Google Earth Engine平台在城市公园绿地布局优化中的应用

刘肖利，唐文莉，殷滋言

(安徽农业大学经济技术学院, 安徽 合肥 230000)

城市公园绿地是维持城市生态功能的重要部分之一，对实现城市可持续发展、改善居民生活环境等方面发挥着重要作用，而城市公园绿地能否发挥其作用与城市公园绿地布局的合理性息息相关。随着城市经济水平的不断提升，城市中心逐渐发生偏移，新老城区公园绿地逐渐暴露出越来越多的问题，例如公园绿地建设缺乏地域特色、绿地植被种类单一、公园绿地布局不平衡等。城市生态环境的好坏严重影响着城市居民的日常生活和身体健康，政府及相关部门需不断对城市新老城区公园绿地进行改造，提出适应新时代发展的城市公园绿地布局优化策略，进而提升城市的整体形象。本文将Google Earth Engine平台引入城市公园绿地布局优化中，利用平台实时监测、获取信息、质量监测、参数反演等功能，以期为城市公园绿地布局优化提供数据支撑和新的优化思路。

一、Google Earth Engine平台分析城市公园绿地布局问题

城市公园绿地布局一直是风景园林行业的研究热点，但目前仍存在许多问题，例如公园绿地缺乏包容性和多样性、公园系统性较低、城市公园布局缺乏合理性、管理人员综合素质差等。将Google Earth Engine平台应用于获取城市公园绿地信息，根据Google Earth Engine平台提供的遥感数据分析城市公园绿地布局存在的主要问题。

城市公园绿地的信息获取渠道主要为遥感影像数据和实地资源调查，通过在城市公园绿地遥感影像与实地调查数据间建立联系，获取城市公园绿地现状及历年的变化信息等。基于Google Earth Engine平台中的遥感影像数据进行城市公园绿地布局分析时，得到的光谱数据可细致、全面地将植被特征与差异性表现出来，实现对城市公园绿地植被变化的实时监测。以合肥市城市公园绿地布局为例，利用Google Earth Engine平台针对合肥市城市公园绿地分布状况和公园植被覆盖度进行动态分析，采用线性回归模型分析合肥城市公园绿地的植被覆盖度和布局随时间的变化趋势。该方法的应用原理为基于像元对合肥城市公园绿地数十年植被覆盖度随时间和布局的变化进行模拟，即利用最小二乘法拟合每个像元的变化情况，进而计算出绿地植被覆盖率的变化值，然后用单个像元绿地植被变化率随时间和布局的变化率特征反映整个城市公园绿地植被变化规律，最终利用这一模型反演出合肥城市公园绿地某一时间段内绿地植被覆盖度随时间和空间变化的特征，发掘城市公园绿地布局存在的问题并针对性地进行优化，以提升城市的整体形象和居民的舒适度。下文以合肥市城市公园绿地布局为例，分析其公园绿地布局存在的主要问题。

第一，城市公园绿地布局缺乏当地特色。虽然根据遥感影像数据分析可知，近年来合肥城市公园绿地面积有所增加，但无论城市公园绿地中的植物配置还是各类公园景观小品，多数城市公园绿地都缺乏当地特色。城市公园绿地植被乔灌草比例失衡，本地乡土树种不适合用于公园绿地植物种植设计，难以给游客眼前一亮的视觉效果。

第二，城市公园绿地建设存在跟风现象，忽略了与城市生态环境的联系。以合肥市城市公园绿地为例，公园绿荫面积不足，乔木数量较少，草坪面积较大，难以有效阻挡紫外线照射，部分休闲区域地表温度偏高，不适宜游客休闲娱乐。此外，从环保角度讲，大型城市公园绿地布局不合理，导致其吸附灰尘能力及杀菌和隔离噪音性能降低，进而降低了城市公园绿地的利用率，且城市绿地的造型设计千篇一律，缺乏创造性。

第三，城市公园内绿地分布不均匀。合肥市城区内公园绿地较少，近年来，主城区区域内公园绿地面积、公园数量增长较为缓慢，尤其是城区一环、二环之间，城市公园绿地面积较少且布局不合理，难以在绿地系统中的生态效益方面发挥作用。

第四，城市中老旧城区城市公园绿地变化不明显，这一区域人口密度较大，但城市公园绿地树种较为单一且景观性较差。以合肥市瑶海区东部为例，该地区城市公园绿地中的乔灌草植物缺乏层次性且景观性较差，部分极具江淮地域特色的公园绿地植被并未得到重视，降低了城市公园的美感。

二、城市公园绿地布局原则

将Google Earth Engine平台应用于城市公园绿地布局优化中，通过合理研究并分析城市公园的服务范围，探究城市公园绿地的最佳布局方式，建成多功能、多类群、全区域、多层次，城市热岛效应较低且具有良好的城市气流循环的城市绿地系统布局，与城市中的其他绿地系统形成城市绿色生态空间网状结构。城市公园绿地包括综合性公园绿地、社区公园绿地、郊野公园绿地等，协调城市中各类公园绿地及其他生态资源，建设生态环境优美、人与自然和谐共生的可持续现代化城市，需要遵循以下几个城市公园绿地布局优化原则。

(一)整体性原则

城市公园绿地建设是城市建设的一部分，应当与城市整体规划建设融为一体，既不可从城市整体规划建设中剥离，也不可与其他城市建设元素发生冲突。以降低后续城市开发建设对生态环境的破坏和建设成本，改善城市整体形象和生态环境。城市公园绿地布局必须遵循城市整体绿地系统规划的建设原则，且公园绿地布局要与公园中的其他景观相互协调一致，提升城市的整体形象。因此，相关部门设计和建设城市公园绿地时，要注重公园绿地布局与城市整体建设的整体性和协调性，充分发挥城市公园绿地在城市生态文明建设中的重要作用。

(二)因地制宜原则

城市公园绿地的布局要符合因地制宜的原则，体现出城市特色。根据各地城市及城市各个区域环境、人口密度、地理位置、自然资源、社会服务功能的区别，相关部门应设计和建设符合区域特色的城市公园绿地布局方案。此外，城市公园绿地布局设计应当包涵城市特点、自然风景和人文历史，性质不同的城市公园绿地要采取不同的绿地布局方式，以表现出城市的地域特色。相关部门选取公园绿地树种时应尽可能选取乡土树种，避免对城市生态环境造成破坏，遵循因地制宜原则，科学合理地进行城市公园绿地布局优化。

(三)合理配置原则

城市公园绿地布局的设计和规划与现地资源、公园周边环境和土地性质相关，因此，大幅增加城市公园绿地面积并不合理，城市公园绿地的设计和规划应当与可持续发展的理念一致，不能只追求城市公园绿地的占地面积和造价，不能在公园绿地中堆砌高端景观，不可盲目追求形象工程。因此，城市公园绿地布局要遵循合理配置原则，以城市公共服务空间、城市实际发展状况和公园绿地用地情况为布局依据，运用科学合理的设计思路和方案确定城市公园绿地的位置与布局，提升城市公园景观品质和服务水平。同时，在优化已建成的城市公园绿地时，设计者应参考Google Earth Engine平台提供的影像数据，充分考虑城市公园绿地的使用人群、路网密度等可达性，在进行公园绿地布局优化设计时要提升绿地的便捷性和可达性，适当增加旧城区城市公园的绿地面积，进而均衡城市整体公园绿地面积和服务水平。

三、基于Google Earth Engine平台城市公园绿地布局优化分析

城市公园绿地布局设计应考虑城市整体生态环境，但在公园选址或布局优化时，应注重城市公园绿地作为城市的公共基础服务设施应发挥的作用，为城市居民提供适宜休闲、游玩的场所。在城市公园绿地布局优化阶段不能过分强调公园的生态性功能，设计者应当在最小限度影响已有城市公园绿地生态环境的基础上对公园绿地布局进行优化，以确保游客的活动空间，进而完善城市公园绿地的服务功能和范围。

(一)城市公园绿地布局盲点分析

相关部门分析公园绿地布局时，要以公园的服务半径为基础，并对城市公园的服务功能做区分。例如，综合性城市公园需考虑日常游客的游憩和观光需求；口袋公园只需考虑游客的日常游憩功能。此外，城市道路网络服务的形状和范围不规则，因而会形成许多类型的盲点，相关部门对城市公园绿地布局进行优化前要先找出盲点，具体分析如下：

第一类盲点为隐形盲点。在城市中部分人口密度较大的城区，虽然城市公园的服务功能已辐射到周边区域，但公园服务范围内的游憩人数已超过公园的承载范围，造成公园游客“超负荷”的现象，导致公园存在的盲点被忽视，从地图切片中难以发现，需参考Google Earth Engine平台中其他与该地区相关的数据资料。因此，设计者需采取综合、灵活的布局方式，优化城市公园布局，消除隐形盲点。

第二类盲点为真空盲点。城市公园绿地布局的真空盲点指城市综合性公园和口袋公园的公共服务功能均未覆盖的区域。设计者只能通过增加城区公园绿地面积或改变城市或公园内道路网络的方式消除城市公园绿地布局的真空盲点，提升城市公园绿地的服务范围。

第三类盲点为车行服务盲点，也被称为旅游观光盲点。由于口袋公园主要负责日常游憩服务功能，因此口袋公园几乎无需考虑车行服务盲点。但综合性公园服务范围较广，设计者进行车行服务范围分析时存在覆盖盲区，进行城市公园绿地布局优化时可根据Google Earth Engine平台提供的数据和反演信息对综合性公园的车行服务功能进行优化，提升城市公园绿地的可达性。

第四类盲点为步行服务盲点。步行服务盲点也被称为日常游憩服务盲点，指口袋公园和综合性公园这些以步行为交通方式分析公园的服务范围时存在的服务盲点，一般以增加小型口袋公园作为消除步行服务盲点的方式。

(二)城市公园绿地选址分析方法

根据 Google Earth Engine平台提供的数据资源，设计者应基于统计分析方法，找出目前城市公园绿地布局中存在的服务盲点并对其进行分析、归类，便于灵活、综合地消除城市公园绿地的服务盲点，利用地理选址分析、多重心选址分析等方法，分流“超负荷”服务的城市公园游憩人口，对城市公园绿地布局进行优化，提升城市的整体风貌。

第一，利用地理选址的方式优化城市公园绿地布局，提升城市公园的服务功能。首先，设计者要根据Google Earth Engine平台提供的城市相关数据，分析某一城区的绿地布局现状和地形地貌，城市公园的位置必须靠近城区的主要公路，便于城市居民或其他游客到达；其次，城市公园的位置要最大限度减少噪声干扰，公园的最佳位置为依山傍水、环境优美，且布局时要注意将公园的可利用面积最大化；最后，设计者应根据上述条件结合公园的性质进行选址分析，优化旧的城市公园绿地布局，并在合适的位置增加口袋公园。

第二，利用多重心选址的方式优化城市公园绿地布局，解决城市公园“超负荷”服务的现象。设计者要根据相关数据找出人口密度大且存在“超负荷”服务公园的区域，并选取相关性较大的城市公园，采用多重心选址分析的方法综合分析该城区的城市公园绿地布局现状，利用Google Earth Engine平台的反演功能，确定需要增加的城市公园绿地位置及其数量。多重心选址的分析方法具有以下三个特征：其一，居民或游客游憩城市公园并非必要活动，居民不会因距离而改变游憩公园的想法，一般会就近选取公园，公园的选址是空间无阻逆的；其二，增加的城市公园绿地可位于空间任意位置，一般选用自由选择模型；其三，根据城市需求增建多个城市公园，一般选用多设施重心模型。

第三，城市公园绿地布局优化以该城市用地布局为依托。地理选址分析方法和多重心选址方法均利用了Google Earth Engine平台的空间分析和反演功能，但Google Earth Engine平台的数据库中可能会缺少城市的布局特征信息或城市基础信息，导致部分城区难以利用Google Earth Engine平台的分析功能进行运算。因此，进行城市公园绿地布局优化时应当以当地城市用地布局为依托，综合多种因素，选组最佳绿地布局地址。例如，城市中心区域地价较高、商业集中、人流量相对较大，但没有适于建设城市公园的土地，对城市中心区域进行城市公园绿地布局优化时只能选取地价较低、相对人口密度较低的边缘地带建设多个城市公园，以平衡市中心公园绿地缺乏的现象。

(三)城市公园绿地服务功能完善

为达到城市公园绿地布局优化的最佳效果，在消除服务隐形盲点、分流“超负荷”公园游憩人口之后，设计者需消除城市公园的表面服务盲点，使得优化后的城市公园绿地具备准确、系统的服务功能，具体完善过程主要表现为以下几个方面：

第一，确定公园的服务盲点，利用Google Earth Engine平台分析城市公园的服务半径，并发现其中存在的服务盲点，不同类型的服务盲点可为城市新公园的选址和旧公园的优化提供依据，其与服务盲点区域的自然条件、土地性质等共同决定城市公园绿地具体布局方案。设计者在计算综合性公园的可达性时要区分步行与车行并进行绿地布局规划，因为综合性公园不仅要为游客提供日常游憩、散步或锻炼的场所，也要具备旅游观光的服务功能。口袋公园绿地布局优化只需考虑步行服务功能。根据平台提供的各项数据进行分析和归纳，如果公园的真空盲点区域为城市居民居住地，设计者将综合性公园与口袋公园均覆盖盲点为最佳；如果公园的步行服务盲点没有居民，而为工业用地，则可将其忽略。

第二，为满足城市居民的绿地游憩空间，提升城市公园的服务功能，相关部门应当不断增加城市公园的类型，根据城市整体建设规划和Google Earth Engine平台提供的数据，进一步完善城市交通网络建设，以增加城市居民游憩公园的潜力。Google Earth Engine平台数据中城市公园绿地形状指数介于1-1.6时，公园绿地服务面积相对平稳；当城市公园绿地形状指数大于1.6时，公园绿地服务面积会逐渐增加。换言之，其他条件不变的情况下，城市公园绿地形状越复杂，其服务面积越大。对于地形复杂的城区，设计者可设计形状更为复杂的绿地，进一步增加绿地服务面积；对于地形较为简单的城区，设计者可通过改建或增设带状绿地，以增加公园的绿地服务面积。

第三，为提升城市公园的综合服务性能，设计者应增加公园自身对游客的吸引力，城市公园绿地的布局优化建设应当与当地的特色文化相结合。以合肥城市公园绿地优化为例，设计者可挖掘和提炼包公文化、三国文化、徽商文化等具有地域代表性的文化资源，将其有机融合到城市公园绿地布局内，提升城市公园绿地的社会文化价值，设计出富有文化底蕴且特色鲜明的城市公园绿地。此外，根据Google Earth Engine平台提供的数据，设计者要在城市公园绿地中平衡乔灌草的比例，发挥城市公园绿地杀菌、防紫外线、降低城市噪音等功能。

Google Earth Engine平台集众多优势为一体，将其应用于城市公园绿地布局优化中，可为城市公园绿地布局优化提供遥感影像数据依据，有助于优化城市公园绿地布局提升城市公园绿地的综合服务功能。根据Google Earth Engine平台提供的植被覆盖变化和土地格局变化情况，发现城市公园绿地存在分布不均匀、布局缺乏当地特色、建设盲目跟风等问题。当地相关部门应当遵循整体性、因地制宜、合理配置原则，分析城市公园绿地布局盲点，确定城市绿地公园具体选址，并根据当地需求优化绿地服务功能，观察Google Earth Engine平台提供的实时动态植被覆盖数据，进一步确定绿地布局的合理性。