算原型系统。主要结论如下：
（1）以南方常见的几种绿化树为例,模拟和分析了道路绿化剖面形式和宽度、绿化树种配置方式、植物物候期和生长周期形成不同园林树木的三维情景及绿视率,结果表明绿化模式的复杂度、植物年龄与绿视率成正相关;冠大叶密的植物绿视率大于冠小叶疏植物的绿视率;随季相变化落叶树绿视率波动大,而对常绿树绿视率影响较小;绿视率会因植物自然生长而逐渐增加。
（2）以福州金山大道为实例,基于百度街景图像计算的绿视率值与模拟场景的绿视率值相比较。其中基于模拟场景图像计算该路段的平均绿视率,其精度可接近90%;对示例的观测点,其绿视率精度可达94%。因此基于虚拟场景估算绿视率方法是可靠的。
（3）该系统可交互式预测道路、植物配置、时间等因素主导下园林树木景观的变化,可对不同情境的园林树木景观的绿视率评估;可交互设置观测的位置和方向,适用于估算城市任意位置的绿视率。以视觉感知的角度反映人的感受和评估城市绿化水平,为不同工程设计方案的未来景观的科学性、合理性提供参考。
本文初衷是对城市园林绿地景观预测模拟与预估绿化质量,其亦受到场景要素（即移动对象）的遮挡影响,故未来的工作将对虚拟场景延伸扩展,亦可增加行人、车辆等移动对象提高场景的丰富度,从而为城市园林绿地规划设计领域带来更多福祉。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Choudhury M A M, Marcheggiani E, Despini F, et al. Urban tree species identification and carbon stock mapping for urban green planning and management[J]. Forests, 2020, 11(11):1226.

DOI

[2]
Yu S, Yu B, Song W, et al. View-based greenery: A three-dimensional assessment of city buildings' green visibility using floor green view index[J]. Landscape & Urban Planning, 2016, 152:13-26.

[3]
张云路, 关海莉, 李雄. 从园林城市到生态园林城市的城市绿地系统规划响应[J]. 中国园林, 2017, 33(2):71-77.

[ Zhang Y L, Guan H L, Li X. Response of urban green space system planning from garden city to ecological garden city[J]. Chinese Landscape Architecture, 2017, 33(2):71-77. ]

[4]
周坚华. 城市绿量测算模式及信息系统[J]. 地理学报, 2001, 56(1):14-23.

DOI

[ Zhou J H. Theory and practice on database of three-dimensional vegetation quantity[J]. Acta Geographica Sinica, 2001, 56(1):14-23. ]

[5]
周坚华, 孙天纵. 三维绿色生物量的遥感模式研究与绿化环境效益估算[J]. 环境遥感, 1995, 10(3):162-174.

[ Zhou J H, Sun T Z. Study on remote sensing model of three-dimensional green biomass and the estimation of environmental benefits of greenery[J]. Journal of Remote Sensing, 1995, 10(3):162-174. ]

[6]
张佳晖, 孟庆岩, 孙云晓, 等. 城市行道树绿视量指数研究[J]. 地球信息科学学报, 2017, 19(6):838-845.

DOI

[ Zhang J H, Meng Q Y, Sun Y X, et al. Study on urban green view index[J]. Journal of Geo-information Science, 2017, 19(6):838-845. ]

[7]
孟庆岩, 汪雪淼, 孙云晓, 等. 基于街景数据的绿视率模型构建及其影响因子研究[J]. 生态科学, 2020, 39(1):146-155.

[ Meng Q Y, Wang X M, Sun Y X, et al. Construction of green view index model based on street view data and research on its influence factors[J]. Ecological Science, 2020, 39(1):146-155. ]

[8]
青木陽二. 視野の広がりと緑量感の関連[J]. 造園雑誌, 1987, 51(1):1-10.

[ Aoki Y. Relationship between perceived greenery and width of visual fields[J]. The Japanese Institute of Landscape Architecture, 1987, 51(1):1-10. ]

[9]
李渊, 黄竞雄. 基于绿视衰减曲线的历史街区步行环境绿视感知评价——以厦门市中山路同文片区为例[J]. 风景园林, 2020, 27(11):110-115.

[ Li Y, Huang J X. Evaluation of green view perception of walking environment in historical blocks based on green view attenuation curve: A case study of Tongwen area, Zhongshan road of Xiamen[J]. Landscape Architecture, 2020, 27(11):110-115. ]

[10]
王洋洋, 黄锦楼. 基于绿视率的城市生态舒适度评价模型构建[J]. 生态学报, 2021(6):1-10.

[ Wang Y Y, Huang J L. Construction of evaluation model of urban ecological comfort index based on green view index.[J]. Ecological Science, 2021(6):11-10. ]

[11]
张炜, 周昱杏, 杨梦琪. 全景绿视率自动识别和计算研究[J]. 风景园林, 2019, 26(10):89-94.

[ Zhang W, Zhou Y X, Yang M Q. Research on automatic identification and measurement of panoramic visible green index[J]. Landscape Architecture, 2019, 26(10):89-94. ]

[12]
Berland A, Lange D A. Google street view shows promise for virtual street tree surveys[J]. Urban Forestry & Urban Greening, 2017, 21:11-15.

[13]
Li X J, Zhang C R, Li W D, et al. Assessing street-level urban greenery using Google Street View and a modified green view index[J]. Urban Forestry and Urban Greening, 2015, 14(3):675-685.

DOI

[14]
陈亚萍, 郑伯红, 曾祥平. 基于街景和遥感影像的城市绿地多维度量化研究——以郴州市为例[J]. 经济地理, 2019, 39(12):80-87.

[ Chen Y P, Zheng B H, Zeng X P. Multidimensional quantization of urban green space based on street view and remote sensing image: A case study of Chenzhou[J]. Economic Geography, 2019, 39(12):80-87. ]

[15]
Dong R, Zhang Y, Zhao J. How green are the streets within the sixth ring road of Beijing? an analysis based on tencent street view pictures and the green view index[J]. International Journal of Environmental Research and Public Health, 2018, 15(7):1367.

DOI

[16]
Chen M, Voinov A, Ames D P, et al. Position paper: Open web-distributed integrated geographic modelling and simulation to enable broader participation and applications[J]. Earth-Science Reviews, 2020: 103223.

[17]
Lin H, Chen M, Lu G, et al. Virtual geographic environments (VGEs): A new generation of geographic analysis tool[J]. Earth-Science Reviews, 2013, 126:74-84.

DOI

[18]
林珲, 胡明远, 陈旻, 等. 从地理信息系统到虚拟地理环境的认知转变[J]. 地球信息科学学报, 2020, 22(4):662-672.

DOI

[ Lin H, Hu M Y, Chen M, et al. Cognitive transformation from geographic information system to virtual geographic environments[J]. Journal of Geo-information Science, 2020, 22(4):662-672. ]

[19]
Tang L Y, Peng X M, Chen C C, et al. Three-dimensional Forest growth simulation in virtual geographic environments[J]. Earth Science Informatics, 2019, 12(1):31-41.

DOI

[20]
Ma Z, Chen M, Zhang B, et al. A web-based integrated modeling and simulation method for forest growth research[J]. Earth and Space Science, 2019, 6(11):2142-2159.

DOI

[21]
潘远智, 车代弟. 风景园林植物学[M]. 北京: 中国林业出版社, 2018.

[ Pan Y Z, Che D D. Landscape architecture botany[M]. Beijing: China Forestry Publishing House, 2018. ]

[22]
冯志坚. 园林植物学:南方版[M]. 重庆: 重庆大学出版社, 2013.

[ Feng Z J. Landscape botany: southern edition[M]. Chongqing: Publishing House of Chongqing University, 2013. ]

[23]
Tang L, Chen C, Zou J, et al. OntoPlant: An integrated virtual plant software package for different scale applications[C]. In: Proceedings 2011 IEEE International Conference on Spatial Data Mining and Geographical Knowledge Services. 2011:308-314.

[24]
林定, 陈崇成, 唐丽玉, 等. 基于颜色编码的虚拟树木交互式修剪技术及其实现[J]. 计算机辅助设计与图形学学报, 2011, 23(11):1799-1807.

[ Lin D, Chen C C, Tang L Y, et al. Interactive pruning operation on virtual tree based on color encoding[J]. Journal of Computer-Aided Design & Computer Graphics, 2011, 23(11):1799-1807. ]

[25]
Tang L Y, Chen C C, Huang H Y, et al. An integrated system for 3D tree modeling and growth simulation[J]. Environmental Earth Sciences, 2015, 74(10):7015-7028.

DOI

[26]
中国科学院中国植物志编辑委员会. 中国植物志[M]. 北京: 科学出版社, 1993.

[ Editorial Committee of Flora of China, Chinese Academy of Sciences. Flora of China[M]. Beijing: Science Publishing, 1993. ]

[27]
张杰伟. 合肥市三种常绿园林树木生长模型的研究[D]. 合肥:安徽农业大学, 2010.

[ Zhang J W. Study on growth model of three garden evergreen trees[D]. Hefei: Anhui Agricultural University, 2018. ]

[28]
王旭东, 杨秋生, 张庆费. 常见园林树种树冠尺度定量化研究[J]. 中国园林, 2016, 32(10):73-77.

[ Wang X D, Yang Q S, Zhang Q F. Research on the quantification of crown sizes of common landscape trees in the urban green space[J]. Chinese Landscape Architecture, 2016, 32(10):73-77. ]

[29]
Liu M, Nijhuis S. Mapping landscape spaces: Methods for understanding spatial-visual characteristics in landscape design[J]. Environmental Impact Assessment Review, 2020, 82:106376.

DOI

[30]
肖希, 韦怡凯, 李敏. 日本城市绿视率计量方法与评价应用[J]. 国际城市规划, 2018, 33(2):98-103.

[ Xiao X, Wei Y K, Li M. The method of measurement and application of visible green index in Japan[J]. Urban Planning International, 2018, 33(2):98-103. ]

[31]
王秀娟. 城市园林绿地规划[M]. 北京: 化学工业出版社, 2009.

[ Wang X J. Urban landscape planning[M]. Beijing: Chemical Industry Press, 2009. ]

[32]
苏雪痕. 植物景观规划设计[M]. 北京: 中国林业出版社, 2012.

[ Su X H. Landscape design with plants[M]. Beijing: China Forestry Publishing House, 2012. ]

[33]
李军成. 基于绿视率的重庆新建城市道路绿化设计模式研究[D]. 重庆:西南大学, 2012.

[ Li J C. Research is based on new urban roads greening design patterns of Chongqing[D]. Chongqing: Southwest University, 2012. ]

[34]
李明霞. 基于绿视率的城市街道步行空间绿量视觉评估[D]. 北京:中国林业科学研究院, 2018.

[ Li M X. Visual evaluation of green quantity in walking space of city street based on green visual rate: A case study of Beijing axis[D]. Beijing: Chinese Academy of Forestry, 2018. ]

[35]
Yao Y, Liang Z T, Yuan Z H, et al. A human-machine adversarial scoring framework for urban perception assessment using street-view images[J]. International Journal of Geographical Information Science, 2019, 33(12):2363-2384.

DOI

Options
文章导航

/

〈 〉