英语原文共 11 页，剩余内容已隐藏，支付完成后下载完整资料
城市社区绿色指数 - 衡量城市绿地的指标
KshamaGuptaa,lowast;,PramodKumara,S.K.Pathanb,K.P.Sharmaa
摘要：
城市绿地（UGS）是任何城市地区不可分割的一部分，UGS的数量和质量是规划者和城市管理者最关心的问题。绿色指数（GI）即使用遥感图像对绿度进行客观测量所得到的绿色的百分比面积，其对单位面积内的空间排列不敏感。在社区层面测量UGS非常重要，因为社区是应用绿化战略的工作基础。邻域（NH）是城市绿地的同义词，可以被定义为均匀特征的区域。城市社区绿色指数（UNGI）旨在评估绿度，并有助于确定关键区域，这反过来可用于确定能改善绿地质量的作用领域。对于UNGI的开发将使用四个参数，即绿色指数、接近绿色程度、建立的密度和结构的高度，使用Saaty的成对比较方法对他们进行加权。在比较了四种不同类型的NH后发现平均GI（0.44）对于高层低密度和低层低密度NH是相等的，即两个区域有着基于GI的相同的城市绿色质量。但是与高层低密度NH（0.54）相比，低层低密度NH（0.62）的城市社区绿色指数平均值更高，因此，与低层相比高层NH的面积需要更多的优质绿度。城市社区绿色指数的输入很容易从RS图像中导出，除了开发的方法简单外，城市管理员和规划者也更易于理解。
关键词：城市绿色 空间绿色 索引遥感 GIS 街道
1.介绍
城市绿地是任何城市地区不可分割的一部分，其重要性因其保持环境质量和可持续性而闻名。城市绿地（UGS）构成公园，花园和娱乐场所，河流或海滨等非正式绿色空间，历史遗址周围的绿色空间，铁路走廊和本土植被类型。城市栖息地，如废弃的工业用地和杂草丛生的花园也被视为UGS (Venn amp;Niemelauml;, 2004). UGS通过充当城市肺部 - 吸收污染物和释放氧气，为城市居民提供了许多好处(Hough, 1984, cited in Haughton amp; Hunter, 1994), 例如提供清洁的空气，水和土壤，平衡城市的自然城市环境(Nijkampamp;Leventa, 2004). 这些用作可视屏幕的区域充当隔音屏障并避免太多的空间均匀性(Dole, 1989)，绿色区域有助于个体从身体和精神压力中恢复已经在许多研究中被证明(De Vries, Verheij, Groenewegen, amp;Spreeuwenberg, 2003; Grahnamp;Stigsdotter, 2010; Groenewegen, van de Berg, De Vries, amp;Verheij, 2006; Korpelaamp;Hartig, 1996; Takano, Nakamura, amp; Watanabe, 2002). Mcpherson (1992) 评估了UGS的环境和健康效益，并发现对UGS的投资与其他资本投资的货币收益相当。在社区层面，绿色空间的可用性会影响环境质量，有助于恢复压力，增强社会安全感 (Groenewegen et al., 2006; Maas et al., 2009; Troy amp; Grove, 2008), 增加社会互动和财产价值(Jim amp; Chen, 2009) 并为儿童的身心发展提供游乐空间(Jacobs, 1961).
尽管UGS带来了巨大的好处，但缺乏有关其数量和质量的信息会妨碍负责管理UGS的规划者。通过主观方法评估和量化绿色包括对调查问题的自我报告感知方法，例如对公园的感知访问 (Sugiyama, Leslie, Giles-Corti, amp; Owen, 2008; Tilt Jenna, Unfried Thomas, amp; Belen, 2007) 并由经过培训的评估者进行审核，这些评估者应用了特定的标准(例如, 存在/不存在的各种功能) 来评估自然环境 (Ellaway, Macintyre, amp;Bonnefoy, 2005; Giles-Corti et al., 2005; Hoenher, Brennan-Ramirez, Elliot, Handy, amp;Brownson, 2005). 主观测量，即调查和审计是耗费时间和成本的，并且评估更加主观，例如，对于儿童和老年人来说，进入公园的目的是不同的。
绿度的客观测量是每个居民的距离或绿色空间或可以使用遥感（RS）识别的绿色区域的百分比 (Leslie, Sugiyama, Ierodiaconou, amp; Kremer, 2010). RS凭借其重复性，天气观和更大的区域覆盖率，已成为研究和管理自然资源和土地利用/土地覆盖的必不可少的工具。在早期尝试将遥感数据与社会经济参数联系起来，Forster (1983) 给Landsat图像设计了一个分类方案，使其可以应用于城市地区以产生住宅质量指数(Venugopal, Ramesh, Bhavani, amp;Kamini, 2010). 来自遥感图像的归一化差异植被指数（NDVI）已用于各种研究，以区分植被和非植被区域(Hur, Nasar, amp;Bumseok, 2010; Saied, Syed, amp;Heshmi, 2005; Tilt et al., 2007). Ruangrit and Sokhi (2004) 使用基于像素的分类来绘制印度斋浦尔城市绿地的遥感图像，并根据绿色空间百分比，每千人绿地面积和绿地/建筑面积比分析各行政单位的绿地空间。Faryadi and Taheri (2009) 根据NDVI得出的绿地测量结果，将德黑兰地区的人均面积和绿地以及植被覆盖密度作为评估城市环境质量的生态指标。Guobin, Fuling, and Mu (2003) 提出了基于分段技术的植被覆盖指数（VCI）和使用ASTER数据的分类方法。 VCI图根据每个物体中植被的数量将整个区域划分为10个等级并同时保持研究的规模。
2.概念框架
基于NDVI的措施不考虑区域单元内绿地的接近度和空间布置;它没有解决城市建筑的垂直尺寸和密度问题。使用地理区域和基于NDVI的测量，附近或住宅邻居内的大片绿色可以被称为具有大量绿地的区域。但问题也随之而来了, 附近有一块绿色斑块是否足够？或者绿地是否应该适当地分布在社区？基于面积的措施具有一定限制，例如人均绿地，因为包括多个社区人口数据在区域级别最好，该数据不足以根据不同的邻域特征评估绿地的分布和质量。问题在于，基于NDVI即绿色的百分比的测量法，使用连续的信息来源的遥感图像评估最低水平以下绿地质量的方法，是否足以评估任何地区的绿色质量？无论是高层建筑还是低层建筑的城市地区，是否真的都有同样的绿色品质？如何利用RS图像信息解决垂直尺寸和堆积密度对任何区域绿色质量的影响？Schouml;pfer, Lang, and Blaschke (2004), Schouml;pfer and Lang (2006) and Langet al.(2008)使用高分辨率卫星数据和正射影像评估了奥地利萨尔茨堡的城市环境质量。遵循基于对象的Quick-Bird卫星数据分类方法，估算绿色百分比、多层建筑物百分比和建筑物之间的距离，以制定加权指数。虽然，所采用的与网格尺寸无关方法解决了UGS的空间分布，但在印度建立密度非常高的这种方法的实施是不可行的。缺乏关于诸如多层建筑物的百分比和建筑物之间的距离等参数的信息阻止了以其原始形式使用上述方法。
印度的第74次宪法修正案更加重视城市地区管理的城市地方机构（ULBs），以满足ULB实施的城市更新计划。因此，迫切需要对城市规划者和城市管理者在地面实施时容易理解的技术和方法
考虑到这一点，该研究旨在开发一种简单的技术/工具，使用RS和地理信息系统（GIS）技术客观地测量城市社区绿色空间的质量。这些指数是基于城市植被的基本类型和建立的特征所开发的，特征可以从RS图像和空间测量得出，以区分可能具有与卫星图像上可见的绿色相同份额的区域。
3.研究区域
德里市是印度的首都，也是快速发展的地铁城市，人口约为1280万(Census of India, 2001). 该市位于亚穆纳河河畔。在九个地区其中的两个地区通常被称为跨亚穆纳地区，即位于亚穆纳河的另一岸的东北德里和东德里地区. 东德里的特点是未经许可的殖民地，它是由于印度独立后移民的流动性很高而涌现的。未经授权和无计划的开发使其具有狭窄密集通道的特征，即使小型车进入也很困难。使用卫星图像区分建筑物之间的区别是不可能的，因为建筑物彼此相邻。在20世纪90年代的经济繁荣之后，研究区内的高层建筑（超过7层）有所增加。目前，东德里区(http://www.delhiinformation.org/districts/eastdelhi.html) 是未经授权的高密度开发（主要是2-3层建筑）、计划的低层低密度开发（2-3层建筑）和高层住宅公寓（超过7层）的混合体。在过去的几年里，有一种规范未经授权的开发的趋势，这需要对设施和绿地进行定量。
研究区域有320公顷，是东德里的一部分，它代表了一个混合体未经授权的开发，即高密度和无计划开发，规划的低层（2-3层建筑）、高层公寓（7-8层楼宇）和非住宅铁路走廊区 (Figs. 1 and 2).
4.城市社区绿色指数模型
社区（NH）被定义为具有同质或相同区别特征的区域，无论是在民族，住房或发展类型等方面。(http://www.merriam- webster.com/dictionary/neighborhood). 邻域术语也是附近的同义词，即建筑物区域附近的绿地质量及其分布。城市社区绿色指数（UNGI）评估UGS在城市建成附近的空间分布。这里，术语社区被用作空间概念，因为分析部分是基于社区特征的。图3示出了测量社区绿度的模型。城市植被的特征由两个参数定义，即绿色量和绿色类型(城市植被的基本类型，例如密集，低矮/草地植被等.). 社区层面的城市建筑物的特征已经由参数定义，即接近绿色程度、建筑密度和结构高度。绿地的数量是单位面积中绿色所占的百分比和广泛使用的城市绿色指标，此后被评为绿色指数（GI） (Faryadiamp;Taheri, 2009; Hur et al., 2010; Leslie et al., 2010; Schouml;pfer amp;Lang, 2006; Schouml;pfer et al., 2004; Tilt et al., 2007). 绿色的类型很重要，因为茂密的植被比草坪提供更多的生态效益.Jansson and Persson (2010) 报告说，一个拥有自然开放空间或茂密植被的区域是儿童喜欢玩的地方，因为它提供了各种游戏方法。
图1研究区域的位置图
Grahn andStigsdotter (2010) 讨论了一个由避难所，自然界和物种丰富地组成的地区，即植被茂密的地区对于有压力的人来说是最具恢复力的环境。绿色地图的类型用于定义城市建筑的特征，即接近绿色。研究人员发现，靠近绿地可以提高物业的价值，因为它可以提高环境质量(Jimamp;Chen, 2009; Troy amp;Grove, 2008). 城市建筑的其他特征参数，例如建筑密度和建筑物高度是城市密度的组成部分，间接表示生活在特定社区的人数。Schouml;pferandLang 使用多层建筑物的百分比数量和建筑物之间的距离来评估环境质量。Hur et al.(2010) 虽然不能在建筑密度和感知开放度之间建立联系，但讨论了计算建筑密度，不考虑建筑物的体积和高度，这反过来也影响了感知密度。. 为了将来的研究，已经建议将建筑物的高度包括在内以评估城市绿化。然后将所有层转换为邻域绿色质量等级，然后组合以最终得出UNGI。
图3各种社区类型
图2 城市社区绿色指数（UNGI）的概念模型。
图 4 方法图
5.方法
使用的数据
为了得出测量邻居绿色质量的各种参数，印度遥感卫星数据IRS P6 LISS IV (May 10, 2006) 已被用作量化植被数量和植被广泛特征的基础数据，即密集的低草/植被和没有植被的开放空间和建成区。 LISSIV是一种多光谱高分辨率传感器，在最低点具有5.8 m的空间分辨率，可在0.52-0.59mu;m，0.62-0.68mu;m和0.76-0.86mu;m的三个光谱带中工作(Kshamaamp;Jain, 2005). 在多光
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[21001]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
