街景围合度与城市风环境的量化关系研究—以武汉市夏季为例

李鹍 薛丽莲 / LI Kun, XUE Lilian

城市风环境的影响因素较多，从大的环境范围来讲，风环境会受周围山体、湖泊、地形以及季节的影响；从城市规划的角度来讲，影响风环境的因素主要有两个层面：一是城市地块的总容量和体量，包括建筑密度、容积率和平均高度，二是城市街区的空间形态特征，包括围合度、错落度和最大高度（张涛 等，2017）。因此，关于城市风环境的研究难度较大，单一化处理方法很难取得效果。本文采用街景数据与图像分割技术相结合的方法，通过定量分析，探寻街道的影像围合度与实测风速的关系。

1 街景及城市风环境的国内外研究现状

1.1 城市街景

街景作为新型的网络开放数据源，国内外街道视觉领域都以此为基础开展了相关研究。在我国目前的研究中，唐静娴等（2016）利用街景图片研究了街道空间品质的智能评价；刘星等（2018）利用百度街景地图为城市公共空间的环境质量评价和居民的户外行为研究提供数据支持，做出了街景地图对街道活力分析的适用性研究。国外学者的研究也比较成熟，大部分数据来源为谷歌（Google）街景。LI等（2015）利用谷歌街景对曼哈顿东村的绿化水平进行了评价，提出改进的绿地景观指数，并与植被覆盖度进行比较，评价街道绿地的空间分布；LI等（2017）研究改进的街景分析工具，有助于更好地理解市民与城市建成环境的相互作用，并使用谷歌街景评估城市街道景观；此外，还有学者借助街景图片数据，量化分析美国5个城市连续数年的环境变化，研究其与城市经济变化的关系（Naik et al.，2015）。

1.2 城市风环境

杨俊宴等（2016）通过对南京新街口的区块划分及测点的测量，得出街区或用地的建筑密度、平均高度和围合度与其行人高度处平均风速水平存在的线性关系，并且认为各因素的影响程度依次为平均高度＞建筑密度＞围合度。李琼（2009）研究发现，在居住区规划设计的主要因子中，组团室外行人高度处的平均风速主要受首层架空率、建筑群平均高度及建筑密度的影响，而平均温度主要受绿地率的影响。

图1 武汉天地测量

图3 街景数据处理过程

图2 黎黄陂路测量

从以上文献综述中可以发现，国内外关于街景的研究主要是从视觉领域提出绿地景观指数、研究街道的活力、对街景空间品质做出评价，以及研究街景与经济变化的关系等，但是关于街景与街道热环境各类指标之间相关性的研究还不多见。

2 研究对象

武汉有着悠久的历史，其城市也是在长时间的发展中形成的，街道呈现多种形态和布局混杂的形式，与北京、西安等城市规整的街道布局大相径庭。我国最长的河流长江及其最大支流汉江将武汉分为武昌、汉口、汉阳3个区域。武昌地区高校较多，且有城中湖——东湖，因此绿化区域较多；而汉口地区偏重商业发展，建筑密集，道路相对狭小；汉阳地区则由南太子湖等数个城市湖泊围成核心区，内部主要功能为居住区。

武汉是夏热冬冷气候区的典型城市，属于亚热带季风气候。由于武汉江河、湖泊众多且地处海拔较低的长江流域河谷中，因此夏季高温高湿，使人感到闷热潮湿，虽然绝对温度不高，但仍被称为“四大热炉”之一。随着城市化进程的加快，建筑的高度与密度都有了极大的增加，导致通风除湿更加困难，夏季也更显炎热，因此，改善城市通风对于减轻武汉夏季的热岛效应，提高热舒适度十分重要。

本文以武汉夏季风环境特征为基础，着重探索城市通风与围合度的关系。研究范围以武汉市中心城区即三环线以内为主，属于建筑、人口集中密集区域。选取2015～2017年的夏季作为测量时间段，共设置116个测点，进行热环境指标的测量。

3 研究方法

由于城市空间具有复杂多样的特点，单一的研究方法很难取得效果，因此，本研究综合利用实地调研、实地测量风速、图像分割法等方法进行研究。

3.1 数据来源

本文的研究重点是城市风环境与街景围合度的关系。城市风环境数据方面，通过实地测量的方式，获取城市典型空间的风速、风向、温度、湿度等指标；街景图像数据则来自开放数据源的百度地图和腾讯地图。

3.1.1 风环境测量

在武汉市范围内选择具有代表性的城市空间进行热环境相关气象指标的观测（图1、2）。具体做法为：（1）在2015～2017年每年的6～8月，在各测量点使用便携式的气象站进行风速、风向、温度、湿度等指标的测量；（2）每个测量点的测量时间为3天，每天的测量时间段为8:00～20:00，测量高度为行人的影响范围，即距地约1.5m处；（3）为防止周围固体壁面自身边界层的影响，仪器与固体壁面保持1m以上的距离，为避免其他不可控因素的干扰，有专人在其旁边看护；（4）测量仪器主要为超声波测风仪、万向风速计、温湿度自记仪等；（5）风环境指标的测量时间间隔为1min，最终求取稳定时间段9:00～18:00的平均值。

3.1.2 街景图像的获取

在测点街景图像数据的获取方面，根据GPS（Global Positioning System，全球定位系统）所测得的坐标，将WGS84（World Geodetic System，世界大地测量系统）坐标转化为百度坐标，然后在百度地图的全景模式中，分别选择该测点90°、180°、270°和360° 4个不同角度的街景图像。

街景图像作为一类新型的开放数据源，具有明确的网络共享特征，有助于更加人性化地分析街道特点，从而分析整个区域的环境状态。百度地图街景的更新比较快，图像获取时间范围为2014～2017年，不同街区有所不同。腾讯地图街景的更新比较慢，通常有2013年和2015年两个年份的数据，但是其数据覆盖率比较高，比如江汉路步行街、楚河汉街以及汉口江滩的绿道在百度街景上没有图像，而在腾讯地图上有相对较全的街景数据库。因此，本研究在获取数据时将两种来源相结合，各取其优势。

3.2 数据处理

根据数据搜集的过程，对风环境及街景数据分别进行处理，风环境的处理主要是把不同年份不同时间段的风速进行归一化处理，以进行相互比较；而对街景图像的处理，主要采用图像分割法进行语义分割，用于求取街景围合度。

3.2.1 风速的归一化处理

风环境参数采用气象数据归一化处理方法。根据在武汉各空间的测量，每个观测点的观测时间为3天，每天的测量时段为8:00～20:00。考虑实验开始和结束时观测环境易受影响的情况，所有观测点统一选择9:00～18:00共10h的数据进行归一化分析。将在测量点实地观测到的3天风环境指标数据的平均值与武汉气象站提供的相应3天9:00～18:00的风速平均值的比值作为归一化系数，分别乘以气象站2015～2017年6～8月共计9个月白天9:00～18:00风环境相应指标的平均值，该结果即为各测点相对于武汉气象站2015～2017夏季测量值的归一化值（ZHANG et al.，2018）。

3.2.2 街景图像处理

将获取的武汉夏季测点的街景图像导入segnet①图像分割法在线平台，进行在线处理（图3）。最后将处理好的街景图片进行结果求取，求得每一张图片中代表天空、建筑、柱体、人、车辆元素的像素大小，进而可以得到街道的围合度，以及各元素比例所体现的不同的街道属性。本文主要研究典型城市空间的围合度，因此并没有采用批量处理的方式，而是采用图像截取软件进行人视选取，并进行人工处理及计算。在研究目标数量较少的情况下，该方法可以避免机器的识别误差，对本研究而言更为适合。

图4 群光广场测点4个角度的街景图像（左）及处理后图像（右）

图5 群光广场各元素比例

在街景图像中，天空、树木、建筑、柱体、人、车辆等12种元素最能代表街道的特点，通过图像分割法将这些元素进行区分，进而可以透视出不同街道的景观个性及其空间分布特征，量化分析不同街道的属性。比如，群光广场的街景图像经过分割法处理之后（图4），可得出天空、建筑、树木、柱体、人、车辆元素的平均值（表1）。将天空比率定义为街道天空的开敞度；将树木、建筑、柱体、车辆和人的占比作为该点界面的围合度。经计算，群光广场的开敞度为14.67%，围合度为61.45%。

根据街景元素的不同比例，将2015～2017年夏季的所有测点分为3种类型：以树木要素为主的街道、以建筑要素为主的街道和以天空要素为主的街道。根据群光广场各元素占比情况（图5），其建筑像素占比达到61%，因此，群光广场是以建筑像素为主的空间属性。

4 数据处理与分析

LI等（2017）认为街道天空的可视开敞性（openness of streetcanyon）是研究城市小气候、空气污染迁移和人们对环境的感知的重要参考。在城市中，风速大小与天空可视开敞性和视野围合度有较大关系，一般而言，开敞性越大，视野越广阔，风速越大。而围合度与开敞度是两个相对的概念，由此可推理出，围合度越大的街道可能风速越小，对减轻热岛效应、降低空气污染越不利。街景围合度表现的是除天空之外的建筑、柱体、树木、人、车辆对街道的围合感。

表1 群光广场测点4个不同角度图片的元素的像素大小及平均值

本研究共选取了116个典型城市空间，每个空间选取4张不同角度的街景图像，总共464张。每个城市空间进行了3天的风环境数据测量，在这些数据中，有些是属于无序和离散的无效数据，因此在做围合度与风速归一值相关性分析时应该去掉，从而避免复杂的城市空间干扰。

4.1 统计分析流程

对夏季所有测点的围合度与风速归一化值进行相关性分析（图6），可以看出围合度与风速的关系呈现负相关的趋势，但是在趋势线附近有较多离散点，因此其相关性分析中，=0.0719，显示围合度与风速归一化值的关系较弱。另一方面，根据2015～2017年夏季116组数据的统计分析结果，相伴概率值p=0.004＜0.05，两个数据之间存在统计学意义。因此，在下一步研究中，将着重分析对两个数据相关性产生干扰的空间类型。

4.1.1 以树木要素为主的绿地公园类测点的干扰分析

图7 夏季围合度与风速的关系（去除公园类的测量点）

图8 风速热点分布

由于百度地图及腾讯地图没有公园内部的街景，因此在求取公园街景时只能选择靠近公园的其他点的街景图像，导致公园类街景围合度的求取无法十分准确。同时，周边建筑立面上不同孔隙表面的围合度对于风速的影响也不同。比如以树木要素为主的空间，由于树叶间的缝隙很多，因此孔隙率高，其对于风速的阻挡相对坚硬的建筑表面来说要小得多，这与以建筑要素为主的空间的风速遮挡不同。因此，在进行围合度与风速归一值相关性分析时，由于无法计算边界围合度以及树木较多带来的高孔隙率，所有公园周围的测点对相关性分析影响较大。如图7所示，在去除公园类的测量点后，围合度与风速归一值的相关性增加，但依然不理想。

4.1.2 以天空要素为主的开敞度较大的干扰点分析

根据所有测点的风速热点分布，部分测点的风速明显大于其他测点，比如分布在长江与汉水旁边的开敞度大的测点风速较大，其次是分布在武昌的东湖、南湖、沙湖和分布在汉口的菱角湖公园、后襄河公园等开敞度大的测点。分析其原因，上述测量点周边都是武汉市面积较大的水体，空间开敞，而水体本身温度比较恒定，也会促使其周围大气边界层产生空气流动。所以这些点受环境影响形成较大风速，与空间围合度无法形成较大相关关系，在进一步的相关性的研究中，将取消这类城市空间。

图9 夏季围合度与风速的关系（去除开敞度大的测点）

图10 夏季围合度与风速的关系（最终结果）

除了上述测点外，以天空要素为主的空间也有类似特征：开敞度较大，围合度与风速的关系很微弱，其原因也与湖泊、河流等地域的测点类似——受空旷的地表大气的影响。比如琴台大剧院测量点靠近汉江，周边环境较为开阔；中海琴台华府、月亮湾码头、南岸嘴江滩及临江公园也均靠近大型水体，空间开阔，开敞度较大，都会对围合度与风速的相关性产生影响。如图9所示，在去掉这些测量点的干扰之后，围合度与风速归一值的相关性分析中，R2=0.2157，相关性显著增加。

4.1.3 建筑密度高的测点的干扰分析

在分析一些离散度较高的测点时发现，这些测点周围建筑密度较高，由此形成过高的围合度。而由于建筑密集，对风速有较大干扰，难以进行通风，所以这些测点的风速归一值一般较小。在这种情况下，街景围合度与风速归一值几乎毫无关系，因此需要消除这类无效点的干扰。

比如根据实地调研测量与百度街景的数据，可知水果湖步行街周围建筑密度高，步行街的两侧都是建筑与树木，来往车辆与人群密集，因此围合度较高，水果湖步行街风速归一值较小。同样，汉汽社区及司门口等周围建筑密度也较高的测点，其风速归一值也较小。如图10所示，在去除这类测点后，R2=0.7349，街景围合度与风速的相关性明显增强。

4.2 结果分析

根据上述步骤可以看到，由于城市空间的复杂性，并非所有空间其围合度与风速都有明显的相关性。绿地公园类空间周围分布着孔隙率比较高的树木，建筑比较少，对风的遮挡比较小，因此，风速受街景围合度的影响很小，且大多数绿地公园内部并没有街景。在一些建筑密度高的商业、居住区内部，街景被大量建筑包围，城市风很难进入内部，这时风速受街景围合度的影响很小。河道两旁或地域开阔位置的测点，即开敞度较大的测点一般风速较大，在这些测量点，街景围合度与风速归一值几乎毫无关系。因此，在研究中去除这3类测量点，可以发现，街景围合度与风速的相关性较高，=0.7349，两者呈现明显的负相关关系。同时，可以看出建筑密度较高的测点对街景围合度与风速的相关性影响最大，其次是比较开敞的测点，以树木为主的公园类测点虽然也有影响，但是相对比较微弱。

5 结语

从以上数据及分析结果可以看出，在不同类型的城区，街景围合度与风速的关系呈现出不同的相关性特征。总体来说，对于城市中建筑分布均匀、开敞度适当的广大空间区域，街景围合度与风速有较强的负相关关系，武汉地区夏季可用关系式y=-0.2076x+0.8386表示。由此可以在该地区根据城市中建筑密度的分布特征来推导风环境较差的区域，也可以根据某区域的风环境要求来设计周边空间的围合度。这为科学规划、改善城市通风、提高环境热舒适性提供了量化的研究方法。但同时也应该考虑到该量化关系有较多的空间局限性，比如建筑密度高的城区、开敞度大的水域、树木较多的公园都无法使用该关系式进行环境规划，这也是未来研究需要更多深入思考的地方。另外，本文主要研究测点街景围合度与风速的关系，很多其他气候指标未考虑在内，在以后的研究中指标方面可以更加全面。

注释

①Segnet是利用像素级语义分割的深编码解码器体系结构，能识别室外天空、建筑、柱体、道路标志、道路、人行道、树木、标识、围栏、车辆、行人、自行车等12种街道要素。