基于深度学习的城市绿地生境精细化识别与降温效应优选设计——以环太湖地区为例

摘要

【目的】城市绿地为缓解热岛效应提供近自然途径，城市绿地的降温效应受生境特征与生境类型差异影响，有必要类型化揭示城市绿地生境特征对于降温效应的影响规律。【方法】引入U-Net网络架构，结合高分辨率遥感影像，对环太湖地区25 983个研究单元的生境要素进行大批量自动化识别，用K均值（K-means）聚类算法进行生境类型细分，使用交叉分析法揭示不同生境类型的降温效应差异及其关键影响因子。【结果】共识别出6类一级、39类二级绿地生境类型；一级生境类型降温效应总体排序为林地型生境>滨水复合型生境>植被复合型生境>农田复合型生境>草地型生境>硬质型生境；不同绿地生境类型的降温效应和关键影响因子存在差异，并呈现一定的城乡差别。【结论】深度学习模型可辅助实现城市绿地生境要素的精细化识别与类型细分，所揭示的降温效应差异化规律有力支撑了绿地生境的优选设计策略，为城市绿地实现气候适应型近自然生态修复提供了参考。

关键词

风景园林 / 生境类型 / 降温效应 / U-Net网络架构 / 交叉分析 / 环太湖地区

基金资助

国家自然科学基金面上项目“城市绿地增汇减碳的生态系统服务耦联机制、绩效评价与格局优化”（编号32572129）;国家自然科学基金面上项目“基于多重价值协同的城市绿地空间格局优化机制：以上海大都市圈为例”（编号52178053）; 2024年度上海高校市级重点课程建设项目“景观详细规划”