基于街景圖像的城市街道綠視率計量方法比較分析

劉曉天 ，孫 冰，廖 超，金佳莉，施招婉，范黎明，唐藝家，何繼紅，何衛(wèi)忠，楊 龍，孫 倩，裴男才*

（1.中國林業(yè)科學(xué)研究院 熱帶林業(yè)研究所，廣東 廣州 510520；2.南京林業(yè)大學(xué) 風(fēng)景園林學(xué)院，江蘇 南京 210037；3.中國林業(yè)科學(xué)研究院林業(yè)研究所，北京 100091；4.廣東省九連山林場，廣東河源 517100；5.廣州地理研究所，廣東廣州 510070；6.澳大利亞墨爾本皇家理工大學(xué)科學(xué)院地理空間科學(xué)系，維多利亞州墨爾本市VIC 3001）

【研究意義】當(dāng)代的城市居民不僅注重于基本的物質(zhì)生活條件，對于精神生活的滿足也同樣關(guān)注。經(jīng)濟持續(xù)穩(wěn)定發(fā)展，城市化日益加劇，大量外來居民涌入城市，使得城市人口急劇增加，城市環(huán)境面臨巨大的挑戰(zhàn)；城市環(huán)境是指影響城市人類活動的各種自然的或人工的外部條件[1]，城市綠色基礎(chǔ)設(shè)施作為城市生態(tài)環(huán)境的重要組成部分，一直被認為是凈化空氣污染，降低污染源的重要手段和途徑，對于提高城市環(huán)境質(zhì)量，確保城市生態(tài)可持續(xù)發(fā)展具有重要作用?！厩叭搜芯窟M展】城市林業(yè)是自然資源管理和城市景觀配置相結(jié)合的應(yīng)用科學(xué)，不僅需要跨學(xué)科綜合研究，還需要進一步對新技術(shù)進行應(yīng)用[2]，并同時建立多種比較評估模型[3]。通過遙感提取的城市二維圖像在衡量城市綠化水平方面無法搜集多維度綠化空間分布信息，而街景圖像能彌補這種不足，提供細粒度更好的綠量信息圖像[4-5]。城市街道作為城市人口最為密集，城市活動最集中的區(qū)域，為研究城市自然環(huán)境提供了最直接的樣本采取點。據(jù)統(tǒng)計，世界上長壽地區(qū)的“綠視率”均在15%以上，綠色在人的視野中的比例達到25%時，人感覺最為舒適，表明綠視率與人的壽命健康是密切相關(guān)的。因此，城市街道綠視率對于城市綠化評價具有一定代表性。綠視率（visible green index）由日本學(xué)者青木陽二于1987年首次提出，現(xiàn)已成為日本政府認定的常規(guī)綠化評價指標(biāo)，是基于人眼可視范圍內(nèi)的綠色植物面積所統(tǒng)計出的綠化數(shù)據(jù)。綠視率[6-7]更加貼近于主觀判斷。由于人在環(huán)境中所接收到的信息90%來源于視覺[8]，“可感知的綠色城市”遠遠比“指標(biāo)上的綠色城市”重要[9]，因而利用綠視率計算評價能夠讓城市居民更直觀了解城市綠化建設(shè)水平，通過深度學(xué)習(xí)技術(shù)對谷歌街景圖像的綠視率進行提取并分析其與城市居民步行行為的相關(guān)性，能夠更直觀感受到城市綠化效果。

【本研究切入點】依托于綠視率的計量評價[10]，結(jié)合深度學(xué)習(xí)技術(shù)可以有效的推斷出城市綠化建設(shè)中的缺陷和不足，并及時向政府機關(guān)和社會機構(gòu)提出建議，整改完善問題區(qū)域，更好的為市民出行提供服務(wù)[11]。伴隨著人們所處理數(shù)據(jù)量的擴大以及物聯(lián)網(wǎng)技術(shù)的蓬勃發(fā)展，數(shù)據(jù)采集與處理變得更加方便快捷。街景在城市研究中的應(yīng)用越來越廣泛，基于城市街景數(shù)據(jù)對城市內(nèi)部綠化環(huán)境進行多方面的研究也越來越多[12]。傳統(tǒng)的環(huán)境評價和綠視率圖片的獲取與分析采用現(xiàn)場調(diào)研和人工處理的方法，調(diào)查者以24 mm 人像鏡頭來模擬人眼，利用定點拍攝的方法來獲取綠化照片；該方法往往需要耗費大量的人力、物力，且所費時間過于冗長，難以在大尺度、大范圍上進行精確地評估。數(shù)字化、物聯(lián)網(wǎng)技術(shù)的發(fā)展為大空間尺度上的研究提供了便利。街景圖像具有覆蓋面廣、圖像清晰、數(shù)據(jù)準(zhǔn)確等優(yōu)點，使人能夠快速準(zhǔn)確的瀏覽街道級的自然景觀；地圖開發(fā)商提供公共的API開發(fā)接口，使開發(fā)者能夠免費下載和調(diào)用街景靜態(tài)圖片，可在短時間內(nèi)獲得大量圖片數(shù)據(jù)。街景靜態(tài)圖直觀的反映了城市的立面信息，有效的避免了現(xiàn)場采集的繁瑣和安全隱患。在谷歌地圖覆蓋的區(qū)域，一般采用谷歌街景來獲取圖片，如李小江使用谷歌街景圖片用于評估街道級城市綠地的空間分布[13]。而國內(nèi)城市谷歌街景沒有覆蓋，更多采用百度地圖和騰訊地圖[14]來獲取，百度地圖的街景圖像已經(jīng)覆蓋全國九成以上的城市建成區(qū)，開發(fā)者通過百度地圖提供的AK 密鑰，可以準(zhǔn)確定位觀測點坐標(biāo)，通過篩選季節(jié)段、定義俯仰角來滿足自己的研究需求，這些優(yōu)點使街景圖像成為城市環(huán)境評價中重要的新數(shù)據(jù)源。與西部地區(qū)相比，東南部地區(qū)城市經(jīng)濟發(fā)展迅速且擁有天然的區(qū)位優(yōu)勢，該地區(qū)城市建成區(qū)面積更大、基礎(chǔ)設(shè)施更完善、街景信息也更全面?！緮M解決的關(guān)鍵問題】由于數(shù)據(jù)量劇增，研究者處理及分析數(shù)據(jù)的工作量也顯著增加，而自動化和人工智能的發(fā)展則能夠有效的解決這個問題。對于計算綠視率時街景圖像的處理，傳統(tǒng)的網(wǎng)格劃分、手動覆蓋方法對于數(shù)以萬計的圖片信息來說費時甚巨。利用卷積神經(jīng)網(wǎng)絡(luò)（convolutional neural networks）的前饋神經(jīng)網(wǎng)絡(luò)（feedforward neural networks，是深度學(xué)習(xí)的代表算法之一）使圖像自動依據(jù)語塊進行語義分割，則更加直接有效；利用算法模型自動區(qū)分色素斑塊，使得綠視率的計算更加方便快捷。城市森林作為城市生態(tài)環(huán)境的主體，也是城市綠視率的主要組成部分，在生態(tài)安全保障、生態(tài)文化傳播、生態(tài)經(jīng)濟促進等方面均具有重要作用，在生態(tài)尺度方面，隨著城市連片發(fā)展，加強了污染的程度和范圍[15]，政府已經(jīng)把建設(shè)森林城市群上升為國家戰(zhàn)略，單個森林城市解決不了的問題需要更加宏觀的去看，勢必會加大數(shù)據(jù)的處理范圍[16]。機器學(xué)習(xí)[17]具有強大的數(shù)據(jù)處理能力，通過構(gòu)造多種模型可大大提高綠視率計算的速度和準(zhǔn)確度，在數(shù)據(jù)量急劇膨脹的今天，個人所具有的數(shù)據(jù)處理能力微不可及，利用機器學(xué)習(xí)及神經(jīng)網(wǎng)絡(luò)模型自動的處理數(shù)據(jù)將是未來的發(fā)展趨勢。

1 研究現(xiàn)狀

1.1 研究主題分析

基于國內(nèi)文獻現(xiàn)有研究案例的搜索，本文將研究主題分為3類：街景、綠視率、街景+綠視率；基于國外文獻現(xiàn)有研究案例的搜索，將研究主題也分為3 類：街景、圖像拼接、綠視率。圖1、2 中橫坐標(biāo)代表發(fā)表文獻主題中所包含的關(guān)鍵詞，縱坐標(biāo)代表這些文獻的數(shù)量。可以從圖1 中得知，知網(wǎng)收錄的關(guān)于綠視率的文獻僅有154 篇，于2010 年之后發(fā)表的占大多數(shù)，有95 篇；包含街景主題信息的文獻有1 268 篇，2010年后發(fā)表的有915篇，近年來街景圖像的應(yīng)用逐漸增多，包含街景與綠視率兩項主題信息的文獻僅有13篇，均為2010年后發(fā)表。圖2中由谷歌學(xué)術(shù)搜索得到的文獻數(shù)據(jù)并沒有區(qū)分文獻的類型及語言，并且谷歌學(xué)術(shù)資源龐大，文獻難免有一定的重復(fù)性。對比來看，由于國外科技發(fā)展水平較高及綠化較完善，對于街景圖像的使用亦較為廣泛，主要集中于數(shù)字信息化和城市規(guī)劃領(lǐng)域。我國對于街景及綠視率的研究在2010年后得到發(fā)展，而歐美、澳洲以及日本在2010年之前已經(jīng)大規(guī)模應(yīng)用。在城市規(guī)劃領(lǐng)域，國外應(yīng)用計算機技術(shù)將街景圖像進行語義分割，對街景圖像分割的使用占據(jù)街景使用的一半以上。如何結(jié)合街景圖像、遙感影像以及人類行為大數(shù)據(jù)對中國城市綠化設(shè)施進行建設(shè)和維護具有重要的研究價值。

圖1 中文文獻關(guān)于“街景圖像”數(shù)量統(tǒng)計（數(shù)據(jù)來源：中國知網(wǎng)）Fig.1 Statistics of published Chinese literature on street scene image（data source：CNKI）

1.2 研究方法

綠視率信息的獲取與計算，分為觀測點的選擇、數(shù)據(jù)獲取和數(shù)據(jù)的處理分析3個部分。

1.2.1 觀測點選擇 對于觀測點的選擇，可以選用系統(tǒng)抽樣法、分層抽樣法以及GIS軟件坐標(biāo)定位抽樣。系統(tǒng)抽樣法將調(diào)查區(qū)域看作一個整體，按照限定條件進行均衡劃分，具有普遍性和客觀性；分層抽樣法，具有代表性和針對性；但因為具有主觀性會造成人為誤差[18]。GIS 軟件功能強大，利用Python 對ArcGis進行二次開發(fā)，實現(xiàn)空間均衡采樣，能夠有效的減少封閉空間的自相關(guān)，提高采樣精度和效率[19]，可以通過隨機森林算法獲得無偏估計的內(nèi)部生成誤差。對于調(diào)查時間的選擇也十分重要，綠視率是一個動態(tài)變化的參數(shù)，城市居民活動、綠地建設(shè)規(guī)劃、植物生長周期等，都會對調(diào)查結(jié)果產(chǎn)生巨大影響[20]，調(diào)查時間應(yīng)選擇植物生長狀況良好的時間段，北方一般選擇在夏季植物生長茂盛的時間，而南方地區(qū)，可根據(jù)研究需要選取調(diào)研時間。

1.2.2 數(shù)據(jù)獲取 街景圖像的采集方法主要有兩種，一種是通過相機鏡頭（24 mm）模擬人眼視角，人工的采集觀測點樣本圖片（也可以應(yīng)用無人機等設(shè)備輔助采集），但有時限于人力，采集的觀測點數(shù)量少，耗費的時間多；隨著街景地圖的廣泛覆蓋，三維街景數(shù)據(jù)由于其高定位精度、紋理可視化強、可測量等特點，易于結(jié)合激光掃描技術(shù)、傾斜攝影技術(shù)[21]，能夠呈現(xiàn)街道景觀的真實形態(tài)（圖2），促使人們產(chǎn)生對城市環(huán)境的直觀感知，結(jié)合了眾包評級和公眾評分過程的街景地圖從而得到廣泛使用[22-23]。利用地圖開發(fā)商提供的開發(fā)者平臺服務(wù)，使得數(shù)據(jù)的獲取更方便、快捷，能夠處理的數(shù)據(jù)量更大[24]；根據(jù)實驗要求可以劃定范圍，選取范圍內(nèi)的觀測點作為樣本并且可以篩選出具有時光機功能的街景地圖點[25]。

圖3 日本京都一角街景4面圖（數(shù)據(jù)來源：谷歌地圖）Fig.3 The four-sided view of Kyoto′s corner street view in Japan（data source：Google Maps）

1.2.3 數(shù)據(jù)處理與分析 在街景地圖所提供的時間戳（timestamp）的協(xié)助下，可對季節(jié)照片做篩選和替換，在處理街景靜態(tài)圖片時，劍橋大學(xué)學(xué)者提出基于SegNet 分割模型將輸入圖像進行像素級的分類，并且能保留形狀很小的物體信息[26-27]。卷積神經(jīng)網(wǎng)絡(luò)工具SegNet（其源代碼可在Github 上找到）將像素點識別為綠化、天空、建筑等要素類型，應(yīng)用基于角度距離的中間性（Angular Betweenness）作為道路網(wǎng)絡(luò)可達性的度量值，并對比了街景圖像人本視角和遙感圖像超人視角的相關(guān)性[28]；通過將街景全景圖片轉(zhuǎn)化為方位角魚眼圖像的數(shù)字圖像處理技術(shù)[29]，應(yīng)用Hugin 提取城市林地郁閉度，并結(jié)合半球圖像天頂角和方位角來表示天空方向，從而補充了城市綠視率研究中仰視視角的調(diào)查計算方法，增強了綠視率評估的完整性[30]；利用天空開闊度和卷積神經(jīng)網(wǎng)絡(luò)模型的林地研究將有利于完善天空綠視率的幾何量化分析。利用金字塔解析網(wǎng)絡(luò)（PSPNet），經(jīng)過在ADE20K 數(shù)據(jù)的集中的訓(xùn)練[31]，可實現(xiàn)對街景靜態(tài)圖片和全景視圖的分割；動態(tài)閾值標(biāo)記分水嶺分割算法進行街景圖像分割，對關(guān)鍵特征的量化組合可以有效提升分類精度[32]；利用視覺指數(shù)（GVI）對街道綠地進行分析[33]，以不同角度的6 張圖片（可以是4 張或者8 張，甚至12 張，可自定義），進行水平方向的街景影像全覆蓋[34]。傳統(tǒng)的軟件（Photoshop 等）對圖片像素點的提取無法與算法模型相比擬，通過訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)模型自動識別像素點，能夠迅速、精確地對大量圖片進行語義分割，圖像分割具有高分割效率且計算簡單的特點，可以充分挖掘圖像的空間信息[35]。

開發(fā)者可以結(jié)合街景地圖的API 服務(wù)調(diào)用代碼行，使街景靜態(tài)圖片的獲取與分割形成一個完整的循環(huán)（圖3），這將有利于提高研究者實驗的精準(zhǔn)性和操作的簡便性。綠量的統(tǒng)計具有多種方法，行道樹綠量的可視程度與其面積和分布密度具有相關(guān)性[36]，傳統(tǒng)的綠視率計算有兩種方法，一種是依據(jù)Photo?shop 和GIMP 軟件進行像素分析和網(wǎng)格劃分來統(tǒng)計圖片中可見的綠色區(qū)域，采用系統(tǒng)抽樣法，以網(wǎng)格為單位，評估綠視率及其與綠化覆蓋率之間的關(guān)系[37]，應(yīng)用軟件計算綠化區(qū)域占據(jù)整體的百分比，從而得出綠視率；另一種是通過對采樣點與可見行道樹的空間位置關(guān)系進行幾何運算，實現(xiàn)由“橢球體”冠層至“橢圓面”綠視量的視覺場景轉(zhuǎn)換[38]。人工智能的發(fā)展推動產(chǎn)生了更為快速、準(zhǔn)確的計量方法。彭銳等[39]，通過研究色彩的色調(diào)（Hue）、飽和度（Saturation）、明度（Lightness）三者的關(guān)系，以HSL 色彩空間模型作為圖片色彩解析的工具，開發(fā)了一種自動計算綠視率的算法，只需要將圖片輸入，即可計算出圖像的綠視率，實現(xiàn)了綠視率的自動化計算，有效的避免了額外的資源損耗；亦有研究方法著眼于構(gòu)建一個可測度城市色彩特征的量化模型，為城市色彩調(diào)查提供一種數(shù)字化、可比較、易推廣的色彩分析工具[40]，最終通過熵權(quán)法[41]等多種方法對植被覆蓋率以及綠視率進行綜合性評價，以了解城市綠地所具有的綠化價值。

圖4 綠視率計算流程示意圖Fig.4 Schematic summary of green view index calculation

2 傳統(tǒng)方法與自動化方法的對比

綠視率的計算可以劃分為兩個階段：數(shù)據(jù)的獲取以及數(shù)據(jù)的處理與分析。在這兩個階段內(nèi)，傳統(tǒng)方法與自動化方法的主要區(qū)別在于二者準(zhǔn)確性的高低和效率的快慢。傳統(tǒng)方法在獲取數(shù)據(jù)時，通常采用人工實地調(diào)查的方法，會造成不必要的資源浪費和效率損耗，人為采集的數(shù)據(jù)可能具有很強的主觀性。并且由于天氣、交通等外力因素的作用，還會伴隨一定的安全隱患；相比于傳統(tǒng)方法，基于街景靜態(tài)圖的自動化方法具有工作速度快，效率高的優(yōu)點，并且因為街景影像是由地圖開發(fā)商投入大量的金錢，耗費巨大的精力得到的，具有相當(dāng)價值的準(zhǔn)確性和完整性，調(diào)查者只需要電腦操作即可獲取需要的數(shù)據(jù)，從而有效的避免了實地考察帶來的安全問題。

在數(shù)據(jù)獲取之后，基于人工智能和機器學(xué)習(xí)的自動化方法對于數(shù)據(jù)的處理分析更加準(zhǔn)確、迅捷[26]。利用深度學(xué)習(xí)訓(xùn)練的卷積網(wǎng)絡(luò)模型工具，不僅可以應(yīng)用于街景靜態(tài)圖片和全景動態(tài)圖的語義分割上，還可以通過與色彩關(guān)系的結(jié)合構(gòu)建能夠自動計算綠視率的算法模型[37]。傳統(tǒng)的網(wǎng)格計算法對于綠視率的計算與自動化方法相比效率低且精確度小，在處理數(shù)量巨大的街景圖像時，自動化算法模型具有明顯的優(yōu)勢，通過訓(xùn)練得到的卷積神經(jīng)網(wǎng)絡(luò)模型將街景靜態(tài)圖的圖片信息存儲于卷積層中，從而能夠自動的對有效信息進行篩選，它具有以下特點：（1）訓(xùn)練的數(shù)據(jù)量大，模型信息得到充分地存儲，模型的準(zhǔn)確性相對較高；（2）結(jié)構(gòu)復(fù)雜，參數(shù)設(shè)置全面，經(jīng)過適當(dāng)?shù)恼{(diào)整可應(yīng)用于不同的環(huán)境，泛化能力強；（3）自動計算，人力資源耗費低；（4）數(shù)據(jù)庫龐大，街景圖片的分割計算結(jié)合性強，同步性高。綜上所述，自動化方法在綠視率計算評估方面，具有速度快、效率高、精確度高、自動化程度高等優(yōu)點[31]，符合當(dāng)前發(fā)展研究需要，為今后研究更加龐大的數(shù)據(jù)問題打下了基礎(chǔ)，對傳統(tǒng)方法存在的多種不足進行了完善和提高（表1）。

表1 傳統(tǒng)方法與自動化方法對比Tab.1 Comparison of traditional methods and automated methods

3 問題討論

綠視率計算自動化方法相比于傳統(tǒng)的計算方法具有明顯的優(yōu)勢，但由于理論基礎(chǔ)、研究方法等方面還不夠完善，對于綠視率的計算評估仍然存在不足之處。本文提出以下幾點：

（1）由于卷積神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)復(fù)雜、參數(shù)多，并且在模型訓(xùn)練階段需要大規(guī)模的數(shù)據(jù)庫，導(dǎo)致訓(xùn)練時間長，不利于參數(shù)尋優(yōu)以及程序調(diào)試；（2）城市建成區(qū)并沒有被街景圖像完全覆蓋，由于選取的研究地點的不同以及計算和評估中人為因素的作用，致使結(jié)果會存在一定的誤差，影響研究的準(zhǔn)確性；（3）對于綠視率計算中數(shù)據(jù)的獲取與處理，運用街景圖像與機器學(xué)習(xí)相結(jié)合的方式，并沒有得到完整的總結(jié)，也沒有提出一整套系統(tǒng)的方法，在理論與實踐支持上均存在不足；（4）卷積網(wǎng)絡(luò)結(jié)構(gòu)中存在卷積層和結(jié)點冗余的情況，從而導(dǎo)致進行了大量不必要的運算，降低了模型的收斂速度，會造成不必要的資源和時間損耗；（5）街景圖像具有時效性，應(yīng)用于計算的街景圖像一般來說是六個月前的，應(yīng)用算法模型也無法考慮各個時間段綠視率的綜合變化情況，這是趨于解決的問題。綜上所述，當(dāng)前的方法依然存在諸多問題，對于復(fù)雜冗長的模型結(jié)構(gòu)需要進行更全面的訓(xùn)練調(diào)試，使反應(yīng)時間縮短，加快收斂速度，在圖像分割方面，更精準(zhǔn)簡潔；對于街景圖像的全面性與時效性也需要收集更多的數(shù)據(jù)進行補充與支持。

4 研究展望

對比分析傳統(tǒng)方法和自動化方法發(fā)現(xiàn)，應(yīng)用卷積神經(jīng)網(wǎng)絡(luò)可使參與調(diào)查計算的數(shù)據(jù)量更多，結(jié)果更準(zhǔn)，效率更高，避免了額外的人工損耗，提高了綠視率計算評價的自動化程度。但由于缺少系統(tǒng)的方法，加上算法模型本身存在的問題，目前還存在很多需改善的地方。對于如何研究綠視率分時間段綜合考慮的問題，可采用機器學(xué)習(xí)算法進行預(yù)測分類比較，增強準(zhǔn)確度[42]，而自動化模型的結(jié)構(gòu)和參數(shù)仍有待完善。綠視率作為人眼視角的城市環(huán)境評價指標(biāo)，在城市公園以及綠地建設(shè)中應(yīng)用前景較好，在新的綠色公平理論下提供綠地可達性規(guī)劃意見[43]。隨著新技術(shù)的持續(xù)發(fā)展，對城市街道綠視率及其他城市環(huán)境變量的研究將更為完善，街景圖像的進一步覆蓋也會為城市生態(tài)環(huán)境研究提供更充實的數(shù)據(jù)支持。

街景圖像不僅局限于對于綠視率的研究，在城市環(huán)境建設(shè)的其他方面亦具有應(yīng)用價值。城市生態(tài)系統(tǒng)研究是涵蓋自然科學(xué)與社會科學(xué)的綜合理論研究[44]；城市生態(tài)[45]的本質(zhì)就是研究“自然”與“社會”的關(guān)系，實現(xiàn)人與自然和諧共處[46]。魯東民等[47]在林業(yè)資源可視化系統(tǒng)上的設(shè)計給城市生態(tài)研究者提供了寶貴經(jīng)驗，對結(jié)合遙感和街景圖像構(gòu)建城市綠地層次信息可視化具有參考價值[48]；將街景圖像與城市人口行為統(tǒng)計大數(shù)據(jù)結(jié)合探究，能夠給與城市建設(shè)者更好的展示居民需求。通過衛(wèi)星圖像[49]和機器學(xué)習(xí)的城市掃描和監(jiān)測服務(wù)深入了解城市綠地，如植被覆蓋[50-51]、熱島效應(yīng)[52]、城市綠道規(guī)劃及效益評估、城市森林多樣性和空氣質(zhì)量等，可為合理規(guī)劃城市植被、監(jiān)控氣候狀況等提供及時準(zhǔn)確的資料。森林是陸地生態(tài)系統(tǒng)的主要組成部分[53-54]；而作為城市綠色基礎(chǔ)設(shè)施重要組成部分的城市森林則能反映自然與城市的復(fù)雜交互關(guān)系[55]。城市不同功能區(qū)產(chǎn)生的空氣污染物種類和比例差異較大，不同綠化樹種對于不同空氣污染物的吸收也存在明顯不同[56]。此外，在城市生態(tài)環(huán)境優(yōu)化方面能從大尺度上區(qū)分樹種，具有巨大的研究價值和經(jīng)濟效益。許多研究者致力于采取科技手段判斷樹木種類，利用樹杈分布構(gòu)造模型判斷樹木種類，這需要大量的圖像信息，而街景圖像能夠提供大量的清晰照片。雖然各樹種的圖像輪廓具有很強的相似性，但類似于指紋識別，人眼無法分辨的細微差別通過訓(xùn)練的計算機模型卻可以做到。對于樹種的判斷，可通過大量的街景圖片與機載LiDAR 和高光譜融合[57]實現(xiàn)城市樹種精確分類[58]，這也是當(dāng)前和今后值得關(guān)注的研究問題。

綜上所述，街景圖像與遙感技術(shù)、機器學(xué)習(xí)等有機融合后可較好地構(gòu)建城市植被信息和分布地圖，不僅在應(yīng)用上可以使城市規(guī)劃者更加直觀地了解城市建設(shè)現(xiàn)狀，而且在人力和時間消耗方面比傳統(tǒng)的人工調(diào)查手段更為節(jié)省。得益于機器學(xué)習(xí)的快速發(fā)展，城市植被地圖也能伴隨城市總體建設(shè)實現(xiàn)自動化調(diào)整，預(yù)期可在未來產(chǎn)生有效的科技支撐作用和潛在的社會經(jīng)濟效益。