城市绿地是重要的公共资源,为城市生态系统提供了多重生态系统服务。以往研究人员常用绿化覆盖率、绿地率、归一化植被指数（NDVI:Normalized Vegetation Index）和人均绿地面积等来衡量城市绿化,这些指标主要反映城市二维平面上的绿化情况,忽略了三维空间上绿化资源和质量。绿视率（GVI:Green View Index）是指视野中绿色所占的比例,其较传统二维绿化指标能更好地反映城市三维绿化效果。近年来,网络街景大数据和图像处理技术的发展促进了绿视率的更大范围应用。尽管绿视率已被广泛用于城市绿色评价,但尚存在知识缺失如:1.绿视率与以往常用的城市绿地量化参数的关系不清;2.绿视率的主要影响因素不明,尤其是城市内、城市间和全国水平绿视率的主要影响因素;3.绿视率应用方面,绿视率能否用于指示城市生物多样性尚存在知识空缺。基于此,本论文利用百度街景大数据测量GVI,并结合遥感数据、实地调查数据和文献数据围绕上述3个问题进行了系统研究。具体研究内容如下:首先分析了绿视率与传统城市绿化参数NDVI和绿地覆盖率之间的关系;在道路尺度上,按照垂直视角将绿视率分解为仰视绿视率、平视绿视率和俯视绿视率三层分别与之对应高大乔木绿化、低矮乔灌绿化和地被绿化,并分析了其与树木大小、植物组成和土壤理化性质之间的关系;在街区水平上,利用基尼指数对GVI空间分布公平性进行了量化,并分析了GVI和基尼指数与社会经济因素、生物物理因素和绿地景观格局的关系;在城市水平上,对比分析哈尔滨和长春两个城市间和城市内的GVI空间分布差异以及与植物组成、树木大小和景观格局间的关系;在国家水平上,选取31个典型城市分析了绿视率与气候因素和社会经济因素间的关系;最后分析了城市鸟类多样性及其组成与GVI间的关系。主要研究结论如下:GVI与NDVI和绿地覆盖率间的相关性较弱（r<0.63）,GVI与NDVI和绿地覆盖率相比主要社会经济因素的影响而后者则主要受生物物理因素的影响。GVI、NDVI和绿地覆盖率反映了城市不同维度的绿化。在今后城市绿化评价时,应构建包含GVI在内的综合评价指标对城市绿化质量进行评价。道路尺度上,GVI在垂直方向上大小顺序为平视GVI>俯视GVI>仰视GVI,在分析GVI与树木大小、植物组成和土壤理化性质关系后发现,使用大树和提高杨柳科植物所占比例能够创造更多的平均GVI和仰视GVI;整体上,道路GVI与土壤p H和电导率呈负相关关系。在街区水平上,长春市城市建成区各街区平均GVI为5.5,平均基尼指数为0.53。位于城市中心街区的GVI和空间公平性低于靠近郊区的街区。最优增强回归树（BRT）模型分别解释了GVI和基尼指数56.8%和52.5%的变异。绿地景观格局是驱动街区平均GVI及其空间公平性分布的主要因素。绿地斑块所占比例（PLAND）和边缘密度（ED）对街区平均GVI和基尼指数的影响均存在阈值效应。大面积、形状复杂的城市绿地能够创造更多的GVI和改善GVI空间分布公平性。此外,社会经济水平较高的街区通常具有较高的GVI和相对公平的空间分布。在城市尺度上,哈尔滨市平均GVI、平视GVI和俯视GVI显著高于长春（p<0.05）。两城市俯视GVI由城市中心到郊区呈上升趋势,而仰视GVI则表现为辐射状下降趋势。绿地景观格局能够解释城市GVI的大部分变异,其解释能力随尺度的增加而下降,而树木大小的解释率上升。哈尔滨GVI的主要受绿地斑块密度（PD）、树高、绿地面积（TA）和ED的显著影响,而长春市的GVI则主要受树高、ED和绿地聚合度指数（AI）的显著影响（p<0.05）。在今后的城市规划和管理中可通过景观配置和保护城市大树来提升城市GVI。在国家尺度上,城市平均GVI主要受气候因素影响而不是社会经济因素,而城市GVI最大值受气候因素和社会经济因素共同影响。仰视GVI受日照时数的直接影响,其他气候因子则主要通过日照时数间接的影响仰视GVI;平视GVI受年均降雨量（MAP）的显著影响,其次是日照时数、相对湿度和GDP。俯视GVI受到相对湿度显著的直接影响（p<0.05）,其次为日照时数和人均收入但未达到显著水平（p>0.05）。作为新兴的城市绿化评价指标,GVI能够用于指示城市鸟类多样性。城市鸟类的科、属、种数量均随城市年均温、GVI、GDP和植物丰富度的增加而增加;城市鸟类组成主要受城市空间距离和温度差异影响,其组成差异随城市间距离和温度差异的增加而增加。综上所述,可以通过百度街景计算绿视率用于城市绿化评价,其是对传统实测和遥感方法的补充,可以从全新的角度探讨街道、街区、城市和国家水平城市绿化差异及其可能的地理气候与社会发展驱动因素,并有潜力用于评价其他生物多样性差异。预期其简单快捷性和大数据特征可以用于支撑我国森林城市和森林城市群的评价与建设。