基于街景图像的南京市市区美景度评估及驱动机制时空演变

许沉风, 李敏, 胡一可, 耿星, 冯紫若, 程岩, 雒腾宇

中国城市林业 ›› 2025, Vol. 23 ›› Issue (04) : 61 -71.

PDF
中国城市林业 ›› 2025, Vol. 23 ›› Issue (04) : 61 -71.

基于街景图像的南京市市区美景度评估及驱动机制时空演变

    许沉风, 李敏, 胡一可, 耿星, 冯紫若, 程岩, 雒腾宇
作者信息 +

Author information +
文章历史 +
PDF

摘要

【目的】科学智能地评估南京市市区街道美景度(SB)及其驱动机制,为未来街道设计与管理提供理论参考。【方法】首先,爬取2014—2022年街景图像,通过DeepLabV3+模型提取物质性视觉要素;其次,基于ResNet50模型训练并预测不同区域的SB,分析其时空演变趋势;最后,构建绿视率(GVI)、天空开阔度(SOI)、界面围合度(IEI)与机动车丰富度(MVRI)4类驱动因素,并基于XGBoost-SHAP与地理加权随机森林(GWRF)模型分别探究全局性与局部性层面SB的驱动机制特征。【结果】1)极低及较低等级SB区域的面积呈下降趋势,其余等级整体上升;2)2014—2022年GVI对SB贡献度最高,但2016与2022年分别由IEI、SOI主导,MVRI整体贡献最低;3)GVI对SB呈正向驱动作用、SOI和IEI呈正负交织但整体负向、MVRI呈正负交织;4)2014、2015、2019与2021年中GVI作为核心驱动因素的影响范围最大,其余因素在特定年份影响范围最大。【结论】南京市市区SB呈积极改善趋势;GVI是SB的关键驱动因素;SB驱动机制在不同时间与空间上存在复杂差异;XGBoost-SHAP与GWRF模型的结合能有效提升SB驱动机制在全局性与局部性层面的解释深度。

关键词

美景度 / 街景图像 / DeepLabV3+ / XGBoost-SHAP / 地理加权随机森林

Key words

引用本文

引用格式 ▾
基于街景图像的南京市市区美景度评估及驱动机制时空演变[J]. 中国城市林业, 2025, 23(04): 61-71 DOI:

登录浏览全文

4963

注册一个新账户 忘记密码

参考文献

AI Summary AI Mindmap
PDF

147

访问

0

被引

详细

导航
相关文章

AI思维导图

/