徐振 周霜 陳飛

構(gòu)成人們對(duì)城市視覺印象的5個(gè)因素中，道路是人們認(rèn)識(shí)城市的首要因素[1]。街道及其空間是人們戶外公共生活的主要載體[2]，其質(zhì)量對(duì)于提升城市活力以及居民生活質(zhì)量起著至關(guān)重要的作用。城市街道綠化能夠改善空氣質(zhì)量[3]、緩解城市熱島效應(yīng)[4]、減少噪聲污染和雨水徑流等[5]。除此之外，暴露于綠色空間已被證實(shí)可以促進(jìn)步行行為[6-7]、改善公眾健康和提升幸福感等[8-9]。

以往對(duì)于街道綠化最詳盡的評(píng)估形式是評(píng)估人員在實(shí)地直接進(jìn)行觀察，然而這種方法獲得的樣本量有限且耗時(shí)久，同時(shí)易受到評(píng)估人員主觀評(píng)價(jià)偏差的影響。近年來隨著大數(shù)據(jù)技術(shù)和互聯(lián)網(wǎng)的迅猛發(fā)展，網(wǎng)絡(luò)地圖服務(wù)商如百度地圖、騰訊地圖和谷歌地圖等都開始提供街景地圖服務(wù)，這為高精度、大規(guī)模的城市街道空間定量化研究提供了可靠的數(shù)據(jù)來源。街景圖像以人的視覺感受為核心，以接近人的視角，客觀地評(píng)估城市綠色空間在三維空間上的建設(shè)質(zhì)量，比起忽略微觀差異的匯總式和平均式的二維平面城市綠化評(píng)價(jià)指標(biāo)（如綠地率、綠化覆蓋率、人均公園綠地面積等），提供了更貼近居民訴求的分析依據(jù)。街景圖像數(shù)據(jù)結(jié)合開源的遙感影像數(shù)據(jù)，可以在街道空間評(píng)估的范圍、尺度和維度方面實(shí)現(xiàn)相互補(bǔ)充和驗(yàn)證[10]，這也使得基于多源數(shù)據(jù)的復(fù)合量化指標(biāo)衡量城市綠化環(huán)境成為一個(gè)新趨勢(shì)[11-12]，更可以為學(xué)者繞開數(shù)據(jù)屏障，探索城市局部或整體景觀提供新機(jī)遇。此外，對(duì)街景圖像數(shù)據(jù)的處理也從繁重的人工目視判讀法，發(fā)展到使用計(jì)算機(jī)軟件在色彩空間中提取色彩范圍內(nèi)的像素點(diǎn)數(shù)量來衡量街道綠化質(zhì)量。最新發(fā)展起來的機(jī)器學(xué)習(xí)下的語義分割法可以實(shí)現(xiàn)對(duì)街景圖像更加精確的自動(dòng)化評(píng)估，從而免去大量枯燥的手動(dòng)處理，這大大拓寬了街道空間研究的廣度和深度。

與沿街綠色空間相比，很少有研究探討沿街藍(lán)色空間（河道等水體）的問題。事實(shí)上，藍(lán)色空間和綠色空間并非是2個(gè)獨(dú)立的系統(tǒng)，而是相互交織的公共開放空間網(wǎng)絡(luò)。暴露于藍(lán)色空間同樣可以帶來一系列生理和心理健康益處，藍(lán)綠空間可見度的改善對(duì)于居民的心理健康和步行行為促進(jìn)有著積極的影響[13]。因此，藍(lán)綠空間的整體量化評(píng)估和通盤考慮對(duì)于藍(lán)綠耦合尤為重要，然而，目前研究不足以指導(dǎo)設(shè)計(jì)或者干預(yù)政策。

浙江省紹興市是著名的水鄉(xiāng)澤國，因水而生，逐水而居，以水知名。對(duì)于紹興市來說，河流是一筆巨大的資產(chǎn)，其附帶的濱水空間更是紹興人民日常生活和社會(huì)交往的重要交往空間。水陸并行、“水中有城，城中有水”的傳統(tǒng)格局是紹興的城市特色，而街道是直觀感受和展現(xiàn)水鄉(xiāng)風(fēng)貌的重要空間，良好的沿街藍(lán)色空間感知對(duì)于江南水鄉(xiāng)的氛圍營造、城市特色文化的展現(xiàn)具有重要意義，但目前為止其城市藍(lán)綠空間尚未得到足夠的關(guān)注?；诖?，本研究嘗試通過街景圖像數(shù)據(jù)和遙感影像數(shù)據(jù)，對(duì)紹興市越城區(qū)二環(huán)以內(nèi)的街道進(jìn)行詳盡調(diào)查并且梳理涉及人本尺度的開源數(shù)據(jù)分析流程，從而得出指導(dǎo)城市精細(xì)化管理的輔助信息，并據(jù)此對(duì)紹興市沿街藍(lán)綠空間建設(shè)提出優(yōu)化對(duì)策和建議。

1 研究區(qū)域與數(shù)據(jù)獲取

1.1 研究區(qū)域

紹興市位于中國浙江省的中北部，是國務(wù)院公布的全國首批24個(gè)歷史文化名城之一，距今已有2 500年的悠久歷史。紹興市具有典型的江南水鄉(xiāng)特色，市內(nèi)河網(wǎng)縱橫，共有河流6 759條，水面率約10%[14]。藍(lán)綠空間作為紹興市的城市景觀和歷史文化的載體，至今仍深刻地影響著紹興市的景觀和人們的生活[15]。

考慮到街景圖像的有效覆蓋范圍和居民日常生活的空間尺度，本研究選取紹興市越城區(qū)二環(huán)以內(nèi)的區(qū)域?yàn)檠芯糠秶▓D1），該范圍總面積約為4 555.6 hm2；其中以護(hù)城河外側(cè)河沿以內(nèi)的區(qū)域?yàn)榻B興古城，該區(qū)域是紹興的歷史文化中心，保留了傳統(tǒng)的水鄉(xiāng)風(fēng)貌以及眾多的文旅景點(diǎn)，如魯迅故里、沈園等。

1 研究范圍Research scope

1.2 數(shù)據(jù)獲取

1.2.1 街景圖像數(shù)據(jù)

街景圖像數(shù)據(jù)來源于百度地圖開放平臺(tái)（lbsyun.baidu.com），用以表示三維空間上的沿街藍(lán)綠空間。具體操作步驟如下：1）用百度地圖截獲器軟件獲得街景導(dǎo)航軌跡，經(jīng)空間校正和地理配準(zhǔn)后將其簡化并提取道路中心線；2）在ArcGIS 10.6中生成間隔為50 m的采樣點(diǎn)與唯一的經(jīng)緯度信息，最終確定了4 702個(gè)采樣點(diǎn)；3）通過自編Python腳本調(diào)用應(yīng)用程序編程接口，每個(gè)采樣點(diǎn)獲取前、后、左、右4張街景圖片，以此來模擬一個(gè)完整的行人視角。最終獲得共計(jì)18 808張街景圖片（2020年9月），每張圖片的大小為1 024×512像素。

1.2.2 衛(wèi)星遙感影像數(shù)據(jù)

二維平面上的沿街藍(lán)綠空間數(shù)據(jù)來源于中國科學(xué)院計(jì)算機(jī)網(wǎng)絡(luò)信息中心地理空間數(shù)據(jù)云[16]的Landsat 8遙感影像圖（2018年4月28日，少云，分辨率為30 m）。在ENVI 5.3軟件中進(jìn)行輻射定標(biāo)、大氣校正等預(yù)處理步驟之后分別計(jì)算歸一化差分植被指數(shù)（normalized difference vegetation index, NDVI）和歸一化差分水體指數(shù)（normalized difference water index,NDWI）。

2 研究方法

2.1 指標(biāo)設(shè)定

2.1.1 沿街藍(lán)綠空間感知

綠色空間感知使用綠視率（green view index, GVI）這一指標(biāo)進(jìn)行衡量。GVI最早由青木陽二提出，指的是人觀察視野內(nèi)綠色所占的比率[17]，是人們對(duì)于環(huán)境綠化的感知[18]。一般認(rèn)為15%的綠視率是人所認(rèn)可的最低限度，當(dāng)綠視率為25%時(shí)會(huì)感到更加積極舒適，對(duì)人的視力和健康更加有利[19-20]。本研究參照日本學(xué)者折原夏志對(duì)綠視率的劃分標(biāo)準(zhǔn)，將紹興市的綠色空間感知分為5個(gè)等級(jí)：GVI≤5%（綠色空間感知差）；5% ＜ GVI≤15%（綠色空間感知較差）；15% ＜ GVI≤25%（綠色空間感知一般）；25% ＜ GVI ＜ 35%（綠色空間感知較好）；GVI≥35%（綠色空間感知很好）[21]。將25%作為良好綠視率目標(biāo)線，≤25%的GVI被認(rèn)為是客觀綠色空間感知水平不佳，>25%的GVI被認(rèn)為客觀綠色空間感知水平優(yōu)良[22]。藍(lán)色空間的感知水平也參考此算法，引入藍(lán)視率（blue view index, BVI）的概念?？紤]到街道上看到的藍(lán)色空間比例遠(yuǎn)小于綠色空間，因此對(duì)于藍(lán)色空間的感知只劃分為2個(gè)等級(jí)：藍(lán)色空間可感知（BVI>0）和藍(lán)色空間感知不佳（BVI=0）。

2.1.2 NDVI和NDWI

NDVI，一般用以表示植被覆蓋度，值在[-1, 1]之間，負(fù)值表示為云、雪、水等對(duì)可見光高反射的地面覆蓋物，正值表示地表有植被覆蓋，且越接近1表示植被覆蓋度越大。NDWI一般用以表示水體覆蓋度，值在[-1, 1]之間，負(fù)值時(shí)表示有植被覆蓋，正值表示地表有水體覆蓋，且越接近1表示水體覆蓋度越大。NDVI與NDWI計(jì)算式如下：

式中：NIR（near infrared）為近紅外波段；R為紅波段；G為綠波段。

2.2 數(shù)據(jù)處理

沿街藍(lán)綠空間是通過全卷積神經(jīng)網(wǎng)絡(luò)（fully convolution network, FCN）從街景圖像數(shù)據(jù)中提取的（圖2），使用的是基于ADE_20K數(shù)據(jù)集的深度學(xué)習(xí)視覺影像語義分割軟件[23]，該方法能夠較為準(zhǔn)確地識(shí)別圖片中的植物，即使在無葉季節(jié)和黃昏場(chǎng)景中也能正確識(shí)別樹形，減少以往采集圖片中以綠色像素點(diǎn)的比例來表示綠視率的誤差。綠色空間的標(biāo)簽選取為樹木、草地、植物和棕櫚樹等所有對(duì)GVI有貢獻(xiàn)的標(biāo)簽。藍(lán)色空間的標(biāo)簽選取為水、海、河流、湖泊、噴泉、瀑布和游泳池，不包括具有藍(lán)色物體要素（如天空等）的景觀空間。每個(gè)采樣點(diǎn)的GVI和BVI分別為該采樣點(diǎn)4個(gè)方向（前、后、左、右）的街景圖片中綠色空間和藍(lán)色空間占比的平均值（圖2）。

2 基于語義分割的街景GVI與BVI計(jì)算示例Examples for calculation of streetscape GVI and BVI based on semantic segmentation

3 研究結(jié)果

3.1 綠色空間感知

3.1.1 研究區(qū)域GVI分布特征

研究區(qū)域GVI平均值為33.6%，中位數(shù)為34.3%。這個(gè)數(shù)值與一些發(fā)達(dá)國家的城市GVI相近，如新加坡街道平均GVI為29.3%，美國坦帕街道平均GVI為36.1%[24]，表明紹興市二環(huán)內(nèi)的整體綠色空間感知較好。其中GVI>35%的采樣點(diǎn)的數(shù)量最多，有2 299個(gè)（占總數(shù)的48.9%）；21.2%的采樣點(diǎn)GVI＜15%，綠色空間感知較差；只有4個(gè)采樣點(diǎn)的綠視率為0。

3.1.2 GVI空間分布差異特征

研究區(qū)域綠色空間感知呈現(xiàn)從中心向邊緣遞減的趨勢(shì)（圖3）。古城范圍內(nèi)的GVI平均值為38.7%，中位值為40.3%，高于研究范圍內(nèi)的平均水平，綠色空間感知表現(xiàn)更好（圖4）。

4 古城和研究區(qū)域GVI占比Proportion of GVI in ancient city and research area

綠色空間感知差的采樣點(diǎn)主要分布在二環(huán)北路、二環(huán)西路、城南大道（圖3、5），這3條道路均為主干道，路幅較寬使得人視野中的植物占比下降。再加上城市建設(shè)時(shí)序的原因，GVI整體低于古城，特別是以快速路和高架橋?yàn)橹鞯亩h(huán)路，其采樣點(diǎn)間的GVI變化幅度較大，這種情況下，機(jī)動(dòng)車駕駛員在快速移動(dòng)過程中將感知高頻的視覺反差，可能會(huì)對(duì)其安全駕駛有所影響。但同樣是城市主干道，環(huán)城西路、環(huán)城北路（圖5）街道綠化水平卻更好，這可能是因?yàn)榻B興市前幾年的護(hù)城河整治行動(dòng)提升了護(hù)城河周圍的整體綠化環(huán)境。盡管古城整體街道綠化水平較高，但東街最東段、漁化橋河沿東段、觀音弄、惠豐路（圖5）等路段綠色空間感知水平低下，這些街道路幅較小，兩側(cè)房屋林立，空間擁擠，街道環(huán)境亟待提升。

3 GVI空間分布Spatial distribution of GVI

5 研究區(qū)域各街道街景圖Streetscape scenes in the research area

3.1.3 行政區(qū)劃GVI分布特征

行政區(qū)劃層面的街道GVI區(qū)別較大，空間分異明顯。7個(gè)街道的平均綠視率均>25%，都達(dá)到了綠色空間感知較好的水平（表1）。其中稽山街道、塔山街道和府山街道的GVI平均值均高于總體平均值，綠色空間感知很好。雖然位于古城外，但稽山街道的GVI平均值最高，為46.29%，有77.19%（616個(gè)）的采樣點(diǎn)GVI高于平均值，表明該街道在居民視野中看起來更“綠”。北海街道的GVI平均值最低，只有34.45%的采樣點(diǎn)GVI高于平均值。靈芝街道的GVI跨度在7個(gè)街道中最大，稽山街道的GVI跨度最小。

表1 研究區(qū)域各街道的GVI數(shù)值統(tǒng)計(jì)Tab. 1 Statistics of GVI values for each street in the research area

3.2 藍(lán)色空間感知

以20 m為閾值（20 m能夠從中近距離感受和欣賞水面），共有684個(gè)采樣點(diǎn)位于水系20 m的緩沖區(qū)內(nèi)，其中12.72%（87個(gè)）的采樣點(diǎn)的GVI＜5%，表明這部分的濱水空間缺乏綠化；30.12%（206個(gè)）的采樣點(diǎn)識(shí)別不到藍(lán)色空間，存在“臨水不見水”的現(xiàn)象。通過比對(duì)這些點(diǎn)位的街景圖片，發(fā)現(xiàn)造成該現(xiàn)象的原因是人工或者自然的障礙物（植被、圍墻、建筑等）阻斷了觀水的視線以及高差造成的視野內(nèi)藍(lán)色空間比例下降（圖6）。藍(lán)色空間感知不佳的點(diǎn)位主要分布在下大路和北海橋直街（圖7），這2條道路所夾的河道較窄，平均寬度不足10 m，兩岸植被豐茂，植物配置多為自然的“喬+灌+草”形式，未留出足夠的透景線，使得水體較難被行人感知。這種情況在西郊路東段也同樣存在。下大路的東南段（紹興市大江農(nóng)貿(mào)市場(chǎng)附近），百余米的濱水空間被用作停車場(chǎng)，車輛甚至直接停放在人行道上。這雖然是為了解決古城保護(hù)與城市擴(kuò)張矛盾的無奈之舉，但顯然侵占了居民的步行空間，無疑是對(duì)古城風(fēng)貌的一種破壞。

6 藍(lán)色空間感知不佳原因演示Demonstration of reasons for poor blue space perception

7 藍(lán)色空間感知不佳點(diǎn)位Points where blue spaces are poorly perceived

3.3 二維與三維沿街藍(lán)綠空間比較

為探究行人視角下的三維藍(lán)綠空間與俯視視角下的二維植被覆蓋信息（圖8-1、8-2）之間的相關(guān)性和差異，分別提取采樣點(diǎn)所在位置的NDVI和NDWI，并與對(duì)應(yīng)的GVI和BVI做比較?？紤]到采樣點(diǎn)周圍環(huán)境的影響，在提取時(shí)使用雙線性插值法以減少誤差。最終計(jì)算得到GVI與NDVI的Pearson相關(guān)系數(shù)為0.411 6（p＜0.001，p為顯著性水平），呈中等程度相關(guān)；BVI與NDWI的Pearson相關(guān)系數(shù)為0.239 5（p＜0.001），呈弱相關(guān)（相關(guān)系數(shù)的絕對(duì)值介于0.1～0.3）。這個(gè)結(jié)論與Larkin等[25]在美國俄勒岡州的研究結(jié)果以及Marco等[8]在北京的研究結(jié)果類似，即藍(lán)綠空間與包括NDVI在內(nèi)的其他綠色空間測(cè)度指標(biāo)呈弱相關(guān)性。表明了遙感影像與街景圖像在表達(dá)沿街藍(lán)綠空間時(shí)的不一致性。

為了解三維街景綠色空間與二維植被覆蓋信息差異的原因，本研究將提取到的NDVI和GVI按照自然間斷點(diǎn)法分為5類，比較差異較大的2種情況—NDVI低而GVI高和NDVI高而GVI低。

NDVI低而GVI高的采樣點(diǎn)（圖8-3）主要分布在城市次干道上，道路斷面形式多為一板兩帶式，主要分為3類：1）路幅小而行道樹冠幅大（圖9-1），如環(huán)城西路沿護(hù)城河段，多處樹冠已經(jīng)“合龍”，再加上喬、灌、草的植物配置形式，使得植被在三維空間上體現(xiàn)的效果更好；2）柵欄式圍墻的應(yīng)用（圖9-2），柵欄式圍墻在起到圍合和分隔作用的同時(shí)可以不隔絕視線，為了加強(qiáng)圍合效果，圍墻內(nèi)外往往又會(huì)種植灌木叢或者攀緣植物，對(duì)中下層GVI起到很好的補(bǔ)充，如天姥路、曹江路、投醪河路等；3）周圍環(huán)境綠化的補(bǔ)充（圖9-3），三維上的綠色空間感知并不僅限于道路空間，當(dāng)街道周圍環(huán)境綠化（如河道綠化）整體較好時(shí)，街道GVI通常也比較好，如環(huán)城北路、豐山路等。

8 二維與三維的沿街藍(lán)綠空間差異Difference between two-dimensional and threedimensional blue and green spaces along the street

9 NDVI低而GVI高的原因演示Analysis of reasons for low NDVI but high GVI

NDVI高而GVI低的采樣點(diǎn)（圖8-4）主要分布在城市外圍的主干道上，主要可以歸為3類：1）實(shí)墻遮擋或施工篷布遮擋（圖10-1），如府山公園環(huán)山路段以及唐郡名園西側(cè)的無名路段，大片的綠地被實(shí)墻隔離，而街道本身的綠化又不足以提供視覺上充足的綠色，導(dǎo)致這些街道的綠色空間感知較差；2）綠色空間錯(cuò)位（圖10-2、10-3），由于高架橋或者擋土墻形成的高差，導(dǎo)致植被需要俯視或者仰視才能被觀察到（如二環(huán)西路），特別是采樣點(diǎn)所在的橋梁下方有河流經(jīng)過時(shí)，這種因?yàn)楦卟钤斐傻亩S、三維綠色空間測(cè)度不一致的情況會(huì)更加突出；3）植被后退或者道路拓寬（圖10-4），無論是道路寬度增大還是周圍植被與道路邊緣距離增大均會(huì)導(dǎo)致視野中的綠色空間比例下降，如二環(huán)南路和山陰路的交匯口、越東南路、二環(huán)南路等。

10 NDVI高而GVI低的原因演示Analysis of reasons for high NDVI but low GVI

NDWI與BVI之間的差異也可以分為2類—NDWI高而BVI低和NDWI低而BVI高。NDWI低而BVI高的采樣點(diǎn)（圖8-5）主要分布在小池塘或者河道較窄的地方，這些地方藍(lán)色空間本身規(guī)模較小，在30 m精度的遙感影像下未能被精確地識(shí)別到；另外，水邊植被在平面上的遮擋以及水上構(gòu)筑物如廊橋等的遮擋，也會(huì)對(duì)平面上藍(lán)色空間的識(shí)別產(chǎn)生影響。NDWI 高而 BVI 低的采樣點(diǎn)（圖8-6）同樣受高差和障礙物兩方面的影響，也是造成“臨水不見水”現(xiàn)象的主要原因。高差、茂密的植被和車輛等障礙物，以及沒有通往濱水空間的通道等，都會(huì)導(dǎo)致視野內(nèi)藍(lán)色空間感知的下降。

4 討論

街景圖像數(shù)據(jù)具有模擬行人視角的獨(dú)特優(yōu)勢(shì)，這種新興的數(shù)據(jù)源結(jié)合機(jī)器學(xué)習(xí)配合的自下而上的評(píng)估方式，已被證實(shí)是測(cè)度建成環(huán)境的有效手段[26]。在當(dāng)前對(duì)于城市綠化有著不同評(píng)判標(biāo)準(zhǔn)的背景下，小尺度微觀立體的街景圖像和大尺度宏觀平面的遙感影像相互補(bǔ)充和驗(yàn)證的評(píng)估方式是識(shí)別具有藍(lán)綠發(fā)展?jié)摿Φ慕值揽臻g的強(qiáng)大工具，結(jié)合兩者的評(píng)估結(jié)果提出相應(yīng)的優(yōu)化建議，能使有限的道路綠地提供最大限度的綠化貢獻(xiàn)。

紹興市于2018年對(duì)越城區(qū)的解放路、環(huán)城西路、環(huán)城南路等20條道路進(jìn)行了城市景觀改造，這些道路在此次調(diào)查中都處于較好的綠色空間感知水平，表明紹興市的道路景觀治理已見成效。盡管如此，古城內(nèi)外依舊存在綠色空間感知欠佳的街道，這些街道在未來的城市規(guī)劃設(shè)計(jì)中應(yīng)該得到更多的關(guān)注和資源傾斜。在綠色空間的基礎(chǔ)上，本研究對(duì)于藍(lán)色空間也進(jìn)行了分析討論，可以為其他有著類似水鄉(xiāng)特征的城市提供沿街藍(lán)綠空間評(píng)估的方法參考。街道作為居民日常生活出行的重要載體，若是附近的濱水空間能夠融合綠色空間得到適當(dāng)?shù)囊?guī)劃、設(shè)計(jì)及管理，將會(huì)是創(chuàng)造舒適宜人的步行環(huán)境、提升街道空間品質(zhì)和物理環(huán)境的首選，既是生態(tài)和景觀效益的融合，也是紹興水鄉(xiāng)文化的傳承與發(fā)展。

基于上述分析，本研究對(duì)紹興市沿街藍(lán)綠空間提出3方面的提升思路。1）移除街道上的障礙物，增加街道及其附近藍(lán)綠空間的可達(dá)性和可視性。對(duì)于只有綠色空間的街道來說，減少實(shí)墻的遮擋，必要時(shí)可以使用柵欄式圍墻以保證景觀視線的通透性；對(duì)于有藍(lán)綠空間的街道來說，更是要減少圍墻、圍欄的遮擋，以及疏理水岸邊的植物、限制河岸邊的不規(guī)范停車行為等。2）因高差、路幅過大造成的視野內(nèi)綠色空間比例下降，可以通過垂直綠化（如盆栽、攀緣植物等）、增加道路分車帶綠化、配置多層次植物等補(bǔ)足綠化缺口，形成舒適安全的步行和車行環(huán)境。對(duì)于有條件的街道藍(lán)色空間，可以將硬質(zhì)駁岸改為自然或者半自然式的駁岸，配以水生植物，營造具有水鄉(xiāng)氛圍的特色城市街道空間。3）當(dāng)街道附近存在具有潛力的藍(lán)綠空間時(shí)，可以在改善周圍藍(lán)綠空間質(zhì)量的同時(shí)，在城市設(shè)計(jì)、環(huán)境微改造中留出視線通廊，增加藍(lán)綠空間的可見性，這不僅能從側(cè)面提升藍(lán)綠空間感知，還可以同步提升城市平面和立面上的藍(lán)綠空間品質(zhì)。

5 問題與展望

視覺是人類感知外界的最主要的方式，從行人視角評(píng)估城市街道綠化，輔以俯視視角下的遙感影像，有助于推進(jìn)城市的精細(xì)修補(bǔ)和精準(zhǔn)干預(yù)。本研究尚存在一些局限：1）對(duì)于一些門控社區(qū)和禁止車行的地方，百度街景圖像尚未達(dá)到百分之百的覆蓋率；2）街景車的采樣拍攝點(diǎn)高于人視點(diǎn)，存在視野范圍偏差[21]，并不能完全替代行人視角；3）由于衛(wèi)星遙感影像的分辨率的限制，對(duì)于一些寬度不足30 m的街道或者水系的識(shí)別存在一定誤差，在后續(xù)研究中需要利用更高分辨率的遙感影像及多時(shí)相街景圖像結(jié)合實(shí)地踏勘拍攝等補(bǔ)足數(shù)據(jù)。隨著數(shù)據(jù)類型和數(shù)據(jù)精度的增加，對(duì)街景藍(lán)綠空間動(dòng)態(tài)監(jiān)測(cè)，進(jìn)行大尺度、高精度、細(xì)粒度的評(píng)估將很快成為現(xiàn)實(shí)，進(jìn)而為人居環(huán)境研究、實(shí)踐帶來新的機(jī)遇。

圖表來源(Sources of Figures and Table)：

文中圖表均由作者繪制。圖1、3、7底圖來源于天地圖（https://www.tianditu.gov.cn/），審圖號(hào)為GS（2021）1487號(hào)；圖2、5中的底圖和街景圖片來源于百度地圖開放平臺(tái)（https://lbsyun.baidu.com/，于2020年9月獲得）。