基于UGC數據的云水謠古鎮(zhèn)景觀意象圖景時空特征*

黃 攀 夏洋輝 林潤澤 李霄鶴

福建農林大學園林學院 福州350002

人類所有感官獲得的物體印象就是意象[1],景觀意象質量的高低直接映射人們對該景觀空間的認同,并作用于使用者的環(huán)境責任行為[2]。近年來在大數據環(huán)境中,照片元數據的可獲得性極高,特別是大量帶空間位置的圖片成為刻畫物質空間和社會空間的有效來源[3-5]。在此背景下,被提出的 “由用戶產生的內容 (user-generated content,UGC)”這一概念,一般指游客在社交媒體平臺上通過發(fā)布旅游文字和照片留下的游覽足跡[6]。游客將景觀感知與體驗在虛擬空間發(fā)布,實現了更高層面的自我敘述與自我認同[7],這些分享的照片意味著該地不僅 “值得參觀”,而且“值得在視覺上分享”是空間偏好的意象數字代理[8]。與傳統(tǒng)的調查小組拍攝照片數據而言,其內容涵蓋全面、容易獲取、樣本來源廣泛[9],從大眾自身視角出發(fā),反映了日常行為下的觀景印象[10],為景觀空間研究帶來了全新的視角和途徑。然而,當前國內學者基于UGC圖片數據的景觀意象研究大多數匯集在城市范圍,通過UGC圖片構建城市意象[11]、進行目的地感知研究[12]、研究公園游客行為特征[13],對非城市景觀空間的研究較少,尤其對于古鎮(zhèn)景觀空間 (在一定的地域空間由自然要素和人文因素相互作用形成的綜合體[14]),由于本身的復雜性,更需要各類社交媒體上的 “表意數據”,以深入了解人的空間選擇和景觀意象偏好,借助其反映的頻率和密度解析使用者對古鎮(zhèn)的關注度。因而本文基于401位游客發(fā)布的1670張UGC圖片,分析了云水謠古鎮(zhèn)景觀意象時空分布特征,提出了游客的景觀意象反映為導向的云水謠古鎮(zhèn)優(yōu)化建議,以發(fā)揮古鎮(zhèn)景觀規(guī)劃和大數據在保護地域性景觀、促進旅游發(fā)展中的積極作用。

1 研究區(qū)域概況與數據收集

云水謠古鎮(zhèn)地處福建漳州市西南部,距南靖縣54km,始建于元朝,原名長教,因為電影《云水謠》而更名為云水謠古鎮(zhèn)。云水謠古鎮(zhèn)由官洋、坎下、璞山3個古村落組成,面積約為12.2km2,村與村之間由一條長教溪分隔開,四面環(huán)山,地勢南高北低,呈南北狹長勢地帶。2008年南靖土樓申遺成功,云水謠因此成為一座擁有世界級文化遺產的古鎮(zhèn),且在2011年被列為5A級景區(qū)。

本文以云水謠古鎮(zhèn)為研究對象,收集圖片及元數據 (照片本身、使用者ID、發(fā)布時間),獲取渠道以國內最有影響力的社交媒體平臺——微博為主,并選取旅游門戶網站,如螞蜂窩和大眾點評作為補充。上述3個平臺具有海量的圖片和開放性的獲取方式是當前最主要的數據來源平臺。研究數據的選取時間段為2018年1月1日—12月31日,共收集了421位游客發(fā)布的共1783張UGC圖片,剔除內容重復、不相關等問題照片,最終獲得符合要求的圖片1670張,分別來自401位云水謠古鎮(zhèn)旅游者。同時通過多人實地調研,對照片數據和研究區(qū)基礎數據進行地理信息配準,構建云水謠古鎮(zhèn)景觀意象圖景的UGC數據庫。

2 研究方法

UGC圖片為分析游客時空行為特征提供了有力的數據支撐,主要從時間統(tǒng)計分析、核密度分析以及多空間聚類分析3個角度探究云水謠古鎮(zhèn)游客的時空分布特征。

1)時間統(tǒng)計分析。根據抓取照片的時間信息,統(tǒng)計游客照片月份、日夜間差異的用戶照片數量對比,分析游客活動呈現出的時間規(guī)律及特征。根據照片內容的屬性和要素對該地的景觀意象圖片進行分類,共計得到5個維度 (表1),即山水景觀、建筑形制、民俗特色、生產生活和動植物。

表1 UGC圖片數據分類

2)核密度分析 (KernelDensity)。通過核密度估計尋找樣本分布熱點區(qū)域,得出景觀意象圖景密度分布,如圖1所示,以云水謠古鎮(zhèn)范圍為研究區(qū)域進行核函數計算。在參數設置中,KDE搜索半徑大小的設定以游客的拍攝地理位置的平均距離作為參考,經測試,30m作為搜索半徑時可清晰表現旅游者拍攝足跡在景點分布的細節(jié)差異。采用自然斷裂的分級方法把核密度值分為非常低、低、中、高、非常高5類。

3)多距離空間聚類分析 (Ripley'sK函數)。多距離空間分析能有效分析不同距離不同數量的空間聚類關系[15],對網絡空間中云水謠古鎮(zhèn)游覽距離范圍內的空間相關性 (要素聚類擴散)進行匯總。通過對古鎮(zhèn)內看點和焦點分別進行運算,運用10級距離分段以及邊界校正方法對研究區(qū)域進行修訂,同時設置Permutations為99%,計算得到圖片看點與焦點分布的Ripley`sK值并進行L(d)轉換。

圖1 核密度分析 (Kernel Density)工作方法示意圖

3 研究結果與分析

3.1 景觀意象圖景時間特征

將1670張圖片進行拍攝時間統(tǒng)計分析,云水謠在不同季度的景觀意象圖景和日夜景間的分布占比存在顯著差異 (表2)。一年4個季度中主要傾向于4—6月 (30%)和10—12月 (30%)。夜景在照片總數中占比低,僅1.9%。據夜間照片內容顯示,夜景燈少,夜間景觀設施少,因而景觀可視性低。而冬季時增加了燈籠和其他具有民俗特色的夜間照明設施,增加了游客夜間觀景的行為,因而10—12月份 (0.8%)出現的夜景圖最多。

表2 UGC圖片數據時間分布

將照片總數以及夜景照片數按月份進行統(tǒng)計(圖2),發(fā)現無論是照片總數還是夜景照片數的變化趨勢都呈 “W”型。照片數在一年12個月內共出現了3次峰值與兩次谷值,3次峰值分別是6月、9月和12月,兩次谷值分別是7—8月和10—11月。福建屬于亞熱帶濕潤季風氣候,1—3月屬于最冷時期,7—8月處于最熱時期,拍攝照片數量最少。而6月、10月和12月舒適的氣候條件則吸引旅游者前來休閑,照片數量也最多。總體而言,景觀可視性、可視景觀的最佳觀賞時間、天氣、體感溫度、法定節(jié)假日都影響游客的出游行為并直觀反映在照片數量的時間變化中。

將各景觀意象類型分布差異進行分析,統(tǒng)計各維度占比得到結果如表3所示。從總體看,建筑形制、山水景觀和民俗特色是旅游者拍攝最多的畫面。具體而言,建筑形制類占比最高,是吸引游客的重要旅游資源,是云水謠相較于其他古鎮(zhèn)的核心吸引力;山水景觀也是云水謠吸引城市人群休閑的主要元素,占比排名第2,主要包括天氣、長教溪、山體以及其他自然風景;民俗特色類位列第3,其中4—6月份 (20%)關注度高于其他月份,拍攝畫面顯示,以民俗文藝表演臺和古步道為主體的民俗特色景觀對游客具有較強的神秘感和吸引力。動植物類位列第4,10—12月份 (9.1%),7—9月份 (9%),這幾個月的關注度要高于其他月份,拍攝畫面主要集中于秋色葉與秋季開花植物;而生產生活在圖景中占比最小,拍攝最多為7—9月份 (6.3%),包括旅游者自拍、當地特色小食、當地居民生活場景、農業(yè)生產等。

圖2 云水謠古鎮(zhèn)景觀意象圖景照片數量月變化 (a),夜景照片月變化 (b)

表3 云水謠景觀意象比重表 %

3.2 基于GIS的空間分布特征

3.2.1 核密度分析

經由核密度算法,計算得到云水謠古鎮(zhèn)景觀意象圖景核密度圖 (圖3-a)。從熱點足跡分布圖(圖3-b)可以看出,水車、懷遠樓、和貴樓是云水謠古鎮(zhèn)的3大熱點,以3個點分別向外輻射形成次一級流向。兩大土樓是景區(qū)標志性景點,水車是云水謠電影拍攝地,這3個區(qū)域是游客來此游玩的必到之地,因而這3處照片核密度分布非常高。根據游客照片拍攝地點分布和實地調查的結果分析,古鎮(zhèn)南部西側離書版公路較近,為鎮(zhèn)上主要居民區(qū),無景點,游客不愿在此多做停留。云水謠東部相對中部、北部的游客照片核密度分布要低,原因是云水謠東部以山體農田為主,并沒有在此規(guī)劃游覽路線,無上山道路,游客極少去。云水謠古鎮(zhèn)中部密度值最高,是長教溪最具觀賞價值的一段,景點項目內容豐富,游客在中部停留最多。

圖3 云水謠古鎮(zhèn)景觀意象圖景空間分布特征

云水謠古鎮(zhèn)游覽線路 (圖3-c)大致成南北縱橫的帶狀。游客進入云水謠古鎮(zhèn)的落腳點主要分布在兩處,即北部景區(qū)入口停車場和中部云水謠停車場,和貴樓處也分布有景區(qū)入口但使用者少。游客從景區(qū)入口停車場由北往南游覽,首先到達正北側的懷遠樓區(qū)域,該區(qū)域有懷遠樓及一些其他土樓,具有極高的地域特征識別度和良好的景觀環(huán)境特征。景區(qū)東側視野開闊、農田廣布,而西側則連接居民建筑,視野相對較狹窄。從熱點足跡分布來看,東側游客較多,說明游客更偏向于視野開闊的景觀面;中段是核心景區(qū),以中部為熱點區(qū)域向外輻射沿途景點被長教溪串聯(lián)起來,彰顯景區(qū)百年古鎮(zhèn)特色,游客更偏向于游覽平時少見的水車與古榕。古步道下段以溪水、石坎連接當地一些特色建筑,西側環(huán)山,途中經過榕佃、民俗文化表演戲臺、翠美樓直至和貴樓。游客的景觀意象線主要是懷遠樓—土樓之光文化園—古榕—水車—圩市—榕佃—民俗文藝表演戲臺—翠美樓—和貴樓這一條自北往南的帶狀游步道,整個景觀意象的熱點移動軌跡具有明顯的單一性和趨向性。

3.2.2 多距離空間聚類分析 (Ripley's K函數)

景觀空間之中看點與焦點是一組互相對應的關系,看點即 “觀景點”指從某一點向別處看的地點;焦點則是 “景觀點”指從各個方面被觀賞的對象[16]。游覽者在游覽過程中會依據主觀偏好和自我體驗對景觀進行個體偏好和感知,兩者存在非一致性分布。本文對研究地看點和焦點分別進行兩次Ripley'sK函數計算,結果如圖4所示。

圖4 云水謠古鎮(zhèn)景觀意象圖景空間聚類特征

圖4 表明,云水謠看點分布的觀測K值始終處于預期K值之下說明與該距離的隨機分布相比,看點分布的離散程度更高。兩個K值間的距離差值較大達到4級距離即生態(tài)觀光園至翠美樓時開始出現明顯的正相關,即距離增大,越往和貴樓與懷遠樓走,看點離散程度越高。云水謠看點分布意味著云水謠古鎮(zhèn)在社交媒體圖片反映下的觀景空間呈明顯的碎片化,無明顯中心景觀。從焦點分布來看,其觀測K值曲線始終大于最高置信區(qū)間曲線,有顯著的聚集特征,意味著云水謠古鎮(zhèn)的景觀點分布不均勻,有明顯的中心點,如其在2級距離時即水車古榕段達到最高集聚性,且焦點的L(d)曲線的觀測K值在1～7.5級距離區(qū)間即懷遠樓至和貴樓內始高于預期K值,表明其在該距離區(qū)間段有較高的集聚程度,隨著距離的增加,集聚程度從7級距離時才開始減弱。

綜上,云水謠古鎮(zhèn)的景觀點在空間分布上呈明顯的集聚性結構特征,景觀空間呈整體化趨勢,開發(fā)后狀態(tài)良好,這說明之前的規(guī)劃行為正適用于云水謠并且正在形成固化的空間形態(tài),影響和規(guī)范著游客感知體驗。相反,觀景點則始終保持為離散狀態(tài),這說明在各個觀景點能得到不同景觀點帶來的觀景體驗,而非集聚在某一中心景觀內。

4 結論與建議

基于時間統(tǒng)計分析、核密度分析、多空間聚類分析挖掘UGC圖片時空信息,以云水謠古鎮(zhèn)為實例進行探索性分析,主要得出以下結論,并給出相應建議。

1)從時間分布看,1—3月是淡季且夜間景觀可視性低,夜景缺乏吸引力。從圖景分類對比看,游客傾向特色的建筑形制和山水景觀,對鄉(xiāng)土民情和地方美食以及歷史文化等景觀地域特征有興趣和新鮮感,但參與度不高。建議增加夜景的可觀賞性和可玩性,豐富活動內容調節(jié)淡、旺季,除了增設景點亮化外,還需增加道路網絡夜景亮化。目前云水謠的旅游方式以觀光為主,景點豐富而景觀體驗相對匱乏,難以充分欣賞和體驗云水謠的古鎮(zhèn)風貌,建議加強互動性與參與性景觀場所,變觀光游為體驗游。

2)從核密度分布看,云水謠景點核密度分布不均,有些景點和古鎮(zhèn)空間使用頻率極少,如東山祠、福星樓等,且游覽路徑單一,趨向性明顯。建議加強對各類閑置土樓資源的深入挖掘利用,激發(fā)空間活力,形成完整獨特的旅游空間品質。可以優(yōu)化觀景路線設計,形成更具體深入的游覽路線,從當地的生產與生活感知中結合傳統(tǒng)空間環(huán)境提取最佳觀景路線。

3)從空間聚類關系看,云水謠景觀點具有明顯的集聚特征,景觀空間結構呈整體化,而觀景點則處于明顯的離散狀態(tài),呈碎片化趨勢,可以加強觀景點塑造,形成雙向交織的景觀空間。例如在云水謠內選擇游客密度大的區(qū)域,建設多層次多方向的觀景構筑物、觀景平臺等滿足游客的觀景需求。

5 討論

本文通過大量UGC數據對云水謠游客在景觀空間中的足跡與景觀意象進行探索性研究,借助互聯(lián)網技術解決了人工拍照分析圖片樣本較少的問題,較大程度上去除了調研人員的主觀性,為評估和優(yōu)化各類景觀空間提供了依據與新思路。但另一方面,基于UGC圖片數據進行景觀空間意象研究在景觀領域尚處于初級階段,本文具有以下局限性并有待完善:首先,UGC的優(yōu)勢在于海量的大眾視角下的圖片數據收集,而對于一些開發(fā)程度不高、知名度較差的景觀空間則會出現UGC數據不足的短板,無法反映出游客的觀景行為;其次,在圖片源選取方面,本文采用微博、螞蜂窩進行圖片采集,這些網站為用戶提供上傳圖片、定位、添加時間標簽等功能,只基本滿足UGC數據采集的需要,一些數據模塊是缺失的,導致數據分析結論不夠豐富,因此如何對數據進行進一步的篩選與處理有待進一步研究;再次,由于偏好和技術門檻的存在,在交互網站上發(fā)布照片的以年輕人居多,老人幾乎沒有,與實際的觀賞人群構成有差距,因而后期在基于UGC數據進行研究時需要與景觀空間中其他指標與特征結合起來,以豐富研究數據的多樣性,進一步提升研究的客觀性。