خلاصه
کلید واژه ها:
داده های تصویر نمای خیابان ; یادگیری عمیق ؛ سبز شدن خیابان ؛ ساختمان های خیابانی ؛ توزیع عمودی ; آلودگی هوا
۱٫ معرفی
۲٫ مواد و روشها
۲٫۱٫ داده های آلودگی هوا
۲٫۲٫ داده های تصویر نمای خیابان
۲٫۳٫ تقسیم بندی تصویر نمای خیابان
۲٫۴٫ مقدار سبز شدن خیابان ها و ساختمان های خیابان
در بخش ۲٫۲ و بخش ۲٫۳ ، تصاویر در شش جهت در هر نقطه نمونه برداری به دست آمد و تعداد پیکسل ها برای سبز شدن و ساختمان ها محاسبه شد. آزیموت های این تصاویر ۰ درجه، ۶۰ درجه، ۱۲۰ درجه، ۱۸۰ درجه، ۲۴۰ درجه و ۳۰۰ درجه و زاویه عمودی آن ۰ درجه است. میدان دید تصاویر ۶۰ درجه است، بنابراین شش تصویر از یک نقطه نمونه برداری صحنه ۳۶۰ درجه اطراف را پوشش می دهند و هیچ همپوشانی بین تصاویر وجود ندارد. بنابراین، هنگام تعیین کمیت سبز شدن خیابان بر اساس داده های نمای خیابان، فرمول GVI مورد استفاده در هر نقطه نمونه به شرح زیر است:
در فرمول (۱) پمنایکسهلسg_منتعداد پیکسل های سبز رنگ استخراج شده از هر تصویر را نشان می دهد و پمنایکسهلستی_منتعداد کل پیکسل ها در هر تصویر را نشان می دهد. بر اساس فرمول (۱)، فرمول (۲) برای تعیین کمیت سبز شدن خیابان ها در شعاع مشخصی از سایت های پایش کیفیت هوا پیشنهاد شد، که در آن n نشان دهنده تعداد نقاط نمونه برداری در محدوده و جیVمن_سآمترپلهjمقدار GVI است که در هر نقطه نمونه گیری محاسبه می شود.
برای تعیین کمیت ساختمانهای خیابان، یک شاخص کمی BVI (شاخص نمای ساختمان) پیشنهاد کردیم که شبیه به شاخص کمی GVI سبز شدن خیابان است. این فرمول شامل فرمول (۳) برای تعیین کمیت ساختمانهای خیابانی در هر نقطه نمونه و فرمول (۴) برای تعیین کمیت ساختمانهای خیابانی در شعاع مشخصی از سایتهای نظارت بر کیفیت هوا است. پمنایکسهلسب_منتعداد پیکسل های ساختمان های استخراج شده از هر تصویر را نشان می دهد و بVمن_سآمترپلهjنشان دهنده مقدار BVI محاسبه شده در هر نقطه نمونه برداری است.
۲٫۵٫ متغیرهای کمکی
۳٫ تجزیه و تحلیل آماری
برای ارزیابی عملکرد مدل از معیار اطلاعات آکایک (AIC) [ ۴۶ ] و معیار اطلاعات بیزی (BIC) [ ۴۷ ] استفاده شد. بر اساس نظریه اطلاعات [ ۴۸ ]، AIC و BIC معیارهای انتخاب مدل دو هستند. نمرات AIC و BIC به صورت فرمول (۵) و (۶) محاسبه می شود که در آن θپارامترهای مدل را نشان می دهد، L(^θ)احتمال مدل کاندید با توجه به دادهها زمانی است که در برآورد حداکثر احتمال ارزیابی میشود θ[ ۴۹ ]، کتعداد پارامترهای مدل را نشان می دهد، n تعداد نمونه ها را نشان می دهد.
۴٫ نتایج
۴٫۱٫ معیارهای آلودگی هوا و نمای خیابان
۴٫۲٫ مدل رگرسیون چند سطحی
۵٫ بحث
۵٫۱٫ ارتباط بین خیابان ها و آلودگی هوا در تابستان
۵٫۲٫ نقاط قوت و محدودیت ها
۶٫ نتیجه گیری
-
روشی برای اندازهگیری ساختار عمودی فضای سبز خیابانی و ساختمانهای خیابانی در ارزیابی آلودگی هوای تابستان در مقیاس بزرگی از مناطق مرکزی شهری پیشنهاد شدهاست.
-
استفاده از روشهای یادگیری عمیق برای استخراج توزیع عمودی فضای سبز خیابان و ساختمانها از تصاویر نمای خیابان.
-
شاخص سبز خیابان و شاخص ساختمان برای تعیین کمیت سبز شدن خیابان ها و ساختمان های خیابان در یک شعاع خاص پیشنهاد شده است.
-
ارتباط بین ساختار عمودی فضای سبز خیابان و آلودگی هوای تابستان در منطقه مرکزی شهر در مقیاس شهری تحلیل میشود.
منابع
- لیو، ز. هو، بی. لیو، کیو. سان، ی. وانگ، YS منبع تقسیم غلظت تعداد ذرات ریز شهری در طول تابستان در پکن. اتمس. محیط زیست ۲۰۱۴ ، ۹۶ ، ۳۵۹-۳۶۹٫ [ Google Scholar ] [ CrossRef ]
- Abhijith، KV; کومار، پی. گالاگر، جی. عملکردهای کاهش آلودگی هوا در زیرساختهای سبز در جادههای باز و محیطهای دره خیابانی ساختهشده – مروری. اتمس. محیط زیست ۲۰۱۷ ، ۱۶۲ ، ۷۱-۸۶٫ [ Google Scholar ] [ CrossRef ]
- جایسوریا، وی. نگ، ا. موتوکوماران، س. Perera, B. اقدامات زیرساخت سبز برای بهبود کیفیت هوای شهری. شهری برای. سبز شهری. ۲۰۱۷ ، ۲۱ ، ۳۴-۴۷٫ [ Google Scholar ] [ CrossRef ]
- لیو، جی. کائو، ز. زو، اس. لیو، اچ. های، ایکس. وانگ، اس. دوان، جی. شی، بی. یان، جی. ژانگ، اس. و همکاران بررسی ظرفیت، کارایی و مکانیسم نگهداری برگ برای ذرات اتمسفر پنج گونه درخت سبز در پکن، چین. علمی کل محیط. ۲۰۱۸ ، ۶۱۶ ، ۴۱۷-۴۲۶٫ [ Google Scholar ] [ CrossRef ]
- Pugh، TAM; مکنزی، آر. Whyatt, JD; هویت، CN اثربخشی زیرساخت سبز برای بهبود کیفیت هوا در دره های خیابان شهری. محیط زیست علمی تکنولوژی ۲۰۱۲ ، ۴۶ ، ۷۶۹۲-۷۶۹۹٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
- وبر، اف. کواریک، آی. Säumel, I. گیاهان علفی به عنوان فیلتر: تثبیت ذرات در امتداد راهروهای خیابان شهری. محیط زیست آلودگی ۲۰۱۴ ، ۱۸۶ ، ۲۳۴-۲۴۰٫ [ Google Scholar ] [ CrossRef ]
- واردولاکیس، اس. ولیانتیس، م. میلنر، جی. مدلسازی عملیاتی آلودگی هوا در بریتانیا – کاربردها و چالشهای دره خیابان. اتمس. محیط زیست ۲۰۰۷ ، ۴۱ ، ۴۶۲۲-۴۶۳۷٫ [ Google Scholar ] [ CrossRef ]
- نواک، دی جی; هیرابایاشی، اس. بودین، ا. Hoehn, R. حذف PM2.5 توسط درختان در ده شهر ایالات متحده و اثرات بهداشتی مرتبط با آن. محیط زیست آلودگی ۲۰۱۳ ، ۱۷۸ ، ۳۹۵-۴۰۲٫ [ Google Scholar ] [ CrossRef ]
- ژانگ، اچ. وانگ، ی. لی، اس. مطالعه در مورد تأثیر ساختمان های کنار خیابان بر پراکندگی آلاینده ها در دره خیابان. Procedia Eng. ۲۰۱۵ ، ۱۲۱ ، ۳۷-۴۴٫ [ Google Scholar ] [ CrossRef ]
- سالموند، JA; ویلیامز، دی. Laing, G. تأثیر پوشش گیاهی بر توزیع افقی و عمودی آلاینده ها در یک دره خیابان. علمی کل محیط. ۲۰۱۳ ، ۴۴۳ ، ۲۸۷-۲۹۸٫ [ Google Scholar ] [ CrossRef ]
- موراکینیو، تی. لام، YF; هائو، اس. ارزیابی نقش زیرساختهای سبز در پراکندگی و حذف آلایندههای نزدیک جاده: مدلسازی و اندازهگیری. جی. محیط زیست. مدیریت ۲۰۱۶ ، ۱۸۲ ، ۵۹۵-۶۰۵٫ [ Google Scholar ] [ CrossRef ] [ PubMed ]
- ژانژان، ا. راهبان، PS; Leigh, RJ مدلسازی اثربخشی درختان و چمن شهری بر کاهش PM2.5 از طریق پراکندگی و رسوب در مقیاس شهر. اتمس. محیط زیست ۲۰۱۶ ، ۱۴۷ ، ۱-۱۰٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
- یاچو، ک. لیوادا، آی. Santamouris، M. مطالعه تجربی دما و توزیع جریان هوا در داخل یک دره خیابان شهری در طول شرایط آب و هوایی گرم تابستان: قسمت ۱: دمای هوا و سطح. ساختن. محیط زیست ۲۰۰۸ ، ۱۳ ، ۱۳۸۳–۱۳۹۲٫ [ Google Scholar ]
- برانتلی، اچ ال. هاگلر، جی اس. دشموک، پ.ج. Baldauf, R. ارزیابی میدانی اثرات پوشش گیاهی کنار جاده بر کربن سیاه نزدیک جاده و ذرات معلق. علمی کل محیط. ۲۰۱۴ ، ۴۶۹ ، ۱۲۰-۱۲۹٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
- دشموک، پ. ایزاکوف، وی. ونکاترام، ا. یانگ، بی. ژانگ، KM; لوگان، آر. Baldauf, R. اثرات ویژگی های پوشش گیاهی کنار جاده بر کیفیت هوای محلی و نزدیک جاده. کیفیت هوا اتمس. Health ۲۰۱۸ , ۱۲ , ۲۵۹-۲۷۰٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
- تانگ، ز. ویتلو، TH; Macrae، PF; لندرز، ای جی. هارادا، ی. کمی سازی اثر پوشش گیاهی بر کیفیت هوای نزدیک جاده با استفاده از کمپین های مختصر. محیط زیست آلودگی ۲۰۱۵ ، ۲۰۱ ، ۱۴۱-۱۴۹٫ [ Google Scholar ] [ CrossRef ]
- چن، ال. لیو، سی. Zou, R. بررسی تجربی اثربخشی پوشش گیاهی به عنوان فیلتر زیستی ذرات معلق در محیط شهری. محیط زیست آلودگی ۲۰۱۶ ، ۲۰۸ ، ۱۹۸-۲۰۸٫ [ Google Scholar ] [ CrossRef ]
- مدلسازی لی، جی کی و تحلیل تأثیر طراحی ساختار فضایی کمربند سبز جاده بر انتشار آلاینده. محیط زیست علمی مدیریت ۲۰۱۸ ، ۴۳ ، ۷۵-۷۸٫ [ Google Scholar ]
- ژانگ، ی. دونگ، آر. تأثیر فضای سبز قابل مشاهده در خیابان بر قیمت مسکن: شواهدی از یک مدل قیمت لذتبخش و مجموعه دادههای عظیم نمای خیابان در پکن. ISPRS Int. جی. ژئو. Inf. ۲۰۱۸ ، ۷ ، ۱۰۴٫ [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
- لو، ی. سرکار، سی. Xiao, Y. تأثیر فضای سبز سطح خیابان بر رفتار راه رفتن: شواهدی از هنگ کنگ. Soc. علمی پزشکی ۲۰۱۸ ، ۲۰۸ ، ۴۱-۴۹٫ [ Google Scholar ] [ CrossRef ]
- هلبیچ، ام. یائو، ی. لیو، ی. ژانگ، جی. لیو، پی. وانگ، آر. استفاده از یادگیری عمیق برای بررسی فضاهای سبز و آبی نمای خیابان و ارتباط آنها با افسردگی سالمندان در پکن، چین. محیط زیست بین المللی ۲۰۱۹ ، ۱۲۶ ، ۱۰۷-۱۱۷٫ [ Google Scholar ] [ CrossRef ] [ PubMed ]
- او، ال. پائز، ا. لیو، دی. محیط ساخته شده و جنایات خشونت آمیز: رویکرد حسابرسی محیطی با استفاده از نمای خیابان Google. محاسبه کنید. محیط زیست سیستم شهری ۲۰۱۷ ، ۶۶ ، ۸۳-۹۵٫ [ Google Scholar ] [ CrossRef ]
- فن، ز. بولئی، ز. لیو، ال. اندازه گیری ادراک انسان از یک منطقه شهری در مقیاس بزرگ با استفاده از یادگیری ماشین. Landsc. طرح شهری. ۲۰۱۸ ، ۱۸۰ ، ۱۴۸-۱۶۰٫ [ Google Scholar ]
- زنگ، ال. لو، جی. Li, W. یک رویکرد سریع برای تخمین فاکتور نمای آسمان در مقیاس بزرگ با استفاده از تصاویر نمای خیابان. ساختن. محیط زیست ۲۰۱۸ ، ۱۳۵ ، ۷۴-۸۴٫ [ Google Scholar ] [ CrossRef ]
- گونگا، FY؛ Zeng، ZC; ژانگ، اف. نقشه برداری از آسمان، درخت و فاکتورهای نمای ساختمان دره های خیابان در یک محیط شهری با تراکم بالا. ساختن. محیط زیست ۲۰۱۸ ، ۱۳۴ ، ۱۵۵-۱۶۷٫ [ Google Scholar ] [ CrossRef ]
- میدل، ا. لوکاشیک، جی. Zakrzewski، S. فرم شهری و ترکیب دره های خیابانی: یک داده بزرگ انسان محور و رویکرد یادگیری عمیق. Landsc. طرح شهری. ۲۰۱۹ ، ۱۸۳ ، ۱۲۲-۱۳۲٫ [ Google Scholar ] [ CrossRef ]
- لیانگ، سی. سنسن، سی. Wenwen, Z. استفاده از تصاویر نمای خیابان Tencent برای درک بصری از خیابان ها. ISPRS International. جی. ژئو. Inf. ۲۰۱۷ ، ۶ ، ۲۶۵٫ [ Google Scholar ]
- لانگ، جی. شلهامر، ای. دارل، تی. شبکه های کاملاً پیچیده برای تقسیم بندی معنایی. IEEE Trans. الگوی مقعدی ماخ هوشمند ۲۰۱۴ ، ۳۹ ، ۶۴۰-۶۵۱٫ [ Google Scholar ]
- بدرینارایانان، وی. کندال، ا. Cipolla، R. SegNet: معماری رمزگذار-رمزگشای پیچیده پیچیده برای تقسیمبندی صحنه. IEEE Trans. الگوی مقعدی ماخ هوشمند ۲۰۱۷ ، ۳۹ ، ۲۴۸۱-۲۴۹۵٫ [ Google Scholar ] [ CrossRef ]
- ژائو، اچ. شی، ج. Qi، X. وانگ، ایکس. شبکه تجزیه صحنه هرمی جیا، جی. در مجموعه مقالات کنفرانس IEEE در مورد بینایی کامپیوتری و تشخیص الگو، هونولولو، HI، ایالات متحده آمریکا، ۲۱ تا ۲۶ ژوئیه ۲۰۱۷٫ [ Google Scholar ]
- روستی، تی. لوبل، اچ. روکو، وی. Hurtubia, R. توضیح ادراکات ذهنی از فضاهای عمومی به عنوان تابعی از محیط ساخته شده: یک رویکرد داده عظیم. Landsc. طرح شهری. ۲۰۱۹ ، ۱۸۱ ، ۱۶۹-۱۷۸٫ [ Google Scholar ] [ CrossRef ]
- دونگ، آر. ژانگ، ی. ژائو، جی. خیابان های داخل جاده کمربندی ششم پکن چقدر سبز هستند؟ تحلیلی بر اساس تصاویر Tencent Street View و شاخص نمای سبز. بین المللی جی. محیط زیست. Res. بهداشت عمومی ۲۰۱۸ ، ۱۵ ، ۱۳۶۷٫ [ Google Scholar ] [ CrossRef ] [ PubMed ][ Green Version ]
- لو، ی. لو، جی. ژانگ، اس. هال، ص. تشخیص و طبقه بندی سیگنال ترافیک در نمای خیابان با استفاده از مدل توجه. محاسبه کنید. Vis. رسانه ۲۰۱۸ ، ۴ ، ۲۵۳-۲۶۶٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
- فن، اچ. ژائو، سی. یانگ، ی. تحلیلی جامع از تغییرات مکانی-زمانی آلودگی هوای شهری در چین طی سالهای ۲۰۱۴-۲۰۱۸٫ اتمس. محیط زیست ۲۰۲۰ ، ۲۲۰ ، ۱۱۷۰۶۶٫ [ Google Scholar ] [ CrossRef ]
- آهنگ، ز. دنگ، س. Ren، Z. همبستگی و تحلیل رگرسیون مؤلفه اصلی برای مطالعه کیفیت هوا و عناصر هواشناسی در ووهان، چین. محیط زیست Prog. حفظ کنید. انرژی ۲۰۱۹ , ۳۹ . [ Google Scholar ] [ CrossRef ]
- وزارت اکولوژی و محیط زیست جمهوری خلق چین. تعیین مواد جوی PM10 و PM2.5 در هوای محیط با روش گرانشی (HJ 618-2011). در دسترس آنلاین: http://www.mee.gov.cn/ywgz/fgbz/bz/bzwb/jcffbz/201109/W020120130460791166784.pdf (در ۱۰ ژانویه ۲۰۲۰ قابل دسترسی است).
- وزارت اکولوژی و محیط زیست جمهوری خلق چین. مشخصات و روش های آزمایش برای سیستم نظارت خودکار مداوم کیفیت هوای محیط برای SO ۲ , NO ۲ , O ۳ و CO (HJ 654-2013). در دسترس آنلاین: http://www.cnemc.cn/jcgf/dqhj/201711/P020181010540087558130.pdf (در ۱۰ ژانویه ۲۰۲۰ قابل دسترسی است).
- وزارت اکولوژی و محیط زیست جمهوری خلق چین. مقررات فنی در مورد شاخص کیفیت هوای محیط (در حال آزمایش) (HJ 633-2012). در دسترس آنلاین: http://www.mee.gov.cn/ywgz/fgbz/bz/bzwb/jcffbz/201203/W020120410332725219541.pdf (در ۱۰ ژانویه ۲۰۲۰ قابل دسترسی است).
- ارسنجانی، ج. مونی، پی. Zipf، A. OpenStreetMap در GIScience: تجربیات، تحقیقات، کاربردها . Springer: Cham, Switzerland, 2015. [ Google Scholar ]
- Lu, Y. انجمن سبزی شهری و رفتار پیادهروی: استفاده از نمای خیابان گوگل و تکنیکهای یادگیری عمیق برای تخمین قرار گرفتن ساکنان در معرض سبزی شهری. بین المللی جی. محیط زیست. Res. بهداشت عمومی ۲۰۱۸ ، ۱۵ ، ۱۵۷۶٫ [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
- ژو، بی. خسلا، ع. Lapedriza، A. آشکارسازهای شیء در CNNهای صحنه عمیق ظاهر می شوند. arXiv ۲۰۱۴ ، arXiv:1412.6856. [ Google Scholar ]
- او، ک. ژانگ، ایکس. رن، اس. Sun، J. یادگیری باقیمانده عمیق برای تشخیص تصویر. در مجموعه مقالات کنفرانس IEEE 2016 در مورد بینایی کامپیوتری و تشخیص الگو (CVPR)، لاس وگاس، NV، ایالات متحده آمریکا، ۲۷ تا ۳۰ ژوئن ۲۰۱۶؛ صص ۷۷۰-۷۷۸٫ [ Google Scholar ]
- کوردتس، ام. عمران، م. راموس، اس. رهفلد، تی. انزوایلر، م. بننسون، آر. فرانکه، یو. راث، اس. Schiele, B. مجموعه داده های Cityscapes برای درک معنایی صحنه شهری. در مجموعه مقالات کنفرانس IEEE 2016 در مورد بینایی کامپیوتری و تشخیص الگو (CVPR)، لاس وگاس، NV، ایالات متحده آمریکا، ۲۷ تا ۳۰ ژوئن ۲۰۱۶؛ صص ۳۲۱۳–۳۲۲۳٫ [ Google Scholar ]
- یانگ، جی. ژائو، ال. مک براید، جی. گونگ، پی. آیا می توانید سبز را ببینید؟ ارزیابی دید جنگل های شهری در شهرها. Landsc. طرح شهری. ۲۰۰۹ ، ۹۱ ، ۹۷-۱۰۴٫ [ Google Scholar ] [ CrossRef ]
- لی، ایکس. ژانگ، سی. لی، دبلیو. ریکارد، آر. منگ، کیو. ژانگ، دبلیو. ارزیابی فضای سبز شهری در سطح خیابان با استفاده از نمای خیابان گوگل و نمایه نمای سبز اصلاح شده. شهری برای. سبز شهری. ۲۰۱۵ ، ۱۴ ، ۶۷۵-۶۸۵٫ [ Google Scholar ] [ CrossRef ]
- Akaike, H. نگاهی جدید به شناسایی مدل آماری. IEEE Transact. خودکار کنترل ۱۹۷۴ ، ۱۹ ، ۷۱۶-۷۲۳٫ [ Google Scholar ] [ CrossRef ]
- شوارتز، جی. برآورد ابعاد یک مدل. ان آمار ۱۹۷۸ ، ۶ ، ۳۱-۳۸٫ [ Google Scholar ] [ CrossRef ]
- Fabozzi، FJ; فوکاردی، اس ام. Rachev, ST The Basics of Financial Econometrics (ابزارها، مفاهیم و کاربردهای مدیریت دارایی) در پیوست E: معیار انتخاب مدل: AIC و BIC [M] ; John Wiley & Sons Inc.: Hoboken, NJ, USA, 2014. [ Google Scholar ]
- وانگ، ی. کانگ، ی. Chen, Y. تأثیر ساختمانها و درختکاری بر انتشار آلایندههای هوا در خیابان خیابان. J. Donghua Univ. نات. علمی ۲۰۱۲ ، ۳۸ ، ۷۴۰-۷۴۴٫ [ Google Scholar ]
- زو، س. کانگ، ی. یانگ، اف. تأثیر ساختمانهای بالادست بر میدانهای جریان و توزیع آلایندهها در درههای خیابانی. محیط زیست چین علمی ۲۰۱۵ ، ۳۵ ، ۴۵-۵۴٫ [ Google Scholar ]
- فو، ال. هائو، جی. او، دی. ویژگی های انتشار آلاینده ها از وسایل نقلیه موتوری در پکن. چانه. جی. محیط زیست. علمی ۲۰۰۰ ، ۲۱ ، ۶۸-۷۰٫ [ Google Scholar ]
- لارکین، ا. Hystad, P. ارزیابی معیارهای قرار گرفتن در معرض نمای خیابان از فضای سبز قابل مشاهده برای تحقیقات بهداشتی. J. Expo. علمی محیط زیست اپیدمیول. ۲۰۱۸ ، ۱ ، ۴۴۷-۴۵۶٫ [ Google Scholar ]
بدون دیدگاه