基于街景与高分遥感影像的超大城市绿地高精度识别与空间特征解析

城市绿地是城市生态系统的关键组成部分,对改善生态环境和提高人居质量具有无法替代的作用.高精度的城市绿地识别是城市更新及绿色基础设施优化的基础,目前针对超大城市绿地的识别与空间异质性研究相对较少.本研究以西安市为例,结合城市街景图像与高分二号(GF-2)遥感影像,采用ISODATA分类、K-Means分类及卷积神经网络模型等方法,对绿地进行多维度、降尺度、高精度的识别与分析.结果表明:① K-Means分类方法的识别精度(84.5%)显著高于ISODATA分类方法(62.4%),且更能准确映射绿地的空间特征与异质性规律,K-Means方法识别的绿地覆盖率为0.277 0,低于ISODATA的0.360 7;② 西安主城区内街道平均绿视率为0.156 0,表明整体绿化水平良好,但不同道路存在明显的两极分化,其中30%的采样点的绿视率低于0.080 0;主城区整体呈现出高等级道路平均绿视率高于低等级道路的趋势,即主要道路＞次要道路＞干道＞三级道路;③西安主城区内街道绿视率与片区植被覆盖率整体呈现正相关,但在部分路段关联性较小,反映了街道地面纵剖面与天空俯视图的差异,二者结合可以更准确地评估和量化城市绿地.本研究可为西安市绿地规划、绿色基础设施建设和智慧管理提供一定借鉴,同时可为其他城市绿地的高精度识别与空间解析提供技术参考.