【论文分享】基于对象分析和构成理论的城市天际线定量评估新方法

本次给大家带来一篇SCI论文的全文翻译！该论文提出了一种新的天际线定量评估方法，可以有效地反映城市天际线的差异。该方法可以定量地评估天际线物体的组成和空间分布。该论文有望为天际线美学的研究提供一个新的视角！

---

【论文题目】

A new quantitative evaluation method of urban skyline based on object-based analysis and constitution theory

【题目 翻译】

一种基于对象分析和构成理论的城市天际线定量评估新方法

【 期刊信息】

Environment and Planning B: Urban Analytics and City Science；Volume 51, Issue 1, April 15, 2023

【 作者信息】

• Ling Yang, 地理学院，南京师范大学,南京，中国
• Xin Yang, 虚拟地理环境重点实验室，教育部，南京师范大学,南京，中国
• Yue Li and Sijin Li, 地理学院，南京师范大学，南京，中国

【 论文链接】

https://doi.org/10.1177/23998083231168873

【 关键词】

天际线，对象，构成理论，复杂性，定量评估。

【 本文亮点】

• 提出了一个通过人工智能算法智能绘制城市总体规划的原型
• 基于对象的分析方法和构成理论，提出了一种新的天际线定量评估方法
• 基于目标的图像分析方法提取天际线物体
• 基于构成理论，提出对象类别多样性的丰富度和对象类别空间分布的复杂性
• 定量地评估天际线物体的组成和空间分布

---

【摘要】

天际线是一个城市形态特征和文化特征的综合展示，其定量评估对感知城市和协助规划具有重要意义。然而，以往的研究主要集中在整体轮廓或高层建筑上，缺乏考虑天际线物体组成的视角。本文基于基于对象的分析方法和构成理论，提出了一种新的天际线定量评估方法。首先，利用基于目标的图像分析方法提取天际线物体，即建筑物、植被和山脉。其次，根据建筑物的相对高度进一步分为四类。然后，基于构成理论，提出了两个定量指标，即对象类别多样性的丰富度和对象类别空间分布的复杂性。最后，将该方法应用于上海、香港、纽约和温哥华的典型城市天际线。结果表明，当新指标相对相似时，可以有效地反映城市天际线的差异。该方法可以定量地评估天际线物体的组成和空间分布。本文有望为天际线美学的研究提供一个新的视角。

【引言】

《牛津英语词典》将天际线定义为在天空中看到的建筑物或其他物体的轮廓或剪影。一个城市的天际线是一个独特的城市指纹。一个城市的心态、多样性和文化通常可以从它的天际线上看到。一个城市有无限个不同的天际线，这取决于视点和观看方向（Guney et al.，2012）。一些天际线可以被认为代表了一个城市的空间、社会和文化特征；所有这些都将城市抽象化（加斯纳，2009）。研究表明，城市天际线的形式是城市美学属性的一个极其重要的组成部分（Heath et al.，2000b）。它在人类对环境的感知中非常突出（Nasar，1994），并且它与环境设计相关（Lozano，1974）。一个美观的天际线可以让居民感觉良好，同时加深他们的认同感和对城市的认可。因此，对天际线的提取和评估对于城市的认知和规划具有重要意义。

在认识到天际线审美属性对城市景观的影响后，学者们开始寻求定量的审美评估方法。这些方法包括分形几何、熵和其他计算天际线数值特征的理论(Bostanci和Ocakci，2009年；Chalup等人，2009年；Ostwald等人，2015年）。这些方法允许可测量性；因此，它们在评估城市美学方面具有重要的潜力（Guney et al.，2012）。例如，自从曼德尔布罗特（曼德尔布罗特和曼德尔布罗特，1982）宣布“自然的几何结构存在一个分形面”（邮票，2002）以来，分形、美学和自然就已经紧密相连了。分形维数也已成为评估天际线审美属性的评估指标。Bill Lim处理了一个关于天际线偏好调查的量化模型的发展（Lim和Heath，1994年）。Tom Health提出了复杂性的概念和量化公式，并指出：“复杂性被广泛认为是影响人们对环境和文物反应的一个变量”（Heath et al.，2000a）。随着场景复杂性的增加，场景引起了更高层次的注意力和探索（Iii et al.，2005）。目前的大多数研究都是从高层建筑的角度来评估天际线的（Heath et al.，2000b；卡里米莫沙弗和温克曼，2018；Short，2004），还有一些研究考虑了整体的天际线轮廓。人们对城市天际线的感知不仅关注高层建筑，尽管高层建筑占了其中的很大一部分。同样，人们不仅关心天际线的轮廓，还关注天际线上自然和人造物体的组成和分布。人工（包括文化和社会经济方面）和自然（包括山脉和水体）的环境应该彼此一致和和谐地存在。因此，在评估天际线时，应该考虑到在天际线中呈现的所有物体。

天际线提取是天际线评估的基础。前面的方法可以分为两种方式。一种是使用边缘检测算子与其他优化算法相结合来识别天际线轮廓（Ayadi等人，2016年；Lie等人，2005年；Zafarifar等人，2008年）。此外，随着机器学习技术的发展，机器学习算法如卷积神经网络（Frajberg等，2017）和支持向量机（Ahmad等，2015）已被应用于天际线轮廓的检测，这已成为天际线提取的另一种方法。目前的方法是在像素级，旨在找到天空和非天空区域之间的像素灰度阈值。天际线上的像素具有聚集的分布模式。基于对象的图像分析方法发展良好（Blaschke，2010；侯赛因和陈，2019；Chen等人，2018），这为天际线轮廓及其成分的提取提供了一种新的方法。

本文的目的是(1)利用基于物体的图像分析方法提取建筑物、植被、山脉等天际线物体；(2)从新的物体组成角度对天际线进行定量评估，(3)通过与其他方法的比较，讨论了该新评估方法的优点。

图1评估方法的流程图

【方法】

该方法包括基于对象的天际线提取、天际线重构和天际线定量评估指标的计算三个步骤。其流程图如图1所示。基于对象的天际线提取是基础，它将天际线按类别划分为多个对象，即建筑物、植被和山脉。这一步获得了初始的天际线。天际线重构部分采用一种算法实现。该算法以初始天际线为输入，其主要功能是将建筑物分为不同的类别，并计算对象属性统计数据。最后一步是定量指标的计算。这一步是基于上一步的统计信息，然后计算对象类别多样性的丰富度和对象类别空间分布的复杂性的结果。

1.1基于对象的天际线提取

图像可以显示从一个特定的视角和方向观察到的城市景观。天际线评估的第一步是从图像中识别出天际线。以往的天际线提取的基本思想是找到天空区域和非天空区域之间的像素灰度阈值，在不考虑其在不同位置的语义差异的情况下，得到一条连续的单线。天际线上的像素具有空间上聚集的分布模式。相同特征的像素在天际线中连续分布，即天际线通常由几个空间上相邻的物体组成，物体内部的像素相对均匀。因此，天际线提取可以用一个基于对象的思想来实现。从这个想法来看，天际线的提取可以被看作是一种分类。第一步是对天空和非天空的分类，第二步是对天际线中不同物体的分类。先前的研究也表明，基于对象的分类器是一种比经典的每像素分类器更好的方法（Myint et al.，2011）。因此，我们采用了基于对象的分类器，它具有减少分类结果的碎片化，便于评估天际线对象的丰富度和分布特征的优点。

基于对象的方法包括分割和分类两个步骤。分割的主要任务是将整个图像分割为一系列封闭的对象（Wang et al.，2004）。本文采用的分割策略是多尺度分割算法（图2）。该算法是一种自底向上的区域合并技术。最小的种子包含一个像素。然后，种子根据光谱相似性和种子与邻近候选种子的对比度，在图像场景中生长（丁格尔·罗伯逊和金，2011）。当最小的增长超过由尺度参数定义的阈值时，该过程就会停止（Laliberte et al.，2004）。一个更大尺度的参数会产生更大的图像对象（Benz et al.，2004）。该算法包含三个算法参数，比例、颜色（光谱信息）和形状（平滑度和紧凑度），其中颜色和形状参数可以从0到1进行加权。尺度是一个与图像分辨率相关的无单位参数（Laliberte et al.，2004）。比例参数通常由用户通过基于图像大小和分辨率的连续实验来确定。颜色和形状参数代表物体的同质性准则，这两个参数的权重之和为1。形状参数的平滑度和紧致性也可以从0到1进行加权。更高的平滑性强调将被用来定义观察到的对象，以便在块之间有更大的可变性。紧凑度重量能够分离出具有相当不同形状但不一定有很大颜色对比的物体（Flanders et al.，2003）。在本文中，由于每个城市天际线的图像大小和光谱信息不同，参数的最优参数集并不是唯一的。在目前的许多研究中（Im et al.，2008），最优参数集是通过不断的实验改进得到的。在本文中，由知情试错确定的最终量表参数为上海为40，香港为20，温哥华为20，纽约为40。所有四个城市的颜色和形状参数的权重分别设置为0.9和0.1，强调了方块的颜色高于形状的重要性。在形状参数中，平滑度和紧致度被设置为0.5。通过准确区分天际线上下特征的能力，验证了最优参数集。

图2. 多分辨率分割流程图（改编自电子认知用户指南）

分类的任务是确定这些对象的类别。该分类方法可分为两种类型：基于规则的分类和基于样本的监督分类。基于规则的分类是一种从输入数据的统计特征中推断出来的方法。常用的算法是阈值分类和隶属关系分类。基于监督样本的分类依赖于用户选择的样本，通常会得到相对令人满意的结果。常用的算法有最近邻（NN）、随机森林和SVM。本文采用神经网络算法来实现分类（Cover and Hart，1967），这是一种基于特征空间中最近邻的训练样本来区分对象的方法。该算法的基本思想是，对于每个分割的对象，根据特征空间找到其最近邻的样本对象，然后找到样本对象的类别该对象被设置为示例对象的类别。因此，在进行神经网络分类之前，需要完成两个步骤：定义特征空间和选择样本。特征空间可以包含光谱、几何、纹理等特征参数。本实验的特征空间定义为物体内部RGB和亮度信息的平均值。下一步是选择样本。首先，根据每个城市的形象，确定建筑、山地、植被等类别。然后，为每个类别确定有代表性的样本。通常，会进行必要的类别编辑来纠正分类错误的对象。上述实验操作是通过生态认知软件实现的，该软件集成了多分辨率分割和面向对象的模糊规则分类（Blaschke et al.，2000）。

在得到分类结果后，使用ArcGIS软件去除冗余线。在这一步中获得的输出是初始的天际线，它区分了不同的对象类别（例如，建筑物、植被和山脉）。然而，最初的天际线并不能反映出建筑之间的差异，所以天际线需要被重塑。

1.2天际线重塑

城市建筑是城市天际线的重要组成部分。视点与建筑物之间的距离差异以及建筑物实际高度的差异为城市建筑的轮廓提供了一种起伏的格局。以往的研究表明，高层建筑对城市基础设施和环境质量有显著的影响（Heath et al.，2000b）。一般来说，高层建筑具有较强的视觉效果和肖像性。然而，从天际线的完整性和构成的角度来看，其他建筑也具有相应的审美价值。起伏和交错的建筑轮廓使天际线更加美观。因此，根据天际线上显示的高度信息对建筑物进行分类。

天际线改造的主要作用是将建筑物分为不同的类型。此外，还将提取个别建筑长度、高度等信息进行指标计算。该算法包括四个步骤。其流程图如图3所示。

(1) 提取所有建筑点

图3. 天际线重塑的流程图

最初的天际线区分了不同的物体类别（例如，建筑物、植被和山脉）。在这一步中，构造了一个点集来存储初始天际线上所有顶点的信息，包括类别、高度和位置。在这个过程中，提取了所有具有建筑类别的点。

(2)按相对高度进行的建筑分类

本文从一个明确的观点和方向来观察天际线的美学或复杂性。建筑通常通过冲击视野投影发生一定程度的变形，如果没有视点的位置、高度、视点到建筑物的距离等必要的信息，很难获得其高度。建筑在天际线上呈现的相对高度更适用于视觉景观角度的定量评估。因此，我们为建筑的相对高度差划定了一个分类阈值，如图4所示。首先确定建筑部分的最高点和最低点，得到建筑高度范围。高度范围从最高点到最低点平均分为四类，对应于建筑的四类。本文中的建筑高度与实际的建筑高度不同。它仅从视觉的角度来看，它们被命名为一级建筑、二级建筑、三级建筑和四级建筑。

(3)区分个别建筑，并确定其类型

在获得每种建筑类型的高度范围后，必须确定每个单独建筑的类型。我们使用的策略如下：遍历建筑点集，比较第点的高度和我+1点，如果嗨+ 1 >嗨，标签嗨+1个人建筑的最高点，直到嗨+ 1 <嗨，停止更新最高点的高度。继续遍历剩余的点，直到下一次Hi + 1 > Hi，这意味着单个建筑的结束，将此点记录为下一个建筑的起点，并重复上述过程。在这里，设置了5的阈值，以消除小肿块对建筑的影响。换句话说，如果单个建筑的高度小于5，它将与前一个建筑合并。

(4)建筑信息提取

图4. 建筑分类图

最后，该算法将属于同一类型的相邻建筑进行合并，计算与天际线相关的统计数据，如天际线的总长度、每个对象的长度、类数等。此信息将用于指标计算。

1.3天际线评估的定量指标

在进一步区分不同的物体类别和对不同高度的建筑进行分类后，可以将构造理论用于对天际线的评估。构成理论提供了一个普遍的概念、模型、原则和方法来描述客观事物的“构成”（Zhang，2003）。该理论包括三个概念：一般集、分布函数和复杂性。

一般的集合是一个定量模型，它描述了该集合内的一个属性的可变性，以及与该属性对应的个体的定量特征。一般的集合具有总的、个体和标志的概念。总数是由个体组成的，个体是同质的，也就是说，从某个属性来看，个体必须是相同的，并且具有相对的不可分割性。例如，一条直线中的一个点可以被认为是一个个体，并且该直线是一个总数。如果这条线中的点具有不同的类别属性，那么“类别”属性可以用作一个标记来描述个体之间的差异。

由于天际线最明显和直观的特征是构成天际线的类别的丰富性。本文提出了一种指标，即物体类别多样性（Cv），该指标不仅反映了类别数量的丰富度，而且与每个类别在天际线中的比例有关。然而，对于同一类别，所有片段的空间聚集和分散产生了不同的视觉效果，从而影响了天际线的美学。一个更分散的分布模式也提供了一个更复杂的视觉感知。反映这一特征的指标被称为物体类别的第四类别空间分布的复杂性（Ci）。天际线中所有类别的Ci积分结果被命名为对象类别空间分布的复杂性（Cs）。

要计算这些指标，必须定义通用集。在评估Cv时，天际线可以看作是一组点，而类别属性可以用来描述个体之间的可变性。然后，根据体质理论及其相关研究，可以定义一般集合，如表1所示（Zhang，2003；Zhou et al.，2015）。

对于Cs的计算，首先需要确定每个类别的Ci。一个类别中的所有点也是一个集合，它们的“位置”被用作标志来描述它们的差异。然而，一个点的位置并不简单地指它的坐标。点坐标彼此不同，并不反映不同点的位置的相似性。具有同一类别的点越多，人们就越容易识别它们。因此，我们使用一个连接区域（Ikonomakis et al.，1998）来标记点的位置。连通区域是一种用来描述图像中像素聚集的概念。它最初是从一个种子像素开始，四处寻找具有相同属性的相邻像素，直到整个区域到达图像的边缘或被具有其他属性的像素包围。在一个天际线中，它可以被描述为：从一个点开始，找到在它的前后具有相同类别的相邻点，并将它们连接起来，直到遇到其他类别或到达天际线的边缘。一般来说，连接区域是由一条线中的同一类点形成的连续折叠线。同一连接区域上的点具有相同的位置，因此连接区域的标签可以表示点的位置变异性。因此，可以定义用来描述Ci的一般集合，如表2所示。

表2. 特定类别的对象类别空间分布的复杂性总体集合的定义

每个一般集合都必然伴随着一个分布函数。分布函数可以反映每个标志值(a).对应的个体数(n)给定一个一般集合和一个分布函数，复杂度计算如下（Zhang，2003）

其中C表示复杂度，k为不同标志值的个数，ni为第i个标志值的个体数，N为个体总数。当对数的基分别为2、10和e时，其单位分别为Bit、哈特利和Nat。本文计算了自然对数（基数为e），因此单位为Nat。以上是计算复杂度的一般公式。根据表1和表2中定义的一般集合，Cv和Ci的公式分别定义为方程(2)和(3)

其中Cv为物体类别种类的丰富度，k为类别数，Li为第i个类别的总长度，L为天际线的总长度。

其中，Ci为第i个类别的对象类别空间分布的复杂度，m为第i个类别内的折线数，lj为第j个折线的长度，Li为第i个类别的总长度。每个类别的Ci都需要进行整合，以确定对象类别空间分布（Cs）的整体复杂性，因为一个天际线通常包含几个类别。根据ZhouBing等人（Zhnouetal.，2015）的研究经验，将各类别的权重定义为其长度比例。Cs按等式(4)计算

其中，Cs为对象类别空间分布的复杂度，k为类别数，Li为第i个类别的长度，L为天际线的总长度，Ci为第4个类别的对象类别空间分布的复杂度。

图5. 研究区域：(a)上海陆家嘴，(b)香港维多利亚港地区，(c)纽约自由岛和(d).温哥华福溪海岸

【结果】

2.1研究区域和数据

为了全面评估该方法的性能，研究了天际线应该包括各种对象和对象组合的领域。因此，根据上海、香港、纽约和温哥华作为研究区域（图5）。上海是世界上最发达的城市之一，拥有独特的城市天际线景观，由各种不同风格的建筑组成。上海最具代表性的城市景观是陆家嘴地区，那里有东方明珠塔等著名建筑。香港的维多利亚港也被视为著名的城市景观。通过相邻建筑物之间的缝隙，可以观察到这些山脉。一个特征天际线存在于这个由自然和人工物体的组合组成的区域。纽约的自由女神像可以被看作是社会文化和人类景观的代表象征。因此，纽约的天际线具有社会文化属性。温哥华的福溪因其独特的自然景观而被选为第四个研究区域。这个地区的建筑比其他城市少，在其天际线上可以观察到两个主要的自然物体，山和植被。

图6. 不同城市天际线的提取及分类结果。

2.2不同天际线的组成特征

天际线的物体构成是直接影响观察者评估天际线审美价值的最重要因素之一。图6显示了这四个城市的天际线改造的结果。所有四个城市的天际线都有多个类别的对象和主导类别的明显差异。上海和纽约的天际线主要是不同种类的建筑，而香港和温哥华的天际线包含更大比例的山和植被。此外，这座雕像也是纽约天际线中最具标志性的组成部分。

天际线特征的指标结果（表3）显示，纽约的Cv最高，其次是上海和温哥华，香港的Cv最低。在对象类别的数量上，纽约、上海、温哥华和香港分别包含6、5、5和4种类型，类型数量的顺序与Cv的结果基本一致。对于包含相同数量类别的上海和温哥华来说，上海的天际线轮廓比温哥华更具起伏度，轮廓的复杂程度也更高。从天际线开始到结束的水平距离相同，能够揭示这种波动差异的最明显的指标是天际线的长度。上海的天际线大约比温哥华的天际线长1.7倍，这导致了一个很高的Cv。此外，当天际线包含相同的轮廓长度和对象类别的数量时，每个类别的比例的方差可以用来表示天际线类别丰富度的差异。类别比例越均匀的城市天际线的Cv值越高。
表3. 天际线Cv和Cs的结果。（单位：Nat)。

表4. 不同城市各类别的词的计算结果。（单位：Nat）（“-”表示在特定的研究区域内不存在相应的类别）

表3显示，温哥华、纽约、香港和上海按c的升序排列。这一现象表明，温哥华对天际线物体的分布具有最强的连续性。上海具有更离散的天际线物体模式，这是由建筑物显著的垂直空间波动引起的。此外，在表4中，上海、香港一类建筑、纽约雕像和温哥华四级建筑的植被Ci为0，表示这些类别的一般集合只包含一个对象，并具有聚合的空间分布格局。最后，与其他类别相比，香港的三类建筑和山脉的区间分布，使物体线更为分开，Ci最高。

表5. 轮廓复杂度和分形维数的结果。

【讨论和结论】

3.1其他评估方法的比较

形态特征分析是目前流行的天际线定量评估方法。剪影复杂性和分形维数是在天际线相关研究中广泛应用的两种典型的形态学指标。剪影复杂性从整体方向的角度来评估天际线（牛和李，2013；Heath等人，2000b；Mak等人，2005年），而分形维数用微观变化来描述天际线(Cao和张，2013年；库珀，2003年；哈格霍尔等人，2004年）。因此，我们计算了这两个指标，结果如表5所示。

表5显示，纽约的轮廓复杂度最高，上海和香港的轮廓复杂度相似，温哥华的轮廓复杂度最低。图5显示，纽约的天际线有一个明显的峰点，上海和香港有相似的波动程度，温哥华的天际线相对光滑。因此，剪影复杂性的结果可以反映不同城市天际线的形态差异。然而，对于轮廓复杂度的计算，结果依赖于几个主观过程，包括平滑公差的确定和峰点的定义。因此，剪影复杂性的结果并不是唯一的。

对于分形维数，以往的研究表明，起伏和丰富的微水平天际线通常获得相对较高的分形维数值（Cao and Zhang，2013）。从表5可以看出，上海的分形维数最高，其次是纽约、香港和温哥华。结果表明，四个城市天际线的自相似性存在差异。分形维数是一个积极准确、客观的指标。分形维数代表了天际线的微观属性，人类很难区分不同城市之间的差异（Lyu et al.，2019）。

3.2结论

本文提出的新指标Cv和Cs从天际线物体组成的角度对天际线进行了评估。当形态指标不能区分城市间的差异时，新的指标可以进一步评估它。例如，上海和香港的天际线有不同的视觉效果，但有相似的轮廓复杂性值。上海和香港的Cv（表3）的结果分别为9372 Nat和5934 Nat，可以显著反映这两个城市之间的差异。香港和纽约的分形维数值也很相似，仅相差0.017。然而，这两个城市的Cv值分别为5934 Nat和11,536Nat，Cs值分别为3091 Nat和1320 Nat。简历和简历可以进一步区分香港和纽约的天际线的差异。新指标从物体构成的角度进一步完善了天际线评估体系。

本文对该方法的改进如下：

(1)自然景观和人类景观的结合。城市天际线是结合了自然景观、建筑和天空的轮廓（Yang et al.，2015）。自然景观与现代建筑的审美结合是城市发展的发展方向之一。该方法考虑了自然物体和人体物体，丰富了当前对天际线的评估。

(2)天际线形态及其组成部分的结合。以前对天际线的研究主要集中在轮廓上，而没有考虑到天际线的不同组成部分。轮廓相似的天际线可能有不同的视觉感知和美学属性，这取决于它们不同的组成对象。本文的方法是传统形态评估方法的进一步发展。

本文提出了一种基于构造理论的天际线评价方法。首先，利用基于对象的图像分析方法提取天际线，区分组件对象类别。其次，建立了一种天际线重构算法来区分建筑类别，使天际线的组合对象更加具体。最后，基于构成理论，提出了新的指标Cv和Cs。这两个指标从物体组成和空间分布两方面来评价天际线。最后，与形态指标的比较表明，新提出的指标可以区分形态指标失效时的差异，解决天际线形态评价的不足。

主要的创新是评价视角的变化，从天际线的形态到天际线的组成对象。本文考虑了由不同组成物体组成的天际线上的视觉感知。它丰富了以往的天际线定量评价方法。

基于本文的思想和方法，可以进一步探讨一个问题。对建筑分类的策略是将高度间隔分成四个相等的部分。该策略相对简单，不同于常用的建筑分类系统。如果可以获得更多的参数，如视点与天际线场景之间的距离，观察角度，就可以建模真实的场景。可以获得建筑的真实高度，并从真实场景的角度定量评价天际线景观。