植景設(shè)計(jì)視角下的植物綠色空間美景度數(shù)量化模型

唐晶晶 姚崇懷

植物綠色空間是指主要由植物覆蓋、依托地形地貌且具有一定人為設(shè)計(jì)的、提供游憩、觀賞、集散等開(kāi)放功能的空間場(chǎng)所[1]，量化植物綠色空間質(zhì)量可更好地指導(dǎo)植物綠色空間的配置及規(guī)劃設(shè)計(jì)。

人對(duì)景觀的評(píng)價(jià)來(lái)源于對(duì)客觀外界的感受，而視覺(jué)是人體感官中的主導(dǎo)要素，也是當(dāng)今數(shù)字傳媒時(shí)代影響下的信息交流主要媒介，相關(guān)研究顯示：人類(lèi)活動(dòng)中高達(dá)70%由視覺(jué)引導(dǎo)心理感受、思考行為[2-3]。在人對(duì)周?chē)坝^的感知過(guò)程中，視覺(jué)感知也占據(jù)絕對(duì)的優(yōu)勢(shì)地位，在此基礎(chǔ)上建立的美景度評(píng)價(jià)法(Scenic Beauty Estimation，SBE)是景觀視覺(jué)評(píng)價(jià)中運(yùn)用廣泛且嚴(yán)謹(jǐn)精確的方法[4]。美景度評(píng)價(jià)屬于心理物理學(xué)派評(píng)價(jià)方法的分支，最先用于森林景觀評(píng)價(jià)[5]，逐漸推廣到公園景觀[6]、居住區(qū)綠地[7]、校園景觀[8]等，不同學(xué)者運(yùn)用該方法建立了不同類(lèi)型綠地的美景度評(píng)價(jià)模型。以往美景度評(píng)價(jià)研究中，一般依據(jù)主觀感受對(duì)不同景觀類(lèi)型進(jìn)行分級(jí)評(píng)分，其優(yōu)勢(shì)是與人的直觀感受具有較好的一致性，但從設(shè)計(jì)優(yōu)化的角度看，人們的視覺(jué)感知與景觀空間特性、設(shè)計(jì)要素特性對(duì)應(yīng)性不足，要素間也未能進(jìn)行關(guān)聯(lián)性、制約性檢驗(yàn)，使得評(píng)價(jià)結(jié)果在具體實(shí)踐中引導(dǎo)性不強(qiáng)。本文基于上述問(wèn)題的思考與探究，嘗試用植景中可操作的要素作為美景度評(píng)價(jià)因子，并結(jié)合因子分析，提取出相互獨(dú)立的因子來(lái)建立數(shù)量化模型，以期使美景度評(píng)價(jià)這一方法能更好地運(yùn)用于具體植物綠色空間設(shè)計(jì)的過(guò)程中。

1 研究方法

1.1 美景度評(píng)價(jià)程序

1.1.1 樣地選擇與拍攝

正常人眼的水平視線(xiàn)能夠看清細(xì)節(jié)的距離為25m，在相應(yīng)范圍空間的景物更能引起視覺(jué)注意[9]，人雙眼的水平可視范圍約220°，因此本研究的樣方單元格邊長(zhǎng)為2×25m，即樣方為50m×50m。樣地選擇武漢市校園、公園中主要以植物營(yíng)造的綠色空間。

圖1 樣地拍攝方法示意

圖2 16號(hào)樣地北側(cè)

圖3 16號(hào)樣地東側(cè)

圖4 16號(hào)樣地南側(cè)

圖5 16號(hào)樣地西側(cè)

為減少拍攝帶來(lái)的差異影響，拍攝時(shí)統(tǒng)一相關(guān)參數(shù)及限定條件。

1)選擇晴朗的天氣，拍攝時(shí)間9：00—11：00及15：00—17：00。

2)固定相機(jī)拍攝高度為人眼高度1.6m，保持相同景深橫向拍攝。

3)每個(gè)樣方采用東南西北4個(gè)方位向中心各拍攝一張(圖1)，其中一組樣方照片如圖2～5。

按照上述方法拍攝了72組樣方，剔除畫(huà)質(zhì)模糊、車(chē)輛人群干擾照片，獲得69組有效樣方照片并將其編號(hào)。

1.1.2 評(píng)分人員

此次評(píng)分人員共223人，年齡層集中在18～30歲群體，景觀相關(guān)專(zhuān)業(yè)人員有77人，非專(zhuān)業(yè)背景146人。前人的美景度評(píng)價(jià)研究表明，不同群體盡管年齡層、受教育程度、專(zhuān)業(yè)背景差異較大，但審美態(tài)度具有較強(qiáng)的一致性[10-11]。

1.1.3 評(píng)分方式

樣方評(píng)分等級(jí)為0～10分，將拍攝的各樣方照片整理為幻燈片，采用室內(nèi)幻燈片與網(wǎng)絡(luò)問(wèn)卷評(píng)分，收集匯總后剔除明顯隨意評(píng)分的數(shù)據(jù)。

1.2 美景度影響要素選取及量化

1.2.1 影響要素選取分析

本研究選取綠容積率、空間開(kāi)敞度、植物冠幅、植物豐富度、色彩豐富度、郁閉度6個(gè)客觀因子來(lái)量化植物綠色空間。

綠容積率(Green Volume Ratio，GVR)國(guó)內(nèi)未統(tǒng)一定義，本文是指單位土地面積上的葉面積總量(Leaf Area，LA)，意同葉面積指數(shù)(Leaf Area Index，LAI)，語(yǔ)義上類(lèi)比于建筑容積率，與綠地的結(jié)構(gòu)、強(qiáng)度、功能產(chǎn)業(yè)了關(guān)聯(lián)[12]。其確定機(jī)制與計(jì)算方法是通過(guò)實(shí)地測(cè)算葉面積指數(shù)(LAI)、提取遙感影像的植被指數(shù)(Vegetation Index，VI)，反演出葉面積指數(shù)(LAI)與各植被指數(shù)(VI)的回歸方程，并通過(guò)回歸檢驗(yàn)、對(duì)比分析，建立了葉面積指數(shù)(LAI)與歸一化植被指數(shù)(NDVI)的最優(yōu)回歸反演方程[13]。本文通過(guò)該程序建立了基于2018年4月SOPT6武漢市遙感影像的LAI反演方程：

Y=e(1.831-0.833/x)

Y=ln(10×LAI)；

x=ln(10×NDVI)。

樣方的綠容積率計(jì)算公式為：

GVR=LA樣方/S樣方=∑(LAI像元×S像元)/S樣方

S像元——遙感影像的像元面積；

S樣方——樣方面積。

空間開(kāi)敞度(spatial openness)反映了植物綠色空間的開(kāi)闔關(guān)系，表現(xiàn)為植物的配置設(shè)計(jì)形式。其量化采用以通視率與平均遮擋距離為核心的評(píng)價(jià)模型[14]，其優(yōu)勢(shì)在于優(yōu)化D/H的不足，能較好反映二維、三維視覺(jué)影響。

1)通視率：在某一觀察點(diǎn)上，模擬人眼視野為與地面垂直的虛擬面，分為豎向遮擋部分與通視部分。某一觀察點(diǎn)的單一方向通視率計(jì)算公式為：

O——觀察點(diǎn)；

Pi——視野面中任一點(diǎn)；

f(O，Pi)=，當(dāng)O與Pi通視為1，不通視為0。

2)平均遮擋距離：Perry Yang等學(xué)者提出的“視域球體”以人眼為球心的虛擬半球體模擬觀察點(diǎn)周邊的空間范圍[15]。在假定二維視覺(jué)影響不變時(shí)，障礙物與觀察點(diǎn)間的距離同樣影響“視域球體”的可視體積，因此遮擋距離可反映三維視覺(jué)影響。計(jì)算公式：

x0、y0、z0——觀察點(diǎn)的三維坐標(biāo)；

xi、yi、zi——遮擋點(diǎn)i的三維坐標(biāo)；

k——遮擋點(diǎn)的總數(shù)。

一個(gè)樣方需要多角度才能完整地反映出整體空間開(kāi)敞程度，環(huán)視通視率、環(huán)視遮擋距離可簡(jiǎn)化為4個(gè)連續(xù)方向平均通視率和平均遮擋距離，其表達(dá)式為：

植物冠幅在實(shí)地調(diào)研中采用手持激光測(cè)距儀測(cè)量。一定的種植面積內(nèi)，使用間接因子喬木冠幅與灌草冠幅之比量化不同植物配比的冠幅情況。

植物豐富度即樣方中植物的種類(lèi)數(shù)目，反映了植景設(shè)計(jì)中植物種類(lèi)的多樣性；色彩豐富度反映植物的觀賞特性，計(jì)測(cè)即統(tǒng)計(jì)樣方中顏色對(duì)比差異明顯的色彩數(shù)目。

郁閉度(crowndensity)的計(jì)算即為樣方中喬木樹(shù)冠垂直總投影面積與樣方面積之比，反映了植物頂層的遮陰效果。

1.2.2 影響要素的指標(biāo)構(gòu)建

6個(gè)影響要素的計(jì)算方法與取值范圍見(jiàn)表1，通過(guò)實(shí)地調(diào)研及內(nèi)業(yè)處理整理出其原始指標(biāo)數(shù)據(jù)。

2 綠色空間美景度評(píng)價(jià)模型建立

2.1 SBE值標(biāo)準(zhǔn)化處理及統(tǒng)計(jì)

將每個(gè)樣方4張照片的平均得分作為該樣方的最終評(píng)價(jià)分值，將樣方的最終評(píng)分?jǐn)?shù)據(jù)導(dǎo)入SPSS 19，顯示其符合正態(tài)分布。計(jì)算出每個(gè)樣方的平均z值，隨機(jī)選擇一個(gè)樣方為“基準(zhǔn)線(xiàn)”，用來(lái)調(diào)整SBE度量的起始點(diǎn)，將各樣方的平均z值與“基準(zhǔn)線(xiàn)”的z值相減再乘以100，得到各樣方的原始SBE值[7]。計(jì)算公式如下：

Mzi——樣方i的平均z值；

CPik——評(píng)價(jià)者給予樣方i的評(píng)值為k或高于k的頻率；

f(CPik)——累計(jì)正態(tài)函數(shù)分布頻率；

m——評(píng)值的等級(jí)數(shù)。

SBE=(Mzi-BMMZ)×100

SBE——樣方i原始SBE值；

BMMZ——基準(zhǔn)線(xiàn)(base line)平均z值。

原始SBE值除以基準(zhǔn)線(xiàn)樣方平均z值的標(biāo)準(zhǔn)差，可消除不同樣方間因認(rèn)知不同所造成的度量尺度的差異影響。計(jì)算公式如下：

SBE*i=SBE/BSDMZ

SBE*i——樣方i的標(biāo)準(zhǔn)化SBE值；

BSDMZ——所有樣方平均值的標(biāo)準(zhǔn)差。

2.2 影響因素的因子分析

因子分析(factor analysis)是主成分分析(Principal Components Analysis，PCA)基礎(chǔ)上的擴(kuò)展，保證數(shù)據(jù)信息損失最小原則下，通過(guò)降維的方法將多個(gè)指標(biāo)簡(jiǎn)化為少數(shù)幾個(gè)互相獨(dú)立的指標(biāo)，克服因素間的多重線(xiàn)性關(guān)系，得到相關(guān)性強(qiáng)的公用因子、相關(guān)性弱的特殊因子，可探尋新變量因子的實(shí)際釋義與邏輯關(guān)聯(lián)[16]。將影響要素的7個(gè)指標(biāo)數(shù)據(jù)導(dǎo)入SPSS中即可快速進(jìn)行因子分析(表2～6)。

1)相關(guān)系數(shù)矩陣。

由表2可知，平均遮擋距離(D)與平均通視率(I)的相關(guān)系數(shù)為0.814，說(shuō)明平均遮擋距離(D)與平均通視率(I)相關(guān)性較高，而其他因子的相關(guān)程度均較低。

2)KMO和Bartlett的檢驗(yàn)。

KMO值是檢驗(yàn)因子是否適用因子分析的指標(biāo)值，由表3可知，KMO值為0.592>0.5表示基本適合，Bartlett球形度檢驗(yàn)的顯著性概率Sig.=0.000<0.001，說(shuō)明高度顯著，適合因子分析。

3)因子累計(jì)貢獻(xiàn)率。

表1 指標(biāo)計(jì)算及取值范圍

表2 相關(guān)系數(shù)矩陣

表3 KMO和Bartlett的檢驗(yàn)

表4 解釋的總方差

公因子根據(jù)特征值大于1的個(gè)數(shù)提取，由表4可知，特征值λ1=2.549，λ2=1.369，前2個(gè)因子的累積貢獻(xiàn)率為55.974%，通常需滿(mǎn)足累計(jì)貢獻(xiàn)率達(dá)到80%以上，則應(yīng)提取4個(gè)公因子才能提供足夠的原始信息。

4)公共因子提取。

由表5可知，第一列中高載荷的因子有平均通視率、平均遮擋距離，載荷值分別為0.909、0.918，這2個(gè)因子是開(kāi)敞度的指標(biāo)，故將第一個(gè)公共因子命名為空間開(kāi)敞度因子。

第二列中高荷載的因子有綠容積率、植物豐富度，載荷值分別0.876、0.662，這2個(gè)因子與綠量有關(guān)，將第二個(gè)公共因子命名為綠量因子。

第三列高荷載因子只有色彩豐富度0.943，該因子反映的是綠色空間色相，故命名為色相因子。

第四列的高荷載因子為喬木冠幅與灌草冠幅之比、郁閉度，其荷載值分別為0.927、0.701，該2個(gè)因子反映了綠色空間中植物冠幅情況，故命名為冠幅因子。

最終，7個(gè)指標(biāo)歸納為4個(gè)公共因子，分別為：空間開(kāi)敞度因子、綠量因子、色相因子、冠幅因子。

5)公共因子得分。

由Thomson回歸法獲得因子得分系數(shù)，根據(jù)表6得到各公共因子的表達(dá)式，其中F、ZX不再是原始變量，而是標(biāo)準(zhǔn)正態(tài)變換后的變量。

將標(biāo)準(zhǔn)化后的指標(biāo)數(shù)據(jù)代入上述4個(gè)因子表達(dá)式中，即可獲得每個(gè)樣方的公共因子得分。

2.3 多元回歸分析

2.3.1 回歸模型建立

按照每15個(gè)樣方隨機(jī)選擇1個(gè)作為精度檢驗(yàn)的樣方，則其中54個(gè)樣方作為回歸分析，15個(gè)樣方數(shù)據(jù)作為回歸檢驗(yàn)。將4個(gè)公共因子的標(biāo)準(zhǔn)化數(shù)據(jù)導(dǎo)入SPSS中進(jìn)行多元逐步回歸分析(表7、8)。

表7顯示當(dāng)4個(gè)因子均進(jìn)入回歸模型后，其R方(擬合優(yōu)度)達(dá)到0.802>0.8，表明4個(gè)因子與SBE值的回歸擬合效果較高。

根據(jù)變量系數(shù)表8，美景度評(píng)價(jià)值SBE回歸模型表達(dá)式為：SBE=48.373+30.201×F1+38.150×F2+16.611×F3+11.703×F4。

表5 旋轉(zhuǎn)成分矩陣a

表6 成分得分系數(shù)矩陣

表7 模型相關(guān)性

表8 變量系數(shù)匯總

表9 顯著性F檢驗(yàn)

2.3.2 回歸方程檢驗(yàn)

1)顯著性F檢驗(yàn)。

顯著性檢驗(yàn)可驗(yàn)證因變量與自變量間的是否具有顯著的線(xiàn)形關(guān)系，對(duì)回歸方程進(jìn)行顯著性檢驗(yàn)(表9)。

由表9可知，回歸方程Sig.=0.000<0.05，表明回歸效果顯著。

2)回歸精度檢驗(yàn)。

用隨機(jī)選擇的15組樣方數(shù)據(jù)進(jìn)行精度檢驗(yàn)，即衡量預(yù)測(cè)SBE值與實(shí)際SBE值間的差異是否顯著(表10、11)。

由表10可知，預(yù)測(cè)SBE與實(shí)際SBE間的相關(guān)系數(shù)中，顯著性為0.01<0.05，表明預(yù)測(cè)SBE值與實(shí)際SBE值相關(guān)性高。

由表11可知，t檢驗(yàn)中的Sig.=0.486>0.05，說(shuō)明實(shí)際SBE與預(yù)測(cè)SBE不存在顯著差異。

綜上，回歸方程通過(guò)了F顯著性檢驗(yàn)與t檢驗(yàn)，說(shuō)明回歸方程精度較高，可用于綠色空間視覺(jué)質(zhì)量的評(píng)判。

表10 配對(duì)樣本相關(guān)系數(shù)

表11 配對(duì)樣本t檢驗(yàn)

3 結(jié)論

本文通過(guò)因子分析避免了要素間的制約、關(guān)聯(lián)性，更加明確了美景度中影響要素的重要程度。根據(jù)美景度評(píng)價(jià)模型：SBE=48.373+30.201×F1+38.150×F2+16.611×F3+11.703×F4，影響美景度的重要性排序?yàn)椋壕G量因子39.47%、空間開(kāi)敞度因子31.24%、色相因子17.18%、冠幅因子12.11%。

其中，綠量因子對(duì)植物綠色空間美景度影響最大：表現(xiàn)為植物的結(jié)構(gòu)特征、層次搭配是否豐富，以及植物種類(lèi)的多樣性。其次是空間開(kāi)敞度：表明綠色空間中植物圍合的尺度感對(duì)于人的視覺(jué)感官?zèng)_擊較明顯，開(kāi)敞、通透的空間更加吸引人停留、觀賞。色彩豐富度與植物的季相相關(guān)：在特定季節(jié)中，人們會(huì)較偏向于具有色彩感的空間，在植物配置中可多考慮采用具有季相性表現(xiàn)的植物，注重其質(zhì)感與色彩搭配。冠幅因子反映在植物冠幅大小及其喬灌草的配置上，說(shuō)明人群較偏好于喬木類(lèi)林蔭空間。

數(shù)量化的模型能幫助設(shè)計(jì)者在植物空間營(yíng)造時(shí)，更加科學(xué)理性地根據(jù)不同因素的重要性考慮，創(chuàng)造更加舒適、吸引人群的植物綠色空間。但植物綠色空間設(shè)計(jì)涉及生態(tài)學(xué)、美學(xué)、心理學(xué)等多學(xué)科，而且植物空間是動(dòng)態(tài)變化的，如植物生長(zhǎng)周期變化導(dǎo)致綠量、空間開(kāi)敞度、色彩、植物冠幅都會(huì)隨之改變，呈現(xiàn)出不同的植物空間感受。因此運(yùn)用美景度評(píng)價(jià)模型時(shí)，需設(shè)計(jì)者們不僅需從美學(xué)的角度考慮其影響要素，還要熟悉植物的生長(zhǎng)習(xí)性、成熟狀態(tài)，從而預(yù)判成型的植物綠色空間是否符合大眾審美。

注：文中圖片均由作者繪制或拍攝。