近年来，绿视率（Green View Index，GVI）成为了街道绿化常用的监测指标。目前的研究较少考虑GVI的季节变化，这对于精细化的GVI研究可能会导致偏差。由于街景数据的采集频率不像遥感影像数据那样频繁且有固定周期，导致许多街道的历史街景数据存在缺失，无法利用并分析GVI的季节变化。本研究提出一种跨季节权重回归模型（CSWR，cross-season weight regression），通过局部回归模型的创新性改进显著提升利用季节NDVI估算缺失季节GVI的精度。对于估算季节的数据点和跨季节辅助数据点，CSWR分别利用高斯核函数和皮尔逊距离构建局部权重和季节权重，再合并这两类权重，最后利用加权最小二乘拟合系数来估算缺失季节的GVI。以中国南京市为案例，在春、夏、秋、冬四个季节上，CSWR模型的R²分别达到0.513、0.663、0.557和0.510，比基线模型分别提高了9.8、19.4、14.9和10.9个百分点。此外，CSWR的估算精度随着跨季节辅助数据点的增多而提高。本研究可为未来在精细时空尺度下的可持续绿化规划提供新的见解。
 

绿视率,NDVI,街景影像,季节性,局部回归模型