PenJing8|盆景吧: 分享我的盆景生活日志

非正式绿地的内涵及识别特征

日期:2023-08-18 23:27:39     作者:刘子晴    浏览:0    
核心提示:非正式绿地为非特意规划的绿地。作为城市内部绿地的一种,非正式绿地包含了正式绿地的普遍功能,这些功能通常与所处周边用地类型有关,如位于居住区、公园内,作为场地附属空间发挥作用。但是,非正式绿地的性质也导致其功能不稳定,是不稳定的分散空间,其形态、边缘、面积会随着周边用地转变而改变[19]。
非正式绿地的内涵及识别特征
 
1.1内涵
 
城市间隙之间,如建筑转角间荒地、铁路边缘等存在自发植被的未利用地,这些非正式绿地拥有巨大潜力,但通常只得到了相关专业学者与政府的部分关注,并未形成普适性与普遍认知,大多被公众视为荒废的土地[12]。ChristophRupprecht较早地对非正式绿地进行过定义,他将这类绿地定义为“曾经受到强烈的人为干扰,现在被非遗留、自然生长的植被覆盖的空间”[18]。
 
从以上定义可以看出,非正式绿地为非特意规划的绿地。作为城市内部绿地的一种,非正式绿地包含了正式绿地的普遍功能,这些功能通常与所处周边用地类型有关,如位于居住区、公园内,作为场地附属空间发挥作用。但是,非正式绿地的性质也导致其功能不稳定,是不稳定的分散空间,其形态、边缘、面积会随着周边用地转变而改变[19]。通过上述内容可以总结非正式绿地与正式绿地不同的特点:

第一,非正式绿地拥有明显的荒野特征,植被进行了自然演替,其生态系统平衡性逐渐向稳定性增加方向发展[20];

第二,大多数非正式绿地边界模糊,且没有明确的所属权属及管理责任部门[21];

第三,非正式绿地分布较为广泛且随机,没有明确的使用功能设置,维护成本较低,不需要高昂的修理及养护费用[18]。
 
基于非正式绿地不同使用阶段,本文将识别对象类型分为2类:第一类为已经具有使用功能的非正式绿地;第二类为有潜力转化为非正式绿地的城市剩余空间(表1)。具有潜力转化为非正式绿地的主要为未被充分利用的消极空间,具有功能缺失、利用率低、舒适性差和缺乏特色的问题[22]。在城市更新的过程中,城市剩余空间具有转化为非正式绿地的潜力,可以将其改造为非正式绿地以充分发挥剩余空间的生态价值和社会价值,识别是利用改造的基础。
 
1.2识别特征
 
为了识别非正式绿地,首先需要明确其识别关键特征。非正式绿地的识别不同于正式绿地,正式绿地如综合公园、社区公园有明确的规划范围及边界。非正式绿地难以直接获得其位置信息,且在识别过程中具有数量繁多、面积较小、种类多样、边界模糊等特点,导致识别难度增加[3]。现基于非正式绿地的类型,对深度学习识别非正式绿地的识别特征及产生原因进行总结分析。

非正式绿地的内涵及识别特征
 
1.2.1数量繁多导致识别时间增加
 
第一,城市开发建设过程中会导致剩余空间的产生,剩余空间有转向为非正式绿地的倾向。第二,非正式绿地包括城市中的一些空地和角落,如路边绿化带等,进一步增加了其数量。第三,正式绿地不能完全满足市民的需求,非正式绿地不受政府投资和管理的限制,社区成员可能在居住或者工作场所附近自发地创建非正式绿地[12]。非正式绿地数量多的特征会导致识别的时间成本大幅度增加,大数量的样本也对深度学习识别算法的架构提出了更高要求。
 
1.2.2面积较小导致识别结果偏差
 
非正式绿地通常产生于存量用地,为难以利用的小面积地块。部分非正式绿地是由志愿者、社区组织或小规模居民进行创建和维护,这些群体通常只能支撑维护利用较小面积的非正式绿地,扩大非正式绿地的面积需要更多的资源,如照明设备、专职管理人员,往往难以实现。当深度学习需识别的非正式绿地尺度过小,其细节可能会丢失或变得不清晰,导致深度学习模型难以区分非正式绿地与其周围环境[23]。同时,较小的非正式绿地会被其他物体遮挡,使得深度学习模型难以检测,导致识别结果不准确。
 
1.2.3种类多样导致识别样本复杂

首先,城市环境复杂多样,不同场所可以适应的植物种类不同,这导致非正式绿地形成了多种类型的植物景观。其次,市民对非正式绿地的自发性建设和管理往往根据自身的需要进行改造,布置灵活使得类型多样。深度学习识别图像要素是通过大量的标记训练数据以准确地识别和分类对象。非正式绿地在大小、形状、纹理、颜色等方面具有大量不同的特征,输入样本数据可能不全面,导致深度学习算法难以准确地识别、分类不同种类非正式绿地。同时,同一类型中的非正式绿地在形状特征上也可能有显著变化,这使得深度学习算法难以对同一类非正式绿地的特征进行归类[24]。
 
1.2.4边界模糊导致识别特征模糊
 
非正式绿地的建设方式缺乏规范的设计和相关管理条例,其定义通常根据与其相近的正式空间属性对比而提出[12,25]。周边环境的不断变化及市民使用方式的改变会导致其边界向外延伸或向内收缩。在某些情况下,边缘不明确的物体在视觉上也可能是模糊的,这意味着不同的研究员可能会以不同的方式解释它们,在制作深度学习算法训练集和测试集时可能难以确定对象的正确标签[26]。
 
具有不清楚边缘的对象可能具有复杂、不规则的边界,这对于复杂度和深度不足的深度学习算法来说很难分析和解释,使得算法很难准确识别物体并将其与周围环境区分开来。
 
>更多关于非正式绿地数字识别技术研究的文章     
最新文章