换一批基于机器学习的街道绿视率季节差异校准方法
Calibration method for seasonal differences in street green view index based on machine learning
摘要城市绿地作为城市生态系统的重要组成部分,其规划和管理对于提升城市居民的生活质量、改善城市环境和促进可持续发展具有重要意义.基于街景图像的街道绿视率是衡量城市人居环境的一个重要指标,可为国土空间规划和城市治理提供科学依据.然而,街景图像采集时间跨度大、更新周期长,受植被季节变化影响,使得基于街景图像的街道绿视率季节差异显著,影响城市国土空间规划和治理决策.为解决这一问题,提出了一种基于机器学习的街道绿视率季节差异校准方法.该方法综合多源时空数据,获得街道绿视率的影响因子,结合待校准季节的街道绿视率,使用相关性分析和特征选择得到最优特征组合.采用机器学习技术,使用贝叶斯搜索进行超参数优化,构建和优选街道绿视率校准模型,并利用SHAP方法量化特征对模型的非线性影响,运用校准模型将非夏季的街道绿视率统一校准至夏季.研究选取北京市和南京市中心城区的部分区域作为研究区,利用所提出的方法校准了冬季的街道绿视率.结果表明,校准后同一道路的街道绿视率连续性得到提升,改善了季节差异导致的街道绿视率低估现象,使其更接近夏季的实际植被覆盖情况.城市街道绿视率表现出较为显著的空间异质性,街道绿视率与绿地分布、建筑密度等因素密切相关.所提出的校准方法能够有效解决街道绿视率季节差异问题,并为不同区域街道绿视率校准提供了有效的方法框架,可为城市绿地空间布局优化和城市精细治理提供科学依据.实际运用中,可结合区域特征、数据可获取性、技术方法发展变化,增加或改变影响因子和备选模型,进一步提高校准方法的适用性和泛化能力.
更多相关知识
关键词
机器学习街道绿视率街景图像季节差异校准方法machine learningstreet green view indexstreet view imagesseasonal differencescalibration method
栏目名称
DOI
10.20103/j.stxb.202502210366
发布时间
2025-11-26（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家自然科学基金（42171396）
- 浏览1
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
