一种面向城市微更新的畸零地景观潜力测度方法

本发明涉及城市微更新评估，具体为一种面向城市微更新的畸零地景观潜力测度方法。

背景技术：

1、随着我国城市发展由增量扩张逐步转向存量优化，城市微更新和精细化治理成为提升人居环境质量的重要路径。在这一过程中，大量散布于高密度建成区中的畸零地逐渐受到关注。该类空间通常表现为面积较小、形态破碎、边界不规则、功能模糊、长期闲置或低效利用，广泛分布于道路交叉口、建筑间隙、地块边角、设施附属空间、围墙退界空间及基础设施边缘地带。虽然其单体规模有限，但在补充公共活动空间、改善局部生态环境、提升慢行连通性和增强社区服务弹性方面具有潜在价值。

2、现有城市畸零地相关研究主要集中于案例更新设计和经验性分类和人工踏勘识别，部分研究引入遥感解译、gis空间分析或问卷访谈等方法对空间特征进行描述。然而，从城市微更新的实际需求看，现有技术仍存在明显不足，对城市畸零地识别与评价仍面临明显局限。一方面，现有识别方式较多依赖人工踏勘、单一影像判读或经验筛选，效率较低且主观性较强，难以适应大尺度、动态化和批量化的城市更新需求。另一方面，现有评价体系多聚焦单一维度，例如场地面积、形态规整性、绿量或可达性，缺乏对空间形态、服务功能、植被生态及更新需求等因素的综合耦合分析，难以全面反映畸零地的景观潜力。

3、此外，现有技术多停留于识别结果展示或静态排序，评价结果与更新策略之间衔接不足，难以直接服务规划设计与治理决策。尤其在城市微更新实践中，真正需要解决的问题不仅是“哪里存在畸零地”，更包括“哪些畸零地更值得优先更新”“其潜力由何种因素主导”“应采取何种类型的更新策略”等关键决策问题。

4、为此，本发明提出一种面向城市微更新的畸零地景观潜力测度方法。

技术实现思路

1、本发明的目的在于提供一种面向城市微更新的畸零地景观潜力测度方法，以解决上述背景技术中提出的问题。

2、为实现上述目的，本发明提供如下技术方案：面向城市微更新的畸零地景观潜力测度方法，包括以下步骤：

3、获取研究区域内的多源空间数据并进行预处理，构建城市空间基础数据库，所述多源空间数据包括遥感影像数据、街景图像数据、道路网络数据、建筑轮廓数据、地块边界数据、兴趣点数据、人口活动数据、植被指数数据、公共服务设施数据以及现状用地数据；

4、基于所述城市空间基础数据库，对遥感影像数据、街景图像数据、道路网络数据、建筑轮廓数据及地块边界数据进行空间叠置分析，获得候选空间单元，依据预设形态规则对所述候选空间单元进行筛选，并结合所述街景图像数据进行协同识别，识别得到城市畸零地对象集合；

5、基于所述城市畸零地对象，建立标准化属性库，提取每一城市畸零地对象对应的空间边界字段、形态特征字段、街景感知字段、绿化基础字段、功能服务字段及治理约束字段，依据各字段构建对应城市畸零地对象的属性向量；

6、基于所述属性向量构建城市畸零地景观潜力指标体系，对城市畸零地景观潜力指标体系中各评价指标进行标准化处理，并确定各评价指标对应的权重，其中，城市畸零地景观潜力指标体系包括空间形态可利用度、绿化提升潜力、功能服务补足潜力以及治理实施约束四个评价维度；

7、基于标准化后的评价指标及对应权重，构建城市畸零地景观潜力指数模型，计算各城市畸零地对象对应的景观潜力指数以及各评价维度的贡献率；

8、基于所述景观潜力指数及各评价维度的贡献率，对各城市畸零地对象进行综合排序，确定各城市畸零地对象对应的主导潜力类型及更新优先级；

9、基于所述景观潜力指数、更新优先级、主导潜力类型及治理实施约束，对各城市畸零地对象进行潜力等级划分，并生成对应的城市微更新策略。

10、进一步地，对所述遥感影像数据、街景图像数据、道路网络数据、建筑轮廓数据、地块边界数据、兴趣点数据、人口活动数据、植被指数数据、公共服务设施数据以及现状用地数据执行坐标统一、空间配准、格式转换、噪声剔除、缺失值处理和尺度匹配，获得统一空间参考下的城市空间基础数据库。

11、进一步地，识别得到城市畸零地对象集合，具体包括：

12、基于所述遥感影像数据提取地表覆盖信息、植被指数信息和候选空间边界信息；

13、结合道路网络数据、建筑轮廓数据和地块边界数据执行空间叠置分析，获得候选空间单元；

14、依据面积阈值、形态规则和道路邻接规则对所述候选空间单元进行筛选；

15、利用所述街景图像数据识别筛选后候选空间单元的闲置状态、界面封闭程度、绿化缺失情况和可进入性特征，并结合人工校核获得城市畸零地对象集合。

16、进一步地，基于所述城市畸零地对象，建立标准化属性库，具体包括：

17、针对每一城市畸零地对象建立唯一标识；

18、提取地块编号、地块坐标、面积、周长和邻接关系形成空间边界字段；

19、提取形态复杂度、用地夹角程度、空间开敞度和道路邻接程度形成形态特征字段；

20、提取绿视率、界面封闭度、可进入性、可停留性和闲置可见性形成街景感知字段；

21、提取植被覆盖度、裸露硬质铺装比例、树冠覆盖度和绿化提升余量形成绿化基础字段；

22、提取周边公共服务设施缺口、人口活动强度、慢行可达性和社区公共空间供需关系形成功能服务字段；

23、提取权属复杂程度、施工可达性、现状占用程度、安全风险和实施难度形成治理约束字段；

24、依据各字段生成对应城市畸零地对象的属性向量。

25、进一步地，所述城市畸零地景观潜力指标体系中四个评价维度空间形态可利用度、绿化提升潜力、功能服务补足潜力以及治理实施约束，具体包括：

26、所述空间形态可利用度评价维度包括面积适宜性、形态复杂度、道路邻接程度、空间开敞度和慢行可达性评价指标；

27、所述绿化提升潜力评价维度包括现状植被覆盖度、绿视率、硬质铺装比例和绿化提升余量评价指标；

28、所述功能服务补足潜力评价维度包括周边人口活动强度、公共服务设施缺口、服务半径覆盖不足程度和可停留空间需求评价指标；

29、所述治理实施约束评价维度包括权属复杂度、现状占用强度、施工可达性、安全风险和维护难度评价指标。

30、进一步地，对城市畸零地景观潜力指标体系中各评价指标进行标准化处理，并确定各评价指标对应的权重，具体包括：

31、依据各评价指标的属性确定正向指标和负向指标，其中正向指标是指数值越大表示潜力越高的指标，负向指标是指数值越大表示潜力越低或约束越强的指标；

32、对正向指标采用下式进行标准化处理：

33、

34、对负向指标采用下式进行标准化处理：

35、

36、式中，表示第个畸零地对象在第个指标上的标准化值，表示原始指标值，和分别表示第个指标在所有样本中的最大值和最小值；

37、基于标准化处理后的评价指标矩阵计算各评价指标在各样本中的比重：

38、采用熵权法确定各评价指标的客观权重：

39、计算第个指标在第个样本中的比重：

40、

41、其中，当时，可令；

42、计算第个指标的信息熵：

43、

44、其中，

45、

46、计算第个指标的差异系数：

47、

48、最后得到第个指标的权重：

49、

50、式中，为参与景观潜力测度的城市畸零地对象总数，为评价指标总数；表示第个畸零地对象在第个指标上的标准化值，表示第个畸零地对象在第个指标下所占的比重，表示第个指标在全部畸零地对象中的标准化值总和；表示第个指标的信息熵，表示熵值计算中的归一化系数；表示第个指标的差异系数，表示第个评价指标的权重，表示全部评价指标差异系数之和；

51、当某一指标在不同畸零地对象之间差异越大，则其信息熵越小，差异系数越大，对应权重越高，说明该指标对区分不同畸零地景观潜力具有更强作用。

52、进一步地，基于标准化后的评价指标及对应权重，构建城市畸零地景观潜力指数模型，计算各城市畸零地对象对应的景观潜力指数以及各评价维度的贡献率，具体包括：

53、依据标准化后的评价指标及对应权重分别计算空间形态可利用度：

54、

55、式中，表示第个畸零地对象在空间形态可利用度维度下的第个标准化指标值，对应指标权重，表示空间形态可利用度维度下的指标数量；

56、计算绿化提升潜力：

57、

58、其中，表示第个畸零地单元在绿化提升潜力维度下的第个标准化指标值，对应指标权重，表示绿化提升潜力维度下的指标数量；

59、计算功能服务补足潜力：

60、

61、其中，表示第个畸零地单元在功能服务补足潜力维度下的第个标准化指标值，对应指标权重，表示功能服务补足潜力维度下的指标数量；

62、计算治理实施约束：

63、

64、其中，表示第个畸零地单元在治理实施约束维度下的第个标准化指标值，对应指标权重，表示治理实施约束维度下的指标数量；

65、将治理实施约束转换为可实施性贡献：

66、

67、计算各城市畸零地对象对应的景观潜力指数：

68、

69、其中，表示第个城市畸零地对象的景观潜力指数；表示空间形态可利用度；表示绿化提升潜力；表示功能服务补足潜力；表示治理实施约束；表示可实施性贡献；、、、分别表示为四个一级维度权重，满足：

70、

71、

72、当越大时，表示此畸零地对象越适合成为城市微更新优先对象；

73、计算各维度贡献率：

74、

75、其中，表示第个城市畸零地对象在第个维度上的得分，。

76、进一步地，基于所述景观潜力指数及各评价维度的贡献率，对各城市畸零地对象进行综合排序，确定各城市畸零地对象对应的主导潜力类型及更新优先级，具体包括：

77、基于所述标准化后的评价指标及对应权重构建加权标准化矩阵：

78、

79、确定正理想解和负理想解：

80、

81、

82、其中，，；

83、分别计算第个城市畸零地对象与正理想解和负理想解之间的距离：

84、

85、

86、（8-5）最终得到topsis贴近度系数：

87、

88、其中，，值越大，说明该畸零地越接近理想更新状态，其景观潜力越高，将与共同用于更新优先级排序，其中用于解释景观潜力结构，用于增强综合排序稳定性贴近度；

89、结合所述景观潜力指数和topsis贴近度确定各城市畸零地对象的综合排序及更新优先级。

90、进一步地，确定各城市畸零地对象对应的主导潜力类型，包括：

91、分别计算各评价维度对景观潜力指数的贡献率；

92、将贡献率最大的评价维度确定为对应城市畸零地对象的主导潜力类型；其中，当功能服务补足潜力贡献率最高时确定为功能服务补足型，当绿化提升潜力贡献率最高时确定为绿化提升型，当空间形态可利用度贡献率最高时确定为空间优化型。

93、进一步地，基于所述景观潜力指数、更新优先级、主导潜力类型及治理实施约束，对各城市畸零地对象进行潜力等级划分，并生成对应的城市微更新策略，具体如下：

94、根据景观潜力指数、topsi贴近度和主导限制因子，将城市畸零地划分为高潜力区、中潜力区和低潜力区，并进行匹配差异化微更新策略：

95、潜力分区表示为：

96、

97、其中，表示第个城市畸零地对象的潜力等级，和表示分区阈值；

98、引入地理探测器识别主导影响因子及交互作用，采用地理探测器时，单因子解释力统计量为：

99、

100、其中，表示分层单元，表示分层数量，表示第层样本数量，表示全区域样本数量，表示第层样本方差，表示全区域样本方差；

101、在潜力分区基础上，根据主导潜力类型和主导限制因子进行策略匹配：

102、

103、其中，表示第个城市畸零地对象的微更新策略类型，表示潜力等级，表示贡献率最高的主导维度，表示治理实施约束。

104、本发明至少具备以下有益效果：

105、1.本发明通过遥感—街景协同识别机制，能够同时利用俯视尺度的空间形态信息和行人视角的街道界面信息，较好地克服单一遥感影像难以识别建筑退缩地、街巷夹缝地和基础设施附属剩余地等微空间的问题。

106、2.本发明通过构建标准化畸零地属性库和urri城市畸零地景观潜力指数模型，将空间形态可利用度、绿化提升潜力、功能服务补足潜力和治理实施约束纳入统一计算框架，使景观潜力评价由经验判断转向可计算、可比较和可解释的量化测度。

107、3.本发明通过主导因子解释和策略匹配机制，将评价结果进一步转化为潜力分区、更新优先级和差异化策略建议，能够直接服务城市微更新项目库建设、社区公共空间优化和低效空间再利用决策。

108、4.本发明的系统模块具有较强的扩展性和可部署性，可嵌入风景园林数字平台、城市更新辅助决策系统或国土空间治理平台中使用，并可根据不同城市的数据条件和更新目标调整指标体系、权重方法和策略类型，具有较好的推广应用前景。

109、当然，实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。