Zhu, Kunkun, Yu Gu, Yatao Zhang, Yandi Song, Zihao Guo, Xiaoqin Yan, Yao Yao*, Qingfeng Guan, and Xun Li. 2025. “From Street View Imagery to the Countryside: Large-Scale Perception of Rural China Using Deep Learning.” Annals of the American Association of Geographers, June, 1–22. doi:10.1080/24694452.2025.2505682.研究目标：针对乡村地区人居环境主观感知评估数据获取难、覆盖范围小等问题，提出一种基于街景图像和深度学习的大规模乡村环境感知评估方法，实现对中国广阔地域内乡村人居环境主观感受的量化评估，并探索其与社会经济因素的关联，为乡村振兴与规划提供科学依据。研究方法：通过众包方式构建覆盖全国118个城市的大规模乡村街景图像数据集。基于此数据集，建立包含富裕、整洁、活力、宜居、风土性五个维度的乡村感知评价指标体系。利用深度学习技术（PAIR-CNN模型）和TrueSkill排序算法，对乡村街景图像进行多维度的主观感知评分，进一步分析感知评价结果的空间分异特征并揭示其与客观社会经济指标的复杂关系。研究结果：模型在五个感知维度上平均评价精度达到75%，其中“富裕”维度精度超80%。中国乡村环境的主观感知在不同地区间存在显著的空间差异。东部地区乡村在富裕度、宜居性等方面普遍感知更优，而东北地区在“风土性”上表现突出。乡村环境感知受经济基础和传统特色保护等多种因素的综合影响。东部地区的感知与经济水平关联更强，西部地区则更多受到基础设施和社会发展水平的影响。结论：本研究首次提出了一套利用街景图像和深度学习进行大规模乡村环境感知评估的创新方法。研究不仅揭示了中国乡村感知的区域异质性及其驱动因素，也为理解乡村发展的复杂性提供了新视角。这一成果为制定更精准、更具地方适应性的乡村发展政策和规划提供了重要的科学工具和决策参考。评估居民对乡村环境的主观感知对于制定有效的乡村规划至关重要。然而，由于乡村数据获取困难和传统问卷调查方法的局限，现有研究多集中于特定区域的小范围感知评估，难以揭示区域尺度上的乡村感知特征。为了解决这一问题，本研究提出了一种基于街景图像和深度神经网络的乡村人居环境感知评估模型，实现了对全国118个城市的乡村感知的量化评估。研究通过众包在全国范围内采集了大量的村景图像，建立了包括富裕、整洁、活力、宜居、风土性5项主观感知维度在内的指标体系。通过训练多维度定量评估模型，本研究全面评估了居民对中国乡村环境的主观感知。此外，研究还进一步探究了主观感知与客观社会经济指标之间的关系。研究结果表明：模型在五个维度的平均评价精度达到75%，其中富裕维度的评价精度最高，达到80%以上。乡村环境感知受经济基础和传统特色保护等多种因素的综合影响，不同地区之间表现出显著的差异性。东部地区的乡村环境感知与经济水平密切相关，而西部地区的感知更多受基础设施改善和社会发展的影响。总的来说，本研究为制定更具针对性和有效性的乡村规划提供了科学依据。中国早期的“工业优先、城市优先”战略，导致城乡人居环境呈现“二元”特征，乡村人居环境相对欠佳。为改变这一局面，中国政府于2017年提出乡村振兴战略，将改善乡村人居环境列为核心任务。在此背景下，准确、科学地评估居民对乡村人居环境的主观感知，不仅是衡量乡村发展成效的重要标尺，也为制定更精准的乡村规划与发展政策提供了关键依据。
然而，传统的乡村环境感知评估多依赖问卷调查等方式，这类方法不仅耗时费力、成本高昂，覆盖范围有限，难以进行大规模推广，且可能因语言文字的局限性引入记录和沟通偏差，限制其准确捕捉居民感知的能力。近年来，街景图像的出现与深度学习技术的发展为大规模、客观评估环境感知提供了新的数据基础与技术手段，已在城市研究中广泛应用并取得显著成效。但由于乡村地区街景数据覆盖率低、更新慢，使得相关研究在乡村环境中的应用极为有限，且针对乡村环境特点的深度学习模型仍然十分缺乏。基于此，本研究尝试解决以下核心问题：（1）如何克服乡村数据获取困难和传统方法局限，构建一套能够在大尺度上定量评估乡村环境主观感知的创新方法和指标体系？（2）中国不同区域的乡村环境主观感知呈现出怎样的空间分异特征，其背后的影响因素是什么？（3）居民的主观感知与地方的客观社会经济指标之间存在何种复杂的关系，这种关系是否具有区域异质性？本研究以中国118个城市为研究区域，旨在通过众包方式收集覆盖全国的大规模乡村街景图像，结合深度学习技术，建立包含富裕、整洁、活力、宜居、风土性五个维度的乡村人居环境主观感知评估框架。进而，全面评估中国乡村环境的主观感知状况，深入剖析其区域差异、维度间相关性，并揭示主观感知与客观社会经济指标之间的复杂联系，为推动乡村可持续发展和制定差异化的乡村振兴策略提供科学参考和决策支持。本研究的核心在于构建一套系统的、基于深度学习的乡村人居环境主观感知定量评估框架，并深入分析感知结果。本研究的方法主要包括3个部分：（1）构建多维度乡村感知评价体系与人机协作的评分基准。针对中国乡村环境的独特性并借鉴相关政策，本研究建立了涵盖富裕 (Wealthy)、活力 (Lively)、宜居 (Habitable)、整洁 (Tidy) 和风土性 (Terroir) 五个核心维度的评价指标体系。为获取模型训练所需的标注数据，我们邀请了80名具备专业背景的志愿者，通过在线对比平台对大量乡村街景图像进行两两比较打分，从而为人机协作的感知模型训练提供了高质量的标签。（2）开发基于深度学习的乡村街景感知对比与评分模型。本研究提出了一种名为“PAIR-CNN”的深度学习网络（其结构见图2），用于预测图像对在特定感知维度上的优劣关系。该模型采用在Places2大规模场景数据库预训练的ResNet50作为特征提取主干，并结合GridMask等数据增强策略以提升鲁棒性。随后，利用TrueSkill算法——一种贝叶斯多玩家竞技排序模型，将PAIR-CNN输出的大量对比结果转化为每张图像在各感知维度上的稳定、可量化的评分。（3）乡村环境感知分数的综合统计与关联分析。在获得全国乡村街景图像的多维度感知分数后，本研究首先对所建模型的评价精度进行了验证。进而，采用空间分析方法揭示了乡村环境感知在全国及不同区域间的分布规律与空间异质性。同时，通过计算Pearson相关系数，分析了五个主观感知维度之间的相互关系。最后，采用Spearman秩相关系数，深入探讨了主观感知分数与涵盖经济水平、环境与基础设施、社会发展三大类的12个客观社会经济指标之间的复杂关联及其区域差异性。本研究首先通过众包方式，在全国28个省份、118个地级市及121个县级区域成功构建了一个包含23,827张村景影像的大规模、高代表性的乡村街景数据集。如图3 所示，该数据集广泛覆盖了中国七大地理分区，其影像能够真实反映中国乡村在建筑风格、自然环境及人文特色方面的多样性。为确保后续模型训练的质量与可靠性，我们进一步邀请了80位具有相关专业背景的志愿者对随机抽样的3500张图像进行了总计78,613次有效的两两对比打分，平均每幅影像获得了约41次对比评估。在高质量的标注数据基础上，我们对所提出的PAIR-CNN模型进行了训练与验证。如图4所示，经过约15轮迭代训练，模型在“富裕”、“活力”、“宜居”、“整洁”和“风土性”五个感知维度上的准确率和损失函数均快速收敛并趋于稳定。其中，“富裕”维度的评价准确率超过了80%，而“活力”、“宜居”和“整洁”三个维度的准确率也均在70%以上，与现有多数街景感知研究的精度水平相当。“风土性”这一相对复杂且主观性更强的维度，其准确率也达到了64.6%，处于可用区间，这可能反映了公众对于乡村“风土性”概念理解的多样性。图5直观地展示了在各个指标下获得不同评分的典型村景影像，清晰地揭示了模型评分结果与乡村实际面貌之间的高度一致性。例如，在“富裕”维度上，高分影像往往展现出规整现代的建筑和完善的配套设施，而低分影像则多对应着相对破旧的房屋和简陋的环境。进一步分析所有图像的得分分布（图 6a），可以发现各维度的评分多集中在6至8分之间，呈正态分布趋势，这反映了志愿者群体在乡村环境感知评价标准上的较高一致性。图 6 （b-d）则分别列举了综合评分较高、中等及较低的代表性村景及其在五个维度上的具体得分，这些案例均与人们对乡村环境的直观感受相符。基于全部2万余张乡村街景图像的感知评分结果，我们深入分析了中国乡村景观感知的空间分异特征。从七大地理分区的宏观视角看（图 7），华东地区在“富裕”（5.71）、“活力”（5.54）、“宜居”（5.70）和“整洁”（5.39）四个核心维度上均表现突出，综合感知水平领先全国。与此相对，东北地区在上述多个维度上得分偏低，但在“风土性”维度上却以5.18的平均分位居榜首，显示出其在地方特色和传统风貌保留方面的独特优势。西北地区的乡村环境感知则呈现出各维度表现相对均衡、但整体水平均有提升空间的特点。将分析尺度细化至地级市层面（图 8），乡村感知的空间异质性更为凸显。东部沿海地区，特别是浙江省的多个城市，在“富裕”（省均6.47）、“活力”（6.17）、“宜居”（6.50）和“整洁”（5.78）四项指标上均展现出显著优势。相较之下，北方部分地区如吉林省在这些维度的平均得分则不甚理想。而在“风土性”这一维度，黑龙江省（省均5.37）等地的表现尤为出色。这些结果清晰地勾勒出中国乡村环境感知在不同区域间的发展不平衡态势，也反映了各地乡村建设在侧重点和成效上的差异。为了探究五个主观感知维度之间的内在逻辑关联，本研究计算了它们之间的Pearson相关系数（表1）。结果显示，“富裕”与“活力”、“宜居”、“整洁”之间均存在统计学上显著的强正相关关系，相关系数分别高达0.84、0.86和0.74。同样的，“活力”与“宜居”（0.80）、“整洁”（0.70）之间，“宜居”与“整洁”（0.68）之间也呈现出显著的正相关。这表明，一个地区的乡村若在经济发展水平上感知较高，其在生活氛围、居住舒适度和环境整洁度方面的感知也往往较好，这些方面相互促进、协同发展。然而，“风土性”维度与其他四个维度均表现出显著但较弱的负相关关系（相关系数介于-0.14至-0.31之间），说明“风土性”所代表的地方特色和传统风貌在一定程度上是独立于现代化发展所带来的高“富裕度”和“宜居性”的，甚至有时可能与之存在一定的张力。
本研究进一步分析了乡村环境主观感知与12项客观社会经济指标之间的Spearman秩相关关系，并特别关注了这种关系在不同区域间的可能存在的异质性（表2）。在全国层面，地区GDP（X11）、农民人均可支配收入（X14）等经济指标与“富裕”、“宜居”、“活力”等感知维度显著正相关，印证了经济发展是提升乡村环境感知的重要基础。同时，公厕普及率（X21）、道路硬化率（X23）等基础设施指标也与多数感知维度正向关联。一个有趣的发现是，耕地及水利设施用地比例（X24）与“富裕”、“宜居”、“活力”感知呈显著负相关，这可能间接反映了以传统农业为主导的区域，在居民对经济活力和生活便利性的主观感受上可能存在不足。此外，传统村落数量（X34）与“风土性”感知之间的强正相关（0.282），也突显了文化遗产保护对于塑造地方认同感和特色感知的重要性。更为重要的是，主观感知与客观指标的关联表现出显著的区域异质性。在经济相对发达的东部地区，经济水平类指标对乡村环境感知的影响占据主导地位，例如农民人均可支配收入（X14）与“富裕”（0.673）、“活力”（0.462）及“整洁”（0.508）感知均呈现高度相关。这可能是因为在东部，经济发展带来的系统性环境改善（如建筑质量提升、环境整治、基础设施完善）更容易被居民直观感知到。相较之下，在经济整体水平偏弱的西部地区，经济指标与主观感知的直接关联性有所下降，而环境与基础设施类指标（如公厕普及率X21、农村绿化率X22、道路硬化率X23）以及社会发展类指标（如农村居民文化娱乐支出占比X32、乡村文化站数量X33）对提升“富裕”、“活力”、“宜居”和“整洁”等感知的积极作用更为凸显。这表明，在资源相对有限的西部地区，针对性的基础设施完善和社会服务投入，能够有效弥补经济发展不足对乡村环境感知可能带来的限制。此外，城乡收入差距（X31）在全国及西部地区均对多数感知维度产生显著的负面影响，但在东部地区这种负面效应并不明显，这可能与东部地区较高的整体富裕程度以及区域内城乡收入差距梯度不显著有关。这些发现深刻揭示了乡村环境主观感知形成的复杂机制，并强调了在制定乡村振兴策略时，必须充分考虑区域的具体发展阶段和资源禀赋差异，采取因地制宜的措施。表2 主观感知与客观社会经济指标间的Spearman秩相关系数本研究提出了一种结合深度学习方法与乡村街景图像的创新方法，用于大规模定量评估中国118个城市的乡村人居环境主观感知状况，并验证了该方法相较于传统调查方法在成本、效率与评估范围上的显著优势。研究不仅揭示了中国乡村环境感知存在显著的区域差异及其受经济基础、传统特色保护等多因素影响的复杂形成机制，还阐明了主观感知与客观社会经济指标间复杂的关联及其在东、西部地区表现出的明显异质性。总而言之，本研究为乡村环境感知的定量评价提供了有力的技术支撑与实证结果，为国家和地方层面制定更加精准、有效的乡村振兴战略与差异化发展政策奠定了坚实的理论与实践基础。https://www.urbancomp.net/archives/chinese-village-landscapes-intelligent-interpretation-and-evaluation
