文献类型：期刊文章

作　　者：刘晓天[1,2] 孙冰[1] 廖超[1] 金佳莉[3] 施招婉[1] 范黎明[1] 唐艺家[1,2] 何继红[1,2] 何卫忠[4] 杨龙[5] 孙倩[6] 裴男才[1]

LIU Xiao-tian;SUN Bing;LIAO Chao;JIN Jia-li;SHI Zhao-wan;FAN Li-ming;TANG Yi-jia;HE Ji-hong;HE Wei-zhong;YANG Long;SUN Qian;PEI Nan-cai(Research Institute of Tropical Forestry,Chinese Academy of Forestry,Guangzhou 510520,China;College of Landscape Architecture,Nanjing Forestry University,Nanjing 210037,China;Research Institute of Forestry,Chinese Academy of Forestry,Beijing 100091,China;Guangdong Provincial Jiulianshan Forest Farm,Heyuan,Guangdong 517100,China;Guangzhou Institute of Geography,Guangzhou 510070,China;Geospatial Sciences,School of Science,GPO Box 2476,RMIT University,Melbourne VIC 3001,Australia)

机构地区：[1]中国林业科学研究院热带林业研究所,广东广州510520 [2]南京林业大学风景园林学院,江苏南京210037 [3]中国林业科学研究院林业研究所,北京100091 [4]广东省九连山林场,广东河源517100 [5]广州地理研究所,广东广州510070 [6]澳大利亚墨尔本皇家理工大学科学院地理空间科学系,维多利亚州墨尔本市VIC 3001

出　　处：《江西农业大学学报》

基　　金：国家自然科学基金项目(31570594);广东省科学院建设国内一流研究机构行动专项资金项目(2020GDASYL-20200401001);广州市林业和园林局项目(2020-20);广东省林业发展及保护专项资金(2017-2018)。

年　　份：2020

卷　　号：42

期　　号：5

起止页码：1022-1031

语　　种：中文

收录情况：BDHX、BDHX2017、CAB、CAS、CSCD、CSCD2019_2020、IC、JST、PROQUEST、RCCSE、WOS、ZGKJHX、核心刊

摘　　要：【目的】针对街景图像在绿视率计量研究中的使用做出了说明,综合研究现状,对不同的绿视率数据获取方法和计算方法进行了介绍。【方法】对比了传统方法和利用算法模型(PSPNet或SegNet)的自动化方法,阐述了传统方法存在效率低、损耗大、精确度低等不足,而自动化方法有效的解决了这些问题。【结果】基于卷积神经网络模型的图像语义分割,使街景图片的处理与分析变得更为简便,但自动化方法仍有不足之处需要完善。【结论】文章指出利用机器学习来处理数据问题是未来研究发展的新趋势,预测融合机器学习和遥感技术的街景图像自动化计量方法将在城市规划建设、绿道效益评估等方面具有良好应用前景。

关 键 词：绿视率  机器学习  卷积神经网络 街景图像  语义分割  城市林业 人居环境

分 类 号：S73[林学类]