基于RS与GIS技术剖析厦门岛城市绿地整体可达性：布局优化与公平性提升

基于RS与GIS技术剖析厦门岛城市绿地整体可达性：布局优化与公平性提升一、引言1.1研究背景与意义1.1.1研究背景在全球城市化进程不断加速的大背景下，城市人口数量急剧增长，城市规模也在持续扩张。这一发展态势带来了一系列严峻的问题，如人口密度过大、交通拥堵不堪、环境污染严重等，严重影响了城市居民的生活质量和城市的可持续发展。城市绿地作为城市生态系统的关键组成部分，其重要性日益凸显。它不仅能够有效改善城市生态环境，如净化空气、调节气候、减少噪音、涵养水源等，还能为居民提供休闲游憩的空间，提升居民的生活品质，增强居民的幸福感和归属感，对城市的可持续发展起着不可或缺的作用。随着计算机技术和空间卫星技术的飞速发展，遥感（RemoteSensing，简称RS）和地理信息系统（GeographicInformationSystem，简称GIS）技术在城市研究领域得到了广泛的应用。RS技术能够快速、大面积地获取地表信息，具有宏观、动态、准确等优点，为城市绿地信息的获取提供了高效的手段。通过不同分辨率的遥感影像，可以清晰地识别城市绿地的类型、分布范围和面积等信息。GIS技术则具有强大的空间数据处理、分析和管理能力，能够对RS获取的绿地数据进行深入分析，如空间格局分析、可达性分析、生态效益评估等，为城市绿地的规划、管理和优化提供科学依据。将RS与GIS技术相结合，能够实现对城市绿地的全面、精准、动态监测和分析，为城市绿地系统的研究开辟了新的途径。厦门岛作为厦门市的核心区域，具有独特的地理位置和重要的经济地位。近年来，随着厦门城市的快速发展，厦门岛的城市化进程也在不断加快。城市建设的大规模推进导致土地资源日益紧张，城市绿地面临着被侵占和破坏的风险，绿地面积逐渐减少，绿地空间结构也不尽合理。然而，厦门岛一直致力于城市绿地的建设与保护，积极推动各类公园、绿地的建设和改造，如鼓浪屿-万石山风景名胜区、南湖公园、白鹭洲公园等，为居民提供了丰富的休闲游憩场所。但在城市绿地的布局和可达性方面，仍存在一些问题有待解决。例如，部分区域绿地分布不均，导致居民获取绿地资源的难易程度存在差异；一些绿地周边交通不便，影响了居民的使用效率等。因此，运用RS与GIS技术对厦门岛城市绿地的整体可达性进行研究，具有重要的现实意义。1.1.2研究意义本研究旨在通过RS与GIS技术，深入分析厦门岛城市绿地的整体可达性，为优化城市绿地布局提供科学依据。通过精确计算和分析不同区域居民到达绿地的便捷程度，能够明确绿地布局的薄弱环节和优势区域。对于可达性较差的区域，可以针对性地规划和建设新的绿地，或者通过改善交通连接等方式，提高其可达性；对于可达性较好的区域，则可以进一步优化绿地的功能和品质，提高绿地的利用效率。这样的研究结果能够为城市规划者提供直观、准确的数据支持，帮助他们制定更加合理、科学的城市绿地规划方案，使城市绿地在空间上更加均衡分布，从而充分发挥绿地的生态、社会和经济效益。城市绿地是城市居民休闲、娱乐、健身的重要场所，其可达性直接关系到居民的生活质量。良好的绿地可达性意味着居民能够更方便地享受到绿地带来的生态服务，如清新的空气、舒适的环境、优美的景观等，有助于缓解居民的压力，促进身心健康。通过本研究，提高厦门岛城市绿地的整体可达性，能够让更多居民受益于绿地资源，满足居民对美好生活环境的向往和需求，提升居民的生活满意度和幸福感，进而促进社会的和谐发展。城市规划需要综合考虑多方面因素，以实现城市的可持续发展。城市绿地作为城市生态系统的重要组成部分，其规划和布局是城市规划的关键内容。本研究运用先进的RS与GIS技术，对厦门岛城市绿地的整体可达性进行全面、深入的研究，能够为城市规划提供丰富、准确的基础数据和科学的分析结果。这些数据和结果可以作为城市规划决策的重要参考，帮助规划者更好地把握城市绿地与城市发展的关系，协调绿地建设与其他城市建设之间的矛盾，制定出符合城市发展需求和生态保护要求的规划方案，推动城市朝着生态、宜居、可持续的方向发展。1.2国内外研究现状1.2.1城市绿地可达性研究进展城市绿地可达性的研究起源于20世纪60-70年代，英美等西方国家率先开展相关探索，早期主要将可达性定义为城市中某一点到另一点的道路距离，用于城市交通规划研究，以描述两分区间交通联系程度，这一指标与吸引分区的土地利用强度和分区间的行程时间、行程距离密切相关。随着研究的深入，可达性的内涵不断丰富。前苏联的交通研究人员将可达性定义为从城市中心到城市外围某一点的行程时间的反比函数，即通过行程时间来衡量可达性的高低。国内学者也积极参与到城市绿地可达性的研究中，例如将可达性用于评价交通小区内到达干线道路网的便捷程度，通过计算某小区范围内干道网长度与小区中心至四周干道的最短路径之和的比值，来确定可达性系数，进而评估整个城市的可达性。在可达性的度量方法方面，目前主要有缓冲区法、最小邻近距离法、引力模型法、费用加权法、网络分析法、两步移动搜索法等。缓冲区法是在绿地周围建立一定距离的缓冲区，通过分析缓冲区覆盖的范围来评估可达性，该方法简单直观，但未考虑实际的交通状况和地形因素；最小邻近距离法计算居民点到最近绿地的距离，距离越短，可达性越高，不过它忽略了绿地的规模和吸引力差异；引力模型法综合考虑了绿地的规模、吸引力以及距离因素，认为可达性与绿地的吸引力成正比，与距离成反比，但模型中的参数确定较为复杂；费用加权法将交通费用、时间成本等因素纳入考虑，通过计算到达绿地的综合费用来衡量可达性；网络分析法基于城市交通网络，考虑道路的连通性、通行能力等因素，更真实地模拟居民到达绿地的实际路径，能较为准确地评估可达性，但对数据的要求较高；两步移动搜索法通过两步计算，先确定每个绿地的服务范围，再计算每个需求点的可达性，该方法在一定程度上考虑了供需关系，但计算过程相对繁琐。不同国家和地区根据自身的城市发展特点和需求，对城市绿地可达性进行了大量的实证研究。在欧美发达国家，如美国、英国、德国等，城市规划和建设相对成熟，对城市绿地可达性的研究更加注重居民的使用体验和社会公平性。通过对不同收入群体、不同年龄层次居民到达绿地的可达性进行分析，发现低收入群体和老年人往往面临着较差的绿地可达性，这与居住区域的分布、交通设施的完善程度等因素密切相关。在亚洲国家，如日本、韩国等，由于土地资源相对有限，城市人口密度较大，研究重点在于如何在有限的空间内提高城市绿地的可达性，通过优化绿地布局、建设小型口袋公园等方式，增加居民接触绿地的机会。在国内，北京、上海、广州等大城市也开展了一系列城市绿地可达性的研究。例如，对北京市公园绿地可达性的研究发现，中心城区的绿地可达性相对较高，但部分老旧城区由于建筑密集、道路狭窄，绿地可达性仍有待提高；而在一些新开发的区域，虽然绿地面积较大，但由于配套交通设施不完善，居民到达绿地并不便捷。这些研究成果为城市绿地的规划和优化提供了重要的参考依据。1.2.2RS与GIS技术在城市绿地研究中的应用RS技术在城市绿地研究中的应用主要体现在绿地信息的提取和动态监测方面。早期，由于遥感影像分辨率较低，主要用于大面积绿地的宏观监测，通过对不同时期的遥感影像进行对比分析，能够初步了解绿地面积的变化趋势。随着遥感技术的不断发展，高分辨率遥感影像的出现使得城市绿地信息的提取更加精确。例如，利用QuickBird、WorldView等卫星影像，可以清晰地识别城市绿地的类型，如公园绿地、防护绿地、附属绿地等，并准确计算其面积和边界。在绿地信息提取过程中，通常需要对遥感影像进行预处理，包括辐射校正、几何纠正、图像增强等，以提高影像的质量和可解译性。然后，运用监督分类、非监督分类、面向对象分类等方法，对影像中的绿地信息进行提取。其中，面向对象分类方法充分考虑了绿地的空间特征、纹理特征和光谱特征，能够有效提高分类的精度，尤其适用于复杂城市环境下的绿地信息提取。此外，RS技术还可以用于监测城市绿地的生长状况、病虫害情况等，通过分析植被指数，如归一化植被指数（NDVI）等，及时发现绿地的异常变化，为绿地的养护管理提供科学依据。GIS技术凭借其强大的空间分析和数据管理能力，在城市绿地研究中发挥着至关重要的作用。在城市绿地空间格局分析方面，通过构建绿地的空间数据库，利用GIS的空间分析功能，如叠加分析、网络分析、缓冲区分析等，可以深入研究绿地的分布特征、连通性、破碎度等指标。例如，通过叠加分析不同类型绿地与城市道路、居住区等的空间关系，能够直观地了解绿地的服务范围和覆盖程度；利用网络分析可以计算居民从不同地点到达绿地的最短路径和时间成本，从而评估绿地的可达性；缓冲区分析则可以确定绿地周边一定范围内的受影响区域，为绿地的规划和保护提供参考。在城市绿地规划中，GIS技术可以辅助规划者进行方案的设计和评估。通过建立绿地规划模型，结合城市的发展需求、地形条件、生态保护要求等因素，利用GIS的空间模拟和预测功能，对不同规划方案进行模拟分析，比较不同方案的优劣，从而选择最优的规划方案。此外，GIS技术还可以用于城市绿地的动态管理，实时更新绿地的相关信息，如绿地面积的变化、设施的更新等，为绿地的日常管理和维护提供便捷的工具。近年来，随着RS与GIS技术的不断融合发展，二者在城市绿地研究中的协同应用也日益广泛。通过将RS获取的绿地空间数据与GIS的空间分析和管理功能相结合，可以实现对城市绿地的全面、深入研究。例如，在城市绿地生态效益评估中，利用RS获取的绿地植被覆盖信息和地形数据，结合GIS的空间分析功能，计算绿地的碳储量、水源涵养能力、空气净化能力等生态指标，从而全面评估绿地的生态效益。在城市绿地规划决策支持方面，RS与GIS技术的融合能够为规划者提供更加丰富、准确的信息。通过对不同时期的遥感影像进行分析，了解城市绿地的历史演变和现状情况，结合GIS的空间分析和模拟功能，预测绿地的未来发展趋势，为规划决策提供科学依据。同时，利用RS与GIS技术建立的城市绿地信息管理系统，可以实现对绿地信息的实时更新、查询、分析和共享，提高绿地管理的效率和科学性。1.3研究目标与内容1.3.1研究目标本研究旨在运用RS与GIS技术，对厦门岛城市绿地的整体可达性进行全面、深入的分析，精准评估厦门岛不同区域居民到达城市绿地的便捷程度。通过构建科学合理的可达性分析模型，综合考虑交通网络、绿地分布、人口密度等因素，计算出各区域的可达性指标，并进行可视化表达，直观呈现厦门岛城市绿地可达性的空间分布特征。在精准评估可达性的基础上，深入分析影响厦门岛城市绿地可达性的因素，如绿地布局的合理性、交通设施的完善程度、地形地貌等。通过对这些因素的分析，找出绿地可达性存在的问题和不足之处，为优化城市绿地布局提供针对性的建议。基于可达性分析结果和影响因素分析，结合厦门岛的城市发展规划和居民需求，提出切实可行的城市绿地布局优化策略。从增加绿地数量、调整绿地布局、改善交通连接等方面入手，制定具体的优化方案，以提高厦门岛城市绿地的整体可达性，使城市绿地能够更好地服务于居民，提升居民的生活品质。1.3.2研究内容利用高分辨率遥感影像，如QuickBird、WorldView等卫星影像，结合地面调查数据，运用监督分类、非监督分类、面向对象分类等方法，对厦门岛城市绿地进行信息提取。准确识别公园绿地、防护绿地、附属绿地等不同类型的绿地，并确定其边界和面积。对提取的绿地信息进行数据清洗和预处理，去除噪声和错误数据，确保数据的准确性和完整性。同时，收集厦门岛的地形数据、交通网络数据、人口分布数据等相关信息，为后续的可达性分析提供数据支持。选择适合厦门岛城市绿地可达性分析的模型，如网络分析法、两步移动搜索法等。考虑到厦门岛复杂的交通网络和实际的出行情况，网络分析法能够更真实地模拟居民到达绿地的路径，因此本研究将重点采用网络分析法。结合交通网络数据，包括道路的连通性、通行能力、速度限制等信息，以及绿地和居民点的空间位置，运用GIS的网络分析功能，计算居民从不同地点到达绿地的最短路径、时间成本和距离成本等可达性指标。基于构建的可达性分析模型，对厦门岛现状城市绿地的可达性进行全面分析。通过计算不同区域居民到达绿地的可达性指标，绘制可达性专题地图，直观展示厦门岛城市绿地可达性的空间分布情况。分析可达性较高和较低的区域，探讨其形成原因，如绿地的分布密度、交通的便捷程度等。结合厦门岛的城市规划，获取规划中的绿地布局和交通设施建设信息。将规划数据纳入可达性分析模型，预测未来城市绿地可达性的变化趋势。评估规划方案对绿地可达性的影响，分析规划方案的合理性和不足之处，为规划的调整和完善提供参考依据。根据现状和规划可达性分析的结果，从增加绿地数量、调整绿地布局、改善交通连接等方面提出针对性的优化策略。在可达性较差的区域，合理规划和建设新的绿地，增加绿地的覆盖范围；对现有绿地布局不合理的地方，进行适当调整，提高绿地的服务效率。加强绿地周边的交通设施建设，优化公交线路和站点设置，提高居民到达绿地的交通便捷性。通过这些优化策略，提高厦门岛城市绿地的整体可达性，实现城市绿地的合理布局和高效利用。1.4研究方法与技术路线1.4.1研究方法利用高分辨率遥感影像获取厦门岛城市绿地的空间分布信息。通过对不同时期、不同分辨率的遥感影像进行分析，如QuickBird、WorldView等卫星影像，能够识别出公园绿地、防护绿地、附属绿地等不同类型的绿地。运用ENVI、Erdas等遥感图像处理软件，对影像进行辐射校正、几何纠正、图像增强等预处理操作，以提高影像的质量和可解译性。然后，采用监督分类、非监督分类、面向对象分类等方法对绿地信息进行提取。其中，面向对象分类方法充分考虑了绿地的光谱特征、纹理特征和空间特征，能够有效提高分类精度，减少“椒盐”现象，更适用于复杂城市环境下的绿地信息提取。借助ArcGIS等地理信息系统软件，对获取的城市绿地数据进行空间分析。运用网络分析功能，结合厦门岛的交通网络数据，包括道路的连通性、通行能力、速度限制等信息，计算居民从不同地点到达绿地的最短路径、时间成本和距离成本等可达性指标。通过缓冲区分析，确定绿地周边一定范围内的受影响区域，评估绿地的服务范围和覆盖程度。利用叠加分析，将绿地数据与人口分布数据、地形数据等进行叠加，分析绿地与其他要素之间的空间关系，深入了解绿地可达性的影响因素。为了验证遥感解译和空间分析结果的准确性，以及获取更详细的实地信息，进行实地调研。选取厦门岛不同区域的典型绿地和居民点，进行实地考察和问卷调查。实地考察主要观察绿地的实际状况，如绿地的植被类型、设施配备、周边交通情况等。问卷调查则面向居民，了解他们对周边绿地的使用频率、满意度、出行方式等信息，以便从居民的角度评估绿地可达性。通过实地调研，能够发现一些在遥感影像和数据分析中难以察觉的问题，为研究提供更全面、真实的数据支持。收集国内外其他城市在城市绿地可达性研究和规划方面的成功案例，如新加坡、纽约、上海等城市。分析这些城市在绿地布局、交通配套、政策支持等方面的经验和做法，与厦门岛的实际情况进行对比。通过对比分析，找出厦门岛在城市绿地可达性方面存在的差距和不足，借鉴其他城市的先进经验，为提出厦门岛城市绿地布局优化策略提供参考。1.4.2技术路线本研究的技术路线如图1-1所示，首先进行数据收集，包括高分辨率遥感影像、地形数据、交通网络数据、人口分布数据等。利用遥感图像处理软件对遥感影像进行预处理和绿地信息提取，得到厦门岛城市绿地的空间分布数据。将提取的绿地数据以及其他相关数据导入地理信息系统软件，构建空间数据库。基于该数据库，运用网络分析、缓冲区分析、叠加分析等空间分析方法，计算可达性指标，分析绿地可达性的空间分布特征和影响因素。结合实地调研和案例对比分析的结果，对分析结果进行验证和补充，提出针对性的城市绿地布局优化策略。最后，对研究成果进行总结和展望，为厦门岛城市绿地的规划和发展提供科学依据。图1-1技术路线图二、研究区域与数据获取2.1厦门岛概况2.1.1地理位置与自然环境厦门岛地处中国东南沿海，位于福建省东南部，北纬24°23′-24°54′，东经117°52′-118°26′之间，是福建省的第四大岛，与大小金门岛隔海相望，与大陆通过几座跨海大桥和海底隧道相连。其陆地面积155.99平方千米（含鼓浪屿），呈东北-西南走向，形似一只展翅欲飞的白鹭，因此厦门岛又被称为“鹭岛”。这种独特的地理位置使其成为东南沿海的重要交通枢纽和经济中心，同时也赋予了它丰富的海洋资源和优越的气候条件。厦门岛的地形以滨海平原、台地和丘陵为主，地势由西北向东南倾斜。西北部多中低山，其中云顶岩海拔339.6米，为岛上最高峰。从西北往东南，依次分布着高丘、低丘、阶地、海积平原和滩涂。岛内的山脉虽然海拔不高，但植被丰富，形成了独特的山地景观，如狐尾山、仙岳山等，这些山体不仅为城市提供了绿色背景，还起到了调节气候、涵养水源的作用。而滨海平原和台地则为城市的建设和发展提供了广阔的空间，是人口密集和经济活动集中的区域。厦门岛属于南亚热带海洋性季风气候，终年温暖湿润，阳光充足，年平均气温在21℃左右，夏无酷暑，冬无严寒。年平均降雨量在1200毫米左右，主要集中在5-9月，这期间降雨充沛，能够满足植物的生长需求，使得岛上植被繁茂，四季常绿。风力一般3至4级，常向主导风力为东北风，海洋性气候使得厦门岛的气温年较差较小，空气湿度适宜，为居民和游客提供了舒适的生活和旅游环境。同时，这种气候条件也有利于各类亚热带植物的生长，岛上植物种类繁多，构成了别具特色的亚热带风光，植被以台湾相思群落为主，优势种主要有台湾相思、朴树、马尾松、土蜜树和榕树等，形成了独特的生态系统。2.1.2城市发展与绿地现状厦门岛的城市发展历史悠久，自古以来就是中国东南沿海的重要港口和贸易中心。在古代，厦门岛是海上丝绸之路的重要节点，与东南亚、南亚等地有着密切的贸易往来。近代以来，随着中国对外开放的推进，厦门岛逐渐成为了一个现代化的城市。特别是改革开放以来，厦门岛经济迅速发展，城市规模不断扩大，逐渐形成了以服务业、制造业、旅游业等为主导的产业结构。如今，厦门岛已成为中国重要的经济特区和国际化城市，拥有众多的高新技术企业、金融机构和知名高校，城市的综合实力不断提升。随着城市的发展，厦门岛一直高度重视城市绿地的建设与保护，致力于打造“海上花园”城市，城市绿地系统不断完善。截至目前，厦门岛的绿地类型丰富多样，包括公园绿地、防护绿地、附属绿地、生产绿地等。公园绿地是城市绿地的重要组成部分，为居民提供了休闲娱乐的场所，如鼓浪屿-万石山风景名胜区、南湖公园、白鹭洲公园等，这些公园各具特色，有的以自然风光取胜，有的以人文景观著称，吸引了大量的游客和市民前来游览和休闲。防护绿地主要分布在城市的周边和交通干线两侧，起到了防风固沙、净化空气、降低噪音等作用，如环岛路沿线的防护绿地，不仅美化了环境，还保护了海岸线的生态安全。附属绿地则分布在各类建筑物和居住区周围，增加了城市的绿色空间，提高了居民的生活质量。生产绿地主要用于培育和生产城市绿化所需的苗木和花卉，为城市绿地建设提供了物质保障。然而，随着城市人口的不断增长和城市建设的快速推进，厦门岛的绿地也面临着一些挑战。一方面，城市建设用地的扩张导致绿地面积受到一定程度的挤压，绿地空间分布不均的问题较为突出，部分区域绿地短缺，居民难以享受到便捷的绿地服务。另一方面，城市的快速发展也对绿地的品质和功能提出了更高的要求，现有的绿地在生态功能、景观效果、服务设施等方面还存在一些不足之处，需要进一步优化和提升。因此，对厦门岛城市绿地的整体可达性进行研究，对于合理规划和布局城市绿地，提高绿地的利用效率，满足居民对美好生活环境的需求具有重要意义。2.2数据来源与获取2.2.1RS数据本研究选用了2023年8月获取的高分二号（GF-2）卫星遥感影像，其空间分辨率高达0.8米，能够清晰地呈现厦门岛的地物细节，为城市绿地信息的精确提取提供了有力支持。该影像的光谱范围涵盖了蓝、绿、红和近红外四个波段，其中蓝光波段（0.45-0.52μm）有助于识别水体和植被的边界；绿光波段（0.52-0.59μm）对植被的生长状况较为敏感，能够突出植被的特征；红光波段（0.63-0.69μm）在区分植被与非植被方面具有重要作用，特别是在植被的叶绿素吸收方面表现显著；近红外波段（0.77-0.89μm）则对植被的健康状况和生物量的估算提供了关键信息，因为植被在近红外波段具有高反射率。这种多光谱特性使得GF-2影像能够更好地识别不同类型的城市绿地，如公园绿地、防护绿地、附属绿地等。高分二号卫星影像通过中国资源卫星应用中心的官方网站进行订购获取。在获取影像后，利用ENVI5.3软件对其进行了一系列的预处理操作。首先进行辐射定标，将影像的DN值转换为具有物理意义的辐射亮度值，以消除传感器本身的误差和辐射差异。接着进行大气校正，采用FLAASH模型去除大气对光线的散射和吸收等影响，使影像能够更真实地反映地物的反射特性。然后进行几何校正，以厦门市1:10000比例尺的地形图为参考，选择了足够数量且分布均匀的地面控制点，通过多项式拟合的方法对影像进行几何精纠正，确保影像的地理位置精度达到亚像素级。最后进行图像增强处理，采用直方图均衡化和主成分分析等方法，提高影像的对比度和清晰度，增强地物的可识别性。2.2.2GIS数据基础地理信息数据主要来源于厦门市自然资源和规划局，包括厦门市1:10000比例尺的地形图，涵盖了地形、水系、道路、居民点等丰富的地理要素。这些数据经过严格的测绘和质量检验，具有较高的准确性和权威性，为后续的空间分析提供了重要的地理框架。在数据处理过程中，利用ArcGIS10.8软件将地形图进行数字化处理，矢量化各类地理要素，并构建拓扑关系，确保数据的完整性和一致性。同时，对数据进行坐标系统转换，将其统一到2000国家大地坐标系，以满足研究的精度要求。城市用地数据同样来自厦门市自然资源和规划局，包括土地利用现状数据和城市规划数据。土地利用现状数据详细记录了厦门岛各类土地的利用类型和分布情况，如建设用地、农用地、水域、绿地等，为分析城市绿地与其他用地类型的空间关系提供了基础。城市规划数据则包含了未来城市发展的规划信息，如规划中的绿地布局、道路建设、城市功能分区等，对于预测城市绿地可达性的变化趋势具有重要意义。在使用这些数据之前，对其进行了数据清洗和整理，去除冗余信息和错误数据，确保数据的可靠性。然后将其导入ArcGIS软件中，与其他数据进行整合和分析。2.2.3其他辅助数据为了更全面地了解厦门岛城市绿地的实际情况和居民的使用需求，进行了实地调研。实地调研主要包括两个方面：一是对厦门岛不同区域的典型绿地进行实地考察，观察绿地的植被类型、景观布局、设施配备、周边交通状况等实际情况，并拍照记录。通过实地考察，能够直观地了解绿地的现状和存在的问题，如绿地的植被生长是否良好、设施是否完善、周边交通是否便利等。二是对周边居民进行问卷调查，共发放问卷500份，回收有效问卷460份。问卷内容涵盖居民的基本信息、对周边绿地的使用频率、满意度、出行方式、期望的绿地功能等方面。通过问卷调查，从居民的角度了解他们对城市绿地的需求和意见，为分析绿地可达性提供了更真实的用户反馈。例如，调查发现部分居民希望在绿地周边增加公共交通站点，以提高到达绿地的便捷性；一些居民对绿地内的健身设施和儿童游乐设施的需求较高。人口分布数据从厦门市统计局获取，包括厦门岛各街道、社区的常住人口数量和人口密度等信息。人口分布数据对于分析城市绿地的服务对象和服务范围具有重要作用，能够帮助评估不同区域居民对绿地的需求程度。在分析过程中，将人口分布数据与城市绿地数据进行叠加分析，了解不同区域绿地的人口承载能力和服务压力。例如，在人口密集的区域，如果绿地可达性较差，那么居民对绿地的需求将更加迫切，需要优先考虑优化该区域的绿地布局和交通连接。2.3数据预处理2.3.1RS数据处理在ENVI5.3软件中，对高分二号卫星影像进行几何校正。以厦门市1:10000比例尺的地形图为基准，选取均匀分布在厦门岛不同区域的明显地物点，如道路交叉点、建筑物拐角等作为地面控制点（GCPs）。共选取了50个地面控制点，通过多项式变换方法，将影像的地理坐标误差控制在0.5个像元以内，确保了影像的几何精度，使其能够与其他地理数据准确匹配。利用ENVI软件中的辐射定标工具，将影像的DN值转换为辐射亮度值。具体过程是根据高分二号卫星提供的辐射定标参数，通过公式计算，将每个像元的DN值转换为具有物理意义的辐射亮度，从而消除传感器在不同时间、不同环境下的辐射差异，使影像能够真实反映地物的辐射特性。采用FLAASH大气校正模型对影像进行大气校正，去除大气对光线的散射和吸收等影响。该模型基于辐射传输理论，考虑了大气中的气体成分、气溶胶含量、地形等因素，通过对影像的辐射亮度值进行校正，得到地物的真实反射率，提高了影像的可解译性，使不同地物在影像上的特征更加明显。为了增强影像的视觉效果，提高地物的可识别性，对影像进行了图像增强处理。首先，运用直方图均衡化方法，对影像的每个波段进行处理，使影像的灰度值分布更加均匀，增强了影像的对比度。然后，采用主成分分析（PCA）方法，对多光谱影像进行变换，将原始的四个波段影像转换为一组新的主成分影像。其中，第一主成分包含了影像的大部分信息，具有较高的对比度和清晰度，能够突出地物的主要特征；第二、三、四主成分则包含了一些次要信息和噪声。通过选择第一主成分影像进行显示和分析，有效地提高了影像的质量和地物的识别精度。在完成上述预处理操作后，运用监督分类中的最大似然分类法对影像进行分类。首先，在影像上选取不同类型城市绿地的训练样本，包括公园绿地、防护绿地、附属绿地等，每个类型选取了50个以上的样本，确保样本具有代表性。然后，利用这些训练样本计算各类地物的统计特征参数，如均值、协方差矩阵等。最后，根据最大似然准则，对影像中的每个像元进行分类，将其归属于概率最大的类别。分类结果通过混淆矩阵进行精度验证，总体分类精度达到了85%以上，Kappa系数为0.82，表明分类结果具有较高的可靠性。2.3.2GIS数据处理利用ArcGIS10.8软件，将从厦门市自然资源和规划局获取的1:10000比例尺地形图进行数字化处理。通过手动矢量化的方式，将地形图中的地形、水系、道路、居民点等要素转换为矢量数据格式。在矢量化过程中，严格按照要素的实际位置和形状进行绘制，并设置合理的属性字段，记录要素的相关属性信息，如道路的名称、等级，居民点的人口数量等。完成矢量化后，对数据进行拓扑检查，利用ArcGIS的拓扑工具，检查数据中是否存在拓扑错误，如多边形重叠、缝隙，线要素的自相交、悬挂点等。对发现的拓扑错误进行逐一修复，确保数据的完整性和一致性。同时，将所有矢量数据的坐标系统统一转换为2000国家大地坐标系，保证数据在空间位置上的准确性和统一性。对于从厦门市自然资源和规划局获取的城市用地数据，包括土地利用现状数据和城市规划数据，首先进行数据清洗。检查数据中是否存在错误值、重复值、缺失值等问题，对于错误值进行修正，重复值进行删除，缺失值根据实际情况进行补充或标记。例如，对于土地利用现状数据中某些地块属性信息缺失的情况，通过查阅相关资料或实地调研进行补充。然后，将清洗后的数据导入ArcGIS软件中，与其他数据进行整合。根据数据的特点和分析需求，对不同类型的数据进行分层管理，如将土地利用现状数据分为建设用地、农用地、水域、绿地等图层，城市规划数据分为规划绿地、规划道路、规划功能区等图层，方便后续的数据查询、分析和可视化展示。三、研究方法与模型构建3.1城市绿地可达性概念与内涵3.1.1可达性定义可达性是指从空间中任意一点到达目的地的难易程度，反映了人们到达目的地过程所克服空间阻力大小，常用时间、距离、费用等指标来衡量。在城市绿地研究领域，城市绿地可达性则是衡量城市居民到达城市绿地的便捷程度，它是评价城市绿地布局合理性和服务公平性的重要指标。良好的城市绿地可达性意味着居民能够在较短的时间内、以较低的成本到达绿地，充分享受绿地带来的生态、休闲和娱乐等功能。可达性的衡量标准并非单一不变，而是受多种因素影响。距离是衡量可达性的基础因素之一，通常情况下，居民点与绿地之间的距离越短，可达性越高。但实际出行中，直线距离并不能完全反映居民到达绿地的真实情况，因为城市中存在着各种障碍物，如建筑物、河流、山体等，以及复杂的交通网络，居民往往需要沿着道路等交通线路前往绿地。因此，基于交通网络计算的实际通行距离或时间更能准确衡量可达性。例如，在交通拥堵的区域，即使居民点与绿地的直线距离较近，但由于交通不畅，实际到达绿地所需的时间可能较长，导致可达性降低。时间成本也是衡量可达性的关键指标。在现代快节奏的生活中，人们的时间观念越来越强，到达绿地所需的时间直接影响着居民使用绿地的意愿。一般来说，居民愿意花费在前往绿地的时间是有限的，若到达绿地的时间过长，居民可能会放弃前往，从而降低绿地的可达性。此外，不同出行方式的速度不同，所花费的时间也存在差异，步行、自行车、公共交通、私家车等出行方式在不同的交通条件下，到达绿地的时间成本各不相同。例如，在交通便利且距离适中的情况下，居民选择骑自行车前往绿地，可能比乘坐公共交通花费的时间更短，可达性更高。费用成本同样不容忽视，它包括交通费用、停车费用等。对于一些需要付费的交通方式，如乘坐出租车、开车出行等，交通费用的高低会影响居民到达绿地的决策。如果前往绿地的费用过高，居民可能会选择放弃前往，或者选择其他更经济实惠的绿地。此外，在一些城市，绿地周边的停车费用较高，这也会增加居民到达绿地的成本，从而对可达性产生负面影响。3.1.2影响因素分析交通条件是影响城市绿地可达性的重要因素之一，它涵盖了道路网络的布局、交通方式的多样性以及交通拥堵状况等多个方面。一个完善且合理布局的道路网络能够为居民前往绿地提供更多的路径选择，缩短出行距离和时间，从而提高绿地可达性。例如，密集且连通性好的道路网络可以使居民更便捷地从不同方向到达绿地，减少绕行距离。而如果道路网络不完善，存在断头路、瓶颈路段等情况，会阻碍居民的出行，降低绿地可达性。交通方式的多样性也对可达性有着显著影响。步行是最基本的出行方式，对于距离较近的绿地，步行可达性较高，能够满足居民日常的休闲需求。自行车出行则具有灵活、环保的特点，在一些城市，建设了完善的自行车道网络，方便居民骑自行车前往绿地，增加了绿地的可达性。公共交通，如公交车、地铁等，能够服务大量居民，尤其是对于距离较远的绿地，公共交通可以降低居民的出行成本和时间。如果绿地周边有便捷的公共交通站点，公交线路覆盖广泛，居民可以方便地乘坐公共交通工具到达绿地。私家车出行虽然具有灵活性，但在交通拥堵的情况下，其优势会大打折扣。在高峰时段，道路拥堵严重，私家车行驶缓慢，到达绿地的时间会大幅增加，可达性降低。绿地规模与质量同样在很大程度上影响着城市绿地可达性。绿地规模越大，其吸引力往往越强，能够吸引更多居民前往。大规模的绿地可以提供更丰富的生态系统服务和休闲娱乐设施，如大型公园通常包含广阔的草坪、多样的植物群落、健身设施、儿童游乐区等，能够满足不同年龄段居民的需求。相比之下，小型绿地的功能和吸引力相对有限。绿地质量也是关键因素，优质的绿地具有良好的植被生长状况、优美的景观设计、完善的设施配备和整洁的环境卫生。例如，植被丰富且健康的绿地能够提供更好的生态环境，净化空气、调节气候；景观设计合理的绿地，如设置了优美的步行道、景观小品等，能够提升居民的游览体验；设施完善的绿地，配备了充足的座椅、垃圾桶、公共厕所等，能够为居民提供便利。这些因素都能增加居民前往绿地的意愿，提高绿地的可达性。人口分布与城市绿地可达性密切相关。在人口密集的区域，居民对绿地的需求更为迫切，如果该区域绿地可达性较差，会导致居民难以享受到绿地带来的福利。例如，一些老旧城区人口密度大，但绿地资源相对匮乏，且周边交通拥堵，居民到达绿地的难度较大，可达性较低。而在人口稀疏的区域，虽然绿地相对充足，但由于人口较少，绿地的利用率可能不高。此外，不同年龄段、职业、收入水平的居民对绿地可达性的需求也存在差异。老年人和儿童通常更依赖周边的绿地进行休闲活动，对绿地可达性的要求较高。低收入群体可能由于交通费用等因素的限制，更倾向于选择距离近、可达性高的绿地。了解人口分布和不同人群的需求特点，对于优化城市绿地布局，提高绿地可达性具有重要意义。3.2RS与GIS技术在可达性分析中的应用原理3.2.1RS技术提取绿地信息原理RS技术提取绿地信息的关键在于不同地物具有独特的光谱特征，这是区分绿地与其他地物类型的重要依据。在遥感影像的可见光波段，绿地中的植被对蓝光和绿光具有较高的反射率，在影像上呈现出明亮的色调。而在红光波段，由于植被叶绿素对红光的强烈吸收，反射率较低，影像表现为较暗的色调。近红外波段是植被识别的关键波段，植被在近红外波段具有极高的反射率，这是因为植被内部的细胞结构和水分含量等因素使得近红外光在植被表面发生多次散射和反射，从而增强了反射信号。相比之下，建筑物、道路等非绿地地物在近红外波段的反射率较低，与绿地形成鲜明对比。通过计算归一化植被指数（NDVI）可以更有效地突出绿地信息。NDVI的计算公式为：NDVI=\frac{NIR-R}{NIR+R}，其中NIR表示近红外波段的反射率，R表示红光波段的反射率。由于绿地在近红外波段反射率高，红光波段反射率低，所以其NDVI值通常较高，一般在0.2-0.8之间；而建筑物、道路等非绿地地物的NDVI值则较低，通常在0以下。利用这一特性，对影像中的每个像元计算NDVI值，然后设定合适的阈值，如0.2，将NDVI值大于阈值的像元判定为绿地，小于阈值的像元判定为非绿地，从而实现绿地信息的初步提取。除了光谱特征，绿地还具有独特的纹理特征和形状特征。纹理特征是指影像中地物表面的灰度变化模式，绿地的纹理通常较为均匀，表现为平滑的色调变化。例如，大面积的草坪在影像上呈现出均匀的绿色，纹理细腻；而森林区域则具有相对粗糙的纹理，这是由于树木的树冠大小、形状和分布的差异造成的。形状特征方面，绿地通常具有较大的连续区域，边界较为自然、不规则。公园绿地往往呈现出不规则的块状，其边界可能与地形、水系等自然要素相契合；而防护绿地多沿道路、河流等线性地物分布，呈带状。利用这些纹理和形状特征，可以进一步提高绿地信息提取的准确性。在实际应用中，通常采用监督分类、非监督分类和面向对象分类等方法来实现绿地信息的提取。监督分类是先在影像上选取已知类别（如绿地、建筑物、道路等）的训练样本，然后根据这些训练样本的光谱特征建立分类模型，最后利用该模型对整个影像进行分类。例如，在ENVI软件中，使用最大似然分类法进行监督分类，首先在影像上选取典型的绿地训练样本，计算其光谱统计特征，如均值、协方差矩阵等，然后根据最大似然准则，将影像中每个像元归属于概率最大的类别。非监督分类则是根据影像中像元的光谱特征相似性进行自动聚类，不需要预先知道类别信息。如K-均值聚类算法，它通过迭代计算，将影像中的像元划分成K个类别，每个类别内的像元光谱特征相似。面向对象分类方法则是基于影像的分割结果，将具有相似光谱、纹理和形状特征的像元组合成对象，然后根据对象的特征进行分类。这种方法充分考虑了地物的空间特征，能够有效避免传统基于像元分类方法中出现的“椒盐”现象，提高分类精度。例如，在eCognition软件中，通过多尺度分割将影像分割成不同大小的对象，然后利用对象的光谱、纹理、形状等特征建立分类规则，对对象进行分类。3.2.2GIS空间分析功能在可达性分析中的作用网络分析是GIS空间分析功能中用于可达性分析的核心方法之一，它基于城市的交通网络数据，能够真实地模拟居民从出发地到目的地（绿地）的实际通行路径，从而准确计算可达性指标。在网络分析中，交通网络被抽象为节点和边的集合，节点代表道路的交汇点、路口等，边则代表道路。每个边都具有一定的属性，如长度、通行速度、通行方向等，这些属性直接影响着居民在道路上的通行时间和成本。在计算城市绿地可达性时，通常使用最短路径分析功能来确定居民从不同地点到达绿地的最短路径。以ArcGIS软件为例，首先需要构建交通网络数据集，将道路数据导入ArcGIS中，设置道路的属性字段，如长度、速度限制等，并建立拓扑关系，确保网络的连通性。然后，在NetworkAnalyst工具中创建最短路径分析图层，将居民点作为起点，绿地作为终点，设置分析参数，如考虑道路的单行限制、交通信号灯等因素。通过求解最短路径，得到从每个居民点到最近绿地的最短路径，进而计算出到达绿地所需的时间和距离。除了最短路径分析，网络分析还包括服务区域分析、OD成本矩阵分析等功能。服务区域分析可以确定在给定时间或距离范围内，从绿地出发能够服务的区域范围，即绿地的服务半径。OD成本矩阵分析则可以计算不同起点和终点之间的通行成本，如时间成本、距离成本等，全面评估不同区域之间的可达性。缓冲区分析是GIS空间分析的另一个重要功能，在城市绿地可达性分析中，主要用于确定绿地周边一定范围内的受影响区域，评估绿地的服务范围和覆盖程度。通过在绿地周围创建缓冲区，可以直观地了解绿地对周边区域的辐射范围。例如，以公园绿地为中心，创建500米的缓冲区，该缓冲区覆盖的区域内的居民理论上在步行10分钟左右（假设步行速度为50米/分钟）可以到达公园。在ArcGIS中，使用缓冲区分析工具，选择绿地要素，设置缓冲区的距离参数，即可生成绿地的缓冲区图层。通过将缓冲区图层与人口分布图层、土地利用图层等进行叠加分析，可以进一步了解绿地服务范围内的人口数量、土地利用类型等信息，评估绿地的服务效率和公平性。如果某个区域人口密集，但绿地缓冲区覆盖不足，说明该区域的绿地可达性较差，居民享受绿地服务的机会较少。叠加分析是将多个图层进行叠加，分析不同图层要素之间的空间关系，从而获取新的信息。在城市绿地可达性分析中，叠加分析常用于将绿地数据与人口分布数据、交通网络数据、地形数据等进行叠加，深入分析影响可达性的因素。将绿地图层与人口分布图层叠加，可以直观地了解不同区域绿地的人口承载能力和服务压力。在人口密集的区域，如果绿地面积较小，可能会导致绿地的人均占有量低，可达性相对较差。将绿地图层与交通网络图层叠加，可以分析绿地周边的交通状况对可达性的影响。如果绿地周边交通拥堵，道路通行能力低，即使绿地距离居民点较近，实际可达性也会受到影响。将绿地图层与地形数据叠加，可以考虑地形因素对可达性的影响。在地形起伏较大的区域，如山区，居民到达绿地可能需要克服较大的地形障碍，导致可达性降低。通过这些叠加分析，可以全面了解城市绿地可达性的影响因素，为优化绿地布局和交通规划提供科学依据。3.3可达性分析模型构建3.3.1模型选择与依据目前，可达性分析模型种类繁多，常见的有缓冲区法、最小邻近距离法、引力模型法、费用加权法、网络分析法、两步移动搜索法等，每种模型都有其独特的原理和适用场景。缓冲区法通过在绿地周围建立一定距离的缓冲区，来判断居民是否在绿地的服务范围内，从而评估可达性。该方法操作简单，能够直观地展示绿地的影响范围，但它忽略了实际的交通状况和地形因素，假设居民可以直线到达绿地，这与实际情况存在较大偏差。在城市中，建筑物、道路等障碍物会阻碍居民的直线通行，而且不同区域的交通便捷程度差异较大，因此缓冲区法难以准确评估城市绿地的可达性。最小邻近距离法计算居民点到最近绿地的距离，距离越短，可达性越高。这种方法虽然考虑了距离因素，但没有考虑绿地的规模、吸引力以及居民的出行方式等因素。小型绿地和大型绿地对居民的吸引力不同，居民可能更愿意前往设施完善、景观优美的大型绿地，即使其距离相对较远。不同的出行方式，如步行、骑自行车、乘坐公共交通等，居民能够接受的出行距离也不同，最小邻近距离法无法体现这些差异。引力模型法综合考虑了绿地的规模、吸引力以及距离因素，认为可达性与绿地的吸引力成正比，与距离成反比。然而，该模型中的吸引力和距离的权重确定较为主观，缺乏客观的标准，不同的研究者可能会设定不同的权重，导致结果的可比性较差。而且引力模型法没有考虑实际的交通网络和出行成本，在实际应用中存在一定的局限性。费用加权法将交通费用、时间成本等因素纳入考虑，通过计算到达绿地的综合费用来衡量可达性。但该方法对数据的要求较高，需要准确获取各种交通方式的费用、速度等信息，而且费用的计算较为复杂，实际操作难度较大。在不同时间段，交通费用和时间成本可能会发生变化，如何动态地考虑这些因素也是一个挑战。两步移动搜索法通过两步计算，先确定每个绿地的服务范围，再计算每个需求点的可达性。该方法在一定程度上考虑了供需关系，但计算过程相对繁琐，需要进行大量的空间分析和计算。对于大规模的城市区域，计算量会非常庞大，计算效率较低。网络分析法基于城市交通网络，考虑道路的连通性、通行能力、速度限制等因素，能够更真实地模拟居民到达绿地的实际路径。它通过构建交通网络数据集，利用最短路径分析、服务区域分析等功能，准确计算居民从不同地点到达绿地的时间、距离等可达性指标。在厦门岛这样交通网络复杂、地形地貌多样的区域，网络分析法能够充分考虑各种实际因素，更准确地评估城市绿地的可达性。因此，本研究选择网络分析法作为厦门岛城市绿地可达性分析的主要模型。3.3.2模型参数设定在运用网络分析法构建可达性分析模型时，需要合理设定一系列参数，以确保模型能够准确反映实际情况。距离参数是模型中的重要参数之一，它直接影响到可达性指标的计算。在本研究中，距离参数采用实际的道路长度来表示。通过对厦门市1:10000比例尺的地形图进行矢量化处理，获取道路的精确几何信息，从而计算出道路的实际长度。在计算过程中，考虑到道路的弯曲程度和地形起伏等因素，对道路长度进行了适当的修正，以提高距离计算的准确性。例如，对于山区的道路，由于地形复杂，道路可能会出现较多的弯道和坡度，此时需要根据实际地形情况，对道路长度进行放大修正，以反映居民在这些道路上行走或行驶的实际距离。时间参数是衡量可达性的关键指标之一，它与居民的出行时间密切相关。在本研究中，时间参数根据不同的出行方式和道路条件进行设定。步行是居民前往绿地的常见出行方式之一，一般情况下，成年人的步行速度约为50-60米/分钟。但在实际情况中，步行速度会受到多种因素的影响，如地形坡度、道路拥挤程度等。在平坦的道路上，步行速度可能较快；而在坡度较大的道路上，步行速度会明显降低。因此，在设定步行时间参数时，根据厦门岛的地形数据，将道路分为平坦路段、缓坡路段和陡坡路段，分别设定不同的步行速度。对于平坦路段，步行速度设定为60米/分钟；缓坡路段，步行速度设定为50米/分钟；陡坡路段，步行速度设定为40米/分钟。对于自行车出行方式，一般城市道路上自行车的平均速度约为15-20千米/小时。同样，自行车的行驶速度也会受到道路状况、交通流量等因素的影响。在交通流量较大的路段，自行车的行驶速度会降低；而在专用自行车道上，行驶速度可能会相对较快。根据厦门岛的交通状况和自行车道的分布情况，将自行车行驶速度设定为18千米/小时。对于机动车出行方式，由于不同类型的道路限速不同，且交通拥堵情况也会对行驶速度产生较大影响。在厦门岛，主干道的限速一般为60-80千米/小时，次干道的限速一般为40-60千米/小时。在高峰时段，交通拥堵严重，机动车的实际行驶速度会远低于限速。根据实地调查和交通流量数据，在高峰时段，主干道的平均行驶速度设定为30千米/小时，次干道的平均行驶速度设定为20千米/小时；在非高峰时段，主干道的平均行驶速度设定为50千米/小时，次干道的平均行驶速度设定为40千米/小时。阻力参数是网络分析法中的一个重要概念，它反映了居民在到达绿地过程中所遇到的各种阻碍因素。在本研究中，阻力参数主要考虑了道路的通行能力、交通管制、地形地貌等因素。道路的通行能力是影响阻力的关键因素之一，通行能力越大，阻力越小，居民到达绿地的难度越低。对于双向六车道的主干道，其通行能力较大，阻力系数设定为1；而对于狭窄的小巷或单行道，通行能力较小，阻力系数设定为1.5。交通管制也会对居民的出行产生影响，如交通信号灯、单行线等。在遇到交通信号灯时，车辆需要等待信号灯变绿才能通行，这会增加出行时间和阻力。根据交通信号灯的设置和平均等待时间，对经过交通信号灯的路段增加一定的阻力系数。对于需要等待交通信号灯的路段，阻力系数增加0.2。地形地貌也是影响阻力的重要因素，在山区或地势起伏较大的区域，居民出行需要克服更大的地形障碍，阻力会相应增加。根据厦门岛的地形数据，将地形分为平原、丘陵和山地三个等级。对于平原地区，阻力系数设定为1；丘陵地区，阻力系数设定为1.2；山地地区，阻力系数设定为1.5。通过综合考虑这些因素，合理设定阻力参数，能够更准确地反映居民到达绿地的实际难度，提高可达性分析的准确性。3.3.3模型验证与精度评估为了确保所构建的可达性分析模型的准确性与可靠性，需要对其进行验证和精度评估。本研究采用了实地验证和与其他研究结果对比相结合的方法。实地验证是模型验证的重要环节，通过实地考察和问卷调查获取实际数据，与模型计算结果进行对比分析。选取厦门岛不同区域的10个典型居民点和对应的绿地，记录居民从这些居民点出发到达绿地的实际出行时间和路线。在实地考察过程中，考虑不同的出行方式，如步行、骑自行车和乘坐公共交通。对于步行出行，使用手机的计时功能记录从居民点出发沿实际行走路线到达绿地的时间，并详细记录行走过程中遇到的道路状况、交通信号灯等因素。对于骑自行车出行，同样记录骑行时间和路线，并注意观察自行车道的状况和交通流量对骑行速度的影响。对于乘坐公共交通出行，记录从居民点到最近公交站点的步行时间、公交车的行驶时间以及换乘次数等信息。将实地考察获取的实际出行时间与模型计算得到的时间进行对比分析。结果显示，对于步行出行，模型计算时间与实际出行时间的平均误差在5分钟以内，误差率在10%左右。例如，在某居民点到附近绿地的步行出行中，模型计算时间为12分钟，实际出行时间为13分钟，误差为1分钟，误差率约为7.7%。对于骑自行车出行，平均误差在8分钟以内，误差率在15%左右。如在另一个案例中，模型计算骑自行车到达绿地的时间为20分钟，实际骑行时间为22分钟，误差为2分钟，误差率约为9.1%。对于乘坐公共交通出行，由于受到公交车发车时间、交通拥堵等因素的影响，误差相对较大，但平均误差也在15分钟以内，误差率在20%左右。在某一乘坐公共交通的案例中，模型计算时间为35分钟，实际出行时间为40分钟，误差为5分钟，误差率约为14.3%。通过对多个案例的分析，总体上模型计算结果与实地验证结果较为接近，说明模型能够较好地反映居民实际到达绿地的时间情况。除了实地验证，还将本研究的可达性分析结果与其他相关研究结果进行对比。查阅了近年来关于厦门岛或类似城市区域的城市绿地可达性研究文献，选取了其中3项研究结果进行对比。这些研究采用的方法和数据可能有所不同，但都旨在评估城市绿地可达性。对比结果显示，在绿地可达性较高的区域，本研究结果与其他研究结果基本一致，都表明这些区域的居民能够较为便捷地到达绿地。在可达性较低的区域，虽然具体的可达性数值可能存在一定差异，但不同研究都指出这些区域存在绿地可达性不足的问题。例如，在厦门岛的某一老旧城区，本研究和其他相关研究都发现该区域由于道路狭窄、绿地分布较少等原因，居民到达绿地的可达性较差。通过与其他研究结果的对比，进一步验证了本研究可达性分析结果的可靠性和合理性。综合实地验证和与其他研究结果对比的情况，本研究构建的可达性分析模型具有较高的准确性和可靠性，能够较为准确地评估厦门岛城市绿地的可达性，为后续的绿地布局优化和规划提供可靠的依据。四、厦门岛城市绿地现状可达性分析4.1城市绿地分类与提取4.1.1基于RS的绿地分类方法在对厦门岛城市绿地进行分类与提取时，充分利用RS技术的优势，通过对高分辨率遥感影像的分析处理，实现对不同类型绿地的准确识别。本研究选用的高分二号卫星影像具有高空间分辨率和多光谱特性，为绿地分类提供了丰富的信息。在ENVI5.3软件中，首先运用监督分类中的最大似然分类法对影像进行初步分类。最大似然分类法基于贝叶斯准则，通过计算每个像元属于不同类别的概率，将像元归属于概率最大的类别。在分类前，需要在影像上选取大量具有代表性的训练样本，以准确描述各类地物的光谱特征。对于公园绿地，选取了厦门市的南湖公园、白鹭洲公园等典型区域作为训练样本，这些区域植被丰富，景观类型多样，包括草坪、乔木、灌木以及水体等，能够全面反映公园绿地的光谱特征。防护绿地则主要选取了环岛路沿线、铁路沿线等具有防护功能的绿地作为训练样本，这些绿地多为线性分布，植被以乔木和灌木为主，其光谱特征与公园绿地有所差异。附属绿地分布较为分散，在居民区、商业区、工业区等不同功能区选取了多个样本点，以涵盖附属绿地的各种类型，如居民区的庭院绿地、商业区的街边绿地等。通过对训练样本的统计分析，获取各类绿地的均值、协方差矩阵等光谱特征参数。在分类过程中，软件根据这些参数计算每个像元属于公园绿地、防护绿地、附属绿地等不同类别的概率，从而实现对影像的分类。监督分类虽然能够利用已知样本的光谱信息进行分类，但对于一些光谱特征相似的地物，容易出现错分现象。为了提高分类精度，结合非监督分类中的K-均值聚类算法对影像进行进一步处理。K-均值聚类算法是一种基于距离的聚类算法，它通过迭代计算，将影像中的像元划分成K个类别，使得同一类别内的像元光谱特征相似，不同类别之间的像元光谱特征差异较大。在进行K-均值聚类时，首先确定聚类的类别数K，根据厦门岛城市绿地的实际情况，将K值设定为5，包括公园绿地、防护绿地、附属绿地、水体和其他地物。然后随机选择K个初始聚类中心，计算每个像元到各个聚类中心的距离，将像元分配到距离最近的聚类中心所在的类别。接着重新计算每个类别的聚类中心，不断迭代，直到聚类中心不再发生变化或满足一定的收敛条件为止。非监督分类能够发现影像中潜在的地物类别，但由于其不依赖于先验知识，分类结果可能与实际地物类别不完全一致。因此，将监督分类和非监督分类的结果进行对比分析，结合实地调查数据，对分类结果进行人工修正和完善。在实地调查中，对厦门岛不同区域的绿地进行详细的观察和记录，包括绿地的类型、植被组成、周边环境等信息。对于分类结果中存在疑问的区域，通过实地调查进行核实和纠正。例如，在影像分类中，一些位于居民区附近的小块绿地可能被误分为附属绿地或其他地物，通过实地调查发现这些绿地实际上是具有一定规模和功能的公园绿地，从而对分类结果进行调整。此外，还利用了面向对象分类方法对绿地进行分类。面向对象分类方法基于影像的分割结果，将具有相似光谱、纹理和形状特征的像元组合成对象，然后根据对象的特征进行分类。在eCognition软件中，首先对高分二号卫星影像进行多尺度分割，根据影像的分辨率和地物的大小，设置合适的分割尺度参数，将影像分割成不同大小的对象。对于绿地对象，其光谱特征表现为在近红外波段具有高反射率，在红光波段具有低反射率；纹理特征相对均匀，形状特征多为不规则的块状或带状。利用这些特征，建立面向对象的分类规则集，对分割后的对象进行分类。通过将面向对象分类结果与监督分类和非监督分类结果进行对比验证，进一步提高了绿地分类的准确性。4.1.2绿地信息提取结果经过上述基于RS的绿地分类方法处理后，成功提取了厦门岛不同类型城市绿地的信息。结果显示，厦门岛的城市绿地类型丰富多样，包括公园绿地、防护绿地、附属绿地等。其中，公园绿地面积为[X]平方千米，占城市绿地总面积的[X]%。公园绿地分布广泛，主要集中在思明区和湖里区，如鼓浪屿-万石山风景名胜区，其面积达[X]平方千米，是厦门岛最大的公园绿地，拥有独特的自然风光和丰富的历史文化遗迹，吸引了大量游客和市民前来游览；南湖公园面积为[X]平方千米，园内湖水清澈，植被繁茂，设有休闲步道、健身设施等，为周边居民提供了良好的休闲娱乐场所。这些公园绿地不仅具有重要的生态功能，还承载着城市的文化和旅游价值，是城市形象的重要展示窗口。防护绿地面积为[X]平方千米，占城市绿地总面积的[X]%。防护绿地主要沿交通干线、海岸线和山体分布，起到了防风固沙、净化空气、降低噪音、保护生态环境等重要作用。环岛路沿线的防护绿地，长度约为[X]千米，宽度在[X]米至[X]米之间，植被以乔木和灌木为主，形成了一道绿色的生态屏障，有效地保护了海岸线的生态安全，同时也为环岛路增添了美丽的景观。铁路沿线的防护绿地，能够减少铁路运行产生的噪音和粉尘对周边环境的影响，保障了居民的生活质量。附属绿地面积为[X]平方千米，占城市绿地总面积的[X]%。附属绿地分布在各类建筑物和居住区周围，是城市绿地的重要补充部分。在居民区，附属绿地为居民提供了日常休闲和活动的空间，如一些大型住宅小区内设有中心花园、儿童游乐区等绿地设施，增加了居民的生活舒适度；在商业区，街边的附属绿地起到了美化环境、缓解视觉疲劳的作用，提升了商业区域的整体形象。从空间分布范围来看，公园绿地在厦门岛的中心城区分布较为密集，能够较好地服务于周边居民和游客。但在一些偏远区域，公园绿地的覆盖相对不足。防护绿地沿主要交通干线和海岸线呈线性分布，形成了较为连续的防护网络。附属绿地则分散在各个功能区，与建筑物紧密结合，其分布受到城市建设和土地利用的影响较大。总体而言，厦门岛的城市绿地在空间分布上存在一定的不均衡性，部分区域绿地资源相对匮乏，这对城市绿地的可达性和服务公平性产生了一定的影响。4.2现状可达性计算与分析4.2.1计算方法与过程本研究运用网络分析法计算厦门岛城市绿地的现状可达性，以更真实地模拟居民到达绿地的实际路径。首先，在ArcGIS10.8软件中构建交通网络数据集。将从厦门市自然资源和规划局获取的道路数据导入ArcGIS中，这些道路数据详细记录了道路的名称、等级、长度、通行方向、速度限制等信息。根据道路的属性，将其分为主干道、次干道、支路等不同类型，并设置相应的阻抗属性。主干道的通行能力较大，速度限制较高，因此其阻抗相对较低；而支路的通行能力较小，速度限制较低，阻抗相对较高。例如，对于双向六车道的主干道，设置其速度限制为60千米/小时，阻抗系数为1；对于双向两车道的支路，速度限制为30千米/小时，阻抗系数为1.5。将居民点作为起点，绿地作为终点，利用NetworkAnalyst工具创建最短路径分析图层。在设置分析参数时，充分考虑道路的单行限制、交通信号灯等实际交通状况。对于存在单行限制的道路，在网络分析中设置相应的通行方向，确保计算的路径符合实际通行规则。考虑交通信号灯的影响，根据交通信号灯的设置和平均等待时间，对经过交通信号灯的路段增加一定的阻抗。对于需要等待交通信号灯的路段，增加0.2的阻抗系数。通过求解最短路径，得到从每个居民点到最近绿地的最短路径，进而计算出到达绿地所需的时间和距离。在计算过程中，考虑不同的出行方式，如步行、骑自行车和乘坐公共交通。对于步行出行，根据成年人的平均步行速度约为50-60米/分钟，结合厦门岛的地形数据，将道路分为平坦路段、缓坡路段和陡坡路段，分别设定不同的步行速度。平坦路段步行速度设定为60米/分钟，缓坡路段为50米/分钟，陡坡路段为40米/分钟。对于骑自行车出行，一般城市道路上自行车的平均速度约为15-20千米/小时，根据厦门岛的交通状况和自行车道的分布情况，将自行车行驶速度设定为18千米/小时。对于乘坐公共交通出行，由于公交车的行驶速度受到交通拥堵、站点停靠等因素的影响，根据实地调查和交通流量数据，在高峰时段，主干道上公交车的平均行驶速度设定为25千米/小时，次干道为15千米/小时；在非高峰时段，主干道为35千米/小时，次干道为25千米/小时。同时，考虑公交车的换乘时间，每次换乘增加5-10分钟的时间成本。以思明区的某居民点为例，该居民点周边道路情况较为复杂，有多条主次干道和支路。通过网络分析计算，若居民选择步行前往最近的公园绿地，距离为1.2千米，需要步行20分钟，其中经过一段缓坡路段，步行速度按50米/分钟计算。若选择骑自行车，距离同样为1.2千米，但由于道路较为顺畅，骑行时间仅需4分钟。若选择乘坐公共交通，需要先步行5分钟到达公交站点，乘坐公交车经过3站，行驶距离为2.5千米，由于处于非高峰时段，公交车平均行驶速度为30千米/小时，行驶时间为5分钟，中途无需换乘，因此总时间为10分钟。通过这样详细的计算过程，全面考虑了各种实际因素，确保可达性计算结果的准确性和可靠性。4.2.2可达性空间分布特征通过上述计算方法，得到厦门岛城市绿地可达性的空间分布结果，并利用ArcGIS软件将其可视化表达，绘制可达性专题地图。从可达性专题地图（图4-1）中可以清晰地看出，厦门岛城市绿地可达性在空间上呈现出明显的分布规律与差异。在思明区的中心城区，如中山路、湖滨南路等区域，绿地可达性较高。这些区域交通网络发达，道路密度高，且有多条主干道和次干道与周边绿地相连，居民可以通过多种出行方式便捷地到达绿地。例如，位于该区域的中山公园，周边道路纵横交错，公交线路密集，无论是步行、骑自行车还是乘坐公共交通，居民都能在较短时间内到达公园。据计算，该区域大部分居民步行15分钟内即可到达最近的绿地，乘坐公共交通则在10分钟以内。而在湖里区的一些偏远区域，如高崎机场附近、五通片区等，绿地可达性相对较低。这些区域虽然有一定的道路网络，但由于距离主要绿地较远，且部分道路通行能力有限，交通拥堵情况时有发生，导致居民到达绿地的时间较长。在高崎机场附近，由于周边道路主要服务于机场交通，公交线路较少，居民若要前往较远的绿地，需要多次换乘公共交通，总时间可能超过30分钟。如果选择自驾，在高峰时段，由于交通拥堵，到达绿地的时间也会大幅增加。在厦门岛的沿海区域，如环岛路沿线，虽然有较为丰富的绿地资源，如滨海公园、沙滩绿地等，但由于部分路段交通管制和游客流量大等原因，可达性也存在一定差异。在旅游旺季，环岛路部分路段实行交通管制，私家车通行受限，居民和游客只能选择步行或乘坐公共交通前往绿地。而公共交通在高峰时段可能会出现拥挤和延误的情况，影响居民到达绿地的便捷性。在一些热门的滨海公园附近，由于游客众多，停车位紧张，自驾前往绿地的难度较大，导致可达性降低。从整体上看，厦门岛城市绿地可达性呈现出从中心城区向周边逐渐降低的趋势。中心城区由于其优越的地理位置和完善的交通设施，能够更好地服务于居民，绿地可达性较高；而周边区域由于各种因素的限制，绿地可达性相对较低。这种可达性的空间分布差异，反映了厦门岛城市绿地布局和交通设施建设的不均衡性，也为后续的绿地布局优化和交通改善提供了重要的参考依据。图4-1厦门岛城市绿地可达性专题地图4.3可达性与相关因素的相关性分析4.3.1与人口密度的关系为深入探究厦门岛城市绿地可达性与人口密度之间的关系，将计算得到的绿地可达性数据与人口密度数据进行叠加分析。利用ArcGIS软件的空间连接工具，将人口密度图层与可达性图层进行关联，使每个可达性分析单元对应相应的人口密度信息。通过分析发现，两者之间存在显著的负相关关系。在人口密度较高的区域，如思明区的一些老旧小区和商业中心附近，每平方千米人口密度可达[X]人以上，绿地可达性往往较低。以中山路附近的某老旧小区为例，该区域人口密度大，建筑物密集，绿地面积相对较少，居民到达绿地的平均时间超过20分钟。由于人口众多，对绿地的需求旺盛，而绿地资源有限，导致人均绿地占有量低，可达性较差。居民在繁忙的生活中，很难在短时间内找到一片宁静的绿地进行休闲放松。相反，在人口密度较低的区域，如厦门岛的一些偏远郊区，每平方千米人口密度仅为[X]人左右，绿地可达性相对较高。这些区域土地资源相对丰富，绿地面积较大，居民到达绿地的距离较近，时间成本较低。以五通片区的部分区域为例，虽然该区域整体可达性在厦门岛处于中等水平，但在其内部人口密度较低的区域，居民到达绿地的平均时间在10分钟以内。居民可以更轻松地享受绿地带来的生态服务，如清新的空气、优美的自然景观等，有利于提高居民的生活质量。这种负相关关系表明，厦门岛城市绿地的布局未能充分考虑人口分布因素，导致在人口密集区绿地资源相对短缺，无法满足居民对绿地的需求。在城市规划和绿地建设中，应更加注重人口密度与绿地可达性的匹配，在人口密集区域合理增加绿地面积，优化绿地布局，提高绿地的服务效率，以保障居民能够公平地享受城市绿地带来的福利。例如，可以通过建设小型口袋公园、立体绿化等方式，增加人口密集区域的绿地供给，改善绿地可达性。同时，在城市发展过程中，应合理引导人口分布，避免过度集中，以减轻对绿地资源的压力，实现城市绿地与人口分布的协调发展。4.3.2与交通网络的关系交通网络作为影响城市绿地可达性的关键因素之一，其布局与通行能力对居民到达绿地的便捷程度有着重要影响。通过将交通网络数据与绿地可达性数据进行深入叠加分析，发现交通网络的布局与绿地可达性之间存在显著的正相关关系。在交通网络密集且道路连通性良好的区域，如思明区的中心城区，道路纵横交错，主干道、次干道和支路相互连接，形成了完善的交通网络。该区域的绿地可达性较高，居民可以通过多种出行方式，如步行、骑自行车、乘坐公共交通等，快速到达绿地。以中山公园周边为例，该区域有多条公交线路经过，且道路宽敞，交通顺畅，居民乘坐公共交通或骑自行车前往公园，一般在10分钟以内即可到达。良好的交通网络为居民提供了更多的出行选择，缩短了到达绿地的时间，提高了绿地的可达性。然而，在交通网络不完善的区域，如湖里区的一些偏远地段，存在道路狭窄、断头路、交通拥堵等问题，绿地可达性明显较低。部分区域道路狭窄，仅能容纳双向两车道，交通流量稍大时就容易出现拥堵，导致居民出行时间增加。一些道路存在断头路的情况，居民前往绿地需要绕行，增加了出行距离和时间成本。在高崎机场附近，由于交通主要服务于机场，公交线路较少，且道路拥堵情况时有发生，居民若要前往较远的绿地，乘坐公共交通可能需要多次换乘，总时间可能超过30分钟。交通瓶颈区域的存在严重阻碍了居民到达绿地的便捷性，降低了绿地的可达性。针对交通瓶颈区域，需要采取一系列针对性的措施来改善交通状况，提高绿地可达性。加大对交通基础设施的投入，拓宽狭窄道路，打通断头路，优化道路网络布局，提高道路的连通性和通行能力。增加公交线路和站点，优化公交线路规划，提高公共交通的覆盖率和服务质量，方便居民乘坐公共交通前往绿地。加强交通管理，采用智能交通系统，实时监测交通流量，合理调控交通信号灯，缓解交通拥堵。通过这些措施的实施，改善交通网络状况，提高居民到达绿地的便捷性，从而提升厦门岛城市绿地的整体可达性。4.3.3与绿地规