基于數據量化分析的動態視覺景觀規劃仿真

劉曉青，芮 瀟

(東南大學成賢學院，江蘇 南京 210088)

1 引言

景觀一般可以理解為某地區的綜合特征，其中包括人文、經濟以及自然等方面[1]；一般的自然綜合體：主要是指地理各要素間互相聯系，互相制約、采用有規律結合所形成的內部一致整體，分為不同等級區域或者是類型單位；區域概念，作為個體區域單位，就是相當于綜合自然區域等級系統內最小的一級自然區，是對應一致發生與形態結構同一個區域；類型概念主要是用來分類任何區域單位，即指互相合理地段按照外部特征類似性，將其歸成相同類型單位，例如森林景觀、草原景觀等[2]。

景觀規劃主要是指區域范圍內完成景觀規劃，從區域基本屬性以及特征出發。其中設計規劃都包括：大眾行為心理主要從人類心理精神感受出發，依據人類在環境內的行為心理以及精神活動規律，采用心理文化引導，設計出令人積極向上、浮想聯翩以及賞心悅目的景觀；環境生態則是隨著現代環境的意識運動發展，從而深入景觀設計規劃的內容，依據自然界內生物學原理，采用人工材料、水體、土壤、動植物、陽光以及氣候等，設計規劃出舒服良好的物理環境；而視覺景觀則是從人類視覺感受出發，通過實體空間景觀和美學規律，創造出賞心悅目的環境形象。這三種元素對于景觀感受起到的作用是密不可分、相輔相成的，采用以視覺為主的感受通道是借助與景觀環境的形狀，從而在心理引發觸景生情、心曠神怡等效果[3]。

景觀設計規劃還要以做到保護資源節約資源、尊重自然顯露資源和以人為本的體現博愛等原則。因為景觀設計規劃較為繁瑣，如果只是通過語言敘述，可能會出現設計者理解錯誤、敘述不清等情況發生，很難獲得系統性設計，這樣很有可能導致在進行規劃時出現偏差，甚至是失誤。所以需要通過數據量化分析的方式，進行系統整理，使其更加嚴謹。為此本文提出一種基于數據量化分析的動態視覺景觀規劃仿真方法，能夠很好保護景觀生態環境，降低空氣污染。

2 數據量化分析算法下景觀空間參數計算

2.1 景觀空間格局指標

空間格局分析法主要是用來研究空間配置關系與景觀構造組成特征的分析方法，對于景觀空間格局和異質性的定量描述是對景觀過程、功能以及結構分析的基礎。在通過異質性與格局將景觀的時間過程以及空間特征相連接。即可分析與描述景觀的規律性[4]。

而景觀格局通常是指很多景觀過程長期作用產物，可以直接影響景觀過程，而不同的景觀格局對于景觀生態系統、種群或者是某個個體作用較大。具體計算方法如下所示：

1)人均綠地的面積MG，具體公式為

MG=Ai/P

(1)

式中：Ai代表綠地系統內i類景觀面積，P代表所在地區人口。

2)綠地率G0，具體公式為

G0=Ai/S×100%

(2)

式中：S代表研究區域的總面積[5]。

3)多樣性的指數為H，其數值大小能夠反映出各景觀要素占據的比例變化以及景觀要素多少。在景觀利用單一要素所構成時，則景觀為均質的，多樣性的指數即為0；而利用兩個以上要素所構成的景觀，在景觀類型占據的比例相等時，那么景觀多樣即為最高，導致各個景觀的類型占據的差異比例增大，具體計算公式為

(3)

上式中：H代表某地區景觀的多樣性指數，Pi代表此地區各個景觀面積以及此地區總面積比，m代表此地區內景觀類型個數。

4)優勢度指數代表景觀多樣性以及最大多樣性偏離的程度，或者敘述景觀是由少數幾個重要景觀類型所控制的程度，其優勢度指數越大，那么說明偏離的程度就越大，組成各景觀的類型占據點的比例差異越大，或者說某種或者少數景觀種類占據優勢；而優勢度越小就越表明偏離的程度越小，組成景觀的各種類占據比例幾乎相同，如果優勢度是0，代表構成各景觀類型占據的比例是相等的，它的景觀全是均質的，就是采用一種景觀類型構成的。具體計算公式為

(4)

式中：D代表優勢度指數，Pi代表景觀種類i所占據的面積比例，i代表景觀類型的總數，Hmax代表研究區域的多樣性指數最大值，而均勻度與優勢度在其本質上是相同的，其差異為生態學上的意義不相同，在實際上能夠任選其一。

5)均勻度指數E，主要是描述景觀內不同景觀種類所分配的均勻程度，數值越大，則說明各組成的成分分配就越均勻。具有計算公式為

E=(H/Hmax)×100%

(5)

優勢度與均勻度是相同的，同樣是敘述景觀通過極少數幾個主要景觀類控制程度，此兩個指數能夠互相彼此驗證。

6)破碎度的指數表示被分割破碎程度，其在一定程度上能夠反映出人為對于景觀的干擾程度。利用斑塊密度的指數對破碎化程度進行定量分析，而破碎度高低證明綠地對于城市生物的保護貢獻大小以及多樣性的維持，同樣能夠代表城市綠地的功能高低，具體公式公式為

Ci=Ni/A

(6)

式中：Ni代表景觀種類i斑塊的個數，A代表景觀總面積。

7)分離度指數表示某景觀種類內斑塊個體分布或者不同元素的分離程度。其中分離程度越大，則說明在地域中的分布越分散，所采用的同類景觀距離最近指標表示分離程度。具體計算公式為

ENN=Hij

(7)

式中：ENN代表景觀種類i分離程度，Hij代表某種景觀種類斑塊至距離最近的斑塊，該指標廣泛應用于衡量斑塊分離程度。

8)分維度的指數代表存在不規則形狀的對象復雜性，主要用來測試形狀復雜的程度。具體公式為

D=2log(P/4)/log(A)

(8)

在分維幾何內，斑塊的周長與面積關系可以被定義成P=K(AD/2)。

式中：D代表分形的維數，P代表斑塊的周長，A代表斑塊的面積，它的常數K等于4。實際計算內，D值通常位于1～2間，實際意義存在兩個方面：一是D值越趨近于1，那么斑塊自我的相似性就越強，形狀就越具有規律；二是D值越趨近于2，那么斑塊幾何形狀就越簡單，說明受干擾程度就越大。造成這個原因的是，人類干擾的斑塊通常是幾何形狀，比較規則。所以容易發生斑塊的形狀類似情況。若只從分維數自身的數學公式證明。其僅表示斑塊自我類似性而已[7]。

9)連通性指數代表景觀聚集程度，它的范圍是0～100間，具體公式為

(9)

關鍵種類占據景觀比例降低，且分成不連接的斑塊，斑塊結合度指數值趨近于0，在關鍵類型占據景觀比例增加，一直至漸進于滲透理論閾值[8]。

2.2 景觀可達性影響因素

1)城市景觀可達性通常是指綠地服務效率和景觀綠地服務進行體現，景觀綠地服務的規模以及服務的半徑等，現對于服務水平具有一定作用。具體景觀綠地的服務指標含有服務面積比以及服務人口比，公式如下

(10)

(11)

2)景觀的服務效率作為衡量城市景觀綠地服務水平重要指標，主要通過服務面積百分比形式所體現，具體公式為

(12)

3)人口密度是作為衡量城市的公共服務重要指標，一般也用來評價景觀綠地服務能力指標之一，而人口的密度是景觀綠地服務的面積和服務區域總面積比，具體公式為

(13)

4)城市路網作為一個錯綜復雜網絡構造體系，因人口流量、交通流速以及道路等級等實際情況差異。所以路網密度是指景觀服務面積中道路的總長度和此服務區域的總面積比，具體計算公式為

(14)

5)景觀綠地的形狀指數作為空間構造重要指標，主要用來反映景觀的形狀特征，具體公式為

(15)

式中：Q代表景觀綠地的周長，M代表景觀綠地的面積，B代表形狀指數，而數值代表景觀綠地形狀和圓形相差程度，最小值是1。其中形狀的指數越大，代表綠地的形狀復雜程度就越大，且越不規則[9]。

3 動態視覺景觀規劃

假設n″代表城市綠地景觀圖像像素最大至，p(i″，j″)代表景觀圖像的共生矩陣內第i″行第j″列元素，(i″，j″)代表共生矩陣的灰度值，通過選擇4種應用比較廣泛紋理特征敘述向量，以此對城市生態景觀進行分析，而選擇的敘述向量分別是角二階矩ASM、相關系數COR、信息熵ENT以及對比度CON，具體計算公式為

(16)

(17)

(18)

(19)

式中：μx、μy與σx、σy分別代表景觀圖像處于x軸與y軸上均值以及標準差，式(19)代表景觀圖像粗糙紋理的部分，若元素p(i″，j″)集中于主對角線的附近，這時景觀圖像的對比度CON比較小[10]。若元素p(i″，j″)與景觀圖像的主對角線比較遠，那么對比度CON值則比較大；式(18)可以度量景觀圖像的紋理特征向量；式(17)能夠衡量景觀灰度共生矩陣的每個元素間類似程度重要指標；式(16)主要是用來評價景觀灰度分布程度度量的標準[11]。

相對于景觀系統圖像的各個方向灰度矩陣全都能夠計算上述，獲得4個紋理特征值，而景觀圖像四個方向灰度的共生矩，各個紋理特征全有和值所對應的四個不同方向值，如果M(d)代表以上所計計算的4個紋理特征敘述向量處于4個方向上均值，那么就能夠獲得城市景觀系統的角二階矩、相關系數、信息熵以及對比度。具體計算公式如下所示

(20)

(21)

(22)

(23)

依據以上計算統計城市系統各種景觀4個紋理特征值間的差異狀況，并且與上述的空間格局指標相結合，利用最大似然法實現分類，完成景觀布布局規劃，具體計算公式為

(24)

式中：We代表景觀類別集合，X代表景觀紋理特征的敘述向量，P(We/X)代表X掉落在We概率，在依據式(24)概率值大小，即可實現景觀布局的最佳規劃[12]。

4 仿真證明

4.1 實驗模型

為驗證本文方法的有效性，在MAT-LAB平臺下構建景觀布局規劃模型，進行實驗仿真測試。將實際數據與實驗平臺上構建的模型數據進行對比，觀察構建的模型是否準確，作為后續進一步實驗測試的基礎。

具體模型數據與實際數據之間的對比結果，如圖1所示，能夠看出，構建的模型數據與實際數據幾乎相同，雖然會存在些許的偏差，不過總體上并不會影響數據的實際結果，以此說明在平臺上構建的模型，可以用來進行下一步實驗。

圖1 實驗數據對比結果

4.2 實驗結果對比分析

利用上述在平臺上構建的模型，分析本文的布局規劃方法，同時預測未來6年內的景觀植被面積，將預測結果數據與歷史數據進行對比，通過觀察植被的規劃面積驗證本文方法的效果。

二者具體對比結果如圖2所示。

圖2 景觀綠地植被的面積預測

通過觀察圖2能夠看出，經過本文方法規劃后的景觀植被面積，呈現逐年上漲的趨勢，不過由于植被的面積與城市人類活動的面積存在反比的關系，植被數據的增加，反之人類活動的面積則減少，所以植被雖然逐年增加，不過后期增加的趨勢會較慢。

因為植被的增加，會導致空氣中的二氧化碳含量降低，因此通過測試二氧化碳的含量，能夠反映出空氣環境的變化效果。所以在采用本文方法規劃后空氣中的二氧化碳含量，與歷史數據對比，觀察環境的改變。

具體對比結果如圖3所示。

圖3 二氧化碳的含量預測

通過圖3能夠看出，作為實際樣本數據二氧化碳的含量較高，不過隨著本文方法對景觀進行規劃后，植被的面積增加，二氧化碳的含量隨之在逐年的降低，最終趨向于穩定。

通過以上實驗證明：本文方法對于景觀規劃具有良好的效果，能夠改善地區生態環境，降低空氣污染。

5 結束語

本文所提的基于數據量化分析的動態視覺景觀規劃仿真方法，可以有效改善景觀環境，降低空氣污染，提升居民的居住環境，保證健康。不過由于社會環境不斷變化，同樣布局規劃的方法也需要不斷更新變化，所以本文需要進一步深入研究，確保可以實時與社會環境相結合，避免環境受到污染。